[논문 리뷰] LiDAR Ground Filtering Algorithm for Urban Areas Using Scan Line Based Segmentation

Lei Wang, Yongun Zhang|arXiv (Cornell University)|2016. 03. 02.

Remote Sensing and LiDAR Applications참고 문헌 15인용 수 4

한 줄 요약

이 논문은 도시 지역을 위한 계산 효율적인 LiDAR 지면 필터링 알고리즘인 SLSGF를 제안한다. 이 알고리즘은 스캔 라인 기반 분할을 통해 복잡한 지붕 구조를 단일 세그먼트로 그룹화하여 위상적 관계를 단순화한다. 스캔 라인 유사성과 굵기에서 세밀함으로 향상되는 레이블링 체계를 활용함으로써 사전 노이즈 제거 없이도 노이즈에 강인한 필터링을 달성하였으며, ISPRS 2011 데이터에서 높은 정확도와 강건성을 입증하였다.

ABSTRACT

This paper addresses the task of separating ground points from airborne LiDAR point cloud data in urban areas. A novel ground filtering method using scan line segmentation is proposed here, which we call SLSGF. It utilizes the scan line information in LiDAR data to segment the LiDAR data. The similarity measurements are designed to make it possible to segment complex roof structures into a single segment as much as possible so the topological relationships between the roof and the ground are simpler, which will benefit the labeling process. In the labeling process, the initial ground segments are detected and a coarse to fine labeling scheme is applied. Data from ISPRS 2011 are used to test the accuracy of SLSGF; and our analytical and experimental results show that this method is computationally-efficient and noise-insensitive, thereby making a denoising process unnecessary before filtering.

연구 동기 및 목표

• 복잡한 도시 환경에서 항공 LiDAR 포인트 클라우드에서 지면 포인트를 정확하게 분리하는 과제를 해결하기 위해.
• 스캔 라인 정보를 활용하여 복잡한 지붕 구조를 단일 세그먼트로 그룹화하여 지붕과 지면 간의 위상적 관계를 단순화하기 위해.
• 사전 처리 노이즈 제거가 필요 없이 계산적으로 효율적이고 노이즈에 강인한 필터링 방법을 개발하기 위해.
• 스캔 라인 데이터의 유사성 측정을 활용하여 지면 필터링의 레이블링 정확도를 향상시키기 위해.

제안 방법

• 이 방법은 스캔 라인 정보를 사용하여 LiDAR 데이터를 분할하며, 각 스캔 라인을 점의 순서로 간주하여 공간적 및 기하학적 일관성을 분석한다.
• 유사성 측정을 설계하여 높이와 공간 연속성이 유사한 포인트를 그룹화함으로써, 복잡한 지붕 구조를 단일 세그먼트로 분할할 수 있도록 한다.
• 거시에서 미시로 향하는 레이블링 체계를 적용: 기하학적 일관성과 기울기 기준값에 기반해 초기 지면 세그먼트를 탐지한다.
• 알고리즘은 이웃 세그먼트를 분석하고 스캔 라인 구조에서 유도된 위상 제약 조건을 적용함으로써 지속적으로 지면 레이블을 정밀하게 조정한다.
• 명시적인 노이즈 제거를 피하기 위해 기하학적 일관성과 분할 안정성에 기반하여 노이즈에 내재적으로 강인하다.

실험 결과

연구 질문

• RQ1 스캔 라인 기반 분할은 LiDAR 데이터에서 복잡한 도시 지붕 구조의 분할에 어떻게 기여하는가?
• RQ2 스캔 라인 데이터에서의 유사성 기반 접근 방식은 지면 필터링에서 사전 처리 노이즈 제거의 필요성을 얼마나 줄일 수 있는가?
• RQ3 거시에서 미시로 향하는 레이블링 전략은 도시 환경에서 지면 포인트 탐지 정확도를 얼마나 향상시키는가?
• RQ4 기존의 지면 필터링 기법과 비교할 때, 제안된 방법은 계산 효율성과 노이즈 간성 면에서 어떻게 성능을 발휘하는가?

주요 결과

• SLSGF 방법은 ISPRS 2011 기준 데이터에서 높은 정확도를 달성하여 복잡한 도시 환경에서 강건한 성능을 입증하였다.
• 알고리즘은 계산적으로 효율적이므로, 상당한 계산 자원을 요구하지 않고 대규모 LiDAR 처리에 적합하다.
• 이 방법은 내재적으로 노이즈에 강인하여, 필터링 이전에 별도의 노이즈 제거 단계가 필요 없음을 입증하였다.
• 스캔 라인 유사성 기반 분할은 복잡한 지붕 구조를 단일 세그먼트로 성공적으로 그룹화하여 위상적 관계를 단순화하고 레이블링 정확도를 향상시켰다.