드론 사진측량 | 사진 몇 장이 지도가 되기까지 | GeoAI 기초 15편

📌 3줄 요약

• 사진 한 장은 그림일 뿐, 겹쳐 찍어야 입체 지도가 된다
• GCP와 SfM으로 사진들을 정확한 좌표의 지형으로 바꾼다
• 정사영상·DSM·점군은 재난 현장 판단의 기초 자료가 된다

큰비가 지나간 다음 날, 산사면 일부가 흘러내렸다는 신고가 들어옵니다. 사람이 걸어 들어가기 위험한 지역이라 드론을 띄워 사진 수백 장을 찍어 왔습니다. 그런데 이 사진들을 모니터에 하나씩 띄워 본다고 지도가 되는 건 아닙니다. 사진 더미가 좌표를 가진 정확한 지형 정보로 바뀌는 과정, 그 뒤에는 중복도·기준점·컴퓨터 비전이라는 세 가지 장치가 숨어 있습니다. 오늘은 드론 사진이 어떻게 '지도'가 되는지, 그리고 그 결과물이 재난 현장에서 실제로 어떻게 쓰이는지 짚어보겠습니다.

자료사진 · 사진: Pexels / Pixabay

🛰️ 드론 사진 한 장으로는 왜 지도가 안 될까요?

지도는 위에서 내려다본 평면이 아니라 실제 좌표와 높이를 가진 자료입니다. 사진 한 장만으로는 이 지점이 정확히 어디인지, 얼마나 높은지 알 수 없습니다. 그래서 드론은 같은 지점을 여러 각도에서 여러 번 찍도록 비행 경로를 짜는데, 이때 옆 사진과 얼마나 겹치는지를 중복도(overlap)라고 부릅니다. 보통 앞뒤로 겹치는 정도(종중복)와 좌우로 겹치는 정도(횡중복)를 따로 설정하는데, 겹침이 부족하면 뒤에서 설명할 계산이 아예 실패하거나 지형이 울퉁불퉁하게 왜곡됩니다. 산사태 현장처럼 지형 기복이 심한 곳은 평지보다 중복도를 넉넉히 잡아야 그림자 지역이나 급경사면이 누락되지 않습니다.

📍 GCP는 왜 꼭 찍어야 하나요?

사진들을 이어 붙이면 지형 모양은 나오지만, 그 모양이 지구 어디에 있는지는 또 다른 문제입니다. 이를 위해 땅 위에 좌표를 정확히 아는 점, 즉 지상기준점(GCP, Ground Control Point)을 표식으로 놓고 GPS 측량기로 정밀 좌표를 기록합니다. 드론이 자체적으로 저장하는 위치 정보만으로도 대략적인 지도는 만들 수 있지만, 피해 면적을 산정하거나 실제 거리·경사를 계산해 보고서에 넣으려면 GCP로 보정한 결과가 필요합니다. 특히 복구 공사비를 산정하거나 법적 근거 자료로 쓸 때는 오차 범위를 명시해야 하는 경우가 많아, GCP 유무와 개수는 그 산출물의 신뢰도를 가르는 기준이 됩니다.

🧩 사진들이 어떻게 입체 지형이 되나요?

수백 장의 사진을 입체 지형으로 바꾸는 계산 방식을 SfM(Structure from Motion, 움직임으로부터 구조 복원)이라고 합니다. 원리는 사람 눈이 두 눈으로 거리를 가늠하는 것과 비슷한데, 서로 겹치는 사진들에서 같은 지점(특징점)을 찾아 이 점이 사진마다 조금씩 다른 위치에 찍힌 정도를 계산해 드론의 위치와 지형의 높낮이를 동시에 복원합니다. 이 과정은 특징점 추출, 사진 간 매칭, 카메라 위치 계산, 조밀한 점군 생성의 순서로 진행되며 대체로 전용 소프트웨어가 자동으로 처리합니다. 다만 안개가 끼거나 사진이 흔들리면 특징점 매칭이 실패해 구멍이 뚫린 지형이 나올 수 있어, 처리 결과는 반드시 눈으로 확인해야 합니다.

🗺️ 정사영상·DSM·점군은 재난 현장에서 어떻게 쓰이나요?

SfM 처리가 끝나면 세 가지 산출물이 나옵니다. 위에서 수직으로 내려다본 것처럼 왜곡을 바로잡은 사진인 정사영상, 지표면과 건물·나무까지 포함한 높이 정보인 DSM(수치표면모델), 그리고 각 지점을 점으로 표현한 3차원 점군입니다. 정사영상은 침수 범위나 산불 피해 구역의 경계를 육안으로 그리는 데 쓰이고, DSM은 토사 유출량이나 붕괴 전후 지형 변화를 계산하는 데 쓰입니다. 점군은 건물 균열이나 붕괴된 구조물의 형태를 세밀하게 살필 때 유용합니다. 이 세 자료를 겹쳐 보면 '어디가 얼마나 무너졌고 어디로 물이 흘렀는지'를 현장에 들어가지 않고도 가늠할 수 있어, 초동 대응 회의 자료로 자주 활용됩니다.

📋 비행 전에 확인해야 할 제도적 사항은 뭔가요?

드론 촬영은 장비만 있다고 바로 할 수 있는 게 아닙니다. 지역에 따라 비행 자체에 사전 승인이 필요할 수 있고, 특정 시설 인근은 촬영이 제한되거나 별도 허가를 받아야 할 수 있습니다. 재난 현장이라 해도 예외가 자동 적용되는 것은 아니므로, 관할 기관과 비행 구역의 규정은 촬영 계획 단계에서 반드시 확인해야 합니다. 이는 인터넷 검색만으로 판단하지 말고, 관할 항공 당국이나 지자체 담당 부서에 직접 문의해 그날그날의 규정을 확인하는 것이 안전합니다. 규정 확인을 건너뛰고 비행했다가는 촬영 결과가 아무리 좋아도 자료로 쓰지 못하는 상황이 생길 수 있습니다.

🖥️ 화면에서 따라하기

1. 샘플 데이터 받기
   OpenDroneMap 공식 저장소 등 공개된 예제 사진 세트를 폴더째 다운로드
2. 처리 프로그램 준비
   WebODM 설치 후 브라우저 접속, Dashboard에서 New Project 클릭
3. 사진 업로드
   Select Images 버튼으로 사진 폴더 선택 후 Start Processing 클릭
4. 출력 옵션 확인
   Processing Options에서 Orthophoto, DSM, Point Cloud 항목 체크
5. 결과 확인
   처리 완료 후 좌측 탭에서 Orthophoto·DSM·Point Cloud 각각 미리보기
6. QGIS로 불러오기
   레이어 > 레이어 추가 > 래스터 레이어에서 정사영상 파일 선택 후 확인(메뉴 이름은 버전에 따라 다를 수 있어 못 찾으면 레이어 패널 우클릭 메뉴를 살펴보세요)

※ 프로그램 버전에 따라 메뉴 이름이 조금씩 다를 수 있습니다. 위 그림은 순서를 정리한 도식입니다.

✍️ 그대로 복사해 쓰는 프롬프트

드론 재난 촬영 전 점검할 제도적·안전 체크리스트 초안 만들기

당신은 공공기관의 드론 촬영 담당자를 돕는 보조자입니다
[대상 재난]으로 인한 피해 현장을 [지역명]에서 드론으로 촬영하려 합니다
비행 승인 여부 확인, 촬영 제한 구역 여부 확인, 기상 조건 확인, GCP 설치 여부, 조종자 자격 확인 항목을 포함한 점검 체크리스트를 표 형식으로 작성해 주세요
각 항목에는 확인해야 할 담당 기관이나 확인 방법을 함께 적어 주세요
확실하지 않은 법령 조항이나 수치는 적지 말고 "관할 기관에 확인 필요"라고 표시해 주세요

※ 대괄호 부분을 상황에 맞게 바꿔서 쓰세요. 받은 답은 그대로 쓰지 말고 사실 확인을 거치세요.

🧪 직접 해보기

• 공개 드론 예제 사진으로 WebODM에서 정사영상을 직접 만들어 본다
• 국토정보플랫폼이나 지자체 공간정보 서비스에서 기존 드론 정사영상을 열어 해상도를 비교해 본다
• 우리 지역 관할 항공 당국 홈페이지에서 드론 비행 승인 절차를 검색해 본다

❓ 자주 묻는 질문

Q. 드론 사진측량에 꼭 GCP가 필요한가요?
A. 대략적인 지도라면 드론 내장 GPS만으로도 가능하지만, 정확한 면적·거리 계산이나 법적 근거 자료로 쓸 때는 GCP로 보정한 결과가 신뢰도 면에서 유리합니다.

Q. 중복도는 얼마나 잡아야 하나요?
A. 지형 기복과 촬영 목적에 따라 달라지므로 일률적인 수치보다 장비·소프트웨어 매뉴얼의 권장값을 확인하고, 실제 처리 결과에서 지형이 끊기는 곳이 있는지 직접 확인하는 방식이 안전합니다.

Q. 재난 상황이면 비행 승인 없이 바로 날려도 되나요?
A. 재난 대응이라도 비행 구역과 절차는 관할 기관 규정을 따라야 하는 경우가 많아, 사전에 담당 부서와 승인 절차를 확인하는 것이 필요합니다.

드론 사진 한 장 한 장은 평범한 풍경 사진처럼 보이지만, 중복도와 GCP, SfM 계산을 거치면 재난 현장의 좌표와 높이를 담은 지도로 바뀝니다. 다음 편에서는 이렇게 만들어진 정사영상이나 점군 위에 AI를 올려 피해 구역을 자동으로 찾아내는 방법을 살펴보겠습니다.

GeoAI 기초 시리즈 15편 · 전체 43편

---

재난안전과 GeoAI 이야기를 더 보고 싶다면 아래 채널도 함께 보세요.

📌 바로가기

• 🌐 재난안전과 GeoAI 홈페이지
• 📺 유튜브 @geoai-safety
• 🧭 세명대 재난안전학과 블로그
• 🏫 세명대학교 재난안전학과 홈페이지

GeoAI란 무엇인가? 공간정보와 인공지능이 만나면 | GeoAI 기초 1편

📌 3줄 요약

• GeoAI는 공간정보(GIS)와 인공지능을 결합해 위치 기반 문제를 푸는 분야다.
• 기존 GIS가 규칙 기반 분석이라면, GeoAI는 데이터에서 패턴을 스스로 학습한다.
• 재난·도시·농업·환경 분야에서 실제 의사결정을 돕는 도구로 빠르게 자리잡고 있다.

2023년 여름, 집중호우로 산사태가 발생했을 때 구조대가 가장 먼저 한 일은 지도를 펼치는 것이었습니다. 어느 마을이 가장 위험한지, 대피 경로는 어느 쪽이 안전한지를 판단하려면 지형, 강수량, 토지피복, 도로 상태 등 수십 가지 공간 데이터를 동시에 읽어야 했습니다. 사람이 이 모든 정보를 빠르게 종합하기란 쉽지 않습니다. 바로 이 지점에서 GeoAI라는 개념이 등장합니다. 공간정보(GIS, Geographic Information System: 지리적 위치와 속성을 함께 저장·분석하는 시스템)와 인공지능이 만나면, 사람이 일일이 규칙을 짜 넣지 않아도 데이터 스스로가 위험 패턴을 찾아냅니다. 이 시리즈는 그 원리와 실제 쓰임새를 처음 접하는 분들도 따라올 수 있도록 차근차근 풀어나갑니다. 첫 편인 오늘은 GeoAI가 무엇인지, 기존 GIS 분석과 어떻게 다른지, 그리고 어느 분야에서 어떻게 쓰이는지를 살펴봅니다.

🗺️ GeoAI는 GIS와 AI를 그냥 합쳐놓은 건가요?

GeoAI는 단순히 두 기술을 나란히 놓는 게 아닙니다. 공간 데이터가 가진 고유한 특성, 즉 위치·거리·방향·시간의 변화가 결합된 복잡성을 인공지능이 학습 재료로 삼는 방식입니다. 쉽게 비유하면, GIS가 도서관의 지도 열람실이라면 GeoAI는 그 지도를 수백만 장 읽고 나서 새 지도를 스스로 그려내는 사서에 가깝습니다. 핵심 원리는 공간 자기상관(Spatial Autocorrelation: 가까운 곳일수록 비슷한 속성을 가지는 경향)을 학습 과정에 반영한다는 점입니다. 일반 인공지능 모델은 데이터 행 사이의 순서나 위치 관계를 무시하는 경우가 많지만, GeoAI는 위도·경도·고도 정보를 학습 구조 안에 녹여 냅니다. 홍수 예측 모델을 만들 때도 강수량 수치만 넣는 것이 아니라, 하천으로부터의 거리, 경사도, 상류 유역 면적 같은 공간 맥락을 함께 학습시켜야 실제 현장에서 의미 있는 결과가 나옵니다.

🔍 기존 GIS 분석과 무엇이 다른가요?

기존 GIS 분석은 전문가가 규칙을 먼저 정합니다. 예를 들어 "경사가 30도 이상이고 강우량이 100mm를 넘으면 산사태 위험 구역으로 표시한다"는 식입니다. 이 방식은 직관적이고 설명하기 쉽지만, 현실은 그 규칙을 벗어나는 예외로 가득합니다. 토양의 종류, 식생 밀도, 과거 산사태 이력 등 고려해야 할 변수가 수십 개를 넘어가면 전문가가 모든 조합을 손으로 짜 넣기 어렵습니다. GeoAI는 반대로 과거 데이터에서 패턴을 스스로 발견합니다. 모델이 수천 건의 과거 사례를 보며 어떤 공간 조건이 실제 피해와 연결되는지를 학습하는 방식입니다. 다만 이 과정에서 해봐야 아는 것이 있습니다. 학습 데이터의 지역적 편향 문제입니다. 특정 지역에서만 수집된 데이터로 만든 모델은 다른 지형 환경에 적용하면 성능이 크게 떨어질 수 있습니다. 모델을 새 지역에 쓰기 전에는 반드시 해당 지역 샘플 데이터로 검증(Validation)을 거쳐야 하고, 정확도 지표가 어느 수준인지 직접 확인하는 절차가 필요합니다.

🌊 재난 대응에서는 구체적으로 어떻게 쓰이나요?

재난 분야는 GeoAI의 효과가 가장 뚜렷하게 드러나는 영역입니다. 홍수 예측에서는 위성에서 수집한 수면 고도 데이터, 기상 예보, 과거 침수 이력을 딥러닝 모델에 입력해 특정 강우 시나리오에서 어느 지점이 먼저 잠기는지를 미리 시뮬레이션합니다. 산불의 경우 드론이나 위성 영상에서 식생 건조도를 추정하고, 바람 방향 데이터와 결합해 불길이 어느 방향으로 번질 가능성이 높은지를 예측합니다. 산사태 위험 지도는 지형·지질·토지피복을 공간 특성으로 삼아 머신러닝 모델이 위험 등급을 화소(픽셀) 단위로 분류해 줍니다. 이렇게 만들어진 지도는 대피 명령 우선순위 결정이나 구조 자원 배치 계획에 직접 활용됩니다. 단, 모델 결과는 확률적 추정이므로 현장 전문가의 최종 판단과 함께 사용해야 합니다.

🏙️ 도시·농업·환경 분야에서는 어떤 문제를 푸나요?

도시 분야에서는 위성 영상과 AI를 결합해 건물 변화 감지, 도로 균열 탐지, 불법 건축물 식별 등에 씁니다. 행정 담당자가 수천 장의 항공사진을 일일이 보는 대신, 모델이 변화 가능성이 높은 곳을 먼저 골라내면 점검 효율이 높아집니다. 농업에서는 드론으로 촬영한 다중분광 영상(MultiSpectral Image: 가시광선 외에 근적외선 등 여러 파장대를 함께 촬영한 영상)을 분석해 작물의 스트레스 상태, 병충해 발생 가능 구역, 수분 부족 지점을 필지 단위로 파악합니다. 환경 분야에서는 해양 쓰레기 분포 추적, 습지 면적 변화 감지, 산림 탄소 저장량 추정 등 광역적인 모니터링에 활용됩니다. 이처럼 GeoAI는 사람이 직접 발로 뛰기 어려운 넓은 면적을 빠르게 파악해야 할 때, 또는 시간에 따른 미세한 변화를 놓치지 않아야 할 때 실질적인 힘을 발휘합니다. 재난 예방 측면에서도 환경 모니터링은 중요한데, 습지 감소나 산림 파괴가 홍수·산사태 위험과 직결되기 때문입니다.

📚 이 시리즈에서는 어떤 내용을 다루나요?

이번 시리즈는 GeoAI와 생성형 AI가 교차하는 지점을 중심으로 구성되어 있습니다. 2편에서는 GeoAI에 가장 많이 쓰이는 위성 영상의 종류와 특성을 다루고, 3편에서는 공간 데이터를 학습 데이터로 만드는 전처리 과정을 설명합니다. 이후 편에서는 이미지 분류, 객체 탐지, 변화 탐지 같은 대표적인 모델 유형을 다루고, 후반부에서는 거대언어모델(LLM: Large Language Model, 방대한 텍스트를 학습해 자연어를 이해하고 생성하는 모델)이 공간 분석과 어떻게 결합되는지를 살펴볼 예정입니다. 각 편은 독립적으로 읽어도 이해할 수 있도록 구성하지만, 순서대로 읽으면 개념이 쌓이는 흐름이 자연스럽게 이어집니다. 이 시리즈가 끝날 때쯤이면 위성 영상 한 장을 받아 들고 어떤 모델로 무슨 문제를 풀 수 있는지 스스로 설계해볼 수 있는 수준이 목표입니다. 재난 대응이나 환경 모니터링 업무를 맡고 있다면, 시리즈 전체가 하나의 실무 참고 지도가 될 것입니다.

🧪 직접 해보기

• QGIS(무료 GIS 소프트웨어)를 내려받아 국토지리정보원 등에서 제공하는 공개 공간 데이터를 불러온 뒤, 레이어를 겹쳐보며 위치 관계가 시각적으로 어떻게 달라지는지 직접 확인해 보세요.
• Google Earth Engine의 무료 코드 편집기 환경에서 특정 지역의 위성 영상을 불러와 시간 순으로 나열해보고, 토지 피복이 연도별로 어떻게 바뀌었는지 눈으로 비교해 보세요.
• 공개된 산사태 또는 침수 피해 이력 데이터를 찾아보고, 피해 지점의 경사도·토지피복 특성이 비피해 지점과 어떻게 다른지 표로 정리해보세요. 이 비교가 GeoAI 학습 데이터 설계의 출발점입니다.

❓ 자주 묻는 질문

Q. GeoAI를 배우려면 GIS를 먼저 다 알아야 하나요?
A. 꼭 그렇지는 않습니다. 좌표계, 레이어, 공간 연산 같은 기본 개념을 이해하는 것이 도움이 되지만, GIS 전문가 수준이 되어야 시작할 수 있는 것은 아닙니다. 이 시리즈처럼 개념을 병행해 배우면서 실습을 쌓아가는 방식도 효과적입니다.

Q. GeoAI와 딥러닝은 어떤 관계인가요?
A. 딥러닝은 GeoAI가 사용하는 여러 인공지능 기법 중 하나입니다. 위성 영상처럼 픽셀 기반의 대용량 데이터를 다룰 때는 딥러닝(특히 합성곱 신경망 계열)이 자주 쓰이고, 수치형 공간 속성 데이터를 분석할 때는 머신러닝 방법도 많이 활용됩니다. 문제의 성격에 따라 적합한 기법이 달라집니다.

Q. GeoAI 모델 결과를 실제 재난 대응에 그대로 써도 되나요?
A. 모델 결과는 확률적 추정값이므로 단독으로 의사결정에 사용하는 것은 권장되지 않습니다. 현장 전문가의 판단, 최신 기상 정보, 지역 맥락 등을 함께 검토하는 것이 기본 원칙이며, 특히 대피 명령처럼 인명과 직결되는 결정에서는 모델은 참고 자료 역할로 두는 것이 적절합니다.

GeoAI는 화려한 신기술처럼 보이지만, 그 뿌리는 '어디에서 무슨 일이 일어나고 있는가'라는 아주 오래된 질문에 닿아 있습니다. 지도를 보는 행위 자체가 공간 정보를 해석하는 것이고, GeoAI는 그 해석의 범위와 속도를 넓히는 도구입니다. 처음에는 낯설게 느껴지더라도 기본 원리를 하나씩 쌓아가면 어느 순간 위성 영상 한 장이 전혀 다르게 보이기 시작할 것입니다. 다음 편에서는 GeoAI의 핵심 재료인 위성 영상이 어떻게 만들어지고, 광학 영상과 레이더 영상은 무엇이 다른지를 살펴볼 예정입니다.

GeoAI 기초 시리즈 1편 · 전체 26편

---

재난안전과 GeoAI 이야기를 더 보고 싶다면 아래 채널도 함께 보세요.

📌 바로가기

• 🌐 재난안전과 GeoAI 홈페이지
• 📺 유튜브 @geoai-safety
• 🧭 세명대 재난안전학과 블로그
• 🏫 세명대학교 재난안전학과 홈페이지