최근 도시는 신규건축, 재건축 및 부분적인 리모델링 등 다양한 형태로 변화하고 있으며, 이에 따라 수치지도 또한 최신성 및 정확도를 유지할 수 있도록 지속적인 수정 및 갱신을 통해 사용자들에게 최적의 서비스를 제공할 수 있어야 한다. 일반적으로 수치지도 수정 및 갱신 방법으로는 항공사진 혹은 준공도면을 이용하고 있으나, 항공사진은 촬영주기제한 및 경제성 측면에서 국소 지역에 대한 수시 갱신이 어렵고 준공도면의 경우 품질 확보의 어려움이 존재한다. 본 연구에서는 빠르게 변하는 도심지의 건물 개발 현황을 수치지도상의 건물 정보에 신속하게 반영하기 위해 지상라이다로부터 추출한 건물 footprint 자료를 이용하는 방법론을 제안하였다. 우선 지상라이다로부터 취득된 전체 건물의 포인트 클라우드 자료로부터 대표 옆면을 추출하고, 2차원 영상으로 투영한다. 투영된 포인트 클라우드 자료로부터 footprint를 추출하고, 추출된 footprint와 수치지도 상의 건물 footprint 간의 정합을 위해 2D Affine 모델을 사용하였다. 2D Affine 파라미터의 추정에는 두 footprint 자료로부터 취득된 무게중심을 사용하였으며, 무작위로 추출된 무게중심 간의 매칭을 위해 수정된 RANSAC (RANdom SAmple Consensus) 알고리즘을 제시하였다. 다양한 조건하에서 수행된 실험결과 제안된 알고리즘을 적용할 경우, 지상라이다로부터 추출된 건물데이터를 활용하여 효율적인 수치지형도의 갱신이 가능함을 확인할 수 있었다.
최근 도시는 신규건축, 재건축 및 부분적인 리모델링 등 다양한 형태로 변화하고 있으며, 이에 따라 수치지도 또한 최신성 및 정확도를 유지할 수 있도록 지속적인 수정 및 갱신을 통해 사용자들에게 최적의 서비스를 제공할 수 있어야 한다. 일반적으로 수치지도 수정 및 갱신 방법으로는 항공사진 혹은 준공도면을 이용하고 있으나, 항공사진은 촬영주기제한 및 경제성 측면에서 국소 지역에 대한 수시 갱신이 어렵고 준공도면의 경우 품질 확보의 어려움이 존재한다. 본 연구에서는 빠르게 변하는 도심지의 건물 개발 현황을 수치지도상의 건물 정보에 신속하게 반영하기 위해 지상라이다로부터 추출한 건물 footprint 자료를 이용하는 방법론을 제안하였다. 우선 지상라이다로부터 취득된 전체 건물의 포인트 클라우드 자료로부터 대표 옆면을 추출하고, 2차원 영상으로 투영한다. 투영된 포인트 클라우드 자료로부터 footprint를 추출하고, 추출된 footprint와 수치지도 상의 건물 footprint 간의 정합을 위해 2D Affine 모델을 사용하였다. 2D Affine 파라미터의 추정에는 두 footprint 자료로부터 취득된 무게중심을 사용하였으며, 무작위로 추출된 무게중심 간의 매칭을 위해 수정된 RANSAC (RANdom SAmple Consensus) 알고리즘을 제시하였다. 다양한 조건하에서 수행된 실험결과 제안된 알고리즘을 적용할 경우, 지상라이다로부터 추출된 건물데이터를 활용하여 효율적인 수치지형도의 갱신이 가능함을 확인할 수 있었다.
Recently, rapid urbanization has necessitated continuous updates in digital map to provide the latest and accurate information for users. However, conventional aerial photogrammetry has some restrictions on periodic updates of small areas due to high cost, and as-built drawing also brings some probl...
Recently, rapid urbanization has necessitated continuous updates in digital map to provide the latest and accurate information for users. However, conventional aerial photogrammetry has some restrictions on periodic updates of small areas due to high cost, and as-built drawing also brings some problems with maintaining quality. Alternatively, this paper proposes a scheme for efficient and accurate update of digital map using point cloud data acquired by Terrestrial Laser Scanner (TLS). Initially, from the whole point cloud data, the building sides are extracted and projected onto a 2D image to trace out the 2D building footprints. In order to register the footprint extractions on the digital map, 2D Affine model is used. For Affine parameter estimation, the centroids of each footprint groups are randomly chosen and matched by means of a modified RANSAC algorithm. Based on proposed algorithm, the experimental results showed that it is possible to renew digital map using building footprint extracted from TLS data.
Recently, rapid urbanization has necessitated continuous updates in digital map to provide the latest and accurate information for users. However, conventional aerial photogrammetry has some restrictions on periodic updates of small areas due to high cost, and as-built drawing also brings some problems with maintaining quality. Alternatively, this paper proposes a scheme for efficient and accurate update of digital map using point cloud data acquired by Terrestrial Laser Scanner (TLS). Initially, from the whole point cloud data, the building sides are extracted and projected onto a 2D image to trace out the 2D building footprints. In order to register the footprint extractions on the digital map, 2D Affine model is used. For Affine parameter estimation, the centroids of each footprint groups are randomly chosen and matched by means of a modified RANSAC algorithm. Based on proposed algorithm, the experimental results showed that it is possible to renew digital map using building footprint extracted from TLS data.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
하지만, 이러한 항공측량 및 기준점측량을 이용한 수치지도 갱신은 많은 인력과 비용이 소모되므로 수치지도 상의 국지적인 변화를 갱신하기에는 효율적이지가 않다. 따라서 본 연구에서는 도심지 곳곳에서 발생하는 소규모 개발지역이나 신축된 건물을 수치지도상에 신속하게 반영하기 위해 본 연구에서는 지상라이다로부터 추출된 건물footprint와 RANSAC 알고리즘을 활용하는 방법을 제안하였다.
따라서 본 연구에서는 최소한의 inlier집합을 결정하고 이를 바탕으로 inlier집합을 확장해 나가는 RANSAC알고리즘의 적용방안을 검토하였다. Fischler and Bolles(1981)에 의해 제안된 RANSAC 알고리즘은 전체 원본 데이터 중에서 모델 파라미터를 결정하는데 필요한 최소의 데이터를 무작위로 추출하면서 반복 계산을 통해 최적의 해를 찾는다.
본 연구에서는 지상라이다로부터 추출된 n개의 건물 footprint들과 1:1000 수치지형도에 대응되는 m(m>=n)개의 건물 군집에서 각각 1:1 대응되는 footprint 쌍들을 정합하는 과정을 통해 수치지형도의 건물 footprint를 갱신하는 일반적인 시나리오를 설정하였다.
본 연구에서는 지상라이다로부터 추출된 건물 footprint를 활용하여 수치지형도의 건물 footprint 정보를 갱신하기 위한 방법론을 제안하였다. 지상라이다로부터 추출된 footprint와 수치지형도 건물 footprint 간의 효과적인 정합을 위하여 수정된 RANSAC (RANdom SAmple Consensus) 알고리즘을 제안하였으며 다양한 시나리오를 바탕으로 이의 효용성을 검증하였다.
지상라이다로부터 추출된 footprint와 수치지형도 건물 footprint 간의 효과적인 정합을 위하여 수정된 RANSAC (RANdom SAmple Consensus) 알고리즘을 제안하였으며 다양한 시나리오를 바탕으로 이의 효용성을 검증하였다. 본 연구의 결과는 공중센서 기반 측량 보다 상대적으로 그 정확도가 높은 지상센서 기반의 지상라이다 및 mobile mapping system 등을 통해 수치지도의 수정 및 갱신의 효율성을 증대하고자 하였다.
제안 방법
본 테스트에 사용된 지상라이다 건물 footprint 10개는 수치지도 상에 모두 존재하는 건물로 구성되었고, case 1은 일반적인 정합방법으로써 지상라이다로부터 추출된 건물 footprint를 전부 활용하여 정합 테스트를 수행하였다. Case 2는 지상라이다로부터 추출된 건물 footprint 중 수치지형도에 대응 되지 않는 건물 footprint가 포함될 경우(신축 건물의 예)를 가정하고, 각각 지상라이다 footprint N개와 수치지형도 M개 중 임의의 footprint를 조합 선택하여(NCn와 MCm) 정합 테스트를 수행하였다.
