MMS로부터 취득된 LiDAR 점군데이터의 반사강도 영상과 UAV 영상의 정합을 위한 특징점 기반 매칭 기법 연구

최윤조,무하마드,홍승환,손홍규 한국측량학회 2019 한국측량학회지 Vol.37 No.6

Recently, as the demand for 3D geospatial information increases, the importance of rapid and accurate data construction has increased. Although many studies have been conducted to register UAV (Unmanned Aerial Vehicle) imagery based on LiDAR (Light Detection and Ranging) data, which is capable of precise 3D data construction, studies using LiDAR data embedded in MMS (Mobile Mapping System) are insufficient. Therefore, this study compared and analyzed 9 matching algorithms based on feature points for registering reflectance image converted from LiDAR point cloud intensity data acquired from MMS with image data from UAV. Our results indicated that when the SIFT (Scale Invariant Feature Transform) algorithm was applied, it was able to stable secure a high matching accuracy, and it was confirmed that sufficient conjugate points were extracted even in various road environments. For the registration accuracy analysis, the SIFT algorithm was able to secure the accuracy at about 10 pixels except the case when the overlapping area is low and the same pattern is repeated. This is a reasonable result considering that the distortion of the UAV altitude is included at the time of UAV image capturing. Therefore, the results of this study are expected to be used as a basic research for 3D registration of LiDAR point cloud intensity data and UAV imagery. 최근 3차원 공간정보에 대한 수요가 증가함에 따라 신속하고 정확한 데이터 구축의 중요성이 증대되어 왔다. 정밀한 3차원 데이터 구축이 가능한 LiDAR (Light Detection and Ranging) 데이터를 기준으로 UAV (Unmanned Aerial Vehicle) 영상을 정합하기 위한 연구가 다수 수행되어 왔으나, MMS (Mobile Mapping System)로부터 취득된 LiDAR 점군데이터의 반사강도 영상을 활용한 연구는 미흡한 실정이다. 따라서 본 연구에서는 MMS로부터 취득된 LiDAR 점군데이터를 반사영상으로 변환한 데이터와 UAV 영상 데이터의 정합을 위해 9가지의 특징점 기반 매칭 기법을 비교·분석하였다. 분석 결과 SIFT (Scale Invariant Feature Transform) 기법을 적용하였을 때 안정적으로 높은 매칭 정확도를 확보할 수 있었으며, 다양한 도로 환경에서도 충분한 정합점을 추출할 수 있었다. 정합 정확도 분석 결과 SIFT 알고리즘을 적용한 경우 중복도가 낮으며 동일한 패턴이 반복되는 경우를 제외하고는 약 10픽셀 수준으로 정확도를 확보할 수 있었으며, UAV 영상 촬영 당시 UAV 자세에 따른 왜곡이 포함되어 있음을 감안할 때 합리적인 결과라고 할 수 있다. 따라서 본 연구의 분석 결과는 향후 LiDAR 점군데이터와 UAV 영상의 3차원 정합을 위한 기초연구로 활용될 수 있을 것으로 기대된다.

