최근 실내공간정보에 대한 수요가 증가함에 따라 다양한 활용 서비스가 개발되고 있다. 그동안 2차원 또는 3차원 실내공간정보 서비스에서, 최근에는 전방위 영상 기반의 실내공간정보 서비스가 증가하고 있다. 단순히 실내공간의 가시화만을 제공하는 기존 전방위 영상 기반 서비스가 속성 검색, 질의 가능 서비스 등을 제공하기 위해서는 공간간의 위치 관계가 정의된 토폴로지 데이터가 반드시 필요하다. 이에 따라 본 연구에서는 전방위 영상 기반의 다양한 실내공간정보 서비스를 위해 필요한 실내 토폴로지 데이터를 국제 표준인 IndoorGML 형식에 맞춰 생성하는 방법을 제안하도록 한다. 본 연구에서는 영상으로부터 IndoorGML 데이터 생성을 위해 1)IndoorGML 기본 개념의 영상 적용을 위한 고려사항 분석, 2)IndoorGML 데이터 생성을 위해 필수 정의 요소인 ‘공간’을 대표하는 객체 식별 방법 제시, 3)공간 사이의 연결성을 정의로 구분하여 IndoorGML 데이터 생성 방법을 제안한다. 제안한 방법은 서울시립대학교 21세기관 6층을 대상으로 적용되어 IndoorGML 데이터를 생성하도록 한다. 본 연구는 향후 IndoorGML을 기반으로 개발되는 다양한 실내공간정보 서비스에 토폴로지 데이터를 생성하는 한 가지 유형의 방법을 제시한다는 점에서 의의가 있다.
최근 실내공간정보에 대한 수요가 증가함에 따라 다양한 활용 서비스가 개발되고 있다. 그동안 2차원 또는 3차원 실내공간정보 서비스에서, 최근에는 전방위 영상 기반의 실내공간정보 서비스가 증가하고 있다. 단순히 실내공간의 가시화만을 제공하는 기존 전방위 영상 기반 서비스가 속성 검색, 질의 가능 서비스 등을 제공하기 위해서는 공간간의 위치 관계가 정의된 토폴로지 데이터가 반드시 필요하다. 이에 따라 본 연구에서는 전방위 영상 기반의 다양한 실내공간정보 서비스를 위해 필요한 실내 토폴로지 데이터를 국제 표준인 IndoorGML 형식에 맞춰 생성하는 방법을 제안하도록 한다. 본 연구에서는 영상으로부터 IndoorGML 데이터 생성을 위해 1)IndoorGML 기본 개념의 영상 적용을 위한 고려사항 분석, 2)IndoorGML 데이터 생성을 위해 필수 정의 요소인 ‘공간’을 대표하는 객체 식별 방법 제시, 3)공간 사이의 연결성을 정의로 구분하여 IndoorGML 데이터 생성 방법을 제안한다. 제안한 방법은 서울시립대학교 21세기관 6층을 대상으로 적용되어 IndoorGML 데이터를 생성하도록 한다. 본 연구는 향후 IndoorGML을 기반으로 개발되는 다양한 실내공간정보 서비스에 토폴로지 데이터를 생성하는 한 가지 유형의 방법을 제시한다는 점에서 의의가 있다.
As the need of indoor spatial information has grown, many applications have been developed. Nevertheless, the major representations of indoor spatial information are on the 2D or 3D, recently, the service based on omni-directional image has increased. Current service based on omni-directional image ...
As the need of indoor spatial information has grown, many applications have been developed. Nevertheless, the major representations of indoor spatial information are on the 2D or 3D, recently, the service based on omni-directional image has increased. Current service based on omni-directional image is used just for viewer. To provide various applications which can serve the identifying the attribute of indoor space, query based services and so on, topological data which can define the spatial relationships between spaces is required. For developing diverse applications based on omni-directional image, this study proposes the method to generate IndoorGML data which is the international standard of indoor topological data model. The proposed method is consist of 3 step to generate IndoorGML data; 1) Analysis the core elements to adopt IndoorGML concept to image, 2) Propose the method to identify the element of ‘Space’ which is the core element of IndoorGML concept, 3) Define the connectivity of indoor spaces. The proposed method is implemented at the 6-floor of 21centurybuilding of the University of Seoul to generate IndoorGML data and the demo service is implemented based on the generated data. This study has the significance to propose a method to generate the indoor topological data for the indoor spatial information services based on the IndoorGML.
As the need of indoor spatial information has grown, many applications have been developed. Nevertheless, the major representations of indoor spatial information are on the 2D or 3D, recently, the service based on omni-directional image has increased. Current service based on omni-directional image is used just for viewer. To provide various applications which can serve the identifying the attribute of indoor space, query based services and so on, topological data which can define the spatial relationships between spaces is required. For developing diverse applications based on omni-directional image, this study proposes the method to generate IndoorGML data which is the international standard of indoor topological data model. The proposed method is consist of 3 step to generate IndoorGML data; 1) Analysis the core elements to adopt IndoorGML concept to image, 2) Propose the method to identify the element of ‘Space’ which is the core element of IndoorGML concept, 3) Define the connectivity of indoor spaces. The proposed method is implemented at the 6-floor of 21centurybuilding of the University of Seoul to generate IndoorGML data and the demo service is implemented based on the generated data. This study has the significance to propose a method to generate the indoor topological data for the indoor spatial information services based on the IndoorGML.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라 다양하게 진행되고 있다. 본 부분에서는 다양한 원천데이터로부터 IndoorGML과 동일한 그래프 혹은 네트워크 형태의 토폴로지 데이터 생성에 관하여 수행된 연구들을 살펴보도록 한다.
본 부분에서는 선행 단계에서 식별한 General Space와 Transition Space의 대표 객체들 간의 관계성을 표현함으로써 IndoorGML 데이터를 생성하기 위한 단계이다. 본 연구에서 생성하는 IndoorGML 데이터는 2가지 유형의 공간 관계를 표현할 수 있다.
본 연구는 실내공간에 대한 토폴로지 데이터 모델 표준인 IndoorGML의 개념을 반영한 데이터를 생성하는 한 가지 유형의 방법을 제시하였다는 점에서 의미가 있다. 또한, 현재 뷰어 서비스 수준에 머무르고 있는 전방위 영상 기반 서비스를 다양화함에 있어 반드시 필요한 토폴로지 데이터를 영상으로부터 직접 생성할 수 있는 방법을 제시하였다는 점에서도 의의가 있다.
본 연구에서는 Transition Space와 General Space 를 식별하여 실내공간 내 토폴로지 데이터를 생성하기 때문에, 두 공간을 식별하는 방법에 대해 각각 살펴보도록 한다.
Image Segmentation을 통해 영상을 간략화 시켜 조금 더 의미 있고 쉬운 영상 분석을 수행하도록 한다. 본 연구에서는 색상 기반의 Image Segmentation 기법을 활용하여 영상 내에서 출 입문객체가 존재하는 영역을 도출하여 출입문에 대한 참조 영역 (Reference Area)로 활용하고자 한다. 본 연구에서는 영상 내에서 출입문의 색상 정보를 파악할 수 있는 일부 영역을 정의하여 이 영역으로부터 출입문의 색상 정보를 파악하여 이와 유사한 픽셀 값을 갖는 영역을 영상으로부터 도출한다.
본 연구에서는 색상 기반의 Image Segmentation 기법을 활용하여 영상 내에서 출 입문객체가 존재하는 영역을 도출하여 출입문에 대한 참조 영역 (Reference Area)로 활용하고자 한다. 본 연구에서는 영상 내에서 출입문의 색상 정보를 파악할 수 있는 일부 영역을 정의하여 이 영역으로부터 출입문의 색상 정보를 파악하여 이와 유사한 픽셀 값을 갖는 영역을 영상으로부터 도출한다.
