[논문]라이다 자료를 이용한 수목추출 자동화

이수지; 김의명

doi:10.7319/kogsis.2013.21.1.039

[국내논문] 라이다 자료를 이용한 수목추출 자동화
Automatic Tree Extraction Using LIDAR Data 원문보기

한국지형공간정보학회지 = Journal of the korean society for geospatial information science, v.21 no.1, 2013년, pp.39 - 44

이수지 (남서울대학교 GIS공학과) , 김의명 (남서울대학교 GIS공학과)

초록
AI-Helper

도시지역에서 산소를 발생하고 이산화탄소를 감소시킬 수 있는 중요한 지상객체로 수목을 뽑을 수 있다. 이러한 수목의 관리를 위하여 라이다 자료를 이용한 많은 연구가 진행되고 있다. 그러나 국내에서 라이다 자료처리 소프트웨어가 미비하여 국외 소프트웨어에 의존하고 있다. 이에 본 연구에서는 라이다 자료에서 수목을 자동으로 추출할 수 있는 자동화 공정을 제안하였다. 제안한 공정에는 라이다 자료의 분류, 건물영역, 수목 등을 자동으로 추출할 수 있는 기능이 개발되었다. 제안한 공정은 용인지역의 연구대상지에 적용하여 실험을 수행하였으며 약 88%의 수목이 자동화 공정을 통해서 추출되었다.

Abstract ▼ AI-Helper

Trees are important ground objects that cause oxygen and reduce carbon dioxide in urban areas. For management of the trees, many studies using LIDAR data have been conducted. But, they rely on overseas developed LIDAR data processing software applications because there is a lack of domestically developed software applications. Therefore, this work was intended to propose an automation process that helps to extract trees automatically from LIDAR data. The proposed process has the function to classify LIDAR data and to extract building regions and trees automatically. It was applied to a study place in Yongin to conduct a test. As a result, about 88% of trees were extracted from the automation process.

주제어

AI 본문요약
AI-Helper

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

문제 정의

그리고 나서 건물이 제거된 자료를 래스터형태로 바꿔주는 작업을 진행한다. 건물영역이 제거된 벡터형태의 영역에 NDSM으로 채워주기 위해서 이다.
기존의 상업용 소프트웨어에서 자료처리를 위한 공정이 개발되어 있으나 본 연구에서는 국내외적으로 가장 많이 사용되고 있는 ArcGIS에 기반하여 자료처리를 자동화할 수 있는 기능구현에 초점을 맞추었다. 이를 위해 수목추출과정을 먼저 ArcGIS의 모델빌더(Model Builder)를 이용하여 자료처리 방법론을 적용하였다.
본 연구에서는 기존의 상업용 소프트웨어를 사용하지 않고 자동화된 자료처리를 수행할 수 있는 방법론과 자료처리 프로그램의 개발에 목적을 두었다. 특히 국내외적으로 많이 사용되고 있는 ESRI사의 ArcGIS에서 작동할 수 있는 방법론을 개발하고 기능을 구현하고자 한다.
본 연구에서는 라이다 자료를 이용하여 지상객체중에서 수목을 자동으로 추출하는 연구를 수행하였으며 이를 통해 다음과 같은 결론을 도출하였다.
첫째, 라이다 자료에서 일관성있고 객관적인 자료처리를 위해서는 자동화된 공정의 개발이 필요하다. 이를 위해 본 연구에서는 라이다 자료의 분류, 건물영역의 추출 그리고 수목을 자동으로 추출하는 방법론을 개발하였다.
수목은 식생자료에서 일정한 크기를 갖는 자료로 간주할 수 있다. 일정한 크기를 갖는 식생자료인지를 구분하기 위해서 본 연구에서는 국지적 최대값(local maxima) 필터링을 사용하는 방법으로 진행되었다. 국지적 최대값 필터링은 최소 수목의 높이임계값을 설정하고 높이 임계값 이하인 영역에 대해서는 null값이 할당하고 설정한 임계값 이상인 지역에 대해서는 필터 범위내의 값들 중 최대값을 할당하는 방법이다.
본 연구에서는 기존의 상업용 소프트웨어를 사용하지 않고 자동화된 자료처리를 수행할 수 있는 방법론과 자료처리 프로그램의 개발에 목적을 두었다. 특히 국내외적으로 많이 사용되고 있는 ESRI사의 ArcGIS에서 작동할 수 있는 방법론을 개발하고 기능을 구현하고자 한다.

가설 설정

국지적 최대값 필터링을 사용한 수목 1차 추정 후 건물영역으로 추정되어 있는 점자료가 추출될 수도 있다고 가정하여 건물영역을 제거한 NDSM과 1차 추출된 수목으로 2차 수목을 추정할 수 있다.
래스터파일로 추정된 건물을 벡터파일로 변환하여 비지면지역이라고 추정되는 지역과 중첩하여 교집합부분을 건물이라고 추정하였다. 또한, 수목의 효율적인 추출을 위하여 보도에 수목이 없다는 가정을 하였으며 법정 보도폭 2m를 건물에서 확장하여 최종 건물영역으로 추출하였다. 건물영역을 추출한 결과는 Figure 9와 같다.

제안 방법

건물 제거의 편리성을 위하여 NDSM의 외곽을 생성해준다. 즉, 건물 영역이 벡터형태로 되어 있기 때문에 외곽도 벡터형태로 맞추어 준다.
건물이 제거된 비지면점에서 수목을 추정하고 추출하는 작업을 하였다. 일정한 크기를 갖는 식생자료의 구분을 위하여 국지적 최대값 필터링을 사용하여 3m 원형에서의 최소 높이값을 1차 수목으로 추정하였다.
동일한 위치의 지면점과 비지면점의 높이값 차이가 설정한 최소 및 최대높이값 이내에 들어오면 건물추정점으로 간주하여 이를 폴리곤 형태의 면으로 처리한다. 그리고 나서 건물영역의 크기가 설정한 최소 및 최대크기 이내에 들어오는지 판단하여 최종적인 건물영역을 결정한다.
둘째, 자료처리 공정을 자동화하기 위해서 모델빌더를 이용하여 라이다자료 처리 소프트웨어를 구현하였다. 또한 용인지역을 연구대상지로 설정하여 개발된 소프트웨어를 통해서 자료처리를 수행하여 적용성을 평가하였다.
또한 NDSM은 DSM에서 DEM의 높이값을 빼주어 지상에 존재하는 객체를 추출하는데 사용되는 자료이다(Cho and Kim, 2010). 따라서 지상의 주요 공간객체인 건물과 수목을 찾기 위해서 비지면 자료를 이용하여 NDSM을 생성한다.
둘째, 자료처리 공정을 자동화하기 위해서 모델빌더를 이용하여 라이다자료 처리 소프트웨어를 구현하였다. 또한 용인지역을 연구대상지로 설정하여 개발된 소프트웨어를 통해서 자료처리를 수행하여 적용성을 평가하였다.
래스터파일로 추정된 건물을 벡터파일로 변환하여 비지면지역이라고 추정되는 지역과 중첩하여 교집합부분을 건물이라고 추정하였다. 또한, 수목의 효율적인 추출을 위하여 보도에 수목이 없다는 가정을 하였으며 법정 보도폭 2m를 건물에서 확장하여 최종 건물영역으로 추출하였다.
PCFA 방법은 라이다 자료를 일정한 격자로 나누어 보간한 후 가상의 투영중심을 설정하고 이로부터 각도 기반의 폐색영역을 찾아서 지면과 비지면을 분류하는 기법이다. 분류된 지면과 비지면 자료는 각각 수치표고 모델(DEM : Digital Elevation Model)과 정규화된 수치 표면모델(NDSM: Normalized Digital Surface Model)로 변환하였다.
건물추출을 위한 입력자료로 Figure 8의 NDSM를 이용하여 건물을 추출하였다. 실험지역에서 건물을 추출하기 위해 입력 매개변수로 높이 임계값이 필요하며 실험지역이 아파트 단지 주변이므로 약 10m 이상으로 설정하여 건물 형태의 객체를 추출하였다. 이렇게 추출된 객체를 건물로 인식하기 위해서는 건물의 최소 면적값 이상을 갖는 객체를 추출하는 것이 필요하다.
이렇게 추출된 객체를 건물로 인식하기 위해서는 건물의 최소 면적값 이상을 갖는 객체를 추출하는 것이 필요하다. 이를 위해 본 연구에서는 법정 주택 면적값인 40m²을 최소 값으로 건물을 추정하였다.
건물이 제거된 비지면점에서 수목을 추정하고 추출하는 작업을 하였다. 일정한 크기를 갖는 식생자료의 구분을 위하여 국지적 최대값 필터링을 사용하여 3m 원형에서의 최소 높이값을 1차 수목으로 추정하였다.
Figure 12는 정사영상(a)과 정사영상을 통해 수목의 오류를 검사한 결과(b)이다. 추출된 수목은 정사영상 위에 폴리곤 형태의 수목점을 중첩시켜 육안으로 검증하였다. 수목점으로 추출된 172곳을 정사영상과 비교하여 확인한 결과 Figure 12 b)와 같이 14곳(둥근원)이 오추출되었다.

대상 데이터

건물영역의 추정을 위해서 사용되는 입력자료는 비지면점에서 지면점이 제거된 NDSM 자료를 사용한다. 건물영역의 추정을 위한 매개변수로는 건물의 높이와 크기에 대한 대략적인 최소 및 최대값을 이용한다.
수목 추출 결과는 Figure 11의 삼각형과 같다. 또한 수목추출결과의 정확도를 평가하기 위해서 본 연구에서는 정사영상을 통하여 육안으로 수목을 추출하였으며 총 195그루가 식별되었다. 자동화 과정을 통하여 수목이라고 추출된 점은 총 172그루이다.
실험대상지역은 Figure 5와 같이 경기도 용인시의 일부분이다. 2010년 9월 동일한 시기에 정사영상과 라이다 데이터가 취득되었으며 이 지역은 주택가, 아파트 단지, 놀이터 및 공원지역이 공존하고 있는 지역으로 면적은 약 28793.
연구 대상지역의 항공라이다 데이터는 Figure 6과 같으며 점밀도는 약 2.64개/㎡이고 점의 개수는 총 75,939개로 이루어져 있다.

이론/모형

88%로 나타났다. Figure 8에서 DEM과 NDSM의 생성을 위한 격자간격은 라이다 점자료의 평균 점간거리인 0.61m로 하였으며 보간법은 최근린보간법을 적용하였다.
국지적 최대값 필터링은 최소 수목의 높이임계값을 설정하고 높이 임계값 이하인 영역에 대해서는 null값이 할당하고 설정한 임계값 이상인 지역에 대해서는 필터 범위내의 값들 중 최대값을 할당하는 방법이다. 국지적 최대값 필터링에는 삼각형, 사각형, 원형 등 다양한 구조형태를 적용할 수 있으나 수목을 추출할 목적이므로 원형을 적용하였던 Cho and Kim(2010)의 방법으로 연구를 수행하였다.
라이다 자료에서 비지면점에 해당하는 수목영역을 추출하기 위하여 라이다 점자료를 필터링하여 지면점과 비지면점으로 분류하는 것이 필요하다. 라이다자료의 필터링에 대한 방법은 여러 가지가 있으나 본 연구에서는 PCFA(Perspective Center based Filtering Algorithm)를 이용하였다(Habib et al., 2009).
항공라이다자료에서 수목을 추출하기 위하여 지면과 비지면을 분류해야한다. 본 연구에서는 지면과 비지면 분류작업에 PCFA 필터링을 사용하였다. PCFA 필터링은 임의의 투영중심을 이용하여 각도를 기반으로 폐색 영역을 이용하는 방법이다.
기존의 상업용 소프트웨어에서 자료처리를 위한 공정이 개발되어 있으나 본 연구에서는 국내외적으로 가장 많이 사용되고 있는 ArcGIS에 기반하여 자료처리를 자동화할 수 있는 기능구현에 초점을 맞추었다. 이를 위해 수목추출과정을 먼저 ArcGIS의 모델빌더(Model Builder)를 이용하여 자료처리 방법론을 적용하였다.

