딥러닝을 활용한 철도터널 3D 포인트 클라우드의 semantic segmentation 연구

초록

Scan-to-BIM은 기존 구조물을 LiDAR(Light Detection And Ranging)로 측정하여 BIM(Building Information Modeling)을 위한 정밀한 모델링 방법이지만 많은 인력과 시간, 비용이 소요된다는 한계가 있다. 이러한 한계를 극복하기 위해 딥러닝을 이용하여 3D 포인트 클라우드의 semantic segmentation을 통해 객체를 자동으로 인식하는 연구가 진행되고 있으나, 주로 건축 분야에 활발히 적용되고 있다. 철도 터널 3D 포인트 클라우드에 대해 딥러닝을 적용한 사례는 드물며, 철도터널의 다양한 객체 분류에 관한 연구는 거의 없다. 본 연구에서는 딥러닝을 이용하여 철도터널의 실측 3D 포인트 클라우드 데이터에 대해 semantic segmentation을 수행하고 그 적용성을 검토하였다. 또한 대표적인 딥러닝 알고리즘인 PointNet 및 DGCNN을 적용하여 어떤 알고리즘이 터널 PC 분할에 적합한지 분석하였다. 또한 학습 데이터의 구성 및 하이퍼파라미터 변경이 정확도와 IoU(Intersection over Union)에 미치는 영향을 검토하였다.