[논문]선형을 이용한 쿼터니언 기반의 3차원 점군 데이터 등록

김의명; 서홍덕

doi:10.7848/ksgpc.2020.38.3.175

선형을 이용한 쿼터니언 기반의 3차원 점군 데이터 등록
Registration of Three-Dimensional Point Clouds Based on Quaternions Using Linear Features 원문보기

한국측량학회지 = Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, v.38 no.3, 2020년, pp.175 - 185

김의명 (Department of Spatial Information Engineering, Namseoul University) , 서홍덕 (Department of Spatial Information Engineering, Namseoul University)

초록
AI-Helper

3차원 등록은 서로 다른 좌표계를 갖거나 좌표계가 없는 데이터를 기준 좌표계로 일치시키는 과정으로 사진측량의 절대표정, 정밀도로지도 제작을 위한 데이터 결합 등 다양한 분야에서 사용되고 있다. 3차원 등록은 점을 이용하는 방법과 선형을 이용하는 방법으로 구분이 된다. 점을 이용할 경우 서로 다른 공간해상도를 갖는 경우 동일한 공액점을 찾기 어려운 문제가 있다. 이에 반해 선형을 이용할 경우 공간해상도가 다른 경우 뿐만 아니라 점군 형태의 데이터에서 시작점과 끝점이 같지 않은 공액의 선형을 이용하여 3차원 등록이 가능한 장점이 있다. 본 연구에서는 선형을 이용하여 3차원 등록을 수행하기 위해서 쿼터니언을 이용하여 두 데이터 간의 3차원 회전각을 결정한 후 축척과 3차원 이동량을 결정하는 방법을 제안하였다. 제안한 방법의 검증을 위해 실내에서 구축한 선형과 실외 환경의 지상 모바일매핑시스템을 통해 취득한 선형을 이용하여 3차원 등록을 각각 수행하였다. 실험결과, 실내 데이터를 이용한 경우 축척을 고정한 경우와 고정하지 않은 경우 평균제곱근오차는 각각 0.001054m와 0.000936m로 나타났다. 실외 데이터를 이용하여 500m 구간에서 3차원 변환을 수행한 결과 6개의 선형을 이용하였을 경우 평균 제곱근오차는 0.09412m로 나타났으며 정밀도로지도 제작을 위한 정확도를 만족하는 것을 알 수 있었다. 또한, 선형의 개수를 변화시킨 실험에서 9개 이상의 선형을 이용할 경우도 평균제곱근오차의 변화가 크지 않은 것을 통해 높은 정확도의 3차원 변환을 위해 9개의 선형으로도 충분한 것을 알 수 있었다.

Abstract ▼ AI-Helper

Three-dimensional registration is a process of matching data with or without a coordinate system to a reference coordinate system, which is used in various fields such as the absolute orientation of photogrammetry and data combining for producing precise road maps. Three-dimensional registration is divided into a method using points and a method using linear features. In the case of using points, it is difficult to find the same conjugate point when having different spatial resolutions. On the other hand, the use of linear feature has the advantage that the three-dimensional registration is possible by using not only the case where the spatial resolution is different but also the conjugate linear feature that is not the same starting point and ending point in point cloud type data. In this study, we proposed a method to determine the scale and the three-dimensional translation after determining the three-dimensional rotation angle between two data using quaternion to perform three-dimensional registration using linear features. For the verification of the proposed method, three-dimensional registration was performed using the linear features constructed an indoor and the linear features acquired through the terrestrial mobile mapping system in an outdoor environment. The experimental results showed that the mean square root error was 0.001054m and 0.000936m, respectively, when the scale was fixed and if not fixed, using indoor data. The results of the three-dimensional transformation in the 500m section using outdoor data showed that the mean square root error was 0.09412m when the six linear features were used, and the accuracy for producing precision maps was satisfied. In addition, in the experiment where the number of linear features was changed, it was found that nine linear features were sufficient for high-precision 3D transformation through almost no change in the root mean square error even when nine linear features or more linear features were used.

주제어

표/그림 (19)

그림 Fig. 1. Research ﬂowchart
그림 Fig.2 . Three-dimensional registration using linear features
그림 Fig. 3. Surveying of 3D points using total station
그림 Fig. 4. Extracted lines and check points
표 Table 1. Linear features extracted from reference data using total station
표 Table 2. Linear features extracted from model data using total station
표 Table 3. Check points using total station
표 Table 4. 3D registration parameters of indoor environment
표 Table 5. RMSE using check points for total station
그림 Fig. 5. Terrestrial MMS data taken at diﬀerent times
그림 Fig. 6. Terrestrial MMS data
표 Table 6. Linear features extracted from reference data using terrestrial MMS data
그림 Fig. 7. Extracted linear features
표 Table 7. Linear features extracted from model data using terrestrial MMS data
표 Table 8. Check points using terrestrial MMS data
표 Table 9. Number of linear features parallel to each axis
그림 Fig. 8. Three-dimensional registration using 3D registration parameters and model data
표 Table 10. 3D registration parameters according to the change of the number of lines
표 Table 11. RMSE using check points of terrestrial MMS data

