항공용 수심측량 라이다를 활용한 3차원 하상데이터 취득 가능성 분석

김재학(Kim, Jae Hak),허현수(Heo Hyun Su),위광재(Wei Gwang Jae),이동하(Lee, Dong Ha) 대한공간정보학회 2021 대한공간정보학회지 Vol.29 No.4

보다 효율적인 하천 및 연안지역 관리를 수행하기 위해서는 하상에 대한 정밀한 3차원 하상데이터를 취득하고, 이를 활용하여 보다 신뢰성 높은 3차원 하천 모니터링 및 방재 시뮬레이션 등을 수행할 필요가 있다. 그러나 현재 사용되는 하상데이터는 저밀도의 점형 혹은 선형 데이터로 이를 통해 제작된 3차원 하상모델은 실제와 큰 차이가 있어 시뮬레이션 결과에 신뢰성이 저하되고 있다. 따라서 보다 효율적이고, 정확한 하천 관리를 위해서는 목적하는 하상 전체를 연속적으로 관측하여, 면형식의 정밀한 3차원 하상데이터를 생성할 수 있는 새로운 취득기술의 도입이 필요하다. 이를 위해 본 연구에서는 Chiroptera 4X 항공수심라이다 장비를 이용하여 국내 하천 3개소 및 해안 3개소 지역에 대해 점군 형태의 하상데이터 취득을 수행하고, 각 점군데이터를 지역별 최대 수심 및 평균 탁도 정보와 연계·분석하여 항공수심라이다를 정밀한 3차원 하상 모델링 및 모니터링에 효과적으로 활용할 수 있는지 분석하였다. 분석 결과, 하천의 경우 낮은 수심대역의 하상에 대해서는 항공수심라이다를 통한 3차원 점군데이터의 안정적 취득이 가능한 것으로 확인 되었고, 연안지역의 경우에는 수심보다는 평균탁도가 낮은 동해안에서 보다 넓은 범위의 점군데이터 취득이 가능하였다. 추후 이러한 연구결과를 고려하여 항공수심라이다를 활용한 하천 및 연안지역 측량 계획 및 장비 운용방안을 체계적으로 수립할 필요가 있을 것으로 판단된다. In order to perform more efficient river and coastal area management, it is necessary to observe precise 3D river- and sea-bed data and use it to perform more reliable 3D river monitoring and disaster prevention simulation etc. However, the currently used river-bed data is only point-type or line-type with low observation density, so the 3D river-bed model produced through it has a big difference from the actual one, therefore the reliability of the simulation results is very lowered. To achieve more efficient and accurate river and coastal management, it is necessary to introduce a new observation technique that can produce raster- or point-cloud-type data with high observation density and precision for the entire observation area. In this study, we used the Chiroptera 4X Airborne Bathymetry Lidar (ABL) equipment for observing river- and sea-bed 3D point-cloud data at 3 rivers and 3 coastal areas in Korea with maximum depth and average turbidity information of each observed area. By analyzing then the observed data, it was judged whether the ABL could be effectively utilized for precise 3D river- and sea-bed modeling and monitoring. As a result of this study, in the case of rivers, it was confirmed that it is possible to stably observed 3D point-cloud data through the ABL for the river-bed in the low depth area. In the case of coastal areas, it was only possible to observe 3D point-cloud data stably in East Sea area where the average turbidity was lower than West Sea area. In the future, it is necessary to establish river- and sea-bed survey plans and equipment operation plans using ABL by considering the results of this study.

NIR카메라 영상 분석을 통한 라이다 센서 기울기 측정

김용휘(Yongwi Kim),박제우(Jaewoo Park),이승주(Seungju Lee),김연균(Yeongyun Kim) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6

자율주행 자동차 및 전기자동차의 대중화에 따라 차량용 센서(라이다, 레이다, 측후방카메라 등)의 종류와 장착대수가 증가하는 추세이다. 라이다는 보편적으로 차량의 측후방에 장착되어 중장거리 거리탐지를 통한 ADAS 및 자율주행 기능 구현에 사용된다. 진동/충격에 의한 센서 탈착 및 광축의 틀어짐은 라이다 센서의 측정범위, FoV, 거리 감지 범위의 변화를 발생시켜 ADAS 기능의 오작동을 야기하는 주요 평가요소 중 하나이나 이를 평가하는 평가법에 대한 논의가 부족한 상황이다. 본 연구에서는 실차 장착상황에 적용가능한 라이다 센서의 기울기 측정 방법을 제안한다. 제안하는 방법은 라이다 송광축을 기준으로하는 센서의 pitch각을 추정하는 방법으로써 라이다 송광부에서 발사하는 레이저를 위치보정한 reference chart로 반사시켜 NIR 카메라로 수집한 영상을 통해 라이다의 광폭과 pitch각을 추정한다. 여기서 라이다 레이저 spectrum range는 NIR 카메라의 Range와 일치하며, NIR 카메라와 라이다 LD는 co-axial 구조로 설치되었으며 둘의 baseline은 무시 가능함을 가정한다. 제안하는 방법의 실현가능성을 확인하기 위해 실험실 환경에서 라이다를 배치하여 이의 pitch각도를 추정하는 실험을 수행하였다. 실험은 상용 라이다의 상면에 Xsenes MTI-30 IMU 센서를 결착하여 라이다 LD에서 발신되는 레이저 중심 방향을 x축이라고 설정할 때 x축에 대해 임의로 라이다 회전을 만들고 이를 IMU 센서에서 측정되는 pitch 각과 NIR 영상분석 결과(그림1)을 통해 추정한 pitch 각과의 비교검증을 수행하였다. 실험 결과는 NIR 카메라 영상분석을 통해 오차범위 3.6% 내 라이다의 pitch 각을 추정할 수 있었으며, 향후 본 방법을 확장하여 실차에 적용가능한 라이다 센서 각 틀어짐 추정법을 개발하고자 한다.

도플러라이다를 이용한 바람프로파일 산출기법 개발

김권일,류근수,백승우,W. A. Swastiko,이규원 한국기상학회 2021 한국기상학회 학술대회 논문집 Vol.2021 No.10

최근 기상 현상의 역학적 이해와 항공 교통 분야에서 도플러 라이다의 활용성이 증대되고 있다. 도플러 라이다는 원격 탐사를 기반으로 에어로졸의 움직임을 관측하여 바람을 관측한다. 라이다는 도심의 옥상, 차량 등에 모바일 형태로 쉽게 설치 가능하여 여러 대를 동시에 활용한 시공간적 고해상도바람 관측이 가능하다. 이는 도플러 라이다가 라디오존데의 시공간 해상도 한계, 수직측풍기의 설치시 공간 제약 및 공간 해상도 한계, 소다의 강풍 관측 한계 등을 보완할 수 있고 대기 저층에서의 정확한 바람 정보를 제공할 수 있음을 의미한다. 하지만 정확한 바람 산출을 위해 도플러 라이다 관측 특성을 반영한 품질관리 방법이 필요하나, 기존에는 신호대 잡음비에만 의존하는 등 적절한 품질관리 방법을 통한 바람 산출 연구가 부족한 실정이다. 복잡한 산악지역에서의 바람, 강수의 이해를 위해 2017-2018 겨울에 수행한 평창올림픽 국제공동연구사업(ICE-POP 2018)의 일환으로 대관령과 강릉에 도플러 라이다를 설치하여 관측하였다. 라이다는 각각 산악지역인 대관령기상대, 메이힐스 수퍼사이트, 해안지역인 강릉원주대학교에 설치되었다. 본 연구에서는 세 개의 도플러 라이다에 대한 1) 품질관리 기법을 개발하고, 2) 각 라이다 지점에서의 연직 바람 프로파일을 산출하여, 3) 동일 지점(또는 인근)의 라디오존데로 검증하였다. 품질관리는 도플러 라이다의 기종에 따라 특성을 파악하여 수행하였다. 1) 신호대잡음비와 도플러 속도의 방위각방향/거리방향 질감을 사용한 방법, 2) 크기가 다른 두 개의 슬라이딩 윈도에서의 도플러속도의 공간 질감을 사용한 방법을 제안하였다. 바람의 산출은 준-연직프로파일 기법을 기반으로 도플러 속도-방위각 곡선을 활용해 수행하였다. 산출한 연직 바람 프로파일을 수평거리 4 km 이내에서 띄운 3시간 간격의 라디오존데와 비교하였다. 이에 따라 도플러 라이다의 방위각을 보정한 후 연직 바람 프로파일을 검증하였고, 세 도플러 라이다 모두 풍향 10도 이내, 풍속 4 m/s 이내의 평균제곱근오차를 보였다.

라이다 화상 데이터를 활용한 수목 인식 및 분류에 대한 연구

강문석 ( Moon-seok Kang ),박일건 ( Il-gun Park ) 사단법인 한국빅데이터서비스학회 2023 빅데이터서비스학회 논문집 Vol.1 No.1

인공지능 기술이 발달하면서 이미지를 활용하여 다양한 이미지를 분류하는 방법이 본격적으로 활용되고 있다. 이러한 인공지능 기술을 활용하여 라이다로 촬영한 수목에 대한 인식 및 이미지를 분류하는 연구를 진행하였다. 라이다 이미지의 수목 학습 시 수목에 대한 라이다 이미지 이외에도 실제 수목에 대한 사진, 잎에 대한 이미지, 수목의 성장 단계에 따른 사진 등을 함께 학습하였다. 실제로 촬영한 가로수 수목에 대한 라이다 영상을 활용하여 CNN 모델을 활용하여 학습 후 수종 분류에 대한 결과값을 도출하였다. 라이다 수목 이미지를 학습하지 않았던 1차부터 라이다 이미지를 학습한 3차까지 정답률은 6%에서 90%까지 크게 증가하였다. 하지만 학습을 통하여 라이다 이미지를 학습하였을 때 라이다 이미지에서 충분히 라이다 이미지를 통 한 수목 분류가 가능할 것으로 예상된다. 하지만 라이다의 영상 특성상 나무 이외의 화상(건물, 도로, 자동차, 보행로 등)과 겹쳐 보이는 경우가 많으며 나무 객체 특성상 잎이 일부분만 촬영되거나 수형이 반영되지 않는 문제가 발생하였다. 향후 이러한 영상들에 대한 개선 및 라이다 영상에 대한 해상도 증가, 픽셀 이미지가 아닌 라이다 3차원 정보에 대한 직접적인 기술 개선이 필요할 것으로 예상된다. As artificial intelligence technology develops, a method of classifying various images using images is being used in earnest. Using this artificial intelligence technology, a study was conducted to recognize and classify images of trees photographed with LIDAR. When learning trees of lidar images, in addition to lidar images of trees, photos of real trees, images of leaves, and photos according to the growth stage of trees were studied together. By using LiDAR images of actually photographed roadside trees, CNN models were used to derive results for tree species classification after learning. The correct answer rate increased significantly from 6% to 90% from the 1st, which did not learn lidar tree images, to the 3rd, which learned lidar images. However, when learning lidar images through learning, it is expected that tree classification through lidar images will be possible enough in lidar images. However, due to the image characteristics of LIDAR, it often overlaps with images other than trees (buildings, roads, cars, walking paths, etc.), and due to the characteristics of tree objects, only a part of the leaves is captured or the tree shape is not reflected. In the future, it is expected that improvements in these images, increased resolution of lidar images, and direct technological improvement for lidar 3-dimensional information rather than pixel images will be required.

차량용 회전식 다채널 라이다의 정밀 시뮬레이터 개발과 검증

이규석(Lee, Gyu Seok),천장우(Cheon, Jang Wo),이임평(Lee, Im Pyeong) 대한공간정보학회 2021 대한공간정보학회지 Vol.29 No.4

자율주행 시스템의 안전성 검증과 주행 시험에 시뮬레이터를 적극 활용한다. 자율주행 시뮬레이터를 이용하여 검증하려면 차량 탑재 센서들에 대한 데이터 시뮬레이션이 정확해야 한다. 대표적인 차량 탑재 센서로써 라이다는 이미 현장에서 많이 활용되고 있지만 이에 대한 시뮬레이터는 아직 많은 한계가 있다. 다양한 특성의 중저가 라이다 센서들이 출시되면서 예전에 개발된 단순화된 범용 시뮬레이터가 제대로 지원하지 못하는 경우가 많다. 이에 본 연구는 범용 시뮬레이터가 아닌 실제 차량에 탑재된 특정한 라이다를 정밀하게 모사하는 시뮬레이터를 개발하고자 한다. 라이다의 동작 특성에 대한 센서 모델을 기하 모델과 복사 모델로 구성하고, 각각에 대해 실측 라이다 데이터에 포함되는 오차요소를 고려한 정밀한 모델을 제안하였다. 제안된 모델에 기반하여 유니티 엔진과 환경을 활용하여 효율적인 시뮬레이터를 구현하였다. 통제된 실험 공간에서 취득한 실측 데이터를 개발된 시뮬레이터로 생성한 데이터와 비교하여 시뮬레이터의 성능을 검증하였다. 실측 데이터와 비교한 결과 제안된 정밀 모델에 기반한 시뮬레이션 데이터는 기하와 복사 측면에서 유의미하게 향상된 유사도를 보였다. 본 연구의 실측 기반 검증을 통해 자율주행 시뮬레이터를 위한 신뢰성 있는 라이다 센서 모델을 개발할 수 있을 것으로 기대된다. The autonomous driving simulator is actively used for safety verification and driving tests of autonomous driving systems. To verify using an autonomous driving simulator, data simulation for vehicle sensors must be accurate. As a representative vehicle-mounted sensor, LIDAR is already widely used in the field, but the simulator for LIDAR sensors still has many limitations. As mid-to-low-priced LIDAR sensors with various characteristics are released, the simplified general-purpose simulator developed in the past often fails to properly support it. Therefore, in this study, we aim to develop a simulator that precisely simulates a specific lidar mounted on an actual vehicle, not a general-purpose simulator. The sensor model for the operation characteristics of LIDAR is composed of a geometric model and a radiometric model, and for each, a precise model is proposed considering the error factors included in the real LIDAR data. Based on the proposed model, an efficient simulator was implemented using the Unity engine. The performance of the simulator was verified by comparing the real data acquired in the controlled experimental site with the data generated by the developed simulator. As a result of comparison with the actual data, the simulation data based on the proposed precise model showed significantly improved similarity in terms of geometry and radiation. It is expected that a reliable LIDAR sensor model for an autonomous driving simulator can be developed through the actual measurement-based verification of this study.

라이다 데이터를 이용한 표면 모델링- 수치지도 등고선과의 비교를 중심으로 -

정재준 국토지리학회 2013 국토지리학회지 Vol.47 No.4

LiDAR are used widely for the generation of topography such as natural surface, building, and canopies. This research aims to compare DEM and contours from LiDAR data with those from digital map. For the comparison, visual check and quantitative methods are used. In the experiments, digital surface data, digital terrain data, digital elevation model, and contours are generated consecutively and DEM and contours from LiDAR data are compared with those from digital map. As results, we make conclusions as followings. Firstly, in DEM comparison, area of height difference < ±5m covers 76.03% of research area and DEMs from two methods are similar in visual checks. Secondly, in contours visual checks, LiDAR-derived contours can depict surfaces more precisely than contours of digital maps. Thirdly, the number of contours from LiDAR is bigger than that of contours from digital maps and contours from LiDAR are more longer than contours from digital maps. For the practical usage of LiDAR-derived contours, more systematic researches dealing with applicable areas whose contours can be made using LiDAR data and line generalization are required. 라이다는 지표를 비롯하여 건물이나 수목 추출 등에 널리 사용되고 있다. 본 연구는 라이다를 이용한 자연지형을 추출하는 것에 관한 것으로 라이다를 이용해 추출한 DEM 및 등고선을 기존 항공사진을 이용한 DEM 및 등고선과 비교하여 이를 시각적·정량적으로 비교하고자 하는 것이다. 본 연구를 위하여 라이다 원시자료에서 수치표면자료(Digital Surface Data), 수치지면자료(Digital Terrain Data), 수치표고모델(Digital Elevation Model), 등고선을 차례로 추출하였으며 추출된 DEM과 등고선을 수치지도를 이용한 DEM 및 등고선과 비교하였으며 그 결과는 다음과 같다. 첫째, DEM을 비교한 결과 두 방법 간의 고도차가 ±5m 이하인 지역이 전체의 76.03%에 달해 전체적으로 비슷한 지형 고도를 나타냄을 알 수 있었다. 둘째, 등고선의 시각적 차이를 분석한 결과 수치지도 등고선에 비해 라이다를 이용해 제작한 등고선이 지형을 세밀하게 묘사함을 알 수 있었다. 셋째, 등고선의 정략적 차이를 분석한 결과 라이다로 취득한 등고선이 수치지도의 등고선 보다 개수는 더 많았고 길이 역시 더 길었다. 본 연구는 1:5,000 한 도엽에 대한 라이다를 이용하여 취득한 DEM 및 등고선을 수치지도를 이용한 DEM 및 등고선과 비교한 실험적인 연구로 많은 도엽에 대한 체계적인 연구가 진행되어 등고선 제작 지역 설정 및 라이다를 이용한 등고선 제작과 관련한 선의 일반화에 대한 추가적인 연구가 진행되어야 할 것이다.

라이다가 생성한 점 군들에 기반한 삼차원 볼륨 생성

박지헌 국제차세대융합기술학회 2023 차세대융합기술학회논문지 Vol.7 No.6

본 논문은 라이다만을 이용하여 라이다 주변에 대하여 복셀을 이용하여 삼차원 복원을 하는 방법을 제안 한다. 삼차원 복원은 라이다 주변에 복셀들을 설정해두고, 라이다에서 발사한 레이저 광선들이 만드는 기하 구조 체와 복셀들과 충돌을 계산함으로써 이루어진다. 인접한 두 개의 레이저 광선은 삼각형 모양의 평면을 만들고, 삼 각형 평면들과 복셀들과의 평면상 앞뒤 관계 및 내부외부 관계를 따진다. 2차원적으로는 이웃한 광선들이 삼각형 을 이루며, 3차원적으로는 이웃한 네 개의 광선들은 피라미드를 만든다. 피라미드 내부에 들어가는 복셀과 삼각형 평면과의 최단거리가 가까운 복셀들을 제거하면, 빈 공간을 결정할 수 있다. 라이다 스캔 결과 복셀들을 제거한 공간이 삼차원 복원 결과임을 보여주기 위하여, 하나의 복셀에 대하여 제일 근접한 이미지 픽셀에 해당하는 색으 로 색칠하였고, 라이다 주변에 대하여 삼차원 복원 결과가 제시되었다. This paper proposes a method for 3D reconstruction using only lidar and voxels set around the lidar. 3D reconstruction process sets voxels around a lidar and removes according to the geometric structure. This is done by calculating collisions with voxels. Two adjacent laser beams from a lidar create a triangular-shaped plane, and the front-back and inside-outside relationships between the triangular planes and the voxels are calculated. Two-dimensionally, adjacent rays form a triangle, and three-dimensionally, four adjacent rays form a pyramid. An empty space can be determined by removing voxels inside of the pyramid, and removing voxels having a short distance to the triangular plane. In order to show that the space from which the voxels are removed is a 3D reconstruction result, each voxel is colored with the color corresponding to the closest image pixel, and the 3D reconstruction result around the lidar is presented.

LKS 시스템을 위한 라이다 기반 MRM 알고리즘 개발

손원일,오태영,박기홍 한국ITS학회 2021 한국ITS학회논문지 Vol.20 No.1

카메라나 레이더에 비해 높은 인지 성능을 제공하는 라이다 센서는 높은 가격으로 의해 ADAS나 자율주행에 적용되기 어려웠으나, 최근 가격이 빠르게 낮아지고 있어 라이다를 활용 한 기존 자율주행 기능 개선에 관한 기대가 높아지고 있다. 레벨3 자율주행자동차의 경우, 센 서의 결함 또는 한계 등 인지시스템에 위험한 상황이 발생했을 때 운전자에게 수동모드로의 제어권 전환을 요청하며, 만약 이러한 요청에도 운전자가 반응하지 않을 경우 MRM 즉 최소위 험기동을 구현하여야 한다. 본 연구에서는 이러한 배경을 바탕으로 인지 시스템에서 생기는 위험으로 인해 LKS의 정상작동이 힘든 경우에 대한, 라이다 기반의 MRM 알고리즘을 개발하 였다. 본 논문의 LKS MRM 기술은 라이다에서 수집된 포인트 클라우드 데이터를 기반으로 객체 군집화를 통해 전방에 있는 차량의 이동 경로를 생성하고, 이를 자차량의 목표 경로점으 로 변환하여, 카메라 기반의 LKS가 정상 작동을 할 수 없는 경우 라이다 기반의 경로 추종 제어를 통해 최소위험기동을 수행한다. 제안된 알고리즘의 성능을 검증하기 위하여 HAZOP 기법을 사용하여 위험원을 식별하였고 이를 바탕으로 검증용 시나리오 3가지를 도출하여, 뵨 연구에서 구축한 시뮬레이션 환경에서 알고리즘 검증을 수행하였다. 그 결과 본 연구에서 제 안한 라이다 기반 LKS MRM 알고리즘이 여러 가능한 인지시스템의 위험 상황에 대해 차선 이탈을 방지하고 이를 통해 교통사고를 방지하는 것을 확인할 수 있었다. The LIDAR sensor, which provides higher cognitive performance than cameras and radar, is difficult to apply to ADAS or autonomous driving because of its high price. On the other hand, as the price is decreasing rapidly, expectations are rising to improve existing autonomous driving functions by taking advantage of the LIDAR sensor. In level 3 autonomous vehicles, when a dangerous situation in the cognitive module occurs due to a sensor defect or sensor limit, the driver must take control of the vehicle for manual driving. If the driver does not respond to the request, the system must automatically kick in and implement a minimum risk maneuver to maintain the risk within a tolerable level. In this study, based on this background, a LIDAR-based LKS MRM algorithm was developed for the case when the normal operation of LKS was not possible due to troubles in the cognitive system. From point cloud data collected by LIDAR, the algorithm generates the trajectory of the vehicle in front through object clustering and converts it to the target waypoints of its own. Hence, if the camera-based LKS is not operating normally, LIDAR-based path tracking control is performed as MRM. The HAZOP method was used to identify the risk sources in the LKS cognitive systems. B, and based on this, test scenarios were derived and used in the validation process by simulation. The simulation results indicated that the LIDAR-based LKS MRM algorithm of this study prevents lane departure in dangerous situations caused by various problems or difficulties in the LKS cognitive systems and could prevent possible traffic accidents.

라이다를 활용한 온실에서 작물 및 작업자 인식

이성규 ( Sungkyu Lee ),이재수 ( Jaesu Lee ),김태현 ( Taehyun Kim ),백정현 ( Junghyun Baek ),임동혁 ( Donghyuk Lim ),김현종 ( Hyunjong Kim ) 한국농업기계학회 2021 한국농업기계학회 학술발표논문집 Vol.26 No.2

기후 및 농업환경 변화로 안정적인 수확을 할 수 있는 온실재배가 확대되고 있다. 온실내 환경을 제어하기 위한 스마트팜 기술로서 생육 및 자동화에 관한 여러 연구가 진행되고 있다. 라이다(lidar)는 현재 자율주행 및 맵제작에 활용되고 있으며 농업환경에도 과수원 등 노지에서 사용되고 있다. 본 연구는 라이다를 이용하여, 온실에서 작물의 생장을 확인하고 작업자의 이동을 파악하여 온실 내에서 정밀하고 안정적인 농작업 수행을 지원하는 것을 목표로 하였다. 온실의 환경 및 작업자를 인식하기 위해 라이다(VLP-16/PUCK, Velodyne, San jose, USA)를 사용하였으며, 이용한 온실은 단동형 비닐하우스로 크기는 길이 72m, 폭 6.6m, 높이 3m이다. 온실에는 고설 재배베드(높이 87cm)가 4줄로 설치되어 있으며, 재배베드 위에 화분(높이 18cm)이 놓여 있다. 바닥에는 선반 사이마다 트레이가 놓여 있으며 트레이 위에 작업대(높이 93cm)는 거리 이동이 가능하다. 작업대 위에 라이다를 고정하고, 약 0.5m/s 속도를 유지하면서 영상인식을 수행하였다. 트레이는 3줄이 설치되어 있으며, 실험은 왼쪽줄, 중앙줄, 오른쪽줄 순서로 진행하였다. 작물을 정식하기 전에 1차 실험, 정식 후 2차 실험, 정식 10일 뒤 3차 실험을 진행하였다. 작업자 인식 실험은 온실 내에서 라이다로부터 1m, 5m, 10m, 50m 위치에서 실험하였다. 또한 라이다에서 수직거리 5m, 10m에서 이동하는 작업자를 측정하였다. 실험을 통해 온실 내 작업환경을 3차원 인식할 수 있음을 확인하였고, 작물을 라이다를 통해 인식함으로써 작물 위치 및 생장을 확인할 수 있었다. 작업자 인식 실험의 경우는 이동하는 형체에 대해 확인할 수 있었으나 차폐가 발생하였을 경우 인식하지 못하는 한계가 있었다. 이상의 결과로 라이다를 이용하여 작물 생장 측정이나, 사람의 작업을 인식하여 인공지능 등에 활용이 가능할 것으로 판단된다.

드론 라이다를 이용한 지적측량 방법

홍성언 청주대학교사회과학연구소 2022 한국사회과학연구 Vol.43 No.2

현재 지적측량 분야에서 드론 측량을 이용함에 있어 중심투영, 수동형센서 방식, 저고도 촬영 등에 의한 문제 발생으로 토지 및 임야지역에서의 적용에 한계성이 있는 것으로 제시되고 있다. 본 연구에서는 토지 및 임야지역에서 기존 드론을 이용한 지적측량의 한계성을 검토해 보고, 이를 토대로 드론 라이다 기술을 이용한 지적측량 방법을 제시해 보고자 하였다. 이를 위해 토지경계 설정, 건축물 등록, 임야경계 설정 등에 드론 측량의 이용 현황에 대해 살펴보고, 이에 대한 한계성을 도출한 후 드론 라이다 측량 활용의 필요성을 제시하였다. 드론 라이다를 이용한 지적측량 방법은 토지와 임야지역을 구분해 제시하였다. 토지지역은 라이다 측량 자료를 이용한 건물 밀집 지역에서의 블록 경계선의 추출이나 하천 지형의 경계선 추출 등의 선행 사례를 고찰해 드론 라이다 측량의 경계설정에 이용 방법을 제시하였다. 임야지역은 실제 드론 라이다 관측 자료를 이용해 경계설정 실험을 수행한 결과 드론 라이다 자료를 이용하여 임야지역의 경계설정 기준에 따라 충분히 경계를 설정할 수 있는 것으로 나타났다. 따라서 지형을 정확히 참고할 수 있는 드론 영상과 라이다 자료를 활용하여 임야지역의 경계설정에 활용할 경우 많은 효율성이 기대된다. Currently, in using drone surveying in the field of cadastral surveying, it is suggested that there are limitations in application in land and forest areas due to problems caused by central projection, passive sensor method, and low-altitude shooting. In this study, the limitations of cadastral surveying using existing drone surveying in land and forest areas were reviewed, and based on this, a cadastral survey method using drone LiDAR technology was proposed. To this end, the current status of use of drone surveying for land boundary demarcation, building registration, and boundary demarcation was examined, and the limitations were drawn, and then the necessity of using drone LiDAR surveying was suggested. The cadastral survey method using drone LiDAR was presented by dividing land and forest areas. In the land area, a method of use for boundary demarcation of drone LiDAR surveying was proposed by considering precedent cases such as extraction of block boundaries in a dense building area using LiDAR survey data or extraction of boundary lines of river topography. As a result of conducting a boundary demarcation experiment using the actual drone LiDAR observation data for the forest area, it was found that the boundary can be sufficiently set according to the boundary setting criteria(rule) of the forest area using the drone LiDAR data. Therefore, a lot of efficiency is expected when using drone images and lidar data that can accurately refer to the topography for boundary demarcation of forest areas.