KR20210156076A - 지형 고도 데이터 시스템 및 이의 동작 방법 - Google Patents
지형 고도 데이터 시스템 및 이의 동작 방법 Download PDFInfo
- Publication number
- KR20210156076A KR20210156076A KR1020200073767A KR20200073767A KR20210156076A KR 20210156076 A KR20210156076 A KR 20210156076A KR 1020200073767 A KR1020200073767 A KR 1020200073767A KR 20200073767 A KR20200073767 A KR 20200073767A KR 20210156076 A KR20210156076 A KR 20210156076A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- terrain
- elevation data
- altitude
- resolution
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 41
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012634 optical imaging Methods 0.000 claims description 7
- 238000003064 k means clustering Methods 0.000 claims description 6
- 238000011478 gradient descent method Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 7
- 238000012937 correction Methods 0.000 abstract description 4
- 230000003287 optical effect Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 13
- 238000011017 operating method Methods 0.000 description 12
- 101100065705 Schizosaccharomyces pombe (strain 972 / ATCC 24843) etd1 gene Proteins 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000013500 data storage Methods 0.000 description 6
- 238000007796 conventional method Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 238000012876 topography Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
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
- G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
-
- 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
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20128—Atlas-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Ecology (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
- Instructional Devices (AREA)
Abstract
본 발명의 실시예에 따른 지형 고도 데이터 시스템은, 제1 해상도를 갖는 제1 지형 고도 데이터를 입력받기 위한 데이터 입력부; 영상 데이터를 입력받기 위한 영상 입력부; 및 상기 제1 지형 고도 데이터 및 영상 데이터를 융합하여, 제2 해상도를 갖는 제2 지형 고도 데이터를 생성하기 위한 데이터 생성부를 포함하고, 상기 데이터 생성부는, 상기 제1 지형 고도 데이터를 확대하여 확대된 제1 지형 고도 데이터를 생성하기 위한 확대부; 상기 영상 데이터를 색상 및 픽셀 위치를 기초로 분할하여, 복수의 특징 영역들을 생성하기 위한 특징 영역 생성부; 상기 복수의 특징 영역들 각각에 대한 대표값들을 산출하기 위한 대표값 산출부; 및 상기 확대된 제1 지형 고도 데이터 및 상기 대표값들을 기초로, 추정 고도값을 생성하여 상기 제2 지형 고도 데이터를 생성하기 위한 추정부를 포함하고, 상기 제2 해상도는, 상기 제1 해상도보다 큰 것을 특징으로 한다.
Description
본 발명의 실시예는 지형 고도 데이터 시스템 및 이의 동작 방법, 특히 저가의 광학 영상 장치를 통해 입력된 광학 영상을 이용하여 저해상도 지형 고도 데이터를 고해상도 지형 고도 데이터로 변환하기 위한 지형 고도 데이터 시스템 및 이의 동작 방법에 관한 것이다.
지도 제작 및 데이터 베이스 기반의 항법 기술 분야에서 고도 정보를 포함하고 있는 지형 고도 데이터의 공간 해상도는 매우 중요한 요소이다. 그러나, 이동체(예컨대, 항공기, 인공위성 등)의 속도와 거리 측정 센서(예컨대, radar, LRF(LASER Range Finder) 등)의 성능 제약으로 모든 영역에 대해서 원하는 공간 해상도(spatial resolution)를 얻기 어려운 문제가 있다. 지형 고도 데이터는 공간 해상도에 따라 각 그리드에 고도값이 기록되어 있는 데이터를 의미한다.
최근 광학 영상 센서 기술의 발전으로, 고해상도 광학 영상을 획득하는 것이 용이해졌다. 이때, 고해상도 광학 영상은 색상별 밝기를 나타내는 값들로 이루어져 있다.
하지만, 고도 정보를 포함하는 지형 고도 데이터는, 고해상도 광학 영상에 비해 상대적으로 저해상도의 데이터만이 공개되어 있는 실정이다.
구체적으로, 현재 민간에서 확보할 수 있는 대표적인 지형 고도 데이터는 미국 항공우주국(National Aeronautics and Space Administration; NASA)와 미국 국가지리정보국(National Geospatial-Intelligence Agency; NGA)에서 구축하고 공개하는 SRTM(Shuttle Radar Topography Mission)과 미국 지질조사국(United States Geological Survey ; USGS)에서 관리하는 GMTED2010(Global Multi-resolution Terrain Elevation Data)가 있다.
연속된 지형에 대한 고도 차분 값은 지형 고도 데이터를 활용하는 시스템에서 정확한 예측을 위해 중요한 요소들 중 하나이다. 따라서, 저해상도의 지형 고도 데이터로부터 고해상도의 지형 고도 데이터를 도출하는 방법이 많이 사용되고 있다.
종래의 방법은 주어진 저해상도의 지형 고도 데이터를 보간(interpolation)하여 고해상도의 지형 고도 데이터를 확보하는 방식을 사용하였다. 그러나, 관측되지 않은 지역의 비선형성으로 인하여, 보간법을 이용해 추정된 값은 오차가 존재하였다. 특히, 도로, 수면, 교량과 같이 지형이 연속적으로 이루어지지 않은 경우, 해당 영역에 대한 보간법은 부정확한 예측 결과를 초래하였다.
구체적으로, 종래에 사용하는 방법은 저해상도의 지형 고도 데이터를 고해상도로 변환하기 위해 영상처리에 적용되는 보간 방법(예컨대, Bilinear interpolation, Bicubic interpolation)을 사용하였다. 이러한 방법은 데이터가 없는 공간의 값을 주변의 값들로부터 추정하게 되는데, 빈 공간의 값이 선형이거나 저 차원의 함수로 모델링 되기 때문에 오차가 유발되는 필연적인 단점이 있었다.
본 발명의 목적은 광학 영상 장치를 통해 입력된 광학 영상을 이용하여 저해상도 지형 데이터를 고해상도 지형 데이터로 변환할 수 있는 지형 고도 데이터 시스템 및 이의 동작 방법을 제공하는 데 있다.
본 발명의 다른 목적은 종래의 방법보다 정밀하고, 세밀한 영역의 대한 보정을 수행할 수 있는 지형 고도 데이터 시스템 및 이의 동작 방법을 제공하는 데 있다.
본 발명의 또 다른 목적은 광학 영상의 컬러와 픽셀 위치를 기반으로 군집화된 데이터를 활용하여, 저해상도 지형 데이터에서 표현이 불가능한 세밀한 지역에 대한 고도 묘사를 할 수 있는 지형 고도 데이터 시스템 및 이의 동작 방법을 제공하는 데 있다.
본 발명의 실시예에 따른 지형 고도 데이터 시스템은, 제1 해상도를 갖는 제1 지형 고도 데이터를 입력받기 위한 데이터 입력부; 영상 데이터를 입력받기 위한 영상 입력부; 및 상기 제1 지형 고도 데이터 및 영상 데이터를 융합하여, 제2 해상도를 갖는 제2 지형 고도 데이터를 생성하기 위한 데이터 생성부를 포함하고, 상기 데이터 생성부는, 상기 제1 지형 고도 데이터를 확대하여 확대된 제1 지형 고도 데이터를 생성하기 위한 확대부; 상기 영상 데이터를 색상 및 픽셀 위치를 기초로 분할하여, 복수의 특징 영역들을 생성하기 위한 특징 영역 생성부; 상기 복수의 특징 영역들 각각에 대한 대표값들을 산출하기 위한 대표값 산출부; 및 상기 확대된 제1 지형 고도 데이터 및 상기 대표값들을 기초로, 추정 고도값을 생성하여 상기 제2 지형 고도 데이터를 생성하기 위한 추정부를 포함하고, 상기 제2 해상도는, 상기 제1 해상도보다 큰 것을 특징으로 한다.
본 발명에서, 상기 영상 입력부는, 상공에서 지형을 촬영하여 상기 영상 데이터를 생성하는 광학 영상 촬영 장치를 포함하는 것을 특징으로 한다.
본 발명에서, 상기 확대부는, 바이 리니어 보간 필터 및 바이 큐빅 보간 필터 중 적어도 하나를 이용한 이미지 보간법을 통하여, 상기 제1 지형 고도 데이터를 확대하여 상기 확대된 제1 지형 고도 데이터를 생성하는 것을 특징으로 한다.
본 발명에서, 상기 제1 지형 고도 데이터는, 디지털 지형 고도 데이터인 것을 특징으로 한다.
본 발명에서, 상기 제1 해상도는, DTED 0의 수준인 것을 특징으로 한다.
본 발명에서, 상기 추정부는, MRF(Markov Random Field) 모델 및 CRF(Conditional Random Field) 모델 중 적어도 하나를 이용하여 상기 추정 고도값을 생성하는 것을 특징으로 한다.
본 발명에서, 상기 추정부는, 상기 확대된 제1 지형 고도 데이터로부터 최대 고도값 및 최소 고도값을 도출하고, 상기 최대 고도값 및 상기 최소 고도값 사이의 범위 내에서 상기 추정 고도값을 생성하는 것을 특징으로 한다.
본 발명에서, 상기 추정부는, 경사 하강법(gradient descent) 및 가우스-뉴턴법(Gauss-Newton) 중 적어도 하나를 이용하여 상기 추정 고도값을 생성하는 것을 특징으로 한다.
본 발명에서, 상기 특징 영역 생성부는, k-평균 군집화 알고리즘(k-means clustering algorithm) 및 슈퍼 픽셀 알고리즘(super pixel algorithm) 중 적어도 하나를 이용하여, 상기 영상 데이터를 색상 및 픽셀 위치를 기초로 분할함으로써, 복수의 특징 영역들을 생성하는 것을 특징으로 한다.
본 발명에서, 상기 대표값들 각각은, 상기 제1 지형 고도 데이터에 포함된 고도값들 중에서, 각각의 특징 영역에 대응하는 고도값들의 중앙값(median)들인 것을 특징으로 한다.
본 발명의 실시예에 따른 지형 고도 데이터 시스템의 동작 방법은, 데이터 입력부에 의해, 제1 해상도를 갖는 제1 지형 고도 데이터를 입력받는 단계; 영상 입력부에 의해, 영상 데이터를 입력받는 단계; 및 데이터 생성부에 의해, 상기 제1 지형 고도 데이터 및 영상 데이터를 융합하여, 제2 해상도를 갖는 제2 지형 고도 데이터를 생성하는 단계를 포함하고, 상기 제2 지형 고도 데이터를 생성하는 단계는, 확대부에 의해, 상기 제1 지형 고도 데이터를 확대하여 확대된 제1 지형 고도 데이터를 생성하는 단계; 특징 영역 생성부에 의해, 상기 영상 데이터를 색상 및 픽셀 위치를 기초로 분할하여, 복수의 특징 영역들을 생성하는 단계; 대표값 산출부에 의해, 상기 복수의 특징 영역들 각각에 대한 대표값들을 산출하는 단계; 및 추정부에 의해, 상기 확대된 제1 지형 고도 데이터 및 상기 대표값들을 기초로, 추정 고도값을 생성하여 상기 제2 지형 고도 데이터를 생성하는 단계를 포함하고, 상기 제2 해상도는, 상기 제1 해상도보다 큰 것을 특징으로 한다.
본 발명에서, 상기 영상 입력부는, 상공에서 지형을 촬영하여 상기 영상 데이터를 생성하는 광학 영상 촬영 장치를 포함하는 것을 특징으로 한다.
본 발명에서, 상기 확대부는, 바이 리니어 보간 필터 및 바이 큐빅 보간 필터 중 적어도 하나를 이용한 이미지 보간법을 통하여, 상기 제1 지형 고도 데이터를 확대하여 상기 확대된 제1 지형 고도 데이터를 생성하는 것을 특징으로 한다.
본 발명에서, 상기 추정부는, MRF(Markov Random Field) 모델 및 CRF(Conditional Random Field) 모델 중 적어도 하나를 이용하여 상기 추정 고도값을 생성하는 것을 특징으로 한다.
본 발명에서, 상기 추정부는, 상기 확대된 제1 지형 고도 데이터로부터 최대 고도값 및 최소 고도값을 도출하고, 상기 최대 고도값 및 상기 최소 고도값 사이의 범위 내에서 상기 추정 고도값을 생성하는 것을 특징으로 한다.
본 발명의 지형 고도 데이터 시스템 및 이의 동작 방법은 광학 영상 장치를 통해 입력된 광학 영상을 이용하여 저해상도 지형 데이터를 고해상도 지형 데이터로 변환할 수 있는 효과가 있다.
또한, 본 발명의 지형 고도 데이터 시스템 및 이의 동작 방법은 종래의 방법보다 정밀하고, 세밀한 영역의 대한 보정을 수행할 수 있는 효과가 있다.
또한, 본 발명의 지형 고도 데이터 시스템 및 이의 동작 방법은 광학 영상의 컬러와 픽셀 위치를 기반으로 군집화된 데이터를 활용하여, 저해상도 지형 데이터에서 표현이 불가능한 세밀한 지역에 대한 고도 묘사를 할 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 따른 지형 고도 데이터 시스템을 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 데이터 생성부를 나타내는 도면이다.
도 3은 본 발명의 다른 실시예에 따른 데이터 생성부를 나타내는 도면이다.
도 4는 본 발명의 실시예에 따른 특징 영역 생성부의 동작을 나타내는 도면이다.
도 5는 본 발명의 실시예에 따른 지형 고도 데이터 시스템의 동작 방법을 나타내는 도면이다.
도 6은 본 발명의 실시예에 따른 지형 고도 데이터 시스템의 동작 방법을 상세하게 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 데이터 생성부를 나타내는 도면이다.
도 3은 본 발명의 다른 실시예에 따른 데이터 생성부를 나타내는 도면이다.
도 4는 본 발명의 실시예에 따른 특징 영역 생성부의 동작을 나타내는 도면이다.
도 5는 본 발명의 실시예에 따른 지형 고도 데이터 시스템의 동작 방법을 나타내는 도면이다.
도 6은 본 발명의 실시예에 따른 지형 고도 데이터 시스템의 동작 방법을 상세하게 나타내는 도면이다.
본 발명을 더욱 상세히 설명한다.
이하 첨부한 도면을 참고하여 본 발명의 실시예 및 그 밖에 당업자가 본 발명의 내용을 쉽게 이해하기 위하여 필요한 사항에 대하여 상세히 기재한다. 다만, 본 발명은 청구범위에 기재된 범위 안에서 여러 가지 상이한 형태로 구현될 수 있으므로 하기에 설명하는 실시예는 표현 여부에 불구하고 예시적인 것에 불과하다.
동일한 도면부호는 동일한 구성요소를 지칭한다. 또한, 도면들에 있어서, 구성요소들의 두께, 비율, 및 치수는 기술적 내용의 효과적인 설명을 위해 과장된 것이다. "및/또는"은 연관된 구성들이 정의할 수 있는 하나 이상의 조합을 모두 포함할 수 있다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.
또한, "아래에", "하측에", "위에", "상측에" 등의 용어는 도면에 도시된 구성들의 연관관계를 설명하기 위해 사용된다. 상기 용어들은 상대적인 개념으로, 도면에 표시된 방향을 기준으로 설명된다.
"포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
즉, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 이하의 설명에서 어떤 부분이 다른 부분과 연결되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라 그 중간에 다른 소자를 사이에 두고 전기적으로 연결되어 있는 경우도 포함할 수 있다. 또한, 도면에서 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 참조번호 및 부호로 나타내고 있음에 유의해야 한다.
도 1은 본 발명의 실시예에 따른 지형 고도 데이터 시스템(10)을 나타내는 도면이다.
도 1을 참조하면, 지형 고도 데이터 시스템(10)은 데이터 입력부(100), 영상 입력부(200), 데이터 생성부(300) 및 데이터 저장부(400)를 포함할 수 있다.
데이터 입력부(100)는 제1 해상도를 갖는 제1 지형 고도 데이터(TD1)를 입력받을 수 있다. 예컨대, 데이터 입력부(100)는 유선 또는 무선 통신을 이용하여, 미국 국토지리정보국(NGA)에서 구축하고 공개하는 SRTM(Shuttle Radar Topography Mission)과 미국 지질조사국(USGS)에서 관리하는 GMTED2010(Global Multi-resolution Terrain Elevation Data)로부터 지형 고도 데이터를 입력받을 수 있다.
본 명세서에서, 지형 고도 데이터는, 디지털 지형 고도 데이터(Digital Terrain Elevation Data; DTED)를 의미할 수 있다. 그리고, 제1 해상도는, DTED 0의 수준을 의미할 수 있다. 이하에서, DTED Level을 구체적으로 설명한다.
[표 1]은 DTED Level에 따른 공간 해상도를 나타낸다. 공간 해상도는 위도와 경도에 대하여 1도 단위로 구분될 수 있다. DTED는 지형 고도 값의 매트릭스, 즉 Digital Elevation Model로 구성된 디지털 데이터 세트의 표준을 의미한다.
DTED LEVEL | 공간 해상도 | 거리 해상도 | 데이터 차원 해상도 |
DTED 0 | 30arcsec | 약 900m | 121*121 |
DTED 1 | 3arcsec | 약 90m | 1201*1201 |
DTED 2 | 1arcsec | 약 30m | 3601*3601 |
[표 1]을 참조하면, 지형 고도 데이터의 공간 해상도에 따른 데이터 차원의 해상도는 2차원으로 각각 121*121 내지 3601*3601으로 주어진다. 본 발명의 실시예에 따른 지형 고도 데이터 시스템은, 디지털 지형 고도 데이터와 광학 영상과 대응시켜 융합하는 것을 목적으로 한다. 즉, 지형 고도 데이터에 비해 상대적으로 고해상도인 광학 영상을, 위도 및 경도에 대하여 1도 단위로 3601*3601의 크기로 비율을 수정함으로써, 저해상도의 고도 지형 데이터에 대응시킬 수 있다.
영상 입력부(200)는 영상 데이터(ID)를 입력받을 수 있다. 예컨대, 영상 입력부(200)는 상공에서 지형을 촬영하여 영상 데이터(ID)를 생성하는 광학 영상 촬영 장치를 포함할 수 있다. 본 발명의 실시예에 따른 지형 고도 데이터 시스템(10)은 비교적 저가인 광학 영상 촬영 장치에 의해 촬영된 고해상도 영상 데이터를 이용하여, 무료로 제공되는 DTED 0 수준의 지형 고도 데이터를 개선시킴으로써, 고해상도의 지형 고도 데이터를 획득할 수 있다.
데이터 생성부(300)는 제1 지형 고도 데이터(TD1) 및 영상 데이터(ID)를 융합하여, 제2 해상도를 갖는 제2 지형 고도 데이터(TD2)를 생성할 수 있다. 이때, 제2 해상도는, 제1 해상도보다 클 수 있다. 즉, 데이터 생성부(300)는 개선된 해상도를 갖는 지형 고도 데이터를 생성할 수 있다.
데이터 저장부(400)는 제2 지형 고도 데이터(TD2)를 저장할 수 있다. 예컨대, 데이터 저장부(400)는 서버 장치로 구현될 수 있다. 그러나 본 발명이 이에 한정되는 것은 아니며, 실시예에 따라, 데이터 저장부(400)는 제2 지형 고도 데이터(TD2)를 저장하기 위한 저장 매체(storage medium)로 구현될 수 있다.
도 2는 본 발명의 실시예에 따른 데이터 생성부(300)를 나타내는 도면이다.
도 2를 참조하면, 데이터 생성부(300)는 확대부(310), 특징 영역 생성부(320), 대표값 산출부(330) 및 추정부(340)를 포함할 수 있다.
확대부(310)는 제1 지형 고도 데이터(TD1)를 확대하여 확대된 제1 지형 고도 데이터(ETD1)를 생성할 수 있다. 예컨대, 제1 지형 고도 데이터(TD1)를 4배로 확대하는 경우, 새로 만들어지는 결과 데이터에는 원 데이터를 그대로 받지 못하는 빈 픽셀이 생긴다. 이때, 확대부(310)는 바이 리니어 보간(Bilinear interpolation) 필터 및 바이 큐빅 보간(Bicubic interpolation) 필터 중 적어도 하나를 이용한 이미지 보간법을 통해 제1 지형 고도 데이터(TD1)를 확대하여 확대된 제1 지형 고도 데이터(ETD1)를 생성할 수 있다. 즉, 확대부(310)는 두 픽셀 위치의 고도값들을 이용하여 두 지점 사이의 고도값을 보간법을 이용하여 산출할 수 있다. 바이 리니어 보간 필터는 서로 직교하는 두 축에 대하여, 서로 다른 가중치를 이용해 각각 보간을 수행할 수 있다. 바이 큐빅 보간 필터는 서로 직교하는 세 축에 대하여 서로 다른 가중치를 이용해 보간을 수행할 수 있다.
특징 영역 생성부(320)는 영상 데이터(ID)를 색상 및 픽셀 위치를 기초로 분할하여 복수의 특징 영역(FA)들을 생성할 수 있다. 예컨대, 특징 영역 생성부(320)는 k-평균 군집화 알고리즘(k-means clustering algorithm) 및 슈퍼 픽셀 알고리즘(super pixel algorithm) 중 적어도 하나를 이용하여, 영상 데이터(ID)를 색상 및 픽셀 위치를 기초로 분할할 수 있다. k-평균 군집화 알고리즘은 군집분석의 가장 대표적인 알고리즘으로, k개의 중심점을 기준으로 데이터를 군집으로 묶어주는 비지도학습 기법을 의미한다. 슈퍼 픽셀 알고리즘은 특성이 유사한 픽셀들을 군집화하여 하나의 그룹으로 만드는 방법이다. 특징 영역 생성부(320)와 관련된 상세한 내용은 도 4에서 설명된다.
대표값 산출부(330)는 복수의 특징 영역(FA)들 각각에 대한 대표값(RV)들을 산출할 수 있다. 즉, 대표값 산출부(330)는, 제1 지형 고도 데이터(TD1) 중에서 복수의 특징 영역(FA)들 각각에 대응하는 고도값들을 매칭할 수 있다. 그리고 대표값 산출부(330)는 각각의 특징 영역(FA)에 대한 대표값(RV)을 산출할 수 있다.
예컨대, 대표값(RV)들 각각은 제1 지형 고도 데이터(TD1)에 포함된 고도값들 중에서, 각각의 특징 영역(FA)에 대응하는 고도값들의 중앙값(median)들일 수 있다. 그러나, 본 발명이 이에 한정되는 것은 아니며, 실시예에 따라, 대표값(RV)들은 특징 영역(FA)에 대응하는 고도값들의 평균값 및 최빈값 중 어느 하나를 의미할 수 있다.
추정부(340)는 확대된 제1 지형 고도 데이터(ETD1) 및 대표값(RV)들을 기초로 추정 고도값을 생성하여 제2 지형 고도 데이터(TD2)를 생성할 수 있다.
예컨대, 추정부(340)는 MRF(Markov Random Field) 모델 및 CRF(Conditional Random Field) 모델 중 적어도 하나를 이용하여 추정 고도값을 생성할 수 있다. 여기서, MRF 모델은 확률 그래프 모델로서, 로컬한 분포 다수개를 이용하여 전체 분포를 표현한다. CRF모델은 구조화된 예측 기법으로서, 이전 또는 이후 데이터를 참조하여 현재 상태를 결정하는 모델을 의미한다.
실시예에 따라, 추정부(340)는 확대된 제1 지형 고도 데이터(ETD1)로부터 최대 고도값 및 최소 고도값을 도출할 수 있다. 그리고, 추정부(340)는 최대 고도값 및 최소 고도값 범위 내에서 고도값을 추정함으로써, 추정 고도값을 생성할 수 있다.
이때, 추정부(340)는 경사 하강법(gradient descent) 및 가우스-뉴턴법(Gauss-Newton) 중 적어도 하나를 이용하여 추정 고도값을 생성할 수 있다. 여기서, 경사 하강법은 머신러닝 및 딥러닝 알고리즘을 학습시킬 때 사용하는 방법 중 하나로서, 1차 근삿값 발견용 최적화 알고리즘이다. 구체적으로, 경사 하강법은 함수의 기울기(경사)를 구하여 기울기가 낮은 쪽으로 계속 이동시켜 극값(최적값)에 이를 때까지 반복함으로써, 1차 근사값을 산출하는 방법이다. 가우스-뉴턴법은 방정식의 근사해를 구하는 방법으로 널리 알려져 있다.
실시예에 따라, 추정부(340)는 아래와 같은 방식으로 추정 고도값을 생성할 수 있다.
[수학식 1]
여기서, En1은 제1 오차 함수이고, xn은 n번째 픽셀에서 현재 추론한 고도값이고, dn은 지형 고도 데이터의 고도값이고, σd는 지형 고도 데이터의 고도값의 표준 편차이고, αn은 n번째 픽셀이 포함된 특징 영역의 대표값이고, σα는 대표값의 표준 편차이다. n은 자연수이다.
즉, 관측 가능한 고도로부터 가까우면서 광학 영상에서 유사한 영역의 고도와 가능한 일치할수록 제1 오차 값이 작아질 수 있다.
[수학식 2]
여기서, En2는 제2 오차 함수이고, xm은 주변부(즉, 4개의 이웃 픽셀)의 고도 값이고, xn은 n번째 픽셀에서 현재 추론한 고도값이고, β 및 λ는 임의의 상수이다. 즉, 제2 오차 함수는 인접한 픽셀의 고도값의 차이와 임계치로 설정된 상수 β 중 작은 값을 산출한다.
[수학식 3]
즉, 추정부(340)는 제1 오차 함수 및 제2 오차 함수의 합이 가작 작은 고도 값을 추정할 수 있다. 또한, 추정부(340)는 추정 정확도를 향상시키기 위하여, 상술한 추정 절차를 기설정된 횟수만큼 반복해서 수행할 수 있다. 실시예에 따라, 반복 횟수는 사용자에 의해 입력된 값일 수 있다. 예컨대, 추정부(340)는 오차 함수의 결과값을 최소화하는 고도값을 획득하기 위해 일정한 횟수만큼 반복하여 고도값을 추론할 수 있다. 각 1회의 반복마다 모든 픽셀 위치에 대해서 고도의 최소값부터 최대값 사이에서 [수학식 3]을 만족시키는 최적의 고도값을 찾기 위해 최적화 방법(gradient descent, Gauss-Newton 등)을 적용할 수 있다.
도 3은 본 발명의 다른 실시예에 따른 데이터 생성부(300')를 나타내는 도면이다. 설명의 중복을 방지하기 위하여, 도 2에 도시된 실시예와의 차이점을 중심으로 설명한다. 도 3에 도시된 대표값 산출부(330')는 확대된 제1 지형 고도 데이터(ETD1)를 확대부(310)로부터 제공받을 수 있다.
대표값 산출부(330')는 확대된 제1 지형 고도 데이터(ETD1)를 기초로 복수의 특징 영역(FA)들 각각에 대한 대표값(RV)들을 산출할 수 있다.
즉, 대표값 산출부(330')는, 확대된 제1 지형 고도 데이터(ETD1) 중에서 복수의 특징 영역(FA)들 각각에 대응하는 고도값들을 매칭할 수 있다. 그리고 대표값 산출부(330')는 각각의 특징 영역(FA)에 대한 대표값(RV)을 산출할 수 있다.
예컨대, 대표값(RV)들 각각은 확대된 제1 지형 고도 데이터(ETD1)에 포함된 고도값들 중에서, 각각의 특징 영역(FA)에 대응하는 고도값들의 중앙값(median)들일 수 있다. 그러나, 본 발명이 이에 한정되는 것은 아니며, 실시예에 따라, 대표값(RV)들은 특징 영역(FA)에 대응하는 고도값들의 평균값 및 최빈값 중 어느 하나를 의미할 수 있다.
도 4는 본 발명의 실시예에 따른 특징 영역 생성부(320, 도 2 참조)의 동작을 나타내는 도면이다. 도 4를 참조하면, 영상 데이터(IM)는 고해상도의 광학 영상을 나타낼 수 있다. 도시된 바와 같이, 영상 데이터(IM)는 상공에서 촬영한 지형 사진일 수 있다. 이때, 지형 사진에는 물(예컨대, 호수, 강 등), 숲, 골짜기, 평지 등이 나타날 수 있다.
특징 영역 생성부(320)는 영상 데이터(IM)를 색상 및 픽셀 위치에 따라 분할할 수 있다.
특징 영역 생성부(320)는 영상 데이터(ID)를 색상 및 픽셀 위치를 기초로 도 4에 도시된 바와 같이 분할된 영상 데이터(IDD)로 분할할 수 있다. 이때, 특징 영역 생성부(320)는 k-평균 군집화 알고리즘(k-means clustering algorithm) 및 슈퍼 픽셀 알고리즘(super pixel algorithm) 중 적어도 하나를 이용하여, 영상 데이터(ID)를 색상 및 픽셀 위치를 기초로 분할할 수 있다.
특징 영역 생성부(320)는 기준 영상 이미지(IDR)에 도시된 바와 같이, 복수의 특징 영역(FA)들을 생성할 수 있다. 기준 영상 이미지(IDR)는 분할된 영상 데이터(IDD)를 평균 컬러값으로 표현한 이미지이다.
예컨대, 도 2 및 도 4를 참조하면, 대표값 산출부(330)는 라벨링된 각 영역의 픽셀 인덱스를 이용하여, 제1 지형 고도 데이터(TD1)로부터 대표값을 획득할 수 있다.
도 5는 본 발명의 실시예에 따른 지형 고도 데이터 시스템의 동작 방법을 나타내는 도면이다.
이하에서, 도 1 내지 도 5를 참조하여, 지형 고도 데이터 시스템(10)의 동작 방법을 설명한다.
데이터 입력부(100)는 제1 해상도를 갖는 제1 지형 고도 데이터(TD1)를 입력받을 수 있다(S10).
영상 입력부(200)는 영상 데이터(ID)를 입력받을 수 있다(S20). 예컨대, 영상 입력부(200)는 상공에서 지형을 촬영하여 영상 데이터(ID)를 생성하는 광학 영상 촬영 장치를 포함할 수 있다.
데이터 생성부(300)는 제1 지형 고도 데이터(TD1) 및 영상 데이터(ID)를 융합하여, 제2 해상도를 갖는 제2 지형 고도 데이터(TD2)를 생성할 수 있다(S30). 이때, 제2 해상도는, 제1 해상도보다 클 수 있다. 즉, 데이터 생성부(300)는 개선된 해상도를 갖는 지형 고도 데이터를 생성할 수 있다.
데이터 저장부(400)는 제2 지형 고도 데이터(TD2)를 저장할 수 있다(S40).
도 6은 본 발명의 실시예에 따른 지형 고도 데이터 시스템의 동작 방법을 상세하게 나타내는 도면이다. 즉, 도 6은 도 5에 도시된 제2 지형 고도 데이터(TD2)를 생성하는 단계(S30)를 상세하게 도시한다.
이하에서, 도 1 내지 도 6을 참조하여, 지형 고도 데이터 시스템(10)의 동작 방법을 설명한다.
확대부(310)는 제1 지형 고도 데이터(TD1)를 확대하여 확대된 제1 지형 고도 데이터(ETD1)를 생성할 수 있다(S310). 예컨대, 제1 지형 고도 데이터(TD1)를 4배로 확대하는 경우, 새로 만들어지는 결과 데이터에는 원 데이터를 그대로 받지 못하는 빈 픽셀이 생긴다. 이때, 확대부(310)는 바이 리니어 보간(Bilinear interpolation) 필터 및 바이 큐빅 보간(Bicubic interpolation) 필터 중 적어도 하나를 이용한 이미지 보간법을 통해 제1 지형 고도 데이터(TD1)를 확대하여 확대된 제1 지형 고도 데이터(ETD1)를 생성할 수 있다.
특징 영역 생성부(320)는 영상 데이터(ID)를 색상 및 픽셀 위치를 기초로 분할하여 복수의 특징 영역(FA)들을 생성할 수 있다(S320). 예컨대, 특징 영역 생성부(320)는 k-평균 군집화 알고리즘(k-means clustering algorithm) 및 슈퍼 픽셀 알고리즘(super pixel algorithm) 중 적어도 하나를 이용하여, 영상 데이터(ID)를 색상 및 픽셀 위치를 기초로 분할할 수 있다.
대표값 산출부(330)는 복수의 특징 영역(FA)들 각각에 대한 대표값(RV)들을 산출할 수 있다(S330). 즉, 대표값 산출부(330)는, 제1 지형 고도 데이터(TD1) 중에서 복수의 특징 영역(FA)들 각각에 대응하는 고도값들을 매칭할 수 있다. 그리고 대표값 산출부(330)는 각각의 특징 영역(FA)에 대한 대표값(RV)을 산출할 수 있다.
추정부(340)는 확대된 제1 지형 고도 데이터(ETD1) 및 대표값(RV)들을 기초로 추정 고도값을 생성하여 제2 지형 고도 데이터(TD2)를 생성할 수 있다(S340).
상술한 방식을 통하여, 본 발명의 지형 고도 데이터 시스템 및 이의 동작 방법은 광학 영상 장치를 통해 입력된 광학 영상을 이용하여 저해상도 지형 데이터를 고해상도 지형 데이터로 변환할 수 있는 효과가 있다.
또한, 본 발명의 지형 고도 데이터 시스템 및 이의 동작 방법은 종래의 방법보다 정밀하고, 세밀한 영역의 대한 보정을 수행할 수 있는 효과가 있다.
또한, 본 발명의 지형 고도 데이터 시스템 및 이의 동작 방법은 광학 영상의 컬러와 픽셀 위치를 기반으로 군집화된 데이터를 활용하여, 저해상도 지형 데이터에서 표현이 불가능한 세밀한 지역에 대한 고도 묘사를 할 수 있는 효과가 있다.
이상 본 명세서에서 설명한 기능적 동작과 본 주제에 관한 실시형태들은 본 명세서에서 개시한 구조들 및 그들의 구조적인 등가물을 포함하여 디지털 전자 회로나 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어에서 또는 이들 중 하나 이상이 조합에서 구현 가능하다.
본 명세서에서 기술하는 주제의 실시형태는 하나 이상이 컴퓨터 프로그램 제품, 다시 말해 데이터 처리 장치에 의한 실행을 위하여 또는 그 동작을 제어하기 위하여 유형의 프로그램 매체 상에 인코딩되는 컴퓨터 프로그램 명령에 관한 하나 이상이 모듈로서 구현될 수 있다. 유형의 프로그램 매체는 전파형 신호이거나 컴퓨터로 판독 가능한 매체일 수 있다. 전파형 신호는 컴퓨터에 의한 실행을 위하여 적절한 수신기 장치로 전송하기 위한 정보를 인코딩하기 위하여 생성되는 예컨대 기계가 생성한 전기적, 광학적 또는 전자기 신호와 같은 인공적으로 생성된 신호이다. 컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조합 또는 이들 중 하나 이상이 조합일 수 있다.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 또는 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 또는 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 또는 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다.
컴퓨터 프로그램은 파일 장치의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 또는 다중의 상호 작용하는 파일(예컨대, 하나 이상이 모듈, 하위 프로그램 또는 코드의 일부를 저장하는 파일) 내에, 또는 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상이 스크립트) 내에 저장될 수 있다.
컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.
부가적으로, 본 특허문헌에서 기술하는 논리 흐름과 구조적인 블록도는 개시된 구조적인 수단의 지원을 받는 대응하는 기능과 단계의 지원을 받는 대응하는 행위 및/또는 특정한 방법을 기술하는 것으로, 대응하는 소프트웨어 구조와 알고리즘과 그 등가물을 구축하는 데에도 사용 가능하다.
본 명세서에서 기술하는 프로세스와 논리 흐름은 입력 데이터 상에서 동작하고 출력을 생성함으로써 기능을 수행하기 위하여 하나 이상이 컴퓨터 프로그램을 실행하는 하나 이상이 프로그래머블 프로세서에 의하여 수행 가능하다.
컴퓨터 프로그램의 실행에 적합한 프로세서는, 예컨대 범용 및 특수 목적의 마이크로프로세서 양자 및 어떤 형태의 디지털 컴퓨터의 어떠한 하나 이상이 프로세서라도 포함한다. 일반적으로, 프로세서는 읽기 전용 메모리나 랜덤 액세스 메모리 또는 양자로부터 명령어와 데이터를 수신할 것이다.
컴퓨터의 핵심적인 요소는 명령어와 데이터를 저장하기 위한 하나 이상이 메모리 장치 및 명령을 수행하기 위한 프로세서이다. 또한, 컴퓨터는 일반적으로 예컨대 자기, 자기 광학 디스크나 광학 디스크와 같은 데이터를 저장하기 위한 하나 이상이 대량 저장 장치로부터 데이터를 수신하거나 그것으로 데이터를 전송하거나 또는 그러한 동작 둘 다를 수행하기 위하여 동작가능 하도록 결합되거나 이를 포함할 것이다. 그러나, 컴퓨터는 그러한 장치를 가질 필요가 없다.
본 기술한 설명은 본 발명의 최상의 모드를 제시하고 있으며, 본 발명을 설명하기 위하여, 그리고 당업자가 본 발명을 제작 및 이용할 수 있도록 하기 위한 예를 제공하고 있다. 이렇게 작성된 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하는 것이 아니다.
이상에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자 또는 해당 기술 분야에 통상의 지식을 갖는 자라면, 후술될 특허청구범위에 기재된 본 발명의 사상 및 기술 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
따라서, 본 발명의 기술적 범위는 명세서의 상세한 설명에 기재된 내용으로 한정되는 것이 아니라 특허청구범위에 의해 정하여져야만 할 것이다.
10: 지형 고도 데이터 시스템
100: 데이터 입력부
200: 영상 입력부 300: 데이터 생성부
310: 확대부 320: 특징 영역 생성부
330: 대표값 산출부 340: 추정부
400: 데이터 저장부
200: 영상 입력부 300: 데이터 생성부
310: 확대부 320: 특징 영역 생성부
330: 대표값 산출부 340: 추정부
400: 데이터 저장부
Claims (15)
- 제1 해상도를 갖는 제1 지형 고도 데이터를 입력받기 위한 데이터 입력부;
영상 데이터를 입력받기 위한 영상 입력부; 및
상기 제1 지형 고도 데이터 및 영상 데이터를 융합하여, 제2 해상도를 갖는 제2 지형 고도 데이터를 생성하기 위한 데이터 생성부를 포함하고,
상기 데이터 생성부는,
상기 제1 지형 고도 데이터를 확대하여 확대된 제1 지형 고도 데이터를 생성하기 위한 확대부;
상기 영상 데이터를 색상 및 픽셀 위치를 기초로 분할하여, 복수의 특징 영역들을 생성하기 위한 특징 영역 생성부;
상기 복수의 특징 영역들 각각에 대한 대표값들을 산출하기 위한 대표값 산출부; 및
상기 확대된 제1 지형 고도 데이터 및 상기 대표값들을 기초로, 추정 고도값을 생성하여 상기 제2 지형 고도 데이터를 생성하기 위한 추정부를 포함하고,
상기 제2 해상도는, 상기 제1 해상도보다 큰 것을 특징으로 하는,
지형 고도 데이터 시스템. - 제1항에 있어서,
상기 영상 입력부는,
상공에서 지형을 촬영하여 상기 영상 데이터를 생성하는 광학 영상 촬영 장치를 포함하는 것을 특징으로 하는,
지형 고도 데이터 시스템. - 제1항에 있어서,
상기 확대부는, 바이 리니어 보간 필터 및 바이 큐빅 보간 필터 중 적어도 하나를 이용한 이미지 보간법을 통하여, 상기 제1 지형 고도 데이터를 확대하여 상기 확대된 제1 지형 고도 데이터를 생성하는 것을 특징으로 하는,
지형 고도 데이터 시스템. - 제1항에 있어서,
상기 제1 지형 고도 데이터는, 디지털 지형 고도 데이터인 것을 특징으로 하는,
지형 고도 데이터 시스템. - 제4항에 있어서,
상기 제1 해상도는, DTED 0의 수준인 것을 특징으로 하는,
지형 고도 데이터 시스템. - 제1항에 있어서,
상기 추정부는, MRF(Markov Random Field) 모델 및 CRF(Conditional Random Field) 모델 중 적어도 하나를 이용하여 상기 추정 고도값을 생성하는 것을 특징으로 하는,
지형 고도 데이터 시스템. - 제6항에 있어서,
상기 추정부는, 상기 확대된 제1 지형 고도 데이터로부터 최대 고도값 및 최소 고도값을 도출하고, 상기 최대 고도값 및 상기 최소 고도값 사이의 범위 내에서 상기 추정 고도값을 생성하는 것을 특징으로 하는,
지형 고도 데이터 시스템. - 제7항에 있어서,
상기 추정부는, 경사 하강법(gradient descent) 및 가우스-뉴턴법(Gauss-Newton) 중 적어도 하나를 이용하여 상기 추정 고도값을 생성하는 것을 특징으로 하는,
지형 고도 데이터 시스템. - 제1항에 있어서,
상기 특징 영역 생성부는,
k-평균 군집화 알고리즘(k-means clustering algorithm) 및 슈퍼 픽셀 알고리즘(super pixel algorithm) 중 적어도 하나를 이용하여, 상기 영상 데이터를 색상 및 픽셀 위치를 기초로 분할함으로써, 복수의 특징 영역들을 생성하는 것을 특징으로 하는,
지형 고도 데이터 시스템. - 제1항에 있어서,
상기 대표값들 각각은, 상기 제1 지형 고도 데이터에 포함된 고도값들 중에서, 각각의 특징 영역에 대응하는 고도값들의 중앙값(median)들인 것을 특징으로 하는,
지형 고도 데이터 시스템. - 데이터 입력부에 의해, 제1 해상도를 갖는 제1 지형 고도 데이터를 입력받는 단계;
영상 입력부에 의해, 영상 데이터를 입력받는 단계; 및
데이터 생성부에 의해, 상기 제1 지형 고도 데이터 및 영상 데이터를 융합하여, 제2 해상도를 갖는 제2 지형 고도 데이터를 생성하는 단계를 포함하고,
상기 제2 지형 고도 데이터를 생성하는 단계는,
확대부에 의해, 상기 제1 지형 고도 데이터를 확대하여 확대된 제1 지형 고도 데이터를 생성하는 단계;
특징 영역 생성부에 의해, 상기 영상 데이터를 색상 및 픽셀 위치를 기초로 분할하여, 복수의 특징 영역들을 생성하는 단계;
대표값 산출부에 의해, 상기 복수의 특징 영역들 각각에 대한 대표값들을 산출하는 단계; 및
추정부에 의해, 상기 확대된 제1 지형 고도 데이터 및 상기 대표값들을 기초로, 추정 고도값을 생성하여 상기 제2 지형 고도 데이터를 생성하는 단계를 포함하고,
상기 제2 해상도는, 상기 제1 해상도보다 큰 것을 특징으로 하는,
지형 고도 데이터 시스템의 동작 방법. - 제11항에 있어서,
상기 영상 입력부는,
상공에서 지형을 촬영하여 상기 영상 데이터를 생성하는 광학 영상 촬영 장치를 포함하는 것을 특징으로 하는,
지형 고도 데이터 시스템의 동작 방법. - 제11항에 있어서,
상기 확대부는, 바이 리니어 보간 필터 및 바이 큐빅 보간 필터 중 적어도 하나를 이용한 이미지 보간법을 통하여, 상기 제1 지형 고도 데이터를 확대하여 상기 확대된 제1 지형 고도 데이터를 생성하는 것을 특징으로 하는,
지형 고도 데이터 시스템의 동작 방법. - 제11항에 있어서,
상기 추정부는, MRF(Markov Random Field) 모델 및 CRF(Conditional Random Field) 모델 중 적어도 하나를 이용하여 상기 추정 고도값을 생성하는 것을 특징으로 하는,
지형 고도 데이터 시스템의 동작 방법. - 제14항에 있어서,
상기 추정부는, 상기 확대된 제1 지형 고도 데이터로부터 최대 고도값 및 최소 고도값을 도출하고, 상기 최대 고도값 및 상기 최소 고도값 사이의 범위 내에서 상기 추정 고도값을 생성하는 것을 특징으로 하는,
지형 고도 데이터 시스템의 동작 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200073767A KR102417411B1 (ko) | 2020-06-17 | 2020-06-17 | 지형 고도 데이터 시스템 및 이의 동작 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200073767A KR102417411B1 (ko) | 2020-06-17 | 2020-06-17 | 지형 고도 데이터 시스템 및 이의 동작 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20210156076A true KR20210156076A (ko) | 2021-12-24 |
