3D Reconstruction of deciduous Trees using low-cost UAV- and Crane-based Photogrammetry for Monitoring Shoot Elongation across entire Canopies
본 연구는 저비용 UAV 및 CraneCam 기반 사진측량이 낙엽 활엽수 전체의 3D 모델을 센티미터 미만의 정밀도와 높은 완결성으로 정확하게 재구성할 수 있음을 입증하며, 이는 기후 변화가 일차적 나무 성장에 미치는 영향을 더 잘 이해하기 위해 수관 전체에 걸친 가지 신장을 모니터링하는 실행 가능한 방법을 제공한다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
봄철에 나무가 얼마나 다리를 쭉 뻗으며 성장하는지 측정하는 방법을 상상해 보세요. 가지들이 너무 높고, 너무 뒤틀려 있고, 아직 채 피지도 않은 잎사귀들로 덮여 있기 때문에 그냥 자를 들고 전체를 잴 수는 없습니다. 과학자들은 나무가 얼마나 굵어지는지(마치 허리둘레를 재는 것처럼) 측정하는 데는 뛰어났지만, 새로운 가지가 얼마나 길게 자라는지(수고 성장)를 측정하는 것은 그동안 완전한 미스터리였습니다.
이 논문은 연구진이 나무를 거대한 3D 비디오 게임으로 변신시켜 이 수수께끼를 풀기로 결决한 내용에 관한 것입니다. 그들은 저렴한 드론과 특수 카메라 크레인을 사용하여, 가장 끝에 있는 아주 가늘고 새로운 잔가지까지도 완벽한 디지털 트윈(digital twin)을 구축할 수 있는지 확인하고 싶었습니다.
주요 발견: 드론은 아주 작은 것도 볼 수 있다
중요한 소식은, 그렇습니다, 250그램 미만(밀가루 한 봉지 무게보다 가벼운)의 드론을 사용하여 나무 전체의 매우 정밀한 3D 모델을 만들 수 있다는 것입니다. 스위스의 한 공원에서 이 드론들을 나무 주변으로 비행시킨 결과, 실제 나무와 5~6mm의 오차 내로 일치하는 정밀한 디지털 포인트 클라우드(point cloud)를 생성해 냈습니다. 이는 연필 지우개 두께 정도입니다!
연구진은 두 종류의 드론을 테스트했습니다. 아주 작고 초경량인 모델(DJI Mini 3 Pro)과 약간 더 무겁고 전문적인 모델(DJI Phantom 4 Pro V2)입니다. 두 모델 모두 작동했지만, 전문적인 모델은 약간 흐릿한 올빼미에 비해 눈매가 날카로운 매와 같았습니다. 전문용 드론은 5.1mm의 3D 포인트 정확도를 보여주었고, 초경량 드론은 6.5mm의 정확도를 보였습니다. 또한 전문용 드론은 나무 가지의 **98%**를 재구성해 낸 반면, 초경량 드론 역시 **92%**라는 매우 인상적인 성과를 냈습니다.
"가짜 가지" 테스트
드론이 그냥 짐작해서 만드는 것이 아니라는 것을 어떻게 알 수 있을까요? 연구진은 창의적인 방법을 사용했습니다. 그들은 특정하고 알려진 두께(3mm, 5mm, 7mm, 10mm)를 가진 가짜 가지(그들은 이를 "지면 진실 가지(Ground-Truth Branch)"라고 불렀습니다)를 3D 프린터로 출력했습니다. 이 가짜 가지를 실제 나무에 테이프로 붙인 뒤 드론을 비행시켰습니다.
결과는 어떠했을까요? 드론은 가짜 가지의 가장 가는 3mm 부분까지도 포착해 냈습니다. 하지만 드론이 정확한 너비를 측정하는 데는 약간의 어려움을 겪었습니다. 전문용 드론은 두께를 약 3mm 더 넓게 예측했고, 초경량 드론은 7mm 더 넓게 예측했습니다. 즉, 드론이 아주 가는 가지를 '볼' 수는 있지만, 아직 그 정확한 두께를 측정하는 데는 완벽하지 않다는 뜻입니다.
"안 되는 것들" (금지 구역)
연구진은 단순히 한 가지 실험만 한 것이 아니라, 효과가 없었던 몇 가지 방법도 테스트했습니다.
- "흐릿한" 드론: 연구진은 세 번째 드론(DJI Mavic 3)을 테스트했으나 곧바로 탈락시켰습니다. 이 드론의 카메라 센서가 너무 작아서 아주 가는 가지를 보기에는 이미지가 너무 흐릿했습니다.
- 비행하는 레이저: 레이저 스캐너(LiDAR)가 장착된 드론도 시도해 보았습니다. 하지만 이는 실패였습니다. 레이저 스캐너는 너무 "노이즈"가 많았고 가는 가지를 명확하게 보지 못했습니다. 예를 들어 1~2cm 두께의 가지를 두 배나 더 넓게 보이게 만들었습니다. 연구진은 미세한 가지 길이를 측정하는 데 있어 이 방식은 막다른 길이라고 결론지었습니다.
- "수관 표면" 기법: 연구진은 기존 연구들이 종종 나무의 "피부"(잎사귀의 외형)만을 측정했다는 점을 지적했습니다. 하지만 그것은 내부의 개별 가지들이 얼마나 자라는지는 알려주지 않습니다. 이 논문은 단순한 피부가 아닌 전체 3D 골격이 필요하다고 강조합니다.
크레인과 "건설 현장" 카메라
모든 데이터가 드론에서 온 것은 아닙니다. 두 번째 장소에서는 거대한 건설용 크레인(CraneCam이라 불리는)에 장착된 카메라 시스템을 사용했습니다. 이것은 마치 크레인이 회전함에 따라 사진을 찍는 크레인 팔 위에 카메라가 앉아 있는 것과 같습니다. 비록 드론만큼 가까이 있지는 못해 "픽셀" 크기가 더 컸지만(나무 꼭대기에서 약 5.2mm), 이 시스템 역시 상세한 3D 모델을 만들어 냈습니다. 이는 만약 근처에 거대한 크레인(예: 스위스 캐노피 크레인 II)이 있는 숲이라면, 조종사가 바람을 뚫고 드론을 직접 조종할 필요 없이 나무를 모니터링할 수 있음을 시사합니다.
"골격" 문제
궁극적인 목표는 이 포인트 클라우드를 "골격(skeleton)"—즉, 각 가지가 얼마나 자랐는지 정확히 측정할 수 있는 디지털 졸라맨 형태의 모델—로 변환하는 것입니다. 연구진은 TreeQSM이라는 컴퓨터 프로그램을 사용하여 이를 시도했습니다.
여기에는 함정이 있습니다. 현재까지 얻은 골격들은 다소 지저분합니다. 나무 모양을 띠고는 있지만 "글리치(오류)"가 있습니다. 어떤 가지는 끊겨 있고, 어떤 곳에는 없는 가짜 가지가 나타나기도 합니다. 저자들은 현재의 골격들이 정밀한 성장 측정을 위해 사용되기에는 아직 준비되지 않았다고 신중하게 밝히고 있습니다. 이는 유망한 시작이지만, 컴퓨터가 잎사귀와 겹쳐진 가지들의 엉킴을 풀어내는 법을 더 배워야 합니다.
어려움들
결코 쉽지 않았습니다. 연구진은 나무에 아주 가깝게 붙어서 정교한 패턴으로 비행하는 소프트웨어가 아직 존재하지 않기 때문에 드론을 수동으로 조종해야 했습니다. 또한 바람과 싸워야 했으며, 바람 때문에 가지가 흔들리고 사진이 흐릿해지는 문제도 겪었습니다. 나무가 자라는 전체 타임랩스를 얻기 위해 그들은 몇 달 동안 26번이나 드론을 띄워야 했습니다.
결론
이 논문은 저렴한 소비자용 드론을 사용하여 3mm 수준의 세밀한 부분까지 포착하는 매우 상세한 나무 3D 지도를 구축할 수 있음을 증명합니다. 또한 미세한 가지 길이를 측정하는 데 있어 레이저 스캐너는 부적합하다는 것을 입증했으며, 3D 모델은 놀랍지만 이를 성장을 측정하기 위한 완벽한 "골격"으로 만드는 것은 여전히 진행 중인 과제임을 보여줍니다. 저자들은 더 나은 AI와 시간이 뒷받침된다면, 이것이 나무의 성장을 실시간으로 관찰하는 표준적인 방법이 되어 기후 변화가 나무의 발달에 어떤 영향을 미치는지 이해하는 데 도움을 줄 수 있을 것이라고 제안합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.