DOI QR코드

DOI QR Code

포인트 클라우드 파일의 측점 재배치를 통한 파일 참조 옥트리의 성능 향상

한수희
Han, Soohee

  • 투고 : 2015.10.06
  • 심사 : 2015.10.24
  • 발행 : 2015.10.31

초록

최근 3차원 지상 레이저 스캐너의 성능이 고도로 향상됨에 따라 취득된 측점들로 구성된 포인트 클라우드의 용량도 급격히 증가하고 있다. 본 연구는 3차원 지상 레이저 스캐너로부터 취득한 대용량 포인트 클라우드로부터 옥트리를 생성하고 측점을 질의하기 위한 선행 연구의 파일 참조 옥트리 방식을 개선하는 것을 목표로 한다. 이를 위하여 메인 메모리에 구현된 옥트리의 리프 노드에는 첫 번째 측점의 파일 포인터만을 저장하였다. 아울러 동일한 리프 노드에 속하는 측점들이 연속적으로 기록되도록 포인트 클라우드 파일을 재구성하였다. 약 3억 개의 측점으로 구성된 포인트 클라우드로부터 옥트리를 생성하고 일련의 측점 주위로 일정 반경 안에 존재하는 측점들에 대한 질의 시간을 측정하였다. 결과적으로 옥트리의 생성 시간, 저장과 복원 시간, 질의 시간 및 메모리 사용량 등 모든 면에서 제안한 방식이 기존 방식에 비하여 향상된 성능을 나타내었다. 특히 질의 속도는 2배 이상, 메모리 효율성은 4배 이상 증가하였다. 따라서 본 연구는 선행 연구의 방식을 명백히 향상시켰다고 판단할 수 있다. 아울러 메인 메모리의 크기를 크게 상회하는 초대용량 포인트 클라우드로부터 옥트리를 구성하고 측점을 질의하는 것이 가능할 것으로 판단된다.

키워드

라이다;3차원 포인트 클라우드;질의;옥트리;파일참조

참고문헌

  1. Woo, H., Kang, E., Wang, S., and Lee, K. H. (2002), A new segmentation method for point cloud data. International Journal of Machine Tools and Manufacture, Vol. 42, pp. 167-178. https://doi.org/10.1016/S0890-6955(01)00120-1
  2. Han, S. (2014a), Implementation of file-referring octree for huge 3D point clouds, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 32, No. 2, pp. 109-115. (in Korean with English abstract) https://doi.org/10.7848/ksgpc.2014.32.2.109
  3. Han, S. (2014b), Enhancing query efficiency for huge 3D point clouds based on isometric spatial partitioning and independent octree generation, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 32, No. 5, pp. 481-486. (in Korean with English abstract) https://doi.org/10.7848/ksgpc.2014.32.5.481
  4. PCL (2015), Module octree, Point Cloud Library, http://docs.pointclouds.org/1.7.1/group__octree.html (last date accessed: 24 October 2015).
  5. RIEGL (2015a), RIEGL VZ-2000 Datasheet, RIEGL Laser Measurement Systems GmbH, http://www.riegl.com (last date accessed: 11 August 2015).
  6. RIEGL (2015b), RIEGL VUX-1 Series Infosheet, RIEGL Laser Measurement Systems GmbH, http://www.riegl.com (last date accessed: 11 August 2015).
  7. Saxena, M., Finnigan, P. M., Graichen, C. M., Hathaway, A. F., and Parthasarathy, V. N. (1995), Octree-based automatic mesh generation for non-manifold domains, Engineering with Computers, Vol. 11, pp. 1-14. https://doi.org/10.1007/BF01230440
  8. Schnabel, R., Wahl, R., and Klein, R. (2007), Efficient RANSAC for point-cloud shape detection, Computer Graphics Forum, Vol. 26, pp. 214-226. https://doi.org/10.1111/j.1467-8659.2007.01016.x
  9. Wang, M. and Tseng, Y.-H. (2004), Lidar data segmentation and classification based on octree structure, Proceedings of XXth ISPRS Congress, ISPRS, Istanbul, Turkey.
  10. Wikipedia (2015), Brute-force search, Wikimedia Foundation, Inc., https://en.wikipedia.org/wiki/Brute-force_search (lastdate accessed: 11 August 2015).
  11. Cho, H., Cho, W., Park, J., and Song, N. (2008), 3D building modeling using aerial LiDAR data, Korean Journal of Remote Sensing, Vol. 24, pp. 141-152. (in Korean with English abstract)
  12. Maréchal, L. (2009), Advances in octree-based all-hexahedral mesh generation: handling sharp features, Proceedings of 18th International Meshing Roundtable, Salt Lake City, UT, USA, pp. 65-84.
  13. Han, S. (2013), Design of memory-efficient octree to query large 3D point cloud, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol. 31, No. 1, pp. 41-48. (in Korean with English abstract) https://doi.org/10.7848/ksgpc.2013.31.1.41