KR20210131120A - 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 높이 추정 방법 및 그 장치 - Google Patents

인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 높이 추정 방법 및 그 장치 Download PDF

Info

Publication number
KR20210131120A
KR20210131120A KR1020200049515A KR20200049515A KR20210131120A KR 20210131120 A KR20210131120 A KR 20210131120A KR 1020200049515 A KR1020200049515 A KR 1020200049515A KR 20200049515 A KR20200049515 A KR 20200049515A KR 20210131120 A KR20210131120 A KR 20210131120A
Authority
KR
South Korea
Prior art keywords
target
building
height
buildings
information
Prior art date
Application number
KR1020200049515A
Other languages
English (en)
Other versions
KR102405937B1 (ko
Inventor
김희원
김상훈
최진욱
Original Assignee
주식회사 키센스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 키센스 filed Critical 주식회사 키센스
Priority to KR1020200049515A priority Critical patent/KR102405937B1/ko
Publication of KR20210131120A publication Critical patent/KR20210131120A/ko
Application granted granted Critical
Publication of KR102405937B1 publication Critical patent/KR102405937B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels

Abstract

인공지능 객체인식 기반으로 항공사진과 거리영상 분석을 이용한 건물 높이 추정 방법 및 그 장치가 개시된다. 본 발명의 일 실시예에 따른 건물 높이 추정 방법은 인공지능 객체 인식 기반의 건물 높이 추정 방법에 있어서, 대상 지역의 항공사진을 분석하여 상기 항공사진에 포함된 적어도 하나 이상의 대상 건물을 검출하는 단계; 상기 검출된 대상 건물의 위치 정보에 기초하여 상기 위치 정보에 대응하는 거리영상을 수신하는 단계; 상기 거리영상을 분석하여 상기 거리영상에서 상기 대상 건물을 검출하는 단계; 및 상기 대상 건물에서 미리 설정된 객체를 검출하고, 상기 검출된 객체의 좌표 정보와 수량 정보에 기초하여 상기 대상 건물 각각의 상대적인 높이를 분류하는 단계를 포함한다.

Description

인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 높이 추정 방법 및 그 장치 {METHOD FOR ESTIMATING BUILDING HEIGHT IN A USER-PARTICIPATING RECOGNITION PLATFORM USING ARITIFICIAL INTELLIGENCE AND APPARATUS THEREFORE}
본 발명은 항공사진 분석과 거리영상 분석을 이용한 건물의 높이를 추정하는 기술에 관한 것으로, 보다 구체적으로는 인공지능 객체인식 기반으로 항공사진과 거리영상을 분석하여 건물의 상대적인 높이를 추정할 수 있는 건물 높이 추정 방법 및 그 장치에 관한 것이다.
일반적으로 지리정보시스템(GIS; Geographic Information System)이란 공간에 관련된 문제를 해결하기 위하여 지리자료를 이용하고 관리하는 컴퓨터 기반의 시스템을 의미한다. 1960년대 초반 GIS가 처음 개발되었을 때만 하더라도 GIS는 단지 지도 자료를 처리하기 위한 컴퓨터 기반의 프로그램에 지나지 않았다. 그러나 오늘날 GIS는 그 자체로 중요한 학문 연구 분야의 하나로 자리 잡고 있을 뿐만 아니라, 최신 정보기술과 결합하면서 사회 각 부문에 활발히 적용되고 있다.
GIS의 기본적인 특성은 공간적인, 즉 지리적 공간 상에서 객체들의 위치와 관련된 속성정보를 다룰 수 있다는 것이다. 지도는 공간적으로 분포하는 객체들의 위치 및 속성을 나타내는 가장 효율적인 방법이다. 따라서 GIS 구축에 있어서 가장 기초적인 자료는 수치지도(digital map)이다. 수치지도는 고전적인 종이지도와 달리, 측량지도, 항공사진, 위성영상 등에 의하여 얻어진 각종 지형 자료들을 해석하고 수치 편집하여 색인화한 것이라 할 수 있다.
수치지도의 구축 과정은 다음과 같이 여러 과정을 거쳐서 완성되게 된다. 먼저 종이지도가 디지타이징(digitizing)이나 스캐닝(scanning)을 거쳐 수치지도의 형태가 된 후, 각종 입력 오차를 수정하기 위한 절차를 거친다. 이어서 좌표 변환을 통해 사용자의 목적에 맞도록 실제 좌표계로 변환을 거친 후, 공간 객체 간의 상호 위치성과 연관성을 파악하기 위한 위상 구조를 정립하게 된다. 이후 위상 구조의 정립을 거친 수치지도에 각각의 도형자료와 관련된 속성자료를 입력시키게 된다.
이렇게 제작된 수치지도는 종이지도에 비해 빠르고 정확한 지도검색을 가능하게 하고, 정보관리와 활용성 면에서 뛰어나 각종 계획수립과 의사결정을 보다 효과적으로 지원할 수 있도록 한다.
본 발명의 실시예들은, 인공지능 객체인식 기반으로 항공사진과 거리영상을 분석하여 건물의 상대적인 높이를 추정할 수 있는 건물 높이 추정 방법 및 그 장치를 제공한다.
본 발명의 일 실시예에 따른 건물 높이 추정 방법은 인공지능 객체 인식 기반의 건물 높이 추정 방법에 있어서, 대상 지역의 항공사진을 분석하여 상기 항공사진에 포함된 적어도 하나 이상의 대상 건물을 검출하는 단계; 상기 검출된 대상 건물의 위치 정보에 기초하여 상기 위치 정보에 대응하는 거리영상을 수신하는 단계; 상기 거리영상을 분석하여 상기 거리영상에서 상기 대상 건물을 검출하는 단계; 및 상기 대상 건물에서 미리 설정된 객체를 검출하고, 상기 검출된 객체의 좌표 정보와 수량 정보에 기초하여 상기 대상 건물 각각의 상대적인 높이를 분류하는 단계를 포함한다.
상기 거리영상에서 상기 대상 건물을 검출하는 단계는 미리 설정된 세그멘테이션(segmentation) 기법을 이용하여 상기 거리영상에서 상기 대상 건물 이외의 나머지 부분을 제거하는 단계; 및 상기 거리영상에서 검출된 대상 건물 각각의 중심 좌표 정보와 꼭지점 좌표 정보를 획득함으로써, 상기 대상 건물 각각을 검출하는 단계를 포함할 수 있다.
상기 대상 건물 각각의 상대적인 높이를 분류하는 단계는 상기 대상 건물 각각의 중심 좌표 정보와 꼭지점 좌표 정보를 반영하여 상기 대상 건물 각각의 상대적인 높이를 분류할 수 있다.
상기 대상 건물 각각의 상대적인 높이를 분류하는 단계는 상기 항공사진 상에서의 상기 대상 건물 간의 거리 정보를 반영하여 상기 대상 건물 각각의 상대적인 높이를 분류할 수 있다.
본 발명의 일 실시예에 따른 건물 높이 추정 장치는 인공지능 객체 인식 기반의 건물 높이 추정 장치에 있어서, 대상 지역의 항공사진을 분석하여 상기 항공사진에 포함된 적어도 하나 이상의 대상 건물을 검출하는 항공사진 분석부; 상기 검출된 대상 건물의 위치 정보에 기초하여 상기 위치 정보에 대응하는 거리영상을 수신하고, 상기 거리영상을 분석하여 상기 거리영상에서 상기 대상 건물을 검출하는 거리영상 분석부; 및 상기 대상 건물에서 미리 설정된 객체를 검출하고, 상기 검출된 객체의 좌표 정보와 수량 정보에 기초하여 상기 대상 건물 각각의 상대적인 높이를 분류하는 추정부를 포함한다.
상기 거리영상 분석부는 미리 설정된 세그멘테이션(segmentation) 기법을 이용하여 상기 거리영상에서 상기 대상 건물 이외의 나머지 부분을 제거하고, 상기 거리영상에서 검출된 대상 건물 각각의 중심 좌표 정보와 꼭지점 좌표 정보를 획득함으로써, 상기 대상 건물 각각을 검출할 수 있다.
상기 추정부는 상기 대상 건물 각각의 중심 좌표 정보와 꼭지점 좌표 정보를 반영하여 상기 대상 건물 각각의 상대적인 높이를 분류할 수 있다.
상기 추정부는 상기 항공사진 상에서의 상기 대상 건물 간의 거리 정보를 반영하여 상기 대상 건물 각각의 상대적인 높이를 분류할 수 있다.
본 발명의 실시예들에 따르면, 인공지능 객체인식 기반으로 항공사진과 거리영상을 분석하여 건물의 상대적인 높이를 추정할 수 있기 때문에 고가의 3D 라이다(Lidar) 측정 데이터셋 없이 대상 건물의 상대적인 높이를 용이하게 추정할 수 있다.
본 발명의 실시예들에 따르면, 특정 건물의 높이를 산출할 수도 있고, 건물들 간의 높이를 비교할 수도 있다.
이러한 본 발명은 도시 계획, 부동산 상권 분석 등의 다양한 서비스에 이용할 수 있으며, 본 발명을 통해 파악된 정보를 관공서와 특정 민간업체 등에 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능 객체인식 기반의 건물 높이 추정 방법에 대한 동작 흐름도를 나타낸 것이다.
도 2는 본 발명의 방법을 설명하기 위한 일 예시도를 나타낸 것이다.
도 3은 본 발명의 일 실시예에 따른 인공지능 객체인식 기반의 건물 높이 추정 장치에 대한 구성을 나타낸 것이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며, 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예들을 보다 상세하게 설명하고자 한다. 도면 상의 동일한 구성요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
건물의 높이를 항공사진에서 구하려면, 고가의 3D 라이다(Lidar) 측정 데이터셋이 필요하기 때문에 비용이 많이드는 단점이 있다.
본 발명의 실시예들은, 인공지능 객체인식 기반으로 항공사진과 거리영상을 분석하여 건물의 높이 예를 들어, 상대적인 높이를 추정함으로써, 고가의 3D 라이다(Lidar) 측정 데이터셋 없이 대상 건물의 상대적인 높이를 용이하게 추정하는 것을 그 요지로 한다.
이 때, 본 발명은 대상 조사 지역의 항공사진을 수신 또는 다운로드하여 항공사진 분석을 통해 사용자 또는 관리자에 의해 설정된 대상 건물을 검출하고, 대상 건물의 위치 정보에 대응하는 거리영상을 수신하여 거리영상 분석을 통해 거리영상에서 대상 건물을 검출한 후 거리영상에서 검출된 대상 건물의 중심 좌표 정보와 꼭지점 좌표 정보 그리고 대상 건물에서 미리 설정된 객체 예를 들어, 창문의 좌표 정보와 수량 정보를 이용하여 대상 건물의 높이를 추정 또는 분류할 수 있다.
나아가, 본 발명은 항공사진 상에서 대상 건물 간의 거리 정보를 반영함으로써, 거리영상에서 검출한 대상 건물의 높이를 추정할 수 있다. 예를 들어, 본 발명은 항공사진에서의 거리 정보와 거리영상에서의 거리 정보 뿐만 아니라 상술한 좌표 정보와 객체 정보를 이용하여 대상 건물 각각의 높이 정보 또는 상대적인 높이 정보를 추정할 수 있다.
이러한 본 발명은 항공사진 분석, 거리영상 분석, 객체 인식 등의 과정을 인공지능 객체인식 기반으로 수행할 수 있다. 즉, 본 발명은 미리 설정된 트레이닝 데이터세트를 이용하여 인공지능을 트레이닝함으로써, 대상 건물을 검출하거나 대상 건물 각각에서 창문과 같은 객체를 검출하는 각각의 학습 모델 또는 통합된 학습 모델을 생성할 수 있으며, 이렇게 생성된 학습 모델은 항공사진 분석과 거리영상 분석을 통해 도출되는 결과물을 이용하여 갱신될 수도 있고, 추가로 수집된 트레이닝 데이터세트를 이용하여 갱신될 수도 있다. 인공지능은 컨볼루션 뉴럴 네트워크(CNN), 딥 러닝 뉴럴 네트워크(DNN) 등과 같은 뉴럴 네트워크에 의해 구현될 수 있으며, 이러한 내용은 본 발명의 기술 분야에 종사하는 당업자에게 있어서 자명하기에 이에 대한 상세한 설명은 생략한다.
