본문 바로가기
KERD
논문KCI 등재

LiDAR 점군 데이터를 이용한 흉고직경과 수고를 예측하는 시스템의 설계와 구현

Design and Implementation of System for Estimating Diameter at Breast Height and Tree Height using LiDAR point cloud data

김동현|김동근|고치웅|조형주|임종수
한국컴퓨터정보학회 (The Korean Society Of Computer And Information)|2023.02|한국컴퓨터정보학회논문지 (Journal of The Korea Society of Computer and Information)|제28권 제2호|pp. 99-110|DOI https://doi.org/10.9708/jksci.2023.28.02.099

0

조회

0

다운로드

1

인용

0

참고문헌

키워드

소프트웨어Software수고지상 LiDARTerrestrial LiDARDiameter at breast heightLiDAR 점군 데이터흉고 직경LiDAR point cloud dataTree height
주제분류컴퓨터학

초록

논문은 LiDAR 점군 데이터를 사용하여 흉고 직경과 수고를 예측하는 ForestLi 시스템을 제안한다. ForestLi 시스템이 LiDAR 점군 데이터를 처리하는 과정은 다음과 같이 여러 단계로 진행된다. 다운샘플링, 이상점 제거, 지표면 분할, 지표면 정규화, 수간 추출, 개체목 분할, 흉고 직경 측정, 수고 측정. LiDAR 점군 데이터를 처리하는 상용 시스템 LiDAR360은 하측 식생과 개체목 분할오류를 사용자가 직접 수정해야 한다. ForestLi 시스템은 하측 식생에 해당하는 LiDAR 점군 데이터를 자동으로 제거한다. 결과적으로 ForestLi 시스템이 LiDAR360보다 전체 수행시간을 줄이고, 흉고 직경과 수고 예측의 정확성을 높였다. 실험을 통해서 제안된 ForestLi가 LiDAR360 시스템보다 흉고 직경과 수고 측정의 정확성과 전체 실행시간 측면에서 우수하다는 것을 보여주었다.

Abstract

In this paper, we propose a system termed ForestLi that can accurately estimate the diameter at breast height (DBH) and tree height using LiDAR point cloud data. The ForestLi system processes LiDAR point cloud data through the following steps: downsampling, outlier removal, ground segmentation, ground height normalization, stem extraction, individual tree segmentation, and DBH and tree height measurement. A commercial system, such as LiDAR360, for processing LiDAR point cloud data requires the user to directly correct errors in lower vegetation and individual tree segmentation. In contrast, the ForestLi system can automatically remove LiDAR point cloud data that correspond to lower vegetation in order to improve the accuracy of estimating DBH and tree height. This enables the ForestLi system to reduce the total processing time as well as enhance the accuracy of accuracy of measuring DBH and tree height compared to the LiDAR360 system. We performed an empirical study to confirm that the ForestLi system outperforms the LiDAR360 system in terms of the total processing time and accuracy of measuring DBH and tree height.

참고문헌 (19)

  1. 김동현, "수고 및 흉고직경 측정 스마트폰 애플리케이션 개발", 한국산림과학회지, 110(1), pp.72~81 (2021), 한국산림과학회[DOI]
  2. ChiUng Ko, "The Application of Terrestrial Light Detection and Ranging to Forest Resource Inventories for Timber Yield and Carbon Sink Estimation", Forests, 13(12), pp.2087~ (2022), MDPI AG[DOI]
  3. 김경민, "국가산림자원조사 DB와 임상도를 이용한 산림탄소저장량 공간분포 추정방법 비교", 한국지리정보학회지, 17(4), pp.69~85 (2014), 한국지리정보학회[DOI]
  4. Chiung Ko, "Comparison of Forest Inventory Methods at Plot-Level between a Backpack Personal Laser Scanning (BPLS) and Conventional Equipment in Jeju Island, South Korea", Forests, 12(3), pp.308~ (2021), MDPI AG[DOI]
  5. B. Andrew, "Extracting Individual Trees from LiDAR Point Clouds using treeseg", Methods in Ecology and Evolution, 10(3), pp.291~445 (2019)[DOI]
  6. T. J. Pingel, "An Improved Simple Morphological Filter for the Terrain Classification of Airborne LiDAR Data", ISPRS Journal of Photogrammetry and Remote Sensing, 77, pp.21~30 (2013)[DOI]
  7. Maciej Lisiewicz, "Correcting the Results of CHM-Based Individual Tree Detection Algorithms to Improve Their Accuracy and Reliability", Remote Sensing, 14(8), pp.1822~ (2022), MDPI AG[DOI]
  8. 고치웅, "디지털 산림자원정보 구축을 위한 최적의 지상LiDAR 스캔 경로 분석", 대한원격탐사학회지, 37(2), pp.245~256 (2021), 대한원격탐사학회[DOI]
  9. Lingfeng Liao, "A Supervoxel-Based Random Forest Method for Robust and Effective Airborne LiDAR Point Cloud Classification", Remote Sensing, 14(6), pp.1516~ (2022), MDPI AG[DOI]
  10. Roberto Ferrara, "An automated approach for wood-leaf separation from terrestrial LIDAR point clouds using the density based clustering algorithm DBSCAN", Agricultural and Forest Meteorology, 262(15), pp.434~444 (2018), Elsevier BV[DOI]
  11. 김두용, "항공라이다 자료를 활용한 수목의 개체수 및 수고 추출", 지적과 국토정보, 46(1), pp.87~100 (2016), 한국국토정보공사
  12. Rim Douss, "Extraction of individual trees based on Canopy Height Model to monitor the state of the forest", Trees, Forests and People, 8, pp.100257~ (2022), Elsevier BV[DOI]
  13. Fangyi Wang, "Estimating tree Diameter at Breast Height (DBH) using an iPad Pro LiDAR sensor", Remote Sensing Letters, 13(6), pp.568~578 (2022), Informa UK Limited[DOI]
  14. D. Wang, "LeWoS: A Universal Leaf-Wood Classification Method to Facilitate the 3D Modeling of Large Tropical Trees using Terrestrial LiDAR", 11(3), pp.376~389 (2020)[DOI]
  15. 오윤석, "수량계산을 위한 LiDAR와 SBES데이터 통합프로그램 개발에 관한 연구", Spatial Information Research, 13(2), pp.157~166 (2005), 대한공간정보학회
  16. 장안진, "항공사진과 Lidar 데이터를 이용한 산림지역의 바이오매스 추정에 관한 연구", 한국지리정보학회지, 11(3), pp.166~173 (2008), 한국지리정보학회
  17. Sean Krisanski, "Forest Structural Complexity Tool—An Open Source, Fully-Automated Tool for Measuring Forest Point Clouds", Remote Sensing, 13(22), pp.4677~ (2021), MDPI AG[DOI]
  18. 우충식, "항공 Lidar 데이터를 이용한 산림지역의 개체목 자동 인식 및 수고 추출", 한국산림과학회지, 96(3), pp.251~258 (2007), 한국산림과학회
  19. 심형섭, "국가재난관리정보시스템 기반 재난위기경보관리시스템 구현에 관한 연구", 한국컴퓨터정보학회논문지, 28(1), pp.55~63 (2023), 한국컴퓨터정보학회[DOI]

관련 논문AI추천

지상 라이다 기반 입목의 흉고직경과 수고의 정확도 평가김현, 고병준, 박세익, 이상현, 이총규, 정성훈농업생명과학연구원 · 농업생명과학연구2025 · 제59권 제2호항공라이다 자료를 활용한 수목의 개체수 및 수고 추출김두용, 이근상, 조기성, 최연웅한국국토정보공사 · 지적과 국토정보2016 · 제46권 제1호무인기 기술을 이용한 경북 봉화지역 잣나무림의 수고 및 흉고직경 추정권춘근, 김성용, 이선주, 정재헌농업생명과학연구원 · 농업생명과학연구2021 · 제55권 제2호LiDAR 데이터를 이용한 산림구조 분석 - 오산시 남촌동의 산림을 대상으로 -김은영, 류지은, 이동근, 전성우한국환경영향평가학회 · 환경영향평가2008 · 제17권 제5호국가산림자원조사 자료를 이용한 최저·최고 흉고직경 추정식 개발강진택, 고치웅, 문가현, 이선정, 임종수농업생명과학연구원 · 농업생명과학연구2019 · 제53권 제6호드론 라이다를 이용한 임야 경계선 추출 연구홍성언한국지적학회 · 한국지적학회지2024 · 제40권 제1호

이 간행물의 다른 논문 (25건)

$gp 레지스터 주소값과 페이지 입상도를 활용한 MIPS 아키텍처 기반 펌웨어 베이스 주소 탐색기법문석주, 손영호pp. 1-7Multi-Column AutoEncoder를 사용한 One-Class 분류 진동 이상 탐지 기법손정모, 김상민pp. 9-17Image Signal Processing을 고려한 딥러닝 기반 저조도 이미지 처리권민수pp. 19-25인스타그래머블 전시의 사용자 경험 연구: <유미의 세포들 특별전> 사례를 중심으로박지수, 이보아pp. 27-38가변주기를 이용한 대규모 1인칭 온라인 슈팅 게임의 효율적인 패킷 전송 방법오승묵, 심윤식pp. 39-46
원문 보기