원문 보러 가기
LiDAR 기술의 도입과 원리
LiDAR가 무엇일까?
Light Detection and Ranging의 약자인 LiDAR는 빠른 레이저 펄스를 사용하여 표적의 표면을 매핑하는 원격 감지 기술입니다. 라이다는 레이저 빔을 보내 빛이 물체에서 반사되는 데 걸리는 시간을 측정하여 상세한 3차원 점 지도를 만듭니다.
손전등이 켜진 완전히 어두운 방에 있다고 상상해 보세요. 손전등을 다양한 물체를 가리키면 빛이 다시 튀어오르고, 그 빛을 보면 사물이 어디에 있고 얼마나 멀리 떨어져 있는지 알 수 있습니다. 빛을 더 많이 비추고 다양한 각도에서 볼수록 방 배치에 대한 더 나은 아이디어를 얻을 수 있습니다. LiDAR도 비슷하게 작동하지만 손전등처럼 가시광선을 사용하는 대신 눈에 보이지 않는 레이저 광선을 사용합니다. 작동 방식은 다음과 같습니다.
1. 방출: 라이다 장치는 레이저 빛의 빠른 펄스를 물체를 향해 보냅니다.
2. 반영: 그런 다음 빛은 물체에서 반사되어 LiDAR 센서로 돌아갑니다.
3. 탐지: 장치는 빛이 돌아오는 데 걸린 시간을 측정합니다. 빛의 속도는 일정하므로 이 지속 시간을 사용하여 LiDAR 센서와 대상 물체 사이의 거리를 계산할 수 있습니다.
LiDAR vs. 사진측량
LiDAR 시스템은 데이터를 측정하는 반면, Photogrammetry 시스템은 데이터를 계산합니다. 이러한 주요 차이점으로 인해 다양한 애플리케이션에 더 적합합니다. LiDAR는 레이저 펄스를 사용하여 현실을 측정하므로 절대적인 데이터 확실성이 필요한 애플리케이션에 이상적입니다. LiDAR는 식생을 통해 침투할 수 있고 조명 조건에 영향을 받지 않기 때문에 조밀한 식생 피복을 가진 숲이나 다른 지역을 매핑하기에 좋은 옵션입니다. LiDAR는 정확한 지형 모델과 지형 지도를 만드는 데도 유용합니다.
사진측량은 카메라를 사용하여 영역의 중첩 이미지를 캡처한 다음 3D 모델 또는 정형 지도를 만들기 위해 서로 연결됩니다. LiDAR보다 가격이 저렴하고 다른 드론과 카메라처럼 기성 하드웨어와 함께 사용할 수 있습니다. 따라서 건물 및 인프라의 고도로 상세한 모델을 만드는 데 유용할 뿐만 아니라 애플리케이션 검사 및 모니터링을 위한 고해상도 지도를 만듭니다.
사진측량 라이다
|
| 정의. | 사진으로부터 측정값 및 3D 모델을 획득하는 방법. | 레이저 빛을 이용하여 거리를 측정하고, 지구 표면의 정밀한 3D 모델을 생성하는 원격 감지 방법. |
| 정확성. | RTK 하에서 GCP를 적용한 후 조명이 잘 켜진 상태와 선명한 상태에서 높은 정확도를 제공합니다. | 정확도는 조명 조건에 의존하지 않고 초기 POS 상태에 의존합니다. |
| 비용. | 일반적으로 비용이 절감되고 소규모 프로젝트에 비해 경제적입니다. | 정교한 장비 및 처리 요구 사항으로 인해 더 높은 비용이 발생합니다. |
| 지형 처리 | 도시 환경과 맑은 풍경에서 우수한 성능을 발휘합니다. | 울창한 식생과 도시 경관을 비롯한 다양한 지형에서 탁월합니다. |
| 데이터 처리 | 특히 대규모 데이터 세트의 경우 시간이 많이 소요되는 처리입니다. | 데이터가 기본적으로 공간 좌표 형식으로 캡처되므로 처리 속도가 빠릅니다. |
| 조명 조건 | 최적의 결과를 위해 좋은 조명이 필요합니다. | 야간을 포함한 모든 조명 조건에서 효과적입니다. |
| 식생 침투 | 빽빽한 초목에 어려움을 겪습니다. | 빽빽한 초목을 뚫고 지상에 도달할 수 있습니다. |
| 날씨 의존성 | 성능은 구름과 비와 같은 날씨 조건에 영향을 받을 수 있습니다. | 기상 조건의 영향을 덜 받습니다. |
| 공간 해상도 | 표면 디테일을 위한 높은 공간 해상도입니다. | 사진측량에 비해 낮은 공간 해상도를 제공합니다. |
| 어플 | 문화유산 문서화, 소규모 매핑 및 건축에 이상적입니다. | 대규모 지형 매핑, 임업 및 도시 계획에 가장 적합합니다. |
통합 공중 라이다 시스템의 구성 요소는 무엇입니까?
하드웨어 구성 요소
라이다 시스템
- LiDAR 모듈: 라이다 시스템의 가장 중요한 구성 요소인 레이저 모듈은 타겟 표면을 향하는 펄스 레이저 빔을 생성합니다. 레이저 모듈은 레이저 광원, 수신기, 광학 부품 및 전자 컨트롤러를 포함한 여러 구성 요소로 구성됩니다.
- 레이저 광원: 라이다 센서와 환경 내 물체 사이의 거리를 측정하는 데 사용되는 짧은 펄스의 레이저 빛을 생성합니다.
- 수신자: 반사된 레이저 빛을 감지하여 라이다 시스템으로 처리할 수 있는 전자 신호로 변환합니다.
- 광학 구성 요소: 이 부품들은 레이저 빔을 목표 표면으로 향하게 하고 초점을 맞추고 반사된 빛을 모으는 역할을 합니다.
- 전자 컨트롤러: 레이저 펄스의 타이밍과 지속 시간을 제어하고 수신기의 신호를 처리합니다.
- GNSS(Global Navigation Satellite System) 수신기는 스캔된 LiDAR 결과에 대한 정확한 지리 참조를 제공하기 위해 사용됩니다. 대부분의 UAV LiDAR 시스템은 지리 참조 및 후처리를 위해 위성 데이터를 로깅하기 위해 자체 개별 GNSS 시스템을 사용하거나 DJIPSDK와 통합되어 드론 시스템의 GNSS 시스템을 사용합니다.
- IMU(Inertial Measurement Unit)는 LiDAR 시스템의 가속도와 각속도를 측정하는 장치입니다. IMU는 이러한 측정값을 시간에 따라 통합함으로써 3차원 공간에서 LiDAR 시스템의 위치, 속도 및 자세를 결정할 수 있습니다. 이 정보는 데이터 수집 과정에서 LiDAR 시스템의 움직임이나 진동을 보정하는 데 사용됩니다.
- INS(Inertial Navigation System)는 IMU의 원시 데이터를 사용하고 이를 통합하여 알려진 시작점, 방향 및 속도에 대한 물체의 위치, 속도 및 방향 정보를 제공합니다. INS는 IMU 데이터를 가져와 GNSS 포지셔닝 정보와 통합하여 데이터 캡처 중에 LiDAR 센서의 위치와 방향을 지속적으로 추정할 수 있도록 합니다.
UAV 시스템
- 조사 대상 지역 상공에서 라이다 시스템을 비행하기 위해 UAV 또는 무인 항공기가 사용되며, 라이다 시스템의 정확한 지리 참조를 위해 자체 GNSS 및 RTK/PPK 시스템을 장착할 수 있습니다.
소프트웨어 구성 요소
- 비행 임무 계획 소프트웨어는 라이다 시스템을 장착한 드론의 비행 경로를 계획하는 데 사용됩니다. 이 소프트웨어를 사용하면 사용자가 측량할 지역을 정의한 다음 웨이포인트 기반 비행 경로를 자동으로 생성할 수 있습니다. 사용자는 무인 항공기 시스템 파라미터와 자율 주행 웨이포인트 비행을 위한 센서 동작을 조정할 수 있습니다. 그런 다음 소프트웨어는 해당 지역을 효율적으로 커버하고 LiDAR 시스템에 필요한 데이터를 수집하는 비행 경로를 생성합니다. 이 데이터는 조사 지역의 상세한 3D 지도 또는 모델을 만드는 데 사용할 수 있습니다.
- Flight Monitoring and Control Software를 사용하면 데이터 수집 중에 UAV 및 LiDAR 시스템의 비행 경로 및 상태를 실시간으로 모니터링할 수 있습니다. 소프트웨어는 고도, 속도 및 배터리 수준과 같은 다양한 매개 변수를 표시할 수 있습니다. 이 정보는 UAV의 안전을 보장하고 고품질 LiDAR 데이터를 수집하는 데 중요합니다. 또한 비행 모니터링 소프트웨어는 비행 중 문제나 오작동 시 사용자에게 경고할 수 있습니다.
- Raw Point Cloud Processing Software는 센서 제조업체가 개발한 OEM 소프트웨어입니다. 모든 시스템 구성 요소에서 수집된 원시 LiDAR 데이터를 처리하고 추가 사용을 위해 LAS/LAZ와 같은 조작 가능한 형식으로 LiDAR 데이터를 출력하는 데 사용됩니다.
- 포인트 클라우드 프로세싱 소프트웨어는 포인트 클라우드 데이터를 조작하고 분석하도록 설계된 컴퓨터 프로그램을 말합니다. 애플리케이션에 따라 포인트 클라우드 처리 소프트웨어는 도면 작성, 측정 수행, 표면 추출, 분류 등 다양한 작업에 사용될 수 있습니다.
주요 용어 및 지식
물체 표면 반사율
- 물체 표면마다 반사율이 다릅니다.
- 대부분의 물체 표면의 반사율은 10% 이상입니다.
- 물은 강한 흡수제로 파장이 905nm인 전형적인 LiDAR 레이저가 직접 흡수됩니다. LiDAR가 수심계 타입이고 레이저 파장이 더 짧지 않는 한 물에 침투하지 않습니다.
다음은 표면 반사율의 몇 가지 예입니다.
- 신선 아스팔트 : 4~7%
- 마른풀 : 15~20%
- 산림 캐노피 : 5~20%
- 습식콘크리트 : 30~50%
- 눈: 60-90%
지표면 반사율을 기준으로 색상을 지정한 포인트 클라우드(빨간색은 높음, 파란색은 낮음)
LiDAR 스캔 방법
LiDAR 센서 내부의 회전 방식을 변경함으로써 LiDAR 시스템은 반복 스캔과 비반복 스캔이라는 두 가지 다른 기계적 스캔 모드를 달성할 수 있습니다.
반복적 스캔 방법
반복 스캔은 수평 FOV(70.4°×4.5°)만 포함합니다.
장점: 모바일 매핑에서 객체는 매우 짧은 시간 동안만 스캔되는데, 이는 관성 항법 정확도 드리프트가 짧은 시간 내에 매우 작기 때문에 스캔된 모델이 상대적으로 더 정확하기 때문입니다.
단점: 수직 FOV는 매우 작고 수직 표면 정보가 거의 없습니다. 수직 표면 정보가 필요한 경우 수직 FOV 손실을 보상하기 위해 최소 2개의 비행 경로를 계획해야 합니다.
응용: 지형 측정과 같이 비교적 온화한 지형과 높은 정확도 요구 사항을 가진 시나리오의 경우 일반적인 DEM/DSM 생성.
*포인트 클라우드의 정확성을 보장하기 위해 측량 시 반복적인 스캔을 사용하는 것이 좋습니다.
: 지형 측정과 같이 비교적 온화한 지형과 높은 정확도 요구 사항을 가진 시나리오의 경우 일반적인 DEM/DSM 생성.
*포인트 클라우드의 정확성을 보장하기 위해 측량 시 반복적인 스캔을 사용하는 것이 좋습니다.
비반복 스캔 방법
비반복 스캔으로 FOV 전체를 빠르게 커버할 수 있습니다(70.4°×77.2°).
장점: 완전한 FOV 적용 범위를 제공하고 수직 스캔을 수행할 수 있으며 짐벌 각도를 설정하지 않고도 한 번의 스캔으로 양호한 수직 정보를 얻을 수 있습니다.
단점: 모바일 매핑에서는 일관된 관성 항법 정확도에 의존하여 다양한 위치와 시간에서 물체를 스캔합니다. 관성 항법의 정확도가 시간이 지남에 따라 드리프트되면 모델의 정확도가 떨어집니다. 이로 인해 물체가 흐려지거나 중복되고 포인트 클라우드가 두꺼워지고 와이어가 두꺼워집니다. 이 효과는 시야가 더 넓은 비반복 스캔에서 특히 두드러집니다.
응용: 도시 3D 모델링, 복잡한 3차원 구조 모델링, 전력선 검사, 비상 신속 매핑 등과 같이 상대적으로 낮은 정확도 요구 사항, 높은 효율성 요구 사항 및 완전한 고도 정보 요구 사항을 가진 시나리오에 적합합니다.
*전력선 검사의 경우 단선 비행을 선택한 경우 비반복 스캔 방식을 사용하는 것이 좋습니다. 
파장
LiDAR 시스템은 레이저를 사용하여 빛의 펄스를 방출하며, 레이저의 파장은 펄스의 특성을 결정합니다. 레이저의 파장은 LiDAR 시스템이 다양한 물질을 투과하는 능력과 이를 감지할 수 있는 반사의 종류에 영향을 미칩니다. 다음은 두 가지 일반적인 LiDAR 유형과 해당 파장 범위입니다.
- 근적외선(NIR) 라이다는 일반적으로 800~1,000 나노미터 파장의 레이저를 사용합니다. NIR LiDAR 시스템은 식생 침투에 더 뛰어나고 단일 펄스에서 여러 번의 복귀를 감지할 수 있어 임업 분야에 이상적입니다. 그러나 이러한 LiDAR 시스템은 물을 침투할 수 없으며 욕계 용도에는 적합하지 않습니다.
- 수심계 라이다는 녹색과 청색 스펙트럼의 더 짧은 파장의 빛을 사용하여 물을 투과하고 해저의 깊이를 측정합니다. 532nm 파장의 녹색 레이저광은 다른 파장보다 물을 더 잘 투과하기 때문에 욕계 라이다에 가장 많이 사용됩니다. 445nm 파장의 청색 레이저 광은 맑은 물 조건에서 더 나은 투과를 제공하기 때문에 일부 배스메트릭 LiDAR 시스템에서도 사용됩니다. 수심 측정 LiDAR 시스템은 해저 지도, 해안 지대 관리 및 수중 인프라 검사와 같은 응용 분야에 사용됩니다.
탐지 범위
탐지 범위는 LiDAR 시스템이 물체를 정확하게 탐지하고 측정할 수 있는 최대 거리를 말합니다. 레이저의 전력 및 파장, 수신기의 감도, 스캔 대상 물체의 반사율 등 여러 요인이 LiDAR 시스템의 검출 범위에 영향을 미칩니다. 일반적으로, 검출 범위 사양은 타겟 표면 반사율 또는 환경 조건을 기준으로 제공됩니다.
LiDAR 제조사가 지정한 최대 검출 범위는 보통 90%의 반사율을 기준으로 테스트되며, 이는 실제 사용에 의미가 없다는 점에 유의할 필요가 있습니다. 반사율 10%에서의 검출 거리는 대부분의 표면에 적용되기 때문에 더 실용적인 의미를 갖습니다.
탐지 범위가 길면 더 넓은 커버리지 영역과 더 포괄적인 데이터 수집이 가능하기 때문에 LiDAR 시스템에 적합합니다.
다중 반환
라이다 시스템의 레이저는 펄스를 보냅니다. 이 펄스가 장애물에 부딪히면 반사됩니다. 빛이 완전히 차단되지 않기 때문에 무언가에 부딪힐 때마다 튕기면서 계속 켜져 있습니다. 이것은 LiDAR가 식물을 "투과"할 수 있는 것처럼 보이게 합니다. 하지만 실제로 일어나고 있는 일은 LiDAR가 나뭇잎 사이의 틈을 통해 땅과 나무 캐노피를 감지하고 있다는 것입니다.
- 첫 번째 반사: 센서가 레이저 펄스 경로의 가장 위에 있는 물체(예: 나무 꼭대기 또는 건물 꼭대기)에서 포착하는 첫 번째 반사입니다.
- 중간 반사: 가장 위에 있는 물체와 지면(가지나 창과 같은) 사이의 물체의 반사입니다.
- 마지막 반사: 일반적으로 물체의 바닥이나 바닥에서 반사됩니다.
*공기 중에 비나 스모그가 발생하면 LiDAR 데이터에 간섭과 소음이 발생할 수 있습니다. 이러한 상황에서는 가장 강력한 "단일 반환"을 사용하는 것이 좋습니다.
관련 응용 분야
다중 반환을 감지할 수 있는 기능을 통해 객체에 대한 보다 자세한 이해가 가능합니다. 예를 들어 다음과 같습니다.
- 식물 추출: 개별 식물을 분할하고 계수하여 바이오매스를 계산하고 식생 파라미터를 분석합니다.
- 지형 매핑: 지형 분석을 위한 DSM(Digital Surface Model)에서 DEM(Digital Elevation Model) 추출.
- 전력선 모델링: 전력선이 겹치는 경우가 많으며, 다중 반송 기능으로 한 번에 여러 층의 전선을 측정할 수 있어 장애물로 인한 데이터 누락을 줄일 수 있습니다.
빔 다이버전스
빔 발산은 레이저 빔이 거리에 걸쳐 퍼지거나 넓어지는 것을 말합니다. 빔 발산은 레이저 빔이 LiDAR 센서에서 이동하여 원점에서 더 멀리 이동할 때 확산되는 각도를 나타냅니다.
기본적으로 빔 발산이 작으면 레이저가 더 먼 거리에 걸쳐 더 초점을 유지하는 반면 빔 발산이 크면 레이저가 이동하면서 더 많이 퍼집니다.
캐노피 침투에 미치는 영향
숲과 같은 환경에서는 일반적으로 더 작은 빔 발산(더 집중된 빔)이 캐노피를 관통하여 아래 지면에 도달하는 데 더 효과적입니다. 보다 집중적인 레이저 빔을 사용하면 잎과 가지 사이의 간격을 보다 쉽게 찾을 수 있어 접지점 검출이 더 잘 되기 때문입니다. 반면에 빔 발산이 높은 레이저는 캐노피에서 더 많이 산란되어 숲 바닥에 효과적으로 도달하지 못할 수 있습니다.
점밀도와 해상도에 미치는 영향
더 초점이 맞춰진 빔(더 작은 발산)은 더 정확하고 더 높은 해상도 결과를 제공할 수 있지만, 더 큰 발산을 가진 빔은 각각의 펄스로 더 넓은 영역을 커버하여 잠재적으로 더 낮은 포인트 밀도와 타겟에서의 해상도를 초래할 수 있습니다.점밀도와 해상도에 미치는 영향
범위와 에너지 분포에 미치는 영향
빔 다이버전스가 작은 레이저는 더 긴 거리에 걸쳐 에너지 집중도를 유지합니다. 이것은 긴 범위에서 작동해야 하는 LiDAR 시스템에 매우 중요합니다. 빔이 더 많이 발산됨에 따라 에너지는 더 넓은 영역으로 퍼지게 되며, 특히 더 먼 거리에서 잠재적으로 리턴 신호의 강도를 감소시킵니다.
대기 상호작용
빔 발산은 또한 레이저가 먼지, 안개 또는 비와 같은 대기의 입자와 상호 작용하는 방법에 역할을 할 수 있습니다. 이러한 입자와의 상호 작용으로 인해 더 큰 발산을 갖는 레이저 빔이 더 많이 산란될 수 있으며, 이는 특정 조건에서 LiDAR 시스템의 유효 범위와 정확도를 감소시킬 수 있습니다.
샘플링 속도
샘플링 속도는 특정 기간 동안 LiDAR 시스템에 의해 수집된 포인트 수를 나타냅니다. 헤르츠(Hz) 단위로 측정됩니다. 샘플링 속도가 높으면 초당 더 많은 포인트가 수집되므로 포인트 클라우드가 더 조밀해집니다.
그러나 샘플링 속도가 높으면 더 많은 데이터가 수집되고 있으므로 파일 크기가 커지고 후처리 시간이 길어질 수 있습니다. 따라서 LiDAR 시스템의 샘플링 속도는 프로젝트의 특정 밀도 요구에 따라 신중하게 선택해야 합니다.
샘플링 속도만으로는 LiDAR 데이터의 정확성이 결정되지 않는다는 점에 유의해야 합니다. 레이저 빔 발산 및 IMU 및 GPS의 정확도와 같은 다른 요인도 데이터의 정확도를 결정하는 데 중요한 역할을 합니다.
IMU 보정
라이다 정확도는 IMU의 정밀도와 밀접하게 연관되어 있습니다. 드론이 안정적인 속도로 비행할 때 IMU는 정확성을 잃을 수 있습니다. 따라서 대부분의 공중 LiDAR 시스템은 비행 전, 비행 중 및 비행 후에 IMU 보정이 필요합니다. IMU가 보정되지 않으면 부정확한 데이터가 발생하여 LiDAR 데이터에 의존하는 후속 분석 및 응용 프로그램에 영향을 줄 수 있습니다.
드론 비행 중 IMU를 보정하는 두 가지 일반적인 방법이 있습니다: "그림 8" 및 "스피드 업-슬로우 다운" 보정입니다. 수동 및 자동 보정 방법 모두 동일한 결과를 제공합니다.
DJI의 통합 LiDAR 시스템은 "Speed up-slowing down" 캘리브레이션 방식을 사용하며, 어떤 미션 비행도 운용할 때 IMU 캘리브레이션 프로세스가 자동으로 통합됩니다. DJI LiDAR 시스템을 수동으로 비행할 때 DJI Pilot 앱은 일정 시간 후에 IMU를 재보정하도록 사용자에게 알려줍니다.
성능 영향 요인
효율과 침투율은 LiDAR 기술의 다양한 요인에 의해 영향을 받을 수 있습니다. 빔 발산과 다중 리턴은 침투에 역할을 하는 반면 IMU 보정은 정확도에 영향을 미칩니다. 스트립 정렬은 정밀도에 영향을 미치며 다양한 스캔 방법은 수직 스캔 범위와 밀도에 영향을 미칩니다. 비행 속도 및 샘플링 속도 영향 밀도도 마찬가지입니다.
밀도에 영향을 미치는 요인:
- 샘플링 속도: 비행 속도 및 고도와 같은 다른 요소가 일정하게 유지된다는 가정하에 펄스 반복 빈도(PRF) 또는 샘플링 속도가 높을수록 포인트 밀도가 높아질 수 있습니다.
- 비행 고도: 낮은 고도에서 비행하면 일반적으로 레이저 펄스가 지면에서 차지하는 발자국이 작기 때문에 포인트 밀도가 높아집니다.
- 겹침: 비행선이 겹치는 측량은 겹치는 영역에서 점 밀도를 높일 수 있습니다.
- 지형 및 식생: 울창한 숲과 같은 특징은 단일 레이저 펄스에서 여러 번 반환되어 잠재적으로 해당 지역의 유효 밀도를 높일 수 있습니다.
- 비행 속도: 비행 속도가 느려지면 라이다 센서가 레이저 펄스를 보내고 레이저 펄스가 돌아오는 것을 감지하는 데 더 많은 시간이 걸리기 때문에 포인트 밀도가 높아집니다.
원시 LiDAR 데이터 처리
점 구름 밀도
밀도는 단위 면적당 수집된 LiDAR 포인트의 수를 나타냅니다. 제곱미터당 포인트(pts/m^2)로 표현되는 경우가 많습니다. 예를 들어, 10 pts/m^2의 밀도는 평균적으로 조사 지역의 1제곱미터마다 10개의 LiDAR 반환점이 있음을 의미합니다.
수직 산업마다 포인트 클라우드 밀도에 대한 요구 사항은 다릅니다.
- 측량 및 매핑: 1:500 스케일 맵의 경우 필요한 포인트 클라우드 밀도는 ≥ 16 포인트/제곱미터입니다.
- 전력선 검사: 상세한 수목 장벽 분석 또는 철저한 검사를 위해 송전선로는 일반적으로 최소 25점/제곱미터가 필요합니다. 일부 사양은 일반적으로 50 ~ 250 포인트/제곱미터 범위의 훨씬 더 나은 밀도를 요구합니다.
- 임업 조사: 개별 트리 분할의 요구 사항을 충족하려면 최소 20포인트/제곱미터의 포인트 클라우드 밀도가 필요합니다.
원시 포인트 클라우드 처리 소프트웨어에는 일반적으로 포인트 밀도를 조정하는 기능도 있습니다.
LiDAR 표고 정확도 검증
표고 체크포인트를 사용하여 LiDAR 데이터의 정확성을 확인하는 것은 도출된 디지털 표고 모델(DEM) 또는 디지털 지형 모델(DTM)이 지면의 정확한 표현인지 확인하는 일반적인 방법입니다.
표고 체크포인트 설정 원칙:
- 체크포인트는 균등하게 분산되어 눈에 띄게 배치되어야 합니다.
- 비행 스트립이 겹치거나 급격한 고도 변화가 있는 곳에 배치하지 마십시오.
- 검문소는 노출되고 평평한 표면에 위치해야 합니다.
- 체크포인트의 표고 기준은 레이저 포인트 클라우드의 표고 기준과 일치해야 합니다.
표고 체크포인트 지침:
- 체크포인트를 투명한 곳에 골고루 펴줍니다.
- 비행 경로가 교차하는 곳이나 지면이 빠르게 변하는 곳에 두지 마십시오.
- 개방되고 평평한 지면에 있어야 합니다.
- 높이가 LiDAR 데이터에 사용된 높이와 일치하는지 확인합니다.
LAS 포인트 클라우드 형식
LAS 형식은 미국 사진 측량 및 원격 감지 협회(ASPRS)가 서로 다른 회사 및 기관 간에 LiDAR 포인트 클라우드 데이터를 교환할 수 있도록 개발했습니다. LAS 형식은 LiDAR 포인트 클라우드 데이터를 저장하고 교환하기 위한 표준화된 파일 형식으로 각 포인트의 위치, 강도, 분류 및 기타 속성에 대한 정보를 담고 있습니다. 또한 DJI LiDAR 시스템에서 얻을 수 있는 결과입니다.
포인트 클라우드 데이터에 대한 LAS 포맷은 포인트의 3차원 좌표, RGB 색상, 반사율, GPS 시간, 반환 횟수, 포인트 반환 여부 등의 정보를 포함합니다.
LAS 파일 버전 설정은 파일을 읽거나 쓰려고 할 때 문제가 될 수 있습니다. 사용 중인 LAS 파일 버전이 처리에 사용 중인 타사 소프트웨어와 호환되는지 확인하는 것이 중요합니다. 일부 타사 소프트웨어는 특정 버전의 LAS 파일을 읽거나 쓸 수 없습니다. 호환성 문제가 발생하면 다른 버전의 LAS 파일을 사용하거나 사용 중인 버전을 지원하는 다른 타사 소프트웨어를 찾아야 할 수도 있습니다. DJI Terra는 LAS 파일의 호환성이 높은 버전인 LAS 버전 1.2 형식으로 LiDAR 포인트 클라우드 데이터를 내보냅니다.
포인트 클라우드 채색
채색된 포인트 클라우드는 사용자에게 추가 컨텍스트를 제공하여 데이터를 더 쉽게 해석하고 이해할 수 있습니다. 예를 들어, 건물과 나무는 특정 측면에서 유사한 구조적 형태를 가질 수 있지만 색상은 즉시 그것들을 구별할 수 있습니다.
대부분의 항공 라이다 시스템에는 라이다 데이터 수집과 동시에 고해상도 이미지를 캡처하는 RGB 카메라가 장착되어 있습니다. 그런 다음 이러한 이미지를 사용하여 색상 값을 해당 LiDAR 포인트에 할당할 수 있습니다.
색상화 이점:
- 시각적 표현: 채색된 포인트 클라우드는 그레이스케일 클라우드보다 시각적으로 더 매력적이고 이해하기 쉽습니다.
- 향상된 분석: 색상은 다양한 유형의 식물을 구별하여 식생 분석에 도움을 주거나 다양한 인프라를 구별하기 위한 도시 매핑에 도움을 주는 등의 추가 정보를 제공할 수 있습니다.
- 다른 데이터 세트와의 통합: 색상이 지정된 포인트 클라우드는 다른 지리 공간 데이터 세트와 쉽게 통합되어 조사 지역의 포괄적인 뷰를 제공할 수 있습니다.
- 추가 사진측량 프로세스: RGB 사진은 포인트 클라우드 컬러링 외에도 사진측량 처리에도 사용할 수 있습니다.
비행궤적
궤적은 라이다 시스템을 장착한 UAV가 데이터 수집 중에 비행하는 경로를 말합니다. 궤적은 포인트 클라우드의 모든 지점에 대한 위치 데이터를 제공하기 때문에 LiDAR 데이터 처리에서 중요한 요소입니다. 기준 LiDAR 데이터를 정확하게 지리하고 조사 지역의 정확한 3D 모델을 생성하기 위해서는 궤적 정보가 필요합니다.
SBET는 Smoothed Best Estimate of Tractory를 말합니다. 매우 정확한 GPS 및 IMU 데이터가 포함된 일반적으로 사용되는 후처리 파일 형식입니다. 궤적 파일의 이 형식은 추가 후처리를 위해 LAS 포인트 클라우드와 상관될 수 있습니다. LiDAR 임무의 후처리 궤적 파일은 일반적으로 전달 가능한 포인트 클라우드 LAS 파일과 함께 자동으로 생성됩니다. 궤적 표시를 위해 타사 소프트웨어로 가져올 수 있습니다.
스트립 조정
스트립 조정은 특히 여러 비행 스트립에 걸쳐 수집된 경우 공기 중 LiDAR 데이터의 체계적인 오류 및 잘못된 정렬을 수정하는 절차입니다. 공중 LiDAR를 사용하여 지형을 조사할 때, 일반적으로 그 지역은 여러 겹의 스트립 또는 비행 경로로 덮여 있습니다. 중첩은 커버리지 연속성을 보장하고 오류 수정을 용이하게 하기 위한 의도입니다.
LiDAR 데이터를 수집하는 동안 다음과 같은 몇 가지 요인으로 인해 데이터에 오류가 발생할 수 있습니다.
- 센서 드리프트: 시간이 지남에 따라 IMU 및 GPS가 판독값에 약간의 드리프트가 발생할 수 있습니다.
- 비행 역학: 난기류, 급격한 고도 변화 및 항공기 방향 변화는 캡처된 데이터에 영향을 미칠 수 있습니다.
이러한 요인 때문에 인접한 비행 스트립은 때때로 수직 또는 수평 불일치를 표시할 수 있습니다. 수정되지 않으면 이러한 오류는 LiDAR 데이터에 의존하는 후속 분석 및 응용 프로그램에 영향을 줄 수 있습니다.
스트립 조정의 이점:
- 향상된 데이터 일관성: 불일치를 줄이고 인접한 비행 스트립 간에 연속성을 보장합니다.
- 더 높은 품질의 파생상품: DEM(Digital Elevation Model), DSM(Digital Surface Model) 등 파생 제품의 품질이 향상됩니다.
- 신뢰성: LiDAR 데이터 세트의 정확성에 대한 신뢰성을 높여 지형 매핑에서 임업에 이르기까지 다양한 응용 분야에 보다 안정적으로 사용할 수 있습니다.
DJI Terra 소프트웨어를 이용한 Raw LiDAR 데이터 처리
DJI Terra 소프트웨어는 DJI LiDAR 시스템에서 수집한 원시 LiDAR 포인트 클라우드 데이터를 범용 LAS 형식으로 처리하고 내보내는 데 사용되는 유일하게 지원되는 소프트웨어입니다.
주요 LiDAR 처리 기능
DJI Terra는 LiDAR Raw 데이터에서 LAS 포인트 클라우드 결과물을 생성할 수 있는 무료 시작 LiDAR Raw 데이터 처리 소프트웨어입니다. 또한 추가 기능이 포함되어 있습니다.
점 구름 밀도 조정
단위 면적당 수집된 포인트 수를 말합니다. 이 기능을 사용하면 특정 산업 수요에 맞게 포인트 밀도를 조정할 수 있습니다.
포인트 클라우드 정확도 최적화
이 기능은 LPP(Strip Locality Preserving Projections) 알고리즘을 사용하여 포인트 클라우드의 일반적인 계층화 현상을 최소화하여 포인트 클라우드 모델의 정확도를 향상시키기 위해 포인트 클라우드를 더 얇은 계층에 정렬합니다.
부드러운 점 구름
이 기능은 노이즈를 필터링하고 오류의 영향을 줄여 포인트 클라우드를 세분화하여 더 부드러운 시각적 표현을 만듭니다.
접지점 분류
DEM(Digital Elevation Model)을 생성하기 위해 점 구름의 다른 개체와 접지점을 구별하는 데 사용됩니다.
DEM 생성
이 기능은 분류된 접지 포인트 클라우드에서 GeoTiFF 형식의 DEM(Digital Elevation Model)을 생성합니다.
수직 정확도 검사 및 시프트
표고 체크포인트를 사용하여 LiDAR 데이터의 정확성을 확인하여 파생된 DEM 또는 DTM이 지면의 정확한 표현인지 확인합니다.
좌표계 변환
전 세계의 다양한 매핑 및 측량 프로젝트를 위해 로컬 투영 또는 측지 좌표계를 쉽게 변환할 수 있습니다.
드론 라이다 응용 분야
임업
LiDAR는 임업 관리 분야에서 광범위한 응용 분야를 가지고 있습니다. 나무 높이를 추정하고, 바이오매스를 측정하고, 숲 구조를 지도화할 수 있습니다. LiDAR를 이용하면 산림 관리자는 전통적인 측량 방법으로는 얻기 어려운 산림 캐노피에 대한 상세한 정보를 얻을 수 있습니다. 라이다의 주요 장점 중 하나는 단일 레이저 펄스에서 여러 번 돌아오는 것을 감지하여 식생을 "통관"하고 지표면을 정확하게 매핑할 수 있다는 것입니다. 이 기능을 사용하면 LiDAR이 지면 고도를 추정하고 시간에 따른 산림 피복의 변화를 식별하는 데 특히 유용하며, 이는 산림전용 추적 및 산림 복원 노력에 도움이 될 수 있습니다. 또한 LiDAR는 지속 가능한 산림 관리에 중요한 산림 재고 개발에 도움이 될 수 있습니다.
체적 측정
LiDAR 기술은 체적 측정 계산을 위한 정확한 측정을 제공할 수 있어 광업, 건설, 임업 등의 산업에 유용합니다. LiDAR 포인트 클라우드 데이터를 이용하면 비축량이나 현장에서 제거되는 자재의 양을 정확하게 계산할 수 있습니다. 이 정보는 재고 관리, 비용 관리 및 자원 계획에 사용할 수 있습니다.
지형측량
LiDAR는 지구 표면의 모양과 특징을 정확하게 나타낼 수 있기 때문에 지형 조사에 효과적인 도구입니다. 사진측량과 달리 LiDAR는 캐노피를 통해 침투하여 식생 피복이 밀집된 지역에서도 정확한 지표면 측정을 포착할 수 있습니다. LiDAR는 레이저 펄스를 사용하여 나뭇잎 사이의 틈을 통해 땅과 나무 캐노피를 감지하여 더 나은 접지점 감지 결과를 얻기 때문입니다.
고고학 연구
공기 중 라이다는 고고학 연구에서 쉽게 사용하여 거대하고 접근하기 어려운 지역을 지도로 만들고 표면에 숨겨진 구조물을 발견할 수 있습니다. LiDAR 센서는 식생을 침투하여 고해상도 데이터를 캡처할 수 있어 지상에서 보기 어렵거나 불가능한 구조물을 식별할 수 있습니다. 이것은 고고학자들이 고대 도시와 정착지의 배치를 더 잘 이해하고 과거 인간 활동에 대한 통찰력을 얻는 데 도움이 될 수 있습니다.
전력선 검사
LiDAR 기술을 사용하여 전력선을 검사할 수 있으며, 이는 선의 높이와 위치로 인해 어려울 수 있습니다. LiDAR 포인트 클라우드 데이터를 이용하면 송전선과 주변의 상세 지도를 만들 수 있습니다. 이는 정전이나 안전 위험을 유발할 수 있는 식생 성장 또는 처진 선과 같은 잠재적인 문제를 식별하는 데 도움이 될 수 있습니다.
인프라 점검
작은 불완전성과 균열을 감지하는 LiDAR의 기능으로 인해 많은 사람들이 이 기술을 사용하여 도로와 건물/교량 외관을 스캔하고 있습니다. 이를 통해 프로젝트 관리자에게 즉시 해결해야 하는 구조의 문제를 알릴 수 있습니다. 특히 파사드 캡처의 경우 파사드를 마주하도록 김블화된 LiDAR 시스템을 구현하는 것이 중요합니다.
원문 보러 가기
LiDAR 기술의 도입과 원리
LiDAR가 무엇일까?
Light Detection and Ranging의 약자인 LiDAR는 빠른 레이저 펄스를 사용하여 표적의 표면을 매핑하는 원격 감지 기술입니다. 라이다는 레이저 빔을 보내 빛이 물체에서 반사되는 데 걸리는 시간을 측정하여 상세한 3차원 점 지도를 만듭니다.
손전등이 켜진 완전히 어두운 방에 있다고 상상해 보세요. 손전등을 다양한 물체를 가리키면 빛이 다시 튀어오르고, 그 빛을 보면 사물이 어디에 있고 얼마나 멀리 떨어져 있는지 알 수 있습니다. 빛을 더 많이 비추고 다양한 각도에서 볼수록 방 배치에 대한 더 나은 아이디어를 얻을 수 있습니다. LiDAR도 비슷하게 작동하지만 손전등처럼 가시광선을 사용하는 대신 눈에 보이지 않는 레이저 광선을 사용합니다. 작동 방식은 다음과 같습니다.
1. 방출: 라이다 장치는 레이저 빛의 빠른 펄스를 물체를 향해 보냅니다.
2. 반영: 그런 다음 빛은 물체에서 반사되어 LiDAR 센서로 돌아갑니다.
3. 탐지: 장치는 빛이 돌아오는 데 걸린 시간을 측정합니다. 빛의 속도는 일정하므로 이 지속 시간을 사용하여 LiDAR 센서와 대상 물체 사이의 거리를 계산할 수 있습니다.
LiDAR 시스템은 데이터를 측정하는 반면, Photogrammetry 시스템은 데이터를 계산합니다. 이러한 주요 차이점으로 인해 다양한 애플리케이션에 더 적합합니다. LiDAR는 레이저 펄스를 사용하여 현실을 측정하므로 절대적인 데이터 확실성이 필요한 애플리케이션에 이상적입니다. LiDAR는 식생을 통해 침투할 수 있고 조명 조건에 영향을 받지 않기 때문에 조밀한 식생 피복을 가진 숲이나 다른 지역을 매핑하기에 좋은 옵션입니다. LiDAR는 정확한 지형 모델과 지형 지도를 만드는 데도 유용합니다.
사진측량은 카메라를 사용하여 영역의 중첩 이미지를 캡처한 다음 3D 모델 또는 정형 지도를 만들기 위해 서로 연결됩니다. LiDAR보다 가격이 저렴하고 다른 드론과 카메라처럼 기성 하드웨어와 함께 사용할 수 있습니다. 따라서 건물 및 인프라의 고도로 상세한 모델을 만드는 데 유용할 뿐만 아니라 애플리케이션 검사 및 모니터링을 위한 고해상도 지도를 만듭니다.
사진측량 라이다
통합 공중 라이다 시스템의 구성 요소는 무엇입니까?
하드웨어 구성 요소
라이다 시스템
UAV 시스템
소프트웨어 구성 요소
주요 용어 및 지식
다음은 표면 반사율의 몇 가지 예입니다.
LiDAR 센서 내부의 회전 방식을 변경함으로써 LiDAR 시스템은 반복 스캔과 비반복 스캔이라는 두 가지 다른 기계적 스캔 모드를 달성할 수 있습니다.
반복적 스캔 방법
반복 스캔은 수평 FOV(70.4°×4.5°)만 포함합니다.
장점: 모바일 매핑에서 객체는 매우 짧은 시간 동안만 스캔되는데, 이는 관성 항법 정확도 드리프트가 짧은 시간 내에 매우 작기 때문에 스캔된 모델이 상대적으로 더 정확하기 때문입니다.
단점: 수직 FOV는 매우 작고 수직 표면 정보가 거의 없습니다. 수직 표면 정보가 필요한 경우 수직 FOV 손실을 보상하기 위해 최소 2개의 비행 경로를 계획해야 합니다.
응용: 지형 측정과 같이 비교적 온화한 지형과 높은 정확도 요구 사항을 가진 시나리오의 경우 일반적인 DEM/DSM 생성.
*포인트 클라우드의 정확성을 보장하기 위해 측량 시 반복적인 스캔을 사용하는 것이 좋습니다.
: 지형 측정과 같이 비교적 온화한 지형과 높은 정확도 요구 사항을 가진 시나리오의 경우 일반적인 DEM/DSM 생성.
*포인트 클라우드의 정확성을 보장하기 위해 측량 시 반복적인 스캔을 사용하는 것이 좋습니다.
비반복 스캔 방법
비반복 스캔으로 FOV 전체를 빠르게 커버할 수 있습니다(70.4°×77.2°).
장점: 완전한 FOV 적용 범위를 제공하고 수직 스캔을 수행할 수 있으며 짐벌 각도를 설정하지 않고도 한 번의 스캔으로 양호한 수직 정보를 얻을 수 있습니다.
단점: 모바일 매핑에서는 일관된 관성 항법 정확도에 의존하여 다양한 위치와 시간에서 물체를 스캔합니다. 관성 항법의 정확도가 시간이 지남에 따라 드리프트되면 모델의 정확도가 떨어집니다. 이로 인해 물체가 흐려지거나 중복되고 포인트 클라우드가 두꺼워지고 와이어가 두꺼워집니다. 이 효과는 시야가 더 넓은 비반복 스캔에서 특히 두드러집니다.
응용: 도시 3D 모델링, 복잡한 3차원 구조 모델링, 전력선 검사, 비상 신속 매핑 등과 같이 상대적으로 낮은 정확도 요구 사항, 높은 효율성 요구 사항 및 완전한 고도 정보 요구 사항을 가진 시나리오에 적합합니다.
*전력선 검사의 경우 단선 비행을 선택한 경우 비반복 스캔 방식을 사용하는 것이 좋습니다.
파장
LiDAR 시스템은 레이저를 사용하여 빛의 펄스를 방출하며, 레이저의 파장은 펄스의 특성을 결정합니다. 레이저의 파장은 LiDAR 시스템이 다양한 물질을 투과하는 능력과 이를 감지할 수 있는 반사의 종류에 영향을 미칩니다. 다음은 두 가지 일반적인 LiDAR 유형과 해당 파장 범위입니다.
탐지 범위
탐지 범위는 LiDAR 시스템이 물체를 정확하게 탐지하고 측정할 수 있는 최대 거리를 말합니다. 레이저의 전력 및 파장, 수신기의 감도, 스캔 대상 물체의 반사율 등 여러 요인이 LiDAR 시스템의 검출 범위에 영향을 미칩니다. 일반적으로, 검출 범위 사양은 타겟 표면 반사율 또는 환경 조건을 기준으로 제공됩니다.
LiDAR 제조사가 지정한 최대 검출 범위는 보통 90%의 반사율을 기준으로 테스트되며, 이는 실제 사용에 의미가 없다는 점에 유의할 필요가 있습니다. 반사율 10%에서의 검출 거리는 대부분의 표면에 적용되기 때문에 더 실용적인 의미를 갖습니다.
탐지 범위가 길면 더 넓은 커버리지 영역과 더 포괄적인 데이터 수집이 가능하기 때문에 LiDAR 시스템에 적합합니다.
다중 반환
라이다 시스템의 레이저는 펄스를 보냅니다. 이 펄스가 장애물에 부딪히면 반사됩니다. 빛이 완전히 차단되지 않기 때문에 무언가에 부딪힐 때마다 튕기면서 계속 켜져 있습니다. 이것은 LiDAR가 식물을 "투과"할 수 있는 것처럼 보이게 합니다. 하지만 실제로 일어나고 있는 일은 LiDAR가 나뭇잎 사이의 틈을 통해 땅과 나무 캐노피를 감지하고 있다는 것입니다.
*공기 중에 비나 스모그가 발생하면 LiDAR 데이터에 간섭과 소음이 발생할 수 있습니다. 이러한 상황에서는 가장 강력한 "단일 반환"을 사용하는 것이 좋습니다.
관련 응용 분야
다중 반환을 감지할 수 있는 기능을 통해 객체에 대한 보다 자세한 이해가 가능합니다. 예를 들어 다음과 같습니다.
빔 다이버전스
빔 발산은 레이저 빔이 거리에 걸쳐 퍼지거나 넓어지는 것을 말합니다. 빔 발산은 레이저 빔이 LiDAR 센서에서 이동하여 원점에서 더 멀리 이동할 때 확산되는 각도를 나타냅니다.
기본적으로 빔 발산이 작으면 레이저가 더 먼 거리에 걸쳐 더 초점을 유지하는 반면 빔 발산이 크면 레이저가 이동하면서 더 많이 퍼집니다.
캐노피 침투에 미치는 영향
숲과 같은 환경에서는 일반적으로 더 작은 빔 발산(더 집중된 빔)이 캐노피를 관통하여 아래 지면에 도달하는 데 더 효과적입니다. 보다 집중적인 레이저 빔을 사용하면 잎과 가지 사이의 간격을 보다 쉽게 찾을 수 있어 접지점 검출이 더 잘 되기 때문입니다. 반면에 빔 발산이 높은 레이저는 캐노피에서 더 많이 산란되어 숲 바닥에 효과적으로 도달하지 못할 수 있습니다.
점밀도와 해상도에 미치는 영향
더 초점이 맞춰진 빔(더 작은 발산)은 더 정확하고 더 높은 해상도 결과를 제공할 수 있지만, 더 큰 발산을 가진 빔은 각각의 펄스로 더 넓은 영역을 커버하여 잠재적으로 더 낮은 포인트 밀도와 타겟에서의 해상도를 초래할 수 있습니다.점밀도와 해상도에 미치는 영향
범위와 에너지 분포에 미치는 영향
빔 다이버전스가 작은 레이저는 더 긴 거리에 걸쳐 에너지 집중도를 유지합니다. 이것은 긴 범위에서 작동해야 하는 LiDAR 시스템에 매우 중요합니다. 빔이 더 많이 발산됨에 따라 에너지는 더 넓은 영역으로 퍼지게 되며, 특히 더 먼 거리에서 잠재적으로 리턴 신호의 강도를 감소시킵니다.
대기 상호작용
빔 발산은 또한 레이저가 먼지, 안개 또는 비와 같은 대기의 입자와 상호 작용하는 방법에 역할을 할 수 있습니다. 이러한 입자와의 상호 작용으로 인해 더 큰 발산을 갖는 레이저 빔이 더 많이 산란될 수 있으며, 이는 특정 조건에서 LiDAR 시스템의 유효 범위와 정확도를 감소시킬 수 있습니다.
샘플링 속도
샘플링 속도는 특정 기간 동안 LiDAR 시스템에 의해 수집된 포인트 수를 나타냅니다. 헤르츠(Hz) 단위로 측정됩니다. 샘플링 속도가 높으면 초당 더 많은 포인트가 수집되므로 포인트 클라우드가 더 조밀해집니다.
그러나 샘플링 속도가 높으면 더 많은 데이터가 수집되고 있으므로 파일 크기가 커지고 후처리 시간이 길어질 수 있습니다. 따라서 LiDAR 시스템의 샘플링 속도는 프로젝트의 특정 밀도 요구에 따라 신중하게 선택해야 합니다.
샘플링 속도만으로는 LiDAR 데이터의 정확성이 결정되지 않는다는 점에 유의해야 합니다. 레이저 빔 발산 및 IMU 및 GPS의 정확도와 같은 다른 요인도 데이터의 정확도를 결정하는 데 중요한 역할을 합니다.
IMU 보정
라이다 정확도는 IMU의 정밀도와 밀접하게 연관되어 있습니다. 드론이 안정적인 속도로 비행할 때 IMU는 정확성을 잃을 수 있습니다. 따라서 대부분의 공중 LiDAR 시스템은 비행 전, 비행 중 및 비행 후에 IMU 보정이 필요합니다. IMU가 보정되지 않으면 부정확한 데이터가 발생하여 LiDAR 데이터에 의존하는 후속 분석 및 응용 프로그램에 영향을 줄 수 있습니다.
드론 비행 중 IMU를 보정하는 두 가지 일반적인 방법이 있습니다: "그림 8" 및 "스피드 업-슬로우 다운" 보정입니다. 수동 및 자동 보정 방법 모두 동일한 결과를 제공합니다.
DJI의 통합 LiDAR 시스템은 "Speed up-slowing down" 캘리브레이션 방식을 사용하며, 어떤 미션 비행도 운용할 때 IMU 캘리브레이션 프로세스가 자동으로 통합됩니다. DJI LiDAR 시스템을 수동으로 비행할 때 DJI Pilot 앱은 일정 시간 후에 IMU를 재보정하도록 사용자에게 알려줍니다.
성능 영향 요인
효율과 침투율은 LiDAR 기술의 다양한 요인에 의해 영향을 받을 수 있습니다. 빔 발산과 다중 리턴은 침투에 역할을 하는 반면 IMU 보정은 정확도에 영향을 미칩니다. 스트립 정렬은 정밀도에 영향을 미치며 다양한 스캔 방법은 수직 스캔 범위와 밀도에 영향을 미칩니다. 비행 속도 및 샘플링 속도 영향 밀도도 마찬가지입니다.
밀도에 영향을 미치는 요인:
점 구름 밀도
밀도는 단위 면적당 수집된 LiDAR 포인트의 수를 나타냅니다. 제곱미터당 포인트(pts/m^2)로 표현되는 경우가 많습니다. 예를 들어, 10 pts/m^2의 밀도는 평균적으로 조사 지역의 1제곱미터마다 10개의 LiDAR 반환점이 있음을 의미합니다.
수직 산업마다 포인트 클라우드 밀도에 대한 요구 사항은 다릅니다.
원시 포인트 클라우드 처리 소프트웨어에는 일반적으로 포인트 밀도를 조정하는 기능도 있습니다.
LiDAR 표고 정확도 검증
표고 체크포인트를 사용하여 LiDAR 데이터의 정확성을 확인하는 것은 도출된 디지털 표고 모델(DEM) 또는 디지털 지형 모델(DTM)이 지면의 정확한 표현인지 확인하는 일반적인 방법입니다.
표고 체크포인트 설정 원칙:
표고 체크포인트 지침:
LAS 포인트 클라우드 형식
LAS 형식은 미국 사진 측량 및 원격 감지 협회(ASPRS)가 서로 다른 회사 및 기관 간에 LiDAR 포인트 클라우드 데이터를 교환할 수 있도록 개발했습니다. LAS 형식은 LiDAR 포인트 클라우드 데이터를 저장하고 교환하기 위한 표준화된 파일 형식으로 각 포인트의 위치, 강도, 분류 및 기타 속성에 대한 정보를 담고 있습니다. 또한 DJI LiDAR 시스템에서 얻을 수 있는 결과입니다.
포인트 클라우드 데이터에 대한 LAS 포맷은 포인트의 3차원 좌표, RGB 색상, 반사율, GPS 시간, 반환 횟수, 포인트 반환 여부 등의 정보를 포함합니다.
LAS 파일 버전 설정은 파일을 읽거나 쓰려고 할 때 문제가 될 수 있습니다. 사용 중인 LAS 파일 버전이 처리에 사용 중인 타사 소프트웨어와 호환되는지 확인하는 것이 중요합니다. 일부 타사 소프트웨어는 특정 버전의 LAS 파일을 읽거나 쓸 수 없습니다. 호환성 문제가 발생하면 다른 버전의 LAS 파일을 사용하거나 사용 중인 버전을 지원하는 다른 타사 소프트웨어를 찾아야 할 수도 있습니다. DJI Terra는 LAS 파일의 호환성이 높은 버전인 LAS 버전 1.2 형식으로 LiDAR 포인트 클라우드 데이터를 내보냅니다.
포인트 클라우드 채색
채색된 포인트 클라우드는 사용자에게 추가 컨텍스트를 제공하여 데이터를 더 쉽게 해석하고 이해할 수 있습니다. 예를 들어, 건물과 나무는 특정 측면에서 유사한 구조적 형태를 가질 수 있지만 색상은 즉시 그것들을 구별할 수 있습니다.
대부분의 항공 라이다 시스템에는 라이다 데이터 수집과 동시에 고해상도 이미지를 캡처하는 RGB 카메라가 장착되어 있습니다. 그런 다음 이러한 이미지를 사용하여 색상 값을 해당 LiDAR 포인트에 할당할 수 있습니다.
색상화 이점:
비행궤적
궤적은 라이다 시스템을 장착한 UAV가 데이터 수집 중에 비행하는 경로를 말합니다. 궤적은 포인트 클라우드의 모든 지점에 대한 위치 데이터를 제공하기 때문에 LiDAR 데이터 처리에서 중요한 요소입니다. 기준 LiDAR 데이터를 정확하게 지리하고 조사 지역의 정확한 3D 모델을 생성하기 위해서는 궤적 정보가 필요합니다.
SBET는 Smoothed Best Estimate of Tractory를 말합니다. 매우 정확한 GPS 및 IMU 데이터가 포함된 일반적으로 사용되는 후처리 파일 형식입니다. 궤적 파일의 이 형식은 추가 후처리를 위해 LAS 포인트 클라우드와 상관될 수 있습니다. LiDAR 임무의 후처리 궤적 파일은 일반적으로 전달 가능한 포인트 클라우드 LAS 파일과 함께 자동으로 생성됩니다. 궤적 표시를 위해 타사 소프트웨어로 가져올 수 있습니다.
스트립 조정
스트립 조정은 특히 여러 비행 스트립에 걸쳐 수집된 경우 공기 중 LiDAR 데이터의 체계적인 오류 및 잘못된 정렬을 수정하는 절차입니다. 공중 LiDAR를 사용하여 지형을 조사할 때, 일반적으로 그 지역은 여러 겹의 스트립 또는 비행 경로로 덮여 있습니다. 중첩은 커버리지 연속성을 보장하고 오류 수정을 용이하게 하기 위한 의도입니다.
LiDAR 데이터를 수집하는 동안 다음과 같은 몇 가지 요인으로 인해 데이터에 오류가 발생할 수 있습니다.
이러한 요인 때문에 인접한 비행 스트립은 때때로 수직 또는 수평 불일치를 표시할 수 있습니다. 수정되지 않으면 이러한 오류는 LiDAR 데이터에 의존하는 후속 분석 및 응용 프로그램에 영향을 줄 수 있습니다.
스트립 조정의 이점:
DJI Terra 소프트웨어를 이용한 Raw LiDAR 데이터 처리
DJI Terra 소프트웨어는 DJI LiDAR 시스템에서 수집한 원시 LiDAR 포인트 클라우드 데이터를 범용 LAS 형식으로 처리하고 내보내는 데 사용되는 유일하게 지원되는 소프트웨어입니다.
주요 LiDAR 처리 기능
DJI Terra는 LiDAR Raw 데이터에서 LAS 포인트 클라우드 결과물을 생성할 수 있는 무료 시작 LiDAR Raw 데이터 처리 소프트웨어입니다. 또한 추가 기능이 포함되어 있습니다.
점 구름 밀도 조정
단위 면적당 수집된 포인트 수를 말합니다. 이 기능을 사용하면 특정 산업 수요에 맞게 포인트 밀도를 조정할 수 있습니다.
포인트 클라우드 정확도 최적화
이 기능은 LPP(Strip Locality Preserving Projections) 알고리즘을 사용하여 포인트 클라우드의 일반적인 계층화 현상을 최소화하여 포인트 클라우드 모델의 정확도를 향상시키기 위해 포인트 클라우드를 더 얇은 계층에 정렬합니다.
부드러운 점 구름
이 기능은 노이즈를 필터링하고 오류의 영향을 줄여 포인트 클라우드를 세분화하여 더 부드러운 시각적 표현을 만듭니다.
접지점 분류
DEM(Digital Elevation Model)을 생성하기 위해 점 구름의 다른 개체와 접지점을 구별하는 데 사용됩니다.
DEM 생성
이 기능은 분류된 접지 포인트 클라우드에서 GeoTiFF 형식의 DEM(Digital Elevation Model)을 생성합니다.
수직 정확도 검사 및 시프트
표고 체크포인트를 사용하여 LiDAR 데이터의 정확성을 확인하여 파생된 DEM 또는 DTM이 지면의 정확한 표현인지 확인합니다.
좌표계 변환
전 세계의 다양한 매핑 및 측량 프로젝트를 위해 로컬 투영 또는 측지 좌표계를 쉽게 변환할 수 있습니다.
임업
LiDAR는 임업 관리 분야에서 광범위한 응용 분야를 가지고 있습니다. 나무 높이를 추정하고, 바이오매스를 측정하고, 숲 구조를 지도화할 수 있습니다. LiDAR를 이용하면 산림 관리자는 전통적인 측량 방법으로는 얻기 어려운 산림 캐노피에 대한 상세한 정보를 얻을 수 있습니다. 라이다의 주요 장점 중 하나는 단일 레이저 펄스에서 여러 번 돌아오는 것을 감지하여 식생을 "통관"하고 지표면을 정확하게 매핑할 수 있다는 것입니다. 이 기능을 사용하면 LiDAR이 지면 고도를 추정하고 시간에 따른 산림 피복의 변화를 식별하는 데 특히 유용하며, 이는 산림전용 추적 및 산림 복원 노력에 도움이 될 수 있습니다. 또한 LiDAR는 지속 가능한 산림 관리에 중요한 산림 재고 개발에 도움이 될 수 있습니다.
체적 측정
LiDAR 기술은 체적 측정 계산을 위한 정확한 측정을 제공할 수 있어 광업, 건설, 임업 등의 산업에 유용합니다. LiDAR 포인트 클라우드 데이터를 이용하면 비축량이나 현장에서 제거되는 자재의 양을 정확하게 계산할 수 있습니다. 이 정보는 재고 관리, 비용 관리 및 자원 계획에 사용할 수 있습니다.
지형측량
LiDAR는 지구 표면의 모양과 특징을 정확하게 나타낼 수 있기 때문에 지형 조사에 효과적인 도구입니다. 사진측량과 달리 LiDAR는 캐노피를 통해 침투하여 식생 피복이 밀집된 지역에서도 정확한 지표면 측정을 포착할 수 있습니다. LiDAR는 레이저 펄스를 사용하여 나뭇잎 사이의 틈을 통해 땅과 나무 캐노피를 감지하여 더 나은 접지점 감지 결과를 얻기 때문입니다.
고고학 연구
공기 중 라이다는 고고학 연구에서 쉽게 사용하여 거대하고 접근하기 어려운 지역을 지도로 만들고 표면에 숨겨진 구조물을 발견할 수 있습니다. LiDAR 센서는 식생을 침투하여 고해상도 데이터를 캡처할 수 있어 지상에서 보기 어렵거나 불가능한 구조물을 식별할 수 있습니다. 이것은 고고학자들이 고대 도시와 정착지의 배치를 더 잘 이해하고 과거 인간 활동에 대한 통찰력을 얻는 데 도움이 될 수 있습니다.
전력선 검사
LiDAR 기술을 사용하여 전력선을 검사할 수 있으며, 이는 선의 높이와 위치로 인해 어려울 수 있습니다. LiDAR 포인트 클라우드 데이터를 이용하면 송전선과 주변의 상세 지도를 만들 수 있습니다. 이는 정전이나 안전 위험을 유발할 수 있는 식생 성장 또는 처진 선과 같은 잠재적인 문제를 식별하는 데 도움이 될 수 있습니다.
인프라 점검
작은 불완전성과 균열을 감지하는 LiDAR의 기능으로 인해 많은 사람들이 이 기술을 사용하여 도로와 건물/교량 외관을 스캔하고 있습니다. 이를 통해 프로젝트 관리자에게 즉시 해결해야 하는 구조의 문제를 알릴 수 있습니다. 특히 파사드 캡처의 경우 파사드를 마주하도록 김블화된 LiDAR 시스템을 구현하는 것이 중요합니다.