드론 LiDAR에 기반한 매핑 시스템의 고속도로 건설 현장 적용 사례

Example of Application of Drone Mapping System based on LiDAR to Highway Construction Site

Abstract

Recently, much research is being conducted based on point cloud data for the growth of innovations such as construction automation in the transportation field and virtual national space. This data is often measured through remote control in terrain that is difficult for humans to access using devices such as UAVs and UGVs. Drones, one of the UAVs, are mainly used to acquire point cloud data, but photogrammetry using a vision camera, which takes a lot of time to create a point cloud map, is difficult to apply in construction sites where the terrain changes periodically and surveying is difficult. In this paper, we developed a point cloud mapping system by adopting non-repetitive scanning LiDAR and attempted to confirm improvements through field application. For accuracy analysis, a point cloud map was created through a 2 minute 40 second flight and about 30 seconds of software post-processing on a terrain measuring 144.5 × 138.8 m. As a result of comparing the actual measured distance for structures with an average of 4 m, an average error of 4.3 cm was recorded, confirming that the performance was within the error range applicable to the field.

1. 서 론

최근 국토교통 분야의 건설 자동화, 가상 국토 공간 등과 같은 혁신성장을 위해 포인트 클라우드 데이터(Point Cloud Data)를 기반으로 한 다양한 연구개발이 이뤄지고 있다[1]. 포인트 클라우드 데 이터는 다량의 점으로 이뤄진 데이터이며 센서와 객체의 거리를 점으로 표현하여 3D 형상으로 변 환한 데이터이다. 이 데이터는 UAV(Unmanned Aerial Vehicle), UGV(Unmanned Ground Vehicle) 등과 같은 기기와 연결해 사람의 접근이 어려운 지형에 원격제어를 통해 측량하거나, 사람이 직접 센서를 들고 측량한다. UAV는 고정익, 회전익, 복 합식으로 구분되며, 회전익 기체에 속하는 드론은 사람이 접근하기 어려운 지역도 쉽게 활용할 수 있고, 타 기체에 비해 뛰어난 접근성으로 인해 많 은 분야에서 사용되며[2,3], DJI, Parrot 등과 같 은 유명한 업체를 대두로 수많은 업체가 해당 산 업에서 활동하고 있다.

드론을 이용한 포인트 클라우드 획득은 비전 카메라(Vision Camera), 라이다(LiDAR)를 이용한 방식 또는 두 방식을 모두 사용하는 복합식을 사 용한다. 비전 카메라의 경우 고화질의 이미지를 취득한 후, 파일을 저장하여 별도의 소프트웨어에 서 후처리를 통해 포인트 클라우드 데이터로 변환 한다. 라이다의 경우 라이다를 드론에 연결하여 취득한 데이터를 저장하고, 이를 위성항법시스템 (GNSS; Global Navigation Satelite System), 관 성 측정 장치(IMU; Inertial Measurement Unit) 등과 같은 센서의 위치와 방향을 알 수 있는 센서 를 소프트웨어의 후처리를 통해 포인트 클라우드 데이터를 생성한다.

LiDAR와 비전 카메라를 이용한 포인트 클라우 드 맵 생성 기술이 발전하며 실제 현장에 사용될 수 있을 만큼 성능이 올라가고 가격대가 낮아지며 많은 사업에 적용되고 있다. 하지만, 건설 현장은 주기적으로 지형이 변화하여 포인트 클라우드 맵 생성에 많은 시간이 소요되는 비전 카메라를 이용 한 방식은 적용하기 어렵다.

라이다는 크게 고정식 라이다와 기계식 라이다 로 분류되는데, 드론은 주로 기계식 라이다를 사 용한다. 기계식 라이다는 다양한 스캔 방식으로 분류할 수 있다. Velodyne에서 채택하고 있는 방 법은 기계식 회전 거울형 방식을 사용한다. 정렬 된 센서의 레이저를 거울을 통해 회전하여 데이터 세트(Data Set)를 취득하는 방식이다. 이 방식은 Fig. 1에서 보여지듯이 어레이(Array)로 정렬된 센 서가 회전하는 모터에 의해 링(Ring) 형식으로 회 전하며 360°의 전 방향 데이터를 취득하는 방식 이다. Livox에서 채택한 비 반복 스캐닝 방식 (Non-repetitive scanning)은 일련의 센서 그룹이 두 개의 회전형 렌즈에 의해 비정형 원형의 형태

Fig. 1 Comparison of scanning patterns for regular and non-repetitive pattern

Fig. 2 Comparison of the advantages of LiDAR’s regular and non-repetitive pattern

로 회전하며 전방에 대해 집중적으로 스캐닝하는 방식이다. Fig. 2에서 보이는 것과 같이 링 방식 의 스캐닝 방식은 센서의 주변으로 링 형태의 데 이터가 저장되기 때문에 드론에 사용되면 드론을 기준으로 상부의 데이터는 확보할 수 없으므로 하 부와 측면의 객체를 스캔하기에 유리하다[4]. 비 반복 스캐닝 방식은 좁은 원 형태의 지점에 높은 밀도로 데이터를 스캐닝하여 센서 전면의 데이터 를 집중적으로 스캔할 수 있어 드론을 이용한 지 면의 지형 생성에 유리한 스캐닝 방식이다.

본 논문에서는 비정형 패턴의 LiDAR를 기반으 로 LiDAR 포인트 클라우드 매핑 시스템을 개발하 여 그 성능을 평가하고, 고속도로 건설 현장을 측 량한 결과를 확인하여 현장 적용성을 파악하고자 하였다.

2. 본 론

2.1 하드웨어 설계

본 논문에서 제시한 시스템은 건설 현장의 시 험을 목표로 하여 분진 및 외부에서 가해질 수 있 는 충격에 강인하게 설계하였다.

시스템의 LiDAR는 Livox의 AVIA 모델을 사용하 였다. 사용된 LiDAR의 주요 사양은 Table 1과 같다.

LiDAR와 드론의 24V 전압을 각 모듈에 맞게 분배해주는 전원 공급원, GPS 모듈, IMU와 임베 디드 PC인 라즈베리파이 4, 전압 분배기가 연결 된다. LiDAR는 Livox Avia, GPS 모듈은 u-blox ZED-F9P GNSS 기반의 SparkFun GPS-RTK, IMU는 Livox의 내장 모듈인 BMI088이 사용되었 다. 각 모듈은 라이다를 기준으로 체결되고, 주요 열원에 방열판을 설치하여 외부로 열을 배출할 수 있도록 배치하여 설계하였다. Fig. 3과 같이 각 모듈을 결합할 수 있는 지지대를 설계하여 연결 및 배치하였다.

Table 1. Specification of LiDAR(Livox AVIA)

Fig. 3 Simulation of the layout and assembly of internal module

연결된 모듈을 외부로부터 보호하기 위해 외부 케이스를 설계하였다. 모듈을 모두 감쌀 수 있는 형태로 제작되고, 시스템의 전면과 하부에 흡기구, 후방에 배기구를 설계하여 드론이 비행하면서 공기 흐름으로 모듈의 냉각이 이뤄지도록 설계하였다.

시스템의 마운트는 드론과의 연결을 위한 부품 이며, 드론과 안정적인 체결과 비행할 때 발생하 는 충격을 감쇄한다. 마운트는 고무의 압축 반발 력을 이용한 히스테리시스(hysteresis) 댐퍼의 형 태로 드론과 LiDAR 시스템이 체결되도록 설계되 었다. 최종 설계된 모습은 Fig. 4와 같다.

Fig. 4 Results of simulation after designing and layout the external case and mount

2.2 소프트웨어 설계

소프트웨어는 리눅스 기반의 Ubuntu 20.04 OS 에서 개발되었으며, ROS(Robot Operating System) 환경에서 각각의 모듈의 드라이버가 연결되도록 구성하였다.

전체적인 구성은 크게 IMU, LiDAR, GNSS와 같은 모듈을 구동시키기 위한 드라이버 부분과 포 인트 클라우드 데이터를 맵으로 등록하기 위한 포 인트 클라우드 매핑 부분으로 구성된다.

각 모듈의 드라이버는 센서의 데이터가 ROS에 맞는 포맷으로 변환되어 데이터가 전달되고, IMU 와 LiDAR의 데이터는 GNSS 모듈의 PPS(Pulse Per Second) 신호와 동기화된다.

전체적인 구조는 Fig. 5와 같으며, ROS에서 전달받은 각 센서의 데이터는 포인트 클라우드 맵 등록을 위한 소프트웨어의 Data Handler로 전달 되어 시간 동기화 부분, 자세 추정, 특징 추출, 데 이터 등록을 거쳐 최종 맵에 등록된다.

Fig. 5 Software structure

3. 제작 및 시험

3.1 제작

제작을 위한 하드웨어는 PLA(Poly Lactic Acid) 재질로 FDM(Fused Deposition Modelling) 방식 의 3D 프린터를 사용하여 Fig. 6과 같이 제작하 였다.

제작된 포인트 클라우드 매핑 시스템은 Fig. 7 과 같이 ㈜대영드론솔루션의 충전 스테이션 드론 에 장착하여 실험하였다.

이 드론은 사용자가 측량을 위한 지역에서 설 정된 경로로 비행을 수행한다. 이륙과 착륙이 충 전 스테이션에서 이뤄지기 때문에, LiDAR를 이용 한 Loop closure를 수행하여 출발 위치와 도착 위치가 같은지 확인하고, 소프트웨어에서 계산된 궤적에 대한 오류를 바로잡을 수 있어 라이다를 이용한 포인트 클라우드 매핑에 유리하다.

Fig. 6 Result of manufacturing and assembling modules, cases, and mounts

Fig. 7 Overall view combining LiDAR and charging station drone

3.2 비전 카메라

본 시스템을 이용한 포인트 클라우드 매핑을 위해 Fig. 8과 같은 김포의 고속도로 건설 현장을 테스트 지역으로 선정하였다. LiDAR로 생성한 포 인트 클라우드 맵의 정확도 분석을 위해 DJI M300에 Zenmuse P1 비전 카메라를 연결하여 사진 측량을 수행 후, fix4D를 이용하여 포인트 클라우드 및 정사모자이크로 변환한 데이터를 활 용하고자 하였다.

사진 측량은 대상지에서 중복도 80%로 9개의 Strip으로 비행하였으며, 측량된 면적은 0.214km2 이다. 총 316장의 이미지로 프로세싱을 수행하였고, 그 결과 1.67cm의 GSD(Ground Sample Distance) 를 가지는 결과가 Fig. 9와 같은 이미지로 도출되 었다.

Fig. 8 Location of test area and flight path

Fig. 9 Results generated by photogrammetry

3.3 드론 LiDAR

사진 측량을 한 곳과 같은 지역에 LiDAR 매핑 시스템을 드론에 장착하여 획득한 포인트 클라우 드 데이터를 Fig. 10에서 보여준다. 비행에서 획 득한 센서 데이터로 위치 및 자세에 대한 데이터 로 변환하여 노란색으로 표시했다.

70m의 고도로 비행하였고, 드론에 의해 자동 설정된 경로로 비행하였다. 중복도 50%로 설정하 여 5개의 Strip으로 비행하였으며, 중심의 대각선 으로 보이는 경로는 이륙하여 측량 시작 지점으로 이동한 경로와 측량 종료 후에 착륙 지점으로 이 동한 경로이다. 드론의 충전 스테이션에 의해 이 륙과 착륙 지점이 같음을 알 수 있다. 측량한 데 이터를 소프트웨어로 후처리하여 Fig. 11과 같이 포인트 클라우드 맵으로 변환하였다.

Fig. 10 A Point cloud map and flight path calculated by the software are being generated(before post-processing)

Fig. 11 Results after post-processing of point cloud map generated by drone LiDAR

3.4 맵 정합 결과

비전 카메라로 사진 측량한 결과와 드론 LiDAR 로 측량한 결과를 오픈 소프트웨어인 CloudCompare 의 Fine Registration(ICP) 기능을 통해 두 가지의 맵을 정합한 결과를 Fig. 12에서 보여준다. 정합 한 결과 두 개의 맵이 대부분이 일치하나 드론이 이륙 및 착륙한 지점을 주위로 LiDAR 포인트 클 라우드 맵이 드물게 보여 오차가 발생했음을 확인 할 수 있다.

Fig. 12 Registration result of point cloud maps of vision camera and LiDAR using ICP

이 결과만으로는 두 맵의 정확도를 파악하기 어렵다. 그래서 줄자를 통해 실측한 결과와 포인 트 클라우드 맵 상에서 계산된 거리를 비교하여 맵의 정확도를 분석하고자 한다.

3.5 드론 LiDAR 정확도 분석

드론 LiDAR 포인트 클라우드 맵의 정확도를 분석하기 위해 대전에 있는 드론공원을 선정하였 다. 해당 지역에서 정확한 거리 측량이 가능한 구 조물을 Fig. 13과 같이 선정하였다.

드론 LiDAR에 의해 해당 구조물이 포함되게 비행하였고, 약 30초의 소프트웨어 처리 시간을 통해 생성된 포인트 클라우드 맵의 크기는 144.5 x 138.8m였으며, 약 2분 40초의 비행을 통해 데 이터를 취득하였다. 그 결과를 Fig. 16에서 보여 준다.

비행시간은 이륙과 착륙이 포함된 시간이며, 측 량 시작과 종료까지의 시간은 1분 50초이다.

구조물의 측량 포인트를 Fig. 15과 같이 X, Y, Z1, Z2로 지정하여 측량을 수행하였다.

CloudCompare의 소프트웨어를 통해 구조물의 길이를 측량하기 위해 Fig. 17와 같이 전체 포인 트 클라우드 맵에서 해당 구조물을 추출하여 측량 하고자 하였다. 그 결과, 측량된 PCD(Point Cloud Data)와 실측 거리의 오차 평균은 4.3cm를 기록 하였다. 실측된 거리와 포인트 클라우드 맵에서 측량된 길이를 Table 2에서 보여준다.

Fig. 13 Satellite map of the survey area for comparison with actual survey results

Fig. 14 Photographs of structures for surveying

Fig. 15 Survey points of structures

Fig. 16 Drone LiDAR point cloud map results at survey locations.

Fig. 17 Shape of structure extracted from point cloud map

Table 2. Error record table of structures

4. 결 론

비 반복 스캐닝 방식 LiDAR를 사용한 드론 LiDAR 시스템을 개발하였다. 측량한 드론 LiDAR 포인트 클라우드 맵의 결과를 확인하기 위해 비전 카메라로 촬영된 사진 측량 결과를 포인트 클라우 드 맵으로 변환하여 비교하였고, 구조물을 대상으 로 실측 거리와 비교를 통해 측량된 포인트 클라 우드 맵의 정확도를 확인하였다.

그 결과 사진 측량을 통해 생성한 포인트 클라 우드 맵의 결과와 드론의 이륙과 착륙 지점에서 다량의 노이즈가 발생하여 일치하지 않는 부분을 확인하였다. 이러한 차이는 이륙과 착륙시 드론의 비행이 안정되지 않아 드론의 많은 흔들림이 발생 하였고, 이로 인한 오차로 분석된다.

드론 LiDAR로 생성한 포인트 클라우드 맵의 성능 확인을 위해 테스트 지역을 비행했다. 144.5 x 138.8m의 포인트 클라우드 맵을 생성하는 데 30초가 소요되었다. 해당 지역의 구조물과 실측을 통해 LiDAR 포인트 클라우드 맵의 정확도를 분석 하였을 때, 이륙과 착륙 부분을 제외한 포인트 클 라우드 맵은 4.3cm로 낮은 오차를 보여 정확한 포인트 클라우드 맵이 생성되었음을 확인하였다.

5. 고 찰

본 논문은 링 형태의 정규 패턴 스캔 방식이 아닌 비 반복 스캐닝 방식의 LiDAR를 적용한 시 스템을 건설 현장에 적용하였고, 그 결과를 통해 개선점을 확인하고자 하였다. 비전 카메라 방식의 포인트 클라우드 맵 생성 방식에 비해 짧은 후처 리 시간이 소요되어 해당 적용사례를 통해 실시간 으로 변화하는 건설 현장의 측량에 강점을 보일 것으로 판단된다. 드론 LiDAR에 의해 생성된 포 인트 클라우드 맵에서 이륙과 착륙 때문에 발생한 노이즈를 제외하면 오차가 거의 없음을 확인하였 다. 향후 추가적인 연구를 통해 이륙과 착륙 후의 데이터 측정을 하도록 드론과 연계하여 시작과 종 료에 대한 명령어를 추가한다면 노이즈 제거를 할 수 있을 것이다. 또한 작은 구조물에 대한 측량이 아닌 1km 정도의 넓은 지역의 측량 길이에서도 장거리 측량의 정확도를 확인한다면 드론 LiDAR 를 통한 건설 현장의 포인트 클라우드 맵의 효율 성을 제시할 수 있을 것으로 판단된다.

사 사

이 연구는 국토교통부 / 국토교통과학기술진흥원 이 시행하고 한국도로공사가 총괄하는 “스마트 건 설기술 개발 국가 R&D 사업(과제번호 23SMIP-A1 58708-04)”의 지원으로 수행하였습니다