활용사례
3D스캐너와 관련된 활용사례들을 확인해보세요
SLAM의 기본 원리부터 데이터 정확도, 드리프트·슬립, RTK·GCP 활용까지
이동형 LiDAR를 이해하고 선택할 때 확인해야 할 핵심 내용을 살펴봅니다.
실내 공간이나 지하 시설, 터널, 광산에서는 위성 신호가 도달하지 않거나 구조물에 가려 위치 기준을 확보하기 어려울 수 있습니다. 이런 환경에서 위치를 추정하며 3D 공간 데이터를 구축하는 기술이 SLAM(Simultaneous Localization and Mapping)입니다.
SLAM 기반 LiDAR는 이동하면서 주변 구조를 인식하고 자신의 위치와 이동 경로를 계산합니다. 장비의 성능을 살펴볼 때는 LiDAR 센서뿐 아니라 SLAM 알고리즘, 누적 오차 보정, 현장 환경, 위치 기준과의 연동 방식도 함께 확인해야 합니다.
SLAM은 지도 작성과 위치 추정을 동시에 수행하는 기술입니다. LiDAR 및 다른 센서가 주변 환경을 관측하면 알고리즘이 그 정보를 바탕으로 3D 지도를 생성하고, 장비가 지도 안의 어느 지점에 있는지 지속적으로 추정합니다.
GPS를 이용하기 어려운 터널, 지하 광산, 실내 시설, 동굴 등에서는 외부 위성 위치정보 없이도 공간 구조를 기록할 수 있다는 점이 중요합니다. 다만 측정 품질은 장비의 센서 구성, 이동 경로, 특징점과 환경 조건에 따라 달라집니다.
SLAM 기반 이동형 라이다를 비교할 때 LiDAR 센서의 성능은 중요한 기준이지만, 센서 사양만으로 결과 데이터의 품질을 판단할 수는 없습니다.
SLAM은 센서로 수집한 포인트 클라우드와 이동 정보를 이용해 지도를 생성하고, 장비의 위치를 추적하며, 이동 중 발생하는 위치 오차를 보정합니다. 이 과정에는 SLAM 알고리즘과 데이터 처리 소프트웨어가 함께 작동합니다.
동일하거나 유사한 LiDAR 센서를 사용해도 센서 융합 방식, 루프 클로저 감지, 누적 오차 관리, 노이즈 처리에 따라 결과가 달라질 수 있습니다.
따라서 장비를 선택할 때는 센서 성능과 함께 알고리즘, 데이터 정합 방식, 드리프트 보정, 현장 대응성까지 확인할 필요가 있습니다.
장비가 외부 기준점 없이 위치를 추정하는 비구속 SLAM에서는 이동 거리가 길거나 주변에서 인식할 특징점이 부족할수록 위치 오차가 누적될 수 있습니다. 따라서 정확도는 수치뿐 아니라 어떤 환경과 기준으로 평가했는지도 확인해야 합니다.
루프 클로저(Loop Closure)는 장비가 이전에 지나간 위치를 다시 인식해 이동 중 쌓인 위치 오차를 보정하는 방식입니다. 고성능 SLAM 시스템은 센서 융합과 루프 클로저 등을 통해 추정 경로의 안정성을 높입니다.
RTK와 GCP는 데이터에 실제 기준 좌표를 부여하거나 위치 정확도를 검증·보정할 때 활용합니다. 위치 기준이 중요한 측량·건설 프로젝트에서는 SLAM의 자체 성능과 RTK·GCP를 활용한 결과를 구분해 검토해야 합니다.
즉, 장비 비교 시에는 비구속 SLAM 정확도, RTK·GCP 연계 가능성, 오차 평가 조건을 함께 확인하는 것이 좋습니다.
SLAM은 다양한 환경에서 활용할 수 있지만, 위치 추정의 안정성과 데이터 품질은 주변 구조의 특징점, 이동 속도, 가시성, RTK 이용 가능 여부 등에 따라 달라집니다.
| 환경 | SLAM 성능에 영향을 주는 요소 | 확인할 점 |
|---|---|---|
| 실내 공간 | 벽·문·기둥 등 인식 가능한 구조가 위치 추정에 도움 | 긴 복도, 반복 구조, 유리·거울 등 반사 표면 주의 |
| 지하·터널·광산 | GPS 수신이 어렵고 먼지·습기·낮은 가시성이 영향을 줄 수 있음 | 센서 융합, SLAM 안정성, GPS 음영 환경 대응 확인 |
| 실외 공간 | 특징점이 부족한 개방 공간에서는 위치 추정이 어려울 수 있음 | RTK 활용, 이동 경로 및 주변 특징점 확보 검토 |
| 차량 기반 스캔 | 주행 속도에 따라 주변 구조의 추적 안정성이 달라질 수 있음 | 주행 속도, 경로 계획, RTK 지원 여부 검토 |
| 동적 환경 | 사람·차량·장비 등 이동 물체가 위치 추정에 영향을 줄 수 있음 | 고정 구조물을 충분히 인식할 수 있는지 확인 |
따라서 장비의 사양과 함께 실제 환경에 맞는 이동 경로와 데이터 취득 방식을 계획해야 합니다.
현장에 따라 인식 가능한 구조와 위치정보 확보 조건이 다르므로, 동일한 이동 경로와 설정만 적용해서는 충분한 결과를 얻기 어려울 수 있습니다.
실제 운용 전에는 특징점과 시야 확보, 이동 속도, 루프 클로저가 가능한 경로, RTK·GCP 이용 가능 여부를 점검하는 것이 중요합니다.
SLAM 데이터의 품질을 이해할 때는 드리프트(Drift)와 슬립(Slip)을 구분하는 것이 좋습니다.
장비가 이동하는 동안 작은 위치 추정 오차가 점차 쌓이는 현상입니다. 긴 경로나 특징점이 적은 환경에서는 누적 오차가 전체 지도 형상에 영향을 줄 수 있습니다.
주변 구조를 충분히 인식하지 못하거나 빠르게 움직이는 상황 등에서 위치 추적이 갑자기 불안정해지는 현상입니다. 데이터 정합에 큰 오차를 일으킬 수 있습니다.
현장 운용 시 확인할 점 · 일정한 속도로 이동하고, 고정된 구조를 충분히 관측하도록 스캔 경로를 계획합니다. 가능하다면 지나온 구간을 다시 연결하는 경로를 마련해 루프 클로저를 활용하고, 필요한 경우 RTK·GCP 등 외부 위치 기준을 함께 검토합니다.
SLAM 장비 선택에서는 같은 이동형 LiDAR라도 측량 기준에 맞는 위치정보 확보가 중요한지, 또는 GPS 음영·위험 공간의 자율 매핑이 중요한지 구분해야 합니다.
| 구분 | GX1 | Hovermap ST-X |
|---|---|---|
| 제품 이미지 |  |  |
| 장비 성격 | 고정밀 RTK·SLAM 3D 스캐너 | 자율 LiDAR 매핑용 SLAM 3D 스캐너 |
| 핵심 특징 | 통합 RTK 수신기, 4개의 20MP 카메라, 360° 파노라마 이미지 | GPS 음영 환경 지원, 드론·핸드헬드·백팩·차량 등 장착 가능 |
| 측정 범위 | 최대 300m 측정거리, 최대 192만 포인트/초 | 최대 300m LiDAR 감지거리, 최대 192만 포인트/초 |
| 정확도 | RTK 기본 탑재, GCP 활용 시 5mm급 전역 정확도 제공(제시 조건 기준) | 일반 환경 약 ±15mm, 일반적인 실내·지하 환경 약 ±10mm 매핑 정확도(제시 조건 기준) |
| 운용 방식 | 백팩·측량 폴·차량·핸드헬드 | 드론·핸드헬드·백팩·폴·차량·지상 로봇 |
| 주요 활용 | 측량·도로 조사·실내외 공간정보·As-Built 데이터 취득 | 광산·터널·지하 공간·위험 및 접근 곤란 구간 매핑 |
| 적합한 현장 | 측량 기준과 위치 정확도가 중요한 공간정보 구축 | GPS가 닿지 않거나 접근이 어려운 공간의 자율 매핑 |
※ 수치는 제공된 원고 기준이며 측정 조건·소프트웨어·제품 사양에 따라 달라질 수 있습니다. 구매·도입 시 제조사의 최신 공식 사양과 검증 조건을 별도로 확인하세요.
RTK와 SLAM을 연계해 실내외를 오가는 모바일 매핑 작업에 활용합니다. 통합 RTK와 컬러 이미지 취득을 바탕으로 위치정보와 시각적 공간 데이터를 함께 확보할 수 있습니다.
GPS가 닿지 않는 지하 공간과 터널, 광산 등에서 활용합니다. 드론 자율 매핑을 비롯해 핸드헬드·백팩·차량 방식으로 운용할 수 있습니다.
지하 광산과 터널에서는 GNSS 신호를 안정적으로 수신하기 어려우므로, 주변 공간을 인식하면서 위치를 추정하는 SLAM 기능이 중요합니다.
자율 매핑을 검토할 때는 장비 접근성, 주변 특징점, 센서 인식 범위, 이동 경로, 누적 오차 관리와 안전 조건을 함께 고려해야 합니다.
SLAM LiDAR는 GPS 없이 공간 데이터를 취득할 수 있다는 점에서 유용하지만, 어떤 장비가 적합한지는 실제 현장의 구조와 데이터 정확도 요구, 운용 방식에 따라 달라집니다. 센서 성능뿐 아니라 알고리즘·드리프트 보정·RTK/GCP 연동·데이터 처리·현장 적합성을 함께 검토해야 합니다.
장비 도입 전에는 가능한 경우 현장에서 직접 테스트를 진행하고, 정확도 검증 조건과 데이터 후처리 흐름까지 확인하는 것이 좋습니다.
