> For the complete documentation index, see [llms.txt](https://docs.cooku222.kr/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.cooku222.kr/project-remind/actions/undefined-1/its-study-ai/its-study-2-lidar.md).

# \[IT's Study 2주차] LiDAR 센서의 원리, 데이터 구조

#### LiDAR 센서의 원리 및 데이터 구조(Point Cloud)

**1. LiDAR 센서의 원리**

LiDAR(Light Detection and Ranging)는 레이저 펄스를 발사하여 반사되는 시간을 측정하고, 이를 바탕으로 대상까지의 거리를 계산하는 기술이다.

<figure><img src="https://blog.kakaocdn.net/dna/bYEXtO/btsMnRJHvEU/AAAAAAAAAAAAAAAAAAAAACr8dl02zI-W-6FfQbyQ4yPhy9qToGHsFan1S7FZyKNl/img.webp?credential=yqXZFxpELC7KVnFOS48ylbz2pIh7yKj8&#x26;expires=1782831599&#x26;allow_ip=&#x26;allow_referer=&#x26;signature=VavZYFYgNBWbf1JGGPSyXubctUw%3D" alt="" height="675" width="1200"><figcaption><p>ADAS(운전자 지원 시스템)에 사용되는 LiDAR 시스템 컨셉 조감도</p></figcaption></figure>

<figure><img src="https://blog.kakaocdn.net/dna/bDftgF/btsMpKISssF/AAAAAAAAAAAAAAAAAAAAADDZOvONnI4Qh5x5R3g4pSEFsatcGQHA66r3DW8vmetf/img.webp?credential=yqXZFxpELC7KVnFOS48ylbz2pIh7yKj8&#x26;expires=1782831599&#x26;allow_ip=&#x26;allow_referer=&#x26;signature=JVFh8vRIvUcNg5jtCVVD3wAfP4s%3D" alt="" height="800" width="1200"><figcaption><p>자율 주행 차 사이드 미러 아래에 위치한 LiDAR 센서. LiDAR 시스템은 자율 주행차 위에 위치할 수도 있습니다.</p></figcaption></figure>

* ToF(Time of Flight) 방식: 레이저가 목표물에 닿아 반사되는 데 걸리는 시간을 측정해 거리를 계산
* 위상 변화 방식: 연속적으로 변하는 레이저의 위상을 분석하여 거리 계산

이 데이터를 다수의 점(포인트)으로 기록하면 3D 점군(Point Cloud)이 형성되며, 이를 통해 고도/위치 정보를 포함한 3D 지형/물체 데이터를 얻을 수 있다.

***

**2. LiDAR 데이터 구조(Point Cloud)**

LiDAR 데이터를 저장하는 주요 방식은 \*\*Point Cloud(점군 데이터)\*\*로, 각각의 점(Point)은 다음과 같은 속성을 가진다.

* X, Y, Z: 3D 좌표값
* Intensity: 반사율 (물체의 재질/색상에 따라 다름)
* Return Number: 같은 레이저 펄스에서 몇 번째 반사파인지 표시 (1st, 2nd, etc.)
* Time Stamp: 특정 시간에 측정된 정보
* Color(RGB): 컬러 LiDAR의 경우 색상 값 포함

파일 포맷은 보통 LAS(표준 LiDAR 데이터 포맷) 또는 \*\*PLY(3D 모델링용)\*\*로 저장된다.

***

#### 3. LiDAR의 활용 분야

LiDAR는 다양한 산업에서 활용된다.

1. 자율주행 차량&#x20;
   * 실시간으로 주변 환경을 인식하고 장애물을 감지
   * HD맵 제작 및 차량의 위치 보정 (SLAM과 결합)
2. 지도 제작 & 지리정보(GIS)&#x20;
   * 항공 LiDAR를 이용한 고도 지도(DEM, DSM) 제작
   * 토지 활용 분석, 자연재해 예측
3. 드론 & 로봇 공학&#x20;
   * 드론이 LiDAR로 지형을 스캔하여 3D 지도 생성
   * 로봇의 실내 내비게이션(SLAM 기반 이동)
4. 건축 & 도시 계획&#x20;
   * BIM(Building Information Modeling)에 활용하여 건물 구조 분석
   * 교통 인프라 모니터링
5. 고고학 & 환경 모니터링&#x20;
   * 밀림 속 숨겨진 유적 탐사
   * 숲의 밀도를 측정하고 탄소 흡수량 분석

***

#### 4. SLAM(Simultaneous Localization and Mapping, SLAM)과 LiDAR

SLAM은 동시에 지도를 만들면서 자신의 위치를 추정하는 기술로, LiDAR와 결합하여 높은 정확도의 3D 매핑을 수행한다.

**SLAM의 핵심 과정**

1. 센서 데이터 수집: LiDAR, IMU(관성 센서), 카메라 데이터를 활용
2. 특징점 추출 & 매칭: 이전에 관측된 점과 새로운 점 비교
3. 위치 추정(로컬라이제이션): LiDAR 데이터를 기반으로 로봇/차량의 위치 계산
4. 지도 생성(매핑): 새로운 환경 데이터를 축적하여 실시간 3D 지도 제작

<figure><img src="https://blog.kakaocdn.net/dna/b0PmWi/btsMnz3M2sm/AAAAAAAAAAAAAAAAAAAAAHY3zzFxWVg6PTBmRY_YGGTkommtNsD_2GLkZn4ErTdF/img.jpg?credential=yqXZFxpELC7KVnFOS48ylbz2pIh7yKj8&#x26;expires=1782831599&#x26;allow_ip=&#x26;allow_referer=&#x26;signature=rRwdkmAtou7dhiRq%2FZbAdK%2BZDoQ%3D" alt="" height="474" width="1200"><figcaption><p>SLAM의 작동 방식(센서 데이터 -> 프론트엔드 -> 백엔드 -> 지도 생성)</p></figcaption></figure>

**LiDAR 기반 SLAM의 장점**

-> 빛이 없는 환경에서도 동작 (카메라 SLAM 대비 강점)\
-> 3D 공간 정보를 정밀하게 획득 가능\
-> GPS가 불가능한 실내 환경에서도 활용 가능

<figure><img src="https://blog.kakaocdn.net/dna/QiLmV/btsMpLHQ2vs/AAAAAAAAAAAAAAAAAAAAAOBYDD-7V7q97iSEU--jSHWj8uAe6T3h0GhqUgtpbisg/img.png?credential=yqXZFxpELC7KVnFOS48ylbz2pIh7yKj8&#x26;expires=1782831599&#x26;allow_ip=&#x26;allow_referer=&#x26;signature=7fDFIln6hXajCk9EphF7incjqzw%3D" alt="" height="377" width="864"><figcaption><p>청소 로봇에 SLAM을 적용한 후의 이점 -> 방의 구조를 청소 로봇이 이해를 하고 움직이는 것을 알 수 있다.</p></figcaption></figure>

**SLAM 활용 분야**

* 자율주행 자동차 → 실시간 위치 보정 & 장애물 감지
* 드론 & 로봇 → 실내 자율 이동 & 구조 임무
* AR/VR → 증강현실 공간 매핑

***

**용어 및 파생 언어들, 부가 설명**

Point Cloud : 공간상의 불연속적인 데이터 점들의 집합.

Time Of Flight(비행 시간) : 비행 시간은 거리, 속도 또는 매체의 속성을 결정하기 위해 거리를 이동하는 데 걸리는 시간을 측정하는 것. 신호가 물체에서 반사되는 시간은 종종 물체의 위치를 ​​결정하기 위해 측정되기도 함

-> How to measure?

-> 아래의 그림처럼 물체가 오른쪽에 있고, 왼쪽에 센서와 빛이 있다고 가정하고, 빛이 물체에 반사되어 센서로 들어간다고 가정하자. 속도(speed의 약자 s로 표기)(=이동한 거리(distance의 약자 d)/소요된 시간(time의 약자 t))<br>

<figure><img src="https://blog.kakaocdn.net/dna/UJ6tu/btsMoG8Amb7/AAAAAAAAAAAAAAAAAAAAADd0rzOLk_gIm6JBgLFgjuy8pecobigxFP7LcKjxtMpz/img.jpg?credential=yqXZFxpELC7KVnFOS48ylbz2pIh7yKj8&#x26;expires=1782831599&#x26;allow_ip=&#x26;allow_referer=&#x26;signature=KTF9fDhSsBpQTEwJ3YGeTvtpIEQ%3D" alt="" height="238" width="268"><figcaption><p>ToF 설명 예시 그림</p></figcaption></figure>

\
-> 이동한 거리 = 센서에서 물체까지의 거리 + 물체에서 센서까지의 거리 = 2\*(센서에서 물체까지의 거리)\
-> 빛의 속도를 c로 두면 x=ct/2\
-> 빛의 속도는 이미 알려진 값이 존재함 c=300,000,000m/s=3\*10^8m/s\
\
\=> LiDAR(Light detection andranging) : ToF를 사용하여 여러 방향으로 레이저 광 펄스를 방출하고 복귀 시간을 측정하여 물체를 감지

LAS File Format

-> lidar 포인트 클라우드 데이터의 교환 및 보관을 위해 설계된 파일 형식

-> 미국 사진측량 및 원격탐사 협회(ASPRS)에서 지정한 개방형 바이너리 형식

| 부분                 | 설명                                                                                                                         |
| ------------------ | -------------------------------------------------------------------------------------------------------------------------- |
| 공개 헤더 블록           | 형식, 포인트 수, 포인트 클라우드의 범위 및 기타 일반 데이터를 설명                                                                                    |
| 가변 길이 레코드(VLR)     | 사용된 공간 참조 시스템, 메타데이터, 파형 패킷 정보 및 사용자 애플리케이션 데이터와 같은 다양한 데이터를 제공하기 위한 선택 레코드 수, 각 VLR은 최대 65,535바이트 길이의 데이터 페이로드를 보관할 수 있다. |
| 포인트 데이터 레코드        | 좌표, 분류(예:지형이나 건물), 비헹 및 스캔 데이터 등을 포함하여 포인트 클라우드의 각 개별 포인트에 대한 데이터이다.                                                       |
| 확장 가변 길이 레코드(EVLR) | LAS 1.3과 함께 도입된 EVLR은 VLR과 유사하지만 지점 데이터 레코드 뒤에 위치하고 8바이트 크기 설명자를 사용하기 때문에 레코드당 훨씬 더 큰 데이터 페이로드를 허용                         |

BIM(Building Information Modeling) : 디지털 방식으로 건물의 하나 또는 그 이상의 정확한 가상 모델을 생성하는 기술. BIM은 건설 가능한 모델을 이용해 구조물을 실물로 프로토타이핑함으로써 현장의 구조물 건설에 앞서 솔루션(일정 계획, 비용 견적 및 위험 분석, 효과적인 협업 프로세스, 그리고 효율적 시설 관리 등)을 미리 시험해 볼 수 있음.

자율 주행 차량(autonomous vehicle) : 운전 기능의 일부 또는 전체가 무인으로 이루어지는 자동차의 범주. 센서를 사용해 운영 환경을 파악하고 사람 운전자의 개입 없이 센서로 취득한 데이터를 기반으로 주행 결정을 내릴 수 있어서 자유로운 성질을 지님.

DEM(Digital Elevation Model) : 실세계 지형 정보 중 건물, 수목, 인공 구조물 등을 제외한 지형(bare earth) 부분을 표현하는 수치 모형

DSM(Digital Surface Model) : 지표면의 표고값이 아니라 인공물(건축물 등)과 지형지물(식생 등)의 표고값을 나타냄. 원거리 통신관리, 산림관리, 3D 시뮬레이션에 활용

SLAM(동시적 위치추정 및 지도작성) : 라이다에서의 SLAM은 주로 레이저 센서(또는 거리를 측정할 수 있는 센서 이용)를 주로 사용하는 방법

-> 레이저 센서는 빠르게 이동하는 물체에서 이용하기 편함

-> 레이저 센서에서 얻어지는 출력값은 일반적으로 2차원(x,y)또는 3차원(x,y,z) 포인트 클라우드(point cloud) 데이터들

***

**참고 문헌 및 출처**

{% embed url="<https://www.synopsys.com/ko-kr/glossary/what-is-lidar.html>" %}

{% embed url="<https://en.wikipedia.org/wiki/Point_cloud>" %}

{% embed url="<https://www.analog.com/en/resources/glossary/time-of-flight.html>" %}

{% embed url="<https://en.wikipedia.org/wiki/LAS_file_format>" %}

{% embed url="<https://www.tekla.com/kr/%EB%A6%AC%EC%86%8C%EC%8A%A4/%EC%95%84%ED%8B%B0%ED%81%B4/bim%EC%9D%B4%EB%9E%80>" %}

{% embed url="<https://www.redhat.com/ko/topics/edge-computing/what-is-an-autonomous-vehicle>" %}

{% embed url="<https://blog.naver.com/droneaz1/221787698184?viewType=pc>" %}

{% embed url="<https://kr.mathworks.com/discovery/slam.html#section-2b>" %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.cooku222.kr/project-remind/actions/undefined-1/its-study-ai/its-study-2-lidar.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.