최근 수치표고모델(DEM : Digital Elevation Model)을 구축하기 위한 목적으로 항공레이저측량(LiDAR : Light Detection And Ranging) 기술이 주목받고 있다. DEM은 항공레이저측량으로부터 획득된 라이다 데이터에서 지면점만 추출한 수치지면자료(DTD : Digital Terrain Data)의 정확성에 의해 그 품질이 좌우된다. 하지만 원시자료에서 수치지면자료를 추출하기 위한 자동 필터링 작업은 필터링 알고리즘의 한계 및 라이다 데이터의 고유한 특성으로 인하여 항상 오분류 영역이 발생한다. 따라서 이를 보완하기 위해서는 작업자에 의한 수동분류 작업이 반드시 필요하다. 본 연구에서는 수동 작업이 원활하게 이루어 질 수 있도록 자동 필터링 작업에서 얻어진 수치지면자료에서 오분류 될 가능성이 있는 영역을 자동으로 탐지하는 알고리즘을 제안한다. 제안된 알고리즘은 2D 격자 구조를 적용하였으며 'Slope Angle', 'Slope DeltaH', 'NNMaxDH(Nearest Neighbor Max Delta Height)'로 명명한 매개변수를 사용하였다. 실험 결과, 제안된 알고리즘은 지형형태나 라이다 데이터 평균 점밀도에 제한받지 않는 안정적인 결과를 보여주었다.
최근 수치표고모델(DEM : Digital Elevation Model)을 구축하기 위한 목적으로 항공레이저측량(LiDAR : Light Detection And Ranging) 기술이 주목받고 있다. DEM은 항공레이저측량으로부터 획득된 라이다 데이터에서 지면점만 추출한 수치지면자료(DTD : Digital Terrain Data)의 정확성에 의해 그 품질이 좌우된다. 하지만 원시자료에서 수치지면자료를 추출하기 위한 자동 필터링 작업은 필터링 알고리즘의 한계 및 라이다 데이터의 고유한 특성으로 인하여 항상 오분류 영역이 발생한다. 따라서 이를 보완하기 위해서는 작업자에 의한 수동분류 작업이 반드시 필요하다. 본 연구에서는 수동 작업이 원활하게 이루어 질 수 있도록 자동 필터링 작업에서 얻어진 수치지면자료에서 오분류 될 가능성이 있는 영역을 자동으로 탐지하는 알고리즘을 제안한다. 제안된 알고리즘은 2D 격자 구조를 적용하였으며 'Slope Angle', 'Slope DeltaH', 'NNMaxDH(Nearest Neighbor Max Delta Height)'로 명명한 매개변수를 사용하였다. 실험 결과, 제안된 알고리즘은 지형형태나 라이다 데이터 평균 점밀도에 제한받지 않는 안정적인 결과를 보여주었다.
Recently, aerial laser scanning technology has received full attention in constructing DEM(Digital Elevation Model). It is well known that the quality of DEM is mostly influenced by the accuracy of DTD(Digital Terrain Data) extracted from LiDAR(Light Detection And Ranging) raw data. However, there a...
Recently, aerial laser scanning technology has received full attention in constructing DEM(Digital Elevation Model). It is well known that the quality of DEM is mostly influenced by the accuracy of DTD(Digital Terrain Data) extracted from LiDAR(Light Detection And Ranging) raw data. However, there are always misclassified data in the DTD generated by automatic filtering process due to the limitation of automatic filtering algorithm and intrinsic property of LiDAR raw data. In order to eliminate the misclassified data, a manual filtering process is performed right after automatic filtering process. In this study, an algorithm that detects automatically possible misclassified data included in the DTD from automatic filtering process is proposed, which will reduce the load of manual filtering process. The algorithm runs on 2D grid data structure and makes use of several parameters such as 'Slope Angle', 'Slope DeltaH' and 'NNMaxDH(Nearest Neighbor Max Delta Height)'. The experimental results show that the proposed algorithm quite well detected the misclassified data regardless of the terrain type and LiDAR point density.