성능/효과

라이다 데이터에서 지면점으로 분류된 비율은 43.12%이고 비지면점으로 분류된 비율은 56.88%로 나타났다. Figure 8에서 DEM과 NDSM의 생성을 위한 격자간격은 라이다 점자료의 평균 점간거리인 0.
셋째, 실험대상지역에서 자동화된 자료처리를 통해서 수목을 추출할 수 있었으며 정사영상과 중첩 비교하여 약 81%의 추출율을 나타내었다.
수목점으로 추출된 172곳을 정사영상과 비교하여 확인한 결과 Figure 12 b)와 같이 14곳(둥근원)이 오추출되었다. 오추출된 지역의 형태는 가로등, 놀이터의 높은 놀이기구, 지붕이 가파른 건물의 꼭대기점, 자동차 지붕위의 짐칸 등으로 인한 영향으로 나타났다.

후속연구

첫째, 라이다 자료에서 일관성있고 객관적인 자료처리를 위해서는 자동화된 공정의 개발이 필요하다. 이를 위해 본 연구에서는 라이다 자료의 분류, 건물영역의 추출 그리고 수목을 자동으로 추출하는 방법론을 개발하였다.
향후 실험대상지역 뿐만 아니라 여러 대상지에 적용하여 모델빌더로 개발된 소프트웨어를 검토할 필요가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	수목 추정 시 임계값의 설정은 무엇을 이용하는가?	수목 추정은 국지적 최대값 필터링을 사용하여 자료처리를 수행한다. 이때 임계값의 설정은 대략적인 수목의 최소, 최대 높이값을 이용한다.
	LIDAR Analyst란 무엇인가?	LIDAR Analyst는 라이다 자료 파일을 입력받아 지면, 건물, 나무 및 삼림 지역을 자동으로 추출하는 프로그램이다. LIDAR Analyst는 자동화된 자료처리에 초점을 맞추고 있기 때문에 사용자가 자료처리를 위한 다양한 매개변수의 설정에 대해 이해도가 필요하다(LIDAR Analyst).
	수목은 어떤 특징이 있는가?	도시지역에서 3차원 모델링을 위해서 사용되는 대표적인 객체에는 건물과 수목이 있다. 이중에서 수목은 도시에서 녹지공간을 제공하고 산소를 발생시키고 이산화탄소를 감소시킬 수 있는 중요한 지상객체이다. 이러한 수목의 3차원 공간정보를 구축할 때 기존에는 주로 항공사진측량에 의한 방법을 이용하였으나 라이다(LIDAR : Light Detection And Ranging) 장비의 도입으로 인하여 이러한 수목정보를 라이다를 이용하여 추출할 수 있다.

참고문헌 (8)

Cho, D., Kim, E., 2010, Extraction of spatial information of tree using LIDAR data in urban area, Journal of The Korean Society for Geospatial Information System, Vol. 18, No. 4, pp.11-20.
Habib, A., Chang Y., Lee, D. 2009, Occlusion-based methodology for the classification of lidar data, Photogrammetric Engineering and Remote Sensing, Vol. 75, No. 6, pp.703-712.

상세보기
Kim, E., Cho, D., 2012, Comprehensive comparisons among LIDAR fitering algorithms for the classification of ground and non-ground points, Korean Journal of Geomatics, Vol. 30, No. 1, pp.39-48.

원문보기 상세보기
Lee, J., Choi, J., Yu, K., 2005, LIDAR data filtering using scanline, Geographic Information Systems Association Of Korea 2005 GIS/RS Joint Conference, pp.293-298.
Li, W., Guo, Q., Jakubowski, M., Kelly, M., 2012, A new method for segmenting individual trees from the lidar point cloud, Photogrammetric Engineering and Remote Sensing, Vol. 78, No. 1, pp.75-84.

상세보기
Min, S., Kim, S., Lee, I., 2008, Software design for airborne lidar data simulation, Geographic Information Systems Association Of Korea 2008 Joint Conference, pp.265-268.
LIDAR Analyst : http://www.overwatch.com/products/lidar_analyst.php.
TerraScan : http://www.terrasolid.fi/system/files/TerraScan_eng_2 .pdf.

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