• 한국측량학회지
• /
• 제34권5호
• /
• pp.479-493
• /
• 2016

항공 레이저 스캐너(ALS)로부터 획득한 라이다(LiDAR) 데이터는 지형지물을 모델링하기 위해서 널리 사용되고 있으며, 특히 정밀 3차원 건축물 및 도시모델, 엄밀정사영상 등 고품질의 공간정보를 효율적으로 구축하기 위하여 라이다 데이터를 이용한 3차원 모델링에 관한 연구가 지속적으로 수행되고 있다. 불규칙적으로 분포된 고밀도의 라이다 데이터로부터 객체를 3차원으로 모델링하기 위해서는 시스템 캘리브레이션, 노이즈 제거 및 지면과 객체를 분리하기 위한 필터링, 객체의 종류 및 특성에 따른 데이터 분류, 기하학적 특성 및 동질성에 기반한 데이터 분할, 분할면의 군집화 및 묘사, 분할면의 재구성과 조합에 의한 모델링, 품질검사 등 일련의 복잡한 과정들이 수반된다. 라이다 데이터를 이용한 많은 모델링 방법들은 데이터 분할 과정을 포함하고 있지만, 본 논문에서는 라이다 데이터를 분할하지 않고 객체를 구성하는 중요하고 대표적인 특징점들을 추출하여 건물 모델링에 활용하는 방법을 제안하고 있다. 복잡하고 다양한 건물 형태를 시뮬레이션한 데이터와 실제 데이터에 적용하여 제안한 방법의 타당성 및 정확도를 검증하였다.

• 정보처리학회논문지B
• /
• 제18B권5호
• /
• pp.265-270
• /
• 2011

본 논문에서는 이진화기반 영역분할을 이용한 3D입체영상의 밝기 보정방법을 제안한다. 제안된 방법은 입력된 좌우 3D입체영상 중 우 영상을 이진화를 통한 영역분할을 하고 크기가 작은 영역들은 제거한다. 다음 우 영상의 각 영역들에 대해 대응되는 좌 영상내의 영역을 상관계수(correlation coefficient)를 이용한 정합을 통해 추출한다. 영역단위의 매칭을 할 때 영역들 간의 겹침을 방지하기 위하여 모폴로지 필터로 영역경계에 인접한 일정부분을 제거한다. 그리고 좌우 영상의 영역 간 히스토그램 명세화를 수행함으로써 우 영상의 밝기 보정을 한다. 실험에서 좌 영상으로부터 블록단위 움직임보상으로 우 영상을 생성했을 때 제안한 방법이 블록평균 정합오차가 가장 작은 것을 확인 할 수 있었다.

• 한국지반공학회논문집
• /
• 제37권11호
• /
• pp.107-118
• /
• 2021

Scan-to-BIM은 라이다(Light Detection And Ranging, LiDAR)로 구조물을 계측하고 이를 바탕으로 3D BIM(Building Information Modeling) 모델을 구축하는 방법으로 정밀한 모델링이 가능하지만 많은 인력과 시간, 비용이 소모된다는 한계를 가진다. 이러한 한계를 극복하기 위해 포인트 클라우드 데이터를 대상으로 딥러닝(Deep learning) 알고리즘을 적용하여 구조물의 객체 분할(Semantic segmentation)을 수행하는 연구들이 진행되고 있으나 학습 데이터에 따라 객체 분할 정확도가 어떻게 변화하는지에 대한 연구는 미흡한 실정이다. 본 연구에서는 딥러닝을 통한 철도 터널의 객체 분할에 학습 데이터를 구성하는 철도 터널의 크기, 선로 유형 등이 어떤 영향을 미치는지 확인하기 위해 매개변수 연구를 수행하였다. 매개변수 연구 결과, 학습과 테스트에 사용한 터널의 크기가 비슷할수록, 단선 터널보다는 복선 터널로 학습하는 경우에 더 높은 객체 분할 성능을 보였다. 또한, 학습 데이터를 두 가지 이상의 터널로 구성하면 전체 정확도(Overall Accuracy, OA)와 MIoU(Mean Intersection over Union)가 적게는 10%에서 많게는 50%가량 증가하였는데 이로부터 학습 데이터를 다양하게 구성하는 것이 효율적인 학습에 기여할 수 있음을 확인하였다.

