[논문]포인트클라우드 데이터를 이용한 수목관리정보 구축 방안

이근왕; 박준규

doi:10.14400/jdc.2020.18.11.427

포인트클라우드 데이터를 이용한 수목관리정보 구축 방안
Construction of Tree Management Information Using Point Cloud Data 원문보기

디지털융복합연구 = Journal of digital convergence, v.18 no.11, 2020년, pp.427 - 432

초록
AI-Helper

효과적인 산림경영계획 수립을 위해서는 수고, 흉고직경 등 수목관리정보에 대한 조사가 필요하다. 하지만 기존의 산림조사 방법의 효율성을 향상시키기 위한 데이터 취득 기술의 융복합 및 적용에 대한 연구는 부족한 실정이다. 이에 본 연구에서는 3D 스캐너를 통해 취득되는 포인트클라우드 데이터를 활용하여 수목관리정보를 구축하고 분석하였다. 고정형 및 이동형 3D 스캐너를 이용하여 연구대상지에 대한 데이터를 취득하였으며, 작업시간 비교를 통해 이동형 3D 스캐너의 효율성을 제시하였다. 또한 포인트클라우드 데이터를 이용한 식생의 객체별 분류를 수행하고, 흉고직경 및 수고에 대한 정보를 구축함으로써 객체 관리가 가능한 수목관리정보를 구축하였다. 기존의 측정 방법과 비교한 정확도 평가 결과 수고는 0.02-0.09m, 흉고직경은 0.01-0.04m의 차이를 나타내었다. 향후 추가적인 연구를 통해 객체별 식생의 위치와 수관에 대한 정보를 구축한다면 산림관리정보 구축 관련 업무 효율성 증가에 기여할 것이다.

Abstract ▼ AI-Helper

In order to establish an effective forest management plan, it is necessary to investigate tree management information such as tree height and DBH(Diameter at breast height). However, research on convergence and application of data acquisition technology to improve the efficiency of existing forest survey methods is insufficient. Therefore, in this study, tree management information was constructed and analyzed using point cloud data acquired through a 3D scanner. Data on the study site was acquired using fixed and mobile 3D scanners, and the efficiency of the mobile 3D scanner was presented through comparison of working hours. In addition, tree management information for object management was constructed by classifying vegetation by object using point cloud data, and by constructing information on chest height diameter and height. As a result of the accuracy evaluation compared with the conventional measurement method, the difference in tree height was 0.02-0.09m and DBH was 0.01-0.04m. If information on the location of vegetation and crowns of each object is constructed through additional research in the future, the efficiency of the work related to forest management information construction can be greatly increased.

주제어

표/그림 (14)

그림 Fig. 1. Forest Surveying using Calipers
그림 Fig. 2. Forest Surveying using Tape Measurement
그림 Fig. 3. Study Flow
그림 Fig. 4. Study Site
그림 Fig. 5. X7
그림 Fig. 6. C50
그림 Fig. 7. Data Acquired using a Static 3D Scanner
표 Table 1. Working Hours of Static and Mobile 3D Scanners
그림 Fig. 8. Data Processing Process
그림 Fig. 9. Data Classification Result
그림 Fig. 10. Point Cloud Classified by Object
그림 Fig. 11. Measurement of DBH and Height
그림 Fig. 12. Tree Management Information
표 Table 2. Accuracy Analysis Result

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 포인트클라우드 데이터를 이용하여 수목관리정보를 구축하고 분석함으로써 3D 스캐너의 활용성을 평가하고자 하였다.
하지만 기존의 산림조사 방법의 효율성을 향상시키기 위한 공간정보융복합에 대한 연구는 부족한 실정이다. 이에 본 연구에서는 3D 스캐너로 취득되는 데이터를 활용하여 수목관리정보를 구축하고 분석함으로써 포인트클라우드 데이터의 활용성을 평가하고자 한다. Fig.

