선형을 이용한 쿼터니언 기반의 3차원 점군 데이터 등록

김의명; 서홍덕

추천

검색

질문

자료유형: 학술저널

저자정보: 김의명 (Namseoul University) 서홍덕 (Namseoul University)

저널정보: 한국측량학회 한국측량학회지 한국측량학회지 제38권 제3호

발행연도: 2020.6

수록면: 175 - 185 (11page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

3차원 등록은 서로 다른 좌표계를 갖거나 좌표계가 없는 데이터를 기준 좌표계로 일치시키는 과정으로 사진측량의 절대표정, 정밀도로지도 제작을 위한 데이터 결합 등 다양한 분야에서 사용되고 있다. 3차원 등록은 점을 이용하는 방법과 선형을 이용하는 방법으로 구분이 된다. 점을 이용할 경우 서로 다른 공간해상도를 갖는 경우 동일한 공액점을 찾기 어려운 문제가 있다. 이에 반해 선형을 이용할 경우 공간해상도가 다른 경우 뿐만 아니라 점군 형태의 데이터에서 시작점과 끝점이 같지 않은 공액의 선형을 이용하여 3차원 등록이 가능한 장점이 있다. 본 연구에서는 선형을 이용하여 3차원 등록을 수행하기 위해서 쿼터니언을 이용하여 두 데이터 간의 3차원 회전각을 결정한 후 축척과 3차원 이동량을 결정하는 방법을 제안하였다. 제안한 방법의 검증을 위해 실내에서 구축한 선형과 실외 환경의 지상 모바일매핑시스템을 통해 취득한 선형을 이용하여 3차원 등록을 각각 수행하였다. 실험결과, 실내 데이터를 이용한 경우 축척을 고정한 경우와 고정하지 않은 경우 평균제곱근오차는 각각 0.001054m와 0.000936m로 나타났다. 실외 데이터를 이용하여 500m 구간에서 3차원 변환을 수행한 결과 6개의 선형을 이용하였을 경우 평균제곱근오차는 0.09412m로 나타났으며 정밀도로지도 제작을 위한 정확도를 만족하는 것을 알 수 있었다. 또한, 선형의 개수를 변화시킨 실험에서 9개 이상의 선형을 이용할 경우도 평균제곱근오차의 변화가 크지 않은 것을 통해 높은 정확도의 3차원 변환을 위해 9개의 선형으로도 충분한 것을 알 수 있었다.

Three-dimensional registration is a process of matching data with or without a coordinate system to a reference coordinate system, which is used in various fields such as the absolute orientation of photogrammetry and data combining for producing precise road maps. Three-dimensional registration is divided into a method using points and a method using linear features. In the case of using points, it is difficult to find the same conjugate point when having different spatial resolutions. On the other hand, the use of linear feature has the advantage that the three-dimensional registration is possible by using not only the case where the spatial resolution is different but also the conjugate linear feature that is not the same starting point and ending point in point cloud type data. In this study, we proposed a method to determine the scale and the three-dimensional translation after determining the three-dimensional rotation angle between two data using quaternion to perform three-dimensional registration using linear features. For the verification of the proposed method, three-dimensional registration was performed using the linear features constructed an indoor and the linear features acquired through the terrestrial mobile mapping system in an outdoor environment. The experimental results showed that the mean square root error was 0.001054m and 0.000936m, respectively, when the scale was fixed and if not fixed, using indoor data. The results of the three-dimensional transformation in the 500m section using outdoor data showed that the mean square root error was 0.09412m when the six linear features were used, and the accuracy for producing precision maps was satisfied. In addition, in the experiment where the number of linear features was changed, it was found that nine linear features were sufficient for high-precision 3D transformation through almost no change in the root mean square error even when nine linear features or more linear features were used.

#Three-dimensional Transformation #Linear Feature #Quaternion #Terrestrial Mobile Mapping System #Absolute orientation #Precise Road Map #3차원 변환 #선형 #쿼터니언 #지상 모바일매핑시스템 #절대표정 #정밀 도로지도

참고문헌 (23)

참고문헌 신청

Alshawa, M. (2007), ICL: Iterative closest line a novel point cloud registration algorithm based on linear features, Ekscentar, Vol. 10, pp. 53-59.

Besl, P.J. and McKay, N.D. (1992), Method for registration of 3-D shapes, In: Sensor Fusion IV: Control Paradigms and Data Structures. International Society for Optics and Photonics, Vol. 1611, pp. 587-607.

Choi, S.P., Lii, I.J., Park, B.W., and Kim, U.N. (2014), Error correction technique of terrestrial LiDAR data using plane equation. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 24-25 April, Seoul, Korea, pp. 329-334.

Du, S., Liu, J., Zhang, C., Zhu, J., and Li, K. (2015), Probability iterative closest point algorithm for m-D point set registration with noise, Neurocomputing, Vol. 157, pp. 187-198.

Habib, A., Ghanma, M., Morgan, M., and Ruzouq, R. (2005), Photogrammetric and LiDAR data registration using linear features, Photogrammetric Engineering & Remote Sensing, Vol. 71, No. 6, pp. 699-707.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김의명

소속기관 남서울대학교

주요연구분야 공학 > 건축공학 > 토목공학 TOP 0.5% 공학 > 전기전자공학 > 제어계측공학

논문수 162 이용수 17,213

서홍덕

소속기관 남서울대학교

주요연구분야 공학 > 건축공학 > 토목공학 TOP 10% 사회과학 > 지리학 > 국제·지역개발학

논문수 14 이용수 1,623

이 논문과 함께 이용한 논문

스마트마이닝을 위한 정밀 광산공간정보 구축 및 광체 모델링

박준규 , 정갑용 한국측량학회지 2020 .12

반사타겟 좌표 및 오차정보를 이용한 세종 VLBI IVP 위치계산

홍창기 , 배태석 , 이상오 한국측량학회지 2020 .12

초분광센서와의 상호교정을 통한 RedEdge-MX 다분광 카메라의 보정계수 산출

백승일 , 고수윤 , 김원국 한국측량학회지 2020 .12

GNSS를 활용한 한반도 동남권 지역의 지각 변동 파라미터 분석

이승준 , 윤홍식 한국측량학회지 2020 .12

지하시설물정보 자동갱신을 위한 준공도서 제출 표준DB 설계 연구

박동현 , 장용구 , 류지송 한국측량학회지 2020 .12

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (23)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)