2009년 2월 13일 접수, 2009년 3월 11일 채택
* 정회원･남서울대학교 지리정보공학과 전임강사 ([email protected]) 연구논문
영상 및 점기반 자료처리에 의한 항공 라이다 자료의 건물경계추출 Building Boundary Extraction of Airborne LIDAR data
by Image-Based and Point-Based Data Analysis
김의명*
Kim, Eui Myoung
要 旨
라이다 자료는 건물에 대한 3차원 정보를 제공하고 있는 자료원으로서 도시계획을 위한 3차원 모형화와 건물의 가시권 분석과 같은 다양한 모형화에 이용되고 있다. 본 연구에서는 라이다 자료만을 이용하여 영상처리기법과 점자료처리기법에 기반하여 사용자의 개입을 최소화하면서 자동으로 건물을 추출할 수 있는 기법을 제안하였다. 입력된 라이다 자료를 이용하여 건물영역과 비건물영역을 분리하기 위하여 먼저 영상처리기법을 적용하였다. 또한 건물영역은 높이값에 대한 통계분석을 통해서 건물의 주옥상면과 남아있는 부분으로 구분하여 자료처리를 수행하 였다. 아파트형, 계단형, 복합형 등의 다양한 유형의 건물이 존재하는 연구대상지역의 실험을 통해서 본 연구에서 제안한 자료처리기법을 적용하여 약 90%의 건물을 자동으로 추출할 수 있었다.
핵심용어 : 라이다, 건물경계추출, 점자료처리, 통계분석, 건물의 유형
Abstract
LIDAR data, as the source of the 3D information of buildings, are used many modeling fields such as three-dimensional city models in urban planning and the visibility analysis of buildings. This study suggests a methodology, that is characterized by combining image-based and point-based process, for minimizing the user's intervention and automati- cally extracting building boundary only using the LIDAR data. Image processing methodology is firstly used to separate building and non-building regions from LIDAR data. Moreover, building regions are then classified main roof into remaining parts by the statistical analysis of height values, and the remaining parts are processed separately.
Through the experimental results of study areas which exist many types of buildings, for example, apartment-type, stair-type, complex-type, etc. Approximately 90% building boundaries are automatically extracted by the proposed methodology.
Keywords : LIDAR, Building Boundary Extraction, Point-Based Data Processing, Statistical Analysis, Types of Building
1. 서 론
도시 내의 건물에 대한 정보는 기존에는 항공사진측량 또는 수치지도 등을 이용하여 추출하였으나 LIDAR (LIght Detection And Ranging, 이후 라이다)의 도입으로 보다 경제적으로 구축할 수 있게 되었다. 특히 소득수준 이 높아짐에 따라 이러한 건물로 부터 일조권, 조망권 등 의 분석을 통하여 주거의 질을 높여가고 있다. 이와 같이 건물은 도시의 중요한 구성요소이면서 인간의 주요활동 근거가 되는 곳이다.
라이다 자료는 건물에 대한 3차원 정보를 제공하고 있 는 효율적인 자료원이다. 이러한 자료원을 사용자의 개 입을 최소화하면서 건물영역을 효율적으로 추출할 수 있 다면 다양한 도시모형화에 사용될 수 있다. 라이다를 이 용한 건물정보 추출에 대한 연구는 라이다 점자료로 부 터 표면의 경사변화를 고려하는 방법, 항공사진과 라이 다를 이용하는 방법, 기존의 수치지도와 라이다를 이용 하는 방법 등 다양한 연구가 수행되었다(Alharthy et al., 2004; Rottensteiner et al., 2003; 박지혜, 2006; 조홍범 등, 2008). 연구사례를 통해서 알 수 있듯이 라이다 자료만을
이용하여 건물의 정보를 자동으로 추출하는 것은 쉽지 않은 일이기 때문에 이를 보완할 수 있는 항공사진 또는 수치지도 등을 이용하였다.
라이다 자료만을 이용하여 건물을 추출한 연구 중 일부 는 Hough 변환과 같은 매개변수 공간을 이용하는 방법이 며 이를 위해 기존에 직선추출을 위해 사용되던 Hough 변환을 평면의 방정식을 추출할 수 있도록 3차원적으로 확장하였다. 3차원 Hough 변환과 이를 보완 발전시켜 RANSAC 알고리즘까지 이용하여 건물을 추출하는 연구 가 수행되었다(Vossman et al., 2001, Tarsha-Kurdi et al., 2007). 국내에서도 기존에 사용된 3차원 Hough 변환에 의해 발생될 있는 문제점을 개선하기 위하여 최다평면, 정확평면, 최확평면을 이용한 연구가 수행되기도 하였다 (이영진 등, 2008). 이와 달리 영상처리기법을 도입하여 건물영역을 추출하고 지붕구조물은 평면, 곡면, 구면식을 이용하여 자료처리를 수행한 연구가 수행되기도 하였다 (정형섭 등, 2008).
국내외 연구동향에서 알 수 있듯이 라이다 자료로 부터 건물을 추출하기 위한 다양한 연구가 수행되었으나 건물 추출을 위한 최적의 방법은 잘 알려지지 않고 있다. 본 연구에서 제안한 건물추출을 위한 방법은 라이다 자료만 을 이용하여 영상처리기법과 점자료처리기법에 기반하 여 사용자의 개입을 최소화하면서 자동으로 건물을 추출 할 수 있는 기법이다. 영상처리기법은 입력된 라이다 점 자료에서 건물영역과 비건물영역을 구분하기 위해서 사 용되었고 건물영역으로 분류된 지역에 대해서 소구역별 로 원래의 라이다 점자료를 이용하는 점자료처리기법을 이용하여 건물영역을 자동으로 추출하였다. 추출된 건물 영역은 일반화알고리즘의 적용을 통해서 어느 정도 직선 화 되어 있는 경계를 가질 수 있도록 자료처리가 수행되 었다.
2장의 기본이론에서는 라이다 점자료를 영상화하여 건 물영역을 추출하기 위해서 우선 적용되어야 하는 영상분 할이론과 원 라이다 점자료로 부터 최종 건물의 경계를 정제할 목적으로 사용되는 일반화 이론에 대해서 기술하 였다. 3장에서는 본 연구에서 제안한 건물추출기법에 대 해서 단계별로 기술하였으며 연구대상지역의 실험을 통 해 제안한 건물추출기법에 대한 적용성을 평가하였으며 이를 4장에서 기술하였다.
2. 기본 이론
2.1 Jenks 알고리즘을 이용한 영상분할
Jenks의 최적화 알고리즘은 계급 평균의 편차제곱을 최소화하는 것으로 GVF(Goodness of Variance Fit)로도
알려져 있다(Jenks, 1967; Jenks et al., 1971). Jenks 알고 리즘은 라이다 높이값을 기준으로 식 (1)과 같이 전체 평 균값 와 각각의 높이값에 대한 편차의 제곱합, 즉 SDAM(Squared Deviation from the Array Mean)을 계산 한다. 임의의 라이다 자료에 대해서 초기 SDAM 값은 일 종의 상수로서 라이다 자료의 변화가 없다면 일정하다.
높이값에 따른 밝기값의 변화을 고려하여 계급의 수을 설정하면 식 (2)와 같이 각 계급에 속하는 라이다 높이값 과 각 계급의 평균과의 편차제곱의 합을 계산하며 이를 SDCM(Squared Deviation from the Class Means)이라 한다.
(1)여기서, 는 주어진 라이다 점자료의 개수를 나타내며,
는 라이다의 높이값을 나타낸다.
(2)여기서, 는 계급의 수를 나타내며 는 각 계급의 평 균을 나타내고 는 계급 에 속하는 라이다 높이값을 나 타낸다. GVF는 식 (3)과 같이 나타낸다. 식 (3)에서 알 수 있듯이 라이다 점자료가 동일한 높이값으로 이루어져 있다면 GVF는 0이 되며 높이값이 각각 서로 다르고 각 계급이 하나의 값으로 설정된다면 GVF는 1이 된다. 이와 같은 경우는 매우 이상적인 경우이며 일반적으로 GVF는 0과 1사이의 값이 된다.
(3)
2.2 건물경계의 정제화
원 라이다 점자료로 부터 건물의 최외곽을 지나는 경계 를 추출한 후 이를 정제할 목적으로 지도일반화 알고리 즘을 적용하였다. 지도일반화 알고리즘 중 형상의 보존 성과 절점의 제거율이 높은 Douglas-Peucker 알고리즘을 이용하였다(Douglas et al., 1973; Hershberger et al., 1992;
Sester et al., 2008).
Douglas-Peucker 알고리즘은 시작점과 끝점을 연결하 는 주 선분을 정한 후 이로부터 각 절점에서 주 선분까지 의 수선의 길이를 계산한다. 이 때 수선의 길이가 가장 긴 절점을 기준으로 다시 두 개의 선분이 결정된다. 이와 같은 방법으로 계속 반복해서 수행하면서 각 절점이 임 계값 이내에 들어오는지 검사를 수행해서 모든 절점이
라이다 점 자료 입력
공간보간을 통한 영상자료화
영상분할 (image slicing)
초기건물영역내의 원 라이다 점자료
추출 등고선생성후 초기건물영역설정
점자료로부터 TIN생성 TIN경계로 부터 개별건물의 객체화
건물경계정제 최종건물 추출
그림 2. 건물추출기법을 위한 흐름도 (a) 건물의 외곽선 경계
(b) 일반화알고리즘을 적용하여 정제한 건물의 경계 그림 1. 건물의 외곽선 및 정제화
임계값을 만족할 때 까지 수행하게 되면 건물의 외곽을 지나는 선분들을 단순화하면서 직선화할 수 있다. 이 때 직선성분들이 모두 건물의 경계로 구성된 점을 감안하여 직선과 직선이 거의 90도에 가깝게 교차하도록 각도에 대한 추가적인 제약조건을 주어야 한다(박우진 등, 2008, Sohn et al., 2007, Haunert et al., 2008). 그림 1(a)는 라이 다를 이용하여 추출한 건물의 외곽 경계를 나타내고 그 림 1(b)는 Douglas-Peucker 알고리즘에 각도제약조건을 주어 추출한 정제된 건물의 경계를 나타내고 있다.
3. 건물추출기법
본 연구에서 제안한 항공라이다 자료를 이용하여 건물 의 경계를 추출하기 위한 흐름도는 그림 2와 같다.
3.1 공간보간을 통한 영상자료화
라이다 점자료처리기법은 원래의 점자료를 그대로 이 용하는 방법과 이를 공간보간하여 이를 영상자료화하여 처리하는 방법, 그리고 점자료와 영상자료처리를 혼용하 는 방법으로 나눌 수 있다.
점자료만을 이용하는 방법은 자료처리의 복잡성이 높 고 영상 자료를 처리하는 방법은 원 자료가 가지고 있는 정보를 최대한 활용하지 못하는 단점을 가지고 있다. 따 라서, 건물영역을 개략적으로 파악하는 단계에서는 두 가지 방법을 혼용해서 초기의 라이다 자료를 영상화하여 처리하는 방법을 사용하고 좀 더 정확한 건물의 경계영 역을 파악하는 단계에서는 원래의 라이다자료를 이용하 는 방법을 사용하였다.
라이다 자료를 영상화하기 위해서는 이산적으로 분포 된 점 자료를 공간보간을 해야 한다. 공간보간의 방법은 불규칙삼각망(TIN : Triangulated Irregular Network)을 생성하여 이를 격자화하는 방법, 역거리가중법((IDW : Inverse Distance Weighting), 최근린보간법 등 그 방법은 다양하다. 라이다 자료는 점밀도가 1～5pt/m2로 상대적 으로 높기 때문에 초기 건물의 경계를 추출할 목적으로 는 처리시간이 짧고 원 자료에 대한 기하학적인 보간이 많이 발생하지 않는 최근린보간법이 적절하다. 이 때, 공 간보간시에 격자의 크기는 점밀도를 고려하여 영상화를 수행해야 한다.
3.2 영상분할
라이다 점자료로 부터 보간된 영상자료는 영상처리 기 법을 이용하여 개략적인 건물의 경계를 추정할 수 있다.
일반적으로 건물의 경계 추출 시 이진영상을 이용하며 이 때 단일 임계값을 적용하여 임계값 이상인 영역은 흰 색 그 외 영역은 검은색으로 표현한다. 그러나 라이다로 부터 생성된 영상 자료에 대해서 단일 임계값을 적용할 경우 상대적으로 낮은 건물은 밝기값 차이에 의해서 사 라질 수 있다. 따라서 이를 보완하기 위해서는 높이값에 대해 통계적인 기법을 적용하여 계급구간 또는 계급의 수를 나누는 것이 필요하며 이를 위해 2.1에서 기술한 GVF값을 적용하여 영상을 이진화 하지 않고 몇 개의 계 급으로 구분하였다.
그림 3은 라이다 자료를 보간하여 생성한 영상자료(a) 와 이에 대한 히스토그램(b) 그리고 GVF를 적용한 결과 (c)를 각각 나타내고 있다.
3.3 초기 건물영역설정
설정된 몇 개의 계급에 대하여 건물영역을 설정하기 위 해서 그림 4의 (a)와 같이 등고선추출기법(contouring)을
(a) 영상 자료 (b) 높이값에 대한 히스토그램 (c) GVF를 적용한 영상 자료 그림 3. 영상 자료의 밝기값에 대한 히스토그램 분석
(a) 영상 자료의 등고선 추출 (b) 일정면적 이상의 건물영역
그림 4. 초기 건물 영역의 설정
수행하였다. 건물의 등고선추출은 영상형태의 라이다자 료로 부터 높이값이 동일한 점들을 연결한 일종의 폴리 라인으로서 건물의 경계영역과 경계영역이 아닌 곳 사이 의 높이값의 변화를 사용자가 이해하기 쉽도록 나타내 준다.
영상 자료에 대한 등고선 추출결과는 초기 건물 영역의 설정을 위해서 등고선의 내부를 그림 4의 (b)와 같이 폴 리곤 형태로 변환하여야 한다. 이 과정에서 폴리간의 면 적을 이용하여 일정한 면적이 되지 않은 지역은 제거함 으로서 초기 건물영역을 설정할 수 있다.
3.4 초기 건물영역내의 원 라이다 점자료 추출 본 연구에서는 초기 건물영역에 기초하여 그림 5의 (a) 와 같이 원 라이다 점자료를 추출하였다. 건물후보군이 선정된 후 라이다 원 자료를 활용하여 높이값에 대한 통 계분석을 수행한다. 이러한 이유는 하나의 건물이 아파 트형, 계단형, 복합형, 복합계단형 등과 같이 높이값이 일 정하지 않은 경우가 발생하기 때문이다.
표 2에 나타낸 것과 같이 건물옥상면의 주요 형태를 추 출하기 위해서 라이다 점자료로부터 평균과 표준편차를 이용하였다. 건물 옥상면에서 라이다 점자료의 개수가 많은 부분을 주 건물 옥상면으로 선택하고 남아 있는 부 분에 대해서는 높이값이 높은 경우와 낮은 경우로 구분 하여 이로 부터 표준편차에 임계값(T )을 곱하여 선택하 였다. 임계값은 라이다 점자료에 대한 높이값에 대한 단 면도 검사를 통해서 설정할 수 있으며 그 값은 대략 0.3
～ 0.7 정도로 선택할 수 있다.
그림 5의 (b)와 (c)는 각각 초기 건물영역내에서 추출된 라이다 점자료에 대해서 높이값에 대한 평균과 최대값 그리고 표준편차값을 이용하여 건물의 주 옥상면과 남아 있는 부분을 분리한 것이다. 자료처리과정에서 건물의 주 옥상면과 남아있는 부분은 각각 처리된 후 공간검색 을 통해서 향후 병합하게 된다.
3.5 점자료로 부터 TIN 생성
그림 5를 통해서 추출된 건물의 주 옥상면 부분(b)은
표 2. 건물옥상면의 형태에 따른 라이다 점자료 선택을 위한 요건
구분 모양 형태 주 건물옥상면 선택 남아있는 부분 선택
A 아파트형
±
×
B 계단형 ×
C 계단형 ×
D 복합형 ×
E 복합계단형 ×
×
(a) 초기 건물영역내의 라이다 점자료 (b) 건물의 주 옥상면 (c) 건물의 남아있는 부분 그림 5. 통계분석을 통한 아파트형 건물의 옥상면과 남아있는 부분의 예
(a) 건물의 주 옥상면을 이용하여 생성한 TIN (b) 건물의 남아있는 부분을 이용하여 생성한 TIN 그림 6. 라이다 자료를 이용하여 생성한 TIN
그림 6의 (a)와 같이 불규칙삼각망(TIN: Triangulated Irregular Network)을 생성한 후 최외곽경계를 결정하는 데 이용되고 건물의 남아있는 부분(c)도 그림 6의 (b)와 같이 별도의 TIN을 생성하여 건물의 지붕면을 구성하는 데 사용된다.
TIN이 생성되면 각각의 삼각형을 구성하고 있는 평면 과 평면과의 경사도를 분석할 수 있으며 이를 통해서 일 부 수목지역과 같이 표면의 경사가 일정하지 않은 지역 은 최종 건물의 경계를 생성하기 전에 제거될 수 있다.
(a) 건물 주 옥상면의 경계
(b) 건물의 남아있는 부분의 경계 그림 7. 개별 건물의 객체화
그림 8. 건물경계의 정제 3.6 TIN경계로 부터 개별건물의 객체화
라이다 점자료를 이용하여 생성한 TIN의 최외곽경계
를 이용하면 개별 건물의 경계를 정할 수 있다. 그림 7은 TIN을 구성하는 외곽경계를 이용하여 생성한 개별 건물 이다. 그러나 라이다 점자료의 특성상 점자료가 건물의 모서리면에 정확하게 반사되어 생성 경우는 일반적이지 않기 때문에 개별 건물의 경계가 추출되더라고 이를 거 의 직선과 직선이 교차하는 형태의 건물로 일반화 할 필 요가 있다.
3.7 건물경계영역의 정제
건물경계를 정제하기 위해서는 2.2에서 기술한 지도일 반화 알고리즘에서 많이 사용되고 있는 Douglas-Peucker 알고리즘을 적용하면서 건물의 경계면을 구성하는 한 변 의 길이가 대략 5m 이상이 되도록 하였다. 그림 8은 건물 의 경계를 일반화 알고리즘을 적용하여 정제한 것이다.
4. 실 험
4.1 연구대상지역의 선정
연구대상지역은 대전지역이며 그림 9와 같이 복합형, 아파트형, 복합계단형 등이 공존해 있는 지역이며 이를 존(zone)1, 존2, 존3의 3개 영역으로 구분하여 자료처리 를 수행하였다.
4.2 초기 건물영역의 설정
그림 10은 연구대상지역의 존1, 존2, 존3에 대해서 영 상분할을 위해서 각각 7, 10, 13단계로 구분한 것이다. 그 림 10에서 알 수 있듯이 라이다 점 자료의 높이값 분포 특성이 동일 건물내에서 높낮이가 다르고 건물과 건물간 에도 서로 다른 높이값이 있기 때문에 단일 임계값을 적 용하는 것은 바람직하지 않다.
그림 11은 3개의 존에 대해서 등고선 추출후 일정한 면적이상의 건물후보군을 폴리곤화 한 것으로 존1은 43 개, 존2는 53개 그리고 존3은 50개의 초기건물영역이 설 정되었다.
4.3 건물경계의 추출
라이다 점자료로 부터 초기건물의 영역 설정은 영상 자 료처리에 기반한 것이다. 영상 자료에 기반한 라이다 자 료처리는 영상의 보간에 의해서 원래 관측한 라이다 점 자료를 실질적으로 이용하지 못하는 단점이 있기 때문에 이를 보완하기 위해서 원 라이다 점자료를 활용하는 방 법을 이용하였다. 이를 위해서 초기건물영역에서 각 폴 리곤마다 라이다 점자료를 검색하여 높이값에 대한 통계 분석을 통해서 건물의 주옥상면과 남아있는 부분을 추출 한다. 그리고 이를 TIN을 생성하여 TIN 경계의 최외곽부
(a) 존 1 (b) 존 2 (c) 존 3 그림 9. 연구대상지역
(a) 존1의 영상분할 (b) 존2의 영상분할 (c) 존3의 영상분할
그림 10. 영상분할의 결과
(a) 존1의 초기건물영역 (b) 존2의 초기건물영역 (c) 존3의 초기건물영역
그림 11. 초기건물영역설정의 결과
분을 지나는 선분들을 모아서 건물의 경계로 설정한다.
그림 12는 3개의 존에 대해서 건물의 주옥상면에 대한 TIN의 결과를 나타내고, 그림 13은 건물의 남아있는 부 분에 대해서 TIN를 생성한 결과를 나타내고 있다.
그림 13은 건물의 남아있는 부분 중에서 최소값을 중 심으로 일정한 범위내에 있는 점들을 이용하여 생성한 TIN을 나타내고 있다. 그림에서 알 수 있듯이 계단형 또 는 복합형 건물에서 이러한 현상이 나타내고 있다.
그림 14는 건물의 남아있는 부분 중에서 최대값을 중 심으로 일정한 범위내에 있는 점들을 이용하여 생성한 TIN을 나타내고 있다. 그림에서 알 수 있듯이 주로 아파 트형 건물에서 주로 나타나고 있으며 이는 아파트의 엘 리베이터의 설치를 위해서 건물에서 올라간 부분이다.
4.4 결과분석
연구대상지역인 존1, 존2, 존3 지역에 대해 본 연구에
(a) 존1의 TIN (b) 존2의 TIN (c) 존3의 TIN 그림 12. 건물의 주옥상면에 대해서 수행한 TIN
(a) 존1의 최소값 주변의 TIN (b) 존2의 최소값 주변의 TIN (c) 존3의 최소값 주변의 TIN 그림 13. 건물의 남아있는 부분 중 최소값 주변을 수행한 TIN
(a) 존1의 최대값 주변의 TIN (b) 존2의 최대값 주변의 TIN (c) 존3의 최대값 주변의 TIN 그림 14. 건물의 남아있는 부분 중 최대값 주변을 수행한 TIN
서 제안한 자료처리기법을 적용하여 처리된 최종건물의 경계는 그림 15와 같다. 최종건물의 경계는 그림 12, 그 림 13, 그림 14의 각 결과를 바탕으로 일반화 알고리즘을 적용한 후 최종 병합된 것이다.
본 연구에서 제안한 건물추출기법의 적용성을 평가하 기 위해서 원 라이다 점자료 상에서 존재하는 건물의 개 수와 본 연구에서 제안한 자료처리기법에 의해 추출된 건물의 개수를 비교하였다. 각 존에서 전체 건물의 수는 ESRI사에서 만든 ArcScene 9.2를 이용하여 3차원상에서 여러 각도로 수작업으로 확인하였다.
건물추출결과에 대한 분석표는 표 3과 같으며, 존1, 존
2, 존3에 대해 제안한 자료처리기법으로 약 90% 의 건물 을 자동으로 추출하였다. 존1의 경우 3번과 5번 등의 건 물은 두 개의 서로 다른 건물이 매우 인접하게 붙어있어 하나의 건물로 인식되어 처리된 경우이다(그림 15 (a)참 조). 존3의 경우에도 복합계단형과 복합형 건물의 형태인 3번과 32번 등의 건물은 인접해 있는 서로 다른 건물인데 하나의 건물로 처리된 경우이다(그림 15 (c)참조).
5. 결 론
본 연구에서는 라이다 점 자료를 이용하여 건물경계정
(a) 존1의 최종건물의 경계 (b) 존2의 최종건물의 경계 (c) 존3의 최종건물의 경계 그림 15. 최종건물의 경계
표 3. 연구대상지역의 건물추출결과분석
존 전체건물의 수 알고리즘적용을 통해
추출된 건물의 수 분석결과
1 48 43 (89.6%) 건물과 건물이 너무 가까이 위치해서 초기 건물 경계생성단계에서 병
합되어 건물의 개수가 감소함
2 43 43 (100.0%) -
3 37 32 (86.5%) 인접해 있는 복합형, 복합계단형 건물의 경우에도 하나의 건물로 인
식되어 건물의 개수가 감소함
보를 추출하기 위하여 영상처리기법과 높이값에 대한 통 계분석 기법을 수행하였으며 다음과 같은 결론을 도출하 였다.
초기건물영역의 설정은 자료처리 시간이 짧은 영상 자 료처리에 기반하였으며 영상보간시에는 단일임계값을 이용하여 영상을 이진화하지 않고 높이값에 대한 통계분 석에 의해서 계급의 수를 나누는 GVF 값을 적용하는 것 이 초기 건물의 경계를 추출하는데 효율적이었다.
건물의 지붕이 일정한 높이값 또는 일정한 기울기만으 로 형성되어 있지 않은 지역에 대해서는 건물의 유형을 아파트형, 계단형, 복합형, 복합계단형으로 구분하고 높 이값에 따른 통계분석을 수행하였다. 통계분석은 초기건 물경계를 기준으로 각 건물마다 라이다 점자료의 평균, 최소, 최대, 표준편차의 값을 이용하였으며 건물의 주 옥 상면과 남아있는 부분으로 구분하여 자료처리를 수행하 여 아파트형 건물의 엘리베이터 부분과 계단형 또는 복 합형건물에 대해서 건물의 경계를 추출할 수 있었다.
제안한 자료처리기법은 존1, 존2, 존3의 연구대상지역 에 적용되었으며 90% 이상의 건물의 경계를 자동으로 추출할 수 있었다.
향후 복합형 또는 복합계단형 건물과 같은 경우 그 형 태가 매우 다양하기 때문에 이에 대해 자동으로 추출할
수 있는 기법의 연구와 제안한 자료처리기법에 대해 프 로그램화를 통해서 일관되게 라이다자료로 부터 사람의 개입을 최소화하면서 건물의 경계를 추출하는 것이 필요 하며 이를 통해 생산성의 향상을 기대할 수 있을 것으로 사료된다.
감사의 글
이 논문은 2007년도 남서울대학교 학술연구비 지원에 의해 연구되었으며 이에 감사를 드립니다.
참고문헌
1. 박지혜, 2006, “LiDAR 데이터와 수치지도를 융합한 건물 모 델링”, 서울시립대학교 석사학위 논문.
2. 이영진, 오재홍, 신성웅, 조우석, 2008, “LiDAR 데이터의 3D Hough 변환을 이용한 건물 지붕 평면의 세그멘테이션 및 정밀 평면방정식 추출”, 한국측량학회지, 제26권 제5호, pp.
505-512.
3. 정우진, 박승용, 유기윤, 2008, “건설도면의 GIS 데이터 변환 을 위한 건물외곽선 단순화기법 비교 연구”, 한국지형공간정 보학회지, 제16권 제3호, pp. 35-41.
4. 정형섭, 임새봄, 이동천, 2008, “항공 LiDAR 데이터를 이용한
건물추출과 상부구조물 특성분석 및 모델링”, 한국측량학회
지, 제26권 제3호, pp. 227-239.
5. 조홍범, 조우석, 박준구, 송낙현, 2008, “항공 LiDAR 데이터 를 이용한 3차원 건물모델링”, 대한원격탐사학회지, 제24권 제2호, pp. 141-152.
6. Alharthy, A., Bethel, J., 2004, “Detailed Building Reconstruction from Airborne Laser Data Using a Moving Surface Method”, ISPRS, Istanbul, Turkey, 12-23, Commission Ⅲ, CD-ROM.
7. Douglas, D., Peucker, T., 1973, “Algorithms for the Reduction of the Number of Points Required to Represent a Digitized Line or its Caricature”, The Canadian Cartographer 10(2), pp. 112-122.
8. Haunert, J., Wolff, A., 2008, “Optimal Simplification of Building Ground Plans”, IAPRS, Vol. XXXVII, Part B2, pp.
373-378.
9. Hershberger J., Snoeyink, J., 1992, “Speeding Up the Douglas-Peucker Line-Simplification Algorithm”, Proc 5th Symp on Data Handling, pp. 134-143.
10. Hug, C., Krzystek, P., Fuchs, W., 2004, “Advanced Lidar Data Processing with LasTools”, ISPRS 2004, Commission
Ⅱ, CD-ROM.
11. Jenks, G. F., 1967, “The Data Model Concept in Statistical Mapping”, International Yearbook of Cartography 7, pp.
186-190.
12. Jenks, G. F. and Caspall, F. C., 1971, “Error on
Choroplethic maps: Definition, Measurement”, Reduction, Annals of Association of American Geographers, 61(2), pp.
217-244.
13. Rottensteiner, F., Briese, C., 2003, “Automatic Generation of Building Models from LIDAR Data and the Integration of Aerial Images”, IAPRS, 34(3W13), pp. 174-180.
14. Samberg, A., 2007, “An Implementation of the ASPRS LAS Standard”, IAPRS, Vol. XXXVI, Part 3 / W52, pp. 363-372.
15. Sester, M., Neidhart, H., 2008, “Reconstruction of Building Ground Plans from Laser Scanner Data”, 11th AGILE International Conference on Geographic Information Science, pp. 1-11.
16. Sohn, G., Jwa, Y., Tao, V., Cho, W., 2007, “Geometric Regularization of Irregular Building Polygons: A Comparative Study”, Korean Journal of Geomatics, 25(6-1), pp. 545-555.
17. Tarsha-Kurdi, F., Landes, T., Grussenmeyer, P., 2007,
“Hough-Transform and Extended RANSAC Algorithms for Automatic Detection of 3D Building Roof Planes from Lidar Data”, IAPRS Volume XXXVI, Part 3 / W52, pp. 407-412 18. Vosselman, G. and Dijkman, S., 2001, “3D Building Model
Reconstruction from Point Clouds and Ground Plans”, IAPRS, XXXIV-3/W4, pp. 37-43.
19. Wehr, A. and Lohr, U., 1999, “Airborne Laser Scanning - An Introduction and Overview”, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 54, pp. 68-82.
