본 논문은 지구 관측 분야에서 급부상하고 있는 라이다(LiDAR) 기술, 특히 전파형 라이다(FWL)의 활용에 초점을 맞추고 있습니다. 기존의 라이다 데이터 분석 기법들은 점군 데이터의 최대값만을 활용하여 높이 추정 및 3D 재구성에 국한되었으나, FWL의 전체 파형 정보는 수체 특성에 대한 중요한 정보를 제공합니다. 논문에서는 기존의 역 모델링 및 회귀 분석 기반의 깊이 추정 및 감쇠 계수 추정 방법의 정확도 한계를 지적하고, 이를 극복하기 위해 신경망 기반의 새로운 해결책을 제시합니다. 제안된 신경망 모델은 깊이, 감쇠 계수, 저면 반사율 등의 매개변수를 성공적으로 추정하며, 실제 라이다 데이터를 통해 성능을 검증하였습니다. 향후 데이터 확보를 통해 모델의 정확도와 신뢰성을 더욱 향상시킬 수 있을 것으로 기대됩니다.
