LiDAR 데이터에서 차량 추출을 위한 OBPCA 기반의 수직 단면 기준 추출법

Abstract

원격 감지 기술의 발달로 인하여 지형고도모델 생성과 교통 상황 모니터링의 신뢰성에 대한 요구가 증가하였고, 이러한 작업들의 일환인 차량 탐지 기법들이 연구되었다. 차량 추출 기법들 중 하나인 OBPCA(Object-Based Point Cloud Analysis) 방법은 차량 후보의 평면도로부터 단순한 직사각형을 생성하여 2차원 기하학적 특성들을 빠르게 추출하지만, 평면도와 직사각형만을 사용하여 실제 차량과 크기가 비슷한 직육면체 형태의 물체로부터 차량을 구별해내지 못하는 단점을 가지게 되었다. 이 때문에 차량이 아닌 것을 차량으로 인지하는 정확도 상의 문제가 발생하였으며, 이는 차량 탐지를 활용하는 지형고도모델 생성 및 교통 상황 모니터링 작업의 신뢰성에 안 좋은 영향을 미칠 수 있다. 이 문제를 해결하기 위하여 본 논문에서는 기존의 OBPCA 방법을 보완하여 차량 후보 세그먼트들에서 가장 특징적인 수직 단면을 찾아내고, 이 단면으로부터 새로운 2차원 기하학적 특성들을 추출하는 새로운 지식 기반 방법을 제안하였다. 제안하는 수직 단면 기반 방법은 평면도의 기하학적 특성들과 동일한 것들을 사용하여, 지상 실측 정보에 기반하여 새로운 임계값들을 설정하고, 이러한 기준들에 따라 차량 후보가 차량인지 아닌지를 새롭게 판별하게 된다. 기존의 OBPCA만 실행하였을 경우와 수직 단면 기반 OBPCA를 추가적으로 실행하였을 경우의 정확도 및 실행 시간을 비교해 보았고, 수직 단면 기반 방법을 도입하였을 때 실행 시간이 증가하였지만 7%의 정확도가 향상된 것을 확인할 수 있었다. 이 결과를 통해, 제안하는 수직 단면 기반 OBPCA가 잘못된 인식률을 줄여 주는 데에 기여하고, 다른 종류의 데이터와 병렬 처리 기술을 도입하여 더 높은 품질의 차량 추출을 수행할 수 있을 것으로 판단된다.