제안 방법

1. 고정형 및 이동형 3D 스캐너를 이용하여 연구대상지에 대한 데이터를 취득하였으며, 작업시간 비교를 통해 이동형 3D 스캐너의 효율성을 제시하였다.
2. 포인트클라우드 데이터를 이용한 식생의 객체별 분류를 수행하고, 흉고직경 및 수고에 대한 정보를 구축함으로써 객체 관리가 가능한 수목관리정보를 구축하였다.
고정형 및 이동형 3D 스캐너를 통해 취득된 데이터는 포인트클라우드 데이터이며, 본 연구에서는 포인트클라우드 데이터를 이용한 수목관리정보 구축을 위해 흉고직경, 수고 등의 정보를 생성하였다. 자료처리 과정은 포인트클라우드 데이터의 분류를 통한 식생 추출, 객체별 식생 분리, 흉고직경 및 수고 측정의 과정으로 이루어졌다.
데이터 취득은 연구대상지에 대해 고정형 3D 스캐너와 이동형 3D 스캐너를 통해 이루어졌다. 고정형 3D 스캐너는 T사의 X7을 이용하였으며, 이동형 3D레이저스캐너는 G사의 C50모델을 이용하였다.
데이터 취득은 작업효율성의 비교를 위해 고정형과 이동형 장비를 이용하여 수행되었다. Fig.
수목관리정보 구축을 위해 식생 객체별로 흉고직경 및 수고를 측정하였다. Fig.
수목관리정보는 객체 관리가 가능하도록 식생별로 순차적 ID를 부여하고, 흉고직경, 수고 등의 데이터를 보고서 형태로 작성하였다. Fig.
고정형 및 이동형 3D 스캐너를 통해 취득된 데이터는 포인트클라우드 데이터이며, 본 연구에서는 포인트클라우드 데이터를 이용한 수목관리정보 구축을 위해 흉고직경, 수고 등의 정보를 생성하였다. 자료처리 과정은 포인트클라우드 데이터의 분류를 통한 식생 추출, 객체별 식생 분리, 흉고직경 및 수고 측정의 과정으로 이루어졌다. Fig.
정확도 평가를 위해 토털스테이션으로 측정한 수고와 윤척으로 측정한 흉고직경을 포인트클라우드에서 측정된 수고 및 흉고직경과 비교하였다. 정화도 평가 결과는 Table 2와 같다.

대상 데이터

데이터 취득은 연구대상지에 대해 고정형 3D 스캐너와 이동형 3D 스캐너를 통해 이루어졌다. 고정형 3D 스캐너는 T사의 X7을 이용하였으며, 이동형 3D레이저스캐너는 G사의 C50모델을 이용하였다. Fig.
고정형 3D 스캐너는 연구대상지의 데이터 취득을 위해 총 15 스테이션에서 데이터를 취득하였으며, 데이터 취득 시간은 총 90분 정도가 소요되었다. 이동형 3D 스캐너는 같은 면적의 데이터를 취득하는데 30분이 소요되었으며, registration 및 Georeferencing 처리에 소요된 시간은 2가지 경우 모두 60분 이었다.
본 연구에서는 3D 스캐너로 취득되는 데이터를 활용하여 수목관리정보를 구축하기 위해 서울 인근의 식생을 포함한 주택가를 연구대상지로 선정하였다. 연구대상지는 주택과 식생과 주택이 함께 존재하여 지형 및 식생에 대한 데이터 취득이 용이하였다.

이론/모형

registration 및 georeferencing된 포인트클라우드 데이터에서 식생을 객체별로 분류하기 위하여 G사의 LiDAR 360 소프트웨어를 이용하였다. Fig.

성능/효과

3. 기존의 수고 및 흉고직경 측정방법과 포인트클라우드 데이터를 이용한 측정방법을 비교한 정확도 평가 결과 수고는 0.02-0.09m, 흉고직경은 0.01-0.04m의 차이를 나타내었으며, 이러한 정확도는 산림관리에 충분히 활용이 가능할 것이다.
기존의 측정 방법과 비교한 정확도 평가 결과 수고는 0.02-0.09m, 흉고직경은 0.01-0.04m의 차이를 나타내었다. 국가산림자원조사에서 흉고직경은 1cm 단위, 수고는 10cm 단위로 측정하는 것으로 방법이 정의되어 있음을 고려할 때[7], 이러한 정확도는 수목관리에 충분히 활용이 가능할 것으로 판단된다.
데이터 취득은 고정형보다 이동형 3D 스캐너가 3배 이상의 효율을 나타내었으며, 대상지의 면적이 클수록 이러한 효율의 차이는 더욱 커질 것이다. 데이터 처리에서는 Georeferencing에 소요된 시간이 이동형 3D 스캐너가 크기 때문에 추가적인 연구를 통해 효율성을 비교할 필요가 있다.

후속연구

4. 향후 산림관리정보 구축 관련 업무의 효율성 증대를 위해 객체별 식생의 위치와 수관 정보의 추가적인 구축이 필요하다.
데이터 취득은 고정형보다 이동형 3D 스캐너가 3배 이상의 효율을 나타내었으며, 대상지의 면적이 클수록 이러한 효율의 차이는 더욱 커질 것이다. 데이터 처리에서는 Georeferencing에 소요된 시간이 이동형 3D 스캐너가 크기 때문에 추가적인 연구를 통해 효율성을 비교할 필요가 있다.
연구를 통해 구축된 객체별 수목관리정보는 기존의 인력에 의한 산림조사 방법보다 효과적인 방법으로 산림조사 및 관리를 위한 기초자료로 활용이 가능하며, 산림관리정보 구축 관련 업무의 효율성 증대를 위해 객체별 식생의 위치와 수관 정보의 추가적인 구축이 필요하다.

참고문헌 (15)

J. K. park & K. Y. Jung. (2020). Construction of 3D Geospatial Information for Development and Safety Management of Open-pit Mine. Korean Society Of Surveying, Geodesy, Photogrammetry and Cartography, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 38(1), 43-48. DOI: https://doi.org/10.7848/ksgpc.2020.38.1.43

원문보기 상세보기
H. C. Yun & J. S. Lee. (2018). Accuracy Evaluation and Analysis of SLAM for the Advancement of Forest Investigation. Journal of the Korea Academia-Industrial cooperation Society, 19(12), 734-739. DOI : https://doi.org/10.5762/KAIS.2018.19.12.734

원문보기 상세보기
H. D. Seo & E. M. Kim. (2019). Object Classification Using Point Cloud and True Ortho-image by Applying Random Forest and Support Vector Machine Techniques. Korean Society Of Surveying, Geodesy, Photogrammetry and Cartography, 37(6), 405-416. DOI: https://doi.org/10.7848/ksgpc.2019.37.6.405

원문보기 상세보기
K. J. Bhang, T. Sarker & J. D. Lee (2018). Prediction of Urban Land Cover Change Using Multilayer Perceptron and Markov Chain Analysis. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 36(2), 43-48. DOI: https://doi.org/10.7848/ksgpc.2018.36.2.85

원문보기 상세보기
S. J. Jang, Y. T. Lee, K. Y. Lee, J. H. Lee & K. W. Chun. (2020). A Study of Disaster Prevention and Characteristics of Landslides Triggered by the 2019 Typhoon Mitag in Samcheok. Journal of The Korean Society of Hazard Mitigation, 20(2), 221-227. DOI : https://doi.org/10.9798/KOSHAM.2020.20.2.221

상세보기
J. K. Park & K. Y. Jung. (2018). Investigation and Analysis of Forest Geospatial Information Using Drone. Journal of the Korea Academia-Industrial cooperation Society, 19(2), 602-607. DOI : https://doi.org/10.5762/KAIS.2018.19.2.602

원문보기 상세보기
Korea Forest Service (Sep. 11, 2018). News and Resource. http://www.forest.go.kr/
S. K. Choi, J. W. Choi, S. W. Park, S. H. Jung & S. K. Lee. (2017). Applicability of Wind-Vegetation Model in Small Scale Sand Dunes. Journal of the Korean Society of Surveying,Geodesy, Photogrammetry and Cartography, 35(6), 545-552. DOI : https://doi.org/10.7848/ksgpc.2017.35.6.545

원문보기 상세보기
J. K. Park & K. W. Lee. (2017). Analysis of Geospatial Information Construction Efficiency by 3D Laser Scanner Integrated with Total Station. Journal of the Korea Academia-Industrial cooperation Society, 18(12), 638-643. DOI : https://doi.org/10.5762/KAIS.2017.18.12.638

원문보기 상세보기
J. H. Seong, K. R. Lee, Y. S. Kwon, Y. K. Han & W. H. Lee. (2020). A Study on Identification of the Heat Vulnerability Area Considering Spatial Autocorrelation - Case Study in Daegu. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 38(4), 295-304. DOI : https://doi.org/10.7848/ksgpc.2020.38.4.295

원문보기 상세보기
T. H. Kim & J. H. Youn. (2018). A study on 3D safety state information platform architecture design for realistic disaster management based on spatial information. Journal of the Korea Academia-Industrial cooperation Society, 20(4), 564-570. DOI : https://doi.org/10.5762/KAIS.2019.20.4.564

원문보기 상세보기
S. C. lee, S. H. Choi & W. Cho. (2020). A Study of Visualization and Analysis Method about Plants Social Network Used for Planting Design - Focusing on Forest Vegetation Area in Busan Metropolitan City. KOREAN JOURNAL OF ENVIRONMENT AND ECOLOG, 34(3), 259-270. DOI : https://doi.org/10.13047/KJEE.2020.34.3.259

원문보기 상세보기
J. K. Park & K. W. Lee. (2020). Analysis of Data Characteristics by UAV LiDAR Sensor. Journal of the Korea Academia-Industrial cooperation Society, 21(5), 1-6.. DOI : https://doi.org/10.5762/KAIS.2020.21.5.1

원문보기 상세보기
Trimble Inc. (Sep. 11, 2020). Product. http://www.trimble.com/
Greenvalley International (Sep. 11, 2020). Product. https://greenvalleyintl.com/

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