[국내논문]RTF 필터링을 이용한 모바일매핑시스템 레이저 데이터의 도로 장애물 제거에 관한 연구 A Study for Removing Road Shields from Mobile Mapping System of the Laser Data using RTF Filtering Techniques원문보기
현재 전 세계적으로 환경보전이나 석탄자원 고갈 등의 문제로 인해 친환경 자동차의 개발이 매우 중요한 이슈로 대두되고 있으며, 이에 따라 고정밀 3차원 도로 지도제작에 많은 관심을 기울이고 있는 추세이다. 이와 같은 목적의 달성을 위해 현재까지 MMS을 이용한 데이터 획득 방법이 가장 효과적인 것으로 보고되고 있다. 이를 위해 본 연구에서는 항공 레이저 측량 데이터에 대한 처리를 목적으로 개발된 기본적인 RTF 필터 알고리즘을 MMS에 적합하도록 수정하여 적용하였다. 실험을 통해 도출된 정량적 분석 결과 지면은 99.71%, 비지면은 99.95%의 매우 높은 제작자 정확도를 나타내고 있으며, 도로 내에 존재하는 자동차, 가로수, 중앙분리대 등의 도로 장애물이 효과적으로 제거된 결과가 도출되었다. 이를 통해 실무 작업에 효과적인 적용 및 작업 효율성 향상을 기대할 수 있을 것으로 판단된다.
현재 전 세계적으로 환경보전이나 석탄자원 고갈 등의 문제로 인해 친환경 자동차의 개발이 매우 중요한 이슈로 대두되고 있으며, 이에 따라 고정밀 3차원 도로 지도제작에 많은 관심을 기울이고 있는 추세이다. 이와 같은 목적의 달성을 위해 현재까지 MMS을 이용한 데이터 획득 방법이 가장 효과적인 것으로 보고되고 있다. 이를 위해 본 연구에서는 항공 레이저 측량 데이터에 대한 처리를 목적으로 개발된 기본적인 RTF 필터 알고리즘을 MMS에 적합하도록 수정하여 적용하였다. 실험을 통해 도출된 정량적 분석 결과 지면은 99.71%, 비지면은 99.95%의 매우 높은 제작자 정확도를 나타내고 있으며, 도로 내에 존재하는 자동차, 가로수, 중앙분리대 등의 도로 장애물이 효과적으로 제거된 결과가 도출되었다. 이를 통해 실무 작업에 효과적인 적용 및 작업 효율성 향상을 기대할 수 있을 것으로 판단된다.
It is a global trend to give attention to generating precise 3D navigation maps since eco-friendly vehicles have become a critical issue due to environmental protection and depletion of fossil fuels. To date, Mobile Mapping System (MMS) has been a efficient method to acquire the data for generating ...
It is a global trend to give attention to generating precise 3D navigation maps since eco-friendly vehicles have become a critical issue due to environmental protection and depletion of fossil fuels. To date, Mobile Mapping System (MMS) has been a efficient method to acquire the data for generating the 3D navigation maps. To achieve this goal so far in the Mobile Mapping System using the data acquisition method has been proposed to be most effective. For this study the basic RTF filter algorithm was applied to modify to fit MMS quantitative analysis derived floor 99.71%, 99.95% of the highly non-producers to maintain accuracy and high-precision 3D road could create DEM. In addition, the roads that exist within the cars, roadside tree, road cars, such as the median strips have been removed to shields it takes to get results effectively, and effective in practical applications and can be expected to improve operational efficiency is considered.
It is a global trend to give attention to generating precise 3D navigation maps since eco-friendly vehicles have become a critical issue due to environmental protection and depletion of fossil fuels. To date, Mobile Mapping System (MMS) has been a efficient method to acquire the data for generating the 3D navigation maps. To achieve this goal so far in the Mobile Mapping System using the data acquisition method has been proposed to be most effective. For this study the basic RTF filter algorithm was applied to modify to fit MMS quantitative analysis derived floor 99.71%, 99.95% of the highly non-producers to maintain accuracy and high-precision 3D road could create DEM. In addition, the roads that exist within the cars, roadside tree, road cars, such as the median strips have been removed to shields it takes to get results effectively, and effective in practical applications and can be expected to improve operational efficiency is considered.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서, 본 연구에서는 MMS를 이용하여 획득된 LiDAR 데이터를 이용하여 도로 상에 존재하는 다양한 형태의 차폐물들을 효과적으로 제거하기 위하여 RTF(Recursive Terrain Fragmentation) 필터 알고리즘을 수정하여 적용하고자 한다.
본 연구는 항공 LiDAR 데이터에 대한 지면/ 비지면 필터링을 목적으로 개발된 RTF(Recursive Terrain Fragmentation) 필터 알고리즘을 기반으로 MMS에서 획득한 데이터에 효과적으로 적용할 수 있도록 수정하여 적용하였다.
본 연구에서는 항공 LiDAR 데이터의 처리를 목적으로 개발된 RTF 필터 알고리즘을 MMS를 통해 획득된 지상 LiDAR 데이터의 처리에 적용하여 그 정확도 및 효율성을 검증하고자 한다. 이를 위해 지상 LiDAR 데이터의 특성을 분석하고, 분석결과를 토대로 기존의 RTF 필터에 적용되는 다양한 필터 파라미터들을 수정 적용하였으며, 그 결과에 대해 그림 1과 같은 방법으로 정확도 평가를 수행하였다.
RTF 필터 알고리즘은 Dowman과 Sohn(2004)에 의해 최초로 제안된 방법으로 기존의 항공 LiDAR 데이터 처리에 사용되던 다양한 Adaptive 필터 중 지형의 형태에 따라 정확도가 크게 저하되지 않으며, 상대적으로 정교한 분류 결과의 도출이 가능하다는 장점을 가지고 있다. 이와 같은 RTF 필터의 특징은 MMS을 통해 획득된 LiDAR 데이터에 보다 효과적으로 적용 가능할 것으로 판단되며, 이를 통해 지면과 비지면을 분리하여 다양한 형태의 도로 장애물을 제거함으로서 그 성능을 정량적으로 비교 평가하고, 실무에의 적용 가능성 및 정확도를 검증하는데 본 연구의 목적이 있다.
가설 설정
본 연구에서 사용한 RTF 필터는 아무리 복잡한 지형의 경우라도 매우 좁은 영역으로 분할해나가면 결국 균질한 특성을 갖는 평면들의 조합으로 표현할 수 있다는 가정을 전제로 한다. 이와 같은 균질한 단위 평면을 평면지형모델(PTM)이라고 정의하며, 필터링 과정을 통해 지면점을 추출한 후 이를 기반으로 연속적인 평면지형모델을 구성하는 것을 최종적인 목표로 한다.
이를 위해 기본적으로 전체 대상지역을 일정영역으로 분할한 후, 이 영역 내에서 가장 낮은 점들을 이용하여 TIN을 구성함으로써 개략적인 초기 지표면을 가정한다. 일단 초기 지표면이 생성되면 전체 데이터에 대해 점차 세분화하면서 해당 지역의 특성에 적합한 기준에 따라 지면점을 분류해나가는 Corse-to-Fine 방식을 적용하고 있다.
제안 방법
실험 결과에 대한 정량적인 정확도 분석을 수행하기 위해 그림 17에 나타나있는 기준 데이터와 비교/분석을 수행하였다. 기준 데이터와 동일한 도로 영역을 추출한 후 대상 지역 내의 모든 점 데이터(8,908,341개)에 대해 비교하여 그 차이에 대한 오차 행렬을 표 4와 같이 결정하였다.
이 기준 데이터와 본 연구를 통해 결정된 RTF 필터 알고리즘의 결과를 비교함으로써 오차행렬(Error Matrix)을 결정하으며, 최종적으로 오차행렬의 분석을 통해 정량적이고 객관적인 정확도 평가를 수행하였다. 또한, 국내에서 가장 많은 사용빈도를 보이고 있는 TerraScan 상용 소프트웨어(Terrasolid사, 핀란드)의 필터링 결과와 정확도를 정량적으로 비교함으로써 실무에서의 적용가능성을 평가하였다.
본 연구를 통해 도출된 RTF 필터의 성능을 객관적으로 평가하기 위하여 MMS로부터 획득된 도로영역의 LiDAR 데이터에 시험 적용하였으며, 앞에서 제시한 그림 1과 같은 방법으로 정확도를 평가하였다.
실험결과의 정량적 평가를 위해 실험 데이터에 대한 수동처리를 통하여 Reference 데이터를 제작한 후 도로영역에 해당하는 부분만을 추출하여 정확도 검증을 위한 기준 데이터로 설정하였다. 이 기준 데이터와 본 연구를 통해 결정된 RTF 필터 알고리즘의 결과를 비교함으로써 오차행렬(Error Matrix)을 결정하으며, 최종적으로 오차행렬의 분석을 통해 정량적이고 객관적인 정확도 평가를 수행하였다.
이러한 문제점들의 해결을 위하여 본 연구에서는 DTF 과정을 통해 구성되는 초기 지형모델의 TIN Facet 크기 및 점들 간의 높이차에 대한 제약조건을 다양한 테스트를 통해 표 1과 같이 수정하여 적용하였다. 즉, 일정 크기 이하의 TIN Facet에 대해 제한을 둠으로써 초기 지형모델의 생성 시 차량 등 지면과 연속적으로 연결된 구조물들이 지면점으로 분류되는 오류를 방지하였으며, 향후 UTF 과정을 통해 그 결과 세밀도를 향상시키도록 구성하였다.
본 연구에서는 항공 LiDAR 데이터의 처리를 목적으로 개발된 RTF 필터 알고리즘을 MMS를 통해 획득된 지상 LiDAR 데이터의 처리에 적용하여 그 정확도 및 효율성을 검증하고자 한다. 이를 위해 지상 LiDAR 데이터의 특성을 분석하고, 분석결과를 토대로 기존의 RTF 필터에 적용되는 다양한 필터 파라미터들을 수정 적용하였으며, 그 결과에 대해 그림 1과 같은 방법으로 정확도 평가를 수행하였다.
DTF는 초기 지형모델의 생성을 목적으로 하는 과정으로서 Corse-to-Fine 기법을 기반으로 이루어진다. 전체 대상지역에 대해 개략적인 평면지형모델을 구성한 후, 각각의 평면지형모델 내에 포함되는 점들 중 지면 아래에 존재하는 점들에 대해 연속적인 분할을 수행해 감으로써 평면지형모델을 세분화한다.
이러한 문제점들의 해결을 위하여 본 연구에서는 DTF 과정을 통해 구성되는 초기 지형모델의 TIN Facet 크기 및 점들 간의 높이차에 대한 제약조건을 다양한 테스트를 통해 표 1과 같이 수정하여 적용하였다. 즉, 일정 크기 이하의 TIN Facet에 대해 제한을 둠으로써 초기 지형모델의 생성 시 차량 등 지면과 연속적으로 연결된 구조물들이 지면점으로 분류되는 오류를 방지하였으며, 향후 UTF 과정을 통해 그 결과 세밀도를 향상시키도록 구성하였다.
표 1에 나타나있는 α와 β는 MDL 방법을 통해 최적의 사면체 모델을 결정하기 위한 정규확률분포의 파라미터이며, 본 연구에서는 항공 LiDAR 데이터와 동일한 값을 적용하였다.
대상 데이터
본 연구에서는 현대엠엔소프트사에서 고정밀 3차원 도로 지도제작을 목적으로 도입한 MMS 장비(Optech 사, 캐나다)를 이용하여 획득된 도로영역의 LiDAR 데이터를 이용하였다.