Recently, aerial laser scanning technology has received full attention in constructing DEM(Digital Elevation Model). It is well known that the quality of DEM is mostly influenced by the accuracy of DTD(Digital Terrain Data) extracted from LiDAR(Light Detection And Ranging) raw data. However, there are always misclassified data in the DTD generated by automatic filtering process due to the limitation of automatic filtering algorithm and intrinsic property of LiDAR raw data. In order to eliminate the misclassified data, a manual filtering process is performed right after automatic filtering process. In this study, an algorithm that detects automatically possible misclassified data included in the DTD from automatic filtering process is proposed, which will reduce the load of manual filtering process. The algorithm runs on 2D grid data structure and makes use of several parameters such as 'Slope Angle', 'Slope DeltaH' and 'NNMaxDH(Nearest Neighbor Max Delta Height)'. The experimental results show that the proposed algorithm quite well detected the misclassified data regardless of the terrain type and LiDAR point density.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이러한 자동화 한계를 보완하기 위한 연구는 거의 시도되지 않았으나, Morphology 필터 임계값의 미세조정을 통해 지면 점으로 분류된 데이터를 수정하여 분류정확도를 개선하는 연구가 있었다(Suyoung, 2007). 대부분 현업에서 자동 필터링을 적용한 후에 수동 분류 과정이 여전히 필요하다는 점에서 본 연구의 목적이 있다.
일반적으로 지면점 추출과정에서 주로 오분류가 발생하는 영역은 작은 수목이나 복잡한 건물의 일부 등이 제거되지 않아 실제 지형보다 높게 형성되는 경우와 공사현장ㆍ지하주차장 등 실제 지형보다 지면점이 낮게 형성되는 경우 등 크게 두 가지로 구분된다. 또한 평지뿐만 아니라 지형의 굴곡이 심한 산림지역도 연구 범위에 포함하여, 지형 형태에 구애받지 않는 알고리즘을 개발하고자 하였다. 그림 1과 그림 2는 지면점 추출 과정에서 발생하는 오분류의 유형 두 가지를 나타낸다(최승식 등, 2007).
본 연구는 라이다 원시자료에서 수치지면자료를 생성과정에서 발생하는 오분류 영역을 자동으로 탐지하는 알고리즘을 제안하였다. 본 알고리즘의 장점은 다음과 같다.
본 연구는 지면ㆍ비지면 자동 필터링의 한계를 보완하면서 수작업의 효율을 개선하는데 그 목적이 있다. 먼저 기존에 이루어지던 지면 필터링 작업에서 빈번하게 오분류가 발생하는 경우를 분석하였다.
제안 방법
각 격자 별로 라이다 데이터의 DeltaH를 계산하게 되며, 이를 이용하여 해당 지역이 지면으로 잘 분류됐는지 여부를 판단한다. 하지만 산림지와 같이 경사가 있는 영역은 그림 8과 같이 연속된 지면점이라 할지라도 어느 정도의 Z값 차이가 발생하게 된다.
다양한 평지 데이터의 분석을 통해서 완만한 지형은 대체로 10° 이하의 경사를 보인다고 판단하여 평지에 대한 임계값으로 10°를 적용하였다. 그리고 평지와는 달리 경사가 있는 지형은 Slope Angle이 고려된 변형된 DeltaH를 적용하며, NNMaxDH를 추가 적용하여 오분류 여부를 판별한다. 제안된 알고리즘은 지형의 형태에 관계없이 라이다 데이터의 기하학적 특성을 이용하여 오분류 영역을 탐지하도록 고안되었다.
다양한 평지 데이터의 분석을 통해서 완만한 지형은 대체로 10° 이하의 경사를 보인다고 판단하여 평지에 대한 임계값으로 10°를 적용하였다.
따라서 본 연구에서 제안한 알고리즘에서 격자크기는 매우 중요한 문제이며, 적절한 격자 크기를 결정하기 위하여 먼저 탐지하려는 오분류 후보 영역들의 크기를 분석하였다. 기존에 자동 필터링에서 제거되지 않는 객체는 주로 수목, 건물, 교량 그리고 지하주차장 입구 등으로 구성된다.
본 연구는 지면ㆍ비지면 자동 필터링의 한계를 보완하면서 수작업의 효율을 개선하는데 그 목적이 있다. 먼저 기존에 이루어지던 지면 필터링 작업에서 빈번하게 오분류가 발생하는 경우를 분석하였다. 일반적으로 지면점 추출과정에서 주로 오분류가 발생하는 영역은 작은 수목이나 복잡한 건물의 일부 등이 제거되지 않아 실제 지형보다 높게 형성되는 경우와 공사현장ㆍ지하주차장 등 실제 지형보다 지면점이 낮게 형성되는 경우 등 크게 두 가지로 구분된다.
