기계식 주사 소나(Mechanical scanning sonar, MSS)는 수중 환경에서 고정밀 물체 인식 및 탐지에 중요한 역할을 한다. 그러나 현재의 MSS 관련 연구는 수중 구조물 및 침몰 선박과 같은 대형 물체에 주로 초점을 맞추었으며, 종종 폐기/미공개된 데이터셋에 의존하고 이를 수조와 같은 제한된 환경에서 수집하여, 소형 수중 물체에 대한 연구와 실제 해양 환경으로의 적용을 제한해 왔다. 따라서 본 연구에서는 해저에서 실제 수중 환경에 MSS(BV5000)를 사용하여 소형 수중 물체 3D 포인트 클라우드(Small Underwater Objects 3D Point Cloud, SUOP) 데이터셋을 구축하였다. 이 데이터셋은 5개의 물체에 대해 1,500개 이상의 고품질 3D 포인트 클라우드를 포함하며, 각 물체에 대응하는 초기 소나 스캔 데이터 파일, 소나 시스템 메타데이터, 2D 소나 영상을 제공한다. 제안된 데이터셋의 실용성은 이를 객체 인식 모델에 적용함으로써 검증하였다. 그 결과, SUOP 데이터셋은 물체의 종류, 재질, 그리고 스캐닝 조건을 포함함으로써 수중 물체 탐지 모델을 정확하고 견고하게 평가할 수 있음을 보여주었으며, 이에 따라 해양 수중 물체 탐지 연구를 위한 유용한 자원임이 입증되었다.

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