초록
3차원 포인트 클라우드의 포인트 단위(semantic classification) 분류를 위한 효과적이고 효율적인 방법을 제시한다. 본 방법은 정지형 지상 레이저 스캐닝(terrestrial LiDAR) 또는 영상측량(photogrammetric reconstruction)에서 유도된 비구조적이고 비균일한 포인트 클라우드를 처리할 수 있으며, 계산 효율성이 뛰어나 수백만 개 이상의 포인트를 분석하는 데 분 단위 내외로 처리가 가능하다. 강한 포인트 밀도 변화에 대응하고 계산 시간을 최소화하기 위해 핵심적인 요소는 이웃 관계(neighborhood relations)의 정교한 처리이다. 적절한 다중 스케일(multi-scale) 이웃 정의를 선택함으로써, 표현력이 뛰어나면서도 빠르게 계산 가능한 특징 집합을 얻을 수 있다. 제안된 분류 방법은 모바일 매핑 플랫폼에서 제공하는 벤치마크 데이터와 다양한 대규모 지상 레이저 스캔 데이터(포인트 밀도가 크게 달라지는 경우)를 대상으로 평가되었다. 제안된 특징 집합은 기존 최고 수준의 기법들과 비교해 포인트 단위 분류 정확도에서 우수한 성능을 보였으며, 동시에 훨씬 빠른 계산 속도를 제공한다.