Fig. 1의 Pix4D mapper는 항공사진 측량 기법을 토대로 스위스 국적의 PIX4D사에서 개발한 드론 매핑 소프트웨어(Drone mapping software)로 DJI사의 드론과 높은 호환성을 지니며, 매핑 프로세스를 자동화하는 모바일 어플리케이션(Pix4D Capture)을 지원하고 있다.¹¹⁾ Pix4D 외에 유사한 용도로 사용할 수 있는 드론 매핑 소프트웨어로는 미국 샌프란시스코의 DroneDeploy와 Skycatch, MIT 엔지니어가 개발한 Raptor Maps, 미국 노스캐롤라이나의 Precision Hawk, 광산 및 건설과 같은 산업 분야에 주로 초점을 둔 3D Robotics, 러시아의 Agisoft 등이 있다.

Fig. 1 
Pix4D mapper

드론으로 촬영된 항공사진에는 사진 이미지 정보와 더불어 드론의 카메라 정보와 WGS84 기준 경위도, 고도, IMU(Inertial Measurement Unit)데이터 등이 함께 기록된다. 여기서 IMU란, 드론의 속도, 이동방향, 중력, 가속도를 측정하는 장치로 자이로스코프(Gyroscope), 가속도계(Accelerometer), 지자계 센서(Geomagnetic sensor)로 구성된다.¹²⁾ 이러한 사진 이미지 정보와 드론에 대한 위치 및 자세 정보를 바탕으로 이미지들 간의 특징점을 추출하는 SIFT(Scale Invariant Feature Transform) 알고리즘과 동일한 사물 또는 장면에 대해 서로 다른 지점에서 촬영한 영상의 특징점들 간의 기하학적 관계인 Epipolar Geometry가 적용된 SFM(Structure From Motion) 알고리즘을 통해 3차원의 포인트 클라우드 데이터(Point cloud data)를 얻을 수 있다.¹³⁾

본 연구에서 사용된 드론은 Fig. 2에 나타낸 바와 같이 DJI사의 Inspire1으로 총 4개의 회전 날개를 지닌 쿼드로터(Quadrotor)기체이며, 주요 제원을 Table 1에 정리하여 나타내었다. 배터리를 포함한 전체 중량은 약 2.9 kg로 최대 비행 속도 22 m/s, 비행 가능 고도 120 m, 최대 비행 가능 시간 18분의 고성능 드론이며, 기체의 짐벌(Gimbar)에 장착된 카메라의 해상도는 4 K의 높은 해상도를 지니고 있다.

Fig. 2 
Drone model, Inspire1, DJI

드론 비행을 수행한 도로 현장은 국립과학수사연구원이 위치한 강원도 원주 혁신도시 내에 있는 왕복 8차로의 교차로이다. Fig. 3과 같이 Pix4D Capture를 이용하여 GPS 기반의 이중격자(Double grid) 비행궤적(면적 10,064 m²)에 대하여 비행 고도 45 m, 카메라 각도 70°, 종중복도 80 %, 횡중복도 70 %로 설정한 후 드론에 비행 및 촬영 임무를 부여하였으며, Fig. 4와 같이 총 96장의 항공사진을 13분 26초간의 비행을 통해 촬영하였다.

Fig. 3 
Drone flight mission in Pix4D capture

Fig. 4 
Captured aerial photograph by drone

정사모자이크(Orthomosaic) 이미지는 항공사진을 기하학적으로 보정하여 사진의 스케일이 일정하고 위성지도와 같이 왜곡이 없으며, 지형기복(Topographic), 렌즈 왜곡(Lens distortion), 카메라 틸트(Camera tilt)에 대하여 보정이 된 이미지이므로 보정되지 않은 항공사진과는 다르게 이미지 상에서 실제 거리를 측정하는데 사용할 수 있다.¹⁴⁾ Pix4D를 통해 얻은 도로 현장에 대한 정사모자이크 이미지는 Fig. 5와 같다.

Fig. 5 
Orthomosaic image

포인트 클라우드 데이터(Point cloud data)는 수많은 3차원 포인트로 이루어져 있으며, 각각의 포인트 마다 위치 정보(x,y,z)와 색상 정보(RGB)가 함께 저장되어 있다. 따라서 포인트 클라우드 데이터 상에서 포인트 간의 거리, 표면 면적, 체적을 계산하는데 있어 매우 높은 정확성을 지니고 있다.¹⁵⁾

Pix4D를 통해 얻은 도로 현장에 대한 포인트 클라우드 데이터는 Fig. 6과 같으며, 이러한 포인트 클라우드 데이터를 도로 현장에 대한 드론 3차원 모델링 결과로 볼 수 있다. 이와 같은 드론 3차원 모델링을 통해서 실제 도로를 컴퓨터 모니터 안에서 분석하고, 주요 지점 간의 거리를 계측할 수 있다.

Fig. 6 
3D modelling of the road, Point Cloud Data

검증 장비로는 Fig. 7에 나타낸 바와 같이 고정밀 광대역 3차원 레이저 스캐너 장비인 FARO330을 이용하여 정밀 스캔을 수행하였으며, 본 장비를 통해 스캔한 결과물의 거리 정밀도는 최대 ± 2 mm로 매우 정확하다.

Fig. 7 
3D laser scanner, FARO330

Fig. 8과 같이, 도로 현장에서 총 8개 지점에서 레이저 스캐너를 설치하여 정밀 스캔을 수행하였다.

Fig. 8 
Laser scanner setup position

1개 지점 당 레이저 스캔하는 데 소요된 시간은 11분 13초로 다른 지점으로의 스캐너 장비의 이동 및 설치 시간을 제외하고, 도로 현장을 스캔하는데만 소요된 시간은 총 89분 44초이다. 같은 도로 현장에 대해 드론으로 항공사진을 촬영하는데 소요된 비행 시간인 13분 26초와 비교 시 현장에서 드론을 운용하는 것이 레이저 스캐너를 활용하는 것 보다 시간적인 부분에서 매우 효율적임을 알 수 있다.

3차원 레이저 스캐너를 통해 얻은 결과물은 Fig. 9에 나타내었다.

Fig. 9 
Laser scan result

드론 3차원 모델링에서 측정한 거리에 대해서 정확성을 검증하기 위해 3차원 레이저 스캔 결과와 함께 비교 분석을 수행하였다. Fig. 10에 나타낸 바와 같이, 도로 상에 표시된 횡단보도, 차로 구분 점선, 차로 폭 등에 대해 총 17개의 거리 측정 구간을 설정하였으며, 측정된 결과를 Table 2와 3에 나누어 정리하여 나타내었다. 측정 결과에서 알 수 있듯이 3차원 레이저 스캔 결과와 비교 시 최대 오차율이 0.74 %로 드론 3차원 모델링이 교통사고 분석 분야에서 활용하기에 충분한 신뢰성을 지니고 있음을 알 수 있다.

Fig. 10 
Distance measurement sections

또한, 드론 3차원 모델링에서 측정한 구배에 대해서 정확성을 검증하기 위해 3차원 레이저 스캔 결과와 함께 비교 분석을 수행하였으며, Fig. 11에 나타낸 바와 같이 총 3개의 구배 측정 구간을 설정하였고, 측정된 결과를 Table 4에 나타내었다.

Fig. 11 
Gradient measurement sections

Pix4D mapper 상에서 거리 계측 시 지형 3D 길이와 투영된 2D 길이로 두 가지의 측정 결과를 얻을 수 있으며, 도로의 구배는 아래 식 (1)로부터 계산할 수 있다.

where, D_2d : projected 2D distance (m)
D_3d : real 3D distance (m)

각각의 구배 측정 구간에 대하여 식 (1)로부터 계산된 결과는 Table 4에 나타낸 바와 같으며, 측정 결과로부터 알 수 있듯이 3차원 레이저 스캔 결과와 비교 시 최대 오차율이 3.5 %로 확인됨에 따라 거리뿐만 아니라 구배 측정 시에도 드론 3차원 모델링이 교통사고 분석 분야에 활용하기에 충분한 신뢰성을 지니고 있음을 알 수 있다.