인더스트리 4.0의 도입으로 인더스트리 4.0 개발의 핵심인 디지털 트윈의 중요성이 대두되고 있다. 더불어 디지털 트윈을 위한 기반 데이터를 생성 및 관리하고 위치 기반 서비스를 활용하는 기술의 중요성이 점차 증가하고 있다. 최근 센서 기술이 발전과 함께 물체의 정확한 모양을 3 차원 포인트 집합으로 나타내는 포인트 클라우드 데이터는 디지털 트윈의 주요 데이터 중 하나로 부상하고 있다.
그러나 포인트 클라우드의 데이터 규모는 작은 지역에서 건물 및 도시와 같은 넓은 지역으로 점차 더 확대되고 있다. 이러한 대규모 지리 공간 데이터를 처리하기 위한 분산 처리 방법을 사용하기 위해서는 데이터 분할을위한 공통 데이터 구조가 필요하다. 대규모 지리 공간 데이터를 처리하는 많은 방법, 특히 NoSQL 데이터베이스를 사용하는 방법은 지오 해싱 기술을 기반으로 한다. 지오 해싱은 은 일정 사각 영역의 위도/경도 데이터를 코드로 변환하는 대표적인 계층적인 공간 데이터 구조이지만, 구면좌표계의 비선형성 문제로 면적, 방향 및 거리가 왜곡되는 문제점이 존재한다. 또한 기존의 정밀한 포인트 클라우드 데이터를 직접 서비스 및 분석에 사용하는 것은 높은 계산 비용으로 성능 측면에서 적합하지 않다. 따라서 서비스의 수준과 목적에 맞는 3차원 건물 모델 데이터는 디지털 트윈에서 필수적이다. 마지막으로 생성 된 건물 모델 데이터를 기반으로 지오 펜싱과 같은 위치 기반 서비스를 제공 하기위해서는 일정 수준이상의 위치 정확도를 보장해야한다. 실내 공간의 특성에 따라 측위 좌표의 정확도 보다 방 수준의 위치 정확도가 요구된다.
제시된 문제를 해결하기 위해서, 본 논문에서는 디지털 트윈을 위해 3차원 포인트 클라우드 데이터를 효과적으로 저장, 분석, 관리할 수 있는 프레임 워크를 제안한다. 본 프레임 워크는 다음과 같은 3가지 핵심 기능으로 구성되어 있다.
본 논문에서는 3차원 포인트 클라우드의 구조화를 위해 DGGS (Discrete Global Grid System)을 기반으로 확장된 Geocode인 PC-code를 소개하고, 이를 효과적으로 활용하는 기능(encoding and decoding, voxelization, filtering)들을 제안한다. 또한 근사적인 3차원 실내 모델 데이터(OGC IndoorGML, CityGML)를 자동으로 생성하기 위한 세 가지 모델 기반의 방법을 제안한다. 마지막으로 실내 이동 객체의 궤적을 방 수준으로 보정하기 위해 USMM(Unit Space Map Matching)을 정의하고, 이를 실현하기 위한 두 가지 방법을 제안한다. 이후 각 기능의 성능 및 정확성의 실험을 통해 본 논문에서 제안하는 방법들을 검증한다.