딥러닝을 활용한 철도 선형 추출

초록

BIM(Building Information Modeling)은 건설 IT 분야에서 핵심 기술로 급속히 발전하고 있다. 이를 활용하면 구조물의 생애주기 관리 및 예측을 효율적으로 할 수 있다. 하지만 철도 시설의 경우 대부분 BIM이 구축되어 있지 않고, 건물과 달리 곡선형 구조이기 때문에 모델링에 어려움이 있다. 또한, 모델링 과정에서 설계도면의 유실, 설계와 시공의 차이, 노후화 및 자연재해로 인한 변형 등의 문제가 존재한다. 따라서 구조물의 현재 상태를 반영하기 위해서 LiDAR 또는 카메라로 스캔하여 3D 선형 데이터를 구축한다. 하지만 철도는 규모가 상당하여 선형 추출에 많은 시간과 비용이 필요하다. 본 연구에서는 딥러닝 및 컴퓨터 비전 기술을 적용하여 위와 같은 문제를 해결하고자 한다. 제안된 기술의 순서는 다음과 같다. 1) LiDAR을 사용하여 철도의 3D Point cloud 데이터를 수집한다. 2) 딥러닝 기반 의미론적 분할(Semantic segmentation)을 사용하여 레일 부분을 추출한다. 3) 허프변환(Hough transform)을 사용하여 철도의 선형을 추출한다. 이를 활용하면 철도 선형 데이터 구축에 필요한 시간 및 비용을 절감하고, 도시계획 및 유지관리에 보다 효율적으로 활용할 수 있을 것으로 기대된다.