라이다 도시개발 번역(한국어 원본)라이다 자료처리 소프트웨어 비교
오픈 소프트웨어
라이다 자료의 처리에는 크게 오픈 소프트웨어와 상용 소프트웨어가 사용될 수 있다. 오픈 소프트웨어는 소스를 공개하여서 누구나 사용할 수 있도록 하는 소프트웨어를 나타낸다. 표 1은 라이다 자료처리에 사용되는 오픈 소프트웨어의 주요 기능을 나타낸다.
PDAL은 다양한 형태의 점군(point cloud) 자료를 변환하거나 조작할 수 있는 기능을 가지고 있다. LASTools은 라이다 자료에서 지면을 분류하거나 DEM을 생성할 수 있는 소프트웨어로서 가장 많이 활용되고 있다. ArcGIS에 Add-In되어 프로그램이 수행되는 Felis는 라이다 자료에서 건물, 식생 등을 분리하는 기능을 가지고 있다.
이러한 오픈 소프트웨어는 대부분 소스코드가 공개되어 있어 커스터마이징을 통해서 각자 취향에 맞는 부가적인 기능을 추가할 수 있다. 이에 반해 사용자 인터페이스와 자료처리 기능에서 한계가 있는 단점이 있다. 상용 소프트웨어
상용 소프트웨어는 일정 금액을 지불하고 소프트웨어를 구매하는 것으로 라이다 자료처리에 활용되는 대표적인 프로그램은 표 2와 같다.
TerraScan은 대용량 라이다 자료처리를 수행할 수 있도록 Microstation 기반에서 작동되는 프로그램으로 가장 많이 활용되고 있는 상용 소프트웨어중의 하나이다. 이에 반해 LIDAR Analyst는 주로 ArcGIS 또는 Erdas Imagine에 Add-In되어 실행되는 소프트웨어로 라이다 자료에서 자동화하여 지면, 비지면을 분류하거나 건물과 수목 등을 추출하는 기능을 가지고 있다. LIDAR Analyst를 이용한 공간정보 추출
본 연구에서 사용하는 것은 ArcGIS에 Add-In된 LIDAR Analyst를 이용하여 자료처리를 수행하였다. Extract Bare Earth
라이다 자료에는 실세계에 존재하는 모든 대상물에 대한 3차원 정보가 들어 있다. 그러나 이러한 정보는 모두 점군 형태로 되어 있기 때문에 사용자가 원하는 건물, 수목 등과 같은 공간객체를 추출하기 위해서는 자료처리가 필요하다.
본 연구에서 사용된 실험대상지역은 3000m x 3000m 면적을 갖는 인천지역으로 LIDAR 데이터로 이루어져 있는 데이터이다. LIDAR데이터는 점군으로 이루어져있는 데이터로 여러 개의 포인트로 되어있다. 그림1은 실험에 사용된 인천지역의 LIDAR data이다.
실험대상지역인 인천지역의 LIDAR데이터를 통해 가장 먼저 수행할 자료처리는 원시 라이다 자료에서 지면점들을 추출하는 것이다. LIDAR Analyst에는 이를 위해 Bare Earth Extraction 기능이 있다.
먼저 LIDAR데이터 또는 Raster데이터를 입력하고 입력된 자료의 좌표계를 설정한다. 그리고 나서 지면 및 건물을 추출하기 위한 방법과 매개변수를 설정한다. 지면추출과 건물추출을 위한 매개변수에는 건물의 최대 크기, 지면의 최대 경사, 추출 지면의 최소면적 등을 설정하고 자료처리에 의해 생성된 결과파일을 설정한다.
본 연구에서는 인천 LIDAR 데이터를 이용하여 지면을 추출하였으며 이를 위해 매개변수로 지면의 최대경사는 35도로 설정하고 건물의 최대크기는 100m로 설정하였다. 매개변수 설정 시 지면의 경사를 너무 크게 설정하면 건물이나 수목의 데이터를 지면으로 인식하여 건물과 수목이 추출이 잘 되지 않는다. 그림2는 연구대상지역에 대해 LIDAR데이터에서 Bare Earth의 추출한 결과를 나타낸다. Extract Building
라이다 자료에서 건물과 수목 등의 공간객체에 대한 정보를 추출하기 위해서 먼저 그림 2와 같이 지면을 추출하였다. 건물을 추출하기 위해서는 그림 2의 지면자료와 입력 라이다 자료를 이용하고 건물추출을 위한 매개변수를 설정하여 자료처리를 수행하면 된다. 건물추출을 위한 매개변수로는 건물의 최소면적, 건물의 최대면적, 건물의 최소높이, 건물 지붕의 경사, 건물 모서리 설정 등에 관한 것이다. 연구대상지역의 경우 건물 생성시 건물의 최소면적은 30m², 최대면적은 15000m²으로 하였다. 최대면적은 건물의 최대길이가 100m이기 때문에 그것보다 조금 더 큰15000m²로 설정하였다. 건물의 최소 높이는 2.2m로 설정하였다. 이러한 이유는 건물의 최소 높이값을 너무 높게 설정하면 건물을 추출하지 못하는 경우가 발생하고 너무 낮게 설정하면 작은 나무나 가로등과 같이 건물이 아닌 것도 건물로 추출 될 수 있기 때문이다. 건물의 경사는 최소경사는 10도, 최대경사는 32도로 설정하였다. 그림 3은 인천 LIDAR지역의 건물을 추출한 그림을 나타낸다.
그림 3에서 추출된 건물에는 그림 4와 같이 지붕의 유형, 면적, 건물의 높이, 건물의 길이, 지면의 높이, 지붕의 평균 경사 등에 대한 속성정보를 가지고 있다. Extract Tree
라이다 자료에서 건물정보를 추출하고 나면 이제 남는 대부분의 정보는 수목 또는 산림에 대한 정보이다.
Tree는 Bare Earth와 Building, LIDAR데이터를 통해서 수목이나 산림을 추출하는 기능이다. 또한 수목이 밀집해 있는 공간은 산림이라고 설정하여 산림(Polygon 데이터)으로 나타낼 수도 있다. 수목의 최소 높이, 최대 높이, 숲의 최소면적 등의 속성을 입력하고 또한 나무, 숲의 유형을 활엽수, 납엽수, 혼합 등으로 구분하여 수목과 산림을 추출할 수 있다.
연구대상지역에서 수목을 추출하기 위해서 나무의 최소 높이는 1m로 설정하였고 최대 높이는 40m로 설정하였다. 그림 5는 인천 LIDAR데이터를 통해 수목을 추출한 그림이다.
그림 5에서 추출한 개별 수목에는 그림 6과 같이 수목의 높이, 수관폭, 줄기의 직경 등의 정보가 있다. 공간정보의 서비스 및 활용방안
라이다를 통해서 추출된 건물, 수목 또는 산림에 대한 정보는 구글의 KML을 통해서 서비스할 수 있다. KML이란 Google Earth, Google Map 등 주로 위치정보를 기록하는데 사용하는 파일 포맷이다. 그 중 Google Earth는 지리정보의 효과적인 공유와 시각화를 나타내는 장점을 가지고 있다. 지리적 시각화란 지리 공간 데이터의 지리 및 공간적인 현상의 분포패턴이나 또는 탐색적 분석결과를 통계 그래프, 지도 등과 같은 시각적인 그래픽을 이용하여 표현이 가능하다.
본 연구에서는 연구대상지역인 인천지역의 지면, 건물, 나무를 추출한 결과를 그림 7과 같이 KML로 변환하여 서비스를 하였다. KML로 변환하여 서비스한 이유는 일반 사용자들은 건물, 나무 등을 구분하는 방법은 수작업으로 하여 시간이 많이 소요되고 정밀도가 떨어진다. 하지만 본 연구는 LIDAR Analyst라는 소프트웨어를 통해서 자동화하여 건물과 나무를 찾아 시간의 소요가 줄고 정확한 매개변수를 입력하면 정밀도도 높아진다. 그렇기 때문에 KML의 서비스를 통해서 일반 사용자도 사용 할 수 있도록 서비스 할 수 있다.
기존의 항공사진측량의 방법을 통해서 건물, 수목 등을 찾는 연구는 많은 시간이 소모되는 단점이 있는 반면에 LIDAR를 이용한 방법은 자동화된 자료처리로 인하여 지상의 공간객체에 대한 정보를 효율적으로 구축할 수 있다. 인천지역의 실험연구를 통해서 이러한 연구성과는 도시개발, 환경변화에 따른 수목의 성장 등 국토변화를 모니터링 하는데 활용될 수 있을 것으로 기대된다. |
라이다 도시개발 번역(영어 번역본)Comparison of LIDAR data processing software
Open software
Open software and commercial software can be used in processing the LIDAR data. Open software can be used by anyone as its sources are open. Table 1 shows the major functions of open software used in processing the LIDAR data.
The PDAL can convert or manipulate various-formed point cloud data. The LASTools, the most popular one, can divide ground or generate DEM from the LIDAR data. The Felis, executed by Add-In to the ArcGIS, can isolate buildings and trees from the LIDAR data. Because most of the open software provide the source codes, other functions can be added when necessary via customizing. Meanwhile, the open software is restricted in user interface and data processing. Commercial software
Commercial software can be purchased by paying certain amount of money, and there are some representative programs used in the LIDAR data processing as seen in Table 2.
The TerraScan, one of the most popular commercial software, is Microstation-based program that can process large-amount of the LIDAR data. Meanwhile, the LIDAR Analyst is executed by Add-In to the ArcGIS or the Erdas Imagine, dividing ground and non-ground or isolating buildings and trees by automation on the LIDAR data. Extracting spatial information using the LIDAR Analyst
For this study, the authors processed the data using the ArcGIS-Added-In LIDAR Analyst. Extract Bare Earth
The LIDAR data contain the three-dimensional information of all the objects existing in the real world. However, the information consist of point clouds, thus requiring data processing in order to extract spatial objects such as buildings and trees whose data a user wants to obtain.
The research area in this study was Incheon with 3000m x 3000m, whose data exist as the LIDAR data.
The research area in this study was Incheon with 3000m x 3000m, whose data exist as the LIDAR data. The LIDAR data consist of point clouds, with several points. Figure 1 shows the LIDAR data of Incheon used in this experiment.
The initial data processing of the LIDAR data of Incheon area was extraction of ground points from the raw LIDAR data by using the Bare Earth Extraction function of the LIDAR Analyst.
First, the authors entered the LIDAR or the Raster data and setting up the coordinate system of the entered data. Then, the method and parameters were established in order to extract ground and buildings.
First, the authors entered the LIDAR or the Raster data and setting up the coordinate system of the entered data. Then, the method and parameters were established in order to extract ground and buildings. The parameters for extracting ground and buildings contained the maximum size of buildings, the maximum slope of ground, and the minimal area of extracted ground. Then, the authors set up the result file generated by the data processing.
The authors in this study extracted the ground by using the Incheon LIDAR data, and as for the parameters, the maximum slope of ground was 35 degrees and the maximum size of buildings was 100m. In establishing parameters, buildings and tress are hard to be extracted when the ground slope is set up to be exceedingly steep because the data of a building or tree may be perceived as ground. Figure 2 shows the results of extraction of Bare Earth from the LIDAR data of the research area. Extract Building
In order to extract information of spatial objects such as buildings and trees from the LIDAR data, the authors first extracted the ground as shown in Figure 2. In order to extract buildings, the authors processed the ground data in Figure 2 and the entered LIDAR data by setting up the parameters to extract buildings. The parameters for extracting buildings included the minimum/maximum area, the minimum height, and the roof inclination, and the edges of a building. For the research area, the minimum area of a building was 30m² and the maximum area was 15000m². Because the maximum length of a building was 100m, the maximum area of a building was established to be 15000m², slightly larger value. The minimum height of a building was established to be 2.2m. If the minimum height is too high, the program may fail to extract a building; if the minimum height is too low, objects that are not buildings such as small trees or streetlamps may be extracted as buildings. As for the inclination of a building, the minimum was 10 and the maximum was 32 degrees. Figure 3 shows extraction of the buildings in the Incheon LIDAR area. The extracted buildings in Figure 3 contain attribute information such as types and area of roof, height and length of buildings, height of ground, and average roof inclination, as seen in Figure 4. Extract Tree
After extraction of building information from the LIDAR data, most of the remaining is information of trees of forest.
The Tree is to extract trees of forest from the Bare Earth, the Building, and the LIDAR data. Space of dense trees may be displayed as forest (polygon data) by establishing the space as forest. Trees and forest can be extracted by entering attributes such as the minimum/maximum height of a tree and the minimum area of forest and by classifying types of trees and forest into broad-leaved, deciduous, and mixed.
In order to extract trees from the research area, the authors established the minimum height of a tree as 1m and the maximum height as 40m. Figure 5 shows extraction of trees from the Incheon LIDAR data.
The individual tree extracted in Figure 5 contains information such as height of a tree, width of crown, and the diameter of stem as seen in Figure 6. Service and usage of spatial informations
The information of buildings, trees, and forest extracted from the LIDAR may be serviced via the Google’s KML, a file format that is used mainly in recording location information such as Google Earth and Google Map. Google Earth is advantageous in that it enables effective sharing and visualization of geographic information. Geographic visualization using visual graphics such as statistical graphs and maps enables expression of distribution patterns or exploratory analysis results of geographic and spatial phenomena of geographic spatial data.
The authors in this study serviced the results of extraction of ground, buildings, and trees in Incheon as the research area by converting the results to the KML as shown in Figure 7. Manual isolation of buildings and trees as conducted by general users is time-requiring with less accuracy, but automation via the LIDAR Analyst in identifying buildings and trees in this study requires less time and may be enhanced in accuracy when precise parameters are entered. Thus, service via the KMP may enable general users to use the information.
Identifying buildings and trees via the existing aerial photogrammetry is time-requiring, but automation of data processing via the LIDAR may efficiently establish information of spatial objects on the ground.
The results of this study of Incheon area may be used in monitoring changes in the territory such as growth of tress based on urban development and environmental changes. |
