KR20120126963A - Restoration method of topography for debris flow area using airborne lidar data - Google Patents
Restoration method of topography for debris flow area using airborne lidar data Download PDFInfo
- Publication number
- KR20120126963A KR20120126963A KR1020110045141A KR20110045141A KR20120126963A KR 20120126963 A KR20120126963 A KR 20120126963A KR 1020110045141 A KR1020110045141 A KR 1020110045141A KR 20110045141 A KR20110045141 A KR 20110045141A KR 20120126963 A KR20120126963 A KR 20120126963A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- point
- approximation
- section
- boundary
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000012876 topography Methods 0.000 title claims abstract description 17
- 239000000203 mixture Substances 0.000 claims description 56
- 239000002689 soil Substances 0.000 claims description 55
- 238000009412 basement excavation Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 239000004575 stone Substances 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 230000001788 irregular Effects 0.000 claims description 4
- 239000003673 groundwater Substances 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 3
- 239000011435 rock Substances 0.000 abstract 7
- 238000009826 distribution Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000005315 distribution function Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000033228 biological regulation Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000013049 sediment Substances 0.000 description 3
- 238000004062 sedimentation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 241001233061 earthworms Species 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000004162 soil erosion Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
Description
본 발명은 지형복원 방법에 관한 것으로, 더욱 상세하게는, 토석류 발생 지역에서 항공 라이다 자료의 근사화를 통해 토석류 발생 이전의 지형 자료를 정밀하게 복원할 수 있는 항공 라이다 자료를 이용한 토석류 발생지역의 지형복원 방법에 관한 것이다.The present invention relates to a method for restoring topography, and more particularly, to a method for reconstructing a geological region using aerial lidar data, which can precisely restore topographical data prior to the generation of a civilized soil by approximating the aeronautical lidar data. A method of restoring terrain.
일반적으로 산사태는 산지경사면에서 토사가 미끄러져 발생하는 붕괴를 가리키고, 토석류는 붕괴된 토사가 다른 사면에서 붕괴된 토사와 합쳐져 계류를 타고 흘러 계상에 존재하는 유목이나 토석과 다시 합쳐져 선상지에 퇴적이 되는 현상을 말한다.Landslides generally refer to collapse caused by slipping of soil on mountain slopes, and soils merge with soil that has collapsed on other slopes and merge with streams and driftwood and sediment on the sediment to be deposited on board. Say the phenomenon.
최근 기후변화의 영향으로 태풍 및 집중호우가 빈번해지고 여름철에 강우가 집중되는 경향이 증가함에 따라 토석류의 발생 가능성이 높아지고 토석류로 인한 피해가 증가할 것으로 예측된다.As the impact of climate change is increasing, typhoons and torrential rains are increasing, and the rainfall tends to be concentrated in the summer, the probability of the occurrence of soils is expected to increase and the damages from soils are expected to increase.
토석류 연구는, 주로 토석류가 발생한 현장에서 조사한 자료와 위성영상이나 항공사진, 그 밖에 GIS(Geographic Information System) 자료를 이용하여 토석류 발생 가능성이 높은 지점을 통계적으로 예측하는 분야와, 실험을 통해 토석류의 유동 및 퇴적 메커니즘을 연구하는 부분으로 크게 나눌 수 있다.Earthquake research mainly uses the data from the site where the earthwork occurred, satellite images, aerial photographs, and other geographic information system (GIS) data to statistically predict the point of high probability of the occurrence of earthworms. It can be divided largely into studying flow and deposition mechanisms.
전자의 경우 토석류 발생지의 현장접근이 어렵고 비교적 시간과 비용이 많이 소요되어 현장조사 보다 원격탐사 및 GIS 자료에 대한 중요성이 증가하고 있다. 이에. 위성영상이나 항공사진, 능동형 센서인 합성 개구 레이더(SAR) 등의 원격탐사 자료와 수치지형도, 수치지질도 등의 GIS 자료를 통해 토석류 발생예측, 피해규모 및 확산범위 등의 연구가 이루어지고 있다.In the former case, it is difficult to access the site of the earth or sand, and the time and cost are relatively high. Therefore, the importance of remote sensing and GIS data is more important than the field survey. Therefore. Research on earthquake occurrence prediction, damage size, and spread range has been conducted through GIS data such as satellite image, aerial photographs, and synthetic aperture radar (SAR), an active sensor, and digital topographic map and digital geological map.
이들 중 항공 라이다(Lidar: Light Detection and Ranging) 측량은 수관투과의 특성으로 인해 수목에 의한 차폐효과를 해결할 수 있어, 위성영상이나 항공사진보다 더욱 정밀하고 정확한 3차원 지형 정보를 제공할 수 있다.Among them, aerial lidar (Light Detection and Ranging) surveying can solve the tree's shielding effect due to the nature of the water penetration, which can provide more precise and accurate three-dimensional terrain information than satellite image or aerial photograph. .
항공 라이다 측량은 2차원 중심이던 토석류 연구를 3차원으로 확대시켜 토석류의 발생에서 유하, 퇴적까지 일련의 기작은 물론이고 변화된 토사량까지 추정할 수 있는 매우 효과적인 자료로 활용될 수 있다. 토석류로 인해 변화된 토사량의 추정은 실험단계에 머물러 있는 토석류의 메커니즘 연구에서 실세계와의 차이를 보완할 수 있는 중요한 자료로 사용될 수 있다. 또한, 여러 토석류 물리 모델의 검증자료 및 사방댐 설계에 필요한 기준자료, 토석류 위험지도의 토사량 자료, 2차 홍수범람예측자료 등 여러 분야에서 유용한 자료로 사용될 수 있다.Aerial lidar survey can be used as a very effective data to estimate the changed soil amount as well as a series of mechanisms from the generation of sediments to sedimentation and sedimentation. Estimation of soil changes due to soils can be used as an important data to compensate for differences from the real world in the study of the mechanisms of soils remaining in the experimental stage. In addition, it can be used as useful data in various fields such as verification data of various soil models, reference data needed for design of all sides dams, soil quantity data of earthquake risk map, and secondary flood flood prediction data.
토석류 발생 이후의 항공 라이다 자료를 이용하여 토석류의 토사량 정보를 획득하기 위해서는 반드시 토석류 발생 이전의 지형자료가 필요하다. 항공 라이다 촬영을 통한 정밀지형자료는 최근에 제작되기 시작하였으므로 과거 지형 변형 이전의 정밀 지형 자료는 제작되지 못한 경우가 많다. In order to obtain the soil volume information of the soil, using the aerial lidar data after the occurrence of the soil, topographic data before the occurrence of the soil is required. Since precise terrain data from aerial lidar photography have been recently produced, precision terrain data prior to terrain deformation has not been produced in many cases.
종래에 알려진 과거 지형 자료를 획득하는 방법으로는, 고해상도 위성영상이나 항공사진, 합성 개구 레이다 영상과 같은 원격탐사 자료를 이용하거나 수치지형도를 이용하는 방법이 알려져 있다.Conventionally known methods of acquiring historical topographical data are known using remote sensing data such as high resolution satellite images, aerial photographs, synthetic aperture radar images, or digital topographic maps.
이들 중, 항공사진을 이용하는 방법은, 항공사진의 상태에 따라 표정작업 및 표고값 수정작업이 동반되어야 하므로 시간과 비용이 많이 소요되고 정확도가 비교적 낮은 문제가 있다. 특히, 이 방법은, 수목이 존재하는 산지에서 수목의 영향으로 인해 추출된 고도값이 정확하지 못한 문제가 있다.Among them, the method using the aerial photo has a problem that it takes a lot of time and cost and relatively low accuracy because the facial expression work and the elevation value correction operation must be accompanied according to the state of the aerial photo. In particular, this method, there is a problem that the altitude value extracted due to the influence of the tree in the mountain region where the tree is present is not accurate.
또한, 수치지형도를 이용하는 방법은, 수치지형도의 등고선에만 고도값이 있으며 하천이나 농경지, 주거지, 도로(임도 포함) 등은 고도값이 없어 과거의 실제지형을 나타내기 어려운 문제가 있다.In addition, the method using the digital topographic map has an altitude value only in the contour line of the digital topographic map, and rivers, agricultural land, residential areas, roads (including forest roads), etc., have no altitude value, which makes it difficult to represent past actual terrain.
따라서, 종래의 기법들과는 달리 수목에 의한 영향을 받지 않으면서 항공 라이다 자료의 정확도에 가까운 과거의 정밀 지형자료를 제작할 수 있는 새로운 기법이 요구되고 있다.Therefore, unlike the conventional techniques, a new technique is required to produce historically accurate topographical data that is close to the accuracy of aerial lidar data without being affected by trees.
본 발명은 토석류 발생 지역에 대한 항공 라이다 자료의 근사화를 통해 토석류 발생 이전의 지형 자료를 정밀하게 복원할 수 있는 항공 라이다 자료를 이용한 토석류 발생지역의 지형복원 방법을 제공하는 것을 해결하고자 하는 기술적 과제로 한다.The present invention is to solve the problem to provide a method for restoring the topography of the earth and stone region using the airborne lidar data that can accurately restore the terrain data prior to the generation of the earth and earth through the approximation of the air lidar data for the earth and earth occurrence region It is a task.
상기 목적을 달성하기 위한 수단으로서 본 발명은, The present invention as a means for achieving the above object,
항공 라이다에 의한 지형 고도 자료(DEM: Digital Elevation Model)에서 토석류 발생 영역을 검출하는 단계;Detecting earth-bearing region in the terrain elevation data (DEM: Digital Elevation Model) by the air lidar;
상기 검출하는 단계에서 검출된 토석류 발생 지역의 횡단면을 추출하는 단계;Extracting a cross-section of the district-occurring area detected in the detecting step;
가우시안 혼합 모델을 적용하여 상기 추출하는 단계에서 추출된 토석류 발생 지역의 횡단면의 경계에 대한 근사화 데이터를 산출하는 단계; 및Calculating approximation data on the boundary of the cross section of the excavated geology generated area by applying the Gaussian mixture model; And
상기 근사화하는 단계에서 산출된 근사화 데이터를 상기 토석류 발생 영역에 적용하여 토석류 발생 영역의 지형을 복원하는 단계Restoring the topography of the soil-occurring region by applying the approximation data calculated in the approximating step to the soil-occurring region.
