KR102544043B1 - 드론 영상을 활용한 항공지도의 업데이트 방법 및 시스템 - Google Patents

드론 영상을 활용한 항공지도의 업데이트 방법 및 시스템 Download PDF

Info

Publication number
KR102544043B1
KR102544043B1 KR1020210042556A KR20210042556A KR102544043B1 KR 102544043 B1 KR102544043 B1 KR 102544043B1 KR 1020210042556 A KR1020210042556 A KR 1020210042556A KR 20210042556 A KR20210042556 A KR 20210042556A KR 102544043 B1 KR102544043 B1 KR 102544043B1
Authority
KR
South Korea
Prior art keywords
image
drone
gcp
real
point
Prior art date
Application number
KR1020210042556A
Other languages
English (en)
Other versions
KR20220136652A (ko
Inventor
최한승
표세영
윤여일
김진석
이진한
Original Assignee
네이버랩스 주식회사
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 네이버랩스 주식회사 filed Critical 네이버랩스 주식회사
Priority to KR1020210042556A priority Critical patent/KR102544043B1/ko
Priority to JP2022026347A priority patent/JP7375064B2/ja
Publication of KR20220136652A publication Critical patent/KR20220136652A/ko
Application granted granted Critical
Publication of KR102544043B1 publication Critical patent/KR102544043B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3852—Data derived from aerial or satellite images
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D47/00—Equipment not otherwise provided for
    • B64D47/08—Arrangements of cameras
    • 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
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G01C21/3822—Road feature data, e.g. slope data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3859—Differential updating map data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3863—Structures of map data
    • G01C21/387—Organisation of map data, e.g. version management or database structures
    • 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
    • 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
    • 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)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Business, Economics & Management (AREA)
  • Computer Graphics (AREA)
  • Databases & Information Systems (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Processing Or Creating Images (AREA)
  • Instructional Devices (AREA)

Abstract

드론 영상을 활용한 항공지도의 업데이트 방법 및 시스템을 개시한다. 일실시예에 따른 업데이트 방법은 기존 항공지도 기반의 DEM(Digital Elevation Model), DSM(Digital Surface Model) 및 실감정사영상(true-orthophoto)을 이용하여 기설정된 높이 이상의 영상을 포함하는 루프(roof) 실감정사영상을 생성하는 단계, 드론 영상과 루프 실감정사영상을 매칭하는 단계 및 매칭된 드론 영상을 기준으로 다른 드론 영상에 GCP(Ground Control Point)를 입력하는 단계를 포함할 수 있다.

Description

드론 영상을 활용한 항공지도의 업데이트 방법 및 시스템{METHOD AND SYSTEM FOR UPDATING AERIAL MAP USING IMAGE BY DRONE}
아래의 설명은 드론 영상을 활용한 항공지도의 업데이트 방법 및 시스템에 관한 것이다.
항공지도는 항공사진을 이용하여 생성된 지도를 의미할 수 있다. 이때, 항공지도의 취득 주기가 길어서(일례로, 2년), 도로 등의 영역에 대한 변경을 빠르게 반영하기 어렵다는 문제점이 있다.
이러한 문제점을 해결하기 위해 드론에 의해 생성되는 영상을 활용할 수 있으나, 드론 영상을 활용하여 기존 지도를 생성 및/또는 업데이트하기 위해서는 직접 외부에 나가서 GCP(Ground Control Point)를 측량하고, 측량된 GCP를 이용하여 지도를 제작 및/또는 업데이트 해야 하는 문제점이 있다.
또한, 측량한 GCP와 드론 영상간의 매칭이 수동 매뉴얼 작업으로 이루어지는 문제점이 있다.
[선행기술문헌]
한국등록특허 제10-0940118호
드론 영상을 활용하여 항공지도를 생성 및/또는 업데이트함에 있어서 기존 3차원 항공지도를 GCP로 활용함으로써 항공지도의 생성 및/또는 업데이트를 위한 시간 및 비용을 줄일 수 있는 업데이트 방법 및 시스템을 제공한다.
GCP로 활용되는 3차원 항공 지도와 드론 영상간의 자동 매칭을 지원함으로써 인력과 시간을 절약할 수 있는 업데이트 방법 및 시스템을 제공한다.
적어도 하나의 프로세서를 포함하는 컴퓨터 장치의 업데이트 방법에 있어서, 상기 적어도 하나의 프로세서에 의해, 기존 항공지도 기반의 DEM(Digital Elevation Model), DSM(Digital Surface Model) 및 실감정사영상(true-orthophoto)을 이용하여 기설정된 높이 이상의 영상을 포함하는 루프(roof) 실감정사영상을 생성하는 단계; 상기 적어도 하나의 프로세서에 의해, 드론 영상과 상기 루프 실감정사영상을 매칭하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 매칭된 드론 영상을 기준으로 다른 드론 영상에 GCP(Ground Control Point)를 입력하는 단계를 포함하는 것을 특징으로 하는 업데이트 방법을 제공한다.
일측에 따르면, 상기 루프 실감정사영상을 생성하는 단계는, 상기 실감정사영상에서 상기 DSM과 상기 DEM간의 차이가 기설정된 높이 이상인 부분을 추출하여 상기 루프 실감정사영상을 생성하는 것을 특징으로 할 수 있다.
다른 측면에 따르면, 상기 드론 영상과 상기 루프 실감정사영상을 매칭하는 단계는, 상기 드론 영상과 상기 루프 실감정사영상간의 특징점 매칭을 처리하는 단계; 상기 드론 영상의 일부에서 적어도 하나의 매칭 포인트를 선정하는 단계; 및 상기 선정된 포인트에 대응하는 상기 루프 실감정사영상에서의 위치에 대한 실제 지형의 3차원 좌표를 상기 선정된 포인트에 대한 가상 GCP로 선정하는 단계를 포함하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 특징점 매칭을 처리하는 단계는, 상기 드론 영상의 특징점과 상기 루프 실감정사영상의 특징점을 R2D2 매칭을 이용하여 매칭하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 드론 영상과 상기 루프 실감정사영상을 매칭하는 단계는, 상기 루프 실감정사영상에서 업데이트하고자 하는 범위에 기설정된 길이에 기반하여 시드(seed)를 설정하는 단계; 상기 설정된 시드에서 가장 가까운 루프 실감정사영상을 로딩하는 단계; 상기 로딩된 루프 실감정사영상에서 특징점을 추출한 후, 상기 설정된 시드의 위치를 상기 추출된 특징점의 밀집도에 기반하여 재설정하는 단계; 및 상기 재설정된 시드의 위치에서 가장 가까운 드론 영상의 일부를 로딩하는 단계를 더 포함하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 시드를 설정하는 단계는, 하나의 변의 길이가 상기 기설정된 길이인 복수의 정사각형으로 구성되는 범위에 대해, 상기 복수의 정사각형 각각마다 기설정된 수의 시드를 랜덤하게 설정하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 재설정하는 단계는, 상기 시드의 위치를 상기 추출된 특징점의 밀집도가 가장 높은 위치로 재설정하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 다른 드론 영상에 GCP를 입력하는 단계는, 상기 매칭된 드론 영상의 포인트에 상기 루프 실감정사영상의 매칭된 포인트에 따른 3차원 좌표를 가상 GCP로서 입력하는 단계; 및 상기 매칭된 드론 영상의 포인트와 매칭하는 상기 다른 드론 영상의 포인트에 상기 가상 GCP를 입력하는 단계를 포함하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 가상 GCP를 입력하는 단계는, 상기 매칭된 드론 영상의 포인트와 상기 다른 드론 영상의 포인트를 덴스 매칭(dense matching)을 이용하여 매칭하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 업데이트 방법은 상기 적어도 하나의 프로세서에 의해, 상기 GCP를 필터링하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 GCP를 필터링하는 단계는, 상기 매칭된 드론 영상에서의 픽셀의 위치점에 기반하여 상기 GCP에 대응하는 영상 좌표와의 차이가 최소화되는 드론 카메라의 내부 초점거리, 왜곡계수, 상기 드론 카메라의 회전정보 및 보정된 GCP를 결정하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 업데이트 방법은 상기 적어도 하나의 프로세서에 의해, 상기 필터링된 GCP가 입력된 드론 영상에 기반하여 업데이트된 DSM을 생성하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 업데이트된 DSM에 기반하여 업데이트된 실감정사영상을 생성하는 단계를 더 포함할 수 있다.
컴퓨터 장치와 결합되어 상기 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램을 제공한다.
상기 방법을 컴퓨터 장치에 실행시키기 위한 프로그램이 기록되어 있는 컴퓨터 판독 가능한 기록매체를 제공한다.
컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 의해, 기존 항공지도 기반의 DEM(Digital Elevation Model), DSM(Digital Surface Model) 및 실감정사영상(true-orthophoto)을 이용하여 기설정된 높이 이상의 영상을 포함하는 루프(roof) 실감정사영상을 생성하고, 드론 영상과 상기 루프 실감정사영상을 매칭하고, 상기 매칭된 드론 영상을 기준으로 다른 드론 영상에 GCP(Ground Control Point)를 입력하는 것을 특징으로 하는 컴퓨터 장치를 제공한다.
드론 영상을 활용하여 항공지도를 생성 및/또는 업데이트함에 있어서 기존 3차원 항공지도를 GCP로 활용함으로써 항공지도의 생성 및/또는 업데이트를 위한 시간 및 비용을 줄일 수 있다.
GCP로 활용되는 3차원 항공 지도와 드론 영상간의 자동 매칭을 지원함으로써 인력과 시간을 절약할 수 있다.
도 1은 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 2는 본 발명의 일실시예에 따른 업데이트 방법의 예를 도시한 흐름도이다.
도 3은 본 발명의 일실시예에 있어서, 드론 영상과 루프 실감정사영상을 매칭하는 방법의 예를 도시한 흐름도이다.
도 4는 본 발명의 일실시예에 있어서, 설정된 시드의 예를 도시한 도면이다.
도 5는 본 발명의 일실시예에 있어서, 시드의 위치를 재설정하는 예를 도시한 도면이다.
도 6은 본 발명의 일실시예에 있어서, 드론 영상과 루프 실감정사영상간의 매칭의 예를 도시한 도면이다.
도 7은 본 발명의 일실시예에 있어서, 드론 영상에서의 좌표에 대응하는 3차원 좌표를 선정하는 예를 도시한 도면이다.
도 8은 본 발명의 일실시예에 있어서, 서브 드론 영상과 가상 GCP간의 연결을 설정하는 예를 도시한 도면이다.
도 9 및 도 10은 본 발명의 일실시예에 있어서, 덴스 매칭을 통해 동일한 지점을 매칭한 예들을 나타내고 있다.
도 11 및 도 12는 본 발명의 일실시예에 있어서, 가중치를 보정하는 예를 도시한 도면이다.
도 13은 본 발명의 일실시예에 있어서, 드론 영상과 항공 영상간의 해상도 차이를 나타낸 도면이다.
도 14는 본 발명의 일실시예에 있어서, 드론 영상을 이용하여 항공지도를 업데이트한 예를 나타낸 도면이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
본 발명의 실시예들에 따른 업데이트 시스템은 적어도 하나의 컴퓨터 장치에 의해 구현될 수 있으며, 본 발명의 실시예들에 따른 업데이트 방법은 업데이트 시스템을 구현하는 적어도 하나의 컴퓨터 장치를 통해 수행될 수 있다. 컴퓨터 장치에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 업데이트 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 업데이트 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다. 컴퓨터 장치(Computer device, 100)는 도 1에 도시된 바와 같이, 메모리(Memory, 110), 프로세서(Processor, 120), 통신 인터페이스(Communication interface, 130) 그리고 입출력 인터페이스(I/O interface, 140)를 포함할 수 있다. 메모리(110)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(110)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(100)에 포함될 수도 있다. 또한, 메모리(110)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(110)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(110)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 인터페이스(130)를 통해 메모리(110)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(Network, 160)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 장치(100)의 메모리(110)에 로딩될 수 있다.
프로세서(120)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(110) 또는 통신 인터페이스(130)에 의해 프로세서(120)로 제공될 수 있다. 예를 들어 프로세서(120)는 메모리(110)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 인터페이스(130)은 네트워크(160)를 통해 컴퓨터 장치(100)가 다른 장치와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(100)의 프로세서(120)가 메모리(110)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(130)의 제어에 따라 네트워크(160)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(160)를 거쳐 컴퓨터 장치(100)의 통신 인터페이스(130)를 통해 컴퓨터 장치(100)로 수신될 수 있다. 통신 인터페이스(130)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(120)나 메모리(110)로 전달될 수 있고, 파일 등은 컴퓨터 장치(100)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(140)는 입출력 장치(I/O device, 150)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(140)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(150)는 컴퓨터 장치(100)와 하나의 장치로 구성될 수도 있다.
또한, 다른 실시예들에서 컴퓨터 장치(100)는 도 1의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(100)는 상술한 입출력 장치(150) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
도 2는 본 발명의 일실시예에 따른 업데이트 방법의 예를 도시한 흐름도이다. 본 실시예에 따른 업데이트 방법은 도 1을 통해 설명한 컴퓨터 장치(100)에 의해 수행될 수 있다. 이때, 컴퓨터 장치(100)의 프로세서(120)는 메모리(110)가 포함하는 운영체제의 코드나 적어도 하나의 컴퓨터 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(120)는 컴퓨터 장치(100)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(100)가 도 2의 방법이 포함하는 단계들(210 내지 260)을 수행하도록 컴퓨터 장치(100)를 제어할 수 있다.
단계(210)에서 컴퓨터 장치(100)는 기존 항공지도 기반의 DEM(Digital Elevation Model), DSM(Digital Surface Model) 및 실감정사영상(true-orthophoto)을 이용하여 기설정된 높이 이상의 영상을 포함하는 루프(roof) 실감정사영상을 생성할 수 있다. DEM은 실세계 지형 정보 중 건물, 수목, 인공 구조물 등을 제외한 지형(bare earth) 부분을 표현하는 수치 모형이고, DSM은 실세계의 모든 정보, 다시 말해 지형, 수목, 건물, 인공 구조물 등을 표현한 모형이다. 따라서, DSM과 DEM의 차이(DSM-DEM = CHM(Canopy Height Model))가 기설정된 값 이상인 부분은 건물, 수목, 인공 구조물 등에 대응할 수 있다. 이때, 컴퓨터 장치(100)는 실감정사영상에서 DSM과 DEM의 차이가 기설정된 높이(일례로, 17m) 이상인 부분만을 트루(true)로 추출함으로써 루프 실감정사영상을 생성할 수 있다.
단계(220)에서 컴퓨터 장치(100)는 드론 영상과 루프 실감정사영상을 매칭할 수 있다. 여기서, 드론 영상은 드론에 의해 촬영된 영상을 의미할 수 있다. 매칭된 포인트는 GCP(Ground Control Point)로 활용될 수 있으며, DSM 실감정사영상을 이용하면 매칭된 포인트의 3차원 좌표를 알 수 있다. 드론 영상과 루프 실감정사영상을 매칭하는 방법에 대해서는 이후 도 3을 통해 더욱 자세히 설명한다.
단계(230)에서 컴퓨터 장치(100)는 매칭된 드론 영상을 기준으로 다른 드론 영상에 GCP를 입력할 수 있다. 여기서의 GCP는 실제로 측량된 GCO가 아닌 드론 영상에 매칭된 루프 실감정사영상으로부터 얻어지는 3차원 좌표일 수 있다. 다시 말해, 컴퓨터 장치(100)는 매칭된 드론 영상을 메인으로 두고 주변의 서브 드론 영상과 가상 GCP간에 연결을 설정할 수 있다. GCP를 입력하는 방법에 대해서는 이후 도 8 내지 도 10을 통해 더욱 자세히 설명한다.
단계(240)에서 컴퓨터 장치(100)는 GCP를 필터링할 수 있다. 항공 영상은 카메라 내부정보가 정확하지만 드론 영상은 저가형 카메라를 사용하다 보니 내부정보가 부정확하여 카메라 포즈와 카메라 내부정보를 같이 보정할 필요성이 있다. 이러한 보정을 위해, 컴퓨터 장치(100)는 가상 GCP를 이용하여 번들 조정을 수행할 수 있다. 번들 조정에 대해서는 이후 더욱 자세히 설명한다.
단계(250)에서 컴퓨터 장치(100)는 필터링된 GCP가 입력된 드론 영상에 기반하여 업데이트된 DSM을 생성할 수 있다. 이때, 영상의 소스가 항공 영상에서 드론 영상으로 바뀌면서 발생하는 이슈가 수정될 수 있다.
단계(260)에서 컴퓨터 장치(100)는 업데이트된 DSM에 기반하여 업데이트된 실감정사영상을 생성할 수 있다. 이 과정은 항공지도의 생성을 위한 프로세스들에서 이미 잘 알려져 있기 때문에 구체적인 설명은 생략한다.
도 3은 본 발명의 일실시예에 있어서, 드론 영상과 루프 실감정사영상을 매칭하는 방법의 예를 도시한 흐름도이다. 도 3의 단계들(310 내지 370)은 앞서 설명한 도 2의 단계(220)에 포함되어 컴퓨터 장치(100)에 의해 수행될 수 있다.
단계(310)에서 컴퓨터 장치(100)는 루프 실감정사영상에서 업데이트하고자 하는 범위(Region Of Interest, ROI)에 기설정된 길이에 기반하여 시드(seed)를 설정할 수 있다. 시드는 향후 GCP 위치가 될 수 있는 포인트이며, 기설정된 길이는 일례로 120m가 될 수 있다. 여기서 기설정된 길이는 시드간의 간격이 될 수도 있고, 기설정된 수의 시드가 설정되는 영역을 나타내는 길이일 수도 있다.
도 4는 본 발명의 일실시예에 있어서, 설정된 시드의 예를 도시한 도면이다. 도 4는 루프 실감정사영상(410)의 특정 범위에 한 변의 길이가 기설정된 길이(일례로, 120m)로 설정된 정사각형(420)이 표시된 예를 나타내고 있다. 이때, 컴퓨터 장치(100)는 이러한 정사각형(420)에 m(도 4의 실시예에서 m=5)개의 시드들을 설정할 수 있다. 하나의 루프 실감정사영상(410)에는 다수의 정사각형들이 랜덤하게 설정될 수 있으며, 각 정사각형들마다 m개의 시드들이 랜덤하게 설정될 수 있다.
이러한 도 4의 실시예는 균일하게 GCP를 선정하여야 정확도를 확보하기 위한 하나의 방식일 뿐, 시드의 설정 방법이 도 4의 실시예로 한정되는 것은 아니다. 일례로, 루프 실감정사영상(410) 내의 업데이트하고자 하는 범위에서 기설정된 길이의 간격으로 균일하게 시드를 설정할 수도 있다.
다시 도 3을 참조하면, 단계(320)에서 컴퓨터 장치(100)는 각 시드에서 가장 가까운 루프 실감정사영상을 로딩할 수 있다. 이때, 각 시드에서 가장 가까운 루프 실감정사영상은 루프 실감정사영상 중 해당 시드를 포함하는 영상의 일부일 수 있다.
단계(330)에서 컴퓨터 장치(100)는 로딩된 루프 실감정사영상에서 특징점을 추출한 후, 설정된 시드의 위치를 추출된 특징점의 밀집도에 기반하여 재설정할 수 있다. 일정한 간격으로 시드를 설정하기 때문에 시드의 위치가 루프에 없을 수 있다. 이에 컴퓨터 장치(100)는 시드의 위치를 해당 시드에서 가장 가까운 루프 실감정사영상의 특징점들이 밀집한 위치로 옮겨서 시드의 위치를 재설정할 수 있다.
도 5는 본 발명의 일실시예에 있어서, 시드의 위치를 재설정하는 예를 도시한 도면이다. 도 5는 루프 실감정사영상(510)에서 시드(520)가 루프상에 없는 경우, 가장 가까운 루프(530)에서 특징점들이 밀집한 위치로 시드(520)의 위치를 재설정하는 예를 나타내고 있다. 일례로, 컴퓨터 장치(100)는 시드(520)의 위치에서 가장 가까운 루프(530)의 특징점들을 추출한 후, 특징점들의 밀도가 가장 높은 위치로 시드(520)의 위치를 재설정할 수 있다.
다시 도 3을 참조하면, 단계(340)에서 컴퓨터 장치(100)는 재설정된 시드의 위치에서 가장 가까운 드론 영상의 일부를 로딩할 수 있다. 드론 영상의 일부는 해당 드론 영상에서 잘려진 일부의 조각 영상을 의미할 수 있다.
단계(350)에서 컴퓨터 장치(100)는 로딩된 드론 영상의 일부와 루프 실감정사영상간의 특징점 매칭을 처리할 수 있다. 일례로, 컴퓨터 장치(100)는 R2D2(Repeatable and Reliable Detector and Descriptor) 매칭을 통해 로딩된 드론 영상의 일부와 루프 실감정사영상간의 포인트들(특징점들)을 매칭할 수 있다. 포인트들의 매칭은 R2D2 이외에도 SIFT(Scale-Invariant Feature Transform), HardNet, LogPolarDesc 등과 같이 이미 잘 알려진 이미지 매칭 기술들 중 하나가 활용될 수도 있다. 다만, R2D2는 시공간해상도가 다른 두 영상 간의 매칭의 성능을 높이기 위해서 학습된 매칭기법으로, 실감정사영상과 드론영상간의 영상의 취득 시간과 공간해상도 차이를 고려할 때 R2D2를 이용하여 포인트들의 매칭을 처리하는 것이 바람직할 수 있다. 이때, 컴퓨터 장치(100)는 n(일례로, n은 100) 개의 포인트들을 매칭할 수 있다.
단계(360)에서 컴퓨터 장치(100)는 드론 영상의 일부에서 적어도 하나의 매칭 포인트를 선정할 수 있다. 일례로, 컴퓨터 장치(100)는 매칭된 복수의 포인트들 중 매칭이 가장 잘된 포인트를 선정할 수 있다. 일례로, 특징점 매칭을 수행할 때, 컴퓨터 장치(100)는 두 영상들에서 특징점 주변의 픽셀값들이 가장 유사한 특징점간의 매칭을 수행할 수 있다. 이러한 특징점 주변의 픽셀값들간의 유사도를 디스턴스(distance)라고 하는데, 디스턴스의 값이 클수록 유사도가 작고, 디스턴스의 값이 작을수록 유사도가 크다고 판단될 수 있다. 따라서 컴퓨터 장치(100)는 매칭된 점들 중 디스턴스의 값이 가장 작은 매칭점을 매칭이 가장 잘된 포인트로서 선정할 수 있다.
도 6은 본 발명의 일실시예에 있어서, 드론 영상과 루프 실감정사영상간의 매칭의 예를 도시한 도면이다. 도 6은 드론 영상(610)과 루프 실감정사영상(620)간의 대응하는 포인트들을 연결한 예를 나타내고 있다. 이때, 도 6은 복수의 포인트들 중 매칭이 가장 잘된 포인트들을 연결하는 선(630)을 다른 선들보다 굵게 나타내고 있다. 이때, 선(630)에 의해 연결된 포인트들(640, 650)이 선정될 수 있다. 도 6에서는 매칭되는 포인트들을 간략화하여 설명하였으나, 앞서 설명한 바와 같이 컴퓨터 장치(100)는 n 개의 포인트들을 매칭한 후, 매칭된 n 개의 포인트들 중에서 매칭이 가장 잘된 포인트를 선정할 수 있다. 여기서 n 개의 포인트들을 매칭하는 것은 드론 영상(610)을 기준으로 n 개의 포인트들을 루프 실감정사영상(620)의 n 개의 포인트들과 매칭하는 것을 의미할 수 있다.
다시 도 3을 참조하면, 단계(370)에서 컴퓨터 장치(100)는 선정된 포인트에 대응하는 루프 실감정사영상에서의 위치에 대한 실제 지형의 3차원 좌표를 선정된 포인트에 대한 가상 GCP로 선정할 수 있다. 이처럼, 컴퓨터 장치(100)는 기존 항공지도로부터 얻어지는 루프 실감정사영상에서 드론 영상의 특정 좌표(x, y)에 대한 실제 측량한 것과 같은 지형의 3차원 좌표(X, Y, Z)를 얻을 수 있다.
도 7은 본 발명의 일실시예에 있어서, 드론 영상에서의 좌표에 대응하는 3차원 좌표를 선정하는 예를 도시한 도면이다. 도 7은 드론 영상(610)에서의 포인트의 영상위치 (x, y)와 루프 실감정사영상(630)에서의 매칭된 포인트에 대응하는 실제 지형의 3차원 좌표 (X, Y, Z)를 가상 GCP로 선정할 수 있다. 여기서, 루프 실감정사영상(630)에서의 매칭된 포인트에 대응하는 실제 지형의 3차원 좌표 (X, Y, Z)는 DSM에 의해 얻어질 수 있다. 보다 구체적으로, X와 Y는 실감정사영상에서 얻어질 수 있으며, DSM이 각 필셀마다의 높이값을 가지고 있기 때문에 실감정사영상에 대응되는 DSM의 위치에서 높이값을 추출하여 Z가 얻어질 수 있다.
다시 도 2를 참조하면, 단계(230)에서 컴퓨터 장치(100)는 매칭된 드론 영상을 기준으로 다른 드론 영상에 GCP를 입력하기 위해, 매칭된 드론 영상을 기준으로 주변의 서브 드론 영상과 가상 GCP간의 연결을 설정할 수 있다.
도 8은 본 발명의 일실시예에 있어서, 서브 드론 영상과 가상 GCP간의 연결을 설정하는 예를 도시한 도면이다. 도 8은 메인 드론 영상(810)과 루프 실감정사영상(820)간에 매칭된 포인트들에 기반하여 메인 드론 영상(810) 주변의 서브 드론 영상들(830) 각각에 대해서도 포인트들을 매칭함으로써, 서브 드론 영상의 영상위치 (x, y)와 가상 GCP의 3차원 좌표 (X, Y, Z)를 연결한 모습을 나타내고 있다. 일례로, 컴퓨터 장치(100)는 메인 드론 영상(810)이 루프 실감정사영상(820)의 가상 GCP와 연결된 지점과 동일한 서브 드론 영상들(830) 각각의 지점을 매칭하여 서브 드론 영상들(830) 각각의 지점에 대해 가상 GCP를 연결할 수 있다. 다시 말해, 컴퓨터 장치(100)는 루프 실감정사영상(820)에 매칭된 메인 드론 영상(810)의 포인트에 루프 실감정사영상(820)의 매칭된 포인트에 따른 3차원 좌표를 가상 GCP로서 입력할 수 있으며, 매칭된 메인 드론 영상(810)의 포인트와 매칭하는 다른 드론 영상들(830) 각각의 포인트에 가상 GCP를 입력할 수 있다. 이때, 메인 드론 영상(810)과 서브 드론 영상들(830) 각각의 동일한 지점의 매칭은 덴스 매칭(dense matching)을 통해 이루어질 수 있다.
도 9 및 도 10은 본 발명의 일실시예에 있어서, 덴스 매칭을 통해 동일한 지점을 매칭한 예들을 나타내고 있다. 도 9는 덴스 매칭을 이용하여 메인 드론 영상(910)과 서브 드론 영상(920)의 동일 지점을 매칭하는 과정의 예를 나타내고 있으며, 도 10은 덴스 매칭을 통해 메인 이미지(Main image, 1010)와 서브 이미지들(Sub images, 1020 및 1030)에서 동일한 지점이 매칭된 예를 나타내고 있다. 여기서, 메인 이미지(1010)는 메인 드론 이미지에, 서브 이미지들(1020 및 1030)은 서브 드론 이미지들에 대응할 수 있다.
다시 도 2를 참조하면, 단계(240)에서 컴퓨터 장치(200)는 GCP를 필터링하기 위해, 번들 조정을 처리할 수 있다. 이때, 단계(210) 내지 단계(230)을 수행하면, 드론 이미지들에 자동으로 GCP가 입력될 수 있다. 따라서 실제로 사람이 외부에 나가 GCP를 측량할 필요가 없어지며, 측량된 GCP를 드론 이미지와 수동으로 매칭할 필요가 없어지기 때문에 비용과 시간을 줄일 수 있게 된다.
