• 한국측량학회지
• /
• 제30권4호
• /
• pp.335-342
• /
• 2012

건축, 토목, 의료, 컴퓨터 그래픽스 분야 등 다양한 분야에서 이용되는 3D point cloud는 최근 레이저 스캐너의 발달로 인해 그 용량이 점점 커지게 되었다. 컴퓨터 메모리의 용량을 넘어서서 모든 데이터를 한 번에 처리할 수 없는 대용량 3D point cloud를 가시화하고 편집하기 위해 여러 전처리 및 가시화 방법들이 소개되었고 본 논문에서 비교한 QSplat의 경우 3D 모델의 형상 확인과 용량 감소를 목적으로 원본 좌표를 손실 압축하여 저장하였다. 본 논문에서 제시하는 방법은 3D point cloud를 정육면체 격자로 분할하고 center sampling을 통해 가상점 집합을 생성하며 가시화 과정에서 격자에 저장된 point 집합 취득을 통한 빠른 렌더링이 가능하다. 홍익대학교 인근 지역을 측정한 약 1억 2천만 개 point의 대용량 3D point cloud를 QSplat과 다단계 정육면체 격자 기반 방법으로 비교한 결과 전처리 과정에서는 QSplat이, 가시화 과정에서는 다단계 정육면체 격자 기반 방법이 빠른 속도를 보여주었다. 또한 다단계 정육면체 격자 기반 방법은 point의 원본 좌표를 저장하기에 추후 가시화 외에 편집, segmentation 등의 작업을 고려하여 고안되었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.836-838
• /
• 2022

3D Point Cloud는 3D 콘텐츠를 더욱 실감 나게 표현하기 위한 데이터 포맷이다. Point Cloud 데이터는 3차원 공간상에 존재하는 데이터로 기존의 2D 영상에 비해 거대한 용량을 가지고 있다. 최근 대용량 Point Cloud의 3D 데이터를 압축하기 위해 V-PCC(Video-based Point Cloud Compression)와 같은 다양한 방법이 제시되고 있다. 따라서 Point Cloud 데이터의 원활한 전송 및 저장을 위해서는 V-PCC와 같은 압축 기술이 요구된다. V-PCC는 Point Cloud의 데이터들을 Patch로써 뜯어내고 2D에 Projection 시켜 3D의 영상을 2D 형식으로 변환하고 2D로 변환된 Point Cloud 영상을 기존의 2D 압축 코덱을 활용하여 압축하는 기술이다. 이 V-PCC로 변환된 2D 영상은 기존 2D 영상을 전송하는 방식을 활용하여 네트워크 기반 전송이 가능하다. 본 논문에서는 V-PCC 방식으로 압축한 V3C 데이터를 방송망으로 전송 및 소비하기 위해 MPEG Media Transport(MMT) Packet을 만드는 패킷화 방안을 제안한다. 또한 Server와 Client에서 주고받은 V3C(Visual Volumetric Video Coding) 데이터의 비트스트림을 비교하여 검증한다.

• 방송공학회논문지
• /
• 제26권5호
• /
• pp.553-565
• /
• 2021

포인트 클라우드는 3D 오브젝트를 표현하기 위한 점들의 집합으로 3D 좌표 정보인 기하 정보와 색상, 반사율 등을 나타내는 속성 정보로 이루어져 있으며, 이러한 표현 방식으로 인해 2D 영상에 비해 방대한 양의 데이터를 가진다. 따라서, 포인트 클라우드 데이터를 전송하거나 다양한 분야에서 활용하기 위해서 포인트 클라우드 데이터를 압축하는 과정이 필수적으로 요구된다. 포인트 클라우드는 2D 영상과 같이 해당 영상을 구성하는 2D 기하 정보에 대응하는 색상 정보가 모두 존재하는 것과 달리, 3D 공간 중 일부만이 색상과 같은 속성 정보를 포함하여 포인트 클라우드를 표현하고 있기에, 기하 정보에 대한 별도의 처리도 요구된다. 이와 같은 포인트 클라우드의 특징을 기반으로 고밀도 포인트 클라우드 데이터의 압축 방안으로 국제 표준화 기구 ISO/IEC 산하 MPEG에서는 포인트 클라우드 영상을 사영한 뒤 2D DCT 기반의 2D 영상 압축 코덱으로 압축하는 V-PCC 를 표준화 중에 있다. 해당 표준은 3D 포인트 클라우드를 2D로 변환하여 압축을 진행하기에 3D 공간 정보를 정확하게 표현하기에는 한계가 존재한다. 이에, 본 논문에서는 포인트 클라우드 정지영상을 3D 상에서 3D DCT로 변환하여 포인트 클라우드 데이터를 압축하는 방안인 3D Discrete Cosine Transform based Point Cloud Compression을 제시하고, 2D DCT 기반의 V-PCC와 비교하여 3D DCT의 효율성을 확인하고자 한다.