도 1은 본 발명의 일 실시예에 따른 인공지능 객체인식 기반의 건물 높이 추정 방법에 대한 동작 흐름도를 나타낸 것으로, 본 발명의 방법에 대한 알고리즘이 설치된 장치에 의해 수행될 수 있다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 건물 높이 추정 방법은 조사 대상 지역의 항공사진을 분석하여 항공사진에 포함된 대상 건물을 검출한다(S110).
여기서, 단계 S110은 사용자 또는 관리자로부터 조사 대상 지역의 좌표의 위도와 경도를 입력받음으로써, 조사 대상 지역이 설정되고, 이렇게 설정된 조사 대상 지역에 대한 항공사진을 데이터베이스로부터 받아와서 항공사진을 인공지능 객체인식 기반으로 분석하여 항공사진에 포함된 특정 건물들 예를 들어, 미리 설정된 적어도 하나 이상의 대상 건물을 검출할 수 있다.
여기서, 단계 S110은 화면에 표시된 지도 데이터에서 조사 대상 지역을 사용자 또는 관리자의 입력에 의해 드래그함으로써, 조사 대상 지역이 설정될 수도 있다.
본 발명에서 조사 대상 지역의 항공사진은 특정 서버의 데이터베이스로부터 조사 대상 지역만을 다운로드한 항공사진일 수도 있고, 본 발명의 방법을 제공하는 장치에 미리 다운로드되어 저장된 항공사진 중에서 조사 대상 지역에 해당하는 항공사진을 검색한 항공사진일 수도 있다.
단계 S110에서의 대상 건물은 가정용 건물, 상업용 건물, 일정 크기 이상의 건물 등을 포함할 수 있으며, 이러한 대상 건물은 이 기술을 제공하는 사업자에 의해 결정되거나 대상 건물을 설정할 수 있는 항목의 선택을 통하여 결정될 수 있다. 이 때, 단계 S110은 항공사진의 위도와 경도에 따른 건물의 목적과 사용 용도 그리고 가정용인지 상업용인지 등의 정보가 저장된 데이터베이스로부터 검출된 건물에 대한 정보를 검색함으로써, 해당 건물이 본 발명에서 대상이 되는 대상 건물인지 판단할 수 있으며, 이를 통해 원하는 대상 건물을 검출할 수 있다. 물론, 본 발명은 상황에 따라 이러한 건물의 용도나 목적 등을 고려하지 않고, 일정 크기 이상의 대상 건물을 검출할 수도 있다.
나아가, 단계 S110은 조사 대상 지역의 항공사진을 분석하여 미리 설정된 대상 건물들을 검출하고, 검출된 대상 건물을 제외한 나머지 부분 예를 들어, 도로, 주차장, 하천 등을 포함하는 건물이 아닌 나머지 부분을 미리 설정된 세그멘테이션(segmentation) 기법을 이용하여 제거하며, 이러한 부분이 제거된 항공사진에서 대상 건물을 검출할 수도 있다.
이 때, 단계 S110은 미리 학습된 학습 모델의 인공지능을 이용하여 조사 대상 지역의 항공사진에서 대상 건물을 인식함으로써, 항공사진에서 대상 건물을 검출할 수 있다.
단계 S110에 의해 대상 건물이 검출되면, 검출된 대상 건물의 위치 정보 또는 좌표 정보에 기초하여 위치 정보에 대응하는 거리영상을 특정 서버에서 검색하여 다운로드 하거나 해당 장치에 저장된 거리영상에서 위치 정보에 대응하는 거리영상을 검색함으로써, 위치 정보에 대응하는 거리 영상을 수신한다(S120).
이 때, 단계 S120은 대상 건물의 위치 정보 즉, 위도와 경도를 중심으로 일정 범위의 거리영상을 수신할 수 있다.
단계 S120에 의해 대상 건물이 포함된 거리영상이 수신되면, 수신된 거리영상을 분석하여 거리영상에서 대상 건물을 검출한다(S130).
예를 들어, 단계 S130은 도 2에 도시된 바와 같이, 거리영상에서 노란 점선으로 표시된 관심영역(ROI) 내의 대상 건물들 즉, 빨간색 박스로 표시된 대상 건물들을 검출한다.
여기서, 단계 S130은 거리영상에서 대상 건물을 검출하기 위하여, 미리 설정된 세그멘테이션 기법을 이용하여 거리영상에 포함된 전선, 나무 등과 같은 불필요한 부분을 제거하고, 불필요한 부분이 제거된 거리영상에서 대상 건물 각각의 중심 좌표 정보와 꼭지점 좌표 정보를 획득함으로써, 대상 건물 각각을 검출할 수 있다.
일 예로, 단계 S120은 거리 영상에서 중심 좌표와 윗부분 꼭지점의 좌표 정보가 가장 큰 대상 건물, 아랫부분 꼭지점의 좌표 정보가 가장 작은 대상 건물을 포함하도록 대상 건물을 검출할 수 있다. 여기서, 윗부분 꼭지점 좌표가 상대적으로 가장 높은 건물이 거리영상에서 가장 높은 건물이라 판단할 수 있으며, 건물의 아랫부분 꼭지점 좌표가 상대적으로 가장 작은 건물이 거리영상에서 가장 가까이 위치한 건물이라 판단할 수 있다.
여기서, 단계 S130은 미리 학습된 학습 모델의 인공지능을 이용하여 거리영상에서 대상 건물을 검출할 수도 있다.
단계 S130에 의해 거리영상에서 대상 건물이 검출되면, 검출된 대상 건물에서 미리 설정된 객체 예를 들어, 창문을 검출하고, 대상 건물 각각에서 검출된 창문의 좌표 정보와 수량 정보를 이용하여 대상 건물의 높이를 추정한다(S140).
