심도 카메라와 LiDAR의 발전으로 더 많은 데이터가 생성되면서, 3D 포인트 클라우드에서의 응용이 빠르게 확대되고 있다. 그러나 생성되는 방대한 데이터의 양은 계산 부담을 증가시키며, 그 결과 저장 공간의 부족으로 이어진다. 따라서 3D 포인트 클라우드를 사용하기 전에 포인트의 수를 줄이기 위한 전처리 단계가 필요하다. 본 연구는 로봇의 목표 궤적을 따라 원형 및 직사각형 ROI(관심영역)를 순차적으로 구성하여, 목표 작업에 필요한 핵심 데이터만 추출하는 ROI 결정 방법을 제안한다. 이 두 가지 ROI 결정 방법에는 두 가지 이점이 있다. 첫째, 원본 데이터의 해상도를 유지한다. 둘째, 궤적의 복잡도와 무관하게 정확히 일치하는 두 개의 ROI를 생성한다. 이 두 가지 ROI 결정 방법의 높은 성능을 검증하기 위해 다양한 데이터—인공 프레임, 키프레임, 순차 프레임—를 사용하여 시뮬레이션과 실험을 수행하였다. 그 결과, 중심점 사이의 거리가 작을 때 원형 및 직사각형 ROI의 지름 또는 높이의 25%에서, 분류 평가 결과는 1에 더 가깝게 나타났고 처리 속도는 원본 데이터 획득 속도보다 빨랐다. 그러나 거리 매개변수에 따라 분류 결과와 처리 시간 사이에 상충 관계가 존재함을 확인하였다. 또한 이전 연구의 장방형(긴 직육면체) ROI 결정 방법과의 정성적 비교를 통해, 기존 연구의 한계와 두 가지 제안된 ROI 결정 방법의 장점을 확인하였다.

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