KR101979879B1 - 항공 사진 측량 결과 후처리 장치 및 방법 - Google Patents

항공 사진 측량 결과 후처리 장치 및 방법 Download PDF

Info

Publication number
KR101979879B1
KR101979879B1 KR1020170170380A KR20170170380A KR101979879B1 KR 101979879 B1 KR101979879 B1 KR 101979879B1 KR 1020170170380 A KR1020170170380 A KR 1020170170380A KR 20170170380 A KR20170170380 A KR 20170170380A KR 101979879 B1 KR101979879 B1 KR 101979879B1
Authority
KR
South Korea
Prior art keywords
color
point cloud
cluster
noise
aerial
Prior art date
Application number
KR1020170170380A
Other languages
English (en)
Inventor
조창연
김정훈
Original Assignee
현대건설(주)
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 현대건설(주) filed Critical 현대건설(주)
Priority to KR1020170170380A priority Critical patent/KR101979879B1/ko
Application granted granted Critical
Publication of KR101979879B1 publication Critical patent/KR101979879B1/ko

Links

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
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T5/002—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 항공 사진 측량 결과 후처리 장치 및 방법을 제공하되, 항공에서 촬영된 항공 촬영 영상을 입력 받고, 항공 촬영 영상으로부터 생성된 3차원 포인트 클라우드 데이터에 기초하여, 3차원 공간 상에 위치한 컬러 데이터를 유사도에 따라 군집화하여 컬러 군집을 형성하고, 컬러 군집이 생성된 가상 공간에 임의의 기준선을 작성하여 기준선으로부터의 공간 벡터 값에 기초하여 공간 편차를 계산하고, 공간 편차에 따라 공간 벡터를 군집화하여 공간 벡터 군집을 형성하며, 서로 대응하는 위치의 공간 벡터 군집과 컬러 군집 간의 차집합에 속하는 포인트 클라우드를 노이즈로 인식하여 자동 제거한다.

