포인트클라우드 정합 (Point Cloud Registration)
한 줄 정의: 서로 다른 시점이나 위치에서 측정한 여러 개의 포인트 클라우드를 하나의 공통 좌표계로 정렬하여 결합하는 과정입니다.
쉽게 풀면
3D 스캐너는 한 번의 촬영으로 물체의 한쪽 면만 측정할 수 있기 때문에, 전체 형상을 얻으려면 여러 각도에서 여러 번 스캔해야 합니다. 이렇게 얻은 여러 조각의 점 데이터는 각각 서로 다른 기준 좌표를 가지고 있어서, 이를 하나의 좌표계로 딱 맞춰 붙여야 완전한 하나의 형상이 됩니다. 이 맞춰 붙이는 작업이 포인트클라우드 정합이며, 마치 퍼즐 조각을 서로 딱 맞게 돌려서 하나의 그림으로 완성하는 것과 비슷합니다.
왜 중요한가
정합 정확도가 낮으면 이후 생성되는 CAD 모델이나 치수 검사 결과에 오차가 누적되기 때문에, 3D 스캐닝 기반 역설계와 품질 검사 연구에서 정합 알고리즘의 정밀도와 속도는 핵심적인 연구 주제입니다.
논문에서는 이렇게 쓰입니다
"ICP(Iterative Closest Point) 알고리즘을 이용해 다중 시점에서 획득한 포인트 클라우드를 정합하여 완전한 형상 데이터를 재구성하였다."
여러 스캔 데이터를 하나로 결합하는 대표적인 알고리즘 적용 사례를 설명하는 문맥입니다.
"제안된 point cloud registration 기법은 초기 정합 단계에서 특징점 매칭을 사용하여 국소 최적해에 빠지는 문제를 완화하였다."
정합 알고리즘의 성능 개선을 다루는 연구 문맥입니다.
조금 더 깊게 보면
정합은 보통 대략적인 위치를 맞추는 전역(coarse) 정합과 이를 세밀하게 다듬는 정밀(fine) 정합 두 단계로 나뉩니다. 정밀 정합에서 가장 널리 쓰이는 방법은 반복적으로 가장 가까운 점 쌍을 찾아 변환을 갱신하는 ICP 계열 알고리즘이며, 이 외에도 특징 기술자를 이용한 매칭 기반 방법들이 함께 사용됩니다.
주의할 점
ICP 계열 알고리즘은 초기 정렬 상태에 민감하여 초기값이 나쁘면 국소 최적해에 수렴해 잘못된 정합 결과를 낼 수 있으므로 대략적인 초기 정합 단계가 함께 필요합니다.