UAV 촬영 이미지와 3D 모델 매칭을 통한 건축물 변화 탐지
Building Change Detection Using UAV Imagery and 3D Model Matching
- 주제어 (키워드) 건축물 , 변화 탐지 , UAV , 3D 모델 , SSIM , 유사도 , 좌표계 정렬 , 세그멘테이 션 , 시뮬레이션 , 와이어프레임 변환 , 공간 분석 , building , structure , change detection , UAV , 3D model , SSIM , similarity , co-ordinate alignment , segmentation , simulation , wireframe transformation , spatial analysis
- 발행기관 서강대학교 메타버스전문대학원
- 지도교수 박상훈
- 발행년도 2025
- 학위수여년월 2025. 2
- 학위명 석사
- 학과 및 전공 메타버스전문대학원 메타버스테크놀로지
- 실제 URI http://www.dcollection.net/handler/sogang/000000079462
- UCI I804:11029-000000079462
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
This study proposes a method to detect changes in buildings by comparing recent UAV images with existing 3D terrain and structure models. Using UAV location and orientation data, rendering images with identical viewpoints as the 3D model are generated. UAV and rendering images are segmented into objects using a segmentation model, and the results are merged to create wireframe images. Features of the wire frame images are matched to align their coordinate systems and divided into 100×100 pixel grids. Similarity between the UAV and rendering wireframes is analyzed for each grid, identifying low-similarity regions as areas of change. For individual buildings in these regions, segmentation mask similarity is analyzed, classifying objects as changed if the similarity is below a threshold or no pair exists. This method, leveraging UAVs’ mobility and resolution, is faster and more cost-effective than traditional methods like satellite image analysis or new 3D model generation, enabling applications in military operations, disaster response, and urban planning.
more초록 (요약문)
본 연구에서는 UAV(unmanned aerial vehicle, 무인 항공기)로 촬영한 최신 이미지를 활용하고, 이를 기존의 3D 지형 및 지물 모델과 비교함으로써 건축물의 변화 여부를 탐지하는 방법을 제안한다. 제안 방법은 UAV를 통해 획득한 위치 및 자세 데이터를 활용하여 3D 모델에서 동일한 위치와 방향을 갖는 가상 카메라에서 렌더링한 이미지를 생성하는 것으로 시작된다. UAV 촬영 이미지와 생성된 이미지는 세그멘테이션(segmentation) 모델을 사용하여 각각 객체별로 분리하고, 이를 다시 통합하여 두 개의 와이어프레임 이미지를 생성한다. 이후, 두 와이어프레임 이미지 간의 특징을 매칭하여 좌표계를 정렬하고, 정렬된 두 와이어프레임 이미지를 100×100 픽셀 단위의 가상 그리드로 세분화한다. 각 그리드 영역에 대해 UAV 와이어프레임 이미지와 렌더링 와이어프레임 이미지 간의 유사도를 비교하여, 유사도가 낮은 영역을 변화가 감지된 영역으로 도출한다. 변화가 감지된 영역에 존재하는 개별 건축물에 대해 UAV 세그멘테이션 마스크(segmentation mask)와 렌더링 세그멘테이션 마스크의 쌍을 비교하여 유사도를 분석한다. 만약 유사도가 설정된 임계값 이하이거나 비교 가능한 쌍이 존재하지 않는 경우, 해당 객체는 변화가 발생한 건축물로 판단한다. 이는 기존에 위성 사진을 분석하거나 새로운 3D 모델을 생성하여 비교하는 방법보다 시간과 비용 면에서 효율적이다. 본 연구에서 제안한 방법은 UAV 의 기동성과 높은 해상도를 효과적으로 활용하여 분석이 가능하도록 설계되었다. 본 연구 결과는 군사 작전, 재난 대응, 도시 계획 등 신속하게 지형 변화나 건축물 상태를 모니터링해야 하는 상황에서 유용하게 활용될 수 있다.
more목차
제 1장 서론 1
제 2장 연구의 필요성 3
제 3장 선행 연구 5
3.1 3D모델/데이터 기반 변화 탐지 5
3.1.1 LiDAR 데이터와 항공사진 통합 5
3.1.2 DSM 및 3D 포인트 클라우드 6
3.2 UAV 촬영 이미지를 활용한 변화 탐지 7
3.2.1 RGB-D 맵 및 다중 시간 UAV 촬영 이미지 7
3.2.2 UAV 기반 3D 포인트 클라우드 9
3.3 딥러닝 기반 변화 탐지 10
3.3.1 Mask R-CNN과 그래프 기반 모델 10
3.3.2 주의 메커니즘과 다중 해상도 접근법 11
3.4 한계점 13
제 4장 연구 목표 15
제 5장 연구 방법 16
5.1 3D 모델 렌더링 16
5.1.1 좌표 및 방향 설정 17
5.1.2 카메라 설정 19
5.1.3 3D 모델 이미지 렌더링 20
5.1.4 단계 결과 20
5.2 UAV/렌더링 세그멘테이션 21
5.2.1 세그멘테이션의 필요성 21
5.2.2 주요 세그멘테이션 기술 22
5.2.3 UAV/렌더링 이미지 세그멘테이션 23
5.2.4 단계 결과 24
5.3 이미지 통합 후 와이어프레임 변환 24
5.3.1 세그멘테이션에 기반한 와이어프레임 생성의 장점 25
5.3.2 이미지 통합 후와 이어프레임 변환 25
5.3.3 단계 결과 27
5.4 이미지 매칭 및 좌표계 정렬 27
5.4.1 이미지 매칭의 개념 및 필요성 28
5.4.2 특징점 추출 이미지 매칭 28
5.4.3 매칭 결과 정제 및 좌표계 정렬 32
5.4.4 단계 결과 33
5.5 유사성 낮은 영역의 개별 객체 비교 34
5.5.1 그리드 기반 비교의 개념과 필요성 34
5.5.2 SSIM을 활용한 구조적 유사성 비교 35
5.5.3 변화가 감지된 그리드 영역의 객체 비교 37
제 6장 실험 결과 39
6.1 실험 환경 39
6.2 실험 결과 41
제 7장 기대효과와 연구의 한계 45
7.1 기대 효과 45
7.2 연구의 한계 48
제 8장 향후 연구 방향 50
제 9장 결론 51
참고문헌 52