예를 들어, 도 2에 도시된 바와 같이, 대상 건물 각각에서 파란색 박스로 표시된 창문을 검출하고, 검출된 창문 각각의 좌표 정보와 창문의 수량을 이용하여 대상 건물 간의 상대적인 높이를 추정할 수 있다. 여기서, 창문의 수량은 대상 건물의 층수를 추정하는데 사용될 수 있다.
나아가, 단계 S140은 단계 S130에서 검출한 대상 건물 각각의 중심 좌표 정보와 꼭지점 좌표 정보를 반영하여 대상 건물 각각의 상대적인 높이를 분류 또는 추정할 수 있다.
더 나아가, 단계 S140은 항공사진에서의 거리 정보를 추가적으로 반영할 수도 있다. 즉, 항공사진에서 검출된 대상 건물은 항공사진의 척도를 이용하여 대상 건물 간의 거리 정보를 획득할 수 있기 때문에 이러한 대상 건물 간의 거리 정보를 반영함으로써, 대상 건물의 추정 높이에 대한 정확성을 향상시킬 수도 있다. 예를 들어, 단계 S140은 도 2에 도시된 바와 같이, 거리영상에서 좌측 대상 건물까지의 거리, 우측 대상 건물까지의 거리, 좌측 대상 건물의 중심 좌표 정보와 꼭지점 좌표 정보, 우측 대상 건물의 중심 좌표 정보와 꼭지점 좌표 정보를 통해 거리영상에서의 좌측 대상 건물과 우측 대상 건물 간의 거리 정보를 추정할 수 있으며, 이렇게 추정된 거리 정보와 항공사진 상에서 획득된 거리 정보를 이용하여 좌측 대상 건물과 우측 대상 건물의 상대적인 높이를 추정할 수 있다. 마찬가지로, 좌측 대상 건물의 뒤에 위치한 중간 대상 건물의 경우에도 상술한 거리 정보를 반영함으로써, 대상 건물의 대략적인 높이를 추정할 수 있고, 다른 대상 건물과의 상대적인 높이를 정확하게 추정 또는 분류할 수 있다.
그리고, 단계 S140에서 거리영상에서 대상 건물 간의 거리 정보를 주변 풍경 예를 들어, 도로 정보를 이용하여 계산할 수 있으며, 거리영상에서 대상 건물 간의 거리 정보는 거리영상의 도로 정보를 통해 항공사진의 거리 정보를 반영함으로써, 계산될 수 있고, 따라서 이러한 거리 정보를 통해 대상 건물의 높이 정보를 대략적으로 추정할 수도 있다.
단계 S140 또한 미리 학습된 학습 모델의 인공지능을 이용하여 대상 건물에서 객체를 검출할 수 있다.
상술한 과정을 통해 대상 건물의 높이가 추정되거나 대상 건물 간의 상대적인 높이가 추정되면, 대상 건물 간에 분류된 높이 정보와 함께 대상 건물의 위치 정보 예를 들어, 위도와 경도를 제공할 수 있다.
여기서, 본 발명은 대상 건물의 추정 높이 또는 상대적인 높이를 포함하는 정보를 특정 파일 형태로 제공할 수도 있으며, 제공되는 정보는 대상 건물의 위도와 경도, 추정 높이 정보, 추정 상대 높이 정보 등을 포함할 수 있다.
이와 같이, 본 발명의 일 실시예에 따른 방법은 인공지능 객체인식 기반으로 항공사진과 거리영상을 분석하여 건물의 상대적인 높이를 추정할 수 있기 때문에 고가의 3D 라이다(Lidar) 측정 데이터셋 없이 대상 건물의 상대적인 높이를 용이하게 추정할 수 있다.
또한, 본 발명의 일 실시예에 따른 방법은 특정 건물의 높이를 산출할 수도 있고, 건물들 간의 높이를 비교할 수도 있다.
이러한 본 발명은 도시 계획, 부동산 상권 분석 등의 다양한 서비스에 이용할 수 있으며, 본 발명을 통해 파악된 정보를 관공서와 특정 민간업체 등에 제공할 수 있다.
도 3은 본 발명의 일 실시예에 따른 인공지능 객체인식 기반의 건물 높이 추정 장치에 대한 구성을 나타낸 것으로, 도 1 내지 도 2의 방법을 수행하는 장치에 대한 개념적인 구성을 나타낸 것이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 장치(300)는 수신부(310), 항공사진 분석부(320), 거리영상 분석부(330), 추정부(340), 제공부(350)와 데이터베이스(DB)(360)를 포함한다.
DB(360)는 본 발명을 수행하기 위한 데이터를 저장하는 수단으로, 항공사진, 지도 데이터, 거리영상, 인공지능 객체인식 기반 알고리즘, 학습 모델, 대상 건물의 추정 높이 데이터 제공 알고리즘 등과 같은 다양한 데이터를 저장할 수 있으며, 이러한 데이터 뿐만 아니라 본 발명을 수행하는데 있어서 필요로 하는 모든 종류의 데이터를 저장할 수 있다.
여기서, DB(360)는 유무선 네트워크를 통해 저장된 데이터가 갱신될 수도 있으며, 데이터 갱신 주기는 본 발명의 기술을 제공하는 사업자 또는 개인에 의해 결정될 수 있다.
수신부(310)는 사용자 또는 관리자로부터 조사 대상 지역의 좌표의 위도와 경도를 입력받음으로써, 조사 대상 지역을 설정하고, 조사 대상 지역에 대한 항공사진을 수신한다.
여기서, 수신부(310)는 지도 데이터에서 조사 대상 지역을 사용자 또는 관리자의 입력에 의해 드래그함으로써, 조사 대상 지역을 설정할 수도 있다.
