최고의 정밀도를 얻고 포인트 클라우드 정확도를 향상시키는 방법

측량사는 모든 구성 요소에 수십 년의 경험을 바탕으로 한 최첨단 물리학을 사용합니다. GPS가 원자 시계와 궤도에서 보내는 신호에서 타이밍 계산을 사용하는 방법을 생각해 보세요. 이 기술은 이제 일상 생활에서 어디에나 존재합니다. 또는 어떻게 LiDAR 는 광선이 돌아오는 데 걸리는 시간에 대해 초당 수천 번의 계산을 수행해야 합니다. 따라서 이러한 복잡한 시스템에는 많은 오류의 원인이 존재합니다. 하지만 다행히도 측량의 정확성을 더 잘 이해하기 위해 이러한 요소에 대해 폭넓게 이야기할 수 있습니다. 이 문서에서는 측량사의 관점에서 측량 및 포인트 클라우드 정확도를 얻기 위한 몇 가지 중요한 사항에 대해 자세히 설명합니다.

IMU(관성 측정 장치)는 고유한 움직임을 측정합니다. 일반적으로 자이로스코프 기기와 가속도계를 사용하여 IMU는 가속도와 방향의 변화를 측정합니다. 따라서 측량사에게 IMU는 매우 중요합니다. 측량은 일반적으로 자신과 가장 가까운 거리에 있는 물체를 관찰하는 것이 가장 편리하지만 물체가 멀리 떨어져 있을수록 그 위치를 정확하게 알 수 없기 때문입니다. 아래 다이어그램을 보면 모든 측정에는 IMU가 측정한 각도 변화를 포함한 본질적인 오차가 존재합니다.

작은 각도로 근사치를 구하면, 오브젝트 위치의 오차는 단순히 각도 오류 x 물체까지의 거리. 즉, 장거리에 있는 경우 작은 각도 오차로 인해 측량 대상의 위치가 매우 큰 오차로 이어질 수 있습니다. 다음과 같은 측량용 IMU는 일반적으로 OXTS NAV650 IMU의 정확도는 0.5도 정도일 수 있습니다.

IMU는 내비게이션 목적에도 매우 중요합니다. 본질적으로 IMU는 움직임을 측정합니다. 즉, 측량사는 IMU가 어떻게 움직이는지 추적하기 위한 기초적인 내비게이션 장치로 사용할 수 있습니다. 따라서 고급 IMU를 사용하면 필수적인 방향 정보뿐만 아니라 IMU가 위치한 위치 정보도 출력할 수 있습니다. 그러나 모든 기기는 측정값에서 랜덤 워크 또는 드리프트가 발생하여 포인트 클라우드 정확도에 부정적인 영향을 미칩니다. 따라서 IMU만으로는 움직임을 측정하고 위치를 로컬라이즈하지 않기 때문에 실제 위치에서 빠르게 멀어지게 됩니다.

A GNSS (글로벌 항법 위성 시스템) 시스템은 궤도에 있는 위성들의 별자리를 사용하여 지구상의 위치를 파악합니다. 이러한 위성 신호의 매우 정확한 타이밍 정보를 사용하여 GNSS 수신기는 지구 표면에서 1미터 이내로 위치를 파악할 수 있습니다. 기지국이라고도 하는 두 번째 수신기를 사용하면 위성의 신호가 대기권에서 어떻게 왜곡되었는지에 대한 보정을 계산하여 장치의 정확도를 센티미터까지 높일 수 있습니다.

위치를 파악하는 데 사용할 수 있는 다른 시스템도 있지만 대부분 대규모 인프라 환경으로 제한되어 GNSS 신호를 수신할 수 없을 때 대체할 수 있으며, 현재로서는 실외 환경에서 GNSS의 진정한 경쟁자는 없습니다. GNSS는 지구상에서 매우 정확하고 정밀한 절대 위치를 제공하는 반면, 많은 대체 기술은 GNSS의 도움 없이 상대 위치만 제공할 수 있습니다.

다음이 있습니다. 네 가지 주요 별자리 현재 사용 중인 GNSS 위성의 수입니다. 오랫동안 러시아와 미국의 별자리인 GLONASS와 GPS가 보편적으로 사용되어 왔지만 유럽과 중국의 별자리인 갈릴레오와 베이더우도 점점 더 널리 보급되고 있습니다(QZSS와 같은 다른 별자리도 있습니다). 일반적으로 이러한 개별 별자리를 사용하는 정확도는 비슷하지만, GNSS 시스템은 이러한 별자리를 여러 개 또는 네 개를 모두 조합하여 사용 가능한 모든 데이터를 최대한 활용할 수 있습니다. 아래 이미지에서 INS 시스템의 궤적을 볼 수 있습니다. GPS 전용(파란색) 위치 추적과 GPS 및 GLONASS(빨간색) 추적의 궤적이 표시되어 있습니다. 차량이 장애물인 나무와 건물을 지나가면서 위성 신호가 손실되어 위치 드리프트가 발생했습니다. 후처리 과정에서 파란색 선의 위치가 갑자기 급상승하여 잘못된 차선으로 이동하는 것처럼 보입니다. 그러나 빨간색 선에서는 이러한 점프가 없고 올바른 위치에서 부드러운 궤적을 보입니다. 이는 GNSS 시스템이 최적의 결과를 제공하기 위해 최소한의 위성이 필요하기 때문입니다. 위성이 많을수록, 즉 별자리가 많을수록 특히 도시나 마을과 같이 GNSS 환경이 열악한 곳에서 위치 출력의 신뢰성이 높아집니다. 요즘에는 가장 신뢰할 수 있는 솔루션을 위해 OXTS xNAV650과 같은 시스템이 이 네 가지 별자리를 모두 표준으로 제공하는 방향으로 나아가고 있습니다.

GNSS와 IMU 시스템은 서로의 강점과 약점을 결합하여 완벽한 내비게이션 시스템을 구성합니다. GNSS는 지구상에서 시스템의 정확한 위치를 제공하고 IMU는 방향을 결정합니다. 이 시스템은 함께 매우 정확한 3D 위치를 제공합니다. 원자 시계 타이밍 를 GNSS 및 3D 방향에서 가져옵니다. 이를 흔히 INS(관성 내비게이션 시스템)라고 합니다.

또한 두 데이터 스트림을 지능적으로 결합하여 한 데이터 스트림을 다른 데이터 스트림과 지속적으로 확인함으로써 위치 및 방향을 더욱 정확하게 추정할 수 있습니다. 예를 들어 위성 신호에 장애물이 있을 경우 GNSS 데이터의 위치 출력에 큰 오차가 발생할 수 있지만, 이를 가속도계 데이터와 비교하여 INS는 가장 그럴듯한 궤적을 결정할 수 있습니다. 이러한 경우 또는 위성 신호가 전혀 보이지 않을 때는 IMU의 측정된 가속도를 사용하여 디바이스의 궤적을 추정할 수 있습니다. 이 방법은 GNSS를 사용할 때만큼 정확하지는 않지만 이러한 상황에서 적절한 임시방편이 될 수 있습니다.

An OXTS INS 예를 들어 GNSS 업데이트가 없으면 1분 동안 약 1미터의 드리프트가 발생할 수 있습니다. GNSS가 복구되면 실제 위치를 사용하고 캡처된 데이터를 후처리에서 개선하여 사실적인 궤적을 얻을 수 있습니다.

다른 계측기를 통합하고 데이터 스트림을 사용하여 다른 계측기를 확인할 수도 있습니다. 예를 들어, 휠스피드 센서는 모바일 매핑 애플리케이션에서 일반적으로 사용됩니다. 이 장치는 단순히 차량의 바퀴의 움직임을 측정하여 차량의 위치를 파악합니다. 이 경우 의사 속도가 측정됩니다. IMU와 마찬가지로 이 데이터 스트림은 GNSS 신호가 없을 때에도 사용할 수 있으므로 신호가 방해되거나 왜곡될 수 있는 숲이나 도심 지역과 같은 열악한 GNSS 환경에서 매우 유용하게 사용할 수 있습니다. 아래 비교 사진에서 한 지역은 GNSS 신호가 인위적으로 완전히 차단된 지역입니다.

포인트 클라우드의 색상은 불확실성을 나타내는 추정치이며, 파란색이 가장 정확도가 높고 그 다음이 연한 녹색, 노란색, 주황색은 정확도가 낮은 것을 나타내고 빨간색은 드리프트가 많은 가장 낮은 것을 나타냅니다. 첫 번째 사진에서는 대부분의 측량 결과가 빨간색으로 표시되어 정확도가 낮으며, 점 위치의 불확실성이 최대 0.5m에 달한다는 것을 알 수 있습니다. 그러나 동일한 프로세스를 사용했지만 휠 스피드 센서를 추가한 두 번째 사진에서는 가장 높은 수준의 정확도를 달성한 측량 비율이 더 높은 것을 볼 수 있습니다. 가까이서 보면 휠스피드가 포인트 클라우드의 일부가 거의 0.5미터 정도 이동하는 것을 방지하고 블러 현상이 현저히 줄어들어 상당한 개선이 이루어졌음을 알 수 있습니다. 따라서 휠스피드 센서는 이러한 환경에서 모바일 매핑 설정에 큰 도움이 됩니다.

앞서 언급했듯이 측량 데이터는 거리에 따라 전파되기 때문에 방향 데이터에 매우 민감합니다. 하지만 IMU와 측량 장치 사이에 또 다른 방향 오류의 원인이 있습니다. INS의 내비게이션 데이터와 LiDAR의 측량 데이터를 결합, 즉 지오레퍼런싱하려면 둘 사이의 공간 관계를 알아야 합니다. 각 3D 축을 따라 변위와 회전을 측정해야 합니다. 그리고 이 방향 오차는 포인트의 위치 오차에 영향을 미칩니다. 이 오차를 보어사이트 오정렬이라고 합니다.

안타깝게도 이러한 각도를 측량 등급 데이터에 필요한 정확도로 측정하는 것은 매우 어려울 수 있습니다. 예를 들어 CAD로 인쇄된 마운트를 사용하여 INS와 LiDAR를 알려진 방향과 변위로 단단히 묶는 등 여러 가지 방법을 사용할 수 있지만, 정확도는 0.5도 이상이어야 한다는 점을 기억하세요. OXTS에서 개발한 또 다른 방법은 데이터 기반 기술을 사용하여 각도를 보정하는 것입니다. 이 방법은 전적으로 소프트웨어로 수행되며 10분밖에 걸리지 않는 등 여러 가지 장점이 있습니다.

아래 다이어그램에서 방향 각도를 최대한 정확하게 잡는 것이 얼마나 중요한지 알 수 있습니다. 다른 관점에서 멀리서 보면 물체가 잘못된 위치에 나타나고 특히 프레임이 포인트 클라우드에서 함께 결합될 때 흐릿해지기 시작합니다. 안타깝게도 측량사는 INS와 라이다의 관계를 주의 깊게 측정하지 않고, 즉 장치를 단단히 장착해야만 하는 데이터 기반 보정 기술 없이 단순히 장치를 차량에 고정하고 측량할 수는 없습니다. 일부 반사 대상에 대한 짧은 측량을 수행하면 됩니다, OXTS 지오레퍼런서 는 상대적인 방향을 1도 단위의 점으로 보정할 수 있습니다.

INS는 IMU 및 GNSS 데이터를 사용하여 광범위한 진단 정보를 계산하고 데이터 출력의 불확실성을 추정할 수 있습니다. 이 정보는 측량사에게 매우 유용할 수 있습니다. OXTS는 일반적인 LiDAR의 정확도 사양과 INS에서 보고한 정확도를 결합한 공식을 사용하여 포인트 클라우드의 모든 포인트 위치의 불확실성 추정치를 계산합니다. 이 값은 OXTS 지오레퍼런서를 사용할 때 자동으로 생성되며, 포인트 클라우드 보기 소프트웨어에서 데이터를 보고 분석할 수 있도록 스칼라 필드에 값으로 채워집니다. 이를 통해 사용자는 재측량이 필요한 위치를 정확하게 확인할 수 있습니다. 주황색 또는 빨간색 포인트를 확인함으로써 측량 방법론을 개선할 수 있는 영역을 파악할 수 있습니다.

예를 들어 도로 측량 과 같이 표시됩니다. 차량이 수목선 아래로 이동하고 위성 신호가 끊기기 시작하자 INS 위치가 표류하기 시작하여 연한 녹색으로 바뀌었다가 GNSS 시야를 되찾으면서 노란색과 주황색 점으로 바뀌었습니다. 측량자는 이곳이 중요한 지역이므로 재측량이 필요하다고 판단할 수 있습니다. 차량을 도로의 반대 방향으로 주행하여 해당 지역의 정확도가 높은 포인트를 측량함으로써 측량을 간단히 개선할 수 있습니다.

또는 측량자가 부정확한 포인트를 간단히 제거할 수도 있습니다. 이러한 값은 GPS 시간이나 강도와 같은 스칼라 필드에 저장되므로 모든 포인트 클라우드 보기 소프트웨어나 OXTS Georeferencer 자체에서 쉽게 제거할 수 있습니다. OXTS Georeferencer는 사용자가 정확한 위치 불확실성을 선택하여 아래에서 포인트를 처리하지 않을 수 있는 기능을 제공합니다. 예를 들어, 5센티미터 이상의 지점만 알고 싶은 경우. 이는 추정치일 뿐이며 특정 라이다 유형 및/또는 하드웨어 설정의 오류는 추가적인 요소가 될 수 있습니다.