위성 영상 도로 객체 탐지를 위한 새로운 라벨링 기법과 Deformable DETR 기반 딥러닝 모델 = Novel Labeling Method and Deformable DETR-Based Deep Learning Model for Road Object Detection in Satellite Images

국문 초록 (Abstract)

위성 영상은 넓은 지역을 일관된 관측 조건에서 확보할 수 있다는 장점으로 인해 도로 및 차선 수준의 지도 구축을 위한 중요한 데이터 소스로 활용되고 있다. 기존의 위성 영상 기반 연구들은 주로 도로 영역을 픽셀 단위로 분할하거나, 단일 중심선을 예측하는 방식에 초점을 맞추어 왔으나, 이러한 접근은 차선을 구조적 단위로 표현하고 지도 수준에서 활용하는 데에는 한계를 가진다. 특히 차선의 연속성, 방향성, 차선 간 관계와 같은 구조적 특성은 단순한 segmentation 결과만으로는 충분히 반영되기 어렵다.
본 연구에서는 위성 영상 기반 차선 인식을 구조적 예측 문제로 재정의하고, 차선을 폴리라인(polyline) 형태의 객체로 표현하는 방법을 제안한다. 이를 위해 인코더(encoder) 중심의 구조를 기반으로 한 모델을 설계하고, 차선의 중심 및 좌·우 방향 정보를 포함하는 출력 표현을 정의하였다. 또한 모델의 출력을 바탕으로 폴리라인 형태의 차선 객체를 생성하는 후처리 과정을 통해, 차선의 전반적인 흐름과 방향성을 반영한 구조적 결과를 도출하였다.
실험 결과, 단순한 직선 도로 및 완만한 곡선 구간에서는 차선의 연속성과 방향성을 복원하는 것에 성공하였다. 반면, 명도가 낮은 사진에서는 동일한 차선에 대해 다수의 폴리라인이 중첩되어 생성되는 한계도 확인되었다. 이러한 결과는 출력 해상도와 국소적 응답 특성에 따른 구조적 제약에서 기인한 것으로 해석된다.
본 연구는 위성 영상 기반 환경에서 차선을 구조적 단위로 표현하고 폴리라인 형태로 예측하는 접근의 가능성을 실험적으로 확인하였다는 점에서 의의를 가진다. 나아가, 차선 수준 지도 생성을 위한 구조적 예측 모델이 고려해야 할 한계를 명확히 분석함으로써, 향후 topology-aware 제약 조건이나 전역적 구조 통합 전략을 포함한 연구로의 확장 가능성을 제시한다.

다국어 초록 (Multilingual Abstract)

Satellite imagery enables large-scale and consistent observation, making it suitable for lane-level map construction. However, most existing satellite-based methods rely on pixel-wise segmentation or single centerline extraction, which limits their ability to represent lanes as structural entities. In particular, lane continuity, directionality, and inter-lane relationships are not adequately captured by segmentation-based approaches.
This work formulates satellite-based lane detection as a structural prediction problem and proposes a polyline-based lane representation. An encoder-centric architecture is adopted with an output design that encodes lane center and directional information, followed by a post-processing step that generates polyline lane instances reflecting global lane geometry.
Qualitative results show that the proposed method successfully recovers lane continuity and directionality in simple road scenarios, while revealing limitations in low-contrast regions where redundant polylines may be generated for a single lane. These findings highlight both the feasibility of polyline-based lane prediction from satellite imagery and the need for topology-aware constraints in future work.

목차 (Table of Contents)

• 1. 서론 1
• 2. 관련 연구 4
• 2.1. 연구 이론 4
• 2.2. 관련 연구 6
• 2.2.1 위성 영상 기반 도로 추출 연구 6
• 2.2.2 위상 구조 기반 도로 네트워크 추출 7
• 2.2.3 Segmentation 기반 접근의 구조적 한계 8
• 2.2.4 차량 시점 기반 차선 인식 및 HD 지도 연구 9
• 2.2.5. 항공 영사 기반 차선 수준 지도 구축 연구 9
• 2.2.6. 본 연구의 위치 10
• 3. 본문 11
• 3.1. 모델 구조 11
• 3.2. Output Representation 13
• 3.3. 손실 함수 구조 18
• 3.4. Instance Generator 20
• 4. 실험 결과 23
• 4.1. 데이터셋 23
• 4.2. 실험 환경 및 설정 25
• 4.3 정량적 평가 27
• 4.4 정성적 결과 29
• 4.5 결과 분석 및 논의 33
• 5. 결론 35
• 영문 요약 36
• 참고 문헌 37