KR-102960105-B1 - Method for verifying numerical map errors based on secured data

KR102960105B1KR 102960105 B1KR102960105 B1KR 102960105B1KR-102960105-B1

Abstract

본 발명은 확보된 데이터를 기반으로 하는 수치지도 오차 확인방법에 관한 것으로서, 보다 구체적으로는 다양한 경로(드론 측량, MMS, 항공 측량 등)를 통해 확보된 복수의 기준 데이터셋을 상호 교차 연산함으로써 단일 데이터가 가질 수 있는 불확실성을 제거하고, 수치지도의 좌표 정밀도를 비약적으로 높인 지능형 수치지도 오차 검증 기술에 관한 것입니다. 본 발명은 데이터 간의 가중치 기반 수치 해석을 통해 오차를 자동 확정하고 이를 시각화하여, 기존의 수동적인 전수 조사 방식을 개선하고 고정밀 지도의 품질 관리 효율성을 극대화시킨 확보된 데이터를 기반으로 하는 수치지도 오차 확인방법에 관한 것이다.

Inventors

안호준
장현국
김경식
강요한

Assignees

주식회사 파나시아

Dates

Publication Date: 20260506
Application Date: 20260413

Claims (2)

검증 대상 수치지도와 상기 수치지도의 영역에 대응하여 드론, MMS, 항공 측량 장치로부터 확보된 복수의 기준 데이터를 입력받아 동일 좌표계로 정렬하는 단계; 상기 복수의 기준 데이터 각각의 획득 시점(T), 해상도(R), 신뢰도(C)를 변수로 하는 가중치 함수 W i = αT i + βR i + γC i 를 적용하여 분석 대상 데이터를 자동 선택하는 단계; 상기 선택된 기준 데이터들 간의 유클리드 거리를 산출하여 기준 데이터 간의 상대 오차(E r )를 통해 데이터 무결성을 검증하는 단계; 상기 검증된 복수의 기준 데이터 좌표값에 가중치를 적용한 평균값과 상기 수치지도의 좌표값 사이의 절대 거리를 산출하여 최종 오차(E m )를 확정하는 단계; 상기 최종 오차의 크기 및 방향을 벡터 화살표 및 히트맵 형태의 시각적 정보로 변환하여 출력하는 단계;를 포함하는 것을 특징으로 하는 확보된 데이터를 기반으로 하는 수치지도 오차 확인방법.
제1항에 있어서, 상기 최종 오차(E m )를 확정하는 단계는 아래의 수식을 통해 산출된 오차값이 기 설정된 임계치(τ)를 초과하는 경우 해당 지점을 품질 불량 구간으로 자동 판정하는 것을 특징으로 하는 확보된 데이터를 기반으로 하는 수치지도 오차 확인방법. (단, P m 은 수치지도 좌표, W i 는 기준 데이터별 가중치, P Ri 는 기준 데이터 좌표임)

Description

확보된 데이터를 기반으로 하는 수치지도 오차 확인방법{Method for verifying numerical map errors based on secured data} 본 발명은 확보된 데이터를 기반으로 하는 수치지도 오차 확인방법에 관한 것으로서, 보다 구체적으로는 다양한 경로(드론 측량, MMS, 항공 측량 등)를 통해 확보된 복수의 기준 데이터셋을 상호 교차 연산함으로써 단일 데이터가 가질 수 있는 불확실성을 제거하고, 수치지도의 좌표 정밀도를 비약적으로 높인 지능형 수치지도 오차 검증 기술에 관한 것입니다. 본 발명은 데이터 간의 가중치 기반 수치 해석을 통해 오차를 자동 확정하고 이를 시각화하여, 기존의 수동적인 전수 조사 방식을 개선하고 고정밀 지도의 품질 관리 효율성을 극대화시킨 확보된 데이터를 기반으로 하는 수치지도 오차 확인방법에 관한 것이다. 현대 사회에서 수치지도는 국토 효율화, 도시 계획, 내비게이션 서비스를 넘어 자율주행 자동차의 고정밀 도로 지도(HD Map) 및 스마트 시티의 디지털 트윈(Digital Twin) 구현을 위한 핵심적 기초 데이터로 그 중요성이 날로 증대되고 있다. 이러한 수치지도의 정확성은 국가 기간 시설 관리와 시민의 안전에 직결되기에, 제작된 수치지도의 오차를 검증하고 일관된 품질을 유지하는 공정은 필수적이다. 그러나 종래의 수치지도 오차 확인 방식은 다음과 같은 여러 기술적 한계와 문제점을 노출하고 있다. 첫째, 기존 방식은 주로 단일한 기준 데이터(Reference Data)에 전적으로 의존하여 비교 분석을 수행하는 구조를 취하고 있다. 예를 들어, 특정 지역의 수치지도를 검증하기 위해 과거에 제작된 항공 사진이나 특정 시점의 단일 GPS 측량값만을 기준으로 삼는 경우가 많다. 이러한 단일 기준 데이터 의존 방식은 해당 기준 데이터 자체가 가진 내재적 오차나 기상 조건, 위성 수신 환경 등에 따른 일시적 왜곡이 발생할 경우, 수치지도의 실제 오류를 정확히 판별하기 어렵게 만든다. 결과적으로 기준 데이터의 오류가 수치지도의 오류로 오인되거나, 반대로 실제 수치지도의 심각한 오차가 기준 데이터의 불확실성에 묻혀 간과되는 등의 신뢰성 문제가 지속적으로 발생해 왔다. 둘째, 종래 기술은 수치지도의 품질 점검을 위해 현장 검수자가 직접 특정 지점을 방문하여 실측하거나, 실내에서 수치지도와 대조 데이터를 육안으로 일일이 대조하는 수동적인 전수 조사 방식을 병행해 왔다. 이는 데이터의 양이 기하급수적으로 늘어나는 현대의 지리정보시스템(GIS) 환경에서 막대한 시간과 비용을 발생시키는 원인이 된다. 특히 드론, MMS(Mobile Mapping System), 항공 라이다(LiDAR) 등 다양한 측량 장비의 발달로 인해 실시간으로 획득되는 데이터의 양은 방대해졌으나, 이를 수치지도와 효율적으로 매칭시키고 오차를 자동으로 산출하는 소프트웨어적 메커니즘이 미비하여 분석의 병목 현상이 발생하고 있다. 셋째, 기존의 오차 산출 방식은 단순히 좌표값 간의 차이를 절대 수치로만 제시할 뿐, 데이터의 '질적 특성'을 반영하지 못한다. 측량 데이터는 획득 시점의 신선도, 장비의 해상도, 측량 기관의 공신력에 따라 그 가치가 달라져야 함에도 불구하고, 종래 기술은 모든 대조 데이터를 동일 선상에 놓고 처리함으로써 정밀한 참값을 도출하는 데 한계가 있었다. 또한, 산출된 오차 정보가 단순 텍스트나 표 형태의 리스트로만 제공되어, 오차가 발생한 물리적 방향성이나 지역적 편중 현상을 직관적으로 파악하기 어려웠다. 이로 인해 오차 발생의 근본적인 원인을 분석하고 이를 수치지도 제작 공정에 피드백하는 선순환 구조를 확립하는 데 큰 어려움이 있었다. 따라서 복수의 다양한 기준 데이터를 유연하게 통합하고, 각 데이터의 신뢰도에 따른 가중치 연산을 통해 '통계적 참값'을 도출하며, 오차의 크기와 방향성을 시각적으로 제시함으로써 수치지도 품질 점검의 완전 자동화 및 고도화를 실현할 수 있는 새로운 기술적 수단의 등장이 절실히 요구되는 실정이다. 도 1은 본 발명에 따른 방법을 설명하는 순서도이다. 이하에서는, 본 발명에 따른 바람직한 실시예를 보다 상세하게 설명하기로 한다. 본 발명 설명에 앞서, 이하의 특정한 구조 내지 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들은 다양한 형태로 예시된 것일 뿐 설명된 실시예들에 한정되는 것으로 해석되어서는 아니된다. 본 발명에 따른 확보된 데이터를 기반으로 하는 수치지도 오차 확인방법은 도 1의 예시와 같이, 검증 대상 수치지도와 상기 수치지도의 영역에 대응하여 드론, MMS, 항공 측량 장치로부터 확보된 복수의 기준 데이터를 입력받아 동일 좌표계로 정렬하는 단계; 상기 복수의 기준 데이터 각각의 획득 시점(T), 해상도(R), 신뢰도(C)를 변수로 하는 가중치 함수 Wi = αTi + βRi + γCi를 적용하여 분석 대상 데이터를 자동 선택하는 단계; 상기 선택된 기준 데이터들 간의 유클리드 거리를 산출하여 기준 데이터 간의 상대 오차(Er)를 통해 데이터 무결성을 검증하는 단계; 상기 검증된 복수의 기준 데이터 좌표값에 가중치를 적용한 평균값과 상기 수치지도의 좌표값 사이의 절대 거리를 산출하여 최종 오차(Em)를 확정하는 단계; 상기 최종 오차의 크기 및 방향을 벡터 화살표 및 히트맵 형태의 시각적 정보로 변환하여 출력하는 단계;를 포함한다. 보다 구체적으로, 본 발명에 따른 확보된 데이터를 기반으로 하는 수치지도 오차 확인방법은 다음과 같은 단계를 수행한다. (1) 동일 좌표계로 정렬하는 단계 이 단계에서는 검증 대상인 '시험 대상 수치지도'와 이를 검증하기 위한 '대조군'인 복수 기준 데이터를 시스템에 로드한다. 예컨대, 1:1,000 축척의 도로망도(수치지도)를 입력하고, 이와 동일 지역을 커버하는 (A)최근 드론 정사영상, (B)MMS 라이다 점군 데이터, (C)표준 GNSS 기준점 데이터를 함께 입력한다. 이후, 각기 다른 포맷(SHP, DXF, LAS 등)의 데이터를 통합 엔진을 통해 'EPSG:5186'과 같은 동일 좌표계로 투영 변환하여 공간상의 물리적 위치를 일치시키는 전처리를 수행한다. 보충 설명하자면, 데이터 간의 공간적 동기화와 이종데이터간 객체 매칭을 마련하여 연산속도 및 자동화 효율을 높이도록 한 것이다. 즉, 서로 다른 출처에서 확보된 데이터들은 각기 고유한 좌표 체계와 데이터 구조를 가지며, 이를 전처리하면 다음과 같은 상태가 된다. 예를 들어, 수치지도(SHP)상의 'A 교차로' 좌표와 MMS(LAS)에서 스캔 된 'A 교차로'의 입체 점군 데이터가 소수점 단위까지 동일한 가상 공간 좌표상에 배치된다. 이때, 만약 좌표계가 일치되지 않으면 수치상으로는 수백 킬로미터 떨어져 있는 것으로 인식될 수 있으나, 'EPSG:5186' 등으로 투영 변환을 수행함으로써 비로소 두 점 사이의 거리를 연산할 수 있는 '비교 가능한 상태'가 된다. 이후, 데이터 포맷이 통합(예: 벡터라이징 또는 레스터 변환)되면 서로 다른 성격의 데이터가 하나의 분석 평면 위에서 상호작용하게 된다. 이를 테면, 드론의 픽셀(Pixel) 데이터에서 추출된 도로 경계선과 수치지도의 라인(Line) 데이터가 겹쳐지면서, 수치지도의 선이 실제 도로의 연석(Kerb)에서 얼마나 벗어났는지 수치적 가시화가 가능해진다. 이것은 MMS의 정밀한 높이 값과 드론의 평면 좌표 값을 결합하여, 단순 2D 오차뿐만 아니라 3차원 공간 오차까지 분석할 수 있는 기반이 구축되는 것을 의미한다. 이에 따라, 정규화(Normalization) 즉, 각 데이터의 속성 정보가 일정한 규격으로 정리되므로, 시스템은 데이터의 종류에 상관없이 동일한 알고리즘(가중치 수식 등)을 일괄 적용할 수 있게 되고, 현장에서 수집된 데이터가 즉시 표준 포맷으로 변환됨에 따라, 수치지도의 오류를 발견하고 수정하는 데 걸리는 '리드 타임(Lead Time)'이 획기적으로 단축된다. 결과적으로, 이 전처리 과정을 거치면 산재해 있던 '단순 정보'들이 하나의 '분석 가능한 유기적 데이터셋'으로 변모하게 되며, 이는 마치 서로 다른 언어를 쓰는 사람들이 하나의 통역기를 통해 같은 주제로 토론할 수 있게 되는 것과 같으며, 본 발명의 핵심인 '가중치 기반 상호 교차 검증'이 실제로 구동되기 위한 필수적인 전제 조건을 완성하는 것이다. (2) 분석 대상 데이터를 자동 선택하는 단계 이 단계는 입력된 복수 데이터 중 검증에 가장 적합한 데이터를 선별하기 위해 아래의 가중치 수식을 적용한다. 즉, 이 단계는 수집된 수많은 데이터 중 가장 믿을만한 참값(Ground Truth)이 무엇인지 시스템이 스스로 결정하는 의사결정 프로세스라고 이해할 수 있다. 이때, 데이터의 '신선도(T)', '정밀도(R)', '출처의 신뢰성(C)'을 합산하여 해당 데이터의 유효성을 점수화한다. 이 경우, 환경에 따라 가중치 계수를 조절할 수 있는데, 예를 들어 변화가 심한 도심지는 신선도(α)를 높이고, 정밀 공사가 필요한 구간은 정밀도(β)에 높은 계수를 할당할 수 있다. 이를 테면, 드론 데이터(T=0.9, R=0.8, C=0.7)에 계수(0.5, 0.3, 0.2) 적용 시 W=0.83이 산출되며, 시스템은 이 값이 높은 상위 n개의 데이터를 연산용 참값 후보로 확정할 수 있다. 여기에서, 단순히 데이터를 하나 고르는 것이 아니라, 여러 데이터를 조합하여 가장 정밀한 '가상의 기준점'을 만들고, 가중치 Wi가 적용된 상위 n개의 데이터가 선택되면, 이는 이후 단계에서 '가중 평균된 참값 좌표'를 형성하는 기초가 된다. 때문에, 단일 데이터를 사용할 때보다 통계적으로 훨씬 안정적인 기준을 갖게 되며, 이는 수치지도의 아주 미세한 오차(cm 단위)까지도 잡아낼 수 있는 분석 해상도를 높일 수 있다. 이와 관련하여 실제 적용된 예를 보충하자면, 6개월 전 제작된 '고정밀 항공지도'와 어제 촬영된 '드론 영상'이 충돌할 때 두 데이터 중 무엇을 기준으로 수치지도를 고쳐야 할지 혼란 발생하지만, 본 단계 적용 후에는 시스템이 최신성 가중치(α)를 높게 평가하여 드론 영상에 높은 Wi를 부여한 결과 최근에 변경된 도로 선형을 정확히 인지하고 수치지도의 오차를 '불량'으로 판정하여 수정을 지시한 예를 들 수 있다. (3