[논문]점군데이터 정합 방법에 따른 정확도 평가

박준규; 엄대용

doi:10.7848/ksgpc.2020.38.1.35

점군데이터 정합 방법에 따른 정확도 평가
Accuracy Evaluation by Point Cloud Data Registration Method 원문보기

한국측량학회지 = Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, v.38 no.1, 2020년, pp.35 - 41

박준규 (Department of Civil Engineering, Seoil University) , 엄대용 (Civil Engineering, Korea National University of Transportation)

초록
AI-Helper

3D 레이저 스캐너는 대상물에 대한 많은 양의 데이터를 빠른 시간 내에 취득할 수 있는 효과적인 방법으로 최근 측량, 변위측정, 대상물의 3차원 데이터 생성, 실내공간정보 구축, BIM (Building Information Model) 등 다양한 분야에 활용되고 있다. 3D 레이저 스캐너를 통해 취득되는 점군데이터의 활용을 위해서는 정합과정을 거쳐 많은 측점에서 취득한 데이터를 통일된 좌표체계를 가진 하나의 데이터로 만드는 과정이 필요하다. 따라서 정합 방법에 따른 점군데이터의 정확도에 대한 분석적 연구가 필요하다 이에 본 연구에서는 3D 레이저 스캐너를 통해 취득되는 점군데이터의 정합방법에 따른 정확도를 분석하고자 하였다. 3D 레이저 스캐너를 통해 연구대상지의 점군데이터를 취득하고, 자료처리를 통해 ICP (Iterative Closest Point) 와 형상정합 방법에 의해 점군데이터를 정합하였으며, 토털스테이션 측량성과와 비교하여 정확도를 분석하였다. 정확도 평가 결과 ICP와 형상정합 방법은 각각 토털스테이션 성과와 0.002~0.005m, 0.002~0.009m의 차이를 나타내었다. 각각의 정합 방법은 실험결과 모두 0.01m 미만의 편차를 나타내어 1:1,000 수치지형도의 허용정확도를 만족하였으며, ICP 및 형상정합을 이용한 점군데이터의 정합이 공간정보 구축에 충분히 활용 가능함을 제시하였다. 향후 형상정합 방법에 의한 점군데이터의 정합은 3D 레이저 스캐너를 활용한 공간정보 구축 과정에서 타겟의 설치를 줄임으로써 생산성 향상에 기여할 것이다.

Abstract ▼ AI-Helper

3D laser scanners are an effective way to quickly acquire a large amount of data about an object. Recently, it is used in various fields such as surveying, displacement measurement, 3D data generation of objects, construction of indoor spatial information, and BIM(Building Information Model). In order to utilize the point cloud data acquired through the 3D laser scanner, it is necessary to make the data acquired from many stations through a matching process into one data with a unified coordinate system. However, analytical researches on the accuracy of point cloud data according to the registration method are insufficient. In this study, we tried to analyze the accuracy of registration method of point cloud data acquired through 3D laser scanner. The point cloud data of the study area was acquired by 3D laser scanner, the point cloud data was registered by the ICP(Iterative Closest Point) method and the shape registration method through the data processing, and the accuracy was analyzed by comparing with the total station survey results. As a result of the accuracy evaluation, the ICP and the shape registration method showed 0.002m~0.005m and 0.002m~0.009m difference with the total station performance, respectively, and each registration method showed a deviation of less than 0.01m. Each registration method showed less than 0.01m of variation in the experimental results, which satisfies the 1: 1,000 digital accuracy and it is suggested that the registration of point cloud data using ICP and shape matching can be utilized for constructing spatial information. In the future, matching of point cloud data by shape registration method will contribute to productivity improvement by reducing target installation in the process of building spatial information using 3D laser scanner.