• Smart Structures and Systems
• /
• 제30권5호
• /
• pp.501-511
• /
• 2022

Three-dimensional (3D) models have become crucial for improving civil infrastructure analysis, and they can be used for various purposes such as damage detection, risk estimation, resolving potential safety issues, alarm detection, and structural health monitoring. 3D point cloud data is used not only to make visual models but also to analyze the states of structures and to monitor them using semantic data. This study proposes automating the generation of high-quality 3D point cloud data and removing noise using deep learning algorithms. In this study, large-format aerial images of civilian infrastructure, such as cut slopes and dams, which were captured by drones, were used to develop a workflow for automatically generating a 3D point cloud model. Through image cropping, downscaling/upscaling, semantic segmentation, generation of segmentation masks, and implementation of region extraction algorithms, the generation of the point cloud was automated. Compared with the method wherein the point cloud model is generated from raw images, our method could effectively improve the quality of the model, remove noise, and reduce the processing time. The results showed that the size of the 3D point cloud model created using the proposed method was significantly reduced; the number of points was reduced by 20-50%, and distant points were recognized as noise. This method can be applied to the automatic generation of high-quality 3D point cloud models of civil infrastructures using aerial imagery.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.532-533
• /
• 2020

원격 및 가상환경에서 사용자의 동작에 따른 3D 모델을 제공하기 위해 light detection and range (LiDAR)로 측정된 3D point cloud로 사용자의 3D 모델이 생성되어 원격 및 가상환경에 사용자의 모습이 제공된다. 하지만 3D 모델을 생성하기 위해서는 사용자의 신체 전부가 측정된 3D point cloud가 필요하다. 사용자의 신체 전체를 측정하기 위해서는 적어도 두 개 이상의 LiDAR가 필요하다. 두 개 이상의 LiDAR을 사용할 경우에는 LiDAR을 사용할 공간과 LiDAR를 구비하기 위한 비용이 발생한다. 단일 LiDAR로 3D 모델을 생성하는 방법이 요구된다. 본 논문에서는 단일 LiDAR에서 측정된 3D point cloud를 이용하여 3D 모델을 생성하는 방법이 제안된다. End-to-End 기반 Convolutional Neural Network (CNN) 모델로 측정된 3D point cloud를 분석하여 사용자의 체형과 자세를 예측하도록 학습한다. 기본자세를 취하는 동안 수집된 3D point cloud로 기본이 되는 사용자의 3D 모델을 생성한다. 학습된 CNN 모델을 통하여 측정된 3D point cloud로 사용자의 자세를 예측하여 기본이 되는 3D 모델을 수정하여 3D 모델을 제공한다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제14권2호
• /
• pp.84-90
• /
• 2014

This paper presents the results of three-dimensional face point cloud smoothing based on a modified anisotropic diffusion method. The focus of this research was to obtain a 3D face point cloud with a smooth texture and number of vertices equal to the number of vertices input during the smoothing process. Different from other methods, such as using a template D face model, modified anisotropic diffusion only uses basic concepts of convolution and filtering which do not require a complex process. In this research, we used 6D point cloud face data where the first 3D point cloud contained data pertaining to noisy x-, y-, and z-coordinate information, and the other 3D point cloud contained data regarding the red, green, and blue pixel layers as an input system. We used vertex selection to modify the original anisotropic diffusion. The results show that our method has improved performance relative to the original anisotropic diffusion method.