항공사진 분석부(320)는 조사 대상 지역의 항공사진을 인공지능 객체인식 기반으로 분석하여 항공사진에 포함된 건물들 예를 들어, 미리 설정된 대상 건물들을 검출한다.
이 때, 항공사진 분석부(320)는 항공사진의 위도와 경도에 따른 건물의 목적과 사용 용도 그리고 가정용인지 상업용인지 등의 정보가 저장된 데이터베이스로부터 검출된 건물에 대한 정보를 검색함으로써, 해당 건물이 본 발명에서 대상이 되는 건물인지 판단할 수 있으며, 이를 통해 원하는 대상 건물을 검출할 수 있다. 이 때, 항공사진 분석부(320)는 사용자의 입력을 통해 대상 건물 또는 대상 건물이 포함된 일정 영역이 선택되면 선택된 일정 영역에 포함된 대상 건물을 검출할 수도 있다.
상황에 따라, 항공사진 분석부(320)는 검출된 대상 건물을 제외한 나머지 부분 예를 들어, 도로, 주차장, 하천 등을 포함하는 건물이 아닌 부분을 미리 설정된 세그멘테이션(segmentation) 기법을 이용하여 제거하며, 이러한 부분이 제거된 항공사진에서 대상 건물들을 검출할 수도 있다.
거리영상 분석부(330)는 항공사진 분석부(320)에 의해 검출된 대상 건물의 위치 정보 또는 좌표 정보에 기초하여 위치 정보에 대응하는 거리영상을 특정 서버에서 검색하여 다운로드 하거나 해당 장치에 저장된 거리영상에서 위치 정보에 대응하는 거리영상을 검색함으로써, 위치 정보에 대응하는 거리 영상을 수신하고, 수신된 거리영상을 분석하여 거리영상에서 대상 건물을 검출한다.
이 때, 거리영상 분석부(330)는 미리 설정된 세그멘테이션 기법을 이용하여 거리영상에 포함된 전선, 나무 등과 같은 불필요한 부분을 제거하고, 불필요한 부분이 제거된 거리영상에서 대상 건물 각각의 중심 좌표 정보와 꼭지점 좌표 정보를 획득함으로써, 대상 건물 각각을 검출할 수 있다.
추정부(340)는 검출된 대상 건물에서 미리 설정된 객체 예를 들어, 창문을 검출하고, 대상 건물 각각에서 검출된 창문의 좌표 정보와 수량 정보를 이용하여 대상 건물의 높이를 추정한다.
이 때, 추정부(340)는 검출한 대상 건물 각각의 중심 좌표 정보와 꼭지점 좌표 정보를 반영하여 대상 건물 각각의 상대적인 높이를 분류 또는 추정할 수 있다.
이 때, 추정부(340)는 항공사진에서의 거리 정보를 추가적으로 반영하여 대상 건물의 높이 또는 상대적인 높이를 추정할 수 있다. 예컨대, 추정부(340)는 항공사진의 척도를 이용하여 대상 건물 간의 거리 정보를 획득할 수 있기 때문에 이러한 대상 건물 간의 거리 정보를 반영함으로써, 거리영상에서 검출된 대상 건물의 높이를 추정하고, 이를 통해 대상 건물의 추정 높이에 대한 정확성을 향상시킬 수 있다.
제공부(350)는 대상 건물의 높이가 추정되거나 대상 건물 간의 상대적인 높이가 추정되면, 대상 건물 간에 분류된 높이 정보와 함께 대상 건물의 위치 정보 예를 들어, 위도와 경도를 제공한다.
비록, 도 3의 장치에서 그 설명이 생략되었더라도, 도 3을 구성하는 각 구성 수단은 도 1 내지 도 2의 방법에서 설명한 모든 내용을 포함할 수 있으며, 이는 이 기술 분야에 종사하는 당업자에게 있어서 자명하다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다.　 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다.　 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다.　 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다.　 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다.　 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다.　 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다.　 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.　 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.　 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.　 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.　
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다.　 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (8)

