본문 바로가기

SIT서울기술연구원

연구정보 시민의 안전과 삶의 질 향상에서 서울기술연구원이 앞장서겠습니다.

('20년 연구과제) 드론을 이용한 보행 및 차량통행 위험요소 탐지 기술 개발

신정일, 박우진 2021.08.03 983

드론을 이용한 보행 및 차량통행 위험요소 탐지 기술 개발


연구책임 : 신정일 연구기획실 수석연구원

연구진 : 박우진 연구기획실 연구위원


보도 파손 및 도로 결빙을 탐지하기 위한 다중센서 드론 시스템과 알고리즘 개발.

기술 적용 및 고도화 방안 제시


보행과 차량통행 위험요소 중 보도 파손과 도로 결빙에 대한 탐지 기술 개발 필요

도시에서 도로는 매우 중요한 기반시설 중 하나로 인간과 차량의 통행이 이루어지는 공간이다. 도로는 차량이 통행하는 공간뿐만 아니라 보행 공간까지 포함하는 공간으로 정의할 수 있다. 보도는 도로 중 보행만을 위한 공간으로 세분화하여 정의할 수 있다. 도로 및 보도에서 보행과 차량통행 시 고려할 수 있는 위험요소는 형태 요소, 상태 요소, 기상 요소로 구분할 수 있다. 형태 요소는 경사도, 굴곡도, 단차, 시설물, 등을 들 수 있다. 상태 요소는 포장상태(파손/변형 등), 장애물 등을 들 수 있다. 기상 요소는 가시거리(안개), 강우, 강설, 결빙 등을 들 수 있다. 상태 요소는 포장의 노후화 및 파손 과 같이 시간에 따른 변화가 발생할 확률이 높고 공간적으로 불균질한 특성을 갖는다. 시간적인 변화와 공간적인 변화가 함께 발생하는 요소(포장상태, 안개, 결빙)의 경우 이동식 플랫폼을 이용한 모니터링이 필요하다.

서울특별시는 보행친화도시, 도심주요도로 차도축소, 걷는도시 서울 등 지속적인 보행환경 개선 사업을 지속 추진하고 있다. 보도블럭의 파손 정보는 주로 시민들의 민원에 의해 수집되고 있어 보다 능동적인 조사가 필요하다. 또한 우리나라는 보도블럭 파손을 정량적으로 조사하기 위한 기준이나 방법이 부재한 실정으로 육안에 의한 검사방법이 주로 사용된다. 따라서 보도블럭의 파손을 능동적·과학적·정량적으로 조사하기 위한 기술 개발이 필요하다.

노면상태와 기상은 차량통행에 있어 매우 중요한 요소이다. 도로 결빙은 겨울철 교통사고 및 보행자 사고의 주요 원인 중 하나로 특히 눈에 보이지 않는 결빙인 블랙아이스에 의한 사고는 대형 사고의 원인이 된다. CCTV는 촬영 범위에 해당하는 일부 지역만 모니터링 할 수 있고 시민의 신고에 의한 방법은 적극적 참여가 부족할 경우 실효성과 신속성이 낮다는 한계가 있다. 따라서, 도로 결빙으로 인한 사고의 예방 및 신속 대응을 위한 능동적인 방안이 필요한 실정이다.

드론의 대중화와 센서 기술의 발전으로 도시 문제 해결을 위한 다양한 관측자료 수집 가능성이 높아지고 있다. 보도나 도로와 같이 선형의 형태를 갖고 있어 조사의 효율성이 낮은 경우 드론을 이용한 관측을 통해 조사 효율성을 향상시킬 수 있다. 특히 발생 빈도가 낮고 위치가 불규칙적이며 조사 면적이 넓은 경우 드론을 기반으로 한 모니터링 기술이 필요하다.

따라서 본 연구에서는 보행 및 차량통행의 위험요소를 다양한 요소 중 보도의 파손과 도로의 결빙을 대상으로 다중센서 드론 시스템을 이용한 탐지 기술을 개발하였다.


보도 및 도로 정밀 스캐닝을 위한 다중센서 드론 구축

보도 및 도로를 정밀 스캐닝하기 위하여 다중센서 드론 시스템을 구축하였다. 본 연구에서 구축한 다중센서 드론 시스템은 드론, 광학 및 열화상 센서, 라이다 센서로 구성되어 있다. 본 연구에서는 광학·열화상 센서와 라이다 센서를 듀얼 짐벌(gimbal)을 이용하여 동시에 드론에 통합 장착함으로써 다중센서 드론 시스템을 구축하였다. 광학 센서와 열화상 센서의 경우 사용한 드론 전용 센서로 출시되었으며, 이미 두 가지 센서가 통합되어 있어 별도의 통합 과정을 거치지 않았다. 라이다 센서의 경우 드론과 통합을 위하여 짐벌에 장착 가능한 마운트, 센서 제어 및 데이터 저장을 위한 초소형 싱글보드 PC 등을 제작하였다.

본 연구에서 개발한 드론·라이다 통합 하드웨어는 드론의 전면부에 카메라와 라이다가 짐벌에 결합되어 있고, GPS/INS 센서는 우측 후면에 위치한다. 라이다 데이터 시간동기화는 GPS 센서가 측정한 위치 및 자세 데이터와 라이다 측정 데이터 간에 선형으로 접합하여 상대적인 측정 거리를 고려한 후 절대위치를 산정하기 때문에, 실제 측정을 수행하는 디바이스간 이격거리를 측정하여 시간동기화에 적용함으로 하드웨어 캘리브레이션을 수행하였다. GCP를 사용하여 제작한 포인트 클라우드 성과와 실제 GCP 측량점의 평면 및 표고의 평균을 비교한 결과 평면오차 0.027m, 표고오차 0.021m를 보여주었다.


[그림 1] 다중센서 드론 시스템

드론 다중센서 자료 취득 및 전처리

실험지역은 경기도 화성시 동탄동 일대의 택지개발지역 내 약 100m 구간의 폐쇄도로이다. 실험지역은 안전을 고려하여 차량통행 및 보행이 없고, 비행 제한이 없는 공역이라는 두 가지 조건을 동시에 만족시킬 수 있는 지역을 선정하였다. 노면 결빙(블랙아이스)는 최저기온이 -7이하로 내려가는 날의 야간에 노면에 물을 부어서 모의로 제작하였다. 보도블럭 파손은 개당 10cm × 20cm × 6cm(가로 × 세로 × 높이)크기의 보도블럭을 제거하여 파손을 모의하였는데, 제거 개수에 따라 4가지 면적의 파손으로 모의하였다.


[그림 2] 노면결빙(좌)과 보도파손(우) 모의 제작


드론 다중센서 자료 취득시 비행고도를 다양하게 취득하여 비행고도에 따른 공간해상도, 점밀도, 수직정확도, 라이다 반사강도 등을 비교하였다.

보도 파손 탐지에 있어 고려할 자료의 사양은 광학영상의 공간해상도, 라이다 자료의 점밀도이고 두 자료 공통적으로 수직정밀도이다. 공간해상도 및 점밀도의 경우 자료에서 보도블럭 1개의 면적에 대한 명확한 경계가 도출될 수 있는 해상도(2cm) 또는 점밀도(400 points/)를 갖추어야 한다. 수직정밀도의 경우 보도블럭 1개의 높이보다 높은 정밀도(5cm)를 갖추어야 한다.

노면 결빙 탐지의 경우 광학영상과 라이다 자료를 이용할 수 있으나, 결빙이 주로 야간에 발생한다는 점을 고려하였을 때 라이다 자료가 보다 유용할 것으로 판단된다. 여기에서 열화상을 고려하지 않은 이유는 열화상에서 나타나는 결빙지점과 비결빙지점의 온도에 차이가 보이지 않기 때문이다. 노면 결빙의 경우 일반적으로 면적이 수십 로 형성되므로 드론에서 취득되는 영상 및 자료의 공간해상도는 고도에 관계없이 충분할 것으로 판단된다. 다만 라이다 센서의 경우 레이저의 후방산란강도(backscattering intensity)를 이용하므로 비행고도에 따른 후방산란강도의 감쇄효과를 고려하여야 한다. 본 연구에서 사용한 라이다 센서의 경우 50m 이하의 비행고도에서 취득한 자료를 이용하여야 노면 결빙을 탐지할 수 있을 것으로 판단된다.


[그림 3] 드론 광학영상() 및 라이다 자료(우)


보도파손 및 도로결빙 탐지 알고리즘 개발

보도블럭이 파손된 부위는 주변에 비해 낮거나 높은 표고값을 갖는다. 본 연구에서는 보도블럭이 파손된 부위에서 포인트 클라우드의 표고에 대한 분산이 커지는 것을 탐지 방법의 원리로 이용하였다. 보도블럭이 파손되지 않은 부위는 약 2 cm의 범위에서 포인트의 표고가 나타나는 반면 보도블럭이 파손된 부위에서는 약 4 cm의 범위에서 표고가 나타나는 것을 볼 수 있다.

보도블럭 파손을 탐지하는 방법은 다음과 같다. 첫째, 포인트 클라우드의 영역에 해당하는 2차원 격자를 구성한다. 둘째, 격자값이 임계치보다 클 경우 파손부위로 탐지한다. 임계치는 평균 + n × 표준편차로 정의할 수 있고, 본 연구에서는 n값을 1.0, 1.2, 1.5, 2.04가지로 부여하여 탐지정확도를 산출하였다. 임계치에 사용된 n값이 1.0인 경우 정탐지율 81.3 %, 누락오차 18.7 %, 추가오차 1.6 %로 나타났다. n값이 높아짐에 따라 정탐지율이 낮아지고 추가오차 또한 낮아져서, n값이 2.0일 때 정탐지율 68.8 %, 누락오차 31.2 %, 추가오차 0.3 %로 나타났다.


[그림 4] 보도파손(좌)에 따른 표고의 분산(중)과 이를 이용한 탐지 결과(우)


결빙된 노면은 주변에 비해 어둡게 보인다. 본 연구에서는 노면 결빙이 주변에 비해 어둡게 나타나는 원리를 이용하여 노면 결빙을 탐지하고자 하였다. 노면결빙 알고리즘은 다음과 같다. 첫째, 자료에서 노면 부분을 추출한다. 둘째, 광학영상의 밴드별 화소값 또는 라이다의 후방산란계수에 대한 통계치를 구한다. 다만, 라이다 센서의 각 채널간 후방산란강도의 정규화가 우선 필요하다. 셋째, 화소값 또는 후방산란계수가 평균 n × 표준편차 보다 작을 경우 결빙으로 탐지한다. 광학영상을 이용한 도로 결빙 탐지 정확도는 n1.2에서 정탐지율 83.7%와 누락오차 16.3%, 추가오차 0.8%를 보여주었다. 라이다 자료를 이용한 도로 결빙 탐지 정확도는 n1.0에서 정탐지율 75.2%와 누락오차 24.8%, 추가오차 2.2%를 보여주었다. 또한 본 연구에서 개발한 알고리즘들을 SW로 개발하였다.


[그림 5] 광학영상(좌)과 라이다 자료(우)를 이용한 도로 결빙 탐지 결과


기술 적용 및 고도화 방안

본 연구에서는 다중센서 드론 시스템을 이용하여 보도파손과 도로결빙을 탐지하는 기술을 개발하였다. 본 연구의 결과를 현장에 적용하기 위해서 다양한 적용 방안과 기술의 고도화가 고려되어야 한다.

본 연구에서 개발한 기술을 적용하기 위하여 다음과 같은 사항들이 고려되어야 한다. 드론 기체는 이륙중량, 장애물 회피, GPS/INS 성능, 비행가능시간 등 다양한 종류의 사양을 고려하여야 한다. 광학카메라는 차폐효과를 고려하여 화각이 넓어야 하며 영상의 왜곡이 작아야 한다. 라이다 센서는 수직정밀도, 점밀도, 스캔 가능 거리 등을 고려하여야 한다. 또한, 센서 간 그리고 센서와 기체 간 상호 캘리브레이션이 수행되어야 한다. 자료 취득 시 비행경로, 비행시간, 비행고도, 비행 및 촬영허가 등 다양한 요소를 고려하여야 한다. 비행경로의 경우 가급적 도로 중심을 따라 비행하며 계절적으로 가로수의 잎이 없는 낙엽 후 ~ 개엽 전이 자료 취득에 유리하다. 비행시간의 경우 안전사고를 최소화하기 위하여 도심지 내 차량 통행 및 보행이 적은 시간대에 자료를 취득하는 것이 바람직하다. 도로 결빙의 경우 야간(새벽)에 주로 발생하므로 야간 촬영은 능동형 센서인 라이다 센서를 사용하는 것이 바람직하다. 비행고도의 경우 활용 목적(보도 파손 탐지, 도로 결빙 탐지)에 따라 적절한 공간해상도(카메라), 점밀도(라이다), 위치정확도(공통), 스캔가능거리(라이다) 등이 다르므로 이를 고려한 비행고도 설정이 필요하다. 비행 및 촬영허가의 경우 드론 원스톱 민원서비스 (https://drone.onestop.go.kr)를 통해 일괄 신청이 가능하다. 현재 비행승인 및 특별비행승인(야간/가시권밖)은 최장 6개월 가능하나, 서울지역은 대부분 비행 금지·제한구역으로 주 2(1: 주비행일, 예비비행일)만 승인이 가능하며, 군 공역은 주말에만 비행 가능하다. 촬영허가는 공공기관의 경우 1년 단위 촬영허가가 가능하다. 자료처리는 도로결빙 탐지는 안전문제와 직결되므로 실시간 자료 처리 및 정보 제공이 중요하고, 보도파손 탐지는 신속한 처리보다는 각종 차폐물/장애물, 잡음 등을 제거하고 보도 표면만을 추출하기 위한 전처리 기술과 다양한 실제 환경을 고려한 탐지 알고리즘 개발 및 적용 실험이 필요하다.

본 연구에서 제시한 기술의 활용성을 높이기 위하여 실제 환경을 고려한 기술의 고도화가 필요하다. 기술 고도화를 위하여 고려할 요소는 장애물, 플랫폼, 관심영역 추출, 탐지 알고리즘 등이다. 첫째, 장애물과 관련하여 도로와 보도에는 가로수, 입간판, 시설물 등 다양한 장애물이 존재한다. 이러한 장애물을 고려한 비행, 자료취득 및 처리 등 고도화 된 기술이 필요하다. 둘째, 서울시는 비행 금지·제한 구역 및 관제권 등 드론을 이용한 자료 취득에 제한이 많은 실정이다. 또한 인구, 차량, 건물 등이 밀집하여 다양한 사고 위험이 존재한다. 따라서 다양한 플랫폼을 활용한 관측이 필요하다. 공중 플랫폼으로는 드론을 포함한 위성, 항공기 등을 고려할 수 있고, 지상 플랫폼으로는 차량, 로봇, CCTV 등을 고려할 수 있다. 각 플랫폼의 특성을 고려한 센서와 운용 기술 등에 대한 고도화가 필요하다. 셋째, 관측한 자료에는 센서가 관측가능한 영역에 대한 정보가 모두 포함되어 있다. 그 중 도로 및 보도와 같은 관심영역을 추출하여 분석하여야 처리 시간을 감소시키고, 탐지 정확도를 향상시킬 수 있다. 셋째, 탐지 알고리즘 측면에서 현실 세계에서 발생하는 다양한 변수를 고려하여 기술을 고도화하고 시범적용을 통하여 현업화하는 과정이 필요하다.