[논문]최적 매개변수 선정을 이용한 라이다 데이터로부터 3차원 평면 추출

신성웅; 방기인; 조우석

최적 매개변수 선정을 이용한 라이다 데이터로부터 3차원 평면 추출
Planar Patch Extraction from LiDAR Data Using Optimal Parameter Selection 원문보기

한국지형공간정보학회지 = Journal of the korean society for geospatial information science, v.19 no.1, 2011년, pp.97 - 103

신성웅 (한국전자통신연구원 공간정보연구팀) , 방기인 (지온텍코리아) , 조우석 (인하대학교 토목공학과)

초록
AI-Helper

라이다 시스템은 신속하고 정확한 3차원 데이터 생성으로 인해 주목받는 시스템이 되었다. 지형공간정보 분야에서 원시 라이다 데이터로부터 3차원 건물모델과 같은 가치가 부가된 정보를 생산하는 기술은 오랫동안 관심 있는 연구주제로 다루어졌다. 본 논문은 라이다 데이터로부터 건물과 같은 인공지물의 주요 구성요소인 3차원 평면을 추출하는 내용을 담고 있다. 이 연구에서는 최적의 평면을 결정하기 위해 라이다 데이터에 포함된 이상치의 영향을 제거 또는 최소화 시키고, 두 평면이 만나는 지역에서 정확한 평면을 추출하는 하는 방법을 소개한다. 각 라이다 포인트에 대해서 plane fitting이 수행된 후, 결정된 세 개의 평면식 매개변수들은 의사색상값으로 변환되고, 이를 이용하여 평면을 추출하게 된다. 제안된 방법은 항공 라이다와 지상라이다 데이터 두 가지를 사용하여 그 유효성을 검증하였다.

Abstract ▼ AI-Helper

LiDAR system has become a popular tool for generating 3D surface data such as Digital Surface Model. Extraction of valuable information, such as digital building models, from LiDAR data has been an attractive research subject. This research addresses to extract planar patches from LiDAR data. Planar patches are important primitives consisting of man-made objects such as buildings. In order to determine the best fitted planes, this research proposed a method to reduce/eliminate the impact of the outliers and the intersection areas of two planes. After finishing plane fitting, planar patches are segmented by pseudo color values which are calculated by determined three plane parameters for each LiDAR point. In addition, a segmentation procedure is conducted using the pseudo color values to find planar patches. This paper evaluates the feasibility of the proposed method using both airborne and terrestrial LiDAR data.

주제어

AI 본문요약
AI-Helper

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

문제 정의

예를 들어, 지면(ground)과 비지면 (non-ground)을 정의하여 분리하고, 비지면 포인트들 중에서 건물과 같은 인공지물과 수목과 같은 자연지물을 구별하는 과정을 거쳐 부가가치가 높은 정보로 재생산될 수도 있다. 본 연구는 라이다 데이터로부터 획득된 원시데이터로부터 인공지물을 구성하는 기본적인 요소인 평면을 추출하는 기술에 초점을 맞추고 있다. 다음의 내용은 선행연구에서 활용되어왔던 평면 추출에 관련된 방법들을 소개한다.
따라서 두 평면으로 교차하는 영역에서는 새로운 평면이(두 평면의 평균에 유사한) 좁고 긴 모양으로 추출되는 문제점이 발생할 수 있다. 본 연구에서는 이러한 문제점을 해결하기 위해 모든 점들을 중심으로 일정영역을 선택하여 plane fitting을 수행하고, 각점들은 자신이 포함되는 plane fitting의 결과를 계속적으로 저장 및 모니터링하여 최종적으로 최적의 평면 매개변수가 할당되도록 하였다. 예를 들어, 그림 4에서 a 영역이 선택된 경우, plane fitting의 결과는 실제 물리 적인 평면과 유사하게 결정되지만, 선택영역 b에서는 두 인접 평면의 중간평면에 유사한 형태로 plane fitting 이 수렴하게 된다.
본 연구에서는 항공측량 및 지상측량을 통해서 획득된 라이다 데이터에 대해서 평면추출 실험을 수행하였다. 그림 5(a)와 그림 5(b)는 본 연구에서 제안된 방법으로 평면식의 매개변수를 구한 후, 의사색상을 할당한 모습을 보여주고 있다.
이 논문은 라이다 데이터로부터 평면을 추출하는 새로운 방법을 제안하였다. 선행된 연구와 비교하여 이상치 및 인접 평면상에 위치하는 점들의 효과로 인한 평면 추출의 왜곡효과를 효과적으로 감쇄시키는 방법론이 실험을 통하여 유효함을 증명하였다.