를 포함하는 항공 라이다 자료를 이용한 토석류 발생지역의 지형복원 방법을 제공한다.
It provides a method of restoring the topography of the earth-bearing region using the airborne lidar data, including.
본 발명의 일 실시형태에서, 상기 검출하는 단계는, 상기 항공 라이다에 의한 지형 고도 자료를 저역 통과 필터링하여 상기 토석류의 경계를 검출하는 단계를 포함할 수 있다.In one embodiment of the present invention, the detecting may include low-pass filtering terrain altitude data by the aerial lidar to detect the boundary of the soil.
본 발명의 일 실시형태에서, 상기 추출하는 단계는 상기 항공 라이다에 의한 지형 고도 자료(DEM)를 이용하여 수계의 수직방향으로 상기 토석류 발생 지역의 횡단면을 추출하는 단계일 수 있다.In one embodiment of the present invention, the extracting step may be a step of extracting a cross section of the earth-bearing area in the vertical direction of the water system using the terrain elevation data (DEM) by the aerial lidar.
본 발명의 일 실시형태에서, 상기 근사화 데이터를 산출하는 단계는, 상기 추출하는 단계에서 추출된 횡단면에 대해 선형 근사를 이용한 중심점 추정기법을 적용하여 계곡의 중심점을 추정하는 단계; 상기 추출하는 단계에서 추출된 토석류 발생 지역의 횡단면의 경계에 대해, 가우시안 혼합 모델을 적용하여 근사화 데이터를 생성하는 단계; 및 상기 근사화 데이터와 상기 추정하는 단계에서 추정된 중심점의 오차 및 상기 근사화 데이터의 평균 제곱근 오차 중 적어도 하나가 사전 설정된 조건을 만족하는 경우 해당 근사화 데이터를 지형복원에 사용되는 최종 근사화 데이터로 결정하는 단계를 포함할 수 있다.In one embodiment of the present invention, the calculating of the approximation data may include: estimating the center point of the valley by applying a center point estimation method using linear approximation to the cross-section extracted in the extracting step; Generating approximation data by applying a Gaussian mixture model to the boundary of the cross section of the excavated geology generated region in the extracting step; And determining at least one of the approximation data and the final approximation data to be used for terrestrial restoration when at least one of the error of the center point estimated in the estimating step and the mean square root error of the approximation data satisfies a preset condition. It may include.
본 발명의 일 실시형태에서, 상기 근사화 데이터를 산출하는 단계는, 상기 근사화 데이터와 상기 중심점을 추정하는 단계에서 추정된 중심점의 오차 및 상기 근사화 데이터의 평균 제곱근 오차가 상기 사전 설정된 조건을 만족하지 않는 경우, 상기 생성하는 단계에서 적용된 가우시안 혼합 모델의 차수를 변경하고, 상기 차수가 변경된 가우시안 혼합 모델을 적용하여 상기 생성하는 단계를 다시 수행하는 단계를 더 포함할 수 있다.In one embodiment of the present invention, the calculating of the approximation data may include the error of the center point estimated in the step of estimating the approximation data and the center point and the mean square root error of the approximation data not satisfying the preset condition. In this case, the method may further include changing the order of the Gaussian mixture model applied in the generating step and applying the Gaussian mixture model having the changed order to perform the generation again.
본 발명의 일 실시형태에서, 상기 근사화 데이터를 산출하는 단계는, 상기 중심점을 추정하는 단계에서 상기 선형 근사를 이용한 중심점 추정기법의 적용이 불가능한 경우, 상기 추출하는 단계에서 추출된 토석류 발생 지역의 횡단면의 경계에 대해 차수가 1인 가우시안 혼합 모델을 적용하여 근사화 데이터를 생성하는 단계를 더 포함할 수 있다.In one embodiment of the present invention, the calculating of the approximation data may include: when the center point estimating method using the linear approximation is not applicable in the estimating the center point, a cross-section of the excavated earth stone generation region extracted in the extracting step; The method may further include generating approximation data by applying a Gaussian mixture model of order 1 to the boundary of.
본 발명의 일 실시형태에서, 상기 중심점을 추정하는 단계는, 상기 토석류 발생 지역 횡단면에서, 계곡을 형성하는 양 경사면 상의 제1 토석류 경계점 및 제2 토석류 경계점에서 각각 경사면에 대한 제1 접선 및 제2 접선을 형성하는 단계; 상기 제1 접선 및 제2 접선의 교점과 상기 제1 토석류 경계점 사이의 거리와, 상기 제1 접선 및 제2 접선의 교점과, 상기 제2 토석류 경계점 사이의 거리가 동일한 경우, 상기 제1 토석류 경계점에서 그은 상기 제1 접선의 수직선과 상기 제2 토석류 경계점에서 그은 상기 제2 접선의 수직선의 교점을 중심으로 하고 상기 중심과 상기 제1 토석류 경계점 또는 상기 제2 토석류 경계점 사이의 거리를 반지름으로 하는 원을 형성하는 단계; 및 상기 원의 중심과 상기 제1 접선 및 제2 접선의 교점을 잇는 직선과 상기 원의 교점을 상기 계곡의 중심점으로 추정하는 단계를 포함할 수 있다.In one embodiment of the present invention, the estimating of the center point comprises a first tangent and a second tangent to the inclined plane at the first and second earthenite boundary points on both slopes forming the valley, respectively, in the cross-section of the earth flow generation region. Forming a tangent line; When the distance between the intersection point of the first tangent line and the second tangent line and the first earthenite boundary point, and the distance between the intersection point of the first tangent line and the second tangent line and the second earthenite boundary point, the first earthenite boundary point Is a circle centered at the intersection of the vertical line of the first tangent line and the second earth current flow point at the boundary point of the second tangent line, the radius of which is the radius between the center and the first earthwork boundary point or the second earthwork flow boundary point. Forming a; And estimating an intersection of the circle and a straight line connecting the intersection of the center of the circle with the first tangent and the second tangent as the center point of the valley.
본 발명의 일 실시형태에서, 상기 중심점을 추정하는 단계는, 상기 토석류 발생 지역 횡단면에서, 계곡을 형성하는 양 경사면 상의 제1 토석류 경계점 및 제2 토석류 경계점에서 각각 경사면에 대한 제1 접선 및 제2 접선을 형성하는 단계; 상기 제1 접선 및 제2 접선의 교점과 상기 제1 토석류 경계점 사이의 거리와, 상기 제1 접선 및 제2 접선의 교점과, 상기 제2 토석류 경계점 사이의 거리가 상이한 경우, 상기 제1 토석류 경계점에서 그은 상기 제1 접선의 수직선과 상기 제2 토석류 경계점에서 그은 상기 제2 접선의 수직선의 교점을 중심으로 하고 상기 중심과 상기 제1 토석류 경계점 사이의 거리를 반지름으로 하는 제1 원을 형성하는 단계; 상기 제1 토석류 경계점에서 그은 상기 제1 접선의 수직선과 상기 제2 토석류 경계점에서 그은 상기 제2 접선의 수직선의 교점을 중심으로 하고 상기 중심과 상기 제2 토석류 경계점 사이의 거리를 반지름으로 하는 제2 원을 형성하는 단계; 상기 제1 원 또는 제2 원의 중심과 상기 제1 접선 및 제2 접선의 교점을 잇는 직선과 상기 제1 원 사이의 교점 및 상기 제1 원 또는 제2 원의 중심과 상기 제1 접선 및 제2 접선의 교점을 잇는 직선과 상기 제2 원 사이의 교점의 중점을 상기 계곡의 중심점으로 추정하는 단계를 포함할 수 있다.In one embodiment of the present invention, the estimating of the center point comprises a first tangent and a second tangent to the inclined plane at the first and second earthenite boundary points on both slopes forming the valley, respectively, in the cross-section of the earth flow generation region. Forming a tangent line; The distance between the intersection point of the first tangent line and the second tangent line and the first earthenite boundary point, and the distance between the intersection point of the first tangent line and the second tangent line and the second earthenite boundary point is different, Forming a first circle centered at the intersection of the vertical line of the first tangent line and the vertical line of the second tangent line drawn at the boundary point of the second tangent and having a radius of the distance between the center and the first earthen ground boundary point; ; A second radius centered on the intersection of the vertical line of the first tangent line drawn at the first earthenite boundary point and the vertical line of the second tangent line drawn at the second earthen ground boundary point and having a radius of a distance between the center and the second earthen ground boundary point; Forming a circle; The intersection between the straight line connecting the center of the first circle or the second circle and the intersection of the first tangent line and the second tangent line and the first circle, and the center of the first circle or the second circle and the first tangent line and the first circle. And estimating the midpoint of the intersection point between the straight line connecting the two tangent points and the second circle as the center point of the valley.
본 발명의 일 실시형태에서, 상기 지형을 복원하는 단계는, 상기 토석류가 발생한 영역의 횡단면의 경계에서 토석류 구간의 데이터를 제거하는 단계 및 상기 제거하는 단계에서 제거된 토석류 구간에 상기 근사화 데이터를 적용하여 토석류 발생 구간을 복원하는 단계를 포함할 수 있다.In one embodiment of the present invention, the restoring of the terrain may include applying the approximation data to the section of the soil flow removed in the step of removing and removing the data of the soil flow section at the boundary of the cross section of the region in which the soil flow occurred. It may include the step of restoring the excavation section.
본 발명의 일 실시형태에서, 상기 지형을 복원하는 단계는, 상기 근사화 데이터를 적용하여 토석류 발생 구간이 복원된 데이터에 대한 보간을 수행하는 단계를 더 포함할 수 있다.In an embodiment of the present disclosure, the restoring of the terrain may further include performing interpolation on the data of which the earthwork generation section is restored by applying the approximation data.
본 발명의 일 실시형태에서, 상기 보간을 수행하는 단계는, 상기 근사화 데이터를 적용하여 토석류 발생 구간이 복원된 데이터에 대해 불규칙 삼각망 보간법을 적용하는 단계일 수 있다.In an embodiment of the present disclosure, the performing of the interpolation may include applying an irregular triangular network interpolation method to the data of which the earthwork generation section is restored by applying the approximation data.
본 발명에 따르면, 가우시안 혼합 모델을 적용하여 토석류 발생 지역의 횡단면을 근사화 함으로써 토석류 발생 이전의 지형을 복원할 수 있다.According to the present invention, by applying a Gaussian mixture model to approximate the cross section of the earth-bearing region, it is possible to restore the terrain before the earth-bearing.
또한, 본 발명에 따르면, 항공 라이다 자료에 의한 지형 고도 자료에 가우시안 혼합 모델을 적용함으로써, 수목의 영향을 받지 않는 정밀한 지형의 복원이 가능하다.In addition, according to the present invention, by applying the Gaussian mixture model to the terrain altitude data by the aerial lidar data, it is possible to restore the precise terrain unaffected by the trees.
특히, 본 발명에 따르면, 선형 근사를 이용한 중심점 추정기법을 적용함으로써, 가우시안 혼합 모델을 이용하여 토석류 발생 지역의 횡단면을 근사화하는 과정에서 가우시안 혼합 모델의 차수를 양호하게 결정할 수 있다.In particular, according to the present invention, by applying a center point estimation method using a linear approximation, it is possible to determine the order of the Gaussian mixture model in the process of approximating the cross section of the earth-occurrence region using the Gaussian mixture model.
또한, 본 발명에 따르면, 토석류 발생 이전 지형을 복원함으로써 토석류 발생으로 유출된 토사량을 추정할 수 있어, 토석류 발생에 따른 피해강도 및 복구에 대한 정보를 부가적으로 제공할 수 있다.In addition, according to the present invention, it is possible to estimate the amount of soil discharged due to the generation of the soil by restoring the terrain before the generation of the soil, thereby additionally providing information on damage strength and recovery due to the generation of soil.
도 1은 본 발명의 일 실시형태에 따른 항공 라이다(Lidar) 자료를 이용한 토석류 발생지역의 지형복원 방법의 흐름도이다.
도 2는 본 발명의 일 실시형태에서 가우시안 혼합 모델을 적용하여 근사화하여 근사화 데이터를 산출하는 단계를 더욱 상세하게 도시한 흐름도이다
도 3 및 도 4는 도 2는 본 발명의 일 실시형태에서 지형 근사화에 가우시안 혼합 모델을 적용한 예를 설명하기 위한 도면이다.
도 5의 (a) 내지 (c)는 토석류 발생 지형의 횡단면의 예들을 도시한 도면이다.
도 6 및 도 7은 본 발명의 일 실시형태에서 적용되는 선형 근사를 이용한 중심점 추정기법을 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시형태에서, 최종 근사화 데이터를 적용하는 기법을 설명하기 위한 도면이다.1 is a flowchart of a method for restoring a topography of a soil production area using airborne Lidar data according to an embodiment of the present invention.
FIG. 2 is a flowchart illustrating in more detail a step of approximating and applying approximation data by applying a Gaussian mixture model in an embodiment of the present invention.
3 and 4 are diagrams for explaining an example in which a Gaussian mixture model is applied to terrain approximation in one embodiment of the present invention.
5 (a) to 5 (c) are diagrams showing examples of a cross section of a soil-occurring terrain.
6 and 7 are diagrams for explaining a center point estimating method using linear approximation applied in an embodiment of the present invention.
8 is a diagram for describing a technique of applying final approximation data in one embodiment of the present invention.
이하, 첨부된 도면을 참조하여 본 발명의 실시형태를 보다 상세하게 설명한다. 그러나, 본 발명의 실시형태는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명되는 실시형태로 한정되는 것은 아니다. 본 발명의 실시형태는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 또한, 본 발명을 설명함에 있어서, 정의되는 용어들은 본 발명에서의 기능을 고려하여 정의 내려진 것으로, 이는 당 분야에 종사하는 기술자의 의도 또는 관례 등에 따라 달라질 수 있으므로, 본 발명의 기술적 구성요소를 한정하는 의미로 이해되어서는 아니 될 것이다.
Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. However, embodiments of the present invention may be modified in various other forms, and the scope of the present invention is not limited to the embodiments described below. The embodiments of the present invention are provided to more fully describe the present invention to those skilled in the art. In addition, in describing the present invention, the defined terms are defined in consideration of the functions of the present invention, and they may be changed depending on the intention or custom of the technician working in the field, so that the technical components of the present invention are limited It will not be understood as meaning.
도 1은 본 발명의 일 실시형태에 따른 항공 라이다(Lidar) 자료를 이용한 토석류 발생지역의 지형복원 방법의 흐름도이다.1 is a flowchart of a method for restoring a topography of a soil production area using airborne Lidar data according to an embodiment of the present invention.
도 1에 도시된 바와 같이, 본 발명의 일 실시형태에 따른 항공 라이다 자료를 이용한 토석류 발생지역의 지형복원 방법은, 항공 라이다에 의한 지형 고도 자료(DEM: Digital Elevation Models)에서 토석류 발생 영역을 검출하는 단계(S11)와, 상기 검출하는 단계에서 검출된 토석류 발생 지역의 횡단면을 추출하는 단계(S12)와, 상기 추출하는 단계에서 추출된 토석류 발생 지역의 횡단면의 경계를, 가우시안 혼합 모델(Gaussian Mixture Model)을 적용하여 근사화하여 근사화 데이터를 산출하는 단계(S13) 및 상기 근사화하는 단계에서 산출된 근사화 데이터를 상기 토석류 발생 영역에 적용하여 토석류 발생 영역의 지형을 복원하는 단계(S14)를 포함하여 구성될 수 있다.
As shown in FIG. 1, the method for restoring the topsoil generated area using the airborne rider data according to the embodiment of the present invention includes a landslide generated region in terrain elevation data (DEM: Digital Elevation Models) by the airborne rider. Detecting a step (S11), extracting a cross section of the excruciation area detected in the detecting step (S12), and extracting a boundary of a cross section of the excruciating area extracted in the extracting step, using a Gaussian mixture model ( Approximating by applying a Gaussian Mixture Model to calculate approximation data (S13) and applying the approximation data calculated in the approximating step to the excavation region to restore the topography of the excavation region (S14). It can be configured.
본 발명의 일 실시형태에 따른 항공 라이다(Lidar) 자료를 이용한 토석류 발생지역의 지형복원 방법은, 항공 라이다에 의한 지형 고도 자료(DEM: Digital Elevation Models)에서 토석류 발생 영역을 검출하는 단계(S11)로부터 시작될 수 있다.According to an embodiment of the present invention, a method for restoring a topsoil generated region using aerial lidar data includes detecting a grounds generated region from topographic elevation data (DEM: Digital Elevation Models) using the airborne lidar ( Starting at S11).
토석류가 발생한 영역은 그 주위 지형과는 다른 횡단 특성을 가질 수 있다. 예를 들어, 붕괴, 침식 또는 퇴적으로 인해 지형이 평평해지거나 오목(凹) 또는 볼록(凸)한 형태를 나타낸다. 이러한 토석류 발생 영역의 특성은 횡단면의 경사도가 주위 지형에 비해 급격히 변화하는 것을 의미한다. 이러한 특성을 이용하여 토석류가 발생한 영역에서 토석류의 경계를 탐지하는데 곡률의 개념을 적용할 수 있다.The area in which the soil has occurred may have different cross-sectional characteristics than its surrounding terrain. For example, due to collapse, erosion or sedimentation, the terrain becomes flat, concave or convex. The characteristic of such a soil-occurring region means that the inclination of the cross section changes rapidly compared to the surrounding terrain. Using this property, the concept of curvature can be applied to detect the boundary of a soil in the region of the soil.
상기 곡률은 지형의 오목 또는 볼록한 정도를 구하기 위한 방법으로 항공 라이다에 의한 지형 고도 자료(DEM)를 2차 미분한 것과 매우 유사하다. 즉, 경사도를 미분한 값으로 경사도가 증가하거나 감소하는 위치를 탐지할 수 있다.The curvature is very similar to the second derivative of terrain elevation data (DEM) by aviation lidar in a way to determine the degree of concave or convexity of the terrain. That is, it is possible to detect a position where the slope increases or decreases by differentiating the slope.
지형 고도 자료(DEM)의 2차 미분 데이터를 산출하기 위해, 항공 라이다에 의한 지형 고도 자료(DEM)에 기설정된 사이즈(예를 들어, 3X3 또는 5X5)의 윈도우로 구현되는 저역 통과 필터를 적용할 수 있다. 항공 라이다에 의한 지형 고도 자료에 저역 통과 필터링을 적용한 경우, 토석류의 경계가 뚜렷하게 나타나게 된다. 항공 라이다에 의한 지형 고도 자료를 사용하여 저역 통과 필터링을 적용하는 경우, 수목에 의한 차폐의 영향을 배제할 수 있어 더욱 효과적으로 토석류 발생 구간을 탐지할 수 있다.
To calculate the second derivative data of the terrain elevation data (DEM), a low pass filter implemented with a window of a predetermined size (for example, 3X3 or 5X5) is applied to the terrain elevation data (DEM) by the aeronautical lidar. can do. When low-pass filtering is applied to topographic elevation data by aerial lidar, the boundary of the soil is clearly displayed. When low pass filtering is applied using terrain elevation data by aerial lidar, the effects of tree-based shielding can be ruled out, which makes it possible to detect earthenstones more effectively.
이어, 상기 검출하는 단계에서 검출된 토석류 발생 지역의 횡단면을 추출하는 단계(S12)가 수행될 수 있다.Subsequently, a step (S12) of extracting a cross section of the earth-bearing generation area detected in the detecting step may be performed.
