Depth-Supervised 3D Gaussian Splatting via LiDAR-Camera Fusion for Enhanced Scene Reconstruction

3차원 가우시안 스플래팅(3DGS: 3-Dimension Gaussian Splatting, 이하 3DGS)은 실시간 3차원 재구성이 가능하나 단일 카메라 기반 구조로 인해 깊이 모호성과 스케일 불확실성이 발생한다. 본 연구는 이러한 한계를 해결하기 위해 라이다(LiDAR: Light Detection and Ranging, 이하 LiDAR) 포인트 클라우드를 3DGS에 통합한 깊이 감독형 LiDAR-카메라 융합 기법을 제안한다. 제안 방식은 LiDAR 절대 깊이를 이용해 가우시안 초기 위치를 안정화 하고 L1, 구조적 유사도 지수(SSIM: Structural Similarity Index Measure, 이하 SSIM), 깊이 정합 항을 결합한 손실 함수를 통해 구조적 일관성을 향상시킨다. KITTI 원시 데이터셋 기반 실험 결과, 기존 카메라 기반 3DGS 대비 PSNR(Peak Signal-to-Noise Ratio) 1.26 dB, SSIM 0.0186 향상과 함께 객체 경계 선명도 및 원거리 구조 재현성이 크게 개선되었다. 연구 결과는 LiDAR 기반 깊이 감독이 3DGS의 구조적 한계를 효과적으로 완화함을 보여주며, 자율주행과 로봇 인식 등 정밀 공간 인지가 요구되는 분야에서 높은 활용 가능성을 제공한다.