드론 영상에서의 원형 전경 장면 분할: Aerial-PASS

주변 환경에 대한 공중 픽셀 단위의 장면 인식은 무인 항공기(UAV)에게 중요한 과제이다. 기존의 연구들은 주로 전통적인 핀홀 카메라 또는 피시아이 카메라를 영상 장치로 활용해 왔다. 그러나 이러한 영상 시스템은 광각(FoV), 소형화, 경량화를 동시에 달성하기 어렵다. 이를 해결하기 위해, 본 연구에서는 소형·경량화와 함께 360도 원형 광각(FoV)을 갖춘 전방위 원형 렌즈(Panoramic Annular Lens, PAL)를 탑재한 UAV 시스템을 설계하였다. 또한 고정밀하고 실시간적인 장면 해석을 달성하기 위해 가볍고 효율적인 전방위 원형 세그멘테이션 신경망 모델을 제안하였다. 더불어, 도로 영상이 아닌 공중에서 촬영된 전방위 장면에 대한 레이블이 부여된 최초의 드론 시점 전방위 장면 세그멘테이션 데이터셋인 Aerial-PASS를 제시하였다. 이 데이터셋은 도로, 필드, 기타 객체 등의 레이블을 포함하고 있다. 다양한 실험을 통해 제안된 시스템이 공중 전방위 장면 해석에서 우수한 성능을 보임을 확인하였다. 특히, 공개된 도로 영상 데이터셋과 본 연구에서 구축한 공중 영상 데이터셋에서 모두 검증된 결과, 제안된 모델은 세그멘테이션 정확도와 추론 속도 사이에서 뛰어난 균형을 이룬다.