[논문]지상라이다 데이터를 이용한 구조물 모델링 기법 연구

이경근; 정경훈; 김기두

지상라이다 데이터를 이용한 구조물 모델링 기법 연구
Study of Structure Modeling from Terrestrial LIDAR Data 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SP, 신호처리, v.48 no.1 = no.337, 2011년, pp.8 - 15

이경근 (국민대학교 전자공학부) , 정경훈 (국민대학교 전자공학부) , 김기두 (국민대학교 전자공학부)

초록
AI-Helper

본 논문에서는 지상라이다에서 획득한 3차원 점군데이터로부터 구조물을 모델링하는 알고리듬을 제안한다. 지상라이다 점군 데이터는 항공라이다의 경우와 달리 목표 구조물의 크기와 비슷한 다양한 장애물이 존재하고 데이터의 밀도, 거리 등의 특성이 다르기 때문에 항공라이다에서 사용된 기존의 알고리듬을 그대로 적용하기가 곤란하다. 제안한 방법에서는 색상정보와 호프변환을 이용하여 구조물을 추출하는 기법을 기반으로 주어진 필드데이터를 여러 개의 클러스터로 구분한다. 클러스터 데이터의 우선순위에 따라서 Delaunay triangulation 기법을 차례대로 적용하여 모델링을 수행한다. 제안한 방법은 클러스터 단위로 모델링을 진행하므로 잡음에 의한 영향을 최소화할 수 있으며 사용자가 원하는 개수만큼의 클러스터를 선택함으로써 모델링의 수준을 대화식으로 조정할 수 있다는 장점이 있다.

Abstract ▼ AI-Helper

In this paper, we propose a new structure modeling algorithm from 3D cloud points of terrestrial LADAR data. Terrestrial LIDAR data have various obstacles which make it difficult to apply conventional algorithms designed for air-borne LIDAR data. In the proposed algorithm, the field data are separated into several clusters by adopting the structure extraction method which uses color information and Hough transform. And cluster based Delaunay triangulation technique is sequentially applied to model the artificial structure. Each cluster has its own priority and it makes possible to determine whether a cluster needs to be considered not. The proposed algorithm not only minimizes the effects of noise data but also interactively controls the level of modeling by using cluster-based approach.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 지상 라이다로 획득한 3차원 점군데이터의 구조물 모델링 기법을 제시하였다. 기존의 구조물 모델링 기법은 주로 항공 라이다 데이터 위주로 연구가 진행되었기 때문에 지상라이다 데이터에 적용하는데 적합하지 않았다.
본 논문에서는 지상라이다 점군데이터로부터 구조물영역을 추출하는 기법区을 기반으로 하여 구조물을 모델링하는 기법을 제안한다. 즉 대상 구조물 영역의 추출을 위해 지상라이다 데이터에 포함된 색상 정보를 이용하여 구조물에 해당하는 점군데이터를 분할하고, Hough 변환을 통해 분할된 점군데이터로부터 삼차원공간에서 구조물에 해당하는 직선 방정식을 추정한 후, 추정된 직선과 점군데이터 사이의 거리를 비교하는 방법을 사용한다.

제안 방법

따라서 본 논문에서는 클러스터링의 기준치를 데이터의 개수로서 10개로 설정하였다. 10개 이하의 데이터를 가진 클러스터는잡음으로 판단하여 배제시켰다. 최종적으로 클러스터링된 데이터는 그림 9에서 굵은 원으로 표시하였으며 각클러스터는 위에서부터 1번부터 7번까지 표시하였다.
진행하였다. 데이터 클러스터 과정 중에 X, y, z 방향에 대해서 데이터 분포를 살펴보고 데이터가 가장좁게 분포한 축을 우선적으로 선택하여 분석하였다. 이때, 클러스터링을 위한 임계값을 결정하기 위해 지상라이다 데이터 기반 구조물 추출기법区을 사용하였다.
지상라이다는 항공라이다와는 다르게 한 구조물 또는 일정지역을 집중적으로 찍기 때문에 주변에 비해 구조물의 점군데이터 밀도가 높게 나타난다. 따라서 본 논문에서는 클러스터링의 기준치를 데이터의 개수로서 10개로 설정하였다. 10개 이하의 데이터를 가진 클러스터는잡음으로 판단하여 배제시켰다.
먼저 데이터 클러스터링의 기준 축을 결정하기 위해서 3차원 공간상에서 필드 데이터의 분포를 분석하였다. X, y, z 각 축마다 데이터가 존재하는 거리를 표 1 에 나타내었으며, 여기서는 데이터의 분포 거리가 가장짧은 축인 z 축을 기준 축으로 선정하였다.
본 논문에서 제안한 지상라이다 데이터의 3차원 모델링 방법은 잡음에 의한 영향을 최소화하기 위해 필드데이터를 여러 개의 클러스터로 구분하고 구조물에해당하는 클러스터를 차례로 추가해 나가면서 모델링을 진행하였다. 데이터 클러스터 과정 중에 X, y, z 방향에 대해서 데이터 분포를 살펴보고 데이터가 가장좁게 분포한 축을 우선적으로 선택하여 분석하였다.
이를 위해 본 논문에서는 데이터 클러스터링을 통해주어진 필드데이터를 여러 개의 클러스터로 구분하고구조물에 해당하는 클러스터를 차례로 추가해 나가면서 모델링을 진행하는 방법을 사용한다.
기법을 제안한다. 즉 대상 구조물 영역의 추출을 위해 지상라이다 데이터에 포함된 색상 정보를 이용하여 구조물에 해당하는 점군데이터를 분할하고, Hough 변환을 통해 분할된 점군데이터로부터 삼차원공간에서 구조물에 해당하는 직선 방정식을 추정한 후, 추정된 직선과 점군데이터 사이의 거리를 비교하는 방법을 사용한다. 이러한 과정을 거쳐 추출된 구조물은모델링에 앞서 수행되는 데이터 클러스터링 과정에서임계값을 설정하는 데에 필요하다.

대상 데이터

Bartels 와 Wei는 지면점의 분리 절차를 우선적으로 수행하며나머지 미분류점들로부터 지면에 대한 상대적인 높이차이나 인접한 미분류점간 높이값의 변이정도를 기준으로 식생 및 건물 등의 3차원 모델링을 실시하였다4T. McIntosh와 Krupnike 정확한 3차원 표면 모델링을 위해 함께 취득한 항공사진으로부터 지형지물의 경계선추출을 병용하였는데, 지형이 평탄한 주거지를 대상으로 하였다回
그림 11에 나타내었다. 여기서 2번 및 3번 클러스터는 잡음으로 판단하여 제외하였으며 나머지 1, 4, 5, 6, 7번 클러스터 데이터를 사용하였다. 최종 결과로부터그림 7의 목표 구조물인 다리가 성공적으로 모델링됨을확인할 수 있다.
것이다. 여기서 모델링의 대상이 되는 구조물은 다리이다.

데이터처리

그림 3은 3차원 점군데이터로부터 구조물 영역 추출기법의 알고리즘 흐름도이다. Hough 변환을 활용하여 얻어진 직선방정식을 임계값으로 하여 구조물을 추출하고 추출된구조물 단위로 z 축의 데이터를 나.누어 클러스터링을수행한다.

이론/모형

구조물의 모델링을 위해 Etelaunay triangulation18~1® 기법을 이용하여 TIN을 생성한다. 이 기법은 삼각형을이루는 임의의 세 점을 선택하여 외접원의 반지름을 구하고 이러한 원 안에 다른 꼭짓점이 존재하지 않는 형태로 불규칙적인 삼각형의 네트워크를 구성하는 방법이다.
그러나 이와 같은 데이터의 분포만을 가지고는 클러스터링을 위한 임계값을 결정하기가 용이하지 않다. 따라서본 논문에서는 우리의 이전 연구결과인 3차원 점군데이터로부터 구조물 영역 추출기법(3)을 활용한다. 그림 3은 3차원 점군데이터로부터 구조물 영역 추출기법의 알고리즘 흐름도이다.
데이터 클러스터 과정 중에 X, y, z 방향에 대해서 데이터 분포를 살펴보고 데이터가 가장좁게 분포한 축을 우선적으로 선택하여 분석하였다. 이때, 클러스터링을 위한 임계값을 결정하기 위해 지상라이다 데이터 기반 구조물 추출기법区을 사용하였다. 클러스터링된 데이터는 우선순위에 따라서 Delaunay triangulation 기법을 차례대로 적용하였다.
제안하는 방법에서는 앞서 분할된 클러스터 단위로모델링을 수행하는데, 클러스터의 우선순위에 따라서 Delaunay triangulation 기법을 차례대로 적용한다. 여기서 클러스터의 우선순위는 클러스터에 포함된 점군데이터의 개수가 많을수록 높게 결정된다.
이때, 클러스터링을 위한 임계값을 결정하기 위해 지상라이다 데이터 기반 구조물 추출기법区을 사용하였다. 클러스터링된 데이터는 우선순위에 따라서 Delaunay triangulation 기법을 차례대로 적용하였다.

성능/효과

제안한 방법은 클러스터 단위로 모델링을 진행하므로 잡음에 의한 영향을 최소화 하였고, 최종 모델링 과정에서만 사용자가 원하는 만큼의 클러스터를 선택함으로써 모델링의 수준을 대화식으로 조정할 수 있다는 장점이 있다.
여기서 2번 및 3번 클러스터는 잡음으로 판단하여 제외하였으며 나머지 1, 4, 5, 6, 7번 클러스터 데이터를 사용하였다. 최종 결과로부터그림 7의 목표 구조물인 다리가 성공적으로 모델링됨을확인할 수 있다.

후속연구

추후 복잡한 구조물에 대한 구조물 윤곽선 획득 및알고리듬 속도 개선에 관한 연구, 3D 호프 변환과 RANSAC 알고리듬을 이용한 점군데이터 처리 알고리듬關에 관한 연구가 진행되어야 할 것이다.

참고문헌 (11)

조홍범, 조우석, "항공 LIDAR 데이터를 이용한 3차원 건물모델링," 대한원격탐사학회지, 제24권, 제2호, pp. 141-152, 2008년 4월.

원문보기 상세보기
사석재, 이임평, "지상라이다와 디지털지상사진측량을 융합한 건축물의 3차원 정밀모델링," 한국지적학회 추계학술대회논문집, pp. 61-68, 2004년 12월.
이홍민, 박효선, "지상 LIDAR를 이용한 구조물의 안전성 및 사용성 모니터링을 위한 변위 및 변형 형상 계측 모델 제안," 대한건축학회논문집, 제23권, 제1호, pp. 3-10, 2007년 1월.
Bartels, M. and Wei, H. "Segmentation of LIDAR data using measures of distribution," International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences Vol. XXXVI, Part 7, pp. 426-431, 2006.
Marc Bartels, Hong Wei and David C. Mason, "DTM generation from LIDAR data using skewness balancing," International Conference on Pattern Recognition, pp. 566-569, Hong Kong, August 2006.
McIntosh K. and Krupnik A., "Integration of laser-derived DSMs and matched image edges for generating an accurate surface model," ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 56, No. 3, pp. 167-176, 2002.

상세보기
김남운, 노이주, "색상 정보와 호프변환을 이용한 3차원 점군데이터 구조물 추출 기법 연구," 전자공학회논문지, 제49권 SP편, 제6호, 143-151쪽, 2009년 5월.
N. A. Golias and R. W. Dutton, "Delaunay triangulation and 3D adaptive mesh generation," Finite Elements in Analysis Design, Vol. 25, issues 3-4, pp. 331-341, April 1997.
조승현, 조명우, 김재도, "Delaunay 삼각형분할법을 이용한 3차원복합형상의 역공학," 한국정밀공학회지, 제17권, 제7호, pp. 181-188, 2000년 7월.

원문보기 상세보기
B. Delaunay, "Sur la sphere vide," Izvestia Akademii Nauk SSSR, Otdelenie Matematicheskikh i Estestvennykh Nauk 7, pp. 793-800, 1934.
F. Tarsha-Kurdi, T. Landes and P. Grussenmeyer, "Hough-transform and extended RANSAC algorithms for automatic detection of 3D building roof planes from LIDAR data," ISPRS Workshop on Laser Scanning 2007 and SilviLaser 2007, pp. 407-412, Espoo, Finland, May 2008.

저자의 다른 논문 :

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