• 인터넷정보학회논문지
• /
• 제6권2호
• /
• pp.59-68
• /
• 2005

본 논문에서는 3차원 영상의 압축 전송을 위하여 3차원 영상에 대해 3차원 DCT를 수행하고 원 영상과의 비교에 따라 영상의 3차원 블록들을 계층적으로 분할하여 각 블록에 대해 유한상태 벡터 양자화를 수행하는 알고리듬을 제안한다. 3차원 DCT의 계수 특징을 이용하여 영상을 크기가 큰 배경 블록과 크기가 작은 윤곽선 블록으로 계층적으로 분할하고, 블록 계층분할 정보를 전송한다. 각 계층에 속한 블록들에 대해 따로 부호책을 설계하고 부호 비트 수를 줄이기 위해 유한상태 벡터양자화를 이용하여 부호단어의 인덱스를 계층 분할 정보와 함께 전송한다. Small Lobster와 Head 영상에 대하여 본 알고리듬으로 부호화했을 때 기존의 HFSVQ를 이용한 알고리듬보다는 각각 1.91 dB과 1.47 dB만큼 더 좋은 영상의 화질을 얻을 수 있었다.

• 정보처리학회논문지A
• /
• 제14A권7호
• /
• pp.435-442
• /
• 2007

본 논문에서는 3D 메쉬 모델의 텍스쳐 매핑, 단순화, 모핑, 압축, 형상정합 등 다양한 분야에 응용될 수 있는 메쉬분할 문제를 다룬다. 메쉬 분할은 주어진 메쉬를 서로 떨어진 집합(disjoint sets)으로 나누는 과정으로서, 본 논문에서는 메쉬의 전역적 및 국부적 기하 특성을 동시에 반영하여 메쉬를 분할하는 방법을 제시하고자 한다. 먼저 주어진 메쉬의 국부적 기하 특성인 곡률 정보와 전역적 기하 특성인 볼록성을 이용하여 메쉬 정점들 중 첨예정점(sharp vertex)을 추출하고, 모든 첨예정점들 간의 유클리디언 거리에 기반한 $\kappa$-평균군집화 기법[26]을 적용하여 첨예 정점들을 분할한다. 분할된 첨예정점에 속하지 않는 나머지 정점들에 대해서는 유클리디언 거리상 가까운 군집으로 병합하여 최종적인 메쉬분할이 이루어진다. 또한 본 논문에서 제안한 메쉬분할 방법을 구현하여 여러 메쉬 모델에 대해 실험 결과를 보여준다.

• 한국정보전자통신기술학회논문지
• /
• 제8권4호
• /
• pp.319-326
• /
• 2015

본 논문에서는 3차원 역학 모델을 이용한 폐 결절 분할 방법을 제안한다. 제안된 폐결절 분할 방법은 세 가지 과정으로 구성된다. 첫 번째, 초기 3차원 역학 모델을 생성한다. 생성된 모델은 삼각형 메쉬로 구성되어져 있고 구의 형태를 갖는다. 두 번째, 구성된 초기 모델의 점들을 변화시킨다. 세 번째, 각각의 변화에 따라 외부 에너지와 내부에너지를 계산 한다. 내부 에너지는 형태 기반 에너지로 구성되어 있고, 외부에너지는 음영값 기반 에너지로 구성된다. 이 초기 모델을 변화시키고, 변화에 따른 에너지의 최소값을 찾는 과정을 반복한다. 모델의 에너지가 수렴되면 이를 이용하여 결절을 분할한다. 제안된 방법은 기존 방법에 비하여 정확도가 크게 개선되었다.

• 센서학회지
• /
• 제6권2호
• /
• pp.123-130
• /
• 1997

이 논문은 다음과 같은 두가지 요소로 구성되는 독창적인 stereo vision system을 논술한다. declivity라는 새로운 개념을 도입한 자동선택 영상 분할처리 (self-adaptive image segmentation process) 와 자동선택 결정변수 (self-adaptive decision parameters) 를 응용하여 설계된 신속한 stereo matching algorithm. 현재, 실내 image의 depth map을 완성하는데 SUN-IPX 에서 3sec가 소요되나 연구중인 DSP Chip의 조합은 이 시간을 1초 이하로 단축시킬 수 있을 것이다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권11호
• /
• pp.936-946
• /
• 2009

