토론토-3D: 도시 도로의 의미 분할을 위한 대규모 모바일 LiDAR 데이터셋

대규모 실외 포인트 클라우드의 의미적 세그멘테이션은 자율주행 및 도시 고해상도(HD) 지도 제작을 포함한 다양한 응용 분야에서 도시 환경 이해에 필수적이다. 모바일 레이저 스캐닝(Mobile Laser Scanning, MLS) 시스템의 급속한 발전으로 인해 장대한 포인트 클라우드 데이터가 환경 이해에 활용 가능해졌지만, 학습 기반 방법 개발에 필수적인 공개 가능한 대규모 라벨링 데이터셋은 여전히 제한적이다. 본 논문에서는 캐나다 토론토에서 MLS 시스템을 활용해 수집한 대규모 도시 실외 포인트 클라우드 데이터셋인 Toronto-3D를 소개한다. 이 데이터셋은 약 1km에 달하는 포인트 클라우드를 포함하며, 총 약 7,830만 개의 포인트와 8개의 라벨링 객체 클래스를 포함하고 있다. 의미적 세그멘테이션을 위한 베이스라인 실험이 수행되었으며, 그 결과는 본 데이터셋이 딥러닝 모델을 효과적으로 학습시키는 데 적합함을 확인하였다. Toronto-3D는 새로운 연구를 촉진하기 위해 공개되었으며, 연구 공동체의 피드백을 바탕으로 라벨링이 지속적으로 개선되고 업데이트될 예정이다.