포인트 클라우드 데이터 기반 군집형 건물 솔리드 모델 자동 생성 기법과 모델 편집 기능 평가 = Evaluation of Clustered Building Solid Model Automatic Generation Technique and Model Editing Function Based on Point Cloud Data

국문 초록 (Abstract)

본 논문에서는 포인트 클라우드 데이터를 기반으로 자동으로 군집형 솔리드 건물 모델을 생성하는 기술을 다양한 데이터에 적용, 실험을 수행하여 적용 가능성과 효용성을 탐색한다. 또한 자동 건물 모델링 기술의 한계로 인해 부족한 모델의 품질을 향상시키기 위하여 건물의 형상 편집 및 텍스처 조정 기술을 개발, 실험을 통해 결과를 확인하였다. 자동 건물 모델 생성 기술의 적용 가능성 탐색을 위하여 무인항공기 영상 기반으로 생성된 포인트 클라우드와 LiDAR(Light Detection and Ranging) 자료를 사용해 실험하였으며, 자동으로 생성된 건물 모델에 건물 형상 편집 및 텍스처 조정 기술을 적용하여 모델의 품질의 향상 실험을 수행하였다. 이를 통해 포인트 클라우드 데이터 기반의 자동 군집형 솔리드 건물 모델링 기술의 적용 가능성과 모델의 품질 향상 기술의 효용성을 확인하였다. 개발된 기술은 기존의 건물 모델링 기술과 비교하여 처리시간의 비용이 크게 감소하며, 잦은 모델 갱신이 필요한 지역에 대한 관리 측면에서도 강점이 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

In this paper, we explore the applicability and utility of a technology that generating clustered solid building models based on point cloud automatically by applying it to various data. In order to improve the quality of the model of insufficient quality due to the limitations of the automatic building modeling technology, we develop the building shape modification and texture correction technology and confirmed the results through experiments. In order to explore the applicability of automatic building model generation technology, we experimented using point cloud and LiDAR (Light Detection and Ranging) data generated based on UAV, and applied building shape modification and texture correction technology to the automatically generated building model. Then, experiments were performed to improve the quality of the model. Through this, the applicability of the point cloud data-based automatic clustered solid building model generation technology and the effectiveness of the model quality improvement technology were confirmed. Compared to the existing building modeling technology, our technology greatly reduces costs such as manpower and time and is expected to have strengths in the management of modeling results.

참고문헌 (Reference)

1 김한결, "포인트 클라우드 데이터 기반 군집형 솔리드 건물 모델 자동 생성 기법" 대한원격탐사학회 36 (36): 1349-1365, 2020

2 윤완상, "스테레오 영상 간 관측 벡터에 기반한 다중 포인트 클라우드 통합" 대한원격탐사학회 35 (35): 727-736, 2019

3 김한결, "무인항공기에서 생성된 포인트 클라우드의 평면성 분석을 통한 자동 건물 모델 생성 기법" 대한원격탐사학회 35 (35): 973-985, 2019

4 임평채, "무인항공기 정밀 센서모델링을 통한 대축척 수치도화 가능성 평가" 대한원격탐사학회 36 (36): 1393-1405, 2020

5 윤부열, "무인비행장치(UAV)의 공간정보분야 적용을 위한 표준품셈(안) 작성에 관한 연구" 한국지적정보학회 18 (18): 123-132, 2016

6 Fischler, M. A., "Random sample consensus : A paradigm for model fitting with applications to image analysis and automated cartography" 4 : 381-395, 1981

7 Lee, J. O., "Quality Evaluation Method for Surveying Results with UAVs" 1 : 265-266, 2018

8 Nan, L, "Polygonal Surface Reconstruction From Point Clouds" 2353-2361, 2017

9 Sun, Y., "PointGrow: Autoregressively Learned Point Cloud Generation with Self-Attention" 61-70, 2020

10 Park, J. H., "Field Survey of UAV (Drone) Surveying for the Standard Estimate Establishment" 1 : 274-275, 2018

11 Lee, S. B., "Field Survey of UAV (Drone) Surveying for the Standard Estimate Establishment" 1 : 267-268, 2018

12 Kim, T., "Feasibility Study of 1:1,000 Scale Map Generation using various UAVs and processing SW" 1 : 15-16, 2018

13 Pumarola, A., "D-nerf: Neural radiance fields for dynamic scenes" 10318-10327, 2021

14 Bulatov, D., "Contextbased automatic reconstruction and texturing of 3D urban terrain for quick-response tasks" 93 : 157-170, 2014

15 Min, K. S., "Analysis on the standard of estimate for Unmanned Aerial Vehicles" 1 : 263-264, 2018

16 Ham, S., "A Study for Providing 3D Building Information based on National Spatial Information" 136-, 2019

17 Wu, B., "A Graph-Based Approach for 3D Building Model Reconstruction from Airborne LiDAR Point Clouds" 9 (9): 92-, 2017

18 오재홍, "3차원 도시모델 의한 도로 기본지리정보 갱신방안에 관한 연구" 한국측량학회 25 (25): 347-354, 2007