SfM-MVS 점군데이터 기반 circular fitting 알고리즘 및 원판 두께에 따른 수간 흉고둘레 추정 정확도 비교

류지연,이복남,박주원 한국데이터정보과학회 2023 한국데이터정보과학회지 Vol.34 No.3

In this study, in order to produce more precise basal area at breast height for reliable tree stem volume estimation driven from 3-dimensional spatial information data, , the accuracy of the circumferences of cross-sectional area of tree calculated by the algorithms are compared, which are developed to analyze the data from an up-to-date image process technique, SfM-MVS (Structure from Motion-Multi View Stereo), using the images taken from a cell phone camera. Once the point cloud data for 30 individual tree stems were generated from SfM-MVS, those data was extracted into disc space with thickness ranging 1 to 30mm, which are increased by 1mm starting from 1.2m above the ground. The circumferences from the point data for each every disc were estimated using four circular fitting algorithms; Minimum Enclosing Circle (MEC), Convex Hull (CH), Least Squared Circle (LSC) and Least Ellipse (LSE). The accuracy of estimated circumferences according to the algorithms and disc thicknesses were compared using RMSE and bias. As a result, the accuracy was found to be high in the order of CH, LSC \& LSE, MEC, while CH and MEC tend to be overestimated and LSC and LSE tended to be underestimated. In addition, two-way ANOVA was performed to find out whether the algorithm and thickness factors affect the error. As a result, it was found that the algorithm and the thickness each affected the estimation accuracy. In order to reduce the number of cross-sectional area calculations regardless of the extraction thickness, LSC and LSE are effective. But In the case of estimating several cross-sectional areas with a thin thickness, CH is considered to be the most efficient method for estimating the volume by extracting cross-sectional areas of various heights in the future. 본 연구에서는 3차원 공간정보 자료로부터 정밀한 수간 재적 추정에 필요한 흉고단면적을 산출하기 위한 최신 기술인 스마트 폰 카메라 영상정보 기반 SfM-MVS (Structure from Motion-Multi View Stereo) 데이터로부터 흉고둘레를 추정하는 알고리즘들의 정확도를 비교하였다. 따라서, 개체목 30본에 대하여 SfM-MVS 점군 데이터를 생성한 후, 지상 1.2m 높이를 기준으로 1mm 단위로 두께 1~30mm 범위의 원판에 해당하는 점군 데이터들을 추출하였다. 이 원판별 점군 데이터들을 Minimum Enclosing Circle (MEC), Convex Hull (CH), Least Squared Circle (LSC)/Ellipse (LSE)의 4가지 circular fitting 알고리즘에 따라 흉고둘레를 산출하고, RMSE (Root Mean Square Error) 및 bias를 통해 흉고둘레 추정의 정확도를 비교 분석하였다. 그 결과, CH, LSC와 LSE, MEC 순으로 정확도가 높게 나타났으며 CH와 MEC는 과대 추정, LSC와 LSE는 과소 추정되는 경향이 나타났다. 추가로 알고리즘과 두께 요인이 추정오차에 미치는 영향 여부를 알아보기 위해 이원배치분산분석을 실시하였다. 그 결과, 알고리즘과 두께가 각각 추정 정확도에 영향을 미친다고 나타났다. 본 연구에서 제시된 circular fitting 알고리즘과 원판 두께를 활용한 흉고둘레 추정 분석 결과를 통해 두께에 관계없이 단면적 산정 빈도를 줄이기 위해서는 LSC와 LSE, 두께를 얇게 하여 여러 개의 단면적을 산정할 경우는 CH를 활용하는 것이 향후 다양한 높이의 단면적 추출을 통한 재적 추정에 있어 가장 효율적인 방법이라 사료된다.

3D 딥러닝을 위한 CityJSON 기반의 점군 학습 데이터 생성

손경완,신영하,염재홍,이동천 한국측량학회 2022 한국측량학회지 Vol.40 No.6

DL (Deep Learning) has evolved and developed rapidly in various areas in the past decade since the concept ofANN (Artificial Neural Networks) was introduced in the 1940s. Recently, GeoAI (Geospatial Artificial Intelligence)is one of the newly emerging fields of geoinformatics to create geospatial products and to provide smart decisionmakingthrough the AI-based procedure including implementation of the DL models with model training. However,the major obstacle of the DL is to obtain and/or to create training data and labeling. In particular, labeling, is animportant task in deep learning that requires an enormous amount of time and effort, which in most cases is donemanually through visual judgement. The labeling process for the point cloud data is more challenging and timeconsumingthan for imagery. In this regard, the purpose of this paper is to present a method for systematically,efficiently, and automatically generating large amounts of training and label datasets required for 3D DL usingpoint cloud data such as LiDAR by utilizing CityJSON. In addition, surface normal vectors of the point cloudsthat could provide geometric information of the object were estimated. Utilizing the normal vectors along with the3D coordinates of the point clouds could improve DL model training performance. The datasets generated fromthe proposed method could be used for 3D DL model training to perform semantic, instance and part segmentationof buildings, and eventually 3D building modeling. In appendix, python codes for generating dataset based on theproposed method are provided. 딥러닝(DL: Deep Learning)은 1940년대에 인공신경망(ANN: Artificial Neural Network) 개념이 도입된 이후,특히 지난 10년 동안 다양한 분야에서 급속하게 발전과 진화를 계속하고 있다. 최근 GeoAI (Geospatial A rtificialIntelligence)는 AI 기반의 DL 기술을 공간정보에 구현하여 여러 성과물을 생성하고 지능적 의사결정을 제공하기 위해 새롭게 부상하고 있는 공간정보의 한 분야이다. 그러나 DL의 주요 장애물은 다량의 학습 데이터와 레이블을 획득하고 생성하는 것이다. 특히 레이블링은 많은 시간과 전문적 인력이 요구되는 중요한 과정으로 대부분의 경우 시각적판단에 의존하여 수동적인 방법으로 수행된다. 점군집 데이터의 레이블링은 영상에 비해 더 어렵고 많은 시간이 소요된다. 이러한 문제점을 해결하기 위해 본 논문은 CityJSON을 활용하여 LiDAR와 같은 점군 데이터를 이용하여 3차원 DL에 필요한 대용량의 학습 데이터와 레이블 셋을 체계적이고 효율적이며 자동으로 생성하는 방법을 제시하고있다. 또한 객체의 기하학적 정보를 제공할 수 있는 표면 법선벡터를 모든 점에서 추정하였다. 점군 데이터의 3차원 좌표와 법선벡터를 함께 학습에 사용하면, DL 모델의 학습성능을 향상시킬 수 있다. 제안한 방법에 의해 생성된 데이터셋을 점군 기반의 3차원 DL 모델 학습에 사용하면 건물의 의미적 분할과 객체 및 구성요소 분할을 수행하고 궁극적으로 3차원 건물 모델링을 수행할 수 있다. 제안한 방법을 수행하기 위한 주요 파이썬 코드를 부록에 제공하였다.

건설현장 3차원 점군 데이터 정합 정확성 향상을 위한 중첩비율 분석

박수열(Park, Su-Yeul),김석(Kim, Seok) 한국BIM학회 2021 KIBIM Magazine Vol.11 No.4

Comparing to general scanning data, the 3D digital map for large construction sites and complex buildings consists of millions of points. The large construction site needs to be scanned multiple times by drone photogrammetry or terrestrial laser scanner (TLS) survey. The scanned point cloud data are required to be registrated with high resolution and high point density. Unlike the registration of 2D data, the matrix of translation and rotation are used for registration of 3D point cloud data. Archiving high accuracy with 3D point cloud data is not easy due to 3D Cartesian coordinate system. Therefore, in this study, iterative closest point (ICP) registration method for improve accuracy of 3D digital map was employed by different overlap ratio on 3D digital maps. This study conducted the accuracy test using different overlap ratios of two digital maps from 10% to 100%. The results of the accuracy test presented the optimal overlap ratios for an ICP registration method on digital maps.

대용량 MMS 점군데이터의 계층적 구조화 방법

강석찬,이정원,최현상,이지영 한국측량학회 2023 한국측량학회지 Vol.41 No.2

지상 MMS (Mobile Mapping System) 측량은 다양한 센서를 탑재한 차량이 도로를 주행하면서 주변을 관측하여 위치(x, y, z)값, 색상(RBG)값, 반사(Intensity)값 등을 포함하는 점군(Point Cloud) 데이터로 취득하는 기술로 2㎝급 정밀도를 가진 데이터를 취득할 수 있다. 지상 MMS 측량은 촬영 거리에 따라 수십 기가바이트(gigabyte)에달하는 점군데이터를 취득하며, 점군데이터는 표준 포맷인 LAS (LASer) 파일로 저장된다. 대용량 데이터를 하나의 파일로 저장할 경우 데이터 조회에 문제가 발생하기 때문에 1기가 이하 단위로 분리하여 저장한다. 이렇게 분할되어 저장되는 데이터를 그대로 사용할 경우 동일한 작업을 반복적으로 수행해야 하며, 최종적으로는 분리된 데이터를 다시 통합해야 하는 단점이 존재한다. 이에 본 연구에서는 분할되어 저장된 LAS 파일을 연속적으로 조회할수 있도록 계층적으로 구조화하는 방법에 관한 연구를 수행하였다. 점군데이터 구조화는 대용량 데이터를 처리할수 있도록 옥트리(octree) 기반의 공간분할기법을 적용하여 계층적으로 구성하였으며, 메모리에 제한받지 않고 초대용량을 처리할 수 있도록 파일기반으로 구조화를 시도하였다. 연구 검증을 위하여 여러 개로 분할된 수십 기가의점군데이터를 계층적으로 구조화하고 인덱싱(indexing)을 적용하여 통합된 데이터로 저장 및 조회 결과를 확인하였다. 옥트리 기반의 계층적 구조화를 통하여 블록별로 파일을 구분하여 저장하는 구조를 적용한 결과, 수십 기가에 달하는 점군데이터를 한 번에 조회할 수 있음을 확인하였다.

디지털 3차원 점군데이터 기반 암반 불연속면 거칠기 이방성 평가

김태현,김광염 한국암반공학회 2023 터널과지하공간 Vol.33 No.6

불연속면 거칠기는 암반의 기계적 특성에 큰 영향을 주며 열·수리 역학적 거동에도 많은 영향을 미치는요소이다. 본 연구에서는 입체사진측량기법을 이용하여 불연속면에 대한 3차원 점군 데이터를 생성시키고 이를 이용하여 불연속면의 거칠기 특성화를 수행하였다. 3차원 점군 데이터로 재생성된 불연속면프로파일과 프로파일 게이지를 이용하여 수동으로 측정한 프로파일을 비교하여 취득한 점군 데이터가암반면의 실제 형상을 정확하게 재현하였는지 평가하였다. 또한, 측정 프로파일수가 거칠기 평가에 미치는 영향에 대해 분석하였고, 거칠기의 이방성 평가방법을 제안하고 실제 암반 불연속면에 대한 거칠기이방성 평가를 수행하였다. The roughness of discontinuity significantly influences the mechanical characteristics of rock masses and extensively affects thermal and hydraulic behaviors. In this study, we utilized photogrammetry to generate 3D point cloud data for discontinuity and applied this data to characterize the roughness of discontinuity. The discontinuity profiles, reconstructed from the 3D point cloud data, were compared with those manually measured using a profile gauge. This comparison served to validate the accuracy and reliability of the acquired point cloud data in replicating the actual configurations of rock surfaces. Subsequent to this validation, influence of the number of profiles for representative JRC assessment was further investigated followed by suggestion of roughness anisotropy evaluation method with application of it to actual rock discontinuity surfaces.

드론 측량자료를 활용한 수치지형도 적용성 분석

오영훈 ( Young-hun Oh ) 한국환경기술학회 2018 한국환경기술학회지 Vol.19 No.5

본 연구는 DJI Inspire2 드론을 활용한 항공 지형촬영 사진데이터의 수치지형도 갱신 적용성을 분석하였다. RTK-GPS를 사용하여 연구대상지역에 5개의 지상기준점을 설치하였다. 드론에 의하여 촬영된 151장의 항공사진 중 145장을 추출하여 Pix4D mapper로 자료 처리하여 총 579,330개의 3차원 점군 데이터가 추출되었고, 점군 데이터와 5개의 지상기준점을 중첩하면 최대오차 X축 0.445m, Y축 0.955 m, Z축 1.229 m의 절대위치 오차가 발생하였다. 점군 데이터와 5개의 지상기준점을 중첩 및 보정하여 수치표면모델과 정사영상을 생성하였고 지상기준점 X, Y, Z축 최대오차는 0.011 m, 0.007 m, 0.019 m로 모든 방향의 표준편차가 0.02 m이내로 나타났다. 또한 연구대상지역내 3개의 이기점을 생성하고 고정밀 위성측정시스템 좌표 측정 결과와 비교분석하여 위치 최대오차는 0.050 m, 표고최대오차 0.131 m와 0.06 m의 표준편차를 가진 3차원 결과를 생성하였다. 드론 사진촬영 데이터를 활용한 수치지형도 갱신 및 제작 적용성은 수치지형도 제작에 따른 검사기준 허용오차 범위내의 결과에 따라 실질적으로 활용할 수 있을 것이라 판단된다. In this study, the applicability of aerial topographical photograph data captured using DJI Inspire2 drone for the renewal of digital topographic map was analyzed. Five ground control points were installed on the target area of study using RTK-GPS. 145 out of 151 aerial photographs captured using the drone were extracted and processed with Pix4D mapper, extracting a total of 579,330 3D cloud points. By overlapping the cloud points and 5 ground control points, an absolute position error with the maximum error of 0.445 m on X-axis, 0.955 m on Y-axis and 1.229 m on Z-axis occurred. The digital surface model and orthomosaic image were created by overlapping and correcting the cloud points and 5 ground control points, and the maximum error of ground control points on X-axis, Y-axis and Z-axis was 0.011 m, 0.007 m and 0.019 m respectively, indicating that the standard deviation in all directions was 0.02 m or less. Also, three tie points were created in the target area of study, compared and analyzed with the coordinate measurement result of differential global positioning, producing 3D result with 0.050 m for the maximum position error, 0.131 m for maximum elevation error and 0.06 m for standard deviation. It is judged that the applicability of photograph data captured using the drone for the renewal and production of digital topographic map can be utilized practically as the result of permissible error according to the production of digital topographic map satisfy the test standard.

