• 자동차안전학회지
• /
• 제14권2호
• /
• pp.51-56
• /
• 2022

This paper presents an Ground Segmentation algorithm to eliminate unnecessary Lidar Point Cloud Data (PCD) in an autonomous driving system. We consider Random Sample Consensus (Ransac) Algorithm to process lidar ground data. Ransac designates inlier and outlier to erase ground point cloud and classified PCD into two parts. Test results show removal of PCD from ground area by distinguishing inlier and outlier. The paper validates ground rejection algorithm in real time calculating the number of objects recognized by ground data compared to lidar raw data and ground segmented data based on the z-axis. Ground Segmentation is simulated by Robot Operating System (ROS) and an analysis of autonomous driving data is constructed by Matlab. The proposed algorithm can enhance performance of autonomous driving as misrecognizing circumstances are reduced.

• 대한원격탐사학회지
• /
• 제39권5_2호
• /
• pp.849-858
• /
• 2023

지진, 산사태와 같은 재난사고현장에서 조사업무는 시설물 붕괴 등 2차 재난 피해가 발생할 수 있어 많은 위험이 따른다. 이처럼 조사자가 직접 접근하기 힘든 재난현장에서 라이다(light detection and ranging, LiDAR)가 탑재된 드론 측량시스템을 통해 고정밀의 3차원 재난정보를 안전하게 취득할 수 있는 방법을 강구할 수 있다. 이에 본 연구에서는 2023년 4월 성남시 분당구의 정자교 붕괴사고 현장을 대상으로 드론 LiDAR의 재난 현장에서의 활용 가능성을 확인하였다. 이를 위해 사고 교량에 대한 고밀도 포인트 클라우드를 수집하고, 사고 교량을 3차원 지형정보로 복원하여 10점의 지상기준점 측량 성과와 비교하였다. 그 결과, 수평방향으로의 root mean square error (RMSE)는 0.032 m, 수직방향으로 0.055 m로 확인되었다. 또한, 지상 LiDAR를 통해 같은 대상지를 측량하여 생성한 포인트 클라우드와 비교한 결과, 수직방향으로 약 0.08 m가량의 오차가 발생하였지만 전체적인 형상은 큰 차이가 없을 뿐만 아니라 전체적인 데이터 취득과 자료 처리 시간 측면에서 드론 LiDAR가 지상 LiDAR보다 효율적임을 확인할 수 있었다. 따라서 많은 위험이 따르는 재난현장에서 드론 LiDAR의 활용을 통해 안전하고 신속한 현장 조사가 가능할 것으로 판단된다.

• 대한공간정보학회지
• /
• 제18권2호
• /
• pp.113-118
• /
• 2010

지형정보에 대한 3차원 복원 및 지리정보에 관한 연구와 적용은 최근 국가적인 정책을 통하여 R&D 사업 및 시범 사업 등으로 여러 분야에 걸쳐 진행되고 있다. LiDAR 시스템은 3차원 공간데이터를 손쉽고 조밀하게 취득할 수 있는 이점이 있어 다방면으로 연구와 활용이 이루어지고 있으나 3차원으로 구성된 점 자료의 특성으로 볼 때 화면을 통한 2차원의 형태로 나타내기 위해서는 많은 연산 처리를 필요로 하게 되어 높은 사양의 처리 프로세서가 필요하다. 이에 비해 2차원 격자구조는 간단한 구조와 처리속도로 인하여 벡터구조에 비하여 저가의 장비에서도 가능한 장점이 있다. 따라서 본 연구에서는 3차원의 형식으로 저장된 LiDAR 자료를 도심지역의 3차원 지형 표현이나 건물 표현등에 활용하고자 할 경우 발생할 수 있는 과대한 저장공간의 요구에 따른 문제를 해소하기 위하여 3차원 지형 표현 자료로 제공하기 유용한 2차원 격자 형태의 자료로 재구성하여 그 저장공간을 축소시키면서 트리구조를 응용하여 세밀한 표현도 가능하도록 하는 저장하는 기법을 제시하고자 한다.

• 지적과 국토정보
• /
• 제46권1호
• /
• pp.23-35
• /
• 2016

최근 IT기술의 발달과 함께 건설 분야와 IT기술의 융합에 맞추어 비정형화와 대형화로 인해 건물의 외형이 다양해지고 있다. 이에 건물을 기존보다 정확하게 표현하면서 시각적으로도 우수한 3차원 공간정보를 구축하기 위해 본 연구에서는 대상 건물을 지상 LiDAR를 이용해 고밀도 점군자료를 취득하였고, 이를 바탕으로 BIM(Building Information Modeling) 기반의 건물 모델을 제작하였다. 이를 각 층별 레이어로 개별 추출하여 높이에 따른 건물 외곽정보들과의 차이점을 확인하였으며, IFC 표준 포맷을 활용한 공개형 BIM을 통해 구조물의 외곽 현황 파악이 가능함을 확인하였으며, 이를 기반으로 하는 새로운 입체지적 및 공간정보 데이터 구축 방안을 제시하였다.

• 한국산학기술학회논문지
• /
• 제21권5호
• /
• pp.592-597
• /
• 2020

현재 하천측량은 주로 토털스테이션이나 GNSS(Global Navigation Satellite System)를 이용하여 하천의 종단 및 횡단 데이터를 취득하는 것으로 수행되고 있으며, 국토교통부는 최근 전국 주요하천에 드론을 기반으로 한 하상변동조사 및 하천측량 시범사업을 착수하였다. 하천측량과 관련된 연구는 지상 LiDAR(Light Detection And Ranging)를 활용한 연구가 주로 수행되었으며, 대상물의 선형을 추출하거나 토털스테이션 측량 성과와 비교를 통한 정확도 평가가 이루어 졌다. 하지만 드론 라이다를 활용한 연구나 취득된 데이터를 이용한 하천측량의 적용 가능성을 파악한 연구는 부족한 실정이다. 이에 본 연구에서는 하천측량을 위한 드론라이다 데이터의 활용성을 평가하고자 하였다. 연구를 통해 수목과 기타 지물에 대한 데이터를 추출하여 지면에 대한 포인트클라우드 형태의 3차원 공간정보를 생성하였으며, GNSS를 이용한 검사점의 측량성과와 비교를 통해 0.008~0.048m의 차이를 나타내어 하천측량을 위한 드론 LiDAR 데이터의 활용성을 제시하였다. 드론 LiDAR 데이터는 대상지역 전체에 대한 정밀한 3차원 공간정보로 대상지역에 대한 측량성과의 누락으로 인한 음영지역도 줄일 수 있을 것이며, 실제 하천지형의 형상을 보다 정밀하게 나타낼 수 있어 횡단도면의 생성뿐만 아니라 대상지에 대한 면적, 경사 등 다양한 분석이 가능하여 지형분석에 활용이 기대된다.

• 한국건설관리학회논문집
• /
• 제22권3호
• /
• pp.40-51
• /
• 2021

실내 도면 획득을 위해 실내 형상정보를 습득할 수 있는 MLS (Mobile Laser Scanning)가 건설업에서 주목받고 있다. MLS의 특성상 스캐닝 중 LiDAR (Light Detection and Ranging)의 움직임을 발생하며, 이로 인해 습득된 포인트가 왜곡되는 skew가 발생한다. 이러한 skew를 보정하고 정확한 형상정보를 획득하기 위해 관성측정장치를 활용한 de-skewing 기법에 관한 연구가 진행되고 있다. 하지만, 해당 연구들은 관성측정장치를 활용하기 어려운 환경에서 사용하기 어려운 한계점이 있다. 이에 본 연구에서는 MLS로 습득한 실내 2차원 PCD (Point Cloud Data)를 대상으로 관성측정장치를 사용하지 않은 de-skewing 기법을 제시하였다. 해당 알고리즘은 인접한 스캔 지점의 포인트 간의 스캔 매칭을 통해 skew를 보정하였다. TLS (Terrestrial Laser Scanning)로 습득한 기준 데이터와 본 알고리즘을 통해 de-skewing을 진행한 데이터를 비교하여 검증하였으며, 모든 조건에서 면적 오차를 평균 49.82% 감소하여 본 알고리즘을 통해 관성측정장치 없이 정확한 실내 도면 도출이 가능함을 보였다.

• 한국측량학회지
• /
• 제31권6_2호
• /
• pp.611-623
• /
• 2013

Point cloud data (i.e., LiDAR; Light Detection and Ranging) collected by Airborne Laser Scanner (ALS) system is one of the major sources for surface reconstruction including DEM generation, topographic mapping and object modeling. Recently, demand and requirement of the accurate and realistic Digital Building Model (DBM) increase for geospatial platforms and spatial data infrastructure. The main issues in the object modeling such as building and city modeling are efficiency of the methodology and quality of the final products. Efficiency and quality are associated with automation and accuracy, respectively. However, these two factors are often opposite each other. This paper aims to introduce correction scheme of incorrectly determined Model Key Points (MKPs) regardless of the segmentation method. Planimetric and height locations of the MKPs were refined by surface patch fitting based on the Least-Squares Solution (LESS). The proposed methods were applied to the synthetic and real LiDAR data. Finally, the results were analyzed by comparing adjusted MKPs with the true building model data.

• International journal of advanced smart convergence
• /
• 제9권3호
• /
• pp.232-238
• /
• 2020

In this paper, we study on aerial objects detection and position estimation algorithm for the safety of UAV that flight in BVLOS. We use the vision sensor and LiDAR to detect objects. We use YOLOv2 architecture based on CNN to detect objects on a 2D image. Additionally we use a clustering method to detect objects on point cloud data acquired from LiDAR. When a single sensor used, detection rate can be degraded in a specific situation depending on the characteristics of sensor. If the result of the detection algorithm using a single sensor is absent or false, we need to complement the detection accuracy. In order to complement the accuracy of detection algorithm based on a single sensor, we use the Kalman filter. And we fused the results of a single sensor to improve detection accuracy. We estimate the 3D position of the object using the pixel position of the object and distance measured to LiDAR. We verified the performance of proposed fusion algorithm by performing the simulation using the Gazebo simulator.

• 한국정보전자통신기술학회논문지
• /
• 제15권6호
• /
• pp.471-476
• /
• 2022

본 논문은 악천후에 약한 카메라와 라이다(LiDAR)의 문제점을 해결하기 위해 개발된 4D 이미징 레이더를 활용한 객체 인식 기법을 제안한다. 4D 이미징 레이더를 통해 데이터를 측정 및 수집하는 경우 라이다 데이터보다 포인트 클라우드 데이터의 밀도가 낮다는 단점이 있다. 밀도가 낮아 객체 사이의 거리가 넓은 특성을 이용하여, 객체를 군집화하고 해당 군집에서 voxel을 통해 객체의 특징을 추출하는 기법을 제안한다. 또한, 추출된 특징을 이용한 객체 인식 기법을 제안한다.

• ETRI Journal
• /
• 제43권4호
• /
• pp.603-616
• /
• 2021

Over the last few years, autonomous vehicles have progressed very rapidly. The odometry technique that estimates displacement from consecutive sensor inputs is an essential technique for autonomous driving. In this article, we propose a fast, robust, and accurate odometry technique. The proposed technique is light detection and ranging (LiDAR)-based direct odometry, which uses a spherical range image (SRI) that projects a three-dimensional point cloud onto a two-dimensional spherical image plane. Direct odometry is developed in a vision-based method, and a fast execution speed can be expected. However, applying LiDAR data is difficult because of the sparsity. To solve this problem, we propose an SRI generation method and mathematical analysis, two key point sampling methods using SRI to increase precision and robustness, and a fast optimization method. The proposed technique was tested with the KITTI dataset and real environments. Evaluation results yielded a translation error of 0.69%, a rotation error of 0.0031°/m in the KITTI training dataset, and an execution time of 17 ms. The results demonstrated high precision comparable with state-of-the-art and remarkably higher speed than conventional techniques.