먼저 제안한 알고리즘이 평균점밀도에 무관하게 안정적인 결과를 제공하는지 실험하였다. 다음 그림 10은 알고리즘에서 사용하는 매개변수들을 평균 점밀도가 약 4배 차이가 나는 동일한 영역의 두 데이터를 이용하여 계산한 결과를 보여준다.
NET 2005 환경과 3D 그래픽 표현을 위해 OpenGL(Open Graphics Library)을 사용하였다. 모든 실험은 실제 항공레이저 측량성과품이며, 항공레이저측량 작업규정에서 성과품 제출기준인 특정 도엽 단위 및 유사한 크기를 사용하였다.
본 연구에서 제안한 알고리즘은 라이다 원시자료에서 먼저 라이다 데이터 지면점을 추출하여 2D 격자 구조(그림 3 참조)를 구성한다. 이 때 지면점 추출은 라이다 데이터 처리 전용소프트웨어(본 연구에서는 Terrasolid사의 TerraScan 사용)를 사용하였다.
본 연구에서는 개개의 격자에 대한 Slope Angle을 ODR 방법으로 평면근사된 평면과 그림 6과 같이 XY 기준 평면과 이루는 각도로 계산한다.
NNMaxDH는 하나의 격자 내에 존재하는 모든 점과 서로 인접한 점들 간의 Z값 차이를 계산하며, 그 중에서 가장 큰 값을 찾는다. 인접한 점들 간의 계산을 효율적으로 수행하기 위하여 각 격자내에 존재하는 모든 점을 이용하여 불규칙삼각망(TIN)을 생성한다. 이 불규칙삼각망으로 연결된 점들 중 가장 큰 Z값 차이를 갖는 인접한 두 점이 선택되며, 이 Z값의 차이는 해당 격자의 NNMaxDH 대표 값으로 선택된다.
적절한 임계값을 설정하기 위하여 실제 데이터를 이용한 수 차례의 실험을 실시하여 경사가 없는 평지의 경우 허용 가능한 기복비율을 격자 크기의 10%로 도출하였다. 즉 30m 크기의 격자에서는 3m, 50m 크기에서는 5m의 Z값 차이 이내를 적절한 지면영역으로 정의하였다.
제안된 알고리즘에서 각 격자는 하나의 연산단위가 되어 격자 단위별로 오분류 판별을 수행한다. 가장 먼저 Slope Angle 매개변수는 지형의 형태를 구분하는 역할을 한다.
제안된 알고리즘은 2차원 형태인 2D 격자 구조를 적용하였다. 전체 라이다 데이터는 사전에 정의된 크기의 격자 단위로 구획되어 영역별 연산을 수행한다.
그리고 평지와는 달리 경사가 있는 지형은 Slope Angle이 고려된 변형된 DeltaH를 적용하며, NNMaxDH를 추가 적용하여 오분류 여부를 판별한다. 제안된 알고리즘은 지형의 형태에 관계없이 라이다 데이터의 기하학적 특성을 이용하여 오분류 영역을 탐지하도록 고안되었다.
대상 데이터
다음은 실제 지면점보다 낮게 형성되어 오분류가 발생하는 지역에 대한 실험이다. 라이다 데이터는 (주)한진정보통신에서 제공한 것이며, 제원은 표 2와 같다.
다음은 오분류 영역에 대한 탐지 정확성과 안정성을 실험하였다. 실험에 사용된 데이터는 중앙항업(주)에서 제공한 것이며, 제원은 표 1과 같다.
하지만 이러한 지하주차장 입구 영역은 실제 지형과 유사한 경사를 가지므로, 자동 필터링에서 오분류되는 경우가 많다. 실험에 사용한 데이터는 (주)한진정보통신에서 제공한 것이며, 제원은 표 3과 같다.
이론/모형
본 연구에서 제안한 알고리즘은 라이다 원시자료에서 먼저 라이다 데이터 지면점을 추출하여 2D 격자 구조(그림 3 참조)를 구성한다. 이 때 지면점 추출은 라이다 데이터 처리 전용소프트웨어(본 연구에서는 Terrasolid사의 TerraScan 사용)를 사용하였다. 다음 그림 4는 제안된 알고리즘의 전체적인 흐름을 보여준다.
성능/효과
30m보다 작은 크기는 실험 결과의 육안판독에 어려움이 있으며, 50m 이상의 큰 격자는 오분류 탐지 영역이 너무 크므로 자동화의 의미가 퇴색된다고 할 수 있다. 결과적으로 오분류 영역을 탐지하려는 가장 적합한 격자 크기는 30m 크기로 구성할 때 가장 효과적이라고 판단하여 실험을 하였다.
