3D 포인트클라우드 기반 도시 장면 분할과 고정밀 지도 구축 연구

3D Point Cloud Scene Understanding for Urban Plane Segmentation and Mapping

연구 내용

3D 포인트클라우드를 대상으로 무라벨 학습 기반 평면 분할 신경망을 구성하고, 다중 시점·다중 차량 데이터를 활용해 고정밀 지도 갱신을 수행하는 연구

도시 장면에서 도로와 건물 등 주요 구조물은 3D 포인트클라우드의 평면 단위 표현으로 정량화할 수 있습니다. 본 연구는 정답 라벨 없이 3D 점군에서 평면 수를 추정하며 평면을 분할하는 신경망을 구성하고, 유클리드 거리와 코사인 거리 기반의 혼합 K-means 클러스터링으로 방향성을 반영해 분할 품질을 개선합니다. 이후 고정밀 지도 생성과 크라우드소싱 기반 갱신, 다중 시점 영상의 시공간적 일관성 합성 등 후속 파이프라인으로 확장하며, 프레임 기반 3D 모델 생성 기술과 연계합니다.

관련 프로젝트

2건

연구 흐름

도시 환경의 3차원 지도를 자동화하기 위한 연구로 2020년부터 GPS/INS 및 3D LiDAR 기반 점군 생성과 Semantic 3D pointcloud segmentation을 포함한 고정밀 지도 구축 흐름을 정립했습니다. 2021년에는 라벨 없이 평면 분할을 수행하는 HKPS를 제안하여 포인트클라우드 기반 도시 장면 모델링을 세부화했습니다. 이후 2025년부터는 다중 동적 객체를 포함한 다중 시점 고해상도 비디오 생성을 목표로 시공간적 일관성 유지 기술로 확장하는 궤적을 보입니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

도시 3D 지도 생성
크라우드소싱 지도 갱신
평면 기반 장면 표현
AR/VR 메타버스 공간 모델링
자율주행 인프라 인식 전처리
다중 시점 동적 장면 합성
3D 재구성 자동화
점군 분할 파이프라인 최적화
시설물 기하 정보 추출
가상 도시 시뮬레이션