이와 같은 3D 공간정보 구축에 필수적인 것은 고정밀 3D 포인트 클라우드를 획득하기 위한 레이저 스캐닝 기술과, 고해상도 다중분광 영상 정보를 획득하기 위한 포토그래메트릭(photogrammetric) 카메라이다. TLS(지상 레이저 스캐너, Terrestrial laser scanner)는 구조물의 거동과 변화 및 자연 지형의 변화를 모니터링하기 위한 고정밀 위치결정 기법이다. 지형학(geomorphology)에서의 문제(하천, 연안 환경, 절벽, …)와 관련된 자연환경의 3D 포인트 클라우드는 종종 데이터를 기본적으로 관련된 분류(클래스)로 분류할 필요가 있다12. 대규모 포인트 클라우드를 NDVI 및 PCA(주성분 분석, Principal Component Analysis)로 분류하는 기존의 기법들이 존재한다. 이들 기법은 여러 가지 장점이 있음에도 불구하고, 독립된 기법으로서의 기능으로 장점을 극대화하고 단점을 극복하는 것은 극히 어렵다. 따라서 본 연구는 TLS를 통해 자연 상태에서의 토지피복 정보를 얻고, 그 결과로 산출되는 대규모 포인트 클라우드의 분류 정확도를 향상시키기 위해 NDVI와 확률적 분류기 PCA, SVM(서포트 벡터 머신, Support Vector Machine), LDA(선형 판별 분석, Linear Discriminant Analysis))1의 통합을 조사하고자 하였다. 키워드: NDVI (정규화 차이 식생지수, Normalized Difference Vegetation), PCA (주성분 분석, Principal Component Analysis), TLS (지상 레이저 스캐너, Terrestrial Laser Scanner)

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.