다만, 측량된 GCP(정확도 2-3cm)에 비해 자동으로 입력된 가상 GCP(정확도 8-15cm)의 경우 정확도가 떨어지기 때문에 여러 필터링이 적용될 수 있다. 드론 영상은 항공 영상에 비해 초기값이 부정확하기 때문에 컴퓨터 장치(100)는 GCP를 보정하기 위해 7-parameters를 처리할 수 있다. 7-parameters는 강체 변환(Rigid Transformation)으로서 동일한 두 모델간의 스케일, 회전, 이동을 조정하여 동일하게 맞추는 기법이다. 본 실시예에서는 항공지도에서 추출한 GCP(X, Y, Z)와 드론영상에서 매칭된 GCP를 삼각측량(Triangulation)하여 3차원 좌표(X, Y, Z)를 얻을 수 있는데 GCP와 3차원 좌표가 동일한 위치를 가져야 한다. 그렇지만 드론 영상은 저가형 GPS를 사용하기 때문에 3차원 좌표는 GCP와 다른 위치를 나타낼 수 있다. 이때, 7-parameters 처리를 통해 3차원 좌표를 GCP 위치게 맞게끔 스케일, 회전, 이동을 계산하고, 그 매개변수를(스케일, 회전, 이동) 드론 영상에 적용 및 변환하여 실제 지형에 유사한 당시 촬영된 드론의 위치를 추정할 수 있다. 컴퓨터 장치(100)는 7-parameters를 처리하면서 가상 GCP의 3차원 좌표에서 X, Y, Z 각각에 대한 평가를 가중치로 고려할 수 있다. 일례로, 컴퓨터 장치(100)는 가중치를 보정하여 셀프-칼리브레이션(self-calibration)을 수행할 수 있다. 이때, 컴퓨터 장치(100)는 영상의 사이드(side) 쪽에 더 강한 가중치를 두고, 특징점들의 밀집도에서 떨어질수록 강한 가중치를 줄 수 있다.
도 11 및 도 12는 본 발명의 일실시예에 있어서, 가중치를 보정하는 예를 도시한 도면이다. 도 11은 영상의 사이드 쪽에 위치하는 지점일수록 공분산(covariance)이 감소함을 나타내고 있다. 셀프-칼리브레이션을 할 때, 영상의 왜곡(distortion)을 보정하는 것이 핵심인데 보통 영상의 왜곡은 영상의 끝 부근에서 이루어진다. 따라서 영상의 끝 부분에 있는 포인트에 공분산(covariance)을 적게 두어 왜곡을 풀 때 영향을 더 많이 미치게 함으로써, 왜곡을 더 정확하게 풀 수 있다.
도 12는 특징점들의 밀집도가 감소하는 지점일수록 가중치가 증가함을 나타내고 있다.
아래의 수학식 1은 번들 조정의 기본 수식의 예를 나타내고 있다.
Figure 112021038306838-pat00001
여기서, x gcp 는 드론 영상에서의 픽셀의 위치점을 나타낼 수 있으며, K는 드론 카메라의 내부 초점거리 및 왜곡계수를 포함하는 정보를 포함할 수 있고, R은 드론 카메라의 회전정보를, G는 3차원 좌표(GCP)에 대응하는 영상 좌표를 나타낼 수 있다. ρ는 손실 함수(loss function)를, e는 비용 함수(cost function)를 P는 프로젝션 함수(projection function)을 W gcp 는 가중치를 각각 나타낼 수 있다. G는 외부에 나가 직접 측량한 데이터가 아니기 때문에 정확도에서 8-15cm의 차이가 발생할 수 있다. 이에 GCP를 완전한 트루(true)로 두지 않고 약간의 조정이 가능한 미지수로 두고 방정식을 풀게 된다. 다시 말해, G는 처음에 얻어진 GCP일 수 있으며,
Figure 112021038306838-pat00002
는 추정된 GCP일 수 있다. 추정된 GCP와 처음에 얻어진 GCP간의 차이를 너무 크지 않도록 만들기 위해 가중치(W gcp )를 두어서 추정을 할 수 있다. 이처럼, 픽셀의 위치점 x gcp 는 사전 매칭을 통해 이미 결정되었기 때문에 컴퓨터 장치(100)는 픽셀의 위치점 x gcp 를 이용하여 GCP에 대응하는 영상 좌표와의 차이가 최소화되는 R, K를 결정할 수 있다. 추가적으로 컴퓨터 장치(100)는 추정된(또는 보정된 GCP인
Figure 112021038306838-pat00003
를 결정할 수 있다. 다시 말해, 컴퓨터 장치(100)는 매칭된 드론 영상에서의 픽셀의 위치점에 기반하여 GCP에 대응하는 영상 좌표와의 차이가 최소화되는 드론 카메라의 내부 초점거리, 왜곡계수, 드론 카메라의 회전정보 및 보정된 GCP를 결정할 수 있다.
한편, 손실 함수는 아래 수학식 2와 같이 나타낼 수 있다.
Figure 112021038306838-pat00004
여기서, r은 에러를 δ는 기설정된 임계값을 각각 나타낼 수 있다. 또한, c'는 아래 수학식 3과 같이, s'는 아래 수학식 4와 같이 표현될 수 있다.
Figure 112021038306838-pat00005
Figure 112021038306838-pat00006
수학식 2는 에러가 기설정된 임계값 미만인 경우에 가중치를 일정한 값으로 고정시키기 위해 활용될 수 있다.
이처럼, 컴퓨터 장치(100)에서 가상 GCP를 필터링함으로써, 어느 정도 이상치(outlier)가 있어도 기존의 항공지도에 드론 영상의 매핑이 잘 이루어질 수 있다.
도 13은 본 발명의 일실시예에 있어서, 드론 영상과 항공 영상간의 해상도 차이를 나타낸 도면이고, 도 14는 본 발명의 일실시예에 있어서, 드론 영상을 이용하여 항공지도를 업데이트한 예를 나타낸 도면이다.
도 13에서는 드론 영상(1310)이 항공 영상(1320)보다 해상도가 높음을 나타내고 있으며, 도 14에서는 해상도가 상대적으로 더 높은 드론 영상을 이용하여 항공지도를 업데이트함에 따라 드론 영상을 이용하여 업데이트된 항공지도의 영역의 해상도가 증가한 예를 나타내고 있다.
이와 같이, 본 발명의 실시예들에 따르면, 드론 영상을 활용하여 항공지도를 생성 및/또는 업데이트함에 있어서 기존 3차원 항공지도를 GCP로 활용함으로써 항공지도의 생성 및/또는 업데이트를 위한 시간 및 비용을 줄일 수 있다. 또한, GCP로 활용되는 3차원 항공 지도와 드론 영상간의 자동 매칭을 지원함으로써 인력과 시간을 절약할 수 있다.
이상에서 설명된 시스템 또는 장치는 하드웨어 구성요소, 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate 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 어플리케이션을 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 콘트롤러를 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 기록매체에 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. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다. 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 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (20)

  1. 적어도 하나의 프로세서를 포함하는 컴퓨터 장치의 업데이트 방법에 있어서,
    상기 적어도 하나의 프로세서에 의해, 기존 항공지도 기반의 DEM(Digital Elevation Model), DSM(Digital Surface Model) 및 실감정사영상(true-orthophoto)을 이용하여 기설정된 높이 이상의 영상을 포함하는 루프(roof) 실감정사영상을 생성하는 단계;
    상기 적어도 하나의 프로세서에 의해, 드론 영상과 상기 루프 실감정사영상을 매칭하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 매칭된 드론 영상을 기준으로 다른 드론 영상에 GCP(Ground Control Point)를 입력하는 단계
    를 포함하는 것을 특징으로 하는 업데이트 방법.
  2. 제1항에 있어서,
    상기 루프 실감정사영상을 생성하는 단계는,
    상기 실감정사영상에서 상기 DSM과 상기 DEM간의 차이가 기설정된 높이 이상인 부분을 추출하여 상기 루프 실감정사영상을 생성하는 것을 특징으로 하는 업데이트 방법.
  3. 제1항에 있어서,
    상기 드론 영상과 상기 루프 실감정사영상을 매칭하는 단계는,
    상기 드론 영상과 상기 루프 실감정사영상간의 특징점 매칭을 처리하는 단계;
    상기 드론 영상의 일부에서 적어도 하나의 매칭 포인트를 선정하는 단계; 및
    상기 선정된 포인트에 대응하는 상기 루프 실감정사영상에서의 위치에 대한 실제 지형의 3차원 좌표를 상기 선정된 포인트에 대한 가상 GCP로 선정하는 단계
    를 포함하는 것을 특징으로 하는 업데이트 방법.
  4. 제3항에 있어서,
    상기 특징점 매칭을 처리하는 단계는,
    상기 드론 영상의 특징점과 상기 루프 실감정사영상의 특징점을 R2D2 매칭을 이용하여 매칭하는 것을 특징으로 하는 업데이트 방법.
  5. 제3항에 있어서,
    상기 드론 영상과 상기 루프 실감정사영상을 매칭하는 단계는,
    상기 루프 실감정사영상에서 업데이트하고자 하는 범위에 기설정된 길이에 기반하여 시드(seed)를 설정하는 단계;
    상기 설정된 시드에서 가장 가까운 루프 실감정사영상을 로딩하는 단계;
    상기 로딩된 루프 실감정사영상에서 특징점을 추출한 후, 상기 설정된 시드의 위치를 상기 추출된 특징점의 밀집도에 기반하여 재설정하는 단계; 및
    상기 재설정된 시드의 위치에서 가장 가까운 드론 영상의 일부를 로딩하는 단계
    를 더 포함하는 것을 특징으로 하는 업데이트 방법.
  6. 제5항에 있어서,
    상기 시드를 설정하는 단계는,
    하나의 변의 길이가 상기 기설정된 길이인 복수의 정사각형으로 구성되는 범위에 대해, 상기 복수의 정사각형 각각마다 기설정된 수의 시드를 랜덤하게 설정하는 것을 특징으로 하는 업데이트 방법.
  7. 제5항에 있어서,
    상기 재설정하는 단계는,
    상기 시드의 위치를 상기 추출된 특징점의 밀집도가 가장 높은 위치로 재설정하는 것을 특징으로 하는 업데이트 방법.
  8. 제1항에 있어서,
    상기 다른 드론 영상에 GCP를 입력하는 단계는,
    상기 매칭된 드론 영상의 포인트에 상기 루프 실감정사영상의 매칭된 포인트에 따른 3차원 좌표를 가상 GCP로서 입력하는 단계; 및
    상기 매칭된 드론 영상의 포인트와 매칭하는 상기 다른 드론 영상의 포인트에 상기 가상 GCP를 입력하는 단계
    를 포함하는 것을 특징으로 하는 업데이트 방법.
  9. 제8항에 있어서,
    상기 가상 GCP를 입력하는 단계는,
    상기 매칭된 드론 영상의 포인트와 상기 다른 드론 영상의 포인트를 덴스 매칭(dense matching)을 이용하여 매칭하는 것을 특징으로 하는 업데이트 방법.
  10. 제1항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 상기 GCP를 필터링하는 단계
    를 더 포함하는 업데이트 방법.
  11. 제10항에 있어서,
    상기 GCP를 필터링하는 단계는,
    상기 매칭된 드론 영상에서의 픽셀의 위치점에 기반하여 상기 GCP에 대응하는 영상 좌표와의 차이가 최소화되는 드론 카메라의 내부 초점거리, 왜곡계수, 상기 드론 카메라의 회전정보 및 보정된 GCP를 결정하는 것을 특징으로 하는 업데이트 방법.
  12. 제10항에 있어서,
    상기 적어도 하나의 프로세서에 의해, 상기 필터링된 GCP가 입력된 드론 영상에 기반하여 업데이트된 DSM을 생성하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 업데이트된 DSM에 기반하여 업데이트된 실감정사영상을 생성하는 단계
    를 더 포함하는 업데이트 방법.
  13. 컴퓨터 장치와 결합되어 제1항 내지 제12항 중 어느 한 항의 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  14. 제1항 내지 제12항 중 어느 한 항의 방법을 컴퓨터 장치에 실행시키기 위한 컴퓨터 프로그램이 기록되어 있는 컴퓨터 판독 가능한 기록매체.
  15. 컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서에 의해,
    기존 항공지도 기반의 DEM(Digital Elevation Model), DSM(Digital Surface Model) 및 실감정사영상(true-orthophoto)을 이용하여 기설정된 높이 이상의 영상을 포함하는 루프(roof) 실감정사영상을 생성하고,
    드론 영상과 상기 루프 실감정사영상을 매칭하고,
    상기 매칭된 드론 영상을 기준으로 다른 드론 영상에 GCP(Ground Control Point)를 입력하는 것
    을 특징으로 하는 컴퓨터 장치.
  16. 제15항에 있어서,
    상기 루프 실감정사영상을 생성하기 위해, 상기 적어도 하나의 프로세서에 의해,
    상기 실감정사영상에서 상기 DSM과 상기 DEM간의 차이가 기설정된 높이 이상인 부분을 추출하여 상기 루프 실감정사영상을 생성하는 것
    을 특징으로 하는 컴퓨터 장치.
  17. 제15항에 있어서,
    상기 드론 영상과 상기 루프 실감정사영상을 매칭하기 위해, 상기 적어도 하나의 프로세서에 의해,
    상기 드론 영상과 상기 루프 실감정사영상간의 특징점 매칭을 처리하고,
    상기 드론 영상의 일부에서 적어도 하나의 매칭 포인트를 선정하고,
    상기 선정된 포인트에 대응하는 상기 루프 실감정사영상에서의 위치에 대한 실제 지형의 3차원 좌표를 상기 선정된 포인트에 대한 가상 GCP로 선정하는 것
    을 특징으로 하는 컴퓨터 장치.
  18. 제17항에 있어서,
    상기 드론 영상과 상기 루프 실감정사영상을 매칭하기 위해, 상기 적어도 하나의 프로세서에 의해,
    상기 루프 실감정사영상에서 업데이트하고자 하는 범위에 기설정된 길이에 기반하여 시드(seed)를 설정하고,
    상기 설정된 시드에서 가장 가까운 루프 실감정사영상을 로딩하고,
    상기 로딩된 루프 실감정사영상에서 특징점을 추출한 후, 상기 설정된 시드의 위치를 상기 추출된 특징점의 밀집도에 기반하여 재설정하고,
    상기 재설정된 시드의 위치에서 가장 가까운 드론 영상의 일부를 로딩하는 것
    을 특징으로 하는 컴퓨터 장치.
  19. 제18항에 있어서,
    상기 설정된 시드의 위치를 상기 추출된 특징점의 밀집도에 기반하여 재설정하기 위해, 상기 적어도 하나의 프로세서에 의해,
    상기 시드의 위치를 상기 추출된 특징점의 밀집도가 가장 높은 위치로 재설정하는 것
    을 특징으로 하는 컴퓨터 장치.
  20. 제15항에 있어서,
    상기 다른 드론 영상에 GCP를 입력하기 위해, 상기 적어도 하나의 프로세서에 의해,
    상기 매칭된 드론 영상의 포인트에 상기 루프 실감정사영상의 매칭된 포인트에 따른 3차원 좌표를 가상 GCP로서 입력하고,
    상기 매칭된 드론 영상의 포인트와 매칭하는 상기 다른 드론 영상의 포인트에 상기 가상 GCP를 입력하는 것
    을 특징으로 하는 컴퓨터 장치.
KR1020210042556A 2021-04-01 2021-04-01 드론 영상을 활용한 항공지도의 업데이트 방법 및 시스템 KR102544043B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210042556A KR102544043B1 (ko) 2021-04-01 2021-04-01 드론 영상을 활용한 항공지도의 업데이트 방법 및 시스템
JP2022026347A JP7375064B2 (ja) 2021-04-01 2022-02-24 ドローン映像を活用した航空地図のアップデート方法およびシステム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210042556A KR102544043B1 (ko) 2021-04-01 2021-04-01 드론 영상을 활용한 항공지도의 업데이트 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20220136652A KR20220136652A (ko) 2022-10-11
KR102544043B1 true KR102544043B1 (ko) 2023-06-15

