재난 발생 시 신속하고 정확한 원인조사는 피해 최소화와 재발 방지를 위한 핵심적인 과정이다. 무인 항공기(unmanned aerial vehicles)의 기술발전은 이러한 재난 원인조사에 혁신적인 변화를 가져왔다. 특히, light detection and ranging (LiDAR) 센서를 탑재한 드론은 접근이 어려운 재난 현장에서도 복잡한 지형이나 구조물의 변형을 정밀하게 분석할 수 있는 3차원 데이터를 제공하여 재난 대응 능력을 크게 향상시킨다. 또한, LiDAR를 통해 취득되는 점군(point cloud) 데이터는 점밀도가 조밀한 경우 점군 데이터만으로도 지형지물의 3차원 digital surface model (DSM)를 실시간으로 얻을 수 있고 3차원 좌표(X, Y, Z) 외에도 반사강도(intensity) 정보가 포함되어 산림지역의 digital elevationmodel (DEM)를 생성할 수 있어 다양한 지형 조건에서의 점군 데이터의 정확도와 효율성에 대한 관심이 높아지고 있다. 또한, LiDAR 센서의 다중반사(multiple returns) 신호처리 기술은 레이저(laser) 신호가 발사된 후 물체에서 반사되어 돌아오는 횟수로 하나의 신호가 다양한 깊이와 표면에서 여러 번 반사될 수 있다. 일반적으로 LiDAR 반사수는 첫 번째에서 세 번째로 정밀한 지형분석과 구조물 검사에 효과적이며, 특히 산림과 같은 복잡한 환경에서 지면까지의 점군 데이터를 수집할 수 있어 산림 모니터링과 같은 분야에서 중요한 역할을 한다.

드론 LiDAR 관련 국내·외 선행연구를 살펴보면 다음과 같다. Park and Lee (2020)는 드론 LiDAR의 기술방식인 simultaneous localization and mapping (SLAM)과 global navigation satellite system (GNSS)/inertialmeasurement unit (IMU)을 활용해 데이터 취득, 처리 및 분석을 수행하였으며 각각의 특징과 활용성을 평가하였다. Lee et al. (2021)은 산림지역을 대상으로 드론 LiDAR 기반과 컴퓨터비전 해석 기반의 5가지 유형으로 점군 데이터를 생성하여 생성방법에 따른 점밀도와 절대정확도 및 상대적인 품질분석을 수행하였다. Štroner et al. (2021)은 DJI Zenmuse L1이 장착된 드론을 사용하여 LiDAR 정밀도를 평가하는 방법을 제안하기 위해 환경 조건과 비행 매개변수가 정확도에 미치는 영향을 분석하여 점군의 품질에 대한 평가를 다루었다. Diara and Roggero (2022)와 Kersten et al. (2022)은 DJI Zenmuse L1과 P1의 정확도와 데이터 품질을 평가하며 terrestrial laser scanning (TLS) 데이터와 비교하여 그 성능을 분석하였다. Park and Yeom (2023)은 드론 LiDAR를 통해 취득된 점군 데이터의 정확도 검증 방안을 마련하고자 LiDAR의 특성 및 적용방안, 장비 정확도 검증방법 등의 분석을 수행하였고, Jung et al. (2023)은 붕괴사고 현장에서의 정확도 분석과 지상 LiDAR와의 비교를 통해 재난현장에서의 드론 LiDAR 활용성을 검증하였다. Bartmi´nski et al. (2023)은 DJI Zenmuse L1의 사용한계를 조명하며 복잡한 지형과 조밀한 산림지역에서 발생하는 데이터 품질 문제에 대해 평가하였다.

이와 같이 산림이 많은 지역은 높은 수목들로 인해 지면의 점군 취득의 어려움이 따르기 때문에 기존의 L1 센서를 통한 정밀한 데이터 취득에는 한계가 존재한다. 이러한 이유로 최근 향상된 LiDAR 센서기술인 DJI Zenmuse L2 센서가 출시 되었다. L2 센서의 레이저 스팟(spot) 크기는 100 m 거리에서 수평 4 cm × 수직 12 cm로 L1 센서보다 5배 작은 크기로 고밀도의 점군 데이터를 수집할 수 있는 장점을 가지고 있다. 또한, 식생이 우거진 산림지역에서 지면 점군 데이터를 취득 할 수 있는 첫 번째에서 다섯 번째 반사로 신호가 한번 발사된 후 물체 표면에서 최대 다섯 번까지 반사된 점을 데이터로 취득할 수 있다. 식생 아래 지면 점군 데이터를 취득 할 수 있기 때문에 지면과 비지면 점군을 분리하여 DEM을 생성하는데 효율적이다. 따라서 본 연구는 장애물이 없는 평지와 식생이 조밀한 산림을 대상으로 재난 원인 조사를 위한 드론 LiDAR 현장운용 및 성능평가를 위한 실험으로, DJI사의 Zenmuse L1과 L2 센서의 점군 데이터의 정확도를 비교·분석하였다.

