표제지
국문초록
목차
제1장 서론 15
제1절 연구배경 및 목적 15
제2절 선행연구 분석 16
제3절 연구내용 및 방법 20
제2장 이론적 배경 22
제1절 항공사진측량 22
1. 디지털 카메라 22
2. 항공삼각측량 28
제2절 변화탐지 이론 30
1. 영상정합 30
2. 수치표면모델 33
3. 분석 알고리즘 35
제3장 변화탐지 자동화 방법론 43
제1절 자동화 방법론 43
1. 차분법에 기반한 D-DSM 45
2. Algebra 알고리즘 D-DSM 46
3. Morphology 필터링 적용 D-DSM 47
4. 도로형상 데이터 중첩 정제 48
제4장 실험 및 결과 49
제1절 대상지 선정 및 자료처리 49
1. 대상지 선정 50
2. 촬영 데이터 전처리 53
3. 항공삼각측량 54
제2절 3차원 공간정보 제작 및 D-DSM 적용 57
1. DSM 생성 및 임계치 보정 57
2. 차분법에 기반한 D-DSM 64
3. Algebra 알고리즘 D-DSM 65
4. Morphology 필터링 D-DSM 66
5. 도로형상 데이터 중첩 정제 67
6. 정확도 검증 69
제3절 실험결과 86
1. 정확도 분석 86
2. 건축물 판독 공정 적용방안 94
제5장 결론 및 제언 98
참고문헌 100
ABSTRACT 108
표 2-1. Vector Data의 특징 35
표 2-2. Vector Data와 Raster Data의 차이점 36
표 2-3. 머신러닝 OA 평가 지표 41
표 3-1. 도로 관련 레이어 코드 48
표 4-1. 보유 항공사진 내역 50
표 4-2. 실험대상지 개요 52
표 4-3. 항공삼각측량의 입력자료 55
표 4-4. 항공삼각측량 결과 55
표 4-5. 항공삼각측량의 허용오차 56
표 4-6. 계산된 외부표정요소 57
표 4-7. 임계치 계산 결과표 63
표 4-8. 도로관련 레이어 지형지물 코드 67
표 4-9. 차분법에 의한 정확도(17-15) 69
표 4-10. 차분법에 의한 정확도(22-15) 69
표 4-11. Algebra 기법에 의한 정확도(17-15) 75
표 4-12. Algebra 기법에 의한 정확도(22-15) 76
표 4-13. 모폴로지 필터링에 의한 정확도(17-15) 80
표 4-14. 모폴로지 필터링에 의한 정확도(22-15) 80
표 4-15. 도로명 주소데이터 중첩 정제에 의한 정확도(17-15) 85
표 4-16. 도로명 주소데이터 중첩 정제에 의한 정확도(22-15) 85
표 4-17. 육안판독 결과와 변화탐지 비교(17-15) 88
표 4-18. 육안판독 결과와 변화탐지 결과 탐지율(17-15) 89
표 4-19. 육안판독 결과와 변화탐지 비교(22-15) 90
표 4-20. 육안판독 결과와 변화탐지 결과 탐지율(22-15) 92
표 4-21. 건축물 판독 공정별 소요시간 96
표 4-22. 육안판독과 변화탐지 알고리즘의 소요시간 97
그림 1-1. 연구 흐름도 20
그림 2-1. UltraCamXp 카메라(좌) 및 CCD 센서의 배렬(우) 23
그림 2-2. 다각경사카메라의 종류 24
그림 2-3. 경사영상의 기하 25
그림 2-4. 경사영상의 촬영 스트립 26
그림 2-5. UrbanMapper-1의 구조 및 Footprint 27
그림 2-6. 번들조정기법의 개념 28
그림 2-7. 영상정합 기법의 흐름도 30
그림 2-8. 3차원 위치결정 순서 32
그림 2-9. Vector Data와 Raster Data 표현 방식 36
그림 2-10. 침식연산 수행 결과물 38
그림 2-11. 팽창연산 수행 결과물 39
그림 3-1. 실험 흐름도 44
그림 3-2. 차분법 기반 D-DSM 45
그림 3-3. Algebra 기법 46
그림 3-4. 침식연산 수행(예시) 47
그림 3-5. 팽창연산 수행(예시) 47
그림 4-1. 연도별 항공사진 전경 51
그림 4-2. 실험대상지 영상 52
그림 4-3. 외부표정요소 처리 흐름도 53
그림 4-4. 항공삼각측량의 블록개요도 54
그림 4-5. DSM 생성 61
그림 4-6. 검사점 분포도 62
그림 4-7. 생성된 DSM과 차분결과 64
그림 4-8. Algebra 알고리즘과 적용결과 65
그림 4-9. 모폴로지 필터링의 적용결과 66
그림 4-10. 도로 데이터 (수치지형도, 도로명주소) 68
그림 4-11. 도로면 데이터 중첩 68
그림 4-12. Noise가 제거된 D-DSM 68
그림 4-13. 차분법에 의한 D-DSM 69
그림 4-14. 변화탐지 세부내역(건축물, 2017-2015) 70
그림 4-15. 변화탐지 세부내역(건축물, 2022-2015) 71
그림 4-16. 변화탐지 세부내역(수목, 2022-2015) 72
그림 4-17. Algebra 기법의 기본원리 73
그림 4-18. Algebra 기법에 의한 D-DSM 74
그림 4-19. D-DSM과 정사영상 중첩 75
그림 4-20. 변화탐지 세부내역(생성) 76
그림 4-21. 변화탐지 세부내역(생성) 77
그림 4-22. 변화탐지 세부내역(철거) 78
그림 4-23. 모폴로지 필터링에 의한 D-DSM 79
그림 4-24. 모폴로지 필터링으로 Noise 제거 80
그림 4-25. 모폴로지 필터링 적용(차량) 81
그림 4-26. 모폴로지 필터링 적용(수목) 82
그림 4-27. 2017 정사영상과 필터링 결과 중첩 83
그림 4-28. 2022 정사영상과 필터링 결과 중첩 83
그림 4-29. 도로명 주소데이터 84
그림 4-30. 도로명 주소데이터와 D-DSM 중첩에 의한 정제 85
그림 4-31. 알고리즘별 정확도(17-15) 86
그림 4-32. 알고리즘별 정확도(22-15) 86
그림 4-33. 15-17 CheckPoint와 비교 89
그림 4-34. 15-22 CheckPoint와 비교 92
그림 4-35. 건축물 판독 작업 흐름도 95