지능형 로봇이 인간을 대신해 다양한 복잡한 환경에서 탐지, 방역 등 대규모 응용을 수행해야 하는 요구에 기반하여 장면 인식은 연구자들의 폭넓은 관심을 끌고 있다. 장면 인식의 목적은 장면 내 특징을 추출하고 분석하여 고차원 의미 정보를 얻고, 이를 통해 구체적인 위치를 추론하는 것이다. 이는 동시 위치추정 및 지도작성 시스템(Simultaneous Localization and Mapping, SLAM), 자율주행, 로봇 내비게이션, 폐루프 감지의 기초가 된다. 3D 스캐닝 기술의 급속한 발전으로 다양한 스캐너를 활용해 다양한 장면의 포인트 클라우드 데이터를 빠르게 획득할 수 있게 되었다. 스캔 시간과 조명 환경이 어떻게 변해도 포인트 클라우드 장면에서 얻은 기하학적 정보는 높은 불변성을 가지므로, 포인트 클라우드 기반 장면 인식은 컴퓨터 비전 분야의 연구 핫스팟이 되었다. 본 논문은 우선 최근 수년간 포인트 클라우드 데이터를 대상으로 한 장면 인식 방법을 정리 및 요약하고; 이후 장면 인식에 사용되는 대규모 실내/실외 장면 데이터셋과 알고리즘 평가를 위한 평가 지표를 소개하며, 동시에 다양한 알고리즘의 인식률을 정리한다. 마지막으로 포인트 클라우드 기반 장면 인식에서 직면하는 문제와 도전을 제시하고, 향후 연구 동향을 전망한다. 연구 결과는 관련 분야 학자들이 포인트 클라우드 데이터 기반 장면 인식 연구 현황을 빠르고 포괄적으로 이해하는 데 도움이 되며, 향후 장면 인식 정확도를 향상시키는 기반을 마련한다.

포인트 클라우드;장면 인식;특징 디스크립터;딥 러닝;어텐션 메커니즘;그래프 컨볼루션