차이

문서의 선택한 두 판 사이의 차이를 보여줍니다.

--- 공간_정보 [2026/04/13 11:02] – 공간 정보 sync flyingtext
+++ 공간_정보 [2026/04/13 11:03] (현재) – 공간 정보 sync flyingtext
@@ 줄 121: / 줄 121: @@
 === 투영법과 평면 직각 좌표계 ===
-구면인 지구를 평면 지도로 변환하는 다양한 투영 기법과 그에 따른 왜곡 특성을 다룬다.
+지구 타원체의 곡면 정보를 2차원 평면으로 전이하는 과정은 [[지도학]](Cartography)의 가장 본질적인 공학적 과제 중 하나이다. 3차원 곡면은 수학적으로 평면으로 완벽하게 전개될 수 없는 [[가우스]](Carl Friedrich Gauss)의 곡률 특성을 지니고 있으며, 이로 인해 평면화 과정에서 거리, 면적, 각도, 형상 중 일부의 왜곡이 필연적으로 발생한다. 이러한 기하학적 모순을 해결하기 위해 고안된 체계가 [[투영법]](Map Projection)이다. 투영법은 타원체상의 지리적 좌표인 위도($ $)와 경도($ $)를 평면상의 직교 좌표인 $ x, y $로 변환하는 수학적 함수 관계로 정의된다.
+$$ x = f(\phi, \lambda), \quad y = g(\phi, \lambda) $$
+투영 과정에서 발생하는 왜곡의 성질에 따라 투영법은 크게 세 가지로 분류된다. 첫째, [[정각 투영]](Conformal Projection)은 투영된 평면상의 임의의 점에서의 각도 관계를 실제 타원체면과 동일하게 유지하는 방식이다. 이는 소축척에서의 형상 왜곡을 최소화하여 [[항해]]나 항공용 지도 제작에 필수적이다. 둘째, [[정적 투영]](Equal-area Projection)은 지표면의 특정 부분 면적과 투영된 평면상의 면적 비율을 일정하게 유지한다. 이는 분포도나 통계 지도를 제작할 때 객관적인 면적 비교를 가능하게 한다. 셋째, [[정거 투영]](Equidistant Projection)은 특정 지점 간의 거리를 정확하게 표현하는 데 목적을 둔다. 모든 성질을 동시에 만족하는 투영은 불가능하므로, 지도의 사용 목적에 따라 적합한 투영 방식을 선택하는 것이 중요하다.
+가향면(Developable Surface)의 기하학적 형태에 따른 분류 또한 투영 체계의 이해에 중요하다. 지구 타원체에 씌우는 가상의 면이 원통형인 경우를 원통 투영, 원뿔형인 경우를 원뿔 투영, 평면이 직접 접하는 경우를 방위 투영이라 한다. 현대 공간 정보 체계에서 가장 널리 사용되는 방식은 [[횡축 메르카토르 투영]](Transverse Mercator Projection, TM)이다. 이는 원통 투영의 변형으로, 원통을 가로로 눕혀 특정 [[자오선]](Meridian)에 접하게 함으로써 해당 자오선 인근의 왜곡을 극소화한다. 남북 방향으로 긴 지형을 가진 국가들은 주로 이 TM 투영법을 채택하여 국가 기본도를 제작한다.
+구면 좌표계인 위경도 좌표는 지표면상의 거리를 계산하거나 면적을 산출할 때 복잡한 구면 삼각법을 요구하므로, 실무적인 측량과 설계에서는 [[평면 직각 좌표계]](Plane Rectangular Coordinate System)를 주로 사용한다. 평면 직각 좌표계는 투영된 평면 위에 가상의 원점을 설정하고, 이를 기준으로 격자망을 구성하여 위치를 나타내는 체계이다. 이때 투영에 따른 왜곡을 통제하기 위해 [[중앙 자오선]](Central Meridian)에서의 투영 계수(Scale Factor)를 설정한다. 예를 들어, 한국의 [[국가 좌표계]]는 TM 투영을 기반으로 하며, 중부, 동부, 서부, 동해 원점을 각각 설정하여 각 구역 내에서의 투영 왜곡이 허용 오차 범위를 넘지 않도록 관리하고 있다.
