포인트 cloud 환경의 모양과 구조를 나타내는 3D 포인트의 집합을 말합니다. 이러한 포인트는 일반적으로 LiDAR 또는 3D 스캐닝 시스템에서 생성되며, 각 포인트에는 공간 좌표(X, Y, Z)와 함께 강도나 색상과 같은 추가 속성이 포함되기도 합니다. LiDAR 센서가 원시 공간 데이터를 캡처하는 동안, 매 순간 센서의 정확한 위치와 방향을 제공하는 것은 관성 항법 시스템(INS) 입니다. 각 지점을 글로벌 기준 프레임에 정확하게 배치하려면 시스템이 각 측정 시 스캐너의 위치와 방향을 정확히 알아야 하기 때문에 이는 매우 중요합니다.
가속도계와 자이로스코프(그리고 종종 GNSS 수신기)의 데이터를 결합하는 INS 항공기, 차량, 드론, 선박 등 플랫폼의 동작을 지속적으로 추적합니다. LiDAR는 초당 수백만 개의 포인트를 캡처하는 동시에 INS 실시간 위치 및 자세 정보를 제공하여 시스템이 각 포인트를 정확하게 측지할 수 있도록 합니다. 이 과정을 통해 매우 정확하고 공간적으로 일관된 포인트 cloud 생성됩니다.
관성 데이터를 LiDAR와 통합함으로써 사용자는 GNSS가 제공되지 않는 지역이나 빠른 움직임 중에도 복잡한 환경에 대한 상세한 3D 표현을 생성할 수 있습니다. 이는 모바일 매핑, 정밀 매핑 자율 주행 및 환경 모델링에서 특히 중요합니다. 예를 들어, INS 라이다를 장착한 UAV는 험준하거나 외진 지형 위를 비행할 때에도 센티미터 수준의 정확도로 숲 캐노피나 전선 통로를 매핑할 수 있습니다.
마찬가지로, 모바일 매핑 차량은 INS 통해 도시 환경을 실시간으로 스캔하고 속도, 방향 또는 지형의 변화에 관계없이 결과 포인트 cloud 일관성과 정렬 상태를 유지할 수 있습니다.
LiDAR 또는 이미징 시스템은 포인트 클라우드를 어떻게 생성하나요?
포인트 cloud 3D 공간에서 개별 포인트의 밀집된 집합을 캡처하여 물체나 환경의 표면을 표현하는 방식으로 작동합니다. cloud 각 점에는 위치를 정의하는 공간 좌표 X, Y, Z가 있습니다.
LiDAR (광 감지 및 거리 측정) 또는 3D 카메라와 같은 센서는 일반적으로 레이저 펄스로 주변을 스캔하거나 스테레오 이미징을 사용하여 표면까지의 거리를 측정하여 이러한 점을 생성합니다. 센서가 데이터를 수집하면서 신호가 돌아오는 데 걸리는 시간을 계산하여 공간에서 각 지점의 정확한 위치를 파악할 수 있습니다.
센서가 차량, UAV 또는 핸드헬드 디바이스에서 움직이면 다양한 각도에서 새로운 데이터 포인트를 지속적으로 수집합니다. 시스템은 각 포인트의 타임스탬프를 기록하고 캡처 시점의 센서 위치와 방향을 사용하여 정확한 3D 모델을 재구성합니다.
이때 관성 항법 시스템INS 또는 INS 통합이 필요합니다. 이 시스템은 센서의 움직임을 실시간으로 추적하여 포인트 cloud 데이터를 측지하고 실제 좌표계에 정확하게 정렬할 수 있습니다.
캡처 및 처리된 포인트 cloud 스캔한 환경의 풍부하고 상세한 디지털 복제본을 제공하며, 사용자는 이러한 데이터 세트를 적용하여 3D 지도를 만들고, 측정을 수행하고, 건물과 지형을 모델링하고, 구조 변화를 분석하고, 자율 시스템에서 내비게이션을 활성화할 수 있습니다. 포인트 cloud 밀도가 높을수록 결과 3D 모델이 더 상세하고 정확해집니다.
기본적으로 포인트 클라우드는 레이저 또는 이미징 측정값과 실시간 위치 데이터를 결합하여 상세하고 공간적으로 정확한 3D 세계관을 생성하는 방식으로 작동합니다.