[논문]MMS LiDAR 자료를 이용한 도로 주변 3차원 객체 추출

정윤재

doi:10.11108/kagis.2017.20.1.152

MMS LiDAR 자료를 이용한 도로 주변 3차원 객체 추출
Extraction of 3D Objects Around Roads Using MMS LiDAR Data 원문보기

한국지리정보학회지 = Journal of the Korean Association of Geographic Information Studies, v.20 no.1, 2017년, pp.152 - 161

초록
AI-Helper

모바일 매핑 시스템(Mobile Mapping System: MMS) 센서를 이용한 3차원 정밀지도의 구축은 자율주행 자동차 개발에 필요한 기술이다. 본 논문은 MMS LiDAR(Light Detection And Ranging) 센서를 이용하여 획득한 점군자료를 이용하여 도로주변의 3차원 객체 추출에 관한 연구를 수행하였다. 우선, MMS LiDAR 점군자료 이용하여 수치표면모형(DSM: Digital Surface Model)을 제작하고, 생성된 DSM을 기반으로 경사도 지도를 제작하였다. 추출된 경사도 정보를 이용하여 도로주변의 3차원 객체를 식별하였고, 모폴로지 필터링 기법을 이용하여 도로주변의 3차원 객체 중 총 97%의 객체를 추출하였다. 본 연구는 MMS 센서를 이용하여 획득한 공간정보자료를 기반으로 도로 주변의 3차원 객체를 추출함으로써 최근 주목받고 있는 자율주행기술의 활용성에 관한 방안을 제시하였다는데 의의가 있다.

Abstract ▼ AI-Helper

Making precise 3D maps using Mobile Mapping System (MMS) sensors are essential for the development of self-driving cars. This paper conducts research on the extraction of 3D objects around the roads using the point cloud acquired by the MMS Light Detection and Ranging (LiDAR) sensor through the following steps. First, the digital surface model (DSM) is generated using MMS LiDAR data, and then the slope map is generated from the DSM. Next, the 3D objects around the roads are identified using the slope information. Finally, 97% of the 3D objects around the roads are extracted using the morphological filtering technique. This research contributes a plan for the application of automated driving technology by extracting the 3D objects around the roads using spatial information data acquired by the MMS sensor.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 MMS 센서를 이용하여 취득한 LiDAR 자료를 이용하여 수직 형태를 가진 도 로주변의 다양한 3차원 객체 추출에 관한 연구를 다음과 같이 수행하였다. 우선 MMS LiDAR 센서를 이용하여 획득한 점군자료를 이용하여 3차원 수치표면모형(DSM: Digital Surface Model)을 제작하였다.
본 연구에서는 MMS LiDAR 자료를 이용하여 제작한 DSM을 기반으로 도로 주변의 3차원 객체를 식별하기 위해 DSM에서 추출한 경사도 정보를 이용하였다. 우선, ArcMap 10.
본 연구에서는 MMS LiDAR 점군자료를 기반으로 균일한 크기의 픽셀로 구성된 3차원 지형모델을 제작하기 위해서 공간보간법을 이용하여 수치표면모형(DSM)을 제작하였다. 공간 보간법은 기존에 관측된 특정 지점의 속성값을 이용하여 관측되지 않은 지점의 속성값을 찾아 내는 방법을 의미하며 계산 방식에 따라 선형 보간법, IDW(Inverse Distance Weight) 보간 법, Spline 보간법, Kriging 보간법 등이 있다 (Lee et al.
MMS에 탑재된 센서를 이용하여 취득한 공간 정보자료는 항공 LiDAR, 항공사진, 위성영상 등 기존의 공간정보자료에 비해서 정밀도가 월등히 높다는 특징으로 인해 고정밀지도가 필요 한 자율주행차 뿐만 아니라 최근에는 도로 시설 물 관리 및 데이터베이스 구축, 토공량 계산 등 다양한 분야에 활용되고 있다. 본 연구에서는 MMS LiDAR 점군자료를 이용하여 도로주변에 위치한 수직 형태의 3차원 객체(가로등, 가로수 및 교통 표지판) 추출에 관한 연구를 진행하였다. 본 연구에서 제시한 방법을 이용하여 MMS LiDAR 자료를 기반으로 도로주변의 3차원 객체를 추출한 결과, 연구대상 지역 도로 주변에 위치한 125개의 3차원 객체 중 121개의 객체가추출되어 총 97%의 객체가 추출되었다.

제안 방법

우선 MMS LiDAR 센서를 이용하여 획득한 점군자료를 이용하여 3차원 수치표면모형(DSM: Digital Surface Model)을 제작하였다. 그리고 생성된 DSM을 기반으로 경사도 지도(Slope map)을 제작하였고, 경사도 지도에서 추출한 경사도 정보(Slope information)를 이용하여 도로주변의 3차원 객체를 식별하였다. 최종적으로 모폴로지 필터링 기법을 이용 하여 도로주변의 3차원 객체를 추출하였다.
모폴로지 필터링을 적용하여 객체의 형태를 유지시키고 내부의 에러 픽셀들을 제거한 후, 최종 적으로 도로 주변의 3차원 객체를 선택하였다. 본 연구에서는 도로 주변의 3차원 객체를 도로표 지판, 가로등 및 가로수로 정의하였으며, 추후 연 구에서 건물 등 더욱 다양한 객체들을 추출할 필 요가 있다.
그림 5의 이진화 영상에서 식별한 가로수 등 3차원 객체 표면의 불균일성으로 인해 객체를 구성하는 일부 픽셀의 속성값이 80이하인 경우가발생하고, 이는 완전한 형태의 객체를 추출 하는데 장애가 된다. 본 연구에서는 이러한 문제점들을 최대한 제거하기 위해 모폴로지 필터링 (Morphological filtering) 기법을 이용하여 이진화 영상에서 식별한 3차원 객체의 형태는 최대한 유지하면서 객체 내부의 에러 픽셀들을 제거하였다. 모폴로지 필터링은 영상에서 특정 객체의 표현 및 묘사를 위해 필요한 경계선 및 골격 등 영상 성분을 추출하는 기법으로서, 입력영상과 구조 요소간의 합집합 또는 교집합 연산에 의해 서 정의된다(Gonzalez et al.
Choung(2014)은 지표면으로부터 경사가 가파른 선형 객체를 LiDAR 점군자료로부터 추출하기 위해 직선 보간 방식 기반의 선형 보간법을 이용하였다. 본 연구에서도 편평한 도로지역에서 경사가 가파른 선형 객체를 추출하기 위해 선형 보간법을 이용하여 MMS LiDAR 자료를 기반으로 DSM을 제작하였다. 표 1에서 보는 바와 같이, 주어진 MMS LiDAR 자료의 점밀도는 7cm 이므로, 생성된 DSM을 구성하는 픽셀이 최소 하나 이상의 LiDAR 점군자료를 포함할 수 있도록 DSM 의 공간 해상도를 10cm으로 설정하였다.
본 논문에서는 MMS 센서를 이용하여 취득한 LiDAR 자료를 이용하여 수직 형태를 가진 도 로주변의 다양한 3차원 객체 추출에 관한 연구를 다음과 같이 수행하였다. 우선 MMS LiDAR 센서를 이용하여 획득한 점군자료를 이용하여 3차원 수치표면모형(DSM: Digital Surface Model)을 제작하였다. 그리고 생성된 DSM을 기반으로 경사도 지도(Slope map)을 제작하였고, 경사도 지도에서 추출한 경사도 정보(Slope information)를 이용하여 도로주변의 3차원 객체를 식별하였다.
본 연구에서는 MMS LiDAR 자료를 이용하여 제작한 DSM을 기반으로 도로 주변의 3차원 객체를 식별하기 위해 DSM에서 추출한 경사도 정보를 이용하였다. 우선, ArcMap 10.1 소프트웨어의 Spatial Analyst 기능을 이용하여 DSM을 기반으로 경사도 지도를 제작하였다. 그림 4 에서 보는 바와 같이, 경사도 지도에서 도로 주변의 다양한 객체 중 가로등(Streetlight) 또는 도로 표지판 등은 도로를 기준으로 가로형태의 선형 객체로 표현되고, 가로수(Streettree)는 불균일한 원형 객체로 표현된다.
첫재, 본 연구에서는 MMS LiDAR 센서만을 이용하여 취득한 자료를 이용하여 도로주변의 3차원 객체를 추출하였다. 일반적으로 LiDAR 점군 자료는 지표면의 3차원 정보를 획득할 수 있다는 장점이 있으나 점군자료의 특성으로 인 해 영상에 존재하는 객체의 정밀한 형태를 묘 사하는데 한계가 있다(Choung, 2014).
그리고 생성된 DSM을 기반으로 경사도 지도(Slope map)을 제작하였고, 경사도 지도에서 추출한 경사도 정보(Slope information)를 이용하여 도로주변의 3차원 객체를 식별하였다. 최종적으로 모폴로지 필터링 기법을 이용 하여 도로주변의 3차원 객체를 추출하였다.
본 연구에서도 편평한 도로지역에서 경사가 가파른 선형 객체를 추출하기 위해 선형 보간법을 이용하여 MMS LiDAR 자료를 기반으로 DSM을 제작하였다. 표 1에서 보는 바와 같이, 주어진 MMS LiDAR 자료의 점밀도는 7cm 이므로, 생성된 DSM을 구성하는 픽셀이 최소 하나 이상의 LiDAR 점군자료를 포함할 수 있도록 DSM 의 공간 해상도를 10cm으로 설정하였다. 그림 3은 선형 보간법을 이용하여 MMS LiDAR 점군자료를 기반으로 제작된 DSM을 보여준다.

