1. 서론
1.1 연구의 배경 및 목적
4차 산업혁명의 진전에 따라 드론과 같은 첨단 기술의 활용이 다양한 산업 분야에서 필수적으로 요구되고 있으며, 건설 및 토목 분야에서도 그 중요성이 높아지고 있는 실정이다[1]. 드론을 이용한 3차원 공간정보 취득 기술은 디지털트윈, 빅데이터, 스마트시티 등의 분야에서 다양한 목적에 의해 활용되고 있으며, 이에 따라 관련 기술에 대한 연구 개발이 활성화되고 있다[2]. 국토교통부 등의 정부기관에서도 드론과 BIM(Building Information Modeling)을 활용한 스마트 건설기술의 도입을 추진하고 있으며, 이를 통해 건설 현장에서의 작업 효율성과 안전성을 크게 향상시키고자 노력하고 있다[3,4]. 최근에는 전통적인 측량 방식을 대체하기 위한 3차원 디지털 측량 방식이 주목받고 있으며, 특히 도로공사와 같은 대규모 현장에서의 활용 및 적용 가능성을 확인하는 것이 필요하다[5].
현재 현업에서 활용되고 있는 재래식 측량 방식은 토탈스테이션, GNSS(Global Navigation Satellite System)를 활용하고 있다. 이는 절차와 성능이 검증된 방법이므로 현업에서의 협업 효율성이 높다는 장점이 있으나, 대규모 현장에서는 작업시간이 길고, 비용 효율성이 떨어진다는 한계가 있는 것으로 조사되었다[6]. 반면, 드론 등을 활용한 3차원 디지털 측량 방식은 넓은 지역을 신속하게 측량할 수 있고, 데이터의 자동 처리와 분석이 가능하여 작업 효율성이 크게 향상되고 있다[7]. 그러나 이러한 디지털 측량 방식은 재래식 측량에 비해 절차가 충분히 마련되지 않아 현장에서 받아들이는데 제한이 있으며, 정확도와 비용 효율성에 대한 검증 및 현장 적용 가능성을 명확히 입증할 필요가 있다[8].
본 연구의 목적은 도로공사 현장을 대상으로 재래식 측량 방법과 3차원 디지털 측량 방법(드론 사진측량, 드론 LiDAR 측량, SLAM 기반 핸드헬드 3D 스캐닝)을 비교 분석하여, 각 방법의 효율성과 적용 가능성을 평가하는 데 있다. 이를 위해 대상 도로공사 현장에서 각 측량 방법을 활용해 데이터를 취득하고, 소요 시간, 비용, 정확도 등의 측면에서 비교 분석을 수행하였다.
1.2 연구의 범위 및 방법
본 연구는 도로공사 현장에서 전통적인 측량 방법과 3차원 디지털 측량 방법의 작업 및 비용 효율성을 비교 분석하는 것을 목표로 한다. 연구 대상지는 파주시 인근의 도로공사 현장으로, 대상 현장에서 GNSS 기반 측량, 드론을 활용한 사진측량 및 LiDAR 측량, SLAM 기반 핸드헬드 3D 스캐닝을 통해 데이터를 획득한다. 데이터는 2023년 9월에 수집되었으며, 각 방법의 소요 시간, 비용, 정확도 등을 기준으로 비교 분석을 수행한다. 연구 방법은 아래와 같다.
1) 각 측량 기법의 특징을 반영한 데이터 획득과 처리 절차를 따른다. GNSS 측량은 전통적인 방식으로 기준점을 설정하고 성과심사 기준 및 일반 측량으로 나누어 데이터를 취득한다.
2) 드론을 활용한 사진측량과 LiDAR 측량은 각각 DJI Matrice 350 RTK와 Zenmuse P1, L1 장비를 사용한다. SLAM 기반의 핸드헬드 3D 스캐닝은 RS100i 장비를 사용하여, 일부 좁은 공간에서 정밀한 측량을 실시한다.
3) 각 방법에 대한 효율성 분석은 측량에 소요된 시간, 비용, 정확도를 중심으로 이루어지며, 비용 분석에는 2024 건설공사 표준품셈을 활용한다.
2. 이론적 고찰
2.1 재래식 측량
재래식 측량은 건설 및 토목 공사에서 최근까지도 계속 활용되고 있는 측량 방식으로, 측량 성과품에 대한 납품 기준 및 절차 등이 현업에서 수용 가능한 방식으로 마련되어 있어, 대부분의 건설 프로젝트에서 사용되고 있다[6]. 대표적으로 GNSS 측량, 토탈 스테이션을 이용한 각 측량, 그리고 광파거리측정기(EDM)를 활용한 거리 측정 등이 있다. 특히 GNSS 측량은 위성 신호를 사용하여 지구 상의 특정 위치를 정밀하게 측정할 수 있는 기술로, 타 기술 대비 측량의 신속성 및 편의성이 우수하여 대규모 영역에서의 기초 작업에 필수적으로 활용되고 있다[9,10].
이러한 재래식 측량 방식은 높은 신뢰성과 검증된 정확도를 제공하는 반면, 작업 범위가 넓거나 인력과 시간이 제한된 경우에는 한계가 존재한다. 특히, 대규모 지역의 측량을 위해서는 다수의 인력과 시간이 요구되며, 환경 조건에 따라 작업 효율성이 크게 저하되거나 측량 불가 지역이 생길 수 있어, 최종적인 측량 성과품의 정확도가 저하되는 문제가 발생할 수 있다. Fig. 1은 재래식 측량 방식의 광파거리측정기 현황측량 및 GNSS 측량의 작업 프로세스를 도식화한 것이다.

Fig. 1. Traditional surveying workflow
2.2 3차원 디지털 측량 기술
3차원 디지털 측량 기술은 전통적인 측량 방법의 한계를 극복하고, 보다 효율적이고 신속한 데이터 수집을 가능하게 하는 기술로 주목받고 있다[11,12]. 특히 드론을 활용한 항공사진측량은 넓은 지역을 빠르게 측량할 수 있으며, 정사 영상, 디지털 표면 모델(DSM), 디지털 지형 모델(DTM) 등 고해상도의 3차원 공간 정보를 제공한다[13,14]. 이러한 기술은 드론의 비행 경로를 계획하고, 여러 각도에서 촬영한 사진을 바탕으로 지형의 3차원 모델을 생성하는 과정을 포함한다.
LiDAR(Light Detection and Ranging) 기술은 레이저 펄스를 사용하여 물체의 위치와 형태를 측정하는 방법으로, 지표면의 정밀한 3차원 데이터를 제공한다[15,16]. 특히 숲, 건물, 교량 등 복잡한 지형에서 장애물을 통과하여 정확한 지형 정보를 수집할 수 있는 장점이 있다[17].
SLAM(Simultaneous Localization and Mapping) 기술은 이동 중에 동시적으로 환경의 3차원 지도를 작성하고, 위치를 추정하는 기술로, 주로 좁은 공간이나 실내에서 효과적으로 사용된다[18]. SLAM 기반 핸드핼드 3D 스캐너는 건물 내부나 접근이 어려운 지역에서도 정밀한 3차원 데이터를 수집할 수 있어 최근 많은 주목을 받고 있다. Fig. 2는 3차원 디지털 측량 방식인 무인항공사진 측량, 드론 LiDAR 측량의 작업 프로세스를 도식화한 것이다.

Fig. 2. 3D digital surveying process
2.3 전통 측량과 3차원 디지털 측량의 비교
전통적인 측량 방법과 3차원 디지털 측량 기술을 비교해보면, 두 방법은 서로 보완적인 특성을 지니고 있다. 전통적인 측량 방법은 오랜 기간 검증된 기술로, 높은 정밀도와 신뢰성을 제공하는 반면, 넓은 지역이나 접근이 어려운 지역에서는 효율성이 떨어질 수 있다. 특히 GNSS나 토탈 스테이션을 이용한 측량은 정확도가 높지만, 대규모 프로젝트에서는 작업 시간이 길고, 많은 인력이 필요하다.
반면, 3차원 디지털 측량 기술은 대규모 현장에서의 효율성을 크게 높이며, 작업 시간을 단축시키는 데 큰 장점이 있다. 예를 들어, 드론을 활용한 항공사진측량은 넓은 지역을 단시간에 측량할 수 있으며, 자동화된 데이터 처리 과정 덕분에 인력 소요도 줄일 수 있다. LiDAR 기술은 지형이 복잡한 지역에서도 높은 정확도의 데이터를 제공하며, 특히 숲이나 도시와 같이 구조물이 복잡한 환경에서 매우 유용하다. SLAM 기반 기술은 좁은 공간이나 실내 환경에서 정밀한 데이터를 수집하는 데 효과적이며, 다양한 건설 현장에서 활용될 수 있다.
그러나 이러한 디지털 기술들은 초기 도입 비용이 높고, 데이터 처리와 해석에 대한 고급 기술이 요구된다는 단점이 있다. 또한, 특정 상황에서는 전통적인 방법만큼의 정밀도를 제공하지 못할 수도 있다.
따라서, 각 프로젝트의 특성과 요구 조건에 맞추어 전통적인 측량 방법과 3차원 디지털 측량 기술을 적절히 조합하여 사용하는 것이 중요하다. 이를 통해 작업의 효율성을 극대화하고, 비용을 절감하며, 측량 결과의 신뢰성을 확보할 수 있을 것이다.
3. 현장 비교 데이터 수집
3.1 분석 대상 현장 개요
본 연구의 대상지는 경기도 파주시 인근의 도로공사 현장으로 선정되었다(Fig. 3). 이 지역은 도로 확장 공사가 진행 중인 곳으로, 다양한 지형적 특성과 공사 조건을 반영하여 측량 방법의 효율성을 평가하기에 적합하다. 또한, 대상지는 성토 및 절토 구간이 혼재되어 있으며, 일부 구간에는 건축 구조물이 포함되어 있어 다양한 측량 방법의 적용 가능성을 테스트할 수 있는 이상적인 환경을 제공한다.

Fig. 3. Target site overview
해당 지역은 공사 진행 상황에 따라 지형 변화가 빈번히 발생하므로, 주기적인 현황 파악이 필요한 특성을 가지고 있다. 이러한 사항을 고려하여 본 연구에서는 파주시 도로공사 현장을 연구 대상으로 선정하였으며, 전통적인 측량 방법과 3차원 디지털 측량 방법의 비교 분석을 수행하였다.
3.2 지상기준점 및 검사점 측량
본 연구에서는 정확한 위치정보를 가진 공간정보 생성과 측량된 성과의 정확도를 검정하기 위해 지상기준점과 검사점의 측량을 먼저 수행하였다. 드론 사진측량의 경우, 이를 통해 얻은 위치정보를 수집된 좌표 값과 일치시키는 정위치화 작업을 진행하였으며, 이동형 백팩형 3D 스캐너의 경우 SLAM 데이터의 위치 정합을 위한 기준점으로 활용하였다. 검사점 데이터는 기준점 사이에 매설한 후 동일한 방식으로 측정하여, 최종 결과물 데이터의 위치 및 수직 정확도를 검정하는 좌표점으로 사용하였다.
기준점 측정은 Trimble社의 GNSS 수신기인 R4S를 사용하여 국토지리정보원에서 제공하는 실시간 이동측량 서비스(VRS)를 이용해 10에포크 이상 측정하는 방식으로 수행되었으며, 평균 30에포크 이상의 데이터를 취득하였다(Table 1). 기준점은 길이 50㎝의 정사각형 대공표지판을 제작하여 설치하거나, 바닥에 표식을 남겼으며, 검사점은 50㎝ 크기의 십자선을 표시하였다(Fig. 4).

Fig. 4. Control point installation and measurement using GNSS
Table 1. Control points and checkpoints results

3.3 대상현장 현황 측량
3.3.1 GNSS 기반 전통재래식 측량
GNSS(Global Navigation Satellite System) 기반 측량은 전통적인 방법 중 하나로, 높은 정밀도를 제공하며 주로 기초 작업에 사용된다. 본 연구에서는 코세코社의 정밀 측량장비 V200 모델과 Hi-Target社의 GNSS 수신기(Trimble Board 내장)를 활용하여 데이터를 수집하였다. RTK(Real-Time Kinematic) 측량의 경우, 수평 정확도는 8 ㎜+1㏙ RMS, 수직 정확도는 15㎜+1㏙ RMS로 평가되었으며, 평균 편차는 ±1.2㎝로 확인되었다.
측량 방법은 일부 지역은 성과심사 기준에 따라 5에포크 이상의 데이터로 측정하고, 그 외 지역은 1에포크로 측정하였다. VRS(Virtual Reference Station)는 국토지리정보원에서 제공하는 RTS2-RTCM32 서버를 활용하였으며, PDOP (위성 기하도) 3.0 이하의 데이터만 수신받아 작업을 진행하였다.
작업된 현황 데이터는 Tycad 소프트웨어를 통해 현황선을 정리하고 기초 도면을 생성한 뒤, Autocad 소프트웨어를 활용하여 최종적으로 정리하였다. GNSS 기반 측량은 정밀도가 높아 ±1.2 ㎝의 평균 편차로 안정적인 결과물을 제공했으나, 대규모 작업에서는 작업 시간과 인력 소요가 많아 상대적으로 효율성이 낮은 것으로 분석되었다.
3.3.2. 드론을 활용한 무인항공사진측량
드론을 활용한 무인항공사진측량은 넓은 지역을 효율적으로 측량할 수 있는 기술로, 본 연구에서는 DJI사의 Matrice 300 RTK 드론과 Zenmuse P1 카메라, Mavic3 Enterprise를 사용하여 항공 사진을 촬영하고, 이를 바탕으로 3차원 지형 모델을 생성하였다(Table 2).
Table 2. Drone photogrammetry equipment

드론 비행은 종횡 중복도 75%를 유지한 채 고도 150m와 70m에서 각각 수행하여, GSD(Ground Sample Distance)가 2㎝ 이내 수준을 유지하도록 설정하였다. 촬영 시에는 VRS서버 RTS2 및 RTCM32에 접속하여, 모든 사진 데이터에 RTK 데이터를 적용하여 지오태깅을 수행하였다.
촬영된 데이터는 Pix4D社의 Pix4Dmapper와 Pix4Dmatic 소프트웨어를 병행 활용하여 무인항공 사진자료를 처리하였다(Fig. 5).

Fig. 5. Drone photogrammetry process
이 과정에서 드론 촬영 데이터는 기하보정과 방사보정을 거쳐, 정사영상(Orthophoto), 디지털 표면 모델(DSM; Digital Surface Model), 그리고 점군(Point Cloud) 형식의 3차원 데이터로 변환되었다(Fig. 6).

Fig. 6. Photogrammetry processing data(Ponit cloud, DSM)
정확도 분석 결과, 지상기준점을 활용한 정위치화를 통해 드론 사진측량의 정확도는 Matrice300 RTK + Zenmuse P1의 경우 수평 정확도 ±2.1 ㎝, 수직 정확도 ±3.4㎝로, Mavic3 Enterprise의 경우 수평 정확도 ±3.5㎝, 수직 정확도 ± 5.2㎝로 평가되었다.
3.3.3. 드론 LiDAR 측량
드론 LiDAR 측량은 DJI사의 Matrice 350 RTK 드론과 Zenmuse L1 LiDAR 센서를 사용하여 데이터를 수집하였다(Table 3).
Table 3. Drone LiDAR surveying equipment

데이터 수집은 반복 스캔 방식으로 진행되어, 높은 정확도의 데이터를 확보할 수 있도록 하였다. 또한, 작업 전, 중, 후 IMU(Inertial Measurement Unit) 캘리브레이션을 통해 데이터의 정밀도를 향상시키는 작업을 수행하였다.
촬영 고도는 70m, 비행 속도는 5m/s로 설정되었으며, 점군(Point Cloud)의 밀도는 ㎡당 약 525 포인트로 생성되도록 작업하였다. 각 스트랩별 중복도는 50%로 설정하여 작업하였으며, 이를 통해 중심부에서 평균 1,500포인트/㎡의 데이터를 얻었다. 이러한 점군 데이터는 GSD 기준으로 환산하면 약 2∼3㎝의 정확도를 제공한다(Fig. 7).

Fig. 7. LiDAR survey results(Point cloud, DTM, contour lines)
정확도 분석 결과, 드론 LiDAR 측량의 수평 정확도는 ±1.9㎝, 수직 정확도는 ±2.8㎝로 평가되었다. 이는 특히 숲, 건축물, 교량 등 복잡한 지형에서도 장애물을 통과하여 고해상도의 데이터를 수집할 수 있는 LiDAR 기술의 강점을 잘 보여준다.
3.3.4. SLAM 기반 이동식 3D 스캐닝
SLAM(Simultaneous Localization and Mapping) 기반 이동식 3D 스캐닝은 좁은 공간이나 접근이 어려운 지역, 실외 또는 실내 환경에서도 정밀한 3차원 데이터를 수집하는 데 유용한 기술이다. 본 연구에서는 GoSLAM社의 RS100i 제품과 GNSS 수신기를 활용하여 성토구간 및 성토 하부 일방통행로의 데이터를 수집하였다(Table 4, Fig. 8).
Table 4. Portable SLAM 3D surveying equipment


Fig. 8. LiDAR survey results(Point cloud, DTM, contour lines)
SLAM 스캐닝 과정에서 RS100i의 포인트 정확도는 수평 정확도 ±1.5㎝, 수직 정확도 ± 2.0㎝로 평가되었다. 특히 GNSS 수신기를 보조적으로 사용하여 데이터의 위치 정합성을 높였으며, GNSS 신호가 약하거나 차단된 지역에서도 SLAM 기술만으로 안정적인 데이터를 수집할 수 있었다.
4. 데이터 분석 결과
4.1 측량방법별 소요시간 및 면적차이 분석
본 연구에서는 각 측량 방법의 소요시간을 비교하기 위해 GNSS 기반 측량, 드론 항공사진 측량, 드론 LiDAR 측량, SLAM 기반 3D 스캐닝을 활용하여 데이터를 수집하고 처리하는 데 소요된 시간을 측정하였다.
대상지는 현재 공사가 진행 중인 현장으로, 오차를 최소화하기 위해 작업 중단 시기에 측정을 진행하였다. 작업은 외업이 최소 30분에서 최대 2시간 이내로 완료될 수 있도록 설정되었으며, 측량 방식별 작업 면적과 데이터 수집 소요 시간은 Table 5에 제시되어 있다.
Table 5. Data collection time by surveying method

4.2 측량 방법별 단가 산출 금액차이 분석
4.2.1. 건설공사 표준품셈으로 비교 분석
건설공사 표준품셈에서는 기존의 현황측량과 무인항공사진측량에 대한 품셈은 명시되어 있으나, 3차원 측량 데이터의 핵심인 점군 데이터 생성과 관련된 지상 LiDAR 및 무인항공 LiDAR 데이터에 대한 기준은 아직 마련되지 않았다. 이에 따라 본 연구에서는 GNSS 기반 지형현황측량과 무인항공 사진측량의 비용을 중심으로 비교 분석을 수행하였다.
GNSS를 활용한 지형현황측량은 건설공사 표준 품셈에 명시된 기준에 따라 비용을 산정하였다(Fig. 9).

Fig. 9. Topographic surveying (Construction work standard unit cost)
지형현황측량의 경우 기본 면적은 100,000㎡을 기준으로 측량기술자 노임단가로 환산하여 산정하였다. GNSS 측량의 경우, 기준점 설치가 제외되어 사이트캘리브레이션 작업만으로 측량 준비가 완료된다. 이에 따라 해당 작업의 총 비용은 8,942,698원으로 산정되었으며, 이는 1㎡당 89.43원의 단가로 환산 가능하다.
무인항공측량을 활용한 지형측량의 경우 Fig. 10과 같이 건설공사표준품셈 무인비행장치 측량에서 확인할 수 있다.

Fig. 10. Unmanned aerial surveying (Construction work standard unit cost)
무인항공측량의 경우 최소기준단위가 0.25㎢으로 되어 있고, 2024년 측량기술자노임단가를 적용한 경우에는 작업계획 848,054원, 기준점측량 2,625,529원, 무인항공사진촬영 901,535원, 항공 삼각측량 282,789원, 정사영상제작 612,710원, 지물묘사(벡터화부분) 1,235,378원, 품질관리 251,109원으로 총 6,757,107원이 산출되어, 이는 1㎡당 27.03원의 단가로 환산이 가능하다.
실제 도로공사 현장에서 작업을 진행하는 경우 총 200m 폭의 측량을 진행해야 하는 경우로 가정할 때, 연장 5㎞(면적 1㎢)와 20㎞(면적 4㎢)로 환산한 중⋅대규모 현장의 경우에는 작업량 계수를 Fig. 11과 같이 적용할 수 있다.

Fig. 11. Topographic survey work quantity coefficient (Construction work standard unit cost)
이에 따라 연장 5㎞의 경우 80,484,282원(8,942,698원 × 0.9 × 10), 연장 20㎞의 경우 321,937,128원으로 산정되었다.
무인항공측량 역시 동일한 면적으로 환산하는 경우에는 Fig. 13의 작업량 계수에 따라 연장 5㎞의 경우 13,747,136원, 연장 20㎞의 경우 50,400,611원으로 산정되었다.
4.2.2. 실제 작업 면적별 비용 분석
이종 데이터의 취득 및 후처리 가공을 통한 최종 결과물 추출 방법에 대한 비교 분석을 위해 최대한 동일한 환경을 갖추고 작업을 진행하였다. 본 연구에서는 데이터 수집과 후처리 프로세스의 경우, 방법별 실제 고급기술자 1인과 중급기술자 1인의 작업으로 진행하였고, 이를 기준으로 실제 작업 면적별 측량기술자 노임 기준으로 비용을 분석하였다.
GNSS를 활용한 지형현황측량은 1)작업계획, 2)사이트캘리브레이션, 3)현황측량(외업), 4)데이터정리(내업: 측량 프로그램을 통한 현황선 정리 및 AutoCAD 최종 도면화 작업) 과정을 통해 수행되었다. 공공측량 성과심사용 작업 방식으로, 한 포인트에서 5에포크 이상 측량을 진행한 경우, 측량면적은 30,100㎡였으며, 실 비용은 480,821원, 1㎡당 단가는 15.97원으로 산정되었다(Table 6).
Table 6. 5-epoch task for GNSS topographic survey results

일반측량 작업 방식으로 1에포크 방식으로 한 포인트씩 즉시 측량을 진행한 경우, 측량 면적은 64,900㎡였으며, 총 비용은 492,137원, 1㎡당 단가는 7.58원으로 산정되었다(Table 7).
Table 7. 1-epoch task for GNSS topographic survey results

무인항공측량의 방식은 1)작업계획, 2)기준점 설치, 3)자동비행촬영, 4)후처리 프로세스로 구성되어 있으며, 70m 저고도 비행과 150m 중고도 비행 두 가지 방식으로 진행되었다. 각 센서에서 2㎝ 수준의 GSD 결과물이 생성되도록 설정하였다. 후처리 프로세스는 Pix4Dmapper와 Pix4Dmatic 소프트웨어를 활용하여 정사영상(Orthophoto), 포인트클라우드(Point Cloud), DSM(Digital Surface Model)을 생성하였다.
150m 고도 비행을 진행한 Zenmuse P1의 촬영면적은 630,000㎡로, 총 비용은 1,661,344원이며, 1㎡당 단가는 2.64원으로 산정되었다(Table 7).
70m 고도 비행을 진행한 M3E의 촬영 면적은 240,000㎡로 총 비용은 854,706원, 1㎡당 단가는 3.56원으로 산정되었다(Table 9).
Table 8. Medium-altitude unmanned aerial photogrammetry at 150m

Table 9. Low-altitude unmanned aerial photogrammetry at 70m

드론 LiDAR 측량은 1)작업계획, 2)자동비행촬영, 3)후처리 프로세스의 과정으로 진행되었으며, 작업 시 네트워크 RTK 측정 방식(국토지리정보원 VRS 서버 활용)을 사용하여 추가적인 기준점은 적용하지 않았다.
작업 시작 전에 IMU(Inertial Measurement Unit) 모듈 예열을 위한 안정화 작업과 촬영 전⋅후 및 촬영 중 기선 거리 변화에 따라 자동 IMU 캘리브레이션 작업을 수행하였다. 후처리는 DJI Terra 소프트웨어를 활용하여 색상이 포함된 점군(Point Cloud) 데이터를 추출하였다.
드론 LiDAR 측량의 취득 면적은 230,000㎡였으며, 총 비용은 802,861원, 1㎡당 단가는 3.35원으로 산정되었다(Table 10).
Table 10. Drone LiDAR surveying

이동식 3D 스캐너 측량은 1)작업계획, 2)현황측량, 3)데이터 정리의 순서로 진행되었으며, GNSS 측량기를 연결하여 위치 데이터를 보정하는 방식을 활용하여 기준점 측량을 별도로 수행하지 않았다.
이동식 3D 스캐너를 활용한 측량의 면적은 50,400㎡였으며, 총 비용은 703,855원, 1㎡당 단가는 13.97원으로 산정되었다(Table 11).
Table 11. Portable 3D scanner surveying

이동식 3D 스캐너 측량은 높은 정확도와 실내측위가 가능하다는 점에서 강점을 가지지만, 본 연구에서 실증 장소인 도로공사 현장에서는 작업 면적 및 시간 소요 측면에서 무인항공기를 활용한 측량 방법에 비해 상대적으로 낮은 효율성을 보였다.
4.3 소결
본 연구에서는 실제 도로공사가 진행되고 있는 지역에서 전통적인 측량 방식인 GNSS 측량과 3차원 측량 방식인 드론(사진 측량, LiDAR 측량) 및 이동식 3D 스캐너를 활용한 측량 방식으로 현황 측량을 수행하였다. 이를 통해 각 측량 방법별 소요 시간, 측량 면적, 그리고 총 인건비를 비교 분석하였다. 4장의 측량 방법별 단가 산출 금액 차이 분석 결과는 주요 비용 및 시간 요소를 Table 12에 요약하여 정리하였다.
Table 12. Data collection time by surveying method

5. 결론
본 연구를 통해 얻은 결론은 다음과 같다.
1) GNSS 측량 방식은 평균 편차 ±1.2㎝로 가장 높은 정확도를 보였으나, 작업 시간과 인력 소요가 많아 넓은 지역에서는 비효율적이었다. 반면, 드론 사진 측량은 수평 ±2.1㎝, 수직 ± 3.4㎝, 드론 LiDAR는 수평 ±1.9㎝, 수직 ± 2.8㎝로 비교적 높은 정밀도를 유지하면서도 복잡한 지형에서 효율적인 데이터 수집을 가능하게 하였다. 이동식 3D 스캐너는 수평 정확도 ±1.5㎝, 수직 정확도 ±2.0㎝를 기록하였다.
2) GNSS 기반 측량은 30,100㎡/100분의 상대적으로 낮은 생산성을 보였다. 반면, 드론 사진 측량은 630,000㎡/40분, 드론 LiDAR는 230,000㎡/30분의 생산성을 보여, 동일한 시간 기준 GNSS보다 높은 생산성을 보였다. 이동식 3D 스캐너는 50,400㎡/100분의 생산성을 보여 소규모 작업에서는 효과적이었으나, 대규모 작업에서는 시간 대비 효율성이 낮았다.
3) GNSS 측량의 경우 1㎡당 단가가 15.97원으로, 드론 LiDAR(3.35원) 및 드론 사진 측량(2.64원) 대비 높은 비용이 산출되었다. 이동식 3D 스캐너는 소규모 작업에서는 13.97원으로 경제적이었으나, 대규모 작업에서는 비효율적이었다. 드론 기반 3차원 측량 방식은 초기 도입 비용이 높지만, 작업 면적이 증가할수록 경제성과 생산성이 GNSS 대비 크게 향상되었다.
현재의 3차원 측량 방식은 정밀 측량이 필요한 철도, 터널, 교량 등에서는 활용이 제한적이나, 넓은 범위를 한번에 측정하거나 시시각각 변화하는 양상을 실시간으로 파악해야 하는 토공사 현장에서의 토공량 산정 시에는 재래식 대비 신속성 및 경제성을 확보할 수 있을 것으로 기대된다. 또한 작업자의 피로도와 안전에 있어서도 재래식 대비 긍정적인 측면을 가지고 있어 도로공사 사업에서 무인비행장치를 활용한 3차원 디지털 측량 방식은 확실한 효용가치가 있는 것으로 사료된다.
감사의 글
본 연구는 국토교통부/국토교통과학기술진흥원의 지원으로 수행되었음(스마트 건설기술 개발사업: RS-2020-KA156875).
참고문헌
- Ajaelu, H. C., Okaka, O. P., "Evaluation of the Use of Unmanned Aerial System (Drone) on Risk/Accidents Involved in Construction Project Monitoring, Enugu State, Nigeria", Modern Building Materials, Structures and Techniques 2023, pp. 502-507, (2023). https://doi.org/10.1007/978-3-031-44603-0_51
- Kikuchi, N., Fukuda, T., Yabuki, N., "Future landscape visualization using a city digital twin: integration of augmented reality and drones with implementation of 3D model-based occlusion handling", Journal of Computational Design and Engineering, 9(2), pp. 837-856,
- Moom, S., Ock, J., "Lessons Learned from Experimental Drone Application to Develop a UAV-to-BIM Curriculum for Construction Engineers", Preprints, (2023).
- Moon, S., Ock, J., "Developing the Framework of Drone Curriculum to Educate the Drone Beginners in the Korean Construction Industry", Drones, 7, pp. 356, (2023).
- D'Amico, F., Ciampoli, L. B., Benedetto, A. D., Bertolini, L. "Integrating Non-Destructive Surveys into a Preliminary BIM-Oriented Digital Model for Possible Future Application in Road Pavements Management", Infrastructures, 7(1), pp. 10-23, (2022). https://doi.org/10.3390/infrastructures7010010
- Macedo, M., Ferreira, B., "Use of Advanced Technologies for Topographic Surveys in Civil Construction", Journal of Management and Sustainability, 13(2), pp. 17-28, (2023). https://doi.org/10.5539/jms.v13n2p17
- Jia, Z., "Drone-NeRF: Efficient NeRF based 3D scene reconstruction for large-scale drone survey", Image and Vision Computing, 143, pp.104920-104920, (2024). https://doi.org/10.1016/j.imavis.2024.104920
- Pérez, M., Agüera, F., Carvajal, F., "LOW COST SURVEYING USING AN UNMANNED AERIAL VEHICLE", International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XL-1/W2, pp. 311-315, (2013). https://doi.org/10.5194/isprsarchives-XL-1-W2-311-2013
- Cheng, Y., Zeng, R., Guo, S., "GNSS Application in Construction Surveying of High-Rise Buildings with Frame Shear Wall Structures", Proceedings of 5th International Conference on Civil Engineering and Architecture, pp. 517-525, (2023).
- Cui, Y., Chen, Z., Li, L., Zhang, Q., Luo, S., Lu, Z., "An efficient parallel computing strategy for the processing of large GNSS network datasets", GPS Solutions, 25(2), pp. 1-11, (2021). https://doi.org/10.1007/s10291-020-01037-3
- Ting, X., Ting, L., Jiahui N., "Application of ground-based 3D laser scanning technology in engineering surveying", E3S Web of Conferences, 236, 05033, (2021).
- Gong, Y., Seibel, E. J., "Three-dimensional measurement of small inner surface profiles using feature-based 3-D panoramic registration", Optical Engineering, 56(1), 014108, (2017).
- Ulusoy, İ., Şen, E., Tuncer, A., Sönmez, H., Bayhan, H., "3D Multi-view Stereo Modelling of an Open Mine Pit Using a Lightweight UAV", Geological Bulletin of Turkey, 60, pp. 223-241, (2017). https://doi.org/10.25288/tjb.303032
- Devoto, S., Macovaz, V., Mantovani, M., Soldati, M., Furlani, S., "Advantages of Using UAV Digital Photogrammetry in the Study of Slow-Moving Coastal Landslides", Remote Sensing, 12(21), pp. 3566, (2020).
- Pramod, K., Akshay, M. C., "LIDAR Technology", International Journal for Research in Applied Science & Engineering Technology (IJRASET), 10(5), pp. 2976-2982, (2022). https://doi.org/10.22214/ijraset.2022.43007
- Tachella, J., Altmann, Y., McLaughlin, S., Tourneret, J-Y. "3D Reconstruction Using Single-photon Lidar Data Exploiting the Widths of the Returns," ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp. 7815-7819, (2019).
- Amakhchan1, W., Tarsha-Kurdi, F., Gharineiat, Z., Boulaassal, H., Kharki, O. E., "Classification of Forest LiDAR Data Using Deep Learning Pipeline Algorithm and Geometric Feature Analysis", International Journal of Environmental Sciences & Natural Resources, 32(3), (2023).
- Firmansyah, R., Mardiyanto, R., Sardjono, T., "Improvement Monocular ORB SLAM for Indoor Drone 3D Localization Using Inertial Navigation System", 2024 IEEE International Conference on Industry 4.0, Artificial Intelligence, and Communications Technology (IAICT), pp. 348-353, (2024).