• 한국측량학회지
• /
• 제38권1호
• /
• pp.35-41
• /
• 2020

3D 레이저 스캐너는 대상물에 대한 많은 양의 데이터를 빠른 시간 내에 취득할 수 있는 효과적인 방법으로 최근 측량, 변위측정, 대상물의 3차원 데이터 생성, 실내공간정보 구축, BIM (Building Information Model) 등 다양한 분야에 활용되고 있다. 3D 레이저 스캐너를 통해 취득되는 점군데이터의 활용을 위해서는 정합과정을 거쳐 많은 측점에서 취득한 데이터를 통일된 좌표체계를 가진 하나의 데이터로 만드는 과정이 필요하다. 따라서 정합 방법에 따른 점군데이터의 정확도에 대한 분석적 연구가 필요하다 이에 본 연구에서는 3D 레이저 스캐너를 통해 취득되는 점군데이터의 정합방법에 따른 정확도를 분석하고자 하였다. 3D 레이저 스캐너를 통해 연구대상지의 점군데이터를 취득하고, 자료처리를 통해 ICP (Iterative Closest Point) 와 형상정합 방법에 의해 점군데이터를 정합하였으며, 토털스테이션 측량성과와 비교하여 정확도를 분석하였다. 정확도 평가 결과 ICP와 형상정합 방법은 각각 토털스테이션 성과와 0.002~0.005m, 0.002~0.009m의 차이를 나타내었다. 각각의 정합 방법은 실험결과 모두 0.01m 미만의 편차를 나타내어 1:1,000 수치지형도의 허용정확도를 만족하였으며, ICP 및 형상정합을 이용한 점군데이터의 정합이 공간정보 구축에 충분히 활용 가능함을 제시하였다. 향후 형상정합 방법에 의한 점군데이터의 정합은 3D 레이저 스캐너를 활용한 공간정보 구축 과정에서 타겟의 설치를 줄임으로써 생산성 향상에 기여할 것이다.

• 제어로봇시스템학회논문지
• /
• 제21권2호
• /
• pp.108-114
• /
• 2015

Automated driving systems require a high level of performance regarding environmental perception, especially in urban environments. Today's on-board sensors such as radars or cameras do not reach a satisfying level of development from the point of view of robustness and availability. Thus, map data is often used as an additional data input to support these systems. An accurate digital map is used as a powerful additional sensor. In this paper, we propose a new approach for vehicle localization using a lane map and a single-layer LiDAR. The maps are created beforehand using a highly accurate DGPS and a single-layer LiDAR. A pose estimation of the vehicle was derived from an iterative closest point (ICP) match of LiDAR's intensity data to the lane map, and the estimated pose was used as an observation inside a Kalmanfilter framework. The achieved accuracy of the proposed localization algorithm is evaluated with a highly accurate DGPS to investigate the performance with respect to lateral vehicle control.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume I
• /
• pp.500-503
• /
• 2006

To adjust the discrepancy between Light Detection and Ranging (LIDAR) strips, previous researches generally have been conducted using conjugate features, which are called feature-based approaches. However, irrespective of the type of features used, the adjustment process relies upon the existence of suitable conjugate features within the overlapping area and the ability of employed methods to detect and extract the features. These limitations make the process complex and sometimes limit the applicability of developed methodologies because of a lack of suitable features in overlapping areas. To address these drawbacks, this paper presents a methodology using area-based algorithms. This approach is based on the scheme that discrepancies make complex the local height variations of LIDAR data whithin overlapping area. This scheme can be helpful to determine an appropriate transformation for adjustment in the way that minimizes the geographical complexity. During the process, the contour tree (CT) was used to represent the geological characteristics of LIDAR points in overlapping area and the Iterative Closest Points (ICP) algorithm was applied to automatically determine parameters of transformation. After transformation, discrepancies were measured again and the results were evaluated statistically. This research provides a robust methodology without restrictions involved in methods that employ conjugate features. Our method also makes the overall adjustment process generally applicable and automated.

• 한국측량학회지
• /
• 제31권4호
• /
• pp.285-292
• /
• 2013

본 연구는 도로 네트워크를 분할한 뒤 네트워크 정합을 수행하는 방법론을 제안한다. 네트워크의 링크에 의해 둘러싸인 공간으로부터 폴리곤 객체를 생성하고 중첩기반 그래프 군집화 기법을 적용하여 이들 폴리곤 객체들의 대응 집합 쌍을 탐색하고, 이로부터 독립적인 정합을 수행하는 하위 네트워크 쌍을 얻었다. 이후 분할된 네트워크 데이터 쌍의 노드 집합에 Iterative Closest Point 알고리즘을 적용하여 기하보정을 수행한 후 하우스도르프 거리를 이용하여 1:N 링크 정합을 수행하였다. 제안된 방법의 효용성을 평가하기 위해 국가교통 DB센터에서 관리하는 KTDB의 네트워크 데이터와 국내 상용 차량 내비게이션 업체의 네트워크 데이터를 대상으로 알고리즘을 적용하고 결과를 평가하였다. 3m에서 18m까지 3m 간격으로 하우스도르프 거리에 임계값을 적용하여 네트워크를 정합한 결과 15m의 임계값에서 F-measure 기준 0.99의 정확도를 얻을 수 있었다.

• 방송공학회논문지
• /
• 제26권3호
• /
• pp.258-268
• /
• 2021

포인트 클라우드 콘텐츠는 3차원 포인트로 실제 객체를 나타내는 몰입형 콘텐츠이다. 포인트 클라우드 데이터를 획득하거나 포인트 클라우드 데이터를 인코딩 및 디코딩하는 과정에서 포인트 클라우드 콘텐츠의 해상도가 저하될 수 있다. 본 논문에서는 프레임 간 정합을 통해 순차적으로 포인트 클라우드 콘텐츠의 해상도를 점진적으로 향상시키는 방법을 제안한다. 포인트 클라우드 데이터를 정합하기 위해 ICP(Iterative Closest Point) 알고리즘이 일반적으로 사용된다. 기존 ICP 알고리즘은 강체를 변환할 수 있지만 포인트 클라우드 콘텐츠와 같이 로컬에서 서로 다른 방향으로 모션 벡터를 갖는 비 강체에 대해서는 변환이 불가능하다는 단점이 있다. 현재 프레임의 포인트 클라우드와 이전 프레임 사이의 포인트를 쌍을 만들고 만들어진 쌍의 움직임양을 계산하여 보상해주는 방법으로 기존 ICP 정합에서의 한계를 극복하였다. 이러한 방식으로 프레임 사이에 포인트를 정합하는 과정을 통해 기하학적 움직임이 있는 포인트 클라우드 콘텐츠의 해상도가 향상됨을 보였다.

• 전자공학회논문지S
• /
• 제35S권12호
• /
• pp.69-76
• /
• 1998

본 논문에서는 ICP (Iterative Closest Point) 알고리즘을 이용한 영상등록에서의 회전 성분 신뢰도를 추정할 수 있는 행렬을 유도하 였다. ICP 알고리즘 결과의 신뢰도는 영상등록을 하려는 입력 물체의 모양에 따라 다르다. 보통 원통과 같은 어떤 축에 대한 회전체보 다는 더 복잡하고 두드러진 특징이 많은 물체일수록 신뢰도가 높은 결과를 얻게 된다. 본 논문에서는 ICP 알고리즘으로 구한 값의 신뢰도를 점으로 표현되는 입력물체에서의 각 점의 위치와 법선 벡터에 대한 식으로 나타내었다. 입력물체에 잡음이 들어갔을 때, 이로 인한 ICP 결과의 오차를 제시한 신뢰도를 이용해 추정하였다. 마지막으로 타원체 합성영상에 대한 신뢰도와 잡음이 들어갔을 때의 ICP 결과의 오차를 컴퓨터 모의실험으로 비교 분석하여 이론치와 부합되는 것을 보였다.

• 대한조선학회논문집
• /
• 제61권3호
• /
• pp.143-151
• /
• 2024

In this study, we present a mapping framework for 3D spatial reconstruction of digital twin model using navigation and perception sensors mounted on an Autonomous Surface Vehicle (ASV). For improving the level of realism of digital twin models, 3D spatial information should be reconstructed as a digitalized spatial model and integrated with the components and system models of the ASV. In particular, for the 3D spatial reconstruction, color and 3D point cloud data which acquired from a camera and a LiDAR sensors corresponding to the navigation information at the specific time are required to map without minimizing the noise. To ensure clear and accurate reconstruction of the acquired data in the proposed mapping framework, a image preprocessing was designed to enhance the brightness of low-light images, and a preprocessing for 3D point cloud data was included to filter out unnecessary data. Subsequently, a point matching process between consecutive 3D point cloud data was conducted using the Generalized Iterative Closest Point (G-ICP) approach, and the color information was mapped with the matched 3D point cloud data. The feasibility of the proposed mapping framework was validated through a field data set acquired from field experiments in a inland water environment, and its results were described.

• 한국산학기술학회논문지
• /
• 제20권3호
• /
• pp.16-22
• /
• 2019

로봇을 적용한 자동화 생산 라인에서 로봇 셋업 시 시뮬레이션을 통한 Off-Line Programming(OLP)과 로봇 캘리브레이션은 작업 시간을 단축하고 양산 전부터 생산 품질을 관리하기 위해 필수적이다. 본 연구에서는 상용 3D 스캐너를 사용하여 생산 라인의 CAD 데이터와 현장의 3차원 측정 스캔 데이터를 정합하는 로봇 캘리브레이션 방법을 개발하였다. 제안한 방법은 Iterative Closest Point(ICP) 알고리즘을 통해 두 개의 3차원 점군 데이터를 정합하여 로봇을 교정한다. 정합은 3단계로 수행한다. 먼저 CAD 데이터로부터 3개의 평면으로 연결된 꼭짓점을 특징점으로 추출한다. 추출한 특징점 주변에 위치한 스캔 점군데이터로부터 평면을 재구성하여 대응하는 특징점을 생성한다. 마지막으로 ICP 알고리즘을 통해 추출한 특징점들 간의 거리를 최소화하여 위치 변환 행렬을 계산한다. 자동차 차체 조립라인의 스팟용접 로봇 설치에 제안한 방법을 적용한 결과 스팟용접에서 일반적으로 요구하는 정밀도 1.5mm 수준으로 로봇의 위치 및 자세를 캘리브레이션 할 수 있었으며, 기존에 레이저 트래커를 사용하면 로봇 한 대당 5시간 이상 소요되던 셋업 시간은 40분 이내로 단축할 수 있었다. 개발한 시스템을 사용하면 차체 스팟 용접에 필요한 정밀도를 유지하면서 자동차 차체 조립 라인의 OLP 작업시간을 단축하여, 로봇 정밀 티칭 시간을 단축하여, 생산제품의 품질 향상 및 불량률을 최소화할 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권12호
• /
• pp.525-530
• /
• 2022

두 개의 점군(point cloud)을 정렬(alignment)하기 위해 현재까지 ICP(iterative closest point) 알고리즘이 널리 사용되고 있지만, ICP는 두 점군의 초기 방향이 크게 다를 경우 정렬에 실패하는 경우가 많다. 본 논문에서는 두 개의 삼각형 메쉬 A, B가 서로 크게 다른 초기 방향을 가질 때, 이들을 정렬하는 알고리즘을 제안한다. 메쉬 A, B에 대해 각각 가중치 무게중심(weighted centroid)을 구한 뒤, 무게중심으로부터 정점까지의 거리를 이용하여 메쉬 간에 서로 대응될 가능성이 있는 정점들을 특징점으로 설정한다. 설정된 특징점들이 대응될 수 있도록 메쉬 B를 회전한 뒤, A와 B의 정점들에 대해 RMSD(root mean square deviation)를 측정한다. RMSD가 기준치보다 작은 값을 가질 때까지 특징점을 변경하며 같은 과정을 되풀이하여 정렬된 결과를 얻는다. 실험을 통해 ICP 및 Go-ICP 알고리즘으로 정렬이 실패할 경우에도 제안된 알고리즘으로 정렬이 가능함을 보인다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 추계학술대회
• /
• pp.200-201
• /
• 2020

본 논문에서는 ICP (iterative closest points) 기반의 포인트 클라우드 콘텐츠 품질 개선 방법을 제안한다. 포인트 클라우드 콘텐츠는 실제 환경의 물체를 3 차원의 점으로 획득한 실감 콘텐츠이다. 이처럼 3 차원 점으로 구성된 포인트 클라우드 콘텐츠는 영상 확대 또는 포인트 클라우드 획득 및 복원 과정에서 콘텐츠의 품질이 저하될 수 있다. 제안하는 방법은 ICP 알고리즘을 활용히여 이전 프레임과 현재 프레임 상의 포인트 클라우드 위치 사이가 존재하는지 검사하고, 피사체의 움직임에 의해 발생한 프레임 간 차이를 보정하여 콘텐츠의 품질을 향상시켰다.