2.1. 연구 방법 및 대상지

본 연구는 L1과 L2의 LiDAR 센서의 스캐닝(scanning) 성능에 따른 투과성과 점군의 지면 도달여부 성능을 평가하기 위해 다음과 같은 방법으로 수행하였다. 연구 대상지는 울산광역시 울주군 상북면으로 장애물이 없는 평지, 식생이 밀집한 산림지역을 대상으로 하였다. 평탄한 도로와 산림 내 식생 하부에 70 cm× 70 cm크기의 대공표지를 설치하여 지면을 스캐닝했을 때의 점밀도를 산정하고 취득된 LiDAR 점군 데이터의 다중반사 특성 분석과 지상기준점을 활용한 절대 정확도 분석을 수행하였다. 평지의 도로와 지형의 변화가 있는 산림 지역이 포함된 본 연구의 대상지의 전반적인 현황은 Fig. 1과 같다.

Figure 1. Photos of study area.

2.2. 연구 활용장비

본 연구에서는 고해상도 영상 획득을 위해DJIMatrice 350 RTK 드론을 이용하였다. Matrice 350 RTK는 쿼드콥터(quadcopter) 형상의 드론으로 임무 수행 목적에 맞는 고해상 광학카메라나 분광카메라, LiDAR 센서를 탈·부착할 수 있다. 본 연구에서는Matrice 350 RTK에 Zenmuse L1과 L2 LiDAR 센서를 장착하여 평탄지역과 산림지역에 서의 LiDAR 센서의 3차원 지형 모델링 성능 실험에 활용하였다.

Matrice 350 RTK는 임무장비 센서의 페이로드(payload)에 따라 최대 6.47 kg의 이륙중량을 탑재할 수 있다. 비행속도는 P 모드에서 최대 23 m/s로 55분 동안 비행이 가능하며, 기체의 호버링(hovering) 정확도는 수평·수직 ±0.1 m, real time kinematic (RTK) 정확도는 수평 ±1.0 cm, 수직 ±1.5 cm이다.

Zenmuse L1 센서는 최대 스캐닝 거리가 450 m, 최대 3중 반사 성능을 지원하며, 반사신호 형태에 따라 단일반사와 다중반사로 나누어진다. 단일반사의 경우 반사율 80%일 때 초당 240,000점을 취득할 수 있으며, 다중반사의 경우 반사율 10%일 때 초당 480,000점을 취득 할 수 있다. 스캔모드(scanmode)는 반복 모드와 비반복 모드로 나누어지며, 반복 모드의 경우 시야각은 수평 70.4° × 수직 4.5° 조건에서 0.1초마다 선형으로 반복 스캔한다. 비반복 모드의 경우 시야각은 수평 70.4° × 수직 77.2°로 최종적으로 원형으로 스캔한다.

Zenmuse L2 센서는 최대 스캐닝 거리가 450 m, 최대 5중 반사신호를 지원하며 단일반사의 경우 반사율 50%일 때 초당 240,000점을 취득할 수 있다. 다중반사의 경우 반사율 10%일 때 초당 1,200,000점을 취득할 수 있다. 단일반사 모드보다는 다중반사 모드에서 대상체에 반사되어 돌아오는 점이 많아 시야각이 차폐된 산림 지역이나 반사체 뒤쪽의 물체를 관측할 때 유리한 측면이 있다. 반복 모드의 경우 시야각(field of view, FOV)은 수평 70° × 수직 3°로, 0.02초마다 선형으로 반복 스캐닝하며 균일하고 정확도 높은 점군 데이터를 취득할 수 있다. 비반복 모드의 경우 시야각은 수평 70° × 수직 75°로 중앙에 원을 그리면서 점군 데이터를 취득하기에 투과성이 강하다. 연구 활용장비인 Zenmuse L1, L2의 제원은 Table 1과 같다.

Table 1 . Specifications of Zenmuse L1 and L2 sensor.

	Zenmuse L1	Zenmuse L2
Sensor
Returns	3	5
Detection range	Single return 450 m, reflectivity 80% Multi-returns 190 m, reflectivity 10%	Single return 450 m, reflectivity 50% Multi-returns 250 m, reflectivity 10%
Point rate	Single return 240,000pts/s Multi-returns 480,000pts/s	Single return 240,000pts/s Multi-returns 1,200,000pts/s
Scan mode	Repetitive / Non-repetitive	Repetitive / Non-repetitive
Scan range	450 m, 2.0 km2	450 m, 2.5 km2
FOV	Repetitive 70.4° × 4.5° Non-repetitive 70.4° × 77.2°	Repetitive 70° × 3° Non-repetitive 70° × 75°

변화가 있는 지형고도에 대한 절대 정확도 평가를 위해 GNSS 측량장비인 Trimble R10 장비를 활용하여 대공표지에 대한 기준점측량을 수행하였다. 대상지 내 지형지물로 차폐되지 않은 평지 도로 위에 1점과 산림 내 식생하부에 7점을 포함하여 총 8점 지상기준점(ground control points, GCPs)을 선점하였다(Fig. 2).

Figure 2. Location of GCPs.

3.1. 점밀도 및 다중반사 특성비교

점밀도는 단위 면적당 수집된 포인트수로 측정되며 점군 데이터의 정확도와 3차원 모델링 품질에도 영향을 미친다. 본 연구에서는 L1과 L2 센서의 비행고도별(50 m, 80 m) 점밀도를 비교하기 위해 장애물이 없는 평지, 산림 내 식생 하부에 단위면적(70 cm × 70 cm)에 반사되는 점의 수를 정량적으로 비교하였다.

평지의 경우, L1 센서는 비행고도 50 m에서 단위면적당 점밀도는 1,385점, 비행고도 80 m에서 492점이었다. L2 센서의 경우, 비행고도 50 m에서의 단위면적당 점밀도는 3,014점, 80 m에서의 점밀도는 626점이었다. 평지와 같이 고도 변화가 없는 지형에서 L1 센서에 비해 L2 센서가 약 1.2~2.2배 높은 점밀도를 보였다. 또한, 낮은 고도(@50 m)에서는 L2 센서의 점밀도가 L1 센서에 비해 약 2배 높은 점밀도를 보였으나, 고도가 높아질수록 L1 센서에 비해 L2 센서의 점밀도가 다소 높은(1.2배) 경향을 보였다(Table 2).

Table 2 . Point densities per unit area (70 cm × 70 cm) at each altitude (@50 m, @80 m).

LiDAR sensor	Cases	@50 m (pts)	@80 m (pts)
L1	Flat	1,385	492
	Forest	365	143
L2	Flat	3,014	626
	Forest	675	204

평지에 설치된 대공표지에 취득된 L1과 L2 센서의 점군을 살펴보면 정량적인 점밀도도 차이가 나지만 Figs. 3(a, b)와 같이 시각적인 측면에서도 확연한 차이를 보였다. 또한, Figs. 3(c, d)에서와 같이 취득된 점군 데이터의 단면 분석 결과, L1 센서의 경우 노이즈(noise)로 인해 높이 오차가 확연하게 발생함을 확인할 수 있는 반면, L2 센서는 L1 센서에 비해 높이 오차가 작은 점군이 취득되었음을 알 수 있었다. 이는 데이터 전처리 과정으로 다중반사 특성을 분석하여 노이즈에 해당하는 점군을 사전 필터링(filtering)하는 L2 센서의 데이터 처리 특성으로 판단된다. 결과적으로 장애물이 없고 평탄한 지형에서는 L2 센서의 다중반사 점군이나 적절한 노이즈 필터링 단계를 거친 L1 센서로부터 취득된 점군으로 정확한 3차원 지형 모델링을 수행할 수 있을 것으로 판단된다.

Figure 3. GCPS target extraction (@50 m). (a) Point cloud of L1. (b) Point cloud of L2. (c) Elevation view of L1. (d) Elevation view of L2.

산림 내 수목 밀집도에 따른 다중반사 신호의 투과성능을 확인하기 위해 7개의 대공표지를 설치하였다. 정확한 다중반사 신호별 지면 도달 성능 분석을 위해 단위면적당 점군의 수가 가장 많은 GCP7번 점을 선정하였다. L1 센서의 경우, 비행고도 50 m에서는 GCP7번 점의 대공표지 점군이 취득되었으나 고도 80 m에서는 대공표지 점군이 존재하지 않았다. 취득된 점군은 산림 내 나무 캐노피(canopy)층을 통과해 지면까지 도달하는 점군의 대부분이 첫번째 반사점으로 나타났다. 따라서 비교적 덜 조밀한 식생 지역에서는 반사되는 신호를 크게 고려할 필요는 없으나, 식생이 조밀한 산림지역에서는 마지막 반사(last return) 신호 데이터까지 충분히 수집하여 지면에 해당하는 점군의 점밀도를 높이는 등의 현장 상황과 LiDAR 점군의 활용 목적에 따라 어떤 다중반사 신호를 선정할지에 대한 충분한 고민이 필요하다고 판단된다.

L2 센서의 경우 산림 지역내 점군이 첫 번째에서 세 번째 반사신호로 취득된 점이 대부분이었다. 네 번째와 마지막 반사신호는 지면에서 일정거리로 이격된 일종의 노이즈 형태로 존재하기도 했으며, 이는 지면 점군을 분리하는 데 마지막 반사신호의 신뢰성을 저하시키는 결과를 가져올 수 있다. 이처럼 L2 센서의 5중 반사 신호로 신뢰성있는 지형모델 점군 데이터를 생성하기 위해서는 현장 상황과 LiDAR 점군의 활용 목적에 따라 적절한 다중반사 신호에 대한 선정이 전제되어야 함을 알 수 있었다.

L1과 L2 센서의 다중 반사 특성을 비교하기 위해 산림지역의 점군 데이터를 반사 수별로 나누어 분석하였다. L1 센서의 첫 번째 반사신호는 나무의 상부 캐노피와 같은 가장 높은 산림의 표면을 스캐닝한 점군들로 이 때 취득된 점의 수는 2,626,208점(65%)이었고, 두 번째와 세 번째 반사는 색생영역으로 침투한 가지, 덤불, 지면과 같은 하단에서 반사된 신호가 포함되었다. 두 번째 반사로 취득된 점의 수는 1,151,267점(29%)이었고, 세 번째 반사로 취득된 점의 수는 240,748점(6%)이었다. L1 센서의 반사로 취득된 점의 수는 Table 3과 같으며 반사 횟수별 점군은 Fig. 4와 같다.

Figure 4. Multiple laser pulse returns of L1. (a) First returns. (b) Second returns. (c) Last returns.

Table 3 . Multiple laser pulse returns of point L1 sensor.

	No. of points	Percentage (%)
Returns \ Total	4,018,223	100
First	2,626,208	65
Second	1,151,267	29
Last	240,748	6

L2 센서의 첫 번째 반사신호는 L1과 마찬가지로 산림지역의 최상에서 반사되는 점군이 대부분이었다. 첫 번째 반사로 취득된 점의 수는 2,979,513점(56.8%)이었다. 두 번째 반사는 첫 번째 반사 후에 나뭇가지나 덤불 등의 중간층 식생에서 반사된 신호로 이 때 취득된 점의 수는 1,611,013점(30.7%)이었다. 세 번째 반사로 취득된 점의 수는 545,330점(10.4%)으로 식생 아래의 지표면과 장애물 사이에서 주로 반사되었으며, 지면에 가까운 점군을 수집하여 상위 반사에서 놓칠 수 있는 지형정보를 추가로 취득할 수 있을 것으로 판단된다. 네 번째 반사로 취득된 점의 수는 102,226점(1.9%)으로 초목 사이를 통과한 레이저가 지면에 가까운 더 깊은 영역에서 반사될 때 발생하였다. 마지막 반사는 나뭇잎, 덤불, 기타 장애물을 완전히 통과한 후 지면에서 반사되는 마지막 신호로, 이 때 취득된 점의 수는 10,843점(0.2%)이었다. L2 센서의 다중반사로 취득된 점의 수는 Table 4와 같으며 반사 횟수별 점군은 Fig. 5와 같다.

Figure 5. Multiple laser pulse returns of L2. (a) First returns. (b) Second returns. (c) Third returns. (d) Fourth returns. (e) Last returns.

Table 4 . Multiple laser pulse returns of point L2 sensor.

	No. of points	Percentage (%)
Returns \ Total	5,248,925	100
First	2,979,513	56.8
Second	1,611,013	30.7
Third	545,330	10.4
Fourth	102,226	1.9
Last	10,843	0.2

3.2. 지형 모델 높이값에 대한 절대 정확도 비교분석

기준점측량을 통해 취득한 지상기준점 총 8점(평지 1점, 산림 내 7점)을 이용하여 점군 데이터 지형의 Z 방향에 대한 절대 정확도를 분석하였다. 산림의 경우 단위면적당 점밀도 분석과 마찬가지로 점군의 취득수가 가장 많은 GCP7번 점을 선정하였다. 대공표지 중심점으로부터 반경 1 cm이내의 점군은 지형적 기복 변화가 거의 없을 것으로 가정하여 GNSS 측정한 기준점의 좌표와 이에 해당하는 점군의 높이 방향 (Z)의 rootmean square error (RMSE)를 계산하였다.

비행고도가 50 m일 때 평지에 설치한 대공표지의 절대 높이값 오차를 분석한 결과, L1 센서는 반경 1 cm 이내의 점군의 수가 총 5점으로, 이 때 높이 (Z) 방향의 RMSE는 약 1.9 cm였다. L2 센서는 반경 1 cm 이내의 점군의 수가 총 15점으로, 높이 (Z) 방향의 RMSE는 약 0.9 cm로 나타났다(Table 5).

Table 5 . Vertical RMSE of L1 and L2 acquired on flat terrain (@50 m height).

Point		Coordinates by GNSS surveying			Observation coordinates of points @50 m			dz2 (m)
		X (m)	Y (m)	Z (m)	X (m)	Y (m)	Z (m)
L1	1	205293.661	329876.747	242.0829	205293.507	329876.768	242.069	2E-04
	2				205293.615	329876.723	242.079	1E-05
	3				205293.533	329876.692	242.101	3E-04
	4				205293.612	329876.721	242.016	0.005
	5				205293.626	329876.744	242.061	5E-04
							RMSE	0.019

		X (m)	Y (m)	Z (m)	X (m)	Y (m)	Z (m)	dz2 (m)
L2	1	205293.661	329876.747	242.083	205293.597	329876.818	242.0459	0.001
	2				205293.588	329876.772	242.0418	0.002
	3				205293.593	329876.813	242.0825	1E-07
	4				205293.616	329876.82	242.0535	9E-04
	5				205293.596	329876.784	242.0718	1E-04
	6				205293.636	329876.785	242.0394	0.002
	7				205293.641	329876.811	242.0627	4E-04
	8				205293.641	329876.755	242.0251	0.003
	9				205293.64	329876.788	242.0622	4E-04
	10				205293.66	329876.813	242.0728	1E-04
	11				205293.616	329876.78	242.0793	1E-05
	12				205293.647	329876.776	242.0664	3E-04
	14				205293.665	329876.802	242.0811	3E-06
	15				205293.68	329876.817	242.0849	4E-06
							RMSE	0.009

비행고도가 80 m일 때 평지에 설치한 대공표지의 절대 높이값 오차를 분석한 결과, L1 센서는 반경 1 cm이내의 점군의 수가 총 5점으로,이 때 높이 (Z) 방향의 RMSE는 약 1.3 cm였다. L2 센서의 경우 총 6점으로, 이 때 높이 (Z) 방향의 RMSE는 약 1.8 cm로 나타났다(Table 6).

Table 6 . Vertical RMSE of L1 and L2 acquired on flat terrain (@80 m height).

Point		Coordinates by GNSS surveying			Observation coordinates of points @80 m			dz2 (m)
		X (m)	Y (m)	Z (m)	X (m)	Y (m)	Z (m)
L1	1	205293.661	329876.747	242.0829	205293.792	329876.526	242.069	2E-04
2	205293.801	329876.555	242.079	1E-05
3	205293.902	329876.534	242.101	3E-04
4	205293.918	329876.555	242.016	0.005
5	205293.855	329876.586	242.061	5E-04
							RMSE	0.019

		X (m)	Y (m)	Z (m)	X (m)	Y (m)	Z (m)	dz2 (m)
L2	1	205293.661	329876.747	242.0829	205293.736	329876.819	242.064	4E-04
	2				205293.737	329876.835	242.0492	0.001
	3				205293.752	329876.834	242.1004	3E-04
	4				205293.672	329876.745	242.0571	7E-04
	5				205293.682	329876.749	242.0793	1E-05
	6				205293.753	329876.832	242.0124	0.005
							RMSE	0.018

다음은 산림 내 기준점측량을 통해 취득한 지상기준점 7점 중 단위면적당 가장 점의 취득수가 많은 GCP7번에 대하여, L1과 L2 센서로 비행고도가 50 m일 때와 80 m일 때의 Z 방향의 스캐닝 정확도를 비교·평가하였다. 산림이 조밀한 실험 대상지에서 L1 센서의 경우 비행고도 50 m에서는 살림내 지면점이 취득되었으나, 고도 80 m의 경우 취득된 점군이 존재하지 않았다. L2 센서의 경우 비행고도 50 m에서 산림 내 지면점이 취득되었으나, 고도 80 m의 경우 역시 취득된 점군이 존재하지 않았다. L2 센서는 비행고도 50 m에서 산림 내 취득된 지면점의 수에서 L1 센서에 비해 높은 점밀도로 확연한 차이를 보이나 비행고도 80 m에서는 L1과 마찬가지로 취득된 점군이 존재하지 않는 것으로 나타났다(Fig. 6).

Figure 6. Cross-section analysis of point cloud scanned by L1 and L2. (a) L1 (@50 m height). (b) L1 (@80 m height). (c) L2 (@50 m height). (d) L2 (@80 m height).

비행고도가 50 m일 때 산림 내 설치한 대공표지의 절대 높이값 오차를 분석한 결과, L1 센서는 1 cm 이내의 점군이 총 3점으로, 높이 (Z) 방향의 RMSE는 약 3.5 cm였다. L2 센서는 총 4점으로 높이(Z) 방향의 RMSE는 약 1.8 cm로 나타났다(Table 7).

Table 7 . Vertical RMSE of L1 and L2 acquired on forest terrain (@50 m height).

Point		Coordinates by GNSS surveying			Observation coordinates of points @50 m			dz2 (m)
		X (m)	Y (m)	Z (m)	X (m)	Y (m)	Z (m)
L1	1	205319.065	329877.726	242.897	205318.736	329877.311	242.645	0.064
	2				205318.842	329877.27	242.7649	0.017
	3				205319.164	329877.768	242.9049	6E-05
							RMSE	0.035

		X (m)	Y (m)	Z (m)	X (m)	Y (m)	Z (m)	dz2 (m)
L2	1	205319.065	329877.726	242.897	205319.107	329877.633	242.9544	0.003
	2				205318.743	329877.332	242.7184	0.0319
	3				205319.105	329877.657	242.9515	0.003
	4				205318.743	329877.332	242.7184	0.0319
	5				205319.105	329877.657	242.9515	0.003
							RMSE	0.018

본 연구에서는DJIMatrice 350 RTK 드론에 장착된 Zenmuse L1과 L2 LiDAR 센서를 활용하여 평지와 산림 지역에서 점군 데이터 취득 성능을 비교하였다. 실험 결과, L2 센서는 L1 센서에 비해 높은 점밀도와 Z 방향으로 높은 정밀도 성능을 보였으며, 특히 고밀도 식생이 있는 복잡한 산림내 환경에서도 효과적으로 지면 점군 데이터를 확보할 수 있음을 확인하였다. 또한, 다중반사 신호는 산림과 같은 복잡한 지형 환경에서 유용할 수도 있지만, 스캐닝 대상 환경에 따라 다중반사 신호가 신뢰성있는 점군 데이터를 제공하지 못할 수 있음을 확인하였다. 단순한 평탄 지형이나 조밀하지 않는 산림 지역내 스캐닝시 단일 또는 두 번째와 세 번째 반사 신호만으로도 충분히 신뢰성있는 점군 데이터를 확보할 수 있음을 확인하였다. 또한, 조밀한 산림지형 내에서는 네 번째와 마지막 반사 신호의 경우 지면 스캐닝한다는 신뢰성이 낮아 스캐닝 목적이나 대상 여건에 맞게 반사 신호를 유연하게 선정·사용할 필요가 있음을 확인하였다.

L1과 L2 센서별 절대 높이값 오차를 분석한 결과, L2 센서는 평지와 산림 지역 모두에서 L1센서에 비해 Z 방향으로 높은 지형 모델링 정확도 성능을 보였다. 이러한 결과는 정밀한 3차원 지형 모델링과 산사태와 같은 재난원인 현장조사를 수행할 경우, L2 센서가 상대적으로 더 적합하다는 것을 알수 있었다. 결론적으로 L2 센서는 복잡한 지형에서 신뢰성있는 점군 데이터 수집과 정확한 3차원 지형 모델링을 수행하는 데 강점이 있어 재난 원인 조사와 정밀 지형분석에 적합한 장비로 판단된다.

본 연구는 행정안전부 국립재난안전연구원의 주요사업(이동형 로봇기반 재난사고 현장조사 공유 기술개발(NDMI-주요-2024-06-02))으로 수행되었습니다.

No potential conflict of interest relevant to this article was reported.