라이다 기반 수종분류 알고리즘 고도화

사업개요

사업명

사업 세부목적

ㅇ 라이다 포인트 클라우드 기반 수종 분류 정밀 학습데이터 구축
ㅇ 라이다 포인트 클라우드 기반 수종 분류 알고리즘 비교·분석
ㅇ 수종 분류 최적의 알고리즘에 대한 최적의 파라메터 값 선정
ㅇ 수종 분류 알고리즘 ATBD 작성

사업기간 및 예산

- 사업기간 : 계약체결일로부터 6개월

- 소요예산 : 30,000천원

과업 내용

ㅇ 라이다 포인트 클라우드 기반 수종 분류를 위한 정밀 학습데이터를 구축함

ㅇ 다양한 개체목 정규화 및 다운샘플링 방법을 적용하여 데이터 최적화 및 비교·분석을 수행함

ㅇ 소나무, 잣나무, 낙엽송, 굴참나무 등 주요 산림수종을 대상으로 자료를 수집함(직접 수집 및 국립산림과학원 제공)

ㅇ 자료의 기본전처리(이상치 제거, 지면 분류, 높이값 정규화, 개체목 분할)와 다양한 다운샘플링 알고리즘(Poisson, Farthest, K-Means, Nonuniform 등) 비교·분석을 실시함

ㅇ 수종 분류 알고리즘(점군 분류, 객체기반 알고리즘)의 성능을 비교·분석하여 최적의 알고리즘을 선정함

ㅇ PointView, PointMLP, RepSurf-U, IAE + DGCNN 등 다양한 알고리즘을 비교·분석함

ㅇ 최적 알고리즘 및 다운샘플링 선정 후, 수종별 최적 파라메터 값을 탐색함

ㅇ 선정된 알고리즘에 대한 ATBD(Algorithm Theoretical Basis Document)를 작성함

수행 방법

ㅇ 학습 데이터 구축 및 최적화 비교·분석

· 개체목 정규화, 다운샘플링 등 데이터 최적화 방법 적용

· 직접 자료 수집 및 기관 제공 자료 활용

· 이상치 제거, 지면 분류, 높이값 정규화 등 기본전처리 실시

· 다양한 다운샘플링 및 분류 알고리즘의 효과 비교

ㅇ 알고리즘 비교·분석 및 최적화

· 점군 분류와 객체기반 알고리즘 등 다양한 방식의 성능 평가

· 주요 알고리즘(PointView, PointMLP, RepSurf-U, IAE + DGCNN 등) 적용

· 수종별 최적 파라메터 탐색

ㅇ ATBD 작성

· 전체 코드 및 분류 프로세스, 코드 주석 포함

주요 산출물

ㅇ 완료보고서: 연구 분석결과, 실험방법, 연구매뉴얼 등 포함

ㅇ 데이터 및 기타 제출자료: 현장조사 자료, LiDAR 원자료, 분석 영상자료, 알고리즘 코드, ATBD, 매뉴얼 등

(위 사업내용은 AI 요약과 연구팀 담당자의 검토를 거쳐 작성하였음)

BRM	F002	농림>임업·산촌
KDC	526	임학, 임업
DDC	634	Orchards, fruits, forestry
ILC	mpat	trees; arboreous; arboreal plants