1 |
1
(a)라이다(LiDAR)를 이용하여 지하 갱도 전체 영역을 스캔하여 3차원 위치 정보를 가지는 다수의 점 데이터의 집합인 점군데이터를 획득하고, 지하 갱도 전체 영역에 대한 3차원 전역 형상 지도(Q)를 형성하는 단계; (b)라이다를 이용하여 지하 갱도 내 국지 영역을 스캔하여 3차원 위치정보를 가지는 다수의 점 데이터의 집합인 점군데이터를 획득하고, 국지 영역에 대한 3차원 국지적 형상 지도(P)를 형성하는 단계; (c)상기 전역 형상 지도(Q)와 국지적 형상 지도(P)를 비교하여, 상기 전역 형상 지도(Q)에서 상기 국지적 형상 지도(P)와 형상이 일치하는 대응영역(Qp)을 탐지하는 단계; 및 (e)좌표변환행렬을 이용하여 상기 국지적 형상 지도(P) 내 점 데이터를 상기 전역 형상 지도 내 좌표로 변환하는 단계;를 구비하는 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법
|
2 |
2
제1항에 있어서, 상기 국지적 형상 지도를 형성할 때 상기 라이다의 시간에 따른 3차원 위치의 변화 데이터를 획득하고, 상기 좌표변환행렬을 상기 라이다의 3차원 위치 변화 데이터에 적용하여 상기 전역 형상 지도 내에서 상기 라이다의 시간에 따른 위치 정보를 획득하는 단계를 더 구비하는 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법
|
3 |
3
제1항에 있어서, 상기 전역 형상 지도(Q)와 국지적 형상 지도(P)를 비교하기에 앞서 다운샘플링 기법을 이용하여 상기 전역 형상 지도(Q)와 국지적 형상 지도(P)의 점군데이터에서 점 데이터 개수를 줄이는 단계를 더 구비하는 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법
|
4 |
4
제1항에 있어서, 상기 다운샘플링 기법은 전역 형상 지도(Q)와 국지적 형상 지도(P)를 다수의 복수의 복셀(voxel)로 구획하고, 상기 복셀별로 하나의 대표 데이터만 남기고 나머지 데이터는 모두 제거하는 방법을 사용하는 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법
|
5 |
5
제1항에 있어서, 상기 전역 형상 지도(Q)에서 상기 국지적 형상 지도(P)와 대응되는 영역을 탐지할 때에는 RANSAC(Random Sample Consensus) 알고리즘을 이용하는 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법
|
6 |
6
제1항에 있어서, 상기 좌표변환행렬은, 상기 국지적 형상 지도(P)에서 임의의 점 n개를 추출하여 집합 p로 정의하고, 상기 전역 형상 지도(Q)의 대응영역(Qp)에서 상기 n개의 점과 각각 가장 거리가 가까운 점 n개를 추출하여 집합 q로 정의하여, 상기 p,q에서 서로 대응되는 각 점 사이의 거리가 가장 가까워지도록, 상기 집합 p 내 점을 상기 전역 형상 지도(Q)의 좌표로 전환하는 행렬인 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법
|
7 |
7
제6항에 있어서,상기 좌표변환행렬을 이용하여 p 집합 내 점 데이터를 상기 전역 형상 지도(Q)의 좌표로 변환한 후, 상기 p,q에서 서로 대응되는 각 점 사이의 거리를 측정하여 오차를 계산하며, 상기 오차가 기준치 이상인 경우 상기 집합 p, q 및 상기 좌표변환행렬을 다시 설정하여 상기 오차가 기준치보다 작을 때 까지 반복하는 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법
|
8 |
8
제1항에 있어서,상기 전역 형상 지도(Q)는 위도와 경도로 표시되는 지리좌표 또는 UTM 좌표를 사용하는 평면좌표와, 해발고도를 포함하는 3차원 전역 좌표계를 사용하며, 상기 국지적 형상 지도(P)는 라이다의 위치를 원점으로 하고 X,Y,Z축으로 이루어진 지역 좌표계를 사용하여, 상기 좌표변환행렬에서는 상기 국지적 형상 지도(P)에서 지역 좌표계로 정의된 각 점의 좌표를 상기 전역 좌표로 전환하는 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법
|