드론과 지상 레이저스캐너 자료통합에 의한 건물 3D 복원

국문 초록 (Abstract)

드론과 지상 레이저스캐너에 의한 건물 점군자료의 정확한 통합을 위해서는 지상기준점을 이용하는 것이 가장 확실한 방법이다. 기준점 획득은 GNSS 측량, 지상기준점에 대응하는 영상좌표 독취 등의 매우 번거로운 작업을 필요로 하며 접근이 곤란한 지역은 기준점 측량이 매우 힘들다. 그리고 현장 여건상 기준점이 영상전체를 포괄할 수 없고, 영상에서의 기준점 배치 상태와 분포에 따라서도 두 점군자료의 통합결과에 영향을 줄 수 있다. 이 연구에서는 지상 기준점 없이 드론과 지상 레이저스캐너로 획득한 건물의 상층부와 측면부 점군자료를 자동으로 통합하기 위한 3D 매칭 기법적용 가능성을 평가하였다. 그 결과, 레이저스캐너 점군의 일정한 포인트 간격의 증가에 따른 변환계수 모델로 3D 매칭한 점군의 높이오차는 11cm로써, 기준점을 활용하여 통합한 점군의 높이오차보다 4cm 크게 나타났다. 그러나 건물복원에 있어서 제안방법으로 통합된 점군은 기준점을 활용한 통합과 유사한 결과를 보였다. 이를 통해 드론과 지상용 센서를 동시에 활용하여 접근이 곤란한 지역의 건설구조물 3D 복원에 활용 가능할 것으로 판단한다.

다국어 초록 (Multilingual Abstract)

For the precise integration of point cloud data of buildings obtained by drones and TLS (Terrestrial Laser Scanners), it is the most reliable method to employ GCPs (Ground Control Points). However, acquiring GCPs is a cumbersome process involving GNSS (Global Navigation Satellite System) surveying, capturing image coordinates corresponding to GCPs, and other similar tasks. Measuring GCPs in areas with difficult access is particularly challenging. Additionally, due to on-site conditions, GCPs may not cover the entire area of interest. The integration results of the point-cloud dataset of drones and TLS may be affected depending on the location and distribution of the GCPs in the overlapped drone images. This study investigates the feasibility of utilizing 3D matching techniques to automatically integrate drone-acquired point clouds of the upper parts of buildings with TLS-acquired point clouds of the side parts, without relying on GCPs. The analysis revealed a height error of the point cloud which was 11 cm when conducting 3D matching using a transformation-parameter model according to the increase of the point spacing of TLS. This was 4 cm larger than those of the point cloud integrated using GCPs. The integrated point cloud by the proposed method closely approximates the one achieved using GCPs. Through this result, it can be effectively used for the 3D reconstruction of structures in areas that are difficult to access by simultaneously utilizing drones and ground sensors.