의사 웨이브폼 분해를 이용한 하천 지역 항공수심라이다 데이터 분류 (Airborne bathymetric LiDAR data classification of river using pseudo-waveform decomposition)

서지정보

· 발행기관 : 한국측량학회
· 수록지 정보 : 한국측량학회지 / 40권 / 6호 / 645 ~ 653페이지
· 저자명 : 김혜진, 이재빈, 위광재

초록

효율적인 하천측량 시스템으로 주목받고 있는 항공수심라이다(ABL: Airborne Bathymetric LiDAR)의 데이터로부터 하천의 연속적인 3차원 지형정보를 취득하기 위해서는 수면과 바닥 점군(point cloud)을 분류해야 한다. 본연구에서는 항공수심라이다 점군 데이터로부터 생성한 의사 웨이브폼(pseudo-waveform)을 이용한 효과적인 하천 점군 분류 방법을 제안하였다. 의사 웨이브폼은 2차원 격자 형태로 분할된 점군의 수직 분포 히스토그램을 통해생성할 수 있으며, 이는 큰 footprint의 웨이브폼과 유사한 물리적 특성을 갖는다. 생성된 의사 웨이브폼에 다중 가우시안 모델(multiple Gaussian model) 기반의 웨이브폼 분해(waveform decomposition)를 적용한 후, 분해된 성분(component) 중 가장 상위 성분에 해당하는 점들을 수면, 가장 하위 성분의 점들은 바닥, 두 성분 사이의 점들은 수주(water column), 그리고 나머지 점들은 노이즈로 할당하여 총 4개 클래스로 분류한다. Leica Chiroptera 4X 시스템을 통해 충남 곡교천에서 취득된 데이터를 이용한 실험 결과, 전체 정확도는 92.89%로, Leica 전용(proprietary)소프트웨어의 분류 결과 대비 우수한 분류 성능을 확인하였다.

영어초록

In order to obtain continuous 3D terrain information from the data of ABL (Airborne Bathymetric LiDAR),which is attracting attention as an efficient river surveying system, it is necessary to classify the water surface andbottom point cloud. In this study, an effective river point cloud classification method using a pseudo-waveformgenerated from ABL point cloud data was proposed. A pseudo-waveform can be generated through a verticaldistribution histogram of point cloud divided into a 2D grid, and has similar physical characteristics to a waveformwith a large footprint. After applying waveform decomposition based on the multi-Gaussian model to the generatedpseudo-waveform, the points corresponding to the highest component among the decomposed components are thewater surface, the points corresponding to the lowest component are the riverbed, the points between the twocomponents are the water column, and the remaining points are assigned as noise and classified into a total of fourclasses. As a result of the experiment using the data acquired in Gokgyocheon, Chungcheongnam-do through theLeica Chroptera 4X system, the overall accuracy was 92.89%, confirming the superior classification performancecompared to the Leica system's own classification result.

참고자료

· 없음