라이다데이터를 이용한 다양한 활용알고리즘이 개발되고 있지만, 대부분의 제안된 알고리즘은 정성적인 검증만이 수행되고 있다. 알고리즘의 객관적이고 정량적인 검증을 위해서는 대상에 대한 참값(true value)을 알아야 하지만, 라이다데이터는 데이터 특성상 참값을 알기 어렵다. 본 연구에서는 모의 라이다데이터는 분할 알고리즘의 성능을 평가할 수 있는 참값을 가지고 있다는 점에 착안하여, 모의 라이다데이터를 이용하여 분할 알고리즘의 성능을 보다 객관적/정량적으로 평가해보고자 하였다. 이를 위해 먼저, 1) 분할 알고리즘의 결과를 객관적으로 가늠할 수 있는 정량적인 평가요소들을 정의하고, 2) 3차원 도시모델을 입력 데이터로 모의 라이다데이터를 생성한 후, 3) 분할알고리즘을 적용하여 객체표면을 나타내는 평면패치를 생성하였다. 마지막으로 4) 성능평가지표를 기준으로 생성된 패치에 대한 분석을 자동화하여 수행하였다.
라이다데이터를 이용한 다양한 활용알고리즘이 개발되고 있지만, 대부분의 제안된 알고리즘은 정성적인 검증만이 수행되고 있다. 알고리즘의 객관적이고 정량적인 검증을 위해서는 대상에 대한 참값(true value)을 알아야 하지만, 라이다데이터는 데이터 특성상 참값을 알기 어렵다. 본 연구에서는 모의 라이다데이터는 분할 알고리즘의 성능을 평가할 수 있는 참값을 가지고 있다는 점에 착안하여, 모의 라이다데이터를 이용하여 분할 알고리즘의 성능을 보다 객관적/정량적으로 평가해보고자 하였다. 이를 위해 먼저, 1) 분할 알고리즘의 결과를 객관적으로 가늠할 수 있는 정량적인 평가요소들을 정의하고, 2) 3차원 도시모델을 입력 데이터로 모의 라이다데이터를 생성한 후, 3) 분할알고리즘을 적용하여 객체표면을 나타내는 평면패치를 생성하였다. 마지막으로 4) 성능평가지표를 기준으로 생성된 패치에 대한 분석을 자동화하여 수행하였다.
Many algorithms for processing LIDAR data have been developed for diverse applications not limited to patch segmentation, bare-earth filtering and building extraction. However, since we cannot exactly know the true locations of individual LIDAR points, it is difficult to assess the performance of a ...
Many algorithms for processing LIDAR data have been developed for diverse applications not limited to patch segmentation, bare-earth filtering and building extraction. However, since we cannot exactly know the true locations of individual LIDAR points, it is difficult to assess the performance of a LIDAR data processing algorithm. In this paper, we thus attempted the performance assessment of the segmentation algorithm developed by Lee (2006) using the LIDAR data generated through simulation based on sensor modelling. Consequently, based on simulation, we can perform the performance assessment of a LIDAR processing algorithm more objectively and quantitatively with an automatic procedure.
Many algorithms for processing LIDAR data have been developed for diverse applications not limited to patch segmentation, bare-earth filtering and building extraction. However, since we cannot exactly know the true locations of individual LIDAR points, it is difficult to assess the performance of a LIDAR data processing algorithm. In this paper, we thus attempted the performance assessment of the segmentation algorithm developed by Lee (2006) using the LIDAR data generated through simulation based on sensor modelling. Consequently, based on simulation, we can perform the performance assessment of a LIDAR processing algorithm more objectively and quantitatively with an automatic procedure.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 시뮬레이션은 이용하여 분할 알고리즘의 성능에 대한 객관적/정량적인 평가를 하고자 한다. 성능에 대한 객관적/정량적인 평가를 하고자 한다.
가설 설정
플랫폼은 200m/s의 속도로 100m를 이동하도록 하고, 초당펄스발사회수는40,000Hz, 초당스캔회수는 400Hz로 설정하였다. 본연구에서는 시스템오차가 포함된 데이터가 필요하지않기 때문에 정오차는 없는 것으로 가정하였다.
