Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography (한국측량학회지)

Korean Society of Surveying, Geodesy, Photogrammetry and Cartography (한국측량학회)
권호 표지
DOI QR코드

DOI QR Code

A Comparison of 3D R-tree and Octree to Index Large Point Clouds from a 3D Terrestrial Laser Scanner

대용량 3차원 지상 레이저 스캐닝 포인트 클라우드의 탐색을 위한 3D R-tree와 옥트리의 비교

  • 한수희 (연세대학교 사회환경시스템공학부) ;
  • 이성주 (연세대학교 컴퓨터과학과) ;
  • 김상필 (연세대학교 사회환경시스템공학부) ;
  • 김창재 (연세대학교 사회환경시스템공학부) ;
  • 허준 (연세대학교 사회환경시스템공학부) ;
  • 이희범 (육군3사관학교 토목건축공학과)
  • Received : 2010.12.27
  • Accepted : 2011.02.08
  • Published : 2011.02.28
Download PDF
⟨ Previous Next ⟩

Abstract

The present study introduces a comparison between 3D R-tree and octree which are noticeable candidates to index large point clouds gathered from a 3D terrestrial laser scanner. A query method, which is to find neighboring points within given distances, was devised for the comparison, and time lapses for the query along with memory usages were checked. From tests conducted on point clouds scanned from a building and a stone pagoda, it was shown that octree has the advantage of fast generation and query while 3D R-tree is more memory-efficient. Both index and leaf capacity were revealed to be ruling factors to get the best performance of 3D R-tree, while the number of level was of oetree.

본 연구에서는 3차원 지상 레이저 스캐너로부터 취득된 대용량 포인트 클라우드로부터 효과적인 포인트 탐색을 수행하기 위한 인덱싱 방법으로서 3D R-tree와 옥트리를 비교하였다. 포인트 클라우드의 각 포인트로부터 일정 거리 이내의 포인트를 조회하는 방식으로 탐색을 수행하였으며, 탐색 시간 및 메모리 사용량을 측정하였다. 실제 건물과 석탑을 대상으로 취득된 포인트 클라우드에 적용한 결과, 옥트리는 3D R-tree에 비하여 생성 및 탐색 속도가 우수하며 3D R-tree는 보다 메모리 효율적임을 확인할 수 있었다. 3D R-tree는 인덱스 용량과 리프 용량이, 옥트리는 계층 수가 탐색 성능을 좌우함을 확인하였으며, 주어진 자료에 대한 최적의 수치를 도출할 수 있었다.

Keywords

References

  1. 안성우, 홍봉희, 안경환, 이창우 (2006), 이동체 데이터베이스를 위한 R-tree 기반 메인 메모리 색인의 설계 및 구현, 한국공간정보시스템학회 논문지, 제 8권, 제 2호, pp. 53-73.
  2. 이기영, 윤재관, 한기준 (2004), HBR-Tree를 이용한 실시간 모바일 GIS의 개발, 한국공간정보시스템학회 논문지, 제 6권, 제 1호, pp. 73-85.
  3. 이득우, 강홍구, 이기영, 한기준 (2009), DGR-Tree : u-LBS에서 POI의 검색을 위한 효율적인 인덱스 구조, 한국공간정보시스템학회 논문지, 제 11권, 제 3호, pp.55-62.
  4. Cho, H., W. Cho, et al., (2008), 3D Building Modeling Using Aerial LiDAR Data, Korean Journal of Remote Sensing, Vol. 24, No. 2, pp. 141-152.
  5. Cho, W., Jwa, Y.S., Chang, H.J. and Lee, S.H. (2004), Pseudo-grid Based Building Extraction Using Airborne Lidar Data, International Archieve Photogrammetry and Remote Sensing, Vol. 35, No. B3, pp. 378-381.
  6. Han, S.H., Lee, J.H. and Yu, K.Y. (2007), An Approach for Segmentation of Airborne Laser Point Clouds Utilizing Scan-Line Characteristics, ETRI Journal, Vol. 29, No. 5, pp. 641-648. https://doi.org/10.4218/etrij.07.0106.0316
  7. Wang, M. and Tseng, Y-H, (2004), Lidar data segmentation and classification based on octree structure, Geo-Imagery Bridging Continents, ISPRS, Istanbul, Turkey.
  8. Woo, H., E. Kang, et al., (2002), A new segmentation method for point cloud data, International Journal of Machine Tools and Manufacture, Vol. 42, No. 2, pp. 167-178. https://doi.org/10.1016/S0890-6955(01)00120-1
  9. Zhu, Q., J. Gong, et al., (2007), An efficient 3D R-tree spatial index method for virtual geographic environments. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 62, No. 3, pp. 217-224. https://doi.org/10.1016/j.isprsjprs.2007.05.007

Cited by

  1. Spherical-Coordinate-Based Guiding System for Automatic 3D Shape Scanning vol.38, pp.9, 2014, https://doi.org/10.3795/KSME-A.2014.38.9.1029
  2. Development of Image Processing for Crack Detection on Concrete Structures through Terrestrial Laser Scanning Associated with the Octree Structure vol.8, pp.12, 2018, https://doi.org/10.3390/app8122373
  3. Development of a hashing-based data structure for the fast retrieval of 3D terrestrial laser scanned data vol.39, pp.None, 2012, https://doi.org/10.1016/j.cageo.2011.05.005
  4. 옥트리로 색인한 3차원 포인트 클라우드의 다중코어 기반 병렬 탐색 vol.31, pp.4, 2011, https://doi.org/10.7848/ksgpc.2013.31.4.301
  5. 대용량 3차원 포인트 클라우드를 위한 파일참조 옥트리의 구현 vol.32, pp.2, 2011, https://doi.org/10.7848/ksgpc.2014.32.2.109
  6. 등축형 공간 분할과 독립적 옥트리 생성을 통한 대용량 3차원 포인트 클라우드의 탐색 효율 향상 vol.32, pp.5, 2011, https://doi.org/10.7848/ksgpc.2014.32.5.481
  7. Towards Efficient Implementation of an Octree for a Large 3D Point Cloud vol.18, pp.12, 2018, https://doi.org/10.3390/s18124398
  8. A Terrestrial LiDAR-Based Detection of Shape Deformation for Maintenance of Bridge Structures vol.145, pp.12, 2011, https://doi.org/10.1061/(asce)co.1943-7862.0001701