$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

항공라이다 데이터의 건물 곡선경계 추출 및 모델링

Extraction and Modeling of Curved Building Boundaries from Airborne Lidar Data

한국지형공간정보학회지 = Journal of the korean society for geospatial information science, v.20 no.4, 2012년, pp.117 - 125  

이정호 (서울대학교 공학연구소) ,  김용일 (서울대학교 건설환경공학부)

초록
AI-Helper 아이콘AI-Helper

항공라이다 데이터를 이용한 건물 추출 연구가 많이 진행되어 오고 있으나 대부분의 연구는 건물경계를 직선으로 가정하기 때문에 곡선경계가 포함된 건물의 경계를 올바르게 모델링하지 못하는 한계가 있다. 본 논문은 곡선경계를 포함하는 건물을 항공라이다 데이터로부터 직선과 곡선이 혼합된 경계로 모델링하는 것을 목적으로 한다. 건물점들에 대하여 적응적 컨벡스헐 알고리즘과 큰 반경의 국지적 컨벡스헐 알고리즘을 적용하여 두 세트의 경계점을 추출한다. 경계점들의 평균 점 간격 및 수직이등분선의 교차 비율에 의하여 곡선 세그먼트를 판별한 후, 직선과 곡선 세그먼트에 대하여 각각 다른 정규화 방법을 적용하여 건물경계를 모델링한다. 실험결과, 곡선 세그먼트의 추출 완전성과 정확성이 각각 69%, 100%로서 본 연구의 방법을 통해 대부분의 곡선경계를 올바르게 추출 및 모델링 할 수 있었다. 본 연구의 결과는 수치지도 제작기준을 만족하는 건물경계를 자동으로 생성하는데 효과적으로 활용될 수 있을 것이다.

Abstract AI-Helper 아이콘AI-Helper

Although many studies have been conducted to extract buildings from airborne lidar data, most of them assume that all the boundaries of a building are straight line segments. This makes it difficult to model building boundaries containing curved segments correctly. This paper aims to model buildings...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 직선경계와 곡선경계가 혼재하는 건물의 경계를 각각 직선과 곡선으로 모델링하기 위한 방법을 제안하였다. 적응적 컨벡스헐 알고리즘과 큰 반경의 국지적 컨벡스헐 알고리즘을 적용하여 두 가지 경계점을 추출하고, 경계점들의 평균 점간격과 수직이등분 선의 교차점 비율을 통해 곡선 세그먼트를 판별하였다.
  • 이에 본 연구에서는 곡선경계를 포함하는 다양한 건물을 항공라이다 데이터로부터 직선과 곡선이 혼합된 경계로 모델링하는 것을 목적으로 한다. 오목한 형태의 건물을 고려하여 적응적 컨벡스헐 알고리즘을 적용하여 경계점 I을 추출하고, 곡선의 특성을 잘 나타내는 경계점들을 추출하기 위하여 큰 반경의 국지적 컨벡스헐 알고리즘을 적용하여 경계점 II를 추출한다.

가설 설정

  • 곡선은 원의 일부로 가정하고 곡선 세그먼트의 점들에 대해서 최소제곱 원 적합(least-squares circle fitting)을 적용하여 미지계수를 도출한다. 호의 중심점 (xc,yc)와 반지름의 길이R 은 세그먼트에 속하는 n개의 점을 이용하여 각각 식 (2), (3), (4)에 의하여 계산한다.
  • 이상의 연구들은 건물 경계가 직선 세그먼트들로 구성되어있다는 가정하에 건물의 모든 경계를 직선 형태로 선형화하거나 정규화한다. 따라서 곡선 세그먼트와 직선 세그먼트가 함께 존재하는 건물에서는 왜곡이 발생하며 정확한 건물 모델을 생성할 수 없다는 한계가 있다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
항공라이다 데이터를 이용한 건물 추출 연구의 한계는 무엇인가? 항공라이다 데이터를 이용한 건물 추출 연구가 많이 진행되어 오고 있으나 대부분의 연구는 건물경계를 직선으로 가정하기 때문에 곡선경계가 포함된 건물의 경계를 올바르게 모델링하지 못하는 한계가 있다. 본 논문은 곡선경계를 포함하는 건물을 항공라이다 데이터로부터 직선과 곡선이 혼합된 경계로 모델링하는 것을 목적으로 한다.
원격탐사 기법에는 무엇이 있는가? 지형, 건물, 도로 등의 여러 공간정보 중에서 가장 핵심적인 요소 중 하나는 건물이다. 건물정보를 효과적 으로 취득할 수 있는 원격탐사 기법으로는 항공사진, 고해상도 위성영상, 항공라이다 등이 있는데, 항공라이다는 광역 공간에 대해 2차원 또는 3차원 건물 정보를 효과적으로 제공해주는 수단이다. 특히 복잡한 특성을 나타내는 도시 지역에서 건물정보를 자동으로 추출할 수 있다는 장점이 있다.
항공라이다 연구에 있어서 정확한 건물 경계를 재구성하기 위하여 선형화 또는 정규화가 필요한 이유는 무엇인가? 항공라이다 자료로부터 건물 경계를 모델링하는데 있어서 가장 큰 단점은 어느 정도의 간격으로 취득되는 항공라이다 자료의 특성으로 인하여 포인트들이 건물 경계에서 정확하게 반사되지 못한다는 점이다. 따라서 보다 정확한 건물 경계를 재구성하기 위하여 선형화 또는 정규화가 필요하다.
질의응답 정보가 도움이 되었나요?

참고문헌 (27)

  1. Alharthy, A. and J. Bethel, 2002, Heuristic filtering and 3d feature extraction from LiDAR data, PCV02, ISPRS Commission III Symposium 2002, ISPRS, September9-13, Graz, Austria. 

  2. Cho. W. S, Jwa, Y. S., and Lee, Y. J., 2003, Automatic extraction of buildings from airborne laser scanning data, Journal of the Korean Society of Civil Engineers, Korean Society of Civil Engineers, No. 23, Vol. 5, pp. 591-751. 

  3. Choi, S. P., Cho, J. H., and Kim, J. S., 2011, An filtering automatic technique of LiDAR data by multiple linear regression analysis, Journal of the Korean Society for GeoSpatial Information System, KOGSIS, No. 19, Vol. 4, pp. 109-118. 

  4. Dorninger, P. and N. Pfeifer, 2008, A comprehensive automated 3d approach for building extraction, reconstruction, and regularization from airborne laser scanning point clouds, Sensors, MDPI AG, Vol. 8, pp. 7323-7343. 

  5. Edelsbrunner, H., D. Kirkpatrick, and R. Seidel, 1983, On the shapes of a set of points in the plane, IEEE Transactions on Information Theory, IEEE, IT29(4), pp. 551-559. 

  6. Fu, C.S., and J. Shan, 2004, 3-D building reconstruction from unstructured distinct points, International Archives of Photogrammetry and Remote Sensing, ISPRS, Vol. 35, Part B3, unpaginated. 

  7. Habib, A. F., R. Zhai, and C. Kim, 2010, Generation of complex polyhedral building models by integrating stereo-aerial imagery and lidar data, Photogrammetric Engineering and Remote Sensing, ASPRS, Vol. 76, No. 5, pp. 609-623. 

  8. Jarvis, R. A., 1997, Computing the shape hull of points in the plane, Proceedings of IEEE Computer Society Conference Pattern Recognition and Image Processing, IEEE, pp. 231-241. 

  9. Jung, H. S., Lim, S. B., and Lee, D. C., 2008, Utilizing airborne LiDAR data for building extraction and superstructure analysis for modeling, Korean Journal of Geomatics, KSGPC, No. 26, Vol. 3, pp. 227-239. 

  10. Kim, E. M., 2009, Building boundary extraction of airborne LIDAR data by image-based and pointbased data analysis, Journal of the Korean Society for GeoSpatial Information System, KOGSIS, No. 17, Vol. 1, pp. 119-129. 

  11. Kim, H. T., 2001, Fusion of lidar data and photogrammetric imagery for autonomous generation of building layers in GIS, Ph. D. Dissertation, Seoul National University. 

  12. Kim, S. J., and Lee, I. P., 2010, Simulation based performance assessment of a LIDAR data segmentation algorithm, Journal of the Korean Society for GeoSpatial Information System, KOGSIS, No. 18, Vol. 2, pp. 119-129. 

  13. Lach, S. and J. Kerekes, 2008, Robust extraction of exterior building boundaries from topographic lidar Data, IEEE Proc. IGARSS, IEEE, Boston, USA, pp. 85-88. 

  14. Lee, D. H., 2008, Fusion of DSM and photogrammetric imagery for reliable building extraction, Ph. D. Dissertation, Seoul National University. 

  15. Lee, J. H., and Lee. D. C., 2010, LiDAR data segmentation using aerial images for building modeling, Korean Journal of Geomatics, KSGPC, No. 28, Vol. 1, pp. 47-56. 

  16. Lee, J. H., Yeom, J. H., and Kim, Y. I., 2011, Filtering airborne laser scanning data by utilizing adjacency based on scan line, Korean Journal of Geomatics, KSGPC, No. 29, Vol. 4, pp. 221-227. 

  17. Lee, J. H., and Kim, Y. I., 2012, Building boundary reconstruction from airborne lidar data by adaptive convex hull algorithm, Korean Journal of Geomatics, KSGPC, No. 30, Vol. 3, pp. 305-312. 

  18. Lee, J., S. Han, Y. Byun, and Y. Kim, 2011, Extraction and regularization of various building boundaries with complex shapes utilizing distribution characteristics of airborne LIDAR points, ETRI Journal, ETRI, Vol. 33, No. 4, pp. 547-557. 

  19. Ma, R., 2004, Building model reconstruction from lidar data and aerial photographs, Dissertation, The Ohio State University. 

  20. Oh, J. H., 2001, A study on the extraction of building boundary from laser scanning data, Master's Thesis, Seoul National University. 

  21. Sampath, A., and J. Shan, 2007, Building boundary tracing and regularization from airborne lidar point clouds, PE&RS, ASPRS, Vol. 73, No. 7, pp. 805-812. 

  22. Shan, J. and A. Sampath, 2005, Urban DEM generation from raw LIDAR data: a labeling algorithm and its performance, PE&RS, ASPRS, Vol. 71, No. 2, 2005, pp. 217-226. 

  23. Shen, W., 2008, Building boundary extraction based on lidar point clouds data, International Archives Photogrammetry, Remote Sens., Spatial Info. Sci., Beijing, Vol. 37, part B3b, pp. 157-161. 

  24. Shon, G., Jwa, Y. S., Tao, V., and Cho, W. S., 2007, Geometric regularization of irregular building polygons: a comparative study, Korean Journal of Geomatics, KSGPC, No. 25, Vol. 6-1, pp. 545-555. 

  25. Xu, J., Y. Wan, and F. Yao, 2010, A method of 3d building boundary extraction from airborne lidar points cloud, IEEE 2010 Symposium on Photonics and Optoelectronic, IEEE. 

  26. Weidner, U., and W. Forstner, 1995, Towards automatic building extraction from high-resolution digital elevation models, ISPRS Journal of Photogrammetry and Remote Sensing, ISPRS, 50, pp. 38-49. 

  27. Zhang, K., S. Chen, D. Whitman, M. Shyu, J. Yan, and C. Zhang, 2003, A progressive morphological filter for removing nonground measurements from airbone LIDAR data, IEEE Transaction on Geoscience and Remote sensing, IEEE, Vol. 41, No. 4, 2003, pp. 872-882. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 보고서와 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트