상기 횡단면을 추출하는 단계(S12)는 항공 라이다에 의한 지형 고도 자료(DEM)를 이용하여 수계의 수직방향으로 횡단면을 추출하는 단계일 수 있다. 수계의 수직방향으로 횡단면을 추출하는 것은, 횡단면으로 추출되는 고도값들은 수계를 중심으로 좌측 및 우측이 동일한 고도에 위치하여야 계곡의 지형특성을 알 수 있기 때문이다. 상기 수계는 지리 정보 시스템(GIS: Geographical Information System) 공간분석기법에서 수문분석을 통해 추출할 수 있다.Extracting the cross section (S12) may be a step of extracting a cross section in the vertical direction of the water system using terrain elevation data (DEM) by an air lidar. The extraction of the cross section in the vertical direction of the water system is because the altitude values extracted in the cross section should be located at the same altitude with respect to the water system so that the topography of the valley can be known. The water system may be extracted through hydrologic analysis in a geographic information system (GIS) spatial analysis technique.
한편, 횡단면을 추출하는 폭과 간격을 결정하는 것은 지형복원 정확도와 밀접한 관계를 가지므로 매우 중요하다. 따라서, 본 발명의 일 실시형태에서는 횡단면을 추출하는 폭과 간격을 결정하기 위해 국토지리정보원의 「항공레이저측량 작업규정」의 제44조 ‘수치표고모델 규격 및 정확도’에 따라 결정할 수 있다. 예를 들어, 다양한 폭과 간격을 이용하여 횡단면을 추출하고, 각 폭과 간격으로 추출된 횡단면에 대해 이후에 설명되는 근사화 과정을 수행한 후, 근사화된 값과 실제 지형과의 오차가 상기 규정을 충족하는 범위에 해당하는 횡단면 추출의 폭과 간격을 선택할 수 있다.
On the other hand, determining the width and spacing for extracting the cross section is very important because it is closely related to the terrain restoration accuracy. Therefore, in one embodiment of the present invention, in order to determine the width and the interval for extracting the cross section, it can be determined according to Article 44, "Dimension Elevation Model Specification and Accuracy," of the Aviation Laser Surveying Work Regulations of the National Geographic Information Institute. For example, after extracting cross sections using various widths and intervals, and performing the approximation process described later on the cross sections extracted at each width and interval, the approximate values and the error between the actual terrain are subject to You can select the width and spacing of the cross-sectional extraction that corresponds to the range you meet.
이어, 추출하는 단계(S12)에서 추출된 횡단면에 대하여 수학적인 방식의 근사화 단계(S13)을 수행할 수 있다. 이 근사화 단계(S13)는, 상기 추출하는 단계에서 추출된 토석류 발생 지역의 횡단면의 경계에 대해 가우시안 혼합 모델(Gaussian Mixture Model)을 적용하여 근사화하는 단계일 수 있다.Subsequently, a mathematical approximation step S13 may be performed with respect to the extracted cross-section in step S12. This approximation step (S13) may be a step of approximating by applying a Gaussian Mixture Model to the boundary of the cross section of the excavation region of the excavated region extracted in the extracting step.
도 2는 상기 근사화 단계(S13)를 더욱 상세하게 도시한 흐름도이다. 도 2에 도시한 바와 같이, 상기 근사화 단계(S13)는, 상기 추출하는 단계(S12)에서 추출된 횡단면에 대해 선형 근사를 이용한 중심점 추정기법을 적용하여 계곡의 중심점을 추정하는 단계(S131)와, 상기 추출하는 단계에서 추출된 토석류 발생 지역의 횡단면의 경계에 대해, 가우시안 혼합 모델을 적용하여 근사화 데이터를 생성하는 단계(S132)와, 상기 근사화 데이터와 상기 추정하는 단계에서 추정된 중심점의 오차 및 상기 근사화 데이터의 평균 제곱근 오차(RMSE: Root Mean Square Error)가 사전 설정된 조건을 만족하는 경우(S133) 해당 지형복원에 사용되는 최종 근사화 데이터로 결정하는 단계(S134)를 포함하여 구성될 수 있다.2 is a flowchart showing the approximation step S13 in more detail. As shown in FIG. 2, the approximation step S13 includes estimating the center point of the valley by applying a center point estimation method using linear approximation to the cross section extracted in the extracting step S12 and Generating an approximation data by applying a Gaussian mixture model to the boundary of the cross section of the excavation region of the excavated earth region (S132), the approximation data and the error of the center point estimated in the estimating step; If the root mean square error (RMSE) of the approximation data satisfies a preset condition (S133), the method may include determining as final approximation data used for restoring the terrain (S134).
더하여, 상기 근사화 단계(S13)는, 상기 근사화 데이터와 상기 추정하는 단계에서 추정된 중심점의 오차 및 상기 근사화 데이터의 평균 제곱근 오차가 상기 사전 설정된 조건을 만족하지 않는 경우, 상기 생성하는 단계(S132)에서 적용된 가우시안 혼합 모델의 차수를 변경하고(S134), 상기 차수가 변경된 가우시안 혼합 모델을 적용하여 상기 생성하는 단계(S132)를 다시 수행하는 단계를 더 포함할 수 있다.In addition, the approximating step (S13), when the error of the center point estimated in the approximation data and the estimating step and the mean square root error of the approximation data does not satisfy the preset condition (S132) The method may further include changing the order of the Gaussian mixture model applied at S134 and applying the Gaussian mixture model having the changed order to perform the generating step S132 again.
더하여, 상기 근사화 단계(S13)는, 상기 중심점을 추정하는 단계(S131)에서 상기 선형 근사를 이용한 중심점 추정기법이 적용 불가능한 경우, 상기 추출하는 단계에서 추출된 토석류 발생 지역의 횡단면의 경계에 대해 차수가 1인 가우시안 혼합 모델을 적용하여 근사화 데이터를 생성하는 단계를 더 포함할 수 있다.In addition, the approximation step (S13), if the center point estimation method using the linear approximation is not applicable in the step of estimating the center point (S131), the order with respect to the boundary of the cross-section of the excavation region extracted in the step of extraction The method may further include generating approximation data by applying a Gaussian mixture model of 1.
상기 중심점을 추정하는 단계(S131)에서 적용되는 선형 근사를 이용한 중심점 추정기법은 계곡의 중심점을 근사화하는 기법으로, 계곡이 존재하지 않는 지형에 대해서는 적용이 불가능하다. 따라서, 상기 선형 근사를 이용한 중심점 추정기법이 적용이 불가능한 경우에는 추출된 지형이 선형 지형인 것으로 간주하고 가우시안 혼합 모델의 차수를 1로 결정한 수 가우시안 혼합 모델을 이용하여 해당 지형의 추정을 수행할 수 있다(S135). 추출하는 단계(S12)에서 추출된 횡단면의 유형에 대해서는 이후 더욱 상세하게 설명하기로 한다.
The center point estimating technique using the linear approximation applied in the step of estimating the center point is a technique of approximating the center point of the valley, and is not applicable to a terrain in which the valley does not exist. Therefore, when the center point estimation method using the linear approximation is not applicable, the extracted terrain is regarded as a linear terrain, and the estimation of the terrain can be performed using a numerical Gaussian mixture model in which the order of the Gaussian mixture model is 1. There is (S135). The type of the cross section extracted in the step S12 of extraction will be described in more detail later.
본 발명의 이해를 돕기 위해 비선형 근사를 위한 가우시안 혼합 모델(Gaussian Mixture Model)에 대해 간략하게 설명하기로 한다.For better understanding of the present invention, a Gaussian Mixture Model for nonlinear approximation will be briefly described.
가우시안 혼합 모델은 표본 데이터 집합의 분포 밀도를 단 하나의 확률밀도 함수로 모델링 하는 방법을 개선하기 위한 밀도 추정 기법으로, 복수의 가우시안 확률밀도 함수로 데이터의 분포를 모델링 하는 방법이다. 즉, 가우시안 혼합 모델은 여러 개의 그룹으로 분포하는 데이터를 하나의 분포로 표현하면 그 특성을 제대로 표현하기 어렵기 때문에 여러 개의 분포를 가우시안 분포의 합으로 나타내는 기법이다. 가우시안 혼합 모델은 하나의 가우시안 분포로 나타낼 수 없었던 분포 특성뿐 아니라 복잡한 형태의 분포라도 충분한 개수의 가우시안 함수를 사용하면 충분히 정확하게 근사할 수 있는 장점이 있다. 가우시안 혼합 모델은 n 개(n은 자연수)의 가우시안 확률밀도 함수의 선형 결합으로 하기 식 1과 같이 나타낼 수 있다.The Gaussian mixture model is a density estimation technique that improves the method of modeling the distribution density of a sample data set with only one probability density function. It is a method of modeling the distribution of data with a plurality of Gaussian probability density functions. In other words, the Gaussian mixture model is a technique that represents multiple distributions as the sum of Gaussian distributions because it is difficult to properly express the characteristics of data distributed in multiple groups as a single distribution. The Gaussian mixture model has the advantage that it can be approximated with sufficient accuracy by using a sufficient number of Gaussian functions even for complex distributions as well as distribution characteristics that could not be represented by a single Gaussian distribution. The Gaussian mixture model can be expressed by Equation 1 as a linear combination of n Gaussian probability density functions (n is a natural number).
[식 1][Formula 1]
상기 식에서 a는 진폭, b는 피크로 평균을 나타내는 파라미터이며, c는 
가우시안 혼합 모델은 n을 증가 시킬수록 근사정확도가 높아져 복잡한 형태의 분포를 정확하게 근사할 수 있지만, 함수의 파라미터가 증가하여 수식이 복잡해진다. 가우시안 혼합 모델은 패턴인식 분야에서 분포 내에 여러 그룹을 표현하기 위해 사용되고 있으며, 특히 2차원 이상의 데이터에서 많이 적용되고 있다. 본 발명에서는 지형의 횡단면에 해당하는 1차원 기반에서 가우시안 혼합 모델을 적용할 수 있다.
The Gaussian mixture model increases the approximate accuracy as n increases, so that the complex distribution can be accurately approximated, but the parameters of the function increase, which complicates the equation. Gaussian mixture model is used in the field of pattern recognition to express various groups in the distribution, and is especially applied to two-dimensional or higher data. In the present invention, a Gaussian mixture model may be applied on a one-dimensional basis corresponding to a cross section of a terrain.
이어, 가우시안 혼합 모델을 지형 근사화에 적용한 예를 설명한다.Next, an example of applying a Gaussian mixture model to terrain approximation will be described.
도 3 및 도 4는 도 2는 본 발명의 일 실시형태에서 지형 근사화에 가우시안 혼합 모델을 적용한 예를 설명하기 위한 도면이다. 도 3은 두 개(n=2)의 가우시안 분포를 적용한 예를 도시한 것이며, 도 4는 세 개(n=3)의 가우시안 분포를 적용한 예를 도시한 것이다.3 and 4 are diagrams for explaining an example in which a Gaussian mixture model is applied to terrain approximation in one embodiment of the present invention. 3 illustrates an example of applying two Gaussian distributions (n = 2), and FIG. 4 illustrates an example of applying three Gaussian distributions (n = 3).
도 3의 (a)와 (b) 및 도 4의 (a)와 (b)에 도시된 점선(31, 41)은 근사화 대상이 되는 지형의 횡단면의 경계이며 상호 동일하다.The dotted
도 3의 (a)에 도시된 바와 같이, 두 개의 능선 사이에 존재하는 계곡에 해당하는 지형의 횡단면은 두 개의 가우시안 분포 함수(32-1, 32-2)로 표현될 수 있으며, 이 두 개의 가우시안 분포 함수의 합을 통해 두 개의 피크를 갖는 하나의 근사화 곡선(32)이 형성된다. 도 3의 (b)는 도 3의 (a)에서 근사화된 지형의 횡단면에 해당하는 부분을 확대한 도면이다.As shown in (a) of FIG. 3, a cross section of a terrain corresponding to a valley existing between two ridges may be represented by two Gaussian distribution functions 32-1 and 32-2. The sum of the Gaussian distribution functions results in one
도 3에서 근사화에 적용되는 가우시안 혼합 모델은 하기 식 2와 같이 나타난다.In FIG. 3, a Gaussian mixture model applied to approximation is represented by Equation 2 below.
[식 2][Formula 2]
(a1=781.3, b1=-0.5399, c1=147.2, a2=442.8, b2=150.1, c2=72.76)(a 1 = 781.3, b 1 = -0.5399, c 1 = 147.2, a 2 = 442.8, b 2 = 150.1, c 2 = 72.76)
도 3에 도시된 것과 같은 근사화의 결과 R2는 0.9917 이었으며, RMSE는 1.068로 나타났다. 도 3의 근사화 결과, R2은 매우 높게 나타났으나, RMSE는 국토지리정보원의 「항공레이저측량 작업규정」의 제44조 ‘수치표고모델 규격 및 정확도’에서 요구하는 0.5 m를 초과하였다.As a result of the approximation as shown in FIG. 3, R 2 was 0.9917 and RMSE was 1.068. As a result of the approximation of FIG. 3, R 2 was very high, but the RMSE exceeded 0.5 m required by Article 44, Numerical Elevation Model Specification and Accuracy, of the Aviation Laser Surveying Work Regulations of the National Geographic Information Institute.
한편, 도 4의 (a)를 참조하면, 두 개의 능선 사이에 존재하는 계곡에 해당하는 지형의 횡단면은 세 개의 가우시안 분포 함수(42-1, 42-2, 42-3)로 표현될 수 있으며, 이 세 개의 가우시안 분포 함수의 합을 통해 두 개의 피크를 갖는 하나의 근사화 곡선(42)이 형성된다. 도 4의 (b)는 도 4의 (a)에서 근사화된 지형의 횡단면에 해당하는 부분을 확대한 도면이다.Meanwhile, referring to FIG. 4A, a cross section of a terrain corresponding to a valley existing between two ridges may be represented by three Gaussian distribution functions 42-1, 42-2, and 42-3. The sum of these three Gaussian distribution functions yields an
도 4에서 근사화에 적용되는 가우시안 혼합 모델은 하기 식 3와 같이 나타난다.In FIG. 4, a Gaussian mixture model applied to approximation is represented by Equation 3 below.
[식 3][Equation 3]
(a1=687, b1=-15.7, c1=75.02, a2=541.6, b2=149.4, c2=58.26, a3=488.8, b3=77.64, c3=66.96)(a 1 = 687, b 1 = -15.7, c 1 = 75.02, a 2 = 541.6, b 2 = 149.4, c 2 = 58.26, a 3 = 488.8, b 3 = 77.64, c 3 = 66.96)
도 4에 도시된 것과 같은 근사화의 결과 R2는 0.9945 이었으며, RMSE는 0.8786으로 나타났다. 도 4의 근사화 결과, R2은 도 3의 근사화 결과와 유사하게 매우 높게 나타났다. RMSE는 국토지리정보원의 「항공레이저측량 작업규정」의 제44조 ‘수치표고모델 규격 및 정확도’에서 요구하는 0.5 m를 초과하기는 하였지만, 도 3의 근사화 결과에 비해 0.2m 낮게 나타났다. As a result of the approximation as shown in FIG. 4, R 2 was 0.9945 and RMSE was 0.8786. As a result of the approximation of FIG. 4, R 2 was very high similarly to the result of approximation of FIG. 3. RMSE exceeded 0.5m required by Article 44, 'Numerical Elevation Model Specification and Accuracy' of 「Aeronautical Laser Surveying Work Regulations」 of the National Geographic Information Institute, but it was 0.2m lower than the approximation result of FIG.
이와 같이, 가우시안 혼합 모델의 차수(n의 크기)를 증가시키는 경우 RMSE는 점점 낮아져 더욱 좋은 근사 결과를 나타낼 수 있음을 확인할 수 있다. 따라서, 본 발명은 가우시안 혼합 모델을 적용하여 근사화의 정확도를 확보하기 위해, 가우시안 혼합 모델의 차수를 낮은 차수부터 증가시켜 근사화를 진행하며, 각 차수의 근사화 시 RMSE 조건과 같은 기 설정된 오차 조건을 고려하여 오차 조건을 만족하는 최소 차수인 경우의 가우시안 혼합 모델에 의한 데이터를 최종 근사화 데이터로 사용할 수 있다.
In this way, it can be seen that when the order (size of n) of the Gaussian mixture model is increased, the RMSE is gradually lowered to give a better approximation result. Therefore, in order to secure the accuracy of the approximation by applying the Gaussian mixture model, the present invention increases the order of the Gaussian mixture model from a lower order to approximate and considers a preset error condition such as the RMSE condition when approximating each order. Therefore, the data obtained by the Gaussian mixture model in the case of the minimum order satisfying the error condition can be used as the final approximation data.
한편, 본 발명의 일 실시형태는 전술한 RMSE에 의한 오차 조건과 함께, 선형 근사를 이용한 중심점 추정기법을 적용하여 추정되는 중심점을 산출하고 이 중심점과 가우시안 혼합 모델에 의한 근사화 결과를 비교하여 그 오차가 기 설정된 범위 이내인 경우에 정확한 추정이 이루어진 것으로 판단할 수 있다.Meanwhile, an embodiment of the present invention calculates a center point estimated by applying a center point estimating method using linear approximation together with the error condition by the RMSE described above, and compares the center point and an approximation result by a Gaussian mixture model to determine the error. If it is within a predetermined range, it can be determined that the accurate estimation has been made.
상기 선형 근사를 이용한 중심점 추정기법은, 지형의 횡단면이 계곡과 같이 V형 또는 U형인 경우에 적용 가능하며, 계곡이 아닌 단순 경사면과 같은 선형인 경우에는 적용이 불가능하다.The center point estimation method using the linear approximation is applicable when the cross section of the terrain is V-shaped or U-shaped, such as a valley, and is not applicable when the linear cross-section is not a valley.
도 5의 (a) 내지 (c)는 토석류 발생 지형의 횡단면의 예들을 도시한 도면이다.5 (a) to 5 (c) are diagrams showing examples of a cross section of a soil-occurring terrain.
도 5의 (a) 및 (b)에 도시된 것과 같이, 토석류 발생 지형의 횡단면이 V형 또는 U형으로 나타나는 경우에 계곡의 중심점이 되는 것으로 추정되는 지점을 찾는 중심점 추정 기법이 적용될 수 있다.As shown in (a) and (b) of FIG. 5, a center point estimating technique may be applied to find a point estimated to be the center point of a valley when a cross section of a soil-occurring terrain is V-shaped or U-shaped.
도 5의 (c)에 도시된 것과 같이, 단순히 경사면에 토석류의 퇴적으로 인해 볼록하게 변화된 부분을 제외하면 횡단면의 경계는 직선으로 나타낼 수 있다. 즉, 도 5의 (c)에 도시된 유형은 계곡의 형태가 아니라 선형의 특성을 나타낸다고 할 수 있다. 도 5의 (c)에 도시된 경사면과 같은 선형의 횡단면을 갖는 지형에 대해서는 이후에 상세하게 설명되는 선형 근사를 이용한 중심점 추정기법의 적용이 불가능하다. 이러한 선형 지형에 대해서는, 하나의 가우시안 분포 곡선으로 근사화가 가능하므로, 가우시안 혼합 모델의 차수를 1로 결정한 후 가우시안 혼합 모델을 적용한 추정을 수행할 수 있다(도 2의 (S135).
As shown in (c) of FIG. 5, the boundary of the cross section may be represented by a straight line except for a portion that is convexly changed due to the deposition of the earth ore on the slope. That is, the type shown in (c) of Figure 5 can be said to represent the linear characteristics, not the shape of the valley. For a terrain having a linear cross section such as the inclined plane shown in FIG. 5C, it is not possible to apply a center point estimation technique using linear approximation, which will be described later in detail. Since the linear topography can be approximated by one Gaussian distribution curve, the order of the Gaussian mixture model is determined to be 1, and the estimation using the Gaussian mixture model can be performed (S135 of FIG. 2).
도 6 및 도 7은 본 발명의 일 실시형태에서 적용되는 선형 근사를 이용한 중심점 추정기법을 설명하기 위한 도면이다.6 and 7 are diagrams for explaining a center point estimating method using linear approximation applied in an embodiment of the present invention.
도 6 및 도 7에 도시된 중심점 추정 기법은, 공통적으로 계곡을 나타내는 횡단면의 양 경사면 상의 토석류의 경계점(P1(x1, y1), P2(x2, y2))에서 각각 경사면에 대한 접선(l1, l2)을 형성하고, 양 접선이 만나는 점(P3(x0, y0))을 형성한다. 토석류의 경계점은 전술한 것과 같이 항공 라이다에 의한 지형 고도 자료(DEM)를 2차 미분함으로써 결정될 수 있다.The center point estimation techniques shown in Figs. 6 and 7 are generally applied to the slopes at the boundary points P1 (x 1 , y 1 ) and P2 (x 2 , y 2 ) of the soils on both slopes of the cross section representing the valley. Tangent lines l1 and l2 are formed, and a point P3 (x 0 , y 0 ) where both tangent lines meet is formed. The boundary point of the soil can be determined by the second derivative of the terrain elevation data (DEM) by the aerial lidar, as described above.
토석류의 경계점(P1)과 양 접선의 교점(P3) 사이의 거리와 토석류의 경계점(P2)과 양 접선의 교점(P3) 사이의 거리가 동일한 경우, 도 6에 도시한 것과 같은 방법으로 중심점을 추정하고, 토석류의 경계점(P1)과 양 접선의 교점(P3) 사이의 거리와 토석류의 경계점(P2)과 양 접선의 교점(P3) 사이의 거리가 상이한 경우 도 7에 도시된 것과 같은 방법으로 중심점을 추정한다.When the distance between the boundary point P1 of the soil flow and the intersection point P3 of both soils and the distance between the boundary point P2 of the soil flow and the intersection point P3 of both soils are the same, the center point is set as shown in FIG. When the distance between the boundary point P1 of the soil flow and the intersection point P3 of both soils and the distance between the boundary point P2 of the soil flow and the intersection point P3 of both soils are different, the same method as shown in FIG. Estimate the center point.
먼저, 도 6에 도시된, 토석류의 경계점(P1)과 양 접선의 교점(P3) 사이의 거리와 토석류의 경계점(P2)과 양 접선의 교점(P3) 사이의 거리가 동일한 경우에 적용되는 중심점 추정 기법을 설명한다.First, as shown in FIG. 6, the center point applied when the distance between the boundary point P1 of the soil flow and the intersection point P3 of the two tangential lines and the distance between the boundary point P2 of the soil flow and the intersection point P3 of the two tangent lines are the same. Describe the estimation technique.
도 6을 참조하면, 토석류의 경계점(P1)에서 직선(l1)에 대한 수직선을 긋고 토석류의 경계점(P2)에서 직선(l2)에 대한 수직선을 그어, 양 수직선의 교점을 중심(O(a, b))으로 하고 양 수직선의 교점과 토석류의 경계점(P1 또는 P2) 사이의 거리를 반지름(R)으로 하는 원(CL)을 형성한다. 이 원(CL)의 중심점(O)과 직선(l1) 및 직선(l2)의 교점(P3)을 잇는 직선(l3)과 상기 원(CL)의 교점(C)를 중심점으로 추정할 수 있다.Referring to FIG. 6, a vertical line with respect to the straight line l1 is drawn at the boundary point P1 of the soil flow, and a vertical line with respect to the straight line l2 is drawn at the boundary point P2 of the soil flow, and the intersection of the two vertical lines is centered (O (a, b)) and form a circle CL whose radius R is the distance between the intersection of the two vertical lines and the boundary point P1 or P2 of the soil. The intersection point C of the circle CL and the straight line l3 connecting the center point O of the circle CL and the intersection point P3 of the straight line l1 and the straight line l2 can be estimated as the center point.
다음으로, 도 7에 도시된, 토석류의 경계점(P1)과 양 접선의 교점(P3) 사이의 거리와 토석류의 경계점(P2)과 양 접선의 교점(P3) 사이의 거리가 상이한 경우에 적용되는 중심점 추정 기법을 설명한다.Next, the distance between the boundary point P1 of the soil flow and the intersection point P3 of both tangential flows and the distance between the boundary point P2 of the soil flow and the intersection point P3 of both tangents shown in FIG. 7 are different. Describe the center point estimation technique.
도 7을 참조하면, 토석류의 경계점(P1)에서 직선(l1)에 대한 수직선을 긋고 토석류의 경계점(P2)에서 직선(l2)에 대한 수직선을 그어 양 수직선의 교점(O(a, b))를 형성한다. 이어, 양 수직선이 교점(O)과 토석류의 경계점(P1) 사이의 거리를 반지름(R1)으로 하는 하나의 원(CL1)과, 양 수직선이 교점(O)과 토석류의 경계점(P2) 사이의 거리를 반지름(R2)으로 하는 다른 원(CL2)을 형성한다. 이어, 두 원(CL1, CL2)의 공통 중심점(O)과 직선(l1) 및 직선(l2)의 교점(P3)을 잇는 직선(l3)과 두 원(CL1, CL2)의 두 교점(P4, P5) 사이의 중점(C)을 중심점으로 추정할 수 있다.Referring to FIG. 7, a vertical line with respect to the straight line l1 is drawn at the boundary point P1 of the soil flow, and a vertical line with respect to the straight line l2 is drawn at the boundary point P2 of the soil flow, so that the intersection points of the two vertical lines O (a, b) are shown. To form. Subsequently, one vertical line CL1 sets the distance between the intersection point O and the boundary point P1 of the soil flow as the radius R1, and the vertical line extends between the intersection point O and the boundary point P2 of the soil flow. Another circle CL2 is formed whose distance is the radius R2. Next, a straight line l3 connecting the common center point O of the two circles CL1 and CL2 and the intersection point P3 of the straight line l1 and the straight line l2 and the two intersection points P4 of the two circles CL1 and CL2, The midpoint (C) between P5) can be estimated as the center point.
이상에서 설명한 것과 같이 산출되는 추정된 중심점은 가우시안 혼합 모델의 정확도를 높이기 위한 차수를 결정하는데 적용될 수 있다. 즉, 소정 차수의 가우시안 혼합 모델을 적용하여 산출한 근사화 데이터와 상기 추정된 중심점 사이의 오차가 사전 설정한 기준 범위 이내인 경우에, 해당 차수의 가우시안 혼합 모델을 적용한 근사화 데이터를 지형 복원에 사용되는 최종 근사화 데이터로 사용하게 할 수 있다. 반대로, 소정 차수의 가우시안 혼합 모델을 적용하여 산출한 근사화 데이터와 상기 추정된 중심점 사이의 오차가 사전 설정한 기준 범위를 벗어나는 경우, 가우시안 혼합 모델의 차수를 변경하여 다시 근사화 데이터를 생성하게 할 수 있다.The estimated center point calculated as described above may be applied to determine the order for increasing the accuracy of the Gaussian mixture model. That is, when the error between the approximation data calculated by applying a Gaussian mixture model of a predetermined order and the estimated center point is within a preset reference range, the approximation data by applying the Gaussian mixture model of the corresponding order is used to restore the terrain. Can be used as final approximation data. On the contrary, when the error between the approximation data calculated by applying the Gaussian mixture model of the predetermined order and the estimated center point is outside the preset reference range, the order of the Gaussian mixture model may be changed to generate the approximation data again. .
이와 같이, 본 발명은, 국토지리정보원의 「항공레이저측량 작업규정」의 제44조 ‘수치표고모델 규격 및 정확도’에서 규정된 것과 같은 평균 제곱근 오차(RMSE)의 기준과, 전술한 것과 같은 선형 근사를 이용한 중심점 추정기법에 의해 결정된 중심점과의 오차 허용 범위를 이용하여 최적의 정확도를 갖는 가우시안 혼합 모델의 차수를 결정할 수 있다.
As described above, the present invention is based on the standard of the root mean square error (RMSE) as defined in Article 44 of "Analysis Elevation Model Specification and Accuracy" of the National Geographic Information Institute, and The order of the Gaussian mixture model with optimal accuracy can be determined using the error tolerance with the center point determined by the center point estimation technique using the approximation.
전술한 것과 같이, 산출되는 최종 근사화 데이터를 이용하여 토석류가 발생하기 이전의 지형을 복원할 수 있다(도 1의 S14). 도 8은 본 발명의 일 실시형태에서, 최종 근사화 데이터를 적용하는 기법을 설명하기 위한 도면이다. 최종 근사화 데이터를 적용하여 지형을 복원하는 단계(S14)는, 도 8의 (a)에 도시된 바와 같이 토석류가 발생한 영역의 횡단면의 경계(81)에서, 도 8의 (b)에 도시된 것과 같이 토석류 발생 구간의 데이터를 제거하고(81’), 도 8의 (c)에 도시된 것과 같이 토석류 발생이 제거된 구간에 전 단계에서 산출된 최종 근사화 데이터를 적용하여 토석류 발생 구간을 복원하여 복원된 단면(83)을 형성할 수 있다.As described above, the final approximation data calculated may be used to restore the terrain before the soil flow occurs (S14 in FIG. 1). 8 is a diagram for describing a technique of applying final approximation data in one embodiment of the present invention. Restoring the terrain by applying the final approximation data (S14), as shown in (b) of FIG. 8, at the
도 8의 (c)에 도시된 것과 같이, 복원된 횡단면(83)보다 토석류가 발생한 횡단면(81)이 낮은 경우에, 복원된 횡단면(83)와 토석류가 발생한 횡단면(81)의 차이에 해당하는 영역만큼 토사의 침식이 이루어졌음을 확인할 수 있다.As shown in (c) of FIG. 8, when the
한편, 토석류 발생이 제거된 구간에 최종 근사화 데이터를 적용하는 단계에는 적절한 보간법이 적용될 수 있다. 통상, 항공 라이다 자료는 점밀도가 높고 포인트가 비교적 균일하게 분포하기 때문에 지형 고도 자료(DEM) 제작 시 불규칙 삼각망(TIN: Triangulated Irregular Network) 보간법 또는 역거리 가중(IDW: Inverse Distance Weight) 보간법이 많이 사용되고 있다. 그러나, 본 발명가 같이 추정 데이터를 적용하는 경우에, 토석류 발생구간의 포인트가 지형 복원 결과로 대체되기 때문에 점밀도가 다른 부분에 비해 낮아질 수 있다. 이와 같이, 본 발명은, 기존의 보간법을 적용하는데 문제가 발생할 수 있으나, 바람직하게는 점밀도가 낮은 부분을 선형으로 보간할 수 있는 불규칙 삼각망 보간법을 적용할 수 있다.
