Ⅰ. 서 론

1. 개요

최근 선진국뿐만 아니라 국내에서도 무인항공시스템(UAS: Unmanned Aerial System)을 활용한 응용분야에 대한 관심이 급속히 늘어나고 있다. 특히 많은 시간과 비용이 소요되었던 건설 및 환경 분야에서는 UAV(혹은 드론)를 활용한 데이터 취득이 시간과 비용에서 많은 강점을 가져 정부에서도 관련 분야 활성화계획을 발표하 면서 공공의 이해나 안전과 밀접한 관련이 있는 측량인 공공측량에 드론을 활용할 수 있도록 제도화하고 있다.

그러나 드론을 활용한 정사영상 및 수치표고모델의 최대허용오차의 기준 정립과 실제 공공측량의 성과품 의 질적 검증에 대한 연구는 거의 없는 실정이다. 특히 도시, 산지, 해안, 간척지 등 다양한 대상지역별 허용 오차의 범위는 드론을 활용하여 측량을 하는 목적 및 데이터의 활용계획에 따라 상이하게 설정할 수 있을 것이다. 따라서 상이한 지역을 대상으로 한 드론을 활용한 지형모델 생성 및 정확도 평가는 향후 관련 분야 의 기초적 자료로 활용될 것으로 기대된다.

본 연구의 목적은 대학 캠퍼스를 대상으로 드론을 활용한 정사영상 및 지형모델의 생성 방안을 제시하고 정확도 평가를 위해 기존의 GPS 자료를 활용한 방법과 본 연구에 제시하는 삼각수준측량을 통해 얻은 기준 값을 활용한 방법의 정확도 평가 및 비교 검증을 통해 드론의 응용 및 활용가능성을 살펴보고자 한다.

2. 문헌고찰

드론을 활용한 국내·외 관련 연구동향을 살펴보면, 크게 드론 영상자료를 활용하여 모델링하여 정확도 개선 과 시간 및 비용을 절감하기 위해 중복도, 촬영 고도 등의 개선방안을 제시하는 분야와 드론 영상 촬영에 사용 되는 카메라, 센서 그리고 활용 기법 등에 대한 연구로 구분할 수 있다. 먼저 드론 영상자료를 활용한 모델링 관련 국내의 건설 및 환경 분야의 연구사례를 살펴보면 Choi and Lee(2016)은 해안지역을 대상으로 회전익과 고정익을 활용한 모델링의 정확도 분석에서 촬영고도와 지상기준점의 배치가 큰 영향을 미친다고 주장하였으 며, Kim et al.(2017)은 저수지를 대상으로 고정익을 활용한 지형 모델 생성 및 정확도 평가에서 오차 범위내의 성과를 얻었다. 한편 Jung et al.(2010)은 충북대학교를 대상으로 한 3D 공간정보 취득을 위한 연구에서 시간과 비용적인 측면에서의 가능성이 있음을 확인한 바 있으며, Park and Kim(2017)은 하천, 산지 및 주거지를 대상으 로 한 고정익 영상자료를 이용한 분석에서 기존 방식보다 약 40% 시간 절약효과가 있음을 밝힌바 있다.

한편 국외의 연구 성과를 살펴보면, Stalin et al.(2017)은 저수지와 농지를 대상으로 한 회전익 영상자료를 토대로 한 연구에서 체적 등의 산정에 활용 가능성을 제시하였으며, Kim et al.(2018)은 콘크리트 교량의 건 전도(크랙 등) 평가에 딥러닝 기법을 활용하여 식별 및 정량화하는 기법을 제시하였으며, Alidoost and Arefi(2017)은 고대도시를 대상으로 회전익을 활용한 정확도 분석에서 소프트웨어의 파라미터 값의 중요성을 주장하기도 하였다.