+전 지구적인 위치 정의를 위해서는 [[UTM 좌표계]](Universal Transverse Mercator)가 표준적으로 사용된다. UTM 좌표계는 지구를 경도 6도 간격으로 60개의 존(Zone)으로 나누고, 각 존에 대해 횡축 메르카토르 투영을 적용하는 체계이다. 각 존의 중앙 자오선에서의 투영 계수를 0.9996으로 설정하여 왜곡을 분산시킴으로써, 전 세계 어디서나 일관된 정밀도의 평면 좌표를 획득할 수 있게 한다. 이러한 투영 및 좌표 체계는 디지털 환경에서 [[수치 지도]]를 중첩하거나 [[위성 항법 시스템]](GNSS) 데이터를 처리할 때 데이터 간의 기하학적 정밀도를 보장하는 핵심 기틀이 된다.
 ===== 공간 정보의 역사적 발전 과정 =====
@@ 줄 147: / 줄 157: @@
 ==== 수치 지도의 등장과 전산화 ====
-세기 중반 [[컴퓨터]] 기술의 비약적인 발전은 전통적인 종이 지도의 개념을 근본적으로 변화시켰다. 아날로그 형태의 지도는 지표면의 정보를 시각적으로 전달하는 데 탁월하였으나, 정보의 수정과 갱신이 어렵고 서로 다른 주제도를 겹쳐서 분석하는 [[중첩 분석]](Overlay Analysis)을 수행하는 데 막대한 시간과 비용이 소요되는 한계가 있었다. 이러한 배경 속에서 지리적 현상을 수치(Digital value)로 변환하여 컴퓨터가 처리할 수 있는 형태로 구축하는 [[수치 지도]](Digital Map)의 개념이 등장하였다.
+세기 중반 [[컴퓨터]] 기술의 비약적인 발전은 전통적인 종이 지도의 개념을 근본적으로 변화시켰다. 아날로그 형태의 지도는 지표 정보를 시각적으로 전달하는 데 탁월하였으나, 정보의 수정과 갱신이 어렵고 서로 다른 [[주제도]]를 중첩하여 분석하는 [[중첩 분석]](overlay analysis)을 수행하는 데 막대한 시간과 비용이 소요되는 한계가 있었다. 이러한 배경 속에서 지리적 현상을 수치 데이터(digital data)로 변환하여 컴퓨터가 처리할 수 있는 형태로 구축하는 [[수치 지도]](digital map)의 개념이 등장하였다.
-수치 지도의 초기 전산화 과정은 주로 [[디지타이징]](Digitizing)과 [[스캐닝]](Scanning)을 통해 이루어졌다. 디지타이징은 수치화 테이블(Digitizing Table) 위에 종이 지도를 고정하고, 커서(Cursor)를 이용하여 지형물의 좌표를 직접 입력하는 방식이다. 이는 지표면의 점, 선, 면 요소를 [[데카르트 좌표계]](Cartesian Coordinate System)상의 수치 데이터로 변환하는 핵심적인 과정이었다. 이후 등장한 스캐닝 방식은 광학 센서를 이용하여 지도를 격자 형태의 화소로 읽어 들임으로써 [[래스터 데이터]](Raster Data)를 생성하는 기술로 발전하였다. 이러한 전산화 노력은 지도를 단순히 그림으로 저장하는 것을 넘어, 지리적 객체를 개별적으로 관리할 수 있는 [[데이터베이스]]의 형태로 전환하는 계기가 되었다.
+수치 지도의 초기 전산화 과정은 주로 [[디지타이징]](digitizing)과 [[스캐닝]](scanning)을 통해 이루어졌다. 디지타이징은 수치화판(digitizing table) 위에 종이 지도를 고정하고, 커서(cursor)를 이용하여 지형물의 좌표를 직접 입력하는 방식이다. 이는 지표면의 점, 선, 면 요소를 [[데카르트 좌표계]](Cartesian coordinate system)상의 수치 데이터로 변환하는 핵심적인 과정이었다. 이후 등장한 스캐닝 방식은 광학 센서를 이용하여 지도를 격자 형태의 화소로 읽어 들임으로써 [[래스터 데이터]](raster data)를 생성하는 기술로 발전하였다. 이러한 전산화 노력은 지도를 단순히 그림으로 저장하는 것을 넘어, 지리적 객체를 개별적으로 관리할 수 있는 [[데이터베이스]] 형태로 전환하는 계기가 되었다.
 현대적 의미의 전산화된 공간 정보 시스템의 효시는 1960년대 초반 캐나다에서 구축된 [[캐나다 지리 정보 시스템]](Canada Geographic Information System, CGIS)으로 평가받는다. [[로저 톰린슨]](Roger Tomlinson)은 광활한 영토의 토지 이용 계획을 효율적으로 수립하기 위해 컴퓨터를 활용한 지리 정보의 저장과 분석 체계를 제안하였다. CGIS는 세계 최초로 [[레이어]](Layer) 개념을 도입하여 토양, 식생, 행정 구역 등 서로 다른 주제 정보를 분리하여 저장하고, 이를 논리적으로 결합하여 분석할 수 있는 기능을 구현하였다. 이는 지리 정보가 단순한 시각적 재현물에서 의사결정을 지원하는 분석 도구로 진화한 결정적인 사건이었다. ((Milestones:First Geographic Information System (GIS), 1962-1968, http://www.ethw.org/Milestones:First_Geographic_Information_System_(GIS),_1962-1968
 ))
-전산화의 또 다른 중요한 기술적 진보는 [[위상 구조]](Topology)의 도입이다. 초기 수치 지도는 좌표 값만을 나열한 이른바 ‘스파게티 모델(Spaghetti Model)’ 수준에 머물러 있었기에 객체 간의 인접성이나 연결성을 파악하기 어려웠다. 이를 해결하기 위해 1960년대 후반 미국 [[인구조사국]](Census Bureau)은 [[DIME]](Dual Independent Map Encoding) 구조를 개발하였다. DIME은 점(Node)과 선(Edge)의 연결 관계를 수학적으로 정의하여, 컴퓨터가 지도의 기하학적 형태뿐만 아니라 공간적 관계를 논리적으로 이해할 수 있도록 하였다. 이러한 위상적 데이터 모델의 정립은 이후 [[벡터 데이터]] 모델의 표준으로 자리 잡으며 고도화된 [[공간 분석]]의 토대가 되었다.
+전산화의 또 다른 중요한 기술적 진보는 [[위상 구조]](topology)의 도입이다. 초기 수치 지도는 좌표값만을 나열한 이른바 ‘스파게티 모델(spaghetti model)’ 수준에 머물러 있었기에 객체 간의 인접성이나 연결성을 파악하기 어려웠다. 이를 해결하기 위해 1960년대 후반 [[미국 인구조사국]](U.S. Census Bureau)은 [[이중 독립 지도 부호화|DIME]](Dual Independent Map Encoding) 구조를 개발하였다. DIME은 점(node)과 선(edge)의 연결 관계를 수학적으로 정의하여, 컴퓨터가 지도의 기하학적 형태뿐만 아니라 공간적 관계를 논리적으로 이해할 수 있도록 하였다. 이러한 위상적 데이터 모델의 정립은 이후 [[벡터 데이터]] 모델의 표준으로 자리 잡으며 고도화된 [[공간 분석]]의 토대가 되었다.
-이처럼 지도의 전산화는 단순히 매체의 변화를 넘어 공간 정보를 다루는 패러다임의 전환을 의미한다. 수치화된 공간 정보는 [[컴퓨터 그래픽스]] 기술과 결합하여 동적인 가시화를 가능하게 하였으며, 대용량 데이터를 신속하게 처리할 수 있는 기반을 마련하였다. 결과적으로 이러한 초기 전산화 노력은 현대의 [[지리 정보 시스템]](GIS)이 국가 기간 시설 관리, 환경 모니터링, 도시 계획 등 다양한 사회적 요구에 대응할 수 있는 지능형 인프라로 성장하는 기점이 되었다.
+이처럼 지도의 전산화는 단순히 매체의 변화를 넘어 공간 정보를 다루는 패러다임의 전환을 의미한다. 수치화된 공간 정보는 [[컴퓨터 그래픽스]] 기술과 결합하여 동적인 가시화를 가능하게 하였으며, 대용량 데이터를 신속하게 처리할 수 있는 기반을 마련하였다. 결과적으로 이러한 초기 전산화 노력은 현대의 [[지리 정보 시스템]](geographic information system, GIS)이 국가 기간 시설 관리, 환경 모니터링, 도시 계획 등 다양한 사회적 요구에 대응할 수 있는 지능형 인프라로 성장하는 기점이 되었다.
 ==== 웹 기반 공간 정보와 대중화 ====
@@ 줄 204: / 줄 214: @@
 === 스파게티 모델과 위상 모델 ===
-단순 기하 구조인 스파게티 모델과 관계성이 정의된 위상 모델의 차이를 비교한다.
+벡터 데이터 모델에서 공간 객체를 구조화하는 방식은 크게 비위상적 모델인 스파게티 모델(Spaghetti Model)과 위상적 관계를 명시적으로 정의한 위상 모델(Topological Model)로 구분된다. [[현실 세계]]의 복잡한 지리적 현상을 디지털 환경으로 전이할 때, 단순히 기하학적 형상만을 기록할 것인지 아니면 객체 간의 논리적 연결성까지 포함할 것인지에 따라 데이터의 활용 범위와 분석 효율성이 결정된다.
+스파게티 모델은 가장 단순한 형태의 벡터 데이터 구조로, 각 공간 객체를 독립적인 기하학적 개체로 취급한다. 이 모델에서 모든 점, 선, 면 객체는 단순히 [[좌표계]]상의 좌표 리스트로 저장되며, 인접한 객체 간의 관계에 대한 정보는 포함하지 않는다. 예를 들어 두 개의 [[폴리곤]](Polygon)이 경계선을 공유하고 있더라도, 스파게티 모델에서는 해당 경계선의 좌표를 각 폴리곤이 개별적으로 중복하여 보유한다. 이러한 구조는 데이터의 생성이 직관적이고 개별 객체의 시각적 표현이 용이하다는 장점이 있으나, 데이터의 중복성으로 인해 저장 공간이 낭비되고 경계선이 일치하지 않는 [[슬리버 폴리곤]](Sliver Polygon) 현상이 발생할 수 있는 등 [[데이터 무결성]](Data Integrity) 유지에 취약하다. 또한 객체 간의 연결 관계를 파악하기 위해서는 매번 복잡한 기하 연산을 새로 수행해야 하므로 고도화된 [[공간 분석]]에는 한계가 있다.
+반면 위상 모델은 기하학적 위치 정보와 더불어 객체 간의 상대적 위치 관계인 [[위상]](Topology)을 수학적으로 정의하여 저장한다. 위상 모델은 [[그래프 이론]](Graph Theory)에 기초하여 노드(Node), 아크(Arc), 폴리곤(Polygon) 간의 관계를 체계적으로 관리한다. 국제 표준인 [[ISO 19107]]에서는 이러한 공간 스키마(Spatial Schema)를 기하(Geometry)와 위상(Topology)으로 구분하여 정의하고 있으며, 위상 모델은 객체의 형상이 변하더라도 변하지 않는 성질인 인접성, 연결성, 포함 관계를 핵심 요소로 다룬다.((ISO 19107:2019 Geographic information — Spatial schema, https://committee.iso.org/standard/66175.html
+))
+첫째, [[인접성]](Adjacency)은 서로 다른 두 면 객체가 동일한 경계선을 공유하고 있음을 정의한다. 위상 모델에서는 공유 경계선을 한 번만 저장하고 이를 공유하는 좌우 폴리곤의 식별자를 기록함으로써 데이터 중복을 제거하고 인접 분석을 효율화한다. 둘째, [[연결성]](Connectivity)은 선형 객체들이 노드를 통해 서로 연결되어 있는 상태를 의미한다. 이는 [[네트워크 분석]]에서 경로 탐색이나 흐름 분석을 수행하기 위한 필수적인 데이터 구조가 된다. 셋째, [[포함 관계]](Containment)는 하나의 공간 객체가 다른 객체의 내부에 존재함을 나타내며, 면 객체 내의 섬(Island)이나 구멍(Hole)과 같은 복잡한 기하 구조를 논리적으로 설명한다.
+결론적으로 스파게티 모델은 단순한 지도 시각화나 그래픽 출력에 적합한 반면, 위상 모델은 데이터의 논리적 일관성을 보장하고 [[중첩 분석]](Overlay Analysis)이나 네트워크 분석과 같은 정밀한 지리 정보 연산을 수행하는 데 필수적이다. 현대의 [[지리 정보 시스템]](GIS) 소프트웨어는 대용량 데이터를 처리하기 위해 기하 정보를 우선 저장하되 분석 시에 위상 관계를 동적으로 생성하거나, 데이터베이스 수준에서 위상 규칙을 강제하는 방식을 혼용하여 사용하고 있다.
 ==== 래스터 데이터 모델 ====
@@ 줄 285: / 줄 304: @@
 === 다중 분광 영상 분석 ===
-가시광선 이외의 파장대를 활용하여 지표의 식생이나 환경 변화를 탐지하는 기술을 기술한다.
+다중 분광 영상 분석(Multispectral Image Analysis)은 [[전자기 스펙트럼]](Electromagnetic Spectrum)의 서로 다른 파장 대역에서 획득한 영상 데이터를 결합하고 해석하여 지표면의 물리적 상태와 환경적 변화를 정밀하게 파악하는 기술이다. 인간의 눈이 인지할 수 있는 [[가시광선]](Visible Light) 영역뿐만 아니라 [[근적외선]](Near-Infrared, NIR), [[단파적외선]](Short-wave Infrared, SWIR), [[열적외선]](Thermal Infrared) 등 다양한 비가시적 파장대를 활용하는 것이 특징이다. 이러한 분석의 핵심은 지표의 대상물이 파장에 따라 전자기 에너지를 반사, 흡수, 투과하는 정도가 다르다는 [[분광 반사 특성]](Spectral Signature)의 원리에 기반한다.
+원격 탐사 분야에서 다중 분광 센서는 일반적으로 수 개에서 수십 개의 밴드(Band)를 통해 데이터를 수집한다. 각 밴드는 특정한 파장 범위를 기록하며, 연구 목적에 따라 특정 밴드들을 조합하거나 수학적으로 연산하여 대상물의 속성을 극대화한다. 예를 들어, 식생은 가시광선 중 청색과 적색 광은 광합성을 위해 흡수하고 녹색 광은 반사하지만, 세포 구조의 특성상 근적외선 영역에서는 매우 높은 반사율을 보인다. 이러한 반사 특성의 차이를 수치화한 것이 [[식생 지수]](Vegetation Index)이며, 그중 가장 널리 사용되는 지표는 [[정규 식생 지수]](Normalized Difference Vegetation Index, NDVI)이다. NDVI는 적색 밴드($  $)와 근적외선 밴드($  $)의 반사도 차이를 이용하여 다음과 같이 계산된다.
+$$ \text{NDVI} = \frac{\text{NIR} - \text{Red}}{\text{NIR} + \text{Red}} $$
+NDVI 값은 $-1$에서 $1$ 사이의 범위를 가지며, 건강한 식생일수록 $1$에 가까운 값을 나타내고 나지나 암석, 수역은 상대적으로 낮은 값을 갖는다((A commentary review on the use of normalized difference vegetation index (NDVI) in the era of popular remote sensing, https://link.springer.com/article/10.1007/s11676-020-01155-1
+)). 이러한 지표는 광범위한 지역의 [[식생]] 활력도, 산림의 밀도, 농작물의 생육 상태를 모니터링하는 데 필수적인 도구로 활용된다.
+다중 분광 영상 분석은 식생 탐지 외에도 수질 분석, 토양 습도 측정, 지질 조사 등 다양한 환경 모니터링에 응용된다. 수역의 경우 가시광선 파장대 중 청색광은 투과력이 높고 적색광 이후의 파장은 급격히 흡수되는 특성을 이용하여 수심을 추정하거나 클로로필 농도를 분석한다. 또한, 단파적외선 밴드는 토양의 수분 함량이나 암석의 광물 성분을 식별하는 데 효과적이며, 열적외선 밴드는 지표면 온도를 산출하여 도시의 [[열섬 현상]]이나 화산 활동을 감시하는 데 사용된다.
+영상의 해석 과정에서는 영상 내의 각 화소를 통계적 방법으로 분류하는 기법이 동원된다. 분석자가 미리 정의한 표본 영역의 특성을 학습시켜 전체 영상을 분류하는 [[감독 분류]](Supervised Classification)와 데이터 자체의 통계적 군집성을 이용하는 [[무감독 분류]](Unsupervised Classification)가 대표적이다. 최근에는 [[기계 학습]](Machine Learning)과 [[딥러닝]](Deep Learning) 기법이 도입되어 복잡한 지표 환경에서도 높은 정확도로 토지 피복 변화를 탐지하고 있다((Comparison of Reflectance and Vegetation Index Changes by Type of UAV-Mounted Multi-Spectral Sensors, https://doi.or.kr/10.KS/JAKO202131452657668
+)). 이러한 다중 분광 영상 분석 기술은 [[랜드샛]](Landsat)이나 [[센티넬]](Sentinel)과 같은 지구 관측 위성뿐만 아니라 [[무인 항공기]](Unmanned Aerial Vehicle, UAV)에 탑재된 소형 다중 분광 센서를 통해서도 수행되며, 국지적 정밀 농업부터 지구 규모의 기후 변화 대응에 이르기까지 그 활용 범위가 지속적으로 확대되고 있다.
 === 라이다를 이용한 삼차원 데이터 획득 ===
-레이저 펄스를 활용하여 지형의 고도와 건물의 입체 구조를 정밀하게 측정하는 원리를 다룬다.
+라이다(Light Detection and Ranging, LiDAR)는 [[레이저]]를 대상을 향해 발사하고, 그 빛이 물체에 반사되어 돌아오는 시간을 측정하여 대상과의 거리를 계산하는 능동형 [[원격 탐사]] 기술이다. 이 방식은 전자기파 중 가시광선 부근의 짧은 파장을 사용하여 전파를 사용하는 [[레이더]](Radar)보다 훨씬 높은 해상도로 지표면의 미세한 기복이나 정밀한 건물의 외형을 포착할 수 있다는 장점이 있다. 특히 [[항공기]]나 [[무인 항공기]](UAV)에 탑재된 항공 라이다 시스템은 광범위한 지역을 단시간에 고정밀 삼차원 수치 데이터로 변환할 수 있어 현대 [[공간 정보]] 구축의 핵심적인 수단으로 자리 잡았다.
+라이다를 이용한 거리 측정의 물리적 기초는 비행 시간 측정(Time of Flight, ToF) 원리에 기반한다. 센서에서 발사된 레이저 펄스가 초속 약 30만 km의 속도로 이동하여 목표물에 부딪힌 뒤 수신기(Receiver)로 되돌아오기까지의 왕복 시간 $ t $를 정밀하게 측정하면, 센서와 물체 사이의 거리 $ d $는 다음과 같은 산식으로 도출된다. $$ d = \frac{c \cdot t}{2} $$ 여기서 $ c $는 진공에서의 [[광속]]을 의미한다. 현대의 라이다 시스템은 나노초(ns) 단위의 짧은 펄스를 사용하며, 초당 수십만 번 이상의 레이저를 발사하여 대상의 표면을 조밀하게 스캔한다. 이러한 측정 과정을 통해 획득된 대량의 좌표값 집합을 [[점군]](Point Cloud) 데이터라고 하며, 이는 삼차원 공간상의 위치 정보뿐만 아니라 반사되어 돌아온 에너지의 세기인 [[강도]](Intensity) 값을 포함하여 대상의 재질이나 특성을 분석하는 기초 자료로 활용된다.
+정밀한 삼차원 데이터를 획득하기 위해서는 레이저 센서 자체의 거리 정보뿐만 아니라, 레이저를 발사하는 플랫폼의 정확한 위치와 자세 정보가 필수적으로 결합되어야 한다. 이를 위해 라이다 시스템은 [[위성 항법 시스템]](Global Navigation Satellite System, GNSS)과 [[관성 측정 장치]](Inertial Measurement Unit, IMU)를 통합한 관성 항법 시스템(Inertial Navigation System, INS)을 탑재한다. GNSS는 플랫폼의 절대적인 공간 좌표를 결정하고, IMU는 플랫폼의 기울기인 [[롤]](Roll), [[피치]](Pitch), [[요]](Yaw)를 실시간으로 측정한다. 이 세 가지 데이터(거리, 위치, 자세)가 [[동기화]]되어 처리됨으로써, 센서로부터 수천 미터 떨어진 지표면상의 각 점에 대해 수 센티미터 오차 범위 내의 절대 좌표를 부여할 수 있게 된다.((Li, X., Wang, H., Li, S., Feng, S., Wang, X., & Liao, J. (2021). GIL: a tightly coupled GNSS PPP/INS/LiDAR method for precise vehicle navigation. Satellite Navigation, 2(1), 26. https://doi.org/10.1186/s43020-021-00056-w
+))
+라이다 기술의 독보적인 특징 중 하나는 다중 반사(Multiple Echo) 기록 능력이다. 하나의 레이저 펄스가 지면으로 향하는 과정에서 나무의 잎이나 가지와 같은 장애물을 만나면, 펄스의 일부는 식생 상단에서 반사되고 나머지는 잎 사이를 통과하여 지면에 도달한다. 라이다 센서는 이러한 다중 신호를 순차적으로 기록함으로써 수목이 우거진 지역에서도 수풀 아래의 지형 고도를 직접 측정할 수 있다. 이를 통해 식생의 높이를 포함한 [[수치 표면 모델]](Digital Surface Model, DSM)과 식생을 제거한 순수 지면의 고도인 [[수치 고도 모델]](Digital Elevation Model, DEM)을 동시에 생성할 수 있으며, 이는 [[산림 자원]] 관리나 [[홍수]] 시뮬레이션 등에 결정적인 정보를 제공한다.((Fink, M., Schardt, M., Baier, V., Wang, K., Jakobi, M., & Koch, A. W. (2022). Full-Waveform Modeling for Time-of-Flight Measurements based on Arrival Time of Photons. arXiv preprint arXiv:2208.03426. https://export.arxiv.org/pdf/2208.03426v1.pdf
+))
+최근에는 라이다 데이터의 밀도가 급격히 높아짐에 따라 건물의 벽면, 창문, 지붕의 세밀한 구조까지 복원하는 [[디지털 트윈]](Digital Twin) 구축에 널리 활용되고 있다. 지상에서 스캔하는 [[지상 라이다]]와 항공에서 내려다보는 항공 라이다 데이터를 결합하면 도시 전체를 오차 없는 입체 모델로 재현할 수 있으며, 이는 [[자율 주행]] 차량을 위한 정밀 도로 지도 제작이나 [[스마트 시티]]의 가상 설계 등 고도의 공간 정보 서비스 구현을 가능하게 한다.
 ===== 공간 정보 분석 기법과 이론 =====

SethQ Wiki

사용자 도구

사이트 도구

차이

문서 도구