해양 감시를 위한 무인항공영상의 지오레퍼런싱 :Georeferencing of UAV Images for Marine Surveillance

유형석

추천

검색

자료유형: 학위논문

저자정보: 유형석 (서울시립대학교, 서울시립대학교 일반대학원)

지도교수: 이임평

발행연도: 2018

저작권: 서울시립대학교 논문은 저작권에 의해 보호받습니다.

이용수7

이 논문의 연구 히스토리 (4)

2018

해양 감시를 위한 무인항공영상의 지오레퍼런싱

유형석 공간정보공학과 2018.01 학위논문

무인항공기 기반 해양 감시를 위한멀티센서 데이터를 활용한 선박 위치 결정

유형석 , Anna Ma , ia Klimkowska 외 2명 대한원격탐사학회지 2018.01 학술저널

2017

해양 감시를 위한 무인항공기 광학 영상 및 GPS/IMU 센서를 이용한 선박의 위치결정

유형석 , 최경아 , 이임평 대한공간정보학회 학술대회 2017.05 학술대회자료

2016

해양 감시를 위한 무인항공기 영상의 정밀 지오레퍼런싱

유형석 , 최경아 , 이임평 대한공간정보학회 학술대회 2016.10 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 해상에서 일어나는 선박 사고, 기름 유출 등의 사건으로 해양에서의 안전 관리와 환경 오염에 대한 관심이 높아지고 해양 감시에 대한 필요가 증가하고 있다. 해양 감시를 위해 현재 경비정으로 순찰하거나 V-PASS, AIS, 민간 제보에 기반한 방법을 주로 이용하고 있다. 그러나 이러한 방식으로 광활한 해양 영역에서 불법 선박이나 불법 행위를 신속하게 감시하기 어렵다. 해양 사고는 환경적인 특징으로 인해 발생 시 실종자나 사망자가 발생하거나 오염으로 인한 경제적·환경적 피해가 크게 일어날 수 있다. 이러한 피해를 최소화하기 위해서 기존 감시 수단들을 보완하여 상시적으로 해양 감시를 수행할 수 있는 수단이 필요하다. 무인항공기에 영상 센서를 탑재하여 감시를 수행하는 경우 긴급한 상황에서 적시에 감시를 수행할 수 있고, 특정 영역에서 주기적인 감시도 효과적으로 가능하다.
이에 본 연구에서는 무인항공기 멀티센서 시스템을 이용한 해양 감시를 위해 해양에서 취득한 무인항공영상의 지오레퍼런싱 ? 영상 외부표정요소를 결정하는 방법을 제안한다. 해양 환경에서 취득한 영상의 경우 영상 간의 공액점과 지상기준점을 확보하기 어렵기 때문에 전통적인 지오레퍼런싱 방법을 적용하기 어렵다. 이를 극복하기 위해 해양환경을 고려하여 개선된 지오레퍼런싱 방법을 제안하였다. 제안된 방법은 각각 광학영상과 열영상에 적용되는 방법으로 구성된다.
광학영상 지오레퍼런싱은 GPS/INS 데이터를 이용한 직접 지오레퍼런싱 결과를 간헐적으로 관측되는 해상 기준점을 이용해 개선하여 보다 정밀한 외부표정요소를 결정한다. 즉, 영상 간의 공액점 대신에 직접 지오레퍼런싱 결과로 상대 관계를 유지하면서 해상 기준점을 이용해서 절대적으로 보정한다. 열영상의 경우 광학영상에 비교하여 영상 취득 시점에 대한 정확도가 상당히 떨어진다. 이에 따라 GPS/INS 데이터에 기반한 직접 지오레퍼런싱을 적용하기 어렵다. 대신에 앞서 정밀하게 지오레퍼런싱된 광학영상을 기준으로 열영상을 조정하는 방식으로 외부표정요소를 결정한다.
영상의 종류에 따라 결정된 외부표정요소의 정확도를 검증하였다. 81장의 광학영상과 50장의 열영상을 이용하여 지오레퍼런싱을 수행하였는데, 영상은 취득된 고도에 따라 분류되고, 해안에서 취득된 영상과 해상에서 취득된 영상으로 구분된다. 해안영상의 외부표정요소에 대한 검사점의 RMSE(Root Mean Square Error)가 직접 지오레퍼런싱을 적용한 경우 2.69m, 제안된 방법을 이용한 경우 0.52m 이내로 결정되었다. 해상영상에 대한 검사점의 RMSE는 직접 지오레퍼런싱을 적용한 경우 3.44m, 제안된 방법을 이용한 경우 1.96m 이내로 결정되었다. 해안영상을 이용한 경우에 비해서 해상영상 외부표정요소의 정확도는 낮게 나타나지만, 해상에서도 영상의 외부표정요소가 효과적으로 개선되는 것을 확인하였다.
본 연구에서 제시한 광학영상과 열영상의 지오레퍼런싱 방법을 해양 감시를 위해 취득한 무인항공영상에 적용하여 외부표정요소를 결정하였다. 또한, 외부표정요소를 이용하여 영상에 나타난 지상점의 위치를 결정하고 정확도를 검증하였다. 이를 통해 무인항공영상으로부터 선박과 같은 해양 감시 대상인 주요 객체의 위치를 정밀하게 결정할 수 있을 것이다. 이는 해양 감시 관련기관의 현장 파악과 의사결정 지원 등에 효과적으로 적용 가능하다고 판단된다.

ecently, marine accidents, oil spills, etc. have increased interest in marine safety management and environmental pollution. For marine surveillance, monitoring by patrol boats or methods based on V-PASS, AIS, and reports received from people are mainly used. In this way, however, it is difficult to quickly monitor illegal ships or activities in the wide-ocean area. In the event of a marine accident, the environmental characteristics of the sea may lead to missing or death people, or economic and environmental damage due to pollution. In order to minimize such damages, it is necessary to supplement the existing monitoring means and to carry out the ocean surveillance at all times. When a surveillance is carried out by mounting an image sensor on the UAV, the surveillance can be performed in an emergency in timely, and regular monitoring can be performed in a specific area.
In this study, we propose a method of image georeferencing ? to determine the position and attitude of the image acquired at marine for monitoring the sea using a UAV multi-sensor system. In case of acquired images in the ocean, it is difficult to apply the existing georeferencing method since it is hard to obtain ground control point with the ground reference points between images. To overcome this problem, we propose an improved image georeferencing method considering the marine environment. The proposed method is divided into two types, which are applied to optical image and thermal image respectively.
Optical image georeferencing improves the accuracy of the EOP, which is based on intermittently observed ground control points. In other words, instead of the conjugate points between images, the relative relationship is maintained as the result of direct georeferencing, and is absolutely corrected using the ground control points. In the case of the thermal images, the accuracy of the tagged image acquisition time is lower than with the optical images. Therefore, it is difficult to apply direct georeferencing based on GPS/INS data. Instead, we determined EOP of the thermal image by adjusting thermal image based on the precisely georeferenced optical images.
We verified the accuracy of the georeferenced EO. The georeferenced image consists of 81 optical images and 50 thermal images. These images were classified into the ground or the ocean images according to the main target areas acquired altitude and place from the ground or the ocean. The Root Mean Square Error (RMSE) of the CP for the EOP of the images from the ground was determined to be 2.69 m based on the direct georeferencing and 0.52 m based on the proposed method. The RMSE of the CP for the images from the marine was determined to be 3.44 m based on the direct georeferencing and 1.96 m based on the proposed method. The accuracy of EOP of the ocean image was lower than that of the case of using the ground image. However, we confirmed that the EOP of the ocean image can be improved.
In this study, we applied the proposed optical and thermal image georeferencing method to the UAV images for marine surveillance to determine EOP of the images. In addition, we determined the position and verified the accuracy of the ground points at the image. This results will allow us to precisely determine the location of key objects such as vessels from UAV images. It can be effectively applied to knowing the situation about the field and the supporting decision making of the marine surveillance organizations.

#해양 감시 #무인항공기 #광학영상 #열영상 #지오레퍼런싱

제1장 서론 1
제1절 연구 배경 1
제2절 선행 연구 6
제3절 연구 목표와 범위 9
제2장 이론적 배경 11
제1절 좌표계 변환 11
제2절 지오레퍼런싱 13
제3장 지오레퍼런싱 방법론 17
제1절 시스템 캘리브레이션 19
제2절 광학영상 지오레퍼런싱 25
제3절 열영상 지오레퍼런싱 31
제4장 실험과 결과 분석 35
제1절 시험 대상 지역과 데이터 취득 35
제2절 광학영상 데이터 처리와 정확도 검증 42
1. 시스템 캘리브레이션 42
2. 센서 지오레퍼런싱 45
3. 외부표정요소의 정확도 검증 51
제3절 열영상 데이터 처리와 정확도 검증 55
1. 센서 지오레퍼런싱 55
2. 외부표정요소의 정확도 검증 57
제5장 결론 59
참 고 문 헌 62
ABSTRACT 66

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

이 논문의 연구 히스토리 (4)

초록· 키워드

목차

최근 본 자료

댓글(0)