주제어

표/그림 (15)

그림 Fig. 1. Study ﬂow
그림 Fig. 2. Spear target
그림 Fig. 3. Flowchart of ICP
표 Table 1. Shape registration algorithm
표 Table 2. Speciﬁcation
그림 Fig. 4. 3D laser scanner(Trimble Inc.)
그림 Fig. 5. Locations of 3D laser scanner and spear target for registration
그림 Fig. 6. Raw scanning data
그림 Fig. 7. Registration results
그림 Fig. 8. Shape sheet target
그림 Fig. 9. Locations of sheet target
표 Table 3. Result of accuracy analysis
표 Table 2. Coordinate of check points
그림 Fig. 10. Deviation of each checkpoints
표 Table 4. Permissible accuracy for numerical mapping (National Law Information Center)

AI 본문요약
AI-Helper

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

문제 정의

하지만 3D 레이저 스캐너를 통해 취득되는 점군데이터를 정합 방법별로 분석한 연구는 부족한 실정이다. 이에 본 연구에서는 기존 3D 레이저 스캐너 정합에 많이 사용되어 왔던 ICP와 최근 새롭게 주목받고 있는 형상정합(shape matching)방법을 이용하여 점군 데이터를 처리하고 정확도 평가를 통해 점군데이터의 정합방법에 대한 활용성을 제시하고자 하였다. Fig.

제안 방법

1. 3D 레이저 스캐너를 통해 연구대상지의 점군데이터를 취득하고, 자료처리를 통해 ICP와 형상정합 방법에 의한 점군데이터의 정합을 수행하고, 토털스테이션 측량성과와 비교하여 정확도를 분석하였다.
ICP 정합을 위해 연구대상지에 4개의 구형 타겟을 설치하였으며, 데이터는 2개의 측점에서 360° 방향에 대해 10분씩 총 2회에 걸쳐 취득되었다. Fig.
본 연구에서는 정합 방법에 따른 점군데이터의 정확도 평가를 위해 ICP와 형상정합 방법으로 데이터를 구축하였다. ICP는 정합을 위해 소프트웨어에서 구형의 타겟을 이용하게 되는 데 기존의 3D 레이저 스캐너 데이터의 정합에 많이 이용되어 왔다.
6에서 보는 것과 같이 3D 레이저 스캐너를 통해 취득된 원시데이터들은 각각의 국지 좌표계를 가지고 있어 서로 일치하지 않는 모습을 나타내고 있다. 정확도 평가를 위해 ICP와 형상정합 방법으로 각각 정합을 수행하였으며, Fig. 7은 정합 결과를 나타낸다.

대상 데이터

각각의 정합 방법에 따른 정확도 평가를 위해 연구 대상지에 약 6m~12m거리에 4개의 시트 타겟을 설치하고, 약 40m와 60m 거리에 각각 1개씩의 검사점을 선정하고, 토털스테이션을 통해 좌표성과를 취득하였다. Fig.
본 연구에서는 점군데이터의 정합 방법에 따른 정확도 평가를 위해 서울의 아파트 단지를 연구대상지로 선정하고 데이터 취득을 수행하였다. 데이터 취득을 위해 사용된 3D 레이저 스캐너는 Trimble의 SX10 모델을 사용하였으며, 데이터의 처리는 ICP와 형상정합 방법을 모두 지원하는 RealWorks 소프트웨어를 이용하였다.

이론/모형

본 연구에서는 점군데이터의 정합 방법에 따른 정확도 평가를 위해 서울의 아파트 단지를 연구대상지로 선정하고 데이터 취득을 수행하였다. 데이터 취득을 위해 사용된 3D 레이저 스캐너는 Trimble의 SX10 모델을 사용하였으며, 데이터의 처리는 ICP와 형상정합 방법을 모두 지원하는 RealWorks 소프트웨어를 이용하였다. Fig.

성능/효과

2. 정확도 평가 결과 ICP와 형상정합 방법은 각각 토털스테이션 성과와 0.002~0.005m, 0.002~0.009m의 차이를 나타내었으며, 측정점과의 거리에 따라 편차의 크기가 증가하는 경향을 나타내었다.
3. 각각의 정합 방법은 실험결과 모두 0.01m 미만의 편차를 나타내어 1:1,000 수치지형도의 허용정확도를 만족하였으며, 이러한 결과는 연구에서 검토한 점군데이터의 정합 방법이 공간정보 구축에 충분히 활용 가능함을 나타낸다.
각각의 정합 방법의 오차는 측정지점으로부터 거리가 멀어질수록 커지는 경향을 보였으나 모두 0.01m 미만으로 나타났으며, 이러한 결과는 대축척 수치지형도 제작의 허용정확도를 만족하는 것으로 ICP 및 형상정합을 이용한 점군데이터의 정합이 공간정보 구축에 활용 가능함을 나타낸다. 향후 추가적인 연구를 통해 다양한 조건에서의 분석이 필요할 것이며, 이를 통해 활용성을 제시할 수 있을 것이다.
토털스테이션 좌표성과를 기준으로 각 검사점의 편차를 계산하였으며, 그 결과는 Table 3에 나타내었다. 정확도 평가 결과 ICP 정합은 토털스테이션 성과와 0.002~0.005m, 형상정합 방법은 0.002~0.009m의 차이를 나타내었다. Table 3은 각각의 방법에 대한 측정점별 정확도 평가결과이며, Fig.

후속연구

4. 향후 형상정합 방법은 3D 레이저 스캐너를 활용한 공간정보 구축 과정에서 타겟의 설치 및 측량 과정을 줄임으로써 생산성 향상에 기여할 것이다.
향후 추가적인 연구를 통해 다양한 조건에서의 분석이 필요할 것이며, 이를 통해 활용성을 제시할 수 있을 것이다. 특히, 형상정합은 타겟의 설치 및 측량 과정을 줄일 수 있어 3D 레이저 스캐너를 활용한 공간정보 구축에서 작업의 생산성을 크게 향상시킬 수 있을 것이다. Table 4는 1:1,000 수치지형도의 허용정확도를 나타낸다.
01m 미만으로 나타났으며, 이러한 결과는 대축척 수치지형도 제작의 허용정확도를 만족하는 것으로 ICP 및 형상정합을 이용한 점군데이터의 정합이 공간정보 구축에 활용 가능함을 나타낸다. 향후 추가적인 연구를 통해 다양한 조건에서의 분석이 필요할 것이며, 이를 통해 활용성을 제시할 수 있을 것이다. 특히, 형상정합은 타겟의 설치 및 측량 과정을 줄일 수 있어 3D 레이저 스캐너를 활용한 공간정보 구축에서 작업의 생산성을 크게 향상시킬 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	형상정합 방법의 단점은 무엇인가?	형상정합 방법은 최근 상용 소프트웨어에 적용되기 시작하였으며, 기존 방법이 타겟을 이용하는 것에 비해 형상에 관한 정보를 추출하고, 이 정보에 기초하여 정합을 수행함으로써 데이터처리 과정을 단순화 할 수 있다는 장점이 있다. 하지만 원시 점군데이터가 많은 노이즈를 가지고 있다면 정확도가 떨어지는 단점이 있다. Table 1은 형상정합 방법의 알고리즘을 나타낸다(He et al.
	점군데이터의 정합이란 무엇인가?	점군데이터의 정합은 하나 또는 여러 대상을 중심으로 여러 측점에서 취득된 점군데이터를 하나의 공통된 좌표체계로 배치시키는 것을 말한다(Kim et al., 2018).
	ICP는 어떤 단계를 거쳐 점군데이터의 정합이 이루어지는가?	ICP는 점 선택(point selection), 이웃 선택(neighborhood selection), 점쌍 매칭(point pair matching), 오정합점 제거 (outlier rejection), 오차 최소화(error minimization), 변환 (transformation)의 단계를 거쳐 점군데이터의 정합이 이루어진다(Horn, 1987). ICP는 대상물이 위치한 공간의 모든 방향으로 적용이 가능하며, 정합 과정이 비교적 간단하다는 장점이 있지만 점쌍 매칭 단계에서 취득된 데이터 간에 중복 영역이 적게 되면 정합이 잘못되는 경우가 발생하는 단점이 있어 건물과 같이 형상이 반복되는 경우 적용이 어려울 수 있다 (Besl and McKay, 1992).

참고문헌 (19)

Agarwal, S. and Bhowmick, B. (2017), 3D point cloud registration with shape constraint, 2017 IEEE International Conference on Image Processing, September, Beijing, China, pp. 17-20.
Besl, P. and McKay, N. (1992), A method for registration of 3-d shapes, Pattern Analysis and Machine Intelligence, Vol. 14, No. 2, pp. 239-256.

상세보기
He, Y., Liang, B., Yang, J., Li, S., and He, J. (2017), An Iterative Closest Points Algorithm for Registration of 3D Laser Scanner Point Clouds with Geometric Features, Sensors, Vol. 17, No. 8.

상세보기
Horn, B. (1987), Closed-form solution of absolute orientation using unit quaternions, Journal of the Optical Society of America A, Vol. 4, No. 4, pp. 629-642.
Kang, T.W., Kim, J.E., and Jung, T.S. (2016), Study on 3D Reverse Engineering-based MEP Facility Management Improvement Method, Journal of the Korea Academia-Industrial cooperation Society, Vol. 17, No. 8, pp. 38-45. (in Korean with English abstract)

원문보기 상세보기
Kim, C.H., Kim, H.W., Kang, G.M., Kim, G.Y., Kim, W.H., Park, C.H., Do, J.D., Lee, M.H., Choi, S.Y., and Park, H.Y. (2017), Shipborne Mobile LiDAR(Light Detection and Ranging) System for the Monitoring of Coastal Changes, Journal of the Korean Society of Economic and Environmental Geology, Vol. 49, No. 4, pp. 281-290. (in Korean with English abstract)
Kim, J., An, S.Y., Min, J.H., and Bae, K.S. (2017), Analysis of Traversable Candidate Region for Unmanned Ground Vehicle Using 3D LIDAR Reflectivity, Journal of the Korean Society of Mechanical Engineers, Vol. 41, No. 11, pp. 1047-1053. (in Korean with English abstract)

원문보기 상세보기
Kim, J.G., Lee, J.H., park, S.M., and Ko, K.H. (2018), A Modified Method for Registration of 3D Point Clouds with a Low Overlap Ratio, Journal of the Korea Computer Graphics Society, Vol. 24, No. 5, pp. 11-19. (in Korean with English abstract).
Kim, J.U., Lee, W.H., and Shin, H.S. (2018), A Study on Landscape Management Techniques of Cultural Heritage Designated Area Using 3D Mapping Method, Journal of the Korean Institute of Traditional Landscape Architecture, Vol. 36, No. 1, pp. 97-108. (in Korean with English abstract)
Lee, H.H., Lee, J.I., Oh, M.K., and Lee, K.D. (2016), Experimental Comparative Analysis of Terrestrial Lidar Data and Cadastral Data for the Calculation of the Slope Area of Highland Agriculture Region, Journal of Cadastre & Land InformatiX, Vol. 46, No. 2, pp. 137-153. (in Korean with English abstract).
Lee, K.W. and Park, J.K. (2016), Application of Terrestrial LiDAR for Displacement Detecting on Risk Slope, Journal of the Korea Academia-Industrial cooperation Society, Vol. 20, No. 1, pp. 323-328.
Lee, K.W. and Park, J.K. (2019), Comparison of Characteristics of 3D Laser Scanner for Construction of Indoor Geospatial Information, International Journal of Advanced Science and Technology, Vol. 129, pp. 151-160.

상세보기
Liu, J., Shang, X., Yang, S., Shen, Z., Liu, X., Xiong, G. and Nyberg, T.R. (2017), Research on Optimization of Point Cloud Registration ICP Algorithm, Image and Video Technology, pp.81-90.
National Law Information Center (2019), Regulation of Technology Service enterprise, National Law Information Center, http://www.law.go.kr/ (last date accessed: 10 February 2020).
Park, H.K. (2018), 3D Measurement Method Based on Point Cloud and Solid Model for Urban SingleTrees, Korean Journal of Remote Sensing, Vol. 33, No. 6-2, pp. 1139-1149. (in Korean with English abstract)
Seo, J.P., Lee, C.W., Kim, D.Y., and Woo, C.S. (2016), Estimating of Annual Sediment Yield at Mountain Stream in Fire/landslide Damaged Forest by using Terrestrial LiDAR Spatial Analysis, Journal of the Korean Society of Hazard Mitigration, Vol. 16, No. 6, pp. 219-227. (in Korean with English abstract).

원문보기 상세보기
Son, M.H. and Yoon, H.C. (2015), An Accuracy on the Analysis of Terrestrial LiDAR in recordation of culture properties, Journal of the Korean CadastreInformation Association, Vol. 17, No. 3, pp. 3-10. (in Korean with English abstract)
Trimble Inc. (2019), SX10 Datasheet, Trimble Inc., https://www.trimble.com/ (last date accessed: 10 February 2020).
Xin, W. and Pu, J. (2010), An Improved ICP Algorithm for Point Cloud Registration, 2010 International Conference on Computational and Information Sciences, 17-19 December, Chengdu, China, pp. 565-568.

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