[논문 리뷰] Automatic 3D Mapping for Tree Diameter Measurements in Inventory Operations

JEAN-FRANÇOIS TREMBLAY, Martin Béland외 3명|arXiv (Cornell University)|2019. 04. 10.

Remote Sensing and LiDAR Applications참고 문헌 21인용 수 5

한 줄 요약

이 논문은 산림에서 수목 흉경지경(Diameter at Breast Height, DBH)을 자동으로 추정하기 위해 이동식 라이다를 사용한 ICP 기반 3차원 맵핑 기법을 제안한다. 다양한 DBH 추정 방법을 검증하며, 새로운 중앙값 기반 실린더 피팅 기법을 포함하여 총 평균 루트 평균 제곱 오차(RMSE) 3.45 cm, 이상적인 성숙 산림에서는 2.04 cm의 성능을 달성하였다.

ABSTRACT

Forestry is a major industry in many parts of the world. It relies on forest inventory, which consists of measuring tree attributes. We propose to use 3D mapping, based on the iterative closest point algorithm, to automatically measure tree diameters in forests from mobile robot observations. While previous studies showed the potential for such technology, they lacked a rigorous analysis of diameter estimation methods in challenging forest environments. Here, we validated multiple diameter estimation methods, including two novel ones, in a new varied dataset of four different forest sites, 11 trajectories, totaling 1458 tree observations and 1.4 hectares. We provide recommendations for the deployment of mobile robots in a forestry context. We conclude that our mapping method is usable in the context of automated forest inventory, with our best method yielding a root mean square error of 3.45 cm for our whole dataset, and 2.04 cm in ideal conditions consisting of mature forest with well spaced trees.

연구 동기 및 목표

• 이동식 라이다를 활용한 자동 3차원 맵핑 시스템을 개발하고 산림 조사 작업에 적용 가능성을 검증한다.
• 복잡한 지형과 높은 나무 밀도를 가진 실제 산림 환경에서의 정확한 DBH 추정 과제를 해결한다.
• 다양하고 대규모 데이터셋을 바탕으로 여러 DBH 추정 방법(이중 신규 방법 포함)을 평가하고 비교한다.
• 현장 성능 및 환경 제약 조건을 바탕으로 산림 분야에서 이동 로봇을 구현할 때의 실용적 권고 사항을 제공한다.

제안 방법

• 11개의 경로를 따라 네 곳의 산림 현장에서 수집한 이동식 라이다 데이터를 바탕으로 반복가까운점(ICP) 알고리즘을 활용해 3차원 포인트 클라우드 맵을 구축한다.
• 하이퍼서클 피팅과 비선형 최적화를 활용해 나무 줄기 세그먼트에 다수의 실린더를 피팅한 후, 유도된 지름의 중앙값을 취하는 새로운 DBH 추정 방법을 적용한다.
• 지상 차량에 장착된 3D 라이다에서 수집한 원시 라이다 스캔 데이터를 처리하며, 맵 구축 과정에서 위치 추정을 위해 IMU 및 GPS 데이터를 통합한다.
• 3차원 맵에서 나무 줄기를 탐지하고, 분할된 줄기 포인트에 실린더 모델을 피팅한 후, 피팅된 실린더 반지름에서 DBH를 계산한다.
• 1.4헥타르 면적에 걸쳐 1,458개의 나무 관측치를 포함한 데이터셋을 바탕으로 맵핑 및 추정 파이프라인을 검증한다.
• 기하학적 피팅과 강력한 통계적 필터링(중앙값)의 조합을 통해 ICP로 생성된 맵의 노이즈 및 이방성에 대한 민감도를 감소시킨다.

실험 결과

연구 질문

• RQ1 다양하고 실제 산림 환경에서 ICP 기반 3차원 맵핑이 수목 DBH 추정에 얼마나 잘 작동하는가?
• RQ2 다양하게 테스트된 DBH 추정 방법 중에서 어떤 방법이 노이즈가 많은 이동식 라이다 데이터에서 가장 정확하고 견고한 결과를 낼 수 있는가?
• RQ3 DBH 추정 정확도에 영향을 주는 주요 환경적 및 운영적 요인(예: 나무 간격, 지형의 불규칙성, 로봇 속도)은 무엇인가?
• RQ4 로봇으로부터의 거리가 DBH 추정 오차에 어떤 영향을 미치며, 신뢰할 수 있는 측정의 실질적 한계는 어디인가?
• RQ5 이동식 산림 맵핑에서 정확도를 극대화하기 위한 현장 구현 전략(예: 경로 설계, 나무에의 근접도)은 무엇인가?

주요 결과

• 제안된 중앙값 기반 실린더 피팅 방법이 가장 우수한 성능을 보였으며, 전체 데이터셋에서 루트 평균 제곱 오차(RMSE) 3.45 cm를 달성하였다.
• 이상적인 조건—즉, 잘 분리된 성숙 산림—에서는 최고의 성능을 보인 방법이 RMSE 2.04 cm를 기록하여 일반적으로 산업에서 요구하는 정확도 수준을 충족하였다.
• 로봇으로부터 6m를 초과해 떨어지면 DBH 추정 정확도가 크게 떨어지며, 10m 이상에서는 오차 전파 및 포인트 밀도 감소로 인해 신뢰할 수 없게 진다.
• 로봇 속도는 성능에 영향을 미친다: 1m/s 속도에서 한 스캔 동안의 운동으로 인해 결과가 열악해졌으며, 이는 고속 이동 플랫폼에서 운동 보정 기술이 필요함을 시사한다.
• 지면의 불규칙성과 장애물은 심지어 성숙 및 청소년 산림과 같은 도전적인 현장에서도 맵핑 및 DBH 추정에 거의 영향을 주지 않았다.
• 더 광범위한 경로(예: 조밀한 격자 패턴)는 단순한 순환 경로보다 우수한 성능을 보였으며, 특정 조건에서 국부화 오차로 인해 음의 편향이 발생하는 것을 방지하였다.