일본 국토의 3분의 2를 덮고 있는 삼림은 국토 보전이나 수원 함양, 지구 온난화 방지와 같은 다면적인 기능을 가지고 있다. 온난화나 이상기후의 영향이 현저해짐에 따라 삼림이 생활에 크게 공헌하고 있다는 것을 알게 된다. 산림의 다면적인 기능을 발휘시키면서 삼림 자원의 순환 이용을 추진해 가는 것이 SDGs나 2050년 탄소중립 실현이라는 목표 달성으로 이어진다. 그러므로 간벌이나 주벌, 그 후의 재조림과 같은 삼림 정비를 착실하게 추진해 가는 것이 필요하다. 또한 자연조건에 맞춰 침엽수와 활엽수를 혼합한 침활혼합림화를 도모하면 다양성이 회복되어 산림 생태계의 보호와 관리를 추진하는 것으로 이어진다.

 

일본의 경우 삼림의 약 40%는 인공림이다. 삼림 축적은 해마다 증가하고 있으며, 2020년에는 약 54억m3에 달했다고 한다. 이들 중 절반은 50년생을 넘은 상태, 즉 이용기에 있다. 따라서 벌목해서 사용하고 새롭게 심어서 기르는 순환을 촉구하는 것이 기대된다. 목재의 제조․가공에 드는 에너지는 다른 자재보다 비교적 적다는 이점이 있다. 또한 목재를 건축 자재로 사용하는 것은 장기간에 걸친 탄소 저장으로 생각할 수도 있다. 심은 새로운 나무가 자라는 과정에서 젊은 삼림이 많은 이산화탄소를 흡착하기 때문에 삼림 흡수량을 확보하는 것으로도 이어진다.

 

삼림의 순환 활용을 추진하기 위해서는 삼림의 적절한 관리와 임업의 성장 산업화에 대응할 필요가 있다. 2021년 6월에는 삼림․임업 기본 계획 중에서 ‘녹색 성장’이 국무회의에서 결정됐다. 이 중에는 조림과 소재 생산을 효율화하는 스마트 임업에 대한 대응과 시장 요구에 따라 원목을 채취해 적절하게 가공하고 유통시키는 서플라이 체인을 강화하는 것이 포함되어 있다. 삼림의 가시화․데이터화는 이러한 대응을 추진하는 핵심 기술이 된다.

 

이 글에서는 삼림의 가시화·데이터화로서 지금까지 대응해 온 센싱 기술에 대해 개략적으로 설명한다. 그 일환으로 LiDAR을 탑재한 멀티콥터가 숲속을 비행하면서 삼림의 3차원 점군을 취득하는 저자 등의 대응에 대해 소개한다. 삼림 내의 수목량을 비롯해 수고·수관·직경 등의 수목 형상, 수종·임상·지형 등이 데이터화되면, 재적량 파악뿐만 아니라 시장에서 필요로 하는 재료의 산출 가능성, 벌목에 필요한 중장비의 선정과 노망 정비를 ‘미리’ 어림잡아 계획할 수 있다. 삼림 정보를 효과적으로 이용할 수 있도록 삼림계획도나 삼림부 등을 일원적으로 관리하는 삼림 클라우드도 보급되어 데이터 활용 환경이 정비되고 있다. 삼림의 가시화는 정밀 임업·스마트 임업·DX를 추진하기 위해 중요하다.

 

삼림 리모트 센싱 기술

 

삼림·임업 분야에서 리모트 센싱은 예전부터 이용되어 왔다. 항공기에서 촬영된 공중사진을 통해 광역에 걸친 삼림 자원을 파악한 것이 그 선구였다. 1948년에 미군으로부터 사진 대여가 시작됐고, 그 대부분이 임업 목적으로 사용됐다고 한다. 이것은 삼림 항측이라고 불렸던 것 같다. 그 후 항공 레이저라고 불리는 계측 기술로 발전해 갔다.

 

지구 관측 위성을 이용할 수 있게 되자 Landsat이나 SPOT 등의 위성 관측 데이터에 기초한 삼림 리모트 센싱이 이루어지게 됐다. 최근에는 육역 관측 기술 위성(ALOS) 데이터의 활용도 추진되고 있다. ALOS는 멀티밴드이므로 수역 관측이나 식생 판별에 강하다. 광범위에 걸쳐 있으며 화상 왜곡이 적어 지상을 관측할 수 있다.

 

위성 화상이나 항공 레이저에 의한 리모트 센싱이 진행되는 한편, 삼림 정비 사업의 신청이나 검사에 활용하려면 시업 실시 타이밍에 맞춰 계측할 수 있는 것이 중요해진다. 그래서 타이밍에 융통성이 있는 지상 레이저 계측 및 드론이나 멀티콥터와 같은 무인 항공기(UAV)의 활용이 현실적인 선택지가 되어 왔다.

 

지상 레이저에 의한 측정에서는 LiDAR를 이용해 삼림의 3차원 점군을 취득한다. LiDAR를 삼각대나 외다리로 세우는 방법이나 지게에 LiDAR를 부착하고 숲속을 구석구석 돌아다니면서 데이터를 모으는 방법 등이 있다. 두 방법 모두 숲속에서 측정하기 때문에 입목 하나하나의 위치와 흉고 직경 등을 얻을 수 있다. 또한 삼림 상공의 저고도를 UAV가 날아서 나무 꼭대기나 수관 및 지면을 계측함으로써 수목의 위치나 높이를 정확하게 파악하는 방법이 개발되어 있다. 지상 레이저에 의해 얻은 점군과 UAV에 의해 상공에서 계측된 데이터를 통합함으로써 정확한 삼림 자원 조사를 효율적으로 실시하려는 시도도 이루어지고 있다.

 

AI가 눈부시게 발전해서 삼림 리모트 센싱 분야에도 응용이 추진되고 있다. Structure from Motion(SfM)이라는 기술을 활용해 AI 탑재 드론에 의해 공중 촬영된 숲속의 다시점 화상으로부터 삼림의 3차원 모델을 재구축하는 연구도 있다. 필자 등도 UAV를 활용한 삼림 가시화의 일환으로 엔진 구동형 멀티콥터에 LiDAR을 탑재하고 숲속을 비행하면서 삼림의 3차원 점군을 구성하는 대응을 하고 있다. 그 사례를 이하에 소개한다.

 

삼림 계측 드론 시스템

 

멀티콥터를 비행시키면서 단목 계측이 가능한 시스템을 구축했다. 단목 계측의 목표 정도는 윤척(통나무 따위의 지름을 재는 기구)의 최소 눈금인 2cm이다. 이 정도를 담보하기 위해 이미 실적이 있는 지상 레이저법을 참고로 했다. 동 법에서는 LiDAR을 계측 센서로 이용한다. 이번 연구에서도 Velodyne사제 VLP-16을 이용했다.

 

 

LiDAR와 멀티콥터를 중심으로 그림 1에 나타낸 시스템을 구축했다. 이 멀티콥터를 비행시키면서 숲속의 점군을 수집한다. 이때 비행 중의 흔들림이나 진동이 계측된 점군에 영향을 미친다. 그래서 멀티콥터에 탑재된 관성 센서(IMU)를 통해 비행 상태도 동시에 관측한다. 비행 상태를 가미해 오프라인 또는 온라인으로 흔들림이나 진동의 영향을 보정한다. 이렇게 함으로써 계측된 점군의 정도를 크게 향상시킬 수 있다.

 

LiDAR로부터 얻은 점군 정보와 IMU에서 얻은 비행 상태(가속도나 각속도 등)를 동기된 형태로 로그에 남기기 위해 Robot Operation System(ROS)를 활용했다. Jetson TX 상에 인스톨된 ROS를 통해 동기된 각종 센서 정보가 bag 파일로 기록된다. 이 데이터 형식은 MATLAB에서도 지원되고 있으며, 사후에 해석하기 쉽다. 또한 ROS 애플리케이션으로 제공되는 라이브러리의 활용도 용이하다.

 

멀티콥터의 산업 이용이 가속되고 있으며, 각 제조사에서 다양한 기체를 구입할 수 있다. 멀티콥터의 주류는 전동 드론이다. 전동 드론은 비교적 구조가 간단하여 키트 판매되고 있는 소형 기체라면 개인이 직접 조립할 수도 있다. 한편 전동 드론은 배터리 구동이기 때문에 장시간 연속 비행이 어렵다. 장애물이 없는 삼림 상공에서 공중 촬영하는 경우, 비행시간은 그리 오래 걸리지 않는다. 그러나 수목과 충돌하는 것을 피해 숲속을 비행하면서 LiDAR로 계측하는 경우, 의외로 시간이 많이 소요된다. 따라서 이번 연구에서는 장시간 연속 비행이 가능한 엔진 구동형 멀티콥터(그림 2)를 이용했다. 이 기체는 일본 나가노현의 (주)인더스트리네트워크, 나카무라엔지니어링의 협력으로 개발됐다. 가솔린 1L로 약 1시간 연속 비행이 가능하다.

 

 

삼림의 3차원 점군 생성

 

한 번의 스캔을 통해 LiDAR에서 얻을 수 있는 점군은 삼림의 일부이다. 따라서 대상으로 하는 산림 전체의 3차원 점군을 얻기 위해서는 각 위치에서 계측된 점군을 적절하게 결합할 필요가 있다. 점군의 계측법과 결합 방법은 몇 가지가 있으며, 그 조합도 여러 개가 있다.

 

멀티콥터에 의한 숲속 계측의 관점에서는 비행하면서 점군을 계측하고, 실시간으로 점군을 결합할 수 있는 것이 바람직하다. 이 방향성에 따라 이번 연구에서는 ROS 상에서 활용할 수 있는 Google Cartographer(이하, ‘Cartographer’)에 의한 삼림의 3차원 점군 생성을 시도했다. Cartographer는 실시간으로 센서 정보를 통합해 3차원의 자기 위치 추정과 맵 동시 생성(SLAM)을 할 수 있는 애플리케이션이다. Cartographer의 매칭 기법은 광대한 환경에 대해 효과적이라고 알려져 있다. 이를 통해 숲속을 비행하는 멀티콥터로부터 삼림의 3차원 점군을 실시간으로 생성할 수 있을 것으로 기대된다.

 

그러나 Cartographer에서 생성된 삼림 3차원 점군은 실제 수목 형상에 대해 목표 정도(윤척의 최소 눈금 2cm)를 만족시키지 못했다. 그래서 두 번째 방법으로 지상 레이저 계측을 멀티콥터로 대체시키기로 했다. 이 방법에서는 멀티콥터가, 탑재된 LiDAR에 의한 공간 스캔과 이동을 반복한다. 그리고 스캔된 점군을 결합함으로써 전체상을 얻는 방법이다. 우선은 Cartographer를 이용한 검토에 대해 소개한다.

 

1. Cartographer 평가 실험

Cartographer에 의한 실시간 3차원 점군 생성을 실험적으로 평가했다. 구축한 시스템 상에서 Cartographer를 가동시키면서 그림 3의 가로수 환경 내를 모의적으로 이동시켰다. 이때 생성된 3차원 점군이 그림 4이다.

 

 

생성된 3차원 점군 내의 수목은 실제 환경의 위치 관계를 반영하고 있었다. 전체를 부감한 그림 4에서는 나무들의 형상도 시인할 수 있었다. 이 결과로부터 Cartographer를 이용함으로써 이동하면서 실시간으로 점군을 계측하고 또한 결합할 수 있다는 것을 확인했다.

 

결합 후의 점군에서 한 그루의 수목에 상당하는 데이터를 잘라내서 흉고 직경이라고 불리는 줄기의 단면에 상당하는 점군을 그림 5에 나타냈다. 흉고 직경이란 계측자의 가슴 높이(약 1.2m 정도)에서 윤척으로 측정한 수목 줄기의 직경이다. 그림 5의 폐곡선 내에 점군이 흩어져 산재해 있다. 점군이 올바르게 수목의 형상을 표현하고 있다면 그림 5의 점군은 줄기의 단면 형상, 즉 둥근 고리 형상이 될 것이다. 그러나 얻어진 점군은 찌그러진 집합체로 되어 있어 2cm의 정도로 수목 형상을 표현하기에는 이르지 못했다. Cartographer는 차량 등의 이동체에 대해 자기 위치 추정과 맵 동시 생성(SLAM)을 실현한다는 관점에서 실장되어 있어 수목의 형상이나 특징을 포착하는 용도에는 적합하지 않다는 것을 알 수 있었다. 즉, 수목 형상을 정확하게 표현하는 것을 주안으로 하는 계측 방법과 점군 합성 알고리즘의 필요성이 시사됐다. 그래서 3차원 점군 합성 시에 수목의 특징량을 포함시킨 필자 등의 대응을 다음에 소개한다.

 

 

2. 수목 형상을 이용한 3차원 점군 결합

Cartographer의 평가 실험을 토대로 수목 형상을 무너뜨리지 않고 3차원 점군을 결합하는 필자 등의 대응을 소개한다. 삼림 내의 점군은 어떠한 방법으로 계측되고 있다고 가정하고 그 결합 방법을 연구했다. 결합 전의 점군은 이동하면서 연속적으로 계측한 점군이어도 좋고, 간격을 둔 어떤 지점마다 계측한 점군이어도 좋다. 단, 점군을 일정한 시간 간격으로 잘라냈을 때에 동일한 수목을 여러 그루 포함하고 있어야 한다. 예를 들어, 이동하면서 점군을 계측한 경우를 생각하자. 일정한 시간 간격으로 잘라낸 점군을 프레임이라고 부르기로 한다. 멀티콥터의 이동 속도와 수목 밀도의 관계에서 적절한 시간 간격을 설정하면, 인접하는 프레임 내에 동일한 수목의 점군이 포함된다. 이 인접 프레임 사이에 중복해서 포함되는 수목의 점군을 이용해 프레임을 결합해 간다.

 

평가 실험으로 그림 6에 나타낸 환경의 점군을 계측했다. 측정 시의 이동 속도는 도보와 동일한 정도인 약 1m/s로 했다. 이것은 보수적인 설정이며, 이동 속도를 높일 수도 있다. 한편, 앞에서 설명한 바와 같이 인접하는 프레임 간에 동일한 수목의 점군을 포함하고 있도록 정해야 한다.

 

 

점군 결합의 기본 알고리즘은 ICP 매칭이다. 삼림만의 특징량에 기초한 매칭을 검토함으로써 3차원 점군의 결합 정도를 향상시킨다. 이 특징량으로서 수목의 기하학적 정보를 이용한다. 동시에 멀티콥터의 운동이 계측에 미치는 영향도 보정돼야 한다. 먼저 각 프레임의 점군을 높이나 면의 정보에 기초해 지면과 줄기로 나눈다. 그림 7은 어떤 프레임의 점군이고, 그림 8은 지면, 그림 9는 줄기로 분리한 결과이다.

 

 

먼저, 멀티콥터의 운동이 계측에 미치는 영향을 고려한다. 멀티콥터의 구조상 이동 시에는 기체를 기울인다. 이동하면서 계측한 경우, 짐벌 등을 사용한 경우를 제외하고는 멀티콥터에 탑재된 센서도 기울어져 있다. 따라서 자세각의 보정이 필요하다. 미리 센서를 수평으로 했을 때의 지면 등을 기준 점군(그림 10, 11)으로 하고, 경사 상태의 점군(참조 점군) 간의 좌표 변환 행렬을 구함으로써 프레임 내 모든 점군을 보정한다.

 

자세각 보정 후, 인접 간 프레임 내에 공통적으로 포함된 수목을 매칭해 점군을 결합한다. 먼저 각 프레임에서 지면과 분리된 줄기의 점군에 주목한다. 줄기에 레이저가 닿은 부분이 원주의 일부와 같은 점군으로 얻어진다. 그래서 반경 R과 r(<R)의 두 가지 동심원을 준비해 외원과 내원으로 구성되는 둥근 고리 내에 줄기의 부분적인 점군이 들어가도록 동심원의 중심 위치 p와 R, r를 탐색한다. 이 과정에서 얻어진 p, R, r을 그 수목의 특징량 벡터로서 프레임 간의 매칭에 이용한다. 동 기법으로 인접 프레임을 결합한 결과가 그림 12이다. 이 알고리즘은 경사도가 있는 장소에서도 적용할 수 있다. 그림 13은 경사지에서 결합한 결과의 일부이다.

 

 

맺음말

 

삼림의 가시화는 임업의 DX를 촉진하고, 삼림 자원의 순환 활용이나 환경 보전과 같은 공헌으로 이어진다. 그 도상으로서 이 글에서는 멀티콥터에 LiDAR을 탑재한 3차원 점군 계측 시스템을 소개했다. 이 시스템을 이용해 Google Cartographer에 의한 3차원 매핑을 삼림 계측에 응용한 평가 실험을 소개했다. 그 결과에 따라 수목 형상을 이용한 ICP 매칭에 의한 점군 결합 사례를 소개했다.

 

앞으로는 더 소형화된 고정도 LiDAR의 보급이나 AI 기술을 활용한 화상 처리 기술의 고도화가 진행되어 소형이면서 다루기 쉬운 UAV에 의한 계측 시스템이 증가할 것으로 예상된다. 또한 복수 UAV의 연계도 이미 연구가 진행되고 있다. 멀티콥터를 이용한 삼림의 가시화 기술이 더욱 발전해 삼림의 가치를 높일 것으로 기대된다.

 

이와세 마사미, 도쿄전기대학