Camera data: Ditigal Surface Model (DSM)

참고문헌: 원격탐사개론, 동화기술


Digital Terrain Model (DTM)

Digital Elevation Model (DEM)

Digital Surface Model (DSM)

 

*How to represent the geographical surface

-지형 형상의 표현 방법

1. Contour

등간격의 높이를 가지는 등고선으로 지형을 표현


2. Mesh (격자 점 방법)

수평면 상에 배치되어 있는 격자 점의 표고 자료에 의해 지형 형상을 표현하는 방법. 격자 점 이외의 지점의 표고는 주위 격자 점의 표고 자료로부터 내삽한다. 


3. Triangulated Irregular Network (TIN, 랜덤 점 방법)

수평면 상에 랜덤하게 배치된 점의 수평 위치 좌표와 표고 자료에 의해 지형 형상을 표현하는방법. 랜덤한 지점 이외의 지점에 대한 표고는 근접한 랜덤 점의 표고 자료를 내삽한다.  


4. Functional representation

 지표면을 Spline 함수 등으로 곡면으로 표현하는 방법.


-수치 지형 자료 작성방법

1. 측량: 지상 측량, 사진측량, 원격 탐사

2. 기존 지형 도에서 얻는 경우

기존의 지형도의 등고선을 읽어서 지형 표고 자료를 얻는 방법. 지형도 상의 격자점을 배치해서 격자점의 표고를 활용하는 방법


입체시 (Stereoscopy)

어떤 2지점으로부터 중첩 부분이 있도록 대상물(대상 지역)을 촬영한 2개의 화상(스테레오화상 : stereoscopic images)을 준비하고 왼쪽 화상을 왼쪽 눈으로, 오른쪽 화상을 오른쪽 눈으로 보면 대상물리 3차원으로 보인다. 이것을 입체시 (Stereoscopy)라고 한다. 


Stereo mathching 

Stereo parallax

시차 (parallax) : 입체경에 대상물의 입체 모상이 재현 되는 것은 대상물이 각각 좌우 화상 중심으로부터 어긋나 기록되어 있기 때문인데 이 어긋남을 시차라고 한다. 

 

Vintage aerial photo 

I should know ground sample size.

만약 내가 과거항공사진에 있는 물체의 길이를 알고 있다면, 즉 2010 정사영상에도 그 형태가 온전히 보존 되어 있다면, 그 형태에 포함하는 픽셀수를 그 길이로 나누면, Ground sample size를 알 수 있지 않을까?

 https://gsp.humboldt.edu/olm/Courses/GSP_216/lessons/air-photo.html

https://www.mdpi.com/2072-4292/13/1/21


댓글

댓글 쓰기

이 블로그의 인기 게시물

GPR siganl processing: AI

  *coherent 노이즈 (Clutter) 제거 기계학습이 통계적 분포를 이용하여 데이터를 학습한다면 Radar clutter도 통계적 분포가 있는데,  기계학습이 Radar clutter 억압에 기여할 수 있을까? *incoherent 노이즈 제거 GPR signal processing이 기계학습으로 대체 가능성이 있을 까? 현재, 노이즈 억압을 위해서 시간을 들여 stacking을 하고 있는데, 이러면서  측정 영역이 좁아 진다. 그렇다면, 기계 학습을 이용해서 노이즈 억압을 하여 측정 영역을 넓힐 수 있을까? *Noist2Nois 모델은 다른 나라에서 공개한 행성탐사 자료에 활용할 수 있지 않을까? 특히, 시계열 원시 자료를 확보하기 힘든 LRS 자료의 경우 말이다. 
자세한 내용 보기

Gempy: critical points

Reference: https://docs.gempy.org/getting_started/get_started.html#sphx-glr-download-getting-started-get-started-py *GemPy core code is written in Python. However for efficiency (and other reasons) most of heavy computations happend in optimize compile code, either C or CUDA for GPU. To do so, GemPy rely on the library theano. To guarantee maximum optimization theano requires to compile the code for every Python kernel. *GemPy is a surface based interpolator . This means that all the input data we add has to be refered to a surface. The surfaces always mark the bottom of a unit. By default GemPy surfaces are empty: *It is decisive to remember that, in GemPy, interface position points mark the bottom of a layer.  *GemPy input data consist on surface points and orientations (perpendicular to the layers)   *As we generate our Data from CSV-files, we also have to define our model's real extent in 𝑥 , 𝑦 and 𝑧 , as well as declare a desired resolution for each axis. This res...
자세한 내용 보기

Camera data: 화상센서의 기하학

참고문헌: 원격탐사개론, 동화기술 * 화상센서의 기하학 화상자료에 포함되는 기하학적인 왜곡을 제거하기 위해서는 우선 화상상의 픽셀위치와 대상물과의 위치관계(가하학적인 관계)를 파악할 필요가 있음. 이 관점에서 화상 센서는 아래와 같이 정리됨 1. 중심투영방식  -Frame sensor : frame camera, TV camera  -Line sensor :  linear array sensor, push broom scanner (SPOT HRV) -Point sensor : optical mechanical sensor (Landsat, MSS, TM) 2. 비중심투영방식 : side looking radar, side scan sonar  *대상물좌표계 (= 3차원 직교좌표계) -센서 투영 중심 위치 : 촬영 시 센서의 투영 중심  -센서 자세 : 회전각으로 정의 주점 (Principal point) : 센서의 투영 중심으로부터 화상 투영 면상에 내린 수선점 공선조건식 (collinearity equation) -센서의 중심위치 및 자세를 구하는 방법 1. 다른 센서로 직접 계측하는 방법 위치 -> GPS, 측량 기구 자세 ->  gyro, star tracker 2. 화상 상에 포함되어 있는 3차원 좌표의 기준점을 이용해서 센서의 중심 위치와 자세를 추정하는 방법. 3차원 좌표의 기준점을 촬영하고 그 화상 좌표를 계측함으로써 촬영 시의 센서중심위치와 자세를 추정하는 방법이다. 즉 기준점의 3차원 좌표 값과 화상 좌표 값과 사이에 공선조건식에 센서 중심의 위치 좌표와 자세가 미지수로서 포함되는 것에 주목해서, 최소자승법을 적용하여 센서의 중심 위치 좌표와 자세를 추정할 수 있다. 이러한 작업을 표정 (orientation)이라고 한다. 정밀도가 높은 기준점이 다수 얻어지면 정밀도가 높게 추정할 수 있다.  *기준점 (Ground Control Point) 기준점 : 리모트센싱 화상의 ...
자세한 내용 보기