본 연구에서는 현재 단순 뷰어 형태로만 제공되는 전방위 영상 기반의 실내공간정보 서비스의 한계점을 극복함에 있어 필요한 실내 토폴로지 데이터를 IndoorGML 형태로 생성하는 방법에 대해 제안하였다. 특히, 전방위 영상 기반 서비스에 활용됨에 있어 기존 방법들을 그대로 사용하면 추가데이터나 프로세스가 필요하기 때문에 본 연구에서는 영상으로부터 직접 IndoorGML 데이터를 생성하는 방법에 대해 제안하였다.
이와 같이 영상에서 공간을 식별하여 공간간의 관계성을 IndoorGML 형태로 표현하기 위해서는 영상으로부터 출입문 객체를 식별할 수 있어야 하며, 식별된 출입문 객체와 촬영 지점간의 연결을 통해 연결성을 표현할 수 있는 추가적인 프로세스가 정립되어야 한다. 이에 따라, 본 논문에서는 영상으로부터 영상처리기법을 적용하여 본 부분에서 도출한 공간 대표 객체를 식별하고, 식별된 공간 대표 객체와 영상 촬영 지점 객체를 통해 실내 토폴로지 데이터를 생성하는 방법을 체계적으로 제시하도록 한다.
이와 같이 현재 전방위 영상 기반 실내공간정보 서비스가 단순 뷰어 서비스에서 벗어나 질의 가능 서비스로 확장하지 못하고 있는 이유는 서비스를 위해 필요한 토폴로지 데이터의 부재 때문이다. 이에 따라, 본 연구에서는 다양한 실내공간정보 서비스를 위해 필요한 실내 토폴로지 데이터를 영상으로부터 구현하는 방법에 대해 제시하며, 국제 표준으로 제정된 OGC IndoorGML을 기반한 데이터 구현 방법을 제안하도록 한다.
방법에 대해 제안하였다. 특히, 전방위 영상 기반 서비스에 활용됨에 있어 기존 방법들을 그대로 사용하면 추가데이터나 프로세스가 필요하기 때문에 본 연구에서는 영상으로부터 직접 IndoorGML 데이터를 생성하는 방법에 대해 제안하였다.
제안 방법
IndoorGML 데이터를 생성하기 위한 세부 실험 과정은 영상 촬영 및 정합, IndoorGML 공간 요소 식별 및 노드 변환, 공간 연결성 표현 및 IndoorGML 데이터 생성 순으로 진행하였다. 실험을 위한 첫 번째 단계에서는 영상 촬영과 촬영한 영상을 전방위 영상으로 정합하는 과정을 수행한다.
단계이다. Transition Space를 대표하는 노드는 영상 촬영 지점의 정보를 통해 수집된 X, Y 좌표를 기반으로 하여 노드를 생성하도록 하였다. 본 실험에서 선점한 영상 촬영 지점은 총 22개 지점으로, Transition Space를 대표하는 노드도 22개로 생성되었다.
영상 촬영 지점은 복도를 기준으로 출입문이 있는 지점, 코너 지점, 넓은 공간이 있는 지점 등의 선점 조건을 통해 정의하였다. 각 영상 촬영 지점에서는 촬영장비를 통해 1회전 시 60°씩 나누어 6장의 사진을 촬영하도록 한다. 촬영하는 사진은 이후 수행되는 전방위 영상 제작을 위한 영상 정합을 위해 일정 부분이 서로 겹치도록 촬영한다.
이러한 연결성은 영상 촬영 지점들 간을 연결하는 엣지를 생성함으로써 표현할 수 있다. 두 번째는 Transition Space와 General Space간의 연결성을 표현하는 것으로써, 본 연구에서는 전방위 영상을 통해 생성된 출입문 객체의 노드와 영상 촬영 지점의 노드를 연결하는 엣지를 생성함으로써 관계성을 표현할 수 있다.
이에 따라, 동일한 출입문 객체도 여러 영상에서 중복적으로 식별될 수 있다. 따라서 본연구에서 제안하는 실내 토폴로지 데이터 생성 방법은 하나의 출입문 객체의 노드가 다수의 영상 촬영 지점의 노드와 연결 될 수 있다.
본 실험에서 선점한 영상 촬영 지점은 총 22개 지점으로, Transition Space를 대표하는 노드도 22개로 생성되었다. 또한 General Space를 대표하는 출입문 객체의 노드 생성을 위해 Fig. 9와 같이 영상 처리 기법이 적용 되었으며, 이를 통해 추출한 출입문 객체 영역은 ArcGIS 10.3의 Raster to Point 기능을 적용하여 노드로 변환하였다.
본 실험에서 이러한 알고리즘을 적용하기 위해 사용한 소프트웨어인 ImageJ는 세부 알고리즘에 대한 코드를 공개한 오픈소스 형태의 소프트웨어이며, 본 실험에서는 각 알고리즘 별로 공개된 코드를 기반으로 제안한 방법을 적용하였다. 마지막으로 Transition Space와 General Space의 노드를 통해 2가지 연결성을 표현하여 IndoorGML 데이터를 생성하도록 한다. 노드 사이의 연결성은 라인형태의 엣지로 표현됨에 따라 ArcGIS 10.
또한, 영상에서 출입문의 참조 영역을 생성하기 위해 사용한 Image Segmentation 기법으로 SIOX(Simple Interactive Object Extract) 알고리즘을 적용하였다. 본 실험에서 이러한 알고리즘을 적용하기 위해 사용한 소프트웨어인 ImageJ는 세부 알고리즘에 대한 코드를 공개한 오픈소스 형태의 소프트웨어이며, 본 실험에서는 각 알고리즘 별로 공개된 코드를 기반으로 제안한 방법을 적용하였다. 마지막으로 Transition Space와 General Space의 노드를 통해 2가지 연결성을 표현하여 IndoorGML 데이터를 생성하도록 한다.
8과 같이 미리 선점한 22개의 영상 촬영 지점에서 수행되었다. 영상 촬영 지점은 복도를 기준으로 출입문이 있는 지점, 코너 지점, 넓은 공간이 있는 지점 등의 선점 조건을 통해 정의하였다. 각 영상 촬영 지점에서는 촬영장비를 통해 1회전 시 60°씩 나누어 6장의 사진을 촬영하도록 한다.
Edge Detection 의 결과와 Image Segmentation을 통해 도출된 출입문의 참조 영역의 결과를 중첩시켜 최대 영역으로 중첩되는 부분을 추출한 것을 의미하며, 추출된 객체는 출입문 객체임을 확인할 수 있다. 이러한 출입문 객체를 네트워크 형태의 실내 토폴로지 데이터로 활용하기 위해 점형 객체로 변환하는 ‘Feature to Point’와 같은 기능을 통해 노드 형태로 출입문 객체를 일반화하도록 한다.
3을 사용하였다. 이를 통해 실험대상지의 IndoorGML 데이터를 생성하도록 하였다.
이어지는 부분에서는 ‘IndoorGML 공간 요소 식별 단계’와 ‘IndoorGML 공간 연결성 생성 단계’에 대한 세부 방법을 기술함으로써 본 연구에서 제안하는 방법을 구체적으로 제시하도록 한다.
수행한다. 이에 따라, 본 연구에서 제안하는 방법에서는 본격적인 영상 처리 기법 단계 전에 영상 필터 기법을 기반 한 전처리 과정을 수행하여 향후 제안 방법 프로세스를 진행하도록 한다.
