이 글은 최근 일본에서 진행중인 Point In Space Out(PinSout) 기술을 소개한다. 최근 딥러닝 및 계산 기하학을 기반으로 한 기술 재활용이 활발하다. 이런 기술은 특정 응용을 개발할 때 매우 편리하게 사용될 수 있다. 그 중에 한 사례인 PinSout은 포인트 클라우드에서 공간을 추출하기 위한 노력이다.
일반적으로 3D 모델 생성은 데이터 분할, 구성 요소 분리, 표면 생성, 구성 요소 조립 및 정렬 등 5 단계가 있다. 이는 많은 인력을 사용하여 수행되며, 모든 작업에는 시간이 많이 걸리고, 노동 집약적이다. 이 프로세스를 빠르고 쉽게 개선 할 수 있는 방법을 제안한다.
이를 시작하기 전에 두 가지 기술이 필요하다.
포인트 클라우드는 3D 스캐닝에 의해 실제 세계를 반영하는 일련의 포인트다. 포인트 클라우드가 지오메트리 정보, 색상, 강도 등 여러 기능을 포함 할 수 있다는 것이다. 포인트 클라우드 데이터의 지오메트리 정보를 사용하여 3D모델을 구성 할 수 있다.
OGC CityGML은 시맨틱 3D 도시 모델의 저장 및 교환을 위한 개방형 데이터 모델이다. OGC (Open Geospatial Consortium) 및 ISO TC211에서 발행한 공간 데이터 교환은 국제 표준인 Geography Markup Language 버전 3.1.1 (GML3) 애플리케이션 스키마가 된다 . CityGML 개발의 목표는 3D 도시 모델 기본 엔티티, 속성 및 관계에 대한 공통 정의를 개발하는 것이다.
포인트 클라우드 데이터에서 3D 모델(CityGML)을 구축하는 과정에서 시맨틱 세그먼테이션, 폴리곤 화 및 피쳐화의 세 단계를 제안한다.
프로세스
이를 위해 다음 딥러닝 PointNet, 오픈소스와 계산기하학 기술을 사용한다.
참고로, 이 기술은 일본 AIRC(Artificial Intelligence Research Center)에서 개발되고 있다. 이 센터는 일본 산업기술연구소 소속이고, 직원수는 2,949명 정도로 큰 조직이다. 이 조직은 일본 경제산업성 산하에 있다.
개발 상황을 보면, 딥러닝이 특정 분야에 한정되지 않고, 다양한 분야에 재활용되고, 기존 개발된 기술과 융합해 응용 가능한지를 연구하고 있는 것 같다. 아직 국내는 N사와 같은 몇몇 IT회사를 제외하고는 이런 점에서 초기 단계인 것 같다.
레퍼런스
댓글 없음:
댓글 쓰기