그래프 컷(graph cuts) 방법은 주어진 사전정보와 각 픽셀간의 유사도를 나타내는 데이터 항(data term)과 이웃하는 픽셀간의 유사도를 나타내는 스무드 항(smoothness term)으로 구성된 에너지 함수를 전역적으로 최소화하는 방법으로, 최근 영상 분할에 많이 이용되고 있다. 기존 그래프 컷 기반의 영상 분할 방법에서 데이터 항을 설정하기 위해 GMM(Gaussian mixture model)을 주로 이용하였으며, 평균과 공분산을 각 클래스를 위한 사전정보로 이용하였다. 이 때문에 클래스의 모양이 초구(hyper-sphere) 또는 초타원(hyper-ellipsoid)일 때만 좋은 성능을 보이는 단점이 있다. 다양한 클래스의 모양에서 좋은 성능을 보이기 위해, 본 논문에서는 mean shift 분석 방법을 이용한 그래프 컷 기반의 자동 영상분할 방법을 제안한다. 데이터 항을 설정하기 위해 $L^*u^*{\upsilon}^*$ 색상공간에서 임의로 선택된 초기 mean으로부터 밀도가 높은 지역인 모드(mode)로 이동하는 mean의 집합들을 사전정보로 이용한다. Mean shift 분석 방법은 군집화에서 좋은 성능을 보이지만, 오랜 수행시간이 소요되는 단점이 있다. 이를 해결하기 위해 특징공간을 3차원 격자로 변형하였으며, mean의 이동은 격자에서 모든 픽셀이 아닌 3차원 윈도우내의 1차원 모멘트(moment)를 이용한다. 실험에서 GMM을 이용한 그래프 컷 기반의 영상분할 방법과 최근 많이 이용되고 있는 mean shift와 normalized cut기반의 영상분할 방법을 제안된 방법과 비교하였으며, Berkeley dataset을 기반으로 앞의 세 가지 방법보다 좋은 성능을 보였다.

• 대한원격탐사학회지
• /
• 제24권2호
• /
• pp.141-152
• /
• 2008

건물의 3차원 모델링은 3차원 공간정보를 구축하는데 있어서 매우 중요한 요소이다. 기존의 3차원 건물 모델링은 대부분 항공사진측량기술을 이용하여 수동으로 진행되어 많은 시간과 비용이 소요된다. 이러한 한계를 극복하기 위한 방안으로 최근에는 항공라이다(LiDAR) 데이터를 이용한 건물모델링 방법에 대한 많은 연구가 활발히 진행되고 있다. 항공라이다 데이터를 이용한 대부분의 3차원 건물모델링 연구는 보간과정을 통하여 격자구조로 변환하거나 수치지도 또는 항공영상 등의 이종 데이터간의 융합을 통하여 건물을 모델링하는 방안 등을 제시하였다. 본 논문에서는 점 데이터의 격자구조로의 변환 및 이종 데이터간의 융합 등의 방법을 배제하고 항공라이다 데이터만을 이용한 건물의 자동 모델링 방법을 제안하였다. 건물로 분류된 항공라이다 데이터를 옥트리 분할을 기반으로 3차원 공간상에서 재귀적으로 분할하여 패치(patch)를 구성하고, 동일한 속성을 갖는 패치들을 병합하여 건물의 구성요소를 추출한다. 추출되어진 건물의 구성요소를 대표하는 모델을 생성하여 전체적인 건물의 3차원 모델을 구성한다. 항공라이다 데이터를 이용하여 제안된 방법으로 실험한 결과, 다양한 형태의 건물 모델을 자동으로 구성할 수 있었다.

• 한국측량학회지
• /
• 제25권4호
• /
• pp.327-336
• /
• 2007

건물의 3차원 모델링은 3차원 공간정보를 구축하는데 있어서 매우 중요한 요소이다. 기존의 3차원 건물 모델링은 대부분 입체 항공사진을 이용하여 도화사에 의해 수동으로 진행되어 많은 시간과 비용이 소요된다. 또한 연구논문이나 실험적으로 시도되고 있는 일부 자동화 방법은 건물을 정확하고 세밀하게 묘사하는데 한계가 있다. 건물의 3차원 모델링을 자동화하기 위해서는 건물 외곽선과 지붕 모양을 정확하게 추정할 수 있는 알고리즘이 필수적이다. 최근 다양한 분야에서 활용되고 있는 항공라이다(LiDAR) 데이터는 지형지물에 대한 3차원 정보를 제공하지만, 이를 이용하여 건물 외곽선을 정확하게 추정하기에는 기술적으로 어려움이 있다. 따라서 기존에 구축된 수치지도의 건물 외곽선을 이용한다면, 항공라이다 데이터를 이용하여 3차원 평면을 최소단위로 하는 건물지붕의 구성요소들을 조합하여 자동으로 건물지붕의 3차원 모델링이 가능하다. 본 논문은 기 구축된 수치지도의 건물 외곽선과 옥트리(octree) 분할을 기반으로 항공라이다 데이터를 이용하여 건물지붕의 구성요소를 자동으로 추출하는 방법을 제안하였다. 건물지붕에 대한 항공라이다 데이터를 3차원 공간상에서 재귀적으로 분할하여 패치(patch)를 구성하고, 동일한 속성을 갖는 패치들을 병합하여 지붕의 구성요소를 추출한다. 항공라이다 데이터를 이용하여 제안된 방법으로 실험한 결과, 평면, 게이블, 다면, 곡면 등 다양한 형태의 지붕에 대한 구성요소들을 자동으로 추출 할 수 있었다.