Earticle

본 연구에서는 집중호우 시 사면재해 피해를 예방하기 위한 급경사지 위험도를 분석하고, 최적의 대피경로 확보에 대한 연구 를 진행하였다. LiDAR와 드론을 활용하여 사면의 경사를 확인하고, 위험도를 분석하였다. LiDAR를 통해 포인트클라우드 데이터를 수집하고, 경사도를 정밀하게 분석한다. 경사도 분석 결과값을 지도위에 표시하여 산사태 위험지도를 만들고, 위험 등급이 높은 지역에 대해서 산사태가 발생할 시 대피할 수 있는 최적의 대피경로를 파악한다. GIS의 네트워크분석을 통해 위험 지역 내에 포함되어 있는 건물에서 대피할 수 있는 최적의 경로를 추출하였다. 본 연구를 통해 접근이 어려운 급경사지에 대한 사면 정밀 분석을 할 수 있으므로 사면재해 피해 예방에 도움이 될 것으로 기대한다.

자율주행차량에서 핵심적인 역할을 수행하는 LiDAR의 주변 환경 검지 시인성을 향상시키 기 위해서는 LiDAR 성능의 개선 뿐만 아니라, 검지 물체의 개선도 필요하다. 이에 본 연구는 LiDAR 센서를 통해 수집되는 point cloud 데이터 기반의 형상인식 알고리즘을 활용하여 자율 주행차량이 인식하기에 유리한 교통안전표지 형상과 개선방안을 제시하였다. 실험을 위해 point cloud 활용 연구에서 보편적으로 활용되는 DBSCAN 기반의 도로표지 인식·분류 알고리 즘을 개발하고 실도로 환경에서 32ch LiDAR를 활용, 도로표지 5종에 대한 인식 성능 실험을 수행하였다. 연구결과, 정사각형이나 원형보다는 상하 비대칭이 있는 정삼각형, 직사각형과 같 은 형상이 보다 적은 점군의 수로도 검지가 가능하고, 83% 이상의 높은 분류 정확도를 보였다. 또한, 정사각형 표지의 크기를 1.5배 확대할 경우, 분류 정확도를 향상시킬 수 있었다. 이러한 결과는 미래 자율주행 시대의 센서를 위한 전용 도로·교통안전시설물 개선 및 신규 시설물 개 발에 활용될 수 있을 것으로 기대된다.

LiDAR plays a key role in autonomous vehicles, and to improve its visibility, it is necessary to improve its performance and the detection objects. Accordingly, this study proposes a shape for traffic safety signs that is advantageous for self-driving vehicles to recognize. Improvement plans are also proposed using a shape-recognition algorithm based on point cloud data collected through LiDAR sensors. For the experiment, a DBSCAN-based road-sign recognition and classification algorithm, which is commonly used in point cloud research, was developed, and a 32ch LiDAR was used in an actual road environment to conduct recognition performance tests for 5 types of road signs. As a result of the study, it was possible to detect a smaller number of point clouds with a regular triangle or rectangular shape that has vertical asymmetry than a square or circle. The results showed a high classification accuracy of 83% or more. In addition, when the size of the square mark was enlarged by 1.5 times, it was possible to classify it as a square despite an increase in the measurement distance. These results are expected to be used to improve dedicated roads and traffic safety facilities for sensors in the future autonomous driving era and to develop new facilities.

일반적으로 산성은 사찰, 가마터, 주거지와 달리 유구가 드러나 있어 상대적으로 조사는 쉽다. 다만 규모가 있고 산림 속에 있어 지상 조사만으로는 전체적인 형태를 확인하기는 어렵다. 해외에서는 LiDAR를 활용하여 밀림 속의 정착지나 도로와 같은 유적을 확인한 사례는 많이있다. 그러나 국내에서 지금까지 관련 사례는 거의 없는 실정이다. 항공 고고학 분석 방법이고지형분석이란 이름으로 도입해서 충적지 및 훼손 성벽을 추정 · 복원한 사례가 있으나 LiDAR를활용한 원격 탐사 연구는 현재 거의 없는 실정이다. 이에 본 연구에서는 예산군 소재 예산산성을 대상으로 LiDAR를 활용한 시각화를 시도하였다. 객관적인 고고학적 정보를 제공하기 위해 이미지 시각화 및 GIS 기술을 활용하여 LiDAR 데이터를가공하였다. 결과를 근거로 예산산성의 전체적인 경관을 조망하고 기존 발굴 보고서와의 비교를통해 LiDAR 활용방안에 대한 연구방법을 제시하였다. LiDAR를 이용한 연구는 접근도가 떨어지는 원격지 혹은 삼림 등에 분포하는 유적의 형태를파악할 수 있게 한다. 특히 다양한 종류의 자연적, 인공적 장애물에도 불구하고 지표면의 건축물을발견하고 특정 대상을 관찰할 수 있는 LiDAR의 속성은 관련 연구자에게 기술적 객관성을 제공해줄 수 있다. 이는 국토 대부분이 산지로 이루어진 한국의 지형적 특성에 효과적으로 활용될 수 있을 것이다.

In general, mountain fortresses are relatively easy to investigate, unlike temples, kilns, and dwellings, as the remains are exposed. However, it is difficult to confirm the overall shape only by ground survey because it is large and is located in the forest. Overseas, there are many examples of using LiDAR to identify ruins such as settlements or roads in the jungle. However, there are few related cases in Korea so far. Although there are cases in which aerial archeology analysis method was introduced under the name of paleomorphological analysis and estimated and restored alluvial sites and damaged walls, there are currently few remote sensing studies using LiDAR. In this paper, we attempted to restore the historical landscape using LiDAR for Yesan Mountain Fortress located in Yesan-gun. LiDAR data was processed using image visualization and GIS technology to provide objective archaeological information. Based on the results, the overall landscape of Yesan Mountain Fortress was viewed and a research method for LiDAR utilization was presented through comparison with existing excavation reports. Research using LiDAR makes it possible to grasp the shape of ruins distributed in remote areas or forests with poor access. In particular, the property of LiDAR, which can detect buildings on the ground surface and observe specific objects despite various types of natural and artificial obstacles, can provide technical objectivity to related researchers. This can be effectively utilized for the topographical characteristics of Korea, where most of the land is mountainous.

자율주행자동차는 센서를 통해 수집되는 정보에 의존해 주행을 한다. 따라서, 센서로부터 수집되는 정보의 불확실성은 해결해야 할 중요한 부분이다. 이를 위하여 도로·교통 분야에서 는 인프라 또는 시설물을 통해 이러한 센서의 불확실성을 해결하기 위한 연구를 수행한다. 본 연구는 이러한 자율주행 지원 인프라 개발 연구의 일환으로 강우 상황에서도 충분히 LiDAR의 검지성능이 확보되어 공사구간에서 시선유도 기능을 유지할 수 있는 교통콘을 개발하여 이의 개선효과를 실증을 통해 검증하였다. 연구진이 개발한 개선 교통콘은 기존의 원뿔형보다 반사 성능이 증대될 수 있도록 직교형과 평면형 2가지 형태로 제작하였다. 실증수행 결과, 평면형 교통콘은 운전자의 시야확보가 불가능한 수준인 50 mm/h 강우 환경에서도 기존 교통콘에 비 하여 우수한 검지성능이 확보됨을 확인할 수 있었다. 또한 두 개선 교통콘 모두 강우 비중이 높은 20 mm/h 수준에서는 맑은 날 수준의 검지수준이 유지되는 것도 확인하였다. 향후, 자율주 행의 안전을 유도할 수 있는 교통콘이 현장에서 실제로 적용될 수 있도록 개선방안을 발전시 켜 나가야 할 것이다.

Automated vehicles rely on information collected through sensors to drive. Therefore, the uncertainty of the information collected from a sensor is an important to address. To this end, research is conducted in the field of road and traffic to solve the uncertainty of these sensors through infrastructure or facilities. Therefore, this study developed a traffic cone that can maintaing the gaze guidance function in the construction site by securing sufficient LiDAR detection performance even in rainy conditions and verified its improvement effect through demonstration. Two types of cones were manufactured, a cross-type and a flat-type, to increase the reflective performance compared to an existing cone. The demonstration confirms that the flat-type traffic cone has better detection performance than an existing cone, even in 50 mm/h rainfall, which affects a driver's field of vision. In addition, it was confirmed that the detection level on a clear day was maintained at the 20 mm/h rain for both cones. In the future, improvement measures should be developed so that the traffic cones, that can improve the safety of automated driving, can be applied.

본 논문에서는 Lv. 3 이상 자율차의 핸디캡 극복을 위한 필수요소인 자율차의 측위 성능 개선을 위하여, 자율차의 LiDAR를 활용하여 랜드마크 기반 측위보정에 활용 가능한 신규 도로 시설물(측위 지원 시설물)을 개발하고 이에 대한 성능기반의 효과를 검증한다. 기존 도로시설 물을 랜드마크로 활용하는 것보다 일관성이 확보되고, 형상 및 측위지원 과정에서의 활용성 측면에서 유리할 수 있도록 측위 지원 시설물을 제작한다. 자율차의 LiDAR를 활용한 효과검증 결과, 측위지원 성능은 악천후 환경(강우, 안개)에서도 15cm 이내로 개발된 시설물이 자율차 측위보정을 위한 랜드마크로서 활용될 수 있음을 확인하며, 개발된 시설물 및 시설물 활용 체 계를 자율차에 탑재하여 측위보정에 대한 실차 운영 상황에서의 효과를 정량적으로 확인한다.

In this paper, in order to improve the positioning of autonomous vehicles (AV), which is an essential element for overcoming the handicap of AV of Lv. 3 or higher, we develop a new road facility that can be used for landmark-based positioning calibration using mobile LiDAR and verify its performance. The new road facility is manufactured so that it is more consistent than using existing road facilities as landmarks and has an advantage in terms of usability in terms of shape and position calibration process. As a result of the effectiveness verification using mobile LiDAR, the positioning support performance is within 15 cm even in bad weather environments (rain, fog), confirming that the developed facility can be used as a landmark for AV positioning calibration. In addition, the developed facility and facility utilization system are loaded into AV to quantitatively verify the effect on positioning calibration in actual vehicle operation situations.

해방70년을 맞이하는 차원에서 일제강점기 동안에 조선인 강재징용으로 구축된 진지갱도(신주백, 2003) 에 대한 구조물의 분포와 활용에 대한 내역을 규명하고(황석규, 2006), 일제에 의하여 자행된 국토훼손의 실상 및 만행을 확인하여 분류하는데 있다. ‘한반도는 일제강점기 일본 제국의 군사요새였다’(이완희, 2014) 고 제시하였듯이 조사탐사의 범위는 전국을 대상으로 하며, 진지갱도지역에 대한 3-D LiDAR 기법에 의한 도면작성으로 붕괴위험에 처한 진지동굴의 분포, 형상, 내용 등의 분석으로 문화재적 측면의 보전위한 기 록물 구현방안에 있다.

자율주행 운행설계영역(ODD) 확장을 위한 기상 조건 임계값 설정에는 센서 저하의 실증근거가 필요하나, ISO 34503:2023 제10조(Clause 10)는 정량적 기준값을 제시하지 않고 있다. 본 연구는 AI허브 악천후 데이터(1,810씬, 72,021프레임)의 3D 어노테이션을 전수 파싱하고 비 모수 통계 검정을 적용하여 기상 유형별 라이다(LiDAR) 센서 저하 메커니즘을 정량 분석하였다. 분석 결과 비 조건에서는 3D 위치정보 미획득 비율(3D null ratio, 65.4%)이, 눈 조건에서는 시야 차폐 비율(occluded ratio, 69.3%)이 각각 최고치를 기록하여, 두 기상 조건이 질적으로 다 른 메커니즘(위치 소실 vs 시야 차폐)으로 라이다(LiDAR) 성능을 저하시킴이 모든 핵심 지표에서 확인되었다(Kruskal-Wallis, p<0.001). 이 결과는 기상 유형별로 차별화된 센서 보완 전략과 ODD 운행 기준 마련의 실증적 근거를 제공한다.

Establishing weather-based thresholds for Operational Design Domain (ODD) expansion requires empirical evidence on sensor degradation, yet ISO 34503:2023 Clause 10 provides no quantitative benchmarks. This study parsed full-frame 3D annotations from an adverse weather dataset (1,810 scenes, 72,021 frames) on AI Hub and applied nonparametric statistical tests to quantify LiDAR degradation by weather type. Results show that the 3D null ratio peaked at 65.4% under rain while the occluded ratio reached 69.3% under snow, confirming that the two conditions degrade LiDAR through qualitatively distinct mechanisms — position loss versus visual occlusion — with significant differences across all indicators (Kruskal-Wallis, p<0.001). These findings provide an empirical basis for weather-type-differentiated sensor compensation strategies and ODD operational criteria.

LiDAR는 자율주행차에서 활용되는 핵심적인 센서로서, 3D 정보를 생성할 수 있고 다양한 환경요인에 비교적 강건하다는 점에서 활용 범위가 늘어나고 있다. 다만 LiDAR는 원리 상 강 우 시 빗방울에 의한 신호감쇠 및 산란현상으로 인해 성능이 일정 부분 저하되는 것으로 알려 져 있으며, 이에 LiDAR를 활용한 도로환경 검지 및 활용에 있어 강우에 따른 영향요인 분석이 필요하다. 본 연구에서는 강우 시 LiDAR의 성능 저하 요인이라 알려진 신호감쇠 및 산란의 영향에 대한 해석을 실측 데이터를 기반하여 진행한다. 강우량 통제가 가능한 실내 실험시설 에서 고휘도 재귀반사시트지를 활용한 시설물을 활용하여 데이터를 취득하고, 이를 신호감쇠 및 산란의 관점에서 해석하여 강우 시 LiDAR 성능 저하를 정량적으로 확인한다. 점군분포도 와 성능지표 분석결과, 비로 인한 신호감쇠와 산란의 영향으로 LiDAR의 성능은 저하된다. 세 부적으로 정량 성능지표 분석결과는 LiDAR는 비로 인한 신호감쇠 효과로 주로 Intensity가 감 소하며, 신호산란 효과로 NPC와 Intensity가 감소하고, 측정거리 오차가 커졌다.

LiDAR is a key sensor used in autonomous vehicles, and its range of applications is expanding because it can generate 3D information and is relatively robust to various environmental factors. However, it is known that LiDAR performance is degraded to some extent due to signal attenuation and scattering by raindrops during rain, and thus the need for analysis of factors affecting rainfall in road environment detection and utilization using LiDAR has been confirmed. In this study, we analyze how signal attenuation and scattering, known as factors degrading LiDAR performance during rain, cause performance degradation based on real data. We acquire data using facilities that utilize high-luminosity retroreflective sheeting in indoor chamber where quantity of rainfall can be controlled, and quantitatively confirm the degradation of LiDAR performance during rain by interpreting it from the perspective of signal attenuation and scattering. According to the point cloud distribution and performance analysis results, LiDAR performance deteriorates due to signal attenuation and scattering caused by rain. Specifically, the quantitative performance analysis shows that LiDAR experiences a decrease in intensity primarily due to signal attenuation from rain, as well as a reduction in NPC and intensity due to signal scattering effects, along with an increase in measurement distance error.

본 연구는 자율주행차량의 필수 센서로 인식되는 LiDAR로 도로표지를 검지할 시, 도로표지 의 모양과 높이 등이 검지성능에 주는 영향에 대하여 알아보았다. 연구를 위해 면적과 재질은 동일하고, 모양은 서로 다른 도로표지를 4종을 제작하였으며, 32Ch 회전형 LiDAR를 차량 상단 부에 장착하여 도로주행실험을 수행하였다. 도로표지의 모양에 따른 점군데이터의 형상과 NPC를 비교한 결과, 32ch LiDAR를 활용하여 도로표지의 전체 모양을 인식하려면 40m 이내의 거리가 필요할 것으로 기대되며, 원거리에서 최대한 점군을 확보하는 데 있어서는 정사각형보 다는 삼각형, 직사각형 등의 형상이 유리하였다. 도로표지의 높이에 따른 연구 결과, 근거리 (20m이내)에서는 표지의 높이를 2m 이상으로 올리면 LiDAR의 수직시야각에서 이탈하여 완전 한 점군 형상을 표현하지 못하게 되며, 차로변화로 센서와 표지 사이의 횡간격과 입사각이 커 지게 되면 NPC가 소폭 감소하나 근거리 높이 변화에 비하면 미미한 영향을 보였다. 이러한 연구결과는 자율협력주행기술 상용화를 위한 LiDAR 전용 도로시설물 개발에 활용될 수 있을 것으로 기대된다.

This study investigated the effect of the shape and height of road signs on detection performance when detecting road signs with LiDAR, which is recognized as an essential sensor for autonomous vehicles. For the study, four types of road signs with the same area and material and different shapes were produced, and a road driving test was performed by installing a 32Ch rotating LiDAR on the upper part of the vehicle. As a result of comparing the shape of the point cloud and the NPC according to the shape of the road sign, It is expected that a distance of less than 40m is required to recognize the overall shape of a road sign using 32Ch LiDAR, and shapes such as triangles and rectangles are more advantageous than squares in securing the maximum point cloud from a long distance. As a result of the study according to the height of the road sign, At short distances (within 20m), if the height of the sign is raised to more than 2m, it deviates from the vertical viewing angle of the LiDAR and cannot express the complete point cloud shape. However, it showed a negligible effect compared to the near-field height change. These research results are expected to be utilized in the development of road facilities dedicated to LiDAR for the commercialization of autonomous cooperative driving technology.

본 연구는 LiDAR가 악천후 시 물체를 검지하는 성능을 맑은 날과 비교하여 알아보았다. 악천후를 재현하는 실험은 안개 시정거리를 200m부터 50m까지 4단계로 강우량은 20(mm/h)와 50(mm/h)로 나누어 수행하였다. LiDAR를 차량에 장착하여 실제 도로 위를 주행하여 진행하였 고, 사람 모양의 표지판을 대상으로 측정거리별로 분석하였다. 성능지표는 Number of Points Cloud와 Intensity를 활용하였고, T-Test로 성능의 차이를 통계적으로 알아보았다. 연구결과, 맑 은 날 대비 LiDAR 검지 성능은 강우량 20mm/h, 안개시정 200m 이하, 강우량 50mm/h, 안개시 정 150m 이하, 100m 이하, 50m 이하의 순으로 성능저하가 발생하였다. 성능의 저하는 흰색보 다는 검은색일 때, 측정거리가 멀어질수록 크게 발생하였다. 하지만, 흰색은 본 실험에서 최악 의 상황으로 판단되는 시정 50m에서도 측정거리 10m에서는 성능의 차이가 미미하였고, 통계 적으로는 차이가 없었다. 성능검증 결과는 향후 센서의 시인성을 제고하는 도로시설물 제작에 활용될 것이 기대된다.

This study compared the performance of LiDAR in detecting objects in rough weather with that in clear weather. An experiment that reproduced rough weather divided the fog visibility into four stages from 200 m to 50 m and controlled the rainfall by dividing it into 20 mm/h and 50 mm/h. The number of points cloud and intensity were used as the performance indicators. The difference in performance was statistically investigated by a T-Test. The result of the study indicates that the performance of LiDAR decreased in the order in situations of 20 mm/h rainfall, fog visibility less than 200 m, 50 mm/h rainfall, fog visibility less than 150 m, fog visibility less than 100 m, and fog visibility less than 50 m. The decreased performance was greater when the measurement distance was greater and when the color was black rather than white. However, in the case of white, there was no difference in performance at a measurement distance of 10 m even at 50 m fog visibility, which is considered the worst situation in this experiment. This no difference in performance was also statistically significant. These performance verification results are expected to be utilized in the manufacture of road facilities in the future that improve the visibility of sensors.

본 연구는 자율협력주행차량의 협력 인프라 중 하나인 도로표지판을 대상으로 LiDAR의 검지 성능 변화를 알아보았다. 이를 위해서 색깔과 재질이 다른 도로표지판을 제작하여 실제도로 환 경에서 강우량을 통제한 테스트를 수행하였다. 성능지표는 NPC와 Intensity로 선정하였고, 집단 간의 비교는 T-Test를 활용하였다. 연구결과, 모든 재질에서 강수량이 증가할수록 LiDAR의 성능 지표가 감소되는 결과가 관측되었다. 재귀반사지는 강수량 증가에 따른 성능지표 감소가 페인트 도색에 비해선 작았지만, 이 역시 40mm이상의 강수량에서는 데이터의 관측이 되지 않을 정도로 성능이 저하되었다. 검은색 페인트는 맑은 날에도 다른 색들에 비하여 성능지표가 낮았으며 특 히, 백색의 재귀반사지는 성능지표가 강수량 증가에 가장 민감하게 저하되었다. 이러한 성능검 증 결과는 향후 센서의 시인성을 제고하는 도로시설물 제작에 활용될 것으로 기대된다.

This study verified the performance change of a LiDAR when it detects road signs, which are potential cooperation targets for an autonomous vehicle. In particular, road signs of different colors and materials were produced and tested in controlled rainfall on the real road environment. The NPC and intensity were selected as the performance indicators, and a T-Test was used for comparison. The study results show that the performance of LiDAR for the detection of road signs was reduced with the increase of rainfall. The degradation of performance in retroreflective sheets was lesser than painted road signs, but at the amount of 40 mm/h or more, the detection performance of retroreflective sheets deteriorates to an extent that data cannot be collected. The performance level of black paint was lower than that of other colors on a clear day. In addition, the white sheet was most sensitively degraded with the increase in precipitation. These performance verification results are expected to be utilized in the manufacturing of road facilities that improve the visibility of sensors in the future.

자율주행차량에서 핵심적인 역할을 수행하는 LiDAR는 운전자의 눈을 대신하여 주변 환경 을 검지하는 데 활용되며, 그 역할이 점차 확대되고 있다. 이에 따라 최근에는 자율주행차량에 장착된 LiDAR의 성능을 시험하는 요구가 높아지고 있다. 많은 LiDAR 성능 시험은 시뮬레이 션 및 실내환경에서 수행되고 있어, 실외환경 및 실도로 환경에서의 시험은 미미한 상황이다. 이에 본 연구는 LiDAR 성능을 실내와 실외에서 동일한 조건으로 비교하여, 실내외 시험 간의 관계를 확인하고, 각각의 특징과 역할을 정립하고자 하였다. 실험결과 조광환경(직사광선, 실 내) 및 검지물체에 따라 LiDAR 검지성능이 달라지는 것을 확인하였다. 특히, 거리증가와 강우 량 증가에 따른 Intensity 감소 영향은 실외에서 보다 크게 나타남에 따라 물체에 대한 LiDAR 검지 성능 시험 시 실내외 실험이 모두 필요함을 제시하였다. 본 연구의 결과는 LiDAR 센서 활용 연구 수행 기관 및 LiDAR 대응 시설물 연구 기관에서 유용하게 활용될 것으로 기대된다.

LiDAR plays a key role in autonomous vehicles, where it is used to detect the environment in place of the driver's eyes, and its role is expanding. In recent years, there has been a growing need to test the performance of LiDARs installed in autonomous vehicles. Many LiDAR performance tests have been conducted in simulated and indoor(lab) environments, but the number of tests in outdoor(field) and real-world road environments has been minimal. In this study, we compared LiDAR performance under the same conditions lab and field to determine the relationship between lab and field tests and to establish the characteristics and roles of each test environment. The experimental results showed that LiDAR detection performance varies depending on the lighting environment (direct sunlight, led) and the detected object. In particular, the effect of decreasing intensity due to increasing distance and rainfall is greater outdoors, suggesting that both lab and field experiments are necessary when testing LiDAR detection performance on objects. The results of this study are expected to be useful for organizations conducting research on the use of LiDAR sensors and facilities for LiDAR sensors.