Description

항공 사진 측량 결과 후처리 장치 및 방법{APPARATUS AND METHOD FOR POST-PROCESSING ABOUT AERIAL PHOTOGRAMMETRY OUTPUT}
본 발명은 항공 사진 측량 결과에 대한 후처리(post-processing)를 자동화 수행하는 장치 및 방법에 관한 것이다.
항공 사진 측량(Aerial Photogrammetry) 기술은, 항공기 및 기구 등에 탑재된 측량용 사진기로 촬영된 사진(또는 중복 촬영한 사진)을 이용하여 지형도 작성 및 판독에 주로 이용하되, 사진 판독(Photographic Interpretation)에 의한 환경 및 자원 해석, 형상 해석 등을 하는 측량 기술이다. 일반적으로 항공 사진 측량 기술을 통한 지도 제작 시, 항공 사진을 촬영하고 해석법에 의하여 중복 투시상을 정사투영으로 변환시켜 피사체의 위치, 형상 및 특성을 결정한다. 이러한 항공 사진 측량은 기존의 측량에 비해 피사체의 특성 등 정성적인 측량이 가능하고 움직이는 형상을 분석할 수 있으며, 정확도가 균일하고, 접근하기 어려운 지역의 관측이 가능하다는 장점이 있다. 그러나 시설 비용이 많이 들고 사진에 나타나지 않는 부분에 대해서는 현장 조사로 보완해야 하는 단점이 있다.
이와 관련하여, 대한민국 등록특허 제 10-1214582호(발명의 명칭: 항공촬영 이미지의 이해도를 높인 영상이미지 편집처리 시스템)에는, 항공기에 탑재되어 특정 지형지물의 항공촬영 이미지를 생성하는 항공촬영 카메라장치, 및 항공촬영 카메라장치와 접속하며 항공촬영 카메라장치에서 촬영된 항공촬영 이미지를 분석하여 지형지물의 높이에 따른 측면의 입체적인 특성을 분석하는 항공촬영 이미지 분석장치를 포함하되, 항공촬영 이미지 분석장치가, 항공촬영카메라장치로부터 제1 항공촬영 이미지, 제2 항공촬영 이미지, 제3 항공촬영 이미지를 각각 수신하여 저장하는 항공촬영 이미지 저장부, 항공촬영 이미지 저장부에 저장되어 있는 항공촬영 이미지들을 디지털 데이터로 변환시켜 로딩하는 항공촬영 이미지 로딩부, 지형지물 기준 중심점을 기준으로 하여 상기 로딩된 제1 내지 제 3 항공촬영 이미지를 중첩시켜 합성이미지를 생성하는 항공촬영 이미지 합성부, 및 항공촬영 이미지 합성부에서 합성된 이미지를 이용하여 제2 항공촬영 이미지에 표시된 지형지물과 제3 항공촬영 이미지에 표시된 지형지물로부터 제1 항공촬영 이미지에 표시된 지형지물을 각각 제거한 부분을 지형지물의 측면의 이미지로 생성하여 지형지물의 입체적인 상태에 따른 측면 이미지를 추출하는 지형지물 입체상태 분석부를 포함하는 것을 특징으로 하는, 항공촬영 이미지의 이해도를 높인 영상이미지 편집처리 시스템이 개시되어 있다.
한편, 기존의 항공 사진 측량 방식에서는 후처리 방식으로서, 항공 촬영 결과를 활용하여 3차원 포인트 클라우드를 생성하는 프로세스를 통해 데이터를 생성한 후에 하늘 또는 수면과 건물/지상의 경계면, 강한 일사량으로 인해 노출 과다가 발생하여 색상데이터가 없어진(백색 계열) 부위 등에서 발생한 컬러 노이즈를 사용자가 수동으로 지우는 방식이 일반적이었다.
본 발명의 일 실시예는 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 항공 사진 측량 결과로 생성된 3차원 포인트 클라우드에 포함된 노이즈를 제거하는 후처리를 수행하는 장치 및 방법을 제공하고자 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 측면에 따른 항공 사진 측량 결과 후처리 장치는, 항공에서 촬영된 항공 촬영 영상을 입력 받는 입력 모듈; 항공 사진 측량 결과 후처리 프로그램이 저장된 메모리; 및 상기 메모리에 저장된 프로그램을 실행하는 프로세서를 포함하며, 상기 프로세서는 상기 항공 사진 측량 결과 후처리 프로그램의 실행에 따라, 상기 항공 촬영 영상으로부터 생성된 3차원 포인트 클라우드 데이터에 기초하여 3차원 공간 상에 위치한 컬러 데이터를 유사도에 따라 군집화하여 상기 3차원 포인트 클라우드 데이터에 대한 컬러 군집을 형성하며, 상기 컬러 군집이 생성된 가상 공간에 임의의 기준선을 작성하고, 상기 기준선으로부터의 공간 벡터 값에 기초하여 공간 편차를 계산하고, 상기 계산된 공간 편차에 따라 공간 벡터를 군집화하여 상기 3차원 포인트 클라우드 데이터에 대한 공간 벡터 군집을 형성하고, 상기 3차원 공간 상의 좌표에서 동일한 위치에 대해서 상기 공간 벡터 군집에 포함된 상기 3차원 포인트 클라우드 데이터와 상기 컬러 군집에 포함된 상기 3차원 포인트 클라우드 데이터 간의 차집합에 속하는 포인트 클라우드를 노이즈로 인식하여 자동 제거한다.
또한, 본 발명의 다른 측면에 따른 항공 사진 측량 결과 후처리 방법은, 항공에서 촬영된 항공 촬영 영상을 입력 받는 단계; 상기 항공 촬영 영상으로부터 생성된 3차원 포인트 클라우드 데이터에 기초하여, 3차원 공간 상에 위치한 컬러 데이터를 유사도에 따라 군집화하여 상기 3차원 포인트 클라우드 데이터에 대한 컬러 군집을 형성하는 단계; 상기 컬러 군집이 생성된 가상 공간에 임의의 기준선을 작성하는 단계; 상기 기준선으로부터의 공간 벡터 값에 기초하여 공간 편차를 계산하고, 상기 공간 편차에 따라 공간 벡터를 군집화하여 상기 3차원 포인트 클라우드 데이터에 대한 공간 벡터 군집을 형성하는 단계; 및 상기 3차원 공간 상의 좌표에서 동일한 위치에 대해서 상기 공간 벡터 군집군집에 포함된 상기 3차원 포인트 클라우드 데이터와 상기 컬러 군집에 포함된 상기 3차원 포인트 클라우드 데이터 간의 차집합에 속하는 포인트 클라우드를 노이즈로 인식하여 자동 제거한다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 항공 상에서 영상을 촬영하는 항공 촬영 장치 측으로부터 획득된 항공 촬영 영상에서, 항공 측량의 정밀도에 영향을 미치는 컬러 노이즈를 효율적으로 제거할 수 있다.
또한, 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 기존에 인력에 의존하여 작업하였던 항공 사진 측량 결과에 대한 노이즈 제거 과정을 자동화함으로써 후처리 프로세스 시간이 크게 단축된다.
또한, 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 항공 사진 측량 결과의 후처리 시, 좌표 기준의 클러스터링(군집화)을 통해 항공 촬영 영상 내 경계선 부위의 색상 편차로 인한 좌표 부정확도를 크게 개선할 수 있다.
도 1은 본 발명의 일 실시예에 따른 항공 사진 측량 결과 후처리 장치의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 항공 사진 측량 결과에 대한 후처리 전/후의 예시도이다.
도 3은 본 발명의 일 실시예에 따른 항공 사진 측량 결과 후처리 방법을 설명하기 위한 순서도이다.
도 4는 본 발명의 일 실시예에 따른 포인트 클라우드 데이터의 컬러 분석 방법을 설명하기 위한 예시도이다.
도 5는 본 발명의 일 실시예에 따른 컬러 분포 연산 방법을 설명하기 위한 순서도이다.
도 6은 본 발명의 일 실시예에 따른 공간 벡터 산정 방법을 설명하기 위한 순서도 이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
이하, 도면을 참조하여 본 발명의 일 실시예에 따른 항공 사진 측량 결과 후처리 장치 및 그 방법에 대해서 상세히 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 항공 사진 측량 결과 후처리 장치의 구성도이다. 그리고 도 2는 본 발명의 일 실시예에 따른 항공 사진 측량 결과에 대한 후처리 전/후의 예시도이다.
도 1에 도시한 바와 같이, 항공 사진 측량 결과 후처리 장치(100)는 입력모듈(110), 메모리(120) 및 프로세서(130)를 포함한다. 또한, 도 1에는 도시되지 않았으나, 본 발명의 일 실시예에 따른 항공 사진 측량 결과 후처리 장치(100)는 프로세서(130)의 제어에 따라 항공 사진 측량 결과 및 그에 대한 후처리 결과물 등을 화면에 출력하는 디스플레이 모듈을 더 포함할 수 있다.
입력 모듈(110)은 항공 상에서 영상을 촬영하는 항공 촬영 장치 측으로부터 항공 촬영 영상을 입력 받아 프로세서(130)로 전달한다. 또한, 입력 모듈(110)은 사전에 연동된 항공 사진 측량 장치로부터 항공 사진 측량의 결과로서 생성된 3차원 포인트 클라우드 데이터 자체를 입력 받아 프로세서(130)로 전달할 수도 있다.
본 발명의 일 실시예에서 입력 모듈(110)을 통해 입력되는 항공 촬영 영상 또는 3차원 포인트 클라우드 데이터는, 드론(drone) 등의 저고도 무인 비행체를 통해 항공에서 촬영된 저고도 항공 측량 영상에 기반한 것일 수 있다.
메모리(120)에는 항공 사진 측량 결과물에 대한 후처리를 자동화 처리하는 프로그램(이하, '항공 사진 측량 결과 후처리 프로그램'이라고 지칭함)이 저장되어 있다. 이러한 메모리(120)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 또는 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치를 통칭하는 것이다.
프로세서(130)는 메모리(120)에 저장된 프로그램을 실행하되, 항공 사진 측량 결과 후처리 프로그램 의 실행에 따라 아래와 같은 처리를 수행할 수 있다.
프로세서(130)는 항공 촬영 영상으로부터 3차원 포인트 클라우드 데이터를 생성하거나 또는 외부로부터 이미 생성된 3차원 포인트 클라우드 데이터를 획득하며, 이러한 3차원 포인트 클라우드 데이터에서 3차원 공간 상에 위치한 컬러 데이터(RGB/CMYK 등)를 군집화하여 컬러 군집을 형성하며, 컬러 군집이 생성된 가상 공간에 임의의 기준선(또는 기준면)을 작성하고, 기준선(또는 기준면)으로부터의 공간 벡터 값에 기초하여 공간 편차를 계산하고, 계산된 공간 편차에 따라 공간 벡터를 군집화하여 3차원 포인트 클라우드 데이터에 대한 공간 벡터 군집을 형성하고, 서로 대응하는 위치의 공간 벡터 군집에 포함된 3차원 포인트 클라우드 데이터와 컬러 군집에 포함된 3차원 포인트 클라우드 데이터 간의 차집합에 속하는 포인트 클라우드를 노이즈로 인식하여 자동으로 제거한다. 그리고 프로세서(130)는 공간 벡터 군집과 컬러 군집 간의 교집합에 속하는 포인트 클라우드는 유지하여 컬러 데이터를 포함하는 공간 벡터를 생성하고, 이처럼 생성된 공간 벡터에 기반하여 노이즈 필터링(즉, 후처리)가 완료된 결과물을 출력한다.
참고로, 포인트 클라우드는 좌표계의 데이터 포인트들의 집합을 의미하되, 본 발명의 일 실시예에서 다루는 3차원 포인트 클라우드는 항공 사진 측량의 결과물로서 생성된 3차원 스캔 데이터를 의미한다.
항공 사진 측량 결과물로 3차원 포인트 클라우드 데이터를 생성하는 경우, 연속 촬영 사진의 노출 과다 등의 문제로 인해 영상에서 건물과 하늘의 경계면, 대지와 수면의 경계면, 및 건물 경계면 등의 근처에 컬러 노이즈가 발생하게 되는데, 본 발명의 일 실시예에 따르면 이러한 컬러 노이즈를 자동으로 제거하여 항공 측량 결과로 생성된 3차원 데이터의 신뢰도를 향상시킬 수 있다.
예를 들어, 도 2의 (a)에서는 해상 교량 공사 현장을 항공 사진 측량을 통해 처리한 영상으로서, 본 발명의 일 실시예에 따른 후처리 이전의 영상이다. 반면, 도 2의 (b)는 (a)와 동일한 항공 사진 측량 결과물에 대해 본 발명의 일 실시예에 따른 후처리를 수행한 영상이다. 도 2의(a) 및 (b)를 비교하면, (b)의 결과물에서 임의의 대상(도 2에서는 해상 교량 공사 현장 상의 '타워크레인(T/C)'이며, 이하에서는 "재료"라고 지칭함)에 대한 좌표 정확도가 (a)에 비해 크게 향상된 것을 알 수 있다.
이하, 도 3 내지 도 6을 참조하여 프로세서(130)가 항공 사진 측량 결과에 대한 후처리를 수행하는 방식에 대해서 상세히 설명하도록 한다.
도 3은 본 발명의 일 실시예에 따른 항공 사진 측량 결과 후처리 방법을 설명하기 위한 순서도이다. 그리고 도 4는 본 발명의 일 실시예에 따른 포인트 클라우드 데이터에 대한 컬러 분석 방법을 설명하기 위한 예시도이다.
도 3에서와 같이, 먼저 항공 사진 측량 결과물인 3차원 포인트 클라우드 데이터를 불러오기(import)한다(S311).
그리고 3차원 포인트 클라우드 데이터에 의한 3차원 공간 상에서 임의의 위치에 기준으로서 활용할 기준점을 설정한다(S312).
다음으로, 임포트된 3차원 포인트 클라우드 데이터에 대해, 컬러 분포에 기준한 군집화(이하, "제 1 군집화"라고 지칭함) 및 공간 벡터에 기준한 군집화(이하, "제 2 군집화"라고 지칭함)를 수행한다.
이때, 제 1 및 제 2 군집화는 각각 기설정된 재료의 컬러에 기반하여 수행될 수 있으며, 여기서 재료란 3차원 포인트 클라우드 데이터에서 노이즈를 제거한 후 정확한 데이터를 얻고자 하는 목적 객체를 의미한다. 예를 들어, 본 발명의 일 실시예에서는 재료로서, 도로, 건물의 외벽 및 옥상, 기타(나무, 숲, 강, 호수 등)를 설정한 것을 설명하도록 한다.
컬러 분포에 기준한 군집화(제 1 군집화)는 다음의 단계를 따른다.
3차원 포인트 클라우드 데이터 에 기초하여, 3차원 공간에 분포한 점(point)들의 컬러(RGB) 데이터를 추출하여, 컬러 분포를 연산한다(S313).
도 3에서는 RGB에 따른 컬러 분포를 연산하는 방식을 나타냈으나 이에 한정되지 않으며, CMYK 등 다양한 색상 표시 모델에 기준하여 컬러 분포를 연산할 수도 있다. 참고로, CMYK는 사이안(Cyan), 마젠타(Magenta), 황색(Yellow), 흑색(Black)의 약자로 감산혼합법을 이용하는 색 표시 모델의 하나로서, 색 구현 체계 중 잉크 체계를 의미한다. RGB 색 표시 모델이 빛의 3원색이며 컴퓨터 화면용 모드라고 한다면, CMYK는 염료의 3원색이며 인쇄용 모드라고 할 수 있다. 이러한 CMYK는 기준 색의 혼합으로 인쇄물의 색상이 정해지는데, 색상 값이 올라갈 때 색은 더 어두워지고 파랑, 자주, 노랑의 색을 모두 섞으면 검정이 된다. 이렇게 색을 혼합할수록 점점 어두워지고 검정색에 가까워지는 것을 감산혼합이라고 한다.
