가상공간 시현이나 GIS 및 이동통신과 같은 다양한 응용분야에 정확한 3차원 도시모델은 기본적인 자료가 되고 있다. 수동적인 3차원 자료 구축은 시간과 경비측면에서 비효율적이기 때문에 LIDAR는 DTM을 취득하는데 새로운 기술로 각광받고 있다. 본 연구에서는 필터링을 이용하여 지면과 비지면점을 추출하기 위한 방법을 제시하였고, 지면점으로부터 DU을 생성하여 정확도를 평가하였다. 그 동안 많은 필터기법들이 개발되어 왔지만 필터링의 자료처리특성을 분석하기 위해 높이차에 근거한 필터, 경사에 근거한 필터, 모폴로지에 근거한 필터 등 3가지 필터를 선택하고, 고층아파트지역과 저층주거지역에 적용하여 정확도를 평가하였다. 그 결과, LIDAR 자료로부터 취득된 DTM의 정확도는 고층아파트지역에서 0.16m, 저층아파트지 역에서 0.59m로 나타났으며, 도시지역의 정밀DTM 생성에 있어서 LIDAR자료의 활용이 기대된다
가상공간 시현이나 GIS 및 이동통신과 같은 다양한 응용분야에 정확한 3차원 도시모델은 기본적인 자료가 되고 있다. 수동적인 3차원 자료 구축은 시간과 경비측면에서 비효율적이기 때문에 LIDAR는 DTM을 취득하는데 새로운 기술로 각광받고 있다. 본 연구에서는 필터링을 이용하여 지면과 비지면점을 추출하기 위한 방법을 제시하였고, 지면점으로부터 DU을 생성하여 정확도를 평가하였다. 그 동안 많은 필터기법들이 개발되어 왔지만 필터링의 자료처리특성을 분석하기 위해 높이차에 근거한 필터, 경사에 근거한 필터, 모폴로지에 근거한 필터 등 3가지 필터를 선택하고, 고층아파트지역과 저층주거지역에 적용하여 정확도를 평가하였다. 그 결과, LIDAR 자료로부터 취득된 DTM의 정확도는 고층아파트지역에서 0.16m, 저층아파트지 역에서 0.59m로 나타났으며, 도시지역의 정밀DTM 생성에 있어서 LIDAR자료의 활용이 기대된다
3D models in urban areas are essential for a variety of applications, such as virtual visualization, GIS, and mobile communications. LIDAR (Light Detection and Ranging) is a relatively new technology for obtaining Digital Terrain Models (DTM) of the earth's surface since manual 3D data reconstructio...
3D models in urban areas are essential for a variety of applications, such as virtual visualization, GIS, and mobile communications. LIDAR (Light Detection and Ranging) is a relatively new technology for obtaining Digital Terrain Models (DTM) of the earth's surface since manual 3D data reconstruction is very costly and time consuming. In this paper an approach to extract ground and non-ground points data from LIDAR data by using filtering is presented and the accuracy for generating DTM from ground points data is evaluated. Numerous filter algorithms have been developed to date. To determine the performance of filtering, we selected three filters which are based on the concepts for height difference, slope, and morphology, and also were applied two different data acquired from high raised apartments areas and low house areas. From the results it has been found that the accuracy for generating DTM from LIDAR data are 0.16 m and 0.59 m in high raised apartments areas and low house areas respectively. We expect that LIDAR data is used to generate the accurate DTM in urban areas.
3D models in urban areas are essential for a variety of applications, such as virtual visualization, GIS, and mobile communications. LIDAR (Light Detection and Ranging) is a relatively new technology for obtaining Digital Terrain Models (DTM) of the earth's surface since manual 3D data reconstruction is very costly and time consuming. In this paper an approach to extract ground and non-ground points data from LIDAR data by using filtering is presented and the accuracy for generating DTM from ground points data is evaluated. Numerous filter algorithms have been developed to date. To determine the performance of filtering, we selected three filters which are based on the concepts for height difference, slope, and morphology, and also were applied two different data acquired from high raised apartments areas and low house areas. From the results it has been found that the accuracy for generating DTM from LIDAR data are 0.16 m and 0.59 m in high raised apartments areas and low house areas respectively. We expect that LIDAR data is used to generate the accurate DTM in urban areas.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 지면점과 비지면점을 분리하기 위해서 사용되는 필터링기법 중 lidar 자료의 높이값 변화를 이용하는 방법, 모폴로지(Morphology) 기법 경사값을 이용하는 방법으로 크게 3가지로 구분하여 각각에 대해 1개씩 필터링기법을 선정하고 이들 기법을 고층아파트 지역과 저층주택지역에 적용하고 결과를 분석하여 도시지역 DTM 생성에 대한 정확도를 평가하는데 목적을 두고 있다.
비지면요소들이 필터링에 의해 어느 정도 정확하게 자동제거되었는지를 파악하기 위해 전수 비교방법을 사용하였다. 즉 전수비교방법은 기준 DTM과 필터링에 의해 생성된 DTM간의 각각의 격자점에서 오차를 파악하는데 적합한 방법으로 판단되어 본 연구에서 는 전수비교하여 DTM의 정확도를 평가하였다.
가설 설정
그림 2에서 식(1)과 같은 조건식을 이용해서 지면과 비지면점을 판단하고, 임계값은 식 (2)에 의해서 결정된다. 4:느 윈도우 영역 내의 임의의 점, min는 반복횟수에서의 윈도우 영역 내의 최소 높이 값이다. s는 대상 지역의 최대경사이고, 는 반복횟수 /번째의 윈도우의 크기이다.
제안 방법
DTM의 정확도 평가는 현장조사와 항공영상을 이용하여 지물을 수동적으로 분류해서 제거한 후 기준DTM을 생성하여 필터링에 의해 생성된 DTM과 비교하였다. 이때 두 DTM간의 오차량을 확인하여 정확도를 평가하기 위해 전수비교를 하였다.
기준 자료는 수치지도 위성영상, 자료 취득당시 촬영된 디지털 항공영상, 현장조사 결과를 근거로 해서 지면과 비지면점을 수동적으로 분류하여 제작하였다. LIDAR 자료와 수치지도, 항공영상 및 현장조사 등에서 얻어진 정보를 비교하면서 시각적 판독에 의해 지물에 대한 요소를 LIDAR자료로부터 비지면점으로 분류하여 지면점과 비지면점에 대한 기준자료를 작성하였다. 기준자료는 고층아파트 지역의 경우 지면점이 60%, 비지면점이 40%로 나타났고 저층 주거지역의 경우 지면점이 62%, 비지면점이 38%로 나타났다.
이에 비해 정규격자 자료는 변환과정에서 손실이 생기지만 자료처리를 쉽게 할 수 있는 장점이 있다. LIDAR자료는 다양한 방법으로 처리할 수 있지만 본 연구에서는 먼저 불규칙적인 LIDAR자료를 점밀도를 고려하여 0.5m 간격의 정규격자 자료로 변환하고, 3가지의 필터링 기법을 이용하여 지면/비지면점을 분류하였다. 필터링을 통해 분류된 지면점을 이용해서 생성한 DTM과 기준자료로 생성한 DTM을 비교하여 그 정확도를 평가하였다.
고층 아파트 지역과 마찬가지로 기준자료와의 비교해 전체 오류가 최소인 경우를 찾아내고 그때의 지면과 비지면의 값을 이용해서 DTM을 생성하였다. 저층 주거지역의경우 그림 14, 15, 16에서와 같이 Total_Error가 ETEW 필터의 경우 임계값이 0.
기준 자료는 수치지도 위성영상, 자료 취득당시 촬영된 디지털 항공영상, 현장조사 결과를 근거로 해서 지면과 비지면점을 수동적으로 분류하여 제작하였다. LIDAR 자료와 수치지도, 항공영상 및 현장조사 등에서 얻어진 정보를 비교하면서 시각적 판독에 의해 지물에 대한 요소를 LIDAR자료로부터 비지면점으로 분류하여 지면점과 비지면점에 대한 기준자료를 작성하였다.
본 연구에서는 LIDAR자료로부터 DTM을 생성하기 위해 3가지 필터를 선정하여 고층아파트 지역과 저층 주거지역에 적용하여 필터링의 특성을 분석하고 생성된 DTM 의 정확도를 평가한 결과 다음과 같은 결론을 얻었다.
본 연구에서는 모폴로지의 제거 연산의 원리를 이용하여 LIDAR 자료의 비지면점을 제거하였다. 모폴로지 필터링은 고정된 크기의 윈도우를 적용할 경우 다양한 형태의 개체들을 제거하기 어렵다.
이때 두 DTM간의 오차량을 확인하여 정확도를 평가하기 위해 전수비교를 하였다. 비지면요소들이 필터링에 의해 어느 정도 정확하게 자동제거되었는지를 파악하기 위해 전수 비교방법을 사용하였다. 즉 전수비교방법은 기준 DTM과 필터링에 의해 생성된 DTM간의 각각의 격자점에서 오차를 파악하는데 적합한 방법으로 판단되어 본 연구에서 는 전수비교하여 DTM의 정확도를 평가하였다.
그림과 같은 자료에서 지모나 건물 등의 필요한 정보를 추출해내기 위해서 필터링기법을 적용하며, 최근 다양한 필터링 기법에 대한 연구가 최근 활발하게 진행되고 있다. 이들 필터링기법 중 자료점의 높이값의 차이 변화를 분석하여 지면과 비지면점을 구분하는 방법과 자료점의 높이값의 차를 경사값으로 계산하여 분석하는 방법, 그리고 모폴로지 개념에 의한 필터링기법에 대해 각각 한 개씩 필터링 기법을 선정하여 연구대상지역에 적용하고 그 특성을 분 석하였다.
DTM의 정확도 평가는 현장조사와 항공영상을 이용하여 지물을 수동적으로 분류해서 제거한 후 기준DTM을 생성하여 필터링에 의해 생성된 DTM과 비교하였다. 이때 두 DTM간의 오차량을 확인하여 정확도를 평가하기 위해 전수비교를 하였다. 비지면요소들이 필터링에 의해 어느 정도 정확하게 자동제거되었는지를 파악하기 위해 전수 비교방법을 사용하였다.
모폴로지 필터링은 고정된 크기의 윈도우를 적용할 경우 다양한 형태의 개체들을 제거하기 어렵다. 이러한 단점을 보완하기 위해서 반복적으로 제거 연산을 수행하면서 동시에 윈도우의 크기를 증가시켜가면서 연산을 수행하였다(Keqi 등, 2003). 윈도우의 크기를 다양하게 적용함으로써 나무나 자동차 등의 작은 개체와 함께 면적이 넓은 건물까지 다양한 비지면에 대해서 필터링의 효과를 기대할 수 있을 것으로 예상된다.
윈도우의 크기를 다양하게 적용함으로써 나무나 자동차 등의 작은 개체와 함께 면적이 넓은 건물까지 다양한 비지면에 대해서 필터링의 효과를 기대할 수 있을 것으로 예상된다. 이렇게 필터링을 통해서 비지면점이 제 거된 자료를 원시자료와 비교해서 자료값이 임계값 이상의 차이가 날 경우 그 점을 비지면점으로 분류하였다(그림 4).
정량적인 평가는 항공사진, 수치지E, 현장조사 결과를 바탕으로 수동으로 제작한 기준 자료를 이용해서 만든 DTM과, 필터링 기법을 적용해서 생성한 DTM을 비교해서 기준 DTM과의 차이를 평균오차로 표시하였다 즉, 기준 DTM자료는 항공사진과 현장조사과정에서 비지면요소로 분류되는 것을 원시 Lidar 자료에서 수동으로 제거하고 난 후 DTM을 생성하였다. 그림 20에서 22는 고층 아파트지역 중 필터링 결과를 보여주기 위해 선택된 부분과 단면도를 보여주고 있다.
정량적인 평가를 위해 기준자료의 DTM과 3가지 필터에 의해 생성된 DTM을 전수비교를 수행하였다. 즉, 항공 사진이나 현장조사를 통해 분류된 비지면요소를 수동으로 분류하여' 제거한 후 생성한 DTM과 필터링에 의해 자동으로 비지면요소가 제거된 DTM을 비교하여 발생된 오차-를 계산하여 정확도를 평가하였다.
정량적인 평가를 위해 기준자료의 DTM과 3가지 필터에 의해 생성된 DTM을 전수비교를 수행하였다. 즉, 항공 사진이나 현장조사를 통해 분류된 비지면요소를 수동으로 분류하여' 제거한 후 생성한 DTM과 필터링에 의해 자동으로 비지면요소가 제거된 DTM을 비교하여 발생된 오차-를 계산하여 정확도를 평가하였다. ETEW필터의 경우 고 층아파트 지역의 경우 평균오차가 약 0.
Axelsson(2000)은 도시지역에서 지면점을 추출하기 위해서 Adaptive TIN 방법을 제안하였는데, 자료처리는 먼저 원시자료에서 지면점을 분리하고 다음 단계로 비지면점을 필터링하여 필요한 정보만을 취득하는 처리 과정을 제시하였다. 특히 건물의 추출은 그 구조가 형태적으로 복잡하기 때문에 하나의 기법으로는 원하는 성과를 얻기가 힘들기 때문에 건물 추출은 여러 가지 알고리즘의 조합과 반복적인 방법을 통해 원하는 자료를 추출해내는 방법을 사용하였다. Sithole 등(2003)은 “ISPRS Comparison of Filters" 보고서에서 8개의 필터링 기법을 선정하고 8개의 지역에 15개의 샘플 자료를 선정하여, 각각의 필터링에 적용해보고 그 정확도를 평가하였다.
필터링 기법을 이용해서 분리된 지면 및 비지면점 중 비지면점을 제거하고 제거된 부분을 선형보간하여 DTM 을 생성하였다. 그림 17은 고층아파트 지역에서 추출한 지면점을 이용하여 DTM을 생성하고 음영기복도로 나타낸 모습이다 비지면점으로 지물이 제거된 부분은 주변의 높이값을 선형적으로 보간하는 방법으로 해당지역의 DTM 을 생성하였다.
5m 간격의 정규격자 자료로 변환하고, 3가지의 필터링 기법을 이용하여 지면/비지면점을 분류하였다. 필터링을 통해 분류된 지면점을 이용해서 생성한 DTM과 기준자료로 생성한 DTM을 비교하여 그 정확도를 평가하였다. 전체적인 자료의 처리 흐름은 다음과 같다.
필터링한 결과는 임계값을 변화시키면서 기준자료와 비교하여 전체 오류가 가장 작은 경우를 찾아내고 그때의 지면과 비지면의 분류값을 이용하여 DTM을 생성하였다. 필터링에 의한 지면 및 비지면요소 추출에서 두 가지 유형 의 분류오류가 발생하며, 이들 오류는 지면이 비지면으로 분류되는 오류(Error」), 비지면이 지면으로 분류되는 오류(Error_II), 또한 전체오류(Total_Error)로 구분된다.
대상 데이터
본 연구에서 사용한 자료는 한진정보통신(주)의 Optec 사 ALTM3070시스템을 이용해서 취득한 자료이다. 대상지는 경남 마산시 일원으로 2004년에 관측된 자료이며, 필터링을 적용할 대상지역은 고층아파트가 주를 이루는 고층아파트 지역과 경사와 언덕이 있고 저층주택이 밀집한 주거지역을 선정하였다(그림 5).
본 연구에서 사용한 자료는 한진정보통신(주)의 Optec 사 ALTM3070시스템을 이용해서 취득한 자료이다. 대상지는 경남 마산시 일원으로 2004년에 관측된 자료이며, 필터링을 적용할 대상지역은 고층아파트가 주를 이루는 고층아파트 지역과 경사와 언덕이 있고 저층주택이 밀집한 주거지역을 선정하였다(그림 5).
성능/효과
57m이었다. 3개 필터에 의해 생성된 DTM 오차에 대한 평균값을 보면 고층아파트의 경우 0.16이이고 저층 주거지역의 경우 0.59m로 나타났다.
그림 17은 고층아파트 지역에서 추출한 지면점을 이용하여 DTM을 생성하고 음영기복도로 나타낸 모습이다 비지면점으로 지물이 제거된 부분은 주변의 높이값을 선형적으로 보간하는 방법으로 해당지역의 DTM 을 생성하였다. 3개의 필터링 모두 공통적으로 지하주차장 입구와 지하계단 부분이 과도하게 검출되어 움푹 패인 현상이 나타났으며, 제거되지 못한 작은 지물이 나타나는 현상을 보여주고 있다.
표 2는 전체 오류가 최소인 경우 필터링을 통해 분리된 지면과 비지면점의 비율을 나타내었다. ETEW 필터의 경 우 지면점이 56%, 비지면점이 44%, 모폴로지필터의 경우 63%, 37%, MLS 필터의 경우 53%, 47%로 나타났으며 기준자료가 60%, 40%인 것을 고려할 때 전반적으로 비슷한 결과를 나타내고 있다.
전체 오류가 가장 작은 경우의 지면과 비지면의 값을 보면, ETEW필터는 지면과 비지면점의 비율이 각각 48%, 52%로 분류되었으며, 모폴로지필터의 경우는 55%, 45%, MLS 필터의 경우 45%, 55%의 비율로 지면과 비지면점이 분류되었다. 고층아파트 지역에 비해서 필터링간의 지면과 비지면점의 분류 비율이 10% 이상 차이가 발생하는 것을 볼 수 있다.
첫째, 고층아파트 지역의 경우 아파트의 높이가 주변 건물에 비해 뚜렷하게 차이가 나서 아파트를 비지면점으로 분류하는데 3가지 필터가 동일하게 효율적으로 사용되었으며, 주차중인 자동차나 수목 등과 같이 작은 지물에 대한 분류오차가 필터들 간에 다소 차이가 있었으나 전반적으로 양호한 결과를 보여주었다. 그러나 저층 주거지역의 경우 밀집한 건물 간의 차가 뚜렷하지 않고, 필터링의 정확도도 낮게 나타났다.
필터링을 통해 분류된 비지면점의 비율을 볼 때 기준 자료 와 가까운 모폴로지필터링 결과를 이용하여 제작한 DTM 의 품질이 우수할 것으로 예상되었으나 그림 17에서 보듯이 오히려 모폴로지필터가 시각적으로 거친 모양을 나타내는 것을 볼 수 있다. 이는 분류 결과에 비지면점이 지면점으로 분류되었거나, 지면점이 비지면점으로 분류된 오류가 포함되어 있기 때문인 것으로 분석되었다.
후속연구
둘째, DTM생성의 정확도를 평가하기 위해 항공영상과 수치지도 등을 이용하여 시각적 판독으로 LIDAR자료로부 터 수동으로 지면점을 추출하여 기준 DTM자료를 생성하고, 필터링에 의해 생성된 DTM과 비교분석한 결과 고층아파트지역은 평균오차가 0.16m, 저층 주거지역은 0.59m로 나타나서 도시지역의 정밀 DTM생성에 LIDAR자료의 활용이 기대된다.
이러한 단점을 보완하기 위해서 반복적으로 제거 연산을 수행하면서 동시에 윈도우의 크기를 증가시켜가면서 연산을 수행하였다(Keqi 등, 2003). 윈도우의 크기를 다양하게 적용함으로써 나무나 자동차 등의 작은 개체와 함께 면적이 넓은 건물까지 다양한 비지면에 대해서 필터링의 효과를 기대할 수 있을 것으로 예상된다. 이렇게 필터링을 통해서 비지면점이 제 거된 자료를 원시자료와 비교해서 자료값이 임계값 이상의 차이가 날 경우 그 점을 비지면점으로 분류하였다(그림 4).
참고문헌 (9)
정동기,구신회,어재훈,유환희 (2005),필터링기법을 이용한 LIDAR 자료로부터 DTM 추출,2005 GIS/RS 공동 춘계학술대회 논문집,pp. 355-361
ETRl (2004),라이다 처리 기반기술 개발,2004 고정밀 위성영상 처리기술 개발 보고서
Axelsson,P. (2000),DEM generation from laser scanner data using adaptive TIN models,In IAPRS,Amsterdam,Vol. 33,part B4,pp. 110-117
Keqi Z. and Shu-Ching C. (2003),A Progressive Morphological Filter for Removing Nonground Measurements From Airborne LiDAR Data,IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING,pp. 872-882
Keqi Z. and Shu-Ching C. (2005),Comparison of Three Algorithms for Filtering Airborne Lidar Data, PHOTOGRAMMETRIC ENGINEERING & REMOTE SENSING, pp. 872-882
Sithole,G. and Vosselman,G. (2003),ISPRS test on extracting DEMs from point clouds: a comparison of existing automatic filters,ISPRS Technical Report,pp. 93
Vosselman,G. (2000), Slope based filtering of laser altimetry data, International Archives of Photogrammetry and Remote Sensing,Vol. XXXIII,Part B3,pp. 958-964
※ AI-Helper는 부적절한 답변을 할 수 있습니다.