KR102449787B1 - 3차원 지형 모델 복원을 위한 점군 데이터 정합 방법 및 그 장치 - Google Patents

Abstract

본 발명의 일 실시예에 따른 점군 데이터 정합 방법은 정합 대상인 제1 점군 데이터 및 제2 점군 데이터를 포함하는 지형 점군 데이터를 획득하는 단계, 상기 지형 점군 데이터에 포함된 이상치 점을 검출하고, 상기 이상치 점을 제거하는 단계, 상기 지형 점군 데이터를 지정된 기준에 따라 복수개의 단위 영역으로 분할하는 단계, 상기 복수개의 단위 영역 각각에 대응되는 복수의 표면 정보를 산출하는 단계 및 상기 복수의 표면 정보를 기초로 상기 제1 점군 데이터 및 상기 제2 점군 데이터의 정합을 수행하는 단계를 포함한다.

Description

3차원 지형 모델 복원을 위한 점군 데이터 정합 방법 및 그 장치{Method and apparatus for matching point cloud data for 3D terrain model reconstruction}

3차원 지형 모델 복원을 위한 점군 데이터 정함 방법 및 장치에 관한다.

지형모델을 더 정밀하고 정확하게 구성할수록 다양한 애플리케이션에 접목이 가능해짐에 따라, 다양한 분야에서 지형모델의 정확도 향상을 위한 연구를 수행중이다. 정확도 높은 3차원 지형모델은 VR·AR 서비스 및 자율주행 자동차 서비스를 위한 사전 지도 정보, 군사적 감시·정찰 목적 등으로 활용할 수 있다.

지형모델은 위성 또는 항공 장비에 탑재된 다양한 센서(카메라, LiDAR 등)가 수집한 데이터(영상 정보, 거리 정보)를 분석 및 가공하여 구성된다. 데이터 가공 도중 중간 산출물로서 생성되는 Point Cloud(점군 데이터)는 최종 결과물인 지형모델의 완성도에 영향을 준다.

서로 다른 시간과 위치에서 촬영하여 얻은 점군 데이터로 광역의 3차원 지형모델을 구성할 시, 점군 데이터 간 정합을 우선 수행하여야 한다. 점군 데이터는 사용한 센서와 촬영한 대상 지형의 특성에 따라 내재하는 노이즈의 수준이 다르다. 예를 들어, 영상정보로부터 Structure from Motion (SfM) 알고리즘 등을 통해 도출된 점군 데이터는 LiDAR와 같이 거리정보로부터 구성한 점군 데이터에 비해 일반적으로 오차가 크다. 또한, 이종 간 센서뿐만 아니라 동종 간 센서도 그 사양에 따라 해상도 및 정확도의 성능 수준이 다르다. 따라서 점군 데이터에 내재된 비선형 오차를 고려하여 정합하는 방식은 필수적이다.

종래 기술은 점군 데이터를 정합할 시, 전처리 과정에서 outlier points(이상치 점)를 제거하고 필터링한 점군 데이터에 Iterative Closest Point(ICP) 알고리즘을 적용한다. ICP는 서로 다른 점군 데이터 간에 가까운 점을 찾고 해당 점간 거리 오차를 줄여나가는 방식으로 수렴시켜, 점군 데이터 간에 이동 및 회전 정보를 포함하는 relative pose(상대 자세)를 추정 가능하게 한다.

하지만 전처리 과정에서 이상치 점을 충분히 제거하지 못하면, ICP로 추정하는 도중 상대 자세가 local minima(국소 최소값)로 수렴하여 정밀하게 정합된 점군 데이터를 구축하기 어렵다. 또한, 비선형 노이즈를 파악하여 이상치 점을 완벽하게 제거하는 것은 불가능하기 때문에, 노이즈를 고려한 강인한 정합 방법의 필요성이 대두된다.

본 발명의 일 실시예에 따른 점군 데이터 정합 방법에 따르면 비선형 노이즈에도 더 강인하게 점군 데이터 간 정합을 수행할 수 있다.

본 발명의 일 실시예에 따른 점군 데이터 정합 방법은, 정합 대상인 제1 점군 데이터 및 제2 점군 데이터를 포함하는 지형 점군 데이터를 획득하는 단계, 상기 지형 점군 데이터에 포함된 이상치 점을 검출하고, 상기 이상치 점을 제거하는 단계, 상기 지형 점군 데이터를 지정된 기준에 따라 복수개의 단위 영역으로 분할하는 단계, 상기 복수개의 단위 영역 각각에 대응되는 복수의 표면 정보를 산출하는 단계 및 상기 복수의 표면 정보를 기초로 상기 제1 점군 데이터 및 상기 제2 점군 데이터의 정합을 수행하는 단계를 포함할 수 있다.

일 실시예에서 상기 이상치 점을 제거하는 단계는, 상기 지형 점군 데이터의 인접한 점들 간 분포 양상을 기초로 이상치 점을 검출하고, 상기 이상치 점을 제거하는 단계를 포함할 수 있다.

일 실시예에서 상기 이상치 점을 제거하는 단계는, 상기 지형 점군 데이터의 인접한 점들 간 평균 거리가 표준편차를 벗어나는 점을 이상치 점으로 지정하여 제거하는 단계를 포함할 수 있다.

일 실시예에서 상기 지형 점군 데이터를 지정된 기준에 따라 복수개의 단위 영역으로 분할하는 단계는, 상기 제1 점군 데이터의 해상력에 따라 상기 제1 점군 데이터를 한 변의 길이가 N인 복수개의 입방체 형태의 단위 영역으로 분할하고, 상기 제2 점군 데이터의 해상력에 따라 상기 제2 점군 데이터를 한 변의 길이가 M인 복수개의 입방체 형태의 단위 영역으로 분할하는 단계를 포함할 수 있다.

일 실시예에서 상기 복수의 표면 정보를 산출하는 단계는, 상기 복수의 표면 정보 각각에 대한 신뢰도를 산출하는 단계 및 신뢰도가 기준값 보다 낮은 표면 정보를 제거하는 단계를 포함할 수 있다.

일 실시예에서 상기 표면 정보는, 상기 단위 영역 각각의 중심점과 법선 벡터로 구성되고, 상기 중심점은, 각 단위 영역 내에 분포한 점의 위치의 평균을 기초로 산출되고, 상기 법선 벡터는, 상기 단위 영역 내에 포함된 점의 공분산을 기초로 산출할 수 있다.

일 실시예에서 상기 신뢰도를 산출하는 단계는, 상기 점군 데이터의 특이값 분해(Singular Value Decomposition)를 통해 획득한 공분산의 특이값 행렬을 기초로, 상기 특이값 행렬을 구성하는 각 대각요소 특이값 간의 비율을 이용하여 상기 신뢰도를 산출하는 단계를 포함할 수 있다.

일 실시예에서 상기 제1 점군 데이터 및 상기 제2 점군 데이터의 정합을 수행하는 단계는, 상기 제1 점군 데이터를 기초로 획득한 표면 정보와 상기 제2 점군 데이터를 기초로 획득한 표면 정보간 거리 오차를 감소시키는 단계 및 상기 거리 오차가 줄어든 상기 제1 점군 데이터 및 상기 제2 점군 데이터의 정합을 수행하는 단계를 포함할 수 있다.

일 실시예에서 상기 표면 정보간 거리 오차를 감소시키는 단계는, 상기 복수의 표면 정보에 대하여 누적 거리 오차를 최소화하는 상대 자세를 추정하고, 상기 누적 거리 오차의 변화량이 지정된 기준 미만인 경우 상기 상대 자세의 추정을 종료하는 단계를 포함할 수 있다.

본 발명의 다른 실시예에 따른 점군 데이터 정합 장치는, 프로세서를 포함하고, 상기 프로세서는, 정합 대상인 제1 점군 데이터 및 제2 점군 데이터를 포함하는 지형 점군 데이터를 획득하고, 상기 지형 점군 데이터에 포함된 이상치 점을 검출하고, 상기 이상치 점을 제거하고, 상기 지형 점군 데이터를 지정된 기준에 따라 복수개의 단위 영역으로 분할하고, 상기 복수개의 단위 영역 각각에 대응되는 복수의 표면 정보를 산출하고, 상기 복수의 표면 정보를 기초로 상기 제1 점군 데이터 및 상기 제2 점군 데이터의 정합을 수행할 수 있다.

일 실시예에서 상기 프로세서는, 상기 지형 점군 데이터의 인접한 점들 간 분포 양상을 기초로 이상치 점을 검출하고, 상기 이상치 점을 제거할 수 있다.

일 실시예에서 상기 프로세서는, 상기 지형 점군 데이터의 인접한 점들 간 평균 거리가 표준편차를 벗어나는 점을 이상치 점으로 지정하여 제거할 수 있다.

일 실시예에서 상기 프로세서는 상기 제1 점군 데이터의 해상력에 따라 상기 제1 점군 데이터를 한 변의 길이가 N인 복수개의 입방체 형태의 단위 영역으로 분할하고, 상기 제2 점군 데이터의 해상력에 따라 상기 제2 점군 데이터를 한 변의 길이가 M인 복수개의 입방체 형태의 단위 영역으로 분할할 수 있다.

일 실시예에서 상기 프로세서는, 상기 복수의 표면 정보 각각에 대한 신뢰도를 산출하고, 신뢰도가 기준값 보다 낮은 표면 정보를 제거할 수 있다.

일 실시예에서 상기 표면 정보는, 상기 단위 영역 각각의 중심점과 법선 벡터로 구성되고, 상기 중심점은, 각 단위 영역 내에 분포한 점의 위치의 평균을 기초로 산출되고, 상기 법선 벡터는, 상기 단위 영역 내에 포함된 점의 공분산을 기초로 산출될 수 있다.

일 실시예에서 상기 프로세서는, 상기 점군 데이터의 특이값 분해(Singular Value Decomposition)를 통해 획득한 공분산의 특이값 행렬을 기초로, 상기 특이값 행렬을 구성하는 각 대각요소 특이값 간의 비율을 이용하여 상기 신뢰도를 산출할 수 있다.

일 실시예에서 상기 프로세서는, 상기 제1 점군 데이터를 기초로 획득한 표면 정보와 상기 제2 점군 데이터를 기초로 획득한 표면 정보간 거리 오차를 감소시키고, 상기 거리 오차가 줄어든 상기 제1 점군 데이터 및 상기 제2 점군 데이터의 정합을 수행할 수 있다.

일 실시예에서 상기 프로세서는, 상기 복수의 표면 정보에 대하여 누적 거리 오차를 최소화하는 상대 자세를 추정하고, 상기 누적 거리 오차의 변화량이 지정된 기준 미만인 경우 상기 상대 자세 추정을 종료할 수 있다.

도 1은 본 발명의 일 실시예에 따른 점군 데이터 정합 장치의 구성 및 동작을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 점군 데이터 정합 장치의 프로세서 구성을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 점군 데이터 정합 방법의 순서도이다.
도 4는 본 발명의 일 실시예에 따라 점군 데이터를 복수개의 단위 영역으로 분할하는 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따라 스테레오 위성영상에서 도출한 점군 데이터로 정합을 수행하기 전의 점군 데이터의 일 예시이다.
도 6은 본 발명의 일 실시예에 따라 정합된 위성영상 기반 점군 데이터의 일 예시이다.
도 7은 본 발명의 일 실시예에 따라 서로 다른 노이즈 정도를 갖는 점군 데이터에 정합 방법을 적용하여 도출한 정밀도 분석 그래프를 도시한 도면이다.

본 실시예들에서 사용되는 용어는 본 실시예들에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 실시예들에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 실시예들 전반에 걸친 내용을 토대로 정의되어야 한다.

본 실시예들은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 일부 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 실시예들을 특정한 개시형태에 대해 한정하려는 것이 아니며, 본 실시예들의 사상 및 기술범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 명세서에서 사용한 용어들은 단지 실시예들의 설명을 위해 사용된 것으로, 본 실시예들을 한정하려는 의도가 아니다.

본 실시예들에 사용되는 용어들은 다르게 정의되지 않는 한, 본 실시예들이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 실시예들에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.

이하에서는 후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.

이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.

이하 도 1을 참조하여 점군 데이터 정합 장치의 내부 구성에 대하여 상세히 설명한다.

3차원 지형 모델 복원을 위한 정합 방법은 다수의 점군 데이터 중에서 중첩하는 영역을 공유하는 제1 점군 데이터와 제2 점군 데이터를 정합한다. 제1 점군 데이터와 제2 점군 데이터를 제외한 나머지 다수의 점군 데이터에 대해서도, 서로 공유하고 있는 지형 공간이 존재한다면, 마찬가지로 해당 정합 방법을 차례대로 적용하여 모든 점군 데이터를 정합할 수 있다.

제1 점군 데이터와 제2 점군 데이터를 정합한다는 것은 두 점군 데이터 간에 상대 자세(이동 및 회전 정보)를 추정한다는 것과 같은 의미로 해석할 수 있다. GPS 정보 및 센서 모델링 정보를 바탕으로 다수의 점군 데이터 간 상대적 위치 관계가 이미 정립되어 있으나, 그럼에도 추가적인 오차를 포함하고 있을 여지가 있어서, 본 발명은 점군 데이터 간에 정합 방법을 적용하여 더 정밀하게 정합된 점군 데이터를 구성하도록 하는 것을 목표로 한다.

일 실시예에서 점군 데이터 정합 장치(100)는 프로세서(102), 통신 모듈(103) 및 입출력 인터페이스(104)를 포함할 수 있다.

메모리(101)는 컴퓨터에서 판독 가능한 기록 매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 또한, 메모리(101)에는 점군 데이터 정합 장치(100)를 제어하기 위한 프로그램 코드 및 설정, 점군 데이터 및 표면 정보가 일시적 또는 영구적으로 저장될 수 있다.

프로세서(102)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(101) 또는 통신 모듈(103)에 의해 프로세서(102)로 제공될 수 있다. 예를 들어 프로세서(102)는 메모리(101)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다. 일 실시예에서 점군 데이터 정합 장치(100)의 프로세서(102)는 정합 대상인 제1 점군 데이터 및 제2 점군 데이터를 포함하는 지형 점군 데이터를 획득하고, 상기 지형 점군 데이터에 포함된 이상치 점을 검출하고, 상기 이상치 점을 제거하고, 상기 지형 점군 데이터를 지정된 기준에 따라 복수개의 단위 영역으로 분할하고, 상기 복수개의 단위 영역 각각에 대응되는 복수개의 표면 정보를 산출하고, 상기 복수개의 표면 정보를 기초로 상기 제1 점군 데이터 및 상기 제2 점군 데이터의 정합을 수행할 수 있다.

통신 모듈(103)은 네트워크를 통해 외부 서버와 통신하기 위한 기능을 제공할 수 있다. 일례로, 점군 데이터 정합 장치(100)의 프로세서(102)가 메모리(101)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이 통신 모듈(103)의 제어에 따라 네트워크를 통해 외부 서버로 전달될 수 있다. 역으로, 외부 서버의 프로세서의 제어에 따라 제공되는 제어 신호나 명령, 컨텐츠, 파일 등이 네트워크를 거쳐 통신 모듈(103)을 통해 점군 데이터 정합 장치(100)로 수신될 수 있다. 예를 들어 통신 모듈(103)을 통해 수신된 외부 서버의 제어 신호나 명령 등은 프로세서(102)나 메모리(101)로 전달될 수 있고, 컨텐츠나 파일 등은 점군 데이터 정합 장치(100)이 더 포함할 수 있는 저장 매체로 저장될 수 있다.

통신 방식은 제한되지 않으며, 네트워크가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.

또한, 통신 모듈(103)은 외부 서버와 네트워크를 통해 통신할 수 있다. 통신 방식은 제한되지 않지만, 네트워크는 근거리 무선통신망일 수 있다. 예를 들어, 네트워크는 블루투스(Bluetooth), BLE(Bluetooth Low Energy), Wifi 통신망일 수 있다.

입출력 인터페이스(104)는 입출력 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 어플리케이션의 통신 세션을 표시하기 위한 디스플레이와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(104)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 보다 구체적인 예로, 점군 데이터 정합 장치(100)의 프로세서(102)는 메모리(101)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 외부 서버가 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 컨텐츠가 입출력 인터페이스(104)를 통해 디스플레이에 표시될 수 있다.

또한, 다른 실시예들에서 점군 데이터 정합 장치(100)은 도 1의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 점군 데이터 정합 장치(100)는 점군 데이터 정합 장치의 내부 구성요소들에 전력을 공급하는 배터리 및 충전 장치를 포함할 수 있고, 상술한 입출력 장치 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 각종 센서 센서 데이터 후처리 모듈, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.

이하 도 2를 참조하여 본 발명의 일 실시예에 따른 점군 데이터 정합 장치의 프로세서의 내부 구성에 대하여 상세히 검토한다. 후술되는 프로세서는 이해의 용이를 위하여 도 1에 도시된 점군 데이터 정합 장치(100)의 프로세서(102)임을 가정하고 설명하나, 일 실시예에서 상기 접군 데이터 정합이 외부 서버에서 수행되는 경우 후술되는 프로세서는 도 2에 도시된 외부 서버의 프로세서일 수 있음에 유의한다.

본 발명의 일 실시예에 따른 점군 데이터 정합 장치의 프로세서(102)는 점군 데이터 획득부(111), 이상치 점 제거부(112), 점군 데이터 분할부(113), 표면 정보 산출부(114) 및 점군 데이터 정합부(115)를 포함한다. 몇몇 실시예에 따라 프로세서(102)의 구성요소들은 선택적으로 프로세서(102)에 포함되거나 제외될 수도 있다. 또한, 몇몇 실시예에 따라 프로세서(102)의 구성요소들은 프로세서(102)의 기능의 표현을 위해 분리 또는 병합될 수도 있다.

이러한 프로세서(102) 및 프로세서(102)의 구성요소들은 도 3 의 점군 데이터 정합 방법이 포함하는 단계들(S110 내지 S150)을 수행하도록 점군 데이터 정합 장치(100)을 제어할 수 있다. 예를 들어, 프로세서(102) 및 프로세서(102)의 구성요소들은 메모리(101)가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(102)의 구성요소들은 점군 데이터 정합 장치(100)에 저장된 프로그램 코드가 제공하는 명령에 따라 프로세서(102)에 의해 수행되는 프로세서(102)의 서로 다른 기능들(different functions)의 표현들일 수 있다. 프로세서(102)의 내부 구성 및 구체적인 동작에 대해서는 도 3 의 점군 데이터 정합 방법 및 도 4 내지 도 7 의 실시예를 참조하여 설명하기로 한다.

도 3은 본 발명의 일 실시예에 따른 점군 데이터 정합 방법을 시계열적으로 나열한 순서도이다.

단계 S110에서 점군 데이터 정합 장치는 정합 대상인 제1 점군 데이터 및 제2 점군 데이터를 포함하는 지형 점군 데이터를 획득할 수 있다. 즉 점군 데이터 정합 장치는 위성(또는 항공) 장비에 탑재하여 서로 다른 지점(또는 시간)에서 취득한 영상(또는 거리) 정보를 이용하여 다수의 점군 데이터를 획득할 수 있다.

단계 S120에서 점군 데이터 정합 장치는 지형 점군 데이터에 포함된 이상치 점을 검출하고, 이상치 점을 제거할 수 있다. 이 경우 점군 데이터 정합 장치는 지형 점군 데이터의 인접한 점들 간 분포 양상을 기초로 이상치 점을 검출하고, 상기 이상치 점을 제거할 수 있다. 보다 구체적으로 점군 데이터 정합 장치는 상기 지형 점군 데이터의 인접한 점들 간 평균 거리가 표준편차를 벗어나는 점을 이상치 점으로 지정하여 제거할 수 있다.

보다 구체적으로 제1 점군 데이터와 제2 점군 데이터를 서로 정합하려고 할 때, 제1 점군 데이터와 제2 점군 데이터 각각에 대해서 이상치 점을 제거하기 위한 전처리 과정을 수행할 필요가 있다. 이 경우 이상치 점에 관한 판단 및 감지는 인접한 점들 간 분포 양상을 통해 결정될 수 있다. 어떤 임의의 점으로부터 인접한 k개 점까지의 거리를 평균 내어 평균거리를 계산하고, 인접한 k개 점까지의 거리 중에서 평균거리보다 표준편차만큼 벗어나는 점이 존재할 때, 해당 점을 이상치 점으로 판단 및 감지하여 제거한다. 값 k와 표준편차는 점군 데이터의 해상도 및 정확도에 따라 적절하게 변경할 수 있다.

단계 S130에서 점군 데이터 정합 장치는 지형 점군 데이터를 지정된 기준에 따라 복수개의 단위 영역으로 분할할 수 있다. 본 실시예에서 점군 데이터 정합 장치는 제1 점군 데이터의 해상력에 따라 상기 제1 점군 데이터를 한 변의 길이가 N인 복수개의 입방체 형태의 단위 영역으로 분할하고, 상기 제2 점군 데이터의 해상력에 따라 상기 제2 점군 데이터를 한 변의 길이가 M인 복수개의 입방체 형태의 단위 영역으로 분할할 수 있다.

단계 S140에서 점군 데이터 정합 장치는 복수개의 단위 영역 각각에 대응되는 복수개의 표면 정보를 산출할 수 있다. 일 실시예에서 점군 데이터 정합 장치는 상기 복수개의 표면 정보 각각에 대한 신뢰도를 산출하고, 신뢰도가 기준값 보다 낮은 표면 정보를 제거할 수 있다. 이 경우 표면 정보는 상기 단위 영역 각각의 중심점과 법선 벡터로 구성되고, 중심점은 각 단위 영역 내에 분포한 점의 위치의 평균을 기초로 산출되고, 법선 벡터는 상기 단위 영역 내에 포함된 점의 공분산을 기초로 산출될 수 있다. 점군 데이터 정합 장치는 신뢰도가 낮다고 판단되는 표면 정보를 감지하고 이를 제거하는 과정을 수행한다. 신뢰도가 낮은 표면 정보는 정합 정확도를 저하시킬 수 있다. 표면 정보의 신뢰도란, 해당 영역에 포함된 지형 점군 데이터가 얼마나 지형적 특성을 일관되게 보이고 있는지를 의미한다.

신뢰도는 S130 단계에서 SVD를 통해 산출한 공분산의 특이값 행렬을 활용하며, 특이값 행렬을 구성하는 각 대각요소 특이값간의 비율로써 산출할 수 있다. 표면 정보의 신뢰도 비율은 각각 a = s_2/s_3 과 b = s_1/s_2 로 산출할 수 있으며, 'a > a_임계값' 과 'b < b_임계값' 을 모두 만족하는 표면 정보만 정합에 사용한다. 여기서 'a_임계값'과 'b_임계값'조건은 고정된 값이며 데이터를 수집하는 센서 특성에 의존한다. 해당 비율은 분할된 영역 내 점들이 적당한 두께와 너비로 분포하고 있는지를 판단 가능하게 하는 기준으로서, 본 발명의 몇몇 실시예에 따른 점군 데이터 정합 장치는 해당 신뢰성을 기반으로 본 정합 방법의 정확도를 향상시킬 수 있다.

일 실시예에서 점군 데이터 정합 장치는 상기 점군 데이터의 특이값 분해(Singular Value Decomposition)를 통해 획득한 공분산의 특이값 행렬을 기초로, 상기 특이값 행렬을 구성하는 각 대각요소 특이값 간의 비율을 이용하여 상기 신뢰도를 산출할 수 있다.

단계 S150에서 점군 데이터 정합 장치는 복수개의 표면 정보를 기초로 제1 점군 데이터 및 제2 점군 데이터의 정합을 수행할 수 있다.

일 실시예에서 점군 데이터 정합 장치는 상기 제1 점군 데이터를 기초로 획득한 표면 정보와 상기 제2 점군 데이터를 기초로 획득한 표면 정보간 거리 오차를 감소시키고, 상기 거리 오차가 줄어든 상기 제1 점군 데이터 및 상기 제2 점군 데이터의 정합을 수행할 수 있다. 또한 점군 데이터 정합 장치는 복수의 표면 정보에 대하여 누적 거리 오차를 최소화하는 상대 자세를 추정하고, 상기 누적 거리 오차의 변화량이 지정된 기준 미만인 경우 상기 상대 자세 추정을 종료할 수 있다.

본 실시예에서 점군 데이터 정합 장치는 제1 점군 데이터로부터 산출한 표면 정보와 제2 점군 데이터로부터 산출한 표면 정보 간 거리오차를 줄이기 위해, 해당 조건을 만족시키는 상대 자세를 추정하는 과정을 해당 단계에서 수행한다. 먼저, 제1 점군 데이터로 산출한 어떤 표면 정보 a에 대응하는 제2 점군 데이터의 표면 정보 b를 찾아야 한다. 표면 정보 a와 표면 정보 b의 사이의 거리는 3차원 중심점과 3차원 법선 벡터를 나열하여 6차원으로 하는 벡터간 거리로서, 벡터 간 거리가 가장 서로 인접해 있는 표면 정보 a와 표면 정보 b를 찾아서 모든 표면 정보를 서로 대응시킬 수 있다.

[수학식 1]

상기 수학식 1은 표면 정보 a와 벡터 간 거리가 인접한 표면 정보 b의 거리 오차를 산출해내는 목적 함수이다.

와

는 각 표면 정보의 중심점을 의미한다.

는 각 표면 정보 공분산의 합 (

)을 SVD하였을 때, 가장 작은 특이값(

)에 대응하는 열 벡터이다.

는 인접한 두 표면 정보의 신뢰도 가중치(

)를 의미하며, 센서 특성에 따른 노이즈 레벨

와

를 SVD하여 구한 특이값 행렬

에서 가장 작은 특이값

로 산출할 수 있다. 즉, 이 목적 함수는 두 표면 정보의 중심점 간 거리 차를

로 정사영 시켜서 면-점 간 거리 오차를 산출해내며, Linear transformation(선형 변환)

을 통해 거리 오차

를 축소하는 상대 자세

(이동 및 회전)를 추정할 수 있다. 이후, 점군 데이터 정합 장치는 산출해낸 모든 표면 정보에 대해서, 누적 거리 오차

를 최소화하는 상대 자세

를 추정하기 위해, Gauss-Newton 알고리즘, Levenberg-Marquardt 알고리즘, 가중최소자승법 등과 같은 점진적 최소화(iterative minimization) 기법을 적용하여 추정 과정을 반복 수행할 수 있다.

그리고 점군 데이터 정합 장치는 업데이트한 누적 거리 오차의 변화량으로 정합 수렴성을 판단하고 정합 알고리즘을 종료할지 판단할 수 있다. 이 경우 점군 데이터 정합 장치는 상대 자세의 추정 과정을 반복 수행하여, 이전 누적오차와 현재 누적오차와의 변화량이 미리 정한 임계값보다 작을 경우, 오차를 최소화 시키는 정합 결과로 수렴이 완료되었다고 판단하고 정합 알고리즘을 종료한다.

도 4는 본 발명의 일 실시예에 따라 점군 데이터를 복수개의 단위 영역으로 분할하는 방법을 설명하기 위한 도면이다.

전술한 바, 점군 데이터 정합 장치는 지형 점군 데이터를 지정된 기준에 따라 복수개의 단위 영역으로 분할할 수 있다. 본 실시예에서 점군 데이터 정합 장치는 제1 점군 데이터의 해상력에 따라 상기 제1 점군 데이터를 한 변의 길이가 N인 복수개의 입방체 형태의 단위 영역으로 분할하고, 상기 제2 점군 데이터의 해상력에 따라 상기 제2 점군 데이터를 한 변의 길이가 M인 복수개의 입방체 형태의 단위 영역으로 분할할 수 있다.

도시된 바를 참조하면, 3차원 지형 점군 데이터는 정해진 크기의 입방체로 균일하고 계층적이게 분할될 수 있다.

일 실시예에서 점군 데이터 정합 장치는 지형에서 정합하는데 필요한 유의미한 표면 정보를 추출하기 위해, 제1 점군 데이터와 제2 점군 데이터를 균일한 부피 영역으로 분할할 수 있다. 제1 점군 데이터와 제2 점군 데이터의 무게중심을 각각 계산하고, 무게중심을 원점으로 삼아서 3차원 지형 공간을 한 변이 n미터 크기인 입방체로 균일하게 분할한다. 한 변이 n미터인 입방체 내에 포함된 점의 개수가 m개 보다 적은 입방체가 존재하는 경우, 영역에 포함된 점만으로는 충분히 신뢰도 있는 표면 정보 추출을 기대하기 어렵기 때문에 해당 입방체를 제거한다. 값 n과 m은 점군 데이터의 해상력에 따라 적절하게 변경할 수 있다. 단, 예를 들어, 값 n은 하나의 값으로 한정된 것이 아니며, 10미터, 20미터 등 여러 크기의 입방체를 계층적으로 구성할 수 있다.

이후, 전술한 바 점군 데이터 정합 장치는 복수개의 단위 영역 각각에 대응되는 복수개의 표면 정보를 산출할 수 있다. 일 실시예에서 점군 데이터 정합 장치는 상기 복수개의 표면 정보 각각에 대한 신뢰도를 산출하고, 신뢰도가 기준값 보다 낮은 표면 정보를 제거할 수 있다. 이 경우 표면 정보는 상기 단위 영역 각각의 중심점과 법선 벡터로 구성되고, 중심점은 각 단위 영역 내에 분포한 점의 위치의 평균을 기초로 산출되고, 법선 벡터는 상기 단위 영역 내에 포함된 점의 공분산을 기초로 산출될 수 있다. 일 실시예에서 점군 데이터 정합 장치는 상기 점군 데이터의 특이값 분해(Singular Value Decomposition)를 통해 획득한 공분산의 특이값 행렬을 기초로, 상기 특이값 행렬을 구성하는 각 대각요소 특이값 간의 비율을 이용하여 상기 신뢰도를 산출할 수 있다.

즉 점군 데이터 정합 장치는 도출한 각 분할 영역에 대하여 표면 정보를 추출할 수 있다. 각 입방체 영역에는 하나의 표면 정보가 존재하며, 그 표면 정보는 중심점과 법선 벡터로 구성될 수 있다. 표면 정보의 중심점(무게중심)은 입방체 영역 내에 분포하고 있는 점의 위치로 평균을 내어 산출할 수 있다. 표면 정보의 법선 벡터는 영역 내에 포함된 점의 공분산(점의 분포 양상)으로부터 산출할 수 있다. 또한, 산출한 공분산에 Singular Value Decomposition(특이값 분해, SVD)을 적용하면 공분산을 도출할 수 있고, 이때 특이값으로 구성된 대각행렬에서 가장 작은 특이값에 대응하는 단위 행렬의 열벡터를 표면 정보의 법선 벡터로 삼을 수 있다.

도 5는 본 발명의 일 실시예에 따른 점군 데이터 정합을 수행하기 전의 점군 데이터의 일 예시이고, 도 6은 본 발명의 일 실시예에 따라 정합된 점군 데이터의 일 예시이다.

도시된 바를 참고하면, 동일 영역에 겹쳐 있어야 할 지형 점군 데이터에 정합 방법을 적용한 후, 적절히 중첩되어 있는 것을 확인할 수 있다.

도 7은 본 발명의 일 실시예에 따른 점군 데이터 정합 방법이 적용된 위성 영상의 정밀도 분석 그래프를 도시한 도면이다.

도시된 그래프는 실제 위성 영상에서 추출한 점군 데이터를 상대 자세 초기값의 오차 수준에 따라 각각 100회씩 정합한 시뮬레이션 결과이다. 오차 수준은 1m의 표준편차와 5m 평균을 갖는 가우시안 노이즈부터 평균을 5m씩 증가하여 약 120m 평균을 갖는 가우시안 노이즈까지 차례대로 인가하였다. 즉, 해당 그래프는 총 2200회의 정합을 시뮬레이션으로 수행한 결과를 나타낸다. 그래프의 x축은 시뮬레이션에 인가한 노이즈 수준의 평균값이며, 그래프의 y축은 GPS 추정값 대비 상대 자세의 변화량이다. GPS 추정값이 정확한 값이라고 단정 지을 수는 없으며, 초기 오차 수준의 변화에도 상대 자세 값이 GPS 추정값과 비슷하게 꾸준히 안정된 값으로 산출되는지 확인이 가능하다. 그래프에서 확인할 수 있듯이 초기값의 오차 수준이 커질수록 수렴하는 상대 자세의 변동성도 커짐을 확인할 수 있다. 하지만, 사용한 점군 데이터 면적의 가로*세로가 약 1500m*1500m이며, 점간 거리가 약 1m정도로 구성되어 있음을 고려하면, 10cm 내외의 변동성으로 일관되게 수렴하는 것은 정밀한 정합 결과라고 판단할 수 있다.

본 발명의 일 실시예에 따른 점군 데이터 정합 방법은 ICP처럼 점간 거리 오차를 산출하는 방식 대신에, 지형 영역을 분할하고 분할한 영역으로부터 표면 정보를 산출하여 정합에 활용한다.

본 발명의 일 실시예에 따른 점군 데이터 정합 방법은 분할된 영역에서 산출한 표면 정보를 이용하여, 상대 자세 추정값이 국소 최소값으로 수렴하고 마는 문제를 해소하고, 점군 데이터 간 정합을 정밀하게 수행할 수 있다.

본 발명의 일 실시예에 따른 점군 데이터 정합 방법은 분할된 영역에서 산출한 표면 정보를 이용하여, 비선형 노이즈에도 더 강인하게 점군 데이터 간 정합을 수행할 수 있다.

한편, 본 실시예와 관련된 기술 분야에서 통상의 지식을 가진 자는 상기된 기재의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 방법들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (19)

1. 컴퓨팅 장치에 의해 수행되는 점군 데이터 정합 방법에 있어서,
   정합 대상인 제1 점군 데이터 및 제2 점군 데이터를 포함하는 지형 점군 데이터를 획득하는 단계;
   상기 지형 점군 데이터에 포함된 이상치 점을 검출하고, 상기 이상치 점을 제거하는 단계;
   상기 지형 점군 데이터를 지정된 기준에 따라 복수의 입방체 영역으로 분할하는 단계;
   상기 복수의 입방체 영역에 각각 대응하는 복수의 표면 정보를 산출하는 단계로서, 상기 복수의 표면 정보 각각은 상기 복수의 입방체 영역 중에서 대응하는 입방체 영역의 중심점과 법선 벡터를 포함하는 단계; 및
   상기 복수의 표면 정보를 기초로 상기 제1 점군 데이터 및 상기 제2 점군 데이터의 정합을 수행하는 단계를 포함하고,
   상기 표면 정보를 산출하는 단계는,
   상기 대응하는 입방체 영역 내에 분포한 점들의 위치의 평균을 기초로 상기 중심점을 산출하는 단계; 및
   상기 대응하는 입방체 영역 내에 분포한 점들의 공분산을 기초로 상기 법선 벡터를 산출하는 단계를 포함하고,
   상기 법선 벡터를 산출하는 단계는,
   상기 공분산에 특이값 분해(Singular Value Decomposition)를 적용하여, 제1 내지 제3 특이값으로 구성된 특이값 행렬을 획득하는 단계; 및
   상기 제1 내지 제3 특이값 중에서 가장 작은 제3 특이값에 대응하는 단위 행렬의 열벡터를 상기 법선 벡터로 결정하는 단계를 포함하고,
   상기 복수의 표면 정보를 산출하는 단계는,
   상기 복수의 표면 정보 각각에 대하여 상기 제1 내지 제3 특이값 중에서 두번째로 큰 제2 특이값을 상기 제3 특이값으로 나눔으로써, 제1 신뢰도 비율을 산출하는 단계;
   상기 산출된 제1 신뢰도 비율이 미리 설정된 제1 기준값 이하인 표면 정보를 제거하는 단계;
   상기 복수의 표면 정보 각각에 대하여 상기 제1 내지 제3 특이값 중에서 가장 큰 제1 특이값을 상기 제2 특이값으로 나눔으로써, 제2 신뢰도 비율을 산출하는 단계; 및
   상기 산출된 제2 신뢰도 비율이 미리 설정된 제2 기준값 이상인 표면 정보를 제거하는 단계를 포함하는 점군 데이터 정합 방법.
2. 제1 항에 있어서,
   상기 이상치 점을 제거하는 단계는,
   상기 지형 점군 데이터의 인접한 점들 간 분포 양상을 기초로 이상치 점을 검출하는 단계; 및
   상기 이상치 점을 상기 지형 점군 데이터로부터 제거하는 단계;를 포함하는 점군 데이터 정합 방법.
3. 제2 항에 있어서,
   상기 이상치 점을 검출하는 단계는,
   상기 지형 점군 데이터 내의 임의의 점으로부터 상기 점에 인접한 미리 설정된 k개의 점까지의 거리를 기초로, 평균거리와 표준편차를 산출하는 단계; 및
   상기 k개의 점 중에서 상기 임의의 점으로부터의 거리가 상기 평균보다 상기 표준편차만큼 벗어나는 점을 상기 이상치 점으로 결정하는 단계를 포함하는 점군 데이터 정합 방법.
4. 제1 항에 있어서,
   상기 지형 점군 데이터를 지정된 기준에 따라 복수의 입방체 영역으로 분할하는 단계는,
   상기 제1 점군 데이터를 복수의 제1 입방체 영역으로 분할하는 단계;
   상기 제2 점군 데이터를 복수의 제2 입방체 영역으로 분할하는 단계;
   상기 복수의 제1 입방체 영역 각각에 포함된 상기 제1 점군 데이터의 점이 미리 설정된 m개보다 적게 존재하면, 해당 제1 입방체 영역을 제거하는 단계; 및
   상기 복수의 제2 입방체 영역 각각에 포함된 상기 제2 점군 데이터의 점이 상기 m개보다 적게 존재하면, 해당 제2 입방체 영역을 제거하는 단계를 포함하는 점군 데이터 정합 방법.
   
5. 삭제
6. 삭제
7. 제1 항에 있어서,
   상기 제1 점군 데이터 및 상기 제2 점군 데이터의 정합을 수행하는 단계는,
   상기 제1 점군 데이터를 기초로 획득한 제1 표면 정보와 상기 제2 점군 데이터를 기초로 획득한 제2 표면 정보 간 거리 오차를 감소시키는 단계; 및
   상기 거리 오차가 줄어든 상기 제1 점군 데이터 및 상기 제2 점군 데이터의 정합을 수행하는 단계를 포함하는 점군 데이터 정합 방법.
8. 제7 항에 있어서,
   상기 제1 및 제2 표면 정보 간 거리 오차를 감소시키는 단계는,
   상기 제1 및 제2 표면 정보에 대하여 누적 거리 오차를 최소화하는 상대 자세를 추정하는 단계; 및
   상기 누적 거리 오차의 변화량이 지정된 기준치 미만인 경우 상기 상대 자세의 추정을 종료하는 단계를 포함하는 점군 데이터 정합 방법.
9. 컴퓨터를 이용하여 제1항 내지 제4항, 제7항 및 제8항 중 어느 한 항의 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램.
10. 정합 대상인 제1 점군 데이터 및 제2 점군 데이터를 포함하는 지형 점군 데이터를 획득하는 단계;
    상기 지형 점군 데이터에 포함된 이상치 점을 검출하고, 상기 이상치 점을 제거하는 단계;
    상기 지형 점군 데이터를 지정된 기준에 따라 복수의 입방체 영역으로 분할하는 단계;
    상기 복수의 입방체 영역에 각각 대응하는 복수의 표면 정보를 산출하는 단계로서, 상기 복수의 표면 정보 각각은 상기 복수의 입방체 영역 중에서 대응하는 입방체 영역의 중심점과 법선 벡터를 포함하는 단계
    상기 복수의 표면 정보를 기초로 상기 제1 점군 데이터 및 상기 제2 점군 데이터의 정합을 수행하는 단계를 실행하도록 구성된 프로세서를 포함하고,
    상기 표면 정보를 산출하는 단계는,
    상기 대응하는 입방체 영역 내에 분포한 점들의 위치의 평균을 기초로 상기 중심점을 산출하는 단계; 및
    상기 대응하는 입방체 영역 내에 분포한 점들의 공분산을 기초로 상기 법선 벡터를 산출하는 단계를 포함하고,
    상기 법선 벡터를 산출하는 단계는,
    상기 공분산에 특이값 분해(Singular Value Decomposition)를 적용하여, 제1 내지 제3 특이값으로 구성된 특이값 행렬을 획득하는 단계; 및
    상기 제1 내지 제3 특이값 중에서 가장 작은 제3 특이값에 대응하는 단위 행렬의 열벡터를 상기 법선 벡터로 결정하는 단계를 포함하고,
    상기 복수의 표면 정보를 산출하는 단계는,
    상기 복수의 표면 정보 각각에 대하여 상기 제1 내지 제3 특이값 중에서 두번째로 큰 제2 특이값을 상기 제3 특이값으로 나눔으로써, 제1 신뢰도 비율을 산출하는 단계;
    상기 산출된 제1 신뢰도 비율이 미리 설정된 제1 기준값 이하인 표면 정보를 제거하는 단계;
    상기 복수의 표면 정보 각각에 대하여 상기 제1 내지 제3 특이값 중에서 가장 큰 제1 특이값을 상기 제2 특이값으로 나눔으로써, 제2 신뢰도 비율을 산출하는 단계;
    상기 산출된 제2 신뢰도 비율이 미리 설정된 제2 기준값 이상인 표면 정보를 제거하는 단계를 포함하는 점군 데이터 정합 장치.
11. 제10 항에 있어서,
    상기 이상치 점을 제거하는 단계는,
    상기 지형 점군 데이터의 인접한 점들 간 분포 양상을 기초로 이상치 점을 검출하는 단계; 및
    상기 이상치 점을 상기 지형 점군 데이터로부터 제거하는 단계;를 포함하는 점군 데이터 정합 장치.
12. 제11 항에 있어서,
    상기 이상치 점을 검출하는 단계는,
    상기 지형 점군 데이터 내의 임의의 점으로부터 상기 점에 인접한 미리 설정된 k개의 점까지의 거리를 기초로, 평균거리와 표준편차를 산출하는 단계; 및
    상기 k개의 점 중에서 상기 임의의 점으로부터의 거리가 상기 평균보다 상기 표준편차만큼 벗어나는 점을 상기 이상치 점으로 결정하는 단계를 포함하는 점군 데이터 정합 장치.
13. 제10 항에 있어서,
    상기 지형 점군 데이터를 지정된 기준에 따라 복수의 입방체 영역으로 분할하는 단계는,
    상기 제1 점군 데이터를 복수의 제1 입방체 영역으로 분할하는 단계;
    상기 제2 점군 데이터를 복수의 제2 입방체 영역으로 분할하는 단계;
    상기 복수의 제1 입방체 영역 각각에 포함된 상기 제1 점군 데이터의 점이 미리 설정된 m개보다 적게 존재하면, 해당 제1 입방체 영역을 제거하는 단계; 및
    상기 복수의 제2 입방체 영역 각각에 포함된 상기 제2 점군 데이터의 점이 상기 m개보다 적게 존재하면, 해당 제2 입방체 영역을 제거하는 단계를 포함하는 점군 데이터 정합 장치.
14. 삭제
15. 삭제
16. 삭제
17. 제10 항에 있어서,
    상기 제1 점군 데이터 및 상기 제2 점군 데이터의 정합을 수행하는 단계는,
    상기 제1 점군 데이터를 기초로 획득한 제1 표면 정보와 상기 제2 점군 데이터를 기초로 획득한 제2 표면 정보 간 거리 오차를 감소시키는 단계; 및
    상기 거리 오차가 줄어든 상기 제1 점군 데이터 및 상기 제2 점군 데이터의 정합을 수행하는 단계를 포함하는 점군 데이터 정합 장치.
18. 제17 항에 있어서,
    상기 제1 및 제2 표면 정보 간 거리 오차를 감소시키는 단계는,
    상기 제1 및 제2 표면 정보에 대하여 누적 거리 오차를 최소화하는 상대 자세를 추정하는 단계; 및
    상기 누적 거리 오차의 변화량이 지정된 기준치 미만인 경우 상기 상대 자세의 추정을 종료하는 단계를 포함하는 점군 데이터 정합 장치.
    
19. 삭제

Images