ICP 기법을 이용한 MSS 및 UAV 간 점군 데이터 자동정합 = Automatic Registration of Point Cloud Data between MMS and UAV using ICP Method

다국어 초록 (Multilingual Abstract)

3D geo-spatial model have been widely used in the field of Civil Engineering, Medical,Computer Graphics, Urban Management and many other. Especially, the demand for high quality 3D spatial information such as precise road map construction has explosivelyincreased, MMS and UAV techniques have been actively used to acquire them moreeasily and conveniently in surveying and geo-spatial field. However, in order to perform3D modeling by integrating the two data set from MMS and UAV, its so needed anproper registration method is required to efficiently correct the difference between theraw data acquisition sensor, the point cloud data generation method, and the observationaccuracy occurred when the two techniques are applied. In this study, we obtained UAVpoint colud data in Yeouido area as the study area in order to determine the automaticregistration performance between MMS and UAV point cloud data using ICP(IterativeCloset Point) method. MMS observations was then performed in the study area bydividing 4 zones according to the level of overlap ratio and observation noise with basedon UAV data. After we manually registered the MMS data to the UAV data, thencompared the results which automatic registered using ICP method. In conclusion, thehigher the overlap ratio and the lower the noise level, can bring the more accurateresults in the automatic registration using ICP method.

국문 초록 (Abstract)

건설, 의료, 컴퓨터 그래픽스, 도시공간 관리 등 다양한 분야에서 3차원 공간모델이 이용되고 있다. 특히 측량 및 공간정보 분야에서는 최근 스마트시티, 정밀도로지도 구축 등과 같은 고품질의3차원 공간정보에 대한 수요가 폭발적으로 증가하면서, 이를 보다 손쉽고, 간편하게 취득하기 위하여 MMS, UAV와 같은 관측기술이 활발히 활용되고 있다. 하지만 두 자료를 통합하여 3차원 모델링을 수행하기 위해서는, 두 관측기술 적용 시 발생하는 원시자료 취득센서, 점군 자료생성 방식및 관측정확도 간의 차이를 효율적으로 보정할 수 있는 최적의 정합방법이 필요하다. 본 연구에서는 일반적인 3차원 모델의 자동정합에 사용되는 ICP(Iterative Closet Point) 기법을 통한 MMS와 UAV 점군 데이터 간 자동정합 성능을 판단하기 위하여, 여의도 지역을 연구대상지역으로 설정하고 UAV 영상을 취득 후 점군 자료로 변환하였다. 그 후 대상지역을 총 4개의 구역으로 구분하여 MMS 관측을 수행하였으며, UAV 점군 자료를 기반으로 각 구역에서 관측된 MMS 점군 자료와 수동정합하고 이를 ICP 기반으로 자동정합한 결과와 비교하였다. 보다 엄밀하게 ICP 기반의자동정합 성능을 판단하기 위하여 각 구역별로 데이터 중첩률, 노이즈 레벨 등의 변수를 다르게하여 비교를 수행하였다. 결론적으로 ICP 기반의 자동정합 시 데이터 중첩률이 높고, 노이즈 레벨이 낮을수록 더 높은 정확도로 정합될 수 있다는 것을 알 수 있었다.

참고문헌 (Reference)

1 김지건, "적은 오버랩에서 사용 가능한 3차원 점군 정합 방법" (사)한국컴퓨터그래픽스학회 24 (24): 11-19, 2018

2 강진아, "브이월드 서비스 개선을 위한 사용자 만족도 조사 및 분석에 관한 연구" 대한공간정보학회 22 (22): 23-32, 2014

3 김종혁, "드론과 Pix4D를 활용한 교통사고 현장 3차원 재구성" 한국자동차공학회 27 (27): 941-947, 2019

4 Jung, S.W., "Research of Real-Time 3D point Cloud Registration Algorithm using 2D image" 232-233, 2014

5 Deng, F., "Registration between Multiple Laser Scanner Data Sets, Laser Scanning, Theory and Applications" 449-472, 2011

6 이수암, "Incremental Bundle Adjustment와 스테레오 영상 정합 기법을 적용한 무인항공기 영상에서의 포인트 클라우드 생성방안 연구" 대한원격탐사학회 34 (34): 941-951, 2018

7 Bendels G., "Image-based Registration of 3D-Range Data Using Feature Surface Elements" VAST 2004

8 Park, J., "Framework for automated registration of UAV and UGV point clouds using local features in images" 98 : 175-182, 2019

9 Schnabel, R., "Efficient RANSAC for point‐cloud shape detection" Blackwell Publishing Ltd 26 (26): 214-226, 2007

10 Fouche G.J., "Drone as an Autonomous Aerial Sensor System for Motion Panning" 119 : 142-155, 2018

11 Besl, P.J., "AMethod For Reigstration of 3D Shapes" 14 (14): 239-256, 1992

12 Zhu, H., "A review of point set registration : From pairwise registration to groupwise registration" 19 : 1-20, 2019