KR102578638B1

KR102578638B1 - 고정밀 3차원 지적도 구축 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램

Info

Publication number: KR102578638B1
Application number: KR1020220163711A
Authority: KR
Inventors: 강성학
Original assignee: 주식회사 유오케이; 주식회사 유오케이에이티씨
Priority date: 2022-11-30
Filing date: 2022-11-30
Publication date: 2023-09-18

Abstract

본 발명은 고정밀의 3차원 지적도를 구축할 수 있는 방법을 제안한다. 상기 방법은 사전에 설정된 구축 대상 지역에 대응하는 지적도 정보를 식별하는 단계; 상기 구축 대상 지역을 대상으로 라이다(lidar)에 의해 수집된 점군(point cloud) 데이터를 상기 지적도 정보에 매칭하는 단계; 및 상기 구축 대상 지역을 대상으로 카메라(camera)에 의해 촬영된 이미지를 상기 점군 데이터가 기 매칭된 지적도 정보에 추가로 매칭하는 단계를 포함할 수 있다. 이러한 본 발명에 따르면, 라이다 및 카메라를 통해 각각 수집된 점군 데이터 및 이미지를 기반으로, 실제 토지 현황에 부합하는 정밀한 3차원 지적도를 구축할 수 있게 된다.

Description

고정밀 3차원 지적도 구축 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램{Method for building high precision 3D cadastral map and computer program recorded on record-medium for executing method therefor}

본 발명은 측위 서비스(positioning service)에 관한 것이다. 보다 상세하게는, 고정밀의 3차원 지적도를 구축할 수 있는 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램에 관한 것이다.

GPS(Global Positioning System)에 기반한 측위(positioning) 기술은 크게 표준 측위 서비스(Standard Positioning Service, SPS)와 정밀 측위 서비스(Precise Positioning Service, PPS)로 구분된다. 일반적으로, 표준 측위 서비스(SPS)는 민간 서비스를 위한 측위에 활용되며, 정밀 측위 서비스(PPS)는 군사 목적의 서비스를 위한 측위에 활용된다.

구체적으로, 표준 측위 서비스(SPS)는 특별한 자격 요건을 요구하지 아니하고, 연속적인 측위 및 시간 측정 서비스를 자유롭게 제공할 수 있다. 이러한, 표준 측위 서비스(SPS)는 단일 주파수(L1)를 이용하며, 낮은 비율의 PRN(Pseudo-Random Noise) 문자열을 사용하고, 1,023 Mbps의 C/A 코드를 사용한다. 표준 측위 서비스(SPS)에는 고의적으로 위치 정확도를 낮추기 위한 SA(Selective Availability) 기능이 적용될 수 있으며, SA 기능이 적용될 경우 95% 이내에서 수평 100m, 수직 156m 정도의 위치 정밀도를 가지며, 334 나노초(ns)의 시간 정밀도를 가진다.

정밀 측위 서비스(PPS)는 특별한 자격 요건을 갖춘 제한된 사용자에게만 제공되며, 매우 정밀하게 연속적인 측위 및 시간 측정 서비스를 제공할 수 있다. 이러한, 정밀 측위 서비스(PPS)는 비공인된 사용자가 접근할 수 없도록 P 코드(Precise pseudorandom tracking code)를 사용한다. 정밀 측위 서비스(PPS)는 수평 22m, 수직 27.7m 정도의 위치 정밀도를 가지며, 100 나노초의 시간 정밀도를 가진다.

한편, 지적도(cadastral map)는 토지의 소재, 지번, 지목, 경계, 색인도, 제명 및 축적 등을 기록한 지도이다. 이러한, 지적도는 단순히 종이에 기록된 2차원 토지 정보에 불과하므로, 실제 토지와 관련된 다양한 공간 정보를 정확하게 표현하는데 한계가 존재한다.

예를 들어, 현재의 지적도는 측량 후 시간의 경과 따른 토지의 이동, 산업화 또는 도시화로 인하여, 지적공부상의 등록사항과 실제 토지 현황이 서로 일치하지 않는 지적불부합지가 다수 존재한다. 또한, 현재의 지적도는 다양한 축적에 기반하여 종이에 작성되다 보니, 측량 기준점 소실 시 경계 복원의 대응에 많은 어려움이 뒤따르며, 지적도 종이가 훼손될 경우 자료 복원에 큰 한계를 가지고 있다.

따라서, 다양한 위치 기반 서비스(Location Based Service, LBS)의 기반이 될 수 있는 고정밀의 디지털 지적도가 요구되는 실정이다.

대한민국 공개특허공보 제10-2014-0024590호, ‘연속지적도의 다축적 모델 생성 방법’, (2014.03.03. 공개)

본 발명의 일 목적은 고정밀의 3차원 지적도를 구축할 수 있는 방법을 제공하는 것이다.

본 발명의 또 다른 목적은 고정밀의 3차원 지적도를 구축할 수 있는 방법을 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램을 제공하는 것이다.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

상술한 바와 같은 기술적 과제를 달성하기 위하여, 본 발명은 고정밀의 3차원 지적도를 구축할 수 있는 방법을 제안한다. 상기 방법은 사전에 설정된 구축 대상 지역에 대응하는 지적도 정보를 식별하는 단계; 상기 구축 대상 지역을 대상으로 라이다(lidar)에 의해 수집된 점군(point cloud) 데이터를 상기 지적도 정보에 매칭하는 단계; 및 상기 구축 대상 지역을 대상으로 카메라(camera)에 의해 촬영된 이미지를 상기 점군 데이터가 기 매칭된 지적도 정보에 추가로 매칭하는 단계를 포함할 수 있다.

구체적으로, 상기 점군 데이터를 매칭하는 단계는 상기 점군 데이터로부터 분류된 상기 구축 대상 지역의 지형 정보를 기초로 상기 구축 대상 지역의 수치 표고 자료(Digital Elevation Model, DEM)을 생성하고, 상기 점군 데이터로부터 분류된 상기 구축 대상 지역 내에 위치하는 건물 정보를 기반으로 상기 구축 대상 지역 내에 위치하는 각 건물이 차지하는 공간(footprint) 정보를 생성할 수 있다.

상기 점군 데이터를 매칭하는 단계는 상기 구축 대상 지역 내에 측량 기준점(control point)이 존재하는 경우, 상기 측량 기준점을 기준으로 상기 지적도 정보와 상기 점군 데이터가 서로 동일한 위치를 지시하도록 설정할 수 있다.

만약, 상기 구축 대상 지역 내에 측량 기준점이 존재하지 않는 경우, 상기 지적도 정보에 포함된 복수 개의 토지들 중에서 하나의 랜드마크(land mark)를 설정하고, 상기 점군 데이터 중에서 상기 랜드마크에 대응하는 점군을 탐색한 후, 상기 탐색된 랜드마크에 대응하는 점군을 기준으로 상기 지적도 정보와 상기 점군 데이터가 서로 동일한 위치를 지시하도록 설정할 수도 있다.

그리고, 상기 점군 데이터를 매칭하는 단계는 상기 지적도 정보와 상기 점군 데이터가 서로 동일한 위치를 지시한 상태에서, 상기 수치 표고 자료(DEM)에 포함된 지형의 높이(height) 값을 지적도 정보에 추가할 수 있다. 또한, 상기 지적도 정보와 상기 점군 데이터가 서로 동일한 위치를 지시한 상태에서, 상기 수치 표고 자료(DEM)에 포함된 지형의 수평 정보 및 상기 공간 정보를 기초로 상기 지적도 정보에 포함된 각 토지의 경계 정보를 보정할 수도 있다.

상기 이미지를 매칭하는 단계는 상기 이미지가 촬영된 시점의 상기 카메라의 위치 좌표를 기준으로, 상기 지적도 정보에 상기 이미지를 매칭할 수 있다.

한편, 상기 이미지를 매칭하는 단계는 사람의 시선 높이에서 상기 구축 대상 지역 내에 존재하는 객체(object)를 보는 것과 같은 3차원 이미지를 제공하는 스트리트 뷰(street view)를 상기 지적도 정보에 추가로 매칭된 이미지를 기반으로 생성할 수 있다.

그리고, 상기 방법은 상기 이미지가 추가로 매칭된 지적도 정보를 기반으로, 상기 구축 대상 지역 내의 토지에 대한 의사 결정 지원(decision support) 정보를 생성하는 단계를 더 포함할 수도 있다.

상술한 바와 같은 기술적 과제를 달성하기 위하여, 본 발명은 고정밀의 3차원 지적도를 구축할 수 있는 방법을 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램을 제안한다. 상기 컴퓨터 프로그램은 메모리(memory); 및 상기 메모리에 상주된 명령어를 처리하는 프로세서(processor)를 포함하여 구성된 컴퓨팅 장치와 결합될 수 있다. 그리고, 상기 컴퓨터 프로그램은 상기 프로세서가 사전에 설정된 구축 대상 지역에 대응하는 지적도 정보를 식별하는 단계; 상기 프로세서가 상기 구축 대상 지역을 대상으로 라이다에 의해 수집된 점군 데이터를 상기 지적도 정보에 매칭하는 단계; 및 상기 프로세서가 상기 구축 대상 지역을 대상으로 카메라에 의해 촬영된 이미지를 상기 점군 데이터가 기 매칭된 지적도 정보에 추가로 매칭하는 단계를 실행시키기 위하여, 기록매체에 기록된 컴퓨터 프로그램이 될 수 있다.

기타 실시 예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

본 발명의 실시 예들에 따르면, 라이다 및 카메라를 통해 각각 수집된 점군 데이터 및 이미지를 기반으로, 실제 토지 현황에 부합하는 정밀한 3차원 지적도를 구축할 수 있게 된다.

또한, 지적공부상의 등록 사항과 실제 토지 현황이 서로 일치하지 않는 지적불부합지를 최소화시킬 수 있으며, 인접한 두 토지의 경계 분쟁이 발생하면 이를 지원하기 위한 의사 결정을 제공할 수 있다.

본 발명의 효과들은 이상에서 언급한 효과로 제한되지 아니하며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 본 발명이 속한 기술분야의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명의 일 실시예에 따른 지적도 구축 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 지적도 구축 장치의 논리적 구성도이다.
도 3은 본 발명의 일 실시예에 따른 지적도 구축 장치의 하드웨어 구성도이다.
도 4는 본 발명의 일 실시예에 따른 지적도 구축 방법을 설명하기 위한 순서도이다.
도 5a 내지 도 5d는 본 발명의 일 실시예에 따라 고정밀 3차원 지적도를 구축하는 과정을 설명하기 위한 예시도이다.
도 6은 본 발명의 일 실시예에 따라 점군 데이터를 매칭하는 다양한 수단을 설명하기 위한 예시도이다.
도 7은 본 발명의 일 실시예에 따라 제공되는 의사 결정 지원 정보를 설명하기 위한 예시도이다.

본 명세서에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본명세서에서 사용되는 기술적 용어는 본 명세서에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 명세서에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.

또한, 본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, '구성된다' 또는 '가지다' 등의 용어는 명세서 상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.

또한, 본 명세서에서 사용되는 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.

어떤 구성 요소가 다른 구성 요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성 요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성 요소가 존재할 수도 있다. 반면에, 어떤 구성 요소가 다른 구성 요소에 "'직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성 요소가 존재하지 않는 것으로 이해되어야 할 것이다.

이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다. 본 발명의 사상은 첨부된 도면 외에 모든 변경, 균등물 내지 대체물에 까지도 확장되는 것으로 해석되어야 한다.

한편, 상술한 바와 같이, 지적도는 토지의 소재, 지번, 지목, 경계, 색인도, 제명 및 축적 등을 기록한 지도이다. 이러한, 지적도는 단순히 종이에 기록된 2차원 토지 정보에 불과하므로, 실제 토지와 관련된 다양한 공간 정보를 정확하게 표현하는데 한계가 존재한다. 예를 들어, 현재의 지적도는 측량 후 시간의 경과 따른 토지의 이동, 산업화 또는 도시화로 인하여, 지적공부상의 등록사항과 실제 토지 현황이 서로 일치하지 않는 지적불부합지가 다수 존재한다. 또한, 현재의 지적도는 다양한 축적에 기반하여 종이에 작성되다 보니, 측량 기준점 소실 시 경계 복원의 대응에 많은 어려움이 뒤따르며, 지적도 종이가 훼손될 경우 자료 복원에 큰 한계를 가지고 있다.

이러한 한계를 해결하고자, 본 발명은 고정밀의 3차원 지적도를 구축할 수 있는 수단들을 제안하고자 한다.

도 1은 본 발명의 일 실시예에 따른 지적도 구축 시스템의 구성도이다.

도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 지적도 구축 시스템은 라이다(lidar, 110)를 구비하는 점군 수집 장치(100a, 100b, …, 100n; 100), 카메라(camera, 210)를 구비하는 이미지 수집 장치(200a, 200b, …, 200m; 200) 및 지적도 구축 장치(300)를 포함하여 구성될 수 있다.

이와 같은, 지적도 구축 시스템의 구성 요소들은 기능적으로 구분되는 요소들을 나타낸 것에 불과하므로, 둘 이상의 구성 요소가 실제 물리적 환경에서는 서로 통합되어 구현되거나, 하나의 구성 요소가 실제 물리적 환경에서는 서로 분리되어 구현될 수 있을 것이다.

각각의 구성 요소에 대하여 설명하면, 점군 수집 장치(100)는 라이다(110)를 통해 점군(point cloud) 데이터를 수집할 수 있는 장치이다.

이와 같은, 점군 수집 장치(100)는 라이다(110)를 통해 점군 데이터를 수집할 수 있는 장치라면 어떠한 장치도 허용될 수 있다. 예를 들어, 점군 수집 장치(100)는 라이다(110)가 구비된 고정익(fixed wing) 항공기(100a), 회전익(rotary wing) 항공기(100b) 또는 드론(100n)과 같은 비행체가 될 수 있으나, 이에 한정되지 아니하고 라이다(110)가 구비된 차량(vehicle)이 될 수도 있다.

점군 수집 장치(100)의 라이다(110)는 점군 수집 장치(100)에 해당하는 비행체 또는 차량에 설치되어 지상을 향하여 레이저 펄스(laser pulse)를 방사하고, 지상에 위치하는 객체(object)에 의해 반사되어 돌아온 빛을 감지하여, 지상의 3차원 형상에 대응하는 점군 데이터를 생성할 수 있다. 다르게 말하면, 점군 데이터는 라이다(110)로부터 지상을 향하여 방사된 레이저 펄스를 반사시킨 점(point)들에 대한 3차원 위치 정보들로 구성될 수 있다.

점군 수집 장치(100)는 사전에 설정된 경로를 이동하며, 사전에 설정된 주기마다 시계열적으로 변화되는 점군 데이터를 라이다(110)를 통해 수집할 수 있다. 그리고, 점군 수집 장치(100)는 수집된 점군 데이터를 직접 또는 다른 수단을 경유하여 지적도 구축 장치(300)에 제공할 수 있다.

다음 구성으로, 이미지 수집 장치(200)는 카메라(210)를 통해 이미지(image)를 수집(즉, 촬영)할 수 있는 장치이다.

이와 같은, 이미지 수집 장치(200)는 카메라(210)를 통해 이미지를 수집할 수 있는 장치라면 어떠한 장치도 허용될 수 있다. 예를 들어, 이미지 수집 장치(200)는 외부 환경을 촬영할 수 있는 카메라(210)가 구비된 차량이 될 수 있으나, 이에 한정되지 아니하고 카메라(210)가 구비된 고정익 항공기, 회전익 항공기 또는 드론과 같은 비행체가 될 수 있다. 또한, 이미지 수집 장치(200)는 고정된 위치에 설치된 CCTV(Closed-Circuit TeleVision)와 같은 시설물이 될 수도 있다.

이미지 수집 장치(200)의 카메라(210)는 이미지 수집 장치(200)에 해당하는 차량 등에 설치되어 외부 환경에 대한 이미지를 촬영할 수 있다. 다르게 말하면, 이미지는 카메라(210)의 화각(angle of view) 내에 위치하는 개체들의 색상 정보가 포함될 수 있다. 이러한, 카메라(210)는 촬영 가능한 화각에 따라 복수 개의 장치로 구성될 수도 있다.

이미지 수집 장치(200)는 사전에 설정된 경로를 이동하거나 또는 고정된 위치에서, 사전에 설정된 주기마다 시계열적으로 변화되는 이미지를 카메라(210)를 통해 수집할 수 있다. 그리고, 이미지 수집 장치(200)는 수집된 이미지를 직접 또는 다른 수단을 경유하여 지적도 구축 장치(300)에 제공할 수 있다.

한편, 본 발명의 다양한 실시예에 따른 지적도 구축 시스템은 복수 개의 점군 수집 장치(100) 또는 복수 개의 이미지 수집 장치(200)를 포함하여 구성될 수 있다. 또한, 각각의 점군 수집 장치(100) 또는 이미지 수집 장치(200)는 복수 개의 라이다(210) 또는 복수 개의 카메라(200)를 포함하여 구성될 수도 있다.

다음 구성으로, 지적도 구축 장치(300)는 하나 이상의 점군 수집 장치(100) 및 하나 이상의 이미지 수집 장치(200)에 의해 수집된 점군 데이터 및 이미지를 기반으로, 고정밀의 3차원 지적도를 구축할 수 있다.

이와 같은 특징을 가지는, 지적도 구축 장치(300)는 하나 이상의 점군 수집 장치(100) 및 하나 이상의 이미지 수집 장치(200)로부터 점군 데이터 및 이미지를 수집하고, 수집된 점군 데이터 및 이미지를 기반으로 연산을 수행할 수 있는 장치라면 어떠한 장치라도 허용될 수 있다. 예를 들어, 지적도 구축 장치(300)는 데스크탑(desktop), 워크스테이션(workstation) 또는 서버(server)와 같은 고정식 컴퓨팅 장치 중 어느 하나가 될 수 있으나, 이에 한정되는 것은 아니다.

본 발명의 다양한 실시예에 따른 지적도 구축 장치(300)의 구체적인 구성 및 동작에 대해서는 추후 도 2 내지 도 7을 참조하여 설명하기로 한다.

지금까지 상술한 바와 같은, 점군 수집 장치(100), 이미지 수집 장치(200) 및 지적도 구축 장치(300)는 각 장치들 사이를 직접 연결하는 보안 회선, 공용 유선 통신망 또는 이동 통신망 중 하나 이상이 조합된 네트워크를 이용하여 데이터를 송수신할 수 있다.

예를 들어, 공용 유선 통신망에는 이더넷(ethernet), 디지털가입자선(x Digital Subscriber Line, xDSL), 광동축 혼합망(Hybrid Fiber Coax, HFC), 광가입자망(Fiber To The Home, FTTH)가 포함될 수 있으나, 이에 한정되는 것도 아니다. 그리고, 이동 통신망에는 코드 분할 다중 접속(Code Division Multiple Access, CDMA), 와이드 밴드 코드 분할 다중 접속(Wideband CDMA, WCDMA), 고속 패킷 접속(High Speed Packet Access, HSPA), 롱텀 에볼루션(Long Term Evolution, LTE), 5세대 이동통신(5th generation mobile telecommunication)가 포함될 수 있으나, 이에 한정되는 것은 아니다.

이하, 상술한 바와 같은 지적도 구축 장치(300)의 구성에 대하여 보다 구체적으로 설명하기로 한다.

도 2는 본 발명의 일 실시예에 따른 지적도 구축 장치의 논리적 구성도이다.

도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 지적도 구축 장치(300)는 통신부(305), 입출력부(310), 지적도 식별부(315), 라이다 매칭부(320), 이미지 매칭부(325) 및 의사 결정 지원부(330)를 포함하여 구성될 수 있다.

이와 같은, 지적도 구축 장치(300)의 구성 요소들은 기능적으로 구분되는 요소들을 나타낸 것에 불과하므로, 둘 이상의 구성 요소가 실제 물리적 환경에서는 서로 통합되어 구현되거나, 하나의 구성 요소가 실제 물리적 환경에서는 서로 분리되어 구현될 수 있을 것이다.

각각의 구성 요소에 대하여 설명하면, 통신부(305)는 점군 수집 장치(100) 및 이미지 수집 장치(200)와 데이터를 송수신할 수 있다.

구체적으로, 통신부(305)는 점군 수집 장치(100)의 라이다(110)에 의해 수집된 점군 데이터를 획득할 수 있다. 이 경우, 통신부(305)는 점군 수집 장치(100)로부터 점군 데이터를 직접 수신하거나, 또는 다른 수단을 경유하여 점군 데이터를 수신할 수도 있다.

통신부(305)는 이미지 수집 장치(200)의 카메라(210)에 의해 수집된 이미지를 획득할 수 있다. 이 경우, 통신부(305)는 이미지 수집 장치(200)로부터 이미지를 직접 수신하거나, 또는 다른 수단을 경유하여 이미지를 수신할 수도 있다.

통신부(305)는 지적도 데이터베이스(미도시)로부터 지적도 정보를 수신할 수 있다. 여기서, 지적도 정보는 토지의 소재, 지번, 지목, 경계, 색인도, 제명 및 축적 중 하나 이상을 포함하는 지도에 관한 정보이다. 그리고, 지적도 데이터베이스(미도시)는 디지털화된 지적도를 보유하고 있는 민간 또는 공공기관에서 운용하는 데이터베이스(database)가 될 수 있다. 예를 들어, 지적도 데이터베이스는 국토교통부(Ministry of land, infrastructure and transport)의 공공 데이터 포털 또는 공간정보산업진흥회(Spatial information industry promotion agency)의 데이터베이스가 될 수 있으나, 이에 한정되는 것은 아니다.

통신부(305)는 이미지 매칭부(325)에 의해 이미지까지 매칭된, 고정밀의 3차원 지적도에 관한 정보를 타장치(미도시)에 전송할 수 있다. 그리고, 통신부(305)는 의사 결정 지원부(330)에 의해 생성된 의사 결정 지원 정보를 타장치(미도시)에 전송할 수도 있다.

다음 구성으로, 입출력부(310)는 사용자 인터페이스(User Interface, UI)를 통해 사용자로부터 신호를 입력 받거나 또는 연산 결과를 외부로 출력할 수 있다.

구체적으로, 입출력부(310)는 구축 대상 지역을 사용자로부터 입력 받을 수 있다. 여기서, 구축 대상 지역은 고정밀의 3차원 지적도를 구축할 대상이 되는 지역에 관한 정보이다. 예를 들어, 구축 대상 지역에는 고정밀의 3차원 지적도를 구축할 대상이 되는 하나 이상의 행정구역 명칭 또는 주소가 포함될 수 있으나, 이에 한정되는 것은 아니다.

입출력부(310)는 하나 이상의 지적도 정보를 사용자로부터 입력 받을 수 있다. 입출력부(310)는 지적도 정보와 점군 데이터를 매칭시키기 위한 랜드마크(land mark)에 관한 기준을 사용자로부터 입력 받을 수 있다. 입출력부(310)는 의사 결정 지원부(330)의 생성 대상이 되는 의사 결정 지원 정보의 유형에 관한 정보를 사용자로부터 입력 받을 수 있다.

입출력부(310)는 이미지 매칭부(325)에 의해 이미지까지 매칭된, 고정밀의 3차원 지적도에 관한 정보를 출력할 수 있다. 그리고, 입출력부(310)는 의사 결정 지원부(330)에 의해 생성된 의사 결정 지원 정보를 출력할 수도 있다.

다음 구성으로, 지적도 식별부(315)는 구축 대상 지역에 대응하는 지적도 정보를 식별할 수 있다.

구체적으로, 지적도 식별부(315)는 통신부(305)를 통해 수신되거나 또는 입출력부(310)를 통해 입력된 하나 이상의 지적도 정보를 대상으로, 사용자에 의해 설정된 구축 대상 지역에 대응하는 지적도 정보를 식별할 수 있다.

통신부(305)를 통해 수신되거나 또는 입출력부(310)를 통해 입력된 하나 이상의 지적도 정보 중에 구축 대상 지역에 대응하는 지적도 정보가 존재하지 않는 경우, 지적도 식별부(315)는 구축 대상 지역에 대응하는 지적도 정보를 통신부(305)를 통해 지적도 데이터베이스로부터 다운로드 하거나, 또는 입출력부(310)를 통해 사용자로부터 입력 받을 수 있다. 그리고, 지적도 식별부(315)는 새롭게 다운로드 또는 입력된 지적도 정보를 구축 대상 지역에 대응하는 지적도 정보로 식별할 수 있다.

다음 구성으로, 라이다 매칭부(320)는 구축 대상 지역을 대상으로, 점군 수집 장치(100)의 라이다(110)에 의해 수집된 점군 데이터를 지적도 정보에 매칭할 수 있다.

우선, 라이다 매칭부(320)는 사용자에 의해 설정된 구축 대상 지역을 대상으로, 점군 수집 장치(100)의 라이다(110)에 의해 수집된 점군 데이터를 식별할 수 있다. 그리고, 라이다 매칭부(320)는 식별된 점군 데이터를 지적도 식별부(315)에 의해 식별된 지적도 정보에 매칭할 수 있다.

보다 구체적으로, 라이다 매칭부(320)는 점군 데이터로부터 구축 대상 지역에 관한 필요 영역만을 분할하고, 그 외의 부분을 노이즈(noise)로 제거할 수 있다. 라이다 매칭부(320)는 분할된 필요 영역으로부터 구축 대상 지역의 지형 정보(geoinformation)와 구축 대상 지역 내에 위치하는 건물 정보(building information)를 분류할 수 있다.

라이다 매칭부(320)는 점군 데이터로부터 분류된 구축 대상 지역의 지형 정보를 기초로, 구축 대상 지역의 수치 표고 자료(Digital Elevation Model, DEM)을 생성할 수 있다. 라이다 매칭부(320)는 점군 데이터로부터 분류된 구축 대상 지역 내에 위치하는 건물 정보를 기반으로, 구축 대상 지역 내에 위치하는 각 건물이 차지하는 공간(footprint) 정보를 생성할 수 있다.

점군 데이터를 지적도 정보에 매칭하기에 앞서, 구축 대상 지역 내에 측량 기준점(control point)이 존재하는 경우, 라이다 매칭부(320)는 측량 기준점을 기준으로 지적도 정보와 점군 데이터가 서로 동일한 위치를 지시하도록 설정할 수 있다.

이와 다르게 구축 대상 지역 내에 측량 기준점이 존재하지 않는 경우, 라이다 매칭부(320)는 지적도 정보에 포함된 복수 개의 토지들 중에서 하나의 랜드마크를 설정할 수 있다. 예를 들어, 라이다 매칭부(320)는 지적도 정보에 포함된 복수 개의 토지들 각각의 지목(land category)를 기반으로, 지적도 정보에 포함된 복수 개의 토지들 중에서 하나의 랜드마크를 설정할 수 있다. 그리고, 라이다 매칭부(320)는 점군 데이터 중에서 설정된 랜드마크에 대응하는 점군을 탐색한 후, 탐색된 랜드마크를 기준으로 지적도 정보와 점군 데이터가 서로 동일한 위치를 지시하도록 설정할 수 있다.

그리고, 지적도 정보와 점군 데이터가 서로 동일한 위치를 지시한 상태에서, 라이다 매칭부(320)는 생성된 수치 표고 자료(DEM) 및 공간 정보를 기반으로, 점군 데이터에 관한 정보를 지적도 정보에 매칭할 수 있다.

예를 들어, 지적도 정보와 점군 데이터가 서로 동일한 위치를 지시한 상태에서, 라이다 매칭부(320)는 수치 표고 자료(DEM)에 포함된 지형의 높이(height) 값을 지적도 정보에 추가할 수 있다. 또한, 라이다 매칭부(320)는 수치 표고 자료(DEM)에 포함된 지형의 수평 정보 및 공간 정보를 기초로, 지적도 정보에 포함된 각 토지의 경계 정보를 보정할 수도 있다.

다음 구성으로, 이미지 매칭부(325)는 구축 대상 지역을 대상으로, 이미지 수집 장치(200)의 카메라(210)에 의해 수집된 이미지를 점군 데이터가 기 매칭된 지적도 정보에 추가로 매칭할 수 있다.

구체적으로, 이미지 매칭부(325)는 카메라(210)에 의해 이미지가 촬영된 시점의 카메라(210)의 위치 좌표를 기준으로, 점군 데이터가 기 매칭된 지적도 정보에 이미지를 추가로 매칭할 수 있다. 예를 들어, 이미지 매칭부(325)는 EXIF(Exchangeable Image File Format) 형식의 이미지에 포함되어 있는 위치 정보를 기준으로, 지적도 정보에 이미지를 추가로 매칭할 수 있다.

만약, 구축 대상 지역 내의 동일한 토지를 촬영한 이미지가 복수 개인 경우, 이미지 매칭부(325)는 복수 개의 이미지들 중에서 매칭 대상이 되는 동일한 토지가 이미지의 중심점으로부터 가장 가까이 위치하도록 촬영된 이미지를 지적도 정보에 매칭할 수 있다.

이후, 이미지 매칭부(325)는 지적도 정보에 매칭된 이미지를 기반으로, 구축 대상 지역에 관한 스트리트 뷰(street view)를 생성할 수 있다. 이 경우, 스트리트 뷰는 사람의 시선 높이에서 구축 대상 지역 내에 존재하는 객체를 보는 것과 같은 3차원 이미지를 제공하는 서비스이다. 이와 같은, 스트리트 뷰는 로드 뷰(road view)로 지칭될 수도 있다.

만약, 지적도 정보에 카메라(210)에 의해 실제로 촬영된 이미지가 매칭되지 않은 위치가 존재하는 경우, 이미지 매칭부(325)는 점군 데이터로부터 분류된 구축 대상 지역의 지형 정보 및 건물 정보를 기반으로, 구축 대상 지역의 수치 표면 모형(Digital Surface Model, DSM)을 생성할 수 있다. 그리고, 이미지 매칭부(325)는 카메라(210)에 의해 촬영된 이미지가 매칭되지 않은 위치를 대상으로, 수치 표면 모형(DSM)에 기반한 3D 모델링(modeling)의 이미지를 매칭시킬 수도 있다.

다음 구성으로, 의사 결정 지원부(330)는 이미지까지 추가로 매칭된 지적도 정보를 기반으로, 구축 대상 지역 내의 토지에 대한 의사 결정 지원(decision support) 정보를 생성할 수 있다. 여기서, 의사 결정 지원 정보는 구축 대상 지역 내에 위치하는 두 토지 사이의 경계선을 조정하거나 또는 경계선과 관련된 협의 과정에서 활용이 가능한 정보이다.

구체적으로, 의사 결정 지원부(330)는 구축 대상 지역의 수치 표고 자료(DEM)에 포함된 지형의 수평 정보 및 공간 정보를 기반으로, 지적도 정보에 포함된 각 토지별로 경계 정보의 오차 값을 산출할 수 있다. 이 경우, 경계 정보의 오차 값은 수치 표고 자료(DEM) 또는 공간 정보에 기초한 면적 또는 경계선과, 지적도 상의 면적 또는 경계선 사이의 차이 값이다.

의사 결정 지원부(330)는 각 토지별로 산출된 경계 정보의 오차 값을 기반으로, 지적도 정보의 정확도를 산출할 수 있다. 그리고, 의사 결정 지원부(330)는 산출된 지적도 정보의 정확도에 기반하여, 구축 대상 지역을 지적 재측량 대상으로 지정할지 여부를 결정할 수 있다.

또한, 의사 결정 지원부(330)는 구축 대상 지역 내의 서로 인접한 두 토지 사이의 경계선의 오차와, 오차에 따른 두 토지의 면적 변화량을 산출할 수 있다. 그리고, 의사 결정 지원부(330)는 산출된 경계선의 오차와 면적 변화량을 기반으로, 지적도 정보에 포함된 각 토지별 분쟁 확률을 산출할 수 있다.

추가적으로, 의사 결정 지원부(330)는 오차에 따른 두 토지의 면적 변화량이 최소가 되도록, 두 토지 사이의 새로운 경계선을 식별할 수도 있다. 이 경우, 의사 결정 지원부(330)는 새로운 경계선이 지적도 상의 경계선과 차이가 있더라도 이를 무시하고, 두 토지의 면적 변화량만을 기준으로 새로운 경계선을 식별할 수 있다.

그리고, 의사 결정 지원부(330)는 각 토지별 경계 정보의 오차 값, 지적 재측량 대상의 지정 여부, 각 토지별 분쟁 확률 및 새로운 경계선 중 하나 이상의 정보를 포함하는 의사 결정 지원 정보를 통신부(305)를 통해 전송하거나 또는 입출력부(310)를 통해 출력할 수 있다.

이하, 상술한 바와 같은 지적도 구축 장치(300)의 논리적 구성요소를 구현하기 위한 하드웨어에 대하여 보다 구체적으로 설명한다.

도 3는 본 발명의 일 실시예에 따른 지적도 구축 장치의 하드웨어 구성도이다.

도 3에 도시된 바와 같이, 본 발명의 일 실시예에 따른 지적도 구축 장치(300)는 프로세서(processor, 350), 메모리(memory, 355), 송수신기(transceiver, 360), 입출력장치(input/output device, 365), 데이터 버스(bus, 370) 및 스토리지(storage, 375)를 포함하여 구성될 수 있다.

프로세서(350)는 메모리(355)에 상주된 본 발명의 실시예들에 따른 방법이 구현된 소프트웨어(380a)에 따른 명령어를 기초로, 지적도 구축 장치(300)의 동작 및 기능을 구현할 수 있다. 메모리(355)에는 본 발명의 실시예들에 따른 방법이 구현된 소프트웨어(380a)가 상주(loading)될 수 있다. 송수신기(360)는 점군 수집 장치(100) 및 이미지 수집 장치(200)와 데이터를 송수신할 수 있다. 입출력장치(365)는 지적도 구축 장치(300)의 동작에 필요한 데이터를 입력 받고, 의사 결정 지원 정보 등을 출력할 수 있다. 그리고, 데이터 버스(370)는 프로세서(350), 메모리(355), 송수신기(360), 입출력장치(365) 및 스토리지(375)와 연결되어, 각각의 구성 요소 사이가 서로 데이터를 전달하기 위한 이동 통로의 역할을 수행할 수 있다.

스토리지(375)는 본 발명의 실시예들에 따른 방법이 구현된 소프트웨어(380a)의 실행을 위해 필요한 애플리케이션 프로그래밍 인터페이스(Application Programming Interface, API), 라이브러리(library) 파일, 리소스(resource) 파일 등을 저장할 수 있다. 스토리지(375)는 본 발명의 실시예들에 따른 방법이 구현된 소프트웨어(380b)를 저장할 수 있다. 또한, 스토리지(375)는 지적도 정보, 점군 데이터 및 이미지를 저장하기 위한 데이터베이스(385)를 저장할 수 있다.

본 발명의 일 실시예에 따르면, 메모리(355)에 상주되거나 또는 스토리지(375)에 저장된, 지적도 구축 방법을 구현하기 위한 소프트웨어(380a, 380b)는 프로세서(350)가 사전에 설정된 구축 대상 지역에 대응하는 지적도 정보를 식별하는 단계, 프로세서(350)가 구축 대상 지역을 대상으로 라이다(110)에 의해 수집된 점군 데이터를 지적도 정보에 매칭하는 단계, 및 프로세서(350)가 구축 대상 지역을 대상으로 카메라(210)에 의해 촬영된 이미지를 점군 데이터가 기 매칭된 지적도 정보에 추가로 매칭하는 단계를 실행시키기 위하여 기록매체에 기록된 컴퓨터 프로그램이 될 수 있다.

보다 구체적으로, 프로세서(350)는 ASIC(Application-Specific Integrated Circuit), 다른 칩셋(chipset), 논리 회로 및/또는 데이터 처리 장치를 포함할 수 있다. 메모리(355)는 ROM(Read-Only Memory), RAM(Random Access Memory), 플래쉬 메모리, 메모리 카드, 저장 매체 및/또는 다른 저장 장치를 포함할 수 있다. 송수신기(360)는 유무선 신호를 처리하기 위한 베이스밴드 회로를 포함할 수 있다. 입출력장치(365)는 키보드(keyboard), 마우스(mouse), 및/또는 조이스틱(joystick) 등과 같은 입력 장치 및 액정표시장치(Liquid Crystal Display, LCD), 유기 발광 다이오드(Organic LED, OLED) 및/또는 능동형 유기 발광 다이오드(Active Matrix OLED, AMOLED) 등과 같은 영상 출력 장치 프린터(printer), 플로터(plotter) 등과 같은 인쇄 장치를 포함할 수 있다.

본 명세서에 포함된 실시 예가 소프트웨어로 구현될 경우, 상술한 방법은 상술한 기능을 수행하는 모듈(과정, 기능 등)로 구현될 수 있다. 모듈은 메모리(355)에 상주되고, 프로세서(350)에 의해 실행될 수 있다. 메모리(355)는 프로세서(350)의 내부 또는 외부에 있을 수 있고, 잘 알려진 다양한 수단으로 프로세서(350)와 연결될 수 있다.

도 3에 도시된 각 구성요소는 다양한 수단, 예를 들어, 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 본 발명의 일 실시예는 하나 또는 그 이상의 ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), FPGAs(Field Programmable Gate Arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.

또한, 펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 일 실시예는 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차, 함수 등의 형태로 구현되어, 다양한 컴퓨터 수단을 통하여 판독 가능한 기록매체에 기록될 수 있다. 여기서, 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 예컨대 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 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 장치를 포함한다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 이러한, 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이하, 상술한 바와 같은 지적도 구축 장치(300)의 동작에 대하여 보다 구체적으로 설명하기로 한다.

도 4는 본 발명의 일 실시예에 따른 지적도 구축 방법을 설명하기 위한 순서도이다. 도 5a 내지 도 5d는 본 발명의 일 실시예에 따라 고정밀 3차원 지적도를 구축하는 과정을 설명하기 위한 예시도이다. 도 6은 본 발명의 일 실시예에 따라 점군 데이터를 매칭하는 다양한 수단을 설명하기 위한 예시도이다. 그리고, 도 7은 본 발명의 일 실시예에 따라 제공되는 의사 결정 지원 정보를 설명하기 위한 예시도이다.

기본적으로 본 발명의 일 실시예에 따른 지적도 구축 방법은 도 4에 도시된 순서를 따라 실시될 수 있다.

우선 도 4 및 도 5a에 도시된 바와 같이, 지적도 구축 장치(300)는 구축 대상 지역에 대응하는 지적도 정보(10)를 식별할 수 있다(S100).

구체적으로, 지적도 구축 장치(300)는 지적도 데이터베이스(미도시)로부터 수신되거나 또는 사용자로부터 입력된 하나 이상의 지적도 정보를 대상으로, 사용자에 의해 설정된 구축 대상 지역에 대응하는 지적도 정보(10)를 식별할 수 있다.

다음으로, 도 5b에 도시된 바와 같이, 지적도 구축 장치(300)는 구축 대상 지역을 대상으로 라이다(110)에 의해 수집된 점군 데이터(25)를 지적도 정보에 매칭(20)할 수 있다(S200). 도 5b에서 어둡게 표현된 영역은 라이다(110)에 의해 수집된 다수의 점군 데이터(25)가 제각각 매칭된 영역을 표현한 것이다.

구체적으로, 지적도 구축 장치(300)는 점군 데이터(25)로부터 구축 대상 지역에 관한 필요 영역만을 분할하고 그 외의 부분을 노이즈로 제거할 수 있다. 지적도 구축 장치(300)는 분할된 필요 영역으로부터 구축 대상 지역의 지형 정보와 구축 대상 지역 내에 위치하는 건물 정보를 분류할 수 있다.

도 6을 참조하면, 지적도 구축 장치(300)는 점군 데이터(25)로부터 분류된 구축 대상 지역의 지형 정보를 기초로 구축 대상 지역의 수치 표고 자료(DEM)을 생성할 수 있다. 지적도 구축 장치(300)는 점군 데이터(25)로부터 분류된 구축 대상 지역 내에 위치하는 건물 정보를 기반으로 구축 대상 지역 내에 위치하는 각 건물이 차지하는 공간(footprint) 정보를 생성할 수 있다. 그리고, 지적도 구축 장치(300)는 점군 데이터(25)로부터 분류된 구축 대상 지역의 지형 정보 및 건물 정보를 기초로 구축 대상 지역의 수치 표면 모형(DSM)을 생성할 수 있다.

그리고, 지적도 정보와 점군 데이터가 서로 동일한 위치를 지시한 상태에서, 지적도 구축 장치(300)는 수치 표고 자료(DEM), 공간 정보 및 수치 표면 모형(DSM)을 기반으로, 점군 데이터에 관한 정보를 지적도 정보에 매칭할 수 있다. 예를 들어, 지적도 구축 장치(300)는 수치 표고 자료(DEM)에 포함된 지형의 높이 값을 지적도 정보에 추가할 수 있다. 또한, 지적도 구축 장치(300)는 수치 표고 자료(DEM)에 포함된 지형의 수평 정보 및 공간 정보를 기초로, 지적도 정보에 포함된 각 토지의 경계 정보를 보정할 수도 있다.

다음으로, 도 5c에 도시된 바와 같이, 지적도 구축 장치(300)는 구축 대상 지역을 대상으로, 이미지 수집 장치(200)의 카메라(210)에 의해 수집된 이미지(35)를 점군 데이터가 기 매칭된 지적도 정보에 추가로 매칭(30)할 수 있다(S300). 도 5c에서 원으로 표현된 영역은 카메라(210)에 의해 촬영된 다수의 이미지(35)가 제각각 매칭된 영역을 표현한 것이다.

구체적으로, 지적도 구축 장치(300)는 카메라(210)에 의해 이미지가 촬영된 시점의 카메라(210)의 위치 좌표를 기준으로, 점군 데이터가 기 매칭된 지적도 정보에 이미지(35)를 추가로 매칭할 수 있다.

만약, 구축 대상 지역 내의 동일한 토지를 촬영한 이미지가 복수 개인 경우, 지적도 구축 장치(300)는 복수 개의 이미지들 중에서 매칭 대상이 되는 동일한 토지가 이미지의 중심점으로부터 가장 가까이 위치하도록 촬영된 이미지를 지적도 정보에 매칭할 수 있다.

다음으로, 도 5d에 도시된 바와 같이, 지적도 구축 장치(300)는 지적도 정보에 매칭된 이미지를 기반으로, 구축 대상 지역에 관한 스트리트 뷰(40)를 생성할 수 있다(S400). 여기서, 스트리트 뷰(40)는 사람의 시선 높이에서 구축 대상 지역 내에 존재하는 객체를 보는 것과 같은 3차원 이미지를 제공하는 서비스로, 로드 뷰로 지칭될 수도 있다.

만약, 지적도 정보에 카메라(210)에 의해 실제로 촬영된 이미지가 매칭되지 않은 위치가 존재하는 경우, 지적도 구축 장치(300)는 카메라(210)에 의해 촬영된 이미지가 매칭되지 않은 위치를 대상으로 수치 표면 모형(DSM)에 기반한 3D 모델링의 이미지를 매칭시킬 수도 있다.

다음으로, 지적도 구축 장치(300)는 지적도 정보를 기반으로, 구축 대상 지역 내의 토지에 대한 의사 결정 지원 정보를 생성할 수 있다(S500). 여기서, 의사 결정 지원 정보는 구축 대상 지역 내에 위치하는 두 토지 사이의 경계선을 조정하거나 또는 경계선과 관련된 협의 과정에서 활용이 가능한 정보이다.

구체적으로, 지적도 구축 장치(300)는 구축 대상 지역의 수치 표고 자료(DEM)에 포함된 지형의 수평 정보 및 공간 정보를 기반으로, 지적도 정보에 포함된 각 토지별로 경계 정보의 오차 값을 산출할 수 있다. 지적도 구축 장치(300)는 각 토지별로 산출된 경계 정보의 오차 값을 기반으로 지적도 정보의 정확도를 산출하고, 산출된 지적도 정보의 정확도에 기반하여 구축 대상 지역을 지적 재측량 대상으로 지정할지 여부를 결정할 수 있다. 지적도 구축 장치(300)는 구축 대상 지역 내의 서로 인접한 두 토지 사이의 경계선의 오차와 오차에 따른 두 토지의 면적 변화량을 산출하고, 산출된 경계선의 오차와 면적 변화량을 기반으로 지적도 정보에 포함된 각 토지별 분쟁 확률을 산출할 수 있다. 그리고, 지적도 구축 장치(300)는 오차에 따른 두 토지의 면적 변화량이 최소가 되도록 두 토지 사이의 새로운 경계선을 식별할 수도 있다.

도 7을 참조하여 예를 들면, A 토지와 B 토지 사이에 존재하는 지적도 상의 경계선(50a)에 오차가 존재하는 경우, 지적도 구축 장치(300)는 오차에 따른 A, B 두 토지의 면적 변화량이 최소가 되도록 A 토지와 B 토지 사이의 새로운 경계선(50b)을 식별할 수 있다. 이 경우, 지적도 구축 장치(300)는 새로운 경계선(50b)이 지적도 상의 경계선(50a)과 차이가 있더라도 이를 무시하고, A 토지와 B 토지의 면적 변화량만을 기준으로 새로운 경계선(50b)을 식별할 수 있다.

이상과 같이, 본 명세서와 도면에는 본 발명의 바람직한 실시예에 대하여 개시하였으나, 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. 또한, 본 명세서와 도면에서 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 따라서, 상술한 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적해석에 의해 선정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

100 : 점군 수집 장치 110 : 라이다
200 : 이미지 수집 장치 210 : 카메라
300 : 지적도 구축 장치
305 : 통신부 310 : 입출력부
315 : 지적도 식별부 320 : 라이다 매칭부
325 : 이미지 매칭부 330 : 의사 결정 지원부
350 : 프로세서 355 : 메모리
360 : 송수신기 365 : 입출력장치
370 : 버스 375 : 스토리지
380 : 소프트웨어 385 : 데이터베이스

Claims

사전에 설정된 구축 대상 지역에 대응하는 지적도 정보를 식별하는 단계;
상기 구축 대상 지역을 대상으로 라이다(lidar)에 의해 수집된 점군(point cloud) 데이터를 상기 지적도 정보에 매칭하는 단계; 및
상기 구축 대상 지역을 대상으로 카메라(camera)에 의해 촬영된 이미지를 상기 점군 데이터가 기 매칭된 지적도 정보에 추가로 매칭하는 단계를 포함하고,
상기 점군 데이터를 매칭하는 단계는
상기 점군 데이터로부터 분류된 상기 구축 대상 지역의 지형 정보를 기초로 상기 구축 대상 지역의 수치 표고 자료(Digital Elevation Model, DEM)을 생성하고, 상기 점군 데이터로부터 분류된 상기 구축 대상 지역 내에 위치하는 건물 정보를 기반으로 상기 구축 대상 지역 내에 위치하는 각 건물이 차지하는 공간(footprint) 정보를 생성하는 것을 특징으로 하며,
상기 이미지가 추가로 매칭된 지적도 정보를 기반으로, 상기 구축 대상 지역 내의 토지에 대한 의사 결정 지원(decision support) 정보를 생성하는 단계를 더 포함하는 것을 특징으로 하고,
상기 의사 결정 지원 정보를 생성하는 단계는
상기 수치 표고 자료(DEM)에 포함된 지형의 수평 정보 및 공간 정보를 기반으로 상기 지적도 정보에 포함된 각 토지별로 경계 정보의 오차 값을 산출하는 것을 특징으로 하는, 지적도 구축 방법.
제1 항에 있어서, 상기 점군 데이터를 매칭하는 단계는
상기 구축 대상 지역 내에 측량 기준점(control point)이 존재하는 경우, 상기 측량 기준점을 기준으로 상기 지적도 정보와 상기 점군 데이터가 서로 동일한 위치를 지시하도록 설정하는 것을 특징으로 하는, 지적도 구축 방법.
제1 항에 있어서, 상기 점군 데이터를 매칭하는 단계는
상기 구축 대상 지역 내에 측량 기준점이 존재하지 않는 경우, 상기 지적도 정보에 포함된 복수 개의 토지들 중에서 하나의 랜드마크(land mark)를 설정하고, 상기 점군 데이터 중에서 상기 랜드마크에 대응하는 점군을 탐색한 후, 상기 탐색된 랜드마크에 대응하는 점군을 기준으로 상기 지적도 정보와 상기 점군 데이터가 서로 동일한 위치를 지시하도록 설정하는 것을 특징으로 하는, 지적도 구축 방법.
제2 항 또는 제3 항에 있어서, 상기 점군 데이터를 매칭하는 단계는
상기 지적도 정보와 상기 점군 데이터가 서로 동일한 위치를 지시한 상태에서, 상기 수치 표고 자료(DEM)에 포함된 지형의 높이(height) 값을 지적도 정보에 추가하는 것을 특징으로 하는, 지적도 구축 방법.
제2 항 또는 제3항에 있어서, 상기 점군 데이터를 매칭하는 단계는
상기 지적도 정보와 상기 점군 데이터가 서로 동일한 위치를 지시한 상태에서, 상기 수치 표고 자료(DEM)에 포함된 지형의 수평 정보 및 상기 공간 정보를 기초로 상기 지적도 정보에 포함된 각 토지의 경계 정보를 보정하는 것을 특징으로 하는, 지적도 구축 방법.
제3 항에 있어서, 상기 점군 데이터를 매칭하는 단계는
상기 지적도 정보에 포함된 복수 개의 토지들 각각의 지목(land category)를 기반으로 상기 랜드마크를 설정하는 것을 특징으로 하는, 지적도 구축 방법.
제1 항에 있어서, 상기 이미지를 매칭하는 단계는
상기 이미지가 촬영된 시점의 상기 카메라의 위치 좌표를 기준으로, 상기 지적도 정보에 상기 이미지를 매칭하는 것을 특징으로 하는, 지적도 구축 방법.
제7 항에 있어서, 상기 이미지를 매칭하는 단계는
상기 구축 대상 지역 내의 동일한 토지를 촬영한 이미지가 복수 개인 경우, 상기 복수 개의 이미지들 중에서 상기 동일한 토지가 이미지의 중심점으로부터 가장 가까이 위치하도록 촬영된 이미지를 상기 지적도 정보에 매칭하는 것을 특징으로 하는, 지적도 구축 방법.
제7 항에 있어서, 상기 이미지를 매칭하는 단계는
사람의 시선 높이에서 상기 구축 대상 지역 내에 존재하는 객체(object)를 보는 것과 같은 3차원 이미지를 제공하는 스트리트 뷰(street view)를 상기 지적도 정보에 추가로 매칭된 이미지를 기반으로 생성하는 것을 특징으로 하는, 지적도 구축 방법.
메모리(memory); 및
상기 메모리에 상주된 명령어를 처리하는 프로세서(processor)를 포함하여 구성된 컴퓨팅 장치와 결합되어,
상기 프로세서가, 사전에 설정된 구축 대상 지역에 대응하는 지적도 정보를 식별하는 단계;
상기 프로세서가, 상기 구축 대상 지역을 대상으로 라이다에 의해 수집된 점군 데이터를 상기 지적도 정보에 매칭하는 단계; 및
상기 프로세서가, 상기 구축 대상 지역을 대상으로 카메라에 의해 촬영된 이미지를 상기 점군 데이터가 기 매칭된 지적도 정보에 추가로 매칭하는 단계를 포함하여 실행시키되,
상기 점군 데이터를 매칭하는 단계는
상기 점군 데이터로부터 분류된 상기 구축 대상 지역의 지형 정보를 기초로 상기 구축 대상 지역의 수치 표고 자료(Digital Elevation Model, DEM)을 생성하고, 상기 점군 데이터로부터 분류된 상기 구축 대상 지역 내에 위치하는 건물 정보를 기반으로 상기 구축 대상 지역 내에 위치하는 각 건물이 차지하는 공간(footprint) 정보를 생성하는 것을 특징으로 하고,
상기 이미지가 추가로 매칭된 지적도 정보를 기반으로, 상기 구축 대상 지역 내의 토지에 대한 의사 결정 지원(decision support) 정보를 생성하는 단계를 더 포함하는 것을 특징으로 하며,
상기 의사 결정 지원 정보를 생성하는 단계는
상기 수치 표고 자료(DEM)에 포함된 지형의 수평 정보 및 공간 정보를 기반으로 상기 지적도 정보에 포함된 각 토지별로 경계 정보의 오차 값을 산출하는 것을 특징으로 하는, 기록매체에 기록된 컴퓨터 프로그램.