Geometry-Driven Recognition of Industrial Pipe Structures from 3D Point Clouds = 3D 포인트 클라우드를 이용한 산업용 파이프 구조의 기하학 기반 인식론

국문 초록 (Abstract)

본 논문은 비정형 3차원 포인트 클라우드 데이터로부터 산업용 배관 구조를 인식하고 재구성하기 위한 기하학 기반의 프레임워크를 제안한다. 제안된 방법은 직선 배관, 곡선 엘보, 연결부와 같은 일반적인 배관 구성 요소를 대상으로 하며, 이를 명시적인 매개변수 기하 프리미티브로 표현한다. 노이즈가 존재하거나 불완전한 포인트 클라우드를 안정적으로 처리하기 위해, 먼저 가우시안 곡률 분석을 적용하여 선형 표면 영역과 곡면 영역을 분할한다. 이 분할 결과를 기반으로, 구조 유형에 따라 조건화된 RANSAC을 사용하여 무한한 길이의 원통 및 토러스 프리미티브의 초기 파라미터를 추정한다. 이후 배관 구성 요소 간의 연결성, 접선 정합, 대칭성 관계를 반영하는 구조적 제약 조건 하에서 모든 프리미티브 파라미터를 동시에 보정하는 공동 최적화 프레임워크를 도입한다. 마지막으로, 파이프 길이 및 엘보의 스윕 각도와 같은 유한 기하학적 범위 파라미터를 내계치 포인트의 투영을 통해 계산한다. 제안된 방법은 실제 파라미터가 알려진 합성 데이터셋과 실제 LiDAR 스캔 데이터에 대해 평가되었다. 실험 결과를 통해 본 방법이 다양한 포인트 밀도와 센서 노이즈 조건에서도 안정적인 재구성이 가능함을 확인하였으며, 로봇 검사 및 조작 작업에 활용 가능한 물리적으로 해석 가능한 기하 모델을 생성함을 보였다.

다국어 초록 (Multilingual Abstract)

This thesis presents a geometry-driven framework for recognizing and reconstructing industrial pipe structures from unstructured 3D point cloud data. The proposed method targets common pipe components, including straight pipes, curved elbows, and junctions, and represents them using explicit parametric primitives. To robustly handle noisy and incomplete point clouds, Gaussian curvature analysis is first employed to segment linear and curved surface regions. Based on this segmentation, type-conditioned RANSAC is used to initialize infinite cylindrical and toroidal primitives. A joint optimization framework is then introduced, in which all primitive parameters are refined simultaneously under soft structural constraints that encode connectivity, tangency, and symmetry relationships between pipe components. Finally, finite geometric extents such as pipe lengths and elbow sweep angles are recovered from inlier point projections. The proposed approach is evaluated on both synthetic datasets with ground-truth parameters and real-world LiDAR scans. Experimental results demonstrate that the method achieves accurate and robust reconstruction across varying point densities and sensor noise, producing compact and physically interpretable models suitable for robotic inspection and manipulation tasks.

목차 (Table of Contents)

• Abstract i
• Table of Contents ii
• List of Tables iv
• List of Figures v
• Chapter 1. Introduction 1
• 1.1. Motivation 1
• 1.2. Related Works 1
• 1.3. Contribution 4
• Chapter 2. Problem Formulation 6
• 2.1. Problem Formulation 6
• 2.2. Primitive Shape Definitions 8
• 2.3. Connection Structures 10
• Chapter 3. Proposed Method 13
• 3.1. Algorithm Overview 13
• 3.2. Gaussian Curvature-Based Segmentation 14
• 3.3. RANSAC-Based Primitive Fitting 16
• 3.4. Joint Optimization 21
• 3.5. Final Parameter Extraction 25
• 3.6. Summary of the Algorithm 28
• Chapter 4. Experiments and Results 30
• 4.1. Implementation Details and Dataset 30
• 4.2. Quantitative Results on Synthetic Data 33
• 4.3. Ablation Studies 35
• 4.4. Real-World Case Study 36
• Chapter 5. Conclusion 38
• 5.1. Summary 38
• 5.2. Future Work 39
• Bibliography 41
• 국문 초록 43
• Acknowledgement 44