On the other hand, an appropriate interpolation method may be applied to the step of applying the final approximation data to the section from which the excavation is removed. In general, aviation lidar data have a high point density and relatively uniform distribution of points.TIN (Triangulated Irregular Network) Interpolation or Inverse Distance Weight (IDW) Interpolation This is used a lot. However, in the case of applying the estimated data as in the present inventors, the point density may be lower than that of other parts because the point of the earth ore occurrence section is replaced by the terrain restoration result. As described above, the present invention may cause a problem in applying the existing interpolation method, but preferably, an irregular triangular network interpolation method capable of linearly interpolating a portion having a low point density may be applied.
이상에서 설명한 바와 같이, 본 발명은 가우시안 혼합 모델을 적용하여 토석류 발생 지역의 횡단면을 근사화 함으로써 토석류 발생 이전의 지형을 복원할 수 있다.As described above, the present invention can be applied to the Gaussian mixture model to approximate the cross-section of the earth-bearing region, it is possible to restore the terrain before the earth-bearing generation.
또한, 본 발명은, 항공 라이다 자료에 의한 지형 고도 자료에 가우시안 혼합 모델을 적용함으로써, 수목의 영향을 받지 않는 정밀한 지형의 복원이 가능하다.In addition, according to the present invention, by applying the Gaussian mixture model to the terrain altitude data by the aerial lidar data, it is possible to restore the precise terrain without being affected by trees.
특히, 본 발명에 따르면, 선형 근사를 이용한 중심점 추정기법을 적용함으로써, 가우시안 혼합 모델을 이용하여 토석류 발생 지역의 횡단면을 근사화하는 과정에서 가우시안 혼합 모델의 차수를 양호하게 결정할 수 있다.In particular, according to the present invention, by applying a center point estimation method using a linear approximation, it is possible to determine the order of the Gaussian mixture model in the process of approximating the cross section of the earth-occurrence region using the Gaussian mixture model.
또한, 본 발명은 선형 근사를 이용한 중심점 추정기법을 적용함으로써, 가우시안 혼합 모델을 이용하여 토석류 발생 지역의 횡단면을 근사화하는 과정에서 가우시안 혼합 모델의 차수를 양호하게 결정할 수 있다.In addition, the present invention can determine the order of the Gaussian mixture model in the process of approximating the cross section of the earth-bearing region using the Gaussian mixture model by applying the center point estimation technique using a linear approximation.
Claims (11)
상기 검출하는 단계에서 검출된 토석류 발생 지역의 횡단면을 추출하는 단계;
가우시안 혼합 모델을 적용하여 상기 추출하는 단계에서 추출된 토석류 발생 지역의 횡단면의 경계에 대한 근사화 데이터를 산출하는 단계; 및
상기 근사화하는 단계에서 산출된 근사화 데이터를 상기 토석류 발생 영역에 적용하여 토석류 발생 영역의 지형을 복원하는 단계
를 포함하는 항공 라이다 자료를 이용한 토석류 발생지역의 지형복원 방법.Detecting the earth-bearing region from the terrain altitude data by the aerial lidar;
Extracting a cross-section of the district-occurring area detected in the detecting step;
Calculating approximation data on the boundary of the cross section of the excavated geology generated area by applying the Gaussian mixture model; And
Restoring the topography of the soil-occurring region by applying the approximation data calculated in the approximating step to the soil-occurring region.
Terrain restoration method of the earth-bearing region using the aviation lidar data, including.
상기 검출하는 단계는, 상기 항공 라이다에 의한 지형 고도 자료를 저역 통과 필터링하여 상기 토석류의 경계를 검출하는 단계를 포함하는 것을 특징으로 하는 항공 라이다 자료를 이용한 토석류 발생지역의 지형복원 방법.The method of claim 1,
The detecting step may include a low pass filtering of the terrain altitude data by the airborne lidar to detect the boundary of the groundwater.
상기 추출하는 단계는 상기 항공 라이다에 의한 지형 고도 자료를 이용하여 수계의 수직방향으로 상기 토석류 발생 지역의 횡단면을 추출하는 단계인 것을 특징으로 하는 항공 라이다 자료를 이용한 토석류 발생지역의 지형복원 방법.The method of claim 1,
The extracting step is a step of extracting a cross-section of the soil-occurring region in the vertical direction of the water system using the terrain elevation data by the aerial lidar, the terrain restoration method of the soil-occurring region using the aerial lidar data .
상기 추출하는 단계에서 추출된 횡단면에 대해 선형 근사를 이용한 중심점 추정기법을 적용하여 계곡의 중심점을 추정하는 단계;
상기 추출하는 단계에서 추출된 토석류 발생 지역의 횡단면의 경계에 대해, 가우시안 혼합 모델을 적용하여 근사화 데이터를 생성하는 단계; 및
상기 근사화 데이터와 상기 추정하는 단계에서 추정된 중심점의 오차 및 상기 근사화 데이터의 평균 제곱근 오차 중 적어도 하나가 사전 설정된 조건을 만족하는 경우 해당 근사화 데이터를 지형복원에 사용되는 최종 근사화 데이터로 결정하는 단계를 포함하는 것을 특징으로 하는 항공 라이다 자료를 이용한 토석류 발생지역의 지형복원 방법.The method of claim 1, wherein the calculating of the approximation data comprises:
Estimating the center point of the valley by applying a center point estimating method using linear approximation to the extracted cross section;
Generating approximation data by applying a Gaussian mixture model to the boundary of the cross section of the excavated geology generated region in the extracting step; And
Determining at least one of the approximation data and the approximation data of the center point estimated in the estimating step and the mean square root error of the approximation data as the final approximation data used for the terrain restoration. Terrain restoration method of the earth-bearing region using the air lidar data, characterized in that it comprises.
상기 근사화 데이터와 상기 중심점을 추정하는 단계에서 추정된 중심점의 오차 및 상기 근사화 데이터의 평균 제곱근 오차가 상기 사전 설정된 조건을 만족하지 않는 경우, 상기 생성하는 단계에서 적용된 가우시안 혼합 모델의 차수를 변경하고, 상기 차수가 변경된 가우시안 혼합 모델을 적용하여 상기 생성하는 단계를 다시 수행하는 단계를 더 포함하는 것을 특징으로 하는 항공 라이다 자료를 이용한 토석류 발생지역의 지형복원 방법.The method of claim 4, wherein the calculating of the approximation data comprises:
If the error of the estimated center point and the mean square root error of the approximation data do not satisfy the preset condition, the order of the Gaussian mixture model applied in the generating step is changed; And applying the Gaussian mixture model of which the order is changed to perform the generating step again.
상기 중심점을 추정하는 단계에서 상기 선형 근사를 이용한 중심점 추정기법의 적용이 불가능한 경우, 상기 추출하는 단계에서 추출된 토석류 발생 지역의 횡단면의 경계에 대해 차수가 1인 가우시안 혼합 모델을 적용하여 근사화 데이터를 생성하는 단계를 더 포함하는 것을 특징으로 하는 항공 라이다 자료를 이용한 토석류 발생지역의 지형복원 방법.The method of claim 4, wherein the calculating of the approximation data comprises:
If the center point estimation method using the linear approximation is not applicable in estimating the center point, approximation data is applied by applying a Gaussian mixture model of order 1 to the boundary of the cross section of the excavation region of the excavated region. The method of restoring the topography of the earth ore region using the air lidar data, characterized in that it further comprises the step of generating.
상기 토석류 발생 지역 횡단면에서, 계곡을 형성하는 양 경사면 상의 제1 토석류 경계점 및 제2 토석류 경계점에서 각각 경사면에 대한 제1 접선 및 제2 접선을 형성하는 단계;
상기 제1 접선 및 제2 접선의 교점과 상기 제1 토석류 경계점 사이의 거리와, 상기 제1 접선 및 제2 접선의 교점과, 상기 제2 토석류 경계점 사이의 거리가 동일한 경우,
상기 제1 토석류 경계점에서 그은 상기 제1 접선의 수직선과 상기 제2 토석류 경계점에서 그은 상기 제2 접선의 수직선의 교점을 중심으로 하고 상기 중심과 상기 제1 토석류 경계점 또는 상기 제2 토석류 경계점 사이의 거리를 반지름으로 하는 원을 형성하는 단계; 및
상기 원의 중심과 상기 제1 접선 및 제2 접선의 교점을 잇는 직선과 상기 원의 교점을 상기 계곡의 중심점으로 추정하는 단계를 포함하는 것을 특징으로 하는 항공 라이다 자료를 이용한 토석류 발생지역의 지형복원 방법.The method of claim 4, wherein estimating the center point comprises:
Forming a first tangent and a second tangent to an inclined surface at the first and second earthenite boundary points on both inclined surfaces forming the valley, respectively, in the cross-section of the excavated area;
When the distance between the intersection point of the first tangent line and the second tangent line and the first earthenite boundary point and the distance between the intersection point of the first tangent line and the second tangent line and the second earthenite boundary point,
The distance between the center and the first earthenite boundary point or the second earthenite boundary point, centered on the intersection of the vertical line of the first tangent line drawn at the first earthenite boundary point and the vertical line of the second tangent line drawn at the second earthenite boundary point Forming a circle having a radius; And
And estimating the intersection of the circle and the intersection point of the circle as the center point of the valley as the center point of the valley. Restore method.