출입문 객체 식별을 위한 첫 번째 단계는 전처리 단계로써, 향후 진행되는 영상 내 객체 식별이 용이하도록 입력데이터에 영상 필터 기법을 적용하여 영상에 존재하는 노이즈를 제거하고, 같은 객체의 색상이라도 촬영 시간, 조명 등의 촬영 환경에 따라 발생할 수 있는 색상 차이를 최소화시키기 위해 색상보정을 수행한다. 이에 따라, 본 연구에서 제안하는 방법에서는 본격적인 영상 처리 기법 단계 전에 영상 필터 기법을 기반 한 전처리 과정을 수행하여 향후 제안 방법 프로세스를 진행하도록 한다.
노드를 생성하도록 한다. 출입문 객체를 식별하기 위해 제안되는 방법에서는 출입문 갖는 고유한 색상정보를 활용하도록 한다. 이를 위한 세부 프로세스는 Fig.
대상 데이터
Transition Space를 대표하는 노드는 영상 촬영 지점의 정보를 통해 수집된 X, Y 좌표를 기반으로 하여 노드를 생성하도록 하였다. 본 실험에서 선점한 영상 촬영 지점은 총 22개 지점으로, Transition Space를 대표하는 노드도 22개로 생성되었다. 또한 General Space를 대표하는 출입문 객체의 노드 생성을 위해 Fig.
본 연구에서 제안한 IndoorGML 데이터 생성 방법을 적용하기 위한 실험대상지는 서울시립대학교 21세기관으로 선정하였다. 21세기관은 지하 1층, 지상 7층으로 구성된 건물로써, 강의실, 대학원 연구실, 교수 연구실 등이 건물 내부에 존재한다.
실험을 위한 첫 번째 단계에서는 영상 촬영과 촬영한 영상을 전방위 영상으로 정합하는 과정을 수행한다. 실험대상지에 대한 영상 촬영은 Fig. 8과 같이 미리 선점한 22개의 영상 촬영 지점에서 수행되었다. 영상 촬영 지점은 복도를 기준으로 출입문이 있는 지점, 코너 지점, 넓은 공간이 있는 지점 등의 선점 조건을 통해 정의하였다.
21세기관은 지하 1층, 지상 7층으로 구성된 건물로써, 강의실, 대학원 연구실, 교수 연구실 등이 건물 내부에 존재한다. 이 중, 6층을 대상으로 향후 데이터 구축 및 데모 서비스 구현을 진행하였다. 본 연구의 실험에서는 실험대상지에 대한 IndoorGML 데이터 생성을 위해 Table 2와 같은 환경에서 진행하였다.
이론/모형
적용하였다. 또한, 영상에서 출입문의 참조 영역을 생성하기 위해 사용한 Image Segmentation 기법으로 SIOX(Simple Interactive Object Extract) 알고리즘을 적용하였다. 본 실험에서 이러한 알고리즘을 적용하기 위해 사용한 소프트웨어인 ImageJ는 세부 알고리즘에 대한 코드를 공개한 오픈소스 형태의 소프트웨어이며, 본 실험에서는 각 알고리즘 별로 공개된 코드를 기반으로 제안한 방법을 적용하였다.
이에 따라, 영상 내 존재하는 객체를 추출하거나 식별할 때 활용될 수 있다. 본 연구에서는 영상 내공 간을 대표하는 출입문을 식별하기 위해 Edge Detection을 적용하도록 한다.
영상 촬영을 위한 장비는 어안렌즈와 DSLR 카메라, 회전식 로테이터를 포함하고 있으며, 촬영한 영상을 전방위 영상으로 정합하기 위한 소프트웨어는 PTGui 10.0.12를 사용하였다. 영상으로부터 General Space를 대표하는 출입문 객체를 식별하기 위한 영상 처리 소프트웨어로 자바 기반의 오픈소스 프로그램인 ImageJ를 사용하였으며, 각 대표 객체의 노드변환 및 연결성 표현을 위한 엣지 생성 등의 벡터 관련 작업을 위해 ESRI사의 ArcGIS 10.
12를 사용하였다. 영상으로부터 General Space를 대표하는 출입문 객체를 식별하기 위한 영상 처리 소프트웨어로 자바 기반의 오픈소스 프로그램인 ImageJ를 사용하였으며, 각 대표 객체의 노드변환 및 연결성 표현을 위한 엣지 생성 등의 벡터 관련 작업을 위해 ESRI사의 ArcGIS 10.3을 사용하였다. 이를 통해 실험대상지의 IndoorGML 데이터를 생성하도록 하였다.
영상으로부터 출입문 객체를 식별하기 위해 적용된 세부영상 처리 기법 알고리즘은 영상 전처리를 위한 영상 필터링의 경우 Fast Median Filter를 적용하였고, 영상의 엣지 검출을 위한 Edge Detection 단계에서는 Canny Edge Detection 알고리즘을 적용하였다. 또한, 영상에서 출입문의 참조 영역을 생성하기 위해 사용한 Image Segmentation 기법으로 SIOX(Simple Interactive Object Extract) 알고리즘을 적용하였다.
성능/효과
2) Transition Space와 같이 General Space사이를 연결하는 공간은 대부분 복도를 의미하며, 영상 촬영은 이러한 복도를 따라 수행되기 때문에 각 영상 촬영 지점이 복도와 같은 Transition Space를 대표할 수 있다.
3) 영상에서 공간 간의 연결성은 General Space를 대표하는 출입문 객체와 영상 촬영 지점을 연결하여 General Space와 Transition Space사이의 연결성을 정의 할 수 있으며, 서로 다른 영상 촬영 지점을 연결함으로써 Transition Space들 사이의 연결성을 정의할 수 있다.
본 연구에서 정의한 최대영역으로 중첩되는 부분의 추출이라 함은, Edge Detection의 결과 중 출입문의 참조 영역과의 중첩 영역이 최대인 객체를 추출하는 것을 의미한다. Edge Detection 의 결과와 Image Segmentation을 통해 도출된 출입문의 참조 영역의 결과를 중첩시켜 최대 영역으로 중첩되는 부분을 추출한 것을 의미하며, 추출된 객체는 출입문 객체임을 확인할 수 있다. 이러한 출입문 객체를 네트워크 형태의 실내 토폴로지 데이터로 활용하기 위해 점형 객체로 변환하는 ‘Feature to Point’와 같은 기능을 통해 노드 형태로 출입문 객체를 일반화하도록 한다.
또한 IFC 기반의 알고리즘을 통해 3차원 공간상에 존재하는 객체들 간의 토폴로지 관계성을 자동 생성하는 방법에 관한 연구도 수행되었다(Khalili and Chua, 2015). 본 연구를 통해 생성된 토폴로지 데이터는 가중 그래프 이론을 반영한 형태로 생성되며, 연결, 포함, 분리, 교차 등의 관계성을 생성된 데이터로부터 확인할 수 있었다. 또한 응급상황 발생 시 생성된 토폴로지 데이터로 연결성을 확인하여 대피를 위한 최적 경로를 도출하는 상황에 활용됨을 증명하기도 하였다.
또한, 현재 뷰어 서비스 수준에 머무르고 있는 전방위 영상 기반 서비스를 다양화함에 있어 반드시 필요한 토폴로지 데이터를 영상으로부터 직접 생성할 수 있는 방법을 제시하였다는 점에서도 의의가 있다. 이러한 방법은 다른 방법에 비해 더 간략한 토폴로지 데이터를 생성하기는 하지만 영상 기반의 실내공간정보 서비스를 구현함에 있어 문제가 없으며, 다른 방법을 구현함에 있어 필요한 실내공간의 참조데이터를 구비하고 있지 않더라도 본 연구의 방법은 적용 가능하다는 점에서 다른 실내 토폴로지 데이터 생성 방법과 비교했을 때 향상된 방법을 제안하였다고 할 수 있다.
후속연구
한다. 또한 서비스적인 측면에서 본 연구에서 구현한 속성검색 및 질의 가능 서비스 이외에 더 다양한 전방위 영상과 IndoorGML 데이터와의 융합 활용에 관한 사례 개발이 필요할 것으로 보인다.
향후 본 연구가 더 많은 유형의 실내공간을 대상으로 적용되기 위해서는, 데이터 생성 시 활용한 출입문의 색상 이외에 공간을 더 효율적으로 식별할 수 있는 요소에 대한 정의가 필요하며, 영상 처리 기법 활용 시 공간 대표요소를 더 잘 식별할 수 있는 개선된 알고리즘과 자동화된 프로세스를 적용해야 한다. 또한 서비스적인 측면에서 본 연구에서 구현한 속성검색 및 질의 가능 서비스 이외에 더 다양한 전방위 영상과 IndoorGML 데이터와의 융합 활용에 관한 사례 개발이 필요할 것으로 보인다.
참고문헌 (16)
Ah-Soon, C. and Tombre, K. (2001), Architectural symbol recognition using a network of constraints, Pattern Recognition Letters, Vol. 22, No. 2, pp. 231-248.
Dosch, P., Tombre, K., Ah-Soon, C., and Masini, Ga. (2000), A complete system for the analysis of architectural drawings, International Journal on Document Analysis and Recognition, Vol. 3, No. 2, pp. 102-116.
Hwang, J.R., Kang, T.W., and Hong, C.H. (2012), A study on the correlation analysis between IFC and CityGML for efficient utilization of construction data and GIS data, Journal of Korean Spatial Information Society, Vol. 20, No. 5, pp. 49-56. (in Korean with English abstract)
Jeong, S.K. and Ban Y.U. (2011), Developing a topological information extraction model for space syntax analysis, Building and Environment, Vol. 46, pp. 2442-2453.
Kang, H. and Lee, J. (2014), A study on the LOD model for applications based on indoor space data, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 32, No. 2, pp. 143-151. (in Korean with English abstract)
Khalili, A. and Chua, D.K.H. (2015), IFC-based graph data model for topological queries on building elements, Journal of Computing in Civil Engineering, Vol. 29, No. 3, pp. 1-14.
Lee, J., Li, K.J., Zlatanovam S., Kolbe, T.H., Nagel, C., and Becker, T. (2014), IndoorGML v.1.0., Open Geospatial Consortium.
Li, K.J. and Lee, J. (2013), Basic concepts of indoor spatial information candidate standard IndoorGML and its applications, Journal of Korean Spatial Information Society, Vol. 21, No. 3, pp. 1-10. (in Korean with English abstract)
Lladós, J, López-Krahe, J., and Martí, E. (1997), A system to understand hand-drawn floor plans using subgraph isomorphism and Hough transform, Machine Vision and Applications, Vol. 10, No. 3, pp. 150-158.
Oh, C.W. (2010), A study on integration strategy between GIS and BIM, The Korean Association of Professional Geographers, Vol. 44, No. 3, pp. 443-453. (in Korean with English abstract)
Oh, S. and Lee, I. (2012), Georeferencing of indoor omni-directional images acquired by a rotating line camera, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 30, No. 2, pp. 211-221. (in Korean with English abstract)
Ryu, H.G., Kim, T., and Li, K.J. (2014), Indoor navigation map for visually impaired people, Proceedings of Indoor Spatial Awareness (ISA) 2014, pp. 32-35.
Schafer, M., Knapp, C., and Chakraborty, S. (2011), Automatic generation of topological indoor maps for real-Time map-based localization and tracking, Proceedings of Indoor Positioning and Indoor Navigation(IPIN) 2011.
Shin, H. and Cha, H. (2010), Wi-fi fingerprint-based topological map building for indoor user tracking, Proceedings of 2010 IEEE 16th International Conference on, pp. 105-113.
Taneja, S., Akinci, B., Garrett, J. H., Soibelman, L., and East, B. (2011), Transforming an IFC-based building layout information into a geometric topology network for indoor navigation assistance, Proceedings of Computing in Civil Engineering 2011, pp. 315-322.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.