드론 영상: 취득부터 자동 GeoAI 분석까지
핵심 요약
리얼리티 매핑을 통해 실세계의 2D 및 3D 디지털 표현을 생성하여 공간정보시스템(GIS) 기술과 함께 사용하고 공간 데이터에 대한 실제 컨텍스트를 확보할 수 있습니다. 한 걸음 더 나아가 공간정보 인공 지능(GeoAI)을 적용해 이러한 표현에서 정보를 더 정확하고 효율적이며 대량으로 추출할 수도 있습니다. 여러분은 일련의 데모 비디오를 시청하며 딥러닝 모델의 학습 및 사용, 사전 학습된 AI 모델의 활용, 다양한 산업에서의 실제 적용 사례 탐색 등과 같은 모든 작동 방식을 배우게 됩니다.
리얼리티 매핑은 이미지 또는 라이다를 사용해 공간적으로 정확한 실세계의 2D 및 3D 디지털 표현을 생성하는 프로세스로 정의됩니다. 이는 기본 콘텐츠를 아직 이용할 수 없는 위치에서 중요 입지에 대한 현실적인 관점을 확보하고 문제 해결을 시작할 수 있도록 기본 콘텐츠를 확립하기 위해 공간정보시스템(GIS) 기술을 사용할 경우 매우 유용합니다. 드론을 사용해 현재 영상을 취득하면 공간 데이터에 대한 실제 컨텍스트를 얻을 수 있습니다. 그런 다음 더욱 심도 있는 분석을 진행하고 다양한 이해관계자를 위한 전체적인 관점을 지원하기 위해 디지털 표현 위에 추가 데이터 포인트를 중첩할 수 있습니다.
GeoAI를 통한 드론 영상 분석
공간정보 인공 지능(GeoAI)은 이해도를 높이고, 공간 문제를 해결하고, 정보 추출을 자동화하기 위해 인공 지능(AI)과 공간 데이터, 과학, 기술을 통합한 것입니다.
ArcGIS를 이용하면 포인트 클라우드부터 방향 영상, 비디오까지 아우르는 다양한 영상을 분석할 수 있습니다. 변경 감지, 입지 적합성, 식생 모니터링, 객체 감지, 이미지 교정, 피처 추출, 분류 등의 다양한 영상 작업을 수행해 보세요.
공공 및 상업용 자산 관리의 경우 기관은 정지 또는 모션 영상을 사용해 차량을 감지, 분류, 계수하여 주차장 수용량에 도달할 시점을 파악할 수 있습니다. 유틸리티 공공도로 모니터링의 경우 포인트 클라우드를 사용해 유틸리티 자산을 분류하고 네트워크의 식생 잠식을 식별하여 산불을 예방할 수 있습니다. 환경 조사에서 정사영상, 비디오 영상, 분류 알고리즘을 활용하면 시간 경과에 따른 동물 개체군의 변화를 감지해 이들이 어떻게 진화하고 있는지 파악할 수 있습니다.
워크플로: 딥러닝 모델의 학습 및 사용
시간 절감: 사전 학습된 AI 모델
이제 Esri는 ArcGIS Living Atlas of the World에서 바로 사용할 수 있는 사전 학습된 딥러닝 모델을 40가지 이상 제공합니다. 이러한 사전 학습된 딥러닝 모델을 활용하면 엄청난 양의 학습 데이터, 막대한 컴퓨팅 리소스, 광범위한 인공 지능(AI) 지식을 보유할 필요가 없습니다. 또한 이미지 피처 추출, 토지 피복 분류, 이미지 교정, 객체 감지를 위해 특별히 설계된 빌트인 전문 지식과 리소스를 사용하여 공간정보 워크플로를 가속할 수 있습니다. 영상, 포인트 클라우드, 비디오에서 의미 있는 인사이트를 추출하는 방식을 자동화하세요.
Esri의 사전 학습된 딥러닝 모델에는 자동차 감지, 건물 감지, 토지 피복 분류, 송전선 감지, 노면 균열 감지 등이 있습니다. 원하는 사전 학습된 모델을 선택하고 ArcGIS Image for ArcGIS Online 또는 ArcGIS Pro를 사용해 영상에서 실행하기만 하면 됩니다. 그런 다음 요구 사항과 위치에 맞게 미세 조정할 수 있습니다. 학습이 필요하지 않습니다.
다음 데모 비디오를 시청하며 다양한 산업 분야에서 AI 및 드론 영상을 활용하여 복잡한 문제를 해결하는 방법을 알아보세요.
데모 1: AI를 사용하여 노면 문제를 식별하는 샌버너디노 국제 공항
샌버너디노 국제 공항의 새 무인 항공 시스템 센터에서는 드론을 날립니다. 안전을 위해 수 마일에 달하는 공항 콘크리트 유도로와 활주로를 정기적으로 평가해야 합니다. 과거에는 이를 사람이 수행했으므로 수백 시간에 달하는 현장 측량 작업이 필요했습니다. 하지만 지금은 드론과 인공 지능 알고리즘을 적용해 프로세스 진행 속도를 높일 수 있습니다. 이 데모를 시청하며 AI와 딥러닝을 활용하여 노면 문제를 식별하고 활주로와 유도로의 균열을 빠르게 확인하는 방법을 알아보세요.
데모 2: 벨리즈의 홍수 위험을 식별하는 데 도움이 되는 드론 영상과 머신 러닝
벨리즈의 해안 지역은 저지대 터레인에 위치해 홍수 위험이 높습니다. 드론 영상과 사전 학습된 딥러닝 모델을 사용하면 바다에 대한 인접도는 물론 고도, 건물 자재, 기타 다양한 특징을 비롯한 구조물의 취약점을 확인할 수 있습니다. 벨리즈를 예시로 사용하는 이 데모에서는 ArcGIS Image for ArcGIS Online 내의 새로운 기능을 사용해 영상을 ArcGIS Online으로 업로드하여 코딩 필요 없이 클라우드에서 빠르게 분석을 시작하는 프로세스를 안내합니다.
데모 3: 딥러닝을 통한 화재 피해 평가 자동화
2018년에 발생한 울지 화재로 인해 15일 동안 캘리포니아주 로스앤젤레스 주변의 97,000에이커에 달하는 땅이 피해를 입었습니다. 재난 구호를 진행하려면 손해 규모를 측량해야 했습니다. 과거에는 항공영상을 수동으로 분류하는 데 수일이 소요되었지만, 이제는 사전 학습된 머신 러닝 모델과 자동화된 AI 덕분에 몇 시간이면 완료할 수 있습니다. 울지 화재를 예시로 사용하는 이 데모에서는 자체 딥러닝 모델의 학습, 생성, 적용 프로세스를 안내합니다.
적합한 솔루션을 찾는 데 도움이 필요하신가요?
경험이 풍부한 당사 영업 담당자와 상담 일정을 예약하세요. 지금 영상 및 원격 탐사 데이터를 어떻게 사용하고 있는지 알려주시면 포괄적인 공간정보 시스템이 다음에 어떤 작업을 수행할 수 있는지 알려 드리겠습니다.