KR20140014596A - 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법 및 이를 구현하기 위한 프로그램이 기록된 기록매체 - Google Patents

지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법 및 이를 구현하기 위한 프로그램이 기록된 기록매체 Download PDF

Info

Publication number
KR20140014596A
KR20140014596A KR1020120081003A KR20120081003A KR20140014596A KR 20140014596 A KR20140014596 A KR 20140014596A KR 1020120081003 A KR1020120081003 A KR 1020120081003A KR 20120081003 A KR20120081003 A KR 20120081003A KR 20140014596 A KR20140014596 A KR 20140014596A
Authority
KR
South Korea
Prior art keywords
point cloud
indoor space
dimensional model
indoor
boundary line
Prior art date
Application number
KR1020120081003A
Other languages
English (en)
Other versions
KR101392804B1 (ko
Inventor
허준
박효근
김창재
한수희
Original Assignee
연세대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020120081003A priority Critical patent/KR101392804B1/ko
Publication of KR20140014596A publication Critical patent/KR20140014596A/ko
Application granted granted Critical
Publication of KR101392804B1 publication Critical patent/KR101392804B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/56—Particle system, point based geometry or rendering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Processing Or Creating Images (AREA)

Abstract

본 발명은 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법에 관한 것으로, 상기 지상 라이다를 이용하여 실내공간을 스캐닝 하는 제 110단계; 상기 실내공간의 여러 곳에서 스캐닝 된 포인트 클라우드를 병합하여 하나의 실내공간에 대한 포인트 클라우드를 생성하는 제 120단계; 상기 병합된 실내공간의 포인트 클라우드를 분할(Segmentation)하는 제 130단계; 상기 분할된 포인트 클라우드를 이용하여 면을 결정하는 제 140단계; 상기 결정된 면을 이용하여 실내공간에 대한 경계선을 추출하는 제 150단계; 및 상기 경계선과 경계선이 추출되지 않은 나머지 영역에 대해서는 남아 있는 포인트 클라우드를 사용하여 실내공간에 대한 3차원 모델을 생성하는 제 160단계;를 포함하는 것을 특징으로 하는 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법을 제공한다.
본 발명에 따르면, 레이저 스캐닝 기술을 통해 취득된 3차원 포인트 클라우드로부터 실내공간을 구성하는 평면을 자동으로 추출하고, 평면을 추출하고 남은 실내공간에 대해서는 3차원 포인트 클라우드를 활용하여 3차원 모델을 추출함으로써, 종래의 방식에 비하여 소요시간 및 비용을 획기적으로 절감할 수 있다. 또한, 자동으로 추출된 평면과 평면추출에 사용되지 않은 3차원 포인트 클라우드를 함께 사용하여 실내 3차원 공간을 표현함으로써, 기존방식에 비하여 상대적으로 적은 자료크기에 비해 정보의 손실 없이 상세한 표현이 가능하다. 또한, 지상 라이다를 이용하여 취득된 포인트 클라우드로 자동 또는 반자동으로 3차원의 실내 공간 모델을 생성하는 기술을 적용할 경우 기존 실내공간에 대한 계획, 설계 및 유지관리에 효율적으로 이용될 수 있을 뿐만 아니라, 도시계획, 3차원 지리정보시스템(GIS) 및 건물 정보 모델링(BIS) 분야의 실내 공간 데이터베이스 구축 등에 기여할 수 있는 효과가 있다.

