도시 환경에서 수집된 지상 레이저 스캐닝(TLS) 포인트클라우드는 유리면이 만들어내는 반사 아티팩트로 인해 품질이 크게 저하되는 문제를 안고 있다. 연구팀은 이 문제를 체계적으로 해결하기 위한 통합 프레임워크 GRAR(Glass-induced Reflection Artifact Removal)을 제안했다.
GRAR은 두 단계로 구성된다. 첫 번째 단계에서는 멀티모달 비전 파운데이션 모델을 활용해 유리 영역의 초기 마스크를 생성하고, 이를 기하학적 단서로 정제해 정밀한 유리 영역을 확보한다. 투명 표면에서 발생하는 무반환 측정으로 인해 누락된 영역은 유리 완성(glass completion) 기법으로 보완한다. 기존 방법들이 이상적인 반사 대칭 가정에 의존해 정확도가 떨어졌던 한계를 이 단계에서 극복한다.
두 번째 단계에서는 실제 레이저 반사 기하학에 근거한 물리 기반 기술자인 RE-LGGS(Reflection-aware Local-Global Geometric Similarity)를 새롭게 도입한다. RE-LGGS는 PCA 기반 국소 형상 표현을 이용해 다중 스케일 기하 구조와 방향 일관성을 함께 인코딩함으로써 불완전한 관측 환경에서도 강인한 성능을 발휘한다. 복수의 공개 TLS 데이터셋에서 진행된 실험에서 GRAR은 기존 최첨단 방법들을 지속적으로 앞서는 결과를 보였다고 연구팀은 밝혔다.
이 연구는 자율주행, 도시 디지털 트윈, 실내외 매핑 등 3D 공간 인식이 중요한 분야에서 데이터 품질을 높이는 데 기여할 것으로 전망된다. 유리가 많은 현대 건물이 밀집한 도시 스캐닝 환경에서 안정적인 포인트클라우드를 확보하는 문제는 실용적 중요성이 높아 후속 연구의 관심을 끌 것으로 보인다.
