포인트클라우드 자료 (Point Cloud Data)
쉽게 풀면
포인트클라우드는 레이저나 카메라로 어떤 대상을 스캔했을 때 얻어지는 수많은 점들의 모음이라고 생각하면 됩니다. 각 점은 저마다 x, y, z 좌표값을 가지고 있어서, 이 점들을 한꺼번에 모아 놓으면 마치 안개처럼 대상물의 표면 형태가 입체적으로 드러납니다. 건물이나 지형을 라이다 장비로 스캔하면 수백만 개의 점이 만들어지는데, 이 점들을 이어붙이면 실제와 매우 흡사한 3차원 모델을 만들 수 있습니다.
왜 중요한가
정밀한 지형 측량, 3차원 도시모델 제작, 문화재 디지털 기록 등에서 포인트클라우드는 핵심적인 원시 자료로 활용됩니다. 지도학 및 측량 분야 연구에서는 포인트클라우드로부터 지형모델이나 건물 형상을 자동으로 추출하는 방법이 중요한 연구 주제로 다루어집니다. 실제 지형과 구조물의 세밀한 3차원 형상을 직접 측정한 값으로 담고 있어, 정밀한 지형모델 제작이나 구조물 변형 감지에 널리 활용됩니다.
논문에서는 이렇게 쓰입니다
라이다 포인트클라우드를 지형모델 제작에 활용한 사례를 보여줍니다.
사진측량 기반 포인트클라우드로 건물 형상을 재구성한 연구입니다.
조금 더 깊게 보면
포인트클라우드는 라이다(LiDAR) 스캐닝이나 다중 사진을 이용한 사진측량(photogrammetry) 방식으로 주로 취득되며, 각 점은 좌표값 외에 반사강도, 색상 등의 부가 정보를 함께 가질 수 있습니다. 자료량이 매우 방대하기 때문에 분류, 노이즈 제거, 다운샘플링 등의 전처리 과정을 거쳐 지형모델이나 3차원 모델 제작에 활용되는 경우가 일반적입니다. 포인트클라우드는 라이다(LiDAR) 센서나 사진측량(포토그래메트리) 기법으로 수집되며, 각 점은 좌표뿐 아니라 반사강도(intensity), 분류 코드(지면·건물·식생 등) 같은 속성을 함께 가지는 경우가 많아 지면점만 추출해 표고모델을 만드는 필터링 과정이 뒤따릅니다.
주의할 점
포인트클라우드는 원시 상태로는 자료량이 매우 크고 정돈되지 않은 형태이므로, 목적에 맞는 필터링과 처리 과정을 거치지 않으면 활용이 어렵습니다. 포인트클라우드는 원시 상태에서 노이즈나 이상점을 포함하는 경우가 많아, 분석 전 필터링과 분류 작업을 거치지 않으면 결과가 왜곡될 수 있습니다.