KR102417411B1 KR102417411B1 (ko) | 2022-07-05 |
Family
ID=79176312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200073767A KR102417411B1 (ko) | 2020-06-17 | 2020-06-17 | 지형 고도 데이터 시스템 및 이의 동작 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102417411B1 (ko) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060014879A (ko) * | 2004-08-12 | 2006-02-16 | 삼성전자주식회사 | 해상도 변환방법 및 장치 |
KR101296190B1 (ko) | 2011-10-24 | 2013-08-13 | 한국항공우주산업 주식회사 | 지형 정보 활용 항법 및 그 구동 방법 |
JP2013218227A (ja) * | 2012-04-12 | 2013-10-24 | Mitsubishi Electric Corp | 数値標高モデル評価装置及び数値標高モデル評価方法 |
KR20150056108A (ko) * | 2013-11-14 | 2015-05-26 | 대한민국(기상청장) | 고해상도 지형자료 생성 방법 및 시스템 |
KR101762601B1 (ko) * | 2017-05-23 | 2017-08-04 | 주식회사 환경과학기술 | 지형 고도 데이터 생성 장치 및 방법 |
KR102014190B1 (ko) | 2019-05-27 | 2019-08-26 | 주식회사 삼인공간정보 | 좌표정보와 지형정보를 합성하여 정밀한 수치지도를 제작할 수 있는 수치지도제작시스템 |
-
2020
- 2020-06-17 KR KR1020200073767A patent/KR102417411B1/ko active IP Right Grant
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060014879A (ko) * | 2004-08-12 | 2006-02-16 | 삼성전자주식회사 | 해상도 변환방법 및 장치 |
KR101296190B1 (ko) | 2011-10-24 | 2013-08-13 | 한국항공우주산업 주식회사 | 지형 정보 활용 항법 및 그 구동 방법 |
JP2013218227A (ja) * | 2012-04-12 | 2013-10-24 | Mitsubishi Electric Corp | 数値標高モデル評価装置及び数値標高モデル評価方法 |
KR20150056108A (ko) * | 2013-11-14 | 2015-05-26 | 대한민국(기상청장) | 고해상도 지형자료 생성 방법 및 시스템 |
KR101762601B1 (ko) * | 2017-05-23 | 2017-08-04 | 주식회사 환경과학기술 | 지형 고도 데이터 생성 장치 및 방법 |
KR102014190B1 (ko) | 2019-05-27 | 2019-08-26 | 주식회사 삼인공간정보 | 좌표정보와 지형정보를 합성하여 정밀한 수치지도를 제작할 수 있는 수치지도제작시스템 |
Also Published As
Publication number | Publication date |
---|---|
KR102417411B1 (ko) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8295554B2 (en) | Method of deriving digital terrain models from digital surface models | |
US11682170B2 (en) | Generating three-dimensional geo-registered maps from image data | |
CN109063549B (zh) | 基于深度神经网络的高分辨率航拍视频运动目标检测方法 | |
US11443481B1 (en) | Reconstructing three-dimensional scenes portrayed in digital images utilizing point cloud machine-learning models | |
Ravanbakhsh et al. | A comparative study of DEM registration approaches | |
CN115457492A (zh) | 目标检测方法、装置、计算机设备及存储介质 | |
CN116580097A (zh) | 用于视频gis的坐标转换方法和装置 | |
Wang et al. | Fast 3D reconstruction method based on UAV photography | |
KR102417411B1 (ko) | 지형 고도 데이터 시스템 및 이의 동작 방법 | |
CN116994012A (zh) | 一种基于生态修复的图斑匹配***及匹配方法 | |
Saha et al. | Downscaling extreme rainfall using physical-statistical generative adversarial learning | |
CN116681844A (zh) | 一种基于亚米级立体像对卫星影像的建筑物白膜构建方法 | |
Wang et al. | A novel three-dimensional block adjustment method for spaceborne InSAR-DEM based on general models | |
US10460427B2 (en) | Converting imagery and charts to polar projection | |
CN113724229B (zh) | 高程差的确定方法、装置及电子设备 | |
He et al. | Super-resolution of digital elevation model with local implicit function representation | |
US11747141B2 (en) | System and method for providing improved geocoded reference data to a 3D map representation | |
CN114187404A (zh) | 一种用于近海域高分辨率的三维重建方法和*** | |
CN113724205A (zh) | 图像变化检测方法、设备及存储介质 | |
US11403815B2 (en) | Gridding global data into a minimally distorted global raster | |
Rajabi et al. | Optimization of DTM interpolation using SFS with single satellite imagery | |
CN117036511B (zh) | 多类型传感器的标定方法、装置、计算机设备和存储介质 | |
Liu et al. | Fusing multiscale charts into 3D ENC systems based on underwater topography and remote sensing image | |
CN113506233B (zh) | 基于深度学习的sar自聚焦方法 | |
WO2024071377A1 (ja) | 情報処理装置、情報処理方法及びプログラム |
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 |