Dual Scheme Adaptive Slope-Based Filtering of Photogrammetric Point Clouds for Digital Terrain Model Generation

당신이 숲 아래의 지면을 그리는 지도 제작자라고 상상해 보십시오. 당신은 머리 위를 비행하며 수천 장의 사진을 찍어 이를 하나로 합쳐 세상의 3D 모델을 만드는 드론을 가지고 있습니다. 이 모델은 '디지털 표면 모델(DSM)'이라고 불리며 매우 정교하지만, 한 가지 문제가 있습니다. 나무, 건물, 전선 등 모든 것을 다 보여준다는 점입니다. 실제 지표면을 나타내는 '디지털 지형 모델(DTM)'을 얻으려면, 땅이 아닌 모든 것을 디지털 방식으로 "벗겨내야" 합니다. 이것은 마치 케이크 아래의 모양을 찾기 위해 케이크를 뭉개뜨리지 않으면서 프로스팅, 스프링클, 양초를 모두 제거하는 것과 같습니다.

문제는 지면이 항상 평평하지는 않다는 것입니다. 때로는 언덕이 있기도 하고, 때로는 "스프링클"(나무 같은 것들)이 지면만큼이나 울퉁불퉁할 수도 있습니다. 기존의 방식들은 모든 것에 하나의 규칙을 적용하려 했습니다: "경사가 급하면 건물이고, 완만하면 지면이다." 하지만 이는 마치 크기만 보고 구슬과 바위가 섞인 봉투를 분류하려는 것과 같습니다. 작은 바위를 실수로 버리거나 큰 조약돌을 남겨둘 수도 있기 때문입니다. 이 논문은 울창한 식생과 현대적인 건물이 불규칙한 지형 위에 나란히 놓여 있는 열대 지역의 복잡한 현실을 다룹니다. 여기서 기존의 "일률적인" 규칙들은 처참하게 실패합니다.

두 개의 머리를 가진 필터: 드론 지도를 깨끗하게 만드는 스마트한 방법

인도네시아의 수마트라 공과대학교(Institut Teknologi Sumatera)에서 연구하는 연구진들은 드론 지도를 정리하기 위해 하나의 규칙을 사용하는 것이, 섬세한 레이스와 두꺼운 가죽을 모두 자르기 위해 단 하나의 가위만을 사용하는 것과 같다는 사실을 깨달았습니다. 레이스를 망가뜨리거나 가죽을 자르는 데 실패하게 될 것입니다. 그래서 그들은 "이중 체계(Dual Scheme)" 필터를 발명했습니다. 이는 클럽의 문지기처럼 사람의 외양을 확인하고 어떤 줄에 서야 할지 결정하는 스마트한 시스템입니다.

설정: 단서로 가득한 캠퍼스
연구팀은 자신들의 대학교 캠퍼스 중 121 헥타르 구역 위로 드론을 비행시켰습니다. 이 구역은 완벽한 테스트 실험실이었습니다. 70미터 높이의 언덕과 계곡, 평평한 지붕을 가진 높은 다층 건물, 그리고 울창하고 빽빽한 2차림(secondary forests)이 있었습니다. 드론은 다양한 각도(단순히 수직 아래가 아니라 기울어진 각도로도)에서 사진을 찍어 픽셀당 4.15cm의 해상도를 가진 3D 포인트 클라우드를 구축했습니다. 이는 개별 벽돌이나 잎사귀까지 볼 수 있을 정도로 선명합니다.

문제: "일률적인" 함정
전통적인 필터들은 "경사 기반" 접근 방식을 사용합니다. 이들은 특정 지점이 얼마나 가파른지를 봅니다. 만약 지면이 급격히 기울어져 있다면, 필터는 이를 건물 벽이나 나무 기둥으로 간주하고 삭제합니다. 반대로 경사가 완만하면 지면으로 간주하여 유지합니다. 하지만 경사 진 언덕과 평평한 건물이 공존하는 곳에서는 이 방식이 무너집니다.

• 만약 규칙을 "가파른 것은 삭제하라"로 설정하면, 실제 언덕을 실수로 삭제하게 됩니다.
• 만약 규칙을 "가파른 것은 유지하라"로 설정하면, 건물이 그대로 남아 있게 됩니다.

해결책: 두 세계를 위한 두 가지 서로 다른 규칙
저자들의 핵심 아이디어는 규칙을 적용하기 전에 지도를 두 개의 구역으로 나누는 것이었습니다. 그들은 지면의 질감을 설명하는 특별한 지도인 두 가지 "기술자(descriptor)"를 만들었습니다.

1. "거칠기(Roughness)" 지도 (Scheme A): 이것은 작은 지면 조각이 얼마나 울퉁불퉁한지를 봅니다. 마치 표면을 손으로 훑는 것과 같습니다. 숲의 캐노피(수관)는 덥수룩한 카펫과 같습니다. 매우 울퉁불퉁하고 불규칙합니다. 평평한 지붕이나 포장된 도로는 매끄러운 탁자와 같습니다. 필터는 이 "거칠기"를 사용하여 숲을 식별합니다. 이러한 울퉁불퉁한 구역에서 필터는 "관대해집니다(permissive)". 지면 아래가 가파를 수 있다는 것을 알기에, 실제 언덕을 보존하기 위해 정말로 아주 가파른 것들만 삭제합니다.
2. "에지(Edge)" 지도 (Scheme B): 이것은 건물의 윤곽선과 같은 날카로운 선을 찾습니다. 이는 사물이 급격하게 변하는 경계만을 그려내는 고대비 연필 스케치와 같은 '캐니 에지 검출(Canny edge detection)' 기술을 사용합니다. 평평한 지붕은 내부가 매끄럽지만, 주변부에는 날카롭고 딱딱한 가장자리가 있습니다. 필터는 이를 사용하여 건물을 찾아냅니다. 이러한 매끄러운 구역에서 필터는 "엄격해집니다(strict)". 이곳에 가파른 경사가 있다면 그것은 거의 확실히 벽일 것이라고 판단하여 즉시 삭제합니다.

과정: 분류와 매끄럽게 만들기
지도가 "울퉁불퉁한 숲 구역"과 "매끄러운 건물 구역"으로 나뉘고 나면, 필터는 각 구역에 맞는 규칙을 적용합니다.

• 숲에서는: 가파른 언덕은 유지하되 나무는 제거합니다.
• 도시에서는: 건물을 제거하되 평평한 지면은 유지합니다.

"비지면(non-ground)" 요소(나무와 건물)가 제거된 후에는 지도에 구멍이 생깁니다. 이는 마치 케이크에서 프로스팅을 떼어내어 빈 공간을 남긴 것과 같습니다. 이를 해결하기 위해 팀은 "하이브리드 보간(hybrid interpolation)" 방법을 사용했습니다. 담요에 구멍이 났을 때, 가장자리에서 실을 끌어와 빈틈을 채우는 것을 상상해 보십시오. 그들은 두 가지 방법을 사용했습니다: 하나는 가장 가까운 이웃으로부터 실을 끌어오는 것이고, 다른 하나는 주변 모든 지점으로부터의 거리를 평균 내는 것입니다. 마지막으로, 그들은 "가우시안 평활화(Gaussian smoothing)" 필터를 적용했습니다. 이는 마치 따뜻한 다리미로 천을 부드럽게 다려 솔기(seam)를 보이지 않게 만드는 것과 같으며, 실제 지면과 채워진 구멍 사이의 전환이 자연스럽게 보이도록 보장합니다.

결과: (대체로) 잘 작동하는 지도
연구팀은 새로운 지도를 실제로 측정한 12개의 GPS 지점과 비교 테스트했습니다.

• 좋은 소식: 새 지도는 믿을 수 없을 정도로 정확했습니다. 오차는 단 0.148미터(약 6인치)였습니다. 이는 필터링 전의 원래 드론 사진의 정확도와 거의 비슷합니다. 이는 그들의 스마트한 이중 규칙 시스템이 실제 지면 데이터를 실수로 망가뜨리지 않았음을 증명합니다.
• 아쉬운 점: 논문은 한계점도 인정합니다. 가장 크고 울창한 숲 구역에서는 드론이 지면을 전혀 볼 수 없었습니다. 나무를 제거했을 때 거대한 구멍이 남았습니다. "채우기" 방법은 그 구멍의 중간에 지면이 어떤 모습일지 추측해야 했습니다. 그 결과, 실제 울퉁불퉁한 숲 바닥이라기보다는 경사로처럼 다소 매끄럽고 평평한 표면이 만들어졌습니다.

이것이 왜 중요한가
저자들은 이것이 세상의 모든 문제를 해결하는 절대적인 완벽한 방법이라고 주장하는 것이 아닙니다. 그들은 방대한 컴퓨터 자원과 학습 데이터가 필요한 복잡한 AI나 딥러닝을 사용하지 않았습니다. 대신, 세상의 기하학적 구조, 즉 얼마나 거친지 그리고 에지가 어디에 있는지를 살펴보는 것만으로도 기존의 "단일 규칙" 시스템보다 훨씬 더 스마트한 필터를 만들 수 있다는 것을 보여주었습니다.

그들은 혼합된 지형(언덕, 나무, 건물)이 있는 지역의 경우 유연한 접근 방식이 필요하다는 것을 발견했습니다. 가파른 언덕을 건물 벽과 똑같이 취급해서는 안 됩니다. 문제를 두 구역으로 나누고 각 구역에 맞는 도구를 사용함으로써, 그들은 값비싼 레이저 스캐너나 슈퍼컴퓨터 없이도 깨끗하고 정확한 맨땅 지도를 만들어낼 수 있었습니다. 주요 교훈은, 카메라로 울창한 정글의 캐노피를 뚫고 볼 수는 없더라도, 우리의 추측이 단지 추측일 뿐이라는 점을 인정한다면 그 아래에 무엇이 있는지 훨씬 더 똑똑하게 추측할 수 있다는 것입니다.