실험 대상지역은 정확한 시험결과 도출을 위해 그림 12와 같이 비교적 차량의 흐름이 원활하고 도로 주변 시설물 등이 다양하게 존재하고 있는 상암 월드컵 경기장(서울특별시 마포구 성산동) 부근 증산로 일부 구간(약 450m)을 선정하였다.
데이터처리
본 연구의 객관적인 평가를 수행하기 위하여 현재 국내에서 가장 많은 사용 빈도를 나타내고 있는 핀란드 Terrasolid사의 TerraScan v8.0 상용 소프트웨어를 사용하여 기준 데이터와 동일한 방식으로 비교/분석을 수행하였다. 그림 18에서와 같이 정성적으로 비교한 결과 거의 유사한 형태를 나타내고 있음을 알 수 있으나, 도로 내 일부 지역에서 TerraScan의 필터 결과 중 일부가지면점이 오분류되고 있음을 확인할 수 있다.
실험 결과에 대한 정량적인 정확도 분석을 수행하기 위해 그림 17에 나타나있는 기준 데이터와 비교/분석을 수행하였다. 기준 데이터와 동일한 도로 영역을 추출한 후 대상 지역 내의 모든 점 데이터(8,908,341개)에 대해 비교하여 그 차이에 대한 오차 행렬을 표 4와 같이 결정하였다.
실험결과의 정량적 평가를 위해 실험 데이터에 대한 수동처리를 통하여 Reference 데이터를 제작한 후 도로영역에 해당하는 부분만을 추출하여 정확도 검증을 위한 기준 데이터로 설정하였다. 이 기준 데이터와 본 연구를 통해 결정된 RTF 필터 알고리즘의 결과를 비교함으로써 오차행렬(Error Matrix)을 결정하으며, 최종적으로 오차행렬의 분석을 통해 정량적이고 객관적인 정확도 평가를 수행하였다. 또한, 국내에서 가장 많은 사용빈도를 보이고 있는 TerraScan 상용 소프트웨어(Terrasolid사, 핀란드)의 필터링 결과와 정확도를 정량적으로 비교함으로써 실무에서의 적용가능성을 평가하였다.
이론/모형
결과적으로 지형극성의 개념을 이용한 UTF의 지면점 복원 과정은 개별 TIN Facet 내의 모든 후보점들에 대해 지형극성을 계산한 후, 최적의 분포를 갖는 사면체 모델을 결정하는 과정이라고 할 수 있으며, 이와 갖은 분포의 효과적인 결정을 위해 MDL (Minimum Description Length) 방법이 적용된다.
이와 같은 MMS 데이터의 특징은 RTF를 이용한 지면점 분류과정에서 비지면점들이 지면점으로 오분류되는 문제를 발생시킬 가능성이 매우 높다. 특히, 모든 레이저 스캐닝 데이터에 대해 Corse-to-Fine 방식으로 TIN Facet을 연속적으로 구성하여 최저점만을 검색함으로써 초기 지형모델을 구성하는 DTF 과정에서 비지면점을 지면점으로 오분류하는 문제가 발생할 수 있으며, 이는 전체적인 분류 정확도에 심각한 오류를 가져올 수 있다.
성능/효과
기준 데이터와의 정량적인 비교를 통해 도출된 오차 행렬에 의하면 전체 193,760개의 실제 지면 점 중 94.96%인 183,988개의 점이 TerraScan 소프트웨어에 의해 지면점으로 정확히 분류되었으며, 9,772개의 점만이 비지면점으로 오분류되었음을 알 수 있다. 반면에 550,852개의 점들은 비지면점을 지면점으로 오분류함에 따라 25.
그림 18에서와 같이 정성적으로 비교한 결과 거의 유사한 형태를 나타내고 있음을 알 수 있으나, 도로 내 일부 지역에서 TerraScan의 필터 결과 중 일부가지면점이 오분류되고 있음을 확인할 수 있다. 또한, 표 5의 TerraScan의 결과에 대한 오차행렬과 표 6의 정확도 비교 분석에서 나타나있는 바와 같이 RTF 필터 알고리즘의 성능이 상대적으로 우수한 것으로 분석되었다.
95%의 매우 높은 제작자 정확도를 나타내는 것으로 분석되었다. 또한, 현재 가장 많은 사용 빈도를 보이고 있는 상용 소프트웨어인 TerraScan(TerraSolid사, 핀란드) 소프트웨어를 이용하여 도출된 결과와의 비교에서도 약 6% 정도 높은 정확도를 나타내고 있다. 육안 판독에 기반한 정성적인 평가에서도 도로 내에 존재하는 자동차, 가로수, 중앙분리대 등 대부분의 차폐물이 효과적으로 제거된 결과가 도출되고 있음을 확인할 수 있었다.
수정된 RTF 필터 알고리즘을 이용하여 분류된 결과를 기준 데이터와 정량적으로 비교한 결과 지면의 경우 99.71%, 비지면의 경우 99.95%의 매우 높은 제작자 정확도를 나타내는 것으로 분석되었다. 또한, 현재 가장 많은 사용 빈도를 보이고 있는 상용 소프트웨어인 TerraScan(TerraSolid사, 핀란드) 소프트웨어를 이용하여 도출된 결과와의 비교에서도 약 6% 정도 높은 정확도를 나타내고 있다.
오차행렬의 분석을 통해 지면과 비지면점들에 대한 전체적인 분류정확도는 93.71%의 값을 나타내고 있으며, Kappa 계수 역시 0.9371의 값을 갖는 것으로 계산되었다. 이와 같은 결과는 RTF 결과와 비교했을 때, 전체적으로 약 6.
81%의 사용자 정확도를 나타낸다. 오차행렬의 분석을 통해 지면과 비지면점들에 대한 전체적인 분류정확도는 99.95%의 매우 높은 값을 나타내고 있으며, Kappa 계수 역시 0.9995의 값을 갖는 것으로 계산되었다.
육안 상의 정성적 평가를 수행하는 경우에도 차량, 가로수, 가로등, 보행자 등으로 인해 복잡한 양상을 나타내던 DSM의 형태가 비지면점들이 효과적으로 제거됨에 따라 상당히 양호한 형태의 DEM 형태로 변화되었음을 확인할 수 있다.
또한, 현재 가장 많은 사용 빈도를 보이고 있는 상용 소프트웨어인 TerraScan(TerraSolid사, 핀란드) 소프트웨어를 이용하여 도출된 결과와의 비교에서도 약 6% 정도 높은 정확도를 나타내고 있다. 육안 판독에 기반한 정성적인 평가에서도 도로 내에 존재하는 자동차, 가로수, 중앙분리대 등 대부분의 차폐물이 효과적으로 제거된 결과가 도출되고 있음을 확인할 수 있었다.
이 결과에 의하면 193,760개의 실제 지면 점 중 99.71%인 193,204개의 점이 RTF 필터 알고리즘에 의해지면점으로 정확히 분류되었으며, 556개의 점만이 비지면점으로 오분류되었음을 알 수 있다. 반면에 4,316개의 점들은 비지면점을 지면점으로 오분류함에 따라 97.
이 결과에 의하면 전체 10,764,264개의 LiDAR 데이터 중 약 2.7%인 281,858개의 점이 지면점인 것으로 확인되었으며, 나머지 대다수의 데이터는 비지면으로 분류되고 있다.
표 6에 의하면 RTF 알고리즘을 이용한 분류정확도가 TerraScan 소프트웨어를 이용한 결과에 비해 모든 항목에서 약 5~6% 정도 우수한 것으로 분석되고 있지만, 지면점에 대한 사용자 정확도의 경우 유난히 매우 큰 차이를 나타냄을 알 수 있다. 이는 TerraScan 소프트웨어를 이용하여 지면점을 분류하는 경우 전체 8,908,341개의 점 중 약 8.
후속연구
이와 같이 높은 자동화 정확도는 육안판독을 통한 수동 작업이 매우 어렵다는 레이저측량 데이터의 특성을 감안했을 때, MMS 데이터를 이용한 3차원 도로 DEM 구축 등의 실무 작업에서 본 연구 결과물의 효과적인 적용이 가능할 것으로 판단되며, 이를 통해 상당 부분 작업 효율성 향상을 가져올 수 있을 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
Adaptive TIN 모델은 어떤 방식인가?
Axelsson(2001)은 복잡한 도심지의 지면점 추출을 위해 Adaptive TIN 모델의 사용을 제안하였다. 이 방법은 일정 크기로 분할된 각각의 영역에서 최저점을 추출하여 초기 지표면 TIN을 구성한 후, 일정 높이 기준이내의 점들을 연속적으로 지면점에 추가함으로써 지표면을 세분화해가는 방식이다. 따라서, 단절된 표면에 대해 상대적으로 높은 정확도를 나타내지만 각각의 TIN에 포함되는 지면점이 적을 경우 오류 발생 가능성이 높다는 문제점을 가지고 있다.
Adaptive TIN 모델의 단점은?
이 방법은 일정 크기로 분할된 각각의 영역에서 최저점을 추출하여 초기 지표면 TIN을 구성한 후, 일정 높이 기준이내의 점들을 연속적으로 지면점에 추가함으로써 지표면을 세분화해가는 방식이다. 따라서, 단절된 표면에 대해 상대적으로 높은 정확도를 나타내지만 각각의 TIN에 포함되는 지면점이 적을 경우 오류 발생 가능성이 높다는 문제점을 가지고 있다.
RTF 필터 알고리즘의 장점은?
RTF 필터 알고리즘은 Dowman과 Sohn(2004)에 의해 최초로 제안된 방법으로 기존의 항공 LiDAR 데이터 처리에 사용되던 다양한 Adaptive 필터 중 지형의 형태에 따라 정확도가 크게 저하되지 않으며, 상대적으로 정교한 분류 결과의 도출이 가능하다는 장점을 가지고 있다. 이와 같은 RTF 필터의 특징은 MMS을 통해 획득된 LiDAR 데이터에 보다 효과적으로 적용 가능할 것으로 판단되며, 이를 통해 지면과 비지면을 분리하여 다양한 형태의 도로 장애물을 제거함으로서 그 성능을 정량적으로 비교 평가하고, 실무에의 적용 가능성 및 정확도를 검증하는데 본 연구의 목적이 있다.
참고문헌 (7)
최승식, 2004, 항공 라이다 데이터 필터에 관한 연구, 인하대학교 지리정보공학과 석사학위논문.
김문기, 2005, 라이다를 이용한 도로망 추출에 관한 연구, 인하대학교 지리정보공학과 석사학위논문.
이정호, 한수희, 유기윤, 변영기, 2004, 라이다자료의 필터링 기법에 관한 연구, 한국측량학회 2004년도 춘계학술발표회논문집, pp.471-475.
Axelsson P, 2000, DEM Generation from Laser Scanner Data Using Adaptive TIN Models, In IAPRS, Vol. 33. Part B4/1, pp.110-117.
Vosselman G., 2000, Slope Based Filtering of Laser Altimetry Data, IAPRS, Vol 33, Part B3, Amsterdam, The Netherlands. pp.935-942.
Gunho Sohn and Ian Dowman, 2007, A Modelbased Approach for Reconstructing a Terrian Surface from Airbone LIDAR Data, The Photogrammetric Record 23(122), pp.170-193.
Gunho Sohn, 2004, Extraction of Buildings from High-Resolution Satellite Data and Airbone LIDAR, Ph.D, Department of Geomatic Engineering University College London.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.