Family

ID=83598970

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210042556A KR102544043B1 (ko) 2021-04-01 2021-04-01 드론 영상을 활용한 항공지도의 업데이트 방법 및 시스템

Country Status (2)

Country Link
JP (1) JP7375064B2 (ko)
KR (1) KR102544043B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102206834B1 (ko) 2020-04-28 2021-01-25 네이버랩스 주식회사 도로정보 변화 감지 방법 및 시스템

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11184375A (ja) * 1997-12-25 1999-07-09 Toyota Motor Corp デジタル地図データ処理装置及びデジタル地図データ処理方法
JP4574969B2 (ja) 2003-09-12 2010-11-04 株式会社パスコ マルチラインセンサーを用いた数値地形モデルの構築方法
JP3914256B1 (ja) 2006-10-02 2007-05-16 株式会社エヌ・ティ・ティ・データ 画像補正装置、画像補正方法及びプログラム
US8538151B2 (en) 2008-04-23 2013-09-17 Pasco Corporation Building roof outline recognizing device, building roof outline recognizing method, and building roof outline recognizing program
JP6155091B2 (ja) 2013-05-17 2017-06-28 株式会社日立製作所 モザイク画像生成装置及び生成方法並びにモザイク画像生成プログラム
KR101771492B1 (ko) * 2014-12-29 2017-08-28 서울시립대학교 산학협력단 복수의 센서를 탑재한 무인 비행체를 이용하는 매핑 방법 및 시스템
WO2019107788A1 (ko) 2017-11-29 2019-06-06 (주)엔젤스윙 수요자와 공급자를 매칭하여 드론데이터를 제공하는 방법 및 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102206834B1 (ko) 2020-04-28 2021-01-25 네이버랩스 주식회사 도로정보 변화 감지 방법 및 시스템

Also Published As

Publication number Publication date
JP7375064B2 (ja) 2023-11-07
JP2022158951A (ja) 2022-10-17
KR20220136652A (ko) 2022-10-11

Similar Documents

Publication Publication Date Title
US11769296B2 (en) Forest surveying
KR102347239B1 (ko) 라이다와 카메라를 이용하여 이미지 특징점의 깊이 정보를 향상시키는 방법 및 시스템
EP3186685B1 (en) Three-dimensional elevation modeling for use in operating agricultural vehicles
TWI483215B (zh) 根據相關３ｄ點雲端資料強化影像資料
KR101533182B1 (ko) 3d 거리
KR102003187B1 (ko) 무인 비행체에 의해 촬영된 이미지들을 사용하여 측량 대상지의 위치 정보를 포함하는 GCP (Ground Control Point)들의 각각이 매칭된 결과 이미지를 모델링하는 방법 및 장치
Rumpler et al. Evaluations on multi-scale camera networks for precise and geo-accurate reconstructions from aerial and terrestrial images with user guidance
KR102234461B1 (ko) ２ｄ 지도를 이용하여 거리뷰 이미지의 깊이 정보를 생성하는 방법 및 시스템
CN104704384A (zh) 具体用于装置的基于视觉的定位的图像处理方法
Rumpler et al. Automated end-to-end workflow for precise and geo-accurate reconstructions using fiducial markers
KR101439213B1 (ko) 입체 위성 영상 ＲＰＣｓ 정보를 이용한 단영상에서의 3차원 위치결정 방법
US8994821B2 (en) Methods and apparatus for automated assignment of geodetic coordinates to pixels of images of aerial video
Bevilacqua et al. Digital technology and mechatronic systems for the architectural 3D metric survey
US20210264666A1 (en) Method for obtaining photogrammetric data using a layered approach
KR102050995B1 (ko) 공간좌표의 신뢰성 평가 장치 및 방법
KR20210015516A (ko) 라이다와 카메라를 이용하여 이미지 특징점의 깊이 정보를 향상시키는 방법 및 시스템
CN110989619A (zh) 用于定位对象的方法、装置、设备和存储介质
KR102544043B1 (ko) 드론 영상을 활용한 항공지도의 업데이트 방법 및 시스템
KR20220100483A (ko) 무인항공기 기반 지표면 온도 영상의 정확성 검증 방법 및 시스템
KR101967554B1 (ko) 지시선을 이용하여 공간 정보를 측정하기 위한 방법, 그 방법을 이용한 장치
KR102520189B1 (ko) 무인 비행체 또는 항공기에 의해 촬영된 항공 영상에 기반하여 hd 맵을 생성하는 방법 및 시스템
KR102609573B1 (ko) 라이다 점군 밀도에 강인한 실외 맵 특징점 생성 기구 및 알고리즘
KR102663038B1 (ko) 대상 식물에 대한 모델링을 수행하는 방법 및 디바이스
CN117197361B (zh) 实景三维数据库构建方法、电子设备和计算机可读介质
KR102559042B1 (ko) 개량형 지상기준점 매칭 이미지 모델링 시스템과 이를 이용한 이미지 모델링 방법, 그리고 이것이 수록된 컴퓨터 프로그램

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