건물 및 식물 분류를 위한 팁

포인트 클라우드 분류 문제 해결 팁 시리즈 2부에 오신 것을 환영합니다. 이 시리즈는 사용자가 Global Mapper의 자동 분류 도구를 더 잘 이해하고 포인트 클라우드의 다양한 형태에 맞춰 조정하는 방법을 배우는 데 중점을 둡니다. 첫 번째 블로그 에서는 노이즈 및 지면 분류에 대해 다뤘습니다. 이번에는 건물 및 식생 분류에 사용되는 비지면 분류 도구를 살펴보겠습니다.

먼저, 데이터셋에서 노이즈와 지면 지점이 제대로 분류되었는지 확인하세요. 이전 블로그에서 설명했듯이 분류 도구는 특정 순서(노이즈, 지면, 건물 및 식생)로 실행하도록 설계되어 있습니다. 순서가 중요한 이유는 건물 및 식생 분류 과정에서 지면으로부터 특정 높이에 있는 지점을 찾아야 하기 때문입니다. 지면 분류가 제대로 되지 않으면 향후 분류 작업에 문제가 발생할 수 있습니다. 

건물로 분류된 지점은 주황색이고, 식물은 녹색입니다. 

비지형 데이터 분류 도구에는 분할(Segmentation) 과 그리딩(Gridding)이라는 두 가지 분류 방법이 있습니다 . 이 두 옵션은 서로 다른 방식으로 데이터를 분석하며, 데이터 수집 방식에 따라 적합한 데이터 구조가 다릅니다. 다른 자동 분류 도구와 마찬가지로 설정을 조정하기 전에 기본 설정으로 데이터 전체 또는 일부를 실행하여 어떤 구조의 포인트가 누락되는지 확인하는 것이 좋습니다.

격자 방식

그리드 방식은 기존의 전통적인 방식입니다. 과거에는 주로 고정익 항공기를 통해 라이다가 수집되었으며, 이 방식은 이러한 유형의 데이터에 맞춰 개발되었습니다. 하지만 현재는 분할 방식으로 대체되는 경우가 많습니다. 고정익 항공기 이외의 방식으로 수집된 데이터의 경우 분할 방식을 사용하십시오. 

격자형 방법은 평면 또는 평평한 건물 지형지물을 찾는 방식으로 작동합니다. 기본적으로 데이터를 격자 셀로 나누고(방법 이름에서 알 수 있듯이) 각 셀의 점들을 평면에 맞춥니다. 이 평면은 평평한 건물 지형지물입니다. 평면에서 멀리 떨어진 점들은 식생으로 표시됩니다. 즉, 이웃한 점들과 대략적으로 같은 평면 또는 평평한 표면에 있지 않은 점들은 식생으로 간주됩니다.

건물 지점이 포함되지 않는 경우 최대 평면 근접 거리 설정을 늘려보세요. 이 설정은 지점이 평면/벽/평평한 표면에서 얼마나 멀리 떨어져 있어도 표면의 일부로 간주되는지를 결정합니다. 이 설정을 높이면 건물 꼭대기에 있는 지점이 식물로 잘못 분류되는 문제도 해결될 수 있습니다.

지면으로부터의 최소 높이와 최소 식생 거리 설정은 고지대 식생 분류에 있어 가장 중요한 매개변수입니다. 지면으로부터의 최소 높이는 지면이 아닌 요소로 분류하기 시작하는 임계값을 설정합니다. 이 설정은 낮은 초목, 바위, 자동차와 같은 다른 지면 특징들을 걸러내는 데 도움이 됩니다. 최소 식생 거리는 특정 영역이 식생으로 간주되기 위한 최소 점 간 거리를 설정합니다. 이는 건물과 같은 단단한 표면에 비해 식생 지역은 점들이 더 넓게 퍼져 있는 경향이 있기 때문에 유용합니다.

건물 가장자리에서 식물이 잘못 분류되는 경우 최소 식물 거리(Minimum Vegetation Distance)를 늘려보세요 . 이 값은 특정 지점이 평면에서 일정 거리 이상 떨어져 있어야 식물로 분류됩니다.

해당 도구가 빽빽한 식생을 제대로 분류하지 못하는 경우, 지면과 식생을 구분할 수 있도록 식생 지역에 충분한 실제 지면 데이터가 있는지 확인하십시오. 지면 외 분류 및 추출 도구의 일부 매개변수는 높이와 관련이 있으므로, 다른 지점의 상대적인 높이를 결정하는 데 사용할 수 있는 분류된 지면 데이터가 필요합니다. 

지식 기반 의 이 다이어그램을 통해 이러한 설정이 데이터의 다양한 구조에 어떤 영향을 미치는지 확인해 보세요.

세분화 방법

고정익 항공기를 통해 수집된 라이다 데이터 외에도, 이제는 무인 항공기(UAV), 헬리콥터, 지상 스캐너, 사진측량 포인트 클라우드 등 다양한 소스에서 수집된 라이다 데이터를 활용할 수 있습니다. 분할 옵션은 이러한 다양한 포인트 클라우드 소스를 더욱 효과적으로 분류하고 처리하기 위해 개발되었습니다. 

최신 독립형 분할 도구 와 유사하게 , 분할 방법은 점들 간의 유사성을 기준으로 이웃 점들을 그룹화합니다. 격자형 2D 공간이 아닌 3D 공간에서 점들을 분석함으로써, 식물 근처 또는 아래에 있는 건물 점들을 더 정확하게 식별합니다.

근접 영역 크기 는 해상도를 나타냅니다. 대부분의 항공 LiDAR 데이터에는 일반적으로 3.5포인트 간격이 적합합니다. 더 조밀한 지상 데이터의 경우, 1피트(약 30cm) 정도의 간격을 사용하는 것이 좋습니다. 평가 대상 근접 영역이 너무 작으면 많은 부분이 평평하게 보일 수 있다는 점에 유의하십시오. 예를 들어, 평가 영역이 몇 인치(약 몇 센티미터)에 불과하면 나무의 측면이 평평하게 보입니다.

표준 편차 매개변수는 점들을 얼마나 적극적으로 세그먼트로 묶을지 제어합니다. 분류를 위해 평가되는 것은 바로 이러한 세그먼트 자체이므로, 일반적으로 2~3 표준편차면 충분합니다. 점들이 클러스터로 그룹화되면, 최소 클러스터 크기 매개변수를 사용하여 너무 작아서 분류가 불가능한 세그먼트를 제거합니다.

이러한 설정 조정은 자동 건물 및 식물 분류에서 더 나은 결과를 얻는 데 도움이 될 것입니다. 향후 블로그에서는 다른 분류 도구인 전력선 및 전봇대 분류 , 그리고 분할 기능에 대해 다룰 예정이니 기대해 주세요.

*업데이트: 버전 24.1에서 분할 방법이 전봇대 분류 기능을 포함하도록 업데이트되었습니다. 새로운 설정에 대한 자세한 내용은 v24.1 기술 자료 를 참조하십시오 . 새로운 전봇대 분류 도구에 대한 내용은 다음 블로그 게시물을 참조하십시오. Global Mapper의 새로운 분할 옵션을 사용하여 전봇대 분류하기

데이터 분류와 관련하여 더 자세한 도움이 필요하시면 기술 지원팀에 문의하십시오 . Global Mapper LiDAR 분류 도구 및 설정에 대한 자세한 정보는 여기 기술 자료에서 확인할 수 있습니다.

Global Mapper에서 데이터를 관리하는 방법에 대한 자세한 내용은 온라인 실습 교육 과정에 등록하는 것을 고려해 보세요.

블로그 주제 제안은 marketing@bluemarblegeo.com으로 이메일을 보내주세요.