지진, 산사태와 같은 재난사고현장에서 조사업무는 시설물 붕괴 등 2차 재난 피해가 발생할 수 있어 많은 위험이 따른다. 이처럼 조사자가 직접 접근하기 힘든 재난현장에서 라이다(light detection and ranging, LiDAR)가 탑재된 드론 측량시스템을 통해 고정밀의 3차원 재난정보를 안전하게 취득할 수 있는 방법을 강구할 수 있다. 이에 본 연구에서는 2023년 4월 성남시 분당구의 정자교 붕괴사고 현장을 대상으로 드론 LiDAR의 재난 현장에서의 활용 가능성을 확인하였다. 이를 위해 사고 교량에 대한 고밀도 포인트 클라우드를 수집하고, 사고 교량을 3차원 지형정보로 복원하여 10점의 지상기준점 측량 성과와 비교하였다. 그 결과, 수평방향으로의 root mean square error (RMSE)는 0.032 m, 수직방향으로 0.055 m로 확인되었다. 또한, 지상 LiDAR를 통해 같은 대상지를 측량하여 생성한 포인트 클라우드와 비교한 결과, 수직방향으로 약 0.08 m가량의 오차가 발생하였지만 전체적인 형상은 큰 차이가 없을 뿐만 아니라 전체적인 데이터 취득과 자료 처리 시간 측면에서 드론 LiDAR가 지상 LiDAR보다 효율적임을 확인할 수 있었다. 따라서 많은 위험이 따르는 재난현장에서 드론 LiDAR의 활용을 통해 안전하고 신속한 현장 조사가 가능할 것으로 판단된다.
지진, 산사태와 같은 재난사고현장에서 조사업무는 시설물 붕괴 등 2차 재난 피해가 발생할 수 있어 많은 위험이 따른다. 이처럼 조사자가 직접 접근하기 힘든 재난현장에서 라이다(light detection and ranging, LiDAR)가 탑재된 드론 측량시스템을 통해 고정밀의 3차원 재난정보를 안전하게 취득할 수 있는 방법을 강구할 수 있다. 이에 본 연구에서는 2023년 4월 성남시 분당구의 정자교 붕괴사고 현장을 대상으로 드론 LiDAR의 재난 현장에서의 활용 가능성을 확인하였다. 이를 위해 사고 교량에 대한 고밀도 포인트 클라우드를 수집하고, 사고 교량을 3차원 지형정보로 복원하여 10점의 지상기준점 측량 성과와 비교하였다. 그 결과, 수평방향으로의 root mean square error (RMSE)는 0.032 m, 수직방향으로 0.055 m로 확인되었다. 또한, 지상 LiDAR를 통해 같은 대상지를 측량하여 생성한 포인트 클라우드와 비교한 결과, 수직방향으로 약 0.08 m가량의 오차가 발생하였지만 전체적인 형상은 큰 차이가 없을 뿐만 아니라 전체적인 데이터 취득과 자료 처리 시간 측면에서 드론 LiDAR가 지상 LiDAR보다 효율적임을 확인할 수 있었다. 따라서 많은 위험이 따르는 재난현장에서 드론 LiDAR의 활용을 통해 안전하고 신속한 현장 조사가 가능할 것으로 판단된다.
Investigating disaster sites such as earthquakes and landslides involves significant risks due to potential secondary disasters like facility collapse. In situations where direct access is challenging, there is a need to develop methods for safely acquiring high-precision 3D disaster information usi...
Investigating disaster sites such as earthquakes and landslides involves significant risks due to potential secondary disasters like facility collapse. In situations where direct access is challenging, there is a need to develop methods for safely acquiring high-precision 3D disaster information using light detection and ranging (LiDAR) equipped drone survey systems. In this study, the feasibility of using drone LiDAR in disaster scenarios was examined, focusing on the collapse accident at Jeongja Bridge in Bundang-gu, Seongnam City, in April 2023. High-density point clouds for the accident bridge were collected, and the bridge's 3D terrain information was reconstructed and compared to the measurement performance of 10 ground control points. The results showed horizontal and vertical root mean square error values of 0.032 m and 0.055 m, respectively. Additionally, when compared to a point cloud generated using ground LiDAR for the same target area, a vertical difference of approximately 0.08 m was observed, but overall shapes showed minimal discrepancies. Moreover, in terms of overall data acquisition and processing time, drone LiDAR was found to be more efficient than ground LiDAR. Therefore, the use of drone LiDAR in disaster sites with significant risks allows for safe and rapid onsite investigations.
Investigating disaster sites such as earthquakes and landslides involves significant risks due to potential secondary disasters like facility collapse. In situations where direct access is challenging, there is a need to develop methods for safely acquiring high-precision 3D disaster information using light detection and ranging (LiDAR) equipped drone survey systems. In this study, the feasibility of using drone LiDAR in disaster scenarios was examined, focusing on the collapse accident at Jeongja Bridge in Bundang-gu, Seongnam City, in April 2023. High-density point clouds for the accident bridge were collected, and the bridge's 3D terrain information was reconstructed and compared to the measurement performance of 10 ground control points. The results showed horizontal and vertical root mean square error values of 0.032 m and 0.055 m, respectively. Additionally, when compared to a point cloud generated using ground LiDAR for the same target area, a vertical difference of approximately 0.08 m was observed, but overall shapes showed minimal discrepancies. Moreover, in terms of overall data acquisition and processing time, drone LiDAR was found to be more efficient than ground LiDAR. Therefore, the use of drone LiDAR in disaster sites with significant risks allows for safe and rapid onsite investigations.
둘째, 드론 LiDAR와 기준자료로 지상 LiDAR의 포인트 클라우드의 점밀도와 위치 정확도를 비교하였다. 생성 포인트는 약 7.
드론은 교량에 근접하여 수동으로 데이터를 취득하였으며, 약 18분간 비행하였다. 취득한 데이터를 전용 SW인 DJI TERRA로 데이터 처리를 수행하여 Fig.
정자교는 캔틸레버 구조의 보도부 부분이 떨어져 나가면서 인명피해가 발생한 붕괴사고로, 국토안전관리원 사고조사위원회의 사고조사 결과보고서에서는 교면 포장 직하부의 콘크리트와 캔틸레버부 인장철근 사이의 부착력 상실이 붕괴의 직접적인 원인으로 판단하였다. 본 연구에서는 드론 LiDAR를 활용하여 붕괴사고 교량의 현황 측량을 실시하였다.
2023년 4월 성남시 분당구의 정자교에서 캔틸레버(cantilever) 구조의 보도부의 일부가 붕괴되는 사고가 발생하여 인명피해까지 발생하였다. 본 연구에서는 드론 LiDAR를 활용하여 붕괴사고가 발생한 교량을 측량하였고, 취득한 데이터를 처리과정을 거쳐 포인트 클라우드를 생성하였다. 생성한 포인트 클라우드의 정확도를 확인하기 위해 10개의 지상기준점을 설치하였고 그 성과와 비교하였다.
연구에 활용한 LiDAR와 카메라는 두 센서 간의 시스템 캘리브레이션이 수행된 플랫폼이지만 스캔 현장의 상태에 따라 영상이 포인트 클라우드에 정확하게 정합 되지 않는 경우가 발생한다. 이런 경우, 영상-포인트 클라우드 이종 데이터간 수동정합을 통해 정확하게 자료를 융합(geo-referencing)하는 작업을 수행했으며, 이후 전체 포인트 클라우드에서 발생한 노이즈 제거 및 관심영역 추출을 통해 데이터를 정제하여 드론 LiDAR 데이터 검증의 기준으로 활용하였다.
데이터 취득을 위해 활용한 드론은 DJI Matrice 300 RTK로 실시간 위치 정보를 포함한 포인트 클라우드의 취득이 가능하다. 이에 사전에 설치한 10개의 지상기준점의 좌표를 통해 드론 LiDAR의 위치 정확도를 확인하였다. Table 3은 검사점 10개에 대해 Trimble R10을 통해 취득한 좌표 데이터와 드론 LiDAR를 통해 생성한 포인트 클라우드의 좌표를 비교한 것이다.
전체 포인트 클라우드 중 붕괴사고가 발생한 교량에 대한 포인트 클라우드만 추출하였으며, 각 시설물의 재질 등에 따라 발생한 노이즈를 제거하여 붕괴가 발생한 지점을 실제 영상과 비교하였다. Fig.
취득한 드론 LiDAR의 포인트 클라우드의 현장 활용가능성을 확인하기 위해 Regle VZ-2000 지상 LiDAR 측량성과를 기준 자료로 하여 정확도를 비교하였다. VZ2000은 RGB 영상정보를 수집할 수 있는 Nikon D800 카메라와 스캐닝 대상체에 절대좌표를 취득하는 Trimble R10으로 구성되어 있으며(Fig.
대상 데이터
드론의 세부적인 사양은 Table 1과 같다. 본 모델은 자체적으로 위치정보를 취득할 수 있는 RTK 모델로서 RTK 포지셔닝 정확도가 수평 1 cm + 1 ppm, 수직 1.5 cm + 1 ppm이다.
때문에 2지점 이상의 스캔 지점을 정합하는 과정을 통해 결측 구간을 보완하여야 한다. 본 연구에서는 교량의 전체적인 교량을 스캔하기 위해 13개의 스캔 지점을 선정하였고 각 지점의 위치는 Fig. 3과 같다.
본 연구의 대상지는 2023년 4월에 발생한 성남시 분당구 정자교 붕괴사고현장이다. 정자교는 1993년에 건설된 교각으로 캔틸레버 구조의 교량이다.
1)는 쿼드콥터(quadcopter)기체로 GPS 및 IMU가 탑재되어 있어 수동뿐만 아니라 자동비행 임무 수행이 가능하다. 이 기체에 LiDAR 센서인 Zenmuse L1을 탑재하여 교량을 측량하였다. 드론의 세부적인 사양은 Table 1과 같다.
LiDAR의 거리측정 정확도는 3 cm @ 100 m로 최대 반사 3회, 레이저 안전 1등급의 사양을 갖추고 있다. 이러한 Zenmuse L1을 활용하여 교량의 전체적인 모습을 측량하기 위해 약 18분정도 수동비행을 실시하였으며, 취득한 데이터는 전용 SW인 DJI TERRA를 사용하여 3차원 포인트 클라우드를 생성하였다.
본 연구의 대상지는 2023년 4월에 발생한 성남시 분당구 정자교 붕괴사고현장이다. 정자교는 1993년에 건설된 교각으로 캔틸레버 구조의 교량이다. 중앙의 도로부를 두고 양 쪽으로 캔틸레버 구조의 보도부로 형성되어 있다.
드론 LiDAR의 활용 가능성을 확인하기 위해 지상 LiDAR의 포인트 클라우드와 비교를 수행하였다. 지상 LiDAR로 취득한 데이터 역시 교량을 제외한 데이터 및 노이즈 제거를 수행하여 교량의 포인트 클라우드를 추출하였다. 생성된 포인트 클라우드를 Table 4와 같이 설치하였던 10개의 지상기준점 중에서 지상 LiDAR의 포인트 클라우드에서 확인이 가능한 5개의 검사점 성과와 비교한 것이다.
데이터처리
드론 LiDAR의 활용 가능성을 확인하기 위해 지상 LiDAR의 포인트 클라우드와 비교를 수행하였다. 지상 LiDAR로 취득한 데이터 역시 교량을 제외한 데이터 및 노이즈 제거를 수행하여 교량의 포인트 클라우드를 추출하였다.
본 연구에서는 드론 LiDAR를 활용하여 붕괴사고가 발생한 교량을 측량하였고, 취득한 데이터를 처리과정을 거쳐 포인트 클라우드를 생성하였다. 생성한 포인트 클라우드의 정확도를 확인하기 위해 10개의 지상기준점을 설치하였고 그 성과와 비교하였다. 또한, 지상 LiDAR로 생성한 포인트 클라우드와 비교하여 드론 LiDAR가 재난현장에서의 활용 가능성을 확인하고자 한다.
드론은 교량에 근접하여 수동으로 데이터를 취득하였으며, 약 18분간 비행하였다. 취득한 데이터를 전용 SW인 DJI TERRA로 데이터 처리를 수행하여 Fig. 4와 같이 붕괴사고 교량의 포인트 클라우드를 생성하였다.
이론/모형
LiDAR 데이터의 처리는 VZ-2000의 전용 SW인 Riscan Pro를 활용하였다. LiDAR 스캔과 함께 취득된 영상정보를 통해 점군에 RGB 값을 적용하여 붕괴 이후 교량의 현황을 그대로 재현할 수 있다.
성능/효과
교량을 구성하는 전체 포인트 클라우드의 포인트 수는 지상 LiDAR 97,289,737점, 드론 LiDAR의 12,583,644점으로 약 7.7배 차이가 있었다. 그리고 교량 상단 부분인 도로 부분의 포인트 클라우드를 추출하였을 때 지상 LiDAR는 27,163,742점, 드론 LiDAR는 8,420,684점으로 약 3.
7배 차이가 있었다. 그리고 교량 상단 부분인 도로 부분의 포인트 클라우드를 추출하였을 때 지상 LiDAR는 27,163,742점, 드론 LiDAR는 8,420,684점으로 약 3.2배의 차이가 확인되어 드론 LiDAR의 데이터의 약 67%가 교량의 상단 부분에 분포되어 있는 것을 확인할 수 있었다.
데이터 취득을 위해 활용한 드론은 DJI Matrice 300 RTK로 실시간 위치 정보를 포함한 포인트 클라우드의 취득이 가능하다. 이에 사전에 설치한 10개의 지상기준점의 좌표를 통해 드론 LiDAR의 위치 정확도를 확인하였다.
따라서 재난현장에서 드론 LiDAR의 활용 가능성을 확인하기 위해 실제 붕괴사고 교량에 드론LiDAR 측량을 수행한 결과, 드론 LiDAR를 통해 생성한 포인트 클라우드가 재난현장조사에 활용할 수 있는 수준의 위치정확도가 확보됨을 알 수 있었다. 또한, 드론 LiDAR의 데이터 취득 및 자료처리 시간 고려할 때 위험성이 높아 현장 진입 제약이많은 재난현장에서 활용성이 기대되며, 재난현장에 따라 드론 LiDAR와 지상 LiDAR 포인트 클라우드의 융합을 통해 데이터의 상호 보완이 된 데이터를 활용하게 된다면 더욱 효율적인 재난현장조사가 이루어질 것으로 예상된다.
그림에서 확인할 수 있듯이 그림의 좌측 상단 부분이 가장 높고 우측 하단이 낮은 것을 확인 할 수 있다. 또한, 경사 분석에서는 지상 LiDAR와 드론 LiDAR가 같은 결과를 나타내는 것을 확인할 수 있었다. 포인트 클라우드의 밀도는 다르지만 모델링의 경우 부족한 포인트를 보간처리하기 때문에 포인트의 밀도가 조금 낮더라도 같은 결과를 나타낼 수 있는 것으로 판단된다.
양쪽의 두 데이터의 형상을 보면 두 데이터 간에 수직 오차가 약 8–10 cm 값의 차이가 발생하였고, 교량 끝부분의 형상은 일치하는 것으로 확인되었다. 또한, 두 데이터의 양쪽 인도 끝부분 사이의 길이가 지상 LiDAR에서 A영역 26.076 m, B영역 22.705 m이며, 드론 LiDAR에서는 A영역 26.063 m, B영역 22.688 m로 근소한 차이가 있음을 확인하였다.
7배의 차이를 보였고, 교량의 단면에서는 Z 값의 차이 외에는 같은 형상을 나타내었다. 또한, 붕괴지점부의 포인트 클라우드와 교량 도로부의 경사도 분석결과에서는 형상 및 결과가 동일한 것으로 나타났으며, 두 장비의 데이터 취득 및 처리 시간에서는 드론 LiDAR가 매우 적은 시간이 소요된 것으로 확인되었다.
드론 LiDAR의 강점은 현장에서 실시간으로 데이터의 취득한다는 것이다. 본 연구에서 확인한 드론 LiDAR의 포인트 클라우드를 생성하기 위해 수동 비행시간은 약 18분, SW에서 데이터를 활용하기 위한 처리시간은 약 10분 미만이다. 그에 반해 정밀한 포인트의 밀도를 갖는 지상 LiDAR의 포인트 클라우드를 생성하기 위해 13지점에서 한 스캔 지점당 약 10분으로 총 스캔 소요시간은 2시간 10분 정도이며, 장비를 옮기고 배치하는 시간까지 고려하면 그 이상이 소요되었다.
055 m로 나타났다. 전체적으로 수평 방향보다는 수직방향으로 차이가 크게 나타났으며, 수직으로 표준편차는 0.018 m로 드론 LiDAR의 포인트 클라우드가 전체적으로 균일한 오차를 갖는 것으로 확인되었다.
10은 교량의 붕괴 부분의 두 포인트 클라우드를 나타낸 것이다. 지상 LiDAR의 포인트가 더욱 밀집되어 있어 선명한 것을 확인할 수 있으며, 드론 LiDAR의 포인트 클라우드에서도 붕괴 지점의 형상을 확인할 수 있었다.
첫째, 드론 LiDAR로 생성한 3차원 교량 점군 데이터의 위치 정확도를 확인하기 위해 10개의 지상기준점의 좌표를 비교한 결과, RMSE가 수평방향으로 0.032 m, 수직방향으로 0.055 m로 확인되었다.
후속연구
또한, 데이터 분석을 위한 처리과정에서도 영상과 점군의 정합, 스캔지점끼리의 정합 등의 시간이 소요된다. 때문에 많은 위험으로 인해 제약이 많은 재난현장에서 빠르게 재난현장 상황판단이 필요할 때 드론 LiDAR의 활용이 효율적일 것으로 판단된다.
따라서 재난현장에서 드론 LiDAR의 활용 가능성을 확인하기 위해 실제 붕괴사고 교량에 드론LiDAR 측량을 수행한 결과, 드론 LiDAR를 통해 생성한 포인트 클라우드가 재난현장조사에 활용할 수 있는 수준의 위치정확도가 확보됨을 알 수 있었다. 또한, 드론 LiDAR의 데이터 취득 및 자료처리 시간 고려할 때 위험성이 높아 현장 진입 제약이많은 재난현장에서 활용성이 기대되며, 재난현장에 따라 드론 LiDAR와 지상 LiDAR 포인트 클라우드의 융합을 통해 데이터의 상호 보완이 된 데이터를 활용하게 된다면 더욱 효율적인 재난현장조사가 이루어질 것으로 예상된다.
생성한 포인트 클라우드의 정확도를 확인하기 위해 10개의 지상기준점을 설치하였고 그 성과와 비교하였다. 또한, 지상 LiDAR로 생성한 포인트 클라우드와 비교하여 드론 LiDAR가 재난현장에서의 활용 가능성을 확인하고자 한다.
참고문헌 (11)
Kim, K. S., 2010. Health hazards in firefighters. Hanyang?Medical Reviews, 30(4), 296-304. https://doi.org/10.7599/hmr.2010.30.4.296
Kim, H. G., 2023. A study on the use of small commercial?drones for facility safety inspection. Master's?thesis, The University of Suwon, Hwaseong,?Republic of Korea.
Kim, M. G., 2011. Analysis of readjustment survey data by?using VRS: Focused on housing land development?district in Gyeonggi province. Master's thesis,?Myongji University, Seoul, Republic of Korea.
Kim, S. S., Suk, J. W., Lim, U. T., Jung, Y. H., and Koo,?S., 2023. Quality assessment of three dimensional?topographic and building modelling using high-performance RTK drone. Journal of the Korea?Academia-Industrial Cooperation Society, 24(5),?11-19. https://doi.org/10.5762/KAIS.2023.24.5.11
Kim, Y. K., Jang, H. S., Choi, Y. J., and Sohn, H. G., 2015. Disaster classification for optimal disaster?response in Korea. Journal of the Korean Society?of Hazard Mitigation, 15(6), 179-188. https://doi.org/10.9798/KOSHAM.2015.15.6.179
Lee, H. J., and Cho, G. S., 2017. Comparative accuracy?of terrestrial LiDAR and unmanned aerial vehicles?for 3D modeling of cultural properties. Journal?of Cadastre & Land InformatiX, 47(1), 179-190.?https://doi.org/10.22640/lxsiri.2017.47.1.179
Ministry of the Interior and Safety, 2023. National Disaster?and Safety Portal. Available online: http://safekorea.go.kr/ (accessed on July 1, 2023).
Park, J. C., and Hong, S. E., 2022. Extraction methods?of land boundary using drone LiDAR. Journal?of the Korean Society of Cadastre, 38(2), 135-145. https://doi.org/10.22988/ksc.2022.38.2.011
Park, J. H., and Park, J. K., 2015. Focusing on cases?using drones - Agricultural disasters, crop?classification, etc. -. Magazine of the Korean?Society of Agricultural Engineers, 57(3), 20-27.
Park, J. K., and Jung, K. Y., 2021. Accuracy evaluation of?earthwork volume calculation according to terrain?model generation method. Journal of the Korean?Society of Surveying, Geodesy, Photogrammetry?and Cartography, 39(1), 47-54. https://doi.org/10.7848/ksgpc.2021.39.1.47
Park, J. K., and Um, D. Y., 2020. Usability evaluation of?the drone LiDAR data for river surveying. Journal?of the Korea Academia-Industrial Cooperation?Society, 21(5), 592-597. https://doi.org/10.5762/KAIS.2020.21.5.592
※ AI-Helper는 부적절한 답변을 할 수 있습니다.