KR20230003960A - 스캔 데이터 자동 분석 및 처리방법 및 스캔 데이터 자동 분석 및 처리시스템 - Google Patents

스캔 데이터 자동 분석 및 처리방법 및 스캔 데이터 자동 분석 및 처리시스템 Download PDF

Info

Publication number
KR20230003960A
KR20230003960A KR1020210085649A KR20210085649A KR20230003960A KR 20230003960 A KR20230003960 A KR 20230003960A KR 1020210085649 A KR1020210085649 A KR 1020210085649A KR 20210085649 A KR20210085649 A KR 20210085649A KR 20230003960 A KR20230003960 A KR 20230003960A
Authority
KR
South Korea
Prior art keywords
data
matching
sector
scan
processing
Prior art date
Application number
KR1020210085649A
Other languages
English (en)
Other versions
KR102591562B1 (ko
Inventor
김석
박수열
김용건
최영준
Original Assignee
한국교통대학교산학협력단
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 한국교통대학교산학협력단 filed Critical 한국교통대학교산학협력단
Priority to KR1020210085649A priority Critical patent/KR102591562B1/ko
Publication of KR20230003960A publication Critical patent/KR20230003960A/ko
Application granted granted Critical
Publication of KR102591562B1 publication Critical patent/KR102591562B1/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
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003—Maps
    • G09B29/004—Map manufacture or repair; Tear or ink or water resistant maps; Long-life maps
    • 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
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10008—Still image; Photographic image from scanner, fax or copier

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Remote Sensing (AREA)
  • Databases & Information Systems (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Image Processing (AREA)
  • Instructional Devices (AREA)

Abstract

본 발명은, 건설 현장에 대한 분절된 대용량의 스캔 데이터를 자동으로 분석 및 처리하고 신뢰도 높은 현장 디지털 맵을 생성할 수 있는 새로운 방식의 자동화 기술을 실현하는, 스캔 데이터 자동 분석 및 처리방법 및 스캔 데이터 자동 분석 및 처리시스템을 제안하고 있다.

Description

스캔 데이터 자동 분석 및 처리방법 및 스캔 데이터 자동 분석 및 처리시스템{METHOD AND SYSTEM FOR SCAN DATA AUTOMATIC ANALYSIS AND PROCESSING}
본 발명은, 현장에 대한 분절된 대용량의 스캔 데이터를 자동으로 분석 및 처리하여 신뢰도 높은 현장 디지털 맵을 생성할 수 있는, 새로운 방식의 스캔 데이터 자동 분석 및 처리 기술을 실현하기 위한 것이다.
최근에는, 실제 현장에서 스캔 기기를 사용해 현장에 대한 스캔을 수행하고 스캔 데이터를 근거로 디지털 맵을 생성하여, 디지털 맵을 이용해 시뮬레이션을 진행하거나 현장을 관리하는 등 디지털 맵 기반의 다양한 서비스가 여러 분야에서 활용되고 있다.
이러한 디지털 맵 기반의 서비스는, 도시나 도로, 사무실과 같이 정형된 특징 점(예: 건물, 교차로, 출입구 등)이 있고 변경이 거의 없는 제한된 공간 뿐 아니라, 정형된 특징 점이 없고 시간에 따라 지형변화가 많은 토공, 건설이 진행되는 공간(이하, 건설 현장이라 함)에서도 활용될 수 있다.
헌데, 기존 기술에서는, 건설 현장에 활용할 디지털 맵을 생성하는 경우, 건설 현장에서 취득한 스캔 데이터 즉 3D PCD(Point Cloud Data)를 처리할 때, 상용 소프트웨어를 이용하는 수준에 그치고 있을 뿐, 건설 현장이 갖는 특성(정형된 특징 점이 없는 비정형성, 시간에 따른 지형변화 등)을 반영하기 위한 구체적인 기술을 구현/제공하지 못하고 있다.
이로 인해, 기존 기술에서는, 건설 현장의 특성이 비정형 지형이며 공사가 진척되는 시간에 따른 지형변화가 많고 스캔 시 취득되는 3D PCD의 용량이 큰데 반해, 디지털 맵 생성 시 건설 현장이 갖는 특징이 반영되지 않는 상용 소프트웨어를 이용하는 수준에 그치기 때문에, 인력에 의한 수작업 후 처리를 요구하여 수작업 의존도가 높은 단점이 있고, 수작업이 갖는 신뢰도 한계를 그대로 가질 수 밖에 없는 단점도 있다.
결국, 건설 현장에서 취득한 스캔 데이터로부터 건설 현장이 갖는 특성(정형된 특징 점이 없는 비정형성, 시간에 따른 지형변화 등)을 반영한 현장 디지털 맵을 자동으로 생성할 수 있는 기술이 필요한 상황이다.
이에, 본 발명에서는, 건설 현장에 대한 분절된 대용량의 스캔 데이터를 자동으로 분석 및 처리하여 신뢰도 높은 현장 디지털 맵을 생성할 수 있는, 새로운 방식의 스캔 데이터 자동 분석 및 처리 기술을 제안하고자 한다.
본 발명은 상기한 사정을 감안하여 창출된 것으로서, 본 발명에서 도달하고자 하는 목적은, 건설 현장에 대한 분절된 대용량의 스캔 데이터를 자동으로 분석 및 처리하여 신뢰도 높은 현장 디지털 맵을 생성할 수 있는, 새로운 방식의 스캔 데이터 자동 분석 및 처리 기술을 실현하는데 있다.
상기 목적을 달성하기 위한 본 발명의 일 관점에 따른 스캔 데이터 자동 분석 및 처리방법은, 현장을 섹터 별로 스캔한 섹터별 데이터에 대해, 기 정의된 Temporary 데이터를 식별하여 제거하는 데이터제거단계; 상기 Temporary 데이터를 제거한 섹터별 데이터에 특정 비정형 지형정합 알고리즘을 적용하여, 각 섹터를 정합한 정합 데이터로 생성하는 데이터정합단계; 및 상기 생성하는 정합 데이터를 생성 시점에 따라 시계열로 스토리지에 저장하는 저장단계; 및 시계열로 저장된 2 이상의 정합 데이터를 근거로, 상기 현장에 대한 지형변화를 탐지하는 지형변화탐지단계를 포함한다.
구체적으로, 상기 Temporary 데이터는, 상기 데이터에서 객체 인식을 통해 움직이는 장비, 인력으로 인식되는 데이터이거나, 또는 상기 데이터에서 지형으로 인식된 데이터를 제외한 데이터일 수 있다.
구체적으로, 상기 특정 비정형 지형정합 알고리즘은, 상기 섹터별 데이터에 대해, 각 데이터가 갖는 좌표정보를 근거로 데이터 간 오버랩 영역을 확인하고, 상기 오버랩 영역이 확인된 각 데이터에 대해, 상기 오버랩 영역에 대한 샘플링을 통해 오버랩 영역 내 점(Point) 개수를 줄이고, 상기 오버랩 영역이 확인된 각 데이터 중 하나의 데이터 내 상기 오버랩 영역에서 정합 기준점을 선택하고, 상기 오버랩 영역이 확인된 각 데이터 중 나머지 데이터에서 상기 정합 기준점과 매칭시킬 정합 타겟점을 결정한 후, 상기 정합 기준점에 상기 정합 타겟점이 일치되도록 상기 나머지 데이터를 이동시켜, 각 데이터가 정합되도록 할 수 있다.
구체적으로, 상기 정합 기준점은, 상기 오버랩 영역에 대하여 공간 셀 단위로 수행하는 샘플링 과정 중, 샘플링 전 대비 샘플링 후의 점 개수 감소율이 가장 큰 공간 셀의 점으로 선택될 수 있다.
구체적으로, 상기 저장단계는, 상기 생성하는 정합 데이터를 스토리지에 저장하면서 상기 정합 데이터 생성 시 제거한 Temporary 데이터에 대한 식별정보 데이터를 함께 저장하여, 상기 현장에 대한 관리 데이터로서 활용될 수 있게 한다.
구체적으로, 상기 현장에 대해 이종의 스캔기기에 의한 이종의 정합 데이터가 동일 시점에 생성되는 경우, 상기 이종의 정합 데이터를 하나의 정합 데이터로 통합하는 통합단계를 더 포함하며; 상기 저장단계에서 저장하는 정합 데이터는, 상기 이종의 정합 데이터를 하나로 통합한 정합 데이터일 수 있다.
구체적으로, 상기 데이터제거단계는, 상기 현장에 대한 전체 섹터들의 데이터를 대기하지 않고, 취득되는 섹터 단위의 데이터에 대해 취득 시점에 즉시 Temporary 데이터 식별 및 제거할 수 있다.
구체적으로, 상기 데이터정합단계는, 상기 전체 섹터들의 데이터에 대한 Temporary 데이터 식별 및 제거를 대기하지 않고, 섹터 단위의 데이터에 대해 Temporary 데이터 식별 및 제거가 처리되는 처리 시점에 즉시 상기 특정 비정형 지형정합 알고리즘을 적용할 수 있다.
상기 목적을 달성하기 위한 본 발명의 일 관점에 따른 스캔 데이터 자동 분석 및 처리시스템은, 현장을 섹터 별로 스캔한 섹터별 데이터에 대해, 기 정의된 Temporary 데이터를 식별하여 제거하는 데이터제거부; 상기 Temporary 데이터를 제거한 섹터별 데이터에 특정 비정형 지형정합 알고리즘을 적용하여, 각 섹터를 정합한 정합 데이터로 생성하는 데이터정합부; 및 상기 생성하는 정합 데이터를 생성 시점에 따라 시계열로 저장하는 스토리지; 및 시계열로 저장된 2 이상의 정합 데이터를 근거로, 상기 현장에 대한 지형변화를 탐지하는 지형변화탐지부를 포함한다.
구체적으로, 상기 Temporary 데이터는, 상기 데이터에서 객체 인식을 통해 움직이는 장비, 인력으로 인식되는 데이터이거나, 또는 상기 데이터에서 지형으로 인식된 데이터를 제외한 데이터일 수 있다.
구체적으로, 상기 특정 비정형 지형정합 알고리즘은, 상기 섹터별 데이터에 대해, 각 데이터가 갖는 좌표정보를 근거로 데이터 간 오버랩 영역을 확인하고, 상기 오버랩 영역이 확인된 각 데이터에 대해, 상기 오버랩 영역에 대한 샘플링을 통해 오버랩 영역 내 점(Point) 개수를 줄이고, 상기 오버랩 영역이 확인된 각 데이터 중 하나의 데이터 내 상기 오버랩 영역에서 정합 기준점을 선택하고, 상기 오버랩 영역이 확인된 각 데이터 중 나머지 데이터에서 상기 정합 기준점과 매칭시킬 정합 타겟점을 결정한 후, 상기 정합 기준점에 상기 정합 타겟점이 일치되도록 상기 나머지 데이터를 이동시켜, 각 데이터가 정합되도록 할 수 있다.
구체적으로, 상기 정합 기준점은, 상기 오버랩 영역에 대하여 공간 셀 단위로 수행하는 샘플링 과정 중, 샘플링 전 대비 샘플링 후의 점 개수 감소율이 가장 큰 공간 셀의 점으로 선택될 수 있다.
구체적으로, 상기 스토리지는, 상기 생성하는 정합 데이터를 스토리지에 저장하면서 상기 정합 데이터 생성 시 제거한 Temporary 데이터에 대한 식별정보 데이터를 함께 저장하여, 상기 현장에 대한 관리 데이터로서 활용될 수 있게 한다.
구체적으로, 상기 현장에 대해 이종의 스캔기기에 의한 이종의 정합 데이터가 동일 시점에 생성되는 경우, 상기 이종의 정합 데이터를 하나의 정합 데이터로 통합하는 통합부를 더 포함하며; 상기 저장단계에서 저장하는 정합 데이터는, 상기 이종의 정합 데이터를 하나로 통합한 정합 데이터일 수 있다.
구체적으로, 상기 데이터제거부는, 상기 현장에 대한 전체 섹터들의 데이터를 대기하지 않고, 취득되는 섹터 단위의 데이터에 대해 취득 시점에 즉시 Temporary 데이터 식별 및 제거할 수 있다.
구체적으로, 상기 데이터정합부는, 상기 전체 섹터들의 데이터에 대한 Temporary 데이터 식별 및 제거를 대기하지 않고, 섹터 단위의 데이터에 대해 Temporary 데이터 식별 및 제거가 처리되는 처리 시점에 즉시 상기 특정 비정형 지형정합 알고리즘을 적용할 수 있다.
이에, 본 발명에 의하면, 건설 현장의 특성을 반영하여, 건설 현장에 대한 분절된 대용량의 스캔 데이터를 자동으로 분석 및 처리하고 신뢰도 높은 현장 디지털 맵을 생성할 수 있는, 새로운 방식의 스캔 데이터 자동 분석 및 처리 기술을 실현할 수 있다.
이로 인해, 본 발명에 따르면, 건설 현장에 대해 수작업 없이도 신뢰도 높은 현장 디지털 맵을 자동 생성할 수 있기 때문에, 다양한 현장 관리 서비스의 구현에 활용할 수 있는 효과, 향후 건설 자동화에 기여하는 효과 등을 도출한다.
도 1은 본 발명의 일 실시예에 따른 스캔 데이터 자동 분석 및 처리시스템의 구성을 보여주는 블록도이다.
도 2는 본 발명에서 제공하는 비정형 지형정합 알고리즘의 프로세스를 보여주는 일 예시도이다.
도 3은 본 발명에서 제공하는 지형변화 탐지 알고리즘의 프로세스를 보여주는 일 예시도이다.
도 4는 본 발명의 일 실시예에 따른 스캔 데이터 자동 분석 및 처리방법의 동작 흐름을 보여주는 예시도이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예에 대하여 설명한다.
본 발명은, 현장에 대한 분절된 대용량의 스캔 데이터를 자동으로 분석 및 처리하여 신뢰도 높은 현장 디지털 맵을 생성할 수 있는, 새로운 방식의 스캔 데이터 자동 분석 및 처리 기술을 실현하기 위한 것이다.
최근에는, 실제 현장에서 스캔 기기를 사용해 현장에 대한 스캔을 수행하고 스캔 데이터를 근거로 디지털 맵을 생성하여, 디지털 맵을 이용해 시뮬레이션을 진행하거나 현장을 관리하는 등 디지털 맵 기반의 다양한 서비스가 여러 분야에서 활용되고 있다.
이러한 디지털 맵 기반의 서비스는, 도시나 도로, 사무실과 같이 정형된 특징 점(예: 건물, 교차로, 출입구 등)이 있고 변경이 거의 없는 제한된 공간 뿐 아니라, 정형된 특징 점이 없고 시간에 따라 지형변화가 많은 토공, 건설이 진행되는 공간(이하, 건설 현장이라 함)에서도 활용될 수 있다.
헌데, 기존 기술에서는, 건설 현장에 활용할 디지털 맵을 생성하는 경우, 건설 현장에서 취득한 스캔 데이터 즉 3D PCD(Point Cloud Data)를 처리할 때, 상용 소프트웨어를 이용하는 수준에 그치고 있을 뿐, 건설 현장이 갖는 특성(정형된 특징 점이 없는 비정형성, 시간에 따른 지형변화 등)을 반영하기 위한 구체적인 기술을 구현/제공하지 못하고 있다.
이로 인해, 기존 기술에서는, 건설 현장의 특성이 비정형 지형이며 공사가 진척되는 시간에 따른 지형변화가 많고 스캔 시 취득되는 3D PCD의 용량이 큰데 반해, 디지털 맵 생성 시 건설 현장이 갖는 특징이 반영되지 않는 상용 소프트웨어를 이용하는 수준에 그치기 때문에, 인력에 의한 수작업 후 처리를 요구하여 수작업 의존도가 높은 단점이 있고, 수작업이 갖는 신뢰도 한계를 그대로 가질 수 밖에 없는 단점도 있다.
결국, 건설 현장에서 취득한 스캔 데이터로부터 건설 현장이 갖는 특성(정형된 특징 점이 없는 비정형성, 시간에 따른 지형변화 등)을 반영한 현장 디지털 맵을 자동으로 생성할 수 있는 기술이 필요한 상황이다.
이에, 본 발명에서는, 건설 현장에 대한 분절된 대용량의 스캔 데이터를 자동으로 분석 및 처리하여 신뢰도 높은 현장 디지털 맵을 생성할 수 있는, 새로운 방식의 스캔 데이터 자동 분석 및 처리 기술을 제안하고자 한다.
도 1은 본 발명에서 제안하고자 하는 기술 방안을 실현하는 스캔 데이터 자동 분석 및 처리시스템의 구성을 보여주는 일 예시 블록도이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 스캔 데이터 자동 분석 및 처리시스템(100)은, 데이터제거부(120), 데이터정합부(130), 지형변화탐지부(140), 스토리지(150), 통합부(160)를 포함하여 구성될 수 있다.
이러한 스캔 데이터 자동 분석 및 처리시스템(100)의 구성 전체 내지는 적어도 일부는 하드웨어 모듈 형태 또는 소프트웨어 모듈 형태로 구현되거나, 하드웨어 모듈과 소프트웨어 모듈이 조합된 형태로도 구현될 수 있다.
여기서, 소프트웨어 모듈이란, 예컨대 스캔 데이터 자동 분석 및 처리시스템(100) 내에서 연산을 제어하는 프로세서에 의해 실행되는 명령어로 이해될 수 있으며, 이러한 명령어는 스캔 데이터 자동 분석 및 처리시스템(100) 내 메모리에 탑재된 형태를 가질 수 있을 것이다.
결국, 본 발명의 실시예에 따른 스캔 데이터 자동 분석 및 처리시스템(100)은, 전술한 구성을 통해, 본 발명에서 제안하는 기술 방안 즉 건설 현장에 대한 분절된 대용량 스캔 데이터를 자동으로 분석 및 처리하여 신뢰도 높은 현장 디지털 맵을 생성할 수 있는 기술을 실현하며, 이하에서는 이를 실현하기 위한 스캔 데이터 자동 분석 및 처리시스템(100) 내 각 구성에 대해 보다 구체적으로 설명하기로 한다.
데이터제거부(120)는, 현장을 섹터 별로 스캔한 섹터별 데이터에 대해, 기 정의된 Temporary 데이터를 식별하여 제거하는 기능을 담당한다.
구체적으로 설명하면, 도 1에서 알 수 있듯이, 본 발명의 스캔 데이터 자동 분석 및 처리시스템(100)은, 현장 계측 플랫폼을 이용하여, 실제 현장에서 스캔기기(10)를 사용해 스캔한 3D 스캔 데이터 즉 원시 데이터를 취득한다.
이때 도 1에 도시된 바와 같이, 서로 다른 이종의 스캔기기(예: UAV, UGV??)에 의해 스캔된 이종의 원시 데이터(예: 분리된 원시 UAV 점군 데이터, 분리된 원시 UGV 점군 데이터)를 취득할 수 있고, 이렇듯 취득한 이종의 원시 데이터(예: 분리된 원시 UAV 점군 데이터, 분리된 원시 UGV 점군 데이터)는 스토리지(150)에 저장될 수 있다.
한편, 토공, 건설이 진행되는 현장의 경우, 그 공간 범위가 크기 때문에 전체 현장을 건설 현장의 위치 별로 분절(섹터화)하고, 스캔기기(10)를 통해 섹터 단위로 스캔을 수행하게 된다.
이에, 도 1에 도시된 바와 같이, 본 발명에서는, 이종의 스캔기기(예: UAV, UGV??)에 의해, 현장을 섹터 별로 스캔한 이종의 원시 데이터(예: 분리된 원시 UAV 점군 데이터, 분리된 원시 UGV 점군 데이터)가 스토리지(150)에 저장될 수 있다.
이에, 본 발명의 스캔 데이터 자동 분석 및 처리시스템(100)은, 전술과 같이 취득/저장되는 섹터별 원시 데이터를, 현장에 대한 현장 디지털 맵 생성을 위해 디지털 맵 분석 통합 모듈로 가져온다.
이때, 본 발명에서는, 섹터별 원시 데이터(예: 분리된 원시 UAV 점군 데이터, 분리된 원시 UGV 점군 데이터)에 대한 자동 분석 및 처리에 적합하도록, 데이터 파일의 확장자를 동적으로 변환할 수 있다.
이후, 본 발명의 스캔 데이터 자동 분석 및 처리시스템(100) 내 구성된 디지털 맵 분석 통합 모듈은, 본 발명의 기술에서 정의한 자동 분석 및 처리 순서에 따라, 노이즈 제거, 객체 인식, 정합 절차를 수행하며, 이러한 절차 중 데이터제거부(120)는 객체 인식 절차와 관련이 있다.
구체적인 일 실시예를 설명하면, 현장을 스캔하여 취득한 3D 스캔 데이터는, 빛 반사, 해상도 등의 문제로 인해 불필요한 노이즈가 존재하는 상태이다.
본 발명의 스캔 데이터 자동 분석 및 처리시스템(100, 디지털 맵 분석 통합 모듈)은, 스토리지(150)에 섹터 단위의 3D 스캔 데이터 즉 원시 데이터가 저장되는 것이 확인되면, 즉시 저장된 섹터 단위의 원시 데이터를 가져오게 된다.
그리고, 본 발명의 스캔 데이터 자동 분석 및 처리시스템(100, 디지털 맵 분석 통합 모듈)은, 노이즈 제거를 위해 딥 러닝을 통해 기 훈련된 아키텍처를 기반으로, 취득/저장 시점에 즉시 가져온 섹터 단위의 원시 데이터를 입력하여 출력(Output)으로 노이즈가 제거된 데이터 즉 3D 스캔 데이터를 도출한다.
이후, 본 발명의 스캔 데이터 자동 분석 및 처리시스템(100, 디지털 맵 분석 통합 모듈)에서 데이터제거부(120)는, 전술과 같이 노이즈가 제거된 섹터 단위의 데이터 즉 3D 스캔 데이터에 대해, 기 정의된 Temporary 데이터를 식별하여 제거한다.
구체적으로 설명하면, 데이터제거부(120)의 목적은 현장에서 활동하는 다양한 장비와 인력들을 추가적으로 제거하고 현장의 지형 만이 존재하는 데이터를 얻기 위한 것이다.
이를 위해, 데이터제거부(120)는, 섹터별 데이터에 대해, 기 정의된 Temporary 데이터를 식별한다.
이때, Temporary 데이터는, 3D 스캔 데이터에서 객체 인식을 통해 움직이는 장비, 인력으로 인식되는 데이터일 수 있고, 또는 3D 스캔 데이터에서 지형으로 인식된 데이터를 제외한 데이터일 수 있다.
예컨대, 데이터제거부(120)는, 기존의 다양한 객체 인식 기술을 활용하여, 3D 스캔 데이터에서 장비, 인력(사람)으로 정의된 객체를 인식함으로써 Temporary 데이터를 식별할 수 있다.
또는, 데이터제거부(120)는, Temporary 데이터가 존재하지 않는 조건을 만족하도록 생성한 섹터별 3D 스캔 데이터를 기준으로, 금번 취득/저장 시점에 즉시 가져온 섹터 단위의 3D 스캔 데이터를 비교하여 지형으로 인식된 데이터를 제외한 데이터를 Temporary 데이터로서 식별할 수도 있다.
물론, 데이터제거부(120)는, 전술의 방식 외에도, 3D 스캔 데이터에서 기 정의된 Temporary 데이터(예: 장비, 인력)를 식별할 수 있는 기술 방식은 제한 없이 활용하여 동작할 수 있다.
이렇듯, 데이터제거부(120)는, 변화하지 않는 지형에 해당되는 데이터를 Permanent 데이터, 움직이는 장비, 인력에 해당되는 데이터를 한시적인 Temporary 데이터로 취급한다.
그리고, 데이터제거부(120)는, 3D 스캔 데이터에서 식별한 Temporary 데이터(예: 장비, 인력)를 제거(삭제)하고, 삭제하여 천공된 데이터를 대신하도록 정의된 방식(예: 천공 인접된 PCD 기반 보상)에 따라 천공된 데이터를 처리할 수 있다.
특히, 본 발명에서는, 현장에 대한 전체 섹터들의 원시 데이터를 대기하지 않고, 취득(저장)되는 섹터 단위의 원시 데이터에 대해 취득(저장) 시점에 즉시 노이즈 제거, Temporary 데이터 식별 및 제거를 수행함으로써, 현장의 지형 만이 존재하는 노이즈 없는 데이터를 빠르게 획득하고자 한다.
이를 위해, 데이터제거부(120)는, 현장에 대한 전체 섹터들의 데이터를 대기하지 않고, 섹터 단위의 데이터에 대해 노이즈가 제거되어 전달되는 취득 시점에 즉시 Temporary 데이터 식별 및 제거함으로써, 현장의 지형 만이 존재하는 데이터를 빠르게 처리할 수 있다.
데이터정합부(130)는, 데이터제거부(120)에 의해 Temporary 데이터를 제거한 섹터별 데이터에 특정 비정형 지형정합 알고리즘을 적용하여, 각 섹터를 정합한 정합 데이터로 생성하는 기능을 담당한다.
이러한 데이터정합부(130)는, 본 발명의 기술에서 정의한 자동 분석 및 처리 순서에 따른 절차(노이즈 제거, 객체 인식, 정합) 중에서, 정합 절차와 관련이 있다.
구체적으로 설명하면, 앞서 언급한 바 있듯이, 토공, 건설이 진행되는 현장의 경우, 그 공간 범위가 크기 때문에 전체 현장을 건설 현장의 위치 별로 분절(섹터화)하여 분절된 섹터 단위의 3D 스캔 데이터 즉 원시 데이터를 취득하고 있다.
기존에는, 현장에 대해 분절된 대용량의 3D 스캔 데이터를 인력(사람)이 육안으로 확인하여 정합할 대상 3D 스캔 데이터를 선택하여 이동시키고 정합 시 기준이 될 정합 기준점을 선택하는 등, 많은 수작업이 개입되어야 했다.
기존에는, 비정형적이며 시간에 따라 지형변화가 많은 토공, 건설이 진행되는 현장이 대상일 경우, 수작업에 의한 최적의 정합 기준점 선택이 쉽지 않으며 이로 인해 정합 정확도가 저하될 수 있는 한계점도 있었다.
이에, 본 발명에서는, 현장에 대해 분절된 대용량의 3D 스캔 데이터를 수작업 없이도 높은 정확도로 정합할 수 있는 특정 비정형 지형정합 알고리즘을 제안하고 있다.
구체적으로, 본 발명에서 제안하는 특정 비정형 지형정합 알고리즘은, 섹터별 데이터에 대해, 각 데이터가 갖는 좌표정보를 근거로 데이터 간 오버랩 영역을 확인하고, 오버랩 영역이 확인된 각 데이터에 대해, 상기 오버랩 영역에 대한 샘플링을 통해 오버랩 영역 내 점(Point) 개수를 줄이도록 정의된다.
그리고, 본 발명에서 제안하는 특정 비정형 지형정합 알고리즘은, 오버랩 영역이 확인된 각 데이터 중 하나의 데이터 내 오버랩 영역에서 정합 기준점을 선택하고, 오버랩 영역이 확인된 각 데이터 중 나머지 데이터에서 정합 기준점과 매칭시킬 정합 타겟점을 결정한 후, 정합 기준점에 정합 타겟점이 일치되도록 나머지 데이터를 이동시켜, 각 데이터가 정합되도록 정의된다.
이때, 정합 기준점은, 오버랩 영역에 대하여 공간 셀 단위로 수행하는 샘플링 과정 중, 샘플링 전 대비 샘플링 후의 점 개수 감소율이 가장 큰 공간 셀의 점으로 선택될 수 있다.
특히, 데이터정합부(130)는, 현장에 대한 전체 섹터들의 데이터에 대한 Temporary 데이터 식별 및 제거를 대기하지 않고, 섹터 단위의 데이터에 대해 Temporary 데이터 식별 및 제거가 처리되는 처리 시점에 즉시 특정 비정형 지형정합 알고리즘을 적용함으로써, 분절된 3D 스캔 데이터 간을 정합하는 정합 절차의 처리 속도를 개선할 수 있다.
일 실시예를 구체적으로 설명하면, 데이터정합부(130)는, 데이터제거부(120)에 의해 Temporary 데이터 식별 및 제거가 처리되는 처리 시점에 섹터 단위의 데이터가 전달되면, 특정 비정형 지형정합 알고리즘을 적용하여, 금번 전달된 섹터의 데이터 및 기 전달된 섹터의 데이터가 갖는 절대 좌표정보(예: 위/경도)를 근거로 데이터 간 오버랩 영역을 확인한다.
이하에서는 설명의 편의 상, 현장에 대한 섹터를 A,B,C,??Z라 하고, A,B 섹터의 데이터가 절대 좌표정보(예: 위/경도) 기준 오버랩 영역이 있는 데이터이며, A 섹터의 데이터가 기 전달되고 금번 B 섹터의 데이터가 전달된 경우로 가정하겠다.
이 경우, 데이터정합부(130)는, B 섹터 단위의 데이터가 전달되면, 금번 전달된 B 섹터의 데이터 및 기 전달된 섹터의 데이터가 갖는 절대 좌표정보(예: 위/경도)를 근거로 데이터 간 오버랩 영역을 확인하며, A,B 섹터의 데이터 간 오버랩 영역을 확인할 수 있다.
그리고 데이터정합부(130)는, 특정 비정형 지형정합 알고리즘에 따라, 오버랩 영역이 확인된 A,B 섹터의 각 데이터에 대해, 오버랩 영역에 대한 샘플링을 수행함으로써 오버랩 영역 내 점(Point) 개수를 줄일 수 있다.
예를 들면, 데이터정합부(130)는, 오버랩 영역에 대하여, 영역을 기 정의된 크기의 공간 셀로 구분하고, 공간 셀 별로 내부에 존재하는 점(Point)들을 평균 연산한 하나의 점(Point)로 변환하거나 공간 셀 별로 내부에 존재하는 점(Point)들 중 유사도가 기준치 이상인 점(Point)을 그룹핑하여 하나의 점(Point)로 변환하는 등의 다양한 샘플링을 수행함으로써, 오버랩 영역 내 점(Point) 개수를 줄일 수 있다.
이후, 데이터정합부(130)는, 특정 비정형 지형정합 알고리즘에 따라, 오버랩 영역이 확인된 A,B 섹터의 각 데이터 중 하나의 데이터 내 오버랩 영역에서 정합 기준점을 선택하고, 오버랩 영역이 확인된 A,B 섹터의 각 데이터 중 나머지 데이터에서 정합 기준점과 매칭시킬 정합 타겟점을 결정한다.
예를 들면, 데이터정합부(130)는, 오버랩 영역이 확인된 A,B 섹터의 각 데이터에 대해, 오버랩 영역의 공간 셀 단위로 수행하는 샘플링 과정 중에 샘플링 전 대비 샘플링 후의 점 개수 감소율이 가장 큰 공간 셀의 점을, 정합 기준점으로 선택할 수 있다.
이하에서는 설명의 편의 상, A,B 섹터의 각 데이터 중 A 섹터의 데이터에서 확인한 오버랩 영역 내 N개의 점이, 정합 기준점으로 선택된 경우로 설명하겠다.
이 경우, 데이터정합부(130)는, 오버랩 영역이 확인된 A,B 섹터의 각 데이터 중 나머지 B 섹터의 데이터에서 A 섹터의 데이터 내 선택된 정합 기준점과 매칭시킬 정합 타겟점을 결정한다.
예를 들면, 데이터정합부(130)는, A 섹터의 데이터 내 선택된 정합 기준점의 이웃 점들을 선택하고 이웃 점들의 기하학적 요소(곡면, 평면 등)을 가변 생성하면서, A 섹터의 데이터 내 정합 기준점/이웃 점들과 매칭되는 B 섹터의 데이터 내 오버랩 영역 점들을 검색하여 A 섹터의 데이터 내 정합 기준점과 매핑할 B 섹터의 데이터 내 정합 타겟점을 검색/결정할 수 있다.
이후, 데이터정합부(130)는, A 섹터의 데이터 내 정합 기준점에 B 섹터의 데이터 내 정합 타겟점이 일치되도록 B 섹터의 데이터를 이동시켜, A,B 섹터의 데이터가 정합되도록 할 수 있다.
이때, 데이터정합부(130)는, B 섹터의 데이터를 이동시키는 동안 각 대응 점의 거리 오차가 최소가 되도록 제한함수를 적용할 수 있다.
도 2는, 본 발명에서 제안하는 일 예에 따른 비정형 지형정합 알고리즘의 프로세스를 개념적으로 보여주고 있다.
도 2에서 알 수 있듯이, 본 발명에서 제안하는 비정형 지형정합 알고리즘에 따르면, 오버랩 영역에서 정합 기준점을 선택(Point selection)하고 이웃 점들을 선택한 후(neighborhood selection), 이웃 점들의 기하학적 요소(곡면, 평면 등)을 가변 생성하면서 점쌍 매칭을 수행하여(Pointpair matching) 정합 기준점과 매핑할 정합 타겟점을 검색/결정할 수 있다.
그리고, 본 발명에서 제안하는 비정형 지형정합 알고리즘에 따르면, 정합 기준점에 정합 타겟점이 일치되도록 데이터를 이동시키는 과정에서, 오정합점 제거(Outlier-rejection), 오차 최소화(Error-minimization) 등 각 대응 점의 거리 오차가 최소가 되도록 제한함수를 적용할 수 있고, 그 결과로서 변환 단계(Transformation)를 거쳐 각 섹터의 데이터가 정합된 정합 데이터를 생성할 수 있다.
이렇듯, 데이터정합부(130)는, Temporary 데이터 식별 및 제거가 처리되는 처리 시점에 전달되는 섹터 단위의 데이터에 특정 비정형 지형정합 알고리즘을 적용하여, 전술과 같은 절차를 통해 데이터 간 정합을 처리함으로써, 현장에 대한 전체 A,B,C,??Z 섹터별 데이터를 정합한 정합 데이터를 생성할 수 있다.
그리고, 데이터정합부(130)는, 생성한 정합 데이터를 스토리지(150)에 생성 시점에 따라 시계열로 저장할 수 있다.
이때, 스토리지(150)는, 정합 데이터를 스토리지(150)에 저장하면서, 정합 데이터 생성 시 제거한 Temporary 데이터에 대한 식별정보 데이터(예: 객체정보)를 함께 저장하여, 현장에 대한 관리 데이터로서 활용될 수 있게 할 수도 있다.
한편, 본 발명의 스캔 데이터 자동 분석 및 처리시스템(100, 디지털 맵 분석 통합 모듈)은, 이종의 스캔기기(예: UAV, UGV??)에 의해 스캔된 이종의 원시 데이터(예: 원시 UAV 점군 데이터, 원시 UGV 점군 데이터)를 대상으로 할 경우, 전술의 노이즈 제거, 객체 인식, 데이터 정합의 절차를 원시 데이터 종류 별로 각기 수행하여, 이종의 정합 데이터로서 정합된 UAV 점군 데이터, 정합된 UGV 점군 데이터를 생성할 수 있다.
이에, 스토리지(150)에는, 현장에 대해 분절된 3D 데이터를 자동으로 분석 및 처리하여 생성한 정합 데이터로서, 이종의 정합된 UAV 점군 데이터(+객체정보), 정합된 UGV 점군 데이터(+객체정보)가 시계열에 따라 저장될 수 있다.
통합부(160)은, 현장에 대해 이종의 스캔기기(10)에 의한 이종의 정합 데이터(예: 정합된 UAV 점군 데이터, 정합된 UGV 점군 데이터)가 동일 시점에 생성되는 경우, 이종의 정합 데이터를 하나의 정합 데이터로 통합하는 기능을 담당한다.
여기서 동일 시점이란 동일하다고 간주할 수 있는 수준의 시간 간격을 의미하며, 통합부(160)은, 시계열 저장된 이종의 정합 데이터 간 생성 시점이 해당 시간 간격 이내의 차이를 갖는다면 동일 시점으로 보고 해당 이종의 정합 데이터를 통합할 수 있다.
이상 설명한 바와 같이, 본 발명에 따르면, 건설 현장의 특성(비정형성, 시간에 따른 지형변화 등)을 반영한 노이즈 제거, 객체 인식, 데이터 정합을 자동화한 구체적 구성을 통해, 건설 현장에 대한 분절된 대용량의 3D 스캔 데이터를 신뢰도 높은 현장 디지털 맵(정합 데이터)으로 생성할 수 있고, 이렇듯 생성한 현장 디지털 맵을 시계열에 따라 관리할 수 있는 기술을 실현하고 있다.
더 나아가, 지형변화탐지부(140)는, 스토리지(150)에 시계열로 저장된 2 이상의 정합 데이터를 근거로, 현장에 대한 지형변화를 탐지하는 기능을 담당한다.
구체적으로, 지형변화탐지부(140)는, 스토리지(150)에 시계열로 저장된 2 이상의 현장 디지털 맵(통합된 시계열 점군 데이터 n-2, n-1, n,??)이 확인되면, 확인한 2 이상의 현장 디지털 맵(통합된 시계열 점군 데이터 n-2, n-1, n,??) 간을 비교하여 시간 변화에 따른 현장의 지형변화를 탐지할 수 있다.
예를 들면, 도 3에 도시된 바와 같이, 시계열로 저장된 데이터 즉, 현장 디지털 맵(통합된 시계열 점군 데이터)으로서 n-1(reference pcd)와 현 시점에 생성된 현장 디지털 맵(통합된 시계열 점군 데이터)으로서의 n(compared pcd)에 대해, 점의 특성을 반영한 비교 알고리즘을 도입하여 점 간의 효과적인 비교를 통하여 현 시점의 지형변화 n(change information)을 탐지할 수 있다.
그리고 지형변화탐지부(140)는, 탐지한 지형변화에 대한 데이터 즉 점군 데이터 변화지형 정보로서 n(change information)를 스토리지(150)에 저장함으로써, 추후 현장에 대한 관리 데이터로서 활용될 수 있게 한다.
이상 설명한 바와 같이, 본 발명에 따르면, 건설 현장의 특성(비정형성, 시간에 따른 지형변화 등)을 반영하여, 건설 현장에 대한 분절된 대용량의 3D 스캔 데이터를 신뢰도 높은 현장 디지털 맵으로 자동 생성하는 기술 실현을 근거로, 시간에 따른 지형변화에 대한 정보 및 현장 객체에 대한 정보 등을 활용하여 건설 현장 데이터를 효율적으로 분석 가능하게 하며, 이를 다양한 현장 관리 서비스의 구현에 활용할 수 있는 효과, 향후 건설 자동화에 기여하는 효과 등을 도출할 수 있다.
이하에서는, 도 4를 참조하여, 본 발명의 일 실시예에 따른 스캔 데이터 자동 분석 및 처리방법의 동작 흐름을 구체적으로 설명하겠다.
먼저, 설명의 편의를 위해, 본 발명의 스캔 데이터 자동 분석 및 처리방법이 동작이 주체로서 스캔 데이터 자동 분석 및 처리시스템(100)을 언급하여 설명하겠다.
토공, 건설이 진행되는 현장의 경우, 그 공간 범위가 크기 때문에 전체 현장을 건설 현장의 위치 별로 분절(섹터화)하고, 스캔기기(10)를 통해 섹터 단위로 스캔을 수행하게 된다.
이에, 도 1에 도시된 바와 같이, 본 발명에서는, 이종의 스캔기기(예: UAV, UGV??)에 의해, 현장을 섹터 별로 스캔한 이종의 원시 데이터(예: 분리된 원시 UAV 점군 데이터, 분리된 원시 UGV 점군 데이터)가 취득되어 스토리지(150)에 저장될 수 있다(S10).
섹터별 원시 데이터(예: 분리된 원시 UAV 점군 데이터, 분리된 원시 UGV 점군 데이터)에 대한 자동 분석 및 처리에 적합하도록, 데이터 파일의 확장자를 동적으로 변환할 수 있다.
이에, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 전술과 같이 취득/저장되는 섹터별 원시 데이터에 대해, 본 발명의 기술에서 정의한 자동 분석 및 처리 순서에 따라, 노이즈 제거, 객체 인식, 정합 절차를 수행한다(S20).
구체적인 실시예를 설명하면, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 스토리지(150)에 섹터 단위의 3D 스캔 데이터 즉 원시 데이터가 저장되는 것이 확인되면, 즉시 저장된 섹터 단위의 원시 데이터를 가져오게 된다.
그리고, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 노이즈 제거를 위해 딥 러닝을 통해 기 훈련된 아키텍처를 기반으로, 취득/저장 시점에 즉시 가져온 섹터 단위의 원시 데이터를 입력하여 출력(Output)으로 노이즈가 제거된 데이터 즉 3D 스캔 데이터를 도출한다.
이후, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 전술과 같이 노이즈가 제거된 섹터 단위의 데이터 즉 3D 스캔 데이터에 대해, 기 정의된 Temporary 데이터를 식별하여 제거한다.
이때, Temporary 데이터는, 3D 스캔 데이터에서 객체 인식을 통해 움직이는 장비, 인력으로 인식되는 데이터일 수 있고, 또는 3D 스캔 데이터에서 지형으로 인식된 데이터를 제외한 데이터일 수 있다.
예컨대, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 기존의 다양한 객체 인식 기술을 활용하여, 3D 스캔 데이터에서 장비, 인력(사람)으로 정의된 객체를 인식함으로써 Temporary 데이터를 식별할 수 있다.
또는, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, Temporary 데이터가 존재하지 않는 조건을 만족하도록 생성한 섹터별 3D 스캔 데이터를 기준으로, 금번 취득/저장 시점에 즉시 가져온 섹터 단위의 3D 스캔 데이터를 비교하여 지형으로 인식된 데이터를 제외한 데이터를 Temporary 데이터로서 식별할 수도 있다.
물론, 본 발명에서는,전술의 방식 외에도, 3D 스캔 데이터에서 기 정의된 Temporary 데이터(예: 장비, 인력)를 식별할 수 있는 기술 방식은 제한 없이 활용하여 동작할 수 있다.
그리고, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 3D 스캔 데이터에서 식별한 Temporary 데이터(예: 장비, 인력)를 제거(삭제)하고, 삭제하여 천공된 데이터를 대신하도록 정의된 방식(예: 천공 인접된 PCD 기반 보상)에 따라 천공된 데이터를 처리할 수 있다.
특히, 본 발명에서는, 현장에 대한 전체 섹터들의 원시 데이터를 대기하지 않고, 취득(저장)되는 섹터 단위의 원시 데이터에 대해 취득(저장) 시점에 즉시 노이즈 제거, Temporary 데이터 식별 및 제거를 수행함으로써, 현장의 지형 만이 존재하는 노이즈 없는 데이터를 빠르게 획득하고자 한다.
이를 위해, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 현장에 대한 전체 섹터들의 데이터를 대기하지 않고, 섹터 단위의 데이터에 대해 노이즈가 제거되어 전달되는 취득 시점에 즉시 Temporary 데이터 식별 및 제거함으로써, 현장의 지형 만이 존재하는 데이터를 빠르게 처리할 수 있다.
이후, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, Temporary 데이터를 제거한 섹터별 데이터에 특정 비정형 지형정합 알고리즘을 적용하여, 각 섹터를 정합한 정합 데이터로 생성할 수 있다.
구체적으로 설명하면, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, Temporary 데이터 식별 및 제거가 처리되는 처리 시점에 섹터 단위의 데이터가 전달되면, 특정 비정형 지형정합 알고리즘을 적용하여, 금번 전달된 섹터의 데이터 및 기 전달된 섹터의 데이터가 갖는 절대 좌표정보(예: 위/경도)를 근거로 데이터 간 오버랩 영역을 확인한다.
이하에서는 설명의 편의 상, 현장에 대한 섹터를 A,B,C,??Z라 하고, A,B 섹터의 데이터가 절대 좌표정보(예: 위/경도) 기준 오버랩 영역이 있는 데이터이며, A 섹터의 데이터가 기 전달되고 금번 B 섹터의 데이터가 전달된 경우로 가정하겠다.
이 경우, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, B 섹터 단위의 데이터가 전달되면, 금번 전달된 B 섹터의 데이터 및 기 전달된 섹터의 데이터가 갖는 절대 좌표정보(예: 위/경도)를 근거로 데이터 간 오버랩 영역을 확인하며, A,B 섹터의 데이터 간 오버랩 영역을 확인할 수 있다.
그리고 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 특정 비정형 지형정합 알고리즘에 따라, 오버랩 영역이 확인된 A,B 섹터의 각 데이터에 대해, 오버랩 영역에 대한 샘플링을 수행함으로써 오버랩 영역 내 점(Point) 개수를 줄일 수 있다.
예를 들면, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 오버랩 영역에 대하여, 영역을 기 정의된 크기의 공간 셀로 구분하고, 공간 셀 별로 내부에 존재하는 점(Point)들을 평균 연산한 하나의 점(Point)로 변환하거나 공간 셀 별로 내부에 존재하는 점(Point)들 중 유사도가 기준치 이상인 점(Point)을 그룹핑하여 하나의 점(Point)로 변환하는 등의 다양한 샘플링을 수행함으로써, 오버랩 영역 내 점(Point) 개수를 줄일 수 있다.
이후, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 특정 비정형 지형정합 알고리즘에 따라, 오버랩 영역이 확인된 A,B 섹터의 각 데이터 중 하나의 데이터 내 오버랩 영역에서 정합 기준점을 선택하고, 오버랩 영역이 확인된 A,B 섹터의 각 데이터 중 나머지 데이터에서 정합 기준점과 매칭시킬 정합 타겟점을 결정한다.
예를 들면, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 오버랩 영역이 확인된 A,B 섹터의 각 데이터에 대해, 오버랩 영역의 공간 셀 단위로 수행하는 샘플링 과정 중에 샘플링 전 대비 샘플링 후의 점 개수 감소율이 가장 큰 공간 셀의 점을, 정합 기준점으로 선택할 수 있다.
이하에서는 설명의 편의 상, A,B 섹터의 각 데이터 중 A 섹터의 데이터에서 확인한 오버랩 영역 내 N개의 점이, 정합 기준점으로 선택된 경우로 설명하겠다.
이 경우, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 오버랩 영역이 확인된 A,B 섹터의 각 데이터 중 나머지 B 섹터의 데이터에서 A 섹터의 데이터 내 선택된 정합 기준점과 매칭시킬 정합 타겟점을 결정한다.
예를 들면, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, A 섹터의 데이터 내 선택된 정합 기준점의 이웃 점들을 선택하고 이웃 점들의 기하학적 요소(곡면, 평면 등)을 가변 생성하면서, A 섹터의 데이터 내 정합 기준점/이웃 점들과 매칭되는 B 섹터의 데이터 내 오버랩 영역 점들을 검색하여 A 섹터의 데이터 내 정합 기준점과 매핑할 B 섹터의 데이터 내 정합 타겟점을 검색/결정할 수 있다.
이후, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, A 섹터의 데이터 내 정합 기준점에 B 섹터의 데이터 내 정합 타겟점이 일치되도록 B 섹터의 데이터를 이동시켜, A,B 섹터의 데이터가 정합되도록 할 수 있다.
이때, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, B 섹터의 데이터를 이동시키는 동안 각 대응 점의 거리 오차가 최소가 되도록 제한함수를 적용할 수 있다.
이렇듯, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, Temporary 데이터 식별 및 제거가 처리되는 처리 시점에 전달되는 섹터 단위의 데이터에 특정 비정형 지형정합 알고리즘을 적용하여, 전술과 같은 절차를 통해 데이터 간 정합을 처리함으로써, 현장에 대한 전체 A,B,C,??Z 섹터별 데이터를 정합한 정합 데이터를 생성할 수 있다.
그리고, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 생성한 정합 데이터를 스토리지(150)에 생성 시점에 따라 시계열로 저장할 수 있다(S40).
이때, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 정합 데이터를 스토리지(150)에 저장하면서, 정합 데이터 생성 시 제거한 Temporary 데이터에 대한 식별정보 데이터(예: 객체정보)를 함께 저장하여, 현장에 대한 관리 데이터로서 활용될 수 있게 할 수도 있다(S40).
한편, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 이종의 스캔기기(예: UAV, UGV??)에 의해 스캔된 이종의 원시 데이터(예: 원시 UAV 점군 데이터, 원시 UGV 점군 데이터)를 대상으로 할 경우, 전술의 S20단계에서 노이즈 제거, 객체 인식, 데이터 정합의 절차를 원시 데이터 종류 별로 각기 수행하여, 이종의 정합 데이터로서 정합된 UAV 점군 데이터, 정합된 UGV 점군 데이터를 생성할 수 있다.
이에, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 현장에 대해 분절된 3D 데이터를 자동으로 분석 및 처리하여 생성한 정합 데이터로서, 이종의 정합된 UAV 점군 데이터(+객체정보), 정합된 UGV 점군 데이터(+객체정보)를 생성하며, 이렇듯 현장에 대해 이종의 스캔기기(10)에 의한 이종의 정합 데이터(예: 정합된 UAV 점군 데이터, 정합된 UGV 점군 데이터)가 동일 시점에 생성되는 경우 이종의 정합 데이터를 하나의 정합 데이터로 통합한다(S30).
그리고, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 하나로 통합한 정합 데이터를 스토리지(150)에 시계열에 따라 저장하며, 관련하여 식별정보 데이터(예: 객체정보)를 함께 저장할 수 있다(S40).
이상 설명한 바와 같이, 본 발명에 따르면, 건설 현장의 특성(비정형성, 시간에 따른 지형변화 등)을 반영한 노이즈 제거, 객체 인식, 데이터 정합을 자동화한 구체적 구성을 통해, 건설 현장에 대한 분절된 대용량의 3D 스캔 데이터를 신뢰도 높은 현장 디지털 맵(정합 데이터)으로 생성할 수 있고, 이렇듯 생성한 현장 디지털 맵을 시계열에 따라 관리할 수 있는 기술을 실현하고 있다.
더 나아가, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 스토리지(150)에 시계열로 저장된 2 이상의 정합 데이터를 근거로, 현장에 대한 지형변화를 탐지할 수 있다(S50).
구체적으로, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 스토리지(150)에 시계열로 저장된 2 이상의 현장 디지털 맵(통합된 시계열 점군 데이터 n-2, n-1, n,??)이 확인되면, 확인한 2 이상의 현장 디지털 맵(통합된 시계열 점군 데이터 n-2, n-1, n,??) 간을 비교하여 시간 변화에 따른 현장의 지형변화를 탐지할 수 있다.
그리고 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 탐지한 지형변화에 대한 데이터 즉 점군 데이터 변화지형 정보를 스토리지(150)에 저장함으로써, 추후 현장에 대한 관리 데이터로서 활용될 수 있게 한다(S50).
이렇게 되면, 본 발명의 스캔 데이터 자동 분석 및 처리방법에 따르면, 스캔 데이터 자동 분석 및 처리시스템(100)은, 자동 생성한 현장 디지털 맵, 시간에 따른 지형변화, 현장의 객체 식별 등을 다양한 현장 관리 서비스의 구현에 활용할 수 있도록 한다.
이상 설명한 바와 같이 본 발명에 따르면, 건설 현장의 특성(비정형성, 시간에 따른 지형변화 등)을 반영한 노이즈 제거, 객체 인식, 데이터 정합을 자동화한 구체적 구성을 통해, 건설 현장에 대한 분절된 대용량의 3D 스캔 데이터를 신뢰도 높은 현장 디지털 맵으로 생성할 수 있고, 이렇듯 생성한 현장 디지털 맵을 시계열에 따라 관리할 수 있는 기술을 실현하고 있다.
이렇듯, 본 발명에 따르면, 건설 현장의 특성(비정형성, 시간에 따른 지형변화 등)을 반영하여, 건설 현장에 대한 분절된 대용량의 3D 스캔 데이터를 신뢰도 높은 현장 디지털 맵으로 자동 생성하는 기술 실현을 근거로, 시간에 따른 지형변화에 대한 정보 및 현장 객체에 대한 정보 등을 활용하여 건설 현장 데이터를 효율적으로 분석 가능하게 하며, 이를 다양한 현장 관리 서비스의 구현에 활용할 수 있는 효과, 향후 건설 자동화에 기여하는 효과 등을 도출할 수 있다.
위 설명한 본 발명의 일 실시예에 따른 스캔 데이터 자동 분석 및 처리방법은, 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 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 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
지금까지 본 발명을 바람직한 실시 예를 참조하여 상세히 설명하였지만, 본 발명이 상기한 실시 예에 한정되는 것은 아니며, 이하의 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 또는 수정이 가능한 범위까지 본 발명의 기술적 사상이 미친다 할 것이다.
본 발명의 스캔 데이터 자동 분석 및 처리방법 및 스캔 데이터 자동 분석 및 처리시스템에 따르면, 건설 현장에 대한 분절된 대용량의 스캔 데이터를 자동으로 분석 및 처리하고 신뢰도 높은 현장 디지털 맵을 생성할 수 있는 새로운 방식의 자동화 기술을 실현하는 점에서, 기존 기술의 한계를 뛰어 넘음에 따라 관련 기술에 대한 이용만이 아닌 적용되는 장치의 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있는 발명이다.

Claims (16)

  1. 현장을 섹터 별로 스캔한 섹터별 데이터에 대해, 기 정의된 Temporary 데이터를 식별하여 제거하는 데이터제거단계;
    상기 Temporary 데이터를 제거한 섹터별 데이터에 특정 비정형 지형정합 알고리즘을 적용하여, 각 섹터를 정합한 정합 데이터로 생성하는 데이터정합단계; 및
    상기 생성하는 정합 데이터를 생성 시점에 따라 시계열로 스토리지에 저장하는 저장단계; 및
    시계열로 저장된 2 이상의 정합 데이터를 근거로, 상기 현장에 대한 지형변화를 탐지하는 지형변화탐지단계를 포함하는 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리방법.
  2. 제 1 항에 있어서,
    상기 Temporary 데이터는,
    상기 데이터에서 객체 인식을 통해 움직이는 장비, 인력으로 인식되는 데이터이거나, 또는 상기 데이터에서 지형으로 인식된 데이터를 제외한 데이터인 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리방법.
  3. 제 1 항에 있어서,
    상기 특정 비정형 지형정합 알고리즘은,
    상기 섹터별 데이터에 대해, 각 데이터가 갖는 좌표정보를 근거로 데이터 간 오버랩 영역을 확인하고,
    상기 오버랩 영역이 확인된 각 데이터에 대해, 상기 오버랩 영역에 대한 샘플링을 통해 오버랩 영역 내 점(Point) 개수를 줄이고,
    상기 오버랩 영역이 확인된 각 데이터 중 하나의 데이터 내 상기 오버랩 영역에서 정합 기준점을 선택하고, 상기 오버랩 영역이 확인된 각 데이터 중 나머지 데이터에서 상기 정합 기준점과 매칭시킬 정합 타겟점을 결정한 후, 상기 정합 기준점에 상기 정합 타겟점이 일치되도록 상기 나머지 데이터를 이동시켜, 각 데이터가 정합되도록 하는 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리방법.
  4. 제 3 항에 있어서,
    상기 정합 기준점은,
    상기 오버랩 영역에 대하여 공간 셀 단위로 수행하는 샘플링 과정 중, 샘플링 전 대비 샘플링 후의 점 개수 감소율이 가장 큰 공간 셀의 점으로 선택되는 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리방법.
  5. 제 1 항에 있어서,
    상기 저장단계는,
    상기 생성하는 정합 데이터를 스토리지에 저장하면서 상기 정합 데이터 생성 시 제거한 Temporary 데이터에 대한 식별정보 데이터를 함께 저장하여, 상기 현장에 대한 관리 데이터로서 활용될 수 있게 하는 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리방법.
  6. 제 1 항에 있어서,
    상기 현장에 대해 이종의 스캔기기에 의한 이종의 정합 데이터가 동일 시점에 생성되는 경우, 상기 이종의 정합 데이터를 하나의 정합 데이터로 통합하는 통합단계를 더 포함하며;
    상기 저장단계에서 저장하는 정합 데이터는,
    상기 이종의 정합 데이터를 하나로 통합한 정합 데이터인 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리방법.
  7. 제 1 항에 있어서,
    상기 데이터제거단계는,
    상기 현장에 대한 전체 섹터들의 데이터를 대기하지 않고, 취득되는 섹터 단위의 데이터에 대해 취득 시점에 즉시 Temporary 데이터 식별 및 제거하는 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리방법.
  8. 제 7 항에 있어서,
    상기 데이터정합단계는,
    상기 전체 섹터들의 데이터에 대한 Temporary 데이터 식별 및 제거를 대기하지 않고, 섹터 단위의 데이터에 대해 Temporary 데이터 식별 및 제거가 처리되는 처리 시점에 즉시 상기 특정 비정형 지형정합 알고리즘을 적용하는 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리방법.
  9. 현장을 섹터 별로 스캔한 섹터별 데이터에 대해, 기 정의된 Temporary 데이터를 식별하여 제거하는 데이터제거부;
    상기 Temporary 데이터를 제거한 섹터별 데이터에 특정 비정형 지형정합 알고리즘을 적용하여, 각 섹터를 정합한 정합 데이터로 생성하는 데이터정합부; 및
    상기 생성하는 정합 데이터를 생성 시점에 따라 시계열로 저장하는 스토리지; 및
    시계열로 저장된 2 이상의 정합 데이터를 근거로, 상기 현장에 대한 지형변화를 탐지하는 지형변화탐지부를 포함하는 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리시스템.
  10. 제 9 항에 있어서,
    상기 Temporary 데이터는,
    상기 데이터에서 객체 인식을 통해 움직이는 장비, 인력으로 인식되는 데이터이거나, 또는 상기 데이터에서 지형으로 인식된 데이터를 제외한 데이터인 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리시스템.
  11. 제 9 항에 있어서,
    상기 특정 비정형 지형정합 알고리즘은,
    상기 섹터별 데이터에 대해, 각 데이터가 갖는 좌표정보를 근거로 데이터 간 오버랩 영역을 확인하고,
    상기 오버랩 영역이 확인된 각 데이터에 대해, 상기 오버랩 영역에 대한 샘플링을 통해 오버랩 영역 내 점(Point) 개수를 줄이고,
    상기 오버랩 영역이 확인된 각 데이터 중 하나의 데이터 내 상기 오버랩 영역에서 정합 기준점을 선택하고, 상기 오버랩 영역이 확인된 각 데이터 중 나머지 데이터에서 상기 정합 기준점과 매칭시킬 정합 타겟점을 결정한 후, 상기 정합 기준점에 상기 정합 타겟점이 일치되도록 상기 나머지 데이터를 이동시켜, 각 데이터가 정합되도록 하는 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리시스템.
  12. 제 11 항에 있어서,
    상기 정합 기준점은,
    상기 오버랩 영역에 대하여 공간 셀 단위로 수행하는 샘플링 과정 중, 샘플링 전 대비 샘플링 후의 점 개수 감소율이 가장 큰 공간 셀의 점으로 선택되는 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리시스템.
  13. 제 9 항에 있어서,
    상기 스토리지는,
    상기 생성하는 정합 데이터를 스토리지에 저장하면서 상기 정합 데이터 생성 시 제거한 Temporary 데이터에 대한 식별정보 데이터를 함께 저장하여, 상기 현장에 대한 관리 데이터로서 활용될 수 있게 하는 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리시스템.
  14. 제 9 항에 있어서,
    상기 현장에 대해 이종의 스캔기기에 의한 이종의 정합 데이터가 동일 시점에 생성되는 경우, 상기 이종의 정합 데이터를 하나의 정합 데이터로 통합하는 통합부를 더 포함하며;
    상기 저장단계에서 저장하는 정합 데이터는,
    상기 이종의 정합 데이터를 하나로 통합한 정합 데이터인 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리시스템.
  15. 제 9 항에 있어서,
    상기 데이터제거부는,
    상기 현장에 대한 전체 섹터들의 데이터를 대기하지 않고, 취득되는 섹터 단위의 데이터에 대해 취득 시점에 즉시 Temporary 데이터 식별 및 제거하는 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리시스템.
  16. 제 15 항에 있어서,
    상기 데이터정합부는,
    상기 전체 섹터들의 데이터에 대한 Temporary 데이터 식별 및 제거를 대기하지 않고, 섹터 단위의 데이터에 대해 Temporary 데이터 식별 및 제거가 처리되는 처리 시점에 즉시 상기 특정 비정형 지형정합 알고리즘을 적용하는 것을 특징으로 하는 스캔 데이터 자동 분석 및 처리시스템.
KR1020210085649A 2021-06-30 2021-06-30 스캔 데이터 자동 분석 및 처리방법 및 스캔 데이터 자동 분석 및 처리시스템 KR102591562B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210085649A KR102591562B1 (ko) 2021-06-30 2021-06-30 스캔 데이터 자동 분석 및 처리방법 및 스캔 데이터 자동 분석 및 처리시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210085649A KR102591562B1 (ko) 2021-06-30 2021-06-30 스캔 데이터 자동 분석 및 처리방법 및 스캔 데이터 자동 분석 및 처리시스템

Publications (2)

Publication Number Publication Date
KR20230003960A true KR20230003960A (ko) 2023-01-06
KR102591562B1 KR102591562B1 (ko) 2023-10-18

Family

ID=84924389

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210085649A KR102591562B1 (ko) 2021-06-30 2021-06-30 스캔 데이터 자동 분석 및 처리방법 및 스캔 데이터 자동 분석 및 처리시스템

Country Status (1)

Country Link
KR (1) KR102591562B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101265746B1 (ko) * 2011-11-08 2013-05-21 한국건설기술연구원 지능형 굴삭 시스템을 위한 3차원 스캔 데이터의 자동 정합 방법
KR101546708B1 (ko) * 2015-03-02 2015-08-24 한국건설기술연구원 3d 스캐너를 이용한 토공량 산정 시스템 및 방법
KR102039021B1 (ko) * 2019-05-17 2019-11-01 한국건설기술연구원 공사현장의 3차원 지형공간정보 통합을 통한 월드맵 모델링 장치 및 그의 월드맵 모델링 방법
KR20200034869A (ko) * 2018-09-21 2020-04-01 포테닛 주식회사 굴삭기 전용 3d 스캐너를 이용한 토공 지형정보 실시간 모델링 시스템 및 방법
KR102255978B1 (ko) * 2019-12-02 2021-05-25 한국건설기술연구원 3d 센서를 활용한 객체 인식 기반 고해상도 철도 터널 내부 정밀 지도 생성 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101265746B1 (ko) * 2011-11-08 2013-05-21 한국건설기술연구원 지능형 굴삭 시스템을 위한 3차원 스캔 데이터의 자동 정합 방법
KR101546708B1 (ko) * 2015-03-02 2015-08-24 한국건설기술연구원 3d 스캐너를 이용한 토공량 산정 시스템 및 방법
KR20200034869A (ko) * 2018-09-21 2020-04-01 포테닛 주식회사 굴삭기 전용 3d 스캐너를 이용한 토공 지형정보 실시간 모델링 시스템 및 방법
KR102039021B1 (ko) * 2019-05-17 2019-11-01 한국건설기술연구원 공사현장의 3차원 지형공간정보 통합을 통한 월드맵 모델링 장치 및 그의 월드맵 모델링 방법
KR102255978B1 (ko) * 2019-12-02 2021-05-25 한국건설기술연구원 3d 센서를 활용한 객체 인식 기반 고해상도 철도 터널 내부 정밀 지도 생성 장치 및 방법

Also Published As

Publication number Publication date
KR102591562B1 (ko) 2023-10-18

Similar Documents

Publication Publication Date Title
US11403766B2 (en) Method and device for labeling point of interest
Palmer et al. An optimizing line finder using a Hough transform algorithm
Sohn et al. An implicit regularization for 3D building rooftop modeling using airborne lidar data
El-Halawany et al. Detecting road poles from mobile terrestrial laser scanning data
Ariyachandra et al. Detection of railway masts in airborne LiDAR data
CN111402413B (zh) 三维视觉定位方法、装置及计算设备、存储介质
JP2017102672A (ja) 地理位置情報特定システム及び地理位置情報特定方法
Hu et al. Generalized image recognition algorithm for sign inventory
KR20230003960A (ko) 스캔 데이터 자동 분석 및 처리방법 및 스캔 데이터 자동 분석 및 처리시스템
CN112052337A (zh) 基于时空关联的目标关系探测方法、系统及存储介质
CN112446231A (zh) 一种人行横道检测方法、装置、计算机设备及存储介质
US11988522B2 (en) Method, data processing apparatus and computer program product for generating map data
Graser Towards landmark-based instructions for pedestrian navigation systems using OpenStreetMap
KR20230086044A (ko) 고해상도 및 대규모 도시 공간 분석을 위한 도시 공간 데이터 기반 도시 환경 분석 시스템 및 그 방법
Roch et al. Car pose estimation through wheel detection
KR100953485B1 (ko) 항공 레이저 측량 데이터의 병렬 처리 시스템 및 그 방법
CN107392209B (zh) 一种提取线段的装置及方法
CN115292962B (zh) 基于轨迹抽稀的路径相似度匹配方法、设备及存储介质
KR102361663B1 (ko) 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 용도 파악 방법 및 그 장치
CN111220173A (zh) 一种poi的识别方法及装置
KR102405937B1 (ko) 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 높이 추정 방법 및 그 장치
KR102484401B1 (ko) 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 변화 구분 방법 및 그 장치
KR102596037B1 (ko) 인공지능을 이용한 사용자 참여형 인식 플랫폼에서시설물 설치 가능 지점 판별 방법 및 그 장치
CN117075196A (zh) 一种裂缝形态分析方法、装置、设备及介质
Phan et al. Generating 2D Building Floors from 3D Point Clouds

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant