지상라이다는 시간과 인력의 소모를 절감하면서도 고밀도의 포인트 클라우드를 생성할 수 있으므로 3차원 지적, 문화재보호, 건설관리 등에 활용되고 있다. 본 연구에서는 포인트 클라우드를 기반으로 한 실내 3차원 모델 구축 기법을 제시하였다. 제시한 방안은 세그먼테이션 단계와 외곽선 추출 단계로 이루어진다. 세그먼테이션 단계에서는 RANSAC과 정제격자를 이용하여 포인트 클라우드를 동일 평면에 따라 분할한다. 외곽선 추출단계에서는 외곽선 추출 격자를 이용하여 3차원 모델의 경계선을 추출한다. 또한 모델링에 사용되지 않은 포인트들을 메쉬자료화여 실내 공간의 세부 묘사를 위한 자료로 활용하였다. 제시한 모델링 기법은 메쉬자료를 이용하여 3차원 모델 구축을 하던 작업과정을 크게 개선하였다. 하지만 실내 공간의 환경 특성에 따라 RANSAC 경계값, 정제격자와 외곽선 추출 격자 크기의 조정이 필요하며 원형 또한 곡선 형태를 지닌 실내 구조물의 외곽선 추출을 위한 알고리즘의 개선이 필요하다.
지상라이다는 시간과 인력의 소모를 절감하면서도 고밀도의 포인트 클라우드를 생성할 수 있으므로 3차원 지적, 문화재보호, 건설관리 등에 활용되고 있다. 본 연구에서는 포인트 클라우드를 기반으로 한 실내 3차원 모델 구축 기법을 제시하였다. 제시한 방안은 세그먼테이션 단계와 외곽선 추출 단계로 이루어진다. 세그먼테이션 단계에서는 RANSAC과 정제격자를 이용하여 포인트 클라우드를 동일 평면에 따라 분할한다. 외곽선 추출단계에서는 외곽선 추출 격자를 이용하여 3차원 모델의 경계선을 추출한다. 또한 모델링에 사용되지 않은 포인트들을 메쉬자료화여 실내 공간의 세부 묘사를 위한 자료로 활용하였다. 제시한 모델링 기법은 메쉬자료를 이용하여 3차원 모델 구축을 하던 작업과정을 크게 개선하였다. 하지만 실내 공간의 환경 특성에 따라 RANSAC 경계값, 정제격자와 외곽선 추출 격자 크기의 조정이 필요하며 원형 또한 곡선 형태를 지닌 실내 구조물의 외곽선 추출을 위한 알고리즘의 개선이 필요하다.
Terrestrial LiDAR emerges as a main mapping technology for indoor 3D cadastre, cultural heritage conservation and, building management in that it provides fast, accurate, and reliable 3D data. In this paper, a new 3D modeling method consisting of segmentation stage and outline extraction stage is pr...
Terrestrial LiDAR emerges as a main mapping technology for indoor 3D cadastre, cultural heritage conservation and, building management in that it provides fast, accurate, and reliable 3D data. In this paper, a new 3D modeling method consisting of segmentation stage and outline extraction stage is proposed to develop indoor 3D model from the terrestrial LiDAR. In the segmentation process, RANSAC and a refinement grid is used to identify points that belong to identical planar planes. In the outline tracing process, a tracing grid and a data conversion method are used to extract outlines of indoor 3D models. However, despite of an improvement of productivity, the proposed approach requires an optimization process to adjust parameters such as a threshold of the RANSAC and sizes of the refinement and outline extraction grids. Furthermore, it is required to model curvilinear and rounded shape of the indoor structures.
Terrestrial LiDAR emerges as a main mapping technology for indoor 3D cadastre, cultural heritage conservation and, building management in that it provides fast, accurate, and reliable 3D data. In this paper, a new 3D modeling method consisting of segmentation stage and outline extraction stage is proposed to develop indoor 3D model from the terrestrial LiDAR. In the segmentation process, RANSAC and a refinement grid is used to identify points that belong to identical planar planes. In the outline tracing process, a tracing grid and a data conversion method are used to extract outlines of indoor 3D models. However, despite of an improvement of productivity, the proposed approach requires an optimization process to adjust parameters such as a threshold of the RANSAC and sizes of the refinement and outline extraction grids. Furthermore, it is required to model curvilinear and rounded shape of the indoor structures.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 기존 3차원 모델링 작업 과정이 가지는 문제점을 개선하기 위한 반자동 3차원 모델 구축기법을 제안하였다. 논문의 구성은 다음과 같다.
본 연구에서는 지상라이다로부터 취득된 포인트 클라우드로부터 실내 모델을 구축하기위한 3차원 모델링 기법을 제안하였다. 기존의 3차원 모델링 작업은 포인트 클라우드 또는 변환된 메쉬 자료를 기반으로 3차원 모델을 생성한다.
또한 모델링을 통한 추상화 과정 속에서 많은 정보를 잃는다. 이러한 단점은 노이즈 데이터들을 메쉬 자료로 변환하고 기존의 3차원 모델 결과물과 통합함으로써 선형 자료와 면형 자료의 장점을 활용하고자 하였다. 실내 모델링은 그림 8에서 보이는바와 같이 지상라이다에서 취득한 포인트 클라우드에 추출된 외곽선과 메쉬 데이터를 통합하여 수행된다.
제안 방법
이상치들은 실제 모델링에 이용되지 않더라도 실내 대상물에 대한 상세 형상 정보를 가지고 있다. 따라서 변환된 메쉬 자료들을 세부데이터(Detailed data)로 표현하였으며 외곽선과 함께 3차원 모델링에 이용하였다.
하지만 국내에서 지상라이다를 이용하여 3차원 데이터를 처리하기 위해서는 외산 소프트웨어를 이용해야 하며 3차원 모델을 구축하는 동안 다수의 전문 소프트웨어를 사용해야 한다는 제약이 있다. 또한 대용량의 라이다 데이터를 직접 로딩 할 수 없으므로 통상 10~20% 내외로 줄인 포인트 클라우드를 메쉬자료로 변환하여 3차원 모델링을 수행한다. 이러한 메쉬자료를 이용하여 모델링을 할 경우, 건물의 정확한 경계와 형상 추출이 어렵다.
본 기법에서는 이상치(outlier) 또는 노이즈 데이터들을 메쉬 자료로 변환하여 외곽선과 통합하였다. 이상치들은 실제 모델링에 이용되지 않더라도 실내 대상물에 대한 상세 형상 정보를 가지고 있다.
따라서 다른 면에 속하지만 평면에 가까이 있을 경우 같은 세그먼트로 인식하므로 잘못 분류된 포인트들을 제거하기 위한 정제과정이 필요하다. 본 연구에서는 분류된 포인트 클라우드들을 일정한 간격을 지닌 정제격자에 투영하여 유효성을 검증하는 방법을 사용하였다. 가상격자의 크기는 임의로 설정할 수 있으며 그림 3에서 보여주듯이 포인트 클라우드가 속한 이진영상이 일정 면적보다 클 경우 유효한 영역으로 간주되고 세그먼테이션 단계를 완료한다.
본 연구에서는 실내 3차원 모델링 기법을 적용하기 위하여 연세대학교 강의동 복도를 라이다 측량하였다(그림 4). 실내 측량은 위상차 기반 지상라이다인 FARO사의 Focus3D를 이용하였고 각각의 다른 위치에서 취득한 포인트 클라우드를 통합하기 위하여 구형 인공 정합 타겟을 이용한 간접정합기법을 적용하였다.
하지만 건물의 대형화와 비정형화로 인해 실내 공간정보의 중요성은 증가하고 있으며 기존의 2차원 도면 정보로는 복잡한 공간정보 표현에 제약이 있는 만큼 3차원 모델 구축의 필요성이 증가되고 있다. 본 연구에서는 지상라이다 데이터를 이용하여 실내 3차원 모델을 생성하기위해 세그먼테이션(Segmentation)과 외곽선 추출로 구성되는 3차원 모델링 기법을 제안하였다(그림 1).
본 실험을 위해 측량된 포인트 클라우드는 대략 9400만개로 세그먼테이션 또는 미 분류된 포인트가 전체 포인트의 5% 이하가 될 때까지 수행하였다. 실내 포인트 클라우드를 처리하는데 최적의 변수를 찾기 위해 부속물을 제외한 실내 구조물의 복잡도와 크기를 고려하였으며 표 1의 세 변수 값을 변경해가면서 실험하였다.
제안한 기법은 포인트 클라우드의 특성에 따라 RANSAC의 경계값, RGS, TGS의 크기를 조정하고 3차원 모델링을 하는 반 자동기법으로 설계되었다. 포인트 클라우드 또는 저감된 메쉬자료로부터 정확하게 생성될 수 없었던 3차원 모델은 추출된 외곽선과 메쉬화된 세부자료를 통해서 보다 빠르고 정확하게 구출할 수 있었다.
대상 데이터
본 실험을 위해 측량된 포인트 클라우드는 대략 9400만개로 세그먼테이션 또는 미 분류된 포인트가 전체 포인트의 5% 이하가 될 때까지 수행하였다. 실내 포인트 클라우드를 처리하는데 최적의 변수를 찾기 위해 부속물을 제외한 실내 구조물의 복잡도와 크기를 고려하였으며 표 1의 세 변수 값을 변경해가면서 실험하였다.
지상라이다는 항공라이다 측량과 동일한 원리로 실내 3차원 데이터를 취득한다. 하지만 비교적 가까운 거리에서 넓은 공간을 측량하므로 여러 지점에 라이다를 설치해야하며, 취득된 다수의 포인트 클라우드는 지상라이다를 기준으로 상대좌표들을 가진다.
이론/모형
라이다를 이용한 기존의 3차원 모델링 기법은 지형 모델링과 건물 모델링에 활용되었다. 하지만 건물의 대형화와 비정형화로 인해 실내 공간정보의 중요성은 증가하고 있으며 기존의 2차원 도면 정보로는 복잡한 공간정보 표현에 제약이 있는 만큼 3차원 모델 구축의 필요성이 증가되고 있다.
본 연구에서는 실내 3차원 모델링 기법을 적용하기 위하여 연세대학교 강의동 복도를 라이다 측량하였다(그림 4). 실내 측량은 위상차 기반 지상라이다인 FARO사의 Focus3D를 이용하였고 각각의 다른 위치에서 취득한 포인트 클라우드를 통합하기 위하여 구형 인공 정합 타겟을 이용한 간접정합기법을 적용하였다.
성능/효과
하지만 세밀한 외곽선을 얻기 위해 RGS와 TGS를 작게 설정할 경우 많은 시간이 소요된다. 따라서 RGS를 TGS보다 크게 설정함으로 세그멘테이션과 정제에 소요되는 시간을 줄임과 동시에 세밀한 외곽선을 추출할 수 있다.
하얀선은 추출된 실내 구조물의 외곽선을 의미하며 빨간색 점들은 미 분류 된 포인트 데이터들이다. 세 결과를 비교하면 RGS가 작아질수록 분류된 포인트들을 엄밀히 검사하므로 미 분류된 포인트 개수와 더불어 추출된 외곽선의 개수가 증가함을 알 수 있다.
그림 7은 TGS를 변경하여 취득한 실내 구조물의 외곽선 추출 결과이며 RANSAC 경계값은 5cm, RGS는 5cm로 설정하였다. 세 결과를 비교했을 때, TGS가 작으면 세밀한 묘사가 가능하지만 TGS가 커질수록 외곽선을 보다 단순화시키고 직선에 가깝게 만들어 주는 것을 알 수 있다.
포인트 클라우드에서 정확하게 생성될 수 없었던 3차원 모델은 제안한 기법을 이용하여 추출된 외곽선과 메쉬 자료를 이용하여 보다 정확하게 구축할 수 있다. 또한 메쉬 자료는 3차원 모델링 기법으로 모델링할 수 없는 실내 공간의 세부적인 부분을 묘사하는 부가적인 자료로 활용이 가능하다.
후속연구
하지만 제안한 기법을 이용하여 3차원 모델링을 하기위해서는 포인트 클라우드와 실내 환경에 최적화된 변수의 크기를 결정하기 위한 실험이 필요하며 원형이나 곡선을 포함하는 공간을 모델링하는 데는 한계가 있다. 따라서 향후 제안된 기법의 효용성과 정확도를 높이기 위해서는 자기학습을 통한 변수결정과 복잡한 실내 환경을 세그먼테이션하고 모델링하는 알고리즘 개발이 선행되어야할 것이다.
하지만 제안한 기법을 이용하여 3차원 모델링을 하기위해서는 포인트 클라우드와 실내 환경에 최적화된 변수의 크기를 결정하기 위한 실험이 필요하며 원형이나 곡선을 포함하는 공간을 모델링하는 데는 한계가 있다. 따라서 향후 제안된 기법의 효용성과 정확도를 높이기 위해서는 자기학습을 통한 변수결정과 복잡한 실내 환경을 세그먼테이션하고 모델링하는 알고리즘 개발이 선행되어야할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
수동 센서기술에서 제공하는 이미지의 단점은 무엇인가?
수동센서에 기반을 한 기술은 근거리 카메라, 다시점 카메라 등의 광학센서를 이용하며 여러 위치에서 얻어진 영상을 토대로 생성된 스테레오 모델을 기반으로 3차원 모델을 구축 한다. 수동 센서기술에서 제공하는 이미지는 능동센서에서 비해 저렴하고 비교적 쉽고 빠르게 취득 할 수 있다는 장점이 있지만 이미지 촬영 당시의 환경의 변화와 차폐 영역의 존재로 인하여 3차원 데이터의 신뢰도가 낮은 단점이 있다. 지상라이다와 같은 능동 센서기술은 고가의 장비가격과 휴대성의 제약이 따른다.
지상라이다와 같은 능동 센서기술은 어떠한 장점으로 3차원 지적, 건설 및 토목에서의 건설 관리, 문화재 보호 등에 이용되는가?
지상라이다와 같은 능동 센서기술은 고가의 장비가격과 휴대성의 제약이 따른다. 하지만 시간과 인력의 소모를 크게 절감하면서 정밀하고 빠르게 대상 구조물의 위치 및 형상을 취득할 수 있으므로 3차원 지적, 건설 및 토목에서의 건설 관리, 문화재 보호 등에 이용이 된다(권순욱, 2009; 김인섭외, 2007; 대한지적공사, 2011; 이종출 외, 2005; 한수희 외, 2010; Barber, 2007).
3차원 모델구축 기술은 어떻게 구분되는가?
3차원 모델구축 기술은 가상현실, 혼합현실, 증강현실 등 여러 분야에서 활용되고 있으며 대상 객체의 3차원 복원을 목적으로 하며(추창우 외, 2007), 센서 자체에서 발생하는 에너지를 이용하는 능동센서기술과 객체에서 반사되는 에너지를 감지하는 수동센서기술로 구분 된다(엄기문 외, 2005). 수동센서에 기반을 한 기술은 근거리 카메라, 다시점 카메라 등의 광학센서를 이용하며 여러 위치에서 얻어진 영상을 토대로 생성된 스테레오 모델을 기반으로 3차원 모델을 구축 한다.
참고문헌 (12)
권순욱(2009) 레이저 스캐닝 기술과 BIM 기술을 이용한 형상정보 획득기술의 건설 산업 적용, 건축, 제53권 제4호, pp. 31-38
김인섭, 임수봉(2007) 터널 굴착시 3차원 레이저스캐너에 의한 내공단면 측량에 관한 연구, 대한토목학회 논문집, 대한토목학회, 제27권 제4D호, pp. 541-546.
대한지적공사(2011) 고품질 공간정보를 위한 지상레이저측량 활용 방안 연구용역 최종보고서, 대한지적공사 R&D수요 과제, 연세대학교, pp. 113-117.
엄기문, 안충현, 이수인(2005) 3차원 모델링 기술 동향, 학술정보 주간기술동향, 1185호, 정보통신산업진흥원
이종출, 문두열, 김남식, 서동주(2005) 수치사진측량과 3차원 레이저 스캐너 조합을 이용한 문화재 정밀 복원자료, 대한토목학회 정기학술대회 논문집, 대한토목학회, pp. 5144-5147.
정성수, 한수희, 박효근, 허준, 조형식, 김상민(2009) RANSAC 알고리즘을 이용한 지상 라이다 포인트 클라우드의 세그먼테이션, 대한토목학회 정기학술대회 논문집, 대한토목학회, pp. 1567-1570.
조성하(2007) Laser Scanner를 사용한 토목 및 지반 구조물의 역공학, 대한토목학회지, 대한토목학회, 제55권 제1호, pp. 97-99.
한수희, 김상민, 손홍규, 허준(2010) 지상 레이저 스캔 자료로부터의 효율적인 터널 단면 추출, 한국지형공간정보학회 춘계학술대회, 한국지형공간정보학회, pp. 9-10.
홍성철, 김상필, 정재훈, 허준, 최현상(2012) 실내 지상 LiDAR 데이터의 정합 및 절대좌표 부여기법, 한국지형공간정보학회 춘계학술대회, 한국지형공간정보학회, pp. 133-134
Barber, D., Mills, J., and Heritage, E. (2007) 3D Laser Scanning for Heritage: Advice and guidance to users on laser scanning in archaeology and architecture. English Heritage.
Fischler, M. A. and Bolles, R. C. (1981) A RANSAC-based approach to model fitting and its application to finding cylinders in range data. ed., pp. 637-643.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.