지상 MMS 측량은 다양한 센서를 탑재한 차량이 도로를 주행하면서 주변을 관측하여 위치(x, y, z)값, 색상(RBG)값, 반사(Intensity)값 등을 포함하는 점군(Point Cloud) 데이터로 취득하는 기술로 2㎝급 정밀도를 가진 데이터를 취득할 수 있다. 정밀한 점군데이터는 노면 또는 도로 주변에 대한 객체를 상세하게 식별할 수 있어 점군데이터 기반으로 면, 선 등 형상을 추출하기 위한 다양한 연구가 수행되었다.
지상 MMS 측량은 촬영 거리에 따라 수십 기가에 달하는 점군데이터를 취득하며, 점군데이터는 표준포맷인 LAS 파일로 저장된다. 대용량 데이터로 수집되기에 하나의 파일로 저장할 경우 데이터 조회에 문제가 발생하기 때문에 1기가 이하 단위로 분할하여 저장한다. 이렇게 분할되어 저장되는 데이터를 그대로 사용할 경우 동일한 작업을 반복적으로 수행해야 하며, 최종적으로는 분리된 데이터를 다시 통합해야 하는 단점이 존재한다.
또한, MMS 측량을 통해 구축한 점군데이터에서 추출할 수 있는 대상은 도로면, 시설물, 차선, 도로경계선 등 다양한 형태가 있다. 그중 선형데이터로 추출할 수 있는 대상은 차선과 경계선이 대표적이며 해당 데이터는 직진성을 가지는 특징이 있다. 점군에서 선형데이터를 추출하기 위한 다양한 연구가 수행되었으나, 대부분 좁거나 짧은 영역에서 객체를 추출하는 연구가 대부분이었다. 차선이나 도로경계선과 같은 데이터는 도로구간에서 연속적인 데이터로 구축해야 하므로 대용량 데이터를 대상으로 계산량을 최소화하여 선형데이터로 추출하는 방법이 필요하였다.
이에 본 연구에서는 지상 MMS 측량을 통해 수집한 점군데이터를 통합하여 선형데이터 자동추출 방법을 제시하였다. 분할되어 저장된 LAS 파일을 연속적으로 조회할 수 있도록 계층적으로 구조화하는 방법을 적용하고, 점군데이터의 각각의 점들에 정의된 값(위치, 반사)을 기반으로 도로경계선과 차선을 자동추출하는 연구를 수행하였다.
점군데이터 구조화는 대용량 데이터를 처리할 수 있도록 옥트리 기반의 공간분할기법을 적용하여 계층적으로 구성하였다. 또한, 점군에 저장된 위치값을 이용한 경계(Edge)영역 추출과 반사값(Intensity)을 이용한 차선영역을 추출하여 방향성을 가진 OBB(Oriented Bounding Box)를 생성하였다. 마지막으로, 계층적으로 구조화한 통합된 데이터를 기반으로 OBB에 충돌감지 알고리즘을 적용하여 선형데이터 자동추출을 시도하였다.
연구 검증을 위하여 여러 개로 분할된 수십 기가의 데이터를 계층적으로 구조화한 통합된 데이터로 구성하여 결과를 확인하였다. 계층적으로 구조화된 대용량 점군데이터를 기반으로 차선 및 도로경계를 자동추출하여 선형데이터를 취득하고, 정밀도로지도의 노면선표시(B2_SURFACELINEMARK) 레이어와 연석, 콘크리트방호벽, 가드레일, 중앙분리대 등 차도구간을 확인할 수 있는 데이터가 포함된 차량방호안전시설(C3_VEHICLEPROTECTIONSAFETY) 레이어와 비교하여 자동추출된 선형데이터의 정확도를 검증하였다.
계층적 점군데이터 구조화 검증결과 옥트리 기반으로 블록별로 파일을 구분하여 저장한 수십 기가에 달하는 점군데이터를 한번에 조회할 수 있음을 확인하였다. 선형데이터 자동추출 검증결과 경계가 명확하고 주변 시설물에 대한 간섭이 상대적으로 적고 차선 구분도 명확한 위치에서는 정확도가 높은 도로경계선 및 차선 추출이 가능함을 확인하였으나, 노면 및 차선의 상태가 좋지 않은 환경에서는 정확도가 낮거나 오류가 발생하는 등 선형데이터 추출의 한계점을 확인하였다.
결과적으로, 계층적 구조화로 통합된 데이터와 이를 기반으로 OBB에 충돌알고리즘을 적용할 경우 짧은 폐색지역 및 노이즈 값을 무시하고 선형데이터 추출이 가능하여 본 연구에서 제시하는 방식으로 선형데이터를 생성할 경우 선형데이터 추출 작업의 효율성을 높일 수 있을 것으로 판단하였다.

Ground MMS survey is a technology that mounts various sensors on a vehicle and observes the surroundings while driving on the road to acquire point clouds. This point cloud data includes position (x, y, z) values, color (RBG) values, and reflection (intensity) values, among others, and has a precision of around 2 centimeters. This data can distinguish road surfaces or objects around roads in detail, so various studies have proposed various methods to extract shapes such as faces and lines based on point cloud data.
Ground MMS survey acquires tens of gigabytes of point cloud data depending on the shooting distance and produces the point cloud data as a standard LAS file format. This point cloud data is divided into units of 1 gigabyte or less and stored so as not to cause data retrieval problems. Using this divided data requires repetitive extraction procedures before re-integrating the resulting shapes. Moreover, MMS surveys enable the extraction of various object types from the constructed point cloud data, such as road surfaces, facilities, lanes, and road boundaries. These data include the extraction of lanes and boundary lines having a linearity characteristic. There are several methods for extracting linear data from a point cloud, but most studies have focused on detecting objects in a narrow or short area. Therefore, a method of extracting linear data by minimizing the amount of computation for large-volume data is necessary.
Hence, this study proposed an improvement plan for automatic extracting linear data by integrating point cloud data collected through ground MMS surveys. This study aims to demonstrate a method for hierarchical structuring and continuously searching the divided and stored LAS files for extracting the road boundary lines and lanes based on the data, including position and reflection, defined for each point.
The point cloud data was structured hierarchically using the octree-based spatial division technique. In addition, an Oriented Bounding Box (OBB) with directionality was created by extracting the edge area using the position value stored in the point cloud and the lane area using the reflection(Intensity) value. Linear data was automatic extracted by applying the object collision algorithm to the entire area based on the integrated data hierarchically structured based on OBB.
For research verification, dozens of gigabytes of data divided into several parts were hierarchically structured into integrated data. Linear data was obtained by extracting lanes and road boundaries based on hierarchical structured data. Accuracy was verified by comparing the outcomes of the extraction linear with the road surface marking(B2_SURFACELINEMARK) layer of the HD map with precision and the vehicle protection safety facility (C3_VEHICLEPROTECTIONSAFETY) layer, which includes data to check the vehicle section.
Outcomes of the data structure verification confirmed that the proposed method enables efficient retrieval of point cloud data of tens of gigabytes hierarchically structured by classifying files by block based on octree. Then, the linear data extraction verification results confirmed that high-accuracy road boundary and lane extraction are possible in data with clear boundaries, relatively little interference with surrounding facilities, and precise lane classification. However, these procedures also confirm the limitations of linear data extraction, such as low accuracy or errors in environments with poor road and lane conditions. The findings of this research reveal that automatic linear extraction is possible when applying the collision algorithm to the OBB based on the integrated data structure, ignoring short occluded areas and noise values. Therefore, producing the linear data using the method proposed in this study results in increased work efficiency.