KR20220042833A - 라이다 스캐너에서 획득한 점군 정합 방법 - Google Patents

라이다 스캐너에서 획득한 점군 정합 방법 Download PDF

Info

Publication number
KR20220042833A
KR20220042833A KR1020200126137A KR20200126137A KR20220042833A KR 20220042833 A KR20220042833 A KR 20220042833A KR 1020200126137 A KR1020200126137 A KR 1020200126137A KR 20200126137 A KR20200126137 A KR 20200126137A KR 20220042833 A KR20220042833 A KR 20220042833A
Authority
KR
South Korea
Prior art keywords
point cloud
point
refined
matching
points
Prior art date
Application number
KR1020200126137A
Other languages
English (en)
Other versions
KR102407425B1 (ko
Inventor
조훈희
오상민
류민우
강남우
정용일
사세원
Original Assignee
고려대학교 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 고려대학교 산학협력단 filed Critical 고려대학교 산학협력단
Priority to KR1020200126137A priority Critical patent/KR102407425B1/ko
Publication of KR20220042833A publication Critical patent/KR20220042833A/ko
Application granted granted Critical
Publication of KR102407425B1 publication Critical patent/KR102407425B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/497—Means for monitoring or calibrating
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/481—Constructional features, e.g. arrangements of optical elements
    • G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

본 발명의 일 측면에 따르면, 프로세서 상에서 구현되는 라이다(Lidar, Light detection and ranging) 스캐너를 통해 획득한 점군(point cloud)의 정합 방법으로서, 한 스캔 지점의 n번째 소스 점군(point cloud)에 대해, 상기 라이다 스캐너의 이동 및 회전으로 인한 오차를 제거하는 단계와; 상기 n번째 소스 점군에 대해, 상기 라이다 스캐너의 서로 인접한 채널에서 획득한 포인트 간의 연결성 유무를 확인하는 단계와; 포인트 밀도가 증가되도록 연결성이 확인된 상기 채널의 상기 포인트 사이에 보간 포인트를 삽입하여 n번째 정제된 점군을 획득하는 단계와; 상기 n번째 정제된 점군을 인접 스캔 지점의 정제된 점군에 ICP 정합(Iterative Closest Point Registration)하여 1차 변환 행렬을 산출하는 단계와; 상기 1차 변환 행렬에 따라 상기 n번째 소스 점군을 1차 변환시키는 단계를 포함하는, 라이다 스캐너에서 획득한 점군 정합 방법이 제공된다.

