KR20230101241A - 지하광산 내 3차원 위치 인식방법 - Google Patents

지하광산 내 3차원 위치 인식방법 Download PDF

Info

Publication number
KR20230101241A
KR20230101241A KR1020210191179A KR20210191179A KR20230101241A KR 20230101241 A KR20230101241 A KR 20230101241A KR 1020210191179 A KR1020210191179 A KR 1020210191179A KR 20210191179 A KR20210191179 A KR 20210191179A KR 20230101241 A KR20230101241 A KR 20230101241A
Authority
KR
South Korea
Prior art keywords
shape map
local
global
lidar
coordinates
Prior art date
Application number
KR1020210191179A
Other languages
English (en)
Inventor
박준혁
백지은
이창원
조성준
Original Assignee
한국지질자원연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국지질자원연구원 filed Critical 한국지질자원연구원
Priority to KR1020210191179A priority Critical patent/KR20230101241A/ko
Publication of KR20230101241A publication Critical patent/KR20230101241A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Abstract

본 발명은 지하광산 내 3차원 위치 인식방법에 관한 것이다.
본 발명에 따른 지하광산 내 3차원 위치 인식방법은, 라이다(LiDAR)를 이용하여 지하 갱도 전체 영역을 스캔하여 3차원 위치 정보를 가지는 다수의 점 데이터의 집합인 점군데이터를 획득하고, 지하 갱도 전체 영역에 대한 3차원 전역 형상 지도를 형성하는 단계; 라이다를 이용하여 지하 갱도 내 국지 영역을 스캔하여 3차원 위치정보를 가지는 다수의 점 데이터의 집합인 점군데이터를 획득하고, 국지 영역에 대한 3차원 국지적 형상 지도를 형성하는 단계; 전역 형상 지도와 국지적 형상 지도를 비교하여, 전역 형상 지도에서 국지적 형상 지도와 형상이 일치하는 대응영역을 탐지하는 단계; 및 좌표변환행렬을 이용하여 국지적 형상 지도 내 점 데이터를 전역 형상 지도 내 좌표로 변환하는 단계;를 구비하는 것에 특징이 있다.

Description

지하광산 내 3차원 위치 인식방법{METHOD FOR 3D POSITION RECOGNITION IN UNDERGROUND MINE}
본 발명은 광업 기술에 관한 것으로서, 특히 통신 환경이 좋지 않은 지하 광산 내에서 사용자의 위치를 인식하기 위한 기술에 관한 것이다.
ICT(Information Communication Technology) 기술을 지하광산 공간에 접목하여 작업 공정을 효율적으로 관리하고 자동화하려는 노력들이 이어지고 있다. 예컨대, 지하광산 공간을 디지털 공간으로 전환하여 광산 데이터를 효율적으로 수집, 관리하며 시뮬레이션을 통해 작업 공정을 예측하는 디지털 트윈 기술을 접목하고 있다. 또한 작업자의 출입 없이 장비의 자율주행 및 자동 생산만으로 광산을 개발하는 자동화 기술을 연구하고 있다.
위와 같은 ICT 기술을 적용하기 위해서는 사용자의 위치 좌표를 정확하게 인식할 수 있어야 하는데 광산은 지하에 위치하기 때문에 통신 수단을 자유롭게 사용할 수 없는 바 위치 인식이 용이하지 않다는 문제점이 있다.
먼저, 지하광산 내부는 위성항법시스템(GPS) 신호의 음영구역이다. GPS를 이용하여 지하광산 내부에서 장비와 작업자의 정확한 위치를 인식하고 추적하는 것이 불가능하다. 국내 지하광산에서는 위치 좌표를 측정하고 기록하기 위해 주로 토털스테이션을 활용한 레이저 거리 측정 방식을 이용한다. GPS 신호가 인식되는 지하광산 입구에서 토털스테이션을 통해 임의의 지점까지 레이저 신호를 발사하여 거리와 방향을 측정하고, 지하광산 입구의 위치 좌표와 임의의 지점까지의 거리, 각도 정보를 이용하여 좌표 환산 식을 통해 임의의 지점의 위치 좌표를 측정한다. 임의의 지점에서 측정된 위치 좌표를 기록하기 위해 지하광산 갱도 천장에 표식을 설치한다. 그러나 토털스테이션을 이용한 위치 인식 방식은 많은 측정 시간이 소요되며, 레이저 신호의 거리 및 방향 측정에 따라 위치 좌표가 달라질 수 있는 단점이 있다. 또한 연속적인 좌표 인식이 어렵다는 한계가 있다.
한편, 국내 몇몇의 지하광산에서는 Wi-Fi, Bluetooth, ZigBee와 같은 무선통신 신호의 송수신을 통해 광산 내 장비 및 작업자의 위치를 인식할 수 있는 방법을 적용하고 있다. 지하광산 벽면에 부착된 IoT 센서가 무선신호를 송신하고 작업자가 소지한 수신기에서 무선신호를 수신하여 현재 위치를 인식할 수 있는 기술이다. 그러나 위치 인식 정확도를 높이기 위해서는 조밀한 간격으로 무선통신센서를 갱도 벽면에 부착해야하기 때문에 높은 비용이 발생할 수 있다. 또한, 지하광산 내부는 많은 분진과 높은 습도로 인해 신호 송수신 거리가 짧으며, 90도 이상 꺾이는 크로스구간이 다수 존재하기 때문에 무선 신호의 회절, 반사, 굴절이 발생할 수 있어 무선통신센서 기반의 위치 인식 기술의 적용이 어려운 실정이다.
본 발명은 상기한 문제점을 해결하기 위한 것으로서, 라이다(LiDAR)를 이용하여 광산 공간을 디지털 지도로 제작하며, 사용자는 광산 내에서 별도의 통신 수단 없이 라이다를 이용하여 데이터를 획득하여 사용자의 현재 위치를 정확하게 파악할 수 있는 방법을 제공하는데 목적이 있다.
한편, 본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 것이다.
상기 목적을 달성하기 위한 본 발명에 따른 지하광산 내 3차원 위치 인식방법은, (a)라이다(LiDAR)를 이용하여 지하 갱도 전체 영역을 스캔하여 3차원 위치 정보를 가지는 다수의 점 데이터의 집합인 점군데이터를 획득하고, 지하 갱도 전체 영역에 대한 3차원 전역 형상 지도(Q)를 형성하는 단계; (b)라이다를 이용하여 지하 갱도 내 국지 영역을 스캔하여 3차원 위치정보를 가지는 다수의 점 데이터의 집합인 점군데이터를 획득하고, 국지 영역에 대한 3차원 국지적 형상 지도(P)를 형성하는 단계; (c)다운샘플링 기법을 이용하여 상기 전역 형상 지도(Q)와 국지적 형상 지도(P)의 점군데이터에서 점 데이터 개수를 줄이는 단계; (d)각각 다운샘플링된 상기 전역 형상 지도(Q)와 국지적 형상 지도(P)를 비교하여, 상기 전역 형상 지도(Q)에서 상기 국지적 형상 지도(P)와 형상이 일치하는 대응영역(Qp)을 탐지하는 단계; 및 (e)좌표변환행렬을 이용하여 상기 국지적 형상 지도(P) 내 점 데이터를 상기 전역 형상 지도 내 좌표로 변환하는 단계;를 구비하는 것에 특징이 있다.
본 발명에 따르면, 상기 국지적 형상 지도를 형성할 때 상기 라이다의 시간에 따른 3차원 위치의 변화를 파악하고, 상기 좌표변환행렬을 상기 라이다의 3차원 위치에 적용하여 상기 전역 형상 지도 내에서 상기 라이다의 시간에 따른 위치를 인식하는 단계를 더 구비한다.
본 발명의 일 예에서, 상기 다운샘플링 기법은 전역 형상 지도(Q)와 국지적 형상 지도(P)를 다수의 복수의 복셀(voxel)로 구획하고, 상기 복셀별로 하나의 대표 데이터만 남기고 나머지 데이터는 모두 제거하는 방법을 사용할 수 있다.
본 발명의 일 예에서, 상기 전역 형상 지도(Q)에서 상기 국지적 형상 지도(P)와 대응되는 영역을 탐지할 때에는 RANSAC(Random Sample Consensus) 알고리즘을 이용할 수 있다.
본 발명의 일 예에서, 상기 좌표변환행렬은, 상기 국지적 형상 지도(P)에서 임의의 점 n개를 추출하여 집합 p로 정의하고, 상기 전역 형상 지도(Q)의 대응영역(Qp)에서 상기 n개의 점과 각각 가장 거리가 가까운 점 n개를 추출하여 집합 q로 정의하여, 상기 p,q에서 서로 대응되는 각 점 사이의 거리가 가장 가까워지도록, 상기 집합 p 내 점을 상기 전역 형상 지도(Q)의 좌표로 전환하는 행렬이다.
본 발명의 일 예에서, 상기 좌표변환행렬을 이용하여 p 집합 내 점 데이터를 상기 전역 형상 지도(Q)의 좌표로 변환한 후, 상기 p,q에서 서로 대응되는 각 점 사이의 거리를 측정하여 오차를 계산하며, 상기 오차가 기준치 이상인 경우 상기 집합 p, q 및 상기 좌표변환행렬을 다시 설정하여 상기 오차가 기준치보다 작을 때 까지 반복하는 것이 바람직하다.
본 발명의 일 예에서, 상기 전역 형상 지도(Q)는 위도와 경도로 표시되는 지리좌표 또는 UTM(Universe Transverse Mercator) 좌표를 사용하는 평면좌표와, 해발고도를 포함하는 3차원 좌표계를 사용하며, 상기 국지적 형상 지도(P)는 라이다의 위치를 원점으로 하고 X,Y,Z축으로 이루어진 지역좌표계를 사용하여, 상기 좌표변환행렬에서는 상기 국지적 형상 지도(P)에서 지역좌표계로 정의된 각 점의 좌표를 지리좌표 또는 UTM좌표로 전환한다.
본 발명에 따른 지하광산 내 3차원 위치 인식방법을 통해 무선통신이나 GPS를 적용할 수 없는 지하 갱도 내에서도 사용자 또는 생산장비의 현재 위치 정보를 정확하게 실시간으로 파악할 수 있다는 이점이 있다.
라이다를 이용한 SLAM 기술은 서로 좌표계를 달리하는 체계에서는 좌표 변환의 문제로 사용이 어려웠으나, 본 발명을 사용하면 SLAM 기술을 광산 갱도에서도 간단하게 적용할 수 있다는 이점이 있다.
본 발명을 활용하여 광산 개발의 자동화 기술을 고도화 할 수 있을 뿐만 아니라, 광산 관리 및 모니터링을 효과적으로 수행할 수 있다는 이점이 있다.
한편, 여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급됨을 첨언한다.
도 1은 본 발명에 따른 지하광산 내 3차원 위치 인식방법의 개략적 흐름도이다.
도 2는 지하광산 전역 형상 지도와, 라이다를 이용하여 갱도에서 국지적 형상지도를 위한 데이터 획득 모습을 나타낸 것이다.
도 3은 전역형상지도에서 국지적 형상 지도와 대응되는 영역을 비교하는 것을 설명하기 위한 도면이다.
도 4는 대응점 추출을 통해 대응점 사이의 거리를 최소화하는 좌표변환행렬을 찾는 과정을 설명하기 위한 것이다.
도 5는 국지적 형상 지도가 좌표변환을 통해 전역 형상 지도로 올멱간 모습을 나타낸 것이다.
도 6 및 도 7은 라이다(사용자)의 현재 위치를 파악하기 위한 과정을 설명하기 위한 도면이다.
※ 첨부된 도면은 본 발명의 기술사상에 대한 이해를 위하여 참조로서 예시된 것임을 밝히며, 그것에 의해 본 발명의 권리범위가 제한되지는 아니한다.
본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다.
본 발명은 라이다를 이용하여 지하 광산 내 사용자의 3차원 위치 좌표를 인식하고 측정할 수 있는 기술에 관한 것이다.
본 발명은 지하 광산을 주요 대상으로 하지만, 광산이 아니라도 터널 등 다양한 지하 공간에 적용될 수 있다. 또한 본 발명의 대상은 지하 공간이 아니더라도, GPS 및 무선통신을 구현하기 어려운 환경으로도 확장될 수 있을 것이다.
이하, 첨부된 도면을 참고하여, 본 발명의 일 예에 대하여 더욱 상세히 설명하기로 한다.
도 1은 본 발명의 일 예에 따른 지하광산 내 3차원 위치 인식방법의 개략적 흐름도이며, 도 2는 지하광산 전역 형상 지도와, 라이다를 이용하여 갱도에서 국지적 형상지도를 위한 데이터 획득 모습을 나타낸 것이다.
도 1 및 도 2를 참고하면, 본 발명에서는 먼저 지하광산 내부 전체 갱도에 대하여 라이다를 이용하여 스캔하여 전역 형상 지도(Q)와 국지적 형상 지도(P) 형성한다.
라이다(Light Detection And Ranging, LiDAR)는 레이저 신호가 물체에 부딪혀 돌아오는 시간을 통해 거리를 측정하는 장비이다. 라이다는 수평 방향으로 360도 회전하면서 주변 물체와의 거리를 측정하는 2차원 라이다부터 다수의 수직 채널에서 레이저를 발사하는 3차원 라이다까지 다양한 형태가 개발되었다. 라이다는 주로 3차원 형상 지도 및 주변 형상 정보 획득에 활용되고 있다.
전역 또는 국지적 형상 지도의 획득 방법은 다양하다. 사용자가 직접 3차원 라이다를 손에 들고 이동하면서 주변 형상을 스캔하거나, 3차원 라이다를 작은 로봇이나 차량에 부착하여 이동하면서 형상 지도를 제작하거나, 다수의 고정 지점에서 점군 데이터를 획득하여 중첩하는 방식 등이 있다. 높은 해상도의 전역 형상 지도(높은 점 데이터 밀도를 갖는)를 제작하기 위해서는 사람이 직접 라이다를 손에 쥐고 천천히 지하광산 내부를 이동하는 것이 적합하다.
라이다에서 얻어지는 다수의 점 데이터의 집합인 점군데이터는 라이다의 위치를 원점으로 하고 서로 수직한 X,Y,Z축으로 이루어진 지역 좌표계에 의해 특정되는 위치정보로 형성된다. 전역 형상 지도 제작시 갱도 전역에 대하여 얻어진 3차원 위치정보는 별도의 변환 과정을 거쳐 3차원 전역 위치 좌표(위·경도 좌표 혹은 UTM 좌표)로 전환한다. 라이다에서 얻은 지역좌표를 전역 좌표로 형성하기 위해서는 GPS와 측량 기술을 사용한다. 예컨대 갱도 외부에서 GPS를 통해 위치를 인식하고, GPS가 안되는 갱도 내부에서는 갱도 외부의 위치(GPS로 파악)를 기점으로 하여 측량 기술을 적용하여 갱도 내부까지 전역 좌표가 연속적으로 이어서 부여할 수 있다.
본 예에서는 갱도 전체에 대하여 라이다 스캔을 통해 전역 형상 지도를 직접 제작하지만, 다른 예에서는 기형성되어 있는 전역 형상 지도를 활용할 수도 있다.
전역 형상 지도(Q)가 만들어진 상태에서, 사용자는 자신이 위치한 영역, 즉 국지 영역에 대하여 라이더를 이용하여 점군데이터를 획득하여 국지적 형상 지도(P)를 만든다. 국지적 형상 지도(P)를 만드는 방법은 전역 형상 지도를 만드는 방법과 기본적으로는 동일하다. 본 예에서 국지적 형상 지도를 제작시 안전모 상단 중앙부에 3차원 라이다를 부착하고, 사용자가 안전모를 착용한 채로 지하광산 갱도를 이동하면서 주변 형상을 스캔한다. 현재 위치 좌표를 알고 싶은 지점에서 라이다의 전원을 켜서 사용자가 위치한 지점에서부터 최소 10 m 반경에 대한 갱도 영역에 대해서 데이터를 획득하고, 이 데이터에 근거하여 국지적 형상 지도(P)를 형성한다.
사용자가 위치한 영역에 대한 국지적 형상 지도(P)의 제작이 완료되면, 국지적 형상 지도(P)를 전역 형상 지도(Q)를 비교하여, 국지적 형상 지도(P)가 전역 형상 지도(Q)의 어느 구역과 일치하는지를 찾아낸다.
라이다로부터 얻어지는 데이터는 매우 많기 때문에, 이들 데이터를 모두 이용하여 국지적 형상 지도와 전역 형상 지도를 비교하는 것은 연산처리에 너무 많은 시간이 걸려서 적합하지 않다. 이에 본 발명에서는 먼저 다운샘플링 기법을 이용하여 점군 데이터의 해상도를 낮추어 처리 시간을 줄이는 작업이 필요하다. 본 예에서는 3차원 형상 지도를 동일한 크기의 정육면체 복셀(Voxel)로 나누고 복셀 내 대표 점의 좌표 데이터만 남긴 후 나머지 점 데이터는 모두 삭제하는 방식으로 점군 데이터의 해상도를 낮춘다. 여기서 대표 점은 복셀의 각 중심점을 임의로 형성할 수도 있고, 복셀 내 점 데이터 중에서 가장 중심에 위치한 점을 추출해 내는 등 다양한 방식을 채택할 수 있다.
도 3에 도시된 바와 같이, 전역 형상 지도(Q)와 국지적 형상 지도(P) 사이의 일치하는 영역, 즉 대응영역(Qp)을 찾기 위해 본 예에서는 RANSAC (RANdom SAmple Consensus) 알고리즘을 사용한다. RANSAC 알고리즘은 서로 다른 두 점군 데이터를 입력 받아 두 데이터 사이의 동일한 형상을 갖는 영역을 찾는다. RANSAC 알고리즘의 실행 순서는 다음과 같다.
먼저 랜덤으로 점 데이터 샘플을 추출한다. 즉 국지적 형상 지도 (P)에서 n개의 랜덤 포인트 샘플 데이터를 추출한다. 이 데이터들의 집합을 p로 정의한다. 그리고 n개의 랜덤 포인트 샘플에 대해서 각각의 법선 벡터의 크기와 방향을 계산한다. 보다 구체적으로, 각 샘플 포인트의 주변 포인트들을 조합하여 임의의 평면을 정의하고, 해당 평면에 대한 법선 벡터를 추출한다. 전역 형상 지도(Q)에서는 이미 상기한 바와 같은 법선 벡터 추출이 기완료된 상태이다. 두 개의 3차원 형상지도에소 각각 법선 벡터를 추출하면, n개의 랜덤 포인트 샘플 p에 대해 계산된 법선 벡터 특성을 전역 형상 지도(Q) 내 모든 점 데이터의 법선 벡터 특성과 서로 비교하여 n개의 법선 벡터 특성이 가장 일치하는 대응영역(Qp)을 찾아낸다. 대응영역(Qp) 내 모든 점 데이터의 특성과 n개의 랜덤 포인트 샘플(p)의 특성을 서로 비교하여 일치정도(오차율)를 계산하고, 오차율이 사용자가 지정한 최소 기준보다 큰 경우 다시 처음으로 돌아가 n개의 랜덤 포인트를 다시 추출하여 위의 과정을 반복한다. 오차율이 최소 기준보다 낮은 경우 탐지된 영역을 대응영역으로 결정한다. 다만 만약 사용자가 지정한 최소 알고리즘 실행 횟수만큼 알고리즘이 실행된 경우에는 가장 일치 정도가 높았던 영역을 대응 영역(Qp)으로 결정한다. 대응 영역은 결국 일정 영역 내의 데이터의 집합으로 정의된다.
대응영역을 결정한 후에는 국지적 형상 지도 (P)를 전역 형상 지도(Q)로 정밀하게 이동시킨다. 다르게 표현하면 국지적 형상 지도를 전역 형상 지도와 정밀하게 정합하는 과정이라고 말할 수 있다. 보다 구체적으로, 본 예에서는 국지적 형상 지도(P)와 대응 영역(Qp) 사이의 거리를 최소화할 수 있는 좌표 변환 행렬을 연산하며, 이를 위하여 ICP (Iterative Closest Point) 알고리즘을 이용한다. 이 알고리즘의 목적은 두 점군 데이터의 위치 좌표를 정밀하게 일치시킬 수 있는 최적의 좌표 변환 행렬(회전 행렬 R, 이동 행렬 T)을 찾는 것이다. 두 점군 데이터 셋을 입력 받아 대응점(correspondence set)을 무작위로 추출하고, 대응점 간의 거리를 최소화할 수 있는 좌표 변환 행렬(R,T)을 반복적으로 계산한다. 이 알고리즘의 실행 순서를 보다 구체적으로 설명한다.
도 4는 대응점 추출을 통해 대응점 사이의 거리를 최소화하는 좌표변환행렬을 찾는 과정을 설명하기 위한 것이다. 먼저 초기 값을 설정한다. 두 점군 데이터 사이의 거리를 에러(Ef)로 설정하고, 에러를 무한대(∞)로 초기화한다. 이 알고리즘의 목적은 두 점군 데이터 사이의 거리인 에러를 최소화하는 것이다. 그리고 도 4에 도시된 바와 같이, 국지적 형상 지도(P)에서 무작위로 n개의 점을 추출하고, n개의 점의 집합을 p로 정의한다(식 (1)). 전역 형상 지도(Q)에서 p 집합의 각각의 점과 가장 거리가 가까운 n개의 점을 추출하고, 이를 q로 정의한다(식 (2)). n개의 p와 q 점들은 3차원 X, Y, Z좌표를 갖는다. 대응점 집합인 K는 아래와 같이 n개의 p점과 q 점의 쌍(pi, qi)으로 구성된다(식 3).
Figure pat00001
... 식 (1)
Figure pat00002
... 식 (2)
Figure pat00003
... 식 (3)
그리고 특이값 분해 (Singular Value Decomposition, SVD)를 통한 좌표 변환 행렬 (R,T)을 계산한다. 이 단계에서는 점군 데이터 집합 p 를 q로 이동시키기 위한 좌표 변환 행렬(R,T)을 계산한다. 먼저 대응점 집합 K에서 n개의 (pi, qi)쌍에 대해서 교차 공분산 행렬 W를 계산한다(식 (4)). 다음으로 특이값 분해를 통해 W의 행렬을 분해시킨다. 이 방법은 임의의 m×n차원 행렬 W를 m×m차원의 직교행렬인 U, m×n차원의 대각행렬인 ∑, n×n차원의 직교행렬인 V로 분해하는 방법이다(식 (5)). 식 (5)에서 VT 및 UT는 각각 행렬 V 및 U의 전치행렬을 의미한다. 특이값 분해를 통해 계산된 V와 UT를 곱하여 회전행렬 을 계산한다(식 (6)). 점군 데이터 집합 p와 q사이의 관계식은 식 (7)과 같이 나타낼 수 있으며, 식 (8)을 통해 이동행렬 를T 계산한다.
Figure pat00004
... 식 (4)
Figure pat00005
... 식 (5)
Figure pat00006
... 식 (6)
Figure pat00007
... 식 (7)
Figure pat00008
... 식 (8)
위의 과정을 거친 후에는 좌표를 변환한다. 앞선 단계에서 계산된 좌표 변환 행렬(R,T)을 이용하여 모든 p의 좌표를 변환시킨다(식 (9)). 식 (9)에서 p'은 p가 좌표변환 된 점군 데이터 집합을 의미한다.
Figure pat00009
... 식 (9)
좌표변환이 완료된 후에는 오차를 계산한다. 좌표 변환된 p와 q 사이의 거리를 측정하여 에러(E)를 계산한다(식 (10)). 즉 각 대응점 사이의 거리의 총합을 구하여, 그 값을 기준치와 비교한다. 처음에 ∞로 초기화했던 초기오차(Ef)와 식 (10)을 통해 계산된 오차(E)를 서로 비교하여 E가 Ef보다 작을 경우 Ef의 값을 E로 치환한다. 이때의 R과 T도 최종 좌표 변환 행렬(Rf, Tf)에 저장한다.
Figure pat00010
... 식 (10)
Figure pat00011
... 식 (11)
최종 오차(Ef)가 사용자가 미리 지정한 Error threshold (종료 조건)보다 작거나 같으면 알고리즘을 종료한다. 그렇지 않으면 국지적 형상 지도에서 n개의 데이터를 임의로 추출하는 단계로 돌아가서 다시 ICP 알고리즘을 반복한다. 알고리즘이 종료되면 최종 좌표 변환 행렬(Rf, Tf)을 이용하여 국지적 형상 지도(P) 내 모든 점들의 위치 좌표를 변환한다(식 (12)). P'은 전역 형상 지도(Qp)로 정밀하게 좌표 이동된 국지적 형상 지도를 의미한다.
Figure pat00012
... 식 (12)
최종적으로 국지적 형상 지도가 전역 라이다 형상 지도로 좌표 변환된 모습은 도 5와 같다.
위와 같은 과정을 거친 후에는 라이다의 시간에 따른 위치, 또는 현재 위치를 파악하는 마지막 과정을 수행한다. 본 발명의 궁극적 목적은 갱내 조사 지점이나 위험 지점의 정확한 위치 좌표를 알아내어 해당 지점을 다른 작업자에게 알리거나 기록하기 위함이다. 따라서 마지막 단계에서는, 좌표 이동된 국지적 형상 지도 (P')에서 사용자가 궁극적으로 위치 좌표를 알아내고 싶은 지점의 위치를 추정하고 그 지점의 위치좌표를 추출한다.
본 발명에서는 앞에서 설명한 바와 같이 국지적 형상 지도를 형성하기 위하여 라이다를 이용하여 갱도를 레이저 스캔하였다. 이 과정에서 시간에 따른 라이다의 위치 변화에 관한 데이터가 즉 경로가 3차원 지역좌표 데이터로 수집되어 있다. 구체적으로 설명한다.
시간에 따른 라이다 센서의 위치 및 자세(Heading, Tilting) 변화는 이전 시간의 형상 점군 데이터와 다음 시간의 형상 점군 데이터를 서로 비교하여 동일한 영역에 대해 스캔한 점들의 위치를 매칭하고 동일하게 배치(alignment)함으로써 추정할 수 있다(도 6 참조). 라이다 센서의 위치를 시간에 따라 나열하고 (X,Y,Z) 좌표상에 배치하면 시간에 따른 라이다 센서의 이동 경로(Trajectory, TR)를 알 수 있다. 대부분의 라이다 기기는 형상 지도를 제작하면서 시간에 따른 라이다 센서의 이동 경로를 (X,Y,Z) 좌표로 기록하고 텍스트 파일로 출력한다.
라이다 센서의 이동 경로(TR)는 국지적 형상 지도 (P)와 동일한 좌표계(0, 0, 0)를 기준으로 기록되기 때문에 앞에서 획득한 좌표 변환 행렬(R,T)을 이용하여 라이다 센서의 이동 경로(TR)를 좌표 변환한다면 별도의 처리 없이도 전역 형상 지도(Qp)의 위치로 좌표 이동시킬 수 있다. 사용자는 라이다 전원을 켜서 국지적 형상 지도(P)를 제작할 때, 위치 좌표를 알고 싶은 특정 위치를 지나갈 당시의 시각(시/분/초)을 기록해야한다. 라이다 센서의 이동 경로(TR') 상의 모든 시간과 사용자가 기록한 특정 시각을 비교하여 시각이 서로 일치하는 점에서의 위치 좌표를 추출할 수 있다(도 7 참조).
이상에서 설명한 바와 같이, 본 발명에서는 라이다를 이용하여 GPS 및 무선통신을 이용할 수 있는 지하 갱도 환경에서 사용자의 위치 및 특정 위치를 정확하게 파악할 수 있는 방법을 제공한다.
최근 라이다를 이용하여 형상 지도를 제작하고 형상 지도에서의 현재 위치를 실시간으로 인식할 수 있는 SLAM (Simultaneous Localization And Mapping, 동시적 위치 인식 및 지도 작성) 기술이 활용되고 있다. 그러나 지하광산 내 위치 인식을 위해 SLAM 기술을 적용하기 어려운 문제가 있었다. 첫째, SLAM은 라이다 스캐닝을 시작하는 위치에서 3차원 위치 좌표가 (0,0,0)으로 설정되는 지역 좌표계를 이용한다. 지하광산에서 사용하는 전역 좌표계(위·경도 좌표계 혹은 UTM 좌표계)로의 변환이 필요하지만 이 기술은 아직까지 개발되지 않은 실정이다. 둘째, 매번 SLAM을 실행시킬 때 마다 새로운 MAP이 형성되고 새로운 지역 좌표계가 형성되기 때문에 정해진 하나의 좌표 변환식을 이용하여 지역 좌표계를 전역 좌표계(위·경도 좌표계 혹은 UTM 좌표계)로 변환하는 것이 어렵다. 따라서 매번 다른 전역 좌표 변환식이 필요한데, 본 발명에서는 좌표변환, 즉 정밀 정합의 기술적 이슈를 해결함으로써 SLAM을 광산 환경에서도 적용할 수 있게 되었다.
구체적인 효과는 아래와 같이 정리할 수 있다.
본 발명을 이용하면 지하광산에서 작업자 및 생산 장비의 위치를 정확하게 인식할 수 있다. 지하광산 작업자 헬멧과 생산 장비 외벽에 라이다를 부착하여 연속적으로 라이다 형상 지도를 획득함으로써 작업자의 지속적인 위치인식이 가능하다.
더 나아가, 광산 장비 자동화 기술을 고도화할 수 있다. 본 발명을 통해 지하광산에서 자율주행 장비의 현재 위치를 인식할 수 있으며, 관성 측정 장치(IMU) 없이 라이다를 이용한 지속적인 갱내 위치 인식만으로 안정적인 자율주행이 가능하다. 관성 항법 장치는 누적 오차로 인해 시간이 지날수록 자세 추정 정확도가 낮아진다는 단점이 있기 때문에, 본 발명을 이용하면 보다 정확한 위치 파악이 가능할 것으로 기대한다.
또한 지하광산 정밀 위치 좌표 측정이 가능하다. 지하광산에서 수행되는 암석 시료 채취, 정밀 암종 맵핑과 같은 작업들은 조사 지점에서의 정밀한 위치 좌표를 획득하는 것이 필수적이다. 조사 지점에서의 공간형상 정보를 획득하여 전역 공간형상 정보와 일치시킴으로써 실시간으로 3차원 위치 좌표를 획득할 수 있다.
한편, 지하 갱도를 이동하면서 라이다를 사용하여 데이터를 획득하는 것 이외에, 데이터를 이용한 지도의 형성, 대응영역 탐지, 임의의 n개의 점 추출 및 대응점 추출, 좌표변환 등 본 발명에서 수행되는 일련의 과정들은 모두 컴퓨터에 의하여 수행된다는 점을 첨언한다. 그리고 본 발명을 구현하기 위한 알고리즘을 포함하는 소프트웨어 또는 프로그램은 컴퓨터에 수록되어 있거나, 컴퓨터가 읽을 수 있도록 각종 저장장치 및 기록매체에 저장될 수 있다.
한편, 위의 설명에서 대문자 P와 소문자 p는 서로 다른 의미로 사용된다. 즉 대문자 P는 국지적 형상지도를 의미하고, 소문자 p는 국지적 형상지도에서 무작위로 추출한 n개의 점의 집합(랜덤 추출 샘플)을 의미한다.
본 발명의 보호범위가 이상에서 명시적으로 설명한 실시예의 기재와 표현에 제한되는 것은 아니다. 또한, 본 발명이 속하는 기술분야에서 자명한 변경이나 치환으로 말미암아 본 발명이 보호범위가 제한될 수도 없음을 다시 한 번 첨언한다.

Claims (8)

  1. (a)라이다(LiDAR)를 이용하여 지하 갱도 전체 영역을 스캔하여 3차원 위치 정보를 가지는 다수의 점 데이터의 집합인 점군데이터를 획득하고, 지하 갱도 전체 영역에 대한 3차원 전역 형상 지도(Q)를 형성하는 단계;
    (b)라이다를 이용하여 지하 갱도 내 국지 영역을 스캔하여 3차원 위치정보를 가지는 다수의 점 데이터의 집합인 점군데이터를 획득하고, 국지 영역에 대한 3차원 국지적 형상 지도(P)를 형성하는 단계;
    (c)상기 전역 형상 지도(Q)와 국지적 형상 지도(P)를 비교하여, 상기 전역 형상 지도(Q)에서 상기 국지적 형상 지도(P)와 형상이 일치하는 대응영역(Qp)을 탐지하는 단계; 및
    (e)좌표변환행렬을 이용하여 상기 국지적 형상 지도(P) 내 점 데이터를 상기 전역 형상 지도 내 좌표로 변환하는 단계;를 구비하는 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법.
  2. 제1항에 있어서,
    상기 국지적 형상 지도를 형성할 때 상기 라이다의 시간에 따른 3차원 위치의 변화 데이터를 획득하고, 상기 좌표변환행렬을 상기 라이다의 3차원 위치 변화 데이터에 적용하여 상기 전역 형상 지도 내에서 상기 라이다의 시간에 따른 위치 정보를 획득하는 단계를 더 구비하는 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법.
  3. 제1항에 있어서,
    상기 전역 형상 지도(Q)와 국지적 형상 지도(P)를 비교하기에 앞서 다운샘플링 기법을 이용하여 상기 전역 형상 지도(Q)와 국지적 형상 지도(P)의 점군데이터에서 점 데이터 개수를 줄이는 단계를 더 구비하는 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법.
  4. 제1항에 있어서,
    상기 다운샘플링 기법은 전역 형상 지도(Q)와 국지적 형상 지도(P)를 다수의 복수의 복셀(voxel)로 구획하고, 상기 복셀별로 하나의 대표 데이터만 남기고 나머지 데이터는 모두 제거하는 방법을 사용하는 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법.
  5. 제1항에 있어서,
    상기 전역 형상 지도(Q)에서 상기 국지적 형상 지도(P)와 대응되는 영역을 탐지할 때에는 RANSAC(Random Sample Consensus) 알고리즘을 이용하는 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법.
  6. 제1항에 있어서,
    상기 좌표변환행렬은,
    상기 국지적 형상 지도(P)에서 임의의 점 n개를 추출하여 집합 p로 정의하고, 상기 전역 형상 지도(Q)의 대응영역(Qp)에서 상기 n개의 점과 각각 가장 거리가 가까운 점 n개를 추출하여 집합 q로 정의하여, 상기 p,q에서 서로 대응되는 각 점 사이의 거리가 가장 가까워지도록, 상기 집합 p 내 점을 상기 전역 형상 지도(Q)의 좌표로 전환하는 행렬인 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법.
  7. 제6항에 있어서,
    상기 좌표변환행렬을 이용하여 p 집합 내 점 데이터를 상기 전역 형상 지도(Q)의 좌표로 변환한 후, 상기 p,q에서 서로 대응되는 각 점 사이의 거리를 측정하여 오차를 계산하며,
    상기 오차가 기준치 이상인 경우 상기 집합 p, q 및 상기 좌표변환행렬을 다시 설정하여 상기 오차가 기준치보다 작을 때 까지 반복하는 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법.
  8. 제1항에 있어서,
    상기 전역 형상 지도(Q)는 위도와 경도로 표시되는 지리좌표 또는 UTM 좌표를 사용하는 평면좌표와, 해발고도를 포함하는 3차원 전역 좌표계를 사용하며,
    상기 국지적 형상 지도(P)는 라이다의 위치를 원점으로 하고 X,Y,Z축으로 이루어진 지역 좌표계를 사용하여,
    상기 좌표변환행렬에서는 상기 국지적 형상 지도(P)에서 지역 좌표계로 정의된 각 점의 좌표를 상기 전역 좌표로 전환하는 것을 특징으로 하는 지하광산 내 3차원 위치 인식방법.
KR1020210191179A 2021-12-29 2021-12-29 지하광산 내 3차원 위치 인식방법 KR20230101241A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210191179A KR20230101241A (ko) 2021-12-29 2021-12-29 지하광산 내 3차원 위치 인식방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210191179A KR20230101241A (ko) 2021-12-29 2021-12-29 지하광산 내 3차원 위치 인식방법

Publications (1)

Publication Number Publication Date
KR20230101241A true KR20230101241A (ko) 2023-07-06

Family

ID=87185965

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210191179A KR20230101241A (ko) 2021-12-29 2021-12-29 지하광산 내 3차원 위치 인식방법

Country Status (1)

Country Link
KR (1) KR20230101241A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117706563A (zh) * 2024-02-05 2024-03-15 中南大学 矿井垂直断面钻孔定位方法、系统、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117706563A (zh) * 2024-02-05 2024-03-15 中南大学 矿井垂直断面钻孔定位方法、系统、设备及存储介质
CN117706563B (zh) * 2024-02-05 2024-05-07 中南大学 矿井垂直断面钻孔定位方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
US11686849B2 (en) Augmented three dimensional point collection of vertical structures
CN108362281B (zh) 一种长基线水下潜艇匹配导航方法及系统
EP4318397A2 (en) Method of computer vision based localisation and navigation and system for performing the same
KR100884100B1 (ko) 항공 레이저 측량을 이용한 수목 캐노피 추출 시스템 및 방법
EP3617749B1 (en) Method and arrangement for sourcing of location information, generating and updating maps representing the location
CN102831646A (zh) 一种基于扫描激光的大尺度三维地形建模方法
CN107709926A (zh) 自动化的移动岩土测绘
JP2023525927A (ja) 車両位置推定システム及び方法
Abd Latif et al. Delineation of tree crown and canopy height using airborne LiDAR and aerial photo
CN115183762A (zh) 一种机场仓库内外建图方法、系统、电子设备及介质
KR20230101241A (ko) 지하광산 내 3차원 위치 인식방법
Al-Rawabdeh et al. A robust registration algorithm for point clouds from UAV images for change detection
Zahm et al. Use of unmanned aerial vehicles (UAVs) to create digital outcrop models: An example from the Cretaceous Cow Creek Formation, Central Texas
KR102130687B1 (ko) 다중 센서 플랫폼 간 정보 융합을 위한 시스템
Sheshadri et al. Position estimation by registration to planetary terrain
Iannucci et al. Cross-Modal Localization: Using automotive radar for absolute geolocation within a map produced with visible-light imagery
Adams et al. Autonomous navigation: Achievements in complex environments
Retscher et al. An intelligent personal navigator integrating GNSS, RFID and INS for continuous position determination
Jing et al. Monitoring capabilities of a mobile mapping system based on navigation qualities
Tamimi et al. Performance Assessment of a Mini Mobile Mapping System: Iphone 14 pro Installed on a e-Scooter
Wang Semi-automated generation of high-accuracy digital terrain models along roads using mobile laser scanning data
Shen et al. Feature extraction from vehicle-borne laser scanning data
Ibraheem IMPROVING MOVEMENT OF WHEELED GROUND ROBOTS ON SLOPES USING LIDAR TECHNOLOGY: MAPPING, PLANNING, AND OPTIMIZATION
Garcia et al. Development of a Best Practices Workflow for Rapid Beach Surveying Using a Lower-Cost Mobile Lidar System
Pesci et al. Monitoring of a coastal zone by independent fast photogrammetric surveys: The case of Monterosso a Mare (Ligurian Sea, Italy)