LiDAR 데이터의 불균일 분포에 따른 처리성능 문제를 해결하기 위한 STR-Octree 인덱스와 고성능 처리 기법

Abstract

센서 기술의 발달로 센서로부터 얻어지는 공간 데이터의 크기가 기하급수적으로 늘어나게 되었고, 이를 빠르게 탐색하기 위한 공간 인덱싱 기법들이 연구되었다. 이와 같은 기존 공간 인덱싱 기법들은 데이터의 분포가 균일한 데이터에서는 좋은 성능을 보여주었으나, 편향된 데이터에 대해서는 탐색 성능이 낮아지는 문제점을 가지고 있었다. 이 때문에 편향된 데이터를 처리하는 소프트웨어시스템에서 기존 인덱싱 기법을 사용하면 성능에 저하되는 문제가 발생하게 되었다. 예로서 LiDAR 데이터를 사용하여 지형고도자료를 생성하는 과정을 보면, 이 지형고도자료를 생성을 위해 LiDAR 데이터를 필터링 한 뒤 보간 작업을 수행해야 하는데. 이때 필터링을 거친 LiDAR 데이터는 아웃라이어가 제거되면서 데이터 분포가 불균형적으로 바뀌게 된다. 이와 같은 환경에서 기존 인덱싱 기술을 사용해 보간 작업을 처리할 경우 전체 성능이 저하된다. 이 문제를 해결하기 위하여 본 논문에서는 STR 분할 기법과 Octree 인덱싱 기법을 혼합한 STR-Octree 인덱싱 기법을 제안하였다. 제안하는 STR-Octree 인덱싱 기법은 리프노드가 가질 수 있는 데이터의 임계값을 설정하고, 리프노드를 생성할 때 STR 분할 기법을 사용하여 리프노드들의 데이터 분포를 균일하게 만든다. 이 방법을 사용하면 보간 작업 중 Semivariogram 단계의 공간 데이터 탐색 성능 향상과 연관성 계산에 대한 처리량을 감소를 기대 할 수 있다. 또한, 제안한 STR-Octree 기법이 다양한 병렬 프레임워크에 적용되도록 고성능 처리구조를 제안하였다. 고성능 처리구조는 데이터 단위 병렬 기법을 사용하여 마스터 프로세서가 공간 데이터의 범위를 나누고 서브 프로세서에게 할당시켜 인덱스 생성 및 검색을 수행한다. 제안 인덱싱 기법과 병렬실행구조의 적합성 및 유효성 평가를 위해 그라운드 필터링을 거친 Airborne LiDAR 데이터를 사용하고, 이종의 클러스터에 병렬프레임워크인 MPI를 설치하여 실험을 진행하였다. 실험 결과 전체 LiDAR 데이터에서 임의탐색은 최대 11%의 성능 향상을 보였고, 편향된 지역에서의 탐색은 최대 34% 성능 향상을 볼 수 있었다. 또한 병렬 기법 적용으로 단일 컴퓨팅 환경 대비 85%의 효율을 가지는 고성능 시스템을 설계, 구현하여 작업속도를 적용 core 수와 비례하여 단축시킬 수 있었다. 이 결과를 통해 제안하는 STR-Octree 인덱싱 기법이 편향된 데이터를 처리하는 시스템에 효과적이며, 병렬 처리에 적합할 것으로 판단된다.