기술 자료

라이다와 ToF 카메라가 내놓는 결과는 사진이 아니라 점군(point cloud)이다.

수만~수백만 개의 점이 각각 3차원 좌표를 가지고 공간에 흩어져 있는 데이터다.
처음 라이다를 다루면 이 데이터를 어떻게 읽고 저장하고 처리해야 하는지부터 막히기 쉽다.
이 글은 점군의 구조와 다루는 방법을 기초부터 정리한다.

점 하나에는 무엇이 들어 있나

가장 기본은 X, Y, Z 좌표다. 여기에 센서에 따라 다음 값이 붙는다.

• 세기(intensity) · 반사율 — 돌아온 빛의 세기. 차선 도색, 표지판처럼 반사율이 높은 표면을 구분하는 데 쓰인다.
• 타임스탬프 — 점이 측정된 시각. 회전형 라이다는 한 바퀴를 도는 동안 점마다 시각이 다르므로, 움직이는 차량에서는 이 값으로 왜곡을 보정한다.
• 채널 번호 — 몇 번째 레이저에서 나온 점인지. 지면 분리 등에 유용하다.
• 리턴 순서 — 듀얼 리턴 센서에서 첫 번째 반사인지 마지막 반사인지.
• 색상(RGB) — 카메라와 융합하거나 RGB-D 카메라를 쓸 때 붙는다.

정리된 점군과 정리되지 않은 점군

ToF 카메라나 일부 디지털 라이다는 점을 화소 격자처럼 행·열로 정리해 내보낸다(organized).
이웃한 점을 바로 찾을 수 있어 처리가 빠르고 영상 처리 기법을 그대로 쓸 수 있다.
회전형 라이다의 출력은 보통 순서 없는 점의 목록(unorganized)이며, 이웃 탐색을 위해 KD-트리나 복셀 격자 같은 자료 구조를 따로 만든다.

좌표계

점군의 좌표는 기본적으로 센서 좌표계(센서 중심이 원점)다. 여러 센서를 합치거나 지도 위에 올리려면 좌표계를 변환해야 한다.

변환은 회전 행렬과 이동 벡터로 이루어진 4×4 변환 행렬로 표현하며, 변환 순서를 틀리면 점군이 어긋난다.
오른손 좌표계 기준으로 X가 전방, Y가 좌측, Z가 위쪽인 규약이 로봇 분야에서 흔하지만 센서마다 다를 수 있으니 데이터시트를 확인해야 한다.

파일 형식

기본 처리 흐름

1. 전처리 — 범위 밖의 점, 센서 자체 반사, 노이즈 점을 걸러낸다. 통계적 이상치 제거 필터가 흔히 쓰인다.
2. 다운샘플링 — 복셀 격자(예: 5 cm)마다 대표점 하나만 남겨 데이터 양을 줄인다. 실시간 처리에는 거의 필수다.
3. 지면 분리 — 평면 피팅(RANSAC)이나 링 기반 기울기 판단으로 지면 점을 떼어 낸다. 이후 남는 점이 장애물 후보다.
4. 군집화 — 가까운 점끼리 묶어 물체 단위로 만든다(유클리드 군집, DBSCAN 등).
5. 분류 · 추적 — 군집의 크기·형태·움직임으로 차량·사람 등을 구분하고, 프레임 간에 같은 물체를 연결해 속도를 얻는다. 최근에는 점군을 직접 입력받는 신경망(PointPillars 등)이 이 단계를 대신한다.
6. 정합(registration) — 여러 프레임이나 여러 센서의 점군을 하나로 맞춘다. ICP, NDT가 대표적이며 SLAM과 매핑의 핵심이다.

도구

C++ 라이브러리 PCL, 파이썬 Open3D가 가장 널리 쓰이고, 눈으로 확인할 때는 CloudCompare(무료 뷰어·편집기)나 각 제조사가 제공하는 뷰어를 쓴다.
ROS 환경이면 RViz로 실시간 점군을 볼 수 있다.

처음 다룰 때 자주 겪는 문제

• 점군이 기울어져 보인다 — 센서 장착 각도가 보정되지 않은 것. 외부 보정값을 적용한다.
• 움직일 때 물체가 늘어지거나 겹친다 — 한 바퀴 회전 중 차량이 이동한 왜곡(motion distortion). 점별 타임스탬프와 자세 정보로 보정한다.
• 가까운 곳에 점이 몰리고 멀리는 듬성하다 — 라이다의 본래 특성. 거리별로 다른 복셀 크기를 쓰거나 알고리즘이 이를 감안하도록 한다.
• 유리 · 검은 물체가 안 보인다 — 반사가 돌아오지 않는 재질. 다른 센서(레이더·초음파)로 보완한다.