이중시드확장을이용한격자기반 3D LiDAR 포인트 클라우드 지면 분할 기법 = Grid-Based Ground Segmentation for 3D LiDAR Point Clouds Using Dual-Seed Expansion

국문 초록 (Abstract)

본 논문에서는 자율주행 환경에서 3D LiDAR 포인트 클라우드의 지면 영역을 빠르게 분할하기 위한 이중 시드 확장 기반 직교 격자 지면 분할 방법을 제안한다.
지면 분할은 이후 객체 클러스터링과 장애물 검출에 직접적인 영향을 미치기 때문에, 자율주행에서 LiDAR 기반 인식을 위한 필수적인 전처리 단계이다. 이에 본 논문에서는 이중 시드 확장을 사용하는 3D LiDAR 포인트 클라우드의 빠른 격자 기반 지면 분할 방법을 제안한다. 입력 포 인트 클라우드는 2차원 직교 격자에 투영되며, 여기서 최소 높이, 최대 높이, 평균 높이, 높이 분산을 포함한 셀 단위 높이 통계가 계산된다. 초 기 지면 후보는 경사 또는 희소 영역에서 누락되는 지면 후보를 줄이기 위해 전역 높이 분포 기반 시드와 LiDAR 장착 높이 기반 시드를 결합하 여 선택된다. 이후 지면 셀은 이웃 셀 간의 국소적 기울기 차이를 기준으 로 확장된다. 지면 포인트와 비지면 포인트를 모두 포함하는 셀에서의 오 분류를 줄이기 위해, 포인트 수준 보정을 위한 지역 높이 밴드 기준이 적 용된다. 제안 방법은 ROS1에서 구현되었으며 SemanticKITTI 데이터셋 에서 평가되었다. 실험 결과는 평균 정확도 96.34%, F1-score 97.1 1%, IoU（G） 94.40%를 보였다. Sequence별 평균 처리 시간은 프레임 당 12.15 ms였다. 이러한 결과는 제안 방법이 LiDAR 기반 자율주행 인 식을 위한 빠른 전처리 모듈로 적합함을 보여준다.

목차 (Table of Contents)

• Ⅰ. 서 론 1
• Ⅱ. 관련 연구 4
• 2.1 3차원 포인트 클라우드 기반 방법 4
• 2.2 거리 이미지 기반 방법 5
• 2.3 격자 기반 방법 5
• 2.3.1 일반 직교 격자 기반 방법 6
• 2.3.2 극좌표 격자 기반 방법 7
• 2.4 학습 기반 방법 8
• 2.5 본 연구의 위치 8
• Ⅲ. 연구 방법론 10
• 3.1 제안 방법의 전체 구조 10
• 3.2 포인트 클라우드 격자화 11
• 3.3 셀 통계량 계산 13
• 3.4 이중 시드 기반 초기 지면 후보 선정 15
• 3.4.1 전역 높이 분포 기반 시드 16
• 3.4.2 LiDAR 장착 높이 기반 시드 17
• 3.4.3 이중 시드 결합 19
• 3.5 인접 셀 기반 지면 영역 확장 20
• 3.6 혼합 셀 보정 및 최종 포인트 분류 21
• Ⅳ. 실험 및 결과 24
• 4.1 실험 환경 24
• 4.2 실험 파라미터 설정 및 선정 근거 25
• 4.3 평가 지표 28
• 4.4 절제 연구 29
• 4.5 주요 파라미터 민감도 분석 33
• 4.6 지면 분할 정량적 평가 36
• 4.7 지면 분할 정성적 평가 42
• 4.8 처리 시간 평가 47
• 4.9 정확도–처리시간 trade-off 분석 50
• Ⅴ. 결 론 52
• 참고문헌 54
• Abstract 59