http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
최경아 ( Kyoungah Choi ),이임평 ( Impyeong Lee ) 대한원격탐사학회 2016 大韓遠隔探査學會誌 Vol.32 No.6
빈번하게 다양한 유형으로 발생하는 해안 침식 현상에 대하여 지속적인 모니터링을 통하여 변화 자료를 축적함으로써 효과적으로 침식 지역을 관리하고 대응 방안을 수립할 수 있다. 경제적으로 정밀한 해안지역 모니터링을 수행하기 위한 수단으로써 저고도 자율 비행이 가능한 드론사진측량 시스템이 제안되고 있다. 본 연구에서는 해안 지역에서 드론 시스템으로부터 취득된 데이터를 처리하여 생성된 정사영상과 수치표고모델(Digital Elevation Model: DEM)을 다양한 기준 데이터와 비교함으로써 정확도를 분석하고자 한다. 비교 검증 방법을 수립하고, 이에 따라 분석된 정확도를 확인함으로써 해안 침식 모니터링에 드론 사진 측량의 활용 가능성을 검증하였다. 기준 데이터와 다양한 조건에서 취득된 드론 영상으로부터 생성된 공간 정보를 비교한 결과, 수평 및 수직 정확도(RMSE)는 각각 약 2.9 cm와 4.8 cm이었으며, 이는 해안 침식 모니터링의 요구정확도인 5 cm를 거의 만족시키는 수준으로 판단된다. Coastal erosion happens frequently in many different types. To control coastal erosion zone effectively and establish response plans, we need to accumulate data indicating topography changes through monitoring the erosion situation continuously. UAV photogrammetric systems, which can fly autonomously at a low altitude, are recommended as an economical and precision means to monitor the coastal zones. In this study, we aim to verify the accuracy of the generated orthoimages and DEM as a result of processing the UAV data of a coastal zone by comparing them with various reference data. We established a verification routine and examined the possibilities of applying the UAV photogrammetric systems to monitoring coastal erosion by checking the analyzed accuracy by the routine. As a result of verifying the generated the geospatial information from acquired data under various configurations, the horizontal and vertical accuracy (RMSE) were about 2.7 cm and 4.8 cm respectively, which satisfied 5 cm, the accuracy required for coastal erosion monitoring.
드론 및 AI를 이용한 해안 쓰레기 모니터링 체계: 제주도 사례 중심으로
최경아(Choi, Kyoungah) 대한공간정보학회 2021 대한공간정보학회지 Vol.29 No.4
현재 해안 쓰레기 모니터링은 국가 통계자료 구축을 위해 조사자에 의하여 수행되고 있으나, 그 결과가 지자체의 수거 및 처리 업무에 활용되지 못하고 있다. 본 연구에서는 모니터링의 효율성을 제고하고, 수거 및 처리 실무를 지원할 수 있도록 드론 시스템과 AI 탐지 기술을 융합한 해안 쓰레기 모니터링 체계를 제안한다. 이를 위해 국가 해안 쓰레기 모니터링 사업과 지자체의 해안 쓰레기 관리 업무를 각각 분석하여 한계점을 도출하였다. 도출된 한계점을 극복하며 통계자료 구축과 실무를 모두 지원할 수 있는 드론 데이터 수집 시스템, AI 활용 자동 데이터 처리 및 분석 시스템, 수집 데이터 및 분석 정보 공유 시스템으로 구성된 모니터링 체계를 구상하였다. 제안한 체계의 효용성을 확인하고자 핵심적인 데이터 수집과 쓰레기 탐지 영역에 대하여 시범 적용하였다. 그 결과 자동으로 드론 항공 영상을 수집하고 83.2%의 정확도를 갖고 해안 쓰레기를 탐지할 수 있었다. 향후 정확도 개선을 통해 관리 사각지대를 해소하며, 수거 체계의 효율성 향상에 기여할 수 있을 것으로 판단된다. Currently, coastal garbage monitoring is being conducted by investigators to build national statistical data, and the results are not being utilized in the garbage collection and disposal of local governments. In this study, we propose a coastal garbage monitoring system that combines a drone system and AI detection technology to improve monitoring efficiency and support the collection and disposal tasks. To this end, the limitations were drawn by analyzing the national coastal waste monitoring project and the local government"s coastal garbage management work, respectively. While overcoming the derived limitations, a monitoring system was devised to support both statistical data research and collection work. The monitoring system consists of a drone data acquisition system, an automatic data processing and analysis system using AI, and a system for sharing the collected data and analysis information. In order to confirm the effectiveness of the proposed system, the data collection and garbage detection areas, which are the core parts, were pilot-applied. As a result, it was able to automatically acquire drone aerial images and detect coastal garbage with an accuracy of 83.2%. By introducing the system, it will be possible to reduce management blind spots and improve the efficiency of the collection and disposal tasks in the future.
도시지역의 변화탐지를 위한 라이다데이터로부터 추출한 표면패치의 분류
최경아(Kyoungah Choi),이임평(Impyeong Lee) 대한공간정보학회 2008 한국공간정보학회 학술대회 Vol.2008 No.6
변화탐지는 도시모델의 갱신을 위해 중요한 단계이다. 이에 본 연구는 도시지역의 변화탐지를 위한 라이다데이터로부터 추출한 표면패치의 분류 방법을 제안한다. 제안된 방법의 주요 과정은 (1) 라이다 데이터로부터 생성된 DSM의 차문을 통해 변화영역을 탐지하고, (2) 탐지된 영역의 라이다 점으로부터 표면패치를 구성하고, (3) 구성된 각각의 패치의 종류를 지면, 수목, 빌딩으로 분류한다. 제안된 방법을 실측데이터에 적용한 결과를 동일한 지역의 정사영상으로부터 육안검사를 통해 수동 생성된 기준데이터를 이용하여 검증하였다. 패치분류의 성공률은 99%로 평가되었다. 결론적으로 제안된 방법은 변화탐지를 위한 강인하고, 신뢰성이 높고, 효율적인 패치 분류방법으로 판단된다.