RnDCircle Logo
김의명 연구실
남서울대학교 공간정보공학과 김의명 교수
공간정보
드론 영상
사진측량
연구 영역
기본 정보
논문·특허
과제
구성원

김의명 연구실

남서울대학교 공간정보공학과 김의명 교수

김의명 연구실은 공간정보공학과 기반으로 드론·모바일 매핑·항공 영상에서 좌표정합과 공간데이터 생성을 수행합니다. 딥러닝 기반 Computer Vision 기법을 적용해 도로 교통시설물(교통표지, 차선)과 교통량을 추정하고, HD 지도 레이어로 자동화하는 연구를 수행합니다. 또한 호모그래피, quaternion/Procrustes 정합, GCP 자동 탐지·매칭을 통해 외부표정요소 산출과 사진측량 정확도를 안정화합니다. 멀티스펙트럴 NDVI와 라이다 포인트클라우드를 융합해 도시 수목 인스턴스 세그멘테이션 및 구조 정보 산정도 병행합니다.

공간정보드론 영상사진측량모바일 매핑딥러닝 기반 Computer Vision
대표 연구 분야
연구 영역 전체보기
딥러닝 기반 도로 교통시설물 인식 및 HD 지도 자동 구축 연구 thumbnail
딥러닝 기반 도로 교통시설물 인식 및 HD 지도 자동 구축 연구
Deep Learning-Based Road Infrastructure Recognition and Automatic HD Map Construction
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.

5개년 연도별 논문 게재 수

10총합

5개년 연도별 피인용 수

14총합
주요 논문
5
논문 전체보기
1
Article
|
·
인용수 0
·
2026
Automatic Observation of Ground Control Points in Drone Imagery Using GCP Chips and Deep Learning-Based Image Matching
Hyeong Jin Jeon, Eui Myoung Kim
Journal of the Korean Society of Surveying Geodesy Photogrammetry and Cartography
https://doi.org/10.7848/ksgpc.2026.44.1.45
Drone
Matching (statistics)
Image matching
Image (mathematics)
Aerial imagery
Control (management)
2
Article
|
·
인용수 0
·
2025
Street Tree Segmentation Based on Data Fusion from Multiple Drones Equipped with Heterogeneous Sensors
Soon Young Heo, Eui Myoung Kim
Journal of the Korean Society of Surveying Geodesy Photogrammetry and Cartography
본 연구는 도시 가로수를 대상으로 드론에 장착된 멀티스펙트럴 센서에서 취득된 영상을 처리하여 만든 정규식생지수(NDVI)의 정사영상과 라이다 센서로 취득된 포인트 클라우드를 융합하여, 자동 세그멘테이션 및 수목 구조 정보 산정을 수행하는 방법론을 제안하였다. 도시 환경은 가로등과 건물 등 비식생 인공구조물이 밀집해 있어 가로수 세그멘테이션 과정에서 큰 장애가 되며, 이를 극복하기 위해 NDVI를 활용하여 비식생 포인트를 제거한 식생 포인트 클라우드를 추출하였다. 이후 포인트 클라우드를 영상으로 변환한 뒤 ViT 기반의 파운데이션 모델인 SAM을 활용하여 인스턴스 세그멘테이션을 수행하였고, 세그멘테이션된 각 영역은 고유 ID를 부여하여 포인트 클라우드 복원과 수고 및 수관폭 산정에 활용되었다. 상업용 소프트웨어를 이용한 정량적 평가 결과 수고와 수관폭의 평균제곱근오차는 각각 0.18m와 0.48m로 나타났다.
https://doi.org/10.7848/ksgpc.2025.43.4.471
Drone
Sensor fusion
Segmentation
Tree (set theory)
Fusion
Pattern recognition (psychology)
3
Article
|
·
인용수 0
·
2025
Analysis of Matching Accuracy of Aerial Images using GCP Chips
Eui Myoung Kim, Hyeong Jin Jeon, Su Hong Yoo
Journal of the Korean Society of Surveying Geodesy Photogrammetry and Cartography
지상기준점 관측은 사진측량에서 노동집약적이고 많은 시간을 소모하는 작업 중 하나이며, 작업자의 숙련도에 따라 결과물의 품질이 달라질 수 있다. 본 연구에서는 항공 정사영상을 사용하여 GCP chip을 제작하고, 딥러닝 기반의 영상 매칭 알고리즘을 활용하여 최적의 GCP chip 크기를 결정하는 것을 목표로 하였다. LightGlue 매칭 알고리즘을 활용하여 GCP chip과 항공영상 간의 특징점을 매칭하고 데이터스누핑을 통해 아웃라이어를 제거하여 매칭 정확도를 높였다. 그 후 호모그래피 매개변수 계산을 통해 GCP chip에 대응되는 영상좌표를 결정하고, 수작업으로 GCP를 관측한 결과와 비교하였다. 실험결과를 통해 동일한 공간해상도에서는 301×301 크기의 GCP chip이 정확도가 가장 높았고, 공간해상도가 다른 경우는 201×201 크기의 GCP chip이 가장 높은 정확도를 보였다.
https://doi.org/10.7848/ksgpc.2025.43.2.173
Matching (statistics)
Artificial intelligence
Computer vision
Geography
Aerial image
Computer science
Cartography
Remote sensing
Pattern recognition (psychology)
Mathematics
최신 정부 과제
5
과제 전체보기
1
주관|
2021년 3월-2023년 12월
|936,800,000
0.25㎢의 급변하는 지역에 대한 실시간 UAV 스테레오/열화상 영상 취득 및 1시간이내 딥러닝 변화탐지를 위한 다차원 공간데이터 구축 시스템 개발
○ 스테레오/열화상 카메라가 탑재된 드론을 이용한 급변화지역 실시간 영상 취득 기술 개발 - 급변화지역 주/야간 전천후 자율비행 드론 개발 - 급변화지역 다차원 공간데이터 취득 장비 개발 ○ 급변화지역 1시간이내 딥러닝 변화탐지를 위한 다차원 공간데이터 생성 기술 개발 - 드론의 위치/자세를 이용한 실시간 2D/열화상 맵 생성기술 개발 - 1시간이내 GPU기반 Point cloud 고속생성 기술 개발 ○ 딥러닝 변화탐지 모델 생성 - 변화탐지 대상 및 딥러닝 모델 선정 - 딥러닝 학습데이터 취득 및 학습 ○ 급변화지역 다차원 공간데이터 구축 시스템 개발 - DSM기반 급변화지역 3차원 측정기술 개발 - 다차원 공간정보 데이터베이스 구축 - 급변화지역 통합 모니터링 SW 개발 ○ 스테레오 카메라 정밀 조정 기술 개발을 위한 환경 구축 - 스테레오 카메라의 캘리브레이션을 위한 환경 구축 - 시스템 캘리브레이션을 위한 환경 구축 ○ 스테레오 카메라 정밀 조정 기술 개발 - 스테레오 카메라 캘리브레이션 - 시스템 캘리브레이션 ○ 드론 자율비행성능 개선 - 비행로그 분석을 통한 기체성능 개선 - 주야간 자율비행 테스트 - 기상악화 자율비행 테스트 ○ 테스트베드 구축 및 현장 시범 적용 - 현장 시범 운영용 시제품 추가 제작 - 시스템 시험 운용을 위한 테스트베드
실시간
스테레오 이미지
변화탐지
자율비행
인공지능
2
주관|
2018년 5월-2021년 5월
|50,000,000
멀티 카메라 시스템 캘리브레이션 및 안정성 분석
본 과제는 지상과 항공에서 멀티 카메라를 장착해 3차원 복원을 수행할 때, 카메라의 기하학적 안정성을 시간에 따라 평가하는 기법을 개발하는 연구임. 연구 목표는 멀티 카메라 3차원 복원 시스템의 안정성을 다시기에 걸쳐 평가할 수 있는 방법 제시이며, 이를 위해 다양한 체크보드에서 타겟 좌표를 자동으로 추출하고 쿼터니언 기법으로 초기값 추정 부담을 줄이는 멀티 카메라 캘리브레이션 기술, 수정된 공선조건식 기반 카메라- GNSS/INS(기준 카메라) 시스템 캘리브레이션 기술, 내부표정요소와 마운팅 매개변수(보어사이트, 레버암)의 시간 변화 및 3차원 좌표 차이를 분석하는 안정성 분석 기법을 개발함. 기대 효과는 모바일 매핑 및 항공 사진측량에서 단일 카메라 또는 멀티 카메라의 시스템을 검정하는 기반기술 확보임
멀티 카메라
캘리브레이션
보어사이트
레버암
카메라 안정성분석
3
주관|
2018년 5월-2021년 5월
|12,500,000
멀티 카메라 시스템 캘리브레이션 및 안정성 분석
본 과제는 여러 대 카메라를 동시에 쓰는 3차원 복원 시스템의 안정성을 점검하기 위한 기법을 개발하는 연구임. 촬영 환경과 시간이 바뀌어도 카메라가 정확한 3차원 좌표를 내는지 평가 가능함. 연구목표는 멀티 카메라를 장착한 시스템의 안정성을 재기에 걸쳐 평가하는 방법을 제시하는 데 있음. 이를 위해 다양한 형태의 체크보드에서 타겟 좌표 자동추출을 수행하고, 쿼터니언 기반 초기값 추정으로 멀티 카메라 캘리브레이션을 고도화함. 공선조건식 수정 및 GNSS/INS와의 시스템 캘리브레이션을 위해 무인항공기 촬영데이터를 활용함. 기대효과는 모바일매핑시스템 및 항공 사진측량 분야에서 카메라 캘리브레이션과 카메라 안정성 검정을 효과적으로 수행할 기반기술 확보에 있음.
멀티 카메라
캘리브레이션
보어사이트
레버암
카메라 안정성분석
최신 특허
특허 전체보기
상태출원연도과제명출원번호상세정보
공개2022포인트 클라우드에서 점자블록의 자동 검출 및 분류 시스템1020220120743
등록2020스테레오 영상과 딥러닝을 이용한 교통량 산정 시스템 및 그 방법1020200072865
등록2020사진측량과 컴퓨터비전 간의 카메라 렌즈왜곡 변환 시스템 및 그 방법1020200073066
전체 특허

포인트 클라우드에서 점자블록의 자동 검출 및 분류 시스템

상태
공개
출원연도
2022
출원번호
1020220120743

스테레오 영상과 딥러닝을 이용한 교통량 산정 시스템 및 그 방법

상태
등록
출원연도
2020
출원번호
1020200072865

사진측량과 컴퓨터비전 간의 카메라 렌즈왜곡 변환 시스템 및 그 방법

상태
등록
출원연도
2020
출원번호
1020200073066