포인트클라우드

4 Contents

[카오스 짧강] 2026 카오스콘서트 예습하기: 수학을 통하여 세상을 3차원으로 보는 법_PART 2

스테레오 비전은 두 개 이상의 서로 다른 관점에서 대상을 바라보는 기술로, 인간의 양안 시각과 유사한 원리를 가집니다. 이를 통해 대상의 정확한 3차원 좌표를 구하기 위해서는 먼저 각 카메라가 공간상에 어떻게 배치되어 있는지 파악하는 캘리브레이션 과정이 필수적입니다. 기준 좌표계를 중심으로 카메라의 이동 거리와 회전 각도를 계산하여 연결함으로써, 비로소 3차원 세계를 수학적으로 분석하기 위한 데이터의 정렬이 완성됩니다. 이러한 정밀한 위치 파악은 복잡한 공간 정보를 디지털 데이터로 변환하는 첫 단추가 됩니다. 수학적 관점에서 카메라는 3차원 세계의 대상을 2차원 평면으로 투영하는 하나의 함수로 정의됩니다. 컴퓨터 비전에서는 이를 3×4 크기의 행렬로 표현하며, 여기에는 카메라의 초점 거리나 렌즈 왜곡과 같은 내부 파라미터뿐만 아니라 공간상의 위치와 방향이라는 외부 파라미터 정보가 모두 포함됩니다. 이 행렬을 통해 공간 속의 한 점이 이미지의 어떤 픽셀에 맺히는지 계산할 수 있게 되어 시각적 정보의 수식화가 가능해지며, 이는 실제 사물을 디지털 공간에 재현하는 핵심적인 도구가 됩니다. 위치 파악만큼이나 어려운 과제는 서로 다른 사진 속에서 동일한 지점을 찾아내는 대응점 문제입니다. 인간은 경험을 통해 두 이미지 속의 같은 부위를 쉽게 인지하지만, 이미지를 단순한 숫자 배열로 인식하는 컴퓨터에게 이는 매우 고된 연산 과정입니다. 수많은 픽셀 데이터 속에서 어떤 점이 상대 이미지의 어느 점과 일치하는지 정확히 판별하는 이 과정은 3차원 영상 재구성에서 가장 많은 시간이 소요되는 핵심적인 난제 중 하나로 꼽히며, 전체 작업의 성패를 결정짓는 중요한 요소가 됩니다. 대응점을 보다 효율적으로 찾기 위해 컴퓨터는 픽셀의 밝기 변화가 급격하게 일어나는 엣지나 코너 같은 특징점을 먼저 탐색합니다. 특정 지점 주변의 숫자 분포를 분석하여 유사한 패턴을 가진 영역을 매칭하는 방식을 사용하며, 이를 통해 두 카메라의 기하학적 관계를 연결하는 기초 행렬(Fundamental Matrix)을 도출할 수 있습니다. 이 행렬 정보를 활용하면 탐색 범위를 획기적으로 좁힐 수 있어, 방대한 이미지 데이터 사이의 연결 고리를 전체를 뒤지지 않고도 훨씬 빠르게 계산하여 데이터 간의 연관성을 파악하는 것이 가능해집니다. 최종적으로 각 이미지에서 추출된 대응점들을 바탕으로 삼각측량법(Triangulation)을 수행합니다. 카메라의 중심점과 사진 속의 지점을 잇는 두 직선의 방정식이 만나는 교점을 계산함으로써, 평면적인 사진 데이터는 비로소 입체적인 3차원 좌표로 변환됩니다. 이러한 기술은 관광객들이 찍은 수천 장의 평면 사진을 모아 콜로세움과 같은 거대 유적지를 정교한 포인트 클라우드(Point Cloud) 형태로 복원해 내는 등 현대 컴퓨터 비전 분야에서 혁신적인 성과를 거두며 다양한 산업 분야에 응용되고 있습니다.

[카오스 짧강] 2026 카오스콘서트 예습하기: 수학을 통하여 세상을 3차원으로 보는 법_PART 2
카오스재단카오스 짧강(짧은 강연)
  • 수학
  • 융합

건기왕3 I 건설 기술의 미래가 된다! 디지털트렌스포메이션!

디지털 트랜스포메이션은 물리적인 정보를 디지털 환경으로 옮겨 시뮬레이션하거나 유용한 정보를 도출하는 과정을 의미합니다. 건설 기술 분야에서는 우리가 거주하는 건물이나 도시의 공간 정보를 디지털화하여 필요한 데이터를 제공하는 데 초점을 맞추고 있습니다. 이는 단순한 전산화를 넘어 현실의 물리적 실체를 가상 세계로 정교하게 복사함으로써, 복잡한 도시 인프라나 건축물의 관리 효율을 극대화하는 핵심적인 기술적 전환점이라고 할 수 있습니다. 특히 정밀한 공간 데이터 구축은 현대 건설 산업의 미래를 결정짓는 필수 과제로 떠오르고 있습니다. 최근 스마트폰에도 탑재되는 라이다(LiDAR) 센서는 레이저를 이용해 공간 정보를 수집하는 핵심 장비입니다. 이 센서를 활용하면 3차원 포인트 클라우드 방식으로 공간을 재구성하여 정밀한 데이터를 얻을 수 있습니다. 이를 통해 바닥 면적이나 높이, 볼륨 등의 치수 정보를 자동으로 추출할 수 있어 수작업에 의존하던 기존 방식보다 훨씬 빠르고 정확하게 실제 공간을 변환하는 것이 가능해졌습니다. 이러한 기술은 단순히 형태를 기록하는 것에 그치지 않고, 측량의 정확도를 획기적으로 높여 건설 프로세스 전반의 신뢰성을 확보하는 데 기여합니다. 수집된 데이터를 실무에 적용하기 위해서는 역설계 과정이 필수적입니다. 과거에는 사람이 일일이 도면을 그려야 했으나, 최근 개발된 자동화 기술을 이용하면 공간 정보를 더욱 손쉽게 추출할 수 있습니다. 이 과정을 통해 작업의 생산성과 품질을 높이면, 디지털 트윈 환경을 구축할 때 필요한 고품질의 공간 정보를 확보하기가 훨씬 수월해집니다. 결과적으로 현장에서 수집된 방대한 데이터를 유기적으로 연결함으로써 시설물 관리나 시뮬레이션의 정확도를 높이는 데 결정적인 역할을 수행하게 됩니다. 이러한 기술은 건설 현장의 안전성을 높이는 데에도 큰 역할을 합니다. 딥러닝 기술과 결합하여 현장 내 위험 요소나 작업자의 위치 정보를 실시간으로 파악함으로써 안전사고를 사전에 예방할 수 있기 때문입니다. 또한, 공사 장비의 동선을 가상 공간에서 미리 테스트하여 효율성을 최적화하는 것도 가능합니다. 앞으로는 스마트폰만으로도 건물의 상세 제원을 즉석에서 확인하거나 증강 현실을 통해 정보를 입체적으로 투영하는 등, 기술이 우리 일상에 더욱 깊숙이 자리 잡아 편리함을 더해줄 것으로 기대됩니다. 새로운 가치는 다양한 분야의 지식이 융합되고 통섭될 때 창출됩니다. 기술적 성취를 이루는 과정에서 주변의 사회적 이슈에 관심을 기울이고, 이를 해결하기 위해 노력하는 자세는 전문가로서 매우 중요합니다. 아울러 자신이 습득한 전문 지식을 블로그나 책 등을 통해 활발히 공유하는 문화는 개인의 성장뿐만 아니라 산업 전체의 발전을 이끄는 원동력이 됩니다. 지식을 나누고 기록하는 과정을 통해 한 단계씩 나아간다면 사회적으로 의미 있는 성과를 거두는 것은 물론, 기술 발전에 따른 혜택을 더 많은 이들과 함께 나눌 수 있을 것입니다.

건기왕3 I 건설 기술의 미래가 된다! 디지털트렌스포메이션!
한국건설기술연구원건기왕
  • 융합
  • 공학·기술

EOST2021 Open3D 활용한 Point Cloud Data 전처리 및 가시화

최근 가상 환경과 실제 환경을 실시간으로 연결하는 ‘디지털 트윈’ 기술이 주목받으면서 3차원 공간 정보 처리의 중요성이 날로 커지고 있습니다. 디지털 트윈은 실제 환경을 가상 세계에 정교하게 재구성하여 다양한 상황을 시뮬레이션하고 최적의 솔루션을 찾아내는 기술입니다. 이를 위해서는 단순히 사물이 어디에 있는지를 파악하는 수준을 넘어, 그것이 어떤 사물인지 정확하게 인식하는 과정이 필수적입니다. 이때 핵심적인 역할을 수행하는 것이 바로 수많은 점의 집합으로 구성된 포인트 클라우드 데이터이며, 이를 통해 가상 공간 내에서 실제와 같은 환경을 완벽하게 복원해낼 수 있습니다. 이러한 기술적 토대는 정교한 미래 예측과 최적의 의사결정을 가능하게 하는 원동력이 됩니다. 포인트 클라우드는 3차원 공간상의 좌표인 x, y, z 값으로 표현되는 점들의 집합인 ‘점군’을 의미합니다. 이는 라이다(LiDAR) 기술이나 RGB-D 카메라의 깊이 정보를 활용해 취득할 수 있으며, 수집된 점들의 배열을 딥러닝 모델에 입력하여 사물의 형상을 분류하거나 부위별로 분할하는 연구에 활용됩니다. 포인트 클라우드는 촬영 위치나 각도에 따라 좌표값이 달라지더라도 동일한 형상을 인식해야 하며, 점들의 순서가 바뀌어도 결과가 변하지 않는 독특한 특성을 가집니다. 또한 수만 개의 점을 효율적으로 처리하기 위해 적절한 샘플링 기법을 적용하여 데이터의 크기를 최적화하는 과정이 필요하며, 이는 전체 모델의 분석 성능에 큰 영향을 미칩니다. 3차원 데이터를 다루기 위한 전문 도구인 Open3D는 C++와 파이썬을 모두 지원하며, 병렬 연산과 GPU 가속을 통해 대용량 데이터를 빠르게 처리하는 강력한 장점을 보유하고 있습니다. 이 라이브러리를 활용하면 포인트 클라우드뿐만 아니라 메시나 RGB-D 데이터 등 다양한 형태의 3차원 객체를 자유롭게 로드하고 편집할 수 있습니다. 특히 최근에는 파이토치나 텐서플로우와 같은 주요 머신러닝 프레임워크와의 연동을 지원함으로써 3차원 인공지능 연구 및 개발 분야에서 핵심적인 도구로 자리 잡았습니다. 사용자는 내장된 풍부한 함수를 통해 복잡한 데이터 프로세싱을 손쉽게 수행할 수 있으며 이를 통해 높은 개발 확장성을 경험하게 됩니다. Open3D를 이용하면 아주 짧은 코드만으로도 포인트 클라우드 데이터를 시각화하고 전처리하는 과정을 완료할 수 있습니다. 넘파이로 읽어온 좌표 데이터를 객체로 변환하거나 색상 정보를 추가하여 거리에 따른 깊이감을 부여하는 등 직관적인 시각화 기능을 제공합니다. 또한 .pcd나 .ply와 같은 다양한 파일 형식의 입출력을 지원하며, 깊이 이미지를 기반으로 포인트 클라우드를 직접 생성하는 기능도 갖추고 있습니다. 이외에도 삼각형 메시 데이터로부터 균일한 간격의 점들을 추출하여 포인트 클라우드로 변환하는 샘플링 작업을 지원하므로 연구 목적에 맞는 다양한 데이터 가공이 가능해지며 업무의 효율성을 비약적으로 높여줍니다. 데이터의 밀도를 조절하는 복셀 다운샘플링이나 객체의 경계를 정의하는 바운딩 박스 생성 기능은 더욱 정교한 데이터 분석 환경을 제공합니다. 특정 시점에서 바라본 가시 영역만을 추출하거나 객체를 이동, 회전, 확장하는 3차원 변환 작업 역시 전용 메소드 호출만으로 간편하게 해결할 수 있습니다. 특히 서로 다른 위치에서 촬영된 여러 포인트 클라우드 데이터를 하나의 덩어리로 통합하는 정합 기술인 ‘정합(Registration)’은 다각도의 정보를 결합하는 데 핵심적인 역할을 합니다. 이처럼 Open3D는 데이터 취득부터 최종 분석까지 전 과정을 통합적으로 지원하며, 공식 홈페이지에서 제공하는 풍부한 예제들은 사용자의 문제 해결 과정을 훌륭하게 지원합니다.

EOST2021 Open3D 활용한 Point Cloud Data 전처리 및 가시화
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

[강연] 수학을 통하여 세상을 3차원으로 보는 법 _ by현동훈 | 2020 가을 카오스강연 'Ai X' 2강 | 2강

인공지능이 세상을 이해하는 방식은 데이터를 수집하고 처리하는 과정에서 결정됩니다. 영화 속 터미네이터처럼 인간과 유사한 하드웨어를 통해 직접 시각 정보를 받아들이는 인공지능이 있는가 하면, 자비스처럼 형체 없이 네트워크상의 방대한 데이터를 분석하는 유형도 존재합니다. 이들의 공통적인 과제는 수집된 평면적인 정보를 바탕으로 우리가 사는 입체적인 세상을 어떻게 정확하게 파악하느냐는 점입니다. 특히 물리적 실체를 가진 인공지능이 세상과 상호작용하기 위해서는 단순한 데이터 처리를 넘어 공간을 인지하는 능력이 필수적으로 요구됩니다. 인간이 세상을 3차원으로 인식하는 근본적인 원리는 양안 시차에 있습니다. 왼쪽 눈과 오른쪽 눈은 서로 다른 위치에서 사물을 바라보기 때문에 망막에 맺히는 상에는 미세한 차이가 발생합니다. 뇌는 이 양안 시차를 바탕으로 사물과의 거리를 계산하며, 이는 수학적으로 삼각형의 닮음비를 이용한 방정식으로 모델링할 수 있습니다. 생후 5개월 된 아기가 물체를 잡기 위해 손을 뻗는 행위조차 머릿속에서 복잡한 기하학적 계산이 실시간으로 이루어지고 있음을 시사하며, 이는 시각 지능의 기초가 됩니다. 이러한 인간의 입체 지각 원리는 현대의 3D 기술로 고스란히 이어집니다. 입체 안경이나 3D TV는 왼쪽 눈과 오른쪽 눈에 인위적으로 서로 다른 영상을 전달하여 뇌가 착각을 일으키게 만듭니다. 사물이 가까울수록 양안 시차를 크게 만들고, 멀수록 그 차이를 줄이는 방식을 통해 평면적인 화면에서도 깊이감을 느끼게 하는 것입니다. 이는 인간의 생물학적 메커니즘을 수학적 알고리즘으로 재현한 대표적인 사례로, 인공지능이 공간을 학습하는 과정에서도 이와 유사한 논리적 구조가 적용됩니다. 컴퓨터가 평면 이미지를 통해 공간을 이해하기 위해서는 영상 왜곡을 보정하는 수학적 과정이 선행되어야 합니다. 카메라가 비스듬한 각도에서 찍은 사진 속 타일은 실제로는 사각형이지만 이미지상에서는 일그러진 형태로 나타납니다. 이때 평행한 두 직선이 지평선에서 만나는 소실점의 원리를 이용하면, 왜곡된 이미지를 다시 평면으로 펼치는 함수를 만들 수 있습니다. 지평선을 무한대로 보내는 수학적 변환을 통해 컴퓨터는 2차원 사진 속에서 실제 사물의 형태와 위치를 추정할 수 있는 기초 체력을 갖게 됩니다. 두 개 이상의 카메라를 사용하는 스테레오 비전은 더욱 정밀한 공간 정보를 제공합니다. 이를 위해서는 각 카메라의 위치와 각도를 일치시키는 캘리브레이션 과정이 필요하며, 수학자들은 이를 3x4 행렬로 표현하여 계산합니다. 가장 어려운 과제는 서로 다른 사진 속에서 같은 지점을 찾아내는 대응점 문제입니다. 수백만 개의 픽셀 중에서 동일한 위치를 찾는 과정은 엄청난 계산량을 요구하지만, 에피폴라 기하학이라는 수학적 원리를 적용하면 탐색 범위를 직선 하나로 좁혀 계산 효율을 획기적으로 높일 수 있습니다. 계산된 3차원 좌표들은 수많은 점이 모인 포인트 클라우드의 형태로 나타납니다. 하지만 이 점들만으로는 사물의 매끄러운 표면을 표현하기에 부족하며, 데이터 수집 과정에서 발생한 노이즈로 인해 표면이 거칠게 보일 수 있습니다. 이를 해결하기 위해 수학적 최적화 기법을 동원하여 노이즈를 제거하고 점들을 삼각형 면으로 연결하는 표면 복원 작업이 진행됩니다. 법선 벡터를 활용해 면의 방향을 결정하고 각진 부분을 부드럽게 다듬는 과정을 거치면, 비로소 컴퓨터 속에 실제와 유사한 3차원 모델이 완성됩니다. 더욱 정교한 복원을 위해 레이저 스캐닝과 같은 기술이 활용되기도 합니다. 레이저를 쏘아 반사되어 돌아오는 시간을 측정하거나 인위적인 패턴을 투사함으로써 대응점 문제를 물리적으로 해결하는 방식입니다. 미켈란젤로의 조각상을 디지털로 복원하는 대규모 프로젝트에서도 이러한 기하학적 원리와 정밀한 스캐닝 기술이 결합되어 역사적 유물을 완벽하게 재현해냈습니다. 결국 기하학은 인공지능이 평면의 한계를 넘어 입체적인 세상을 인지하고 구현하게 만드는 가장 강력한 도구이자 언어라고 할 수 있습니다.

[강연] 수학을 통하여 세상을 3차원으로 보는 법 _ by현동훈 | 2020 가을 카오스강연 'Ai X' 2강

현동훈

카오스재단카오스강연
  • 수학