• 한국BIM학회 논문집
• /
• 제11권4호
• /
• pp.1-9
• /
• 2021

Comparing to general scanning data, the 3D digital map for large construction sites and complex buildings consists of millions of points. The large construction site needs to be scanned multiple times by drone photogrammetry or terrestrial laser scanner (TLS) survey. The scanned point cloud data are required to be registrated with high resolution and high point density. Unlike the registration of 2D data, the matrix of translation and rotation are used for registration of 3D point cloud data. Archiving high accuracy with 3D point cloud data is not easy due to 3D Cartesian coordinate system. Therefore, in this study, iterative closest point (ICP) registration method for improve accuracy of 3D digital map was employed by different overlap ratio on 3D digital maps. This study conducted the accuracy test using different overlap ratios of two digital maps from 10% to 100%. The results of the accuracy test presented the optimal overlap ratios for an ICP registration method on digital maps.

• 대한임베디드공학회논문지
• /
• 제16권3호
• /
• pp.107-111
• /
• 2021

A 3D point cloud map is an essential elements in various fields, including precise autonomous navigation system. However, generating a 3D point cloud map using a single sensor has limitations due to the price of expensive sensor. In order to solve this problem, we propose a precise 3D mapping system using low-cost sensor fusion. Generating a point cloud map requires the process of estimating the current position and attitude, and describing the surrounding environment. In this paper, we utilized a commercial visual-inertial odometry sensor to estimate the current position and attitude states. Based on the state value, the 2D LiDAR measurement values describe the surrounding environment to create a point cloud map. To analyze the performance of the proposed algorithm, we compared the performance of the proposed algorithm and the 3D LiDAR-based SLAM (simultaneous localization and mapping) algorithm. As a result, it was confirmed that a precise 3D point cloud map can be generated with the low-cost sensor fusion system proposed in this paper.

• 한국측량학회지
• /
• 제38권1호
• /
• pp.35-41
• /
• 2020

3D 레이저 스캐너는 대상물에 대한 많은 양의 데이터를 빠른 시간 내에 취득할 수 있는 효과적인 방법으로 최근 측량, 변위측정, 대상물의 3차원 데이터 생성, 실내공간정보 구축, BIM (Building Information Model) 등 다양한 분야에 활용되고 있다. 3D 레이저 스캐너를 통해 취득되는 점군데이터의 활용을 위해서는 정합과정을 거쳐 많은 측점에서 취득한 데이터를 통일된 좌표체계를 가진 하나의 데이터로 만드는 과정이 필요하다. 따라서 정합 방법에 따른 점군데이터의 정확도에 대한 분석적 연구가 필요하다 이에 본 연구에서는 3D 레이저 스캐너를 통해 취득되는 점군데이터의 정합방법에 따른 정확도를 분석하고자 하였다. 3D 레이저 스캐너를 통해 연구대상지의 점군데이터를 취득하고, 자료처리를 통해 ICP (Iterative Closest Point) 와 형상정합 방법에 의해 점군데이터를 정합하였으며, 토털스테이션 측량성과와 비교하여 정확도를 분석하였다. 정확도 평가 결과 ICP와 형상정합 방법은 각각 토털스테이션 성과와 0.002~0.005m, 0.002~0.009m의 차이를 나타내었다. 각각의 정합 방법은 실험결과 모두 0.01m 미만의 편차를 나타내어 1:1,000 수치지형도의 허용정확도를 만족하였으며, ICP 및 형상정합을 이용한 점군데이터의 정합이 공간정보 구축에 충분히 활용 가능함을 제시하였다. 향후 형상정합 방법에 의한 점군데이터의 정합은 3D 레이저 스캐너를 활용한 공간정보 구축 과정에서 타겟의 설치를 줄임으로써 생산성 향상에 기여할 것이다.

• 제어로봇시스템학회논문지
• /
• 제19권10호
• /
• pp.928-935
• /
• 2013

In this paper, real-time polygon generation algorithm of 3D point cloud data and texture mapping for tele-operation is proposed. In a tele-operation, it is essential to provide more highly realistic visual information to a tele-operator. By using 3D point cloud data, the tele-operator can observe the working environment from various view point with a reconstructed 3D environment. However, there are huge empty space in 3D point cloud data, since there is no environmental information among the points. This empty space is not suitable for an environmental information. Therefore, real-time polygon generation algorithm of 3D point cloud data and texture mapping is presented to provide more highly realistic visual information to the tele-operator. The 3D environment reconstructed from the 3D point cloud data with texture mapped polygons is the crucial part of the tele-operation.