Description

라이다 스캐너에서 획득한 점군 정합 방법{Method of registration of point cloud data obtained from Lidar scanner}
본 발명은 라이다 스캐너에서 획득한 점군 정합 방법에 관한 것이다. 보다 상세하게는, 연속된 스캔 지점 간의 점군 데이터가 유사하다는 점에 착안하여 실내 공간과 같이 GPS 사용이 어려운 공간 상에서 획득된 점군을 효율적으로 정합할 수 있는, 라이다 스캐너에서 획득한 점군 정합 방법에 관한 것이다.
라이다(Light Detection And Ranging, LiDAR)는 항공 레이저 측량 분야에서 사용되는 것으로서, 라이다 시스템을 항공기에 장착하여 레이저 펄스를 지표면에 주사하고, 반사된 레이저 펄스의 도달시간을 관측함으로써 반사지점의 공간 위치 좌표를 계산하여 지표면에 대한 지형정보를 추출하는 측량기법이다.
이러한 라이다 기법을 지상에서도 이용하고 있는데, 차량 등의 이동 캐리어에 라이다 시스템을 장착하고 레이저 센서를 통해 주위 환경에 대한 공간 위치 좌표를 계산하여 도로, 건물, 장애물 등의 3차원 모델을 구축하여 도로, 건축물 등의 유지관리에 활용하고 있다.
라이다에서는 탐지한 개체에 대한 무수히 많은 클라우드 형태의 3차원 데이터를 획득하게 되는데 이러한 데이터를 '포인트 클라우드 데이터(Point Cloud Data) 또는 점군'라 한다. 이러한 포인트 클라우드 데이터를 가공하여 탐지 객체의 3차원 모델링을 구현하는 것이다.
한편, 라이다를 이용하여 건축물의 실내 공간을 모델링하여 시각화하는 경우, 가구나 사람과 같은 객체로 인한 주요 구조부재(벽, 천장, 바닥 등)가 간섭되는 것을 방지하기 위하여 라이더가 장착된 MLS(Mobile Laser Scanner)를 이용하여 포인트 클라우드 데이터를 습득하는데, GPS(Global Positioning System)의 사용이 어려워 좌표 공간에 존재하는 하나의 평면으로 포인트 클라우드 데이터를 투영하는데 어려움이 있고, 건축물의 주요 구조 부재 간 수직적 위치 관계를 활용하기에 어려움이 있다.
또한, 해당 장비는 고정되어 있지 않기 때문에 초당 습득되는 데이터를 하나의 정합 데이터로 결합하기에 어려움이 있으며, 장비 자체의 회전을 통해 360도 데이터를 습득하는 장비의 특성으로 인하여 상하 좌우에 관한 기준점이 부재하여 다수의 측정으로 습득한 데이터를 정합하기 어려움이 있다.
대한민국 공개특허공보 제10-2017-0020629 호 (2017년02월23일 공개)
본 발명은 연속된 스캔 지점 간의 점군 데이터가 유사하다는 점에 착안하여 실내 공간과 같이 GPS 사용이 어려운 공간 상에서 획득된 점군을 효율적으로 정합할 수 있는, 라이다 스캐너에서 획득한 점군 정합 방법을 제공하는 것이다.
본 발명의 일 측면에 따르면, 프로세서 상에서 구현되는 라이다(Lidar, Light detection and ranging) 스캐너를 통해 획득한 점군(point cloud)의 정합 방법으로서, 한 스캔 지점의 n번째 소스 점군(point cloud)에 대해, 상기 라이다 스캐너의 이동 및 회전으로 인한 오차를 제거하는 단계와; 상기 n번째 소스 점군에 대해, 상기 라이다 스캐너의 서로 인접한 채널에서 획득한 포인트 간의 연결성 유무를 확인하는 단계와; 포인트 밀도가 증가되도록 연결성이 확인된 상기 채널의 상기 포인트 사이에 보간 포인트를 삽입하여 n번째 정제된 점군을 획득하는 단계와; 상기 n번째 정제된 점군을 인접 스캔 지점의 정제된 점군에 ICP 정합(Iterative Closest Point Registration)하여 1차 변환 행렬을 산출하는 단계와; 상기 1차 변환 행렬에 따라 상기 n번째 소스 점군을 1차 변환시키는 단계를 포함하는, 라이다 스캐너에서 획득한 점군 정합 방법이 제공된다.
상기 라이다 스캐너의 이동 및 회전으로 인한 오류 제거 단계는, 상기 라이다 스캐너의 촬영 회전 각도 0°와 360°에서의 포인트 간의 총 오차를 모든 촬영 각도의 포인트에 분배함으로써 수행될 수 있다.
상기 서로 인접한 채널에서 획득한 상기 포인트 간의 연결성 유무를 확인하는 단계는, 서로 인접한 채널에서 측정한 상기 포인트의 법선 벡터의 사이각과 기 설정된 기준각을 비교하여, 상기 사이각이 상기 기준각 보다 작은 경우 서로 인접한 상기 채널은 서로 연결성이 있다고 판단하는 단계를 포함할 수 있다.
상기 n번째 정제된 점군을 획득하는 단계는, 보간 포인트 간 거리(D)가 아래의 [식 1]을 만족하도록 보간 포인트를 삽입함으로써 수행될 수 있다.
[식 1]
Figure pat00001
여기서,
D: 보간 포인트 간 거리
O: 기 설정된 관측 최소 거리
θ: 최소 스캔 각도
상기 n번째 정제된 점군과 인접 스캔 지점의 정제된 점군에 정합하여 1차 변환 행렬을 산출하는 단계는, 상기 n번째 정제된 점군에서 대표 포인트를 선정하고, 인접 스캔 지점의 정제된 점군에서 상기 대표 포인트에 대응되는 매칭 포인트를 선정하는 단계와; 상기 대표 포인트와 상기 매칭 포인트의 최소 거리가 기 설정된 기준값 이하가 되도록 1차 변환 행렬을 산출하는 단계를 포함할 수 있다.
상기 인접 스캔 지점의 정제된 점군에 ICP 정합하여 1차 변환 행렬을 산출하는 단계의 상기 1차 변환 행렬은, 상기 한 스캔 지점의 직전 스캔 지점의 n-1번째 정제된 점군과 ICP 정합하여 산출될 수 있다.
상기 n-1번째까지 상기 정제된 점군이 연속적으로 ICP 정합되어 점군 데이터 베이스가 형성되며, 이 경우, 상기 라이다 스캐너에서 획득한 점군 정합 방법은, 상기 1차 변환 행렬을 산출하는 단계 이후에, 상기 n번째 정제된 점군에 대해 상기 라이다 스캐너의 촬영 회전 각도에 따른 포인트들을 기 설정된 분할값에 따라 나누어 분할하고, 분할된 상기 n번째 정제된 점군 각각을 상기 점군 데이터 베이스에 ICP 정합하는 단계와; 분할 후 ICP 정합된 상기 n번째 정제된 점군을 상기 점군 데이터 베이스에 다시 ICP 정합하여 2차 변환 행렬을 산출하는 단계와; 상기 2차 변환 행렬에 따라 상기 1차 변환된 n번째 소스 점군을 2차 변환하는 단계를 더 포함할 수 있다.
또한, 상기 점군 데이터 베이스에 다시 ICP 정합된 상기 n번째 정제된 점군을 상기 점군 데이터 베이스에 축적하는 단계를 더 포함할 수 있다.
본 발명의 실시예에 따르면, 연속된 스캔 지점 간의 점군 데이터가 유사하다는 점에 착안하여 실내 공간과 같이 GPS 사용이 어려운 공간 상에서 획득된 점군을 효율적으로 정합할 수 있다.
도 1은 본 발명의 일 실시예에 따른 라이다 스캐너에서 획득한 점군 정합 방법의 순서도.
도 2는 본 발명의 일 실시예에 따른 라이다 스캐너에서 획득한 점군 정합 방법을 수행하는 점군 정합 장치의 블록도.
도 3은 본 발명의 일 실시예에 따른 라이다 스캐너에서 획득한 점군 정합 방법을 수행하는 라이다 스캐너의 구성도.
도 4 및 도 5는 본 발명의 일 실시예에 따른 라이다 스캐너의 이동에 따른 오차 제거 방법을 설명하기 위한 도면.
도 6은 본 발명의 일 실시예에 따른 채널 획득 포인트 간 연결성 유무 확인 방법을 설명하기 위한 도면.
도 7은 본 발명의 일 실시예에 따른 라이다 스캐너에서 획득한 점군 정합 방법의 점군 분할 방법을 설명하기 위한 도면.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
이하, 본 발명에 따른 라이다 스캐너에서 획득한 점군 정합 방법을 첨부한 도면을 참조하여 상세히 설명하기로 하며, 첨부한 도면을 참조하여 설명함에 있어서, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시예에 따른 라이다 스캐너에서 획득한 점군 정합 방법의 순서도이다. 그리고, 도 2는 본 발명의 일 실시예에 따른 라이다 스캐너에서 획득한 점군 정합 방법을 수행하는 점군 정합 장치의 블록도이고, 도 3은 본 발명의 일 실시예에 따른 라이다 스캐너에서 획득한 점군 정합 방법을 수행하는 라이다 스캐너의 구성도이다. 그리고, 도 4 및 도 5는 본 발명의 일 실시예에 따른 라이다 스캐너의 이동에 따른 오차 제거 방법을 설명하기 위한 도면이고, 도 6은 본 발명의 일 실시예에 따른 채널 획득 포인트 간 연결성 유무 확인 방법을 설명하기 위한 도면이며, 도 7은 본 발명의 일 실시예에 따른 라이다 스캐너에서 획득한 점군 정합 방법의 점군 분할 방법을 설명하기 위한 도면이다.
도 2 내지 도 7에는, 라이다 스캐너(12), 레이저 펄스(14), 천장(16), 바닥(18), 객체(20), 점군 데이터 베이스(22), 사전 정제부(24), ICP 정합부(26), 행렬 연산부(28)이 도시되어 있다.
본 실시예에 따른 라이다 스캐너(12)에서 획득한 점군 정합 방법은, 프로세서 상에서 구현되는 라이다(Lidar, Light detection and ranging) 스캐너(12)를 통해 획득한 점군(point cloud)의 정합 방법으로서, 한 스캔 지점의 n번째 소스 점군(point cloud)에 대해, 라이다 스캐너(12)의 이동 및 회전으로 인한 오류 제거 단계와; n번째 소스 점군에 대해, 라이다 스캐너(12)의 서로 인접한 채널에서 획득한 포인트 간의 연결성 유무를 확인하는 단계와; 연결성이 확인된 채널의 포인트 사이에 보간 포인트를 삽입하여 기 설정된 포인트 밀도의 n번째 정제된 점군을 획득하는 단계와; n번째 정제된 점군과 인접 스캔 지점의 정제된 점군에 정합하여 1차 변환 행렬을 산출하는 단계와; 1차 변환 행렬에 따라 n번째 소스 점군을 1차 변환시키는 단계를 포함한다.
도 2에는 본 실시예에 따른 라이다 스캐너에서 획득한 점군 정합 방법을 수행하는 점군 정합 장치의 블록도가 도시되어 있는데, 컴퓨터를 포함한 프로세스상에서 라이다 스캐너에서 획득한 점군 정합 방법이 구현될 수 있을 것이다.
라이다 스캐너는 측정 방식에 따라 Terrestrial Laser Scanning(TLS), Mobile Laser Scanning(MLS)으로 나뉘며, TLS는 고정된 위치에서 객체를 스캐닝하여 포인트 클라우드 데이터를 습득하는 라이다를 의미하며, MLS는 스캐너를 이동시키면서 객체의 포인트 클라우드 데이터를 습득하는 라이다(LiDAR)를 의미한다.
본 실시예에 따른 포인트 클라우드 데이터(이하 '점군'이라 함)는 건축물 등의 실내 공간에서 상술한 라이다 스캐너(12)가 여러 스캔 지점에서 순차적으로 획득한 점군을 포함하는 개념이다.
본 실시예에서는 MLS 방식의 라이다 스캐너(12)가 실내 공간을 이동하면서 획득한 점군에 대한 정합을 중심으로 설명하기로 한다.
도 3에는 본 실시예에 따른 라이다 스캐너에서 획득한 점군 정합 방법을 수행하는 라이다 스캐너가 도시되어 있는데, 원통 형상의 라이다 스캐너(12)가 360°로 회전하면서 실내 공간의 천장(16), 바닥(18), 객체(20) 등을 스캔하여 점군을 획득한다.
라이다 스캐너(12)에는 도 3에 도시된 바와 같이 종방향으로 여러 개의 채널이 배치되어 있으며 각 채널이 동시에 360°회전되면서 각 채널에서 점군을 획득한다. 라이다 스캐너(12)를 통해 획득한 점군은 각 포인트의 좌표 값과 어느 채널에서 레이저 펄스(14)가 나왔는지 알려주는 채널 번호를 포함한다.
이하에서는 설명의 편의를 위해 라이다 스캐너(12)가 실내 공간을 이동하면서 스캔할 때, 라이다 스캐너(12)가 한 바퀴(360°회전) 회전이 이루어질 때 모든 채널에 획득한 포인트의 집합을 '한 스캔 지점에서의 점군'이라고 정의한다.
이하에서는 도 1의 순서도에 따라 라이다 스캐너(12)에서 획득한 점군 정합 방법을 보다 자세히 살펴본다.
먼저, 한 스캔 지점의 n번째 소스 점군(point cloud)에 대해, 라이다 스캐너(12)의 이동 및 회전으로 인한 오차를 제거한다(S100). TLS 방식의 라이다 스캐너의 경우 라이다 스캐너 자체의 잠재적인 오차, MLS 방식의 라이다 스캐너의 경우 라이다 스캐너(12)의 이동 및 회전으로 인한 오차를 제거하는 단계이다. 라이다 스캐너(12)가 회전하면서 실내 공간을 이동하는 경우 진동이나 회전 등으로 인해 포인트의 좌표 값에 오차가 누적될 수 있다.
본 실시예에서는 한 스캔 지점에서 획득한 점군을 대상으로서 한 스캔의 회전 시작 점인 촬영 회전 각도의 0°와 한 스캔의 종료 점인 촬영 회전 각도 360°에서의 포인트 간의 총 오차를 모든 촬영 회전 각도의 포인트에 분배하여 촬영 각도 별 포인트의 누적 오차를 제거한다.
여기서, 'n번째 소스 점군'은 라이다 스캐너(12)에 의해 한 실내 공간에 대해 여러 번의 스캔이 진행될 때 그 중 임의의 한 스캔 지점의 점군으로서, n = 2, 3, 4, 5, 6, 7...를 만족한다.
도 4 및 도 5는 라이다 스캐너(12)의 이동에 따른 오차 제거 방법을 설명하기 위한 도면인데, 도 4에 도시된 바와 같이, 한 스캔 즉, 라이다 스캐너(12)가 360°회전한 경우 시작 점(Ps)과 종료 점(Pe) 차이에 오차가 발생하는데 이는 라이다 스캐너(12)의 한 바퀴 회전에 따라 발생한 누적된 총 오차로서, 이러한 총 오차를 도 5에 도시된 바와 같이 모든 촬영 회전 각도의 포인트에 분배하여 촬영 각도 별 포인트의 누적 오차를 제거할 수 있다. 다만, 라이다 스캐너(12)의 회전 및 이동에 의해 발생한 오차를 줄이기 위해 데이터를 보정하는 과정에서 데이터의 변형이 발생할 수 있는데, 이러한 데이터의 변형은 아래의 분할 ICP 정합 과정을 통해 데이터의 변형을 조정함으로써 정확도를 확보할 수 있다.
다음에, n번째 소스 점군에 대해, 라이다 스캐너(12)의 서로 인접한 채널에서 획득한 포인트 간의 연결성 유무를 확인한다(S200). 여기서, '연결성 유무 확인'이란, 실내 공간에 존재하는 동일한 객체를 스캔한 경우, 해당 객체 위에 존재하는 포인트는 각 채널 간 법선 벡터가 유사한 값을 지니고 있다는 특성을 활용한 것으로, 도 6을 참조하면, 천장(16), 바닥(18), 객체(20) 등 동일한 평면적인 객체를 스캐닝 할 시 서로 인접한 채널 사이의 포인트를 연결한 법선 벡터가 주변 법선 벡터와 유사한 방향을 향하지만, 다른 객체(20)를 스캐닝 할 시 법선 벡터가 급격하게 변함을 알 수 있다. 따라서, 서로 연결성이 존재하는 포인트는 동일한 평면 내에 존재함을 예측할 수 있다.
포인트 간의 연결성 유무를 확인하는 보다 자세한 방법은, 서로 인접한 채널에서 측정한 두 개의 포인트의 법선 벡터의 사이각과 기 설정된 기준각을 비교하여, 사이각이 기준각 보다 작은 경우 서로 인접한 상기 채널은 서로 연결성이 있다고 판단한다. 기준각은 필요에 따라 사용자가 미리 설정할 수 있다. 연결성이 확인된 포인트들은 하나의 평면을 구성하게 된다.
다음에, 포인트 밀도가 증가되도록 연결성이 확인된 채널의 포인트 사이에 보간 포인트를 삽입하여 n번째 정제된 점군을 획득한다(S300). 서로 인접한 정제된 점군 간의 정합 시, 포인트 간의 거리를 나타내는 포인트 밀도가 높아야 매칭 포인트를 쉽게 찾을 수 있으며 이를 통해 높은 정확도의 정합 결과를 얻을 수 있다. 따라서, 본 단계에서는 연결성이 확인된 채널의 포인트 사이에 보간 포인트를 삽입하여 포인트 밀도를 높이게 된다.
이때, 보간 포인트를 보간 포인트 간 거리(D)가 아래의 [식 1]을 만족하도록 연결성이 확인된 채널의 포인트 사이에 삽입하여 포인트 밀도를 증가시킨다.
[식 1]
Figure pat00002
여기서,
D = 보간 포인트 간 거리
O = 관측 최소 거리
θ = 최소 스캔 각도
여기서, 최소 스캔 각도(θ)는 라이더 스캐너(12)가 회전하면서 스캔할 때 포인트 데이터를 획득하는 최소 스캔 각도를 의미한다. 그리고, '관측 최소 거리(O)'는, 라이다 스캐너(12)의 스캐닝 과정에서 라이다 스캐너(12)를 이동시키는 관측자를 나타내는 포인트를 제거하기 위해 사전에 설정되는 값으로서, 관측 최소거리를 벗어난 객체만 스캐닝된다. 이를 통해 관측자를 나타내는 점군 데이터는 제거되고 실내 공간을 나타내는 점군 만을 스캔하도록 한다.
이상의 과정에서 살펴본 바와 같이, '정제된 점군'이란 실제 라이다 스캐너(12)에서 획득한 소스 점군에 대해 정합을 수행하기 전에, 실내 공간의 특성을 반영하여 사전에 위와 같은 처리를 수행하여 획득한 점군을 의미한다.
즉, 실내 공간의 벽, 천장, 바닥과 같은 구조부재가 가장 많은 포인트를 가지고 있고, 구조 부재가 서로 수직한다고 가정할 때, 법선 벡터의 히스토그램을 분석하여 가장 많은 수의 포인트가 가지는 법선 벡터를 구조 부재의 법선 벡터로 보고, 구조 부재의 법선 벡터를 가진 포인트와 해당 법선 벡터와 수직한 법선 벡터를 가진 포인트만 뽑아낸 점군을 정제된 점군이라 할 수 있다.
본 발명은 이와 같이 사전 정제된 점군을 인접 스캔 지점의 사전 정제된 점군 또는 사전 정제된 점군의 점군 데이터 베이스와 ICP 정합(Iterative Closest Point Registration) 과정에서 획득되는 병진 행렬, 회전 행렬 등의 변환 행렬을 이용하여 정제되지 않은 실제 소스 점군을 이동 또는 회전시킴으로써 소스 점군을 정합하는 것이다.
이하에서는 점군의 ICP 정합을 자세히 설명하기로 한다.
먼저, n번째 정제된 점군을 인접 스캔 지점의 정제된 점군에 ICP 정합(Iterative Closest Point Registration)하여 1차 변환 행렬을 산출한다(S400). ICP 정합은 점군 정합 방법 중 하나로서, 유사한 두 점군을 하나의 데이터로 합치기 위해 두 개의 점군에서 비교를 진행할 대표 포인트를 각각 선정하고, 대표 포인트 간의 거리가 최소 거리가 되도록 회전 및 이동을 반복적으로 하는 정합 방법이다.
본 단계는 연속된 인접 스캔 지점의 정제된 점군 간의 정합으로서, 인접한 스캔 지점의 소스 점군에서 상술한 방법에 따라 정제 과정을 거쳐 연결성 유무를 통해 평면을 찾고, 해당 평면에 일정한 포인트 밀도로 보간된 정제된 점군을 대상으로 ICP 정합을 진행하여 1차 변환 행렬을 산출한다.
보다 자세히 살펴보면, n번째 정제된 점군에서 대표 포인트를 선정하고, 인접 스캔 지점의 정제된 점군에서 대표 포인트에 대응되는 매칭 포인트를 선정한 후, 대표 포인트와 매칭 포인트의 최소 거리가 기 설정된 기준값 이하가 되도록 1차 변환 행렬을 산출한다. 이때, 1차 변환 행렬은 포인트의 이동 및 회전을 위한 병진 행렬, 회전 행렬을 포함한다.
다음에, 1차 변환 행렬에 따라 n번째 소스 점군을 1차 변환시킨다(S500). 서로 인접한 스캔 지점의 사전 정제된 점군 간의 ICP 정합 과정에서 획득된 1차 변환 행렬을 이용하여, 실제 n번째 소스 점군을 이동 및 회전시켜 1차 변환시킨다.
다음에, n번째 정제된 점군에 대해, 라이다 스캐너(12)의 촬영 회전 각도를 기 설정된 분할값으로 나누어 분할하고, 분할된 n번째 정제된 점군 각각에 대해 점군 데이터 베이스에 ICP 정합한다(S600). 이때 '점군 데이터 베이스'는 현 스캔 지점(n번째 지점)의 직전 스캔 지점까지(n-1번째 지점까지) 정제된 점군을 연속적으로 ICP 정합하여 축적된 데이터 베이스이다.
본 단계는 상술한 바와 같이 라이다 스캐너(12)의 이동 및 진동 등과 같은 스캔 당시의 문제로 인해, 360°회전 촬영 동안 데이터가 불규칙적인 변형으로 생긴 오류를 제거하기 위한 과정으로서, 연속적인 스캔 지점이 지는 유사성을 활용하여 오류가 발생한 지점을 최소화할 수 있다.
본 단계에서, 한 스캔 지점에서 획득하여 사전 정제가 이루어진 n번째 정제된 점군에 대해, 라이다 스캐너(12)의 촬영 회전 각도에 따른 포인트들을 기 설정된 분할값에 따라 나누어 분할하고, 분할된 상기 n번째 정제된 점군 각각을 점군 데이터 베이스에 ICP 정합한다. 이는 이전 스캔 지점까지 축적된 점군 데이터 베이스가 참값에 근접한다는 가정하에 분할된 n번째 정제된 점군 각각을 점군 데이터 베이스에 ICP 정합하여 근접시킴으로써 오차를 줄이는 것이다.
도 7에는 본 실시예에 따른 점군 분할된 점군이 모식적으로 도시되어 있는데, 예컨대, 도 7에 도시된 바와 같이 분할값이 4로 설정된 경우, 라이다 스캐너(12)의 촬영 회전 각도를 분할값 4로 4등분한다면, 촬영 회전 각도가 360°이므로 각 분할 당 90°가 된다. 따라서, 0° ~ 90°사이의 포인트들로 구성된 점군, 90°~180° 사이의 포인트들로 구성된 점군, 180°~270°사이의 포인트들로 구성된 점군 및 270°~ 360°사이의 포인트들로 구성된 점군으로 분할될 수 있다.
분할값이 클수록 정확도는 높아지지만, 분할 구간 별 포인트의 개수가 작아 지기 때문에 분할 구간 내부에 포인트 개수가 적거나 없는 경우가 발생할 수 있고 분할 구간의 포인트 개수가 적을 경우, 더욱 높은 오차가 발생할 수 있으므로 분할값을 적절히 결정할 필요가 있다.
본 단계에서 포인트 개수 차이가 큰 점군 데이터 베이스와의 정합에는 포인트와 평면 간 정합 방식(point-to-plane ICP)을 활용하는데, 앞서 진행된 서로 인접한 스캔 지점의 정제된 점군 간의 ICP 정합과는 다르게 점군 데이터 베이스와의 정합은 포인트 간 최소 거리보다는 법선 벡터를 기반으로 한 평면 간의 거리를 통한 정합이 진행된다.
주성분 분석을 통해 법선 벡터를 구한 후 주요 구조부재 인식 기준을 이용해 구조부재의 법선 벡터를 가진 포인트를 도출하고 이중 가장 많은 법선 벡터 집단을 천장으로 구분하고 이와 직교하는 법선 벡터를 가진 다른 구조 부재(벽, 바닥)를 구분한다. 이후 주요 구조 부재의 평면 간의 거리를 기반으로 스캔 지점 데이터와 데이터베이스의 정합을 진행한다.
물론, 상술한 서로 인접한 스캔 지점의 정제된 점군 간의 ICP 정합에 활용된 포인트 간의 거리가 최소가 되도록 하는 포인트간 정합 방식(point-to-point ICP)도 사용할 수 있다.
다음에, 분할 후 ICP 정합된 상기 n번째 정제된 점군을 점군 데이터 베이스에 다시 ICP 정합하여 2차 변환 행렬을 산출한다(S700). 상기의 분할 ICP 정합에 따라 오차가 제거된 n번째 정제된 점군 전체를 하나로 다시 묶은 뒤 이를 다시 점군 데이터 베이스와 다시 ICP 정합을 진행하여 2차 변환 행렬을 산출한다.
본 단계에서도 상기 분할 ICP 정합과 마찬가지로, 포인트와 평면 간 정합 방식(point-to-plane ICP)이나 포인트간 정합 방식(point-to-point ICP)이 사용될 수 있다.
다음에, 2차 변환 행렬에 따라 1차 변환된 n번째 소스 점군을 2차 변환한다(S800). 분할 ICP 정합 과정을 거친 n번째 정제된 점군 전체와 점군 데이터 베이스 간의 ICP 정합 과정에서 획득된 1차 변환 행렬을 이용하여, 1차 변환된 실제 n번째 소스 점군을 이동 및 회전시켜 2차 변환시켜 실제 n번째 소스 점군의 정합을 완료한다.
이상의 절차에 따라, 정합이 완료된 사전 정제된 점군을 기존 점군 데이터 베이스에 축적하여, 다음 스캔 지점의 데이터 정합에 필요한 점군 데이터 베이스를 구축한다.
도 2에는, 본 실시예에 따른 라이다 스캐너(12)에서 획득한 점군 정합 방법을 수행하는 점군 정합 장치의 블록도가 도시되어 있다.
점군 데이터 베이스(22)는, 현 스캔 지점(n번째 지점)의 직전 스캔 지점까지(n-1번째 지점까지) 정제된 점군을 연속적으로 ICP 정합하여 축적된 데이터 베이스가 저장된다. 직전 스캔 지점까지 정합이 완료된 점군 데이터 베이스와 현 스캔 지점의 정제된 점군을 비교하여 소스 점군을 변환시킴으로써 정합의 정밀도를 높일 수 있다.
사전 정제부(24)는, 한 스캔 지점에 획득된 소스 점군에 대해 ICP 정합 전 사전에 정제하는 구성으로서, 한 스캔 지점의 n번째 소스 점군(point cloud)에 대해, 라이다 스캐너(12)의 이동 및 회전으로 인한 오차를 제거하고, 라이다 스캐너(12)의 서로 인접한 채널에서 획득한 포인트 간의 연결성 유무를 확인하고, 연결성이 확인된 채널의 포인트 사이에 보간 포인트를 삽입하여 n번째 정제된 점군을 생성한다.
ICP 정합부(26)는, 사전 정제된 점군을 인접 스캔 지점의 사전 정제된 점군 또는 사전 정제된 점군의 점군 데이터 베이스와 ICP 정합(Iterative Closest Point Registration) 과정에서 획득되는 병진 행렬, 회전 행렬 등의 변환 행렬을 획득한다.
행렬 연산부(28)은, ICP 정합 과정에서 획득된 병진 행렬, 회전 행렬 등의 변환 행렬에 따라 소스 점군이 이동 및 회전되도록 변환 행렬을 연산한다.
이상에서는 본 발명의 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 쉽게 이해할 수 있을 것이다.
12: 라이다 스캐너 14: 레이저 펄스
16: 천장 18: 바닥
20: 객체 22: 점군 데이터 베이스
24: 사전 정제부 26: ICP 정합부
28: 행렬 연산부

Claims (8)

  1. 프로세서 상에서 구현되는 라이다(Lidar, Light detection and ranging) 스캐너를 통해 획득한 점군(point cloud)의 정합 방법으로서,
    한 스캔 지점의 n번째 소스 점군(point cloud)에 대해, 상기 라이다 스캐너의 이동 및 회전으로 인한 오차를 제거하는 단계와;
    상기 n번째 소스 점군에 대해, 상기 라이다 스캐너의 서로 인접한 채널에서 획득한 포인트 간의 연결성 유무를 확인하는 단계와;
    포인트 밀도가 증가되도록 연결성이 확인된 상기 채널의 상기 포인트 사이에 보간 포인트를 삽입하여 n번째 정제된 점군을 획득하는 단계와;
    상기 n번째 정제된 점군을 인접 스캔 지점의 정제된 점군에 ICP 정합(Iterative Closest Point Registration)하여 1차 변환 행렬을 산출하는 단계와;
    상기 1차 변환 행렬에 따라 상기 n번째 소스 점군을 1차 변환시키는 단계를 포함하는, 라이다 스캐너에서 획득한 점군 정합 방법.
  2. 제1항에 있어서,
    상기 라이다 스캐너의 이동 및 회전으로 인한 오류 제거 단계는,
    상기 라이다 스캐너의 촬영 회전 각도 0°와 360°에서의 포인트 간의 총 오차를 모든 촬영 각도의 포인트에 분배함으로써 수행되는 것을 특징으로 하는, 라이다 스캐너에서 획득한 점군 정합 방법.
  3. 제1항에 있어서,
    상기 서로 인접한 채널에서 획득한 상기 포인트 간의 연결성 유무를 확인하는 단계는,
    서로 인접한 채널에서 측정한 상기 포인트의 법선 벡터의 사이각과 기 설정된 기준각을 비교하여,
    상기 사이각이 상기 기준각 보다 작은 경우 서로 인접한 상기 채널은 서로 연결성이 있다고 판단하는 단계를 포함하는 것을 특징으로 하는, 라이다 스캐너에서 획득한 점군 정합 방법.
  4. 제1항에 있어서,
    상기 n번째 정제된 점군을 획득하는 단계는,
    보간 포인트 간 거리(D)가 아래의 [식 1]을 만족하도록 보간 포인트를 삽입함으로써 수행되는 것을 특징으로 하는, 라이다 스캐너에서 획득한 점군 정합 방법.

    [식 1]
    Figure pat00003

    여기서,
    D: 보간 포인트 간 거리
    O: 기 설정된 관측 최소 거리
    θ: 최소 스캔 각도
  5. 제1항에 있어서,
    상기 n번째 정제된 점군과 인접 스캔 지점의 정제된 점군에 정합하여 1차 변환 행렬을 산출하는 단계는,
    상기 n번째 정제된 점군에서 대표 포인트를 선정하고, 인접 스캔 지점의 정제된 점군에서 상기 대표 포인트에 대응되는 매칭 포인트를 선정하는 단계와;
    상기 대표 포인트와 상기 매칭 포인트의 최소 거리가 기 설정된 기준값 이하가 되도록 상기 1차 변환 행렬을 산출하는 단계를 포함하는, 라이다 스캐너에서 획득한 점군 정합 방법.
  6. 제1항에 있어서,
    상기 인접 스캔 지점의 정제된 점군에 ICP 정합하여 1차 변환 행렬을 산출하는 단계의 상기 1차 변환 행렬은,
    상기 한 스캔 지점의 직전 스캔 지점의 n-1번째 정제된 점군과 ICP 정합하여 산출되는 것을 특징으로 하는, 라이다 스캐너에서 획득한 점군 정합 방법.
  7. 제1항에 있어서,
    상기 n-1번째까지 상기 정제된 점군이 연속적으로 ICP 정합되어 점군 데이터 베이스가 형성되며,
    상기 1차 변환 행렬을 산출하는 단계 이후에,
    상기 n번째 정제된 점군에 대해 상기 라이다 스캐너의 촬영 회전 각도에 따른 포인트들을 기 설정된 분할값에 따라 나누어 분할하고, 분할된 상기 n번째 정제된 점군 각각을 상기 점군 데이터 베이스에 ICP 정합하는 단계와;
    분할 후 ICP 정합된 상기 n번째 정제된 점군을 상기 점군 데이터 베이스에 다시 ICP 정합하여 2차 변환 행렬을 산출하는 단계와;
    상기 2차 변환 행렬에 따라 상기 1차 변환된 n번째 소스 점군을 2차 변환하는 단계를 더 포함하는, 라이다 스캐너에서 획득한 점군 정합 방법.
  8. 제7항에 있어서,
    상기 점군 데이터 베이스에 다시 ICP 정합된 상기 n번째 정제된 점군을 상기 점군 데이터 베이스에 축적하는 단계를 더 포함하는, 라이다 스캐너에서 획득한 점군 정합 방법.
KR1020200126137A 2020-09-28 2020-09-28 라이다 스캐너에서 획득한 점군 정합 방법 KR102407425B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200126137A KR102407425B1 (ko) 2020-09-28 2020-09-28 라이다 스캐너에서 획득한 점군 정합 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200126137A KR102407425B1 (ko) 2020-09-28 2020-09-28 라이다 스캐너에서 획득한 점군 정합 방법

Publications (2)

Publication Number Publication Date
KR20220042833A true KR20220042833A (ko) 2022-04-05
KR102407425B1 KR102407425B1 (ko) 2022-06-10

Family

ID=81182208

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200126137A KR102407425B1 (ko) 2020-09-28 2020-09-28 라이다 스캐너에서 획득한 점군 정합 방법

Country Status (1)

Country Link
KR (1) KR102407425B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115097426A (zh) * 2022-08-24 2022-09-23 盟识科技(苏州)有限公司 车载激光雷达更换后的自动标定方法、存储介质及车辆
CN116643290A (zh) * 2023-06-16 2023-08-25 山西建筑工程集团有限公司 一种不规则轮廓的双平台运动补偿的计量方法和系统
CN117765048A (zh) * 2024-02-22 2024-03-26 吉林大学 一种基于跨模态融合的水下目标三维配准方法
CN117872330A (zh) * 2024-03-11 2024-04-12 安徽大学 面向复杂环境的无人驾驶多激光雷达标定与融合建图方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160044219A (ko) * 2014-10-15 2016-04-25 삼성중공업 주식회사 3차원 점군 생성 시스템 및 방법
KR20160149848A (ko) * 2015-06-19 2016-12-28 삼성중공업 주식회사 점군 정합 장치
KR20170020629A (ko) 2015-08-13 2017-02-23 삼성중공업 주식회사 점군 정합 장치
KR101989700B1 (ko) * 2017-12-07 2019-06-14 경북대학교 산학협력단 3차원 스캐닝을 통해 획득된 점군 데이터를 기반으로 피팅을 모델링하기 위한 3차원 모델링 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160044219A (ko) * 2014-10-15 2016-04-25 삼성중공업 주식회사 3차원 점군 생성 시스템 및 방법
KR20160149848A (ko) * 2015-06-19 2016-12-28 삼성중공업 주식회사 점군 정합 장치
KR20170020629A (ko) 2015-08-13 2017-02-23 삼성중공업 주식회사 점군 정합 장치
KR101989700B1 (ko) * 2017-12-07 2019-06-14 경북대학교 산학협력단 3차원 스캐닝을 통해 획득된 점군 데이터를 기반으로 피팅을 모델링하기 위한 3차원 모델링 장치 및 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115097426A (zh) * 2022-08-24 2022-09-23 盟识科技(苏州)有限公司 车载激光雷达更换后的自动标定方法、存储介质及车辆
CN116643290A (zh) * 2023-06-16 2023-08-25 山西建筑工程集团有限公司 一种不规则轮廓的双平台运动补偿的计量方法和系统
CN116643290B (zh) * 2023-06-16 2024-04-26 山西建筑工程集团有限公司 一种不规则轮廓的双平台运动补偿的计量方法和系统
CN117765048A (zh) * 2024-02-22 2024-03-26 吉林大学 一种基于跨模态融合的水下目标三维配准方法
CN117872330A (zh) * 2024-03-11 2024-04-12 安徽大学 面向复杂环境的无人驾驶多激光雷达标定与融合建图方法

Also Published As

Publication number Publication date
KR102407425B1 (ko) 2022-06-10

Similar Documents

Publication Publication Date Title
KR102407425B1 (ko) 라이다 스캐너에서 획득한 점군 정합 방법
RU2609434C2 (ru) Выявление расположения и местоположения объектов
Bitelli et al. Terrestrial laser scanning and digital photogrammetry techniques to monitor landslide bodies
Yang et al. An automated method to register airborne and terrestrial laser scanning point clouds
Dorninger et al. 3D segmentation of unstructured point clouds for building modelling
KR100995400B1 (ko) 지상 라이다를 이용한 건물 외곽선 추출 시스템 및 그 방법
Habib et al. Alternative methodologies for the internal quality control of parallel LiDAR strips
KR101265746B1 (ko) 지능형 굴삭 시스템을 위한 3차원 스캔 데이터의 자동 정합 방법
Habib et al. Integration of LIDAR and photogrammetry for close range applications
JP2006214893A (ja) 対象物測定方法及びコンピュータシステムを用いて対象物の三次元形状を計測するためのコンピュータソフトウエアプログラム
JP4568845B2 (ja) 変化領域認識装置
Fiorillo et al. Testing GoPro for 3D model reconstruction in narrow spaces
Arza-García et al. A hybrid photogrammetry approach for archaeological sites: Block alignment issues in a case study (the Roman camp of A Cidadela)
Razali et al. A hybrid point cloud reality capture from terrestrial laser scanning and UAV-photogrammetry
Sammartano et al. Oblique images and direct photogrammetry with a fixed wing platform: first test and results in Hierapolis of Phrygia (TK)
CN111006645A (zh) 基于运动与结构重建的无人机测绘方法
Maurice et al. A photogrammetric approach for map updating using UAV in Rwanda
KR102444879B1 (ko) 라이다(Lidar)를 이용한 실내 공간의 3차원 모델링 방법
KR101074277B1 (ko) 구조물 윤곽선 추출장치 및 방법
KR102050995B1 (ko) 공간좌표의 신뢰성 평가 장치 및 방법
JP2016057079A (ja) モデル化データ算出方法及びモデル化データ算出装置
Angelats et al. One step mobile mapping laser and camera data orientation and calibration
Panday Fitting of parametric building models to oblique aerial images
KR101189167B1 (ko) 메타정보 없는 단일 영상에서 3차원 개체정보 추출방법
Gonçalves et al. Planar projection of mobile laser scanning data in tunnels

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant