항공 라이다 데이터는 3차원 좌표로 표현된 점의 집합으로 대규모 지역의 지형측량을 신속하고 경제적으로 수행하여 고정밀의 수치지형모델을 제작하는데 사용된다. 특히 고정밀 수치지형모델 및 수치표고모델은 토목, 환경, 도시계획, 홍수모델 등에 있어서 정확한 예측과 분석을 가능하게 하며, 이로 인해 활용이 증가하고 있다. 항공 라이다 데이터로부터 수치지형모델을 제작하기 위해서는 건물, 식생 등과 같은 비지면점을 분류하고 제거하는 과정이 필요하다. 본 논문은 항공 라이다 데이터로부터 실세계를 구성하고 있는 지면점과 비지면점을 분류하는 필터링 방법을 제시하였다. 필더링 방법은 라이다 점 데이터를 높이 차이에 따라 분할하고, 분할된 점 데이터를 지면점과 비지면점으로 분류하는 과정으로 진행된다. 이러한 과정을 통해 건물, 식생 등과 같은 비지면점을 제거하고, 수치지형모델을 제작하기 위한 지면점을 추출하게 된다. 제시된 필터링 방법을 ISPRS의 Comparison of Filter(2003) 보고서에서 사용된 데이터에 적용하여 지면점과 비지면점의 분류 결과를 분석하였다.
항공 라이다 데이터는 3차원 좌표로 표현된 점의 집합으로 대규모 지역의 지형측량을 신속하고 경제적으로 수행하여 고정밀의 수치지형모델을 제작하는데 사용된다. 특히 고정밀 수치지형모델 및 수치표고모델은 토목, 환경, 도시계획, 홍수모델 등에 있어서 정확한 예측과 분석을 가능하게 하며, 이로 인해 활용이 증가하고 있다. 항공 라이다 데이터로부터 수치지형모델을 제작하기 위해서는 건물, 식생 등과 같은 비지면점을 분류하고 제거하는 과정이 필요하다. 본 논문은 항공 라이다 데이터로부터 실세계를 구성하고 있는 지면점과 비지면점을 분류하는 필터링 방법을 제시하였다. 필더링 방법은 라이다 점 데이터를 높이 차이에 따라 분할하고, 분할된 점 데이터를 지면점과 비지면점으로 분류하는 과정으로 진행된다. 이러한 과정을 통해 건물, 식생 등과 같은 비지면점을 제거하고, 수치지형모델을 제작하기 위한 지면점을 추출하게 된다. 제시된 필터링 방법을 ISPRS의 Comparison of Filter(2003) 보고서에서 사용된 데이터에 적용하여 지면점과 비지면점의 분류 결과를 분석하였다.
Recent advances in airborne LiDAR technology allow rapid and inexpensive measurements of topography over large areas. The generation of DTM/DEM is essential to numerous applications such as the fields of civil engineering, environment, city planning and flood modeling. The demand for LiDAR data is i...
Recent advances in airborne LiDAR technology allow rapid and inexpensive measurements of topography over large areas. The generation of DTM/DEM is essential to numerous applications such as the fields of civil engineering, environment, city planning and flood modeling. The demand for LiDAR data is increasing due to the reduced cost for DTM generation and the increased reliability, precision and completeness. In order to generate DTM, measurements from non-ground features such as building and vegetation have to be classified and removed. In this paper, a segmented morphology filter was developed to detect non-ground LiDAR measurements. First, segments LiDAR point clouds based on the elevation. Secondly classifies those protruding segments into non-ground points. Those non-ground points such as building and vegetation are removed, while ground points are preserved for DTM generation. For experiments, data sets used in Comparison of Filters (ISPRS, 2003) depicting urban and rural areas were selected. The experimental results show that the proposed filter can remove most of the non-ground points effectively with less commission and omission errors.
Recent advances in airborne LiDAR technology allow rapid and inexpensive measurements of topography over large areas. The generation of DTM/DEM is essential to numerous applications such as the fields of civil engineering, environment, city planning and flood modeling. The demand for LiDAR data is increasing due to the reduced cost for DTM generation and the increased reliability, precision and completeness. In order to generate DTM, measurements from non-ground features such as building and vegetation have to be classified and removed. In this paper, a segmented morphology filter was developed to detect non-ground LiDAR measurements. First, segments LiDAR point clouds based on the elevation. Secondly classifies those protruding segments into non-ground points. Those non-ground points such as building and vegetation are removed, while ground points are preserved for DTM generation. For experiments, data sets used in Comparison of Filters (ISPRS, 2003) depicting urban and rural areas were selected. The experimental results show that the proposed filter can remove most of the non-ground points effectively with less commission and omission errors.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 '지물의 양쪽 가장자리는 인접한 지면으로부터 급격한 높이 차이를 가진다는 전제하에 지형의 형태와 경사에 관계없이 다양한 형태의 지형에서 라이다 점 데이터만을 이용하여 지면점과 비지면점을 분류할 수 있는 필터링 방법을 제시하였다. 특히 필터링 과정에서 고려되어야 하는 대부분의 변수를 라이다의 수평정확도 와 평균 점간격으로부터 유도하여 최소화하였다.
본 논문의 목적은 지형의 형태와 경사에 관계없이 다양한 형태의 지형에서 획득된 라이다 점 데이터만을 이용하여 지면점과 비지면점을 분류할 수 있는 필터링 방법을 제시하는 것이다. 따라서 그림 1과 같이 필터링의 준비단 계인 하위과정은 가상격자Qseudo-grid)를 제작하고 과대 오차(outher)를 제거하는 과정이다.
가설 설정
④ 탐색한 영역에 존재하는 점의 수가 지면점이 가지고 있는 최소 이하가 되면 과대오차로 가정하여 제거한다.
제안 방법
한쪽 방향으로 진행하는 1차원 선형 분할방법은 대상지역의 외 곽지역과 복잡한 지물이 추출되지 않는다는 한계가 있고 여러 방향의 분할방법은 점기반 처리에 있어서 연산량과 처리시간이 증가한다는 단점이 있다. 따라서 본 논문에서는 그림 5와 같이 가상격자를 통해 인접관계를 규정하고 이를 기반으로 네 방향(가로, 세로 하향 대각선, 상향 대 각선)에 대해 분할방법을 적용하였다.
추출방법은 비지면 1차 추출방법과 동일하며, 비지면 1차 추출 이후 지면점으로 분류된 점들만을 이용하여 분할과정을 수행한다는 점에서 차이가 있다. 또한 기준높이(H)를 1차 추출과 달리 0.5m로 설정하여 모든 비지면점을 제거할 때까지 반복적으로 수행하였다.
본 논문에서 제안한 필터링 방법의 분류 정확도를 분석하기 위해서 복잡한 지물, 연결된 지물, 수목 등과 같이 분류가 어려운 대상 지역에 대해 정성적인 분석을 수행하였다.
대상 데이터
대상지 역은 독일에 있는 Vaihingen/Enz 지역과 Stuttgart의 도심지이다. 이 지역은 평지, 식생지역, 건물 도로 철도, 강, 다리, 전선, 저수지 등 다양한 지형지물이 존재하는 지역이다.
TIN으로 접근 하는 방법은 본 논문에서 구현하고자 하는 필터링 알고리 즘에 적합하지 않다. 따라서 본 논문에서는 정규격자 형태를 유지하면서 정확도를 보존할 수 있는 가상격자(좌윤 석, 2003)를 이용하였다.
본 논문에서 제시한 필터링 방법의 정확도를 분석하기위해서 2003년 ISPRS Commission Ⅲ, Working Group 3에서 발표한 'Comparison of Filter' 보고서에서 사용한 데이터를 통해 실험하였다.
이 지역은 평지, 식생지역, 건물 도로 철도, 강, 다리, 전선, 저수지 등 다양한 지형지물이 존재하는 지역이다. 필터링 수행결과의 정확도를 비교하기 위해서 지형특성이 다른 15개 표본지역에서 추출된 라이다 데이터를 기준데이터로 사용하였다. 기준데이터는 항공 사진과 지형지물에 대한 배경지식을 바탕으로 수작업을 통해 각각의 3차원 좌표를 지면점과 비지면점으로 분류한 데이터를 의미한다.
데이터처리
정량적 분석을 위해서 본 논문에서 제안한 필터링 방법의 결과와 ISPRS의 기준데이터를 비교하였다. 표 2는 각 대상지역에서 잘못 분류된 점의 개수를 대상지역의 모든 점에 대한 백분율로 표시하여 비교한 결과이다.
성능/효과
본 논문에서 제안한 필터링 방법은 지형에 따라 사용된 변수가 데이터의 평균점밀도 또는 평균점간격으로부터 유도되기 때문에 다양한 지형에 따라 설정되는 변수의 영향을 최소화하였다. 그럼에도 불구하고 15개 실험대상 지 역에서 다른 필터링 알고리즘의 결과물과 비교할 때 상대적으로 낮은 오류를 포함하는 것을 알 수 있다. 오차 비율만을 비교한 결과 15개 지역 중 8개 지역에서 가장 낮은 오차를 포함하였으며, 6개 지역에서 두 번째로 낮은 오차를 포함하였다.
그림 10은 과대오차를 제거하기 이전의 라이다 데이터에 대해 본 논문의 과대오차 제거방법을 적용한 결과를 나타낸 것이다. 낮은 과대오차와 높은 과대오차가 모두 제거되었으며, 본 논문의 과대오차 제거방법이 매우 유효하게 적용될 수 있음을 확인할 수 있다.
C 지역은 건물로 둘러싸인 지역으로 건물의 중앙에 있는 지면이 비지면으로 추출되지 않았다. 따라서 본 논문에서 제안한 필터링 방법이 복잡한 지형지물에 영향을 받지 않는다는 것을 확인할 수 있다.
B 지역은 강 위에 있는 다리를 추출한 결과이다. 따라서 제안한 필터링 방법이 연결된 지물을 효과적으로 추출할 수 있음을 확인할 수 있다.
15개 지역에서 1개 지역만을 제외하면 약 5% 미만의 오차를 발생하는 것을 알 수 있다. 따라서 제안한 필터링 방법이 지형의 형태와 경사에 관계없이 다양한 형태의 지형에서 우수한 정확도를 얻을 수 있다는 것을 확인할 수 있었다.
본 논문에서 제안한 필터링 방법은 지형에 따라 사용된 변수가 데이터의 평균점밀도 또는 평균점간격으로부터 유도되기 때문에 다양한 지형에 따라 설정되는 변수의 영향을 최소화하였다. 그럼에도 불구하고 15개 실험대상 지 역에서 다른 필터링 알고리즘의 결과물과 비교할 때 상대적으로 낮은 오류를 포함하는 것을 알 수 있다.
실험을 통해 정성적 평가와 정량적인 평가를 수행한 결과 전체적으로 좋은 결과를 나타내었다. 정량적인 평가에서 단순히 오류로 판정된 점의 개수에 대한 비율만을 나 타내었기 때문에 오류로 판정된 점에 대한 영향을 고려할 수 없었다.
그럼에도 불구하고 15개 실험대상 지 역에서 다른 필터링 알고리즘의 결과물과 비교할 때 상대적으로 낮은 오류를 포함하는 것을 알 수 있다. 오차 비율만을 비교한 결과 15개 지역 중 8개 지역에서 가장 낮은 오차를 포함하였으며, 6개 지역에서 두 번째로 낮은 오차를 포함하였다. 1개 지역만이 세 번째로 작은 오차를 포함하였고, 지역 9에서 다른 필터와 비교할 때 상대적으로 높은 오류를 발생하였다.
후속연구
정량적인 평가에서 단순히 오류로 판정된 점의 개수에 대한 비율만을 나 타내었기 때문에 오류로 판정된 점에 대한 영향을 고려할 수 없었다. 따라서 기준 데이터를 이용하여 DTM을 제작하여 이를 기준으로 오류로 판정된 점의 높이 차이를 평가한다면 좀 더 객관적인 평가 결과를 도출할 수 있을 것이다.
참고문헌 (9)
이임평 (2006), LIDAR 데이터로부터 지표점 추출을 위한 피쳐기반 방법, 대한원격탐사학회지, 제22권, 4호, pp. 265-274
좌윤석 (2003), 항공 레이저 스캐닝 데이터를 이용한 건물 자동추출에 관한 연구, 석사학위논문, 인하대학교, pp. 13-15
Axelsson P. (2000), DEM Generation from Laser Scanner Data Using adaptive TIN Models, Int. Arch. Photogramm. Remote Sensing. Amsterdam, Netherlands, Vol. XXXIII, Part. B4/1, pp. 110-117
ISPRS Commission III, Working Ground 3 (2003), ISPRS Test on Extracting DEMs from Point Clouds, http://www.commission3.isprs.org/wg3/index.html
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, Vol. 41, No.4, pp. 872-882
Kraus K. and Pfeifer N. (1998), Determination of terrain models in wooded areas with airborne laser scanner data, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 53, No.4, pp. 193-203
Kraus K. and Pfeifer N. (2001), Advanced DTM generation from LiDAR data, Int. Arch. Photogramm. Remote Sensing. Annapolis, MD. Vol. XXXIV, Part. 3/W4, pp. 23-30
Michel Morgan and Ayman Habib (2001), 3D Tin for automatic building extraction from airborne laser scauning data, Proceedings of the ASPRS 'Gateway to the New Millenium', St. Louis, Missouri 2001
Vosselman G. (2000), Slope based filtering of laser altimetry data, Int. Arch. Photogramm. Remote Sensing. Amsterdam, Netherlands, Vol. XXXIII, Part. B3, pp. 935-942
※ AI-Helper는 부적절한 답변을 할 수 있습니다.