Extraction of Ground Points from LiDAR Data using Quadtree and Region Growing Method

Processing of the raw LiDAR data requires the high-end processor, because data form is a vector. In contrast, if LiDAR data is converted into a regular grid pattern by filltering, that has advantage of being in a low-cost equipment, because of the simple structure and faster processing speed. Especially, by using grid data classification, such as Quadtree, some of trees and cars are removed, so it has advantage of modeling. Therefore, this study presents the algorithm for automatic extraction of ground points using Quadtree and refion growing method from LiDAR data. In addition, Error analysis was performed based on the 1:5000 digital map of sample area to analyze the classification of ground points. In a result, the ground classification accuracy is over 98%. So it has the advantage of extracting the ground points. In addition, non-ground points, such as cars and tree, are effectively removed as using Quadtree and region growing method.

Quadtree와 영역확장법에 의한 LiDAR 데이터의 지면점 추출

원시 LiDAR 데이터는 벡터 구조이기 때문에 직접 활용 시 처리과정이 복잡해지지만, LiDAR 데이터를 필터링을 통해 정규 가상 격자 형태로 변환하면 데이터 용량이 감소되고 처리 속도가 빠르기 때문에 저가의 장비에서도 처리가 가능하다. 특히 Quadtree와 같은 영상 압축 처리 기법을 적용할 경우, 평활화를 통하여 비지면 요소인 자동차, 수목등이 제거되어 모델링에 유리하다는 장점이 있다. 따라서 본 연구에서는 대용량의 LiDAR 데이터로부터 Quadtree와 영역확장법을 활용하여 지면점을 자동 추출할 수 있는 알고리즘을 제시하였으며, 오차분류기법을 활용하여 정확도를 분석하였다. 그 결과, 지면점 분류 정확도는 98%이상으로 나타나, 지면점 추출에 유리함을 알 수 있었다. 또한 Quadtree와 영역확장법을 활용시 자동차, 수목등의 비지면 요소들을 효과적으로 제거할 수 있었다.