Web기반 3D GIS에서 활용 가능한 정점정보를 이용한 3D 데이터의 경량화 방법 연구 = A study on the lightweight method of 3D data using vertex information available in web-based 3D GIS
저자
발행사항
서울 : 서울시립대학교, 2019
학위논문사항
학위논문(석사) -- 서울시립대학교 대학원 , 공간정보공학과(GSE) , 2019
발행연도
2019
작성언어
한국어
KDC
980.027 판사항(6)
DDC
910.285 판사항(23)
발행국(도시)
서울
형태사항
v, 70장 : 삽화, 도표 ; 26 cm
일반주기명
지도교수: 이지영
참고문헌: 장 63-65
소장기관
Web및 모바일 환경에서의 정보표현은 하드웨어(H/W) 와 소프트웨어(S/W) 기술의 발전에 따라, 수백만 개 이상의 면을 가진, 점점 더 복잡한 기하학적인 3차원 모델들을 표현하기에 이르렀다. 3차원 지오메트리 (Geometry) 모델 들은 그 특성상, 2차원 래스터 (Raster) 이미지나 벡터 (Vector) 데이터와는 다르게 입체 면을 구성해야 하므로 연결성 정보인 Face index 정보뿐만 아니라, 면을 이루는 정점 (Vertex) 정보 및 질감을 이루는 텍스쳐 매핑 정보, 그리고 면이 가지는 법선 벡터 등의 속성으로 구성되어 있어, 2차원 데이터와는 다르게 하나의 오브젝트가 많은 저장 공간을 차지하기도 하고, 네트워크를 통해 전송되는 데이터의 양이 상대적으로 많고, 느리다고 할 수 있다.
또한 Web환경에서는 그 환경적 특성상, WebGL 을 활용하여 3차원 모델을 표현할 때, 필연적으로 javascript 기술을 사용해야 하는데, 이때 모델의 크기가 커지고 표현해야할 3차원 오브젝트의 개수가 많아질수록 메모리를 많이 사용하게 되고, 이런 메모리의 관리는 오로지 가비지컬렉터(GC) 에 의존해야 한다.
과거 3차원 GIS 시스템 에서 사용하는 모델 데이터는 3차원 모델링 툴을 통해 직접 모델링과 텍스쳐 매핑을 하였기 때문에, 시간과 비용이 많이 들었으나, 최근에는 위성사진 또는 항공기, 드론으로부터 취득한 영상사진으로부터 포인트 클라우드 (Point Cloud)를 만들고, 각 점을 연결하여 Face를 만들어서 3차원 모델을 추출하기에 이르렀다. 이에 따라 최종 추출된 모델들이 가지는 정점 정보와 연결성 정보가 정제되어 있지 못해 불필요한 데이터를 포함하기도 하는 단점이 있다.
본 연구에서는 Web 또는 모바일 환경에서 활용 가능한, 실시간으로 렌더링 할 수 있도록 간단한 연산으로 3차원 모델데이터를 경량화하고 렌더링 할 수 있도록 정점을 이용하여 경량화 방안에 대해 제시 하였다.
첫째, 3차원 모델데이터의 정점(Vertex) 정보와 연결성 정보(Face index) 정보를 활용하여 해당 3차원 모델이 사용하지 않은 정점을 모두 제거하고, 중복된 정점은 재사용하도록 데이터 정제를 진행한다.
둘째, 부동소수점 형태로 구성된 정점 정보에 대해 중복 도를 높이기 위해 소수점 자리수를 3자리로 제한한다. 소수점 3자리로 제한하는 이유는 3차원 모델 데이터가 미터 단위로 제작되기 때문에 소수점 3자리는 밀리미터(mm) 가되기 때문에 나머지 자리 수는 유효범위가 아니라고 판단하였다.
셋째, 정제된 데이터에 시퀀셜 델타 인코딩(Sequential Delta Encoding) 을 수행하여, 중복 도를 생성한다.
넷째, 기존 평행 사변형 예측 방법을 사용하지 않고, 시퀀셜 델타 인코딩을 통해 산출된 값을 부호화 하여 허프만 코딩 방법으로 부호화 인코딩한다.
위의 연구를 통해, 강남구 지역에서 샘플링한 일반건물 모델 14,162개에 대해 실험을 해본 결과, 최종적으로 데이터 정제 과정이후에 평균적으로 실제 사용되는 정점의 개수가 줄어들어 정점의 개수가 삼각형(face)의 개수보다 적어지는 결과를 얻었고, 정점 경량화를 함에 있어서, 연결성정보를 바탕으로 삼각형 (face) 을 순회하며 평행사변형으로 예측하여 그 차이를 기록하는 평행사변형 방법 보다, 저장해야할 정보가 그 차이만큼 적다는 결론을 얻게 되었다. 이후 시퀀셜 델타 인코딩을 통해 나온 값을 허프만 코딩 방법으로 부호화 인코딩 한 결과 최종적으로 렌더링에 필요한 정보가 인코딩되어 경량화 되었고, 정점정보를 이용한 경량화 방법 중 대표적인 기존 방법인 평행사변형 예측방법보다 부호화해야 할 원본데이터가 줄어들었기 때문에 기존 원본 모델이나, 평행사변형 예측방법보다 높은 경량화 효율을 보였다. 이로써 상대적으로 네트워크 전송효율이 개선되었으며, 메모리 사용량 또한 줄어들었고, 렌더링 시 단순 연산을 통해 복호화를 할 수 있게 되었다.
주요어 : 경량화, 3차원 모델데이터, 다중해상도 전송, 부호화 인코딩, 데이터정제, 정점, 연결성정보
With advance of technology, data display on Web and Mobile environment reached the level of displaying complex geometrical 3D models. Because 3D geometrical models need to create surfaces, they require more data compare to 2D raster image or vector data. These data includes face index for connections, vertices and normal vectors for the surfaces, and texture map. As such, one object may include large amount of data to be saved or be transferred over the network, slowing down the progress.
In addition, under the web environment, it is necessary to use javascript in order to display 3D models using WebGL. This causes the usage of memories to increases as the size and the number of 3D object grows, with only garbage collector to manage the memories.
Model data used by 3D GIS system in the past was modeled and textured directly using 3D modeling tools, which consumed lots of cost and time. In current days, 3D models are built by creating Point Cloud from aerial photographs taken via aircrafts or drones and connecting each point to form faces. As result, the final data may not be refined and may include unnecessary data.
In this research, we propose light-weight method using vertices so 3D model data can be rendered in real-time with simple calculation under the Web and Mobile environment.
Firstly, refine the data by removing unnecessary vertices using vertex and face index information of 3D model data.
Secondly, limit the data to third decimal point to increase Redundancy rate between vertices in floating point. Since the 3D model data is in meters, a margin of error will be within millimeter, which is third decimal point.
Thirdly, apply Sequential Delta Encoding to refining data to create Redundancy.
Fourthly, use Huffman coding to encode the result from Sequential Delta Encoding instead of using traditional parallelogram prediction.
Testing this method on over 14,162 samples collected from Gang-Nam-Gu, after the final data cleansing, the average number of vertices in use decreased, compare to the number of the faces, resulting lighter weight compare to parallelogram prediction. By encoding the values obtained from Sequential Delta Encoding using Huffman coding, final data required for rendering became light-weighted with higher efficiency compare to parallelogram prediction, the method commonly used for lighting the weight, since the amount of original data to encode has decreased while Redundancy rate increased. As result, data transfer over the network became more efficient and decreased usage of memories. Furthermore, encoding could be performed with simple calculation during rendering.
Key words: light-weight, 3D Model Data, Multi-Resolution Transfer, Encoding, Cleansing, Vertex, Face Index
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
| 주요 개정내역 | 변경 사유 |
|---|---|
| · 수탁업체 콘소시엄 기관명 및 위탁기간 명시 | · 제6조(개인정보 처리업무의 위탁) 구체화 |
한국교육학술정보원은 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
제1조(개인정보의 처리 목적)
제2조(개인정보의 처리 및 보유 기간)
제3조(처리하는 개인정보의 항목)
제4조(개인정보파일 등록 현황)
제5조(개인정보의 제3자 제공)
제6조(개인정보 처리업무의 위탁)
제7조(개인정보의 파기 절차 및 방법)
제8조(정보주체와 법정대리인의 권리·의무 및 그 행사 방법)
제9조(개인정보의 안전성 확보조치)
제10조(개인정보 자동 수집 장치의 설치·운영 및 거부)
제11조(개인정보 보호책임자)
제12조(개인정보의 열람청구를 접수·처리하는 부서)
제13조(정보주체의 권익침해에 대한 구제방법)
제14조(추가적 이용·제공 판단기준)
제15조(개인정보 처리방침의 변경)
제1조(개인정보의 처리 목적)
제2조(개인정보의 처리 및 보유 기간)
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)
제3조(처리하는 개인정보의 항목)
제4조(개인정보파일 등록 현황)
개인정보파일 검색(privacy.go.kr)| 개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 |
보유기간 | |
|---|---|---|---|---|
| 학술연구정보서비스 이용자 가입정보 | 한국교육학술정보원법 정보추제 동의 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
| 선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 | |||
제5조(개인정보의 제3자 제공)
제6조(개인정보 처리업무의 위탁)
제7조(개인정보의 파기 절차 및 방법)
제8조(정보주체와 법정대리인의 권리·의무 및 그 행사 방법)
제9조(개인정보의 안전성 확보조치)
제10조(개인정보 자동 수집 장치의 설치·운영 및 거부)
제11조(개인정보 보호책임자)
| 구분 | 담당자 | 연락처 |
|---|---|---|
| KERIS 개인정보 보호책임자 | 정보보호본부 안재호 |
- 이메일 : jinuk@keris.or.kr - 전화번호 : 053-714-0158 - 팩스번호 : 053-714-0195 |
| KERIS 개인정보 보호담당자 | 개인정보보호부 송진욱 | |
| RISS 개인정보 보호책임자 | 교육학술데이터본부 정광훈 |
- 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
| RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
제12조(개인정보의 열람청구를 접수·처리하는 부서)
제13조(정보주체의 권익침해에 대한 구제방법)
제14조(추가적인 이용ㆍ제공 판단기준)
제15조(개인정보 처리방침의 변경)
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)