KR20230114431A - Method for automatically generating a numerical map of building using an orthographic image with an artificial intelligence technique - Google Patents
Method for automatically generating a numerical map of building using an orthographic image with an artificial intelligence technique Download PDFInfo
- Publication number
- KR20230114431A KR20230114431A KR1020220010560A KR20220010560A KR20230114431A KR 20230114431 A KR20230114431 A KR 20230114431A KR 1020220010560 A KR1020220010560 A KR 1020220010560A KR 20220010560 A KR20220010560 A KR 20220010560A KR 20230114431 A KR20230114431 A KR 20230114431A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- orthoimage
- building
- outline
- digital map
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 238000012805 post-processing Methods 0.000 claims abstract description 8
- 238000013528 artificial neural network Methods 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims abstract description 4
- 230000000694 effects Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/004—Map manufacture or repair; Tear or ink or water resistant maps; Long-life maps
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
- B64U2101/32—UAVs specially adapted for particular uses or applications for imaging, photography or videography for cartography or topography
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Computer Graphics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
본 발명은 인공지능기법으로 정사영상을 이용하여 건물수치지도 자동생성방법에 관한 것으로, 기존 대비 정확한 위치정확도를 가진 수치지도를 제작하기 위하여 드론을 활용한 무인항공사진측량으로 제작한 드론 정사영상을 기반으로 수치지도를 제작하는 단계; 인공지능을 통한 지형지물인지 및 인지한 지형지물의 외곽을 벡터데이터(Polygon)로 생성하고 정사영상의 지리참조데이터를 벡터데이터에 매핑하는 과정을 통하여 수치지도를 자동 생성하는 단계; 정사영상을 히스토그램 평준화하고 평준화된 고해상도의 이미지인 정사영상을 인공지능 이미지 변환 모델의 변환 이미지크기로 슬라이싱하여 Tile화하는 과정과 입력 정사영상의 메타데이터로부터 후처리(Postprocessing)단계에서 사용되는 지상표본거리(GSD), 좌표계 및 타원체, 경위도 좌표 및 범위를 추출하는 전처리(Preprocessing)단계; 기 학습된 GAN(Generative Adversarial Network)의 생성신경망을 활용하여 일정한 크기의 Tile 이미지들을 동일한 크기의 지형지물(건물)만 이진분류된 이미지로 변환하는 이미지 변환 단계(Image to Image Translation) 단계; 변환된 Tile 이미지들을 변환 전 본래 위치로 합성하여 원본 정사영상과 동일한 해상도(크기)의 변환 이미지를 생성하고, 생성된 변환이미지로부터 건물의 외곽을 추출하여 지형지물(건물)의 외곽만 나타나는 이미지를 생성하고 지상표본거리에 맞게 스케일 변환하는 후처리(Postprocessing) 단계; 스케일 변환된 건물외곽 이미지로부터 다시 외곽을 추출하여 벡터(Polygon)화하고 각 건물벡터에 대하여 선형단순화를 수행하는 단계; 생성된 벡터데이터에 지리참조 데이터(좌표계, 경위도 좌표 및 범위)를 매핑하여 수치지도(Vector map)를 생성하는 단계;를 포함한다.The present invention relates to a method for automatically generating a building digital map using an orthoimage using an artificial intelligence technique. Creating a digital map based on; Automatically generating a digital map through the process of recognizing a feature through artificial intelligence, generating the outline of the recognized feature as vector data (Polygon), and mapping the georeferenced data of the orthoimage to the vector data; The process of tiling the orthoimage by histogram-leveling it and slicing the normalized high-resolution orthoimage to the converted image size of the artificial intelligence image conversion model, and the ground sample used in the postprocessing stage from the metadata of the input orthoimage Preprocessing step of extracting distance (GSD), coordinate system and ellipsoid, longitude and latitude coordinates and range; An image conversion step (Image to Image Translation) step of converting tile images of a certain size into binary-classified images of only features (buildings) of the same size by using a pre-learned generative neural network of GAN (Generative Adversarial Network); The converted tile images are synthesized in their original position before conversion to create a converted image with the same resolution (size) as the original orthoimage, and the outline of the building is extracted from the converted image to create an image showing only the outline of the feature (building). A postprocessing step of generating and converting the scale to match the ground sampling distance; extracting the outline from the scale-converted building outline image, converting it into a vector (polygon), and performing linear simplification on each building vector; Generating a digital map (Vector map) by mapping georeferenced data (coordinate system, latitude and longitude coordinates and range) to the generated vector data; includes.