대상 데이터

본 연구에서는 대구광역시 달성군 테크노폴리스로 일부구간(길이:800m)을 주행하면서 획득한 MMS LiDAR 자료를 이용하였다(그림 2). 그림 2에서 보는 바와 같이, 연구대상 지역으로 선정 된 테크노폴리스로 주변에는 가로등(그림 2의 빨간 상자 안에 위치) 및 가로수(그림 2의 파란 상자 안에 위치) 등 다양한 3차원 객체들이 위치하고 있다.
표 2에서 보는 바와 같이, 연구대상지역으로 선정된 대구광역시 달성군 테크노폴리스로 800 m 구간의 주변은 총 125개의 3차원 객체(가로 수, 교통 표지판 및 가로등)가 존재한다. 본 연구에서 제시한 방법을 적용한 결과 121개의 객 체가 추출되어, 총 97%의 객체가 추출되었다.

성능/효과

본 연구에서는 MMS LiDAR 점군자료를 이용하여 도로주변에 위치한 수직 형태의 3차원 객체(가로등, 가로수 및 교통 표지판) 추출에 관한 연구를 진행하였다. 본 연구에서 제시한 방법을 이용하여 MMS LiDAR 자료를 기반으로 도로주변의 3차원 객체를 추출한 결과, 연구대상 지역 도로 주변에 위치한 125개의 3차원 객체 중 121개의 객체가추출되어 총 97%의 객체가 추출되었다.
표 2에서 보는 바와 같이, 연구대상지역으로 선정된 대구광역시 달성군 테크노폴리스로 800 m 구간의 주변은 총 125개의 3차원 객체(가로 수, 교통 표지판 및 가로등)가 존재한다. 본 연구에서 제시한 방법을 적용한 결과 121개의 객 체가 추출되어, 총 97%의 객체가 추출되었다. 추출되지 않은 객체의 예시는 아래와 같다.
셋째, MMS 자료는 차량, 드론 등에 탑재된 카메라, LiDAR 센서를 이용하여 높은 정밀도와 정확도를 가진 공간정보자료를 실시간으로 제공 한다는 장점으로 인해 산림, 해양, 하천지역 등 현장답사가 힘든 지역의 공간정보자료를 획득할 수 있다는 장점이 있다. 그러므로 추후 연구에 서는 해양지역 등에 위치한 다양한 3차원 객체를 추출하는 연구를 수행할 필요가 있다.

후속연구

둘째, 그림 4에서 보는 바와 같이, 도로주변에는 가로등, 가로수 및 교통 표지판 등 다양한 형태의 3차원 객체가 존재하며, 각 개체의 높이 및 형태 또한 서로 구별된다. 그러나 본 연구에서 제시한 방법을 통해서는 서로 다른 높이 및 형태 의 객체를 구분하는데 한계가 있다. 그러므로 추 후 연구에서는 객체의 크기 및 높이 등 다양한 인자들을 파라미터로 설정하여 다양한 형태의 객 체를 추출하는 기술을 개발할 필요가 있다.
그러나 본 연구에서 제시한 방법을 통해서는 서로 다른 높이 및 형태 의 객체를 구분하는데 한계가 있다. 그러므로 추 후 연구에서는 객체의 크기 및 높이 등 다양한 인자들을 파라미터로 설정하여 다양한 형태의 객 체를 추출하는 기술을 개발할 필요가 있다.
셋째, MMS 자료는 차량, 드론 등에 탑재된 카메라, LiDAR 센서를 이용하여 높은 정밀도와 정확도를 가진 공간정보자료를 실시간으로 제공 한다는 장점으로 인해 산림, 해양, 하천지역 등 현장답사가 힘든 지역의 공간정보자료를 획득할 수 있다는 장점이 있다. 그러므로 추후 연구에 서는 해양지역 등에 위치한 다양한 3차원 객체를 추출하는 연구를 수행할 필요가 있다.
일반적으로 LiDAR 점군 자료는 지표면의 3차원 정보를 획득할 수 있다는 장점이 있으나 점군자료의 특성으로 인 해 영상에 존재하는 객체의 정밀한 형태를 묘 사하는데 한계가 있다(Choung, 2014). 따라서 추후 연구에서는 MMS 영상자료를 융합하여 객체의 형태 및 외곽선을 더욱 정밀하게 묘사 할 필요가 있다.
본 연구는 MMS LiDAR 점군자료를 이용하여 도로 주변의 3차원 객체를 추출할 수 있는 자동화 기술을 개발하였다는데 의의가 있으나, 아래와 같은 다양한 한계점이 존재하며 이를 보완하기 위한 추후 연구 또한 필요하다.
모폴로지 필터링을 적용하여 객체의 형태를 유지시키고 내부의 에러 픽셀들을 제거한 후, 최종 적으로 도로 주변의 3차원 객체를 선택하였다. 본 연구에서는 도로 주변의 3차원 객체를 도로표 지판, 가로등 및 가로수로 정의하였으며, 추후 연 구에서 건물 등 더욱 다양한 객체들을 추출할 필 요가 있다. 이진화 영상으로부터 추출된 도로주변의 3차원 객체는 그림 7에서 확인할 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	자율 주행차는 일반적으로 어떻게 정의하는가?	자율주행기술은 출발지부터 목적지까지의 경로를 주행하는 상황에서 부분 자동화 또는 완전 자율주행이 가능한 시스템을 의미하며, 이러한 자율주행기술이 탑재된 차량을 일반적으로 자율 주행차로 정의한다(HMG Journal, 2017). 자율 주행기술은 크게 인식, 판단 및 제어 분야의 기 술로 구성되며, 다양한 센서(카메라, 레이저, 초 음파 등)를 통해 상황을 인식하고, 제어시스템을 통해 상황에 대한 정보를 판단한 후, 가감속, 제동 등을 통해 차량을 적절하게 제어함으로써 이루어지는 시스템이다(HMG Journal, 2017).
	자율주행기술은 크게 어떠한 기술로 구성되어 있는가?	자율주행기술은 출발지부터 목적지까지의 경로를 주행하는 상황에서 부분 자동화 또는 완전 자율주행이 가능한 시스템을 의미하며, 이러한 자율주행기술이 탑재된 차량을 일반적으로 자율 주행차로 정의한다(HMG Journal, 2017). 자율 주행기술은 크게 인식, 판단 및 제어 분야의 기 술로 구성되며, 다양한 센서(카메라, 레이저, 초 음파 등)를 통해 상황을 인식하고, 제어시스템을 통해 상황에 대한 정보를 판단한 후, 가감속, 제동 등을 통해 차량을 적절하게 제어함으로써 이루어지는 시스템이다(HMG Journal, 2017).
	자율주행기술이란 무엇인가?	자율주행기술은 출발지부터 목적지까지의 경로를 주행하는 상황에서 부분 자동화 또는 완전 자율주행이 가능한 시스템을 의미하며, 이러한 자율주행기술이 탑재된 차량을 일반적으로 자율 주행차로 정의한다(HMG Journal, 2017). 자율 주행기술은 크게 인식, 판단 및 제어 분야의 기 술로 구성되며, 다양한 센서(카메라, 레이저, 초 음파 등)를 통해 상황을 인식하고, 제어시스템을 통해 상황에 대한 정보를 판단한 후, 가감속, 제동 등을 통해 차량을 적절하게 제어함으로써 이루어지는 시스템이다(HMG Journal, 2017).

참고문헌 (15)

ArcGIS for Desktop. 2017. How slope works. http://desktop.arcgis.com/en/arcmap/10.3/tools/spatial-analyst-toolbox/how-slope-works.htm(Accessed March 21, 2017).
Choung, Y.J. 2014. Mapping levees using lidar data and multispectral orthoimages in the Nakdong River Basins, South Korea. Remote Sensing 6(9):8696-8717.

상세보기
Choung, Y.J. 2015. A study on extraction of croplands located nearby coastal areas using high-resolution satellite imagery and lidar data. Journal of the Korean Association of Geographic Information Studies 18(1):170-181 (정윤재. 고해상도 위성영상과 LiDAR 자료를 활용한 해안지역에 인접한 농경지 추출에 관한 연구. 한국지리정보학회지 18(1):170-181).

원문보기 상세보기
Gonzalez, R.C., R.E. Woods, and S.L. Eddins. 2012. Digital image processing using matlab. 2nd Edition, Columbus, OH, McGraw-Hill Higher Education. p.827.
HMG Journal. 2017. Development of the automated driving technology. http://www.hmgjournal.com/MediaCenter/News/Press-Releases/hyundaikia-motor-skill-1601 05.blg (Accessed March 21, 2017).
Hyundai MnSOFT. 2017. Precise road map. http://blog.hyundai-mnsoft.com/841 (Accessed March 21, 2017).
Ishikawa, K., F. Tonomura, Y. Amano, and T. Hashizume. 2013. Recognition of road objects from 3d mobile mapping data. International Journal of CAD/CAM 13(2): 41-48.
Jwa, Y.S, G.H. Sohn, J.U. Won, W.C. Lee, and N.H. Song. 2015. Railway track extraction from mobile laser scanning data. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography 33(2):111-122 (좌윤석, 손건호, 원종운, 이원춘, 송낙현. 2015. 모바일 레이저 스캐닝 데이터로부터 철도 선로 추출에 관한 연구. 한국측량학회지 33(2):111-122).

원문보기 상세보기
Kim, I.S. 2012. Evaluation for applying low-cost mobile laser system to earth volume calculation at construction site. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography 30(6):539-547 (김인섭, 건설현장에서의 토공량산출을 위한 저가형 모바일 레이저시스템의 적용성 평가. 한국측량학회지 30(6):539-547).

원문보기 상세보기
Kim, M.G. and J.G. Sung. 2008. Application of mobile mapping system for effective road facility maintenance and management. 2008. Korean Journal of Remote Sensing 24(2):153-164 (김문기, 성정곤. 2008. 효율적인 도로 시설물 유지관리를 위한 모바일 매핑 시스템 활용에 관한 연구. 대한원격탐사학회지 24(2):153-164).
Lee, H.S. 2010. Comparison and evaluation of root mean square for parameter settings of spatial interpolation method. Journal of the Korean Association of Geographic Information Studies 13(3):29-41 (이형석. 2010. 공간보간법의 매개변수 설정에 따른 평균제곱근 비교 및 평가. 한국지리정보학회지 13(3):29-41).
Lee, G.S., D.K. Koh, and W.G. Kim. 2004. Efficient construction of topographic data for flood mapping using digital map. Journal of the Korean Association of Geographic Information Studies 7(1):52-61 (이근상, 고덕구, 김우구. 2004. 수치지형도를 활용한 홍수지도 제작용 지형자료의 효과적인 구축방법 연구. 한국지리정보학회지 7(1):52-61).
Mitsubishi Electric. 2017. Mobile mapping system-High accuracy GPS mobile measuring equipment. http://www.mitsubishielectric.com/bu/mms/lineup/index.html (Accessed March 21, 2017).
Pastucha, E. 2016. Catenary system detection, localization and classification using mobile scanning data. Remote Sensing 8(10):1-22.
Woo, H.S., K.S. Song, K.S. Kwon, B.G. Kim, and T.J. Hwang. 2011. Study on light-weight mobile mapping systems using high speed camera & MEMS IMU/GPS. Journal of Korea Spatial Information Society 19(4):73-79 (우희숙, 송기성, 권광석, 김병국, 황택진. 2011. 고속카메라와 MEMS IMU/G PS를 이용한 모바일매핑시스템 경량화 방안 연구. 한국공간정보학회지 19(4):73-79).

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