국토교통부 연속지적도 좌표계 변경 아주! 칭찬해!

짝짝짝! 참 잘했어요!

국토교통부에서 제공하는 연속지적도의 좌표계에서 사용하는 타원체를 Bessel1841에서 GRS80으로 변경된 것을 확인했습니다. 정확도면에서 어떻게 향상되었는지 기존의 다른 좌표계로 된 건물을 지적도와 함께 중첩해 보았습니다.

먼저 예전 Bessel1841 타원체를 사용하는 지적도와 UTM-K 좌표계인 건물을 중첩해 보면 다음과 같습니다.

확인해 보면 지적도의 필지와 건물이 상당히 어긋납니다. 늘 그래왔고 그려러니…. 했죠. 이제 최근 변경된 지적도와 건물 중첩을 보겠습니다.

완벽해! 드디어 해냈구나! 근데.. 왜 이렇게 늦었니? 아무튼… 이제 지적도에 대한 좌표계 이슈는 해결된 것 같습니다.

Python 가상환경 만들고 VS.Code에서 사용하기

가상환경 생성하고 VS.Code에서 원하는 가상환경을 선택하도록 하는 과정을 정리해 둡니다.

일단 콘설창을 실행하고, 생성하고자 하는 가상환경 가상환경이 저장될 폴더로 이동한 뒤 아래의 명령을 입력합니다.

python -m venv python_virtualenv

그러면 python_virtualenv 폴더가 생성된 것을 확인할 수 있습니다. 여기까지가 파이선에서 가상환경 생성의 전부입니다.

이제 VS.Code에서 이 가성환경을 통해 코드를 실행하기 위한 설정입니다.

VS.Code를 실행하고 단축키 F1를 누르면 Python에 대한 인터프리터를 선택할 수 있는 항목이 표시됩니다. 이 항목을 클릭합니다.

“+ 인터프리터 경로 입력…”을 클릭하고 “찾기…”에서 이전에 생성한 가상환경 폴더에 위치한 Scripts/python.exe 파일을 선택합니다.

이제 새로운 터미널이 표시될때마다 다음처럼 가상환경 이름 표시와 함께 명령 프롬프트가 표시됩니다.

그리고 GDAL 설치는 다음과 같습니다.

먼저 WHL 파일을 다운로드(https://www.lfd.uci.edu/~gohlke/pythonlibs/#gdal) 받고 다음 명령으로 설치하면 됩니다.

pip install .\GDAL-3.4.3-cp311-cp311-win_amd64.whl

GDAL API를 JAVA에서 사용하기 (Windows 환경)

#1 컴파일된 GDAL 다운로드

다음 사이트를 통해 미리 컴파일된 GDAL을 내려 받는다. MSVC2022로 컴파일된 x64를 선택한 뒤 release-1930-x64-gdal-3-5-3-mapserver-8-0-0.zip를 다운로드 받았음 : https://www.gisinternals.com/release.php

#2 GDAL dll의 PATH 지정

내려받은 파일의 압축을 풀면 bin 폴더에 gdal에 대해 컴파일된 dll 파일이 존재하는데, 이 bin 폴더를 path에 지정한다. (gdalalljni.dll에서 이 폴더의 dll을 참조함)

#3 이클립스에서 라이브러리 참조 및 glue dll 참조 설정

bin/gdal/java 폴더에는 gdal.jar와 gdal에 대한 glue dll인 gdalalljni.dll이 존재하는 것을 확인할 수 있다. 이클립스에서 프로젝트를 생성하고 라이브러리로 gdal.jar를 참조한다. 그리고 gdal.jar가 참조하는 gdalalljni.dll 파일을 JRE가 파악할 수 있도록 이 파일의 경로(d:/path1/path2 라고 하자)를 VM arguments에 -Djava.library.path=d:/path1/path2 를 입력한다. (만약 path에 이 경로가 지정되어 있다면 생략해도 됨)

#4 코드 테스트

테스트 코드는 다음과 같다.

package tstGDAL;

import org.gdal.gdal.Dataset;
import org.gdal.gdal.gdal;
import org.gdal.gdalconst.gdalconstConstants;

public class MainEntry {
    Dataset hDataset;
    int numBands;
	 
    public MainEntry(String filename) {
        gdal.AllRegister();
        hDataset = gdal.Open(filename, gdalconstConstants.GA_ReadOnly);
        this.numBands = hDataset.getRasterCount();
    }
	 
    public static void main(String[] args) {
        String path = "d:/sample.tif";
        MainEntry instance = new MainEntry(path);
        System.out.println(instance.numBands);
    }
}

복잡한 계단 난간 모델링 최적화하기

아래와 같은 복잡한 계단 난간을 모델링할때 난간 벽면과 바닥에 대한 철재 부분의 세밀한 부분도 모두 모델링한다면 매우 많은 정점과 면으로 구성된 모델이 나올 것이고 이를 웹에서 인터렉티브하게 시각화할 경우 속도 측면에서 그 효율성은 매우 떨어질 것입니다.

위의 모델에 대한 최적화된 모델링을 위해서는 먼저 계단 난간의 벽면과 바닥에 대해 매우 세밀한 모델링을 다음처럼 구축합니다.

그리고 위의 벽면과 바닥에 대한 텍스쳐를 2개 베이킹하는데요. 하나는 노말맵 또 하나는 알파맵입니다.

그리고 다음과 같은 모델에 위의 텍스쳐를 맵핑 시킵니다.

맵핑은 다음과 같은 쉐이더 노드로 구성합니다.

위의 쉐이더 노드 구성 시에 Blend Mode를 Alpha Clip으로 지정해서 알파값에 대한 임계값(Clip Threshold)을 직접 지정할 수 있도록 해야 합니다.

간단하게 Eevee로 렌더링된 결과는 다음과 같습니다.