Description
본 발명은 인공지능기법으로 정사영상을 이용하여 건물수치지도 자동생성방법에 관한 것으로, 보다 상세하게는 국토 지능화 및 공간정보에 관한 것이다.The present invention relates to a method for automatically generating a building digital map using an orthoimage using an artificial intelligence technique, and more particularly, to land intelligence and spatial information.
항공사진측량법에 의한 수치지도는 지상기준점측량 및 항공사진촬영을 통하여 얻어진 결과물인 측량용 항공사진을 도화기를 사용하여 영상의 지형지물 및 등고선 등을 수치데이터로 측정하여 디지털자료화 하여 컴퓨터에 수록하고 도면제작 및 편집과정을 거쳐 제작된다. The digital map based on the aerial photogrammetry method uses a drawing tool to measure the aerial photos for surveying, which are the results obtained through ground control point surveying and aerial photography, by measuring the features and contours of the image as numerical data, converting them into digital data, and recording them in a computer. It is produced through drawing production and editing process.
수치도화 및 도면 제작/편집 과정은 도화사의 수작업으로 이루어지며 숙련도에 따라 인위적 오차가 결정된다. 또한 항공사진을 기반으로 제작하기 때문에 최대 1:1000 축척의 지도를 제작할 수 있으나 현재까지 1:1000 축척의 수치지도가 생성된 지역은 한정적이다.The process of digital drawing and drawing production/editing is done manually by a painter, and artificial errors are determined according to the skill level. In addition, since it is produced based on aerial photographs, it is possible to produce a map with a maximum scale of 1:1000, but the area where a 1:1000 scale digital map has been created is limited to date.
본 발명의 일 실시예는 정사영상지도를 통한 결과물의 위치 정확도를 확보하고 인공지능을 이용한 수치지도 제작을 자동화할 수 있는 인공지능기법으로 정사영상을 이용하여 건물수치지도 자동생성방법을 제공하고자 한다.An embodiment of the present invention is to provide a method for automatically generating a building digital map using an ortho image as an artificial intelligence technique capable of securing the accuracy of the location of the result through an ortho image map and automating the production of a digital map using artificial intelligence. .
실시예들 중에서, 인공지능기법으로 정사영상을 이용하여 건물수치지도 자동생성방법은 기존 대비 정확한 위치 정확도를 가진 수치지도를 제작하기 위하여 드론을 활용한 무인항공사 진측량으로 제작한 드론 정사영상을 기반으로 수치지도를 제작한다. 또한 수작업으로 이루어지던 수치지도 생성의 맨아워(Man hour)를 절약하기 위하여 인공지능을 통한 지형지물인지 및 인지한 지형지물의 외곽을 벡터데이터(Polygon)로 생성하고 정사영상의 지리참조 데이터를 벡터데이터에 매핑하는 과정을 통하여 수치지도를 자동 생성한다.Among the embodiments, the method of automatically generating a building digital map using an orthoimage using an artificial intelligence technique is based on a drone orthographic image produced by unmanned aerial photography using a drone to produce a digital map with more accurate location accuracy than before. to create a numerical map. In addition, in order to save man hours of manual digital map creation, feature recognition through artificial intelligence and the outline of the recognized feature are generated as vector data (Polygon), and georeferenced data of orthoimages is converted into vector data. A digital map is automatically created through the process of mapping to
전처리(Preprocessing)단계에서는 정사영상을 히스토그램 평준화하고 평준화된 고해상도의 이미지인 정사영상을 인공지능 이미지 변환 모델의 변환 이미지크기로 슬라이싱하여 Tile화하는 과정과 입력 정사영상의 메타데이터로부터 후처리(Postprocessing)단계에서 사용되는 지상표본거리(GSD), 좌표계 및 타원체, 경위도 좌표 및 범위를 추출한다. In the preprocessing step, the orthoimage is histogram-leveled, and the orthoimage, which is a high-resolution image, is sliced to the converted image size of the artificial intelligence image conversion model to tile, and postprocessing from the metadata of the input orthoimage Extract the ground sample distance (GSD), coordinate system and ellipsoid, longitude and latitude coordinates and range used in the step.
이미지 변환 단계(Image to Image Translation) 단계에서는 기 학습된 GAN(Generative Adversarial Network)의 생성신경망을 활용하여 일정한 크기의 Tile 이미지들을 동일한 크기의 지형지물(건물)만 이진 분류된 이미지로 변환한다.In the Image to Image Translation step, tile images of a certain size are converted into binary-classified images using the generative neural network of GAN (Generative Adversarial Network) that has been learned beforehand.
후처리(Postprocessing) 단계에서는 변환된 Tile 이미지들을 변환 전 본래 위치로 합성하여 원본 정사영상과 동일한 해상도(크기)의 변환 이미지를 생성하고, 생성된 변환 이미지로부터 건물의 외곽을 추출하여 지형지물(건물)의 외곽만 나타나는 이미지를 생성하고 지상 표본거리에 맞게 스케일 변환한다. 스케일 변환된 건물외곽 이미지로부터 다시 외곽을 추출하여 벡터(Polygon)화하고 각 건물벡터에 대하여 선형단순화를 수행한다. 생성된 벡터데이터에 지리참조 데이터(좌표계, 경위도 좌표 및 범위)를 매핑하여 수치지도(Vector map)를 생성한다.In the postprocessing step, the converted tile images are synthesized in their original position before conversion to create a converted image with the same resolution (size) as the original orthoimage, and the outline of the building is extracted from the generated converted image to create a feature (building). ) is generated and scale-converted according to the ground sampling distance. From the scale-converted building exterior image, the exterior is extracted again, converted into a vector (polygon), and linear simplification is performed on each building vector. Create a digital map (Vector map) by mapping georeferenced data (coordinate system, latitude and longitude coordinates and range) to the created vector data.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.The disclosed technology may have the following effects. However, it does not mean that a specific embodiment must include all of the following effects or only the following effects, so it should not be understood that the scope of rights of the disclosed technology is limited thereby.
본 발명의 일 실시예에 따른 인공지능기법으로 정사영상을 이용하여 건물수치지도 자동생성방법은 인공지능을 활용한 지형지물 자동인지 및 자동화를 통한 Man hour을 절감할 수 있다.The method of automatically generating a building digital map using an orthoimage using an artificial intelligence technique according to an embodiment of the present invention can save man hours through automatic recognition and automation of landmarks using artificial intelligence.
일 실시예에 따른 인공지능기법으로 정사영상을 이용하여 건물수치지도 자동생성방법은 드론 정사영상을 활용한 수치지도의 높은 위치 정확도 확보 및 Digital twin 등 4차산업혁명 기술의 요구조건인 1:500의 대축척 수치지도 생성 이 가능할 수 있다.The method of automatically generating a building digital map using an orthoimage using an artificial intelligence technique according to an embodiment secures high positional accuracy of a digital map using a drone orthoimage and achieves 1:500, which is a requirement of the 4th industrial revolution technology such as digital twin. It may be possible to create a large-scale digital map of
도 1은 본 발명에 따른 인공지능기법으로 정사영상을 이용하여 건물수치지도 자동생성방법을 설명하는 도면이다.1 is a diagram explaining a method of automatically generating a building digital map using an orthoimage using an artificial intelligence technique according to the present invention.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.Since the description of the present invention is only an embodiment for structural or functional description, the scope of the present invention should not be construed as being limited by the embodiments described in the text. That is, since the embodiment can be changed in various ways and can have various forms, it should be understood that the scope of the present invention includes equivalents capable of realizing the technical idea. In addition, since the object or effect presented in the present invention does not mean that a specific embodiment should include all of them or only such effects, the scope of the present invention should not be construed as being limited thereto.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.Meanwhile, the meaning of terms described in this application should be understood as follows.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.Terms such as "first" and "second" are used to distinguish one component from another, and the scope of rights should not be limited by these terms. For example, a first element may be termed a second element, and similarly, a second element may be termed a first element.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.It should be understood that when an element is referred to as being “connected” to another element, it may be directly connected to the other element, but other elements may exist in the middle. On the other hand, when an element is referred to as being "directly connected" to another element, it should be understood that no intervening elements exist. Meanwhile, other expressions describing the relationship between components, such as “between” and “immediately between” or “adjacent to” and “directly adjacent to” should be interpreted similarly.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Expressions in the singular number should be understood to include plural expressions unless the context clearly dictates otherwise, and terms such as “comprise” or “having” refer to an embodied feature, number, step, operation, component, part, or these. It should be understood that it is intended to indicate that a combination exists, and does not preclude the possibility of the presence or addition of one or more other features, numbers, steps, operations, components, parts, or combinations thereof.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.In each step, the identification code (eg, a, b, c, etc.) is used for convenience of explanation, and the identification code does not describe the order of each step, and each step clearly follows a specific order in context. Unless otherwise specified, it may occur in a different order than specified. That is, each step may occur in the same order as specified, may be performed substantially simultaneously, or may be performed in the reverse order.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.The present invention can be implemented as computer readable code on a computer readable recording medium, and the computer readable recording medium includes all types of recording devices storing data that can be read by a computer system. . Examples of computer-readable recording media include ROM, RAM, CD-ROM, magnetic tape, floppy disk, and optical data storage devices. In addition, the computer-readable recording medium may be distributed to computer systems connected through a network, so that computer-readable codes may be stored and executed in a distributed manner.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.All terms used herein have the same meaning as commonly understood by one of ordinary skill in the art to which the present invention belongs, unless defined otherwise. Terms defined in commonly used dictionaries should be interpreted as consistent with meanings in the context of the related art, and cannot be interpreted as having ideal or excessively formal meanings unless explicitly defined in the present application.
기존 대비 정확한 위치정확도를 가진 수치지도를 제작하기 위하여 드론을 활용한 무인항공사 진측량으로 제작한 드론 정사영상을 기반으로 수치지도를 제작한다. 또한 수작업으로 이루어지던 수치지도 생성의 맨아워(Man hour)를 절약하기 위하여 인공지능을 통한 지형지물인지 및 인지한 지형지물의 외곽을 벡터데이터(Polygon)로 생성하고 정사영상의 지리참조 데이터를 벡터데이터에 매핑하는 과정을 통하여 수치지도를 자동 생성한다.In order to produce a digital map with precise location accuracy compared to the existing ones, a digital map is produced based on the drone orthographic image produced by unmanned aerial photogrammetry using drones. In addition, in order to save man hours of manual digital map creation, feature recognition through artificial intelligence and the outline of the recognized feature are generated as vector data (Polygon), and georeferenced data of orthoimages is converted into vector data. A digital map is automatically created through the process of mapping to
전처리(Preprocessing)단계에서는 정사영상을 히스토그램 평준화하고 평준화된 고해상도의 이미지인 정사영상을 인공지능 이미지 변환 모델의 변환 이미지크기로 슬라이싱하여 Tile화하는 과정과 입력 정사영상의 메타데이터로부터 후처리(Postprocessing)단계에서 사용되는 지상표본거리(GSD), 좌표계 및 타원체, 경위도 좌표 및 범위를 추출한다. In the preprocessing step, the orthoimage is histogram-leveled, and the orthoimage, which is a high-resolution image, is sliced to the converted image size of the artificial intelligence image conversion model to tile, and postprocessing from the metadata of the input orthoimage Extract the ground sample distance (GSD), coordinate system and ellipsoid, longitude and latitude coordinates and range used in the step.
이미지 변환 단계(Image to Image Translation) 단계에서는 기 학습된 GAN(Generative Adversarial Network)의 생성신경망을 활용하여 일정한 크기의 Tile 이미지들을 동일한 크기의 지형지물(건물)만 이진 분류된 이미지로 변환한다.In the Image to Image Translation step, tile images of a certain size are converted into binary-classified images using the generative neural network of GAN (Generative Adversarial Network) that has been learned beforehand.
후처리(Postprocessing) 단계에서는 변환된 Tile 이미지들을 변환 전 본래 위치로 합성하여 원본 정사영상과 동일한 해상도(크기)의 변환 이미지를 생성하고, 생성된 변환 이미지로부터 건물의 외곽을 추출하여 지형지물(건물)의 외곽만 나타나는 이미지를 생성하고 지상 표본거리에 맞게 스케일 변환한다. 스케일 변환된 건물외곽 이미지로부터 다시 외곽을 추출하여 벡터(Polygon)화하고 각 건물벡터에 대하여 선형단순화를 수행한다. 생성된 벡터데이터에 지리참조 데이터(좌표계, 경위도 좌표 및 범위)를 매핑하여 수치지도(Vector map)를 생성한다.In the postprocessing step, the converted tile images are synthesized in their original position before conversion to create a converted image with the same resolution (size) as the original orthoimage, and the outline of the building is extracted from the generated converted image to create a feature (building). ) is generated and scale-converted according to the ground sampling distance. From the scale-converted building exterior image, the exterior is extracted again, converted into a vector (polygon), and linear simplification is performed on each building vector. Create a digital map (Vector map) by mapping georeferenced data (coordinate system, latitude and longitude coordinates and range) to the created vector data.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although the above has been described with reference to preferred embodiments of the present invention, those skilled in the art will variously modify and change the present invention within the scope not departing from the spirit and scope of the present invention described in the claims below. You will understand that it can be done.
Claims (1)
인공지능을 통한 지형지물인지 및 인지한 지형지물의 외곽을 벡터데이터(Polygon)로 생성하고 정사영상의 지리참조데이터를 벡터데이터에 매핑하는 과정을 통하여 수치지도를 자동 생성하는 단계;
정사영상을 히스토그램 평준화하고 평준화된 고해상도의 이미지인 정사영상을 인공지능 이미지 변환 모델의 변환 이미지크기로 슬라이싱하여 Tile화하는 과정과 입력 정사영상의 메타데이터로부터 후처리(Postprocessing)단계에서 사용되는 지상표본거리(GSD), 좌표계 및 타원체, 경위도 좌표 및 범위를 추출하는 전처리(Preprocessing)단계;
기 학습된 GAN(Generative Adversarial Network)의 생성신경망을 활용하여 일정한 크기의 Tile 이미지들을 동일한 크기의 지형지물(건물)만 이진분류된 이미지로 변환하는 이미지 변환 단계(Image to Image Translation) 단계;
변환된 Tile 이미지들을 변환 전 본래 위치로 합성하여 원본 정사영상과 동일한 해상도(크기)의 변환 이미지를 생성하고, 생성된 변환이미지로부터 건물의 외곽을 추출하여 지형지물(건물)의 외곽만 나타나는 이미지를 생성하고 지상표본거리에 맞게 스케일 변환하는 후처리(Postprocessing) 단계;
스케일 변환된 건물외곽 이미지로부터 다시 외곽을 추출하여 벡터(Polygon)화하고 각 건물벡터에 대하여 선형단순화를 수행하는 단계;
생성된 벡터데이터에 지리참조 데이터(좌표계, 경위도 좌표 및 범위)를 매핑하여 수치지도(Vector map)를 생성하는 단계;를 포함하는 인공지능기법으로 정사영상을 이용하여 건물수치지도 자동생성방법.
