[논문 리뷰] Knowledge Base Approach for 3D Objects Detection in Point Clouds Using 3D Processing and Specialists Knowledge

Helmi Ben Hmida, Christophe Cruz외 2명|arXiv (Cornell University)|2013. 01. 21.

Semantic Web and OntologiesComputer Science참고 문헌 32인용 수 17

한 줄 요약

이 논문은 기하 분석과 도메인 전문 지식을 융합하기 위해 OWL 온톨로지, SWRL 규칙, 3D 처리 내장 기능을 통합함으로써 포인트 클라우드 내 3D 객체 검출을 위한 지식 기반 접근법을 제안한다. 이 방법은 유연하고 지능적인 검출 및 의미적 주석을 가능하게 하며, 철도 인프라 객체(예: 신호등, 기둥 등)를 대상으로 한 인덱싱된 온톨로지를 구성한다. 이 온톨로지는 VRML로 시각화되어 GIS 또는 IFC 통합에 활용 가능하다.

ABSTRACT

This paper presents a knowledge-based detection of objects approach using the OWL ontology language, the Semantic Web Rule Language, and 3D processing built-ins aiming at combining geometrical analysis of 3D point clouds and specialist's knowledge. Here, we share our experience regarding the creation of 3D semantic facility model out of unorganized 3D point clouds. Thus, a knowledge-based detection approach of objects using the OWL ontology language is presented. This knowledge is used to define SWRL detection rules. In addition, the combination of 3D processing built-ins and topological Built-Ins in SWRL rules allows a more flexible and intelligent detection, and the annotation of objects contained in 3D point clouds. The created WiDOP prototype takes a set of 3D point clouds as input, and produces as output a populated ontology corresponding to an indexed scene visualized within VRML language. The context of the study is the detection of railway objects materialized within the Deutsche Bahn scene such as signals, technical cupboards, electric poles, etc. Thus, the resulting enriched and populated ontology, that contains the annotations of objects in the point clouds, is used to feed a GIS system or an IFC file for architecture purposes.

연구 동기 및 목표

• 비정렬된 3D 포인트 클라우드에 도메인 전문 지식을 의미적으로 풍부화시키는 과제를 해결하기 위해.
• 형식적 온톨로지와 규칙 기반 추론을 사용하여 포인트 클라우드 내 3D 객체를 검출하고 주석 달기 위한 확장 가능한 프레임워크를 개발하기 위해.
• 전문 지식을 기하 처리와 융합하여 검출 정확도와 맥락 이해도를 향상시키기 위해.
• 후속 작업을 위한 GIS 또는 빌딩 정보 모델링(BIM)에 활용 가능한 인덱싱된 3D 시나리오 온톨로지를 생성하기 위해.
• 독일 철도(Deutsche Bahn) 데이터셋 내 철도 인프라(예: 신호등, 기둥 등)의 맥락에서 이 접근법을 구현하기 위해.

제안 방법

• 이 접근법은 포인트 클라우드 내 3D 객체의 의미적 구조와 관계를 모델링하기 위해 OWL을 사용한다.
• 기하 제약 조건과 도메인 지식을 결합한 검출 규칙를 인코딩하기 위해 의미 웹 규칙 언어(SWRL)를 활용한다.
• 3D 처리 내장 기능과 위상 구조 내장 기능을 SWRL 규칙에 통합하여 포인트 클라우드의 공간적 및 기하적 성질에 대한 추론을 가능하게 한다.
• WiDOP 프로토타입은 원시 3D 포인트 클라우드를 처리하고, 규칙 기반 시스템을 적용하여 객체를 검출하고 주석을 달한다.
• 검출 및 주석 처리된 객체는 인덱싱된 온톨로지로 내보내지고, 상호작용 가능한 시나리오 탐색을 위해 VRML 형식으로 시각화된다.
• 최종적으로 생성된 온톨로지는 지리정보시스템(GIS) 시스템 또는 IFC 파일과의 통합을 위해 설계되어 건축 및 인프라 관리 응용 분야에 활용 가능하다.

실험 결과

연구 질문

• RQ1 전문가로부터의 도메인 전문 지식는 어떻게 효과적으로 코딩하고 기하 분석과 융합하여 포인트 클라우드 내 3D 객체 검출에 활용할 수 있는가?
• RQ2 3D 및 위상 구조 내장 기능이 강화된 SWRL 규칙는 객체 검출의 유연성과 정확도를 어느 정도 향상시킬 수 있는가?
• RQ3 지식 기반 시스템은 비정형 포인트 클라우드 데이터로부터 의미적으로 풍부한 주석 처리된 3D 시나리오 온톨로지를 생성할 수 있는가?
• RQ4 생성된 온톨로지는 GIS 또는 BIM(기능 기반 모델링, IFC) 데이터 교환 및 시각화에 얼마나 효과적으로 재사용될 수 있는가?
• RQ5 이 프레임워크는 독일 철도의 실제 철도 인프라 데이터셋과 같은 실세계 데이터셋에 적용 가능한가?

주요 결과

• WiDOP 프로토타입은 3D 포인트 클라우드 내 철도 객체인 신호등, 기술 캐비닛, 전력 기둥 등을 성공적으로 검출하고 의미적으로 주석을 달 수 있었다.
• 3D 처리 및 위상 구조 내장 기능이 SWRL 규칙에 통합되어 더 표현력 있고 맥락 인식 능력이 뛰어난 검출 논리 구현이 가능해졌다.
• 출력 결과로는 객체 식별자, 위치, 의미적 관계를 기계 처리 가능한 형식으로 캡처한 인덱싱된 온톨로지가 생성되었다.
• 주석 처리된 3D 시나리오는 VRML로 시각화되어 검출된 객체의 상호작용 탐색 및 검증이 가능해졌다.
• 생성된 온톨로지는 지리정보시스템(GIS) 시스템과 호환되며, 건축 및 인프라 관리 워크플로우에서 사용 가능한 IFC 형식으로 매핑 가능했다.
• 이 접근법은 3D 시나리오 이해에서 전문 지식과 자동 기하 분석을 융합하는 실현 가능한 길을 제시하였다.