자동화된 건물 모델 생성을 위한 고해상도 위성영상 기반 하이브리드 접근법 :A High-Resolution Satellite Imagery based Hybrid Approach for Automated Building Model Generation

안효원

추천

검색

자료유형: 학위논문

저자정보: 안효원 (명지대학교, 명지대학교 대학원)

지도교수: 김창재

발행연도: 2020

저작권: 명지대학교 논문은 저작권에 의해 보호받습니다.

이용수13

이 논문의 연구 히스토리 (2)

2020

자동화된 건물 모델 생성을 위한 고해상도 위성영상 기반 하이브리드 접근법

안효원 토목환경공학과 2020.01 학위논문

2019

고해상도 위성영상을 활용한 자동화된 건물 영역 추출 하이브리드 접근법

안효원 , 김창재 , 이효성 외 1명 한국측량학회지 2019.12 학술저널

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

초록· 키워드

오류제보하기

본 연구에서는 기존의 건물 모델링 연구들에서 주로 사용해왔던 현장측량, 항공사진, 라이다 데이터 등의 취득이 원천적으로 어려운 지역에 대한 자동화된 3차원 건물 모델링을 구현하고자 하였다. 이에 접근성에 큰 영향을 받지 않는 고해상도 위성영상을 활용한 방법론을 제시하고자 한다. 다중영상매칭을 통해 추출되는 3차원 점군 데이터 또는 DSM(Digital Surface Models)을 활용한 건물 모델 생성은 데이터 내의 높은 잡음과 다수의 빈 영역으로 인해 그 정확성에 한계를 보이고 있다. 따라서 본 연구에서는 다중영상매칭을 통해 얻어진 3차원 점군 데이터, 영상의 색상 및 선형 정보를 결합하여 건물 모델 생성을 수행하는 하이브리드식 접근법을 제안하였다. 일차적으로 다중영상정합으로 얻어진 3차원 점군 데이터로부터 지면과 비지면 점군 데이터를 분리하고, 비지면 점군 데이터로부터 공간성과 건물특성을 고려하여 초기 건물 대상지를 추출한다. 이후, 영상의 색상 기반 분할을 수행하여 얻어진 결과와 초기 건물 대상지를 결합하여, 색상분할 기반 건물 대상지를 추출한다. 이어서 영상의 선형정보 추출 및 공간 분할을 수행하고, 색상분할 기반 건물 대상지와 분할된 공간을 비교하여 최종적인 건물 영역을 선정하게 된다. 이후 초기 건물 대상지로부터 얻어진 건물의 평균 높이와 최종 선정된 건물 영역을 이용하여 3차원 건물 모델을 제작하였다. 또한 지면 점군 데이터와 결합하여 improved DSM을 제작하였다. 본 논문에서 제시한 건물 모델 자동 생성 방법론의 성능은 자동으로 추출된 건물 영역, 생성된 건물 모델, improved DSM을 정성적 및 정량적으로 평가하였다. 건물 형상 평가를 위한 correctness: 98.44%, completeness: 95.05%, 위치정확도 평가를 위한 위치오차: 1.05m 정도의 정확도를 확인하였으며, 더불어 직각형태 이상의 복잡한 건물 모델도 구현했음을 확인하였다.

This research aims to provide an automated building model generation approach over the areas where data acquisition is almost impossible through field surveying, aerial photography and lidar scanning. Hence, high-resolution satellite images, which have high accessibility over the earth, are utilized for the automated building model generation in this study. 3D point clouds or DSM(Digital Surface Models), derived from the stereo image matching process, provides low quality of building model generation due to their high level of noises and holes. In this regards, this research proposes a hybrid building model generation approach which utilizes 3D point clouds (from image matching), and color and linear information (from imagery). More specifically, as the first step, ground and non-ground points are separated from the raw 3D point clouds; then, the initial building hypothesis is extracted from non-ground points while taking into account the spatial and building characteristics. Secondly, color based building hypothesis is produced by considering the overlapping between the initial building hypothesis and the color segmentation result. Afterwards, line detection and space partitioning are carried out; then, the building areas are, selected by checking the overlapping between the space partitioning and the color based building hypothesis. Finally, the 3D building model is produced by utilizing the building areas finally selected, and the average height of the initial building hypothesis. In addition, improved DSM is produced by combining and ground point data. The performance of the proposed approach is validated through the quantitative and qualitative evaluations of the extracted building areas, building models and the improved DSM. In the evaluations, 98.44% of correctness, 95.05% of completeness, and 1.05m of positional accuracy are shown. Moreover, we see the possibility that the irregular shapes of buildings can be extracted through the proposed approach.

#고해상도 위성영상 #다중영상매칭 #건물 대상지 추출 #색상 기반 분할 #선형정보 추출 및 공간 분할 #3차원 건물 모델링

제 1 장 서론 1
1.1 연구 배경 및 필요성 1
1.2 연구 동향 2
1.3 연구 목표 4
제 2 장 고해상도 위성영상 기반 하이브리드 접근법 5
2.1 다중영상매칭을 통한 3차원 점군 데이터 생성 6
2.1.1 SGM을 활용한 다중영상매칭 8
2.1.2 위성영상을 활용한 3차원 점군 데이터 획득 기술 14
2.2 초기 건물 대상지 추출 18
2.2.1 SMRF를 활용한 지면 및 비지면 데이터 분리 19
2.2.2 공간성과 건물크기를 고려한 초기 건물 대상지 추출 21
2.3 색상분할 기반 건물 대상지 추출 23
2.3.1 색상 기반 분할 기법 23
2.3.2 색상분할 기반 refined 건물 대상지 추출 24
2.4 선형정보 추출 및 공간분할 26
2.4.1 LSD를 활용한 선형정보 추출 26
2.4.2 선형정보 기반 공간분할 및 통합 29
2.5 DBM, DTM 및 improved DSM 제작 31
2.5.1 DBM 제작 31
2.5.2 DTM 제작 34
2.5.3 improved DSM 제작 35
제 3 장 실험 결과 및 분석 37
3.1 정성 평가 39
3.2 정량 평가 46
제 4 장 결론 및 향후 연구 48
참고문헌 49
Abstract 56

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 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)