• 한국건설관리학회논문집
• /
• 제21권5호
• /
• pp.55-63
• /
• 2020

토공 자동화는 건설 산업에서 유망한 기술로 주목받고 있으며, 토공 자동화 기술의 적용은 건설 현장의 포인트 클라우드 데이터(Point Cloud Data, PCD) 취득 및 처리로부터 시작된다. PCD는 광범위한 건설 현장의 특성상 백만 개 이상의 많은 데이터를 가지며, 이에 대한 원데이터의 처리 속도는 디지털 지형 모델(Digital Terrain Model, DTM) 생성 및 공사의 효율성 증가에 매우 중요한 요소이다. 현재 국내 설계기준에 적합한 PCD 처리 및 BIM 설계 통합 프로그램인 벤치마크 프로그램(Benchmark Program, BP)이 존재하지만, 사용자의 편의성과 효율성을 위한 수정과 개선이 필요한 상황이다. 본 연구에서는 BP의 기존 PCD 처리 기능을 유지하며, PCD 파일의 호환성에 대한 확장 및 컴파일(Compile) 기반 개발 환경, OpenGL의 활용 및 UI/UX 디자인을 이용한 개선 프로그램을 개발하였다. 개발된 프로그램에 다양한 크기의 PCD를 로드 했을 때, 기존 프로그램과 비교하여 92~99%의 속도 향상이 있었다. 이 프로그램은 추후 PCD와 토공 BIM 기능을 통합하여 설계와 시공 사이의 간극을 줄이는 프로그램 개발의 기반이 될 수 있고, 나아가 토공 생산성 향상에 기여할 것으로 기대된다.

• 자동차안전학회지
• /
• 제14권2호
• /
• pp.51-56
• /
• 2022

This paper presents an Ground Segmentation algorithm to eliminate unnecessary Lidar Point Cloud Data (PCD) in an autonomous driving system. We consider Random Sample Consensus (Ransac) Algorithm to process lidar ground data. Ransac designates inlier and outlier to erase ground point cloud and classified PCD into two parts. Test results show removal of PCD from ground area by distinguishing inlier and outlier. The paper validates ground rejection algorithm in real time calculating the number of objects recognized by ground data compared to lidar raw data and ground segmented data based on the z-axis. Ground Segmentation is simulated by Robot Operating System (ROS) and an analysis of autonomous driving data is constructed by Matlab. The proposed algorithm can enhance performance of autonomous driving as misrecognizing circumstances are reduced.

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2020년도 봄 학술논문 발표대회
• /
• pp.105-106
• /
• 2020

Recently, a method of deriving an efficient 2D floor plan has been attracting attention for remodeling of old buildings with inaccurate 2D floor plans, and thus, studies on reverse engineering of indoor Point Cloud Date(PCD) have been actively conducted. However, in the case of a indoor PCD, due to interference of indoor objects, available equipment is limited to Mobile Laser Scanner(MLS), which causes a efficiency reduction of data processing. Therefore, this study proposes an automatic derivation algorithm for 2D floor plan of indoor PCD based on pixelation. First, the scanned indoor PCD is projected on the XY coordinate plane. Second, a point distribution of each pixel in the projected PCD is derived using a pixelation. Lastly, 2 floor plan derivation based on the algorithm is performed.

• 국제학술발표논문집
• /
• The 6th International Conference on Construction Engineering and Project Management
• /
• pp.680-681
• /
• 2015

This study develops an algorithm that automatically performs reverse engineering on three-dimensional (3D) sweeping shapes using a user's pre-defined feature templates and 3D point cloud data (PCD) of sweeping shapes. Existing methods extract 3D sweeping shapes by extracting points on a PCD cross section together with the center point in order to perform curve fitting and connect the center points. However, a drawback of existing methods is the difficulty of creating a 3D sweeping shape in which the user's preferred feature center points and parameters are applied. This study extracts shape features from cross-sectional points extracted automatically from the PCD and compared with pre-defined feature templates for similarities, thereby acquiring the most similar template cross-section. Fitting the most similar template cross-section to sweeping shape modeling makes the reverse engineering process automatic.

• Architectural research
• /
• 제21권4호
• /
• pp.111-116
• /
• 2019

The premise of this research is the recent advancement of Building Information Modeling(BIM) Technology and Laser Scanning Technology(3D Scanning). The purpose of the paper is to amplify the potential offered by the combination of BIM and Point Cloud Data (PCD) for structural analysis. Today, enormous amounts of construction site data can be potentially categorized and quantified through BIM software. One of the extraordinary strengths of BIM software comes from its collaborative feature, which can combine different sources of data and knowledge. There are vastly different ways to obtain multiple construction site data, and 3D scanning is one of the effective ways to collect close-to-reality construction site data. The objective of this paper is to emphasize the prospects of pre-scanning and post-scanning automation algorithms. The research aims to stimulate the recent development of 3D scanning and BIM technology to develop Scan-to-BIM. The paper will review the current issues of Scan-to-BIM tasks to achieve As-Built BIM and suggest how it can be improved. This paper will propose a method of coordinating and utilizing PCD for construction and structural analysis during construction.

• 한국군사과학기술학회지
• /
• 제23권6호
• /
• pp.542-553
• /
• 2020

Virtual world and simulation need large scale map rendering. However, rendering too many vertices is a computationally complex and time-consuming process. Some game development companies have developed 3D LOD objects for high-speed rendering based on distance between camera and 3D object. Terrain physics simulation researchers need a way to recognize the original object shape from 3D LOD objects. In this paper, we proposed simply automatic LOD framework using point cloud data (PCD). This PCD was created using a 6-direct orthographic ray. Various experiments are performed to validate the effectiveness of the proposed method. We hope the proposed automatic LOD generation framework can play an important role in game development and terrain physic simulation.

• 한국건설관리학회논문집
• /
• 제22권3호
• /
• pp.40-51
• /
• 2021

실내 도면 획득을 위해 실내 형상정보를 습득할 수 있는 MLS (Mobile Laser Scanning)가 건설업에서 주목받고 있다. MLS의 특성상 스캐닝 중 LiDAR (Light Detection and Ranging)의 움직임을 발생하며, 이로 인해 습득된 포인트가 왜곡되는 skew가 발생한다. 이러한 skew를 보정하고 정확한 형상정보를 획득하기 위해 관성측정장치를 활용한 de-skewing 기법에 관한 연구가 진행되고 있다. 하지만, 해당 연구들은 관성측정장치를 활용하기 어려운 환경에서 사용하기 어려운 한계점이 있다. 이에 본 연구에서는 MLS로 습득한 실내 2차원 PCD (Point Cloud Data)를 대상으로 관성측정장치를 사용하지 않은 de-skewing 기법을 제시하였다. 해당 알고리즘은 인접한 스캔 지점의 포인트 간의 스캔 매칭을 통해 skew를 보정하였다. TLS (Terrestrial Laser Scanning)로 습득한 기준 데이터와 본 알고리즘을 통해 de-skewing을 진행한 데이터를 비교하여 검증하였으며, 모든 조건에서 면적 오차를 평균 49.82% 감소하여 본 알고리즘을 통해 관성측정장치 없이 정확한 실내 도면 도출이 가능함을 보였다.

• 한국산림과학회지
• /
• 제112권2호
• /
• pp.195-208
• /
• 2023

본 연구는 잣나무와 낙엽송을 대상으로 라이다로부터 취득된 3차원의 Point cloud data (PCD)를 이용하여 딥러닝 기반의 수종 분류 모델을 구축하고 분류정확도를 비교·평가하였다. 수종 분류 모델은 라이다 플랫폼(고정식과 이동식), Farthest point sampling (FPS) 기반의 다운샘플링 강도(1024개, 2048개, 4096개, 8192개), 딥러닝 모델(PointNet, PointNet++) 3가지 조건에 따라 총 16개의 모델을 구축하였다. 분류 정확도 평가 결과, 고정식 라이다는 다운샘플링 강도가 8192개인 PCD 자료에 PointNet++ 모델을 적용하였을 때 카파계수가 93.7%로 가장 높았으며, 이동식 라이다는 다운샘플링 강도가 2048개에 PointNet++을 적용하였을 때 카파계수가 96.9%로 가장 높았다. 또한, 플랫폼과 다운샘플링 강도가 동일한 경우 PointNet++이 PointNet보다 정확도가 높았다. 구축된 16개 모델의 오분류 사례는 첫 번째, 수종 간의 구조적인 특징이 유사한 개체목 두 번째, 경사지 또는 임도 주변에 위치하여 편심생장한 개체목 세 번째, 개체목 분할 시 수관부가 수직으로 분할된 개체목에 대해 발생하였다.

• 한국산업융합학회 논문집
• /
• 제24권6_2호
• /
• pp.753-762
• /
• 2021

Google provides mapping services using satellite imagery, this is widely used for the study. Since about 20 years ago, research and business using drones have been expanding. Pix4D is widely used to create 3D information models using drones. This study compared the distance error by comparing the result of the road construction site with the DSM data of Google Earth and Pix4 D. Through this, we tried to understand the reliability of the result of distance measurement in Google Earth. A DTM result of 3.08 cm/pixel was obtained as a result of matching with 49666 key points for each image. The length and altitude of Pix4D and Google Earth were measured and compared using the obtained PCD. As a result, the average error of the distance based on the data of Pix4D was measured to be 0.68 m, confirming that the error was relatively small. As a result of measuring the altitude of Google Earth and Pix4D and comparing them, it was confirmed that the maximum error was 83.214m, which was measured using satellite images, but the error was quite large and there was inaccuracy. Through this, it was confirmed that there are difficulties in analyzing and acquiring data at road construction sites using Google Earth, and the result was obtained that point cloud data using drones is necessary.

• 한국정보전자통신기술학회논문지
• /
• 제15권6호
• /
• pp.471-476
• /
• 2022

본 논문은 악천후에 약한 카메라와 라이다(LiDAR)의 문제점을 해결하기 위해 개발된 4D 이미징 레이더를 활용한 객체 인식 기법을 제안한다. 4D 이미징 레이더를 통해 데이터를 측정 및 수집하는 경우 라이다 데이터보다 포인트 클라우드 데이터의 밀도가 낮다는 단점이 있다. 밀도가 낮아 객체 사이의 거리가 넓은 특성을 이용하여, 객체를 군집화하고 해당 군집에서 voxel을 통해 객체의 특징을 추출하는 기법을 제안한다. 또한, 추출된 특징을 이용한 객체 인식 기법을 제안한다.