제안 방법
그런 후에 ‘Ray-Tracing’알고리즘을 사용하여 정의된 직선과 교차하는 DEM의 셀을 탐색함으로써 빔과 교차하는 객체평면을 찾아내고 교차점까지의 거리를 계산한다. 마지막으로거리와 시스템오차를 앞에서 수립한 센서방정식에 적용하여 레이저 펄스의 반사지점 위치를 계산한다.
인접성 수립은 각 개별점에 대하여 일정거리 이내의 이웃하는 점들과의 관계를 설정해주는 것을 의미한다.이를 위해 먼저 각 점에 대하여 일정한 크기의 반지름을 갖는 구를 설정하고 안에 존재하는 점들에 대하여 인접성을 설정한다.
이때 선택되는 점의 개수는 점밀도를 고려하여 실제의 표면을 표현할 수 있도록 한다. 그리고 초기패치 후보들에 포함된 점들을 평면에 근사하기 위한 평면방정식을 기반으로 관측방정식을 수립한다.
그리고 2) 3차원 도시모델을 입력 데이터로 모의 라이다데이터를 생성한 후, 3) 분할알고리즘을 적용하여 객체표면에 대한 평면패치를 생성한다. 마지막으로 4) 정의된 성능평가지표를 기준으로 생성된 패치에 대한 분석을 자동화하여 수행한다.
본 연구에서는 객체표면과 생성된 패치와의 관계를보다 명확히 파악하기 위해서 ‘객체표면-패치’ 관계표를 구성한다.
주관계는 생성된 각각의 패치가 실제 어떤 객체표면을 표현하는가를 나타내는 것으로 구체적인 설정방법은 다음과 같다. 먼저, 객체표면을 기준으로 각각의 객체표면과 가장 큰 점의 개수를 지닌 평면패치를 탐색하고, 이들의 인덱스를 주관계표(major-relationship table)에 추가한다. 그리고 반대로 평면패치를 기준으로 각 패치와 가장 큰 점의 개수를 지닌 객체표면을 탐색하여 각 패치와 표면의 인덱스를 주관계표에 추가한다.
제안된 방법을 적용하여 실제 분할 알고리즘에 적용하였다. 이를 위해서 도심지에 대한 3차원 객체모델을구축하고, 이를 입력으로 모의 라이다데이터를 생성하였다.
제안된 방법을 적용하여 실제 분할 알고리즘에 적용하였다. 이를 위해서 도심지에 대한 3차원 객체모델을구축하고, 이를 입력으로 모의 라이다데이터를 생성하였다. 그리고 모든 점에 대하여 우연오차와 임의의 점에 대하여 과대오차를 삽입하였다.
그리고 모든 점에 대하여 우연오차와 임의의 점에 대하여 과대오차를 삽입하였다. 오차가 포함된 모의데이터에 분할 알고리즘을 적용하고 성능평가지표에기반하여 결과를 분석하였다.
본 연구는 건물의 지붕면을 표현하는 평면패치들이 성공적으로 생성되었는지를 판단하기 위하여 ‘객체표면-패치’ 관계표에는 지붕면과 관계된 점데이터와 평면패치만을 사용하였다.
본 연구에서는 라이다 센서모델링에 기반한 시뮬레이션을 이용하여 모의 라이다데이터를 생성하고 이를이용한 라이다 분할(segmentation) 알고리즘의 성능평가를 수행하였다. 개발된 알고리즘의 객관적이고 정량적인 검증을 위해서는 대상에 대한 참값(true value)을알아야 하지만, 라이다데이터는 데이터 특성상 참값을알기 어렵다.
대상 데이터
데이터 시뮬레이션에서는 전단계의 센서모델링과 객체모델링을 기반으로 모의 레이저빔을 생성하고 빔과 교차하는 평면을 탐색하여 펄스가 반사한 지점의 모의라이다데이터를 생성한다.
본 연구에서는 이러한 난제를 해결하기 위해 시뮬레이션으로 생성된 모의 라이다데이터를 이용한다. 분할알고리즘 성능평가에 모의 라이다데이터를 사용하면개별점이 반사한 객체표면의 정확한 평면정보를 알 수있기 때문에 이를 성능평가의 기준데이터로써 활용할수 있다.
시뮬레이션의 결과물인 모의 라이다데이터는 모든점에 대하여 반사된 지점의 표면(polygon)정보를 가지고 있으며, 분할의 결과물인 평면패치는 패치를 구성하 모의 라이다 점데이터 정보를 포함하고 있다.
3차원 객체(도시)모델은 서울특별시 영등포구 지역의 도화원도를 이용하여 구축하였다. 구축 대상물은 건물과 지형이며 다면체로써 기하모델을 표현하였다(그림 9).
3차원 객체(도시)모델은 서울특별시 영등포구 지역의 도화원도를 이용하여 구축하였다. 구축 대상물은 건물과 지형이며 다면체로써 기하모델을 표현하였다(그림 9).
데이터처리
그러나 제공된 데이터는 밀도가 낮으며, 지면점과 비지면점을 구분한 레퍼런스 자료만 있어서 지면에 대한 결과 검증만 수행하였다.
그 순서는 그림 5와 같다.이 때 통계적 검사는 평면근사오차 를 이용한다. 검사 점을 패치에 포함시키기 전과 후의 #의 비율을 확률변수로 하고 유의수준을 0.
이 때 통계적 검사는 평면근사오차 를 이용한다. 검사 점을 패치에 포함시키기 전과 후의 #의 비율을 확률변수로 하고 유의수준을 0.05로 설정한 F-검정(F-test)을 수행한다.
분할 알고리즘의 성능평가를 위한 지표계산을 위해 ‘객체표면-패치’ 관계표를 생성하였다.
실험결과를 바탕으로 생성한 ‘객체표면-패치’ 관계표와 주관계표(major-relationship table)를 이용하여 표 6, 표 7과 같이 성능평가지표를 자동으로 계산하였다.
이론/모형
본 연구는 김성준(2006)이 제안한 센서모델링에 기반한 라이다 시뮬레이션 방법을 이용하여 이임평(2006)이 제안한 라이다데이터의 분할기법을 검증한다.본 장에서는 연구에 사용될 알고리즘에 대한 간략한 이론을 소개한다.
그런 후에 ‘Ray-Tracing’알고리즘을 사용하여 정의된 직선과 교차하는 DEM의 셀을 탐색함으로써 빔과 교차하는 객체평면을 찾아내고 교차점까지의 거리를 계산한다.
모의 라이다데이터를 생성하기 위해서는 입력데이터인 3차원 객체모델이 필요하다. 라이다 시뮬레이션에사용하는 입력데이터의 기하모델은 경계표현(boundary representation, B-rep)방식이다. B-rep은 개별 건물을하나의 다면체(polyhedral) 모델로 표현하며 이를 구성하는 면(facet), 에지(edge), 점(vertex)의 리스트로 나타내어진다.
B-rep은 개별 건물을하나의 다면체(polyhedral) 모델로 표현하며 이를 구성하는 면(facet), 에지(edge), 점(vertex)의 리스트로 나타내어진다. 3차원 객체모델은 김성준(2007)이 제안한 방법을 적용하여, 도화원도를 기반으로 지형과 건물에 대한 3차원 모델데이터를 생성한다. 그리고 이를 입력데이터로 라이다 시뮬레이션을 수행한다(그림 7).
성능/효과
마지막으로 분할 알고리즘에서 평면패치를 구성하는 최소 점 개수보다 작은 것들(Patch 2 - Polygon 4, Patch 3 - Polygon 1, Patch 4 - Polygon 2)은 오분류의 결과로 판단할 수 있다.
시뮬레이션 결과 총 427개의 객체표면을 기반으로20,100개의 모의 점데이터가 생성되었으며, 점밀도는약 1.9개/m2로 나타났다. 여기에 그림 10과 같이 임의의 1% 점에 과대오차를 삽입함으로써 이상점(outlier)을 생성하였고, 모든 점에 대하여 0.
생성한 모의 라이다데이터에 분할 알고리즘을 적용한 결과 총 74개의 평면패치가 생성되었다. 그 중 59개의 평면패치가 지붕면을 표현하고 있었으며, 나머지는지표면을 의미하고 있었다.
개발된 알고리즘의 객관적이고 정량적인 검증을 위해서는 대상에 대한 참값(true value)을알아야 하지만, 라이다데이터는 데이터 특성상 참값을알기 어렵다. 본 연구에서는 모의 라이다데이터는 분할알고리즘의 성능을 평가할 수 있는 참값을 가지고 있다는 점에 착안하여, 모의데이터를 성능평가에 활용하였으며 그 결과, 분할알고리즘의 성능을 보다 객관적이고정량적으로 평가할 수 있었다. 그러나 매우 복잡한 구조를 갖는 실제 지붕면의 특성을 잘 반영하지 못한 단순한 박스형 3차원 모델에 대해서만 수행하였다는 한계가 있으며, 향후 연구에서는 이러한 점을 고려하여보다 실세계의 기하구조를 잘 반영하는 데이터를 이용하여, 건물 지붕면 뿐 만 아니라 지표면을 포함하는 다양한 객체를 대상으로 하는 분할 알고리즘 성능평가 방법을 연구할 예정이다.
후속연구
분할알고리즘 성능평가에 모의 라이다데이터를 사용하면개별점이 반사한 객체표면의 정확한 평면정보를 알 수있기 때문에 이를 성능평가의 기준데이터로써 활용할수 있다. 그리고 다양한 시스템 변수 값에 대한 모의 라이다데이터를 생성함으로써 보다 다양한 종류의 데이터를 분할 알고리즘의 성능평가에 적용할 수 있다.
본 연구에서는 모의 라이다데이터는 분할알고리즘의 성능을 평가할 수 있는 참값을 가지고 있다는 점에 착안하여, 모의데이터를 성능평가에 활용하였으며 그 결과, 분할알고리즘의 성능을 보다 객관적이고정량적으로 평가할 수 있었다. 그러나 매우 복잡한 구조를 갖는 실제 지붕면의 특성을 잘 반영하지 못한 단순한 박스형 3차원 모델에 대해서만 수행하였다는 한계가 있으며, 향후 연구에서는 이러한 점을 고려하여보다 실세계의 기하구조를 잘 반영하는 데이터를 이용하여, 건물 지붕면 뿐 만 아니라 지표면을 포함하는 다양한 객체를 대상으로 하는 분할 알고리즘 성능평가 방법을 연구할 예정이다.
라이다 시뮬에이션 기법은 분할 알고리즘 뿐만 아니라 다양한 라이다 활용 알고리즘의 개발 및 성능평가에 많은 도움을 줄 수 있을 것으로 기대한다.
질의응답
핵심어
질문
논문에서 추출한 답변
항공 라이다 센서의 특징은?
항공 라이다 센서는 지형지물의 표면위의 표본추출(sampling)된 3차원 정보를 신속하고 정확하게 취득할수 있다. 영상데이터와는 달리 3차원 위치의 절대좌표를 추출하기 위한 geo-referencing 처리과정이 거의 자동으로 수행되기 때문에, 이러한 항공 라이다데이터를이용하여 지형지물에 대한 정밀한 3차원 모델을 자동으로 생성하는 연구가 많이 이루어지고 있다.
항공 라이다 센서는 무엇을 취득할 수 있는가?
항공 라이다 센서는 지형지물의 표면위의 표본추출(sampling)된 3차원 정보를 신속하고 정확하게 취득할수 있다. 영상데이터와는 달리 3차원 위치의 절대좌표를 추출하기 위한 geo-referencing 처리과정이 거의 자동으로 수행되기 때문에, 이러한 항공 라이다데이터를이용하여 지형지물에 대한 정밀한 3차원 모델을 자동으로 생성하는 연구가 많이 이루어지고 있다.
라이다데이터의 특징은?
라이다데이터는 객체 표면위의 불규칙적으로 샘플링된 점들의 좌표로만 이루어져 있어서 밀도가 낮기 때문에 대상물의 명확한 경계를 알아내기 어렵다. 그래서대상물의 외곽선을 추출하여 3차원 모델링을 수행하는영상데이터와는 달리 라이다데이터는 대상물의 표면정보를 추정함으로써 생성된 평면패치를 이용한 3차원모델링 연구가 주로 수행된다.
참고문헌 (28)
김근한, 김혜영, 전철민, 2009, "레이저레이더 시뮬레이션을 위한 3차원 데이터 모델의 성능 테스트", 한국지형공간정보학회, 제17권, 3호, pp.97-107.
김성준, 민성홍, 이임평, 최경아, 2008, "항공라이다시스템의 기하모델링 및 데이터 시뮬레이션", 한국측량학회지, 제26권, 3호, pp.311-320.
Biosca, J. M. and Lerma J. L., 2008, "Unsupervisedrobust planar segmentation of terrestrial laserscanner point clouds based on fuzzy clusteringmethods", ISPRS Journal of Photogrammetry &Remote Sensing, ISPRS, Vol.63, No.1, 84-98.
Chehata, N., David, N., and Bretarb, F., 2008,"LIDAR data classification using hierarchical K-meansclustering", Proc. of ISPRS Congress Beijing 2008,Vol.37, pp.325-330.
Filin, S., 2002, "Surface clustering from airbornelaser scanning data", International Archives ofPhotogrammetry, Remote Sensing and SpatialInformation Sciences, Vol.34, pp.117-124.
Fuchs, F., 2001, "Building reconstruction in urbanenvironment: a graph-based approach", AutomaticExtraction of Man-made Objects from Aerial andSpace Images (III), Baltsavias, E.P., Gruen, A. andGool, L.V. (ed.), Taylor & Francis, 205-215.
Gorte, B., 2002, "Segmentation of TIN-structuredlaser altimetry points clouds", Symposium onGeospatial Theory, Processing and Application.
Haxhimusa, Y. and Kropatsch, W.G., 2003,"Hierarchy of partitions with dual-graph contraction", Proceedings of German Pattern Recognition Symposium, LNCS, Vol.2871, pp.338-345.
Heath, M., Sarkar, S., Sanocki, T., and Bowyery, K.,1998. Comparison of edge detectors a methodologyand initial study, Computer Vision and Image Understanding, 69, 38-54.
Lee, I., and Schenk, T., 2002, "Perceptualorganization of 3D surface points", InternationalArchives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol.34, pp.193-198.
Jiang, X.Y., and Bunke, H., 1994, "Fast segmentation of range images into planar regions byscan line grouping", Machine Vision and Applications, Vol.7, No.2, pp.115-122.
Jiang, X. and Bunke, H., 1999, "Edge detection in range images based on scan line approximation", Computer Vision and Image Understanding, Vol.73,No.2, pp.183-199.
Khalifa, I., Moussa, M., and Kamel, M., 2003,"Range image segmentation using localapproximation of scan lines with application to CADmodel acquisition", Machine Vision Applications, Vol.13, No.5-6, pp.263-274.
Kim, S., Min, S., Kim, G., Lee, I., and Jun, C., 2009,"Data Simulation of an Airborne LIDAR System", Proceedings of the SPIE, Laser Radar Technologyand Applications, Vol.7323.
Pu, S., and Vosselman, G., 2006, "Automaticextraction of building features from terrestrial laserscanning", International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol.36.
Roggero, M., 2001, "Airborne laser scanning:clustering in raw data", International Archives of Photogrammetry, Remote Sensing, Vol.34, pp.227-232.
Rottensteiner, F., 2003, "Automatic generation ofhigh-quality building models from lidar data", IEEE Computer Graphics and Applications, Vol.23, No.6,pp.42-50.
Sampath, A., Shan, J., 2006, "Clustering basedplanar roof extraction from lidar data", AmericanSociety for Photogrammetry and Remote SensingAnnual Conference.
Sampath, A., Shan, J., 2008, "BuildingRreconstruction from Airborne Lidar Data Based onClustering Analysis", International Society for Photogrammetry and Remote Sensing Congress.
Sappa, A.D. and Devy, M., 2001, "Fast range imagesegmentation by an edge detection strategy", Proceedings of 3nd International Conference on 3-D Digital Imaging and Modeling, pp.292-299.
Shan, J., Sampath, A., 2008, "Chapter 15, Buildingextraction from LiDAR point clouds based onclustering techniques", in Shan, J. and Toth, C.,Topographic Laser Ranging and Scanning: Principlesand Processing, CRC Press/Taylor & Francis Group,pp. 423-446.
Sithole, G., and Vosselman, G., 2003, "Automaticstructure detection in a point cloud of an urbanlandscape", Proceedings of 2nd GRSS/ISPRS Joint Workshop on Remote Sensing and Data Fusion over Urban Areas, pp.67-71.
Wang, L., and Chu, H., 2008, "Graph theoreticsegmentation of airborne LiDAR data", Proceedingsof SPIE, Vol.6979.
이 논문을 인용한 문헌
저자의 다른 논문 :
활용도 분석정보
상세보기
다운로드
내보내기
활용도 Top5 논문
해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다. 더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.