최근 중국과 유럽에서는 철도 인프라 관리를 위해 대규모 3D 포인트 클라우드 데이터셋을 구축하고, 이를 활용한 의미론적 분할 연구가 활발히 이루어지고 있다. 그러나 이러한 데이터셋은 한국철도 환경의 특수성을 충분히 반영하지 못하여 국내 딥러닝 기반 연구에 직접 활용하기에는 한계가 있다. 또한, 해외 데이터셋을 기반으로 RandLA-Net과 KPConv을 적용한 성능 비교 실험에서는 데이터 불균형과 레이블 노이즈로 인한 성능 저하가 확인되었다. 이에 본 연구는 대한민국의 관련 법령과 규정을 토대로 한국철도 환경에 적합한 새로운 클래스 분류 체계를 제안한다. 제안된 체계를 기존 데이터셋에 재분류하여 RandLA-Net과 KPConv에 적용한 결과, 일부 클래스에서 의미론적 분할 성능이 향상됨을 확인하였다. 이를 통해 제안된 분류 체계가 향후 한국 철도 환경에 특화된 데이터셋 구축과 활용에 기여할 수 있음을 보여준다.
Yoo et al. (Thu,) studied this question.