도 4에서는 앞서 도 2에서와 같은 해상 교량 공사 현장의 타워크레인(T/C)의 일 부분인 지브(Jib)로부터 컬러 데이터(RGB/CMYK 등)를 추출하는 과정을 나타냈다. 프로세서(130)는 도 4에서와 같은 컬러 데이터 추출 과정을 수행하고, 상기 추출된 컬러 데이터들을 기 설정된 색상 범위 내의 유사도에 기초하여 군집화한다.
상기 단계(S313) 이후에, 추출된 컬러 데이터의 분산 편차를 도출하여 유사한 컬러 데이터들을 군집화한다(S314).
그런 다음, 컬러 군집들에 대한 컬러 노이즈를 판독한다(S315).
이때, 컬러 노이즈는 화이트(또는 그레이) 및 블루 컬러 군집일 수 있다. 일반적으로 컬러 노이즈는, 항공 촬영 환경에서 기설정된 재료가 빛에 노출되어 발생되는 백색 계열이거나, 하늘 또는 수면에 의한 블루 계열인 경우가 대부분이기 때문이다. 다만, 컬러 노이즈로 설정되는 컬러의 종류는 한정되지 않는다.
다음으로, 컬러 노이즈를 판독한 결과에 기초하여 컬러 노이즈 리스트를 생성한다(S316).
이러한 컬러 노이즈 판독 및 그 리스트를 생성하는 과정에 대해서는 아래의 도 5의 예를 통해 상세히 설명하도록 한다.
한편, 공간 벡터에 기준한 군집화(제 2 군집화)는 다음의 단계를 따른다.
위와 같이 컬러 데이터가 군집화된 가상 공간에서 기준선(또는 기준면)을 설정하고, 기준선으로부터의 공간 벡터 값(즉, 거리 값)의 편차를 연산하여 공간 벡터를 군집화한다(S317).
이때, 기준선(또는 기준면)은 사전에 설정된 공간 벡터 경향성으로서, 공간 벡터 경향성은 각 재료의 컬러에 기준하여 다음과 같이 설정될 수 있다. 예를 들어, 도로는 유사한 컬러를 가진 포인트 클라우드가 동일한 폭을 유지하면서 직선으로 연결되는 경향성을 갖는다. 그리고 건물의 외벽은 컬러에 상관없이, 유사한 X-Y 좌표의 포인트 클라우드가 연속으로 Z 값만 변화하면서 상승하는 경향성을 갖는다. 또한 건물의 옥상은, 건물 외벽으로 인식한 포인트 클라우드의 Z 값이 가장 높은 위치로부터 해당 위치와 동일하거나 또는 기설정된 최대 범위(예를 들어 3m 등) 이내의 높이 차를 갖는 위치에서, 외벽선의 안쪽으로 동일하거나 유사한 Z 값을 갖는 경향성을 갖는다. 또한, 도로와 건물 외에 설정된 기타 재료(예: 나무, 숲, 강, 호수 등)는 각각 위와 같은 경향성 조건들을 만족하지 않는 포인트 클라우드의 집합체들로 설정될 수 있다.
그런 다음, 공간 벡터 군집 별로 기준선(또는 기준면)을 추출하여(S318), 각 재료에 대응하는 공간 벡터 리스트를 생성한다(S319).
다음으로, 노이즈를 제거할 필터링 범위를 설정한다(S320).
이때, 필터링 범위는 서로 대응하는 컬러 군집과 공간 벡터 군집 데이터 간의 교집합 및 차집합을 연산하여 설정할 수 있다.
그런 다음, 설정된 필터링 범위에 대해 노이즈 필터링을 처리한다(S321).
이때, 필터링을 통해 남기고자 하는 데이터는 재료의 위치에 대응하는 공간 벡터로서 두 군집 데이터 간의 교집합이고, 제거하고자 하는 노이즈는 재료와 컬러 노이즈 간의 경계면으로서 두 군집 데이터 간의 차집합이다. 따라서, 노이즈 필터링은 연산된 차집합을 제거하고 교집합을 유지한다.
다음으로, 노이즈 필터링의 결과로서 유지된 컬러 데이터를 포함하는 공간 벡터를 생성 및 출력하여 필터링을 완료한다(S322).
이상에서 설명한 제 1 및 제 2 군집화가 실행되는 순서는 적어도 일부의 단계가 병렬적일 수 있다.
이하, 도 5 및 도 6을 참조하여, 프로세서(130)가 컬러 노이즈를 판독하는 방법 및 재료에 대응하는 공간 벡터를 산정하는 방법에 대해서 상세히 설명하도록 한다.
도 5는 본 발명의 일 실시예에 따른 컬러 분포 연산 방법을 설명하기 위한 순서도이다.
도 5에 도시된 컬러 노이즈 판독 방법은, 앞서 도 3에서 설명한 컬러 노이즈 판독 단계(S315) 및 컬러 노이즈 리스트 생성 단계(S316)에 대응된다.
먼저, 군집화된 컬러 그룹들에 대해 기설정된 재료 색상을 포함하는지 여부를 확인한다(S511).
만약, 임의의 컬러 그룹(즉, 컬러 군집)이 임의의 재료의 색상을 포함한 경우 해당 재료와 위치 좌표를 매칭한다(S512).
이와 같이 매칭된 정보는 공간 벡터 연산(즉, 군집화 처리)을 위한 데이터로서 사용된다.
반면에, 컬러 그룹이 재료의 색상을 포함하지 않는 경우, 해당 컬러 그룹에 포함된 기설정된 컬러 노이즈의 종류에 따라 각각 좌표 분산을 확인한다(S513, S519).
본 발명의 일 실시예에서는 컬러 노이즈로서 화이트(또는 그레이) 및 블루가 설정된 것을 설명하도록 한다.
화이트(또는 그레이)를 포함하는 컬러 그룹의 좌표 분산을 확인한 후(S513), 건물 옥상의 표면에 대응하는 화이트 컬러인 경우(S514), 표면 현휘(glare) 노이즈로 판단한다(S515). 또한, 화이트(또는 그레이)를 포함하는 컬러 그룹에 대해서, 건물 외벽의 상부에 대응하는 화이트 컬러인 경우(S516), 이질 재료(구름/하늘 등) 노이즈로 판단한다(S517).
이때, 해당 화이트 컬러 그룹의 좌표가 건물(즉, 재료)의 위치로부터 일정 범위 이내에 대응하는 경우, 위와 같이 표면 현휘 노이즈 및 이질 재료 노이즈로 판단할 수 있다.
그런 다음, 표면 현휘 노이즈 및 이질 재료 노이즈로 판단된 컬러 그룹을 화이트 노이즈 데이터로서 컬러 노이즈 리스트에 추가한다(S518).
한편, 블루를 포함하는 컬러 그룹의 좌표 분산을 확인한 후(S519), 건물 외벽에 대응하는 블루 컬러인 경우(S520), 유리 난반사에 의한 현휘 노이즈로 판단한다(S521). 또한, 건물 옥상에 대응하는 블루 컬러인 경우(S522), 이질 재료(하늘/물 등) 노이즈로 판단한다(S523).
이때, 해당 블루 컬러 그룹의 좌표가 건물(즉, 재료)의 위치로부터 일정 범위 이내에 대응하는 경우, 위와 같이 표면 현휘 노이즈 및 이질 재료 노이즈로 판단할 수 있다.
다음으로, 표면 현휘 노이즈 및 이질 재료 노이즈로 판단된 컬러 그룹을 블루 노이즈 데이터로서 컬러 노이즈 리스트에 추가한다(S524).
도 6은 본 발명의 일 실시예에 따른 공간 벡터 산정 방법을 설명하기 위한 순서도 이다.
도 6에 도시된 공간 벡터 산정 방법은, 앞서 도 3에서 설명한 공간 벡터 군집 별 기준선(또는 기준면) 추출 단계(S318) 및 각 재료에 대응하는 공간 벡터 리스트 생성 단계(S319)에 대응된다.
먼저, 공간 벡터 그룹(즉, 공간 벡터 군집)의 기준선으로부터의 공간 편차를 연산한다(S611).
상기 단계 (S611)에서 공간 편차 연산 결과, 기설정된 경향성이 없는 포인트 그룹의 경우 포인트의 컬러 분산도를 확인한다(S612).
해당 포인트 그룹의 컬러 분산도 확인 결과, 갈색(또는 황갈색) 그룹으로 판단되고(S613), 임의의 공간 범위(예: 반경 2m 이내)에 수직 방향으로 연속 분포된 경우 수목 데이터 그룹으로 판단한다(S614). 또한, 갈색 그룹으로 판단되되(S613), 임의의 공간 범위에 수평 방향으로 연속 분포된 경우 대지 표면 데이터 그룹으로 판단한다(S615). 또한, 해당 포인트 그룹의 컬러 분산도 확인 결과, 블루 계열 그룹으로 판단된 경우(S616), 수 공간(호수 또는 강 등) 데이터 그룹으로 판단한다(S617).
반면에 상기 단계 (S611)에서 공간 편차 연산 결과 기설정된 경향성이 존재하는 포인트 그룹의 경우, 수평 방향에 대해서는 Z 편차를 확인하고(S618), 수직 방향에 대해서는 X-Y 편차를 확인한다(S622).
상기 단계 (S618)에서 수평 방향에 대해 Z 편차를 확인한 경우, 컬러 데이터의 연속성을 검토하고(S619), 해당 공간 벡터 그룹의 포인트 클라우드의 경사 경향성을 분석한다(S620).
경향성 분석 결과, 유사한 컬러를 가진 포인트 클라우드가 동일한 폭을 유지하면서 직선으로 연결되는 경향성을 가진 경우, 도로 데이터 그룹으로 판단한다(S621).
또한, 상기 단계 (S622)에서 수직 방향에 대해서 X-Y 편차를 확인한 경우, 컬러 데이터의 연속성을 검토하여(S623), 수직 방향으로 연속된 경우 외벽 데이터로 판단한다(S624).
이때, 상기 단계(S624)에서 외벽 데이터로 확인된 경우 및 상기 단계 (S623)에서 수평 방향으로 연속된 경우에 대해 각각 외벽 데이터 여부를 각각 판단하여(S625), 외벽 데이터인 경우 옥상 데이터 그룹으로 판단하고(S626), 외벽 데이터가 아닌 경우 도로(또는 대지) 경계 데이터 그룹으로 판단한다(S627).
이상에서, 수목 데이터, 대지 표면 데이터, 수 공간 데이터, 도로 데이터, 외벽 데이터, 옥상 데이터 및 도로(또는 대지) 경계 데이터로 판단된 각 공간 벡터 그룹들은, 공간 벡터 리스트에 추가될 수 있다.
이상에서 설명한 본 발명의 일 실시예에 따른 항공 사진 측량 결과 후처리 방법은, 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
본 발명의 장치 및 방법은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 항공 사진 측량 결과 후처리 장치
110: 입력 모듈
120: 메모리
130: 프로세서

Claims (12)

  1. 항공 사진 측량 결과 후처리 장치에 있어서,
    항공에서 촬영된 항공 촬영 영상을 입력 받는 입력 모듈;
    항공 사진 측량 결과 후처리 프로그램이 저장된 메모리; 및
    상기 메모리에 저장된 프로그램을 실행하는 프로세서를 포함하며,
    상기 프로세서는 상기 항공 사진 측량 결과 후처리 프로그램의 실행에 따라, 상기 항공 촬영 영상으로부터 생성된 3차원 포인트 클라우드 데이터에 기초하여 3차원 공간 상에 위치한 컬러 데이터를 유사도에 따라 군집화하여 상기 3차원 포인트 클라우드 데이터에 대한 컬러 군집을 형성하며, 상기 컬러 군집이 생성된 가상 공간에 임의의 기준선을 작성하고, 상기 기준선으로부터의 공간 벡터 값에 기초하여 공간 편차를 계산하고, 상기 계산된 공간 편차에 따라 공간 벡터를 군집화하여 상기 3차원 포인트 클라우드 데이터에 대한 공간 벡터 군집을 형성하고, 상기 3차원 공간 상의 좌표에서 동일한 위치에 대해서 상기 공간 벡터 군집에 포함된 상기 3차원 포인트 클라우드 데이터와 상기 컬러 군집에 포함된 상기 3차원 포인트 클라우드 데이터 간의 차집합에 속하는 포인트 클라우드를 노이즈로 인식하여 자동 제거하고,
    상기 프로세서는,
    기설정된 재료의 컬러에 기준하여 상기 컬러 군집을 군집화하고,
    상기 재료는 3차원 포인트 클라우드 데이터에서 노이즈를 제거한 후 얻고자 하는 목적 객체인 것인, 항공 사진 측량 결과 후처리 장치.
  2. 제 1 항에 있어서,
    상기 프로세서는,
    상기 3차원 공간 상의 좌표에서 동일한 위치에 대한 상기 공간 벡터 군집과 상기 컬러 군집 간의 교집합에 속하는 포인트 클라우드의 컬러 데이터를 포함하는 공간 벡터를 생성하고, 상기 생성된 공간 벡터에 기반하여 노이즈 필터링이 완료된 결과물을 출력하는, 항공 사진 측량 결과 후처리 장치.
  3. 삭제
  4. 제 1 항에 있어서,
    상기 프로세서는,
    상기 재료의 컬러 이외의 컬러 군집에 대해 컬러 노이즈 여부를 판독하되,
    상기 컬러 노이즈로서 화이트, 그레이 및 블루 컬러 중 적어도 하나의 컬러에 대한 컬러 군집을 판독하여 컬러 노이즈 리스트를 생성하는 것인, 항공 사진 측량 결과 후처리 장치.
  5. 제 1 항에 있어서,
    상기 프로세서는,
    상기 기준선으로부터의 공간 벡터 값의 편차를 연산하여 상기 공간 벡터 군집을 군집화하고, 상기 공간 벡터 군집 별로 상기 기준선을 추출하여 기설정된 하나 이상의 재료에 대응하는 공간 벡터 리스트를 생성하는, 항공 사진 측량 결과 후처리 장치.
  6. 제 5 항에 있어서,
    상기 재료가 도로인 경우, 기설정된 색상 범위 내에 포함된 유사 컬러를 갖는 포인트 클라우드가 동일한 폭을 유지하며 직선으로 연결된 기준선을 갖고,
    상기 재료가 건물의 외벽인 경우, 기설정된 색상 범위 내에 포함된 유사 컬러를 갖는 X-Y 좌표의 포인트 클라우드가 연속으로 Z 값만 변화하며 상승하는 기준선을 갖고,
    상기 재료가 건물의 옥상인 경우, 건물 외벽으로 인식한 포인트 클라우드의 Z 값이 가장 높은 위치 또는 가장 높은 위치로부터 기설정된 범위 내 위치에서 건물 외벽선의 안쪽 방향으로 동일 또는 기설정된 범위 내의 유사 Z 값을 갖는 기준선을 가지며,
    상기 프로세서는,
    상기 도로, 건물의 외벽 및 건물의 옥상 외의 기준선을 갖는 경우, 기타 재료로 판단하는 것인, 항공 사진 측량 결과 후처리 장치.
  7. 항공 사진 측량 결과 후처리 장치에 의해 수행되는 항공 사진 측량 결과 후처리 방법은,
    항공에서 촬영된 항공 촬영 영상을 입력 받는 단계;
    상기 항공 촬영 영상으로부터 생성된 3차원 포인트 클라우드 데이터에 기초하여, 3차원 공간 상에 위치한 컬러 데이터를 유사도에 따라 군집화하여 상기 3차원 포인트 클라우드 데이터에 대한 컬러 군집을 형성하는 단계;
    상기 컬러 군집이 생성된 가상 공간에 임의의 기준선을 작성하는 단계;
    상기 기준선으로부터의 공간 벡터 값에 기초하여 공간 편차를 계산하고, 상기 공간 편차에 따라 공간 벡터를 군집화하여 상기 3차원 포인트 클라우드 데이터에 대한 공간 벡터 군집을 형성하는 단계; 및
    상기 3차원 공간 상의 좌표에서 동일한 위치에 대해서 상기 공간 벡터 군집군집에 포함된 상기 3차원 포인트 클라우드 데이터와 상기 컬러 군집에 포함된 상기 3차원 포인트 클라우드 데이터 간의 차집합에 속하는 포인트 클라우드를 노이즈로 인식하여 자동 제거하는 단계를 포함하고,
    상기 컬러 군집을 형성하는 단계는,
    기설정된 재료의 컬러에 기준하여 상기 컬러 군집을 군집화하되,
    상기 재료는 3차원 포인트 클라우드 데이터에서 노이즈를 제거한 후 얻고자 하는 목적 객체인 것인, 항공 사진 측량 결과 후처리 방법.
  8. 제 7 항에 있어서,
    상기 차집합에 속하는 포인트 클라우드를 노이즈로 인식하여 자동 제거하는 단계는,
    상기 3차원 공간 상의 좌표에서 동일한 위치에 대한 공간 벡터 군집과 컬러 군집 간의 교집합에 속하는 포인트 클라우드의 컬러 데이터를 포함하는 공간 벡터를 생성하는 단계; 및
    상기 생성된 공간 벡터에 기반하여 노이즈 필터링이 완료된 결과물을 출력하는 단계를 더 포함하는, 항공 사진 측량 결과 후처리 방법.
  9. 삭제
  10. 제 7 항에 있어서,
    상기 컬러 군집을 형성하는 단계는,
    상기 재료의 컬러 이외의 컬러 군집에 대해 컬러 노이즈 여부를 판독하는 단계; 및
    상기 컬러 노이즈로서 화이트, 그레이 및 블루 컬러 중 적어도 하나의 컬러에 대한 컬러 군집을 판독하여 컬러 노이즈 리스트를 생성하는 단계를 더 포함하는, 항공 사진 측량 결과 후처리 방법.
  11. 제 7 항에 있어서,
    상기 공간 벡터 군집을 형성하는 단계는,
    상기 기준선으로부터의 공간 벡터 값의 편차를 연산하여 상기 공간 벡터 군집을 군집화하는 단계; 및
    상기 공간 벡터 군집 별로 상기 기준선을 추출하여 기설정된 하나 이상의 재료에 대응하는 공간 벡터 리스트를 생성하는 단계를 포함하는, 항공 사진 측량 결과 후처리 방법.
  12. 제 11 항에 있어서,
    상기 재료가 도로인 경우, 기설정된 색상 범위 내에 포함된 유사 컬러를 갖는 포인트 클라우드가 동일한 폭을 유지하며 직선으로 연결된 기준선을 갖고,
    상기 재료가 건물의 외벽인 경우, 기설정된 색상 범위 내에 포함된 유사 컬러를 갖는 X-Y 좌표의 포인트 클라우드가 연속으로 Z 값만 변화하며 상승하는 기준선을 갖고,
    상기 재료가 건물의 옥상인 경우, 건물 외벽으로 인식한 포인트 클라우드의 Z 값이 가장 높은 위치 또는 가장 높은 위치로부터 기설정된 범위 내 위치에서 건물 외벽선의 안쪽 방향으로 동일 또는 기설정된 범위 내의 유사 Z 값을 갖는 기준선을 가지며,
    상기 도로, 건물의 외벽 및 건물의 옥상 외의 기준선을 갖는 경우, 기타 재료로 판단하는 것인, 항공 사진 측량 결과 후처리 방법.
KR1020170170380A 2017-12-12 2017-12-12 항공 사진 측량 결과 후처리 장치 및 방법 KR101979879B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170170380A KR101979879B1 (ko) 2017-12-12 2017-12-12 항공 사진 측량 결과 후처리 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170170380A KR101979879B1 (ko) 2017-12-12 2017-12-12 항공 사진 측량 결과 후처리 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101979879B1 true KR101979879B1 (ko) 2019-05-17

Family

ID=66678056

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170170380A KR101979879B1 (ko) 2017-12-12 2017-12-12 항공 사진 측량 결과 후처리 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101979879B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862720A (zh) * 2021-02-24 2021-05-28 飞燕航空遥感技术有限公司 机载LiDAR点云中玻璃板漫反射噪声的去噪方法和***
US11321821B2 (en) * 2019-02-12 2022-05-03 Ordnance Survey Limited Method and system for generating composite geospatial images
CN117315160A (zh) * 2023-10-31 2023-12-29 重庆市规划和自然资源信息中心 一种建筑物三维实景建模工作方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11288465A (ja) * 1998-02-06 1999-10-19 Fujitsu Ltd カラー画像処理装置及びパターン抽出装置
JP2000285225A (ja) * 1999-03-30 2000-10-13 Kiyoyuki Horii コンピュータによる画像処理方法
KR20070060496A (ko) * 2005-12-08 2007-06-13 한국전자통신연구원 영상처리를 이용한 지질재료 분류 방법 및 그 장치
KR101234917B1 (ko) * 2012-10-31 2013-02-19 (주)지오투정보기술 가중치 적용된 임계값에 의한 영상 보정을 이용하는 3차원 공간 데이터 생성 방법 및 시스템
KR20140055937A (ko) * 2013-06-01 2014-05-09 (주)지오투정보기술 보정 영상으로부터 추출된 대상 객체의 좌표 정보와 항공사진의 좌표 정보를 비교하여 공통점을 추출함으로써 공간데이터를 모델링하는 공간 모델링 시스템
JP2014186567A (ja) * 2013-03-25 2014-10-02 Geo Technical Laboratory Co Ltd ３次元点群解析方法
KR20170134077A (ko) * 2016-05-27 2017-12-06 (주)인스페이스 무인기 영상을 활용한 선박 탐지방법 및 시스템
KR20180035359A (ko) * 2016-09-29 2018-04-06 전자부품연구원 평면정보를 이용한 3차원 공간 모델링 및 데이터 경량화 방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11288465A (ja) * 1998-02-06 1999-10-19 Fujitsu Ltd カラー画像処理装置及びパターン抽出装置
JP2000285225A (ja) * 1999-03-30 2000-10-13 Kiyoyuki Horii コンピュータによる画像処理方法
KR20070060496A (ko) * 2005-12-08 2007-06-13 한국전자통신연구원 영상처리를 이용한 지질재료 분류 방법 및 그 장치
KR101234917B1 (ko) * 2012-10-31 2013-02-19 (주)지오투정보기술 가중치 적용된 임계값에 의한 영상 보정을 이용하는 3차원 공간 데이터 생성 방법 및 시스템
JP2014186567A (ja) * 2013-03-25 2014-10-02 Geo Technical Laboratory Co Ltd ３次元点群解析方法
KR20140055937A (ko) * 2013-06-01 2014-05-09 (주)지오투정보기술 보정 영상으로부터 추출된 대상 객체의 좌표 정보와 항공사진의 좌표 정보를 비교하여 공통점을 추출함으로써 공간데이터를 모델링하는 공간 모델링 시스템
KR20170134077A (ko) * 2016-05-27 2017-12-06 (주)인스페이스 무인기 영상을 활용한 선박 탐지방법 및 시스템
KR20180035359A (ko) * 2016-09-29 2018-04-06 전자부품연구원 평면정보를 이용한 3차원 공간 모델링 및 데이터 경량화 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11321821B2 (en) * 2019-02-12 2022-05-03 Ordnance Survey Limited Method and system for generating composite geospatial images
CN112862720A (zh) * 2021-02-24 2021-05-28 飞燕航空遥感技术有限公司 机载LiDAR点云中玻璃板漫反射噪声的去噪方法和***
CN112862720B (zh) * 2021-02-24 2023-07-11 飞燕航空遥感技术有限公司 机载LiDAR点云中玻璃板漫反射噪声的去噪方法和***
CN117315160A (zh) * 2023-10-31 2023-12-29 重庆市规划和自然资源信息中心 一种建筑物三维实景建模工作方法
CN117315160B (zh) * 2023-10-31 2024-05-14 重庆市规划和自然资源信息中心 一种建筑物三维实景建模工作方法

Similar Documents

Publication Publication Date Title
US10237532B2 (en) Scan colorization with an uncalibrated camera
EP3112802B1 (en) Road feature measurement apparatus and road feature measuring method
US9269188B2 (en) Densifying and colorizing point cloud representation of physical surface using image data
Verhoeven et al. Undistorting the past: New techniques for orthorectification of archaeological aerial frame imagery
KR101979879B1 (ko) 항공 사진 측량 결과 후처리 장치 및 방법
Barazzetti et al. True-orthophoto generation from UAV images: Implementation of a combined photogrammetric and computer vision approach
CN109255808B (zh) 基于倾斜影像的建筑物纹理提取方法和装置
EP3876189A1 (en) Geographic object detection device, geographic object detection method, and geographic object detection program
Díaz et al. Customizing unmanned aircraft systems to reduce forest inventory costs: can oblique images substantially improve the 3D reconstruction of the canopy?
Agisoft Metashape python reference
CN116129064A (zh) 电子地图生成方法、装置、设备及存储介质
CN207068060U (zh) 基于无人机飞机航拍的交通事故现场三维重建***
JP4099776B2 (ja) ３次元モデル作成装置、３次元モデル作成方法および３次元モデル作成プログラム
CN117274338A (zh) 一种无人机高光谱图像对齐方法、装置、终端及存储介质
JP2020091640A (ja) 物体分類システム、学習システム、学習データ生成方法、学習済モデル生成方法、学習済モデル、判別装置、判別方法、およびコンピュータプログラム
JP6730501B1 (ja) 自動図化装置、自動図化方法および自動図化プログラム
Schwind Comparing and characterizing three-dimensional point clouds derived by structure from motion photogrammetry
Bellia et al. A preliminary assessment of the efficiency of using drones in land cover mapping
CN111062863B (zh) 3d模型与经纬度坐标绑定方法、装置、设备及存储介质
Santillan et al. Effects of flight plan parameters on the quality and usability of low-cost UAS photogrammetry data products for tree crown delineation
KR100953737B1 (ko) 이미지 매칭을 이용한 맨홀 도화 시스템
He et al. Volume measurement of sand carrier using uav-based mapping
Bodenmann et al. Pixel based mapping using a sheet laser and camera for generation of coloured 3D seafloor reconstructions
Gonçalves Using structure-from-motion workflows for 3D mapping and remote sensing
Muliady et al. UAV photogrammetry for generating 3D campus model

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant