• 국제학술발표논문집
• /
• The 9th International Conference on Construction Engineering and Project Management
• /
• pp.1100-1105
• /
• 2022

Denoising, registering, and detecting changes of 3D digital map are generally conducted by skilled technicians, which leads to inefficiency and the intervention of individual judgment. The manual post-processing for analyzing 3D point cloud data of construction sites requires a long time and sufficient resources. This study develops automation technology for analyzing 3D point cloud data for construction sites. Scanned data are automatically denoised, and the denoised data are stored in a specific storage. The stored data set is automatically registrated when the data set to be registrated is prepared. In addition, regions with non-homogeneous densities will be converted into homogeneous data. The change detection function is developed to automatically analyze the degree of terrain change occurred between time series data.

• 대한임베디드공학회논문지
• /
• 제16권5호
• /
• pp.215-223
• /
• 2021

3D data can be categorized into two parts : Euclidean data and non-Euclidean data. In general, 3D data exists in the form of non-Euclidean data. Due to irregularities in non-Euclidean data such as mesh and point cloud, early 3D deep learning studies transformed these data into regular forms of Euclidean data to utilize them. This approach, however, cannot use memory efficiently and causes loses of essential information on objects. Thus, various approaches that can directly apply deep learning architecture to non-Euclidean 3D data have emerged. In this survey, we introduce various deep learning methods for mesh and point cloud data. After analyzing the operating principles of these methods designed for irregular data, we compare the performance of existing methods for shape classification and segmentation tasks.

• Smart Structures and Systems
• /
• 제30권5호
• /
• pp.501-511
• /
• 2022

Three-dimensional (3D) models have become crucial for improving civil infrastructure analysis, and they can be used for various purposes such as damage detection, risk estimation, resolving potential safety issues, alarm detection, and structural health monitoring. 3D point cloud data is used not only to make visual models but also to analyze the states of structures and to monitor them using semantic data. This study proposes automating the generation of high-quality 3D point cloud data and removing noise using deep learning algorithms. In this study, large-format aerial images of civilian infrastructure, such as cut slopes and dams, which were captured by drones, were used to develop a workflow for automatically generating a 3D point cloud model. Through image cropping, downscaling/upscaling, semantic segmentation, generation of segmentation masks, and implementation of region extraction algorithms, the generation of the point cloud was automated. Compared with the method wherein the point cloud model is generated from raw images, our method could effectively improve the quality of the model, remove noise, and reduce the processing time. The results showed that the size of the 3D point cloud model created using the proposed method was significantly reduced; the number of points was reduced by 20-50%, and distant points were recognized as noise. This method can be applied to the automatic generation of high-quality 3D point cloud models of civil infrastructures using aerial imagery.

• 한국정보통신학회논문지
• /
• 제26권11호
• /
• pp.1660-1665
• /
• 2022

최근 많은 산업체에서 3차원 스캐닝 기술을 활용하고 있다. 3D 스캐너의 성능이 향상됨에 따라 점데이터를 획득하면 후처리를 통해서 일정 비율만큼 줄이는 샘플링 단계를 수행하거나, 잡음이라고 판단되는 부분을 제거한다. 하지만, 이와 같은 추가과정 수행에도 불구하고 오랜 시간 동안 스캐닝하면 점데이터들을 한꺼번에 처리할 수 없다. 일반적으로 멀티스레드 환경을 이용하여 기획득된 점데이터를 먼저 처리하는 방식을 이용하지만, 스캐닝 프로세스 작업 시간이 증가함에 따라 다양한 환경 조건과 누적된 연산으로 인하여 점차 처리 성능이 낮아진다. 본 연구에서는 3D 스캐너로부터 실시간으로 들어오는 점데이터를 누적된 고속 특징점 히스토그램 계산을 이용하여 불필요하다고 판단되는 점데이터를 초기에 제거하는 방식을 제안한다. 이 방법을 이용하면 전체 3D 스캐닝 프로세스의 속도 향상을 가져온다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제14권2호
• /
• pp.84-90
• /
• 2014

This paper presents the results of three-dimensional face point cloud smoothing based on a modified anisotropic diffusion method. The focus of this research was to obtain a 3D face point cloud with a smooth texture and number of vertices equal to the number of vertices input during the smoothing process. Different from other methods, such as using a template D face model, modified anisotropic diffusion only uses basic concepts of convolution and filtering which do not require a complex process. In this research, we used 6D point cloud face data where the first 3D point cloud contained data pertaining to noisy x-, y-, and z-coordinate information, and the other 3D point cloud contained data regarding the red, green, and blue pixel layers as an input system. We used vertex selection to modify the original anisotropic diffusion. The results show that our method has improved performance relative to the original anisotropic diffusion method.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 신호처리소사이어티 추계학술대회 논문집
• /
• pp.183-186
• /
• 2003

A vision sensor should be calibrated prior to infer a Euclidian shape reconstruction. A point to point calibration. also referred to as a hard calibration, estimates calibration parameters by means of a set of 3D to 2D point pairs. We proposed a new method for determining a set of 3D to 2D pairs for the structured light hard calibration. It is simply determined based on epipolar geometry between camera image plane and projector plane, and a projector calibrating grid pattern. The projector calibration is divided two stages; world 3D data acquisition Stage and corresponding 2D data acquisition stage. After 3D data points are derived using cross ratio, corresponding 2D point in the projector plane can be determined by the fundamental matrix and horizontal grid ID of a projector calibrating pattern. Euclidian reconstruction can be achieved by linear triangulation. and experimental results from simulation are presented.

• 한국정보통신학회논문지
• /
• 제23권11호
• /
• pp.1482-1484
• /
• 2019

We present a method for transmitting 3D object information in real time in a telepresence system. Three-dimensional object information consists of a large amount of point cloud data, which requires high performance computing power and ultra-wideband network transmission environment to process and transmit such a large amount of data in real time. In this paper, multiple users can transmit object motion and facial expression information in real time even in small network bands by using GANs (Generative Adversarial Networks), a non-supervised learning machine learning algorithm, for real-time transmission of 3D point cloud data. In particular, we propose the creation of an object similar to the original using only the feature information of 3D objects using conditional GANs.

• 한국지리정보학회지
• /
• 제21권4호
• /
• pp.132-144
• /
• 2018

건설, 의료, 컴퓨터 그래픽스, 도시공간 관리 등 다양한 분야에서 3차원 공간정보 모델이 이용되고 있다. 특히 측량 및 공간정보 분야에서는 최근 고품질의 3차원 공간정보와 실내공간정보에 대한 수요가 폭발적으로 증가하고 있으나, 현재 공간정보 데이터가 다양한 형식과 저장구조로 구성되어 관리되고 있어 저비용 고효율의 3차원 공간정보 서비스가 어려운 상황이다. 실제로 활용도 높은 3차원 모델을 구축하기 위한 기술은 관측과 처리에 고액의 비용이 발생하지만, 대부분의 수요처에서는 이러한 고비용의 공간정보 구축에 어려움을 느끼는 경우가 대부분이다. 따라서 본 연구에서는 저비용의 3D 공간정보 모델을 구축하기 위한 효율적인 방안을 제시하는 것을 목적으로 하였다. 현재의 3D 모델의 구축 방법 중 가장 효율적인 방법으로는 기존에 구축되어 있는 Point Cloud, UAV 관측영상 등의 원시데이터를 활용하여 비용을 절감시키는 방법이 있지만, 이는 관리하는 기관이 분리되어 있고 사용하기 위해 요청하는 절차가 복잡하여 활용에 제한이 있었다. 본 연구에서는 이를 해결하기 위해서 도로대장 관리 분야를 대상으로 3D 구축에 필요한 기반데이터를 통합하여 연계하고 관리 할 수 있는 통합관리 시스템 개발을 수행하였으며, 다양한 형태의 원시자료를 Point Cloud 형식으로 구성하여 도로대장 관리에 적용할 경우 6개의 주요 관리항목을 효과적 구축 및 관리할 수 있을 것으로 판단되었다.

• 한국멀티미디어학회논문지
• /
• 제23권2호
• /
• pp.166-173
• /
• 2020

Multi-view images, which are widely used for providing free-viewpoint services, can enhance the quality of synthetic views when the number of views increases. However, there needs an efficient representation method because of the tremendous amount of data. In this paper, we propose a method for generating point cloud data for the efficient representation of multi-view color and depth images. The proposed method conducts sequential reconstruction of point clouds at each viewpoint as a method of deleting duplicate data. A 3D point of a point cloud is projected to a frame to be reconstructed, and the color and depth of the 3D point is compared with the pixel where it is projected. When the 3D point and the pixel are similar enough, then the pixel is not used for generating a 3D point. In this way, we can reduce the number of reconstructed 3D points. Experimental results show that the propose method generates a point cloud which can generate multi-view images while minimizing the number of 3D points.

• 만화애니메이션 연구
• /
• 통권48호
• /
• pp.199-215
• /
• 2017

최근 군사적 목적으로 제작된 드론의 활용이 일반적인 용도로 그 사용처가 확대되고 있다. 콘텐츠 제작에 있어 드론이 활발하게 사용되고 있는데 특히 영상 촬영 분야에서 가장 눈에 띄게 나타나고 있다. 본 논문에서는 드론에서 촬영된 2차원 영상 데이터를 이용하여 포인트 클라우드 및 3차원 모델을 생성하고 메쉬 데이터를 3차원 라이브러리로 모듈화한 플랫폼을 개발한다. 이를 위하여 먼저 드론을 이용하여 2차원 영상 데이터를 취득하고, 취득된 2차원 영상 데이터를 기반으로 하여 포인트 클라우드를 생성하고, 추출된 포인트 클라우드를 3차원 메쉬 데이터로 변환한 후 변환되어진 3차원 데이터를 다양한 분야에 활용될 수 있도록 서비스 라이브러리 플랫폼을 개발한다. 본 논문에서 개발된 플랫폼은 촬영된 데이터를 3차원 데이터로 변환하여 영화, 드라마, 다큐멘터리 등의 제작 시에 특수 영상을 위한 실제 세트 제작 비용 절감 및 시간을 단축 할 수 있고, 실감 미디어 및 특수 영상, 전시 영상 분야의 디지털 콘텐츠 제작 전문 인력 창출에 기여 할 수 있다.