지적재조사사업에서의 무인비행장치와 Mask R-CNN을 이용한 건축물 현황 취득 방안 연구 = A Study on the Acquisition of the Status of Buildings Using Unmanned Aerial Vehicle and Mask R-CNN in Cadastral Resurvey Projects

다국어 초록 (Multilingual Abstract)

In the cadastral re survey project, the current status of buildings is assessed during the survey of the cadastral re survey area. This results in loss of time and cost because it is necessary to additionally conduct a building status survey during the cadastral re survey. To reduce this, we applied the unmanned aerial vehicle image and the Mask R-CNN algorithm of deep learning to extract the current status of the building. The performance of the extracted object and the boundary point of the ground survey was compared. As a result of comparison, RMSE X = 0.072m, Y = 0.062m, a value applicable to the cadastral resurvey project was derived. However, the extraction rate of the building status was about 50%, and there were also buildings with low accuracy of the extracted objects. It is judged that the building was not clearly recognized due to the lack of training data. If the extraction rate is further increased due to the accumulation of data and the development of deep learning algorithms in the future, it is judged that it can be applied to cadastral fields such as cadastral resurvey project in the future.

국문 초록 (Abstract)

지적재조사사업에서 건축물의 현황 파악은 지적재조사지역 측량조사 시에 수행한다. 이는 지적재조사 측량 시에 건축물 현황 조사를 추가적으로 수행해야 되므로 시간, 비용 손실이 발생하게 된다. 이를 감소하기 위해 무인비행장치 영상과 딥러닝의 Mask R-CNN 알고리즘을 적용하여 건축물에 대한 현황 추출을 진행하였다. 추출된 객체와 지상측량의 경계점 성과를 비교하였다. 비교 결과 RMSE X=0.072m, Y=0.062m로 지적재조사사업에 적용 가능한 값을 도출하였다. 하지만 건축물 현황 추출률이 약 50%이며 추출된 객체의 정확도가 낮은 건축물도 발생하였다. 이는 훈련데이터의 부족 등으로 건축물 명확하게 인식하지 못한 것으로 판단된다. 향후 데이터의 축적과 딥러닝 알고리즘의 발전으로 추출률이 더욱 높아진다면 향후 지적재조사사업 등 지적 분야에 적용이 가능할 것으로 판단된다.

참고문헌 (Reference)

1 국토교통부, "지적재조사에 관한 특별법령 해설"

2 "지적재조사에 관한 특별법 시행규칙"

3 "지적재조사에 관한 특별법"

4 김대종, "지적재조사를위한 인공지능기술 활용 방향 연구" 국토연구원 2017

5 국토교통부, "지적재조사 시작부터 종료까지 ‘드론으로 한눈에’"

6 국토교통부, "지적불부합지 추출을 위한 인공지능 기법 적용 연구" 2020

7 박기헌 ; 정성용, "지적도면상의 건축물 등록을 위한 건축도면 활용 방안" 한국지적정보학회 11 (11): 45-64, 2009

8 서기환, "지속가능한 국토발전을 위한 토지이용변화 모니터링 방안 연구 : 딥러닝 알고리즘 활용을 중심으로" 국토연구원 2019

9 홍성언, "인공지능 기술의 지적측량 업무에 활용 방향" 청주대학교 사회과학연구소 41 (41): 2020

10 김의명, "영상 및 점기반 자료처리에 의한 항공 라이다 자료의 건물경계추출" 대한공간정보학회 17 (17): 43-52, 2009

11 박종현, "무인항공측량시스템을 이용한 지적재조사 추진방법의 개선연구" 청주대학교 2018

12 조은지, "딥러닝에 의한 객체인식 향상을 위한 학습 데이터의 효과적 구성 : Mask R-CNN을 중심으로" 2019

13 김도형, "UAV와 딥러닝을 활용한 건축물 경계선추출 연구" 청주대학교 2022

14 이기훈 ; 홍성언, "Building Boundary Extraction and Registration of Cadastral Re-survey Project Using UAV 3D Modeling Image" 한국지적학회 36 (36): 197-209, 2020

15 김도형 ; 임시영 ; 이돈선 ; 홍성언, "A Study on the possibility of UAV image building boundary line using Artificial Intelligence" 한국지적학회 37 (37): 113-122, 2021