조선 분야에서 다양한 Industry 4.0 기술의 도입이 최근 들어 가속화되고 있으며, 특히 LiDAR 스캐너로부터 획득한 3차원(3D) 포인트 클라우드 데이터에 기반한 기법에 주목이 집중되고 있다. 그러나 원시 3D 포인트 클라우드 데이터는 고차원적이고 대규모라는 특성으로 인해 저장, 처리 및 분석에 상당한 어려움을 야기한다. 이에 따라 초기 후처리 이후 경량화(lightweighting) 과정이 필요하다. 따라서 본 연구는 3D 포인트 클라우드를 효율적으로 처리하기 위한 Topological Data Analysis(TDA)에 기반한 경량화 기법을 제안한다. TDA는 데이터 분석에 맞게 동형사상( homology )의 핵심 위상 개념을 적용·변형한 지속 동형성(persistent homology)을 활용하는 방법론이다. TDA를 바탕으로, 포인트 클라우드의 크기와 복잡성을 고려하고 지속도(persistence diagram)에서의 동형 특징의 생존 기간(탄생과 소멸을 나타내는 그래프)으로부터 유도하여 특징 점을 추출하였다. 구체적으로, 생존 기간이 더 긴 특징은 위상적으로 의미가 있는 것으로 간주되며, 이러한 지속점을 선택적으로 추출함으로써 전체 데이터셋의 크기를 감소시킨다. 현장 검증을 위해, TDA 기반 경량화 방법을 조선 블록의 실제 측정 데이터에 적용하였다. 그 결과, 제안된 기법은 기하학적 특징을 보존하면서도 데이터 볼륨을 유의하게 감소시키는 데서 우수함을 보여주었다. 따라서 본 연구에서 개발된 경량화 기법은 향후 딥러닝 응용을 위한 데이터셋의 활용성을 향상시킬 것으로 기대된다.

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