도시화에 따른 이산화탄소의 발생이 증대되고 있는 실정에서 이를 해결할 수 있는 대안으로 도시의 녹지화가 추진되고 있다. 도시지역에서 수목은 이산화탄소를 저감시킬 뿐만 아니라 심미적인 효과가 있다. 본 연구에서는 이러한 수목의 공간정보를 효율적으로 추출하기 위하여 라이다 자료를 이용하는 방법론을 제안하였다. 제안한 방법론에서는 수목추출에 따른 작업의 효율성을 향상시키기 위하여 점, 면, 영상기반의 복합적 자료처리를 수행하였다. 기존의 정규화된 수치표면모델은 건물과 수목정보를 모두 포함하고 있어 수목 추출 시 자료처리의 복잡성이 높은 문제점을 안고 있다. 따라서 이러한 문제점을 개선하기 위하여 본 연구에서는 건물추정영역을 제거한 수치표면모델을 이용하였다. 제안한 방법론의 적용성을 평가하기 위하여 도시지역 내의 건물과 수목이 공존하는 3개의 지역을 선정하였으며 수목추출의 정확도는 디지털 카메라에 의해 촬영된 디지털 영상과 비교하였다.
도시화에 따른 이산화탄소의 발생이 증대되고 있는 실정에서 이를 해결할 수 있는 대안으로 도시의 녹지화가 추진되고 있다. 도시지역에서 수목은 이산화탄소를 저감시킬 뿐만 아니라 심미적인 효과가 있다. 본 연구에서는 이러한 수목의 공간정보를 효율적으로 추출하기 위하여 라이다 자료를 이용하는 방법론을 제안하였다. 제안한 방법론에서는 수목추출에 따른 작업의 효율성을 향상시키기 위하여 점, 면, 영상기반의 복합적 자료처리를 수행하였다. 기존의 정규화된 수치표면모델은 건물과 수목정보를 모두 포함하고 있어 수목 추출 시 자료처리의 복잡성이 높은 문제점을 안고 있다. 따라서 이러한 문제점을 개선하기 위하여 본 연구에서는 건물추정영역을 제거한 수치표면모델을 이용하였다. 제안한 방법론의 적용성을 평가하기 위하여 도시지역 내의 건물과 수목이 공존하는 3개의 지역을 선정하였으며 수목추출의 정확도는 디지털 카메라에 의해 촬영된 디지털 영상과 비교하였다.
In situation that carbon dioxide emissions are being increased as urbanization, urban green space is being promoted as an alternative to find solution for these problems. In urban areas, trees have the ability to reduce carbon dioxide as well as to be aesthetic effect. In this study, we proposed the...
In situation that carbon dioxide emissions are being increased as urbanization, urban green space is being promoted as an alternative to find solution for these problems. In urban areas, trees have the ability to reduce carbon dioxide as well as to be aesthetic effect. In this study, we proposed the methodology which uses only LIDAR data in order to extract these trees information effectively. To improve the operational efficiency according to the extraction of trees, the proposed methodology was carried out using multiple data processing such as point, polygon and raster. Because the existing NDSM(Normalized Digital Surface Model) contains both the building and tree information, it has the problems of high complexity of data processing for extracting trees. Therefore, in order to improve these problems, this study used modified NDSM which was removed estimate regions of building. To evaluate the performance of the proposed methodology, three different zones which coexist buildings and trees within urban areas were selected and the accuracy of extracted trees was compared with the image taken by digital camera.
In situation that carbon dioxide emissions are being increased as urbanization, urban green space is being promoted as an alternative to find solution for these problems. In urban areas, trees have the ability to reduce carbon dioxide as well as to be aesthetic effect. In this study, we proposed the methodology which uses only LIDAR data in order to extract these trees information effectively. To improve the operational efficiency according to the extraction of trees, the proposed methodology was carried out using multiple data processing such as point, polygon and raster. Because the existing NDSM(Normalized Digital Surface Model) contains both the building and tree information, it has the problems of high complexity of data processing for extracting trees. Therefore, in order to improve these problems, this study used modified NDSM which was removed estimate regions of building. To evaluate the performance of the proposed methodology, three different zones which coexist buildings and trees within urban areas were selected and the accuracy of extracted trees was compared with the image taken by digital camera.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 라이다 자료만을 사용하여 도시지역의 수목정보를 추출하는 것을 목적으로 하였으며 이를 위해 라이다 점 자료만을 사용한 수목공간정보 추출 방법론을 제안하였고, 작업의 효율성 향상을 위해 점, 면, 영상 기반의 복합적 자료처리를 통한 수목추출을 실시하였다. 제안한 수목정보 추출방법론은 도시지역 내의 건물과 수목이 공존하는 서로 다른 유형의 실험대상지역을 선정하고 적용하여 그 타당성을 평가하였으며 라이다 관측 장비에 같이 장착된 디지털 카메라에 의해 촬영된 항공영상을 통해 개별적으로 추정된 수목량과 비교하여 그 정확도를 평가하였다.
따라서 이러한 비수목으로 추정되는 점들은 일정한 기준에 의해서 정제되어야 한다. 본 연구에서는 비수목으로 추정되는 오류를 줄이기 위하여 설정한 수관폭의 면적과 라이다 자료의 점밀도를 기준으로 수관폭 면적내에 존재해야 하는 평균 수목점의 개수를 분석하였다. 이를 기반으로 평균 수목 추정점 개수의 약 ± 1σ를 벗어나는 32%를 최소 개수로 설정하고 그 이하의 개수를 가지는 개별 수목 추정점은 비수목으로 추정하여 제거하였다.
본 연구의 목적은 수목정보를 추출하는 것으로 비지면 자료 내에 존재하는 건물정보를 추정하여 제거하는 것이 필수적이다. 이를 위해 비지면 자료는 다시 평면 상에 존재하는 점과 그렇지 않은 점으로 분류하였다.
가설 설정
수목 꼭대기 추정은 그림 8(e)의 건물제거 NDSM을 입력 자료로 하여 국지적 최대값(local maxima) 필터링을 수행한 후 다시 건물제거 NDSM 정보를 빼주는 영상기반으로 자료처리를 수행하였다. 본 연구에서는 수목의 꼭대기점을 수관폭의 중심점으로 가정하기 때문에 국지적 최대값 필터링을 수행할 때 구조요소는 수목과 유사한 원형(circle)을 사용하였다.
본 연구에서는 폐색영역을 이용하여 지면과 비지면을 분류하는 방법을 사용하였다. 폐색영역을 이용한 지면과 비지면의 분류방법은 높이 값의 급격한 변화가 기복 변위에 의해서 발생한다고 가정하는 것으로 이러한 기복변위에 의해서 폐색영역이 발생하며 폐색영역이 발생하는 지역을 통해서 지면과 비지면을 분류할 수 있다.
제안 방법
각 지역 별 평균 점밀도는 표 2에 정리되어 있으며 수관폭 기준인 직경 3m의 면적(πr2 ≈7.07m2)내에 존재하는 점의 개수는 각 지역별로 16.3개, 9.2개, 14.8개이며 32%인 5개, 3개, 5개를 기준으로 개별 수목이 보유해야 하는 최소 기준 개수로 설정하고 각 지역에서 기준 이하의 개별 수목들을 제거하여 정제 작업을 실시하였다.
라이다 자료에서 지면과 비지면을 분류한 후 수치모델을 생성하는 과정에서는 점 자료를 공간보간하여 영상기반의 자료처리를 수행하였다. 건물 지붕으로 추정되는 점을 찾거나 수목 중심점을 추정하는 과정에서는 점 기반의 자료처리를 수행하고 점 자료를 버퍼링하는 과정에서는 면기반의 자료처리를 수행하였다. 본 연구에서 제안하는 수목추출방법은 라이다 자료를 점 기반, 면 기반, 영상 기반의 복합적 처리를 수행함으로서 작업의 효율성을 높였다.
국지적 최대값 필터링 적용 시 구조요소의 크기는 추정된 수관폭을 넣고 높이에 대한 임계값은 수목의 최소 높이라고 가정할 수 있는 3m를 기준으로 자료처리를 수행하였다.
도시지역에서 수목공간정보를 추출하기 위하여 라이다 자료를 점, 면, 영상 기반의 복합적 자료처리를 통해 수목을 추출하는 방법론을 제안하였다. 특히 라이다 자료에서 폐색영역을 이용하여 지면과 비지면을 분류하고 비지면으로 분류된 점들 중 건물정보로 추정되는 자료를 미리 제거하여 자료처리를 수행하는 건물제거 NDSM을 제안하였다.
반면 그림 5(c)와 같이 건물이 수목에 비해 매우 높은 고층 아파트가 있는 유형은 건물 벽면에 대한 정보를 제거하지 않으면 이를 수목정보로 오분류하여 최종 추출되는 결과에 영향을 미친다. 따라서 평면상에 있지 않는 건물 벽면에 해당하는 영역을 제거하기 위하여 건물 추정점을 라이다 자료의 평균점간 거리를 기준으로 확장하여 면 처리하는 방법을 사용하였다. 그림 5(c)에서 삼각형 형태의 점 자료들이 제거 대상이 되는 건물의 벽면 정보들이다.
라이다 자료에서 개별 수목 점들의 추출을 위하여 추정된 수목 꼭대기점을 중심으로 도시지역 평균 수관폭 3m의 직경을 가지는 원형 면자료를 생성하고 건물정보가 제거된 비지면 점자료와 중첩하여 3차원 위치정보를 가지는 수목정보를 추출한다. 그림 18은 각 지역에 대하여 추정된 수관폭 정보를 나타낸다.
본 연구에서 제안하는 항공라이다 자료를 이용한 수목공간정보 추출 방법의 흐름은 그림 1과 같다. 라이다 자료에서 지면과 비지면을 분류한 후 수치모델을 생성하는 과정에서는 점 자료를 공간보간하여 영상기반의 자료처리를 수행하였다. 건물 지붕으로 추정되는 점을 찾거나 수목 중심점을 추정하는 과정에서는 점 기반의 자료처리를 수행하고 점 자료를 버퍼링하는 과정에서는 면기반의 자료처리를 수행하였다.
벽면 정보를 추가하기 위하여 건물 지붕영역을 라이다 점밀도를 고려하여 확장하였다.
본 연구에서 제안한 수목추출기법의 적용성을 평가하기 위해서 라이다 관측 장비에 같이 장착된 디지털 카메라에 의해 촬영된 디지털 영상을 통해 수작업으로 관측한 수목의 개수와 제안한 기법에 의해 추출된 수목 개수를 비교 분석하였다. 표 3에서 알 수 있듯이 지역 1, 지역 2, 지역 3에 대해 제안한 자료처리기법으로 각각 약 89%, 90%, 139%의 수목을 추출하였다.
본 연구에서는 폐색영역을 이용하여 지면과 비지면을 분류하는 방법을 사용하였다. 폐색영역을 이용한 지면과 비지면의 분류방법은 높이 값의 급격한 변화가 기복 변위에 의해서 발생한다고 가정하는 것으로 이러한 기복변위에 의해서 폐색영역이 발생하며 폐색영역이 발생하는 지역을 통해서 지면과 비지면을 분류할 수 있다.
이를 위해 비지면 자료는 다시 평면 상에 존재하는 점과 그렇지 않은 점으로 분류하였다. 비지면 자료에 대해 각 비지면점을 중심으로 일정한 영역을 설정하여 평면의 방정식을 적용하였다.
수목 꼭대기 추정은 그림 8(e)의 건물제거 NDSM을 입력 자료로 하여 국지적 최대값(local maxima) 필터링을 수행한 후 다시 건물제거 NDSM 정보를 빼주는 영상기반으로 자료처리를 수행하였다. 본 연구에서는 수목의 꼭대기점을 수관폭의 중심점으로 가정하기 때문에 국지적 최대값 필터링을 수행할 때 구조요소는 수목과 유사한 원형(circle)을 사용하였다.
연구대상지역은 수원시 일부지역으로 건물과 수목이 공존하며 건물과 수목의 높이 값과 근접성을 기준으로 그림 13과 같이 지역 1, 지역 2, 지역 3의 영역으로 구분하여 자료처리를 수행하였다. 연구대상지역의 디지털 영상은 그림 13의 (a), (b), (c)와 같고 라이다자료는 그림 13의 (d), (e), (f)와 같다.
그림 9는 3×3크기의 높이값 정보를 가지고 있는 격자에 대하여 국지적 최대값 필터링을 적용하고 변환한 예시로 높이 임계값을 3m이상으로 설정하였다. 원형형태의 구조요소의 크기는 직경 3m로 설정하였으며 높이 임계값 이하인 영역에 대해서는 null값이 할당되도록 하고 임계값 이상인 지역에 대해서는 필터 범위내의 값들 중 최대값을 할당하도록 하였다.
이를 기반으로 평균 수목 추정점 개수의 약 ± 1σ를 벗어나는 32%를 최소 개수로 설정하고 그 이하의 개수를 가지는 개별 수목 추정점은 비수목으로 추정하여 제거하였다.
본 연구의 목적은 수목정보를 추출하는 것으로 비지면 자료 내에 존재하는 건물정보를 추정하여 제거하는 것이 필수적이다. 이를 위해 비지면 자료는 다시 평면 상에 존재하는 점과 그렇지 않은 점으로 분류하였다. 비지면 자료에 대해 각 비지면점을 중심으로 일정한 영역을 설정하여 평면의 방정식을 적용하였다.
또한 도시지역의 특성상 수목에 비해 건물의 높이가 매우 높은 지역이 존재하며 이들 지역에서는 건물의 벽면정보를 효율적으로 제거해야 수목을 추출할 수 있다. 이를 위해서 점 기반의 건물추정영역을 평균점밀도를 고려하여 확장하는 방법으로 자료처리를 수행하였다.
제안한 수목공간정보 추출방법론의 적용성을 평가하기 위하여 도시지역 내에 건물과 수목이 공존하는 서로 다른 유형의 영역을 설정하여 수목추출의 정확도를 평가하였다.
본 연구에서는 라이다 자료만을 사용하여 도시지역의 수목정보를 추출하는 것을 목적으로 하였으며 이를 위해 라이다 점 자료만을 사용한 수목공간정보 추출 방법론을 제안하였고, 작업의 효율성 향상을 위해 점, 면, 영상 기반의 복합적 자료처리를 통한 수목추출을 실시하였다. 제안한 수목정보 추출방법론은 도시지역 내의 건물과 수목이 공존하는 서로 다른 유형의 실험대상지역을 선정하고 적용하여 그 타당성을 평가하였으며 라이다 관측 장비에 같이 장착된 디지털 카메라에 의해 촬영된 항공영상을 통해 개별적으로 추정된 수목량과 비교하여 그 정확도를 평가하였다.
추출된 개별 수목점들의 추출정확도 향상을 위한 정제단계에서는 라이다 자료의 평균 점밀도를 기준으로 비수목 추정점들의 제거를 통해 최종 수목정보를 추출하였다. 각 지역 별 평균 점밀도는 표 2에 정리되어 있으며 수관폭 기준인 직경 3m의 면적(πr2 ≈7.
도시지역에서 수목공간정보를 추출하기 위하여 라이다 자료를 점, 면, 영상 기반의 복합적 자료처리를 통해 수목을 추출하는 방법론을 제안하였다. 특히 라이다 자료에서 폐색영역을 이용하여 지면과 비지면을 분류하고 비지면으로 분류된 점들 중 건물정보로 추정되는 자료를 미리 제거하여 자료처리를 수행하는 건물제거 NDSM을 제안하였다.
대상 데이터
그림 16은 생성된 DSM에서 지면 자료를 제거해 만든 건물제거 NDSM의 결과를 나타낸다. 그림 16에서 알 수 있듯이 기존의 NDSM과 달리 본 연구에서는 건물이 제거된 NDSM을 사용하였다. 따라서 건물제거 NDSM은 수목추출에 직접적으로 활용할 수 있다.
이론/모형
건물이 제거된 비지면 점자료는 표 2의 각 지역별 점간 평균 거리를 기준으로 최근린보간법을 사용하여 DSM을 생성하였다.
영상 기반의 수목 꼭대기점을 추정하는 단계는 지면 자료와 건물이 제거된 비지면 자료를 공간보간하여 DEM과 DSM을 생성한 후 이 두 가지 수치모델을 기반으로 정규화된 수치표면모델(NDSM : Normalized Digital Surface Model)을 생성하는 방법을 사용한다.
지면자료를 공간보간하여 생성한 DEM의 공간보간 방법은 자료처리 시간이 짧고 원 자료에 대한 기하학적인 보간이 많이 발생하지 않는 최근린보간법을 적용하였다(김의명, 2009). 격자간격은 라이다 자료의 평균점 간 거리를 이용하였다.
성능/효과
기존의 NDSM이 비지면자료가 가지고 있는 건물과 수목정보를 모두 포함한 모델이라면 본 연구에서 제안하는 건물제거 NDSM은 점 자료 형태의 비지면 자료에서 건물정보를 미리 제거하여 NDSM을 생성함으로서 도시지역에서 수목추출을 효율적으로 수행할 수 있다.
대상영역은 건물과 수목의 높이, 근접성을 기준으로 건물이 수목에 비해 매우 높은 지역(지역 1), 건물과 수목의 높이가 비슷하며 근접하지 않은 지역(지역 2), 건물과 수목의 높이가 비슷하고 매우 근접한 지역(지역 3)으로 유형을 나누어 실험대상지역을 선정하였으며 제안한 기법을 적용한 결과 각각 89%, 90%, 139%의 수목추출율을 나타내었다.
건물 지붕으로 추정되는 점을 찾거나 수목 중심점을 추정하는 과정에서는 점 기반의 자료처리를 수행하고 점 자료를 버퍼링하는 과정에서는 면기반의 자료처리를 수행하였다. 본 연구에서 제안하는 수목추출방법은 라이다 자료를 점 기반, 면 기반, 영상 기반의 복합적 처리를 수행함으로서 작업의 효율성을 높였다.
지역 1의 경우 건물이 수목에 비해 매우 높은 지역으로 건물 제거단계에서 아파트와 매우 근접한 수목점들이 벽면정보로 추정되어 삭제되는 현상이 발생하였으며 이로 인해 추출율이 89%정도로 나타났다. 지역 2의 경우는 건물과 수목이 근접하지 않고 떨어져 있어 양호한 추출을 보였으나 산림 지역의 밀집된 수목들 중 일부가 추출되지 않는 현상으로 추출율은 약 90%로 나타났다.
지역 1의 경우 건물이 수목에 비해 매우 높은 지역으로 건물 제거단계에서 아파트와 매우 근접한 수목점들이 벽면정보로 추정되어 삭제되는 현상이 발생하였으며 이로 인해 추출율이 89%정도로 나타났다. 지역 2의 경우는 건물과 수목이 근접하지 않고 떨어져 있어 양호한 추출을 보였으나 산림 지역의 밀집된 수목들 중 일부가 추출되지 않는 현상으로 추출율은 약 90%로 나타났다. 본 연구는 도시지역의 수목추출을 전제로 하였기 때문에 산림지역의 밀집한 수목추출을 위해서는 별도의 자료처리 과정이 필요한 것을 알 수 있었다.
본 연구에서 제안한 수목추출기법의 적용성을 평가하기 위해서 라이다 관측 장비에 같이 장착된 디지털 카메라에 의해 촬영된 디지털 영상을 통해 수작업으로 관측한 수목의 개수와 제안한 기법에 의해 추출된 수목 개수를 비교 분석하였다. 표 3에서 알 수 있듯이 지역 1, 지역 2, 지역 3에 대해 제안한 자료처리기법으로 각각 약 89%, 90%, 139%의 수목을 추출하였다.
후속연구
지역 2의 경우는 건물과 수목이 근접하지 않고 떨어져 있어 양호한 추출을 보였으나 산림 지역의 밀집된 수목들 중 일부가 추출되지 않는 현상으로 추출율은 약 90%로 나타났다. 본 연구는 도시지역의 수목추출을 전제로 하였기 때문에 산림지역의 밀집한 수목추출을 위해서는 별도의 자료처리 과정이 필요한 것을 알 수 있었다. 지역 3의 경우는 지역 1과 지역 2와 달리 실제 수목보다 추정된 수목의 개수가 더 많이 나타났다.
본 연구에서는 라이다 자료만을 이용하여 수목을 추출하는 방법론을 제안하고 자료처리를 수행하였으며 좀 더 정확한 3차원 수목정보를 추출하기 위해서는 고해상도 위성영상으로부터 식생지수(NDVI) 자료를 활용한 추가적인 연구가 진행되어야 할 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
거리와 경사각을 이용하여 지면과 비지면을 추출하는 방법의 특징은 무엇인가?
그림 2는 거리와 경사각을 이용하여 지면과 비지면을 추출하는 방법을 나타내고 있다. 이 방법은 높이값이 낮은 점을 기준으로 직선을 만든 후 인접한 영역의 라이다 점자료를 찾은 다음 이를 직선에 투영하였을 경우 거리와 경사각에 따라 지면과 비지면을 분류한다(Axelsson, 2000).
폐색영역을 이용하는 방법이란 무엇인가?
그림 3은 폐색영역을 이용하는 방법으로 가상의 투영중심을 여러 위치에 설정하고 이로부터 연직점과 주어진 라이다 점 자료간의 경사각을 이용하여 지면과 비지면을 추출하는 기법이다(Kim, 2008; Chang et. al, 2008).
지면과 비지면 부분을 추출하는 기법에는 어떤 것들이 있는가?
지면과 비지면 부분을 추출하는 기법은 라이다 점 자료간의 거리와 경사각을 이용하는 방법과 폐색영역(occlusion area)을 이용하는 방법 등이 있다. 그림 2는 거리와 경사각을 이용하여 지면과 비지면을 추출하는 방법을 나타내고 있다.
참고문헌 (16)
김의명, 2009, "영상 및 점기반 자료처리에 의한 항공 라이다 자료의 건물경계추출", 한국지형공간정보학회지, 한국지형공간정보학회, 제17권, 제1호, pp. 43-52.
Axelsson, P., 2000, "DEM Generation from Laser Scanner Data Using Adaptive TIN Models, International Archives of Photogrammetry and Remote Sensing, XXXIII, Part B3, pp.85-92.
Barilotti, A., Crosilla, F., Sepic, F., 2009, "Curvature Analysis of LIDAR Data for Single Tree Species Classification in Alpine Latitude Forests", ISPRS Workshop Laserscanning'09, Vol. XXXVIII, Part 3/W8, pp.129-134.
Brattberg, O., Tolt, G, 2008, "Terrain Classification Using Airborne Lidar Data and Aerial Imagery", International Archives of Photogrammetry and Remote Sensing, Vol. XXXVII, Part B3b, pp.261-266.
Chang, Y., Habib, A., Lee, D., Yom, J., 2008, "Automatic Classification of LIDAR Data into Ground and Non-ground Points", International Archives of Photogrammetry and Remote Sensing, Vol. XXXVII, Part B4, pp.463-468.
Chen, L., Teo, T., Chiang, T., 2006, "The Generation of 3D Tree Models by the Integration of Multi-Sensor Data", PSIVT06, pp.34-43.
Demir, N., Poli, D., Baltsavias, E., 2008, "Extraction of Buildings and Trees Using Image and LiDAR Data", The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, IAPRS, Vol. XXXVII, Part B4, pp.313-318.
Lang, S., Tiede, D., Maier, B., Blaschke, T., 2006, "3D Forest Structure Analysis from Optical and LIDAR Data", Revista $Ambi\^{e}encia$ , Guarapuava, Vol. 2 Ediccaao Especial 1, pp.95-110.
Lim, C., 2007, "Estimation of Urban Tree Crown Volume based on Object-oriented Approach and LIDAR Data", ITC, Netherlands, February.
Mei, C., Durrieu, S., 2004, "Tree Crown Delineation from Digital Elevation Models and High Resolution Imagery", ISPRS Vol .36, http://www.isprs.org/ proceedings/XXXVI/8-W2/MEI.pdf, visited on 28nd, AUG., 2010.
Kim, C., 2008, "Obejct-based Integration of Photogrammetric and LiDAR Data for Accurate Reconstruction and Visualization of Building Models", UCGE Reports, No. 20281.
Persson, ${\AA}$ ., 2001, "Extraction of Individual Trees Using Laser Radar Data", Swdish Defence Research Agency, Scientific Report, No. ISRN FOI-R-0236-SE.
Tiede, D., Lang, S., Maier, B., 2007, "Transferability of a Tree-Crown Delineation Approach Using Region-specific Segmentation", Anais XIII Simposio Brasileiro de Sensoriamento Remoto, Florianopolis, Brasil, 21-26, INPE, pp.1883-1890.
Wang, Y., Weinacker, D., Koch, B., 2008, "A LIDAR Point Cloud Based Procedure for Vertical Canopy Structure Analysis And 3D Single Tree Modelling in Forest", Sensors 2008, ISSN 1424-8220, pp.3938-3951.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.