디지털트윈 구축을 위한 3차원 공간정보 폐색영역 검출 및 복원 기술개발

국문 초록 (Abstract)

디지털트윈의 중요한 요소는 실제 객체에 대한 폐색영역이 없는 실감형 공간정보를 구축하고 제공하여야 한다. 하지만 3차원 공간정보 모델링에서는 촬영 각도와 촬영 시기로 인해 필연적으로 폐색영역이 발생한다. 이에 최신 기술인 인공지능 기술을 이용한 특정객체의 검출과 이를 제거하고 복원할 수 있는 기술을 구현하고자 한다. 연구에서는 인공지능 모델 중에서 ResNet 알고리즘을 사용하 폐색 유발 객체를 자동으로 검출하고, 텍스처링 영상에서 검출된 폐색영역을 삭제하여 특정 알고리즘을 적용하여 해당 건물의 텍스처링 영상에서 폐색영역을 복원하는 복원 기술을 개발하였다. 실험데이터는 건물 모델링에서 가장 많은 폐색을 유발하는 가로수를 대상으로 최신모델인 ResNet 학습모델을 사용하여 폐색영역을 유발하는 가로수 객체 데이터셋을 만들고 자동으로 검출하였으며 그 결과를 분석하였다. 연구의 결과로는 ResNet 알고리즘을 이용하여 비정형 데이터인 가로수를 검출할 수 있으며, DeepFillv2 알고리즘을 이용하여 가로수를 제거하고 인접 픽셀을 이용하여 상가와 아파트 텍스처링 영상을 복원하였다.

다국어 초록 (Multilingual Abstract)

An important element of a digital twin is to model and provide realistic spatial information without an occluded area for real objects. In 3D spatial information modeling, however, an occluded area inevitably occurs due to the shooting angle and shooting time. In this regard, this study implemented a technology that can detect a specific object using the latest technology, AI, and remove and in-paint it. In this study, the occlusion-causing object was automatically detected using the ResNet algorithm and the occlusion area in-painting in the texturing image. For the experimental data, the ResNet algorithm was applied to street trees that cause the most occlusion in building modeling to produce a street tree dataset and automatically detected and analyzed the results. Street trees, which are unstructured data, can be detected using the ResNet algorithm and removed using the DeepFillv2 algorithm, producing texturing images of shops and apartments that are restored using the adjacent pixels.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 디지털트윈과 3차원 공간정보
• 3. ResNet 검출 알고리즘 및 Deepfill v2 복원 알고리즘
• 4. 폐색영역 검출 및 복원 기술개발
• 5. 결론
• References