건축물 안전등급 산출을 위한 외관 조사 상태 평가 데이터 기반 DNN 모델 구축

이재민 ( Lee Jae-min ),김상용 ( Kim Sangyong ),김승호 ( Kim Seungho ) 한국건축시공학회 2021 한국건축시공학회지 Vol.21 No.6

노후 건축물의 수가 증가함에 따라, 건물의 안전진단, 유지 보수에 대한 중요성이 증가하고 있다. 기존 외관 조사는 점검자의 주관적인 판단이 수반되어 평가 결과가 다르고 객관성과 신뢰성이 떨어진다. 따라서 본 연구는 기존 연구를 통해 기실시된 외관 조사 및 상태 평가 프로세스의 한계를 제시하였으며, UAV, Laser Scanner를 통해 3D Point Cloud 데이터를 수집하였다. 또한, Reverse Engineering 기술을 이용하여 3D 모델을 생성한 후 객관적인 상태평가 데이터를 취득하였다. 이후 기존의 정밀검사 데이터와 정밀 안전진단 데이터를 활용하여 DNN 구조를 생성하고, 고정밀도 측정 장치를 이용하여 얻은 상태평가 데이터를 적용하여 객관적인 건물안전등급을 산출하였다. 자동화된 프로세스는 20개의 노후된 건축물에 적용되며 동일 면적 건축물 기준 수작업으로 실시되는 안전진단의 시간에 비해 약 50% 감소하였다. 이후 본 연구에서는 안전등급 결과값과 기존값을 비교하여 안전등급 산출과정의 정확성을 검증하고 약 90%의 높은 정확도를 가진 DNN을 구축하였다. 이는 향후 노후 건물의 안전등급 산정의 신뢰성이 향상되고 비용과 시간을 절약해 경제성이 향상될 것으로 기대된다. As the number of deteriorated buildings increases, the importance of safety diagnosis and maintenance of buildings has been rising. Existing visual investigations and building safety diagnosis objectivity and reliability are poor due to their reliance on the subjective judgment of the examiner. Therefore, this study presented the limitations of the previously conducted appearance investigation and proposed 3D Point Cloud data to increase the accuracy of existing detailed inspection data. In addition, this study conducted a calculation of an objective building safety grade using a Deep-Neural Network(DNN) structure. The DNN structure is generated using the existing detailed inspection data and precise safety diagnosis data, and the safety grade is calculated after applying the state evaluation data obtained using a 3D Point Cloud model. This proposed process was applied to 10 deteriorated buildings through the case study, and achieved a time reduction of about 50% compared to a conventional manual safety diagnosis based on the same building area. Subsequently, in this study, the accuracy of the safety grade calculation process was verified by comparing the safety grade result value with the existing value, and a DNN with a high accuracy of about 90% was constructed. This is expected to improve economic feasibility in the future by increasing the reliability of calculated safety ratings of old buildings, saving money and time compared to existing technologies.

역분석공학기법을 이용한 불연속면 분석 프로그램 개발

박의섭(Eui-Seob Park),천대성(Dae-Sung Cheon),정용복(Yong-Bok Jung),류창하(Changha Ryu),선우춘(Choon Sunwoo),최용근(Yongkun Choi),허승(Sung Heo) 한국암반공학회 2007 터널과지하공간 Vol.17 No.3

3차원 레이저 스캐너를 이용하여 사물의 형상을 측정하고, 이로부터 얻어진 데이터를 이용해서 측정된 사물의 형상을 재현하는 기술을 역분석공학이라고 한다. 최근 암반공학분야에서도 사람 손이 닿지 않는 암반사면이나 넓은 지역에 대한 신속한 불연속면 조사를 위해 이러한 역분석공학 기술을 응용하고자 하는 연구가 활발히 진행되고 있다. 이러한 기술을 이용하여 불연속면을 조사하고 분석하기 위해서는 레이저 스캐너로부터 얻어진 3차원 점군데이터를 처리하고 이로부터 불연속면을 추출하고 분석하는 프로그램이 필수적이다. 그러나 기존 프로그램들은 불연속면 조사에 필요한 기능을 충분히 갖추었다고 보기 어려운 실정이다. 따라서 이 연구에서는 3차원 레이저 스캐너를 이용하여 암반면을 측정한 점군데이터로부터 불연속면을 추출하고 통계분석하는 일련의 과정을 자동화된 하나의 프로세스로 처리하는 프로그램을 개발하였으며, 개발된 프로그램을 암반 사면과 터널 벽면의 불연속면 조사에 적용하여 조사기법과 프로그램의 적용성을 검증하였다. 3차원 레이저를 이용한 불연속면 조사와 개발된 프로그램을 이용함으로써 부지 조사시 접근이 곤란한 지역의 조사 용이성이 증대될 수 있을 것으로 기대된다. 또한 관련 기술의 국제적인 수준이 초보 단계인 것을 감안하면 앞으로 해외시장 선점 가능성도 클 것으로 기대된다. The technique, which reproduces the figures of objects from measured data of the objects using 3-D laser scanner, is called reverse engineering. Recently, research studies into applications of reverse engineering to rock engineering are increasing in number, in the discontinuity surveys for rock slopes out of man's reach, or rapid discontinuity surveys for wide range areas. For analysis of discontinuity using reverse engineering, a program for processing point clouds data from the 3-D laser scanner, for sampling from these point clouds data, and finally analyzing the discontinuity is needed. However, existing programs rarely have sufficient functions to properly analyze the discontinuities. In this study, a program was developed, which can automatically sample discontinuities from the point clouds data which measured in a rock slope using a 3-D laser scanner, and which can also undertake statistical analysis of the discontinuities. This developed program was verified by the application of discontinuity surveys in a rock slope and a tunnel. By undertaking the discontinuity survey using a 3-D laser scanner and the developed program, the feasibility and rapidity of such surveys is expected to improve in areas out of man's reach in geotechnical surveys. Taking into consideration the fact that the international level of related techniques is at a rudimentary stage, the possibility of prior occupation of a broad market is also expected.

시뮬레이션 데이터로 학습된 딥러닝 모델을 사용한 항공 라이다 데이터의 건물 모델링

신영하(Shin, Young-Ha),형성웅(Hyung, Sung-Woong),손경완(Son, Kyung-Wan),이동천(Lee, Dong-Cheon) 한국측량학회 2023 한국측량학회지 Vol.41 No.6

Photogrammetry is based on object modeling technology that extracts and measures important information about various objects and geographical features from images for 3D object reconstruction. Technological advances have made it possible to acquire various types of high quality data with inherent characteristics from different kinds of sensors. In particular, LiDAR (Light Detection and Ranging) which could directly obtain high-accuracy 3D information, is getting more widely used in various applications. This paper aims to develop a system that automatically models buildings in 3D using airborne LiDAR data. Roof surface segmentation, an important process of building modeling, was performed by deep learning. Deep learning model training requires a large amount of various data. To obtain enough amount of airborne LiDAR data for training deep learning model is difficult task. Therefore, simulated building dataset of point clouds was created for training the deep learning model. The simulated dataset consisting of 3D coordinates and normal vectors depicts buildings with various roof types. The roof surfaces were segmented by feeding airborne LiDAR data to the deep learning model trained with simulation dataset. Finally, building models with CityJSON format were generated by extracting model key points such as vertex and apex automatically from the segmented roof surfaces. In addition, a web system for processing and visualizing spatial information data was implemented to display results.