$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 정밀도로지도 제작을 위한 도로 노면선 표시의 자동 도화 및 구조화
Automatic Drawing and Structural Editing of Road Lane Markings for High-Definition Road Maps 원문보기

한국측량학회지 = Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, v.39 no.6, 2021년, pp.363 - 369  

최인하 (Department of Spatial Information Engineering, Namseoul University) ,  김의명 (Department of Drone.GIS Engineering, Namseoul University)

초록
AI-Helper 아이콘AI-Helper

정밀도로지도는 자율주행차의 기본 인프라로 활용되어 최신 도로정보가 신속하게 반영되어야 한다. 하지만 현재 정밀도로지도 공정 중 객체 도화 및 구조화 편집과정이 수작업으로 이루어지며 주요 구축 대상인 도로 노면선 표시의 레이어를 생성하는데 가장 오랜 시간이 소요된다. 이에 본 연구에서는 선행 연구에서 기학습된 포인트넷(PointNet) 모델을 통해 색상 유형(백색, 청색, 황색)이 예측된 도로 노면선 표시의 포인트 클라우드를 입력 데이터로 활용하였고, 이를 기반으로 본 연구에서는 도로 노면선 표시 레이어의 도화 및 구조화 편집을 자동화하는 방법론을 제안하였다. 제안한 방법론을 통해 구축한 3차원 벡터 데이터의 활용성을 검증하기 위해 정밀도로지도 품질검사 기준에 따라 정확도를 분석하였다. 벡터 데이터의 위치정확도 검사에서 수평 오차와 수직 오차에 대한 평균제곱근오차(RMSE: Root Mean Square Error)는 0.1m 이내로 나타나 적합성을 검증하였으며, 구조화 편집 정확도 검사에서 선표시 유형과 선규제 유형의 구조화 정확도가 모두 88.235%로 나타나 활용성을 검증하였다. 따라서, 본 연구에서 제안한 방법론으로 정밀도로지도를 위한 도로 노면선 표시의 벡터 데이터를 효율적으로 구축할 수 있는 것을 알 수 있었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

High-definition road maps are used as the basic infrastructure for autonomous vehicles, so the latest road information must be quickly reflected. However, the current drawing and structural editing process of high-definition road maps are manually performed. In addition, it takes the longest time to...

주제어

#정밀도로지도   #포인트 클라우드   #도로 노면선 표시   #도화   #구조화 편집   #품질검사  

표/그림 (13)

참고문헌 (8)

  1. National Geographic Information Institute (2020), Manual of quality inspection criteria of the high-definition road maps, pp. 1-136. 

  2. National Geographic Information Institute (2021), Explanation and guidance materials of high-definition road maps, pp. 1-51. 

  3. Choi, H.K. (2021), A study and suggestion of digital twin realization in korean new deal, Review of Architecture and Building Science, Vol. 65, No. 3, pp. 38-42. 

  4. Choi, I.H. and Kim, E.M. (2021), Automatic construction of deep learning training data for high-definition road maps using mobile mapping system, The Journal of Korea Society of Surveying, Geodesy, Photogrammetry, and Cartography, Vol. 39, No. 3, pp. 133-139. (in Korean with English abstract) 

    원문보기 상세보기 crossref

  5. Choi, K.J. and Kim, K.H. (2021), An automatic extraction method for road maps using LiDAR-based 3D point maps, The Korean Institute of Information Scientists and Engineers, Vol. 27, No. 5, pp. 234-240. (in Korean with English abstract) 

  6. Choi, T.S., Yoon, H.S., Choi, Y.S., Lee, W.J., and Chang, S.Y (2020), A study on high definition road map construction using aerial photography, The Journal of Korean Society for Geospatial Information Science, Vol. 28, No. 3, pp. 69-76. (in Korean with English abstract) 

  7. Korean Society of Transportation (2021), Trend of Policy, Transportation Technology and Policy, Vol. 18, No. 2, pp. 90-92. 

  8. Qi, C.R, Su, H., Mo, K., and Gulibas, L.J (2017), PointNet: deep learning on point sets for 3D classification and segmentation, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 652-660. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로