상기 토석류 발생 지역 횡단면에서, 계곡을 형성하는 양 경사면 상의 제1 토석류 경계점 및 제2 토석류 경계점에서 각각 경사면에 대한 제1 접선 및 제2 접선을 형성하는 단계;
상기 제1 접선 및 제2 접선의 교점과 상기 제1 토석류 경계점 사이의 거리와, 상기 제1 접선 및 제2 접선의 교점과, 상기 제2 토석류 경계점 사이의 거리가 상이한 경우,
상기 제1 토석류 경계점에서 그은 상기 제1 접선의 수직선과 상기 제2 토석류 경계점에서 그은 상기 제2 접선의 수직선의 교점을 중심으로 하고 상기 중심과 상기 제1 토석류 경계점 사이의 거리를 반지름으로 하는 제1 원을 형성하는 단계;
상기 제1 토석류 경계점에서 그은 상기 제1 접선의 수직선과 상기 제2 토석류 경계점에서 그은 상기 제2 접선의 수직선의 교점을 중심으로 하고 상기 중심과 상기 제2 토석류 경계점 사이의 거리를 반지름으로 하는 제2 원을 형성하는 단계;
상기 제1 원 또는 제2 원의 중심과 상기 제1 접선 및 제2 접선의 교점을 잇는 직선과 상기 제1 원 사이의 교점 및 상기 제1 원 또는 제2 원의 중심과 상기 제1 접선 및 제2 접선의 교점을 잇는 직선과 상기 제2 원 사이의 교점의 중점을 상기 계곡의 중심점으로 추정하는 단계를 포함하는 것을 특징으로 하는 항공 라이다 자료를 이용한 토석류 발생지역의 지형복원 방법.The method of claim 4, wherein estimating the center point comprises:
Forming a first tangent and a second tangent to an inclined surface at the first and second earthenite boundary points on both inclined surfaces forming the valley, respectively, in the cross-section of the excavated area;
When the distance between the intersection point of the first tangent line and the second tangent line and the first earthenite boundary point is different from the intersection point of the first tangent line and the second tangent line point, and the second earthenite boundary point,
A first radius centered on an intersection of a vertical line of the first tangent line drawn at the first earthenite boundary point and a vertical line of the second tangent line drawn at the second earthen ground boundary point and having a radius of a distance between the center and the first earthen ground boundary point; Forming a circle;
A second radius centered on the intersection of the vertical line of the first tangent line drawn at the first earthenite boundary point and the vertical line of the second tangent line drawn at the second earthen ground boundary point and having a radius of a distance between the center and the second earthen ground boundary point; Forming a circle;
The intersection between the straight line connecting the center of the first circle or the second circle and the intersection of the first tangent line and the second tangent line and the first circle, and the center of the first circle or the second circle and the first tangent line and the first circle. And estimating the midpoint of the intersection point between the straight line connecting the intersection points and the second circle as the center point of the valley.
상기 토석류가 발생한 영역의 횡단면의 경계에서 토석류 구간의 데이터를 제거하는 단계;
상기 제거하는 단계에서 제거된 토석류 구간에 상기 근사화 데이터를 적용하여 토석류 발생 구간을 복원하는 단계를 포함하는 것을 특징으로 하는 항공 라이다 자료를 이용한 토석류 발생지역의 지형복원 방법.The method of claim 1, wherein restoring the terrain,
Removing data of the districts section at the boundary of the cross section of the region where the districts have occurred;
Restoring the earth stone generation section by applying the approximation data to the earth stone section removed in the removing step, characterized in that for restoring the topography of the earth stone generation area using the air lidar data.
상기 근사화 데이터를 적용하여 토석류 발생 구간이 복원된 데이터에 대한 보간을 수행하는 단계를 더 포함하는 것을 특징으로 하는 항공 라이다 자료를 이용한 토석류 발생지역의 지형복원 방법.The method of claim 9, wherein the restoring the terrain,
Applying the approximation data to perform interpolation on the restored data of the earth current generation section.
상기 근사화 데이터를 적용하여 토석류 발생 구간이 복원된 데이터에 대해 불규칙 삼각망 보간법을 적용하는 단계인 것을 특징으로 항공 라이다 자료를 이용한 토석류 발생지역의 지형복원 방법.The method of claim 10, wherein performing the interpolation comprises:
And applying the approximation data to the step of applying an irregular triangular network interpolation method to the restored data of the soil flow generation section.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110045141A KR101236882B1 (en) | 2011-05-13 | 2011-05-13 | Restoration method of topography for debris flow area using airborne lidar data |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020110045141A KR101236882B1 (en) | 2011-05-13 | 2011-05-13 | Restoration method of topography for debris flow area using airborne lidar data |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20120126963A true KR20120126963A (en) | 2012-11-21 |
| KR101236882B1 KR101236882B1 (en) | 2013-02-26 |
Family
ID=47512204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110045141A KR101236882B1 (en) | 2011-05-13 | 2011-05-13 | Restoration method of topography for debris flow area using airborne lidar data |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101236882B1 (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101355990B1 (en) * | 2013-08-19 | 2014-01-28 | 조명희 | Edge based method for levee mapping using lidar data and orthophotograph |
| CN105699628A (en) * | 2016-03-24 | 2016-06-22 | 吉林大学 | Simulation test system integrating start, migration and accumulation of debris flow |
| CN107705360A (en) * | 2017-09-26 | 2018-02-16 | 南京林业大学 | A kind of mountain landscape section rapid generation |
| KR101991027B1 (en) * | 2018-03-15 | 2019-06-19 | 주식회사 에프엠웍스 | Method and apparatus of 3d path flight for forest disaster preventing |
| CN110147394A (en) * | 2019-05-25 | 2019-08-20 | 成都理工大学 | A kind of mud-rock flow a century deposit depth prediction technique based on statistical method |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100918093B1 (en) | 2008-12-04 | 2009-09-22 | (주)아세아항측 | Method for preparing digital map shown with flood model information |
| KR100891643B1 (en) | 2008-12-31 | 2009-04-02 | 중앙항업(주) | Generation methods of slope-relief map from lidar data |
| KR100935857B1 (en) | 2009-08-25 | 2010-01-07 | 홍종옥 | System for generating 3d forest geographical information data using aerial lidar data and digital aerial photo data and method therefor |
-
2011
- 2011-05-13 KR KR1020110045141A patent/KR101236882B1/en active IP Right Grant
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101355990B1 (en) * | 2013-08-19 | 2014-01-28 | 조명희 | Edge based method for levee mapping using lidar data and orthophotograph |
| CN105699628A (en) * | 2016-03-24 | 2016-06-22 | 吉林大学 | Simulation test system integrating start, migration and accumulation of debris flow |
| CN107705360A (en) * | 2017-09-26 | 2018-02-16 | 南京林业大学 | A kind of mountain landscape section rapid generation |
| CN107705360B (en) * | 2017-09-26 | 2020-10-16 | 南京林业大学 | Method for quickly generating section of mountain landscape |
| KR101991027B1 (en) * | 2018-03-15 | 2019-06-19 | 주식회사 에프엠웍스 | Method and apparatus of 3d path flight for forest disaster preventing |
| CN110147394A (en) * | 2019-05-25 | 2019-08-20 | 成都理工大学 | A kind of mud-rock flow a century deposit depth prediction technique based on statistical method |
| CN110147394B (en) * | 2019-05-25 | 2022-06-21 | 成都理工大学 | Statistical method-based method for predicting hundred-year siltation depth of debris flow |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101236882B1 (en) | 2013-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kaliraj et al. | Mapping of coastal landforms and volumetric change analysis in the south west coast of Kanyakumari, South India using remote sensing and GIS techniques | |
| Pagán et al. | Monitoring the dune-beach system of Guardamar del Segura (Spain) using UAV, SfM and GIS techniques | |
| Tarolli et al. | Hillslope-to-valley transition morphology: New opportunities from high resolution DTMs | |
| Aggett et al. | Creating and coupling a high-resolution DTM with a 1-D hydraulic model in a GIS for scenario-based assessment of avulsion hazard in a gravel-bed river | |
| Lallias-Tacon et al. | Step by step error assessment in braided river sediment budget using airborne LiDAR data | |
| Vianello et al. | LiDAR-derived slopes for headwater channel network analysis | |
| Petroselli | LIDAR data and hydrological applications at the basin scale | |
| KR101236882B1 (en) | Restoration method of topography for debris flow area using airborne lidar data | |
| Xu et al. | Evaluation of gully head retreat and fill rates based on high-resolution satellite images in the loess region of China | |
| Pitman et al. | Application of UAV techniques to expand beach research possibilities: A case study of coarse clastic beach cusps | |
| Miřijovský et al. | Spatiotemporal evolution of a unique preserved meandering system in Central Europe—The Morava River near Litovel | |
| Esposito et al. | Evaluation of geomorphic changes and retreat rates of a coastal pyroclastic cliff in the Campi Flegrei volcanic district, southern Italy | |
| Storz-Peretz et al. | Morphotextural characterization of dryland braided channels | |
| Alho et al. | Consequence of DTM precision for flood hazard mapping: A case study in SW Finland | |
| Aguilar et al. | Preliminary results on high accuracy estimation of shoreline change rate based on coastal elevation models | |
| Liu et al. | Architecture planning and geo-disasters assessment mapping of landslide by using airborne LiDAR data and UAV images | |
| Neuenschwander et al. | Terrain classification of ladar data over Haitian urban environments using a lower envelope follower and adaptive gradient operator | |
| Yu et al. | Digital terrain model extraction from airborne LiDAR data in complex mining area | |
| Allen et al. | Improving low-relief coastal LiDAR DEMs with hydro-conditioning of fine-scale and artificial drainages | |
| Collins et al. | High-resolution topography and geomorphology of select archeological sites in Glen Canyon National Recreation Area, Arizona | |
| Profe et al. | Characterizing tufa barrages in relation to channel bed morphology in a small karstic river by airborne LiDAR topo-bathymetry | |
| Bates | Multi-temporal dem and land use analysis for determining gully formation | |
| Neitzel | Monitoring event-scale stream bluff erosion with repeat terrestrial laser scanning: Amity Creek, Duluth, MN | |
| Day | Anthropogenically-Intensified Erosion in Incising River Systems | |
| Paladugu et al. | Robust Extraction of Digital Terrain Information from Noisy Point Clouds—Prevention of Surface Discharges into Water Infrastructure Networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |