KR20050078670A - 라이다 데이터로부터 셰도-그리드를 이용한 건물 외곽선자동추출방법 - Google Patents

Abstract

본 발명은 라이다(LIDAR; Light Detection and Ranging) 데이터와 같은 사물의 점 집합을 Pseudo-Grid라는 가상의 격자를 이용하여 효율적으로 처리하고, 건물의 형상에 근접한 형태의 외곽 선을 자동으로 추출하는 방법에 관한 것이다.

이를 위하여 본 발명은 Pseudo-Grid를 제작하고 이를 기반으로 대상지역에 분포된 건물데이터를 그룹으로 설정하여 속성정보를 추출하고 건물의 형상에 근접한 외곽 선을 자동으로 추출하는 방법을 특징으로 한다.

Description

라이다 데이터로부터 셰도-그리드를 이용한 건물 외곽선 자동추출방법{Method for auto-detecting edges of building by using LIDAR data}

본 발명은 라이다(LIDAR; Light Detection and Ranging) 데이터와 같은 사물의 점 집합을 Pseudo-Grid라는 가상의 격자를 이용하여 효율적으로 처리하고, 건물의 형상에 근접한 형태의 외곽 선을 자동으로 추출하는 방법에 관한 것이다.

대상지역에 불규칙적으로 분포된 점 집합을 처리하는 방법d 데이터를 보간(interpolation)하는 방법과 실 데이터를 그대로 이용하는 방법이 있다.

그러나, 데이터를 보간 하게되면 신속한 데이터 처리가 가능하지만 처리과정에서 다양한 오차가 발생하여 건물의 특이점을 제대로 추출할 수 없는 문제점이 있고, 실 데이터를 그대로 이용하면 데이터 처리오차는 크게 줄일 수 있지만 데이터간의 인접 성을 규정하기가 어려워 많은 처리 시간을 소요하게 되는 문제가 발생한다.

본 발명은 상기의 문제점을 해결하기 위해 안출한 것으로서, 공간에 불규칙적으로 분포된 점들을 Pseudo-Grid를 이용하여 처리함으로서 데이터의 보간 과정에서 발생하는 오차를 최소화하고 또한, 신속하게 데이터간의 인접 성을 규정함으로 처리 시간을 크게 줄여 효율적으로 건물의 외곽 선을 자동으로 추출하는데 그 목적이 있다.

상기와 같은 목적을 달성하기 위한 본 발명의 방법은, Pseudo-Grid를 제작하고 이를 기반으로 대상지역에 분포된 건물데이터를 그룹으로 설정하여 속성정보를 추출하고 건물의 형상에 근접한 외곽 선을 자동으로 추출하는 방법을 특징으로 한다.

이하 본 발명의 바람직한 실시예의 상세한 설명이 첨부된 도면들을 참조하여 설명될 것이다. 하기에서 본 발명을 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.

도 1은 본 발명의 실시예에 따른 건물 외곽선 자동추출 과정을 보여주는 흐름도이다. 상기 도 1을 참조하면, 먼저 210단계에서 소정 알고리즘에 의해 계산된 격자를 이용하여 대상지역을 격자형태로 구분한 후, 격자 내부에 존재하는 라이다 데이터들을 해당위치에 있는 격자로 할당하여 Pseudo-Grid를 제작한다. 다음에 230단계에서 후술하는 알고리즘에 따라 건물 데이터를 그룹으로 설정하여 속성정보를 추출한다. 마지막으로 250단계에서, 후술하는 방법에 따라 1차 특이점을 추출하고, 추출된 상기 1차 특이점을 이용하여 2차 특이점을 추출한다. 이후, 추출된 2차 특이점을 기준으로 건물의 외곽격자를 구간 별로 분리한 후 구간 내에 존재하는 최 외곽 건물 데이터들이 나타내는 대표직선을 구하여 건물 외곽 부분을 선형화하고 건물 형상에 근접한 외곽 선을 추출한다.

도 2는 본 발명의 실시예에 따른 Pseudo-Grid 제작 방법을 설명하기 위한 참고도이다.

상기 도 2를 참조하면, 레이저 스캐닝(Laser Scanning)된 대상지역의 면적과 데이터 수를 이용하여 대략적으로 평균점밀도(n/m²)를 계산하고 이것을 이용하여 가로와 세로의 격자 폭을 각각 1/m으로 계산한다. 계산된 격자를 이용하여 대상지역을 격자형태로 구분한 후, 격자 내부에 존재하는 라이다 데이터들을 해당위치에 있는 격자로 할당한 것이 Pseudo-Grid이다.

도 3a 내지 도 3e는 본 발명의 실시예에 따른 점 데이터를 그룹화 하는 방법을 설명하기 위한 참고도이다.

상기 도 3을 참조하면, Pseudo-Grid를 기반으로 대상지역을 4종류의 격자로 분류(건물 후보점만 포함되어 있는 격자(㉠), 건물 후보점과 비건물 후보점이 혼합되어 있는 격자(㉡), 비건물 후보점만 포함되어 있는 격자(㉢), 데이터가 포함되어 있지 않은 격자(㉣))하여 도 3a와 같이 나타낸다. 4-connectivity를 이용하여 ㉡와 ㉢를 경계로 건물 중심부분에 대한 널(null) 격자를 제거하여 건물 내부를 채워 도 3b와 같이 나타낸다. 인접건물들을 각각 독립적인 그룹으로 분리하기 위해 4-connectivity를 이용하여 건물외곽격자를 설정하여 도 3c와 같이 나타낸다. 도 3c에서 구한 건물외곽격자와 Region growing을 이용하여 건물을 독립된 그룹으로 분리하여 도 3d와 같이 나타낸다. 건물 격자이면서 그룹으로 분류되지 못한 건물외곽격자와 널 격자를 그룹으로 포함시킨 후 건물 외곽격자를 다시 선정하여 도 3e와 같이 나타내면 라이다 데이터의 그룹화 과정이 종료된다.

도 4a 내지 도 4d는 본 발명의 실시예에 따른 건물 외곽 선을 추출하는 방법을 설명하기 위한 참고도이다.

상기 도 4를 참조하면, 도 3d에서 선정된 건물 외곽격자 안에 포함되어 있는 라이다 데이터 중에 최 외곽 데이터를 탐색하고 8방향 chain-code를 사용하여 데이터를 저장한 후 건물 데이터를 도 4a와 같이 나타낸다. 8방향 chain-code를 사용할 때 다음 세 가지 조건을 만족하면 보다 빠르게 알고리즘이 수행된다.

조건 1. 최단거리 우선. 즉, 검색위치에 인접한 8방향 중 0,2,4,6 방향의 거리가 1,3,5,7 방향의 거리보다 짧기 때문에 검색우선권을 갖는다.

조건 2. 시작위치와 끝위치 동일. 즉, 건물은 선이 아니기 때문에 외곽을 chain-code로 연결하면 끝점은 처음점과 동일하게 된다. 따라서, 하나의 외곽격자에서 여러 방향이 존재하는 경우 그 방향들을 저장하여 chain-code가 외곽격자 중간에서 종료되지 않도록 한다.

조건 3. 전(before)방향 우선. 즉, chain-code의 대각선부분만 존재하는 경우 최근의 0,2,4,6방향을 고려하여 진행한다. 최근 방향이 0방향인 경우 1과 7방향이 우선이고 2방향인 경우 1과 3방향이 우선이고 4방향인 경우 3과 5방향이 우선이고 6방향인 경우 5와 7방향이 우선으로 하여 진행한다. 그러나 우선인 방향이 존재하진 않는 경우는 그 다음 존재하는 방향으로 진행한다.

Douglas Peuker 알고리즘을 사용하여 수선의 길이가 평균점간격 이상인 점을 1차 특이점으로 추출하여 도 4b와 같이 나타낸다. 1차 특이점을 대상으로 수선의 길이가 평균점간격과 Lidar 데이터의 수평오차를 고려하여 2차 특이점을 추출하여 도 4c와 같이 나타낸다. 2차 특이점을 기준으로 건물의 외곽격자를 구간 별로 분리한 후 구간 내에 존재하는 최 외곽 건물 데이터들이 나타내는 대표직선을 구하여 건물 외곽 부분를 선형화하고 도 4d와 같이 건물 형상에 근접한 외곽 선을 추출한다.

한편 본 발명의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 발명의 범위에서 벗어나지 않는 한도 내에서 여러가지 변형이 가능함은 물론이다. 그러므로 본 발명의 범위는 설명된 실시 예에 국한되어 정해져서는 안되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.

따라서 본 발명은 공간에 불규칙적으로 분포된 점들을 Pseudo-Grid 기반으로 하여 효율적으로 처리함으로서 점들이 표현하는 건물 형상에 근접한 건물 외곽 선을 자동으로 추출 할 수 있는 이점이 있다.

도 1은 본 발명의 실시예에 따른 건물 외곽선 자동추출 과정을 보여주는 흐름도,

도 2는 본 발명의 실시예에 따른 Pseudo-Grid 제작 방법을 설명하기 위한 참고도,

도 3a 내지 도 3e는 본 발명의 실시예에 따른 점 데이터를 그룹화 하는 방법을 설명하기 위한 참고도,

도 4a 내지 도 4d는 본 발명의 실시예에 따른 건물 외곽 선을 추출하는 방법을 설명하기 위한 참고도이다.

Claims (2)

1. 소정 알고리즘에 의해 계산된 격자를 이용하여 대상지역을 격자형태로 구분한 후, 격자 내부에 존재하는 라이다 데이터들을 해당위치에 있는 격자로 할당하여 Pseudo-Grid를 제작하는 단계와,

   상기 제작된 Pseudo-Grid를 이용하여 건물 데이터를 그룹으로 설정하여 속성정보를 추출하는 단계와,

   소정 알고리즘에 따라 1차 특이점을 추출하고, 추출된 상기 1차 특이점을 이용하여 2차 특이점을 추출하는 단계와,

   상기 추출된 2차 특이점을 기준으로 건물의 외곽격자를 구간 별로 분리한 후 구간 내에 존재하는 최 외곽 건물 데이터들이 나타내는 대표직선을 구하여 건물 외곽 부분을 선형화하고 건물 형상에 근접한 외곽 선을 추출하는 단계를 포함함을 특징으로 하는 건물 외곽선 자동추출방법
2. 제1항에 있어서, 건물 데이터를 그룹화 함에 있어서, 8-connectivity를 이용하여 건물내부의 널 격자를 채우거나, 건물 외곽격자를 선정하여 건물을 독립된 그룹으로 분리하는 것을 특징으로 하는 건물 외곽선 자동 추출 방법.