대체로 이러한 영역들은 30m 정도의 영역 안에 모두 포함되는 것을 알 수 있었으며, 크기가 다소 큰 교량ㆍ육교 등은 일부만 포함되어도 탐지가 가능하다는 것을 실험을 통해 알 수 있었다. 그리고 실험 결과를 손쉽게 판독하기 위한 의미 있는 크기로도 30m 크기의 격자는 매우 효율적이라고 판단하였다. 30m보다 작은 크기는 실험 결과의 육안판독에 어려움이 있으며, 50m 이상의 큰 격자는 오분류 탐지 영역이 너무 크므로 자동화의 의미가 퇴색된다고 할 수 있다.
기존에 자동 필터링에서 제거되지 않는 객체는 주로 수목, 건물, 교량 그리고 지하주차장 입구 등으로 구성된다. 대체로 이러한 영역들은 30m 정도의 영역 안에 모두 포함되는 것을 알 수 있었으며, 크기가 다소 큰 교량ㆍ육교 등은 일부만 포함되어도 탐지가 가능하다는 것을 실험을 통해 알 수 있었다. 그리고 실험 결과를 손쉽게 판독하기 위한 의미 있는 크기로도 30m 크기의 격자는 매우 효율적이라고 판단하였다.
제안된 알고리즘은 오분류 가능성이 높은 영역을 자동으로 탐지하며, 해당 영역의 확인ㆍ수정만으로 보다 정확한 수치지면자료 생성이 가능하다. 둘째, 제안된 알고리즘에서 적용한 매개변수들은 라이다 데이터의 점밀도에 구애받지 않고 일관되고 안정적인 결과를 보였다. 셋째, 지형의 경사나 기복에 영향을 덜 받는다.
본 연구에서는 수치지면자료의 오분류 영역을 대부분 자동으로 탐지가 가능함을 보여주었다. 하지만 지하주차장 입구 영역 등 실제 지면과 그 기하학적인 특성이 유사한 영역은 탐지에 한계도 보였다.
둘째, 제안된 알고리즘에서 적용한 매개변수들은 라이다 데이터의 점밀도에 구애받지 않고 일관되고 안정적인 결과를 보였다. 셋째, 지형의 경사나 기복에 영향을 덜 받는다. 기존에 연구된 지면 필터링 방법들의 경우, 지형 형태에 따라 임계값을 변경해야 하는 경우도 있지만 제안된 알고리즘은 경사도를 고려함으로써, 평지ㆍ경사지에 모두 적용 가능한 방법이다.
그림 13(b)는 오분류 영역의 탐지 결과이다. 실험 결과, 지하주차장 입구 영역은 대체로 잘 탐지되나 실제 지면을 오분류로 탐지한 경우도 발생하였다. 그림 13(a)의 좌측 고도 채색도에서 보듯이, 이 지역은 계단형으로 급격한 경사가 형성되어 있으며, 이러한 급경사 지역은 오분류를 탐지하기 위한 기하학적 조건에 차별성을 두기 매우 어렵다.
그림 14의 데이터에서 좌측은 산림지, 우측은 도심지로 구성된 영역이다. 오분류 영역은 그림 14에서와 같이 탐지가 비교적 어려운 지하주차장 입구 영역으로 대체로 잘 탐지가 되었으며, 오분류 영역이 없는 산림지는 Z값의 차이가 있더라도 지형의 기복이 고려된 알고리즘으로 올바르게 판별되었다.
첫째, 라이다 수치지면자료 생성 과정에서 소요되는 수작업의 비용을 절감할 수 있다. 제안된 알고리즘은 오분류 가능성이 높은 영역을 자동으로 탐지하며, 해당 영역의 확인ㆍ수정만으로 보다 정확한 수치지면자료 생성이 가능하다. 둘째, 제안된 알고리즘에서 적용한 매개변수들은 라이다 데이터의 점밀도에 구애받지 않고 일관되고 안정적인 결과를 보였다.
제안된 알고리즘은 평지, 산림지 등 지형기복 유무에 관계없이 모두 적용 가능하다. 라이다 데이터의 Z값만을 이용하였다면 산림지의 경우 모두 오분류로 탐지되어야 하지만, Slope Angle에서 계산되는 경사도를 이용함으로써 산림지의 경우도 별도의 처리 없이 일괄적으로 적용이 가능하다.
