증강 현실에서 선박 블록 모델 초기 정합을 위한 세그멘테이션 보정 연구

초록

선박 블록 모델의 오작 검출을 통한 정합 시스템 개발을 위해 블록 내부 부재의 특징점을 추출하는 과정에서 세그멘테이션 기술을 활용하였다. 이 때, 세그멘테이션을 통해 생성된 예측 마스크의 크기가 관심 영역보다 크거나 작게 생성되거나, 빈 공간이 포함된 노이즈가 발생하는 사례가 자주 발생하였다. 이러한 노이즈는 특징점 기반의 선박 블록 모델 초기 정합 시스템에서 오류를 야기할 수 있다. 본 연구에서는 세그멘테이션 모델의 예측 마스크를 기반으로 노이즈를 보정할 수 있는 방법론을 제안하고, 보정 방법의 성능을 평가하였다. 예측 마스크에서 발생한 노이즈를 크기 및 빈 공간의 여부를 기준으로 정의하였고, 이러한 노이즈를 효과적으로 제거하고 보정하기 위해 알고리즘 기반의 보정 기법을 설계하였다. 이를 통해, 다양한 선박 블록 이미지에 해당 보정 기법을 적용하고, 보정된 마스크의 품질을 정량적으로 평가하였다.