여름철 UAV 기반 LiDAR, SfM을 이용한 하천 DTM 생성 기법 비교 분석

고재준; 송인홍; 이혁진; 박진석; 장성주; 이종혁; 김동우

추천

검색

자료유형: 학술저널

저자정보: 고재준 (서울대학교) 송인홍 (서울대학교) 이혁진 (서울대학교 농업생명과학연구원) 박진석 (서울대학교 생태조경ㆍ지역시스템공학부) 장성주 (서울대학교) 이종혁 (서울대학교) 김동우 (서울대학교)

저널정보: 한국농공학회 한국농공학회논문집 한국농공학회논문집 제66권 제3호

발행연도: 2024.5

수록면: 1 - 14 (14page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Gaining an accurate 3D stream geometry has become feasible with Unmanned Aerial Vehicle (UAV), which is crucial for better understanding streamhydrodynamic processes. The objective of this study was to investigate series of filters to remove stream vegetation and propose the best method forgenerating Digital Terrain Models (DTMs) using UAV-based point clouds. A stream reach approximately 500 m of the Bokha stream in Icheon citywas selected as the study area. Point clouds were obtained in August 1st, 2023, using Phantom 4 multispectral and Zenmuse L1 for Structure fromMotion (SfM) and Light Detection And Ranging (LiDAR) respectively. Three vegetation filters, two morphological filters, and six composite filters whichcombined vegetation and morphological filters were applied in this study. The Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) wereused to assess each filters comparing with the two cross-sections measured by leveling survey. The vegetation filters performed better in SfM, especiallyfor short vegetation areas, while the morphological filters demonstrated superior performance on LiDAR, particularly for taller vegetation areas. Overall,the composite filters combining advantages of two types of filters performed better than single filter application. The best method was the combinationof Progressive TIN (PTIN) and Color Indicies of Vegetation Extraction (CIVE) for SfM, showing the smallest MAE of 0.169 m. The proposed methodin this study can be utilized for constructing DTMs of stream and thus contribute to improving the accuracy of stream hydrodynamic simulations.

#DTM #LiDAR #morphological filter #SfM #vegetation filter

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)