• 한국HCI학회논문지
• /
• 제1권1호
• /
• pp.53-61
• /
• 2006

본 논문에서는 다시점 카메라를 이용하여 실내환경의 3D 복원을 위한 새로운 방법을 제안한다. 지금까지 다양한 양안차 추정 알고리즘이 제안되었으며, 이는 활용 가능한 깊이 영상이 다양함을 의미한다. 따라서 본 논문에서는 일반화된 다시점 카메라로 여러 방향에서 획득된 3D 점군을 이용한 실내환경 복원 방법을 다룬다. 첫 번째, 3D 점군들의 시간적 특성을 기반으로 변화량이 큰 3D 점들을 제거하고, 공간적 특성을 기반으로 주변의 3D 점을 참조하여 빈 영역을 채움으로써 깊이 영상 정제 과정을 수행한다. 두 번째, 연속된 두 시점에서의 3D 점군을 동일한 영상평면으로 투영하고 수정된 KLT (Kanade-Lucas-Tomasi) 특징 추적기를 사용하여 대응점을 찾는다. 그리고 대응점간의 거리 오차를 최소화함으로써 정밀한 정합을 수행한다. 마지막으로, 여러 시점에서 획득된 3D 점군과 한 쌍의 2D 영상을 동시에 이용하여 3D 점들의 위치를 세밀하게 조절함으로써 최종적인 3D 모델을 생성한다. 제안된 방법은 대응점을 2D 영상 평면에서 찾음으로써 계산의 복잡도를 줄였으며, 3D 데이터의 정밀도가 낮은 경우에도 주변화소와의 상관관계를 이용함으로써 효과적으로 동작한다. 또한, 다시점 카메라를 이용함으로써 수 시점에서의 깊이 영상과 컬러 영상만으로도 실내환경에 대한 3D 복원이 가능하다. 제안된 방법은 네비게이션 뿐만 아니라 상호작용을 위한 가상 환경 생성 및 Mediated Reality (MR) 응용 분야에 활용될 수 있다.

• 터널과지하공간
• /
• 제17권3호
• /
• pp.165-174
• /
• 2007

3차원 레이저 스캐너를 이용하여 사물의 형상을 측정하고, 이로부터 얻어진 데이터를 이용해서 측정된 사물의 형상을 재현하는 기술을 역분석공학이라고 한다. 최근 암반공학분야에서도 사람 손이 닿지 않는 암반사면이나 넓은 지역에 대한 신속한 불연속면 조사를 위해 이러한 역분석공학 기술을 응용하고자 하는 연구가 활발히 진행되고 있다. 이러한 기술을 이용하여 불연속면을 조사하고 분석하기 위해서는 레이저 스캐너로부터 얻어진 3차원 점군데이터를 처리하고 이로부터 불연속면을 추출하고 분석하는 프로그램이 필수적이다. 그러나 기존 프로그램들은 불연속면 조사에 필요한 기능을 충분히 갖추었다고 보기 어려운 실정이다. 따라서 이 연구에서는 3차원 레이저 스캐너를 이용하여 암반면을 측정한 점군데이터로부터 불연속면을 추출하고 통계분석하는 일련의 과정을 자동화된 하나의 프로세스로 처리하는 프로그램을 개발하였으며, 개발된 프로그램을 암반 사면과 터널 벽면의 불연속면 조사에 적용하여 조사기법과 프로그램의 적용성을 검증하였다. 3차원 레이저를 이용한 불연속면 조사와 개발된 프로그램을 이용함으로써 부지 조사시 접근이 곤란한 지역의 조사 용이성이 증대될 수 있을 것으로 기대된다. 또한 관련 기술의 국제적인 수준이 초보 단계인 것을 감안하면 앞으로 해외시장 선점 가능성도 클 것으로 기대된다.

• 전자공학회논문지CI
• /
• 제42권3호
• /
• pp.39-52
• /
• 2005

본 논문에서는 실내환경의 3차원 복원을 위해 다시점 카메라부터 획득된 부분적인 3차원 점군에 대한 정합 기법을 제안한다. 일반적으로, 기존의 정합 방법들은 많은 계산량을 요하며, 정합하는데 많은 시간이 소요된다 또한, 상대적으로 정밀도가 낮은 3차원 점군에 대해서는 정합이 어렵다. 이러한 문제점을 해결하기 위해 투영 기반 정합 방법을 제안한다. 첫 번째, 시간적 특성을 기반으로 변화량이 큰 3차원 점들을 제거하고, 공간적 특성을 이용하여 현재 화소의 주변 3차원 점을 참조하여 빈 영역을 채움으로써 깊이 영상 정제 과정을 수행한다. 두 번째, 연속된 두 장면에서의 3차원 점군을 동일한 영상 평면으로 투영하고, 두 단계 정수 매핑을 적용한 후 수정된 KLT (Kanade-Lucas-Tomasi) 특징 추적기를 사용해 대응점을 찾는다. 그리고 적응적 탐색 영역에 기반하여 거리 오차를 최소화함으로써 정밀한 정합을 수행한다. 마지막으로, 대응되는 점들에 대한 색을 참조하여 최종적인 색을 계산하고, 위의 과정을 연속된 장면에 적용함으로써 실내환경을 복원한다. 제안된 방법은 대응점을 2차원 영상 평면에서 찾음으로써 계산의 복잡도를 줄이며, 3차원 데이터의 정밀도가 낮은 경우에도 정합이 효과적이다. 또한, 다시점 카메라를 이용함으로써 몇 장면에 대한 색과 깊이 영상만으로도 실내환경의 3차원 복원이 가능하다.

• 한국BIM학회 논문집
• /
• 제14권2호
• /
• pp.1-12
• /
• 2024

The paper proposes a methodology that combines the Random Sample Consensus (RANSAC) algorithm and the Point Cloud Encoder-Decoder Network (PCEDNet) algorithm to automatically extract the length of infrastructure elements from point cloud data acquired through 3D LiDAR scans of retaining walls. This methodology is expected to significantly improve time and cost efficiency compared to traditional manual measurement techniques, which are crucial for the data-driven analysis required in the precision-demanding construction sector. Additionally, the extracted positional and dimensional data can contribute to enhanced accuracy and reliability in Scan-to-BIM processes. The results of this study are anticipated to provide important insights that could accelerate the digital transformation of the construction industry. This paper provides empirical data on how the integration of digital technologies can enhance efficiency and accuracy in the construction industry, and offers directions for future research and application.

• 한국측량학회지
• /
• 제37권6호
• /
• pp.545-554
• /
• 2019

본 연구에서는 기존의 연구들에서 주로 사용하여왔던 현장측량, 항공사진, 라이다 데이터 등의 취득이 원천적으로 어려운 지역에 대한 건물 영역 추출을 구현하고자 하였다. 이에 접근성에 큰 영향을 받지 않는 거의 유일한 데이터인 고해상도 위성영상을 활용한 방법론을 제시하고자 한다. 영상정합을 통해 추출되는 점군 데이터 또는 DSM(Digital Surface Models)을 활용한 건물 영역 추출은 데이터내의 높은 잡음과 다수의 빈 영역으로 인해 그 정확성에 한계를 보이고 있다. 따라서 본 연구에서는 영상 정합을 통해 얻어진 3차원 점군 데이터, 영상의 색상 및 선형 정보를 결합하여 건물 영역 추출을 수행하는 하이브리드식 접근법을 제안하였다. 일차적으로 다중영상정합으로 얻어진 3차원 점군 데이터로부터 지면점과 비지면점을 분리하고, 비지면점으로부터 초기 건물 대상지를 추출한다. 이후, 영상의 색상기반 분할을 수행하여 얻어진 결과와 초기 건물 대상지를 결합하여, 색상분할기반 건물 대상지를 추출한다. 이어서 영상의 선형 추출 및 공간 분할정보를 이용하여 최종적인 건물 영역을 선정하게 된다. 본 논문에서 제시한 건물 영역 자동 추출 방법론은 Correctness: 98.44%, Completeness: 95.05%, 위치오차: 1.05m 정도의 성능을 보임을 확인하였으며, 더불어 직각형태 이상의 복잡한 건물 영역도 잘 추출함을 확인하였다.

• 한국측량학회지
• /
• 제36권6호
• /
• pp.451-456
• /
• 2018

시설물의 유지 관리 및 모니터링에 UAVs (Unmanned Aerial Vehicles)의 활용이 확대되고 있다. 안전 점검을 위한 시설물의 외관 상태 평가를 위하여 고해상도 영상을 취득하는 것이 필요하며, 넓은 지역을 빠르게 취득하기 위하여 비디오 데이터로 취득할 필요가 있다. 일반적으로 비디오 데이터에는 위치 정보가 포함되지 않아, 검사 개체의 실제 크기에 대한 정량적 분석이 어렵다. 본 연구에서는 교량 시설물을 대상으로 비디오 프레임과 기준 사진의 정합을 이용하여 교량의 3차원 점군(point cloud) 데이터의 활용성을 평가하고자 한다. 드론을 이용하여 비디오와 사진을 취득하고, 기준 사진과의 특징점 정합을 통하여 비디오 프레임의 외부 표정 요소를 생성하였다. 실험 결과 비디오 프레임 데이터는 기준 사진과 유사한 표정 정확도를 얻었으며, 표정된 프레임 데이터를 이용하여 생성된 점군 데이터는 교량의 형상 및 크기를 잘 표현하였다. 향후 다양한 조건의 정합 실험을 통하여 결과물의 안정성이 확인되면, 비디오 기반의 시설물 모델링 및 점검에 효과적으로 적용될 것으로 기대된다.

• 한국측량학회지
• /
• 제25권5호
• /
• pp.375-381
• /
• 2007

본 논문에서는 3차원 점군, 3차원 벡터 또는 3차원 곡면에 영상등록하는 새로운 방법을 제안 하였다. 제안한 방법은 카메라 위치와 3차원 직선, 2차원 영상 직선을 각각 지나는 평면의 법선벡터의 일치화를 통하여 카메라 외부표정을 추정하는 것이다. 법선벡터 일치화의 조건은 각 법선벡터 쌍의 사잇각이 제로가 되는 것이다. 이 조건은 벡터내적인 수학식으로 표현 된다. 시뮬례이션을 통하여 제안한 방법이 영상등록을 위한 외부표정 추정을 강인하게 하는 것을 증명하였다.

• 대한토목학회논문집
• /
• 제40권2호
• /
• pp.239-245
• /
• 2020

최근 BIM (Building Information Modeling)이 건설 산업계에서 폭넓게 활용되고 있다. 하지만 과거에 시공이 된 구조물에 경우 대부분 BIM이 구축되어 있지 않다. BIM이 구축되지 않은 구조물의 경우, 카메라로부터 얻은 2D 이미지에 SfM (Structure from Motion) 기법을 활용하면 3D 모델의 점군 데이터(Point cloud)를 생성하고 BIM을 구축할 수 있다. 하지만 이렇게 생성된 점군 데이터는 의미론적 정보가 포함되어 있지 않기 때문에, 수작업으로 구조물의 어떤 요소인지 분류해 주어야 한다. 따라서 본 연구에서는 구조물 구성요소를 분류하는 과정을 자동화하기 위하여 딥러닝을 적용하였다. 딥러닝 네트워크 구축에는 CNN (Convolutional Neural Network) 구조의 Inception-ResNet-v2를 사용하였고, 전이학습을 통하여 교량 구조물의 구성요소를 학습하였다. 개발된 시스템을 검증하기 위하여 수집한 데이터를 이용하여 구성요소를 분류한 결과, 교량의 구성요소를 96.13 %의 정확도로 분류할 수 있었다.

• 한국기록관리학회:학술대회논문집
• /
• 한국기록관리학회 2019년도 춘계학술대회
• /
• pp.43-47
• /
• 2019

문화유산 분야에서 일찍이 문화유산을 보존 복원하기 위한 목적으로, 3차원(3D) 디지털 기술을 이용하여 문화유산의 원형을 기록하여 왔다. 하지만 문화유산 3차원(3D) 디지털 기록은 점군 데이터 취득부터 3차원(3D) 모델 제작까지 복잡한 단계를 거쳐 생산되는 대용량의 디지털 기록으로, 장기 보존 문제를 피할 수 없다. 국제적으로 관련 논의가 활발히 진행 중에 있으며, 국내외 선행연구와 사례 분석을 바탕으로 문화유산 3차원(3D) 디지털 기록의 보존 방향을 제언하고자 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권9호
• /
• pp.401-410
• /
• 2016

3차원 정합이란 다시점에서 획득한 3차원 점군들을 정렬하는 기술로써 지난 수십 년간 많은 연구가 진행되고 있는 분야이다. 이러한 3차원 정합은 ICP(Iterative Closest Point) 알고리즘을 시작으로 많은 변형 ICP가 소개되고 있다. 하지만 ICP 계열의 알고리즘들은 최근접점을 대응점으로 간주하여 알고리즘을 수행한다. 그렇기 때문에 3차원 점군의 초기 오차가 큰 경우 정확한 대응점 탐색에 실패할 수 있다. 이런 문제점을 해결하기 위해 본 논문에서는 색상과 3차원 거리가 융합된 6차원 거리와 색상분포 유사도를 이용한다. 더 나아가 색상 분할 기반 적응형 샘플링을 이용하여 알고리즘 연산 속도를 감소시키고 성능을 향상시키는 것을 목표로 한다. 마지막으로 실험을 통해 기존의 방법과 본 논문에서 제안하는 방법의 성능을 비교한다.