LiDAR란? 정의, 종류, 구성 요소, AI와 라이더

2024/01/07

LiDAR는 수십 년 동안 다양한 산업에서 유용한 도구로 활용되어 왔습니다. 그러나 최근에 들어서야 인공지능이 도입되면서 LiDAR의 잠재력이 실현되기 시작했습니다. 초기의 LiDAR는 1960년대에 비행기에 설치되어 지형을 스캔하는 용도로 사용되기 시작했으며, 1980년대에 GPS(Global Positioning System)가 도입되면서 라이더 스캔 데이터를 3D 모델 구축에 활용할 수 있게 되었습니다. 이로써 LiDAR의 인기가 상승하였습니다. 오늘날 LiDAR 관련 비용이 감소하고 사용 가능한 데이터의 범위가 확장되면서, AI 및 머신러닝과 결합하여 혁신적인 기회를 모색하고 있습니다.

정의

LiDAR는 빛 감지 및 거리 측정으로 잘 알려진 원격 감지 기술로, 레이저 스캐너를 사용하여 센서와 대상 물체(건물, 보행자 등) 사이의 거리와 크기를 정밀하게 측정합니다. 라이다와 AI를 결합하면 다양한 분야에서 놀라운 속도와 정확도를 추구하며 기술을 최적화할 수 있습니다.

구성 요소

  1. 레이저: 대상 물체(건물, 차량, 보행자 등)에 빛의 펄스를 보냅니다. 이 광파는 일반적으로 자외선, 가시광선 또는 근적외선 중 하나를 사용하며, 사용되는 LiDAR 유형에 따라 광파의 종류가 달라집니다.
  2. 스캐너: 레이저가 대상을 스캔하는 속도와 레이저가 도달할 수 있는 거리를 조절합니다.
  3. 센서: 빛이 대상에 반사되어 LiDAR 시스템으로 돌아오는 데 걸리는 시간을 측정합니다.
  4. GPS: LiDAR 시스템의 위치를 추적하여 대상과의 거리 측정을 정확하게 조절합니다.

최신 라이더 시스템은 초당 500,000개의 펄스를 보낼 수 있으며, 이러한 펄스를 포인트 클라우드로 집계합니다. 포인트 클라우드는 공간의 물체를 나타내는 좌표 데이터셋이며, 이를 통해 3D 모델을 생성합니다.

종류

1. Airborne LiDAR: 드론이나 비행기와 같은 비행 장치에 설치되어 지상으로 펄스를 보냅니다. 수심 측정 및 지형 매핑에 사용되는 두 가지 주요 유형이 있습니다.

  1. 수심 라이더: 녹색 빛을 사용하여 수역을 관통하고 깊이를 측정합니다.
  2. 지형 라이더: 토지 표면을 매핑하는 데 사용됩니다.

2. Terrestrial LiDAR: 움직이는 차량이나 고정된 삼각대에 설치되어 모든 방향으로 스캔하며, 도로, 보행자, 표지판, 상태 및 인프라를 관찰하는 데 사용됩니다. 모바일과 정적 라이더 두 가지 유형이 있습니다.

  1. 모바일 라이더: 기차, 보트 또는 자동차에 설치됩니다. 도로, 보행자, 표지판, 상태 및 기타 관련 인프라를 관찰하는 데 적합합니다.
  2. 정적 라이더: 지상의 한 지점에 고정되어 주변 지역이나 건물 내부와 같은 특정 지형을 스캔합니다.

AI와 LiDAR

AI와 LiDAR 간의 상호작용은 자연스럽게 형성되고 있습니다. 라이더는 3D 포인트를 수집하여 포인트 클라우드를 생성하며, AI는 이러한 데이터를 처리합니다. 일반적으로 LiDAR 펄스 속도는 초당 10,000~200,000 펄스 범위에 있으며, 동일한 레이저 펄스에서 여러 반사를 생성할 수 있습니다. 이러한 결과물은 AI 모델을 통해 처리되어 지형도 생성과 같이 특정 환경을 이해하는 데 활용됩니다.

과거에는 LiDAR 데이터에서 주요 개체를 식별하기 위해서는 수동으로 라벨링을 해야 했습니다. 이는 어려운 작업이었고 많은 시간과 전문 지식을 필요로 했습니다. 그러나 컴퓨터 비전과 이미지 처리 기술의 발전으로 이제 AI가 라벨링 프로세스를 자동화하는 데 도움을 줍니다. 현재는 AI가 구조화되지 않은 데이터 입력을 처리하고, 대상 개체(예: 인근 차량 또는 인프라)를 정확하게 출력하여 추가 분석이 가능합니다.

AI를 통해 우리는 매우 정확하고 최신의 3D 모델을 개발하는 데 필요한 능력을 개발할 수 있게 됐습니다. 이에 따라 AI와 그 응용 프로그램은 이제 다양한 산업 분야에서 핵심적인 역할을 하고 있습니다.

응용 사례

실제 응용 분야에서는 건축, 제조, 해양학, 3D 프린팅, 가상현실 등 다양한 산업에서 LiDAR가 필수적인 역할을 하고 있습니다. 이러한 다양한 분야에서 AI와 결합된 라이더의 주요 응용 사례 몇 가지를 살펴보겠습니다.

1. 자율주행 자동차

자율주행차는 미래의 주행 표준이 될 전망이지만, 이를 위해서는 주변 환경을 정확하게 이해하는 기술이 필요합니다. AI 기반 LiDAR는 주변 지역을 스캔하고 3D 모델을 생성하여 RADAR 및 카메라 데이터와 결합하여 차량이 실시간으로 결정을 내릴 수 있도록 도와줍니다. 이때, 라이더는 안전을 보장하는 데 핵심적인 역할을 합니다.

2. 농업

농업 분야에서는 드론에 장착된 AI 기반 LiDAR 시스템을 사용하여 들판의 지형을 신속하게 매핑합니다. 이 지도는 고도와 햇빛 노출을 고려하여 작물을 효율적으로 관리하고, 비료와 살충제를 효과적으로 분포시키는 데 도움이 됩니다. 농부들은 또한 이를 통해 작물 수확량을 추적할 수 있습니다.

3. 군사 및 건설 안전

군사에서는 수십 년 동안 LiDAR를 국경 정찰 및 의심스러운 물체 식별에 활용해 왔습니다. 또한 AI 기술을 통해 환경을 자율적으로 조사하고 위험한 작업 현장에서 자율 로봇이 작업자를 보호하는 데도 활용할 수 있습니다.

AI와 LiDAR 간의 협업은 컴퓨팅 능력 발전과 AI에 대한 투자로 더욱 강화되고 있습니다. 이러한 혁신은 다양한 분야에 걸쳐 우리의 삶을 혁신하며, AI 기반의 미래에 대한 새로운 경험을 형성하게 될 것입니다

인사이트

에펜의 LiDAR 전문가인 Kuo-Chin Lien은 LiDAR를 활용한 최첨단 모델을 구축하는 팀에 속해 있습니다. Kuo-Chin이 전하는 최신 LiDAR 인사이트를 만나보세요.

공간 컴퓨팅 애플리케이션

LiDAR를 이용하면 스캔한 개체와 환경의 3D 정보에 접근할 수 있습니다. 이는 특히 공간 정보가 중요한 경우 다양한 애플리케이션에서 기회를 창출합니다. 예를 들어, 소매업에서는 재고 관리에 활용되며, 건설 중에는 품질 보증과 계획 비교에 사용될 수 있습니다. 또한, 자동차 회사는 도로 위의 물체를 감지하여 ADAS(고급 운전자 지원 시스템) 애플리케이션을 개선하기 위해 LiDAR를 도입하고 있습니다. 최근에는 스마트폰에서도 LiDAR가 사용되어, iPhone 12 Pro에서는 전경과 배경을 분리하고 사진 모드에서 더 집중된 사진을 촬영할 수 있습니다. 이러한 응용은 다양한 산업 분야에 적용될 수 있습니다.

공간 컴퓨팅을 강화하는 3D 딥 러닝

산업 전반에서는 3D 스캔 데이터를 이해하기 위해 딥러닝 기술을 사용합니다. 2D 이미지 콘텐츠를 초인적인 능력으로 이해하는 AI는 추가적인 차원이 들어와도 실시간 성능과 낮은 메모리 공간을 유지할 수 있습니다. Kuo-Chin은 딥러닝 모델이 불규칙한 데이터의 희소성을 유지하면서 불완전한 스캔에서 즉각적이고 신뢰할 수 있는 추론을 생성하는 방법을 탐구하고 있습니다. 이러한 도전적인 주제는 LiDAR에 대한 DL 모델의 유용성을 더욱 높일 수 있는 흥미로운 분야 중 하나입니다.

에펜은 이러한 흥미로운 주제를 더 깊이 탐구하고 있는 업계 전문가들과의 협력을 통해 고객 모델의 효과적인 실행을 위해 계속해서 노력하고 있습니다.

에펜의 LiDAR 솔루션

에펜은 25년 이상의 경력을 바탕으로 데이터 수집가공 서비스를 제공합니다. 저희의 지능형 어노테이션 플랫폼은 최신 LiDAR, PLSS, 그리고 컴퓨터 비전 및 머신러닝을 지원하는 전문 툴을 제공합니다. 에펜의 다중 모드 컴퓨터 비전 ML 도구는 자율 주행 자동차를 비롯한 다양한 프로젝트에서 세계 수준의 인공지능을 개발하는 데 도움이 됩니다. 높은 정밀도와 속도를 특징으로 하는 에펜의 플랫폼과 서비스는 라벨링 된 대량의 고품질 데이터를 신속하게 확장할 수 있도록 지원합니다.

에펜의 플랫폼에 대해 자세히 알고 싶으시다면 지금 바로 상담받아보세요! 여러분의 프로젝트에 맞는 최적의 데이터 솔루션을 제공해 드리겠습니다.

자율주행 프로젝트 지원이 필요하신가요? 전문가에게 문의하세요.