Surfel

• 다른 이름: surface element
• 카테고리: Sensing › 3D maps & reconstruction
• 태그: mapping, slam, 3d-reconstruction, lidar, 3d-perception

표면 요소: 위치, 법선, 반지름을 가지며 흔히 색상, 신뢰도, 타임스탬프도 갖는 작은 방향성 원판으로, 조밀한 3D 지도를 만드는 데 쓰인다.

정의

서펠(surfel)은 표면 요소(surface element)의 줄임말로, 표면의 한 조각을 근사하는 작고 평평한 원판이다. 각 서펠은 최소한 3D 위치, 법선 벡터, 반지름을 저장하며, 지도 작성 시스템은 보통 색상, 신뢰도 또는 안정성 값, 생성 시각과 마지막 갱신 시각 같은 필드를 추가한다. 서펠은 2000년 Pfister와 동료들이 컴퓨터 그래픽스의 렌더링 프리미티브로 도입했으며, 이후 깊이 카메라와 LiDAR를 이용한 조밀한 3D 재구성과 SLAM에 채택되었다.

서펠 지도는 원시 점군과 메시 또는 체적 지도 사이에 위치한다. 일반 점과 달리 서펠은 방향과 크기를 가지므로, 닫힌 것처럼 보이는 표면으로 렌더링할 수 있고 점-평면 거리를 이용해 새 측정값과 비교할 수 있다. 복셀 격자 위의 절단 부호 거리 필드(truncated signed distance field)와 달리 고정된 체적도 고정된 해상도도 필요 없으며, 개별적으로 이동시킬 수 있다. 이 마지막 성질은 SLAM에서 중요하다. 루프 클로저가 궤적을 보정하면, ElasticFusion 같은 시스템은 체적을 다시 만드는 대신 변형 그래프로 서펠 지도를 변형한다.

전형적인 서펠 SLAM 파이프라인에서는 현재 지도를 추정된 센서 자세에서, 흔히 GPU로 렌더링하여 위치와 법선으로 이루어진 모델 이미지를 만든다. 새 프레임은 이 렌더링에 정렬되며, 이는 ICP 방식 정합을 위한 빠른 투영 기반 데이터 연관을 제공한다. 기존 서펠과 일치하는 측정값은 가중 평균으로 그 서펠을 갱신하고 신뢰도를 높인다. 일치하지 않는 측정값은 새 서펠을 만들고, 거의 확인되지 않는 서펠은 제거된다. SuMa와 SuMa++는 이 방식을 회전식 LiDAR에 적용하고 렌더링에 거리 이미지를 사용하며, SuMa++는 움직이는 물체를 걸러 내기 위해 각 서펠에 의미 레이블을 추가한다.

중요한 이유

서펠은 빠른 정합을 지원하고 루프 클로저 뒤에 다시 만들지 않고도 보정할 수 있는, 조밀하고 편집 가능한 표면 지도를 제공한다. 서펠은 조밀한 RGB-D 및 LiDAR SLAM에서 흔한 선택이며, 비슷한 방향성 원판이 더 새로운 신경망 기반 및 가우시안 기반 장면 표현에도 나타난다.

주요 응용

• 조밀한 RGB-D SLAM과 실내 3D 재구성
• 실외 주행과 지도 작성을 위한 LiDAR SLAM
• 서펠별 클래스 레이블을 이용한 의미 지도 작성
• 스캔한 장면의 점 기반 렌더링
• 루프 클로저 뒤의 지도 변형

실제 사례

자동차에 회전식 LiDAR를 달아 도시 한 블록을 지도화하는 한 팀이 서펠 기반 SLAM 시스템을 사용한다. 새 스캔마다 시스템은 예측 자세에서 현재 서펠 지도를 거리 이미지로 렌더링하고, 점-평면 ICP로 스캔을 그 이미지에 정렬한 다음, 일치한 점들은 기존 서펠에 융합하고 일치하지 않은 영역에는 새 서펠을 추가한다. 엔지니어들은 서펠을 언제 신뢰할지 결정하는 안정성 임계값과, 더 이상 관측되지 않는 서펠을 제거하는 규칙을 조정한다. 그렇지 않으면 떠나간 주차 차량이 지도에 남아 있게 되기 때문이다. 분할 네트워크의 의미 레이블을 각 서펠에 붙여, 움직이는 차량 위의 점을 정합에서 제외할 수 있게 한다.

흔한 오해

• 서펠은 그저 점일 뿐이다 — 법선과 반지름도 가지므로, 크기가 없는 표본이 아니라 작은 방향성 원판이다
• 서펠 지도는 메시이다 — 서펠은 서로 연결되어 있지 않으며, 이웃 사이에 명시적인 위상이 없다
• 서펠에는 고정된 복셀 격자가 필요하다 — 서펠은 연속 공간에 존재하며, 이것이 체적 지도에 비한 장점 중 하나이다
• 관측된 모든 점이 영구적인 서펠이 된다 — 융합 과정은 반복 관측을 병합하고, 확인되지 않은 서펠은 제거한다

알아야 할 사람

• SLAM 및 3D 지도 작성 엔지니어
• LiDAR 및 RGB-D 인식 개발자
• 컴퓨터 그래픽스 및 렌더링 엔지니어
• 자율주행 지도 작성 팀

관련 기술

• ElasticFusion
• SuMa
• TSDF 융합(TSDF Fusion)
• 점 기반 렌더링(Point-Based Rendering)
• 2D 가우시안 스플래팅(2D Gaussian Splatting)

관련 용어

• Point Cloud
• SLAM
• Iterative Closest Point
• Range Image
• Signed Distance Field
• 3D Gaussian Splatting

관련 프로젝트

• LingBot-Map: Streaming 3D reconstruction from one camera: pose and depth for every frame, live
• oomwoo: Open-source DIY robot vacuum: 3D-printed, ROS2 + 2D LiDAR, fully local.
• Cartographer: Google's real-time 2D and 3D SLAM system for multi-platform robotics
• OpenDroneMap: Open-source photogrammetry toolkit that turns drone images into maps and 3D models
• FAST-LIVO2: Fast, direct LiDAR-inertial-visual odometry from HKU-MARS, published in IEEE T-RO
• DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required