Misclassified Area Detection Algorithm for Aerial LiDAR Digital Terrain Data

Recently, aerial laser scanning technology has received full attention in constructing DEM(Digital Elevation Model). It is well known that the quality of DEM is mostly influenced by the accuracy of DTD(Digital Terrain Data) extracted from LiDAR(Light Detection And Ranging) raw data. However, there are always misclassified data in the DTD generated by automatic filtering process due to the limitation of automatic filtering algorithm and intrinsic property of LiDAR raw data. In order to eliminate the misclassified data, a manual filtering process is performed right after automatic filtering process. In this study, an algorithm that detects automatically possible misclassified data included in the DTD from automatic filtering process is proposed, which will reduce the load of manual filtering process. The algorithm runs on 2D grid data structure and makes use of several parameters such as 'Slope Angle', 'Slope DeltaH' and 'NNMaxDH(Nearest Neighbor Max Delta Height)'. The experimental results show that the proposed algorithm quite well detected the misclassified data regardless of the terrain type and LiDAR point density.

항공 라이다 수치지면자료의 오분류 영역 탐지 알고리즘

최근 수치표고모델(DEM : Digital Elevation Model)을 구축하기 위한 목적으로 항공레이저측량(LiDAR : Light Detection And Ranging) 기술이 주목받고 있다. DEM은 항공레이저측량으로부터 획득된 라이다 데이터에서 지면점만 추출한 수치지면자료(DTD : Digital Terrain Data)의 정확성에 의해 그 품질이 좌우된다. 하지만 원시자료에서 수치지면자료를 추출하기 위한 자동 필터링 작업은 필터링 알고리즘의 한계 및 라이다 데이터의 고유한 특성으로 인하여 항상 오분류 영역이 발생한다. 따라서 이를 보완하기 위해서는 작업자에 의한 수동분류 작업이 반드시 필요하다. 본 연구에서는 수동 작업이 원활하게 이루어 질 수 있도록 자동 필터링 작업에서 얻어진 수치지면자료에서 오분류 될 가능성이 있는 영역을 자동으로 탐지하는 알고리즘을 제안한다. 제안된 알고리즘은 2D 격자 구조를 적용하였으며 'Slope Angle', 'Slope DeltaH', 'NNMaxDH(Nearest Neighbor Max Delta Height)'로 명명한 매개변수를 사용하였다. 실험 결과, 제안된 알고리즘은 지형형태나 라이다 데이터 평균 점밀도에 제한받지 않는 안정적인 결과를 보여주었다.