[논문]LIDAR 포인트 cloud로부터 분리된 포인트 군집간 인접관계 인식과 응용에 관한 연구

한수희; 이정호; 유기윤; 김용일

[국내논문] LIDAR 포인트 cloud로부터 분리된 포인트 군집간 인접관계 인식과 응용에 관한 연구
A Study on Detecting Neighboring Relation Among Point Segments of LIDAR Point Cloud and its Application 원문보기

본 연구에서는 선행 연구에서 제시한 스캔라인을 이용한 LIDAR 포인트 cloud의 분리과정 중 분리된 포인트 군집간인접 관계를 인식할 수 있는 기능을 추가하여 분리된 건물요소를 인식하고 재결합하였다. 아울러 군집간 인접 특성을 활용하여 지면 포인트 군집을 인식하기 위한 방법론을 제시하였다. 실험 결과 포인트 cloud 분리 과정에 군집간 인접 관계 인식 기능을 추가하더라도 처리 성능이 저하되지 않았으며 후처리를 통하여 건물 요소를 결합하여 온전한 형태의 건물 포인트 군집을 형성함과 더불어 지면 포인트 군집도 인식할 수 있음을 확인하였다.

In this study, we recognized and joined parts of buildings separated during LIDAR point segmentation utilizing scan line characteristics, with an additional function to recognize neighboring relation among point segments. And we applied the relation to suggest a method to recognize earth point segment. From the test, we could confirm that it does not drop down the efficiency of point segmentation to be added with the function of recognizing neighboring relation and it is possibile to combine point segments to form a complete shaped building and to recognize earth point segment.

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 이와 같이 분리된 건물요소를 인식하고 재결합하기 위하여 선행 연구의 포인트 분리 과정 중에 군집 간 인접 관계를 파악할 수 있는 기능을 추가하였다. 인접 관계에 있는 군집들은 후처리 과정을 통하여 인접 관계가 재정립되어 최종적으로 재결합된다.

제안 방법

군집 간 인접 정보는 직접적인 인접 관계만을 표현하므로 간접적으로 형성되는 인접 관계를 표현해 주어야 한다 예를 들어, 군집 A와 日가, 日와 C가 인접 관계에 있는 것으로 인식되면 최종적으로 A, B, C가 인접 관계에 있는 것으로 인식시키는 과정이 필요하다 이를 위하여 다음과 같이 트리 구조를 응용한 처리 방식을 채택하였다.
접근이 가능하다. 그 중 Sithole(2005)은 n개의 인접한 포인트들로부터 평면 방정식을 구하여 표면 거칠기를 산출함으로써 수목을 인식하였고, 이정호(2005)는 스캔 라인을 따라 1차원 필터링을 적용하여 오차 포인트 (outlier)를 제거하였다 본 연구에서는 가상 격자와 kernel 을 이용하여 각 군집의 표면 거칠기를 산출함으로써 수목을 인식하고, 포인트의 분리 과정 중에 1차원 필터링을 추가하여 건물의 수직 벽에 반사된 포인트들을 군집화하고 제거하는 시도를 하였다 보다 구체적이고 안정화된 방법론과 실험 결과에 대해서는 차후 논문에서 언급하고자 한다
아울러 대부분의 지상물은 지면과 인접 관계에 있다는 특성을 이용호卜 여, 지면 포인트 군집을 인식하는 방법론을 제시하였다. 본 논문은 선행 연구의 주요 알고리즘의 간략한 소개와 군집 간 인접관계를 파악하기 위해 보완된 내용, 후처리 과정과 적용 및 평가의 순서로 구성되어 있다.
본 연구에서는 선행 연구에서 제안한 스캔라인을 이용한 LIDAR 포인트 cloud의 분리과정에 분리된 포인트 군집 간 인접 관계를 인식할 수 있는 기능을 추가하였다. 실험 결과, 새로운 기능의 추가로 인한 분리 과정의 처리성능 저하는 발생하지 않았으며 분리된 군집 간 인접 관계를 이용하여 건물 요소를 인식하고 재결합할 수 있었다.
선행 연구의 포인트 cloud의 분리 알고리즘(한수희 등, 2005, 2006)과 군집 간 인접 관계 파악을 위해 보완된 알고리즘의 성능을 평가하기 위하여 단일 스트립에 대한 처 리 시간과 순간 최대 메모리 사용량을 비교하였다. 결과적으로 처리 성능에는 거의 차이가 없음을 확인할 수 있었다(표 3).

성능/효과

결과적으로 건물 요소로 분리되었던 아파트의 옥탑과 복잡한 형태의 지붕으로 구성된 건물의 건물 요소들을 결합하여 온전한 형태의 건물을 표현할 수 있었다. (그림 11)은 다양하고 복잡한 건물 요소로 구성된 샘플 건물의 처리 결과를 보여준다.
결과적으로 처리 성능에는 거의 차이가 없음을 확인할 수 있었다(표 3). 사용된 샘플 자료와 처리 시스템의 제원은 (표 4)와 같다.
광역적인 3차원 공간정보 구축을 위하여 LIDAR 포인트 cloud를 효율적으로 분리하기 위한 연구를 본 연구에 앞서 수행하였다 선행 연구에서 제시한 LIDAR 포인트 cloud 분리 방식(한수희 등, 2005, 2006)은, region growing과 무감독 분류와 유사한 방식으로 원시 LiDAR 포인트 자료를 분리하였으며 처리 효율성을 증진시키기 위하여 항공 레이저 측량 장비의 스캔 라인 특성을 활용하였다 결과적으로 대량의 포인트 자료를 매우 효과적으로 처리할 수 있었으며 분리 정확도도 합리적인 수준으로 나타났다. 여기서, 일정 거리 이상 떨어져 있거나 고도 차이가 임계치 이상인 개체는 서로 분리되어 각각의 포인트 군집을 이루게 된다.
실험 결과, 새로운 기능의 추가로 인한 분리 과정의 처리성능 저하는 발생하지 않았으며 분리된 군집 간 인접 관계를 이용하여 건물 요소를 인식하고 재결합할 수 있었다. 또한 군집 간 인접 관계를 지면 포인트 군집의 인식에서 활용할 수 있음을 확인하였다.
또한 지면 포인트 군집도 인접 군집 수가 평균 인접 군집 수를 압도적으로 초과하는 군집으로 선택함으로써 그 활용 가능성을 확인할 수 있었다(그림 12). 그러나 인공구조물로 인해 고립되어 비교적 적은 수의 인접 관계를 갖는 소규모 지면 군집은 제시한 방식으로는 인식할 수 없는 한계점도 확인할 수 있었다.
실험 결과, 새로운 기능의 추가로 인한 분리 과정의 처리성능 저하는 발생하지 않았으며 분리된 군집 간 인접 관계를 이용하여 건물 요소를 인식하고 재결합할 수 있었다. 또한 군집 간 인접 관계를 지면 포인트 군집의 인식에서 활용할 수 있음을 확인하였다.

후속연구

따라서 방대한 분량의 LiDAR 포인트 자료의 효율적이고 효과적인 처리는 물론 분리된 건물 요소의 인식과 결합을 통하여 건물 전체 형태 및 건물 요소의 개별 모델링을 위한 포인트 자료를 명확히 분리하여 제공할 수 있을 것으로 기대된다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] LIDAR 포인트 cloud로부터 분리된 포인트 군집간 인접관계 인식과 응용에 관한 연구
A Study on Detecting Neighboring Relation Among Point Segments of LIDAR Point Cloud and its Application 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] LIDAR 포인트 cloud로부터 분리된 포인트 군집간 인접관계 인식과 응용에 관한 연구 A Study on Detecting Neighboring Relation Among Point Segments of LIDAR Point Cloud and its Application 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

한수희 (4) 이정호 (16) 유기윤 (94) 김용일 (145)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] LIDAR 포인트 cloud로부터 분리된 포인트 군집간 인접관계 인식과 응용에 관한 연구
A Study on Detecting Neighboring Relation Among Point Segments of LIDAR Point Cloud and its Application 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper