포인트 클라우드는 환경의 형상과 구조를 나타내는 3D 포인트들의 집합을 의미합니다. 이러한 포인트들은 일반적으로 LiDAR 또는 3D 스캐닝 시스템에 의해 생성되며, 각 포인트는 공간 좌표(X, Y, Z)를 포함하고 때로는 강도 또는 색상과 같은 추가 속성을 가집니다. LiDAR 센서가 원시 공간 데이터를 캡처하는 동안, 센서의 정확한 위치와 방향을 매 순간 제공하는 것은 관성 항법 시스템(INS)입니다. 이는 각 포인트를 전역 참조 프레임에 정확하게 배치하기 위해 시스템이 각 측정 시 스캐너의 정확한 위치와 방향을 알아야 하므로 매우 중요합니다.
가속도계와 자이로스코프(그리고 종종 GNSS 수신기)의 데이터를 결합하는 INS는 항공기, 차량, 드론 또는 선박 등 플랫폼의 움직임을 지속적으로 추적합니다. LiDAR는 초당 수백만 개의 포인트를 캡처하는 동시에, INS는 실시간 위치 및 자세 정보를 제공하여 시스템이 각 포인트를 정확하게 지리 참조(georeference)할 수 있도록 합니다. 이 과정은 매우 정확하고 공간적으로 일관된 포인트 클라우드를 생성합니다.
관성 데이터를 LiDAR와 통합함으로써, 사용자는 GNSS 신호가 없는 지역이나 빠른 움직임 중에도 복잡한 환경의 상세한 3D 표현을 생성할 수 있습니다. 이는 모바일 매핑, 정밀 측량, 자율 항법 및 환경 모델링에서 특히 중요합니다. 예를 들어, INS와 LiDAR를 장착한 UAV는 험준하거나 외딴 지형 위를 비행할 때도 센티미터 수준의 정확도로 숲 캐노피 또는 전력선 통로를 매핑할 수 있습니다.
마찬가지로, 모바일 매핑 차량은 실시간으로 도시 환경을 스캔할 수 있으며, INS는 속도, 방향 또는 지형 변화에도 불구하고 결과 포인트 클라우드가 일관되고 정렬된 상태를 유지하도록 보장합니다.
LiDAR 또는 이미징 시스템은 어떻게 포인트 클라우드를 생성합니까?
포인트 클라우드는 3D 공간에서 개별 점들의 밀집된 집합을 캡처하여 객체나 환경의 표면을 나타내는 방식으로 작동합니다. 클라우드 내의 각 점은 X, Y, Z 공간 좌표를 가지며, 이는 해당 점의 위치를 정의합니다.
LiDAR (Light Detection and Ranging) 또는 3D 카메라와 같은 센서는 일반적으로 레이저 Pulse를 사용하여 주변을 스캔하거나 스테레오 이미징을 사용하여 표면까지의 거리를 측정함으로써 이러한 점들을 생성합니다. 센서가 데이터를 수집함에 따라, 신호가 돌아오는 데 걸리는 시간을 계산하여 공간 내 각 점의 정확한 위치를 결정할 수 있습니다.
센서가 차량, UAV 또는 휴대용 장치에서 이동할 때, 다양한 각도에서 새로운 데이터 점들을 지속적으로 수집합니다. 시스템은 각 점의 타임스탬프를 기록하고 캡처 순간의 센서 위치와 자세를 사용하여 정확한 3D 모델을 재구성합니다.
바로 이 지점에서 관성 항법 시스템 (INS) 또는 GNSS/INS 통합이 중요해집니다. 시스템은 센서의 움직임을 실시간으로 추적하여 포인트 클라우드 데이터를 지리 참조하고 실제 좌표계와 정확하게 정렬할 수 있도록 합니다.
캡처 및 처리된 포인트 클라우드는 스캔된 환경의 풍부하고 상세한 디지털 복제본을 제공합니다. 사용자는 이러한 데이터 세트를 활용하여 3D 지도를 생성하고, 측정을 수행하며, 건물과 지형을 모델링하고, 구조적 변화를 분석하고, 자율 시스템에서 내비게이션을 가능하게 할 수 있습니다. 포인트 클라우드가 밀집될수록 결과적인 3D 모델은 더욱 상세하고 정확해집니다.
본질적으로 포인트 클라우드는 레이저 또는 이미징 측정과 실시간 위치 결정 데이터를 결합하여 세상의 상세하고 공간적으로 정확한 3D 뷰를 생성합니다.