Producing a digital map based on a drone orthoimage produced by unmanned aerial photogrammetry using a drone in order to produce a digital map with precise location accuracy compared to conventional ones;
Automatically generating a digital map through the process of recognizing a feature through artificial intelligence, generating the outline of the recognized feature as vector data (Polygon), and mapping the georeferenced data of the orthoimage to the vector data;
The process of tiling the orthoimage by histogram-leveling it and slicing the normalized high-resolution orthoimage to the converted image size of the artificial intelligence image conversion model, and the ground sample used in the postprocessing stage from the metadata of the input orthoimage Preprocessing step of extracting distance (GSD), coordinate system and ellipsoid, longitude and latitude coordinates and range;
An image conversion step (Image to Image Translation) step of converting tile images of a certain size into binary-classified images of only features (buildings) of the same size by using a pre-learned generative neural network of GAN (Generative Adversarial Network);
The converted tile images are synthesized in their original position before conversion to create a converted image with the same resolution (size) as the original orthoimage, and the outline of the building is extracted from the converted image to create an image showing only the outline of the feature (building). A postprocessing step of generating and converting the scale to match the ground sampling distance;
extracting the outline from the scale-converted building outline image, converting it into a vector (polygon), and performing linear simplification on each building vector;
Creating a digital map by mapping georeferenced data (coordinate system, longitude and latitude coordinates and range) to the generated vector data; A method of automatically generating a building digital map using an orthoimage using an artificial intelligence technique, including.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220010560A KR20230114431A (en) | 2022-01-25 | 2022-01-25 | Method for automatically generating a numerical map of building using an orthographic image with an artificial intelligence technique |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220010560A KR20230114431A (en) | 2022-01-25 | 2022-01-25 | Method for automatically generating a numerical map of building using an orthographic image with an artificial intelligence technique |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230114431A true KR20230114431A (en) | 2023-08-01 |
Family
ID=87561672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220010560A KR20230114431A (en) | 2022-01-25 | 2022-01-25 | Method for automatically generating a numerical map of building using an orthographic image with an artificial intelligence technique |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230114431A (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102195179B1 (en) | 2019-03-05 | 2020-12-24 | 경북대학교 산학협력단 | Orthophoto building methods using aerial photographs |
-
2022
- 2022-01-25 KR KR1020220010560A patent/KR20230114431A/en unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102195179B1 (en) | 2019-03-05 | 2020-12-24 | 경북대학교 산학협력단 | Orthophoto building methods using aerial photographs |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110160502B (en) | Map element extraction method, device and server | |
| Falkner et al. | Aerial mapping | |
| Chapman et al. | Georeferencing best practices. Version 1.0. | |
| CN111735446B (en) | Laser and visual positioning fusion method and device | |
| JP5366190B2 (en) | BUILDING CHANGE DETECTION DEVICE, BUILDING CHANGE DETECTION METHOD, AND PROGRAM | |
| CN106871901B (en) | A kind of underwater terrain matching air navigation aid based on terrain feature matching | |
| CN110838153A (en) | Method for making modern inland river electronic channel chart based on ArcGIS system and application | |
| CN114004977A (en) | Aerial photography data target positioning method and system based on deep learning | |
| Agisoft | Metashape python reference | |
| CN116485856A (en) | Unmanned aerial vehicle image geographic registration method based on semantic segmentation and related equipment | |
| Ergun et al. | Level of detail (LoD) geometric analysis of relief mapping employing 3D modeling via UAV images in cultural heritage studies | |
| CN114820668A (en) | End-to-end building regular outline automatic extraction method based on concentric ring convolution | |
| CN105701102A (en) | Map marking method | |
| Lin et al. | From site survey to hbim model for the documentation of historic buildings: The case study of hexinwu village in china | |
| Jeon et al. | Comparative evaluation of commercial softwares in UAV imagery for cultural heritage recording: case study for traditional building in South Korea | |
| KR20230114431A (en) | Method for automatically generating a numerical map of building using an orthographic image with an artificial intelligence technique | |
| CN111369579A (en) | Method for extracting three-dimensional cloud modeling target area contour | |
| Bobkov et al. | A technique to navigate autonomous underwater vehicles using a virtual coordinate reference network during inspection of industrial subsea structures | |
| CN105894471A (en) | Medium-small scale orthoimage rapid correction method based on large-scale topographic map | |
| CN115565072A (en) | Road garbage recognition and positioning method and device, electronic equipment and medium | |
| JP7347696B2 (en) | Training device, control method, and program | |
| KR20210129472A (en) | 3d spatial object location correction method based on road linearity | |
| CN110826432B (en) | Power transmission line identification method based on aviation picture | |
| CN114119389A (en) | Image restoration method, system and storage module | |
| CN104964670A (en) | Method for paperless photogrammetry by digital equipment |