제안 방법

Tseng and Wang(2005)은 이러한 문제가 발생하지 않는 방향코사인(l, m, n)과 평면에서 원점까지의 거리(d)로서 3차원 평면을 정의하였다(식 2). 또한, 3차원 평면식에서는 3개의 매개변수만이 독립적이므로, 4개의 매개변수로 평면식을 구성하는 대신, 추가적인 구속조건을 도입하여 문제점을 해결하였다. 여기서 도입된 구속조건은 방향코사 인의 제곱의 합이 1이 되는 조건이다(식 3).
선행된 연구와 비교하여 이상치 및 인접 평면상에 위치하는 점들의 효과로 인한 평면 추출의 왜곡효과를 효과적으로 감쇄시키는 방법론이 실험을 통하여 유효함을 증명하였다. 또한, 항공 및 지상 라이다에 관계없이 동일한 알고리즘으로 건물의 벽면 및 지붕 모두 동일하게 분리 추출되는 장점을 실험 결과를 통해서 점검하였다.
그림 2는 line fitting 문제에 있어서, 이상치의 영향을 효과적으로 제거하는 실험결과를 보여 주고 있다. 본 실험에서는 기울기 0.5와 y절편 3.0을 가지는 직선을 설정하고 우연오차와 이상오차를 반영하여 점들을 직선주변으로 생산하였다. 그림에서 삼각형으로 표시된 점들은 이상오차가 반영된 점들이고 그 외의 점들은 설정된 직선 주변으로 우연오차가 반영된 점들을 나타내고 있다.
studentized residual의 절대값의 크기가 주어진 임계값(T)보다 클 경우 가중치를 영으로 설정하여 plane fitting에서 완전하게 배제시킨다. 본 연구에서는 라이다 데이터의 정확도를 기반으로 가중치의 임계값을 설정하였다. 그림 2는 line fitting 문제에 있어서, 이상치의 영향을 효과적으로 제거하는 실험결과를 보여 주고 있다.
본 연구에서는 제안하고 있는 방법은 평면식의 매개 변수를 산출하여 이를 주파수 도메인이 아닌 공간도메 인에 기록한 후, 유사한 매개변수를 가진 점들을 군집화하는 방법으로 빌딩의 평면 세그먼트를 분리하였다. 세그먼트 추출 과정이 어려움을 줄이기 위해 각 점들에 부여된 평면식 매개변수의 값을 의사색상값(pseudo color)으로 전환하여, plane fitting의 결과를 가시적으로 확인할 뿐만 아니라, 기존의 영상처리 기법과 유사 하게 평면 세그먼트가 추출이 되는 방법을 사용하였다.
이 논문은 라이다 데이터로부터 평면을 추출하는 새로운 방법을 제안하였다. 선행된 연구와 비교하여 이상치 및 인접 평면상에 위치하는 점들의 효과로 인한 평면 추출의 왜곡효과를 효과적으로 감쇄시키는 방법론이 실험을 통하여 유효함을 증명하였다. 또한, 항공 및 지상 라이다에 관계없이 동일한 알고리즘으로 건물의 벽면 및 지붕 모두 동일하게 분리 추출되는 장점을 실험 결과를 통해서 점검하였다.
본 연구에서는 제안하고 있는 방법은 평면식의 매개 변수를 산출하여 이를 주파수 도메인이 아닌 공간도메 인에 기록한 후, 유사한 매개변수를 가진 점들을 군집화하는 방법으로 빌딩의 평면 세그먼트를 분리하였다. 세그먼트 추출 과정이 어려움을 줄이기 위해 각 점들에 부여된 평면식 매개변수의 값을 의사색상값(pseudo color)으로 전환하여, plane fitting의 결과를 가시적으로 확인할 뿐만 아니라, 기존의 영상처리 기법과 유사 하게 평면 세그먼트가 추출이 되는 방법을 사용하였다.
Kim 등 (2008)은 임의의 두 원점을 설치하고 이로부터 추정되는 평면까지의 거리를 계산하여 두 거리값을 유일 평면을 정의하는 매개변수로 사용하였다. 이를 2차원의 주파수 도메인에 누적하여 높은 빈도를 나타내는 값을 매개변수를 찾는 방법으로 최적의 평면을 추출하였다. 이 방법은 공간 도메인이 아닌 주파수 도메인에서 최적의 평면을 선택하기 때문에 동일한 평면이 두개 이상 존재 하는 경우에는 이를 공간 도메인에서 점검하여 분리해주는 추가적인 절차가 필요하게 된다.
본 연구에서 이 두 가지 경우에 대응할 수 있는, 방법론을 제시하고 있다. 첫번째로 Outlier에 대한 대응을 위해 studentized residual을 사용하여 가중치를 조정하는 방법을 사용한다. 이는 robust estimation에서 L1 영향함수(influence function)와 유사한 방법으로서각 관측값의 잔차의 크기를 고려하여 가중치를 조정하게 된다(Mikhail, 1976; Koch, 1999).

이론/모형

이 그림은 사용된 데이터를 지면과 비지면으로 분리한 후의 결과를 보여주고 있으며, 비지-비지면 분리를 위해서는 Chang et al.(2008)에 소개된 방법을 사용하였으며, 이 방법은 중심투영의 폐색영역 검색 방법을 통해서 지면과 비지면을 분리하게 된다. 그림 6(b)는 비지면 데이터에 대해서 제안된 방법으로 평면식의 매개변수를 계산한 후, 이를 색상으로 표현하여 보여주고 있다.
그림 5(d)는 추출된 할당된 의사색상을 이용하여 최종적인 평면을 추출한 후, 각평면에 임의의 색상을 부여한 그림이다. 각 라이다 포인트에 부여된 의사색상을 이용하여 평면을 군집화(grouping)하는 과정에는 영상처리기법중의 하나인 영역확장기법(region growing)을 사용하였다. 주변 점들과 색상의 유사도를 분석하여 region growing을 수행 함으로써 동일한 평면속성을 갖는 점들을 하나의 평면으로 분류해낼 수 있게된다.

성능/효과

반면, 그림 5(c)는 이상치와 인접평면의 효과에 대한 고려를 하지 않고, 평면식 매개 변수를 구한 후, 법선벡터를 3차원 상에서 보여주고 있다. 이 두 경우의 비교에서 보듯이, 평면의 교차지역과 이상치 발생지역에서 제안된 방법이 우수한 결과를 보여주고 있음을 알 수 있다. 그림 5(d)는 추출된 할당된 의사색상을 이용하여 최종적인 평면을 추출한 후, 각평면에 임의의 색상을 부여한 그림이다.

후속연구

라이다 데이터가 지면 및 비지면으로 분류하는 과정에서 오류가 있을 경우, 지면점들이 평면으로 분류되는 단점을 안고 있다. 따라서, 향후의 연구에서 기존 연구에서 차용해온 지면/비지면 분류에 대한 연구를 본 연구방법에 알맞도록 발전시킬 필요가 있다. 또한 밀집된 식생지역에서 원하지 않는 평면이 추출되는 것을 방지하기 위해 식생에 대한 정의를 마련 하여 분리추출하거나 평면추출을 위한 군집화 알고리즘을 개선할 여지가 있다.
실험결과를 통해서 제안된 방법의 한계점 및 단점도 알 수 있었으며 이를 통해 향후 연구에 대한 요구사항을 도출할 수 있었다. 라이다 데이터가 지면 및 비지면으로 분류하는 과정에서 오류가 있을 경우, 지면점들이 평면으로 분류되는 단점을 안고 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Plane fitting에 있어서 또 다른 어려움은 무엇인가요?	Plane fitting에 있어서 또 다른 어려움은, Outlier가평면상에 존재하거나 추출하고자 하는 평면이외의 다른 대상이 plane fitting 과정에 포함된 경우에 발생할수 있다. 본 연구에서 이 두 가지 경우에 대응할 수 있는, 방법론을 제시하고 있다.
	초기의 원시 라이다 데이터는 무엇으로 제공되나요?	초기의 원시 라이다 데이터는 고밀도의 3차원 불규칙 포인트(point cloud)로 제공된다. 이는 정규화 과정 만을 통해서도 고품질의 DSM(Digital Surface Model) 으로서 활용이 가능하다.
	Plane fitting에 있어서 어려움을 대응 할 수 있는 방법론으로 첫번째로 어떤 방법을 사용하나요?	본 연구에서 이 두 가지 경우에 대응할 수 있는, 방법론을 제시하고 있다. 첫번째로 Outlier에 대한 대응을 위해 studentized residual을 사용하여 가중치를 조정하는 방법을 사용한다. 이는 robust estimation에서 L1 영향함수(influence function)와 유사한 방법으로서각 관측값의 잔차의 크기를 고려하여 가중치를 조정하게 된다(Mikhail, 1976; Koch, 1999).

참고문헌 (9)

Chang, Y., A. Habib, D. Lee, and J. Yom, 2008, "Automatic classification of LiDAR data into ground and non-ground points", In International archives of Photogrammetry and Remote Sensing, Vol. XXXVII, Part B4, pp.463-468.
Fischler, M. A. and Bolles, R. C., 1981, "Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography," Communications of the ACM, Vol. 24, No. 6, pp.381-395.

상세보기
Kim, C., Habib, A., and Chang, Y., 2008, "Automatic generation of digital building models for complex structures from LiDAR data", International Archives of Photogrammetry and Remote Sensing, Vol. XXXVII, Part B4, pp.456-462
Kim, C., 2008, "Object-based Integration of Photogrammetric and LiDAR Data for Accurate Reconstruction and Visualization of Building Models" Ph.D. thesis, The University of Calgary, p.221.
Koch, K. R., 1999, "Parameter estimation and hypothesis testing in linear models", Springer, p.333.
Lee, I., 2002, "Perceptual Organization of Surfaces", Ph.D. thesis, The Ohio State University, p.159.
Mikhail, Edward M., 1976, "Observations and Least Squares", University Press of America, p.497.
Seo, S. 2003, "Model-based Automatic building extraction from LIDAR and aerial imagery", PhD thesis, Ohio State University.
Tseng, Y. H. and Wang, M., 2005, "Automatic Plane Extraction from LIDAR Data Based on Octree Splitting and Merging Segmentation," Geoscience and Remote Sensing Symposium, IGARSS '05 Proceedings, CD-ROM.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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