그림 10에서 보듯이 제안된 매개변수들은 평균 점밀도가 달라도 모두 유사한 값을 보였다. 즉 제안된 알고리즘은 라이다 데이터의 평균점밀도에 크게 영향을 받지 않음을 알 수 있다.
본 알고리즘의 장점은 다음과 같다. 첫째, 라이다 수치지면자료 생성 과정에서 소요되는 수작업의 비용을 절감할 수 있다. 제안된 알고리즘은 오분류 가능성이 높은 영역을 자동으로 탐지하며, 해당 영역의 확인ㆍ수정만으로 보다 정확한 수치지면자료 생성이 가능하다.
후속연구
기존에 연구된 지면 필터링 방법들의 경우, 지형 형태에 따라 임계값을 변경해야 하는 경우도 있지만 제안된 알고리즘은 경사도를 고려함으로써, 평지ㆍ경사지에 모두 적용 가능한 방법이다. 넷째, 제안된 방법은 라이다 성과품의 품질을 객관적으로 평가할 수 있는 대안으로의 활용가능성을 보여준다.
현재 이루어지는 라이다 후처리 과정에서의 수작업의 비용은 매우 크다고 할 수 있다. 따라서 라이다 수치지면자료의 오분류 영역을 자동으로 탐지해주는 본 알고리즘은 라이다 후처리 작업에서의 시간과 비용을 절감하는데 큰 도움을 줄 것이라 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
DEM은 무엇에 의해 품질이 좌우되는가?
최근 수치표고모델(DEM : Digital Elevation Model)을 구축하기 위한 목적으로 항공레이저측량(LiDAR : Light Detection And Ranging) 기술이 주목받고 있다. DEM은 항공레이저측량으로부터 획득된 라이다 데이터에서 지면점만 추출한 수치지면자료(DTD : Digital Terrain Data)의 정확성에 의해 그 품질이 좌우된다. 하지만 원시자료에서 수치지면자료를 추출하기 위한 자동 필터링 작업은 필터링 알고리즘의 한계 및 라이다 데이터의 고유한 특성으로 인하여 항상 오분류 영역이 발생한다.
수치지면자료는 어떠한 자료를 의미하는가?
수치지면자료(DTD)는 인공지물 및 식생 등과 같이 표면의 높이가 지면의 높이와 다른 지표 피복물에 해당 하는 점자료를 제거한 점자료를 의미하며, 수치표면자료(DSD)는 라이다 원시자료를 기준점을 이용하여 기준좌표계에 의한 3차원 좌표로 조정한 자료로써 지면 및 지표 피복물에 대한 점자료를 의미한다(국토지리정보원, 2009). 따라서 수치지면자료는 수치표면자료에서 비지면점을 모두 제거하여 얻어진다.
수치지면자료(DTD)는 무엇으로부터 무엇을 제거하여 얻어지는가?
수치지면자료(DTD)는 인공지물 및 식생 등과 같이 표면의 높이가 지면의 높이와 다른 지표 피복물에 해당 하는 점자료를 제거한 점자료를 의미하며, 수치표면자료(DSD)는 라이다 원시자료를 기준점을 이용하여 기준좌표계에 의한 3차원 좌표로 조정한 자료로써 지면 및 지표 피복물에 대한 점자료를 의미한다(국토지리정보원, 2009). 따라서 수치지면자료는 수치표면자료에서 비지면점을 모두 제거하여 얻어진다. 수치표고모델 (DEM)은 건물ㆍ수목 등을 제외한 순수한 지형만을 표현한 격자구조의 모델로써, 정확한 수치표고모델을 얻기 위해서는 수치지면자료를 정확히 제작하는 것이 매우 중요하다.
참고문헌 (10)
국토지리정보원, 2009, 항공레이저측량 작업규정.
최승식, 송낙현, 조우석, 2007, "Airborne LiDAR 필터에 관한 연구", 한국측량학회지, 제25권 제1호, pp. 55-62.
K. Zhang, S. Chen, D. Whitman, M. Shyu, J. Yan, C. Zhang, 2003, "A Progressive Morphological Filter for Removing Nonground Measurements From Airborne LiDAR Data", IEEE transactions on Geoscience and Remote Sensing, Vol.41, No.4/1, pp.872-882
※ AI-Helper는 부적절한 답변을 할 수 있습니다.