  1. 인공지능 객체 인식 기반의 건물 높이 추정 방법에 있어서,
    대상 지역의 항공사진을 분석하여 상기 항공사진에 포함된 적어도 하나 이상의 대상 건물을 검출하는 단계;
    상기 검출된 대상 건물의 위치 정보에 기초하여 상기 위치 정보에 대응하는 거리영상을 수신하는 단계;
    상기 거리영상을 분석하여 상기 거리영상에서 상기 대상 건물을 검출하는 단계; 및
    상기 대상 건물에서 미리 설정된 객체를 검출하고, 상기 검출된 객체의 좌표 정보와 수량 정보에 기초하여 상기 대상 건물 각각의 상대적인 높이를 분류하는 단계
    를 포함하는 건물 높이 추정 방법.
  2. 제1항에 있어서,
    상기 거리영상에서 상기 대상 건물을 검출하는 단계는
    미리 설정된 세그멘테이션(segmentation) 기법을 이용하여 상기 거리영상에서 상기 대상 건물 이외의 나머지 부분을 제거하는 단계; 및
    상기 거리영상에서 검출된 대상 건물 각각의 중심 좌표 정보와 꼭지점 좌표 정보를 획득함으로써, 상기 대상 건물 각각을 검출하는 단계
    를 포함하는 것을 특징으로 하는 건물 높이 추정 방법.
  3. 제2항에 있어서,
    상기 대상 건물 각각의 상대적인 높이를 분류하는 단계는
    상기 대상 건물 각각의 중심 좌표 정보와 꼭지점 좌표 정보를 반영하여 상기 대상 건물 각각의 상대적인 높이를 분류하는 것을 특징으로 하는 건물 높이 추정 방법.
  4. 제1항에 있어서,
    상기 대상 건물 각각의 상대적인 높이를 분류하는 단계는
    상기 항공사진 상에서의 상기 대상 건물 간의 거리 정보를 반영하여 상기 대상 건물 각각의 상대적인 높이를 분류하는 것을 특징으로 하는 건물 높이 추정 방법.
  5. 인공지능 객체 인식 기반의 건물 높이 추정 장치에 있어서,
    대상 지역의 항공사진을 분석하여 상기 항공사진에 포함된 적어도 하나 이상의 대상 건물을 검출하는 항공사진 분석부;
    상기 검출된 대상 건물의 위치 정보에 기초하여 상기 위치 정보에 대응하는 거리영상을 수신하고, 상기 거리영상을 분석하여 상기 거리영상에서 상기 대상 건물을 검출하는 거리영상 분석부; 및
    상기 대상 건물에서 미리 설정된 객체를 검출하고, 상기 검출된 객체의 좌표 정보와 수량 정보에 기초하여 상기 대상 건물 각각의 상대적인 높이를 분류하는 추정부
    를 포함하는 건물 높이 추정 장치.
  6. 제5항에 있어서,
    상기 거리영상 분석부는
    미리 설정된 세그멘테이션(segmentation) 기법을 이용하여 상기 거리영상에서 상기 대상 건물 이외의 나머지 부분을 제거하고, 상기 거리영상에서 검출된 대상 건물 각각의 중심 좌표 정보와 꼭지점 좌표 정보를 획득함으로써, 상기 대상 건물 각각을 검출하는 것을 특징으로 하는 건물 높이 추정 장치.
  7. 제6항에 있어서,
    상기 추정부는
    상기 대상 건물 각각의 중심 좌표 정보와 꼭지점 좌표 정보를 반영하여 상기 대상 건물 각각의 상대적인 높이를 분류하는 것을 특징으로 하는 건물 높이 추정 장치.
  8. 제5항에 있어서,
    상기 추정부는
    상기 항공사진 상에서의 상기 대상 건물 간의 거리 정보를 반영하여 상기 대상 건물 각각의 상대적인 높이를 분류하는 것을 특징으로 하는 건물 높이 추정 장치.
KR1020200049515A 2020-04-23 2020-04-23 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 높이 추정 방법 및 그 장치 KR102405937B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200049515A KR102405937B1 (ko) 2020-04-23 2020-04-23 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 높이 추정 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200049515A KR102405937B1 (ko) 2020-04-23 2020-04-23 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 높이 추정 방법 및 그 장치

Publications (2)

Publication Number Publication Date
KR20210131120A true KR20210131120A (ko) 2021-11-02
KR102405937B1 KR102405937B1 (ko) 2022-06-08

Family

ID=78476557

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200049515A KR102405937B1 (ko) 2020-04-23 2020-04-23 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 높이 추정 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR102405937B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005241386A (ja) * 2004-02-25 2005-09-08 Hokkaido Business Automation Kk 歩行者用ナビゲーションシステムおよび歩行者用ナビゲーションプログラム
JP4206036B2 (ja) * 2003-12-09 2009-01-07 株式会社ゼンリン 電子地図データを利用した風景画像の撮像位置の特定
US20110235923A1 (en) * 2009-09-14 2011-09-29 Weisenburger Shawn D Accurate digitization of a georeferenced image
KR101767006B1 (ko) * 2016-05-30 2017-08-09 목포대학교산학협력단 Uav 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법 및 장치
KR101942288B1 (ko) * 2012-04-23 2019-01-25 한국전자통신연구원 위치 보정 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4206036B2 (ja) * 2003-12-09 2009-01-07 株式会社ゼンリン 電子地図データを利用した風景画像の撮像位置の特定
JP2005241386A (ja) * 2004-02-25 2005-09-08 Hokkaido Business Automation Kk 歩行者用ナビゲーションシステムおよび歩行者用ナビゲーションプログラム
US20110235923A1 (en) * 2009-09-14 2011-09-29 Weisenburger Shawn D Accurate digitization of a georeferenced image
KR101942288B1 (ko) * 2012-04-23 2019-01-25 한국전자통신연구원 위치 보정 장치 및 방법
KR101767006B1 (ko) * 2016-05-30 2017-08-09 목포대학교산학협력단 Uav 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법 및 장치

Also Published As

Publication number Publication date
KR102405937B1 (ko) 2022-06-08

Similar Documents

Publication Publication Date Title
Chen et al. Automatic building information model reconstruction in high-density urban areas: Augmenting multi-source data with architectural knowledge
Wieland et al. Estimating building inventory for rapid seismic vulnerability assessment: Towards an integrated approach based on multi-source imaging
CA3113993C (en) Computer vision systems and methods for ground surface condition detection and extraction from digital images
US20130226667A1 (en) Methods and apparatus to analyze markets based on aerial images
US20210097103A1 (en) Method and system for automatically collecting and updating information about point of interest in real space
CN102959946A (zh) 基于相关3d点云数据来扩充图像数据的技术
KR102096926B1 (ko) 관심 영역 변화를 검출하는 방법 및 시스템
US20170039450A1 (en) Identifying Entities to be Investigated Using Storefront Recognition
JP2008530594A (ja) 地形モデル化のために植生から建物を区別する方法および装置
KR102189926B1 (ko) 관심 영역 변화를 검출하는 방법 및 시스템
KR20200013156A (ko) 간판 검출 성능 향상을 위한 방법 및 시스템
RU2638638C1 (ru) Способ и система автоматического построения трехмерных моделей городов
KR102405937B1 (ko) 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 높이 추정 방법 및 그 장치
KR102361663B1 (ko) 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 용도 파악 방법 및 그 장치
US20230049073A1 (en) Imaging range estimation device, imaging range estimation method, and program
KR102484401B1 (ko) 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 변화 구분 방법 및 그 장치
KR102596037B1 (ko) 인공지능을 이용한 사용자 참여형 인식 플랫폼에서시설물 설치 가능 지점 판별 방법 및 그 장치
KR100953485B1 (ko) 항공 레이저 측량 데이터의 병렬 처리 시스템 및 그 방법
US10157189B1 (en) Method and computer program for providing location data to mobile devices
US9911190B1 (en) Method and computer program for generating a database for use in locating mobile devices based on imaging
Ankayarkanni et al. Object based segmentation techniques for classification of satellite image
US10896533B2 (en) Automated identification of geographic site boundaries
Husain et al. A moving window search method for detection of pole like objects using mobile laser scanner data
KR20230014595A (ko) 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 시설물 설치 가능 지점 판별 방법 및 그 장치
Araujo et al. Accurate location of façades of interest in street view panoramic sequences

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant