$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

초록
AI-Helper 아이콘AI-Helper

건물의 3차원 모델링은 3차원 공간정보를 구축하는데 있어서 매우 중요한 요소이다. 기존의 3차원 건물 모델링은 대부분 항공사진측량기술을 이용하여 수동으로 진행되어 많은 시간과 비용이 소요된다. 이러한 한계를 극복하기 위한 방안으로 최근에는 항공라이다(LiDAR) 데이터를 이용한 건물모델링 방법에 대한 많은 연구가 활발히 진행되고 있다. 항공라이다 데이터를 이용한 대부분의 3차원 건물모델링 연구는 보간과정을 통하여 격자구조로 변환하거나 수치지도 또는 항공영상 등의 이종 데이터간의 융합을 통하여 건물을 모델링하는 방안 등을 제시하였다. 본 논문에서는 점 데이터의 격자구조로의 변환 및 이종 데이터간의 융합 등의 방법을 배제하고 항공라이다 데이터만을 이용한 건물의 자동 모델링 방법을 제안하였다. 건물로 분류된 항공라이다 데이터를 옥트리 분할을 기반으로 3차원 공간상에서 재귀적으로 분할하여 패치(patch)를 구성하고, 동일한 속성을 갖는 패치들을 병합하여 건물의 구성요소를 추출한다. 추출되어진 건물의 구성요소를 대표하는 모델을 생성하여 전체적인 건물의 3차원 모델을 구성한다. 항공라이다 데이터를 이용하여 제안된 방법으로 실험한 결과, 다양한 형태의 건물 모델을 자동으로 구성할 수 있었다.

Abstract AI-Helper 아이콘AI-Helper

The 3D building modeling is one of crucial components in constructing 3D geospatial information. The existing methods for 3D building modeling depend mainly on manual photogrammetric processes, which indeed take great amount of time and efforts. In recent years, many researches on 3D building modeli...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 패치란 동일한 속성을 갖는 점집합으로 분할된 최소단위의 표면요소를 의미한다(Lee, Schenk, 2001). 본 연구에서는 분할 속도와 분할 정확도를 향상시키기 위하여 건물의 주방향을 추출하고, 주방향에 따라 옥트리 공간분할을 수행한다. 옥트리 공간분할을 수행하면 3차원 공간상에 다수의 직육면체가 구성된다.
  • 7과 같이 점집합에서 최외곽에 존재하는 점을 지칭한다. 본 연구에서는 분할과정과 병합과정을 통하여 얻어진 개별 건물지붕 구성면을 모델링하기 위하여 구성면의 최외각에 존재하는 윤곽점을 추출하였다. 윤곽점의 추출은 이영진(2002)에 의하여 저] 시된 인케이싱 폴리곤(encasing polygon)제작 알고리즘을 이용하였다.
  • 본 연구에서는 옥트리 공간분할 기법을 3차원 건물모 델링을 목적으로 기존 건물모델링 기법에서 사용되었던 건물모델의 제약 및 격자구조로의 변환 등을 배제하고 LiDAR 데이터만을 이용한 건물의 자동모델링 방법을 연구하였다. 건물지붕의 모양은 평면, 게이블, 다면 (polyhedral), 곡면 등 매우 다양하지만 이들을 높이, 경사, 방향 등 동일한 속성을 갖는 영역으로 분할해 보면 모든 건물지붕은 3차원 평면의 조합으로 구성되어 있다고 볼 수 있다.
  • 본 연구에서는 옥트리 공간분할 기법을 3차원 건물모 델링을 목적으로 기존 건물모델링 기법에서 사용되었던 건물모델의 제약 및 격자구조로의 변환 등을 배제하고 LiDAR 데이터만을 이용한 건물의 자동모델링 방법을 연구하였다. 건물지붕의 모양은 평면, 게이블, 다면 (polyhedral), 곡면 등 매우 다양하지만 이들을 높이, 경사, 방향 등 동일한 속성을 갖는 영역으로 분할해 보면 모든 건물지붕은 3차원 평면의 조합으로 구성되어 있다고 볼 수 있다.
  • 특히 곡면의 경우에는 컴퓨터상에서 곡면을 디스플레이하는 원리와 같이 연속된 평면의 조 합으로 묘사할 수 있다. 이러한 전제하에 본 연구에서는 LiDAR 데이터로부터 3차원 평면의 조합으로 건물모델을 추출하는 방법을 제안하였다. 전체적인 연구 과정은 Lee와 Schenk(2001)가 제시한 3차원 인지구조를 기반으로 Fig.

가설 설정

  • 그러나 Fig. 4의 (b)와 같이 공간상에서 패치가 인접하였지만 논리적으로 동일한 평면이라고 인정할 수 없는 가능성이 존재하는 경우는 인접한 패치로 정의하지 않는다.
  • 건물을 3차원 평면의 조합으로 구성된 다면 구조체로 가정하고, 건물을 구성하고 있는 건물 구성면을 추출하기 위하여 분할 . 병합과정을 적용하였으며, 추출되어진 건물 구성면에 모델링과정을 적용하여 3차원 건물모델을 구성하였다.
본문요약 정보가 도움이 되었나요?

참고문헌 (12)

  1. 김흥식, 2005. 라이다에 의한 지붕유형의 자동분류와 모델링, 인하대학교 석사학위 논문, pp. 16-28. 

  2. 박지혜, 2006. LiDAR 데이터와 수치지도를 융합한 건물 모델링, 서울시립대학교 석사학위 논문. pp.22-36. 

  3. 송낙현 외, 2007. LiDAR 데이터를 이용한 옥트리 분할 기반의 지붕요소 자동추출, 한국측량학회지, 25(4): 327-336. 

  4. 윤병주, 2001. 윤곽선 정보 감축을 위한 곡률 기반 정점 선택, 한국과학기술원 박사학위논문, pp. 28- 31. 

  5. 이영진, 2003. LiDAR 데이터와 항공사진을 이용한 건물의 자동추출에 관한 연구, 인하대학교 석사학 위 논문, pp. 14-17. 

  6. Abdullatif Alharthy and James Bethel, 2004, Detailed building reconstruction from airborne laser data using a moving surface method, International Society of Photogrammetry and Remote Sensing, Istanbul, Turkey, July. 12-23, 2004, Commission III. 

  7. Ellen Schwalbe, 2004, 3D building model generation from airborne laser scanner data by straight line detection in specific orthogonal projections, International Society of Photogrammetry and Remote Sensing, Istanbul, Turkey, July. 12-23, 2004, Commission III 

  8. F. Rottensteiner, J. Trinder, S. Clode, and K. Kubik, 2005, Automated Delineation of Roof Planes from LIDAR Data, International Society of Photogrammetry and Remote Sensing, Enschede, Netherlands, Sep. 12-14., 2005 

  9. Impyeong Lee and Toni Schenk, 2001, 3D Perceptual Organization of Laser Altimetry Data, International Archives of Photogrammetry and Remote Sensing, Annapolis, MD, Oct. 22-24 2004. Volume XXXIV-3/W4 Commission III. 

  10. Miao Wang and Yi-Hsing Tseng, 2004, Lidar data segmentation and classification based on octree structure, International Society of Photogrammetry and Remote Sensing, Istanbul, Turkey, July 12-23. Commission III. 

  11. Miao Wang and Yi-Hsing Tseng, 2005, Automatic Plane Extraction from LiDAR Data Based on Octree Splitting and Merging Segmentation, International Geoscience and Remote Sensing Symposium, Seoul, Korea, July 25-29. Vol. 5 

  12. Zwolak, Jason W., Boggs, Paul T., and Watson, Layne T., 2004, ODRPACK95: A Weighted Orthogonal Distance Regression Code with Bound Constraints, Technical Report TR-04-31, Computer Science, Virginia Tech. pp. 1-6. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로