한편, 드론의 활용성 제고를 위한 방법론 및 응용분야를 대상으로 한 연구로 Mancini et al.(2013)은 해안지 역을 대상으로 한 드론 측량에서 Structure from Motion(SfM) 기법의 활용성을 검증하였으며, 사면붕괴의 위 험에 대비한 매핑, 모니터링과 조기 발견에 드론을 활용하는 기법에 대한 연구(Lucieer et al., 2014;Casagli et al., 2017) 등이 있다.

그러나 대부분의 공간 분석에서의 정확도 개선을 위한 기존 연구에서 좌표의 기준 값(참값)으로 GPS 자료 를 활용한 사례가 대부분이며 실제 삼각수준측량을 통해 얻은 기준 값을 활용한 사례는 거의 없는 것으로 나타났다. 따라서 본 연구에서는 도시공간의 지형모델 생성 및 정확도 검증을 위해 국토지리정보원의 통합 기준점을 기준으로 정밀 삼각수준측량의 성과를 기준 값으로 활용하여 드론 측량의 정밀도를 평가하고 지형 모델의 작성 및 활용방안을 제시하는 것을 목적으로 한다.

Ⅱ. 연구방법

1. 무인항공시스템

무인항공시스템은 UAV(Unmanned Aerial Vehicle) 혹은 드론(Drone)으로 불리기도 하며 조종사가 직접 탑 승하지 않고 지상에서 원격으로 조정하거나 사전에 프로그래밍 된 경로에 따라 비행하면서 촬영하는 비행체 와 지상통제장비 및 통신장비, 지원 장비 등의 전체 시스템을 말한다.

본 연구에서 운용된 드론은 회전익 드론으로 DJI의 Phantom 4 Pro를 사용했으며 특징은 배터리 용량이 5,870mA로 최대 30분을 비행할 수 있고 시속 50km/h로 비행할 수 있으며 카메라 센서는 2,000만화소로 ISO 100~3,200까지 지원한다(<Table 1>).

2. 항공촬영 및 데이터 처리 시스템

UAV(드론)으로 지상의 공간정보를 획득하기 위해서는 촬영계획 수립이 선행되어야 하는데 항공사진 촬 영을 위한 비행계획, 촬영고도 설정, 모니터링 및 조정을 위한 소프트웨어 선정 등을 통해 지도를 사용하여 종방향 및 횡방향 중복도 등을 입력하면 촬영시간과 코스 등을 자동적으로 계산하여 분석 대상 지역의 기초 적인 자료를 수집할 수 있다.

촬영고도는 지상 샘플링 거리(GSD: Ground Sampling Distance)가 정확도에 큰 영향을 미치는데, GSD는 지상 표본거리라고 하며 지상해상력과 동일한 의미로 사용되며 두 연속되는 픽셀이 나타내는 지상거리를 의미한다. <Fig. 1>에서 보는 바와 같이 GSD에 영향을 미치는 값으로는 카메라 센서 폭, 카메라 실제 초점 거리, 카메라 해상도, 촬영고도가 있으며, 촬영의 목적, 대상지역의 특징 등을 고려하여 충분히 사전에 검토하여야 한다.

본 연구에서는 정확도에 큰 영향을 미치는 GSD와 중복도를 고려하여 촬영계획을 수립하였으며, 5cm 미 만의 GSD를 유지하기 위해 식(1)을 활용하여 적정 촬영고도를 설정하고자 하였다.

여기서, H(m)는 비행 고도, im W는 이미지 폭(pixel), GSD는 지상 샘플링 거리, F_R 은 실제 초점 거리(Focal length), S_W 는 실제 센서 폭(mm)을 의미한다.

한편 중복률에 따라 영상 샘플 수가 달라지는데 예를 들어, 중복률 80%, 비행 높이가 120m이고 드론의 비 행속도가 10m/s인 경우 2.33초마다 촬영하면 272장의 샘플 수가 얻어진다.(2)(3)

여기서, D는 비행 방향으로 하나의 이미지로 지상에서 덮인 거리, overlap은 두 이미지 사이에서의 정면중 첩 비율, od는 비행 방향에서 두 이미지에서의 중첩길이, x는 두 카메라 위치 사이의 비행 방향 거리, v는 드 론의 비행속도, t는 두 이미지 간의 경과 시간(촬영속도)을 의미한다. <Table 2>에서 알 수 있는 바와 같이 시 나리오별 취득한 영상데이터의 수는 중복도에 따라 상이하게 나타나며 중복도가 커질수록 영상데이터도 함 께 많아짐을 확인할 수 있다.

비행 방법에 있어서는 분석의 오차를 최소한으로 줄이기 위하여 종횡으로 비행경로를 설정하여 사진의 폐색지역을 줄이는 Cross-Pass 기법을 활용하였다. 또한 드론 항공 영상데이터와 함께 기준 데이터로 활용할 지상 기준점(GCP: Ground Control Point)을 취득하고 동시에 정확도 검증을 위한 검사점(Check Point)을 선점 하여 높이 값 측량을 실시하였다. 촬영이 완료되면 무인비행자료 GPS/IMU 데이터를 다운로드 받고 사진접 합 및 지상기준점을 삽입하는 과정을 거치게 된다. 드론으로 촬영한 영상좌표를 지상좌표로 변환하는 작업 과 함께 지상기준점이 포함된 영상과 일치시키는 과정을 거치면 정사영상(Orthographic)과 수치지형 모델을 제작하기 위한 기초 작업이 완료된다.

본 연구에서 후처리 분석에 활용하는 소프트웨어는 Pix4DMapper로 3D Modeling, 3D Mapping, DEM(Digital Elevation Model), DTM(Digital Terrain Model)을 제작하기에 적합하며 생성되는 Report를 통하여 결과물의 정 도를 확인 할 수 있다(Korean Society of Road Engineers, 2018).

Ⅲ. 무인항공시스템을 이용한 공간데이터 분석

1. 대상 지역

분석 대상지는 대전광역시 유성구 덕명동의 한밭대학교 북측 캠퍼스일부로써 분석 면적은 <Fig. 2>와 같 이 약 0.233㎢이며, 지형 특성상 지반의 높이 차이가 약 15m 정도이며, 4~6층 높이의 건물과 수목들이 많은 것이 특징이다.

대상지역 항공촬영을 위한 시나리오는 대상 지역이 하천과 같은 수변공간과 산림이 울창한 지역이 아님 을 감안하여 중복률의 차이가 정확도에 어떠한 영향을 미치는 가를 분석하기 위해 시나리오1은 사진 중복률 을 60%, 시나리오2는 사진 중복률을 70%로 그리고 시나리오3은 중복률을 80%로 설정하였다.

2. 지상기준점(GCP) 측량

드론을 이용한 지상기준점(GCP)의 선정 시에는 입체 영상자료를 이용한 사진측량용 공액점으로 활용하기 적합하고 영상에서 위치파악이 용이한 고정 지형 및 지물을 통상 선정하게 된다. 본 연구에서 지상기준점 데 이터취득 방법은 HI – TARGET V30장비를 활용하여 일정거리마다 사진 상 구분하기 쉬운 맨홀이나 도로 선위에 GPS측점을 시행하였고 GCP와 검사점에 대한 정확한 높이 값을 취득하기 위하여 국토지리정보원에 서 고시한 U대전25지점을 기준으로 Trimble DINI를 활용하여 수준측량을 시행하여 각 GCP점과 검사점의 정 밀측량을 실시하였다.

이는 대부분의 정확도 개선을 위한 기존 연구에서 좌표의 기준 값(참값)으로 GPS 자료를 활용한 사례가 대부분으로 보다 정밀도 높은 지형모델 제작을 위해 실제 삼각수준측량을 통해 얻은 기준 값을 활용하였으 며 기존 방법과의 정확도 평가 및 검증을 실시하였다.

<Fig. 3(a)>에는 8개의 지상기준점을 대상으로 HI – TARGET V30장비를 활용하여 좌표값을 획득하는 것 이며, <Fig. 3(b)>에는 국토지리정보원에서 고시한 U대전25지점을 기준으로 Trimble DINI를 활용하여 정밀수 준측량을 하고 있는 모습이다.

기준점(GCP)은 대상지의 한국 좌표계인 중부원점으로 총 8점을 취득했으며 각 기준점에 대한 GPS값과 정 밀수준측량 후 보정값은 <Table 3>과 같다. GPS 측량의 경우 상대적으로 평면좌표보다 높이좌표에 정도가 떨어짐을 감안하여 본 연구에서는 GPS 측량에서 얻은 좌표값과 정밀 수준측량에서 얻은 좌표값을 비교해 보기로 한다.

Ⅳ. 3D 지형모델 생성 및 정확도 평가

1. 3D 지형모델 생성

본 절에서는 드론으로 촬영된 영상데이터를 활용하여 대학 캠퍼스 부지를 대상으로 한 정사영상 및 DSM(Digital Surface Model)과 DEM 제작과정을 살펴보기로 한다. <Fig. 4>에서 알 수 있는 바와 같이 정사영 상 생성결과 건물, 운동장, 도로 및 수목 현황 등 캠퍼스의 토지이용 현황을 상세하게 파악할 수 있는 것으 로 나타났다.

수치지형모델은 지형의 표고를 수치적 형태로 표현하는 것으롤 공간상에 분포되어 있는 지형기복의 변화 를 연속적으로 나타낸 것으로 보통 건물, 식생 그리고 인공구조물 등을 제외한 지형만의 높이를 의미한다.

한편 도시지역에서는 특히 건물과 숲 등의 조성지가 많아 수치지형모델을 제작하기에 어려움이 많은 실 정이다. 즉 수치지형도를 제작하기 이전에 건물 등 인공구조물 등을 제거함과 동시에 높이가 있는 수목이 등 고선에 영향을 주는 것을 막기 위해서 Pix4DMapper의 Edit Densified Point Cloud 기능을 활용하여 Cloud Point 를 분류한 후, 분류된 Cloud Point를 제거하여 DTM과 등고선을 제작하는 방안을 제시하고자 한다.

DTM을 생성하기 위한 포인트 클라우드 분류를 하게 되면 어느 정도 정확도를 가진 점 분류가 생성된다. 기본적으로 Pix4D에서는 Unclassified, Disabled, Ground, Road Surface, High Vegetation, Building, Human Made Object로 7개의 그룹으로 구분하는 기능을 지원하지만 분석가가 새로운 속성을 지정하여 추가할 수도 있다. <Fig. 5>에서 보는 바와 같이 (A)빌딩, (B)인공 객체(자동차, 보행자 등), (C)수목 등의 속성그룹이 분류가 되 는 것을 확인할 수 있지만 분류가 되지 않거나 다른 그룹으로 분류되는 경우가 종종 발생하게 된다. 특히 수 목의 경우에는 경험적으로 오분류가 자주 발생하는데 이 경우에는 정밀 분류 과정(Densified point cloud classification)을 거쳐야 한다.

이와 같이 도시지역을 대상으로 한 정밀 DTM을 생성하기 위해서는 보다 정교한 과정을 거쳐야 하며 <Fig. 6>에는 사전/사후 비교를 통해 차이점을 확인할 수 있다. <Fig. 6>에서 알 수 있는 바와 같이 정밀 분류 과정을 거치기 이전에는 빌딩, 수목, 인공 객체 등으로 인해 정확한 표면의 높이가 등고선(Contour) 작성에 방해가 되었지만 정밀 분류과정 이후에는 순수한 DTM을 작성할 수 있음을 확인하였다.

2. 정확도 분석

드론으로 촬영된 영상정보의 정확도를 평가하기 위해 각 시나리오별로 지상 기준점과 검사점의 실측값과 소프트웨어를 이용하여 구한 동일 위치상의 좌표값의 차이에 대한 RMSE(Root Mean Square Error)를 비교한 결과 <Table 4>에서와 같이 중복률이 증가함에 따라 정확도가 증가하는 것을 확인할 수 있다.

한편 검사점의 경우에는 정밀수준측량에서 얻은 참값(Z)과 비교해 보면, <Table 5>에서 알 수 있는 바와 같이 중복률이 증가할수록 참값에 근접함을 확인할 수 있다. 나아가 동일한 중복률에서 GPS 값을 기준으로 하는 경우에 비해 정밀수준측량을 기준으로 분석하는 경우가 오차가 적은 값을 가짐을 확인할 수 있다.

<Table 6>에는 검사점을 대상으로 한 중복률의 차이가 RMSE에 미치는 영향을 분석한 것으로 중복률이 높아짐에 따라 오차가 감소하며, 동일한 중복률에서는 정밀수준측량을 기반으로 한 분석에서 오차가 최소가 됨을 확인할 수 있다. 본 연구에서의 정확도 관련성과는 기존 관련 연구와 비교해도 RMSE가 크게 감소한 것으로 나타나 활용성이 향상되었음을 확인할 수 있었다.

드론촬영을 통한 정확도 분석을 요약하면 항공사진측량 작업규정 제56조 2항에 명시한 도화축척별 허용 기준치보다 정밀한 결과를 얻어 드론을 활용한 항공사진측량 및 응용분야에 활용될 수 있음을 확인하였다. 나아가 중복률을 증가시키면 오차는 줄어들며 정밀수준측량을 통해 구한 성과를 기준으로 정합시킬 경우 보 다 정밀한 결과를 얻을 수 있음을 확인하였다.

Ⅴ. 결 론

본 연구를 통해 다음과 같은 결론을 얻었다. 먼저, 도시지역을 대상으로 한 3D 공간분석을 위해서는 촬영 고도, 비행 속도, 중복도 등 촬영계획의 수립이 매우 중요하며, 이 과정에서 지상 샘플링 거리(GSD)가 정확 도에 큰 영향을 미치는 것을 고려하여 5cm 미만을 유지할 수 있는 촬영고도(120m)와 비행 속도 및 중복도 등을 검토하여 계획을 수립하였다.

그리고 대부분의 정확도 개선을 위한 기존 연구에서 좌표의 기준 값(참값)으로 GPS 자료를 활용하였으나 보다 정밀도 높은 지형모델 제작을 위해 본 연구에서는 실제 삼각수준측량을 통해 얻은 기준 값을 활용하는 방안을 제시하였으며, 기존 관련 연구와 비교해 RMSE가 크게 감소한 것으로 나타나 활용성이 향상되었음을 확인할 수 있었다.

셋째, 드론비행으로 촬영된 영상데이터를 활용하여 대학 캠퍼스 부지를 대상으로 한 정사영상 및 DSM, DTM을 제작하는 과정에서 건물, 운동장, 도로 및 수목 현황 등 캠퍼스의 토지이용 현황을 상세하게 파악할 수 있음을 확인하였다.

넷째, 정확도 분석 결과 모든 시나리오에서 국토지리정보원의 ‘항공사진측량 작업규정 제56조 2항’에서 제시한 기준 이내의 정확도를 확보함으로써 드론을 활용한 항공사진측량 및 응용분야에 활용될 수 있음을 확인하였으며, 마지막으로 정교한 DTM을 작성하기 위해서는 정밀 분류과정을 통해 빌딩, 수목, 인공 객체 등의 간섭을 없애고 정확한 표면의 높이의 등고선 작성이 가능한 방안을 제시하였다.