포인트 클라우드로부터 추출된 건물외곽 정보를 수치지도 갱신에 활용할 수 있는지 가능성을 파악하기 위해 포인트 클라우드의 정합 정확도와 1/1,000 수치지도의 수치도화 오차 허용범위를 비교하였다. 각각의 스테이션으로부터 취득된 포인트 클리우드를 정합하기 위해 Leica사의 Cyclone 6.0 소프트웨어를 사용하였으며, 정합오차를 확인하기 위해 건물 간판 및 모서리 부분에 검사점을 선정하고 토털스테이션 장비의 무프리즘 기능을 사용하여 20개의 검사점 좌표를 취득하였다. 정확도 검증을 위한 검사점 측량의 기준점 정보로는 도시기준점을 활용하였으며, 구체적인 사항은 Fig.
여기서 n과 m은 서로 같으며, 지상라이다 로부터 추출된 건물 footprint의 총 숫자(N)보다 작은 값을 가진다. 마지막으로 case 3은 case 2로부터 도출된 최적의 정합 방안에 대한 안정성을 검증하는 단계로써, n과 m을 고정하고 반복 테스트를 수행하여 동일한 결과가 나오는 지를 검토하였다. 구체적인 case별 테스트 시나리오는 아래와 같으며, 테스트 제원은 다음의 Table 2와 같다.
따라서 수치지도는 사용자들에게 정확성과 최신성을 보장된 정보를 제공해야 하지만, 기존의 수치지도 갱신 방법은 상당한 시간과 인력이 요구되는 문제점으로 현실세계에서 국지적으로 일어나는 일련의 개발 현황 정보를 신속하고 정확하게 반영하기 힘들다. 본 연구에서는 도심지 내 소규모 개발로 인한 수치지도의 국지적인 수정 및 갱신 방법으로 지상라이다로부터 추출된 건물 footprint와 수정된 RANSAC 알고리즘 방법을 제안하였고, 세 가지 case를 통해 효용성을 테스트하였다. 그 결과, 2D Affine 모델 계산에 필요한 최소 4 동의 건물을 대상으로 임의조합을 통한 정합방법이 최단 시간 내에 전수조합과 비슷한 RMSE 정확도 (0.
3-2와 같이 순수한 건물의 외벽 외에도 주변 지형이나 간판과 같은 노이즈를 포함하고 있다. 본 연구에서는 순수한 건물의 외벽만을 투영시키기 위해 다음의 Fig. 3-2와 같이 노이즈가 포함되지 않은 건물의 대표 옆면을 추출하였고, 이렇게 추출된 대표 옆면의 포인트 클라우드를 x, y 평면에 투영시킨 뒤 (Fig. 3-3), 각 벽면에 대해 Douglas- Peucker 알고리즘을 이용하여 라인 정보를 추출하고 이로부터 Fig. 3-4와 같은 건물 footprint에 대한 폴리곤 자료를 취득할 수 있다. 해당 과정은 반자동으로 진행되었으며, 건물의 2차원 투영 및 footprint 취득에는 상용소프트웨어인 Matlab이, 폴리곤화 작업에는 ArcGIS가 이용되었다.
제안된 알고리즘의 성능평가를 위해 3가지 case에 대한 실험평가를 수행하였다. 본 테스트에 사용된 지상라이다 건물 footprint 10개는 수치지도 상에 모두 존재하는 건물로 구성되었고, case 1은 일반적인 정합방법으로써 지상라이다로부터 추출된 건물 footprint를 전부 활용하여 정합 테스트를 수행하였다. Case 2는 지상라이다로부터 추출된 건물 footprint 중 수치지형도에 대응 되지 않는 건물 footprint가 포함될 경우(신축 건물의 예)를 가정하고, 각각 지상라이다 footprint N개와 수치지형도 M개 중 임의의 footprint를 조합 선택하여(NCn와 MCm) 정합 테스트를 수행하였다.
이 방법은 전통적인 통계적 방법과 달리 가능한 적은 양의 초기 데이터를 사용해 일관된 데이터의 집합을 확장시켜가는 방식으로 해를 결정한다. 적용과정 중 하나의 군집에서 하나의 수학적 모델을 결정하는 전통적인 RANSAC 알고리즘을 그대로 본 연구에 적용하는 것은 불가능하므로 RANSAC알고리즘을 활용하여 control footprint들로 구성된 inlier들의 집합을 결정하고 이를 바탕으로 변환함수를 산정하는 수정된 RANSAC 알고리즘을 제안하였다. 지상라이다로부터 추출된 건물 footprint들과 수치지형도의 건물 footprint들 간의 정합을 위해 건물 footprint의 무게중심을 매칭원자로 활용하였다.
7(b))을 대상으로 정합을 수행하였다. 제안된 알고리즘의 성능평가를 위해 3가지 case에 대한 실험평가를 수행하였다. 본 테스트에 사용된 지상라이다 건물 footprint 10개는 수치지도 상에 모두 존재하는 건물로 구성되었고, case 1은 일반적인 정합방법으로써 지상라이다로부터 추출된 건물 footprint를 전부 활용하여 정합 테스트를 수행하였다.
본 연구에서는 지상라이다로부터 추출된 건물 footprint를 활용하여 수치지형도의 건물 footprint 정보를 갱신하기 위한 방법론을 제안하였다. 지상라이다로부터 추출된 footprint와 수치지형도 건물 footprint 간의 효과적인 정합을 위하여 수정된 RANSAC (RANdom SAmple Consensus) 알고리즘을 제안하였으며 다양한 시나리오를 바탕으로 이의 효용성을 검증하였다. 본 연구의 결과는 공중센서 기반 측량 보다 상대적으로 그 정확도가 높은 지상센서 기반의 지상라이다 및 mobile mapping system 등을 통해 수치지도의 수정 및 갱신의 효율성을 증대하고자 하였다.
적용과정 중 하나의 군집에서 하나의 수학적 모델을 결정하는 전통적인 RANSAC 알고리즘을 그대로 본 연구에 적용하는 것은 불가능하므로 RANSAC알고리즘을 활용하여 control footprint들로 구성된 inlier들의 집합을 결정하고 이를 바탕으로 변환함수를 산정하는 수정된 RANSAC 알고리즘을 제안하였다. 지상라이다로부터 추출된 건물 footprint들과 수치지형도의 건물 footprint들 간의 정합을 위해 건물 footprint의 무게중심을 매칭원자로 활용하였다. 따라서 본 footprint정합 문제는 지상라이다로부터 추출되는 건물 footprint들의 무게중심 포인트 집합(N)과 수치지형도의 건물 footprint들의 무게중심 포인트 집합(M) 간의 정합문제로 귀결된다.
취득 샘플링은 10m 거리에서 5mm 단위로 취득하였으며, 하나의 건물은 최소 190만 포인트에서 최대 400만 개의 포인트 클라우드로 구성되어 있다. 취득된 각 건물의 포인트 클라우드는 Leica에서 제공하는 소프트웨어인 cyclone을 이용하여 기본적인 노이즈 제거 및 상대좌표 정합을 수행하였다. 본 연구에서는 총 32개 건물에 대한 포인트 클라우드 데이터를 취득하였으며, 그 중에서 임의의 10개 건물 데이터를 선정하여 연구를 진행하였다.
포인트 클라우드로부터 추출된 건물외곽 정보를 수치지도 갱신에 활용할 수 있는지 가능성을 파악하기 위해 포인트 클라우드의 정합 정확도와 1/1,000 수치지도의 수치도화 오차 허용범위를 비교하였다. 각각의 스테이션으로부터 취득된 포인트 클리우드를 정합하기 위해 Leica사의 Cyclone 6.
대상 데이터
본 연구에서는 대상 건물의 포인트 클라우드 취득을 위해 Leica Scanstation2 장비를 활용하였다. Scanstation2 장비의 거리 관측은 Time of Flight (TOF) 방식으로 대상체에 레이저를 발사하여 표면에서 반사, 산란되어 수신기로 돌아오는 레이저의 시간차를 통해 거리를 관측할 수 있다.
취득된 각 건물의 포인트 클라우드는 Leica에서 제공하는 소프트웨어인 cyclone을 이용하여 기본적인 노이즈 제거 및 상대좌표 정합을 수행하였다. 본 연구에서는 총 32개 건물에 대한 포인트 클라우드 데이터를 취득하였으며, 그 중에서 임의의 10개 건물 데이터를 선정하여 연구를 진행하였다. Fig.
본 연구의 대상지역은 홍익대학교 인근 상업지역으로 건물에 대한 3차원 포인트 클라우드 데이터 취득을 위해 지상레이저스캐너를 이용한 측량을 수행하였다. 취득 샘플링은 10m 거리에서 5mm 단위로 취득하였으며, 하나의 건물은 최소 190만 포인트에서 최대 400만 개의 포인트 클라우드로 구성되어 있다.
본 연구의 대상지역은 홍익대학교 인근 상업지역으로 건물에 대한 3차원 포인트 클라우드 데이터 취득을 위해 지상레이저스캐너를 이용한 측량을 수행하였다. 취득 샘플링은 10m 거리에서 5mm 단위로 취득하였으며, 하나의 건물은 최소 190만 포인트에서 최대 400만 개의 포인트 클라우드로 구성되어 있다. 취득된 각 건물의 포인트 클라우드는 Leica에서 제공하는 소프트웨어인 cyclone을 이용하여 기본적인 노이즈 제거 및 상대좌표 정합을 수행하였다.
이론/모형
두 포인트 집합의 정합을 위한 변환함수로는 Eq.(1)과 같은 2D Affine 모델이 사용되었다(Irani and Anandan, 2000; Kim et al., 2008).
3-4와 같은 건물 footprint에 대한 폴리곤 자료를 취득할 수 있다. 해당 과정은 반자동으로 진행되었으며, 건물의 2차원 투영 및 footprint 취득에는 상용소프트웨어인 Matlab이, 폴리곤화 작업에는 ArcGIS가 이용되었다.
성능/효과
마지막으로 case 3은 전수정합이 아닌 임의선택을 통한 조합에서 안정적인 결과가 나올 수 있음을 확인하기 위한 테스트로 m과 n의 숫자를 4로 고정하고 다섯 번의 테스트를 반복하였다. 그 결과 최대, 최소 RMSE는 각각 0.448 m와 0.415 m로 0.032 m의 차이를 나타내었다. Fig.
본 연구에서는 도심지 내 소규모 개발로 인한 수치지도의 국지적인 수정 및 갱신 방법으로 지상라이다로부터 추출된 건물 footprint와 수정된 RANSAC 알고리즘 방법을 제안하였고, 세 가지 case를 통해 효용성을 테스트하였다. 그 결과, 2D Affine 모델 계산에 필요한 최소 4 동의 건물을 대상으로 임의조합을 통한 정합방법이 최단 시간 내에 전수조합과 비슷한 RMSE 정확도 (0.415m)를 나타내어 가장 효율적인 방법으로 선택되었다. 이는 본 연구에서 제시한 수정된 RANSAC 기반 수치지도 갱신 방안은 정합 대상 건물 후보군과 정합 기준 건물 후보군 사이에 최소 4 동의 일치하는 건물 footprint가 존재하면 정합 기준 건물에 다수의 새로운 건물이 포함되어 있어도 수치지도의 갱신이 가능하다는 것을 보여준다.
415m)를 나타내어 가장 효율적인 방법으로 선택되었다. 이는 본 연구에서 제시한 수정된 RANSAC 기반 수치지도 갱신 방안은 정합 대상 건물 후보군과 정합 기준 건물 후보군 사이에 최소 4 동의 일치하는 건물 footprint가 존재하면 정합 기준 건물에 다수의 새로운 건물이 포함되어 있어도 수치지도의 갱신이 가능하다는 것을 보여준다. 본 연구 결과는 항공사진측량, 고해상도 위성영상, mobile mapping system과 준공도면 등 다양한 방법으로부터 추출된 건물 데이터에도 적용 가능하다.