Description

지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법 및 이를 구현하기 위한 프로그램이 기록된 기록매체 {INDOOR 3D MODEL EXTRACTION METHOD BASED ON POINT CLOUDS FROM TERRESTRIAL LIDAR AND RECORDING MEDIUM THEREOF}
본 발명은 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법 및 이를 구현하기 위한 프로그램이 기록된 기록매체에 관한 것으로서, 지상 라이다를 이용하여 취득된 3차원 포인트 클라우드를 기반으로 실내공간 3차원 모델을 구축하고 실내 내부환경을 표현하는 방법에 관한 것이다.
지상 라이다는 항공 라이다측량과 동일한 원리로 3차원 데이터를 취득하며 시간과 인력의 소모를 절감하면서도 고밀도의 포인트 클라우드를 취득할 수 있으므로 지리정보시스템에서의 실내 3차원 모델 구축, 건축물 유지 관리를 위한 내부 구조물의 변형 측정 및 건물 도면 구축, 문화재 관리 등에 활용되고 있다.
실내 모델링에서 쓰이는 지상 라이다는 시간차 방식으로 3차원 데이터를 취득하며 세부적으로는 TOF(Time of Flight) 방식과 위상차(phase) 방식으로 구분이 된다. 장거리 레이저 스캐너는 주로 TOF방식으로 3차원 데이터를 취득하며 수백 미터 이상의 거리까지 측정할 수 있지만 상대적으로 정밀도가 떨어지고 측량에 상대적으로 오랜 시간이 소요된다. 반면 고밀도 레이저 스캐너는 위상차 기반으로 TOF 방식에 비해 측정거리가 짧지만 고밀도의 포인트 클라우드를 취득할 수 있으므로 건물 내부, 설비 등의 3차원 실내 모델링에 이용된다.
과거 실내 3차원 모델링은 사진측량 기술 또는 CAD 도면을 이용한 2차원 정보의 취득 또는 복원을 중심으로 진행되었다. 하지만 기존의 2차원 도면 정보로는 고층화되는 건물과 복잡한 시설물에 대한 공간정보를 표현하는데 제약이 있으므로 실내 3차원 모델을 구축하고 실내 공간을 표현하는 기술의 필요성이 급증하고 있다. 하지만 공간정보 분야에서 3차원 모델 구축 기술은 지형 모델, 토목 및 건축 구조물의 실외 모델 구축에 대해서 주로 선행되고 있으며 실내 3차원 모델 구축 기술의 개발 및 활용에 대한 연구는 미비한 실정이다.
실내 3차원 모델을 구축하기 위해 지상 라이다를 이용하여 취득된 포인트 클라우드를 이용할 수 있다. 하지만 대부분 수작업에 의해서 진행되고 있으므로 작업자의 숙련도에 따라 작업결과가 상이하게 나타날 수 있으며, 작업 시간과 비용의 증대를 가져오므로, 3차원 모델링 공정의 표준화가 필요한 상황이다.
또한 3차원 모델 구축과 별개로, 정확한 실내공간의 정확한 가시화를 위해서는 잘 고안된 실내공간 표현 방법이 필요하다. 하지만 주로 1) 작업자가 주관적으로 구축한 3차원 모델을 이용한 실내환경 표현, 2) 원자료인 포인트 클라우드를 이용한 실내 공간 표현, 3) 포인트 클라우드를 기반으로 생성된 3차원 불규칙 삼각망을 이용하여 실내 공간을 표현한다. 첫번째 방법은 시간과 비용이 많이 들 뿐 아니라, 주관적으로 판단된 결과라 실제 모양에 대한 정보를 모두 상실하는 단점이 있다. 두번째 방법은 원 자료를 그대로 보존 할 수는 있으나 큰 용량으로 인하여 3차원 정보의 처리와 가시화에 한계를 갖는다. 세번째 방법은 두 방법의 장점을 취할 수 있지만, 하나의 단순화 변수를 이용하여 표현하므로 복잡한 공간과 간단한 공간이 같은 수준으로 단순화되어 표현되는 한계를 갖는다. 따라서 이와 같은 한계를 해결하기 위한 실내공간 표현 방법이 필요한 상황이다.
본 발명은 상기의 종래 기술의 문제를 해결하기 위한 것으로, 실내공간을 대상으로 취득된 3차원 포인트 클라우드를 세그멘테이션(Segmentation) 방법을 이용한 분할을 수행하여 평면을 추출하고, 평면을 추출하지 못한 나머지 실내공간에 대해서는 3차원 포인트 클라우드를 활용함으로써, 실내공간의 3차원 모델을 효과적으로 추출할 수 있는 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법 및 이를 구현하기 위한 프로그램이 기록된 기록매체를 제공하고자 함에 발명의 목적이 있다.
상기 목적을 달성하기 위한 본 발명의 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법은, 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법에 있어서, 상기 지상 라이다를 이용하여 실내공간을 스캐닝하는 제 110단계; 상기 실내공간의 여러 곳에서 스캐닝 된 포인트 클라우드를 병합하여 하나의 실내공간에 대한 포인트 클라우드를 생성하는 제 120단계; 상기 병합된 실내공간의 포인트 클라우드를 분할(Segmentation)하는 제 130단계; 상기 분할된 포인트 클라우드를 이용하여 면을 결정하는 제 140단계; 상기 결정된 면을 이용하여 실내공간에 대한 경계선을 추출하는 제 150단계; 및 상기 경계선과 경계선이 추출되지 않은 나머지 영역에 대해서는 남아 있는 포인트 클라우드를 사용하여 실내공간에 대한 3차원 모델을 생성하는 제 160단계;를 포함할 수 있다.
또한, 상기 제 120단계는 병합 후 하나의 실내공간에 대한 포인트 클라우드의 절대좌표를 등록하는 단계를 더 포함할 수 있다.
또한, 상기 제 130단계는 상기 포인트 클라우드 분할(Segmentation) 방법을 이용하여 실내공간의 전체 포인트 클라우드를 같은 평면에 속하는 포인트 데이터들로 분류하여 유효하지 않은 세그먼트들을 제거하고, 상기 제 150단계는 분할(Segmentation) 된 포인트들을 이진 영상화하고, 백터라이제이션(Vectorization) 기법을 이용하여 실내공간에 대한 경계선을 추출할 수 있다.
또한, 상기 유효하지 않은 세그먼트 제거에는 정제격자(Refinement Grid)를 이용하고, 이진 영상화에는 경계선 추출격자(Outline Trace Grid)를 이용할 수 있다.
또한, 상기 제 160단계는 최종적으로 생성된 경계선을 이용하여 면을 추출하고, 나머지 실내공간에 대한 3차원 포인트 클라우드를 직접 사용하거나 3차원 포인트 클라우드로부터 생성된 3차원 메쉬를 3차원 저작 소프트웨어를 이용하여 3차원 도형을 작도함으로써, 실내공간에 대한 3차원 모델을 생성할 수 있다.
한편, 본 발명의 다른 측면에 따르면, 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체가 제공된다.
본 발명에 따른 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법 및 이를 구현하기 위한 프로그램이 기록된 기록매체에 의하면, 레이저 스캐닝 기술을 통해 취득된 3차원 포인트 클라우드로부터 실내공간을 구성하는 평면을 자동으로 추출하고, 평면을 추출하고 남은 실내공간에 대해서는 3차원 포인트 클라우드를 활용하여 3차원 모델을 추출함으로써, 종래의 방식에 비하여 소요시간 및 비용을 획기적으로 절감할 수 있으며, 작업자의 특성에 따른 결과물의 차이를 완화시킬 수 있다.
또한, 자동으로 추출된 평면과 평면추출에 사용되지 않은 3차원 포인트 클라우드를 함께 사용하여 실내 3차원 공간을 표현함으로써, 기존방식에 비하여 상대적으로 적은 자료크기에 비해 정보의 손실 없이 상세한 표현이 가능하다.
또한, 지상 라이다를 이용하여 취득된 포인트 클라우드로 자동 또는 반자동으로 3차원의 실내 공간 모델을 생성하는 기술을 적용할 경우 기존 실내공간에 대한 계획, 설계 및 유지관리에 효율적으로 이용될 수 있을 뿐만 아니라, 도시계획, 3차원 지리정보시스템(GIS) 및 건물 정보 모델링(BIM) 분야의 실내 공간 데이터베이스 구축 등에 기여할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시 예에 따른 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법의 순서도.
도 2는 지상 라이다를 이용하여 스캐닝 한 건물의 포인트 클라우드.
도 3a는 건물의 포인트 클라우드가 분할된 모습을 나타낸 예시도.
도 3b는 분할된 포인트 클라우드에 의해 결정된 면을 이용하여 실내공간의 경계선이 추출된 모습을 나타낸 예시도.
도 4a는 3차원 메쉬 데이터와 경계선이 추출된 모습을 나타낸 예시도.
도 4b는 3차원 모델의 경계선 추출에 사용되지 않고 남은 포인트 클라우드를 이용하여 메쉬 데이터를 형성한 모습을 나타낸 예시도.
이하에서는, 첨부도면을 참고하여 본 발명에 따른 일 실시 예를 보다 상세하게 설명한다.
도 1은 본 발명의 일 실시 예에 따른 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법의 순서도이다.
도 1을 참조하면, 먼저 지상 라이다를 이용하여 실내공간을 스캐닝한다(S110). 지상 라이다로부터 취득된 포인트 클라우드는 일반적으로 (x, y, z)의 실내공간에 대한 상대적 좌표로 구성된 포인트와 반사강도로 구성되며 텍스트 또는 바이너리 형식의 파일로 저장된다. 실내공간의 정확한 자료를 취득하기 위해서는 지상 라이다를 여러 곳에 설치하여 스캐닝되지 않은 지역은 폐색지역이 최소화되도록 스캐닝한다.
다음으로, 실내공간의 여러 곳에서 스캐닝 된 포인트 클라우드를 병합한다(S120). 구체적으로는, 지상 라이다를 이용하여 실내공간의 여러 곳에서 각각 스캐닝 되어 저장된 포인트 클라우드에 포함되어 있는 노이즈를 제거한 후 각 포인트 클라우드를 병합하여 하나의 실내공간에 대한 포인트 클라우드를 생성할 수 있다. 또한, 실내공간의 여러 곳에서 각각 스캐닝 되어 저장된 포인트 클라우드를 병합한 후, 병합된 포인트 클라우드에 포함된 노이즈를 제거할 수도 있다.
또한, 노이즈가 제거된 포인트 클라우드를 병합하고, 절대좌표를 등록하는 과정 또는 포인트 클라우드를 병합한 후 노이즈를 제거하고 하나의 실내공간에 대한 포인트 클라우드의 절대좌표를 등록하는 과정을 더 포함할 수 있다. 구체적으로는, 다수의 포인트 클라우드들은 지상 라이다의 위치에 따른 상대좌표를 가지게 되므로 정합과정이 필요하며 지역 또는 전역 절대좌표를 등록하는 것이 필요하다. 이러한 정합 및 절대좌표 등록기법으로는 직접기법과 간접기법으로 분류되는데, 이 중에서 간접기법을 이용한다. 간접기법은 포인트 클라우드 데이터에 절대좌표를 부여하기 위해 별도의 측량과정이 필요하며 포인트 클라우드 데이터의 정합을 위하여 자연지물이나 인공물을 타겟으로 이용한다. 정합을 위해서 두 개의 포인트 클라우드 데이터 간에 3개의 대응되는 타겟이 필요하나 에러를 최소화하기 위해서 3개 이상의 타겟을 사용한다.
다음으로, 하나로 병합된 실내공간에 대한 포인트 클라우드를 이용하여 분할(segmentation)을 수행한다(S130). 대표적인 분할 방법으로는 영역확장방법 (Region growing method), RANSAC(Random sample consensus) 방법, Parameter-based 방법 및 3D BSP(Binary Space Partitioning) tree를 들 수 있다.
영역확장방법을 이용한 포인트 클라우드의 분할은 씨드 포인트(seed point)로부터 인접한 포인트 데이터를 이용하여 초기 평면을 결정하고, 새로운 포인트가 초기 평면으로부터 통계적 임계치 이내일 경우, 해당 포인트를 씨드 포인트가 속한 그룹에 포함시킨다. 하나의 씨드 포인트를 중심으로 한 영역확장이 마무리된 후 동일 그룹에 속한 포인트들을 이용하여 평면 방정식을 최소제곱조정을 통해 산출한다. 이후 새로운 포인트를 또 다른 씨드 포인트로 하여 영역확장을 지속적으로 수행한다. 모든 포인트에 대하여 이와 같은 과정을 거쳐 실내공간을 구성하는 평면들 중 하나에 편입되도록 한다.
RANSAC 방법론에 기반한 분할기법은 지속적으로 포인트의 무작위 집합을 선택하고 이를 이용하여 평면을 구성한 후 이 평면에 속하는 포인트들과 속하지 않는 포인트들을 구분한다. 구성된 평면이 초기의 무작위 집합에 의해 결정되므로 상기 방법론을 지속적으로 수행하여 평면에 속하는 포인트들이 최대가 되는 해당 평면과 포인트들을 최종적으로 선택한다. 선택된 포인트들을 전체 집합에서 분리한 후 남은 포인트들을 이용하여 위의 방법을 지속적으로 수행한다. 구체적으로, RANSAC 방법을 이용하여 분할하는 경우, 전체 포인트 클라우드를 같은 평면에 속하는 포인트 데이터들로 분류하고 정제격자(Refinement Grid)를 이용하여 유효하지 않은 세그먼트를 제거한다. RANSAC을 이용한 세그멘테이션 기법은 방정식으로 표현되는 수학적 평면을 기준으로 포인트 클라우드를 분할한다. 따라서, 다른 면에 속하지만 평면에 가까이 있을 경우 같은 세그먼트로 인식하므로 잘못 분류된 포인트들을 제거하기 위한 정제과정이 필요하다.
Parameter-based 분할기법 중 대표적인 방법이 Hough transform 기법이다. 3차원 공간상에서의 각 포인트들은 파라미터 공간에서 평면들을 형성하게 된다. 3차원 공간상에서 동일한 평면에 놓인 포인트들에 해당하는 파라미터 공간상에서의 평면들은 그 공간상에서 동일한 위치에서 교차하게 된다. 따라서 파라미터 공간상에서 가장 많은 평면들이 교차하는 위치에 놓은 점을 추출하게 되면 3차원 공간상에서 동일한 평면에 놓인 포인트들을 추출하게 된다. 하나의 평면에 놓인 포인트들을 추출한 후 남은 포인트들을 이용하여 위에 언급된 방법을 지속적으로 수행하게 된다.
3D BSP(Binary Space Partitioning) tree를 이용한 포인트 클라우드의 분할은 공간을 분할하는 정보를 담고 있는 2진 트리를 이용하는 것으로서, 3차원 공간상의 면들을 특정 기준면의 앞과 뒤로 구분해서 관리한다. 공간을 분할하여 처리하는 것으로 어느 공간에 어떤 데이터가 있는지 2진 탐색 방식으로 빠르게 처리할 수 있다. 즉, 앞, 뒤, 왼쪽, 오른쪽인지를 구분하여 검색하는 것이다.
상기의 예로 든 분할 방법 이외의 분할 방법을 이용하여 분할을 수행할 수 있으며, 분할 방법의 종류에 한정되지 않음은 당연하다.
다음으로, 분할된 포인트 클라우드를 이용하여 실내공간에 대한 면을 결정한다(S140). 구체적으로, 분할(segmentation)을 수행하면 각각의 포인트가 속하는 면이 생성될 수 있다.
다음으로, 결정된 면을 이용하여 실내공간에 대한 경계선을 추출한다(S150). 분할을 통하여 면이 생성되고, 면과 면이 만나는 선을 결정할 수 있다. 이와 같이 면과 면이 만나서 생성되는 선을 경계선이라 하며, 실내공간 전체에 대한 경계선을 결정할 수 있다. 구체적으로는, RANSAC 방법을 이용하여 실내공간의 포인트 클라우드를 분할하는 경우, 경계선 추출 격자(Outline Trace Grid)를 이용하여 세그먼트 된 포인트들을 이진 영상화하고 벡터라이제이션(Vectorization) 기법을 이용하여 실내공간에 대한 경계선을 추출한다. 격자의 크기는 정제과정과 마찬가지로 실내 환경의 특성에 따라서 다르게 설정할 수 있다. 경계선 추출 과정이 종료되면 이진 영상을 반전하여 창문 등과 같은 세그먼트 영역 내 비어있는 영역의 외곽선을 추출한다. 이 때 면적이 일정 크기 이상이 되는 빈 공간에 대해서만 외곽선 추출을 시행하며, 추출된 외곽선들은 2차원, 3차원의 CAD 또는 BIM 표준포맷인 IFC 파일 등의 형태로 파일에 기록한다.
또한, 경계선을 이용하여 설정된 면과 실내공간에 대한 포인트 클라우드를 비교하여 오류가 발생하는 경우, 오류가 발생된 면에 대해 오류가 임계값 이내로 수렴될 때까지 실내공간의 포인트 클라우드를 분할하는 단계(S130) 및 분할된 포인트 클라우드를 이용하여 면을 결정하는 단계(S140)를 반복하여 수행한다.
마지막으로, 위와 같은 작업을 통해서 최종적으로 경계선이 생성되면, 경계선과 경계선이 추출되지 않은 나머지 영역에 대해서는 남아있는 포인트 클라우드를 사용하여 실내공간에 대한 3차원 모델을 생성한다(S160). 구체적으로, 최종적으로 생성된 경계선을 이용하여 면을 추출하고, 경계선을 추출하지 못한 나머지 실내공간에 대한 3차원 포인트 클라우드를 직접 사용하거나 3차원 포인트 클라우드로부터 생성된 3차원 메쉬를 3차원 저작 소프트웨어를 이용하여 사용자가 직접 3차원 도형을 작도함으로써, 실내공간에 대한 3차원 모델을 생성할 수 있다.
도 2는 지상 라이다를 이용하여 스캐닝 한 건물의 포인트 클라우드이고, 도 3a는 건물의 포인트 클라우드가 분할된 모습을 나타낸 예시도이고, 도 3b는 분할된 포인트 클라우드에 의해 결정된 면을 이용하여 실내공간의 경계선이 추출된 모습을 나타낸 예시도이고, 도 4a는 3차원 메쉬 데이터와 경계선이 추출된 모습을 나타낸 예시도이고, 도 4b는 3차원 모델의 경계선 추출에 사용되지 않고 남은 포인트 클라우드를 이용하여 메쉬 데이터를 형성한 모습을 나타낸 예시도이다.
도 2를 참조하면, 지상 라이다를 이용하여 실내공간의 여러 곳에서 스캐닝 한 건물의 포인트 클라우드를 노이즈를 제거한 후 병합하여 하나의 실내공간에 대한 포인트 클라우드를 생성한 모습을 나타낸다.
도 3a를 참조하면, 지상 라이다를 이용하여 스캐닝된 실내공간의 포인트 클라우드의 노이즈를 제거한 후, 분할된 모습을 나타낸다. 분할된 포인트 클라우드에 의해 면이 결정된다.
도 3b를 참조하면, 분할된 포인트 클라우드에 의해 결정된 면을 이용하여 실내공간에 대한 경계선이 추출된 모습을 볼 수 있다.
도 4a를 참조하면, 분할된 포인트 클라우드를 이용하여 실내공간의 면을 결정하고, 결정된 면에 의해서 추출된 경계선(흰색)과 경계선이 추출되지 않은 영역의 3차원 메쉬 데이터(붉은색)의 모습을 볼 수 있다.
도 4b를 참조하면, 3차원 모델의 경계선 추출에 사용되지 않고 남은 포인트 클라우드를 이용하여 메쉬 데이터(붉은색)를 형성한 모습을 볼 수 있다.
한편, 이러한 본 발명에 의한 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법은 프로그램으로 구현되어 컴퓨터로 읽을 수 있는 기록매체(씨디롬, 램, 롬, 플로피 디스크, 하드 디스크, 광자기 디스크 등)에 저장될 수 있다.
본 발명에 의하면, 레이저 스캐닝 기술을 통해 취득된 3차원 포인트 클라우드로부터 실내공간을 구성하는 평면을 자동으로 추출하고, 평면을 추출하고 남은 실내공간에 대해서는 3차원 포인트 클라우드를 활용하여 3차원 모델을 추출함으로써, 종래의 방식에 비하여 소요시간 및 비용을 획기적으로 절감할 수 있다. 또한, 지상 라이다를 이용하여 취득된 포인트 클라우드로 자동 또는 반자동으로 3차원의 실내 공간 모델을 생성하는 기술을 적용할 경우 기존 실내공간에 대한 계획, 설계 및 유지관리에 효율적으로 이용될 수 있을 뿐만 아니라, 도시계획, 3차원 지리정보시스템(GIS) 및 건물 정보 모델링(BIS) 분야의 실내 공간 데이터베이스 구축 등에 기여할 수 있는 효과가 있다.
본 발명은 상기한 특정의 바람직한 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 되는 것임은 자명하다.

Claims (6)

  1. 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법에 있어서,
    상기 지상 라이다를 이용하여 실내공간을 스캐닝 하는 제 110단계;
    상기 실내공간의 여러 곳에서 스캐닝 된 포인트 클라우드를 병합하여 하나의 실내공간에 대한 포인트 클라우드를 생성하는 제 120단계;
    상기 병합된 실내공간의 포인트 클라우드를 분할(Segmentation)하는 제 130단계;
    상기 분할된 포인트 클라우드를 이용하여 면을 결정하는 제 140단계;
    상기 결정된 면을 이용하여 실내공간에 대한 경계선을 추출하는 제 150단계; 및
    상기 경계선과 경계선이 추출되지 않은 나머지 영역에 대해서는 남아 있는 포인트 클라우드를 사용하여 실내공간에 대한 3차원 모델을 생성하는 제 160단계;를 포함하는 것을 특징으로 하는 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법.
  2. 제1항에 있어서,
    상기 제 120단계는
    병합 후 하나의 실내공간에 대한 포인트 클라우드의 절대좌표를 등록하는 단계를 더 포함하는 것을 특징으로 하는 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법.
  3. 제1항에 있어서,
    상기 제 130단계는
    상기 포인트 클라우드 분할(Segmentation) 방법을 이용하여 실내공간의 전체 포인트 클라우드를 같은 평면에 속하는 포인트 데이터들로 분류하여 유효하지 않은 세그먼트들을 제거하고,
    상기 제 150단계는 분할(Segmentation) 된 포인트들을 이진 영상화하고, 백터라이제이션(Vectorization) 기법을 이용하여 실내공간에 대한 경계선을 추출하는 것을 특징으로 하는 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법.
  4. 제3항에 있어서,
    상기 유효하지 않은 세그먼트 제거에는 정제격자(Refinement Grid)를 이용하고, 이진 영상화에는 경계선 추출격자(Outline Trace Grid)를 이용하는 것을 특징으로 하는 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법.
  5. 제1항에 있어서,
    상기 제 160단계는
    최종적으로 생성된 경계선을 이용하여 면을 추출하고, 나머지 실내공간에 대한 3차원 포인트 클라우드를 직접 사용하거나 3차원 포인트 클라우드로부터 생성된 3차원 메쉬를 3차원 저작 소프트웨어를 이용하여 3차원 도형을 작도함으로써, 실내공간에 대한 3차원 모델을 생성하는 것을 특징으로 하는 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법.
  6. 제1항 내지 제 5항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체.
KR1020120081003A 2012-07-25 2012-07-25 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법 및 이를 구현하기 위한 프로그램이 기록된 기록매체 KR101392804B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120081003A KR101392804B1 (ko) 2012-07-25 2012-07-25 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법 및 이를 구현하기 위한 프로그램이 기록된 기록매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120081003A KR101392804B1 (ko) 2012-07-25 2012-07-25 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법 및 이를 구현하기 위한 프로그램이 기록된 기록매체

Publications (2)

Publication Number Publication Date
KR20140014596A true KR20140014596A (ko) 2014-02-06
KR101392804B1 KR101392804B1 (ko) 2014-05-08

Family

ID=50264461

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120081003A KR101392804B1 (ko) 2012-07-25 2012-07-25 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법 및 이를 구현하기 위한 프로그램이 기록된 기록매체

Country Status (1)

Country Link
KR (1) KR101392804B1 (ko)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103941264A (zh) * 2014-03-26 2014-07-23 南京航空航天大学 一种室内未知环境下使用激光雷达定位方法
KR101688746B1 (ko) * 2015-11-20 2016-12-21 주식회사 동우 이앤씨 건축사사무소 구조물의 리모델링을 지원하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
KR102015388B1 (ko) * 2019-01-21 2019-08-28 주식회사 지공간솔루션 무인항공기와 지상용 3d라이다스캐너를 활용한 정사영상 3차원 포인트클라우드 db 구축기반 가상현실 공간 맵 제공시스템 및 제공방법
KR102039021B1 (ko) * 2019-05-17 2019-11-01 한국건설기술연구원 공사현장의 3차원 지형공간정보 통합을 통한 월드맵 모델링 장치 및 그의 월드맵 모델링 방법
KR20200002772A (ko) * 2018-06-25 2020-01-08 재단법인 실감교류인체감응솔루션연구단 3차원 평면추출 방법 및 그 장치
KR20200029145A (ko) * 2018-09-10 2020-03-18 한국과학기술원 지능형 실내 공간 서비스를 위한 공간의 기능 및 의미를 포함한 실내 공간 모델링 방법 및 장치
CN111102926A (zh) * 2020-01-02 2020-05-05 青岛国信海天中心建设有限公司 一种基于bim的工程质量检测方法及系统
CN111210501A (zh) * 2019-10-12 2020-05-29 香港理工大学深圳研究院 一种室内建模方法、装置及终端设备
CN112540593A (zh) * 2019-11-22 2021-03-23 百度（美国）有限责任公司 用于自动驾驶车辆的用于配准点云的方法和装置
KR20210040217A (ko) * 2019-10-02 2021-04-13 고려대학교 산학협력단 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법
CN112700465A (zh) * 2021-01-08 2021-04-23 上海建工四建集团有限公司 面向实测实量的房间主体点云提取与部位分割方法及设备
KR20210081262A (ko) * 2019-12-23 2021-07-01 주식회사 휴론네트워크 라이다 스캐닝 3d 데이터 전송 장치 및 그 방법, 이를 이용한 스마트 화재경보 시스템 및 그 방법
CN113377748A (zh) * 2020-03-09 2021-09-10 北京京东乾石科技有限公司 激光雷达点云数据的静态点去除方法和装置
CN113424224A (zh) * 2019-02-25 2021-09-21 索尼集团公司 识别并保留优选点的合并点云的方法
CN116051734A (zh) * 2022-12-28 2023-05-02 中建三局集团华南有限公司 基于三维激光扫描及实景三维建模的工程量快速统计方法
CN116754039A (zh) * 2023-08-16 2023-09-15 四川吉埃智能科技有限公司 地面坑体土方量检测方法

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103941264A (zh) * 2014-03-26 2014-07-23 南京航空航天大学 一种室内未知环境下使用激光雷达定位方法
KR101688746B1 (ko) * 2015-11-20 2016-12-21 주식회사 동우 이앤씨 건축사사무소 구조물의 리모델링을 지원하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
KR20200002772A (ko) * 2018-06-25 2020-01-08 재단법인 실감교류인체감응솔루션연구단 3차원 평면추출 방법 및 그 장치
KR20200029145A (ko) * 2018-09-10 2020-03-18 한국과학기술원 지능형 실내 공간 서비스를 위한 공간의 기능 및 의미를 포함한 실내 공간 모델링 방법 및 장치
KR102015388B1 (ko) * 2019-01-21 2019-08-28 주식회사 지공간솔루션 무인항공기와 지상용 3d라이다스캐너를 활용한 정사영상 3차원 포인트클라우드 db 구축기반 가상현실 공간 맵 제공시스템 및 제공방법
CN113424224A (zh) * 2019-02-25 2021-09-21 索尼集团公司 识别并保留优选点的合并点云的方法
CN113424224B (zh) * 2019-02-25 2023-11-17 索尼集团公司 识别并保留优选点的合并点云的方法
KR102039021B1 (ko) * 2019-05-17 2019-11-01 한국건설기술연구원 공사현장의 3차원 지형공간정보 통합을 통한 월드맵 모델링 장치 및 그의 월드맵 모델링 방법
KR20210040217A (ko) * 2019-10-02 2021-04-13 고려대학교 산학협력단 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법
CN111210501A (zh) * 2019-10-12 2020-05-29 香港理工大学深圳研究院 一种室内建模方法、装置及终端设备
CN112540593A (zh) * 2019-11-22 2021-03-23 百度（美国）有限责任公司 用于自动驾驶车辆的用于配准点云的方法和装置
CN112540593B (zh) * 2019-11-22 2023-11-17 百度（美国）有限责任公司 用于自动驾驶车辆的用于配准点云的方法和装置
KR20210081262A (ko) * 2019-12-23 2021-07-01 주식회사 휴론네트워크 라이다 스캐닝 3d 데이터 전송 장치 및 그 방법, 이를 이용한 스마트 화재경보 시스템 및 그 방법
CN111102926A (zh) * 2020-01-02 2020-05-05 青岛国信海天中心建设有限公司 一种基于bim的工程质量检测方法及系统
CN113377748A (zh) * 2020-03-09 2021-09-10 北京京东乾石科技有限公司 激光雷达点云数据的静态点去除方法和装置
CN113377748B (zh) * 2020-03-09 2023-12-05 北京京东乾石科技有限公司 激光雷达点云数据的静态点去除方法和装置
CN112700465A (zh) * 2021-01-08 2021-04-23 上海建工四建集团有限公司 面向实测实量的房间主体点云提取与部位分割方法及设备
CN112700465B (zh) * 2021-01-08 2024-02-09 上海建工四建集团有限公司 面向实测实量的房间主体点云提取与部位分割方法及设备
CN116051734B (zh) * 2022-12-28 2023-11-17 中建三局集团华南有限公司 基于三维激光扫描及实景三维建模的工程量快速统计方法
CN116051734A (zh) * 2022-12-28 2023-05-02 中建三局集团华南有限公司 基于三维激光扫描及实景三维建模的工程量快速统计方法
CN116754039B (zh) * 2023-08-16 2023-10-20 四川吉埃智能科技有限公司 地面坑体土方量检测方法
CN116754039A (zh) * 2023-08-16 2023-09-15 四川吉埃智能科技有限公司 地面坑体土方量检测方法

Also Published As

Publication number Publication date
KR101392804B1 (ko) 2014-05-08

Similar Documents

Publication Publication Date Title
KR101392804B1 (ko) 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법 및 이를 구현하기 위한 프로그램이 기록된 기록매체
Rottensteiner et al. Results of the ISPRS benchmark on urban object detection and 3D building reconstruction
Truong‐Hong et al. Combining an angle criterion with voxelization and the flying voxel method in reconstructing building models from LiDAR data
Sohn et al. Data fusion of high-resolution satellite imagery and LiDAR data for automatic building extraction
Rottensteiner et al. The ISPRS benchmark on urban object classification and 3D building reconstruction
Lafarge et al. Creating large-scale city models from 3D-point clouds: a robust approach with hybrid representation
Hinks et al. Point cloud data conversion into solid models via point-based voxelization
US7983474B2 (en) Geospatial modeling system and related method using multiple sources of geographic information
Truong-Hong et al. Octree-based, automatic building facade generation from LiDAR data
Wang et al. Modeling indoor spaces using decomposition and reconstruction of structural elements
Budroni et al. Automatic 3D modelling of indoor manhattan-world scenes from laser data
Martínez et al. Automatic processing of Terrestrial Laser Scanning data of building façades
WO2018061010A1 (en) Point cloud transforming in large-scale urban modelling
CN112070769A (zh) 一种基于dbscan的分层点云分割方法
Demir et al. Automated modeling of 3D building roofs using image and LiDAR data
Liu et al. Automatic buildings extraction from LiDAR data in urban area by neural oscillator network of visual cortex
CN108074232B (zh) 一种基于体元分割的机载lidar建筑物检测方法
WO2010042466A1 (en) Apparatus and method for classifying point cloud data based on principal axes
CN111323788B (zh) 建筑物变化的监测方法、装置及计算机设备
Becker et al. Refinement of building fassades by integrated processing of lidar and image data
CN111458691B (zh) 建筑物信息的提取方法、装置及计算机设备
Demir Automated detection of 3D roof planes from Lidar data
Zhou et al. 3D building change detection between current VHR images and past lidar data
Tarsha Kurdi et al. Automatic 2D modelling of inner roof planes boundaries starting from Lidar data
Namouchi et al. Piecewise horizontal 3d roof reconstruction from aerial lidar

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee