[논문]건설현장 적용을 위한 디지털맵 노이즈 제거 알고리즘 성능평가

박수열; 김석

doi:10.13161/kibim.2020.10.4.032

건설현장 적용을 위한 디지털맵 노이즈 제거 알고리즘 성능평가
Performance Evaluation of Denoising Algorithms for the 3D Construction Digital Map 원문보기

Journal of KIBIM = 한국BIM학회논문집, v.10 no.4, 2020년, pp.32 - 39

박수열 (한국교통대학교 철도융합시스템공학과) , 김석 (한국교통대학교 철도인프라시스템공학과)

Abstract ▼ AI-Helper

In recent years, the construction industry is getting bigger and more complex, so it is becoming difficult to acquire point cloud data for construction equipments and workers. Point cloud data is measured using a drone and MMS(Mobile Mapping System), and the collected point cloud data is used to create a 3D digital map. In particular, the construction site is located at outdoors and there are many irregular terrains, making it difficult to collect point cloud data. For these reasons, adopting a noise reduction algorithm suitable for the characteristics of the construction industry can affect the improvement of the analysis accuracy of digital maps. This is related to various environments and variables of the construction site. Therefore, this study reviewed and analyzed the existing research and techniques on the noise reduction algorithm. And based on the results of literature review, performance evaluation of major noise reduction algorithms was conducted for digital maps of construction sites. As a result of the performance evaluation in this study, the voxel grid algorithm showed relatively less execution time than the statistical outlier removal algorithm. In addition, analysis results in slope, space, and earth walls of the construction site digital map showed that the voxel grid algorithm was relatively superior to the statistical outlier removal algorithm and that the noise removal performance of voxel grid algorithm was superior and the object preservation ability was also superior. In the future, based on the results reviewed through the performance evaluation of the noise reduction algorithm of this study, we will develop a noise reduction algorithm for 3D point cloud data that reflects the characteristics of the construction site.

주제어

표/그림 (9)

그림 Figure 1. Research flow
표 Table 1. Literature review of noise reduction algorithms
표 Table 2. Commercialization software of 3D Digital map
그림 Figure 2. "Site A" digital map for performance evaluation
표 Table 3. PCD algorithm development libraries
그림 Figure 3. Performance evaluation procedure
그림 Figure 4. Performance evaluation result(slope); (a) law data; (b) enlarged slope; (c) filtering result with VG; (d) SOR
그림 Figure 5. Performance evaluation result(space); (a) law data; (b) enlarged slope; (c) filtering result with VG; (d) SOR
그림 Figure 6. Performance evaluation result(earth wall); (a) Law data; (b) enlarged slope; (c) filtering result with VG; (d) SOR

AI 본문요약
AI-Helper

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

문제 정의

(1) 본 연구는 노이즈 제거 필터 관련 연구, 노이즈제거 소프트웨어, 알고리즘 개발 라이브러리 등을 종합적으로 검토하여 건설 현장에서 수집한 포인트 클라우드 데이터를 처리하는 방안에 대한 연구로 컴퓨팅 비전 분야에서 연구되고 있는 포인트 클라우드 데이터의 노이즈 제거 알고리즘을 건설산업에 적용하고자 노이즈 제거 알고리즘의 성능테스트를 수행하였다.
3차원 포인트 클라우드 데이터의 노이즈 제거 알고리즘에 해당하는 연구를 기존 문헌자료 중심으로 검토하였다. 검토한 노이즈 제거 알고리즘은 VG(Voxel Grid Filter), BF(Bilateral Filter), MLS(Moving Least Square), EAR(Edge Aware Resample Filter), EAR(Edge Aware Resample Filter), SOR(Statistical Outher Removal), Passthrough로 다양한 노이즈 제거 알고리즘 중에서 지금까지 꾸준히 연구 및 활용되고 있는 대표적인 노이즈 제거 알고리즘을 위주로 문헌검토를 실시하였다.
이러한 이유로 본 연구에서 선정한 노이즈 제거 알고리즘은 Voxel Grid Filter 이며, 향후 AI 적용 연구를 위해 ML(Machine Learning) 알고리즘의 하나인 KNN 기법을 적용한 Statistical Outher Removal 를 추가로 선정하였다. 따라서 본 연구는 두 가지 노이즈 제거 알고리즘에 건설현장에서 수집한 3차원 포인트 클라우드 데이터를 적용하여 노이즈 제거 필터의 성능을 비교 및 검토하였다.
또한 검토한 상용화 소프트웨어 및 개발 라이브러리의 결과를 기반으로 본 연구의 노이즈 제거 알고리즘 성능평가를 수행하였으며, 성능평가의 결과를 분석하여 향후 건설산업에 적합한 디지털맵노이즈 알고리즘 개발방향을 도출하고자 하였다. 본 연구의 자세한 연구방법 및 순서는 Figure 1에서 정리하였다.
본 성능평가는 비정형 건설현장의 특성에 적합한 노이즈 제거 알고리즘 검토 및 개발방향 도출을 목적으로 실시되었다.
것은 여전히 어려운 작업이다. 본 연구는 기존의 노이즈 제거 알고리즘을 건설산업에 적용하여 향후 건설산업의 특성을 고려한 노이즈 제거 알고리즘을 개발하고자 건설현장 포인트 클라우드 데이터를 기존 노이즈 제거 알고리즘에 적용 및 성능평가를 하였고 아래와 같은 결론을 도출하였다.
본 연구는 토목공사 및 도로포장 등의 대규모 비정형 건설 현장을 대상으로 선정하고, 비정형 건설현장의 3차원 디지털맵을 구축하기 위해 필요한 포인트 클라우드 데이터의 노이즈 제거 알고리즘 개발을 위한 노이즈 제거 알고리즘의 성능평가를 수행하였다.
이렇게 발생한 노이즈는 디지털맵의 작업에 방해가 되기 때문에 전처리 및 후처리의 보정단계에서 객체를 훼손하지 않는 범위 내에서 불필요한 노이즈를 제거한다. 본 연구에서는 앞에서 서술한 보정단계에서 노이즈 제거를 위해 사용되는 기존 노이즈 제거 소프트웨어와 추후 건설특성을 반영한 노이즈 제거 알고리즘의 개발을 위한 노이즈 제거 알고리즘의 개발환경을 순차적으로 검토하였다.
선행연구들의 경우는 대부분 실내환경에서 노이즈 제거 알고리즘의 성능평가를 수행하였지만, 본 연구는 건설환경의 특성에 따라 규모가 크고 복잡한 건설현장을 대상으로 수집한 건설 현장 데이터를 성능평가 하였다. 따라서 본 연구는 이러한 건설환경에 특수성을 고려하여 노이즈 제거 알고리즘의 실행속도 측면을 핵심요소로 선정하여 두 가지 알고리즘을 선정 및 성능평가를 실시하였다.
따라서 디지털맵 분석 자동화를 위해서는 수작업으로 수행되고 있는 전처리 및 후처리 작업이 자동화되어야 한다. 이를 실현하기 위해 본 연구는 기초연구의 성격으로 건설현장 특성을 반영한 노이즈 제거 알고리즘의 성능평가를 실시하였다.

제안 방법

노이즈 제거 필터링의 성능 비교는 Figure 4, 5, 6과 같이 A현장 디지털 맵의 사면, 공간, 토류벽을 중심으로 노이즈 제거 여부 및 객체 보존 여부를 비교하였다. Voxel Grid Filer 알고리즘과 Statistical Outher Removal 알고리즘으로 필터링한 데이터는 정확한 분석을 위해 CloudCompare 소프트웨어를 활용하여 사면, 공간, 토류벽의 X, Y, Z의 동일한 좌표를 원시데이터 및 노이즈 제거 알고리즘의 필터링 결과에 입력하여 동일한 장소를 비교할 수 있도록 하였다. 원시 데이터를 필터링한 결과값은 두 가지 노이즈 제거 알고리즘의 성능을 쉽게 확인할 수 있도록 디지털맵의 원시데이터(Law data), 원시 데이터의 필터링 부분을 확대하여 나타내었다.
00GHz, RAM 128GB 이다. Voxel Grid Filter와 Statistical Outher Removal 알고리즘을 적용하여 필터링한 3차원 건설현장 포인트 클라우드 데이터의 결과를 CloudCompare, Smart3D CIM 소프트웨어를 활용하여 비교 및 검토하였다.
건설현장 포인트 클라우드 데이터의 노이즈 제거 알고리즘 성능평가는 Figure 2와 같이 ‘A현장’ 디지털맵의 사면(Slope), 공간 (Space), 토류벽(Earth wall) 부분을 비교하여 실행시간(ms), 객체의 보존 및 노이즈 제거 여부를 위주로 검토하였다.
연구를 기존 문헌자료 중심으로 검토하였다. 검토한 노이즈 제거 알고리즘은 VG(Voxel Grid Filter), BF(Bilateral Filter), MLS(Moving Least Square), EAR(Edge Aware Resample Filter), EAR(Edge Aware Resample Filter), SOR(Statistical Outher Removal), Passthrough로 다양한 노이즈 제거 알고리즘 중에서 지금까지 꾸준히 연구 및 활용되고 있는 대표적인 노이즈 제거 알고리즘을 위주로 문헌검토를 실시하였다. 문헌검토한 노이즈 제거 알고리즘의 주요 특징은 Table 1 에서 요약 및 정리하였다.
노이즈 정밀 제거 데이터는 Smart3D CIM 소프트웨어를 활용하여 원시 데이터(Law data)를 수작업 노이즈를 제거하여 노이즈가 거의 없는 3차원 디지털맵을 제작하였고, 두 가지 노이즈 제거 필터의 결과 비교는 CloudCompare 소프트웨어를 활용하여 동일한 좌표의 사면, 공간, 토류벽 부분을 비교하여 노이즈 제거 알고리즘의 성능을 확인하였다.
노이즈 제거 필터링의 성능 비교는 Figure 4, 5, 6과 같이 A현장 디지털 맵의 사면, 공간, 토류벽을 중심으로 노이즈 제거 여부 및 객체 보존 여부를 비교하였다. Voxel Grid Filer 알고리즘과 Statistical Outher Removal 알고리즘으로 필터링한 데이터는 정확한 분석을 위해 CloudCompare 소프트웨어를 활용하여 사면, 공간, 토류벽의 X, Y, Z의 동일한 좌표를 원시데이터 및 노이즈 제거 알고리즘의 필터링 결과에 입력하여 동일한 장소를 비교할 수 있도록 하였다.
선행연구들의 경우는 대부분 실내환경에서 노이즈 제거 알고리즘의 성능평가를 수행하였지만, 본 연구는 건설환경의 특성에 따라 규모가 크고 복잡한 건설현장을 대상으로 수집한 건설 현장 데이터를 성능평가 하였다. 따라서 본 연구는 이러한 건설환경에 특수성을 고려하여 노이즈 제거 알고리즘의 실행속도 측면을 핵심요소로 선정하여 두 가지 알고리즘을 선정 및 성능평가를 실시하였다. 이러한 연구의 결과는 아직까지 포인트 클라우드 데이터 및 3차원 디지털맵 등 관련 기술이 도입단계에 있는 건설산업 및 관련 연구에 도움이 될 것이라 사료 된다.
또한 노이즈 제거 알고리즘을 적용해 건설현장 디지털맵을 필터링한 결과를 비교하여 알고리즘의 성능을 확인하였다. 노이즈 제거 필터링의 성능 비교는 Figure 4, 5, 6과 같이 A현장 디지털 맵의 사면, 공간, 토류벽을 중심으로 노이즈 제거 여부 및 객체 보존 여부를 비교하였다.
본 연구의 수행 방법은 컴퓨터 비전 분야 및 건설 분야 등에서 포인트 클라우드 기반 영상의 노이즈 제거 필터 알고리즘에 관한 문헌검토를 실시하였고, 디지털맵의 운영 및 관리를 위한 소프트웨어 중에서 노이즈 제거 기능이 있는 소프트웨어와 포인트 클라우드 관련 알고리즘 개발 라이브러리를 조사 및 검토하였다. 또한 검토한 상용화 소프트웨어 및 개발 라이브러리의 결과를 기반으로 본 연구의 노이즈 제거 알고리즘 성능평가를 수행하였으며, 성능평가의 결과를 분석하여 향후 건설산업에 적합한 디지털맵노이즈 알고리즘 개발방향을 도출하고자 하였다.
앞에서 선정한 노이즈 제거 알고리즘을 본 연구에서 수집한 3 차원 건설현장의 디지털맵을 적용하여 필터링 결과를 비교 및 검토하였다. 본 성능평가는 비정형 건설현장의 특성에 적합한 노이즈 제거 알고리즘 검토 및 개발방향 도출을 목적으로 실시되었다.
이러한 이유로 본 연구에서 선정한 노이즈 제거 알고리즘은 Voxel Grid Filter 이며, 향후 AI 적용 연구를 위해 ML(Machine Learning) 알고리즘의 하나인 KNN 기법을 적용한 Statistical Outher Removal 를 추가로 선정하였다. 따라서 본 연구는 두 가지 노이즈 제거 알고리즘에 건설현장에서 수집한 3차원 포인트 클라우드 데이터를 적용하여 노이즈 제거 필터의 성능을 비교 및 검토하였다.
차이가 있다. 이러한 이유로 본 연구에서는 문헌 고찰에서 검토한 노이즈 제거 알고리즘과 건설현장 디지털맵의 구축 및 관리에 사용되는 상용화 소프트웨어/개발 라이브러리에서 활용하고 있는 노이즈 제거 알고리즘을 종합적으로 검토하여 성능평가를 실시할 노이즈 제거 알고리즘을 선정하였다.
지금까지 3차원 건설현장의 포인트 클라우드 데이터 디지털 맵을 두 가지 노이즈 제거 알고리즘에 필터링한 결과에 대해 디지털 맵의 사면, 공간, 토류벽 부분을 정성적으로 비교하여 각각 알고리즘의 노이즈 제거 성능을 확인하였다. 본 성능평가의 결과로 사면부분과 공간 부분은 Statistical Outher Removal 알고리즘에 비해 Voxel Grid Filer 알고리즘이 상대적으로 객체를 보존하고 노이즈를 제거하였지만, 토류벽 부분의 경우는 두 가지 필터에서 객체 보존력이 떨어지는 것을 확인할 수 있었다.

대상 데이터

본 성능평가에 활용된 컴퓨터 OS는 리눅스 Ubuntu 20.04.1 LTS 버전이며 PCL 1.11.1을 설치 및 컴파일하여 성능평가를 수행하였다. 성능평가에 사용된 컴퓨터의 사양은 CPU Intel(R) Core(TM) i9-10980XE CPU @ 3.

데이터처리

디지털맵의 성능평가는 Figure 3 에서 노이즈 정밀 제거 데이터와 Voxel Grid Filer 알고리즘을 비교하였고, 노이즈 정밀 제거 데이터와 Statistical Outher Removal 알고리즘을 각각 비교하였다. 노이즈 정밀 제거 데이터는 Smart3D CIM 소프트웨어를 활용하여 원시 데이터(Law data)를 수작업 노이즈를 제거하여 노이즈가 거의 없는 3차원 디지털맵을 제작하였고, 두 가지 노이즈 제거 필터의 결과 비교는 CloudCompare 소프트웨어를 활용하여 동일한 좌표의 사면, 공간, 토류벽 부분을 비교하여 노이즈 제거 알고리즘의 성능을 확인하였다.

성능/효과

(2) 본 연구에서 수행한 성능평가 결과로 Voxel grid 알고리즘이 Statistical Outher Removal 알고리즘에 비해 상대적으로 실행 시간이 적게 나타났다. 또한 디지털맵의 사면, 공간, 토류벽 부분을 성능평가한 필터링 결과를 분석해보면, Voxel grid 알고리즘이 상대적으로 Statistical Outher Removal 알고리즘에 비해 노이즈 제거 성능이 우수하고 객체의 보존력도 우수한 것으로 나타났다.
제거하였고, (c) Voxel Grid Filer 알고리즘도 Statistical Outher Removal 알고리즘보다는 덜하지만 일부 객체 부분과 노이즈를 제거한 것을 확인할 수 있었다.
사면 부분의 노이즈 제거 필터링의 결과를 비교해보면, (d) Statistical Outher Removal 알고리즘은 사면의 노이즈 뿐만 아니라 객체(사면, 안전난간 등)도 많은 부분 제거하였다. 반면에 (c) Voxel Grid Filer 알고리즘은 상대적으로 양호한 필터링 성능을 보여주며 객체도 선명하게 보여주고 있다. 디지털맵의 사면 부분에 대해 성능평가 실시한 결과를 통해 Statistical Outher Removal 알고리즘에 비해 Voxel Grid Filer 알고리즘이 사면 및 공간에 해당하는 부분에 대해 상대적으로 노이즈 제거 성능이 우수하고 객체 보존력이 높은 것을 확인할 수 있었다.
노이즈 제거 필터링의 결과를 비교해보면, (d) Statistical Outher Removal 알고리즘은 사면의 노이즈 뿐만 아니라 객체(사면, 안전난간 등)도 많은 부분 제거하였다. 반면에 (c) Voxel Grid Filer 알고리즘은 상대적으로 양호한 필터링 성능을 보여주며 객체도 선명하게 보여주고 있다.
반면에 (c) Voxel Grid Filer 알고리즘은 상대적으로 양호한 필터링 성능을 보여주며 객체도 선명하게 보여주고 있다. 디지털맵의 사면 부분에 대해 성능평가 실시한 결과를 통해 Statistical Outher Removal 알고리즘에 비해 Voxel Grid Filer 알고리즘이 사면 및 공간에 해당하는 부분에 대해 상대적으로 노이즈 제거 성능이 우수하고 객체 보존력이 높은 것을 확인할 수 있었다.
디지털맵의 토류벽 부분에 대해 성능평가 실시한 결과를 통해 Statistical Outher Removal 알고리즘에 비해 Voxel Grid Filer 알고리즘이 상대적으로 노이즈 제거 성능은 우수해 보이지만, 객체 보존 능력은 두 가지 필터 모두 우수한 성능을 가지지 못하는 것을 확인 할 수 있었다.
적게 나타났다. 또한 디지털맵의 사면, 공간, 토류벽 부분을 성능평가한 필터링 결과를 분석해보면, Voxel grid 알고리즘이 상대적으로 Statistical Outher Removal 알고리즘에 비해 노이즈 제거 성능이 우수하고 객체의 보존력도 우수한 것으로 나타났다.
성능평가의 분석 결과로 21, 799, 770개의 동일한 포인트 클라우드 디지털맵을 필터링 한 실행시간은 Voxel Grid Filer 알고리즘이 약 40초가 소요되고 Statistical Outher Removal 알고리즘은 약 105초가 소요되는 것으로 나타났다. 문헌검토에서 제시한 것처럼 Voxel Grid Filer 알고리즘이 Statistical Outher Removal 알고리즘에 비해 약 2~3 배 정도 실행시간이 적게 소요되는 것을 확인할 수 있었다.
노이즈 제거 성능을 확인하였다. 본 성능평가의 결과로 사면부분과 공간 부분은 Statistical Outher Removal 알고리즘에 비해 Voxel Grid Filer 알고리즘이 상대적으로 객체를 보존하고 노이즈를 제거하였지만, 토류벽 부분의 경우는 두 가지 필터에서 객체 보존력이 떨어지는 것을 확인할 수 있었다. 본 성능평가의 결과를 기반으로 실행시간, 노이즈제거 필터링 성능, 객체 보존 성능을 종합적으로 비교하였을 때, Statistical Outher Removal 알고리즘에 비해 Voxel Grid Filer 알고리즘이 우수한 것으로 나타났다.
본 성능평가의 결과로 사면부분과 공간 부분은 Statistical Outher Removal 알고리즘에 비해 Voxel Grid Filer 알고리즘이 상대적으로 객체를 보존하고 노이즈를 제거하였지만, 토류벽 부분의 경우는 두 가지 필터에서 객체 보존력이 떨어지는 것을 확인할 수 있었다. 본 성능평가의 결과를 기반으로 실행시간, 노이즈제거 필터링 성능, 객체 보존 성능을 종합적으로 비교하였을 때, Statistical Outher Removal 알고리즘에 비해 Voxel Grid Filer 알고리즘이 우수한 것으로 나타났다.
본 연구에서 검토한 무료 소프트웨어는 CloudCompare, MeshLab, VisualSFM, OpenDroneMap 등이 있으며, 그 중에서 Cloudcompare가 무료 소프트웨어이지만 노이즈 제거, 거리측정, 정합 등의 다양한 기능을 가지고 있어 활용성이 높은 것으로 검토 되었다. 유료 소프트웨어는 노이즈 제거, 거리측정, 정합, 분할 등 전체적인 기능이 무료 소프트웨어에 비해 정밀하고 다양한 작업이 가능하다.
상기 연구에서 검토한 PCL과 Open3D 라이브러리는 3차원의 포인트 클라우드 데이터에 대해 다양한 기능 구축 및 개발이 가능하며 컴파일을 실시한 결과를 3차원으로 시각화(Visualization) 가 가능하다.
성능평가 결과에 따라 ‘A현장‘ 수작업 노이즈 제거 데이터와 두 가지 필터에 대해 실행시간을 도출할 수 있었다. 성능평가의 분석 결과로 21, 799, 770개의 동일한 포인트 클라우드 디지털맵을 필터링 한 실행시간은 Voxel Grid Filer 알고리즘이 약 40초가 소요되고 Statistical Outher Removal 알고리즘은 약 105초가 소요되는 것으로 나타났다.
필터에 대해 실행시간을 도출할 수 있었다. 성능평가의 분석 결과로 21, 799, 770개의 동일한 포인트 클라우드 디지털맵을 필터링 한 실행시간은 Voxel Grid Filer 알고리즘이 약 40초가 소요되고 Statistical Outher Removal 알고리즘은 약 105초가 소요되는 것으로 나타났다. 문헌검토에서 제시한 것처럼 Voxel Grid Filer 알고리즘이 Statistical Outher Removal 알고리즘에 비해 약 2~3 배 정도 실행시간이 적게 소요되는 것을 확인할 수 있었다.

후속연구

(3) 본 연구는 문헌 및 관련 기술의 고찰을 통해 다양한 노이즈 제거 알고리즘을 검토하였으나, 문헌고찰 상에서 검토한 노이즈 제거 알고리즘과 본 연구의 환경 및 조건이 차이가 있어 연구를 수행하는데 고려할 사항이 많았다. 선행연구들의 경우는 대부분 실내환경에서 노이즈 제거 알고리즘의 성능평가를 수행하였지만, 본 연구는 건설환경의 특성에 따라 규모가 크고 복잡한 건설현장을 대상으로 수집한 건설 현장 데이터를 성능평가 하였다.
(4) 본 연구는 노이즈 제거 알고리즘 중에서 대표성을 가지고 있는 더 많은 알고리즘에 대해 성능평가를 실시하지 못한 한계점도 가지고 있다. 향후 본 연구의 결과를 기반으로 건설산업에 AI 기술을 적용한 노이즈 제거 알고리즘에 관한 연구를 지속적으로 수행하고자 한다.
따라서 본 연구는 이러한 건설환경에 특수성을 고려하여 노이즈 제거 알고리즘의 실행속도 측면을 핵심요소로 선정하여 두 가지 알고리즘을 선정 및 성능평가를 실시하였다. 이러한 연구의 결과는 아직까지 포인트 클라우드 데이터 및 3차원 디지털맵 등 관련 기술이 도입단계에 있는 건설산업 및 관련 연구에 도움이 될 것이라 사료 된다.
가지고 있다. 향후 본 연구의 결과를 기반으로 건설산업에 AI 기술을 적용한 노이즈 제거 알고리즘에 관한 연구를 지속적으로 수행하고자 한다.

참고문헌 (15)

Chen, J., Fang, Y., Cho, Y. K., Kim, C. (2016), Principal axes descriptor for automated construction equipment classification from point clouds, Journal of Computing in Civil Engineering, 31(2), pp. 1-12.
Fleishman, S., Cohen-Or, D., Silva, C. (2005). Robust moving least-squares fitting with sharp features, Proceedings of ACM SIGGRAPH.
Han, X. F., Jin, J. S., Wang, M. J., Jiang, W. (2017). Guided 3d point cloud filtering, Multimedia Tools and Applications, pp. 1-15.
Han, X. F., Jin, J. S., Wang, M. J., Jiang. W., Gao. L., Xiao. L. (2017). A review of algorithms for filtering the 3D point cloud, ScienceDirect, 57, pp. 103-112.
Huang, H., Li, D., Zhang, H., Ascher, U., Cohen Or, D. (2009). Consolidation of unorganized point clouds for surface reconstruction, ACM Transactions on Graphics, 28(5), Article 176, pp. 1-7.

상세보기
Huang, H., Wu, S., Gong, M., Cohen-Or, D., Ascher, U., Zhang, H., (2013). Edge-Aware Point Set Resampling. ACM Transactions on Graphics, 32(1) Article9, pp. 1-12.

상세보기
Jung, S. H., Lee, K. I., Jung, H. K., Chung, Y. S. (2019). A Study of Broad-band Conformal Beam Forming using Moving Least Squares Method, The transactions of The Korean Institute of Electrical Engineers 68(1), pp. 83-89.

원문보기 상세보기
Lee, J. H., Ok, C. E., Choi, H. S., Kim, Y. S. (2010). A Development Priority and Technology Roadmap for Construction Automation, Journal of the Archotectural Institute of Korea Structure & Construction, 26(10), pp. 131-140.
Ministry of Land, Infrastructure and Transport(MOLIT), Smart Construction Technology Roadmap Report, http://www.molit.go.kr (Oct. 31. 2018).
Moon, K., Pyeon, M., Lee, S., Lee, D. (2014). Setting of the operating conditions of stereo CCTV cameras by weather condition, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 32(6), pp. 591-597.

원문보기 상세보기
Orts-Escolano, S., Morell, V., Garcia-Rodriguez, J., Cazorla, M. (2013). Point cloud data filtering and downsampling using growing neural gas, The 2013 International Joint Conference on Neural Networks, IJCNN, Dallas, TX, pp. 1-8.
Rusu, R. B., Cousins, S. (2011). 3D is here: Point Cloud Library (PCL), Proceedings of the IEEE International Conference on Robotics and Automation, ICRA, Shanghai, China, pp. 9-13.
Rusu, R. B., Marton, Z. C., Blodow, N., Dolha, M., Beetz, M. (2008). Towards 3D Point Cloud Based Object Maps for Household Environments, Robotics and Autonomous Systems Journal. 56(11), pp. 927-941.

상세보기
Tomasi, C., Manduchi, R. (1998). Bilateral Filtering for Gray and Color Images, Proceedings of the 1998 IEEE International Conference on Computer Vision, pp. 1-8.
Zhou, Q.-Y., Park, J., Koltun, V. (2018). Open3D: a modern library for 3D data processing. Technical report, https://arxiv.org/abs/1801.09847.

저자의 다른 논문 :

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