401 m로 전수정합(case 1)의 경우와 비슷한 값을 나타내었다. 이는 신축 건물(outlier)이 포함되었을 경우라도 2D Affine 계산을 위해 수치지도 상에서 최소 4개의 대응 건물이 확보될 경우 본 연구에서 제안한 수정된 RANSAC 알고리즘을 통해 효과적으로 정합이 이루어질 수 있음을 보여준다. 한편, 대체적으로 조합에 사용되는 건물의 숫자가 늘어날수록 정합 정확도가 조금씩 좋아지는 경향을 나타내는 반면, 조합숫자 증가에 따른 계산량이 급격히 늘어나게 되므로 효율성이 떨어지게 된다.
포인트 클라우드와 검사점의 오차는 ±0.039m로 나타났으며, 이는 수치지도 작업규정내규에서 규정한 1/1,000 수치지도 도화 평면위치의 표준편차 허용범위 내의 정확도를 나타냄으로써, 본 연구에서 제시한 포인트 클라우드로부터 추출된 건물외곽 정보가 수치지도 갱신의 기본 자료로 활용이 가능함을 확인하였다.
이 알고리즘의 성능은 사용되는 변환함수의 특징과 반복적인 탐색 과정에서 대응 노드를 결정하는 기준에 의하여 결정된다. 하지만 점집합의 매칭에서 보편적으로 사용되는 ICP 알고리즘의 경우 본 연구의 대상이 되는 건물 무게중심점의 집합과 같이 점 footprint의 수가 적고 inlier 보다 outlier의 개수가 많은 경우 국소 임계값으로 해가 수렴될 가능성이 존재하며 이에 따라 정합과정에서 오류가 발생할 수 있음을 관찰하였다.
후속연구
이는 본 연구에서 제시한 수정된 RANSAC 기반 수치지도 갱신 방안은 정합 대상 건물 후보군과 정합 기준 건물 후보군 사이에 최소 4 동의 일치하는 건물 footprint가 존재하면 정합 기준 건물에 다수의 새로운 건물이 포함되어 있어도 수치지도의 갱신이 가능하다는 것을 보여준다. 본 연구 결과는 항공사진측량, 고해상도 위성영상, mobile mapping system과 준공도면 등 다양한 방법으로부터 추출된 건물 데이터에도 적용 가능하다.
향후 연구는 직접측량으로부터 추출된 건물 footprint와의 정확도 평가를 수행할 예정이며, 대축척 및 소축척 수치지도 수정 갱신의 가능여부를 확인하고 축척별 가장 효율적인 수치지도 갱신 방안을 도출하여 실제 수치지도 갱신 분야에 적용 할 수 있는 방안을 제시할 수 있을 것으로 기대한다.
질의응답
핵심어
질문
논문에서 추출한 답변
지상라이다의 특징은?
, 2008). 지상라이다(terrestrial LiDAR)는 정밀하고 빠르게 물체의 위치 및 3차원 형상을 취득할 수 있는 시스템으로써 정확한 3차원 위치데이터를 구축함은 물론 추출된 데이터를 기반으로 3차원 모델링이 가능하므로, 기존에 구축하고자 했던 3차원 위치데이터에 실세계에 근접한 보다 고급화된 정보를 국민들에게 제공할 수 있다(Jung et al., 2005).
준공도면을 수치지도 갱신에 이용할 경우 장점은?
, 2006). 한편, 공사의 준공 시 측량을 통해 작성하게 되는 준공도면을 수치지도 갱신에 이용할 경우, 기존의 자료를 활용할 수 있으므로 측량에 소요되는 시간 및 경비를 효과적으로 줄일 수 있다(Kim et al., 2000).
수치지도의 수정/갱신을 위한 방법으로 디지털항공카메라 영상을 이용하는 방법을 이용할 때 장점은?
항공사진을 이용한 수치지도 갱신은 최근 아날로그 항공사진을 이용하는 방법에서 디지털항공카메라 영상을 이용하는 방법으로 변화하고 있다. 이 경우 필름 현상 및 스캐닝에 소요되는 시간과 비용을 효과적으로 줄일 수 있을 뿐만 아니라 컴퓨터를 이용한 수치데이터의 저장 및 보관, 품질관리가 용이하다는 장점이 있다(Hwang et al., 2007).
참고문헌 (20)
Besl, P. J., McKay, N. D., 1992, A method for registration of 3-D shapes, IEEE Trans. on Pattern Analysis and Machine Intelligence, IEEE Computer Society, Vol.14, No.2, pp. 239-256.
Cho, H. S., Sohn, H. G., Kim, J. S., Lee, S.K., 2008, Tunnel reverse engineering using terrestrial LiDAR, Journal of the Korean Society of Civil Engineers, Vol. 28, No. 6D, pp. 931-936.
Fischler, M. A., & Bolles, R. C., 1981, Random sample consensus: A paradigm for model fitting with applications to image analysis and automated cartography. Communications of the ACM Vol. 24, No.6, pp. 381-395.
Hwang, W. S., Kim K. R., 2007, Updating building layer of digital map using airborne digital camera image, Journal of the Korean Society for Geospatial Information System, Vol. 15, No. 4, pp. 31-39.
Hong, S. C., Park, I. S., Heo, J., Choi, H. S., 2012, Indoor 3D modeling approach based on terrestrial LiDAR, Journal of the Korean Society of Civil Engineers, Vol. 32, No. 5D, pp. 527-532.
Irani, M. and Anandan, P., 2000, About direct methods. In Vision Algorithms: Theory and Practice, Springer Berlin Heidelberg, pp. 267-277.
Jeong. C. D., Oh, J. M., Kim S. Y., 2010, Accuracy analysis of building outline extracted from terrestrial laser scanner data, Proceedings of the Korean Society for Geospatial Information System, pp. 11-18.
Jung, S. Y., Kim, U. N., 2005, A 3D cadastral surveying process of the cadastral resurvey project, Proceedings of the Korean Cadastre Information Association, pp. 71-82.
Kang, J. M., Ha, Y., Park, J. K., Park. J. H., 2005, A study on the renewal of digital map using high-resolution satellite image, Proceedings of the Korean Society of Civil Engineers, pp. 4522-4526.
Kang, J. M., Yoon, H. C., Lee, J. D., Park, J. H., 2007, Analysis of economical efficiency of digital map in production cost by aerial LiDAR surveying, Journal of the Korean Society for Geospatial Information System, Vol. 15, No. 1., pp. 67-73.
Kim, S. S., Jung, J. H., Kim, E. M., Yoo, H. H., Sohn, H. G., 2008, Geocoding of low altitude UAV imagery using affine transformation model, Journal of the Korean Society for Geospatial Information System, Vol. 16, No. 4., pp. 79-87.
Kim, W. D., Lee, K. W., Park, H. G., 2000, Update/revision of digital map by using the drawing of work completion surveying, Journal of the Korean Society for Geospatial Information System, Vol. 8, No. 11, pp. 85-95.
Lee, K. W., Kang, J. M., Kim, S. Y., We, G. J., 2000, Updating method by direct surveying of digital map, Proceedings of the Korean Society of Civil Engineers, pp. 679-682.
Lee, H. J., Ru, J. H., Kim, H. S., 2006, A study on digital mapping using LiDAR data, Journal of the Korean Society for Geospatial Information System, Vol. 14, No. 2, pp. 33-42.
Lee, I. S., 2007a, 3D boundary extraction of a building using terrestrial laser scanner, Journal of Geographic Information System Association of Korea, Vol. 15, No. 1, pp. 53-65.
Lee, S. G., Kwon, J. H., Jeon, J. H., 2007b, A study on the realtime update of the digital-map by the general survey map, Journal of the Korean Society for Geospatial Information System, Vol. 14, No. 3, pp. 19-26.
Ministry of Land, Infrastructure and Transport, Drawing rules of digital map.
Roh, Y. J., Kim, N. W., Jeong, J. Y., Kang, D. W., Jeong, K. H., Kim K. D., 2008, Automatic searching algorithm of building boundary from terrestrial LIDAR data, Proceedings of the Korean Institute of Electrical Engineers, pp. 139-140.
Seo, I. H., Sohn, H. G., Han, S. H., Park, H. G., 2009, 3D Building modeling using segmented terrestrial LiDAR point cloud and its outline, Proceedings of the Korean Society of Civil Engineers, pp. 1705-1708.
Shin, D. B., and Yu, S. C., 2008, A study on the application on maps of completion of the construction for updating digital maps, Proceedings of the Korean Society for Geospatial Information System, pp. 19-25.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.