복셀 기반 3D U-Net을 활용한 대용량 포인트 클라우드의 시맨틱 세그멘테이션 기법 개발

Abstract

"스마트시티는 미래 도시 발전의 핵심 동력으로 부상하고 있으며, 디지털트윈은 스마트시티의 설계, 운영 및 유지관리의 효율성을 극대화하는데 기여할 수 있다. 라이다는 디지털트윈 제작에 필수적인 3D 포인트 클라우드 데이터의 효과적인 취득 장비로 각광을 받고 있다. 라이다로부터 취득된 원시 데이터의 의미론적 분류는 디지털트윈을 생성하기 앞서 필수적인 전처리 과정이다. 기존 연구들은 퓨전 네트워크를 통한 모델 구조 개선을 통해 객체 단위의분류 정확도 향상에 주로 초점을 두어 왔다. 이 경우 소규모 데이터의 정확한 분류에는 효과적이지만, 대규모 공간으로부터 취득된 데이터를 종합적으로 학습, 분류하기에는 한계가 있다. 이를 극복하기 위해 본 연구에서는 복셀기반 3D U-Net 모델을 활용한 커스텀 시맨틱 세그멘테이션 기법을 제안한다. 제안된 방법은 기존의 방법들과 달리입력 데이터로 객체기반 분할이 선행될 필요가 없으며, 대용량 포인트 클라우드 데이터의 로딩 시 효과적인 메모리관리를 위한 지연로딩(Lazy loading) 기법을 포함한다. 훈련자료로 오픈 데이터셋인 S3DIS와 시뮬레이션을 통해생성한 Plant 데이터셋을 이용하여 다양한 하이퍼파라미터 조합을 실험하였다. 제안한 모델의 테스트 결과, S3DIS 데이터셋의 13개, Plant 데이터셋의 9개 클래스에 대해 각각 Overall F1-score 0.750, 0.910을 나타내었다."