Abstract
This paper aims at developing an efficient method that extracts building using local spatial association of raw LiDAR data without setting up empirical variables such as a minimum building area, and applying the method to survey data to evaluate the efficiency of that. To do this, LISA(Local Indicatiors of Spatial Association) statistics are used which reflect local variations that can be appeared in the research area. It can be also a preprocess that detects spatial outliers through the significance test of LISA statistics and interpolate using kernel estimation. Boundaries of buildings as well as buildings can be extracted based on quadrant of Moran Scatterplot. Experimental results show that the proposed method is promising in extracting buildings from LiDAR data automatically.
본 연구에서는 항공레이저 스캐닝 데이터를 이용하여 기존의 최소건물면적등과 같은 경험적 변수의 설정 없이, 원시 라이다 자료의 국지적 공간상관(local spatial association) 특성을 이용하여 건물을 추출하는 효율적인 방법을 개발하고, 이를 실측데이터에 적용하여 개발된 방법의 성능을 평가하는데 목적이 있다. 이를 위하여 연구지역 내에서 발생할 수 있는 공간상관의 국지적 변이(local variations)를 고려하는 공간통계분석기법인 LISA(Local Indicatiors of Spatial Association) 통계치를 이용하였다 전처리 과정으로 LISA 통계치의 유의성 검정 과정을 통하여 공간이상치를 검출하였고, 검출된 이상치를 kernel estimation통해 주변의 특성을 반영한 값으로 보간하였다. Moran Scatterplot의 사분면을 기준으로 건물은 물론 동시에 건물의 외곽선 정보까지 추출할 수 있다. 실험결과 본 연구에서 제안한 방법은 건물을 자동으로 추출할 수 있는 가능성을 제시하였다.
