포인트 클라우드는 기본적으로 단순한 구조입니다. 3D 공간에 있는 점들의 집합으로, 각 점에는 데카르트 방식으로 좌표가 지정됩니다. 포인트에 다른 속성을 부여할 수도 있으며, 종종 이러한 속성은 포인트가 어떻게 획득되었는지를 나타냅니다.
예를 들어 데이터를 수집한 측량 디바이스에서 '본' 시간이 포함될 수 있습니다. 포인트의 강도나 위치 오차도 포함될 수 있습니다. 측량을 수행한 후 포인트 클라우드에는 약 1억 개의 포인트가 포함되는 경우가 많습니다. 사진측량 기법을 사용하여 사진을 포인트 클라우드 위에 겹쳐서 3D 사진을 구축할 수도 있습니다.
포인트 클라우드 데이터를 수집하는 주요 방법은 포인트 클라우드 데이터를 수집하는 주요 방법은 LiDAR. LiDAR는 장치에서 빛을 내보내 물체에서 반사된다는 점에서 레이더와 유사한 방식으로 작동하는 기술입니다. 라디오는 큰 파장의 전파를 사용하고 LiDAR는 높은 정밀도를 위해 작은 파장의 레이저를 사용한다는 차이점이 있습니다.
빛이 장치로 돌아오는 시간을 빛의 속도와 함께 사용하여 거리를 계산합니다. 일반적으로 LiDAR 장치에는 수직 각도는 고정되어 있지만 수평면에서 회전하는 레이저가 포함되어 있습니다. 장치는 내부적으로 레이저가 수직으로 향하고 있는 각도와 방위각을 알고 있습니다. 이를 통해 장치는 물체에서 점의 위치를 3D 구형 좌표로 제공합니다. 내부의 레이저는 초당 수천 개의 포인트를 생성합니다. 위에서 언급한 강도는 반사된 빔의 강도이며 물체의 반사율을 나타냅니다.
포인트 클라우드는 어떤 용도로 사용되나요?
포인트 클라우드를 사용할 수 있는 애플리케이션은 매우 다양합니다. 로봇과 자율 주행 컴퓨터가 주변 환경을 이해하고 탐색할 수 있도록 실시간으로 점점 더 많이 사용되고 있습니다. 포인트 클라우드 측량 중에 생성된 데이터는 다른 자동차, 도로 표지판, 차선 표시와 같은 표면과 물체를 인식하고 식별하는 데 유용합니다.
OxTS 는 기본적으로 자동차 제조업체가 자율주행차 개발 시 필요한 내비게이션 데이터와 측량에 사용할 포인트 클라우드 생성에 필요한 LiDAR 데이터를 확보하는 데 관여합니다.
거리와 부피는 포인트 클라우드 분석 소프트웨어를 사용하여 쉽게 계산할 수 있으며, 강도는 다양한 재료를 식별하는 데 도움이 될 수 있습니다. LiDAR가 제공하는 또 다른 기능은 다중 복귀입니다. 이를 통해 단면이 유한한 레이저 펄스가 여러 표면에서 반사되어 동일한 펄스로부터 여러 점을 얻을 수 있습니다. 이는 특히 창문을 볼 때와 창문을 통해 볼 때 모두 유용하며, UAV로 비행할 때 나무 꼭대기와 땅을 보는 등 무수히 많은 다른 용도로도 사용할 수 있습니다. LiDAR 포인트 클라우드 측량을 통해 눈의 깊이를 확인할 수도 있습니다. LiDAR가 눈의 최상층을 볼 수 있다면 그 아래 지면에서 또 다른 강한 반사를 얻을 수 있어 사용자가 깊이를 계산할 수 있습니다.
포인트 클라우드 측량
조직은 다양한 이유로 포인트 클라우드 데이터를 수집하고자 합니다. 라이더가 상업적으로 실용화된 이후, 라이더는 인프라 및 식생 모니터링이나 자율주행을 위한 지도 구축과 같은 작업을 수행할 새롭고 혁신적인 방법을 찾는 측량사에게 유용한 도구가 되었습니다.
그러나 LiDAR를 사용하여 포인트 클라우드 측량을 수행하려면 다른 센서가 필요합니다. LiDAR 자체만으로는 사용자에게 주변 환경에 대한 디지털 사진을 제공할 수 있지만, LiDAR가 범위를 벗어나면 전달되는 사진은 더 이상 존재하지 않게 됩니다.
나중에 저장하고 검토할 수 있는 보다 영구적인 사진을 구축하려면 LiDAR에서 방출되는 광선을 다음과 같이 설정해야 합니다. 지오레퍼런스 위치 및 관성 데이터로 지오레퍼런스화해야 합니다. GNSS/INS.
OxTS GNSS/INS 장치는 이를 위해 정확한 위치 및 관성 측정 데이터를 생성합니다. 사용 사례에 따라 여러 가지 모델을 사용할 수 있습니다. 가장 정확한 OxTS GNSS/INS인 RT3000 v4 는 정확도가 필수인 애플리케이션에 사용되며, 반면 xNAV650 는 SwaP 제약이 있는 애플리케이션에 적합합니다. 또한 xRED3000 보드 세트도 있습니다. 모든 디바이스는 OxTS 지오레퍼런스 및 보어사이트 보정 도구와 호환됩니다, OxTS GeoreferencerOxTS 고객은 OxTS Georeferencer 을 사용하여 GNSS/INS 데이터와 LiDAR 데이터를 결합하여 지오레퍼런스 3D 포인트 클라우드를 생성합니다.
포인트 클라우드는 누가 사용하나요?
포인트 클라우드 데이터는 많은 업계 워크플로우에서 중요한 부분이 되었습니다. 사용자가 반복적으로 사용할 수 있는 정확하고 실행 가능한 데이터를 제공하기 때문입니다. 포인트 클라우드 데이터의 사용 사례는 거의 무궁무진하지만, 일부 산업에서는 포인트 클라우드 데이터가 다른 산업보다 더 널리 사용되고 있습니다. 예를 들어
건설 회사
건설 회사는 프로젝트의 수명 주기 전반에 걸쳐 포인트 클라우드 데이터를 사용합니다. 프로젝트 초기에는 현장 측량, 프로젝트 계획, 프로젝트 비용 예측에 LiDAR 데이터를 활용할 수 있습니다. 또한 건설 산업은 규제가 엄격하기 때문에 모든 건축 작업이 계획된 설계와 최대한 일치하는 것이 중요합니다. 포인트 클라우드 데이터는 이를 보장하는 데 중요한 역할을 할 수 있습니다.
토목 엔지니어
라이다는 한동안 토목 공학에 사용되어 왔습니다. 토목 공학 프로젝트에서는 특히 프로젝트 초기에 정확도가 중요합니다. 새 프로젝트에서 LiDAR 포인트 클라우드를 사용하여 지형을 매핑하면 인공 또는 자연 지형 중 제거해야 할 지형을 분석하는 데 도움이 됩니다. 스캔이 정확하면 현장을 다시 방문할 필요가 없으며 원격으로 데이터를 반복적으로 분석할 수 있습니다.
포인트 클라우드 데이터는 프로젝트 초기에 발생할 수 있는 수리 및 유지 관리 문제를 분석하여 프로젝트가 일정에 맞게 유지되도록 하는 데에도 사용할 수 있습니다.
건축가
건축 분야에서 기술은 가능성의 한계를 계속 넓혀가고 있으며, 이러한 변화에서 LiDAR는 중요한 역할을 하고 있습니다. LiDAR 스캐너로 수집한 포인트 클라우드 데이터는 건축가에게 프로젝트에 대한 상세한 공간 정보를 제공합니다. 전통적으로 건축 측량은 수작업으로 이루어졌지만, LiDAR를 사용하면 건축가는 짧은 시간 안에 방대한 양의 데이터를 수집할 수 있습니다.
또한 포인트 클라우드 데이터는 매우 정밀하기 때문에 건축가가 보다 정확한 설계 도면을 제작할 수 있습니다. 또한 오류의 양을 줄여 수익성을 개선하고 프로젝트 완료에 걸리는 시간을 단축하는 데 도움이 됩니다.
포인트 클라우드는 어떤 형식으로 제공되나요?
OxTS 에서는 무인 자동차 및 작업 차량 개발, 해안 및 산림 관리, 인프라 모니터링(표지판, 배수구, 교량, 노면, 철도 등), 도시 3D 모델 생성, 파이프라인 탐사 등에 LiDAR 포인트 클라우드가 사용되는 것을 볼 수 있습니다. 최종 결과물은 단순한 파일 형식이지만 그 가능성은 무궁무진하며, 포인트 클라우드를 사용하는 새로운 애플리케이션이 계속 등장하고 있습니다.
앞서 언급했듯이 OxTS Georeferencer 은 OxTS 에서 자체 개발한 소프트웨어 도구로, GNSS/INS와 LiDAR 데이터를 동적으로 결합하여 지리적으로 참조된 3D 포인트 클라우드를 생성합니다. 데이터는 .LAS, .LAZ, PCD 등 여러 형식으로 내보낼 수 있습니다. 그런 다음 다양한 타사 포인트 클라우드 뷰어 소프트웨어 애플리케이션에서 데이터를 볼 수 있습니다.
현존하는 포인트 클라우드 형식은 .LAS, .LAZ, PCD만이 아닙니다. 포인트 클라우드 데이터는 ASCII(XYZ, OBJ, PTX(라이카), ASC) 및 바이너리(FLS(파로), PCD, LAS) 등 다양한 형식으로 내보낼 수 있습니다.
정확한 위치의 포인트 클라우드
라이다 센서로 모바일 매핑 차량을 설계할 때 가장 중요하게 고려해야 할 사항은 아마도 로컬라이제이션 소스일 것입니다. 센서 데이터를 지구상의 물리적 위치에 정확하게 위치 기준할 수 있어야 합니다. 측위 데이터가 정확할수록 포인트 클라우드도 더 정확해집니다.
이 솔루션에서는 모바일 매핑 차량의 로컬라이제이션 소스를 결정할 때 고객이 고려해야 할 사항을 간략하게 설명합니다.
솔루션 개요 읽기 를 읽고 OxTS GNSS/INS가 적합한 옵션이 될 수 있는 이유를 알아보세요.