AI 본문요약
AI-Helper

문제 정의

, 2015). 따라서, 본 연구에서는 지상 MMS와 같이 점군 형태로 취득된 데이터를 기준 좌표계로 변환할 때 동일한 공액점을 찾기 어려운 문제점을 해결하기 위해서 선형을 이용하여 3차원 데이터를 등록하는 방법을 제안하는 것을 목적으로 하였다. ;

제안 방법

2장에서 기술한 선형을 이용한 쿼터니언 기반 3차원 등록알고리즘을 검증하기 위해 실내 환경에서 구축한 선형을 이용한 경우와 실외 환경의 지상 MMS 데이터에서 추출한 선형을이용해서 실험을 수행하였다.
실내 환경에서 구축한 데이터를 이용한 실험은 물리적으로 동일한 기기를 이용하여 데이터를 취득한 후, 추정된 파리미터를 분석하였다. 실내 데이터는 Fig.

대상 데이터

따라서, 실외 환경의 지상 MMS 데이터에서 선형을 추출하여 선형 개수에 따라 추정된 파리미터를 분석하였다. 실외환경의 실험 대상지는 대구광역시에 위치한 알파시티 일대로Fig. 6과 같이 2019년 9월 17일에 지상 MMS를 UTM좌표계로 약 530m 구간을 다른 시간에 취득한 데이터이다.

데이터처리

추정된 매개변수를 분석하기 위해 실험 3.1과 같이 추정된파라미터와 CP를 이용하여 평균제곱근오차, 3차원 거리 차이를 계산하였다. Table 11에서 알 수 있듯이 선형의 개수가 3개에서 6개로 증가할 경우 RMSE가 큰 폭으로 감소하는 것을확인할 수 있으며, 선형의 개수가 3개인 경우에는 3차원 등록을 위한 매개변수의 정확도가 높지 않은 것을 알 수 있었다.

성능/효과

둘째, 실외 환경의 지상 MMS 데이터를 통해 취득한 선형을 이용하여 3차원 등록을 수행하고 선형의 개수에 따른 분석을 수행한 결과 선형의 개수가 3개에서 6개로 증가할 때RMSE가 크게 감소하는 것을 확인할 수 있으며, 선형이 9개 이상일 경우 RMSE에 큰 변화가 없는 것을 통해 3차원 등록을 위해서 9개의 선형으로도 충분히 높은 정확도의 3차원 등록을 수행할 수 있는 것을 알 수 있었다.
셋째, 국토지리정보원에서 제공하는 정밀도로지도는 다시기에 취득한 데이터를 정확도 ±25cm 이내로 생산한 데이터로서, 본 연구를 통해 약 500m 구간일 경우 6개의 선형만으로도 충분히 정밀도로지도 구축을 위한 정확도 이내의 3차원등록을 수행할 수 있는 것을 알 수 있었다.
첫째, 실내 환경에서 물리적으로 축척이 동일한 토탈스테이션을 통해 취득한 선형을 이용하여 축척을 고정한 경우와고정하지 않은 경우에 결정한 3차원 등록 매개변수의 RMSE값은 각각 0.001095m, 0.000936m로 두 결과값에는 큰 유의미한 차이는 없는 것으로 나타났다. ;축척으로 인해 3차원 이동량에서 미세한 차이가 발생하였으나 회전각은 동일하게 나타났다.

후속연구

향후 선형을 이용하여 3차원 등록을 수행하기 위해서 선형정보를 자동으로 추출하고 정합하는 연구가 수행될 필요가있는 것으로 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	3차원 등록이란 무엇인가?	3차원 등록은 서로 다른 좌표계를 갖거나 좌표계가 없는 데이터를 기준 좌표계로 일치시키는 과정으로 사진측량의 절대표정, 정밀도로지도 제작을 위한 데이터 결합 등 다양한 분야에서 사용되고 있다. 3차원 등록은 점을 이용하는 방법과 선형을 이용하는 방법으로 구분이 된다.
	쿼터니언 기반의 선형을 이용한 3차원 등록 과정은 어떻게 이루어지는가?	1과 같다. 기준 데이터와 모델 데이터에서 서로 정합되는 선형이 입력데이터로 들어오면 3차원 등록을 위한 매개변수의 초기값을 계산한다. 그리고 나서 쿼터니언을 이용하여 3차원 회전각을 계산하고 그 다음으로 축척과 3차원 이동량을 계산하는 순서로 이루어진다. 따라서, 2.
	ICP 알고리즘의 문제점은?	기존의 연구사례를 통해 ICP 알고리즘을 이용할 경우 일정 패턴을 가진 지형일 경우 상호간의 공분산 계산하기 어렵기 때문에 왜곡이 발생할 수 있으며, 점군을 이용하여 3차원 데이터를 등록할 때 중복되는 점들로 인하여 잘못된 공액점을 추출하는 문제가 발생할 수 있다(Lee, 2015; Poreba andGoulette, 2015).

참고문헌 (23)

Alshawa, M. (2007), ICL: Iterative closest line a novel point cloud registration algorithm based on linear features, Ekscentar, Vol. 10, pp. 53-59.
Besl, P.J. and McKay, N.D. (1992), Method for registration of 3-D shapes, In: Sensor Fusion IV: Control Paradigms and Data Structures. International Society for Optics and Photonics, Vol. 1611, pp. 587-607.
Choi, S.P., Lii, I.J., Park, B.W., and Kim, U.N. (2014), Error correction technique of terrestrial LiDAR data using plane equation. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 24-25 April, Seoul, Korea, pp. 329-334.
Du, S., Liu, J., Zhang, C., Zhu, J., and Li, K. (2015), Probability iterative closest point algorithm for m-D point set registration with noise, Neurocomputing, Vol. 157, pp. 187-198.

상세보기
Habib, A., Ghanma, M., Morgan, M., and Ruzouq, R. (2005), Photogrammetric and LiDAR data registration using linear features, Photogrammetric Engineering & Remote Sensing, Vol. 71, No. 6, pp. 699-707.

상세보기
He, F. and Habib, A. (2016), A closed-form solution for coarse registration of point clouds using linear features, Journal of Surveying Engineering, Vol. 142, No. 3, pp. 1-14.
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, pp. 1862-1877.

상세보기
Horn, B.K. (1987), Closed-form solution of absolute orientation using unit quaternions, Journal of the Optical of America, Vol. 4, pp. 629-642.
Hwang, Y.S., Lee, D.J, Yu, H.Y., and Lee, J.M. (2015), 2D grid map compensation using ICP algorithm based on feature points, Journal of Institute of Control, Robotics and Systems, Vol. 21, No. 10, pp. 965-971.
Kim, E.M. (2018), Semi-automatic camera calibration using quaternions, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 36, No. 2, pp. 43-50. (in Korean with English abstract)
Kim, E.M. and Choi, H.S. (2018), Analysis of the accuracy of quaternion-based spatial resection based on the layout of control points, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 36, No. 4, pp. 255-262. (in Korean with English abstract)
Kim, E.M. and Hong, S.P. (2019), Comparison of point-based algorithms for absolute orientation, Journal of Institute of Control, Robotics and Systems, Vol. 25, No. 10, pp. 929-935.
Kim, E.S., Choi, S.I., and Park, S.Y. (2014), Modified generalized ICP algorithm using color correlation. Journal of the Institute of Electronics and Information Engineers, 16-18 October, Jeju, Korea, pp. 417-418.
Lee, H.S. (2015), Accuracy improvement of the ICP DEM matching, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 33, No. 5, pp. 443-451. (in Korean with English abstract)
Lee, J.H. and Ko, K.H. (2018), Utilization of GPS and IMU Sensors in the Initial Registration of Two Point Clouds, Korean Journal of Computational Design and Engineering, Vol. 23, No. 2, pp. 173-183.
Li, Q. and Griffiths, J.G. (2000), Iterative closest geometric objects registration, Computers and mathematics with applications, Vol. 40, No. 10-11, pp. 1171-1188.
Michaels, R.J. (1999), A new closed-form approach to absolute orientation, Master's thesis, Lehigh University, Bethlehem, USA, 106p.
Park, J.K. and Um, D.Y. (2020), Accuracy evaluation by point cloud data registration method, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 38, No. 1, pp. 35-41. (in Korean with English abstract)
Poreba, M. and Goulette, F. (2015), A robust linear featurebased procedure for automated registration of point clouds, Sensors, Vol. 15, No. 1, pp. 1435-1457.

상세보기
Qin, B., Li, X., Jia, S., Yang, A., and Qiu, H. (2015), Advanced absolute orientation algorithm based on unit quaternion on alignment. In 2015 IEEE International Conference on Information and Automation, 8-10 August, Lijiang, China, pp. 499-503.
Shen, Y.Z., Chen, Y., and Zheng, D.H. (2006), A quaternionbased geodetic datum transformation algorithm, Journal of Geodesy, Vol. 80, No. 5, pp. 233-239.

상세보기
Sheng, Q.H. and Zhang, B. (2017), Absolute orientation based on line coordinates, The Photogrammetric Record, Vol. 32, No. 157, pp. 12-32.

상세보기
Shi, X., Liu, T., and Han, X. (2020), Improved iterative closest point (ICP) 3D point cloud registration algorithm based on point cloud filtering and adaptive fireworks for coarse registration, International Journal of Remote Sensing, Vol. 41, No. 8, pp. 3197-3220.

상세보기

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