타일렌더링 기법을 이용한 HTML5/WebGL기반 3차원 공간데이터 렌더링 속도 개선 :Rendering speed Improvement of 3D Geospatial data based on HTML5/WebGL using Tile-Rendering

강석찬

추천

검색

자료유형: 학위논문

저자정보: 강석찬 (서울시립대학교, 서울시립대학교 대학원)

지도교수: 이지영

발행연도: 2017

저작권: 서울시립대학교 논문은 저작권에 의해 보호받습니다.

이용수3

이 논문의 연구 히스토리 (3)

2018

연산처리속도 향상을 통한 HTML5/WebGL기반 3차원 모델데이터 렌더링 속도 개선

강석찬 , 이지영 한국측량학회 학술대회자료집 2018.04 학술대회자료

2017

타일렌더링 기법을 이용한 3차원 모델 데이터 렌더링 속도 개선

강석찬 , 이지영 한국측량학회 학술대회자료집 2017.04 학술대회자료

타일렌더링 기법을 이용한 HTML5/WebGL기반 3차원 공간데이터 렌더링 속도 개선

강석찬 공간정보공학과 2017.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

지금까지 웹기반의 3차원 공간정보 서비스는 별도의 플러그인을 설치하여 사용해 왔다. 이러한 플러그인 방식은 설치 오류, 크로스 브라우저 미지원, 보안 취약점 등의 문제를 내포하고 있어 점점 사양되는 기술이다. 특히 2015년 NPAPI가 서비스 종료됨에 따라 현재는 인터넷 익스플로러 기반에서만 3차원 공간정보를 서비스하고 있다.
이와 같이 특정 브라우저에 국한된 3차원 공간정보 서비스를 제공하고 있는 상황에서 HTML5/WebGL이라는 차세대 웹표준(2014년 10월 확정)이 등장하여 모든 브라우저에서 플러그인 없이 3차원 공간정보를 서비스할 수 있게 되었다.
본 연구에서는 HTML5/WebGL을 활용한 3차원 공간데이터 렌더링에 필요한 기술 및 한계점에 대해서 확인하여 렌더링 속도를 개선할 수 있는 방안을 제시하고자 하였다. 첫번째는 HTML5/WebGL에서의 산술처리 속도를 개선하여 렌더링 속도를 향상시키는 방법이고, 두번째는 개별로 구축된 모델링 데이터를 하나의 타일로 통합하여 타일 단위로 렌더링하여 속도를 개선하는 방법이다.
연구 검증을 위해서 “공간정보 오픈플랫폼(브이월드)”에서 제공 중인 3차원 데이터를 사용하였다. 객체별로 구축된 모델데이터를 공간적재 알고리즘(Bin-Packing)을 통해 경량화 작업을 수행한 타일데이터로 구축하여 두 데이터의 렌더링 속도를 비교하였으며, 타일 단위로 서비스할 경우 렌더링 속도가 개선될 수 있음을 확인하였다.

제1장 서론 1
제1절 연구의 배경 및 목적 1
제2절 연구의 내용 및 방법 6
제2장 선행연구 및 관련 기술 분석 8
제1절 3차원 공간데이터 렌더링 속도 개선 관련연구 8
1. 절두체 컬링(Frustum Culling) 8
2. 쿼드트리(Quard Tree) / 옥트리(Oc-Tree) 10
3. LOD(Level Of Detail) 12
4. 타일맵 서비스(Tile Map Service) 14
제2절 HTML5/WebGL기반 3차원 공간데이터 렌더링 기술 16
1. HTML5/WebGL 16
2. 3차원 공간정보 서비스 기술 동향 21
3. 렌더링 기술의 한계점 24
제3장 HTML5/WebGL기반 3차원 공간데이터 렌더링 속도 개선 26
제1절 산술연산 처리속도 개선 26
1. 멀티쓰레드 처리가 가능한 Web Worker 26
2. Emscripten을 이용한 Native소스 활용 28
제2절 타일 단위 모델링 데이터 구성 33
1. 타일 단위 모델링 데이터 병합 34
2. Bin Packing 적재기법 적용 45
제4장 제안한 기법의 결과 분석 49
제1절 렌더링 속도 비교 방법 및 테스트 환경 49
제2절 렌더링 속도 비교 결과 분석 50
1. 비교대상지 선정 50
2. 렌더링 속도 비교 52
제3절 객체 방식과 타일 방식의 렌더링 비교 66
1. 데이터 크기 비교 66
2. 해상도별 렌더링 속도 비교 70
제5장 결론 및 향후 연구 방향 75
참 고 문 헌 77
부 록 79
ABSTRACT 84
감사의 글 85

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)