연구원-2020-66-534.

9607호

2020년도 연구보고서

스마트 영상을 활용한

건설현장 업무 개선 및 고도화 방안 연구

A Research on the Improvement of Construction Work

Using Drone Smart Image at Construction Site

송미화·강성인·이원우·조준상·남궁성

한 국 도 로 공 사
도로교통연구원
 연 구 진

▣ 한국도로공사 도로교통연구원

연구책임자 : 송미화(ICT융합연구실 책임연구원)

참여연구자 : 강성인(ICT융합연구실 책임연구원)
이원우(ICT융합연구실 수석연구원)

조준상(구조물연구실 연구위원)
남궁성(ICT융합연구실 실장)
매칭파트너 : 공규찬(건설처 차장)
 목 차

목 차·
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
·Ⅰ

표 목 차·
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
·Ⅲ

그림목차 ·
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
·
···
··
··
··
··
··
··
··
·Ⅴ

요 약 문·
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
·ⅩⅢ

ABSTRACT ·
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
·ⅩⅣ


제 1 장 서 론 ··································································································································· 1
1.1 배경 및 목적 ································································································································ 1

1.2 연구내용 ········································································································································ 2

1.3 연구범위 및 수행방법 ················································································································ 3

제 2 장 고속도로 건설현장의 드론 영상 활용기술 공종 개발 ······································ 4

2.1 드론 영상 활용기술 현황 및 활용사례 조사·분석 ······························································ 4

2.1.1 드론 영상 활용기술 ··············································································································· 5

2.1.2 드론 영상 활용사례 ··············································································································· 9

2.1.3 건설분야 드론 활용사례 분석 ··························································································· 19

2.2 드론 영상 데이터처리 소프트웨어 분석 ·············································································· 23

2.2.1 드론 영상 데이터처리를 위한 소프트웨어 사양 분석 ················································· 24

2.2.2 드론 영상 데이터처리 ········································································································· 26

2.2.3 상용 소프트웨어를 이용한 처리 결과 비교 분석 ························································· 42

2.3 건설현장 드론 영상 활용기술 및 표준 공종 개발 ···························································· 51

2.3.1 건설현장 드론 영상 활용기술 수요조사 ········································································· 51

2.3.2 드론영상 활용기술의 표준공종 개발 ··············································································· 58

제 3 장 대규모 작업현장 및 취약구간의 관리강화를 위한 시범사업 ······················· 77

3.1 건설현장 드론영상 활용 시범사업 및 사례 확대 ···························································· 77

- I -
 3.1.1 기술별 개발수준에 따른 시범대상 추진 ········································································· 77

3.1.2 시범사업 분석 후 표준공종 수행업무 선정, 타당성 분석 ·········································· 90

3.2 실감 3D모델 제작을 통한 현장관리 ··················································································· 100

3.2.1 드론 포인트 클라우드 데이터 정합을 통한 실감 3D모델 제작 ······························ 100

3.2.2 실감 3D모델과 전통적 측량방식에 의한 토공물량 산출 ·········································· 106

3.2.3 실감 3D모델을 활용한 공정관리 ···················································································· 124

3.3 공간정보기술을 활용한 안전관리 및 유지관리 ································································ 130

3.3.1 드론 안전관리 및 유지관리 사례분석 ··········································································· 130

3.3.2 비탈면 점검 기준 및 방법 ······························································································· 146

3.3.3 우리 공사 연구사례 및 보고서 분석 ············································································· 150

3.3.4 현장 안전관리를 위한 작업자 및 차량 인식 ······························································· 152

3.3.5 시공 유지관리를 위한 시계열 정사영상기반 변화탐지 ············································· 156

3.3.6 사면 안전관리를 위한 사면 공간정보 추출 ······························································· 158

제 4 장 드론영상 활용확대를 위한 건설현장관리 기반 구축 ···································· 162

4.1 건설현장 드론활용기술 중장기 로드맵 수립 ·································································· 162

4.1.1 로드맵 개요 ························································································································· 162

4.1.2 드론 관련 정책 및 기술 사례 조사 ··············································································· 165

4.1.3 건설현장 드론 적용을 위한 SWOT 분석 ····································································· 168

4.1.4 중장기 로드맵의 비전과 목표 ························································································· 169

4.1.5 중장기 발전계획 세부추진계획 ······················································································· 174

4.2 건설현장 드론활용기술 SW 교육 ························································································ 175

4.2.1 교육 개요 ····························································································································· 175

4.2.2 교육 내용 ····························································································································· 176

4.2.3 교육 결과 ····························································································································· 188

제 5 장 결 론 ······················································································································ 190

참고문헌 ·········································································································································· 192

- II -


표 목 차


표 2.1 국내 건설사의 드론 활용사례 ·························································································· 20

표 2.2 드론 데이터처리 소프트웨어의 주요 기능 ···································································· 24

표 2.3 드론 데이터처리 소프트웨어의 주요 기능 ···································································· 24

표 2.4 드론 데이터처리 소프트웨어의 하드웨어 사양 ···························································· 25

표 2.5 드론 영상의 정보 ················································································································ 26

표 2.5 항공삼각측량 성과 비교 ···································································································· 43

표 2.6 검사점을 이용한 DSM 정확도 평가 결과 ····································································· 46

표 2.7 검사점을 이용한 정사영상 정확도 평가 결과 ······························································ 48

표 2.8 설문조사 결과 ·················································································································· 57

표 2.9 드론 활용 분야별 공종 및 수행업무 ·············································································· 58

표 2.10 드론 활용 세부 공종(적용시기 구분) ··········································································· 59

표 2.11 드론 활용 세부공종별 수행업무 ···················································································· 60
표 2.12 공종별 드론 요구기능 분석 ···························································································· 61

표 2.13 표준공종 작업 가이드라인 양식 ···················································································· 63

표 2.14 공정관리(CN-01A) 작업 가이드라인 ············································································· 65
표 2.15 기성관리(CN-01B) 작업 가이드라인 ············································································· 66
표 2.16 토공량 산출(CN-02A) 작업 가이드라인 ······································································· 67

표 2.17 비탈면 시공관리(CN-02B) 작업 가이드라인 ······························································· 68

표 2.18 비탈면 녹화관리(CN-02C) 작업 가이드라인 ······························································· 69
표 2.19 배수시설 시공관리(CN-02D) 작업 가이드라인 ··························································· 70
표 2.20 비탈면 안전관리(CN-03A) 작업 가이드라인 ······························································· 71
표 2.21 우기철 취약요인 발굴(CN-03B) 작업 가이드라인 ··················································· 72

표 2.22 해빙기 영향분석(CN-03C) 작업 가이드라인 ····························································· 73

표 2.23 폐기물 관리(CN-04A) 작업 가이드라인 ····································································· 74

표 2.24 침사지 관리(CN-04B) 작업 가이드라인 ··································································· 75

- III -
표 2.25 지장물 조사(CN-05A) 작업 가이드라인 ····································································· 76

표 3.1 시범대상지 지상 기준점 측량 성과(GRS 80) ······························································· 85

표 3.2 대상지 드론 촬영 성과 ······································································································ 86

표 3.3 드론활용 표준공종별 수행업무 선정 결과 ···································································· 90

표 3.4 전통적 측량방식에 활용된 기준점 성과 ······································································ 108

표 3.5 전통적 측량방식에 활용된 기준점 성과 ······································································ 109

표 3.6 전통적 측량방식으로 추출한 토공 단면적 및 종단 표고 ········································ 112

표 3.7 3D 모델의 가상측량방식으로 추출한 토공 단면적 및 종단 표고 ························· 115

표 3.8 양단면 평균법을 이용한 토공물량 산출결과 ······························································ 123

표 3.8 교량점검 체크 항목 ·········································································································· 132
표 3.9 기존 토석류 조사와 드론 조사의 비교표 ···································································· 141

표 3.10 비탈면 점검 시기 및 대상 구조물 ·············································································· 147

표 3.11 비탈면 일상점검내용 및 필요장비 ·············································································· 148
표 4.1 기술개발 연구의 세부내용 ······························································································ 165

표 4.2 로드맵(1안)의 단계별 목표 ····························································································· 166

표 4.3 중장기 로드맵의 단계별 전략 ························································································ 167
표 4.4 교육 일정 ···························································································································· 175

- IV -
 그 림 목 차

그림 2.1 드론영상 활용기술의 예시 ······························································································ 4
그림 2.2 드론영상 활용사례 예시 ·································································································· 4

그림 2.3 포인트 클라우드 ················································································································ 6

그림 2.4 수치표면모델과 수치표고모델 비교(Wikimedia) ························································ 7

그림 2.5 정사영상 ······························································································································ 8

그림 2.6 3D Textured Mesh ··········································································································· 9

그림 2.7 고저 분석 결과 ·················································································································· 9

그림 2.8 형상조사를 위한 UAV 영상 활용 ··············································································· 10

그림 2.9 건설분야에서의 드론 영상 활용 ·················································································· 10

그림 2.10 경사도 분석 ···················································································································· 11

그림 2.11 3D Mapping을 통한 물량 확인 및 업무량 배분 ··················································· 11
그림 2.12 홍수로 인한 피해현장의 드론 영상 ·········································································· 12

그림 2.13 농작물 질소함유량 파악을 통한 시비량 조절 ························································ 12

그림 2.14 농작물 생육지수 파악 및 병충해 예찰 ···································································· 13
그림 2.15 산림 벌채 전후 드론 영상 ·························································································· 13

그림 2.16 NIR 드론 영상을 이용한 산림 시계열 분석 ··························································· 14

그림 2.17 채광 및 채석지 모니터링 ···························································································· 14
그림 2.18 산림병해충 탐지 ············································································································ 15
그림 2.19 토지거래허가구역의 지적도와 드론 영상 중첩 ······················································ 16

그림 2.20 드론 정사영상의 웹서비스 제공 ················································································ 16

그림 2.21 도심지 산림 내 지적측량 ···························································································· 17
그림 2.22 측량분야의 드론 영상 활용사례 ················································································ 17
그림 2.23 항공기 외관 검사 사례(Airbus) ················································································· 18
그림 2.24 일본의 i-Construction ·································································································· 19
그림 2.25 Pix4D社의 Pix4DMapper ···························································································· 21

그림 2.26 Bentley사의 ContextCapture ······················································································ 22

그림 2.27 드론영상 데이터처리 소프트웨어 ·············································································· 23

- V -
그림 2.28 지상기준점 및 검사점 배치도 ···················································································· 26
그림 2.29 주점 인덱스 ···················································································································· 26

그림 2.30 프로젝트 생성 ················································································································ 27

그림 2.31 촬영 이미지 입력 ·········································································································· 27

그림 2.32 지상기준점 입력 ············································································································ 27

그림 2.33 처리 옵션 설정 ·············································································································· 28

그림 2.34 초기 처리 수행 ·············································································································· 28
그림 2.35 지상기준점 관측 ············································································································ 29

그림 2.36 영상처리 ·························································································································· 30

그림 2.37 정확도 및 오류 검수 ···································································································· 30
그림 2.38 최종 성과물 ···················································································································· 31

그림 2.39 프로젝트 생성 ················································································································ 32

그림 2.40 이미지 입력 ···················································································································· 32
그림 2.41 지상기준점 입력 ············································································································ 33

그림 2.42 Align Photos ·················································································································· 33

그림 2.43 Optimize Camera Alignment ···················································································· 34
그림 2.44 지상기준점 관측 ············································································································ 34

그림 2.45 영상처리 ·························································································································· 35

그림 2.46 정확도 및 오류검수 ······································································································ 35

그림 2.47 성과물 확인 ···················································································································· 36

그림 2.48 프로젝트 생성 ················································································································ 36
그림 2.49 이미지 입력 ···················································································································· 37
그림 2.50 지상기준점 입력 ············································································································ 37

그림 2.51 지상기준점 관측 ············································································································ 38

그림 2.52 항공삼각측량 ·················································································································· 38
그림 2.53 영상처리 ·························································································································· 39
그림 2.54 정확도 및 오류검수 ······································································································ 39
그림 2.55 성과물 확인 ···················································································································· 40
그림 2.56 프로젝트 만들기 및 설정 ···························································································· 40

그림 2.57 지상기준점 관측 ············································································································ 41

- VI -
그림 2.58 카메라 캘리브레이션 ···································································································· 41
그림 2.59 항공삼각측량 ·················································································································· 41

그림 2.60 정확도 검수 ···················································································································· 42

그림 2.61 렌즈왜곡 그래프 ·········································································································· 44

그림 2.62 포인트 클라우드 ·········································································································· 45

그림 2.63 DSM 결과 ······················································································································· 46

그림 2.64 DEM 결과 ······················································································································· 47

그림 2.65 정사영상 결과 ················································································································ 48

그림 2.66 도로 정사영상 결과 ······································································································ 49

그림 2.67 건물 정사영상 결과 ······································································································ 49
그림 2.68 3차원 모델 결과 ············································································································ 50

그림 2.69 개별사진의 촬영과 중복 ······························································································ 61

그림 2.70 정사영상 ·························································································································· 62
그림 2.71 DSM과 DEM ·················································································································· 62

그림 3.1 기술별 개발수준에 따른 시범대상 추진 과정 ·························································· 77

그림 3.2 대상지 선정 현황 ············································································································ 78
그림 3.3 적용 드론 종류 및 제원 ································································································ 79

그림 3.4 적용 소프트웨어 종류 및 제원 ···················································································· 80

그림 3.5 강진-광주 촬영계획 수립 과정 ····················································································· 81

그림 3.6 현장답사 확인사항 ·········································································································· 82

그림 3.7 드론 촬영계획 수립 결과 ······························································································ 83
그림 3.8 항공사진 촬영허가 신청서 ···························································································· 84
그림 3.9 평면기준점 측량 장비 정보(SOKKIA GRX2) ··························································· 84

그림 3.10 표고 기준점 측량 장비 정보(Leica Sprinter 150) ·················································· 85

그림 3.11 평택-서평택 구간 촬영 경로 ······················································································· 86
그림 3.12 평택-서평택 구간 성과 ································································································· 88
그림 3.13 강진-광주 구간 도출 성과 ··························································································· 89
그림 3.14 강진-광주 구간 촬영 방향에 따른 성과도출 결과 ················································· 89
그림 3.15 설계도와 3D 모델을 활용한 공정관리 ····································································· 91

그림 3.16 3D 모델에 적용한 기성보고 예시 ············································································· 92

- VII -
그림 3.17 3D 모델을 이용한 토공량 산출결과 ········································································· 93
그림 3.18 설계도 중첩을 이용한 비탈면 시공관리 ·································································· 94

그림 3.19 비탈면 녹화 진행상태 파악 및 수목 정식수량 확인 ············································ 94

그림 3.20 시계열 영상을 이용한 배수로 시공관리 ·································································· 95

그림 3.21 산마루 측구 시공관리 및 침사지 관리 ···································································· 95

그림 3.22 3D 모델 분석을 통한 비탈면 안전관리 ··································································· 96

그림 3.23 3D 모델을 활용한 우기철 취약요인 발굴 ······························································· 97

그림 3.24 해빙기 지반침하로 인한 구조물 변형사례 ······························································ 97

그림 3.25 폐기물 적치장 관리 및 불법 폐기물 관리 ······························································ 98

그림 3.26 3D 모델을 활용한 침사지 규격 확인 및 점검 ······················································· 99
그림 3.27 공사구간 내 지장물 현황파악 ···················································································· 99

그림 3.28 실감 3D모델 제작과정 ······························································································· 101

그림 3.29 3D모델 제작 시 이동체 자동제거 ··········································································· 101
그림 3.30 매칭점 부족으로 인한 TIN 및 Mesh 미생성 구조물 ········································· 102

그림 3.31 수치표면모델의 TIN 수정 과정 ··············································································· 103

그림 3.32 수치표면모델의 TIN 수정을 통한 영상 재처리 결과 ········································· 104
그림 3.33 현장 구조물의 POI촬영을 통한 3D 모델생성 과정 ············································ 105

그림 3.34 현장 구조물의 POI촬영을 통한 3D모델 생성 결과 ········································ 106

그림 3.35 전통적 측량방식에 의한 토공물량 산출 작업흐름도 ·········································· 107

그림 3.36 전통적 측량방식 투입 장비 정보 ············································································ 107

그림 3.37 현장 캘리브레이션 결과 ···························································································· 108
그림 3.38 측량 점의 표시 및 현황도 ························································································ 109
그림 3.39 측량성과를 이용하여 작성한 등고선도 ·································································· 110

그림 3.40 측량성과를 이용하여 작성한 DEM ········································································· 110

그림 3.41 지상측량결과와 설계도의 횡단면도와 중첩결과(ST. 7+700) ····························· 111
그림 3.42 3D 모델의 가상측량 방식에 의한 ········································································· 113

그림 3.43 드론성과의 DSM에서 인공지물 제거 ····································································· 113

그림 3.44 실감 3D모델의 가상측량을 통한 종횡단도 추출 ················································· 114
그림 3.45 3D모델의 가상측량결과 설계도의 횡단면도와 중첩결과(ST. 7+700) ·············· 114

그림 3.46 3D모델을 활용한 횡단 위치별 종횡단도 작성 과정 ··········································· 116

- VIII -
그림 3.47 3D모델을 활용한 표고 변화 위치별 종횡단도 작성 과정 ································· 117
그림 3.48 3차원 설계도 기반의 3D모델을 활용한 물량산출 과정 ····································· 118

그림 3.49 시계열 영상의 비교를 통한 물량산출 과정 ·························································· 118

그림 3.50 시기별 중심선 종단 표고 비교 ················································································ 120

그림 3.51 시기별 횡단면의 단면적 비교 ·················································································· 121

그림 3.52 성토 구간의 재 절토 사례 ························································································ 124

그림 3.53 3D 모델을 활용한 공정관리 예시(planning 단계) ·············································· 125

그림 3.54 3D 모델을 통해 현장에 방치된 건설장비 확인 ··················································· 126

그림 3.55 3D 모델을 활용한 Scheduling 단계 공정관리 ····················································· 126

그림 3.56 시공 후 확인할 수 없는 구조물 ············································································ 127

그림 3.57 3D 모델을 활용한 Monitoring 단계 공정관리 ····················································· 128

그림 3.58 3D모델의 Monitoring 단계에서 확인한 설계변경 근거자료 ····························· 129

그림 3.59 3D모델을 이용한 고속도로 건설현장 분석 ··························································· 130
그림 3.60 도로 절토사면을 위한 유지관리 시스템에서 무인항공기 활용 예 ·················· 131

그림 3.61 교량 점검 중 드론조사 가능 항목 ·········································································· 133

그림 3.62 airsight사의 NextGen Airfield Inspection ···························································· 134
그림 3.63 Drexel 대학의 목업 교량 실험 ················································································ 135

그림 3.64 지장물의 드론 이용 정밀조사 ·················································································· 136

그림 3.65 드론을 이용한 돋보기 현장점검 ·············································································· 137

그림 3.66 동영상을 이용한 차량의 궤적 추출 ········································································ 138

그림 3.67 건설인력 및 장비의 위치추적 ·················································································· 139
그림 3.68 동적 BIM 강화(dynamic BIM-augmented) UAV 조사 흐름도 ························ 140
그림 3.69 인력식 비탈면 조사 ···································································································· 140

그림 3.70 땅밀림에 의한 지형 프로파일의 분석결과 ···························································· 142

그림 3.71 (좌) 드론을 이용한 측정 다이어그램과 각도 계산 다이어그램(우) ················· 143
그림 3.72 Photoscan을 이용한 2D 영상기반 절취사면의 위험도 평가 ····························· 144
그림 3.73 산사태의 고해상도 조사를 위한 드론 활용 방법론 흐름도 ······························ 145
그림 3.74 Pian della Mussa 산사태 지형도(Geomorphological map) ······························ 145
그림 3.75 비탈면 점검 업무흐름도 ···························································································· 146

그림 3.76 사면 주요 점검항목인 (상) 인장균열(tension crack)과 (하) 배부름 ················ 149

- IX -
그림 3.77 사면 경사(1:S), 사면 경사각(°), 경사율(%) ···························································· 149
그림 3.78 절리 경사(φ)와 방향(α) ······························································································ 149

그림 3.79 도로사업 드론 활용방안 ···························································································· 151

그림 3.80 GPR 테스트 베드 전경 ······························································································ 151

그림 3.81 공용 중 노선 숏크리트 비탈면 열화상과 온도분포도 ········································ 152

그림 3.82 YoloV4의 개체 인식 결과 비교 ············································································· 153

그림 3.83 yolo를 이용한 시공현장에서 작업자 및 차량 인식; (상) 원본사진 및 참값,

(하-좌) 인식임계값 0.2, (하-우) 인식임계값 0.1 ··················································· 154

그림 3.84 시공현장 동영상에 yolo를 이용한 개체 인식 결과 ············································ 155

그림 3.85 Siamese neural network 아키텍처 ········································································· 157
그림 3.86 Convolutional Siamese Network (ConsimNet)를 이용한 ······························· 157

그림 3.87 ConsimNet을 이용한 시계열 정사영상 자동 변화탐지 결과 ···························· 158

그림 3.88 평택-서평택 4개 시계열 공간정보 ··········································································· 159
그림 3.89 절토사면 횡단면의 계획 경사의 예 ········································································ 160

그림 3.90 사면 안전점검을 위한 20년 3월 6일 기하학적 보조 정보 생성 결과 ············ 160

그림 3.91 시계열 공간정보 참조 데이터 ················································································ 161

그림 4.1 연구 흐름도 ···················································································································· 162

그림 4.2 고속도로 건설현장 드론활용기술 중장기 로드맵 수립의 목표 ·························· 163

그림 4.3 사회적 가치실현을 위한 비전 및 전략 ···································································· 163

그림 4.4 우리 공사의 비전 및 전략체계 ·················································································· 164

그림 4.5 새로운 드론의 시스템 구성 ························································································ 164
그림 4.6 우리 공사 드론도입을 위한 SWOT분석 ·································································· 168
그림 4.7 중장기 로드맵의 비전과 목표 ···················································································· 169

그림 4.8 세부 연구내용 ················································································································ 174

그림 4.9 교육 과정 개요 ·············································································································· 176
그림 4.10 고속도로 건설현장 드론활용 방안소개 ·································································· 177
그림 4.11 드론사진측량개론 ········································································································ 178
그림 4.12 공간정보체계이론 ········································································································ 179
그림 4.13 드론측량견적 이론 ······································································································ 180

그림 4.14 드론 사고 유형 및 운용 안전교육 ·········································································· 181

- X -
그림 4.15 드론 촬영 사전 절차 ·································································································· 182
그림 4.16 촬영계획 수립 이론 ···································································································· 183

그림 4.17 영상 전처리 절차 ········································································································ 184

그림 4.18 영상처리 실습 ·············································································································· 185

그림 4.19 드론 3D 지형모델 제작 실습 ················································································· 186

그림 4.20 3D 지형모델 활용 실무 및 실습 ··········································································· 187

그림 4.21 드론 3D 공간정보 활용방안 ····················································································· 188

그림 4.22 교육 사진 자료 ············································································································ 189

- XI -
 요 약 문

⊔⊔최근 국내 건설 분야에서 3차원 데이터를 활용한 BIM설계나 정보화시공·스마트건설이 활발하

게 대두되고 있는 실정으로 이를 드론을 활용하여 시스템으로 체계화하기 위한 노력이 필요하다.

우리 공사에서는 고속도로 건설현장 내 업무가 인력중심의 업무(공사, 품질, 안전, 환경 등)로 구
성되어 있는 문제점이 있는 바, 고속도로 건설현장 및 유지관리 업무에 드론 및 드론영상 활용에

대한 작업 효율성 증대 및 업무 개선이 필요한 실정이다.

⊔⊔이에 본 연구에서는 우리 공사에서 수행하고 있는 고속도로 시공 및 건설 관리 업무에 대하여
드론을 활용하여 업무 효율성을 제고할 수 있는 방안을 제시하고자 한다. 먼저, 드론영상 활용기
술 현황 및 활용사례 조사, 데이터처리용 소프트웨어 분석을 수행하였고, 고속도로 건설현장 업무
분석, 현장 기술자 인터뷰 분석을 통해 건설현장 드론활용 가능분야 및 업무 개선 방향을 도출하
였다. 그리고 건설현장 드론영상 활용 시범사업 결과를 분석하여 드론영상 활용기술 공종을 개발
하였고, 개발된 공종에 따라 드론을 원활하고 쉽게 활용할 수 있도록 작업지침서를 개발하였다.

- XIII -


ABSTRACT


⊔⊔Recently, in the domestic construction industry in South Korea, building information

modeling design, information-technology-based construction, and smart construction using

three-dimensional data have emerged, and efforts are required to systematize this trend using

drones. One problem in the domestic construction industry is that tasks in highway
construction sites are mostly manpower-oriented (e.g., construction work, quality, safety, and

environment).
⊔⊔Therefore, we propose methods to improve work efficiency using drones and drone
images in highway construction sites, for maintenance work, and for construction management

work. In the first year, we conducted a survey on the current state of drone image technology
utilization, application cases, and software analysis for data processing. Furthermore, the
analysis of highway construction sites and interviews with field technicians were used to

derive instructions for drone utilization and other improvements in the execution of tasks at
construction sites. In the second year, we conducted a study to analyze the results of the pilot

project using drone images at construction sites and developed a standard based on the
construction work type. In addition, work instructions were developed so that drones can be

used smoothly and easily according to the developed standard based on the construction work
type.

- XIV -
 제 1 장 서 론


1.1 배경 및 목적

그림 1.1 국토교통부 드론관련 정책

⊔⊔최근 4차 산업혁명시대의 미래 핵심 산업으로 주목받고 있는 무인비행장치(드론)는 국토교통부

7대 신산업(2016년)과 8대 혁신성장동력(2018년)으로 지정된 바 있으며 정부에서도 많은 투자와
기술개발을 계획하고 있다. 군사목적으로 개발된 드론은 드론으로 촬영된 영상을 분석하여 건설,
산림, 농업 및 재난안전분야 등으로 활용범위가 넓어지고 있으며 민간 및 공공기관의 도입‧운영
사례가 증가하고 있다. LH(한국토지주택공사), LX(한국국토정보공사) 등의 공공기관에서는 ‘드론
도입 및 활용방안’을 수립하고 이에 따라 드론영상을 업무에 체계적으로 활용해 감으로써 상당한
예산절감 효과를 이루고 있으며, 또 국토교통부의 정책에 부응해 가고 있다. 따라서 우리 공사에
서는 고속도로 건설현장 및 유지관리 업무에 드론 및 드론영상 활용에 대한 작업 효율성 증대 및
업무 개선이 필요한 실정이다.
⊔⊔드론 측량은 기존의 유인항공사진측량에 비하여 신속하고 편리하고 경제적으로 고해상도 영상
을 얻을 수 있는 장점이 있어 빠르게 확산되고 있으며, 아울러 촬영된 포인트 클라우드 데이터
(Point Cloud Data)를 통하여 수치표면모델(Digital Surface Model, DSM)을 생성함으로써 물리적
인 실세계에 대한 3차원 모델을 직접 얻을 수 있는 장점이 있다. 이러한 드론으로 취득된 스마트
영상을 고속도로 유지관리나 사면관리에 활용한다면 업무 효율성을 대폭 증가시킬 수 있으며, 사

- 1 -
람이 접근하기 어려운 지역의 안점점검이나 비탈면 토석류 현황 신속분석 등에 투입한다면 작업
자에 대한 안전성을 개선시킬 수 있다. 따라서 우리 공사 내외환경으로 보나, 4차 산업혁명시대라

는 시기적으로 보나 ‘스마트 영상을 활용한 건설현장 업무개선 및 고도화 방안 연구’가 시급하게

필요하다.
→11 font

1.2 연구내용
→11 font
⊔⊔본 연구에서는 고속도로 건설현장 내 드론 영상을 활용하여 인력중심의 업무에 대한 효율성
증대 및 개선을 위한 드론 활용 공종 및 작업지침서 개발을 목표로 하며, 세부 연구 내용은 다음
과 같다.

□ 고속도로 건설현장의 드론영상 활용기술 공종 개발

⊔⊔- 드론영상 활용 기술현황 및 활용사례 조사·분석

⊔⊔- 드론영상 데이터처리용 소프트웨어 분석

⊔⊔- 고속도로 건설관리 업무·규정 분석 및 드론활용 가능분야 도출
⊔⊔- 고속도로 건설현장 드론영상 활용기술 수요조사

⊔⊔- 드론영상 활용기술의 표준공종 개발

- 자체수행, 위탁용역 필요업무 분류 및 작업지침서 제작
□ 대규모 작업현장 및 취약구간의 관리강화를 위한 시범사업 추진

⊔⊔- 기술별 개발수준에 따른 시범대상 선정·추진

⊔⊔- 시범사업 분석 후 표준공종·수행업무 선정, 타당성 분석
⊔⊔- 드론활용 3차원 모델 제작을 통한 현장관리
□ 드론영상 활용확대를 위한 드론영상기반 건설현장관리 기반 구축
⊔⊔- 고속도로 건설현장 드론영상 활용기술 중장기 로드맵 수립
⊔⊔- 드론영상 활용기술 SW 교육 font 본

연구의 범위 및 수행방법은 다음과 같다.

- 2 -
1.3 연구범위 및 수행방법
→11 font
⊔⊔본 연구의 범위 및 수행방법은 다음과 같다.

그림 1.2 연구 범위

그림 1.3 연구 수행방법

→11 font

- 3 -


제 2 장 고속도로 건설현장의 드론 영상 활용기술 공종 개발




2.1 드론 영상 활용기술 현황 및 활용사례 조사· 분석

⊔⊔현재 드론영상은 포인트 클라우드 및 수치표면모델, 수치표고모델(Digital Elevation Model,

DEM), 정사영상(Ortho-photograph), 3차원 모델 제작 등에 활용되고 있다.
⊔⊔드론의 활용분야는 매우 다양하여 세부적으로 분류하고 이를 일일이 설명하는 작업이 불가능할 정
도이며, 드론에 장착된 카메라(센서)를 탑재하여 취득한 영상을 이용한 활용분야는 지형정보 구축, 지

적측량, 재해재난 관리, 환경감시, 각종 시설물 검사, 탐사(광물, 가스 등) 등이 있다.

그림 2.1 드론영상 활용기술의 예시

그림 2.2 드론영상 활용사례 예시

- 4 -
2.1.1 드론 영상 활용기술

⊔⊔사진측량(Photogrammetry)은 지형 및 공간에 대한 데이터베이스 및 공간 정보시스템 구축을 위

하여 항공 및 위성영상으로 3D 지형이나 지물(점·선·면)을 해석하고 추출하는 분야이다. 무인항공
사진측량(Unmanned Aerial Photogrammetry)은 무인항공기(UAVs)를 사용하여 탑재된 카메라로 연
속 중복하여 촬영한 사진을 이용하여 대상지역과 대상체에 대하여 3차원 정량적 또는 정성적 정보
를 얻는 측량기법이다. 정량적 정보로는 길이, 면적, 부피 등을 포함되며, 정성적 정보로는 지표면
및 건물, 수목 등의 대상체들을 말한다. 사진측량은 지형도 작성, 건축, 엔지니어링, 제조, 품질 관
리, 경찰 수사 및 지질학과 같은 분야에서 새로운 사업을 창출하고 활용 범위를 넓혀가고 있다.

- 국토의 체계적이며 경제적 관리를 위한 공간정보의 획득 가능

- 전력, 에너지 시설에 대한 정밀하고 신속한 관리가 가능 (Utility Management)

- 산업 시살 정밀 진단 및 점검 (Facility Management)
- 전 국토에 분산되어 있는 도로, 철도에 대한 상세정보 획득 (정밀현황도)
- 토지, 주택, 토목건설 현장에서 생애주기관리 가능

(BIM : Building Information Management)

- 작물 및 과수의 개체별 건강상태도 작성 (스마트 팜 : 자동화 농업)
- 산림 및 산악지역의 과학적 관리가 가능한 정밀측정 (산림자원관리)

- 사전 위험지역 조사와 상태도 작성 (재난 대비)

- 초정밀 생태도와 환경도 제작 (환경관리)
- 초정밀 도시지도 제작 (스마트시티)

- 내수면에 대한 대규모/정밀 측정 가능 (수자원관리)

- 화물의 신속한 이행과 인력/경비 절감 (우편 및 물류 자동화)
- 실종자, 범법자, 위험이 예상되는 대상/인물을 수색 (경찰업무지원)

- 도로 전체구간을 이동하며 교통량을 모니터링 가능 (교통 통제 및 관리)

- 원격지 독립 시설물(항로표지, 등산로표지, 독립중계기 등) 모니터링 용이
- 해양 생태계조사, 연안지역의 해양자원 관리 등 접근 곤란한 지역에 대한 모니터링 가능

- 기상예보를 위하여 인간에게 직접 영향을 미치는 저고도(0~2km)를 중심으로 온도, 습도,

풍향, 풍속, 미세먼지 등을 실시간 모니터링 하여 기상정보 제공

- 5 -
 그림 2.3 포인트 클라우드

⊔⊔포인트 클라우드 추출은 중첩 촬영된 2D 이미지를 이용하여 3차원 위치와 색상을 가지고 있
는 점들을 생성하는 기술이다. 포인트 클라우드는 수치표면모델 제작, 정사영상 제작 등에 활용되
는 기초 자료에 해당된다. 포인트 클라우드 추출에는 주로 SfM(Structure from Motion) 알고리즘
이 사용되며, SfM은 연속된 사진을 이용해 3차원 구조로 재구성해주는 일반적인 기술로 이미
2000년대부터 컴퓨터 비전 관련 연구자들에 의해 꾸준히 개발되어 왔다. 2010년 초반까지가 SfM
알고리즘 발전시기였다면 2010년 중반 이후는 다양한 분야에서의 SfM 활용시기로 볼 수 있다. 실
제로 2010년부터 2016년까지 Web of Science에서 SfM을 키워드로 한 742개의 논문의 인용이
8,427회나 이를 정도로 게재논문의 수와 인용이 가파르게 증가하였다. SfM이 2010년 중반 이후부
터 두드러지게 각광받게 된 것은 소위 드론으로 더 많이 불리우는 UAV의 발달, 컴퓨터 성능의
향상, GPS 및 모바일 기능의 향상 등 관련기술의 발전과 크게 맞물려있다. 예를 들면, SfM 알고
리즘 적용을 위해서는 이를 처리할 수 있는 고사양의 컴퓨터가 필요하고 UAV로 이미지를 수집
하기 위해서는 비행시간과 직결된 배터리 기술의 발전이, 그리고 UAV의 정확한 컨트롤을 위한
GPS 수신기의 발전 등이 수반되어야 한다. 이미지를 기반으로 하여 SfM을 통해 3차원 포인트 클

라우드가 생성되기까지 내부적으로 수많은 단계를 거치는데 다음의 4단계는 그중 필수단계이다.

⊔⊔1단계는 각 이미지별 키포인트를 식별하는 단계로, 객체나 배경 등에서 각 객체들의 꼭짓점이
나 변곡점 등 색상이나 형태의 변화가 이루어지는 지점에 형성이 된다. 2단계는 인접 이미지 간
동일 키포인트를 서로 매칭시키는 단계이다. 3단계는 앞서 매칭된 키포인트들의 3차원 상하좌우
관계를 규명하기 위해 SfM 알고리즘이 적용되는 단계로, SfM 알고리즘 적용 후 1차적으로 밀도
가 낮은 포인트 클라우드가 생성되고 2차적으로 카메라 매개변수를 이용한 MVS (Multi-View
Stereo, MVS) 알고리즘이 포인트 클라우드의 밀도를 증가시켜 최종적으로 밀도 있는 포인트 클라
우드(dense point cloud)가 완성된다.

- 6 -
⊔⊔SfM 알고리즘만으로도 밀도 있는 포인트 클라우드 생성이 가능하지만 상당한 데이터 처리시
간이 소요되므로 MVS 알고리즘을 함께 이용함으로써 전체 프로세스 시간을 줄일 수 있게 된다.

그래서 computer vision분야에서는 SfM과 MVS가 분명히 다르다고 규명하고 있어 SfM-MVS라

부르기도 하지만 두 과정은 분리 진행되는 경우가 거의 없으므로 구분하지 않고 전체과정을 통칭
하여 SfM이라고 부르는 추세이다. 모든 단계를 거쳐 최종 생성된 밀도 있는 포인트 클라우드는 3

차원 메쉬모델(Mesh Model)과 정사사진으로의 파생이 가능하다. 부가적으로, SfM은 사진을 입력

데이터로 하므로 사진의 선명도를 좌우하는 촬영환경이나 객체의 종류가 최종 산출물의 품질에
큰 영향을 미친다. 예를 들면 흐린 날씨, 측량대상이 유동체 혹은 동적 객체일 경우, 형상이 불분

명하거나 변곡점이 적은 단조롭고 평평한 객체는 키포인트가 적게 생성되어 포인트 클라우드의

품질이 낮아질 가능성이 높아진다.
⊔⊔수치표고모델과 수치표면모델은 모든 점에서 고도에 대한 정보를 갖고 있는 3차원 자료이다.
수치표고모델은 전력선, 건물, 교량, 나무 및 기타 유형의 식물이 없는 벌거벗은 지표면을 나타내
며 수치표고모델은 규칙적인 그리드(grids), 불규칙삼각망(Triangular Irregular Networks, TIN) 및
등고선의 모델이다. 불규칙삼각망의 장점은 산악 지역, 높은 구호 및 거친 표면을 매우 정확하게
제시할 수 있으며, 고도 값을 저장하는 점은 들로네(Delaunay)의 기준을 사용하여 삼각형을 생성
하여 불규칙한 삼각형 네트워크를 형성한다는 점이다. 이러한 불규칙성으로 인해 소프트웨어 알
고리즘은 더 까다롭고 시간이 오래 걸린다.

그림 2.4 수치표면모델과 수치표고모델 비교(Wikimedia)

- 7 -
⊔⊔수치표고모델의 고도 정보는 지형 관련 응용 프로그램에서 중요한 역할을 하고, 다용도로 사용
이 가능하기 때문에 중요한 지형 공간 데이터 세트로 간주된다. 기하학에서 항공사진의 정사영상

이나 지도 제작 및 지구 표면의 3차원 시각화에 사용된다. 환경 분야에서는 연안 모니터링, 지형

분석, 수자원 관리, 산림 자산 및 기후 영향 연구에 찾아볼 수 있으며, 다른 용도로는 도로 계획,
홍수 위험분석, 육지 표지, 토지이용 분류 및 물체 감지 등에 사용될 수 있다.

⊔⊔측량(Surveying)은 건설 프로젝트의 개발, 계획 및 실행에 매우 중요한 3차원 또는 지상(2차원)

의 위치에서 대상물들 사이의 각도와 거리를 확인하는 방법으로 대상물의 포인트들이 지표면에
표시되어 경계 및 지상 지도를 만드는 데 사용된다. 측량과 맵핑(Mapping)은 지표면의 데이터를

수집하고 지도를 제작하는 데 같이 사용된다. 측량 기술자는 외부에서 광범위하게 일하는 반면,

지도제작 기술자는 주로 실내의 컴퓨터에서 작업하여 모든 종류의 지적 측량, 지도 작성 및 지형
측량을 수행한다. 정확한 결과를 얻기 위해 지도제작 기술자는 물리학, 수학, 공학 및 기하학의
역량을 가져야 하며, 측량업자는 지적측량, 지도 작성 및 해당 측량 장비를 사용하여 작업을 수행
할 수 있는 자격을 갖추고 있어야 한다.
⊔⊔지적측량은 토지를 정밀하게 측정하여 정확한 경계를 조사하게 되어 ‘경계 측량’이라고 한다.
주거용 토지 측량은 토지 분쟁을 해결을 목적으로 부동산에 건물을 짓기 전에 수행하고, 임대 및
소유권 사업자는 토지에 기존 구조물을 파악하기 위해 측량 서비스를 필요로 한다. 지적측량은
단순하게 자산의 측정 및 평가 이상으로 복잡하여 부동산의 경계가 정해지기 전에 토지를 조사,
식별, 평가 및 분석을 해야 하며, 주택 토지 측량은 유사한 재산에 대해 과거 이력을 조사하여야
한다. GNSS 수신기, 드론, 3D 스캐너 및 측량 소프트웨어는 지적측량에 사용되는 장비의 일부이
다.
⊔⊔정사영상은 중심투영 원리에 의해 촬영된 영상을 수치표면모델 또는 수치표고모델을 이용하여
정사투영 원리로 보정한 후 색상보정 및 집성(Mosaic)의 단계를 거쳐 제작된다.

그림 2.5 정사영상
⊔⊔

- 8 -
 그림 2.6 3D Textured Mesh

⊔⊔3D Textured Mesh는 수치표면모델에 텍스처가 결합된 자료로 스마트시티 및 디지털 트윈(Digital
Twin)의 기초가 되는 3차원 자료이며, 향후 많은 분야에서 가장 많이 활용될 자료로 기대된다.

2.1.2 드론 영상 활용사례

⊔⊔토지의 고저는 저지, 평지, 완경사, 고지로 구분하며, 이는 주위의 지형 또는 간선도로와의 높

낮이, 경사도 15도를 기준으로 한다. 고저 조사 시 각 필지의 높낮이는 목측으로 확인할 수 있으

나, 정량적으로 획정된 경사도 기준은 확인하기 어렵다. 이를 위해 UAV 영상기반 3D 시뮬레이션

을 통해 필지별 높낮이를 간선도로 또는 주위의 지형지세와 비교하고, DEM의 경사도 분석을 통
해 각 필지별 평균경사도를 산출하고 이를 15°이하 및 초과로 부과하여 필지의 고저를 판단한다.

주변 필지와의 급격한 고저 변화나 경사도 변화에 대한 분석 결과와 함께 UAV 영상을 활용하여

보다 객관적인 고저 조사가 가능하다.

그림 2.7 고저 분석 결과

- 9 -
 그림 2.8 형상조사를 위한 UAV 영상 활용

⊔⊔토지의 형상은 UAV 영상과 지적도 중첩을 통해 확인할 수 있다. UAV 영상, 실폭도로, 지적
도를 중첩하여 인접도로를 확인할 수 있으며 육안으로 토지의 형상을 구분할 수 있다. 이러한

방법은 실시간으로 토지형상을 갱신할 수 있을 뿐만 아니라 현장 조사 시 사전검증자료로 활용할

수 있다.

그림 2.9 건설분야에서의 드론 영상 활용

⊔⊔건설 분야에서는 설계/시공 정보 병합 및 시각화(정사영상 + 2D 도면 오버레이, 3D 맵핑 등),

디지털 기반 작업계획 및 시각화, 공정진행에 따른 3차원 맵핑 및 공정비교 등에 드론 영상이 활
용되고 있다.

- 10 -
 그림 2.10 경사도 분석

그림 2.11 3D Mapping을 통한 물량 확인 및 업무량 배분

- 11 -
 그림 2.12 홍수로 인한 피해현장의 드론 영상

⊔⊔재난안전분야에서는 홍수, 태풍, 가뭄 등의 자연재해로 인한 피해현장을 대상으로 신속하게 영

상 또는 동영상을 촬영함으로써 피해규모, 피해액 등 산정의 기초자료로 드론 영상을 활용할 수
있으며, 향후 복구 계획에도 그 활용도가 매우 높다고 볼 수 있다. 그림 2.12는 홍수로 인한 피해

현장의 동영상 자료를 나타낸다.

그림 2.13 농작물 질소함유량 파악을 통한 시비량 조절

⊔⊔농업분야에서는 농작물 시비량 조절, 생육지수 파악, 식생 모니터링 등에 드론영상이 활용되고

있다.

- 12 -
 그림 2.14 농작물 생육지수 파악 및 병충해 예찰

⊔⊔산림분야에서는 산림 현황조사 및 모니터링, 산불감시, 소나무 재선충 파악, 사방댐 모니터링,

도시림 비오톱 등에 드론 영상이 활용되고 있다.

그림 2.15 산림 벌채 전후 드론 영상

⊔⊔그림 2.15에서 보는 바와 같이 목재수확 및 조림을 목적으로 산림에 변화가 발생할 경우 이에

대한 사업관리 방안 및 효율적인 모니터링 방법이 필요하다. 이러한 경우 드론 영상을 활용하여

사업관리 및 시행 전후 비교를 효과적으로 할 수 있으며, 조림 및 활착률 조사에도 그 활용도가

매우 높다고 볼 수 있다.

- 13 -
 그림 2.16 NIR 드론 영상을 이용한 산림 시계열 분석

⊔⊔그림 2.16에서 보는 바와 같이 시계열의 NIR 드론 영상을 이용하여 산림의 활력도 및 훼손지

에 대한 분석이 충분히 가능하다. 기존에는 위성영상 자료에 전적으로 의존하던 데이터의 제한성
을 보다 높은 공간해상도 및 획득 시간의 자율화를 가능하게 한다. 이를 통해 보다 정밀한 산불
피해 지역의 면적 산출, 피해액 산출, 향후 복원 계획 수립의 구체화 등이 가능하다.

그림 2.17 채광 및 채석지 모니터링

⊔⊔그림 2.17에서 보는 바와 같이 주로 산림인근에서 수행하는 대규모 채광 및 채석지를 대상으로 기

존의 측량장비로는 정확하고 정밀한 데이터 획득이 어려웠던 반면, 시계열의 드론 영상을 활용함으로
써 복원 및 사면경사 등에 대한 사업 감리 기초자료뿐만 아니라 지속적인 모니터링 자료로 그 활용
도가 매우 높다. 물론, 3D Scanner와 함께 활용하면 보다 높은 정확도의 데이터 생산이 가능하다.

- 14 -
 그림 2.18 산림병해충 탐지

⊔⊔그림 2.18에서 보는 바와 같이 산림 내에서 감염목의 이동까지 제한될 정도로 관리에 신경을

많이 쓰고 있는 산림병해충(참나무시들음병)은 현장조사를 하지 않는 이상 정확하게 판독해내기
가 쉽지 않은 상황이다. 이러한 상황에서 고해상도의 드론 영상을 활용하면 계절에 구애받지 않
고 산림병해충 의심목들을 선별이 가능하다. 드론 영상을 이용하여 계절별 수종별 색상, 패턴, 질
감 등을 바탕으로 감독분류를 수행하고, 포털의 영상 서비스를 통해 타 시기 영상과 비교한 후
현장답사를 통해 산림병해충 의심목 판독의 정확도를 현격하게 증가시킬 수 있다.
⊔⊔지적 및 부동산 분야에서는 토지의 형상을 파악하기 위해 드론 영상을 활용하고 있다. 토지의
형상은 드론 영상과 지적도 중첩을 통해 확인할 수 있다. 드론 영상, 실폭도로, 지적도를 중첩하
면 인접도로를 확인할 수 있으며 육안으로 토지의 형상을 구분할 수 있다. 이러한 방법은 실시간
으로 토지형상을 갱신할 수 있으며 현장 조사 시 사전검증자료로 활용될 수 있다.

- 15 -
 그림 2.19 토지거래허가구역의 지적도와 드론 영상 중첩

⊔⊔최근에는 그림 2.19와 같이 정사영상을 3차원 공간정보시스템에 탑재하여 서비스하는 지자체

도 등장하고 있는 추세이다.

그림 2.20 드론 정사영상의 웹서비스 제공

⊔⊔또한, 그림 2.20과 같이 지적재조사 사업지구를 대상으로 정사영상을 구축하여 제공함으로써

재조사의 오류를 최소화할 수 있는 기회를 제공해준다.

- 16 -
 그림 2.21 도심지 산림 내 지적측량

⊔⊔그림 2.21에서 보는 바와 같이 산림 내부에서 지적측량을 할 경우 산림 울폐도로 인해 GNSS

의 사용가능성이 현저히 저하되고, 가시권 문제로 인해 토탈스테이션의 활용성도 낮아 활용가능
한 측량장비가 매우 제한적 상황에 직면한다. 이러한 상황에서는 드론을 이용한 지적측량이 가장

효율적이며 효과적인 방법이 될 수 있다.

그림 2.22 측량분야의 드론 영상 활용사례

⊔⊔측량분야에서는 지도제작과 지형/하천/노선측량과 같은 응용측량 분야에 활용되고 있다.

- 17 -
 그림 2.23 항공기 외관 검사 사례(Airbus)

⊔⊔드론 영상은 다양한 분야에서 사람이 직접 육안으로 검사하는 업무를 대체하고 있다. 드론 영
상을 이용한 검사업무는 교량, 댐 등과 같은 대형 구조물뿐만 아니라, 최근에는 항공기 외관 검사
에도 활용되고 있다.

- 18 -
2.1.3 건설분야 드론 활용사례 분석

⊔⊔일본은 국토교통성 주관으로 측량(surveying), 시공(construction), 검사(inspection)에 ICT 기술

을 활용한 i-Construction을 시행하였으며, 건설자동화에 2016년부터 약 68억 엔의 연구개발비를
투자하였으며, 생산성을 28.3% 향상하였다. i-Construction은 건설을 모든 공정에 3D 데이터를 이
용하여 측량, 설계, 시공, 검사를 시행하는 것으로 3차원 측량의 핵심은 드론을 이용하여 지형에
대한 포인트 클라우드 데이터를 취득하는 것이다. 2017년에는 포장이나 준설공을 도입하여 교량
분야 등에 3차원 데이터에 의한 설계(i-Bridge)를 실시하였다. 측량 분야 및 유지관리 분야에
ICT(Information Construction Technology) 기술을 활용하고 있으며, 3차원 측량, 시공량 계산 및

검사에 드론을 활용하고 있다.

그림 2.24 일본의 i-Construction

⊔⊔국내에서도 대규모 토목공사에 드론을 활용하여 현장을 측량하여 작업 시간을 혁신적으로 줄

인 사례들이 있다. 대우건설은 경북 경산시 280만㎡ 부지에서 기존 기술로 측량 기사 3~4명이 투
입돼 측량에 약 7일, 후처리에 약 4일 걸리던 작업을 드론을 활용하여 3일 만에 작업을 완료한

사례(조선비즈, 2018)를 발표하였다.

- 19 -
 표 2.1 국내 건설사의 드론 활용사례

건설업체 드론 활용사례
- 경기 위례신도시 ‘우남역푸르지오’ 건설현장
대우건설
- 거가대교
(SK텔레콤)
- 을숙도대교

- 서울~문산 고속도로 토목현장

GS건설
- 제2남해대교 토목현장

- 한국토지주택공사 진주 신사옥
현대건설
- 쿠에이트세이크자베르코즈웨이

쌍용건설 - 동부산 관광단지

가. 측량

□ 작업현장의 지형형상을 신속하게 조사하고 디지털 지도를 신속하게 작성

⊔⊔- 드론을 이용한 건설 현장 조사는 운용과 데이터 취득이 편리하여 고가의 측량장비를 이용하
던 기존의 방법에 비해 비용과 시간이 크게 절약됨
⊔⊔- 드론에 장착된 라이다는 고정밀, 고품질의 지형 데이터를 제공함
□ 건설현장에 대한 3차원 모델을 구축하여 건설자재 관리와 인력을 계산하는 작업에 활용하고
있으며, 건설현장의 진척 상황을 모니터링 하는데 활용
⊔⊔- 일본의 JACIC는 태풍으로 피해를 입은 제방의 복구 사업을 위해 3차원 모델을 제작
하여 건설자재 및 인력산정에 드론을 활용
⊔⊔- 국내 건설사인 쌍용건설과 우미건설은 건설 현장을 모니터링하고 진척을 상황을 확

인 하는데 드론을 활용
□ 드론을 활용한 3차원 지형정보 구축기술 및 응용기술들을 제공하고 있음
⊔⊔- 스위스의 Pix4D사는 드론에 장착된 카메라로 촬영된 영상을 처리하여 3차원 지형정

보와 점검 사항을 기반으로 하는 관리시스템을 제공

⊔⊔- 중국 DJI사는 공사 초기에 토공량 산출을 위해 드론으로 촬영한 영상을 3D 데이터로
생성하는 3D 맵핑 기술을 제공

⊔⊔- 소니와 ZMP 합작 드론업체인 에어로센스는 건설 및 토목 현장에 대한 드론측량 솔

루션 제공

- 20 -
나. 영상기반 자료 분석 및 보고

□ 드론으로 촬영한 영상으로 구축한 고해상도 DSM은 건설 현장을 시각적으로 확인 할 수 있

는 정보를 제공
⊔⊔- 고객, 건축가 및 건설사가 건설 현장을 찾아볼 여유가 없는 경우에 필요한 시점에
영상 기반 분석 결과를 제공하여, 건설 진행 상황을 정확하고 신속하게 제공할 수 있음
⊔⊔- 영국은 시계열 영상을 활용한 공정 모니터링 솔루션을 제공함
⊔⊔- 인도네시아의 경우 원활한 도로공사를 위한 현황측량 시행
⊔⊔- 국내에서는 삼성물산이 사우디아라비아 복합발전소 건설현장 공사관리에 드론을 활용
□ 관련 솔루션으로 DSM 및 DEM을 제작하는 솔루션을 제공하기도 하며, 체계적인 건설관리를
위한 클라우드 기반의 솔루션을 제공
⊔⊔- Agisoft의 Metashape은 드론으로 촬영한 영상으로 정사영상 제작 및 3차원 수치데이

터를 생성하여 DSM 및 DEM 제작이 가능한 솔루션 제공

⊔⊔- 오라클의 Aconex는 건설 프로젝트를 효과적으로 계획, 구축 및 운영할 수 있도록 프
로젝트 관리 및 납품을 위한 종합적인 클라우드 기반의 솔루션 제공

그림 2.25 Pix4D社의 Pix4DMapper

- 21 -
다. 검사 및 모니터링

□ 생산성 유지를 위해 건설 현장을 모니터링 하는 시간과 비용을 절약할 수 있음

⊔⊔- 건설 현장에서 사람이 직접 둘러보기 어려운 곳의 안전정보 수집이 가능
⊔⊔- 롯데건설은 제2롯데월드 시공, 초고층 건축물의 외부 슬러브 공사를 드론으로 점검
⊔⊔- 건설 현장에서 작업자의 안전관리 의식 및 준수를 확인하기 위해 영상정보 수집
⊔⊔- 건설 현장에서 작업자 안전모 착용 여부 파악
□ 공정진행 확인을 위해 드론으로 촬영한 영상을 BIM(Building Information Modeling)에 적용
하고 GIS와 연계하여 실제 이미지를 반영한 설계도면이 건설 현장에서 활용할 수 있도록 함
⊔⊔- 스위스 SenseFly사의 albris는 소형 및 경량으로 구조물 점검용 카메라를 탑재하여 2.0 ㎞이내

범위와 최대 10㎧ 풍속 환경에서도 비행이 가능

⊔⊔- 중국 DJI사는 최근 55분 비행이 가능하고 풀HD 영상을 15km까지 전송할 수 있는 드론을
출시함

그림 2.26 Bentley사의 ContextCapture

- 22 -
2.2 드론 영상 데이터처리 소프트웨어 분석

⊔⊔드론영상 데이터처리용 소프트웨어는 많은 관련 소프트웨어 업체가 무료 평가 기간을 제공하

여 구매 전에 사용을 해볼 수 있다. 소프트웨어 판매 업체는 드론과 소프트웨어 교육을 포함한
솔루션을 함께 제공하는 업체가 많으며 3차원 모델과 클라우드 서비스를 제공하기도 한다. 드론

영상 데이터처리용 소프트웨어는 이미지 수와 해상도에 따라 3차원 모델을 만드는 데는 많은 파

일을 생성하므로 높은 컴퓨터 처리능력과 처리시간이 많이 걸릴 수도 있다. 관련 업체로는
Pix4D, Dronedeploy, Precision mapper 등이 잘 알려진 기업들이고, PC용 소프트웨어로는

Pix4DMapper, Metashape(Photoscan) 등이 있다. 오픈소스로 소프트웨어로는 Open Drone

Map(ODM)가 널리 사용되고 있다.

그림 2.27 드론영상 데이터처리 소프트웨어

⊔⊔본 연구에서는 최근 드론 영상 데이터처리에 많이 사용되고 있는 3가지 상용 소프트웨어를 이

용하여 처리 후 그 결과를 국내에서 가장 많이 활용되고 있는 전문가용 항공사진측량 소프트웨어
‧
처리 결과와 비교 분석하였다. 표 2.2는 본 연구에서 사용한 3종의 상용 소프트웨어별 특징을 나
타낸다. 3가지 상용 소프트웨어 중 Pix4DMapper는 국내에서 가장 많이 사용되고 있는 소프트웨
어에 해당되고, Metashape는 가성비가 높고 항공삼각측량 성과 분석에 유리한 소프트웨어에 해당
되며, ContextCapture는 3D Mesh 성과가 매우 우수한 소프트웨어에 해당된다.

- 23 -
 표 2.3 드론 데이터처리 소프트웨어의 주요 기능

구분 Pix4DMapper Metashape ContextCapture

처리
화면

개발사 Pix4D Agisoft Bentley

‣ 포인트 클라우드 자동 분류 ‣ 포인트 클라우드 편집 및 분류 ‣ 포인트 클라우드 편집

‣ 항공삼각측량 ‣ 항공삼각측량 ‣ 자동 항공삼각측량
‣ DSM/DEM 생성 ‣ DSM/DEM 생성 ‣ DSM/DEM 생성
‣ 정사영상 생성 ‣ 정사영상 생성 ‣ 정사영상 생성
주요
‣ 거리, 체적, 높이 측정 ‣ 거리, 체적, 면적 계산 ‣ 거리, 체적, 면적 계산
기능
‣ 수치표면 평활화 ‣ 열화상 지원 ‣ 3D CAD 모델 생성
‣ 특징점 표시 ‣ 식생지수 계산 ‣ 3D GIS 모델 생성
‣ 프로젝트 데이터 웹 공유 ‣ 4D 모델링 ‣ GPS 통합 모델 생성
‣ 네트워크 분산 자료처리 ‣ 웹기반 3D 모델 공유

2.2.1 드론 영상 데이터처리를 위한 소프트웨어 사양 분석

⊔⊔드론영상 데이터처리에 앞서 상용 소프트웨어를 사용할 수 있는 하드웨어의 최소사양과 권장

사양을 분석하였다. 드론영상의 경우 항공영상에 비해 단위 촬영면적은 작으나 촬영매수가 현저
히 많으므로 이로 인한 데이터처리의 소요시간이 필요할 수 있다. 또한 많은 촬영매수를 동시에
불러들여 처리하고, 영상 간 매칭점을 추출해야 하므로 높은 메모리 성능이 수반되어야 한다. 표
2.3은 본 연구에서 활용한 상용 소프트웨어별 하드웨어 사양을 나타낸다.

- 24 -
 표 2.4 드론 데이터처리 소프트웨어의 하드웨어 사양
구분 최소 사양
‣ Windows 7, 8, 10, Server 2008,
‣ Server 2012, 64 bits(PC or Mac
‣ computers using Boot Camp).
‣ Any CPU (Intel i5/ i7/ Xeon
‣ recommended).
‣ Any GPU that is compatible with
‣ OpenGL 3.2. (integrated graphics
‣ cards Intel HD 4000 or above).
‣ Small projects (under 100images
at 14 MP): 4GB RAM, 10GB HDD
Pix4DMapper
Free Space.
‣ Medium projects(between 100and
‣ 500 images at 14 MP): 8 GB
RAM, 20 GB HDD Free Space.
‣ Large projects (between 500 and
‣ 2000 images at 14 MP): 16 GB
‣ RAM, 40 GB HDD Free Space.
‣ Very Large projects (over 2000
‣ images at 14 MP): 16 GB RAM,
80 GB HDD Free Space.
‣ Windows XP or later (32 or 64 bit),
Mac OS X Mountain Lion or later,
Debian/Ubuntu with GLIBC 2.13+
Metashape (64 bit)
‣ Intel Core 2 Duo processor or
‣ equivalent
‣ 4GB of RAM
‣ 8GB RAM
Context ‣ NVIDIA or AMD Graphic Card
Capture ‣ or Minimum 1GB OpenGL Intel
‣ Graphic Processor
- 25 -
권장 사양
‣ Windows 8, 10, 64 bits.
‣ CPU quad-core or hexa-core
Inteli7/Inteli9/Threadripper/Xeon
‣ GeForce GTX GPU compatible
with OpenGL 3.2 and 2 GB RAM.
‣ Hard disk: SSD.
‣ Small projects (under 100
images at 14 MP): 8GB RAM,
15GB SSD Free Space.
‣ Medium projects(between 100
and 500 images at 14 MP): 16GB
RAM, 30 GB SSD Free Space.
‣ Large projects (over 500 images
at 14 MP): 32 GB RAM, 60 GB
SSD Free Space.
‣ Very Large projects (over 2000
‣ images at 14 MP): 64 GB RAM,
120 GB SSD Free Space.
‣ Windows 7 SP 1 or later (64 bit),
Mac OS X Mountain Lion or later,
‣ Debian/Ubuntu with GLIBC 2.13+
(64 bit)
‣ Intel Core i7 or AMD Ryzen 7
‣ processor
‣ Discrete NVIDIA or AMD GPU
‣ 32 GB of RAM
‣ Windows 7, 8, 10 Pro 64bit
‣ 64GB RAM
‣ Intel i7 (4+ Core)
‣ NVIDIA Geforce GTX1080Ti
Graphic Card (or Titan X, GTX
‣ 1080, GTX 980ti)
‣ High speed HDD or SSD or SAN
2.2.2 드론 영상 데이터처리

⊔⊔본 연구에서는 드론 영상 데이터처리에 적합한 상용 소프트웨어 도출을 위해 Pix4DMapper,

Metashpae, ContextCapture 3종을 이용하여 자료처리를 수행하고 그 결과를 분석하였다. 항공삼

각측량은 전문가용 항공삼각측량 소프트웨어인 Trimble Inpho의 처리 결과와 비교하였다. 표 2.4
는 데이터처리를 위한 드론 영상의 정보를 나타낸다. 또한, 그림 2.28은 지상기준점 및 검사점의
배치도를 나타내며, 그림 2.29는 주점 인덱스를 나타낸다.

표 2.5 드론 영상의 정보

항목 내용
촬영 지역 평택~서평택 구간
드론 SenseFly eBee Plus(고정익)
카메라 SenseFly S.O.D.A.
촬영 매수 749매
GSD 4.16cm
지상기준점 14점
검사점 5점

그림 2.28 지상기준점 및 검사점 배치도 그림 2.29 주점 인덱스

- 26 -
가. Pix4DMapper 자료처리

⊔⊔Pix4DMapper를 이용한 자료처리의 과정은 프로젝트 생성, 이미지 입력, 지상기준점 입력, 처
리 옵션 설정, 초기 처리 수행, 지상기준점 관측, 영상처리, 정확도 및 오류 검수, 성과물 확인의
순서로 진행하였다.
⊔⊔Pix4DMapper를 실행시킨 후 새로운 데이터처리를 위해 그림 2.30과 같이 프로젝트를 생성한
다. 프로젝트 생성 후 드론으로 촬영한 이미지를 선택하여 입력한다.

그림 2.30 프로젝트 생성 그림 2.31 촬영 이미지 입력

⊔⊔이미지 입력 후에는 그림 2.32와 같이 3차원의 지상좌표를 부여해주기 위해 그림 2.28에서 설

정한 지상기준점과 검사점을 입력하였다.

그림 2.32 지상기준점 입력

- 27 -
⊔⊔지상기준점 입력 후에는 그림 2.33과 같이 처리 옵션(포인트 클라우드, 3D 텍스처 메쉬, 고급)
별 세부 항목을 설정하고, 그림 2.34에서 보는 바와 같이 초기 처리를 수행하였다.

그림 2.33 처리 옵션 설정

그림 2.34 초기 처리 수행

- 28 -
⊔⊔드론 영상에서 지상기준점 관측은 GCP/MTP 매니저에서도 가능하나 초기 처리 수행 후
rayCloud에서 관측하는 것이 좀 더 편리하다. 이에 따라 그림 2.35와 같이 초기 처리 후 지상기

준점을 찾아 관측하였다.

그림 2.35 지상기준점 관측

- 29 -
⊔⊔설정한 지상기준점을 기준으로 그림 2.36과 같이 영상처리 과정을 거치게 되면 그림 2.37과 같
이 정확도(평균 RMS 오차) 및 오류 검수 화면을 통해 기본적인 처리 결과를 확인할 수 있다.

그림 2.36 영상처리

그림 2.37 정확도 및 오류 검수

- 30 -
⊔⊔그림 2.38은 Pix4DMapper를 이용하여 처리한 드론 영상의 최종 성과물을 나타낸다.

그림 2.38 최종 성과물

- 31 -
나. Matashape 자료처리

⊔⊔Metashape를 이용한 자료처리의 과정은 Pix4DMapper의 과정과 유사하며, 프로젝트 생성, 이

미지 입력, 지상기준점 입력, Align Photos, Optimize Camera Alignment, 지상기준점 관측, 영상

처리, 정확도 및 오류 검수, 성과물 확인의 순서로 진행하였다.

⊔⊔Metashape를 실행시킨 후 새로운 데이터처리를 위해 그림 2.39와 같이 프로젝트를 생성한다.
프로젝트 생성 후 그림 2.40과 같이 드론으로 촬영한 이미지를 선택하여 입력한다.

그림 2.39 프로젝트 생성

그림 2.40 이미지 입력

- 32 -
그림 2.41 지상기준점 입력

그림 2.42 Align Photos

- 33 -
그림 2.43 Optimize Camera Alignment

그림 2.44 지상기준점 관측

- 34 -
 그림 2.45 영상처리

그림 2.46 정확도 및 오류검수

- 35 -
 그림 2.47 성과물 확인

다. ContextCapture 자료처리

⊔⊔ContextCapture를 이용한 자료처리의 과정 또한 Pix4DMapper의 과정과 유사하며, 프로젝트

생성, 이미지 입력, 지상기준점 입력, 지상기준점 관측, 항공삼각측량, 영상처리, 정확도 및 오류
검수, 성과물 확인의 순서로 진행하였다.

그림 2.48 프로젝트 생성

- 36 -
그림 2.49 이미지 입력

그림 2.50 지상기준점 입력

- 37 -
그림 2.51 지상기준점 관측

그림 2.52 항공삼각측량

- 38 -
 그림 2.53 영상처리

그림 2.54 정확도 및 오류검수

- 39 -
 그림 2.55 성과물 확인

라. Trimble Inpho 자료처리

⊔⊔상기 3종 소프트웨어의 자료처리 결과를 분석하기 위해 전문가용 항공사진측량 소프트웨어

(Trimble Inpho)를 이용하여 자료처리를 수행하였다. Trimble Inpho의 처리과정은 프로젝트 생성

및 설정, 지상기준점 관측, 카메라 캘리브레이션, 항공삼각측량, 정확도 검수의 순서로 진행하였다.

그림 2.56 프로젝트 만들기 및 설정

- 40 -
 그림 2.57 지상기준점 관측

그림 2.58 카메라 캘리브레이션 그림 2.59 항공삼각측량

- 41 -
 그림 2.60 정확도 검수

2.2.3 상용 소프트웨어를 이용한 처리 결과 비교 분석

⊔⊔본 절에서는 2.2.2절에서 3종의 드론 데이터 처리 소프트웨어의 결과와 전문가용 항공사진측량

소프트웨어 처리 결과를 비교하였다. 전문가용 항공사진측량 소프트웨어의 처리 결과를 기준으로
3종의 처리 소프트웨어의 결과를 항공삼각측량 성과, 렌즈왜곡, 포인트 클라우드, DSM/DEM, 정

사영상, 3D Mesh 등의 세부 항목별로 비교 분석하였다.

가. 항공삼각측량 성과

⊔⊔표 2.5에서 보는 바와 같이 지상기준점 RMSE는 Metashape가 Inpho의 결과와 가장 유사하였

으며, Pix4Dmapper의 경우 Z에 대한 지상기준점 RMSE가 Inpho의 결과와 7.5배, ContextCapture
의 경우 X, Y, Z에 대한 지상기준점 RMSE가 Inpho의 결과와 4.4, 5.3, 11배의 차이를 보였다. 항

공삼각측량의 경우 Agisoft의 Metashape의 결과를 가장 신뢰할 수 있다는 것을 알 수 있었으며,

카메라 내부표정요소의 경우 모두 Inpho와 유사한 결과를 보였다.

- 42 -
 표 2.5 항공삼각측량 성과 비교

구분 Inpho Pix4DMapper Metashape ContextCapture

X    

지상기준점
Y        
RMSE(m)
Z        

f(mm)    

pp_x(mm)            

pp_y(mm)      

카메라 k1  ×    ×    ×    × 

내부표정요소 k2    ×     ×      ×      ×  

k3   ×     ×     ×    × 

p1   ×    ×     ×     ×  

p2   ×     ×     ×    × 

나. 렌즈 왜곡

⊔⊔드론에 탑재되는 카메라의 경우 항공사진측량용 카메라에 비해 저가이며, 캘리브레이션이 수

행되지 않은 디지털카메라도 많이 사용되므로, 이로 인한 렌즈 왜곡이 심하게 발생한다. 렌즈 왜
곡은 영상의 품질에 직접적으로 관여하는 항목 중 하나이므로, 데이터 처리에 중요한 요소에 해
당된다. 그림 2.61은 드론 영상을 대상으로 각 프로그램별 렌즈왜곡 그래프를 나타낸다. 그림 1.61
에서 보는 바와 같이 렌즈왜곡의 경우 3가지 소프트웨어 모두 Trimble Inpho의 결과와 유사한
것을 알 수 있다.

- 43 -
 <Inpho> <Pix4DMapper>

<Metashape> <ContextCapture>

그림 2.61 렌즈왜곡 그래프

다. 포인트 클라우드

⊔⊔포인트 클라우드는 각 소프트웨어의 기본 설정으로 추출하고, 그 결과를 비교 분석하였다. 그

림 2.62는 소프트웨어별 포인트 클라우드 추출결과를 나타낸다. 그림 2.62에서 보는 바와 같이 각
소프트웨어별 추출 포인트의 수는 Pix4DMapper 115,955,372개, Metashape 530,056,032개,

ContextCapture 2,389,104,400개로 각각 상이한 결과값을 나타냈다. 이는 각 소프트웨어별 이미지

스케일과 추출 방식의 차이 때문이다. Pix4DMapper의 경우 Image Scale이 Half image size가 기
본값이므로, 포인트의 개수가 Full image size의 1/4수준이며, ContextCaputre의 경우

Pix4DMapper 및 Metashape와 달리 3D Mesh를 생성한 후 3D Mesh에서 포인트 클라우드를 추

출하므로, 포인트의 수가 소프트웨어마다 다르게 나타나는 것이다.

- 44 -
 <Pix4DMapper> <Metashape> <ContextCapture>
그림 2.62 포인트 클라우드

라. DSM/DEM

⊔⊔DSM은 그리드 크기 1m를 기준으로 대상지의 4개 검사점을 이용하였다. 표 2.6에서 보는 바와

같이 검사점의 측량성과를 기준으로 3종의 소프트웨어 결과와 비교한 결과 RMSE 0.090m로
ContextCapture의 결과가 가장 정확도가 높은 것을 알 수 있었다. 그림 2.63은 각 소프트웨어별
DSM을 나타내며, 표 2.6은 검사점을 이용한 정확도 평가 결과를 나타낸다.

- 45 -
 <Pix4DMapper> <Metashape> <ContextCapture>
그림 2.63 DSM 결과

표 2.6 검사점을 이용한 DSM 정확도 평가 결과 (단위: m)

검사점 No. 측량성과 Pix4DMapper Metashape ContexCapture

CP-01 4.081 3.966 3.877 3.993
CP-02 5.168 5.276 5.187 5.101
CP-03 9.881 9.845 9.882 9.867
CP-04 11.669 11.653 11.74 11.561
RMSE 0.094 0.125 0.090

⊔⊔DEM 또한 그리드 크기 1m 를 기준으로 제작하였다. ContextCapture의 경우 포인트 클라우드

자동분류 기능이 없어 DEM 생성이 불가능하므로, Pix4DMapper와 Metashape로만 제작하였다.
그림 2.64는 각 소프트웨어를 이용한 DEM 제작 결과를 나타낸다.

- 46 -
 <Pix4DMapper> <Metashape>

그림 2.64 DEM 결과

⊔⊔자동분류를 통해 DEM을 제작한 결과 Pix4DMapper의 경우 건물 지역에서 오류가 많이 발생

하였으며, 하천 지역에서는 수동분류를 통해 노이즈를 충분히 제거해줄 필요가 있었다. 추가적으
로 산림의 밀도가 높은 여름의 경우 자동분류 후 지면 자료가 존재하지 않는 관계로 인해 DEM
제작이 불가능함을 알 수 있었다.

마. 정사영상

⊔⊔표 2.7에서 보는 바와 같이 검사점의 측량성과를 기준으로 3종의 소프트웨어 결과와 비교한 결

과 ContextCapture의 결과가 가장 정확도가 높은 것을 알 수 있었다. 그림 2.65는 각각 소프트웨어
별 정사영상을 나타내며, 표 2.7은 검사점을 이용한 정확도 평가 결과를 나타낸다.

- 47 -
 <Pix4DMapper> <Metashape> <ContextCapture>
그림 2.65 정사영상 결과

표 2.7 검사점을 이용한 정사영상 정확도 평가 결과 (단위: m)

검사점 측량성과 Pix4DMapper Metashape ContexCapture

No. X Y X Y X Y X Y
CP-01 188525.89 488978.20 188525.85 488978.25 188525.89 488978.24 188525.86 488978.22
CP-02 188486.02 488081.27 188486.01 488081.31 188486.01 488081.34 188485.99 488081.32
CP-03 188539.72 487378.34 188539.65 487378.37 188539.69 487378.38 188539.68 487378.35
CP-04 188631.21 486221.84 188631.20 486221.82 188631.20 486221.83 188631.22 486221.85
RMSE 0.042 0.044 0.014 0.051 0.036 0.034

- 48 -
 <Pix4DMapper> <Metashape> <ContextCapture>
그림 2.66 도로 정사영상 결과

⊔⊔그림 2.66은 각 소프트웨어별 정사영상 제작 결과 중 도로부분을 나타낸 것이며, 이 중 가장

특징적인 부분은 ContextCapture의 경우 정사영상 제작 시 도로에서 운행 중인 차량을 자동으로
제거하는 기술을 적용되었다.

<Pix4DMapper> <Metashape> <ContextCapture>

그림 2.67 건물 정사영상 결과

⊔⊔그림 2.67에서 보는 바와 같이 정사영상의 결과 중 Pix4DMapper와 Metashape의 경우 건물

부분에서 블러링(Blurring) 현상이 발생하는 반면 ContextCapture의 경우 블러링 현상이 거의 없
어 건물의 테두리 부분이 정확하게 표현되는 것을 알 수 있었다.

바. 3D Textured Mesh

⊔⊔3D Textured Mesh는 소프트웨어마다 지원포맷이 다소 상이하다. Pix4DMapper의 경우

Polygon file Format PLY, Autodesk FBX, DXF, Wavefront format OBJ, 3D PDF, Metashape의
경우 Cesium 3D Tiles (*.zip), Scene Layer Package (*.slpk), PhotoMesh Layer (*.zip),
OpenSceneGraph (*.osgb), Agisoft Tiled Model (*.tls), Agisoft Tile Archive (*.zip),

ContextCapture의 경우 ContextCapture 3MX, Bentley Scalable Mesh(3SM), Cesium 3D Tiles,

ESRI i3s scene database, Google Earth KML, Bentley DGN format, Autodesk FBX, OBJ

- 49 -
wavefront format, Collada(DAE), StereoLithography(STL), LOD tree export, Smart3DCapture
S3C, OpenSceneGraph binary(OSGB), SpacEyes3D Builder layer의 포맷들을 사용할 수 있다. 또

한, 그림 2.68서 보는 바와 같이 3D Textured Mesh 제작 성과 또한 ContextCapture가 가장 우수

하였으며, Metashape가 Pix4Dmapper보다 약간 우수한 것을 알 수 있었다.

<Pix4DMapper> <Metashape> <ContextCapture>

그림 2.68 3차원 모델 결과

사. 소프트웨어 비교 분석 결과

⊔⊔항공삼각측량은 전문가용 항공삼각측량 소프트웨어인 Trimble Inpho와 비교한 결과 지상기준

점 RMSE는 Metashape가 Trimble Inpho에 가장 근접한 성과를 보여주었으며, Pix4DMapper는
높이, ContextCapture는 평면과 높이에 대한 RMSE가 Trimble Inpho의 결과와 큰 차이를 보여

항공삼각측량에 대한 신뢰성이 떨어지는 경향을 나타냈다.

⊔⊔카메라 내부표정요소의 경우 3종 모두 Trimble Inpho와 유사한 결과를 나타냈다.
⊔⊔DSM과 정사영상에 대한 정확도 평가를 보면 3종의 소프트웨어 모두 좋은 성과를 보여주었으
며, DEM은 포인트 클라우드 자동분류가 지원되는 Pix4DMapper와 Metashape에서만 제작 하였
다. ContextCapture의 경우 정사영상 제작 시 운행 중인 자동차들을 자동으로 삭제하여 도로현황
파악에 유리한 것을 알 수 있었다.
⊔⊔3종의 소프트웨어 모두 각종 정확도 평가에서 좋은 결과를 나타냈다. Metashape는 항공삼각측
량에 강점이 있으며, ContextCapture는 정사영상과 3D Textured Mesh 제작에 강점이 있었다.

- 50 -
2.3 건설현장 드론 영상 활용기술 및 표준 공종 개발

2.3.1 건설현장 드론 영상 활용기술 수요조사

⊔⊔조직별 업무 분석 및 기존 공종 분석 및 사전 조사를 바탕으로, 드론 기술을 가장 우선적으로

적용할 대상이 고속도로 시공업무의 효율적 공사관리라는 결론을 내렸다. 특히, 매월 시행되는 기
성업무에 드론 기술을 적용하면, 각종 공사가 정확하게 시공될 수 있으며, 공사 이력 관리를 통해
공사의 진척상황에 대한 기록을 남길 수 있어, 향후 유지관리나 사고 분석에도 활용할 수 있는
장점이 있을 것으로 예측되었다. 아울러 정기적으로 드론 측량을 실시하여 공사 관리에 적용하는

방안이 정착될 경우, 드론 영상 및 측량 결과를 활용한 응용은 더 많이 늘어날 것으로 예상된다.

본 연구에서는 건설현장의 드론영상 활용기술 수요조사를 위해 인터뷰와 설문조사를 실시하였다.

가. 인터뷰 대상

⊔⊔시공업무 공사관리는 건설사업단에서 이루어지며, 건설본부 건설처에서는 각각의 시공구간에

대한 전체적인 관리가 이루어진다. 또한, 시공관리 업무는 시공회사와도 직접적으로 관련이 있다.

따라서 건설사업단을 중심으로 인터뷰를 시행하며, 건설처에 대해서도 보조적으로 인터뷰를 시행

하였다.

□ 수도권건설사업단
⊔⊔- 공사관리 팀장 및 공구별 시공감독
□ 건설본부 건설처
⊔⊔- 건설기술팀 차장
⊔⊔이러한 과정을 통해 드론 시공관리 시나리오가 거의 확정된 이후, 드론 교육 참석자를 대상으
로 드론 시공관리 시나리오에 대한 간단한 설문조사를 실시하여 시나리오 전반에 관한 의견을 수
렴하였다.

나. 인터뷰 내용

⊔⊔인터뷰 수행 시 드론 시공관리 시나리오의 실현가능성 및 장단점 등에 대해 의견을 청취하였

으며, 이 시나리오를 현실화하기 위해 보완해야 할 사항 등에 대해서도 의견을 교환하였다. 다음

- 51 -
은 주요 인터뷰 내용이다. 단, 인터뷰를 실시할 때마다 인터뷰 대상에 따라 내용을 약간씩 수정하
였다. 또한 기존 인터뷰에서 확인했던 내용은 줄이고 보다 심층적인 내용을 추가하여 인터뷰하였

다.

□ 시공관리 일반에 관한 사항
⊔⊔- 드론 시공관리 시나리오의 적용 가능성
⊔⊔- 드론 시공관리 시나리오 적용 시 장단점
⊔⊔- 각 시공대상의 위치 확인 방법 및 그 정확성
⊔⊔- 설계도와 시공결과의 불일치 원인 및 그 처리 방법
□ 드론 시공관리 공종 도입 시 공종별 장점
⊔⊔- 토공/배수공/시설물공 등에 드론 기술을 도입했을 때의 장단점
□ 기성업무 관련 사항
⊔⊔- 3차원 설계도 작성 방법 및 기준
⊔⊔- 3차원 설계도를 기반으로 한 시공현황도 작성 방안에 대한 의견
□ 준공측량 관련 사항
⊔⊔- 준공측량을 실시하지 않는 이유
⊔⊔- 준공측량 적용 시 장단점
다. 인터뷰 결과

□ 수도권사업단 공사관리 과장(사전 인터뷰)

⊔⊔- 인터뷰 일시 : 2019년 9월 19일
⊔⊔- 인터뷰 장소 : 수도권건설사업단 사무실
⊔⊔- 인터뷰 내용
⊔⊔ 1개월 마다 드론을 촬영하려면 촬영단가가 적당하여야 함
·

⊔⊔ 최대한 실비수준으로 계상할 경우 1km2 당 약 200만원으로 수행가능

·

⊔⊔ 비용이 과다할 경우 정식 기성에만 촬영하는 방법도 있으나 효율은 떨어짐

·

⊔⊔ 착공측량을 벌개제근 작업 후 실시하면 토공 예산 조정에 활용 가능

·

⊔⊔ 상당한 비용 절감 및 효율성이 높아질 것으로 예상됨

·

- 52 -
⊔⊔ · 만약의 경우 드론 공종관리가 불가능할 경우에도 드론 측량으로 준공측량도를 작성하는
것은 필요하다고 판단됨

□ 건설처 건설기술팀
⊔⊔- 인터뷰 일시 : 2019년 9월 27일
⊔⊔- 인터뷰 장소 : 본사 건설처
⊔⊔- 인터뷰 내용
⊔⊔ 시나리오대로 시공관리가 이루어질 경우 시공 이력 관리가 잘 이루어질 것으로 기대함
·

⊔⊔ 시공결과와 설계도 불일치 문제도 해결될 것으로 예상됨

·

⊔⊔ 시공현황도 시행여부는 공구에 따라 다르기 때문에 작성방법에 대해 고민할 필요가 있음

·

□ 평택-서평택 구간 시공감독
⊔⊔- 인터뷰 일시 : 2019년 10월 1일
⊔⊔- 인터뷰 장소 : 평택-서평택 현장사무소
⊔⊔- 인터뷰 내용
⊔⊔ 드론이 시공관리에 전반적으로 많은 도움이 될 것으로 예상
·

⊔⊔ 특히 부체도로나 개거/측구 등의 배수시설처럼 직접 현장 확인이 힘든 경우 드론의 효과

·

가 좋을 것으로 판단됨
⊔⊔ · 또한 시공감독이 자주 인사이동을 하므로, 드론 영상이 과거의 시공 상황을 파악하는데 많
은 도움이 될 것으로 예상됨
⊔⊔ · 토공/배수공/시설물공/부대공(방호벽 높이 등)에 많이 도움 될 것으로 예상함
⊔⊔ · 하지만 포장공의 경우, 드론의 정확도로는 대응하기 힘들기 때문에 다른 보조적인 수단을
강구해야 함

⊔⊔ · 설계도와 시공결과의 차이는 확실하게 없어질 것으로 생각됨

⊔⊔ · 3차원 설계도를 제작할 때 일부만 변환하는 게 아니라, 용지도를 포함해 가능한 많은 내용
이 담길수록 좋음

⊔⊔ · 시공업체에서 3차원 지형사진을 제작할 경우, 신뢰도 문제가 발생할 수 있음

⊔⊔ · 급하게 촬영해야 하는 경우에 대처할 수 있기 때문에 사업단에서 운영하는 것이 좋을 것
으로 사료됨

⊔⊔ · 시공업체가 시행할 경우에는 시공감독이 정확도를 확인할 수 있는 별도의 절차가 필요함

- 53 -
 □ 수도권 사업단 공사관리 과장
⊔⊔- 인터뷰 일시 : 2019년 10월 17일
⊔⊔- 인터뷰 장소 : 수도권 사업단 회의실
⊔⊔- 인터뷰 내용
⊔⊔ 설계도와 시공 결과의 일치 문제는 확실하게 해결될 것임
·

⊔⊔ 다만 3차원 도면으로 변환하는 것은 비용 및 효과 측면에서 고려해 볼 여지가 있음

·

⊔⊔ 2차원 도면만으로도 대부분(80-90%)의 시공 관리 업무에는 적용이 가능할 것으로 보임

·

⊔⊔ 기존 공구의 경우 정해진 예산에서 촬영비를 집행해야 하는데, 3차원 도면 변환 비용도 추

·

가되는 게 부담이 될 수 있음
⊔⊔ · 드론 촬영을 사업단에서 하는 것보다 시공업체에서 수행하는 것이 바람직하며, 적정한 검
증 수단이 존재해야 함
⊔⊔ · 국토정보정보원 등의 품셈으로는 드론 공정 관리에 대응하기 힘들기 때문에, 우선적으로
자체 품셈이 필요할 것으로 보임
⊔⊔ · 품셈을 작성할 때, 국토지리정보원 품셈처럼 세세한 항목으로 설정하면 적용하기가 힘들
며, 면적 및 지형 계수 정도만으로 산출할 수 있도록 간결해야만 반영할 수 있음
(예, 평지 1 km2 당 200만원, 산악지 1 km2 당 300만원 등. 지형이 섞여 있을 때는 이를
비율로 분배)
⊔⊔ · 공정률 10%까지는 6개월에 1회 촬영, 50%까지는 3개월에 1회 촬영 등의 촬영 횟수를 조절
하는 방법도 고려해야 함
⊔⊔ · 시스템 개발 시, 보안 문제를 고려해야 하며 서버-클라이언트 방식으로 구동이 되어야 함

- 54 -
라. 설문조사 과정

⊔⊔이 설문조사는 2019년 인력개발원에서 실시된 “드론활용기술 SW교육” 참가자를 대상으로 실

시되었다. 한정된 인원에 대해서만 설문조사를 한 것은 시범사업에서 촬영된 7~9월 시범사업 결
과를 직접 볼 수 있는 사람들로 한정했기 때문이다. 드론 시공관리는 일상적인 시공관리 업무와

많은 점에서 차이가 있기 때문에, 단순한 설문만으로는 드론 시공관리가 어떻게 진행될지 알 수

없으므로, 일반적인 설문조사 과정 대신 교육 참가자를 대상으로 했다.
⊔⊔먼저 교육 참가자들에게 ”고속도로 건설현장 드론활용 방안 소개”에 대해서 설명하고, 이후 설
문을 실시하였다. 설문조사는 무기명으로 실시하였으며, 총 설문조사 참여자는 15명이다. 이중에서
2명은 건설처 소속이고, 2명은 도로교통연구원 소속이며, 나머지는 모두 건설사업단 소속이다.

마. 설문 문항

⊔⊔이 설문조사는 아래의 드론 시공관리 시나리오에 대한 의견수렴 방식으로 진행되었다.

□ 공사 초기에 3차원 설계도 제작
⊔⊔- 기존 2차원 설계도(평면도, 종단면도, 횡단면도)를 변환
⊔⊔- 용지도 포함, 가능한 한 많은 자료를 포함
□ 착공측량(확인측량)시 드론 기술을 활용하여 3차원 지형사진 작성
⊔⊔- 벌개 제근 공정이 진행 된 후, 노선 설치 측량과 병행하여 실시
※ 결과를 토공량 설계 변경에 활용
□ 매월 정기적으로 드론 영상을 촬영하여 3차원 지형사진 제작
⊔⊔- 시공업체에서 드론 측량을 실시하고, 사업단에서 검증
⊔⊔- 기성현황도 작성 (3차원 설계도에 해당 월 변경 내역을 표시)
⊔⊔- 기성 검사시 기성현황도와 3차원 지형사진을 첨부자료로서 제출
※ 시공 감독은 필요시 토공량 분석, 배수 분석 등 별도의 작업을 수행할 수 있음
□ 준공시 드론을 기반으로 한 준공측량도면 작성
※ 드론 시공관리가 정상적으로 시행될 경우, 설계도를 준공측량도로 제출 가능
※ 참고로 이러한 시나리오가 정상적으로 수행되기 위해서는, 서버 개발 및 시
공 감독용 클라이언트 개발이 필요함.

- 55 -
⊔⊔설문 문항은 아래와 같이 총 8개 문항에 대해 1~5 점의 점수를 부여하는 방식으로 실시하였
다. 아울러 맨 마지막에는 기타 활용방안에 관하여 자유 기술 항을 추가하였다.

- 56 -
바. 설문 결과

⊔⊔아래는 설문결과를 정리한 표이다. 위의 설문 문항에 대하여 “매우 그렇다”로 표시한 경우 5

점, “전혀 아니다”로 표시한 경우를 1점 등으로 처리를 하고, 문항별, 설문지 별로 평균을 구했다.

표 2.8 설문조사 결과

응답자
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 평균
문항

1. 드론 시공 관리
4 4 5 3 3 2 3 4 5 4 3 2 4 2 4 3.3
가 필요한가?
2. 설계도 시공 결
4 4 5 5 5 2 3 5 4 3 4 3 3 2 4 3.6
과 일치에 도움?
3. 시공 감독의 현
4 4 4 3 5 4 3 4 5 4 4 2 3 2 5 3.7
장확인에 도움?
4. 과거 시공상황
4 4 5 5 5 5 4 3 5 4 4 1 3 1 5 3.9
파악에 도움?
5. 유지관리, 사고
4 3 3 4 4 3 4 2 5 5 3 2 4 2 2 3.4
분석시 도움?
6. 쉽게 도입 가능?
3 5 4 4 3 3 4 3 5 3 3 4 2 2 4 3.6
(예산 비고려)
7. 고 비용시에도

도입이 필요한 4 4 2 2 3 2 1 3 5 5 3 3 3 1 3 3.2

가?
8. 시공 감독 업무
5 4 4 4 5 3 3 4 5 4 4 3 4 1 5 4.1
에 도움?
전체평균 4.0 4.0 4.0 3.8 4.1 3.0 3.1 3.5 4.9 4.0 3.5 2.5 3.3 1.6 4.0 3.6

⊔⊔먼저 모든 응답자에 대한 평균을 보았을 때, 드론 시공관리 전반에 대하여 3.6점 정도로 전반

적으로 긍정 쪽에 가까운 평가를 내렸다. 특히, 매우 부정적으로 평가한 설문자 2명 (각 2.5 점 및
1.5점)을 제외할 경우, 대부분 드론 시공관리를 상당한 수준으로 긍정적으로 평가한다고 응답하였
다. 이 설문 문항 중에서 드론 시공관리가 전반적인 고속도로 관리에 도움이 되는지에 관한 내용
은 문항 1, 2, 3, 4, 5, 8 이다. 이들 문항 전체에 대한 평균은 3.7 정도로서 상당히 긍정 쪽에 가
까운 평가가 나왔다. 그중에서 높은 점수를 받은 것은 8번 항목(시공감독 업무에 도움여부)으로
서, 대부분 매우 높은 점수를 부여한 것이 눈에 띄며, 그밖에 시공결과와 설계도 일치(2번), 시공

- 57 -
감독 현장확인 용이(3번), 과거 시공상황 파악(4번)에 도움이 될 것이라고 기대를 하고 있었다.
⊔⊔도입 가능 여부에 대해서도 전반적으로 긍정적으로 응답을 하였다. 예산을 고려하지 않았을

때의 도입 필요성(3.6점)에 비해, 월 평균 1,000만원 정도의 예산을 고려할 경우의 도입 필요성이

3.2점으로 나타나, 어느 정도 낮아지기는 했으나 약간 긍정적으로 응답하였다. 참고로, 공구당 연
1.2억원이 매우 부담이 된다, 편의성이 있기는 하겠으나 반드시 적용할 필요는 없다, 정확도를 높

여서 철근배근 상태가 판단된다면 도움이 될 것이며, 인터페이스 개발이 필요하다는 등의 의견이

있었다.

2.3.2 드론영상 활용기술의 표준공종 개발

가. 드론 활용 분야별 표준공종 개발

⊔⊔고속도로 건설현장에서 업무 효율성을 높이기 위해서는 드론 영상을 활용하여 드론 활용 공종

을 개발하고 이를 규정화하는 것이 중요하다.

⊔⊔먼저, 우리 공사 업무에 드론 도입 수요를 파악하기 위하여 시공 업무, 시방서(EXCS), 공사관
리규정, 기성업무 관리업무 매뉴얼 등을 분석하고 도입가능 업무를 판단하였다. 아울러 수요부서

인터뷰와 설문조사를 거쳐 고속도로 건설 중 이루어지는 다양한 공정 중에서 드론 영상 촬영을

통해 공정의 효율 혹은 정확성을 향상시킬 수 있는 공정을 선택하고, 현장 실증 및 검증을 통하
여 우리 공사 업무에 적용가능한 드론 활용 공종을 표 2.9와 같이 개발하였다. 드론 활용 공종은

건설의 생애주기인 도로 시공(Construction)에 초점을 맞춰서 5개의 공종(공정관리, 시공관리, 안

전관리, 품질관리, 환경관리)으로 구분하였다.

표 2.9 드론 활용 분야별 공종 및 수행업무

도로생애주기 공종 수행업무

공사현장의 주기적 공정관리 DB구축(건설정보시스템),

공정관리
3D 모델의 토공량 산출에 따른 기성산출 및 관리

건설현장의 공사관리 및 설계적정성 검토, 공종별 진도관리,

시공관리
도로 시공 폐기물 불법투기 감시, 장비투입현황, 공사현장관리
(Construction)
안전관리계획서에 따른 정사영상을 활용한 안전관리,
안전관리
해빙기·풍수해·동절기 대비 드론촬영 사고요인 점검

환경관리 환경관리 보조자료로 정사영상 및 수치표면모델(DSM) 활용

용지관리 용지관리 보조자료로 정사영상 및 수치표면모델(DSM) 활용

- 58 -
⊔⊔표 2.10에서는 건설관리 업무를 원활하게 하고 표준화하기 위해 공종 코드(Code)를 부여하였
다. 공종 코드는 건설(Construction)의 영문 이니셜 두자리(CN)와 공종별로 부여된 숫자 두 자리

로 구성하였다. 그리고 도로 시공에 관련된 모든 공종들은 「공사관리규정」을 준용하였으며, 분

류된 5개 공종에 대해서 12개의 세부 항목을 배치하고 적용시기를 특정하였다.

표 2.10 드론 활용 세부 공종(적용시기 구분)

적용시기
도로생애주기 공 종
세부공종 적용코드
(Code) (Code) 착공 시공 준공 우기
단계 단계 단계 해빙

공정관리 (A) CN-01A ◎ ◎

공정관리
(01)
기성관리 (B) CN-01B ◎ ◎
토공량 산출 (A) CN-02A ◎ ◎

시공관리
비탈면 시공관리 (B) CN-02B ◎ ◎ ◎
(02)
비탈면 녹화관리 (C) CN-02C ◎ ◎

도로 시공
배수시설 시공관리 (D) CN-02D ◎ ◎ ◎
(CN)
비탈면 안전관리 (A) CN-03A ◎ ◎ ◎
안전관리
(03)
우기철 취약요인 발굴 (B) CN-03B ◎ ◎
해빙기 영향분석 (C) CN-03C ◎ ◎

환경관리
폐기물 관리 (A) CN-04A ◎
(04)
침사지 관리 (B) CN-04B ◎ ◎
용지관리
(05)
지장물 조사 (A) CN-05A ◎ ◎

- 59 -
⊔⊔표 2.11에서는 우리 공사 업무에 적용가능한 드론 활용 12개 세부 항목에 대해서 수행업무를
상세히 기술하였다.

표 2.11 드론 활용 세부공종별 수행업무

세부공종 적용코드 수행업무

공정관리 CN-01A 드론 정사영상 이용 현장관리, 공정관리

기성관리 CN-01B 드론영상 활용 토공량 산출 및 기성관리

토공량 산출 CN-02A 땅깍기량 산출, 흙쌓기량 산출

절성토법면 경사도 점검, 절토부 세굴상태,

비탈면 시공관리 CN-02B
상단라운딩 점검, 성토부 다짐상태 육안점검 등

비탈면 보호공 시공상태 점검, 녹화면적 산출,

비탈면 녹화관리 CN-02C
녹화누락지조사, 녹화 발아율 점검

배수시설 성토구간 다이크·도수로 점검, 집수정·배수관(노출시) 시공점검,

CN-02D
시공관리 절토구간 집수정·L형측구 시공점검, 산마루측구 및 소단측구 점검

비탈면 안전관리 CN-03A 흙깎기 및 흙쌓기 비탈사면 안전관리

우기철
CN-03B 우기철, 장마철 건설현장 취약요인 발굴
취약요인 발굴

해빙기 영향분석 CN-03C 봄철 해빙기 지반 변동 및 영향 분석

폐기물 관리 CN-04A 현장적치 폐기물 관리

침사지 관리 CN-04B 현장 침사지 상태파악 및 우기철 관리

지장물 조사 CN-05A 창고·비닐하우스 등 시설물 조사, 농작물,수목 등 조사

- 60 -
⊔⊔표 2.12에서는 분류된 5개 공종에 대한 드론 요구기능을 분석하였다. 여기서 드론 요구기능은
드론의 기본적인 산출물로써 개별사진, 정사영상, 3차원 모델로 구분한다.

표 2.12 공종별 드론 요구기능 분석

드론요구기능
도로생애주기 공종 기체구분 기타
개별사진 정사영상 3D 모델

공정관리 고정익 ◎ ◎
도로 시공
시공관리 고정익 ◎ ◎
(Construction) 안전관리 회전익 ◎ ◎
환경관리 회전익 ◎ ◎ ◎
용지관리 고정익 ◎ ◎

⊔⊔드론의 기본적인 산출물로써 업무에 활용 가능한 요구기능은 개별사진, 정사영상, 3차원 모

델, 동영상으로 구분하며 정의는 다음과 같다.

⊔⊔- 개별사진 : 드론에 의하여 촬영된 낱장사진, 대상물체의 상태를 확인하기 위하여 개별사진을
이용할 수 있음.

<촬영지역내의 개별사진> <개별사진의 중복>

그림 2.69 개별사진의 촬영과 중복

- 61 -
⊔⊔- 정사영상(orthophoto) : 정사투영이 이루어진 영상을 말하며 드론에 의하여 촬영된 영상에서
비고와 경사 등으로 인해 생긴 기하학적인 왜곡을 보정하여, 물체를 수직으로 볼 때의 모습

으로 변환한 영상.

<평택-서평택(1차 촬영)> <평택-서평택(3차 촬영)>

그림 2.70 정사영상

⊔⊔- 3차원 모델 : 드론에서 촬영한 사진의 중복 입체시에 의하여 만들어진 지형의 3차원 모델 또
는 라이다 센서에 의하여 획득된 지형의 3차원모델로서 DSM 또는 DEM을 활용하여 생성.

⊔⊔- 동영상 : 드론에 소형 VCR을 장착하여 대상지역뿐만 아니라 인접지역을 포함하여 보다 넓게

동영상으로 촬영한 것을 말함.

⊔⊔- DSM : 수치표면모델은 수치표면자료에 의하여 형성된다. 수치 표면자료는 원시자료를 기준

점을 이용하여 기준좌표계에 의한 3차원 좌표로 조정한 자료로서 지면과 지표의 피복물에 대
한 점군자료를 말함. DSM과 DEM과의 차이점은 DEM은 지표면의 격자 표고 모델인 반면에
DSM은 지 표면위에 나무, 건물 등의 지형지물이 그대로 있는 상태의 격자 표고모델임.

DSM DEM

그림 2.71 DSM과 DEM

- 62 -
나. 건설현장 드론 활용 공종별 작업 가이드라인

⊔⊔우리 공사 업무에 적용가능한 드론 활용 공종에 대해서 표 2.10에서 소개하였고, 개발된 공종

을 원활하고 쉽게 활용하기 위해서 아래와 같이 작업 가이드라인를 작성하였다. 작업 가이드라인

은 드론을 적용하는 공종별로 기종, 센서, 요구자료, 작업 방법 등에 대해서 기술하였으며, 양식의

세부 내용은 다음과 같다.

표 2.13 표준공종 작업 가이드라인 양식

공종 코드 공종

아웃소싱
기종형태 고정익/회전익 작업형태 자체수행
외주사업포함

센서 및 성능
GSD / 중복도

일반지역 ( )일 (촬영허가 7일+표준작업일수)

총소요일수 비행금지구역 ( )일 (촬영허가 15일+표준작업일수)
군부대지역 ( )일 (촬영허가 30일+표준작업일수)

요구자료 개별사진, 정사영상, 3차원모델, 동영상

수행업무

기타

예시사진

- 63 -
⊔⊔1) 공종 코드, 공종 : 작업 가이드라인에 적용하는 대상 공종을 말한다.

⊔⊔2) 기종 형태 : 고정익 / 회전익

- 고정익 : 일반 비행기와 같은 행태의 드론을 사용하는 기체로서, 비교적 평탄한 넓은 지역을
촬영할 때 유리함. 수직이착륙기인 VTOL(Vertical Take Off and Landing)은 고정익에 포함됨.

- 회전익 : 상방향의 4개 이상의 프로펠러를 사용하는 기체로서, 속도는 느리지만 복잡한 기동

이 가능함.

⊔⊔3) 작업형태 : 아웃소싱 / 자체수행 / 외주사업 포함

- 아웃소싱 : 전문업체에 용역발주를 통하여 사업을 수행하는 형태로써 보안을 요구하지 않는
대부분의 작업이 이에 해당한다.
- 자체수행 : 본사 또는 건설사업단별로 운용되는 가칭 ‘드론 전문인력’에 의하여 직접 수행되
며 보안이 요구되는 업무 등에 필요한 작업형태이다.
- 외주사업 포함 : 사업수행자가 기성 보고 등에 ‘드론 성과물’을 포함하여 보고할 수 있도록

사업에 미리 포함시켜놓는 작업형태이다.

⊔⊔4) 센서 및 성능 : 현재 드론에 사용되는 디지털카메라, GPS, IMU 장비는 대부분 성능이 유사

하며, RTK 등을 사용하면 지상기준점을 줄이면서도 정확도를 유지할 수 있다.

⊔⊔5) 해상도(GSD, Ground Sample Distance)는 드론사진측량에서 가장 중요한 설정요소로서, 비

행고도와 깊은 관련이 있음. 대부분의 경우 고도를 낮추면 GSD와 정확도를 올릴 수 있음.
드론 사진측량은 대부분 종중복도 80%, 횡중복도 60%를 표준으로 작업한다.

⊔⊔6) 요구자료 : 드론 사진측량으로 생산할 수 있는 자료는 단사진, 동영상, 정사영상, 3차원 표

고모델, 3차원 표면모델, 3차원 모델 등 여러 가지가 있으나, 가장 기본적인 자료는 정사영
상 및 3차원 표고모델, 3차원 표면모델임. 3차원 표고모델(DEM)은 지상의 자연/인공 지형

지물을 제거한, 순수한 지형을 3차원 격자로 표현한 모델이며, 3차원 표면모델(DSM)은 자
연/인공 지형지물이 포함된 3차원 격자모델임.

⊔⊔드론을 적용하는 공종에 대해 표 2.14부터 표 2.25까지 각각 작업 가이드라인을 기술하였다.

- 64 -
 표 2.14 공정관리(CN-01A) 작업 가이드라인

공종 코드 CN-01A 공종 공정관리

기종형태 고정익 작업형태 외주사업포함

디지털카메라 (성능 : 20MP 이상)+ GPS + IMU

센서 및 성능
GSD = 5cm급 이내 / 중복도 P=80%, Q=60%

일반지역 12일 (촬영허가 7일+표준작업일수 5일)

총소요일수 비행금지구역 20일 (촬영허가 15일+표준작업일수 5일)
군부대지역 35일 (촬영허가 30일+표준작업일수 5일)

정사영상
요구기능
3차원모델

정사영상과 3D지형모델로 도로공사현장의 주기적 공정관리

수행업무
DB구축(건설정보시스템), 설계BIM과 3차원모델을 중첩한 공정관리

3차원모델과 설계도를 중첩하여 현황파악 / 공정율 산정

기타
정밀 시공 및 설계변경의 검토 자료로 활용, 향후 계획 수립

예시사진

- 65 -
 표 2.15 기성관리(CN-01B) 작업 가이드라인

공종 코드 CN-01B 공종 기성관리

기종형태 고정익 작업형태 외주사업포함

디지털카메라 (성능 : 20MP 이상)+ GPS + IMU

센서 및 성능
GSD = 5cm급 이내 / 중복도 P=80%, Q=60%

일반지역 12일 (촬영허가 7일+표준작업일수 5일)

총소요일수 비행금지구역 20일 (촬영허가 15일+표준작업일수 5일)
군부대지역 35일 (촬영허가 30일+표준작업일수 5일)

정사영상
요구기능
3차원모델

수행업무 3차원모델의 토공량 산출에 따른 기성산출 및 관리

3D 모델을 통한 기성 확인(공사내용 검토, 물량산출 등)

기타
위치별 관련서류 중첩으로 기성 검토의 효율화

예시사진

- 66 -
 표 2.16 토공량 산출(CN-02A) 작업 가이드라인

공종 코드 CN-02A 공종 토공량 산출

기종형태 고정익 작업형태 외주사업포함

디지털카메라 (성능 : 20MP 이상)+ GPS + IMU

센서 및 성능
GSD = 5cm급 이내 / 중복도 P=80%, Q=60%

일반지역 12일 (촬영허가 7일+표준작업일수 5일)

총소요일수 비행금지구역 20일 (촬영허가 15일+표준작업일수 5일)
군부대지역 35일 (촬영허가 30일+표준작업일수 5일)

정사영상
요구기능
3차원모델

수행업무 땅깍기량 산출, 흙쌓기량 산출

월별, 분기별 토공물량의 빠르고 정확한 산출 가능

기타
위치별 표고 비교 및 절성토 위치 파악 가능

예시사진

- 67 -
 표 2.17 비탈면 시공관리(CN-02B) 작업 가이드라인

공종 코드 CN-02B 공종 비탈면 시공관리

기종형태 고정익 작업형태 외주사업포함

디지털카메라 (성능 : 20MP 이상)+ GPS + IMU

센서 및 성능
GSD = 5cm급 이내 / 중복도 P=80%, Q=60%

일반지역 12일 (촬영허가 7일+표준작업일수 5일)

총소요일수 비행금지구역 20일 (촬영허가 15일+표준작업일수 5일)
군부대지역 35일 (촬영허가 30일+표준작업일수 5일)

정사영상
요구기능
3차원모델

절성토법면 경사도 점검, 절토부 세굴상태, 상단라운딩 점검

수행업무
성토부 다짐상태 육안점검 등

비탈면 시공상태를 쉽게 파악하고 위험도 측정 가능

기타
산마루 측구 등 확인이 어려운 위치의 시공 점검 가능

예시사진

- 68 -
 표 2.18 비탈면 녹화관리(CN-02C) 작업 가이드라인

공종 코드 CN-02C 공종 비탈면 녹화관리

기종형태 고정익 작업형태 외주사업포함

디지털카메라 (성능 : 20MP 이상)+ GPS + IMU

센서 및 성능
GSD = 5cm급 이내 / 중복도 P=80%, Q=60%

일반지역 12일 (촬영허가 7일+표준작업일수 5일)

총소요일수 비행금지구역 20일 (촬영허가 15일+표준작업일수 5일)
군부대지역 35일 (촬영허가 30일+표준작업일수 5일)

정사영상
요구기능
3차원모델

비탈면 보호공 시공상태 점검, 녹화면적 산출, 녹화누락지 조사,

수행업무
녹화 발아율 점검

녹화 상태를 파악하여 후속조치 및 재시공 자료로 제공

기타
법면 정식 수목의 수량 확인으로 정량 시공 파악

예시사진

- 69 -
 표 2.19 배수시설 시공관리(CN-02D) 작업 가이드라인

공종 코드 CN-02D 공종 배수시설 시공관리

기종형태 고정익 작업형태 외주사업포함

디지털카메라 (성능 : 20MP 이상)+ GPS + IMU

센서 및 성능
GSD = 5cm급 이내 / 중복도 P=80%, Q=60%

일반지역 12일 (촬영허가 7일+표준작업일수 5일)

총소요일수 비행금지구역 20일 (촬영허가 15일+표준작업일수 5일)
군부대지역 35일 (촬영허가 30일+표준작업일수 5일)

정사영상
요구기능
3차원모델

성토구간 다이크·도수로 점검, 절토구간 집수정·L형측구 시공점검,

수행업무
산마루측구 및 소단측구 점검, 집수정·배수관(노출시) 시공점검

시계열 영상을 통한 시공 모니터링, 과거 시공정보 확인

기타
길이 및 폭 측정 가능, 설계에 없는 임시 배수시설 관리

예시사진

- 70 -
 표 2.20 비탈면 안전관리(CN-03A) 작업 가이드라인

공종 코드 CN-03A 공종 비탈면 안전관리

아웃소싱
기종형태 회전익 작업형태
외주사업포함

디지털카메라 (성능 : 20MP 이상)+ GPS + IMU

센서 및 성능
GSD = 5cm급 이내 / 중복도 P=80%, Q=60%

일반지역 10일 (촬영허가 7일+표준작업일수 3일)

총소요일수 비행금지구역 18일 (촬영허가 15일+표준작업일수 3일)
군부대지역 33일 (촬영허가 30일+표준작업일수 3일)

정사영상
요구기능
개별사진

수행업무 정사영상과 개별사진을 활용한 흙깎기 및 흙쌓기 비탈사면 안전관리

간단한 모델 비교로 정량적 안전진단, 변위 탐지 가능

기타
상시 모델을 통한 측정과 분석으로 정량적 안전관리 가능

예시사진

- 71 -
 표 2.21 우기철 취약요인 발굴(CN-03B) 작업 가이드라인

공종 코드 CN-03B 공종 우기철 취약요인 발굴

아웃소싱
기종형태 회전익 작업형태
외주사업포함

디지털카메라 (성능 : 20MP 이상)+ GPS + IMU

센서 및 성능
GSD = 5cm급 이내 / 중복도 P=80%, Q=60%

일반지역 10일 (촬영허가 7일+표준작업일수 3일)

총소요일수 비행금지구역 18일 (촬영허가 15일+표준작업일수 3일)
군부대지역 33일 (촬영허가 30일+표준작업일수 3일)

정사영상
요구기능
개별사진

수행업무 정사영상과 개별사진을 활용한 우기철, 장마철 건설현장 취약요인 발굴

배수 범위, 배수시설 검토로 위험지역 발굴

기타
위험지역 사전조치로 안전사고 예방

예시사진

- 72 -
 표 2.22 해빙기 영향분석(CN-03C) 작업 가이드라인

공종 코드 CN-03C 공종 해빙기 영향분석

아웃소싱
기종형태 회전익 작업형태
외주사업포함

디지털카메라 (성능 : 20MP 이상)+ GPS + IMU

센서 및 성능
GSD = 5cm급 이내 / 중복도 P=80%, Q=60%

일반지역 10일 (촬영허가 7일+표준작업일수 3일)

총소요일수 비행금지구역 18일 (촬영허가 15일+표준작업일수 3일)
군부대지역 33일 (촬영허가 30일+표준작업일수 3일)

정사영상
요구기능
개별사진

수행업무 정사영상과 개별사진을 활용한 봄철 해빙기 지반 변동 및 영향 분석

해빙기 전ㆍ후 모델 비교를 통한 영향 분석

기타
영향분석을 통한 품질확보 조치 시행

예시사진

<출처: 안전보건공단>

- 73 -
 표 2.23 폐기물 관리(CN-04A) 작업 가이드라인

공종 코드 CN-04A 공종 폐기물 관리

아웃소싱
기종형태 회전익 작업형태
외주사업포함

디지털카메라 (성능 : 20MP 이상)+ GPS + IMU

센서 및 성능
GSD = 5cm급 이내 / 중복도 P=80%, Q=60%

일반지역 10일 (촬영허가 7일+표준작업일수 3일)

총소요일수 비행금지구역 18일 (촬영허가 15일+표준작업일수 3일)
군부대지역 33일 (촬영허가 30일+표준작업일수 3일)

정사영상
요구기능
개별사진

수행업무 정사영상과 개별사진을 이용한 현장적치 폐기물 관리

폐기물 집하량 관리 및 처리 물량 산정
기타
공사구역 내 불법 폐기물에 대한 관리 가능

예시사진

- 74 -
 표 2.24 침사지 관리(CN-04B) 작업 가이드라인

공종 코드 CN-04B 공종 침사지 관리

아웃소싱
기종형태 회전익 작업형태
외주사업포함

디지털카메라 (성능 : 20MP 이상)+ GPS + IMU

센서 및 성능
GSD = 5cm급 이내 / 중복도 P=80%, Q=60%

일반지역 10일 (촬영허가 7일+표준작업일수 3일)

총소요일수 비행금지구역 18일 (촬영허가 15일+표준작업일수 3일)
군부대지역 33일 (촬영허가 30일+표준작업일수 3일)

정사영상
요구기능
개별사진

정사영상과 개별사진을 이용한 침사지 관리 및 상태 파악,

수행업무
우기철 관리

기타 침사지의 집수능력에 대한 적합여부 판단

예시사진

- 75 -
 표 2.25 지장물 조사(CN-05A) 작업 가이드라인

공종 코드 CN-05A 공종 지장물 조사

아웃소싱
기종형태 고정익 작업형태
외주사업포함

디지털카메라 (성능 : 20MP 이상)+ GPS + IMU

센서 및 성능
GSD = 5cm급 이내 / 중복도 P=80%, Q=60%

일반지역 12일 (촬영허가 7일+표준작업일수 5일)

총소요일수 비행금지구역 20일 (촬영허가 15일+표준작업일수 5일)
군부대지역 35일 (촬영허가 30일+표준작업일수 5일)

정사영상
요구기능
3차원모델

수행업무 공사구역내 창고·비닐하우스 등 시설물 조사, 농작물,수목 등 조사

지장물의 보상여부 검토 및 주민설명 자료로 활용

기타
이설/철거 계획 수립 및 지장물 이력관리(무연고 지장물)

예시사진

- 76 -


제 3 장 대규모 작업현장 및 취약구간의 관리강화를 위한 시범사업




3.1 건설현장 드론영상 활용 시범사업 및 사례 확대

3.1.1 기술별 개발수준에 따른 시범대상 추진

가. 시범대상지 선정

⊔⊔기술별 개발수준에 따른 시범대상 추진을 위해 6단계의 과정을 세분화하였으며 기술 수준과

관련 규정을 토대로 시범사업을 추진하였다. 추진 방법은 고속도로 건설현장에 맞추어 현장여건
을 수렴하여 진행되도록 하였다.

그림 3.1 기술별 개발수준에 따른 시범대상 추진 과정

- 77 -
⊔⊔건설현장 드론활용 표준공종의 시범적용과 고속도로 건설과정의 드론 적용을 위하여 대상지 3
곳을 선정하였으며, 공사가 마무리되는 준공현장 1곳과 시공현장 2곳을 선정하였다.

그림 3.2 대상지 선정 현황

⊔⊔준공현장인 서해안선(평택-서평택 구간)은 시공에 이어 준공된 현장을 유지관리부서로 이관하

는 과정에서 필요한 자료를 드론을 통해 얻기 위해 선정하였다.
⊔⊔시공현장인 경부선직선화 구간과 강진-광주선(2공구)은 토공 공사가 활발하게 이루어지는 동시
에 절토공사와 성토공사가 동시에 이루어지는 현장으로 총연장 1.8km를 사업단의 추천을 통해
선정하였으며, 기성관리에서 드론영상의 활용성을 연구하기 위하여 선정하였다.

나. 적용 드론 및 소프트웨어 선정

⊔⊔대규모 작업현장 및 취약구간의 시범사업에 적용하기 위한 드론은 업무의 형태에 맞춰 정밀한

영상정보 획득과 편리한 모니터링이 가능하며, 운용이 쉽고 안전성이 확보된 드론을 선정하고자
하였으며 이러한 조건에 가장 적합한 드론을 선정하여 연구를 수행하고자 한다.
⊔⊔선정된 대상지의 정확한 정보를 얻기 위해서 준공현장의 경우 경사 촬영, 정사 촬영, 격자 촬
영이 동시에 이루어질 수 있는 고정익 드론인 ‘eBee X’와 고해상도의 카메라를 선정하였으며, 시
공구간의 경우 1차년도에 20회 이상의 비행에도 무사고로 안전성을 인증한 고정익 드론인 ‘eBee
plus’로 선정하였다. ‘eBee plus’는 안전한 면도 있지만, 1차년도 성과와 데이터의 비교를 위해 동

일한 기종을 선택하여 장비에 대한 변수를 줄이기 위함이다.

- 78 -
⊔⊔또한, 드론촬영을 위해 현장답사 시 공사 구간에 접근하지 않고 현장을 쉽게 확인할 수 있으
며, 요구성과물인 동영상 촬영과 폐색지역의 근접촬영 및 POI촬영을 진행하기 위해 회전익 드론

인 ‘Phantom4 PRO’를 선정하였다.

그림 3.3 적용 드론 종류 및 제원

⊔⊔고정익 드론인 eBee Plus는 무게 1.1kg, 길이 110cm로 최대 비행시간 59분, 비행속도 초당

10~16m의 사양을 지니고 있고 eBee X는 무게 1.1kg(탑재 카메라에 따라 약간 다름), 길이 116cm
로 최대 비행시간 90분의 장시간 비행이 가능하며 높은 해상도의 카메라가 장착할 수 있다. 두

고정익 드론은 이착륙은 수동이륙과 자동착륙 방식이며 비행형식은 프로그램을 통해 사전에 생성

된 경로 정보를 바탕으로 한 자동경로비행을 가지고 있다.
⊔⊔두 고정익 드론은 다양한 위치정확도 보정 기능을 탑재 및 지원하고 있다. 실시간 RTK 방식
과 후처리 방식(PPK), VRS 방식 등을 지원하며 이를 통해 지상 기준점을 설치하지 않거나 설치
를 최소화하여 촬영의 신속성과 편의성을 증대시킬 수 있다는 장점이 있다. 또한 두 고정익 드론
에는 풍속계 센서와 그라운드 센서가 장착되어 있어 비행 중 강한 풍속(12m/s 이상)이 발생할 시

자동 복귀가 가능하고 비행 중 장애물감지 시 자동 고도 상승을 통해 장애물 회피가 가능하며 내

구성 이상 감지, 카메라 오작동, GNSS 신호 약화 등의 돌발상황에 대한 이상 유무를 자동으로
감지하여 지정 위치 복귀를 수행함으로써 안전한 촬영에 최적화된 기체라고 할 수 있다.

⊔⊔회전익 드론인 Phantom4 pro는 무게 1.38kg, 길이 35cm로 최대 비행시간은 30분, 비행속도 초

당 0~12m의 사양을 지니고 있다. 이착륙은 자동 방식이며 자동경로비행 및 수동경로비행 형식을
가지고 있으며, 카메라 해상도는 20MP이다. 회전익 드론은 좁은 공간에서의 이착륙이 가능하여

- 79 -
상대적으로 비행이 용이하며, 이를 바탕으로 현장답사, 현황파악, 동영상 촬영 등 이동이 빈번하
게 발생하는 조건에서 운용하기 적합하다고 할 수 있다.

그림 3.4 적용 소프트웨어 종류 및 제원

⊔⊔안전한 드론촬영을 수행하기 위해 자동경로비행과 안전 회항 기능이 탑재된 소프트웨어로는

eMotion를 사용하고, 촬영된 영상을 통해 성과를 도출하기 위하여 ‘Pix4D mapper’, ‘Context
Capture’, ‘Virtual Surveyor’를 사용하였다.
⊔⊔eMotion는 SenseFly사의 고정익 드론 비행에 사용하는 소프트웨어로써 실제 현장 비행에 앞서
시뮬레이션을 통해 예상 비행시간과 예상 촬영매수 등을 알아볼 수 있다. 실제 비행 시에는 드론
제어에 사용되며 이착륙지 설정 및 비행 범위 설정을 통해 비행 계획을 수립하고 위성영상을 배
경지도로 사용함으로써 해당 지역에 대한 정보를 취득할 수 있다. 또한, 드론 비행 시 드론의 위
치 정보 및 기체 온도 등을 실시간으로 전송해줌으로써 정확하고 안전한 비행을 수행할 수 있게
한다.
⊔⊔Pix4D Mapper는 현재 드론 영상처리 분야에서 시장을 주도하고 있는 소프트웨어로서 타 프로
그램과 비교하여 볼 때 간결한 인터페이스를 제공하고 있다. 또한, 다양한 시각정보 및 출력형식
(동영상 및 CAD 등)을 지원하며 특히 정사영상과 DSM, 포인트 클라우드, 3D 매쉬 등을 결과물
로 생성함으로써 다양한 분야와 프로그램에서 데이터를 활용할 수 있게 해준다는 장점이 있다.
측량, 건설, 농업과 부동산 분야에 각각의 특화된 서비스를 제공하며 활용 분야를 넓히고 있다.
Context Capture는 3D모델링을 위한 전문적인 프로그램으로 간편한 3D모델 제작과 다양한 프
로그램과 연동할 수 있도록 인터페이스를 제공하고 있다. 촬영 영상을 기반으로 정사면, 측면, 하

- 80 -
부면 등 실감적인 3D모델을 생성하며, 이동체의 자동제거 기능과 잘못 표현된 3D모델의 편집이
쉽게 이루어질 수 있도록 연계되는 프로그램이 다양하며, 프로젝트 간 통합 및 분리가 자유롭게

이뤄져, 3D모델을 다양하게 활용할 수 있다.

⊔⊔Virtual Surveyor는 3D 지형모델 활용에 특화된 소프트웨어로 타 소프트웨어에서 생성된 3D
지형모델 시각화 및 편집에 사용된다. 삼각망 기능을 통해 지형지물을 편집할 수 있고, 포인트,

폴리 라인, 폴리 곤 생성 기능을 통해 해당 지점의 높이, 길이, 체적량 등을 측정할 수 있다. 또

한, CAD의 dxf, dwg 포맷 등 다양한 파일 포맷을 지원하여 수치지형도, 설계도 등 각종 주제도
를 3D 지형모델에 중첩함으로써 3D 시각화 등을 수행할 수 있다.

다. 촬영 계획 수립 및 현장 답사

그림 3.5 강진-광주 촬영계획 수립 과정

⊔⊔촬영계획수립은 얻고자 하는 성과물이 잘 도출될 수 있도록 고품질의 현장자료를 얻을 수 있

도록 계획하는 단계로 촬영구역 설정, 공사기준점 확인, 이착륙지와 비상착륙지 선점, 지상 기준
점 선점, 비행경로 설정 등을 진행한다.
⊔⊔사업단에서 제공받은 설계도를 위성영상에 중첩하여 위치를 확인하였고, 설계도의 외곽선을

기준으로 50m의 간격을 설정하여 촬영구역을 설정하였다. 처음에는 도로 중심선을 기준으로

400~500m 폭으로 촬영구역을 설정하였으나 불필요한 구역이 많이 촬영되고 촬영단가 측면에서
비효율적인 부분이 많이 발생하여 공사 외곽선에서 간격을 설정하여 불필요한 촬영구역을 제거하

였다.
⊔⊔촬영구역이 선정되면 촬영구역 내 위치한 공사기준점, 수준점, 통합기준점의 위치와 점의 조서
- 81 -
를 확인하여 지상 기준점 및 검사점 측량에 활용할 수 있도록 하였고, 현장답사를 수행하기 전
위성영상, 로드뷰, 항공뷰를 통해 간접적인 현장 상황을 파악한다.

⊔⊔현장답사에서는 촬영계획단계에서 수립된 내용을 직접 현장방문을 통해 확인하였으며, 중점

확인사항은 촬영대상지의 비행제한요소(고층빌딩, 전파방해요소, 비행장애요소 등), 드론의 안전에
문제가 되는 요인, 이착륙지 및 비상착륙지 점검, 공사기준점 및 통합/수준점 점검, 지상기준점

배치 위치 확인, 현장 상황파악을 통해 드론촬영이 잘 이뤄질 수 있도록 점검을 수행하였다.

그림 3.6 현장답사 확인사항

⊔⊔현장답사 결과를 토대로 촬영계획을 수정하고, 지상 기준점과 검사점의 배치를 수정하였고, 지

상측량 계획을 수립하였으며, 이착륙지와 비상착륙지를 토대로 비행경로 및 드론 촬영 세부사항
을 수립하였다.

- 82 -
 그림 3.7 드론 촬영계획 수립 결과

⊔⊔촬영계획 수립 결과를 비행제어 프로그램에 입력하여 현장에서 별도의 설정이 필요 없도록 하

였으며, 착수보고에서 자문의견으로 제시된 촬영 방향에 따른 성과 비교를 위해 종방향 촬영과
횡방향 촬영방식으로 촬영계획을 수립하였다.

라. 촬영 허가 및 비행 승인

⊔⊔드론 촬영을 위한 항공사진 촬영허가신청 및 비행 승인신청의 경우에는 One-stop 민원서비스

(http://www.onestop.go.kr/drone)에서 신청하고 항공사진 촬영허가는 국방부, 비행승인은 비행

지역에 따라 수도방위사령부와 지방항공청, 군사공항 등에서 승인을 진행한다. 우리나라의 공역은

관제공역, 비 관제공역, 주의공역으로 분류되며 허가신청 절차 시 주로 해당하는 공역은 관제권,
비행 금지구역, 비행 제한구역, 초경량비행장치 비행 제한구역, 군 작전구역으로 구분된다.

⊔⊔촬영대상지인 평택-서평택 구간과 강진-광주 구간은 모두 일반지역에 해당하여 촬영허가만 진

행하였다. 항공사진 촬영허가는 7일의 기간이 소요되며 촬영 대상, 일시, 목적, 촬영자 인적사항
등을 명시한 항공사진 촬영허가신청서를 제출하여야 하고, 촬영허가 기간은 최장 1개월까지 가능

하다.

- 83 -
 그림 3.8 항공사진 촬영허가 신청서
(좌 : 강진-광주 구간, 우 : 평택-서평택 구간)

마. 공간정보 획득

그림 3.9 평면기준점 측량 장비 정보(SOKKIA GRX2)

⊔⊔공간정보 획득과정에서는 지상 기준점 측량과 드론 촬영 자료를 얻는 과정이며, 성과도출에

큰 영향을 미치는 자료이다. 공간정보 획득과정은 ‘무인비행장치 이용 공공측량 작업지침’에 준하
여 수행하였다. 지상 기준점 매설은 위치의 변화가 발생하지 않는 도로 또는 암석 구조물에 위치
를 표시하여 사용하였고, 차선의 모서리 부분의 지형지물도 활용하였다. 지상 기준점 측량은 평면
기준점 측량과 표고 기준점 측량으로 나눠 진행하였고, 평면기준점 측량에는 성과를 인정받을 수
있는 GNSS 장비를 이용하였고, 표고 기준점 측량은 자동레벨을 이용하여 직접 수준 측량을 수행
하였다. 평면기준점 측량에는 정밀 위치 측량 장비(SOKKIA GRX2)를 사용하였으며 공사기준점
측량을 선행하여 오차를 확인하고 각 기준점을 3회 측량하여 평균함으로써 장비의 오차를 최소화
하여 측량하였다.

- 84 -
 그림 3.10 표고 기준점 측량 장비 정보(Leica Sprinter 150)

⊔⊔표고 기준점 측량에는 정밀 수준 측량 장비(Leica Sprinter 150)를 사용하였으며, 수준점과 공

사기준점을 포함하여 수준 측량하였으며, 공사기준점의 점의조서와 수준측량성과를 비교하여 지
상기준점의 수준 측정 과정의 오차가 발생하였는지 재검토하였다.
⊔⊔준공현장의 기준점은 1차년도의 기준점이 모두 유지되어 있어 그대로 사용하였으며, 시공현장
인 강진-광주 구간만 수행하였다.

표 3.1 시범대상지 지상 기준점 측량 성과(GRS 80)

구 분 명칭 X(m) Y(m) Z(m)

GCP_01 176168.668 242968.826 52.382

GCP_02 176502.657 242977.317 50.616

GCP_03 176354.447 242563.505 53.724

GCP_04 176206.723 242521.202 58.435

GCP_05 176240.962 242158.519 70.086

GCP_06 176377.472 242139.595 60.895

강진- GCP_07 176294.477 241531.150 81.694

광주
구간 GCP_08 176418.952 241668.432 73.298

GCP_09 176288.34 241305.975 90.085

GCP_10 176390.588 241419.308 86.114

CP_01 176453.147 242734.087 51.816

CP_02 176366.114 242351.056 55.919

CP_03 176272.714 241785.720 76.533

CP_04 176354.677 241509.119 81.061

- 85 -
 그림 3.11 평택-서평택 구간 촬영 경로

⊔⊔드론촬영은 각 현장의 성과물에 맞춰 비행고도, 방향, 중복도, 카메라의 종류 등을 선택하여

수행하였다.

표 3.2 대상지 드론 촬영 성과

구 분 비행횟수 총 비행시간 사진매수 비고

1차 1회 57분 731매

2차 1회 65분 698매
평택-
서평택 3차 1회 60분 747매
구간
4차 8회 605분 2,365매 경사 촬영

추가 8회 156분 1,651매 POI, 회전익

경부선 1차 1회 115분 1,330매

직선화
구간 2차 1회 103분 1,439매

1차 3회 67분 884매
강진-
광주 2차 2회 42분 414매 종/횡 촬영
구간
3차 1회 36분 393매

⊔⊔준공현장인 평택-서평택 구간은 부선직선화 구간은 총 5번의 촬영이 진행되었으며, 특히 이 구

간은 정확한 3D모델 표현을 위해 높이가 다른 두 고도에서 촬영하였으며, 드론의 비행 방향을 8
방향으로 설정하였고 카메라의 방향이 정사 방향과 좌우 30°로 촬영할 수 있도록 설정하여 드론
촬영을 실시하였다. 준공현장의 실감 3D모델 제작의 경우 위와 같은 방법으로 촬영하였음에도 불
구하고 두께가 얇고 음영지역이 많이 발생하는 구조물의 경우 영상처리가 이뤄지지 않는 현상이
발생하였으며, 음영지역 및 영상 미처리 구간에 대해서 추가 촬영하였다. 추가 촬영은 회전익 드

- 86 -
론을 이용하여 영상처리가 이뤄지지 않은 방음벽, 안내표지판을 중점으로 촬영을 진행하였다.
⊔⊔경부선직선화 구간은 총 2번의 촬영이 진행되었으며, 1차 촬영의 경우에는 기본 촬영계획도를
기반으로 촬영을 수행하였고, 2차 촬영의 경우에는 성과심사기준 촬영계획도를 기반으로 촬영을
수행하였다. 1차 촬영은 총 1회 비행을 통해 드론촬영을 수행하였고, 촬영결과로는 비행시간 115
분, 사진매수로는 1,330매로 나타났다. 2차 촬영은 총 1회 비행을 통해 드론촬영을 수행하였고, 촬

영결과로는 비행시간 103분, 사진매수로는 1,439매로 나타났다.

⊔⊔시공현장인 강진-광주 구간은 1차 촬영시 촬영 방향에 따른 결과비교를 위해 종방향과 횡방향
으로 나눠 촬영하였으며, 2차 촬영과 3차 촬영은 영상처리 성과가 좋은 횡방향 촬영으로 진행하

였다. 1차 촬영은 총 3회 비행을 통해 드론촬영을 수행하였고, 촬영결과로는 총비행시간 67분, 1

회당 평균 비행시간 22분, 사진매수는 종방향이 476매, 횡방향이 408매로 나타났다. 2차 촬영은
총 2회 비행을 통해 드론촬영을 수행하였고, 촬영결과로는 총 비행시간 42분, 1회당 평균 비행시
간은 21분, 사진매수는 414매로 나타났다. 3차 촬영은 총 1회 비행을 통해 드론촬영을 수행하였
고, 촬영결과로는 총비행시간 36분, 사진매수는 393매로 나타났다. 2차 촬영과 3차 촬영의 횟수가
다르게 나타나는 이유로는 3차 촬영시 기상조건(풍속)이 더 좋았으며, 성능이 좋은 배터리를 사용
하여 1회 비행으로 모든 지역을 촬영할 수 있었다.

바. 성과 도출

⊔⊔획득한 공간정보 자료는 영상처리 과정을 거쳐 활용할 수 있는 성과로 도출하였다. 먼저 준공

현장의 자료는 정밀한 3D모델을 생성하기 위한 목적으로 촬영하였으므로 ‘Context Capture’소프
트웨어를 이용하여 정밀한 3D모델 제작에 초점을 맞춰 진행하였고, 시공현장의 자료는 현장에서
쉽게 활용할 수 있고 간편하게 제작할 수 있는 ‘pix4D mapper’를 이용하여 정사영상과 DSM을
제작하고 ‘Virtual Surveyor’를 이용하여 3D모델 및 다양한 성과 중첩을 진행하여 성과를 도출하
였다.
⊔⊔평택-서평택 구간은 정밀한 3D모델을 생성하여 완공상태를 확인하고 기록하기 위하여 3D 형
태의 성과물로 도출되었으며, 수직벽면과 시설물이 표현될 수 있도록 영상처리가 되었으며, 운행
중인 차량을 모두 자동 제거하여 차량에 의해 가려지는 부분이 없도록 하였다.

- 87 -
 그림 3.12 평택-서평택 구간 성과

⊔⊔강진-광주 구간은 영상처리를 통해 정사영상과 DSM을 제작하였고, 제작된 자료를 영상 활용

소프트웨어인 ‘Virtual Serveyor’를 통해 3D모델로 제작하였다. 제작된 3D모델은 사업단에서 제공
받은 설계도면과 중첩하여 현장점검 및 측정을 할 수 있도록 도출하였다.

- 88 -
 그림 3.13 강진-광주 구간 도출 성과

⊔⊔드론의 촬영 방향에 따른 성과를 비교하기 위하여 종방향 촬영과 횡방향 촬영을 수행하여 성
과 도출한 결과는 큰 차이를 나타내지는 않았다. 촬영 원본의 경우 횡방향 촬영은 408매, 종방향
촬영은 476매의 사진이 같은 면적에 촬영되어 종방향 촬영에서 불필요한 사진이 68매 더 촬영된
것으로 나타났다.

그림 3.14 강진-광주 구간 촬영 방향에 따른 성과도출 결과(좌:횡방향, 우:종방향)

⊔⊔영상처리를 통한 성과도출 결과를 비교해보면 원본사진이 많은 횡방향 촬영이 영상처리에 소

요된 시간이 약 17분 적게 소요되었으며, 동일 조건으로 촬영하였음에도 평균 지상 해상도(GSD)
가 0.37cm/px 낮게 나와 더 선명한 영상이 얻어진 것을 알 수 있었다.

- 89 -
3.1.2 시범사업 분석 후 표준공종 수행업무 선정, 타당성 분석

⊔⊔고속도로 건설현장 드론활용 공종은 5개의 공종, 12개의 세부 항목으로 구분되며, 해빙기 영향
분석 공종(외부 사례로 활용성 제시)을 제외한 11개 세부 항목에 대하여 현장에서 실증을 수행하
였다. 수도권건설사업단의 평택~서평택 구간에서 6개의 세부항목, 경부선 직선화 구간에서 1개 세
부항목, 강진광주건설사업단의 강진~광주 구간에서 7개 세부항목에 대해서 시기별 영상 비교와
측정기능 및 분석기능을 통해 공종의 타당성을 검토해보았다.

표 3.3 드론활용 표준공종별 수행업무 선정 결과

도로 평택~ 경부선 강진~

공종 세부공종 전체코드
생애주기 서평택 직선화 광주

공정관리 (A) CN-01A ◎ ◎

공정관리(01)
기성관리 (B) CN-01B ◎
토공량 산출 (A) CN-02A ◎
비탈면 시공관리 (B) CN-02B ◎
시공관리(02)
비탈면 녹화관리 (C) CN-02C ◎
도로 배수시설 시공관리 (D) CN-02D ◎
시공
(CN) 비탈면 안전관리 (A) CN-03A ◎ ◎
안전관리(03) 우기철 취약요인 발굴(B) CN-03B ◎
해빙기 영향분석 (C) CN-03C - - -

폐기물 관리 (A) CN-04A ◎ ◎

환경관리(04)
침사지 관리 (B) CN-04B ◎
용지관리(05) 지장물조사 (A) CN-05A ◎

- 90 -
가. 공정 관리

⊔⊔공정관리 세부항목은 3차원 모델, 설계도(3차원), 시계열 영상을 중첩함으로 공정관리가 가능하
다. 공정관리에서 가장 중요한 부분은 공사 기간을 맞추는 것이며, 공정률은 설계 대비 현재 공사

량으로 계산할 수 있고 3차원 모델과 설계도를 통해 확인할 수 있다.

⊔⊔토공사의 경우 3차원 모델과 설계도와의 비교를 통해 얻은 토공 물량이 높은 정확도를 보였으
며, 비교방법이 쉽고 위치별 공정관리가 가능하여 활용성이 높게 나타났다. 또한 설계도와의 설계

와 맞지 않는 공사위치의 확인이 쉽게 이뤄지며 설계변경이 필요한 부분과 공사 과정이 변경돼야

할 부분을 쉽게 파악할 수 있다. 시공 중 설계와 맞지 않는 상황이 발생하면 설계변경을 위한 타
당한 근거자료를 쉽게 획득할 수 있으며, 향후 설계변경에 관한 판단을 명확하게 할 수 있어 공

정관리에 높은 타당성을 보였다.

⊔⊔공사 중 점검해야 할 부분과 주기적 모니터링이 필요한 취약구간의 경우 현장 사진을 통해 공
정을 관리하였으나 3차원 모델을 통하여 직접 관리할 수 있으며, 가상측량을 통해 현장 측정결과

도 바로 확인할 수 있어 변화에 대한 파악이 용이하고 공사계획수립에 근거자료로 활용할 수 있

다.

그림 3.15 설계도와 3D 모델을 활용한 공정관리

- 91 -
나. 기성 관리

⊔⊔기성관리 세부항목은 도면을 통한 물량산출과 현장사진 및 현장점검 리스트 등을 이용하여 기

성물량 산출 및 관리를 진행하던 방식에서 3차원 모델과 연계하여 기성관리가 가능한 방안을 적

용하여 타당성 검토를 진행하였다.

⊔⊔기성물량 산출의 정확도는 높은 정확도를 보였고, 오차가 발생한 부분을 모델을 통해 직접 확
인하므로 현장 전체에 대한 전수 검사를 빨리 진행할 수 있어 산출결과의 신뢰도가 높게 나타난

다. 검증된 3차원 모델을 통해 물량을 산출하고 가시성이 높으므로 시공사와 감독관이 납득할 수
있는 기성물량이 산출되므로 과기성을 방지하고 투명한 기성금 지급이 가능하다. 현장운영의 지
적사항 및 점검 사항을 서면이 아닌 3차원 모델에 위치별로 표시해줌으로 개선사항을 쉽게 확인

할 수 있고, 현장 사진과 모델의 형태를 비교하여 사진으로 확인이 어려운 조치사항을 자세히 검
토하며, 현장 방문점검에서 접근이 어려워 누락되던 기성검토의 취약구간을 모델로 확인 및 검측
할 수 있어 정확한 기성관리가 가능하다.

⊔⊔또한 기성 보고 시 제출되어야 하는 많은 서류(위치별 시공내역, 사진, 점검결과서, 시공도면,

물량산출서 등)를 3차원 모델의 위치별로 중첩하여 쉽게 볼 수 있도록 하거나, 3차원 모델에서 측
정을 통해 확인이 가능한 자료는 과감히 생략하여 기성자료 작성을 효율적으로 수행할 수 있다.

기성보고 예시자료는 1개월 간격의 시계열 자료를 간단한 모델의 비교를 통해 물량산출, 면적 측
정자료를 이용하여 작성하였고, 실제 기성보고 자료에서 일부를 발췌하여 스테이션별 점검 및 현
장사진을 중첩하여 작성하였다. 기존의 수량 및 물량산출을 위한 측량 및 물량 계산을 쉽게 수행

할 수 있었으며, 가시화된 영상에서 변화를 확인할 수 있고 수치 자료가 포함되어 있어 수량 검

토에도 높은 효율성을 보였다.

그림 3.16 3D 모델에 적용한 기성보고 예시

- 92 -
다. 토공량 산출

⊔⊔토공량 산출은 시계열 영상 비교를 통한 방법과 3차원 설계도와의 중첩을 통해 토공물량을 산

출하는 방법이 있다. 이와 같이 3차원 모델을 활용하여 토공량을 산출하는 경우, 토공량 변화위치

를 3차원 모델 위에 표현할 수 있어 가시성이 좋다. 또한 전체지역의 절토 및 성토량을 산출할

수 있고, 범위를 설정해 일부 지역만 별도로 구분할 수 있으며, 포인트별 절/성토 높이를 바로 확
인할 수 있어 자료의 정밀성도 높게 나타난다.

그림 3.17 3D 모델을 이용한 토공량 산출결과

라. 비탈면 시공관리

⊔⊔비탈면 시공관리 세부항목은 시계열 영상의 비교와 설계도와의 중첩 기능을 활용하여 비탈면
의 시공과정을 정밀하게 확인할 수 있었다. 먼저 중첩된 시계열 영상과 설계도를 통해 비탈면의
시공이 설계선에 맞춰 이뤄지고 있는지 확인할 수 있으며, 시공 및 완공된 사면의 경사도를 확인
하여 시공 정확성 및 시공 중 발생할 수 있는 문제에 대해 관리할 수 있는 자료를 제공할 수 있
다.
⊔⊔비탈면의 경우 대부분 현장에서 측정 및 확인이 어려운 경우가 많으며, 육안으로 확인이 어려
운 지역도 많이 존재한다. 3차원 모델과 설계도를 통해 비탈면을 정량적으로 확인하는 방법은 현
장에서 직접 확인하는 방법보다 더 효율적이며, 관리자의 안전적인 측면에서도 매우 효율성이 높
을 것으로 판단된다.

- 93 -
 그림 3.18 설계도 중첩을 이용한 비탈면 시공관리

마. 비탈면 녹화관리

⊔⊔비탈면 녹화관리 세부항목은 시공 완료된 비탈면의 녹화 진행 상태를 시계열 영상의 비교를

통해 녹화면적을 측정할 수 있었으며, 시기 및 경과 시간을 기준으로 녹화 진행률(시간대비 녹화
상태)을 확인할 수 있다.

⊔⊔절토사면의 경우 토사구간, 리핑암구간, 발파암 구간을 육안식별 또는 도면 중첩을 통해 구간

별 녹화상태와 공법에 맞는 시공이 이뤄졌는지 점검할 수 있다. 또한, 국지성 집중호우 및 지속적
인 강수로 인해 비탈면에 우수로가 발생하거나 비탈면 붕괴의 징후가 보이는 경우 위치 및 면적

을 측정을 통해 거적덮기 및 재파종 등의 후속 조치의 자료를 제공할 수 있다.

그림 3.19 비탈면 녹화 진행상태 파악 및 수목 정식수량 확인

바. 배수시설 시공관리

⊔⊔배수시설 시공관리 세부항목은 현장접근이 어려운 산마루 측구와 지속적인 관리가 필요한 배
수시설(임시배수시설, 침사지 등)의 시공관리에 대해 현장 타당성을 검토하였다.
⊔⊔먼저 산마루 측구의 경우, 현장 접근이 매우 어려워 육안으로 확인이 어렵기 때문에 관리 미
흡지역 중 하나로써 정확한 시공 여부를 파악하기 어렵다. 그리고 도로를 횡단하는 배면 배수로

의 경우도 시공 후 땅속에 묻히게 되면 정확한 시공 여부를 판단하기 매우 어렵다. 하지만 드론

을 활용하게 되면 산마루 측구의 경우 측구 길이 및 폭 등을 측정하여 정밀 시공 여부를 파악할
수 있고, 3차원 모델의 표고 차이를 이용하여 배수 수용면적을 파악할 수 있다.

- 94 -
 그림 3.20 시계열 영상을 이용한 배수로 시공관리

⊔⊔공사 중 안전 및 환경관리를 위한 임시 배수시설과 침사지는 드론 영상확인을 통해 토사 유입

량 파악과 장애물에 의해 배수시설의 기능이 방해받는 것을 사전에 확인하고 관리할 수 있다.

그림 3.21 산마루 측구 시공관리 및 침사지 관리

사. 비탈면 안전관리

⊔⊔비탈면의 안전관리는 특정 시기의 현장 예찰 활동을 통해 정성적인 안전관리를 수행하고 있으

며, 공사 기간에는 공사를 위해 설치된 가설 계단 및 점검통로를 통해 감독관 및 현장 관리자에
의한 육안점검방식으로 안전관리를 진행한다. 특히, 가설 계단이나 점검통로가 설치되기 전에는
인력 접근이 어렵기 때문에 사다리차 등의 장비를 이용하여 안전관리를 수행해야 하지만 비용과

진입문제로 인해 육안점검으로 간소화하는 경우가 대부분이다.

⊔⊔드론을 활용하게 되면 비탈면처럼 접근이 어려운 지역의 경우 육안점검을 대체할 수 있으며,
점검 시 위치정보를 표시할 수 있기도 하며, 시계열 분석을 통해 비탈면의 침하, 슬라이딩의 발생

징후를 확인할 수 있다. 또한, 변위를 분석하여 공사로 인한 변위가 아닌 지역은 집중적으로 관리
할 수 있는 정량적 안전관리가 가능하다.

- 95 -
 그림 3.22 3D 모델 분석을 통한 비탈면 안전관리

아. 우기철 취약요인 발굴

⊔⊔우기철 건설공사 현장은 재산 및 인명피해가 많이 발생하므로 전체 공사구간에 대해 세밀한

점검이 필요하다. 국토교통부에서는 우기 대비 건설공사 현장의 안전점검표를 작성하여 배포하며,

이를 통해 현장에서는 관리자의 육안점검을 통해 취약요인을 확인한다. 하지만 접근이 어려운 취

약구간이나 측정을 통해 위험도를 판단해야 할 위치는 관리자의 육안점검으로 취약요인을 발굴하
기 어려우며, 짧은 시간에 많은 지역을 확인하기 매우 힘들다. 또한 육안점검의 단점으로는 정성

적인 판단과 감독관의 주관에 의해 차이가 존재하기도 한다.

⊔⊔3차원 모델을 통한 우기철 취약요인 발굴은 전체 공사구간을 쉽게 확인할 수 있어 우기 대비
안전점검사항을 빠르게 확인할 수 있으며, 지상에서 보는 시점이 아닌 다양한 시점에서 현장을

바라보므로 육안점검 시 확인하지 못한 취약요인을 발굴하기 쉽다. 또한 3차원 모델의 측량정보

와 연계하여 저지대 침수가 우려되는 지역을 확인할 수 있고, 기존 배수시설의 배수로가 좁아지
는 구간과 배수시설이 미설치된 곳을 확인하여 수로 확장 및 간이 배수로를 확보하여 취약지를
관리할 수 있다.

- 96 -
 그림 3.23 3D 모델을 활용한 우기철 취약요인 발굴

자. 해빙기 영향분석

⊔⊔해빙기의 건설현장에서는 사면붕괴와 지반침하 등 결빙된 간수로 인해 지형변화가 발생하여

건설현장의 사고를 유발한다. 이에 안전보건공단에서는 해빙기의 건설현장 안전보건 점검표를 배
포하고 있으며, 현장 관리자에 의한 육안확인으로 관리되고 있다.
⊔⊔드론 기반 3차원 모델을 통한 해빙기 영향분석은 해빙기 전ㆍ후 모델을 비교하여 변화 및 영
향분석이 가능하며, 해빙기 사고의 전조증상을 모델에서 확인할 수 있어 현장 접근 없이 분석할

수 있다.

그림 3.24 해빙기 지반침하로 인한 구조물 변형사례(출처 : 안전보건공단)

- 97 -
차. 폐기물 관리

⊔⊔건설현장에서 나오는 폐기물은 공사구역 내 폐기물 집하장을 만들고 쌓아둔 뒤 일정 기간 내

에 한꺼번에 처리하는 방식으로 관리하고 있으며, 폐기물관리법에 따라 일정 기간 이상 방치하면

벌금을 내야 한다. 도로 건설 중 폐기물은 집하장에서 관리하지만, 우리 공사의 경우 외부의 출입

을 통제하기 어렵고 공사구간 내 불법적으로 버려지는 폐기물도 많이 발생한다. 이러한 폐기물을
처리하지 못하고 방치하게 되면 폐기물 처리비용과 더불어 벌금도 발생하여 공사비를 낭비하게

된다.
⊔⊔드론 기반 3차원 모델을 이용하여 공사구간 내 불법 투기된 폐기물을 감지할 수 있으며, 폐기
물 집하장의 적치량을 확인하여 배출시기 선정 및 물량에 따른 비용을 산정할 수 있다.

그림 3.25 폐기물 적치장 관리 및 불법 폐기물 관리

타. 침사지 관리

⊔⊔침사지는 공사 중 토사가 함유된 원수로부터 토사를 침전하여 환경오염을 예방하는 시설로 주

기적인 관리가 필요하다. 현재의 침사지 관리는 현장 관리자가 육안점검을 통해 관리하는 방식이
다. 드론 기반 3차원 모델을 통해 침사지가 규격에 맞게 시공되었는지 확인할 수 있으며, 최초 시
공 높이에서 침사량이 쌓인 높이를 측정하여 토사를 걷어낼 시기를 결정할 수 있으며, 침사지가
관장하는 공사구간의 넓이를 확인할 수 있다. 또한 공사장에서 침사지를 거치지 않고 빠져나가는
위치를 확인해 가설 수로를 만들거나 침사지를 추가로 설치하여 공사로 인한 환경오염에 대비할
수 있다.

- 98 -
 그림 3.26 3D 모델을 활용한 침사지 규격 확인 및 점검

파. 지장물 관리

⊔⊔지장물 조사 세부공종은 노선확정 및 공사계획 공람공고 일정과 동일 시기의 드론영상을 활용하

여 지장물의 위치, 크기, 형태, 종류 등을 파악할 수 있으며, 보상에 대한 근거자료로 활용할 수 있
다. 우리 공사의 경우 건설 공사 기간이 매우 길고, 전체 구간이 동시에 공사가 이뤄지지 않아 일부
구간에서는 농경지에 경작하는 사례도 있다. 이런 경우 설계도 중첩자료와 확인을 통해 보상 여부를

검토하고 영상자료를 통해 주민 설명 자료로 활용할 수 있다. 또한 이설 및 철거가 필요한 지장물에

대해서도 현장방문 없이 위치 및 면적을 확인할 수 있으며, 이설 및 철거 계획을 수립하거나 이력관
리를 통해 지장물의 변화를 확인할 때 활용할 수 있다.

그림 3.27 공사구간 내 지장물 현황파악

- 99 -
3.2 실감 3D 모델 제작을 통한 현장관리

3.2.1 드론 포인트 클라우드 데이터 정합을 통한 실감 3D 모델 제작

⊔⊔실감 3D모델의 제작에는 이중고도, 8방향 비행, 정사방향 촬영 및 Tilting 촬영을 통해 음영지
역 최소화와 수직 구조물의 옆면 텍스쳐가 잘 생성되도록 현장자료를 얻어진 자료를 통해 모델
제작을 수행하였다. 실감 3D모델 제작에는 ‘Context Capture’를 사용하였다. Context Capture는
드론 영상자료를 이용하여 자동으로 고품질의 3차원 모델을 제작할 수 있는 소프트웨어이며, 다
양한 출력포맷을 지원한다. 3D모델 작업과정은 ① 사진입력 ② 항공삼각측량(AT : Aerial
Triangulation) ③ 지상 기준점 매칭 ④ 모델생성 ⑤ 출력파일설정 ⑥ 3차원 모델 제작을 포함 총
6단계로 구분된다.
① 사진입력은 항공사진에 대한 위치 및 자세정보를 이용하여 실제 촬영된 지점으로 이동시켜

정렬하는 과정이다.
② 항공삼각측량은 사진의 위치정보 및 자세정보를 바탕으로 영상이 찍혔을 당시의 기하학적
관계를 재구성한 후 실세계에 맞게 축적 및 좌표를 변환하는 과정이다.
③ 지상 기준점 매칭은 영상의 정확도를 향상하기 위한 필수작업으로 기준점 측량좌표를 사진
에 매칭하여 정확도를 개선하는 과정이다.
④ 모델생성은 지상 기준점 성과를 이용하여 관측한 무수한 점들의 좌표를 측지좌표로 환산한
후 매쉬로 구축하여 옆면의 텍스쳐를 입히는 과정이다.
⑤ 출력파일설정에서는 다음 단계에서 호환 가능한 출력물의 유형을 설정한다.
⑥ 실감 모델 제작은 단계별 처리 과정을 거쳐 최종성과물을 구축하는 단계이다.

- 100 -
 그림 3.28 실감 3D모델 제작과정

⊔⊔최종성과물을 작성하는 과정에서 데이터의 품질을 확보하기 위하여 다양한 프로그램의 기능을
활용하였으며, 영상처리에 활용된 평택-서평택 구간의 경우 신설도로가 아닌 운영 중인 도로에 1
차선 확장공사를 진행하였고, 일부 구간이 준공 이전부터 운영되고 있어 촬영 영상에 이동 차량

및 방해요소들이 많이 촬영되는 현상이 있었다. 모델 제작의 방해가 되는 이동요소는 다른 방향

및 시간 간격이 있는 영상에서는 존재하지 않아 중첩되지 않는 특성을 이용하여 자동으로 제거하
였으며, 수치표면모델에 영향을 받지 않도록 하였다.

그림 3.29 3D모델 제작 시 이동체 자동제거

- 101 -
⊔⊔영상처리 결과를 검토하는 중 다양한 방면으로 촬영을 수행하였음에도 불구하고 구조물의 두
께가 얇고 수직적인 구조물과 투명도가 있어 매칭점이 부족한 부분의 경우 TIN과 Mesh가 제대

로 생성되지 않는 구간이 발생하였다.

⊔⊔전체적으로 발생하는 부분은 높이가 높고 두께가 얇으며 수직적인 방음벽에서 많이 나타났으
며, 도로안내 표지판에서도 같은 증상이 나타났다. 이러한 현상은 드론 촬영시 구조물의 전면과

뒷면에서의 매칭점은 생성되나 측면에서 생성되는 매칭점이 부족하여 표면 생성이 어려운 것으로
판단된다.

그림 3.30 매칭점 부족으로 인한 TIN 및 Mesh 미생성 구조물

⊔⊔매칭점이 부족하여 영상 미처리 부분은 두 가지 방법을 통해 보완할 수 있다. 보완방법은 수

치표면모델의 TIN을 수정 후 영상을 재처리하여 복원하는 방법과 현장의 구조물에 대해 매칭점
사진을 충분히 보강하여 영상 재처리하는 방법이 있다.
⊔⊔지형 및 구조물을 생성하지 못한 이유는 다양하지만, 일반적으로 각도별 촬영된 사진이 부족
하거나 영상 각도별 매칭 포인트의 거리 오차로 인해 해당 값이 구성되지 않는 경우이다. 대표적
으로 영상표현이 안 되는 구조물 및 지형은 수면, 유리로 되어 지형이 반사되는 구조물, 투명하여
촬영시 뒤의 구조물이 비치는 판넬, 두께가 얇은 구조물, 촬영시 움직이거나 위치가 변경되는 식
생 또는 차량, 또는 사람 등이 있다.
⊔⊔성과물 중 영상처리가 안 되는 구조물은 대부분 방음벽, 교통 표지판, 교통 표지판을 지지하는
철제프레임 등이 있었으며, 촬영 오차보다 두께가 얇은 경우 앞면과 뒷면의 매칭점이 서로 교차
하여 면을 생성하지 못하기 때문에 영상이 구성되지 않는 것이다.

가. 수치표면모델의 TIN 수정을 통한 실감 3D 모델 생성

⊔⊔본 절에서는 수치표면모델의 지형 및 구조물이 미생성 된 경우를 후처리 소프트웨어를 통해

- 102 -
인식하지 못한 면에 대해 사용자가 그 면을 직접 구성하여 영상처리시 소프트웨어에서 인식될 수
있도록 하는 작업이다.

⊔⊔면이 인식되지 않는 경우 텍스쳐(이미지)를 구성하지 않기 때문에 면을 인식할 수 있도록 작업

해주며, 본 과정은 방법적으로는 쉽지만, 3D모델을 수정할 수 있는 기술력이 필요하며, 작업자의
작성된 TIN의 오차가 발생하면 그대로 지형을 인식하기 때문에 오류의 원인이 될 수 있다.

⊔⊔작업을 위해 사용한 소프트웨어는 Bentley사의 ‘Context Capture’와 ‘Descartes’소프트웨어를

이용하였으며, 동일한 방법으로 다양한 소프트웨어를 사용할 수 있다.
⊔⊔수치표면모델의 TIN 수정을 위한 작업방법은 ① 수정용 TIN파일(*.OBJ) 추출, ② TIN 분리 ③

미생성 TIN 구성 ④ 수정된 TIN파일 이용한 영상 재처리의 4단계로 구성된다.

그림 3.31 수치표면모델의 TIN 수정 과정

⊔⊔첫 번째 수정용 TIN 파일을 추출하는 과정은 전체 촬영 범위에서 영상 재처리가 필요한 구간

을 선정하고 선정된 구간의 자료만 tile 형태로 분할하여 작업을 진행할 수 있도록 *.OBJ파일로
추출하는 과정이다.
⊔⊔구간을 분할하지 않고 전체 구간을 전체 자료를 사용할 경우 데이터 용량이 커 작업의 효율성
이 낮아지고, 일부 구간의 자료로 인해 작업 위치의 가려짐 현상과 3D 모델링의 어려움이 발생한
다.
⊔⊔두 번째 TIN 분리는 수치표면모델의 수정기능을 가지고 있는 ‘Descartes’프로그램에서 OBJ파
일을 불러오면 붙어있는 전체 TIN을 각자의 독립된 TIN으로 분리하여 수정할 수 있도록 하는 사
전작업이다. TIN 분리 전 전체의 위치가 이동되거나 높이 값이 변화하지 않도록 주의해야 한다.
⊔⊔세 번째 미생성 TIN 구성은 구성이 필요한 구조물의 앞면과 뒷면의 두께 및 크기를 주변에

- 103 -
구성된 TIN의 값을 이용하여 제도하는 과정이며, 잘못 구성된 TIN은 삭제하고 빈공간을 주변의
값으로 자동 메꾸기 기능을 이용하여 추후 1개의 TIN으로 연결될 수 있도록 하는 과정이다.

⊔⊔TIN구성이 완료되면 전체의 TIN을 결합하여 최초에 추출한 형태와 같이 구성하여 파일을 저
장한다.
⊔⊔네 번째 영상 재처리 과정은 최초 영상처리 했던 프로젝트에 수정된 OBJ파일을 불러와

Retouch파일 재처리 방식으로 영상처리시 수정된 TIN이 모델에 적용되고 미표현 지역의 텍스쳐
가 입혀져 성과물이 작성된다.

그림 3.32 수치표면모델의 TIN 수정을 통한 영상 재처리 결과

⊔⊔본 과정은 TIN을 사용자의 임의로 생성하는 과정을 포함하고 있고 현장을 직접 보지 않은 경

우 부정확한 모델이 생성될 수 있는 단점을 포함하고 있지만, 원본사진과 현장 사진을 토대로 수
행할 경우 효율성이 매우 높은 방법이다.
⊔⊔지형이 변하거나 해당 촬영지역의 원본영상을 더 이상 얻을 수 없는 경우 위와 같은 방법을
통해 모델의 완성도를 높일 수 있다.

나. 현장 구조물의 POI 촬영을 통한 3D 모델 생성

⊔⊔본 절에서는 미생성된 지형 및 구조물을 POI(Point of Interest)방식을 통한 재촬영을 통해 원본영상

을 보충하고 프로그램 처리를 통해 자동으로 TIN을 생성하는 방법이다. 이 방법은 구조물의 정밀 3D
모델링 제작과정을 결합하여 성과물을 제작하는 과정으로 높은 해상도의 결과물과 제작 모델의 높은
정확도를 나타낸다.
⊔⊔POI촬영을 통한 3D모델 생성의 작업방법은 ① 미표현지역 POI촬영 ② 구간별 영상처리 ③ 기준점
입력을 통한 전체 모델과 위치좌표 통일 ④ 구조물 모델과 전체모델 통합처리의 4단계로 구성된다.

- 104 -
 그림 3.33 현장 구조물의 POI촬영을 통한 3D 모델생성 과정

⊔⊔첫 번째 POI촬영은 미표현 지역에 대해 회전익 드론을 이용하여 근접촬영을 진행하는 과정으
로 일정한 각도(70°~ 80°)를 유지한 상태로 구조물에 대해 원형 또는 타원형으로 영상촬영을 진행
한다. 촬영시 중복도를 유지할 수 있도록 비행속도 및 촬영 속도를 제어해야 하며, 음영지역이 발
생하지 않도록 다양한 위치에서 촬영해야 한다.
⊔⊔촬영의 시작 위치와 끝나는 위치가 동일한 곳에서 끝날 수 있도록 비행경로를 설정하여 전체
영상의 중복도가 만족될 수 있도록 하는 것이 중요하며, 영상처리의 방해요소인 비행고도 및 각
도 설정은 대상물이 사진의 80% ~ 100%가 찍히도록 설정하는 것이 좋으며, 하늘과 먼 배경이 나
타나는 경우 오차를 발생할 수 있으니 유의해야 한다.
⊔⊔두 번째 구간별 영상처리는 촬영 대상물이 일부 구간에만 존재하기 때문에 각자의 촬영 성과
물을 따로 영상처리를 진행한다. 원형 또는 타원형을 이루는 구조물끼리 영상처리를 진행하고 모
든 구역이 연결된 경우 동일 객체로 통합하여 수행할 수 있지만, 일정 구간이 분리되는 경우 오
차를 발생할 수 있어서 별도로 영상처리를 진행한다.
⊔⊔세 번째 기준점 입력을 통한 전체 모델과 위치좌표 통일과정은 구조물의 영상처리 결과를 전
체 모델과 통합하기 위해 기준이 되는 점을 입력하는 과정으로 전체 모델에서 기준점으로 활용할
수 있는 좌표를 추출하여 각 구조물 모델에 입력하여 구조물 모델의 위치를 재정렬한다.
⊔⊔작업과정에서 사용된 기준점은 도로에 그려진 점선의 모서리, 화살표의 모서리, 역삼각형의 모
서리 등을 이용하여 기준점으로 사용하였으며, 구조물 모델과 전체 모델에서 동일하게 표현되는
위치가 있다면 기준점으로 사용해도 무방하다.
⊔⊔네 번째 구조물 모델과 전체모델 통합처리는 전체 모델을 바탕에 두고 구조물 모델을 통합하
여 영상처리 결과물을 재생성하는 과정이다. 세 번째 과정에서 기준점 입력성과가 높게 나타나는

- 105 -
경우는 문제없이 영상 재처리가 이뤄지지만, 기준점 성과가 낮은 경우 통합 처리된 성과에서 오
차가 발생하거나 구조물이 두 개로 분리되어 생성되는 현상이 발생할 수 있다.

⊔⊔오류가 발생하는 경우 기준점의 입력점을 변경하거나 더 많은 위치를 사용자가 지정하여 높은

기준점 성과를 도출하여 정밀도를 높이면 제대로 된 영상성과가 나타난다.

그림 3.34 현장 구조물의 POI촬영을 통한 3D모델 생성 결과

⊔⊔이 방법은 현장에 직접 방문하여 촬영을 진행해야 하므로 촬영시간이 길어지고 모델생성의 단
가가 상승하는 단점이 있으며, 사용자의 주관적인 수정이 없이 프로그램에 의해 생성되는 방법으

로 정밀한 실감 3D모델이 생성될 수 있다.

⊔⊔최초 드론 촬영계획 수립 시 주요 관심 포인트를 설정하고 모델 미생성 구간을 정확히 파악하
고 드론 촬영계획에 반영할 경우 TIN 미표현 구간을 최소화할 수 있지만, 촬영단가가 상승할 수

있는 단점도 발생한다. 이러한 사항은 발주기관과 정확한 협의를 통해 결정할 필요가 있다.

3.2.2 실감 3D 모델과 전통적 측량방식에 의한 토공물량 산출

⊔⊔오늘날 도로 건설공사의 설계 및 시공에서 토공물량을 산출하기 위해서는 20m 간격의 체인별

로 종횡단측량을 실시하고 종횡단면도를 작성한 후 이웃하는 단면과의 양단면평균법에 의하여 토
공물량을 산출하고 있다.
⊔⊔횡단면도의 작성에서는 흙깎기(절토)와 흙쌓기(성토) 지역을 구분하고 흙깎기(절토)에 있어서도
보링(boring) 결과에 따라 토사와 풍화암, 발파암 등을 구분하여 횡단면도를 작성하고 있다. 따라
서 원지반에 계획된 도로 선형을 중첩함으로써 흙깎기(절토)와 흙쌓기(성토) 면적을 산출할 수 있
으며 이를 바탕으로 토적표에 의하여 토공물량을 산출하게 된다.
⊔⊔본 연구에서는 드론측량 결과로 얻어진 3D모델의 토공물량 산출 가능성을 검증하고자 하였다.
따라서 강진-광주간 고속도로 건설공사 2공구의 일정 구간을 테스트 베드로 지정하고 이 구간에
대하여 드론측량 3D 모델에서 구한 토공물량과 전통적인 측량방식으로 구한 토공물량을 비교하
여 정확도를 검증하였다.

- 106 -
가. 전통적 측량방식에 의한 종횡단도 작성 및 토공물량 산출

⊔⊔본 절에서는 드론측량에 의하여 산출된 토공물량의 정확도를 평가할 목적으로 전통적 측량방
법에 따라 종횡단측량을 실시하였다. 전통적 측량방법이란 토탈스테이션이나 GNSS 측량기를 이

용하여 횡단면상에서 표고가 변하는 지점의 표고를 계속 측량하여 횡단면도를 작성하는 방식을
말하며, 횡단측량과 현황측량의 작업흐름도는 그림 3.35와 같다.

그림 3.35 전통적 측량방식에 의한 토공물량 산출 작업흐름도

⊔⊔토공량 계산을 위한 측량 대상지는 강진-광주 고속도로 제2공구의 ST. 7+600 ~ ST. 8+300,
700m 구간 중 학송 1교와 횡단 교차로 구간 등 공사가 미진행되어 토공량이 없는 구간은 제외하
였으므로 최종적으로 ST. 7+600부터 ST. 8+100구간까지 전체 500m의 구간이다.
⊔⊔전통적 측량방식에 있어서 기준점 측량과 횡단측량, 현황측량에 활용한 토탈스테이션 및
GNSS 장비는 그림 3.36과 같다.

그림 3.36 전통적 측량방식 투입 장비 정보

(위 : Trimble RTS 773, 아래 : Trimble R10)

- 107 -
⊔⊔전통적 측량을 위하여 현장에서 사용한 기지 기준점은 강진-광주 건설사업단에서 제공받은 시
공기준점의 측량성과와 드론촬영을 위해 실시한 지상기준점 측량성과 일부를 동시에 활용하였으

며, 활용한 점의 성과는 다음 표 3.4와 같다.

표 3.4 전통적 측량방식에 활용된 기준점 성과

이 름 X(m) Y(m) Z(m) 비고

GCP 07 176294.5 241531.2 81.694 -

PS 05 176293.7 241562.2 80.901 -

CP 04 176354.7 241509.1 81.558 -

PS 06 176272.5 241808.1 76.273 -

⊔⊔전통적 측량방식은 토탈스테이션을 활용한 횡단측량과 GNSS 네트워크-RTK VRS 측량을 활용

한 현황측량으로 나누어 수행하였다. 네트워크-RTK VRS 측량에서는 기지점 성과를 이용하여 캘

리브레이션을 수행하고 지역 좌표계를 구성하여 현황측량을 하였다.

그림 3.37 현장 캘리브레이션 결과

⊔⊔VRS를 이용한 측량에서 표고 정확도의 향상을 위하여 측량 시작 시와 종료 시에 토탈스테이

션을 이용하여 설치된 검사점을 측정하였다. 따라서 이 과정에서 VRS 측량결과에서 토탈스테이

션 검사점의 높이 값으로 표고 조정이 이루어졌으며, -0.3~+0.1m의 조정값이 적용되었다.

⊔⊔전통적인 측량방식에 의한 토공물량 산출은 드론측량 성과와 비교하기 위해 드론촬영이 실시
되는 4월 말과 5월 말, 6월 말 모두 3회에 걸쳐 전통적 방식의 측량하였으며, 특히 4월의 측량시

기는 시공사의 기성측량이 이뤄지는 시기와 최대한 동일한 시기에 맞춰 진행하였다.

⊔⊔전통적인 측량방식에 의하여 테스트베드에 대하여 세 차례 수행된 측량개요는 다음 표와 같으
며, 이를 기반으로 종횡단 도면을 작성하고 토공물량을 산출하였다.

- 108 -
 표 3.5 전통적 측량방식에 활용된 기준점 성과

측량 차수 측량 일자 측량 점수 보간 소프트웨어 비고

1차 4월 28일 1,344 Surfer 9.0 -

2차 5월 27일 628 Surfer 9.0 -

3차 6월 30일 463 Surfer 9.0 -

그림 3.38 측량 점의 표시 및 현황도

⊔⊔위 그림 3.38은 현황도 위에 1차 측량성과의 측량 점을 표시한 것이다. 하늘색 점으로 나타나

고 있는 것이 현 지반의 표고를 측정한 측량 점으로서 이를 기반으로 보간을 실시하여 등고선을
산출하였다.

⊔⊔횡단측량 결과를 보간하여 대상 지역의 등고선을 추출하고 다시 이를 바탕으로 DEM을 제작

하였다. 등고선과 DEM 작성은 Sufer9.0을 이용하였으며, 1차에서 3차까지의 결과는 아래의 그림
3.38부터 그림 3.39와 같다.

- 109 -
 그림 3.39 측량성과를 이용하여 작성한 등고선도

그림 3.40 측량성과를 이용하여 작성한 DEM

⊔⊔생성된 DEM을 이용하여 고속도로 설계도면의 횡단 선에 해당하는 위치의 높이 값을 추출하여

간진-광주 건설사업단에서 제공받은 도면에 중첩하여 아래 그림 3.41과 같이 횡단면도를 작성하였다.

- 110 -
 그림 3.41 지상측량결과와 설계도의 횡단면도와 중첩결과(ST. 7+700)

⊔⊔위 그림에서 설계도면과 지반선은 검정색으로 나타나 있고, 1차 측량성과는 파란색, 2차 측량

성과는 빨간색, 3차 측량성과는 초록색으로 나타냈다. 1차에서 3차까지 산출된 횡단면선은 중첩을
통해 토공의 변화를 확인할 수 있도록 하였다.
⊔⊔토공물량을 산출하기 위해서 설계도면의 원 지반선과 계획선의 면적 그리고 각 차수별 토공
진행선이 감싸고 있는 폴리곤(polygon)의 면적을 기준으로 전체 토공면적과 각 차수별 토공면적
을 산출하였다.
⊔⊔이런 방법으로 ST. 7+600 ~ ST. 8+100까지 20m 간격의 26개 단면을 3차에 걸쳐 횡단선과 토
공 단면적을 산출하였고 중심선의 높이를 추출하였다. 도로 중심선의 높이는 종단면의 높이 값으
로 체인별 종단 표고와 차수별로 산출된 토공 단면적은 아래 표와 같다.

- 111 -
 표 3.6 전통적 측량방식으로 추출한 토공 단면적 및 종단 표고

중심선 종단 표고 토공 면적
Station
1차 2차 3차 1차 2차 3차
ST.8+100 71.83 71.88 71.83 285.47 289.98 350.84
ST.8+080 73.25 73.12 73.13 260.97 272.03 310.54
ST.8+060 72.87 73.38 74.84 311.25 320.26 385.36
ST.8+040 73.01 73.47 74.96 353.67 389.53 423.59
ST.8+020 73.00 72.99 73.24 291.57 347.37 393.26
ST.8+000 70.66 70.80 70.82 220.89 278.98 308.23
ST.7+980 69.33 68.62 68.66 193.14 216.07 259.13
ST.7+960 68.53 68.44 68.40 158.92 188.44 259.20
ST.7+940 68.86 67.20 67.07 72.24 73.76 153.35
ST.7+920 70.15 69.55 70.23 15.34 40.57 154.35
ST.7+900 70.11 69.97 70.24 19.51 40.93 101.02
ST.7+880 70.63 70.14 71.88 49.85 19.04 88.18
ST.7+860 72.19 72.20 71.75 127.00 91.17 90.29
ST.7+840 71.34 71.39 71.39 114.55 69.09 96.75
ST.7+820 73.87 73.63 73.63 116.15 89.77 89.51
ST.7+800 81.98 82.42 83.63 459.53 463.82 487.39
ST.7+780 81.88 82.37 83.67 486.42 503.95 519.28
ST.7+760 81.83 82.50 83.65 546.22 570.37 593.69
ST.7+740 81.82 82.43 83.59 362.45 421.45 433.25
ST.7+720 81.49 82.32 83.77 260.48 326.31 332.69
ST.7+700 81.24 82.30 84.14 191.39 227.05 280.16
ST.7+680 79.52 79.46 79.33 65.22 99.26 91.51
ST.7+660 81.76 82.56 82.56 30.19 38.54 36.66
ST.7+640 83.01 84.09 84.09 22.28 66.90 66.82
ST.7+620 82.48 81.48 81.48 47.86 36.28 36.27
ST.7+600 83.00 82.61 82.61 63.18 40.04 44.13

⊔⊔위의 표를 활용하여 양단면 평균법으로 구한 전통적 측량방식의 토공물량은 1차 99,028.3 ㎥, 2

차 107,119.0㎥, 3차 123,759.3㎥임을 알 수 있었다.

- 112 -
나. 실감 3D 모델의 가상측량을 통한 종횡단도 작성 및 토공물량 산출

⊔⊔본 절에서는 드론측량성과를 이용하여 토공물량을 산출하였다. 토공물량 산출은 실감 3D모델

에서 직접 할 수 있으나 전통적 측량방법과의 정확한 비교를 위하여 체인별로 횡단면도를 그리고

양단면 평균법에 따라 체적을 산출하는 방식으로 진행하였다.

⊔⊔드론측량을 통하여 얻은 수치표면모델(DSM)에서 자연지물 및 인공지물을 제거하고 얻은 수치
표고모델(DEM)을 기반으로 작성한 실감 3D모델을 활용하여 횡단도를 작성하고 체적을 계산하였

다. 실감 3D모델을 활용한 토공물량 산출방식의 작업흐름도는 그림 3.42와 같다.

그림 3.42 3D 모델의 가상측량 방식에 의한

토공물량 산출 작업흐름도

⊔⊔전통적 측량방식과 동일한 테스트베드인 강진-광주 고속도로 제2공구의 ST. 7+600 ~ ST.

8+300, 700m 구간 중 학송 1교, 횡단교차로, 공사구간을 제외한 총 길이 500m 구간에 대하여 진

행되었다. 드론촬영 성과 중 실감 3D모델의 DSM에서 지형정보가 아닌 현장에 방치된 차량이나
건설장비, 수목 및 건설자재 등이 제외되어야 하므로 주변 지형에 맞춰 표고를 수정하였다.

그림 3.43 드론성과의 DSM에서 인공지물 제거

- 113 -
⊔⊔수정된 DSM에 전통적 측량방식과 동일한 구간에 10cm 간격으로 측량 점을 추출하였다. 추출
방식은 Virtual Surveyor 소프트웨어를 이용하여 자동으로 추출하였으며, 격자 포인트를 삼각형

형태로 설정하여 모든 점의 간격이 10cm로 유지될 수 있도록 하였다.

⊔⊔추출된 측량점은 종횡단도 자동 추출이 가능한 프로그램인 ‘Civil pro’에 입력하였다. 여기에
등고선 추출의 경계 및 기준이 되는 중심선을 같이 입력하여 인식시켰다. 인식된 경계를 기준으

로 10cm 간격의 등고선도를 추출하였으며, 중심선을 기준으로 각 횡단면 위치별 종횡단도를 추출

하였다.

그림 3.44 실감 3D모델의 가상측량을 통한 종횡단도 추출

⊔⊔추출한 횡단면도는 사업단에서 제공받은 설계도(횡단도)와 구간을 확인 후 중첩하였으며, 중첩

한 결과를 토대로 성토 및 절토 물량을 추출하였다. 성토량의 측정은 도출한 횡단 측정선과 설계

도상의 용지경계선을 기준으로 면적을 산출하였으며, 좌우 경계는 토공 사면의 끝을 기준으로 폐

합하여 성토량을 측정하였다.

그림 3.45 3D모델의 가상측량결과 설계도의 횡단면도와 중첩결과(ST. 7+700)

⊔⊔위 그림에서 설계도 선과 지반선은 검정색으로 나타냈고, 1차 측량성과는 노란색, 2차 측량성

과는 보라색, 3차 측량성과는 하늘색으로 나타냈다. 1차에서 3차까지 산출된 횡단면선은 중첩을
통해 토공의 변화를 확인할 수 있도록 하였다. 전통적 측량방식과 비교를 위해 ST. 7+600 ~ ST.
8+100까지 20m 간격의 26개 단면을 3차에 걸쳐 횡단선과 토공 단면적을 산출하였고 중심선의 높

- 114 -
이를 추출하였으며, 그 결과는 표 3.7과 같다.

표 3.7 3D 모델의 가상측량방식으로 추출한 토공 단면적 및 종단 표고

중심선 종단 표고 토공 면적
Station
1차 2차 3차 1차 2차 3차
ST.8+100 71.90 71.89 71.80 312.17 313.44 317.24
ST.8+080 72.67 73.15 73.10 218.23 297.04 301.23
ST.8+060 73.07 73.42 74.57 325.49 342.73 390.25
ST.8+040 73.20 73.50 75.00 357.96 378.06 441.93
ST.8+020 72.58 72.99 73.41 318.55 355.11 394.37
ST.8+000 70.83 70.87 70.99 265.71 289.85 330.26
ST.7+980 68.99 68.89 68.91 224.87 249.17 275.72
ST.7+960 68.60 68.49 68.52 186.66 231.91 263.75
ST.7+940 66.49 66.90 67.50 52.87 105.01 197.37
ST.7+920 70.10 70.13 70.20 25.90 56.52 126.53
ST.7+900 70.33 70.38 70.23 40.51 58.68 126.89
ST.7+880 70.77 70.40 71.92 49.09 51.05 113.20
ST.7+860 72.30 72.24 71.85 76.29 73.44 114.16
ST.7+840 71.50 71.46 71.47 78.29 76.67 92.91
ST.7+820 73.66 73.60 73.66 97.59 99.67 107.59
ST.7+800 81.89 82.46 83.70 463.50 480.56 519.97
ST.7+780 81.90 82.40 83.67 499.71 516.25 563.62
ST.7+760 82.00 82.51 83.68 565.39 588.76 640.46
ST.7+740 82.00 82.50 83.70 404.84 430.45 481.47
ST.7+720 81.72 82.40 83.87 270.70 305.19 364.34
ST.7+700 81.37 82.42 84.20 191.99 255.39 305.92
ST.7+680 79.53 79.52 79.58 95.42 108.07 125.73
ST.7+660 82.44 82.71 84.02 29.61 32.80 45.17
ST.7+640 84.21 84.28 84.84 31.55 37.95 49.29
ST.7+620 81.80 81.78 81.81 42.35 42.94 45.69
ST.7+600 82.50 82.60 82.64 30.86 35.42 60.48

⊔⊔토공물량 산출을 실감 3D 모델의 장점을 활용하여 기존방법보다 쉽고 편리한 방법을 통해 종

횡단도 작성 및 토공물량 산출방법을 제시하고자 하였다. 전통적 측량방식과 가상측량방식의 결
과가 큰 차이를 보이지 않았으므로, 가상측량 방식에 사용된 원본 자료를 이용하였다.
⊔⊔먼저 횡단면도 추출방법은 설계도의 횡단 위치에 따라 체인(chain)별로 횡단면도를 작성하는
방법과 3D 모델의 표고 변화 위치에 따라 임의로 횡단면도를 작성하는 방법이 있다.
⊔⊔종횡단도 추출의 첫 번째 방법으로 체인별로 횡단면도를 작성하는 방법은 ① 인공지물 제거,
② 종횡단선 중첩, ③ 종횡단선 밀도화, ④ 파일 추출의 4단계를 거친다.

- 115 -
 그림 3.46 3D모델을 활용한 횡단 위치별 종횡단도 작성 과정

⊔⊔위 방법은 기존의 횡단선의 위치에 맞춰 횡단도를 3차원으로 추출하며, 현재 지형과 3차원 설
계를 선형으로 비교하기 좋은 자료이다. 기존선이 위치한 지점의 높이 값을 3D 모델의 해상도에
맞춰 높이 값을 추출하므로 점밀도가 높고 그만큼 정확도도 높게 나타난다.
⊔⊔그러나 단면 사이에서 굴곡이 발생하거나 오차가 발생하는 경우 단면도를 이용한 물량 산출
시 오차를 발생시키는 원인이 된다. 그래서 다음 방법은 위치를 지정하지 않고 높이가 변하는 지
점을 자동으로 계산하여 단면을 추출하는 방법이다.
⊔⊔종횡단도 추출의 두 번째 방법으로 3D 모델의 표고 변화 위치에 따라 작성하는 방법은 ①인

공지물 제거, ② 종단선 중첩, ③ 횡단선 자동 추출, ④ 파일 추출의 4단계를 거친다.

- 116 -
 그림 3.47 3D모델을 활용한 표고 변화 위치별 종횡단도 작성 과정

⊔⊔위 방법은 기존의 체인 위치를 기준으로 하는 첫 번째 방법보다 더 많은 횡단선을 추출하고,

표고의 변화가 있는 위치는 세밀한 횡단선을 추출하여 물량의 산출에 있어 정확도를 높일 수 있
는 방법 중 하나다.
⊔⊔변화가 적은 위치는 기존의 20m 간격의 횡단선을 추출하며, 중간의 표고 변화가 있으면 추가
로 횡단선을 추가하여 중간 물량 변화를 적용할 수 있도록 한다.
⊔⊔다음으로 실감 3D모델을 활용한 토공물량 산출방법은 3차원 설계도 또는 3차원 지반도(공사
시작전 지형도)를 기반으로 물량을 산출하는 방법과 시계열 영상의 비교를 통해 물량을 산출하는
방법이 있다.
⊔⊔먼저 물량산출의 첫 번째 방법으로 3차원 설계도 또는 3차원 지반도를 기반으로 물량을 산출
하는 방법은 ① 설계도 기반 DEM 생성 ② 3D모델 인공지물 제거, ③ 설계도 기반 물량산출, ④

절 성토 구역 분할의 4단계를 거친다.

⊔⊔본 연구의 테스트베드의 경우 3차원 설계도가 존재하지 않기 때문에 별도로 횡단면도와 계획
평면도의 수치를 이용하여 일부 구간에 대해서 3차원 설계도를 자체적으로 제작하였으며, 이 자
료를 이용하여 중첩비교를 진행하였다.

- 117 -
 그림 3.48 3차원 설계도 기반의 3D모델을 활용한 물량산출 과정

⊔⊔이 방법은 설계도를 기반으로 현재 상태를 비교하였으므로 앞으로 시공이 필요한 부분은 파란
색으로 표시되었으며, 과 시공된 부분은 노랑색으로 표시되었다.
⊔⊔3차원 지반도를 이용하거나 공사가 시작되기 전 벌개제근이 완성된 시기의 촬영 성과가 있다
면 공사로 인해 진행한 물량을 산출할 수 있다.
⊔⊔물량산출의 두 번째 방법으로 시계열 영상의 비교를 통해 물량을 산출하는 방법은 ① 3D모델
인공지물 제거, ② 기준 영상 기반 물량산출, ③ 절성토 구역 분할의 3단계를 거친다.

그림 3.49 시계열 영상의 비교를 통한 물량산출 과정

⊔⊔이 방법은 시기가 다른 영상의 위치별 높이 값을 비교하고 양의 값과 음의 값을 색상으로 표

현해준 것이며, 각 값을 그룹화하여 면적 및 물량을 표시해준 것이다. 여기서 추출된 면적과 물량
은 작업구역으로 표현할 수 있으며, 실제 작업한 토공물량과 같다.
⊔⊔기존의 토공물량 산출방법은 위치별 면적만 알 수 있었다면, 이 방법은 정확한 위치를 표시해

- 118 -
줄 수 있으며, 색상정보를 이용하여 절토와 성토를 구분하고, 작업 면적을 별도로 추출하며 배경
으로 이미지가 포함되어 있어 변화를 직관적으로 확인할 수 있다.

⊔⊔토공물량 산출은 원하는 구역을 지정하여 수행할 수 있으며, 전체 공사 지역을 지정하여 확인

할 수 있다. 또한, 평면 위치의 변화 값도 마우스 커서를 이동함으로 기준높이와 현재 높이를 확
인할 수 있다.

다. 토공물량 산출방법에 따른 성과 비교

⊔⊔본 절에서는 전통적 측량방법과 드론측량으로 얻어진 3D모델의 가상측량 방법으로 추출된 ST.
7+600 ~ ST. 8+100까지 20m 간격의 26개 단면의 중심선 표고와 횡단면 단면적을 시기별로 분석

하였다. 각 단면의 단면적을 이용하여 물량산출에 가장 많이 사용되는 양단면 평균법과 각주공식

을 이용하여 전체 물량을 산출하고 산출된 결과를 통해 비교 분석하였다.
⊔⊔먼저, 시기별 3D모델의 가상측량방법과 전통적 측량방법의 중심선 표고와 횡단면 단면적의 비
교를 위해 그림 3.50, 3.51과 같이 나타냈다.

- 119 -
그림 3.50 시기별 중심선 종단 표고 비교

- 120 -
그림 3.51 시기별 횡단면의 단면적 비교

- 121 -
⊔⊔중심선의 표고는 1차에서 3차에 걸쳐 전체적으로 비슷한 결과를 나타냈다. 그러나 1차시기의
ST. 7+940 단면의 중심 표고 높이가 3D모델의 가상측량 방식보다 전통적 측량방식이 2.3m 높게

나타나는데 그 이유는 전통적 측량 시 해당 위치에 흐르는 수로를 직접 측량하지 않아 주변 높이

값에 의해 보간되어 큰 높이 값의 오차를 나타낸 것으로 보인다.
⊔⊔이런 큰 차이는 1차 성과확인 후 2차시기부터는 직접측량을 실시하여 오차가 나타나지 않음을
알 수 있었다.
⊔⊔횡단면의 단면적의 오차는 전체시기와 횡단의 위치에서 특별한 오차를 보이지는 않았으며, 1
차시기의 ST. 7+660 단면에서 가장 적은 오차가 나타났고, 1차시기의 ST. 7+860에서 가장 큰 오

차가 나타났다.
⊔⊔횡단면의 단면적으로는 물량의 오차를 확인하기 어려워 전체 구간의 물량을 산출하였으며, 물
량산출은 다음 식과 같은 양단면 평균법을 이용하여 물량을 산출하였다.


       ·
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
·· (1)


⊔⊔양단면 평균법은 가늘고 긴 토지의 토공량을 산출할 때 양단의 평균 단면적과 그 수평거리로

부터 구하는 방식으로 여기서 V는 양 단면에 둘러싸인 체적, A1, A2는 양단면의 단면적, L은 길이
를 나타낸다.

⊔⊔양단면 평균법을 이용하여 두 공식을 이용하여 방법에 따른 시기별 토공물량을 산출하면 다음

과 같다.
⊔⊔3D모델의 가상측량방식을 이용하여 추출한 토공물량은 1차 101,691.7m , 2차 112,754.0m , 3차
3 3

132,133.6m3로 나타났으며, 1차 대비 2차시기에 11,062.3m3가 늘어났으며, 2차 대비 3차시기에

19,379.6m3 늘어났다.
⊔⊔전통적 측량방식을 이용하여 추출한 토공물량은 1차 99,028.3m3, 2차 107,119.0m3, 3차
123,759.3m3로 나타났으며, 1차 대비 2차시기에 8,090.7m3가 늘어났으며, 2차 대비 3차시기에
16,640.3m3 늘어났다.
⊔⊔전체적인 물량은 3D모델의 가상측량방식이 전통적 측량방식보다 1차는 2.7%, 2차는 5.3%, 3차
는 6.8% 높게 물량이 나타났다. 이러한 현상은 드론데이터가 점밀도가 높고 일부 포함된 식생 및
지물에 의해 오차를 발생할 수 있으나 횡단 간격을 좁히고 변위가 있는 위치에서 단면을 추가하
게 되면 더 높은 정확도를 나타낼 것으로 판단된다.

- 122 -
 표 3.8 양단면 평균법을 이용한 토공물량 산출결과
단위 : ㎥
3D모델의 가상측량방식 전통적 측량방식 통 계
Station
1차 2차 3차 1차 2차 3차 1차 2차 3차

ST.8+100
5304.0 6104.8 6184.7 5464.4 5620.1 6613.8 -160.4 484.7 -429.1
ST.8+080
5437.2 6397.7 6914.8 5722.2 5922.9 6959.0 -285.0 474.8 -44.2
ST.8+060
6834.5 7207.9 8321.8 6649.2 7097.9 8089.5 185.3 110.0 232.3
ST.8+040
6765.1 7331.7 8363.0 6452.4 7369.0 8168.5 312.7 -37.3 194.5
ST.8+020
5842.6 6449.6 7246.3 5124.6 6263.5 7014.9 718.0 186.1 231.4
ST.8+000
4905.8 5390.2 6059.8 4140.3 4950.5 5673.6 765.5 439.7 386.2
ST.7+980
4115.3 4810.8 5394.7 3520.6 4045.1 5183.3 594.7 765.7 211.4
ST.7+960
2395.3 3369.2 4611.2 2311.6 2622.0 4125.5 83.7 747.2 485.7
ST.7+940
787.7 1615.3 3239.0 875.8 1143.3 3077.0 -88.1 472.0 162.0
ST.7+920
664.1 1152.0 2534.2 348.5 815.0 2553.7 315.6 337.0 -19.5
ST.7+900
896.0 1097.3 2400.9 693.6 599.7 1892.0 202.4 497.6 508.9
ST.7+880
1253.8 1244.9 2273.6 1768.5 1102.1 1784.7 -514.7 142.8 488.9
ST.7+860
1545.8 1501.1 2070.7 2415.5 1602.6 1870.4 -869.7 -101.5 200.3
ST.7+840
1758.8 1763.4 2005.0 2307.0 1588.6 1862.6 -548.2 174.8 142.4
ST.7+820
5610.9 5802.3 6275.6 5756.8 5535.9 5769.0 -145.9 266.4 506.6
ST.7+800
9632.1 9968.1 10835.9 9459.5 9677.7 10066.7 172.6 290.4 769.2
ST.7+780
10651.0 11050.1 12040.8 10326.4 10743.2 11129.7 324.6 306.9 911.1
ST.7+760
9702.3 10192.1 11219.3 9086.7 9918.2 10269.4 615.6 273.9 949.9
ST.7+740
6755.4 7356.4 8458.1 6229.3 7477.6 7659.4 526.1 -121.2 798.7
ST.7+720
4626.9 5605.8 6702.6 4518.7 5533.6 6128.5 108.2 72.2 574.1
ST.7+700
2874.1 3634.6 4316.5 2566.1 3263.1 3716.7 308.0 371.5 599.8
ST.7+680
1250.3 1408.7 1709.0 954.1 1378.0 1281.7 296.2 30.7 427.3
ST.7+660
611.6 707.5 944.6 524.7 1054.4 1034.8 86.9 -346.9 -90.2
ST.7+640
739.0 808.9 949.8 701.4 1031.8 1030.9 37.6 -222.9 -81.1
ST.7+620
732.1 783.6 1061.7 1110.4 763.2 804.0 -378.3 20.4 257.7
ST.7+600

합계 101,691.7 112,754.0 132,133.6 99,028.3 107,119.0 123,759.3 2663.4 5635.0 8374.3

- 123 -
3.2.3 실감 3D모델을 활용한 공정관리

⊔⊔고속도로 공사현장의 공정관리는 점과 선으로 이뤄진 설계도를 기반으로 대부분 현장 감독에

의해 시행되고 있으며 현장에서 시공자와 감독관의 측량 및 점검을 통해 공정관리가 이뤄지고 있
는 현실이다.
⊔⊔기존의 2차원 설계도는 종합평면도와 평면 구간을 일정간격으로 분할하여 작성한 횡단면 및

설계의 중심이 되는 종단면도 등으로 구성되어 있으며, 수많은 점과 선으로 구성되어 있고 각자

별도로 작성되어있어 동일위치에 대한 평면과 수직 위치를 확인하기 위해서는 여러 개의 도면을
같이 봐야 하는 단점이 있다. 이러한 2차원 설계도의 단점을 보완하기 위해 정부 부처에서는 3차

원 BIM 설계를 고속도로 건설현장에도 도입하는 규정을 시범 운영 및 적용을 검토하고 있다.

⊔⊔실감 3D모델을 활용한 공정관리는 설계자료의 3차원화와 건설현장의 지속적인 3D모델을 구축
하여 활용하는 경우 해당 자료를 활용하여 공정관리 방안을 제시하며, 실감 3D모델을 활용하여

자원과 비용에 대한 합리적이고 효율적인 관리방안을 제시한다. 건설공정관리 단계인 Planning

단계, Scheduling 단계, Monitoring 단계, Control&Analysis 단계로 구분하여 공정단계별 방안을
제시한다.

가. Planning 단계의 공정관리

⊔⊔3D 모델을 활용한 계획단계에서 가장 중요한 부분은 현장에 대한 상황을 정확히 파악하는 것
이다. 대부분 공사현장은 공사구간 내에서 절토 된 토사 및 암반을 이용하여 성토가 필요한 구간

에서 사용한다. 시범사업 지역인 강진-광주 구간 2공구의 경우 담당자의 면담결과 터널 굴착공사가

이뤄지는 현장에서 1주일에 약 5,000m3의 토공물량이 지속해서 나오는 상황이며, 이 토공물량을
중간 적치하지 않고 공사위치에 직접 성토하기 위해 매일 현장을 측량하고 잔여 물량을 점검하고
있으며 토공 공사로 인해 최초의 설치된 공사 차량 이동로를 변경하는 작업을 수행하고 있다.

그림 3.52 성토 구간의 재 절토 사례

- 124 -
⊔⊔이 경우 공사 구간 내에서 암성토가 제일 빠르게 추출되는 위치, 추출된 암성토를 가장먼저
성토하는 위치를 결정해야 하며 두 위치를 이동하기 위한 이동로를 신설하는 작업이 필요하다.

⊔⊔계획단계의 공정관리에서는 전체 공사구간의 3D 모델과 중첩된 설계도를 이용하여 전체 공사

구간을 3차원으로 확인하며 최초 굴착 또는 절토 위치와 여기에서 추출되는 토사 및 암반을 성토
할 수 있는 위치, 두 곳을 안전하고 효율적으로 공사 차량이 이동할 수 있는 이동로를 계획하고

결정할 수 있다.

그림 3.53 3D 모델을 활용한 공정관리 예시(planning 단계)

⊔⊔또한, 설계면과 3D 모델과의 물량 비교를 통해 절토 및 굴착지의 토공물량을 예상할 수 있으

며, 성토 위치의 물량에 맞게 배분하여 계획을 수립할 수 있다.
⊔⊔이처럼 도로 공사에서 비효율적인 토공물량의 중간적치, 공사 차량 이동로 변경, 성토한 위치
의 물량을 재이동하는 경우는 공사비용의 증가를 초래하며 3D 모델을 활용하여 불필요한 작업을
거를 수 있다.

나. Scheduling 단계의 공정관리

⊔⊔계획단계에서 공사계획이 수립되었다면, 수립된 시공계획에 맞춰 장비, 인원의 투입일정을 연

계하여 위치별 공사 진행속도 및 작업량을 파악할 수 있으며, 전체적인 공사구간의 진행상태를

쉽게 파악할 수 있어 장비 이동 및 인원 배분이 쉽게 이뤄질 수 있다.

⊔⊔3D 모델을 활용하여 공사가 진행되는 위치에 따라 투입인력과 장비를 배치하고 진행되는 공
- 125 -
사진척도를 확인하여 위치별 인원과 장비의 가감을 통해 전반적인 공사속도를 맞출 수 있다.
⊔⊔공사 장비의 경우 대부분 일정 기간을 임대로 현장에 투입되는데 사전단계의 공사가 진행되지
않아 일부 위치에서 방치되는 장비들이 종종 확인할 수 있다. 아래의 사진은 시범지역에서 촬영
된 시계열 영상을 통해 건설장비의 이동 및 활용성을 확인해 본 결과 1개월 이상 동일한 위치에
방치된 건설장비를 확인할 수 있었다.

그림 3.54 3D 모델을 통해 현장에 방치된 건설장비 확인

⊔⊔이처럼 넓은 구간의 공사현장을 감독관에 의해 매일 확인한다고 하더라고 음영지역이나 관리

가 미흡한 지역이 발생하기는 마련이다. 따라서 계획단계부터 인원과 건설장비의 투입계획을 3D
모델과 중첩을 통해 관리할 수 있다.
⊔⊔이런 계획 관리는 장비 및 인력이 부족하여 작업이 늦어지는 구역과 공사 진행이 주변 지역보
다 빨라 일시 중단되는 구역을 빠르게 확인하여 인력 및 장비의 재분배를 할 수 있어 공사 기간

의 단축과 업무의 효율성을 높일 수 있다.

그림 3.55 3D 모델을 활용한 Scheduling 단계 공정관리

- 126 -
⊔⊔3D 모델의 위치별 현장 투입된 인력 및 장비의 리스트를 중첩하여 관리할 수 있으며, 이러한
기능을 통해 각각의 현장별 작업 계획을 관리할 수 있다. 모델을 통해 공사 단계를 확인하고 적

절한 인원과 장비가 배치되었는지 재검토할 수 있으며, 단기간의 공사속도 및 진행 과정을 토대

로 완공 예상 시기 산정과 공사 과정의 시뮬레이션이 가능할 것으로 예상된다. 공사 진행 중 설
계의 변경이 필요하거나 앞으로의 계획을 재수정할 경우 최신의 3D 모델을 이용하여 현재 공사

현장의 상태를 가시화하여 보여줌으로써 정확한 계획 수립 및 회의자 간의 원활한 의사소통이 가

능하다.

다. Monitoring 단계의 공정관리

⊔⊔공사구역별 인원과 장비 배치를 효율적으로 완료하고 공사계획 수립이 완료되었다면 현장을

주기적으로 모니터링하여 진행과정 중 발생하는 변수에 대한 빠른 대응이 필요하다. 공사현장에
문제가 발생하면 대부분 공사가 중단되고 원인 파악 및 현장 측정을 위해 별도의 인력이 투입되
며 그만큼 공사가 지연된다. 현재 현장을 모니터링하는 방법은 CCTV나 직접 현장에 드론을 띄워
동영상으로 현장을 모니터링하거나 현장 담당자가 사진을 찍어 현장 상황을 판단하게 된다.
CCTV나 현장사진을 이용하여 현장을 모니터링하는 경우 일부분만 확인할 수 있으며 이면의 다
른 지역은 볼 수 없는 단점이 있으며, 육안으로 보고 판단하는 경우 정확한 수치를 알 수 없어
현장에 직접 방문하여 검측 등의 작업을 별도로 거쳐야 한다.
⊔⊔3D 모델을 이용하여 현장을 모니터링하는 단계는 설계에 맞는 시공이 이뤄지고 있는지 쉽게
확인할 수 있으며, 현장 상황을 이미지로 구성된 자료와 측량성과와 동일한 측정자료로 구성되어
현장에서 발생하는 문제를 예측하고 사전에 대응할 수 있다. 또한, 시계열 모델 분석과 변화 측정
을 통해 공사 진행 상황을 모니터링할 수 있으며, 공사가 진행되어 땅속에 묻히는 지하시설물이
나 기반시설에 대해서도 과거 모델 자료를 이용하여 공사가 진행된 다음에도 확인할 수 있다.

그림 3.56 시공 후 확인할 수 없는 구조물

- 127 -
⊔⊔위치정보를 포함하는 3D모델은 공사구역을 주기적으로 촬영할 경우 각 시기의 영상을 비교하
고 확인하면서 다양한 모니터링이 가능한데, 그중 하나가 쉽고 빠른 공사 진행물량 확인 및 변화

과정의 모니터링이다.
⊔⊔공사현장에 투입된 장비와 토사 등의 물량은 지속해서 확인할 수 있지만 공사가 진행되고 있
는 곳의 물량은 간이 측량을 이용하여 측정한다. 절토사면이나 산마루 공사구간의 경우 감독관이

직접 확인하기 어려워 멀리서 개략적인 확인 또는 암묵적으로 확인 없이 지나가는 경우도 많다.

그림 3.57 3D 모델을 활용한 Monitoring 단계 공정관리

⊔⊔이러한 관리 취약구간이나 작업자의 접근이 어려워 지속적인 모니터링이 어려운 지역을 3D모
델의 주기적 영상을 통해 모니터링 가능하며, 공사물량 체크 및 시공 상태를 확인하여 공사 상황

을 확인할 수 있다.
⊔⊔공사의 진행 시 설계대로 정확히 맞아서 공사가 이뤄지지는 않는다. 지형의 변화든지 예측하
지 못했던 문제로 인해 중간에 설계변경 및 공사비용의 추가가 필요한 경우가 발생하는데, 아래

의 왼쪽의 경우 절토면의 암반이 설계에 반영되지 않아 공사가 진행되지 않는 경우이며, 오른쪽

은 설계보다 오른쪽에 시설물이 시공된 경우이다.

- 128 -
 그림 3.58 3D모델의 Monitoring 단계에서 확인한 설계변경 근거자료

⊔⊔두 경우 모두 설계변경이 필요한 지역이며, 설계변경 시 정확한 수치 자료와 이미지 자료를

모니터링 과정에서 쉽게 얻을 수 있어 시공사와 감독기관 사이의 업무 조율이 쉽게 이뤄질 것으
로 예상된다.

라. Control & Analysis 단계의 공정관리

⊔⊔3D 모델을 활용한 계획 수립, 계획 관리, 모니터링 등의 과정을 거치게 되면, 여기서 활용된
다양한 중첩자료와 3D모델을 통해 도로건설현장의 공정현황 분석, 공사위치별 실적관리, 준공일
정 대비 공사계획의 타당성 분석, 자재 확보에 대한 계획과 중장비 투입의 적정성 분석 등 다양

한 분석과 현장관리가 가능하다.

⊔⊔도로 공사의 경우 대부분 중장기(최소 2년~10년)계획에 의해 진행되는 대규모 공사로 과거의
공사 과정을 도면과 문서로 기록하여 보관하지만, 숫자와 선으로 되어있고 매월 제출되는 수많은

도면과 수치로 된 보고서를 일일이 확인하기는 매우 어렵다.

⊔⊔현장감독관은 청렴한 시공, 투명한 공사 관리를 위해 2년의 주기를 가지고 순환 근무를 하게
된다. 이러한 순환 근무로 인해 현장 상황을 정확히 파악하기 위해서 많은 서류와 수치를 확인해

야 하는 어려움이 있으며, 고속도로 시공의 문제점을 찾아내는 일은 더욱더 어렵다.

- 129 -
 그림 3.59 3D모델을 이용한 고속도로 건설현장 분석

⊔⊔3D 모델과 공사계획에 사용된 자료, 공사결과 등을 3D모델에서 쉽게 확인하고 간단한 측정기
능과 분석기능을 통해 정량적으로 공사 과정을 분석할 수 있으며, 정량적 자료가 바탕이 되므로
감독관의 교체에도 전체적인 공사현황을 쉽게 파악할 수 있다.
⊔⊔3D 모델 자체적으로는 위치별 수치를 이용하여 그림 3.59와 같은 분석이 가능하고, 건설과정
에서 필요한 분석기능을 별도로 구축하여 다양한 분석이 가능하다. 예를 들어 사면의 경우 완공
후 녹화를 위해 식재를 이식하거나 식재 기반제를 뿌려주는데, 경사의 위치와 시기에 따라 일조
량을 분석하여 사면 녹화의 공법을 다양화할 수 있다.

⊔⊔일조량 분석은 다양한 시뮬레이션을 통해 겨울철 눈이 오는 경우 자연적으로 녹는 위치와 제

설이 필요한 위치를 파악할 수도 있다. 또한, 공사구역 내 배수시설에 대한 시뮬레이션을 통해 강
수 대응능력을 판단할 수 있으며, 배수시설의 용량이 부족한 곳과 침수지역을 판단할 수 있다.

3.3 공간정보기술을 활용한 안전관리 및 유지관리

3.3.1 드론 안전관리 및 유지관리 사례분석

⊔⊔국도와 고속국도의 절토 사면에 대하여 유지관리 시스템으로 한국건설기술연구원에서 운영 중

인 도로절개면(Cut Slope) 유지관리시스템(Management System, CSMS)이 있다. CSMS는 낙석이
나 산사태 등을 방지하고 정비를 효율적으로 수행하기 위하여 절개면에 대한 DB를 구축하고, 보

- 130 -
수를 수행할 때 최적의 정비나 우선순위를 제시할 수 있다. 시스템을 통하여 예산이 효과적으로
집행될 수 있고, 도로를 안정적으로 운영된다. 연간 수 백개 이상의 절개 사면의 정밀점검, 붕괴

된 비탈면과 계곡부에 대한 정밀 안전조사 등의 현장조사가 이루어지고 시스템에 이력을 관리한

다. 대형비탈면의 관리에 있어서 초기 내비게이션 기반 절토사면 데이터 관리시스템이 인력의 현
장 접근이 어렵고, 현장 육안조사의 한계점이 존재하여 파악하기 힘든 다양한 위험요인에 대한

보완이 필요하며, 2015년 드론 등의 무인비행기를 도입하여 항공사진을 보조로 이용할 수 있다.

그림 3.60 도로 절토사면을 위한 유지관리 시스템에서 무인항공기 활용 예

(출처 : 한국건설기술연구원)

⊔⊔무인체 기술은 초기 주로 군사용 목적으로 개발되고 이용되었으나, 최근에는 재해 모니터링,

교통관리, 시설물 관리, 방송 및 통신 등 다양한 민간 산업 분야로 시장이 확대되고 있다. 국토교
통부에서는 『무인 검사 장비를 활용한 대형구조물 진단 및 원격 관리시스템 개발 기획』을 수행

하고(국토교통부, 2016), 이를 기반으로 『무인 검사 장비 기반 교량 외관상태 신속진단, 평가, 관

리기술 개발(2016년 ~ 2019년)』과제를 통하여 교량의 안전점검을 위한 무인체 기술을 확보하는
연구를 수행하였으며, 시설안전공단에서는 연구 결과를 바탕으로 무인체 활용 교량점검 가이드를

제안하였다.
⊔⊔교량의 점검 및 진단은 수행 내용과 점검 목적에 따라서 구분되며 드론으로 가능한 업무를 정
기점검 및 정밀점검으로 제한하였을 때(주로 정기점검), 드론으로 조사 가능한 항목은 그림 3.61

과 같다. 시설물의 안전점검에서 외관 조사는 기본적으로 수행되는 조사로 점검(외관 조사)시 조

사할 기본적인 결함은 다음과 같다.

- 131 -
□ 콘크리트 구조물 : 균열, 누수, 박리, 박락, 층분리, 백태, 철근 노출 등
□ 강재 구조물 : 균열, 도장상태, 부식상태, 변형 등
⊔⊔실험 결과, 근접촬영에 의한 균열조사에서는 최소 0.5mm 이상의 균열에 대해서는 관측이 가
능할 것으로 추정되나, 영상을 통한 균열 폭의 정확한 측정은 어려울 것으로 판단된다. 또한, 조

사시간이 장시간 소요되고, 거더 및 바닥판 하면의 조사는 조종자의 숙련도(수동 조작)에 의지해
야 하는 문제가 있다.

표 3.8 교량점검 체크 항목 (출처 : 드론을 활용한 도로 정책 개발 연구, 2016)

표면손상 구조적 결함
누수
부재 균열 파손 박리 철근 강재 설치 침하 파손 비고
(오염) 백태
탈락 박락 노출 부식 불량 변형 균열

교각 ○ ○ ◎ ◎ ◎ ◎ ◎
방호벽/난
간
○ ○ ◎ ◎ ◎ ◎ ◎ ◎
배수시설 ○ ○ ◎ ◎ ◎ ◎ ◎ ○ -

신축이음 ○ ○ ◎ ◎ ◎ ◎ ◎ ◎
바닥판하면

콘크리트
거더

받침장치 ○ ○
강재 거더

교면포장 ○ ○ ◎ ◎ ◎ ◎ ◎ ◎
교대 ○ ○ ○ ○ ○ ○

- 132 -
 그림 3.61 교량 점검 중 드론조사 가능 항목

⊔⊔기존에 지상투과레이더(Ground Penetrating Radar, GPR) 등을 이용하여 도로포장 점검 등의

현장조사 방법을 활용하였으나 기존 조사방법의 경우 공항의 활주로(runways), 도심도로, 일반국
도 등에 대하여 통제 및 점유로 인하여 현장 점검에 시간이 많이 소요되고, 도로 및 공항의 운영

을 점검 중에 중지해야 하는 단점이 있다.

⊔⊔독일 airsight사 (https://www.airsight.de/aerial-services/)는 공항과 항공 운항서비스 업체에
업무 컨설팅이나 엔지니어링 용역을 제공하는 회사로, 공항의 차세대 도로 안전점검(NextGen

Airfield Inspections) 기술이라는 이름으로 무인항공기 기반 점검 기술을 적용하고 있다. airsight

사의 차세대 도로 무인항공기 기반의 도로 점검 기술은 그림 3.62와 같이 고정밀 광학카메라를
운용하는 드론으로 공항지역을 비행하여 영상을 수집한 후에 영상처리, 사진측량을 통해 정사영
상을 얻고 후처리 과정으로 구성된다. 이 서비스를 통해 공항 도로 포장 점검자나 운영자는 도로
의 포장 상태에 대한 현황과 균열, 포트홀의 위치와 크기를 관련 시스템에서 확인할 수 있고, 손
상을 시계열로 추적할 수 있으며, 실시간으로 현황을 원격에서 정보화할 수 있고, 비용이나 시간
도 절약가능하다.

- 133 -
 그림 3.62 airsight사의 NextGen Airfield Inspection

⊔⊔교량 외관상태를 점검하기 위해 미국의 드렉셀대학(Drexel University)에서는 카메라 등 원격

센서가 탑재된 드론을 활용하는 방안에 대해 연구하였다. 원격으로 외관점검 체계는 접촉식 감지
시스템에 정확도가 일부 제한될 수 있지만, 로프, 비계(scaffolding), 특수차량(cherry pickers)등의
교량점검 시 필요한 도구를 사용하지 않고도 주기적으로 빠르게 스캔이나 검사를 수행할 수 있

다. 다양한 실제 교량뿐만 아니라 소형 목업콘크리트 교량의 상부 구조에 대한 실험도 드렉셀대

학에서는 수행하였다. 드론에 탑재하는 소형 열적외 카메라(thermal imaging camera)에서도 지상
의 FLIR SC325 열화상 카메라 관측과 유사한 점검이 가능한지를 확인하기 위해 FLIR SC325 열

적외 카메라를 카트에 탑재하여 목업 교량을 스캔하였으며, 획득한 열적외선 영상은 모자이킹하

여 그림 3.63와 같이 파노라마 영상을 제작하였다. 이 영상의 D1, D2, D3 등의 표시 영역에서는
다른 영역에 비하여 높게 온도가 나타났으며, 드론 열적외 관측에서도 동일 영역의 온도 분포는

유사하게 특성이 나타났다. 한편 기하적 속성(거더의 변형량, 베어링 위치)이나 교량의 상태 평가

(파쇄 영역, 부식 영역)를 추정하기 위하여 드론을 통해 수집된 데이터를 활용하는 비전 기반의
알고리즘을 개발하고 검증도 수행할 계획이다.

- 134 -
 그림 3.63 Drexel 대학의 목업 교량 실험

⊔⊔공공사업이 시행되고 있는 지역에서 기 설치되어 있는 시설물이나 이미 성장하고 있는 농작물로 인하여

공공사업 시행에 방해가 되는 개체 등의 조사에 무인항공기를 이용하는 경우 비용이 저렴하고 자료 획득이

용이하며, 고해상도의 영상을 획득할 수 있다. 접근난이도, 조사거부, 그리고 조사인력 부족으로 인한 현장조
사의 어려움이 있는 지장물 조사에 드론활용이 문제 해결로 이어질 수 있며, 기존 인력에 의한 조사방식에
비하여 30% 정도의 원가절감을 할 수 있고, 도로 건설사업에서도 이러한 효과를 기대할 수 있다. 세입자 현
황, 임목, 건물, 농작물, 분묘, 축사, 전주, 영업권 등에 대한 실시설계 단계의 지장물 조사는 주요 개체에 대
한 표시와 축척, 위치, 지번, 행정구역, 지목 등을 기술한다.

- 135 -
 그림 3.64 지장물의 드론 이용 정밀조사(출처 : 국토교통부)

⊔⊔2014년 건설재해통계자료에 따르면 건설업에서의 재해요인은 낙하물로 인한 타격, 고소작업에서

근로자 추락, 끼임(협착), 깔림과 타격, 건설장비와 충돌, 사면 붕괴, 건설 중인 구조물이나 가설구조
물 붕괴 등 매우 다양하다. 그 중에서 직간접적 요인으로 작용하는 가설구조물의 붕괴가 건설재해
비율은 40%에 이른다.

⊔⊔건설현장에서 드론을 사용하여 건축 안전 모니터링이 이루어지고 있다. NIOSH (National

Occupational Safety and Health Institute)에 따르면, 건설 산업에서 UAV의 활용은 건설현장의
공중 매핑을 통한 건설 프로젝트 계획을 지원하는 것에서부터 실제 구조물로 확장하는 것까지 다

양하다. UAV는 건설현장, 특히 대규모 현장이나 여러 현장에 퍼져있는 현장을 지상에서 관리하
는 것보다 더 빠르고 효율적으로 모니터링할 수 있다. UAV에는 적외선 카메라, 레이더 및 기타
기술을 장착하여 작업현장에서 감시 기능을 향상시킬 수 있다. 이 정보는 건설 진행 상황뿐만 아

니라 작업장의 작업자, 장비 및 자재를 추적하는 데 유용하다. LHSFNA 관리 공동 의장 Noel C.

Borck에 의하면“드론 시스템을 사용하면 작업자를 위험에 빠뜨리지 않고도 원격지에서 위험한 조
건이나 불안정한 구조를 검사할 수 있다.

⊔⊔특히 고가의 구조물, 다리 위나 아래, 번잡 한 고속도로와 같이 어색하거나 접근하기 어려운

위치도 해당된다.”고속도로 작업 영역에서도, 드론은 항공에서 도로의 전체 또는 인접 구조물의
검사를 할 수 있다. X-ray 기술과 WiFi 신호를 사용하여 물체의 고해상도 3D 맵을 생성할 수 있

는 드론도 개발되고 있다. 이 기술은 벽 뒤에 알려지지 않은 영역의 정확한 모델을 생성하거나

위험한 건물, 교량 또는 기타 구조물의 구조 모니터링에 사용할 수 있다. 드론을 사용하여 안전하
게 작업자를 보호할 수 있는 다양한 방법 덕분에 건설현장에서 트럭이나 지게차처럼 드론도 일반

적 기계일 수 있다.
⊔⊔향후 건설 산업에서의 드론 기술은 작업자 안전을 개선하고 작업장 효율성을 높이며, 시공 비
용을 줄일 수 있는 쪽으로 드론 기술이 발전할 것으로 예상된다. 도로 건설현장의 안전관리를 위

하여 지방자치단체에서는 안전교육 및 안전관리 책자의 발간이나 배부, 건설 시공현장의 점검 등

- 136 -
을 통하여 안전사고가 없는 자율적 건설안전관리를 유도하고 있지만, 예고 점검에서 얻는 지적사
항 보다 불시 순찰점검 시에 평균 4배 정도 더 많이 발생하였다.

⊔⊔소수의 감독관이 넓은 도로 건설현장을 순찰하기에는 어려움이 많기 때문에 안전사고 예방 대

책으로 드론을 활용한 안전감찰을 활용할 수 있다. 안전감찰은 안전감찰 도입 점검, 중소형 건설
현장에 대한 안전 컨설팅, 드론을 활용한 돋보기 현장 점검으로 구성된다. 특히, 그림 3.65와 같이

접근이 어렵거나 직접 육안점검이 어려운 옹벽, 교량의 상부, 터널의 입출구에 있는 절토사면, 산
마루 측구 등에 대하여 드론을 활용한 돋보기 현장 점검으로 안전사고 발생 요인을 사전에 제거
하는 것이다.

⊔⊔‘무인항공기를 활용한 도로관리 효율화 방안’(한국건설기술연구원, 2017) 연구에서 드론활용을

위한 필요기술 및 법·제도 개선사항으로 드론 수동 촬영의 경우 건설현장 안전점검을 수행하기
위해서는 특별한 센싱 기술이 필요하지 않고, 점검자가 드론 작동기술만 숙지하기만 하면 업무추
진이 가능하다고 보았다.
⊔⊔건설현장의 안전점검을 위한 드론 영상 기반의 제약조건이 법 제도상으로 존재하지 않지만, 금
·

지구역 또는 비행제한 조사 지역의 경우 사전에 허가가 필요하며, 조사에 제약이 있을 수 있다.

현재 건설현장 점검에서 사용하는 육안점검의 경우 교량상부 등의 지역은 안전사각지대로 존재하
며, 점검하는 인원의 접근이 불가능한 지역에 대해서도 무인항공기 도입을 통하여 점검이 가능하
다.

그림 3.65 드론을 이용한 돋보기 현장점검(출처 : 원주지방국토관리청)

- 137 -
⊔⊔드론을 활용하여 교통사고가 발생한 도로에 드론이 전송하는 실시간 동영상을 이용하여 교통
사고가 발생한 도로현장의 세부 사항을 실시간으로 모니터링할 수 있다. 교통사고 현장의 세부적

인 현황파악이 이루어지면 사고 발생에 따른 2차 사고 예방, 사상자에 대한 응급조치, 교통관리

효율화 등이 가능할 것이다. 이러한 교통사고 현장의 모니터링을 건설현장에 적용하면 안전사고
관리에 활용이 가능할 것으로 판단된다.

⊔⊔NGSIM(Next Generation SIMulation, 2006) 프로젝트는 미시적 교통시뮬레이션의 차량주행 행

태 알고리즘(behavioral algorithms)을 검증하기 위한 프로젝트로 실제 차량 궤적자료 수집을 통
해서 기존 주행행태 알고리즘을 평가하고 개선하기 위한 목적으로 시행되었다.

그림 3.66 동영상을 이용한 차량의 궤적 추출

(http://ops.fhwa.dot.gov/의 trafficanalysistools)

⊔⊔비디오 영상자료기반 개별차량의 궤적을 출력하는 영상처리 과정, 개별차량 궤적자료를 활용

한 교통분석 과정 등이 포함된다. 건설현장에서 안전관리를 위하여 차량 인식시에 위와 같은 영
상처리 기술이 활용될 수 있다.

⊔⊔드론을 활용한 고속도로 교통조사분석 기술개발 연구(도로교통연구원, 2017)에서 드론을 활용

한 차량검출, 차량추적, 교통분석을 수행하였다. 또한 eX-BIM설계모델 구축연구(설계처, 2016)에서
영상기반 위치추적 기술을 건설현장에 적용하는 사례로, 현장 안전관리를 목적으로 건설인력을 추
적, 타워크레인에 의해 운반되는 콘크리트 버킷을 추적하여 생산성 산출에 적용 등을 제안하였다.

- 138 -
 그림 3.67 건설인력 및 장비의 위치추적

⊔⊔미국 워싱턴주 교통부(WSDOT)의 동계 눈사태 위험지역 모니터링 및 관리 프로그램은 겨울철

에 발생하는 운전자의 위험과 폭설로 인한 도로의 폐쇄 시간을 줄일 수 있다. WSDOT와 워싱턴
대학은 동계 도로 관리 프로그램을 향상시키기 위해 드론기반 모니터링 체계를 이용하여 프로그

램을 평가하였다. 이 프로젝트에서 회전익과 고정익 비행기종에 대하여 산악 지형의 도로를 따라

시험 비행도 수행하였다.
⊔⊔도로포장관리시스템이 국도 및 고속도로의 효과적 도로관리를 위하여 운영되고 있다. 운영 목
적은 도로 포장 관련 효율적 유지보수 예산 집행과 적정한 수준 이상으로 도로의 노면 상태를 유
지하는 것이다.
⊔⊔악천후에 자주 발생하는 포트홀을 관리하기 위하여 도로관리청의 복구 차량이 관내를 순찰한
다. 순찰 중에 발견되는 포트홀은 복구가 진행되지만, 포트홀 발생에 따른 민원, 교통사고 등이
지속해서 발생하고, 효율적으로 포트홀의 복구가 진행되지 못하고 있다.
⊔⊔특히 지방부 도로의 경우에 분포가 광범위하게 분포되어 있기 때문에 포토홀의 현황조사가 신
속하게 이루어지기 어렵다. 포장 조사시 드론 활용방안으로, 소성변형, 평탄성, 균열 등 정기적인
포장상태를 상시 활용하여 포장의 효율적 유지관리가 이루어지는 방안이 있고, 폭우 및 태풍 등
악천후에서 포트홀이 발생할 때 긴급하게 조사하는 수시 활용방안이 있다.
⊔⊔드론에 탑재할 센서로 포장의 화학적 성분변화가 변한 경우 초분광 카메라를 활용하여 계측이
가능하고, 포트홀, 노면 굴곡 등의 경우에는 광학 카메라를 활용하여 노면 형상의 3차원 모델링,
손상객체의 추출기술 등으로 조사할 수 있다. 조사 방식에 있어서 드론을 활용하여 1차로 조사한
자료를 바탕으로 2차 정밀조사(조사차량 활용) 대상구간을 정하거나, 고해상 드론을 2차에 활용하
는 것이 효과적이다.
⊔⊔Dynamic BIM-augmented UAV safety inspection for water diversion project 연구에서 위험
요소 및 위치를 미리 DB화하여 UAV로 비행하면서 비디오 또는 사진으로 대상을 찍어 외관 상
태를 확인하고 관리하는 시스템을 제안하였다.

- 139 -
 그림 3.68 동적 BIM 강화(dynamic BIM-augmented) UAV 조사 흐름도

⊔⊔Drone Surveys Improve Automated Road Construction(Charles Choi, 2016.10)에서 Singh에

의하면 "드론만 필요한 건설 프로젝트의 예로 채석장이 있다. 드론이 채석장의 작업 진행 상황의

보고에 사용될 수 있다. 일례로, 토량 비용을 계약자에게 지불할 때, 얼마나 많은 흙과 암석을 가

져왔는가에 대해 확인하고 비용을 지불할 수 있다. 드론은 안전 준수와 기타 다른 것들을 위해
현장에서 무슨 일이 일어나고 있는지에 대한 기록하기 위해 매주 또는 매일 영상을 취득할 수 있

다.
⊔⊔시설물정보관리종합시스템(FMS, 한국시설안전공단)에 등록된 국내 비탈면 수는 약 3,000여개
로, 2종 비탈면의 정밀점검과 계곡부 및 붕괴 비탈면의 정밀 점검 등 현장 조사가 일반국도 등에

서 수행된다.

그림 3.69 인력식 비탈면 조사

- 140 -
⊔⊔그림 3.69와 같이 인력이 직접 현장을 조사하는 경우 조사자의 안전성과 조사의 효율성 측면
에서 산악지형과 같은 접근이 어려운 경우에 문제가 발생한다. 상부 자연 비탈면에서 인공시설물

파악, 지반이 침하되는 현상의 인지, 인장균열 발생 등 비탈면 위험요인을 드론 촬영 영상을 활용

하여 파악할 수 있다. 특히 2종 시설물에 대한 정밀점검 현장조사, 비탈면의 해빙기 합동 점검 시
드론을 이용하여 안전하고 효율적으로 현장점검이 가능하다. 비탈면의 정확한 현행화를 위하여

드론 촬영 영상의 3D 모델링을 수행하고 높이, 경사도, 면적, 길이 등 현황을 파악할 수 있다. 그

리고 드론에 고정밀 합성 개구경 레이더(Interferometric SAR) 센서를 장착하여 관측하는 경우 느
린 속도로 진행되는 비탈면 포행을 관측하여 비탈면을 정밀하게 변위 측정할 경우 사전에 비탈면

의 붕괴 위험성을 예측할 수 있다.

⊔⊔다른 센서에 비해 레이더 센서의 경우 수목의 영향을 적게 받는 장점도 있다. 한편 도로 및
비탈면 유실량 측정을 위하여 비탈면에서 토석류가 발생하는 구간에서는 드론을 이용한 폭넓은
조사를 수행할 수 있다. 토석류의 이동 경로, 이동 시점 파악, 토석류의 전체 형상 및 규모 등을
통해 토석류의 원인, 예방전략, 복구대책 등에 대한 수립이 빠르게 가능하다. 드론을 이용한 토석
류 조사 결과, 토석류가 발생한 구간의 암석을 효율적으로 측정 가능하며, 계류내 거리, 경사, 면
적 등을 쉽게 측정할 수 있었다.

표 3.9 기존 토석류 조사와 드론 조사의 비교표 (출처 : 드론을 활용한 도로 정책 개발 연구)

35°이상의 유역내 최장계곡 중 도로측면의 퇴적공간 배 수
유역평균
지형면적 최장계곡 15°이상구간의 시설물
구 분 지역경사 규모
비율 평균경사 길이비율 V L W H 크 기
(°) 평가
(%) (°) (%) (단면)
기존 방법 21.6 83.6 10. 박스
25.7 11.6 269.6 50.0 3.5 보통
드론 29.8 98.0 0 2 × 2

⊔⊔도로에 인접한 사면의 땅밀림 발생지에 대한 변위 특성 연구에서 항공 라이다(LiDAR)와 수치지

형도를 이용하였다. 2018년 항공 라이다 촬영 DEM과 2016년 촬영 DEM과의 비교 및 분석을 통하여 지형
의 변위량을 산출하였다. 지형변위량에 대한 결과를 보면 과거보다 지형이 낮아진 지점은 침식되었으므로
(-)이고, 높은 지점은 퇴적되었으므로 (+)이다. 본 연구지역에서는 최대 지형변위량이 –1.2m, +10.3m로 각각
나타났다. 특히, 그림 3.70의 남쪽(사면 상부)에서 발생된 땅밀림으로 인하여 북쪽 옹벽, 침하 부분, 도로 부
분에서 가장 크게 변위가 발생하였다. 지형변위량 산출방법은 다음과 같다.

       ·

··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··
··(2)

   : 개별 격자에 대한 변위 크기,   : 변위 후의 개별 격자들의 높이,   : 변위 전의 개별

격자들의 높이, i : 열, j : 행

- 141 -
 그림 3.70 땅밀림에 의한 지형 프로파일의 분석결과

⊔⊔고속도로 드론 운용 및 통신환경 구축기술 연구(2018)에서 고속도로 교통분석 및 비탈면 안전

점검을 위해 드론을 개발하였다. 드론의 최대 고도는 500m이고, 비탈면 안전점검 근접촬영을 위

해서 호버링 정밀도는 ±1m 수준이다. 사면 안전 촬영을 위하여 열화상 카메라를 탑재하고, 고해

상도 카메라로 촬영한 영상은 서버에 LTE망을 통해 저장하고, 생성 데이터를 관리하는 무인기 통
합 운영센터의 구축을 제안하였다.

⊔⊔구주엔지니어링은 드론을 이용한 암반사면 경사의 오차범위 3 ° 미만의 안전성 평가 측정 장비

를 개발하였다. 그림 3.71은 암반사면에 대한 절리 방향 측정장치의 드론을 이용한 측정개요도를
나타낸다. C지점은 비행하는 드론에 부착되어 있는 초음파센서를 통하여 측정하는 암반사면의 수
평거리 a 값과 수평면에서 시계방향으로 30° 회전시켜 서보모터를 이용하여 A점에 대한 선형거
리 b의 값을 측정한다. 측점 B와 측점 A를 선분으로 이어서 삼각형을 만든 후에 사면상의 점 A
와 점 B를 잇는 선분 c의 거리를 산정한다. 그리고, 제2코사인법칙을 사용하여 θ를 구하고, 암반
사면절리의 경사방향은 오일러각으로부터 산정한다. 클리노미터로 측정한 기준값과 비교한 결과
경사방향과 경사의 허용오차 ±12°, ±7°범위 내에서 절리의 측정 작업을 편리하게 측정할 수 있고,
절리 암반에 대한 안정해석의 입력 자료로 향후 활용될 수 있다.

- 142 -
 그림 3.71 (좌) 드론을 이용한 측정 다이어그램과 각도 계산 다이어그램(우)

⊔⊔3차원 레이저 스캐너를 이용하여 암반사면에 대한 절리방향의 측정 신뢰성에 관한 연구에서 암

반사면의 절리방향 측정을 위하여 3차원 레이저스캐너를 활용하였으며, 38개의 클리노미터 측정 데
이터와 비교 및 분석한 결과, 경사의 경우 ±4°, 경사방향의 경우 ±5° 편차를 보여주었다. 클리노미
터의 조사자에 따른 오차 범위에 대한 선행 연구에서는 경사와 경사방향의 오차범위는 각각
±5°/±10°이다.

⊔⊔UAV 항공영상을 이용하여 산림지의 횡단면도 추출 및 사면의 안정성 평가 연구에서는 사면안

정해석 방법으로 한계평형법(LEM, Limit Equilibrium Method) 중 Simplified Bishop법을 이용하였
다. UAV 항공사진으로부터 추출한 산림지 시계열 고도데이터는 사면의 안정해석 시 적용성이 높은
것으로 여겨지며 무인비행기를 이용한 사면 형상 추출, 사면의 안정성 평가는 비용과 시간적인 면
에서 효율성이 높다.
⊔⊔UAV를 활용한 효율적인 도로 급사면 단면추출 연구에서는 인력이 접근하기 힘든 붕괴가 발생
한 붕괴사면의 공간에 대한 보강방법 검토 시 드론을 활용하는 방법을 제시하였다. 토공에 대한 현
황측량에서 토적 산출량의 오차와 드론으로 측정한 오차는 경미한 범위로 비교되었으며, UAV로 이
용하여 측정 시간을 크게 단축할 수 있고 수치표고모형(DEM) 붕괴현황을 통하여 안정성 해석의 기
초자료로 활용 가능하다. 특히 슬라이딩이 발생한 붕괴 사면에 대한 보강 방법을 검토하는 경우에,
현장의 절리 상태파악 및 원호파괴 현황 등 작업자의 이동이 어려운 상황을 사진 판독으로 가능할
것으로 판단된다.
⊔⊔드론을 활용한 석회석 ○○노천 광산의 절취사면 안정성에 대한 평가 연구에서 절취사면에서 측
정된 총 45개의 절리 자료를 평사투영한 결과 대상 노천 석회석광산 절취사면에 있어 평면파괴의
경우 불안정한 반면, 쐐기파괴와 전도파괴의 경우 안정한 것으로 나타났다. 영상의 지상 해상도는
3.17 cm/화소, 오차는 0.785 화소, Z-좌표의 오차는 1m 이내로 나타났다. 제작된 3차원 영상만을 고

- 143 -
려할 때, 사면의 상태 변화는 파악이 가능하지만, 더 정확하고 세밀한 분석을 위해서는 공간좌표계
의 오차를 줄여야 해결될 수 있을 것이다. 드론영상 기반의 3차원 지형표고모델을 이용한 위험도의

분석에서 3차원 사면지형모델의 상단 좌측에 위치한 파랑선 표현 쐐기파괴 영역과 적색선 표현 사

면의 불연속면, 황색 원의 영역에 대한 변질대의 유무를 확인할 수 있다. 3D 영상 모델을 통한 해
석모델을 만들고 강도감소법으로 분석한 결과 최종 굴착 사면은 안정한 상태를 나타냈다. 최대 전

단 변형률을 구하기 위하여 사면활동 형상 자료를 이용하여 확인한 결과 사면 하단부에 집중되는

것으로 나타났다. 3D 사면지형모델을 분석하여 위험도에 대한 분석을 실시한 결과, 절리 발달 상태
∼
를 1 4차 촬영된 영상으로부터 시각적으로 확인 가능한 것으로 나타났다. 드론의 주기적인 현장

모니터링을 통하여 석회석 OO노천 광산의 절취 사면 관련 안정성 평가가 가능하다.

그림 3.72 Photoscan을 이용한 2D 영상기반 절취사면의 위험도 평가

⊔⊔드론을 이용한 암반사면의 안정성 평가방법(Evaluation method for stability of rock slope using
drone)에서 드론을 이용해 낙석이나 붕괴의 위험이 의심되는 암반지역에 대해 여러 장의 사진을 찍
고, 촬영된 사진을 정합하여 지상의 기준점과 대비해 발생된 오차를 보정한 다음, 이를 이용해 개별
암반사면의 경사방향, 경사각 및 표면 굴곡도와 같은 암반사면의 정보를 획득하고 추출한 다음 안

정성 평가를 통해 암반사면의 위험도를 평가하는 드론을 이용한 암반사면의 안정성 평가방법이다.

⊔⊔비탈면을 대상으로 조사 및 점검 개선, 보강시설 노후화 대응 기술 개발(한국건설기술연구원,
2019~2021)에서는 ‘비탈면 정보의 3D 도면화를 통하여 위험 및 취약부 자동추출 기술’을 개발하

고 있다. 이 기술은 무인비행기(UAV)에서 촬영한 영상정보를 사진측량기법 을 이용하여 3D 정보

로 도면화하고, 이 지형정보를 활용하여 비탈면과 연접하고 있는 산지의 취약사면 및 주변의 확
장된 비탈면 영역에 대하여 위험과 취약성 평가기법을 개발한다. 그리고 3D 영상을 바탕으로 위

험 및 취약부에 대한 추출 성과를 중심으로 비탈면의 위험 및 취약 평가표를 개정(안)에 적용한

다. 기존의 절토사면 유지관리시스템(CSMS)에 대하여 비탈면의 속성정보를 연계하고, 실무 비탈
면 조사, 평가, 점검 업무에 활용되는 유지관리 기술을 개발하는 것이다.

- 144 -
 그림 3.73 산사태의 고해상도 조사를 위한 드론 활용 방법론 흐름도

⊔⊔UAV: low-cost remote sensing for high-resolution investigation of landslides(Daniele Giordan,

Andrea Manconi, Dwayne D. Tannant, Paolo Allasia, 2015 IGARSS) 연구에서 아래 그림 3.74와 같

이 드론을 이용하여 사면 붕괴 분석을 수행하였다. 생성된 3D 모델을 사용하여 사면 잔류 위험을 추

정하고, 도로 폐쇄 또는 건물 대피가 반드시 발생해야 하는지 또는 보강조치 여부를 판단할 수 있다.

그림 3.74 Pian della Mussa 산사태 지형도(Geomorphological map)

⊔⊔사면 안정성 평가를 위한 원격 모니터링 활용(Meho Sasa Kovacevic, Marijan Car, Mario Bacic,
Irina Stipanovic, Kenneth Gavin, Karin Noren-Cosgriff and Amir Kaynia) 연구에서 UAV를 이용

- 145 -
한 rockfall의 부피 측정, 산사태 매핑, 산사태 보수조치 등을 수행하였다. UAV와 매핑 소프트웨어
는 Rockfall 시뮬레이션에 사용되는 모든 컴퓨터 프로그램, 예를 들어 Rockfall

(https://www.rocscience.com의 rocscience products에서 roscience의 제품)에 대한 모든 데이터를

생성할 수 있다. Rocfall은 입력 데이터(사면 기하학, 사면 재료 특성, 블록 크기, 블록 시작 위치 및
시작 속도)를 기반으로 블록의 궤적을 계산하며 출력 데이터가 블록의 속도, 위치 및 운동에너지를

제공하여 이를 계산한다.

3.3.2 비탈면 점검 기준 및 방법

⊔⊔고속도로 비탈면 가이드북에 따르면 비탈면 유지관리는 초기 변형 및 결함을 정확하게 상태

파악하고, 대책을 적절하게 수립하여 시행하는 업무이다. 정해진 순서에 따라 결함의 예측, 평가
및 판정, 점검, 기록, 대책 등을 조합시켜 처리한다.

필요시
일상점검

정기점검
· 해빙기

· 우기 대비

필요시 긴급상황시

정밀검사 긴급점검

필요시

정밀안전진단
필요시
안전진단 전문기관

결과 / 조치

그림 3.75 비탈면 점검 업무흐름도

⊔⊔시설물의 안전관리에 관한 특별법에서 정의하는 비탈면은 ‘비탈면 높이 30m 이상 (단, 옹벽

이 있을 때 옹벽상단에서의 높이)을 포함한 깎기부로서 단일수평연장 100m 이상인 깎기비탈면’이
다. 여기에 포함되는 비탈면은 다음 표와 같은 점검 기준을 적용할 수 있다.

- 146 -
 표 3.10 비탈면 점검 시기 및 대상 구조물

구 분 대상 구조물 시 기
일상
전체비탈면 수 시
점검
시특법대상 및 A/B/C급(반기에 1회이상)
정기 관찰대상 비탈면 D/E급(1년에 3회이상)
점검 높이 10m 이상
1년에 1회이상
(2종, 관찰대상 제외)
손상
당해 비탈면 필요시
안 긴급 점검
점검 특별 필요시
주요 비탈면
전 점검 (해빙기, 우기, 결함발견시 등)
초기 시특법대상 및 준공 후
점 점검 관찰대상 비탈면 6월 이내
정밀 시특법대상 A급(3년에 1회이상)
검 점검 정기적
및
정밀 B, C급(2년에 1회이상) 년 중
관찰대상
점검
비탈면 D, E급(1년에 1회이상)

시특법대상
정밀 정기적
및
안전 정밀 필요시 년 중
관찰대상
진단 점검
비탈면

⊔⊔비탈면 점검은 대부분 현장 직접 조사방법으로 이뤄지고 있으며, 조사대상지에 한해서는 비탈

면 일상점검을 실시하고 있다. 일상점검은 수시로 진행되며 전체 비탈면을 대상지로 한다.
⊔⊔일상점검은 유지관리 주체에서 도보 혹은 차량 등으로 일상적인 순찰시에 실시하는 육안점검
으로 시설의 손상 및 결함이나 비탈면의 위험요인을 조기에 발견하고 자세한 상위 수준의 점검실
시 여부나 대처방안을 적절하게 판단하기 위하여 이루어진다.
⊔⊔주요 점검요소는 지하수 용출, 낙석, 사면보강 및 보호공과 같은 시설의 상태, 붕괴징후 등이
있다. 점검 시 주안점은 비탈면 붕괴징후 인지와 주요 비탈면 시설의 사용요건 만족여부를 확인
하는 것이다.

- 147 -
 표 3.11 비탈면 일상점검내용 및 필요장비

분류 점검항목 점검장비 점검내용

· 낙석 · 위치, 즉각적인 제거 여부, 규모

· 배부름
붕 괴
· 인장균열 · 위치, 발생 시기, 규모
· 침하
· 카메라
사 면 · 지하수 용출 · 누수량, 탁도
· 필기도구
상 태 · 뜬돌 · 위치, 낙석발생시 피해도, 규모
· 지도

· 낙석보호시설
사 면 · 배수시설 · 변상, 노후, 파손여부
시 설 · 표면보호시설 · 기능상실 여부
· 보강시설

⊔⊔비탈면 일상점검시 일반적인 이상징후의 특징은 다음과 같다.

① 갑자기 낙석이 심하게 발생한다.
② 전면부에 소규모의 붕괴가 발생한다
③ 사면과 그 상부사면에 균열이 관찰된다.
④ 사면하부에 압출 및 돌출의 현상이 관찰된다.
⑤ 사면방지망 또는 방책이 변형하거나 앵커가 부상한다.
⑥ 사면하부의 옹벽 등에 균열 및 전도 등의 현상이 발생한다.
⊔⊔우기대비 점검은 우기 전에 관내 취약지구에 대해 집중강우 시, 혼합비탈면, 계곡부, 토사비탈
면의 취약부와 배수시설의 배수기능 등에 대하여 집중하여 정기 점검을 시행한다. 인공비탈면에
서 토사나 암석이 무너져 내리는 현상은 비탈면 붕괴라 하고, 우리나라 대표적인 비탈면 붕괴형
태는 낙석과 평면파괴, 쐐기파괴 등이 나타나는 암반비탈면 붕괴와 표층유실 및 세굴 등이 나타
나는 토사비탈면 붕괴이다. 비탈면 붕괴 발생 요인은 지질학적 요인, 수리학적 요인, 인위적 요인
으로 구분할 수 있으며, 비탈면의 변화를 모니터링하고 그 변화를 감지한다면 붕괴에 의한 사고
를 예방할 수 있으므로 정기 및 특별점검이 적절하게 수행되어야 한다.
⊔⊔시설물의 안전 및 유지관리를 위한 실시 세부지침(안전점검‧진단편)에 따르면 절토사면의 정기
안전점검 점검항목으로 파괴징후(인장균열 및 이완 암괴 유무, 전반적인 외관상태, 지반 및 구조
물 변형 유무)와 파괴 위치, 유형, 규모 등의 파괴현황을 조사하여 사면손상상태를 점검한다. 이러
한 요인에 대하여 드론기반 공간정보를 활용하여 점검하는 경우, 시기별 점검자료의 변화추이를
통하여 판단하거나, 사면경사 불량, 지반 함몰, 융기, 옹벽 및 배수시설 변형 등의 기하학적 이상
여부를 파악하여 점검할 수 있다.

- 148 -
 그림 3.76 사면 주요 점검항목인 (상) 인장균열(tension crack)과 (하) 배부름

⊔⊔관심대상 사면에 대하여 측량 등을 통하여, 사면 경사각 또는 경사율(%), 사면 경사를 이용하

여 절토사면의 형상을 평가한다. 그림 3.77은 사면 경사, 경사율(%), 사면 경사각에 대한 개념이
다. 여기서, θ = 사면 경사각(°), S(1:S) = 사면 경사, 경사율 = 100 × (1/S) % 이다.

그림 3.77 사면 경사(1:S), 사면 경사각(°), 경사율(%) 그림 3.78 절리 경사(φ)와 방향(α)

⊔⊔절토사면의 상태평가를 위한 조사항목은 사면의 파괴요인의 평가와 손상상태로 구분하여 수행

한다. 토사 사면, 연약 암반사면, 파쇄 암반사면에 따라 상태평가 항목 및 기준이 정해져 있으며,

- 149 -
사면형상 항목의 사면 경사는 경사 크기에 따라 0~8점으로 구분하여 평가한다. 인장균열의 경우
mm~cm 수준으로 구분하며, 지반 및 구조물 변형은 유무에 따라 점수를 구분한다. 드론을 이용

하여 인장균열을 감지하는 경우 cm 이상 수준의 균열이 가능할 것으로 여겨진다. 변형 유무 정도

는 최근 점검자료와의 비교, 전문가 의견, 계측 등을 통해 진행성의 유무가 확인되면 정기적으로
관찰하고, 정밀안전진단을 실시한다. 드론을 이용하여 변형 유무를 평가하는 경우, 시계열 수치표

면모델(DSM)을 비교하여 진행성을 판단할 수 있을 것으로 판단된다. 사면의 경사는 평가영역 내

의 평균 사면경사(비탈어깨 또는 상부자연사면 경계에서부터 비탈면 끝까지의 각도)로 평가한다.
사면내 불연속면 특성이 있는 경우 사면의 방향이나 불연속면의 경사 및 경사방향의 불일치 특성

을 조사한다. 안전성능 평가를 위하여 상부 자연사면의 경사도 조사한다.

3.3.3 우리 공사 연구사례 및 보고서 분석

⊔⊔기존 보고서의 시설물 안전관리 관찰대상은 터널 입 출구부의 절토사면, 교량 상부, 옹벽, 산마

·

루 측구 등이었으며, 안전관리 방안으로는 도로변에서 무작위로 드론 또는 육안을 이용하여 안전

관리실태를 감찰한다. 공사 기간 중에는 안전관리에 대한 건설현장 관계자의 관심도를 높이고, 안
전사고의 선제적 예방 활동을 수행하였다.

⊔⊔‘드론에 탑재된 센서를 활용한 비탈면 변위, 도로포장 상태의 측정 기술개발’내용을 검토해보
면, 합성 개구경 레이더(SAR) 센서를 이용하여 비탈면의 정밀한 변위를 측정하고, 이를 통하여
비탈면의 붕괴 위험 기술을 개발한다. 한편 광학영상과 초분광영상 카메라를 이용하여 소성변형,

균열, 포트홀 등의 도로포장 상태 측정기술도 개발한다. 필요 기술을 위해 드론으로 촬영된 영상

의 노면에 대한 3차원 모델링을 통한 포트홀, 소성변형 등의 노면 손상 상태 측정기술과 함께 초
분광 영상데이터의 파장 분석을 통하여 노면 노후화(역청질 감소, 균열) 상태를 측정할 수 있는
기술이 필요하다.

- 150 -
 그림 3.79 도로사업 드론 활용방안

⊔⊔‘드론 제작 보고서’를 검토한 결과, 드론과 열적외 카메라 성능을 확인하기 위하여 비탈면 숏
크리트 촬영 예비 과정으로 예산의 수덕사IC에 위치한 도로교통연구원내 충돌시험장 부지에서 그
림 3.80의 열화상 사진을 촬영하여 GPR 테스트 베드에 대하여 분석하였다. 포장하부에 인공적인
결함을 만들어 사용하는 테스트 부지인 이 시험장은 GPR로 검지를 활용하였으며, LMC 5cm, 아

스콘 10cm 구간이 10m, 아스콘 10cm가 시공되어 있으며 이 부분을 중심으로 촬영하였다. LMC
포장에 설치된 인공결함의 위치, 종류가 해당 내용에 설명되어 있으며 인공결함은 일정 두께로
비닐, 종이, 잡석 등으로 모사되었다.

그림 3.80 GPR 테스트 베드 전경

⊔⊔공용중인 비탈면의 전경을 활용한‘칠곡 물류 인터체인지 숏크리트 비탈면 열영상 자료 분석’에

서 분석을 위하여 큰 사각형에 열적외 영상을 촬영하였고, 소단 상부와 작은 사각형 2개의 온도
데이터를 추출하였다. 손상된 공용중인 비탈면 숏크리트는 온도 분포가 불규칙하게 나타나고 용

- 151 -
수지점이나 균열에서 온도 특이점을 보인다. 아래 그림 3.81에서 온도차와 표준편차를 통하여 구
별 영역을 확인할 수 있으며 이는 용수나 균열의 영향으로 보인다.

그림 3.81 공용 중 노선 숏크리트 비탈면 열화상과 온도분포도

⊔⊔건설현장 사업관리 체계 표준화(ex-CMs)에 따르면, 안전관리는 안전시설 설치, 작업 안전 지도

및 점검, 안전시설 운영 등을 수행하고 있으며, 품질관리는 검측, 점검 활동으로 이루어져 있다.

안전활동 점검과 품질관리 활동에 드론을 활용하는 것은 작업의 효율성과 신뢰성을 증가시킬 것
으로 여겨진다.

3.3.4 현장 안전관리를 위한 작업자 및 차량 인식

⊔⊔eX_구조물관리규정(80429)에 의하면 안전하고 효율적인 현장조사를 위하여 장비를 활용해야

한다고 기술되어 있으며, 이와 같은 취지에서 드론을 활용하는 것은 규정 취지에 부합한다고 볼
수 있다. 다음은 관련 기술 내용이다.

제3장 안전점검, 정밀안전진단 및 성능평가

“제24조 (점검장비의 개발 및 활용) ① 유지관리책임자는 안전하고 효율적인 현장조사를
위한 점검장비의 개발을 위해 노력하고, 개발된 장비를 적극 활용하여야 한다.
② 교량점검시설이 설치되지 않은 고소교량에서 근접조사를 실시할 때에는 교량점검차· 고
소작업차 등의 이동식 점검장비를 활용하여야 한다. 다만, 교통정체 등을 감안하여 대체
장비를 활용할 수 있다.”

⊔⊔도로공사 공구별 일반드론 활용 공종의 안전 영역에서 ‘고소구간 작업, 거더거치 등 위험작업

- 152 -
실시간 영상 모니터링’ 등에 대한 활용을 계획하고 있다.
⊔⊔머신러닝(Machine Learning)은 관찰과 실세계 상호작용의 형태로 데이터와 정보를 제공함으로
써 컴퓨터가 인간처럼 학습하고 행동하게 하고, 시간이 지남에 따라 자율적으로 학습을 개선하도
록 하는 과학이다. 딥러닝은 머신러닝의 한 형태이며, 많은 데이터를 기반으로 모델을 훈련시키
고, 데이터를 분류한다. 최근 딥러닝은 다양한 분야에서 이전보다 더 나은 성과를 보이고 있으며,

특히 영상기반 응용분야에서 활용성이 높다.

⊔⊔Yolo는 R-CNN의 단순화/세밀화한 것으로 Redmon에 의해 2016년에 처음 발표되었으며, 2020
년 7월 현재 YoloV4 버전이 활용중이다. 초기 Yolo는 빠른 속도를 자랑하지만, 상대적으로 정확

도가 떨어지는 단점이 존재하였지만, 아래 그림 3.82와 같이 현재 정확도는 좋은 편이며, 속도는

매우 빠르다고 알려져 있다. 따라서 건설시공 현장의 드론으로부터 촬영된 동영상에 안전 및 시
공관리를 위한 작업자와 차량의 개체 인식에 Yolo를 적용하고자 한다.

그림 3.82 YoloV4의 개체 인식 결과 비교
(Ref. YOLOv4)

⊔⊔실험 데이터는 강진-광주 구간 시공현장에서 20년 4월 29일 DJI 드론으로 취득한 사진 및 동

영상이다. 시스템은 NVidia Tesla GPU를 장착한 우분투 환경에서 YoloV4로 처리하였다.
⊔⊔사진 상에 작업자 4명, 작업복 4벌, 트럭 1대가 있다. yolo에서 인식을 위한 기본 인자로 인식
- 153 -
임계값을 설정한다. 임계값이 낮을수록 확률이 낮은 개체도 인식하며, 높으면 확률이 높은 개체만
인식한다. 임계값 0.1에서 car, truck, bus, person이 인식되었으며, 작업복이 인식할 수 없고, 4명

중 2명의 작업자를 인식하였다. 그러나 오분류 인식 개체가 많아 활용에 문제가 있다. 임계값 0.2
에서 person, truck의 6개 개체가 인식되었다. 작업복은 인식하지 못하고, truck은 1개 정확하게
인식하고, 작업자 2명은 제대로 인식하였다. 임계값 0.4에서는 person, truck의 3개 개체가 인식되

었다. truck을 1개 인식하고, 작업자 1명은 true, 1명은 false 인식하였다. 임계값에 관계없이 작업
시설로 일부 가려진 작업자 2명을 인식할 수 없었으며, 모든 경우에 작업복을 작업자로 오분류하
지는 않았다.

그림 3.83 yolo를 이용한 시공현장에서 작업자 및 차량 인식;

(상) 원본사진 및 참값, (하-좌) 인식임계값 0.2, (하-우)
인식임계값 0.1

⊔⊔그림 3.83에서는 시공 현장을 이동하면서 4K(4096*2160) 50프레임으로 촬영된 동영상에

YoloV4 개체 인식을 적용하였다. 평균적으로 초당 9프레임을 처리하여, 4K 동영상을 실시간으로

처리하지 못했으며, 동영상의 크기에 따라 프레임 처리 수가 떨어진다. 전반적으로 작업자와 트럭

- 154 -
은 인식하였지만, 현장 구조물과 주변 자재를 잘못 인식하는 오류를 범하였다. 이는 시공현장 개
체와 지형지물들을 추가로 훈련시켜 모델을 갱신하여 해결할 수 있을 것으로 여겨진다. 한편 상

대적으로 원거리에서 촬영된 경우 작업자의 인식률이 떨어지는 경향이 나타났다.

그림 3.84 시공현장 동영상에 yolo를 이용한 개체 인식 결과

⊔⊔결론적으로, (1) 시공현장에서 YoloV4를 이용하여 작업자 및 차량의 인식이 가능하다 (2) 기본
으로 제공되는 Yolo 모델을 이용하는 경우 작업자, 차량 인식에 일부 오류가 있고, 고해상 동영상
의 실시간 처리가 어렵기 때문에 기본 모델 갱신 및 적절한 동영상으로 변환하는 것이 필요하다
(3) 교량의 균열 탐지를 위하여 Yolo를 활용한 연구사례가 있었으며, 따라서 교량 등에 대한 시공
현장에서 드론 촬영중에 실시간으로 균열 탐지, 외관 손상 판단에 적용할 수 있을 것으로 여겨진
다.

- 155 -
 3.3.5 시공 유지관리를 위한 시계열 정사영상기반 변화탐지

⊔⊔도로공사 공구별 일반드론 활용 공종의 품질 영역에서 ‘대절토부 사면 균열, 녹화상태 등’ 영

상기반 품질 활용이 기대되고 있다.
⊔⊔도로건설 현장은 작업진행 및 시기에 따라 수시로 지형 및 지물이 변화한다. 지형지물의 세부
변화를 파악하여 외관 평가를 수행하기 위하여 드론기반 영상정보를 이용한 변화를 판독한다. 시
각적 판독에 의한 변화 분석은 시간 및 인력이 많이 소요되고, 작업자별로 다른 분석결과를 산출
할 수 있다. 따라서 시계열 정사영상기반의 변화탐지 영상을 생성하여 변화 분석을 효율적으로
수행할 수 있도록 보조 자료로 사용할 수 있다. 드론 정기 촬영을 통하여 정기적인 상태 분석에

활용할 수 있을 뿐만 아니라, 해빙기, 우기, 태풍기, 동절기 등 특별 점검 필요시에 임시 촬영을

통하여 지형지물의 피해 또는 변동 상황을 파악하는 데 연동하여 활용할 수 있다.
⊔⊔시계열 변화탐지를 위하여 기존에는 화소 기반 변화탐지를 수행하였다. 화소 기반 변화탐지는
두 영상간의 화소값 차이를 기반하여 변화지역과 미변화지역으로 구분한다. 일반적으로 촬영 시
기, 촬영 기하 등의 차이로 인한 화소값 차이에 대응하기 위하여 미변화지역의 화소값을 기준으
로 두 영상의 정규화를 수행한 후 변화 영상을 생성한다.

⊔⊔무감독 딥러닝 변화탐지를 위하여 시맨틱 분할(semantic segmentation)에 사용되는 딥러닝 모

델을 활용하여 변화탐지를 수행할 수 있다. 기존 연구사례로 SegNet, U-Net, Deeplab-V3+,
Siamese Network 등 영상분류에 적용되는 네트워크를 변환하여 연구들이 수행되었다. 예를 들어,

DenseNet(Densely Connected Convolutional Networks)은 이전 layer들의 feature map을 다음

layer의 입력 자료와 concatenation을 수행하여 인자의 수를 절약하고, 네트워크 학습 과정에서
gradient가 소실되는 문제를 해결하다.

⊔⊔Full convolutional Siamese Network와 영상처리를 이용하여 변화지역 추출하였다. Siamese

Network는 차이 영상(difference image)을 딥러닝으로 학습할 수 있는 네트워크로 weights를 공
유하는 두 개의 CNN 구조이다. 훈련을 위하여 CDnet 데이터를 활용하고, 리눅스 환경에서
Facebook의 PyTorch 프레임워크를 이용하여 처리하였다. learning rate은 0.00001, weight decay
는 0.00005, momentum은 0.9, 배치 크기는 32이다.

- 156 -
 그림 3.85 Siamese neural network 아키텍처

그림 3.86 Convolutional Siamese Network (ConsimNet)를 이용한

변화탐지 처리 흐름도

⊔⊔실험 데이터는 준공현장인 평택-서평택 구간으로 19년 7월 17일, 19년 8월 22일, 19년 9월 29
일, 20년 3월 6일의 4번 데이터를 취득 및 처리하여 시기별 5cm 지상 해상도의 정사영상과 DSM
이 생성되었다.
⊔⊔실험 결과 정사영상의 도로에 자동차로 인한 오류는 대부분 잘 처리하였으며, 일부 영상에서
오류가 나타났다. 자동차로 인한 오류를 완전하게 처리하기 위하여 정사영상 생성시에 적절하게
자동차를 제거하는 기술을 이용하여 정사영상을 제작하는 것이 필요하다. 소규모 그림자는 변화
탐지로 인식되지 않았지만, 규모가 큰 경우 변화지역으로 잘못 처리되는 경우도 있었다. 시공에
따른 부분적 변화는 변화탐지 결과에서 잘 나타났다. 특히 시설물의 형상학적 변화가 같이 일어
난 경우 변화인식에서 강하게 표현되었다. 검증 데이터를 이용한 정확도 평가 결과 85% 내외의
정확도를 보여주었다.

- 157 -
 그림 3.87 ConsimNet을 이용한 시계열 정사영상 자동 변화탐지 결과

⊔⊔결론적으로, 자동차와 같은 동적 개체가 존재하는 경우에도 정사영상을 이용하여 변화탐지를

대부분 잘 수행할 수 있다. (2) 아스팔트 시공과 같은 색상 변화와 시설물의 시공으로 인한 변화

유무도 감지할 수 있다 (3) 향후 도로 시공현장의 상세한 변화 개체를 이용하여 모델을 갱신하면
변화 형태를 판단할 수 있다.

3.3.6 사면 안전관리를 위한 사면 공간정보 추출

⊔⊔드론을 활용할 수 있는 취약공종 중 슬라이딩, 비탈면 유실이 있다. 산지가 많은 지역에서 도

로 건설현장은 인위적인 비탈면이 형성되며, 사면붕괴 예방에 주의를 기울여야 한다. 드론을 이용
하여 사면에 대한 경사 또는 수직촬영을 통하여, 사면의 3차원 공간정보를 생성할 수 있다. 사면
의 기하학적 특성을 이용하여 사면 안전에 대한 보조 정보를 생성하고, 시계열 수치표면모델과

영상을 이용하여 사면 변동 진행이나 변이 특성을 파악할 수 있다. 한편 시계열 드론 영상은 디

지털 기록을 통하여 장기적인 사면 관리를 위한 관리 자료로 지속적으로 활용 가능하다.

- 158 -
⊔⊔전문시방서(Specification) (EXCS 11 72 00 : 2018)에서 ‘비탈면조사 및 시공’ 부분에 따르면 비
탈면 경사는 “(1) 설계도서에 나타난 비탈면의 경사를 적용하며, 암반비탈면에서는 주불연속면의

경사가 설계비탈면의 경사보다 우세한 경우에 주 불연속면의 경사를 우선하여 고려한다 (2) 붕괴
요인을 가진 비탈면은 공사감독자의 승인을 받아 비탈면의 경사를 조정하여 시공하여야 한다.”
⊔⊔수치표면모델을 이용한 사면의 기하학적 정보인 방향(aspect), 경사(slope), 굴곡(curvature), 시
계열 변화 등을 추출하여 사면 안전의 보조 자료로 활용한다.
⊔⊔실험 데이터는 준공현장인 평택-서평택 구간이며, 이 구간은 1차년도에는 시공구간으로 드론촬
영을 진행했던 현장이다. 19년 7월 17일, 19년 8월 22일, 19년 9월 29일, 20년 3월 6일의 4번 데이

터를 취득 및 처리하여 시기별 5cm 지상 해상도의 정사영상과 DSM이 생성되었다. 사면의 기하

학적 정보는 matlab을 이용하여 프로그래밍하였다.

그림 3.88 평택-서평택 4개 시계열 공간정보

(왼쪽부터 차례로 19년 7월 17일, 19년 8월 22일,
19년 9월 29일, 20년 3월 6일 정사영상과 DSM)

- 159 -
 그림 3.89 절토사면 횡단면의 계획 경사의 예

⊔⊔그림 3.89에서는 사면의 경사, 방향, 굴곡 정보를 추출하였다. 사면의 계획 경사와 산정된 경사
와의 차이를 3점에서 확인한 결과 차이는 1~2°정도로 크지 않았다. 사면 시공에서 경사 오차에
대한 범위는 규정에 설정되어 있지 않기 때문에, 경사 차이가 큰 경우에 주의를 기울이고, 시계열
공간자료를 통한 높이 변화, 경사 변화 등을 비교하여 사면의 진행성을 판단하는 정보를 제공하
는 것이 필요하다. 현장 전문가는 제공된 변화 정보를 바탕으로 정밀안전점검 여부를 결정한다.

그림 3.90 사면 안전점검을 위한 20년 3월 6일 기하학적 보조 정보 생성 결과

(위로부터 DSM, 경사, 방향, 굴곡)

- 160 -
 그림 3.91 시계열 공간정보 참조 데이터

⊔⊔결론적으로, (1) 드론기반 3차원 공간정보를 바탕으로 사면 안정성 판단을 위한 고정밀 기하학
적 인자를 생성할 수 있다. (2) 시계열 공간정보 간의 변위 정보를 바탕으로 진행성 여부를 판단
할 수 있다. (3) 기성검사를 위한 직하촬영으로 인하여 사면의 경우 상대적으로 정확도가 낮은 공

간정보 데이터로 처리해야 하는 문제점이 있으며, 사면에 주의 요인이 발견되는 경우 사면 분석

을 위한 촬영 공간정보 생성을 독립적으로 수행하는 것이 바람직하다.

- 161 -
 제 4 장 드론영상 활용확대를 위한 건설현장관리 기반 구축

⊔⊔현재 우리 공사의 고속도로 건설 관련 업무(계획, 설계, 시공, 품질 및 기성 관리 등)가 인력

중심의 수동적 기반으로 수행되고 있어 사물인터넷(IoT)과 정보통신기술(ICT)을 접목한 스마트 건
설현장 자동관리시스템의 구축이 필요한 실정이다. 이러한 새로운 기술흐름에 부응하여 각종 3차
원 지형정보자료 수집과 분석이 가능한 드론을 도입 활용하면 고속도로 건설현장 및 유지관리 업
무의 작업 효율성이 크게 증대될 것으로 예상된다. 이에 본 장에서는 미래 혁신성장을 선도하는
드론기술을 체계적으로 활용하는 중장기 로드맵을 수립하여 우리 공사의 업무효율을 증대시키고,

빠르고 편리하며 안전한 길을 건설하는 사회적 가치 구현에 기여하고자 하였다.

4.1 건설현장 드론활용기술 중장기 로드맵 수립

4.1.1 로드맵 개요

⊔⊔우리 공사에 전사적인 드론업무 도입에 앞서 체계적인 중장기 로드맵을 체계적으로 수립하여
우리 공사의 업무향상과 중복투자를 배제하고 효율적인 업무체계를 구축하여 우리 공사의 비전

및 경영목표에 초석이 되고자 한다. 그리고 공사 전반적인 업무의 신기술을 도입하여 공사관리,
사업관리, 현장관리 업무의 선진화와 공사 전제업무의 효율화 정책에 기여하고자 드론을 활용한
전반적인 체계를 구성하고자 한다.

가. 연구목표 및 내용

그림 4.1 연구 흐름도

- 162 -
 그림 4.2 고속도로 건설현장 드론활용기술 중장기 로드맵 수립의 목표

나. 우리 공사의 비전 및 경영 목표

⊔⊔우리 공사의 비전, 경영목표, 추진 방향 및 전략을 충실히 이해하고 고속도로 건설 관련 기존

업무를 분석하여 드론 활용을 위한 체계적인 비전과 추진방안을 수립하고자 한다. 또한 고속도로

건설현장의 스마트 시공과 공정관리를 실현하기 위해 IoT, ICT 및 3차원 맵핑 등 최신 기술변화

의 패러다임을 최대한 반영하여 건설현장 드론활용기술 중장기 로드맵을 수립하고자 한다.

그림 4.3 사회적 가치실현을 위한 비전 및 전략

- 163 -
다. 우리 공사의 기업이념과 핵심가치 반영

⊔⊔미래 혁신성장을 선도하는 기술인 드론기술을 체계적으로 활용하는 중장기 로드맵을 수립하여
우리 공사의 업무효율을 증대시키고, 빠르고 편리하며 안전한 길을 건설하는 사회적 가치를 구현
하고자 하였다.

그림 4.4 우리 공사의 비전 및 전략체계

라. ICT 환경 도래에 따른 드론적용의 정책방향수립

⊔⊔다양한 센서와 공간정보의 융합을 위한 방안 수립, 즉 드론정보와 각종 센서 융합에 대한 정

책방안 수립과 공사업무의 선진화를 가속하며 우리 공사의 사회적 가치실현을 위한 정책방향을
수립한다.

그림 4.5 새로운 드론의 시스템 구성 (출처 : ETRI)

- 164 -
4.1.2 드론 관련 정책 및 기술 사례 조사

가. 무인비행장치 공간정보 구축 기술개발 및 품셈연구 (국토정보지리원, 2019)

⊔⊔무인비행장치의 활용분야가 확대됨에 따라 2018년 「무인비행장치 이용 공공측량 작업지침」

을 고시하여 무인비행장치를 활용할 수 있는 제도적 기반을 마련하였으나, 관련 기술 및 품셈의

부재로 인한 성과물의 품질저하, 공간정보시장의 위축이 우려되어 무인비행장치 측량과 관련된
기술개발 및 합리적 품셈을 개발하여 무인비행장치 측량의 활용성을 확장하고자 수행한 연구이

다.

표 4.1 기술개발 연구의 세부내용

무인비행장치 ◦실내·외 검정장 구축 및 카메라 검정

카메라 센서검정 및 품질검수 ◦무인비행장치 촬영 영상 품질 검수

◦수치도화를 위한 표정결과 정확도, 입체도화 가능성 및
무인비행장치 수치도화 관련
한계점 도출
입체도화 기술개발
◦현행 무인비행장치 SW 종류 및 처리방법 분석
정밀번들조정에 의한
◦입체도화를 위한 Y-시차, 모델간 수평·수직 오차 분석
무인비행장치 촬영 영상의
◦수치지도 제작을 위한 입체도화 방식 개선방안 도출
표정기술 개발
◦1:1,000 수치지형도 구축 및 수정 현황조사·분석(수정범

위, 항목 등)
무인비행장치 이용 ◦무인비행장치에 의한 수치지형도 구축·수정 사례조사
기본측량 적용 시범사업 ◦시범대상지역 선정 및 무인비행장치 항공촬영(3종 이상의
(1:1,000 수치지형도 제작 및 드론 사용)
수정가능여부) ◦무인비행장치 데이터 처리 및 적용(3종 SW비교 분석)
◦1:1,000 수치지형도 제작 및 수정 가능성 검토를 위한
수시수정 성과품 제작, 적용 가능성 제시
◦무인비행장치에 의한 기본측량 성과물 작성방안 및 기
※ 무인비행장치 이용
본측량 적용을 위한 제도개선(안) 제시
기본측량 적용 및 기술개발
◦향후 무인비행장치 이용 기술개발 등을 위한 중장기
로드맵 작성
로드맵 제시

- 165 -
⊔⊔무인비행장치를 이용하여 공간정보를 구축하기 위한 센서의 검정 기술과 품질 검수 기술을 개
발하고, 기본측량 수행을 위한 표정기술과 입체도화 기술을 개발하였으며 기술개발 간 발생한 시

사점을 바탕으로 무인비행장치 이용 기본측량 적용 및 기술개발 로드맵을 작성하였다.

⊔⊔로드맵(1안) : 중장기 로드맵으로 3년간의 기술·제도 정비 단계(1단계)와 상시운영 및 기술 고
도화 개발 단계(2단계)로 구분하였다.

표 4.2 로드맵(1안)의 단계별 목표

단계별 1단계:기술·제도 수립 2단계:상시 운영 및 기술고도화 개발

목표 (2019 ~ 2021) (2022 ~ 2024 이후)
◦센서 및 운용 고도화 및 정밀 번들
무인비행 ◦무인비행장치 활용 기본측량 사업
조정 기술 개발
장치 활용 ◦한국형 맵핑드론 개발을 통한 고도화
◦무인기용 도화기술 개발
기본측량 기술개발
◦기본측량 시범사업
무인비행 ◦상용 SW의 DEM 활용성 분석 ◦DEM 시범사업
장치 활용 ◦DEM 추출 기술개발 ◦3차원 점군 처리 자동화, 지면/비지
DEM 추출 ◦품셈 및 작업규정 면 점군 자동인식 기술개발
◦센서검정 및 품질인증 기반 분석
센서검정
◦검정 및 품질인증 기술개발
및 ◦맵핑용 드론 인증제 개발 및 도입
◦검정 및 검수 절차·규정 수립 및
품질인증
검정장 구축
◦맵핑용 무인비행장치 제도화 전략
수립 ◦무인사진측량 직군·자격증 개발 및
법·제도
◦기본측량 법제화 연구 도입

◦산출물 표준화
◦기반기술 확보 및 검증완료 ◦본 사업 추진 및 상시운영체계 완료
기대효과 ◦품셈·규정, 법·제도 정비 ◦핵심기술·장비 국산화
◦품질검수 체계 구축 ◦기술 고도화

⊔⊔로드맵(2안) : 단기 로드맵으로 3년간의 기술 정비 및 제도 수립 후 상시운영과 핵심기술 개발을

동시에 수행하였다.
⊔⊔- 연도별 목표 : 2019년 기술정비 → 2020년 기반기술 개발 및 1/1,000 수시갱신 업무 적용,
2021년 제도 및 상시운영 인프라 구축, 2022년 이후 상시운영 및 핵심기술개발

- 166 -
나. 무인비행장치(드론) 활용계획 수립 연구 (LH, 2017)

⊔⊔세계 드론 시장이 성장하고 활용성이 높아짐에 따라 국내에서도 드론산업을 활성화하기 위하

여 국가적 차원에서 계획을 수립하였다. 한국토지주택공사 또한 공간정보의 중요성과 가치를 인
식하여 관련 업무에 드론 및 3D 영상처리 기술 등을 적용할 수 있는 방안을 마련하고자 하였다.

이에 따라, 드론의 본격 도입에 앞서 활용분야를 정립하고 수요, 요구 성능 및 기종, 도입규모, 운

용 조직, 중장기 로드맵 등과 같은 체계적인 활용계획을 수립 하고자 수행된 연구이다.
⊔⊔- 드론 도입을 대비하여 국내외 기술동향, 정부정책 동향, 관련기관 활용 현황 등을 조사 및

분석
⊔⊔- LH업무 활용분야를 정립하고, 수요, 운용조직, 중장기 로드맵을 포함한 활용 계획을 수립
⊔⊔- 중장기 로드맵을 기반으로 조직구성, 예산 및 운용방안 등 연차별 시행계획 세분화 및 드론
운용에 필요한 절차와 방법 그리고 영상처리 품질 검사 기준 등을 작성
‧ 비전 : 드론을 활용한 LH 업무 효율화의 새로운 패러다임 창조
‧ 목표 : 드론 공간정보 활용을 통한 공사업무 선진화 실현, 공간정보 기반의 ICT 기술정착
으로 의사결정시스템 구축

표 4.3 중장기 로드맵의 단계별 전략

단기<기반구축단계>전략 ◦드론업무 전담팀 구성

(드론도입 인프라 및 지원체계 ◦드론업무 시범사업 및 교육 실시
구축) ◦드론기술 전문 산학협력체계 구축

중기<활용확산단계>전략 ◦드론기반의 통합정보관리시스템 구축

(핵심업무적용을 위한 ◦드론확산 가능 주요업무 발굴 및 실시간 운영 App 개발
드론정보시스템 구축) ◦드론업무 표준화 정착

장기<연계통합단계>전략 ◦Cloud Base 범 국가적 공간정보공유 기술환경조성

(통합 의사결정 지원 시스템 ◦Big Data 기반의 의사결정 지원시스템 개발
구축) ◦국민과 소통하고 참여할 수 있는 공개 시스템 도입

다. LH국토주택정보화 중장기 전략계획 수립 프로젝트 (LH, 2013)

⊔⊔국토주택정보화는 국토주택정책 수립 및 지원을 목적으로 각 영역별 필요 정보를 제공하는 사

업으로 외부 환경 분석 및 현황분석으로 문제점을 도출 및 인식하여 개선방향을 제시 및 목표모

- 167 -
델 설계를 통하여 정보화의 조직을 설계하고 관련지침을 도출하고자 하였다.
⊔⊔- 외부환경 핵심 현안 분석을 통한 이슈 도출
⊔⊔- 업무/사업/IT/조직현황 분석을 통한 시사점 및 개선기회 도출
⊔⊔- 개선방향을 토대로 앞으로 해야 할 수행과제 도출 : 정보화 조직구조 설계 방향 및 실행(안)
제시, 정보화 관련 정부 및 사내규정 분석, 국토주택정보화사업 구축 및 운영 관리를 위한 관

리항목 선정

4.1.3 건설현장 드론 적용을 위한 SWOT 분석

⊔⊔우리 공사의 드론을 활용한 공간정보정책 및 업무분석의 현주소에 대한 진단결과를 토대로 드

론 공간정보 정책의 추진체계 및 추진역량의 강점과 약점 분석한다. 그리고 드론을 업무에 도입
함으로서 우리 공사 업무에 미치는 기회요인과 위협요인을 분석하여, 드론이 실무 적용을 위한
최적의 전략을 도출한다.

그림 4.6 우리 공사 드론도입을 위한 SWOT분석

- 168 -
⊔⊔SWOT분석으로부터 부문별로 추진되어야할 업무
⊔⊔- 건설현장에 드론 적용 업무 모델 개발
⊔⊔- 드론 활용 가능 인력 및 조직 양성
⊔⊔- 교육 및 홍보
⊔⊔- 시스템 부분 구축 (드론으로 획득한 공간정보의 통합관리 및 의사결정)
⊔⊔유사기관(한국국토정보공사, 한국토지주택공사 등)의 드론 업무 적용사례를 조사하여 공사업무
에 추진전략을 계획하고, 우리 공사 표준공종의 드론 업무 적용에 대한 타당성 분석을 목표로 현
장적용 시범사업의 결과를 검토한다.

⊔⊔본 연구에서 공사 업무에 적용사례를 분석한 결과를 토대로 전략을 수립한다. 현재 업무에 즉
시 적용 가능한 전략은 도입부에 수립하고 투자와 연구가 동시에 진행되어야 할 업무에서는 중기
단계에서 전략을 수립한다. 최종적으로 업무효율은 물론이며 보다 빠른 의사결정을 수립할 수 있는
통합체계 구축 방안 및 전략을 제시함으로써 4차 산업혁명을 주도하는 국가기관이 될 수 있도록 한다.

4.1.4 중장기 로드맵의 비전과 목표

그림 4.7 중장기 로드맵의 비전과 목표

- 169 -
가. 비전

⊔⊔1) 드론을 활용한 고속도로 현장관리 혁신

⊔⊔기존의 공간정보 업무처리방법에서 단순화된 업무 프로세스를 도입하여 공사업무 전반의 업무
효율화를 실현하고자 한다. 그리고 업무처리 및 의사결정의 기준을 우리 공사 기업가치 중심으로

새롭게 이룩하여 직원들의 역량 강화와 과학적이고 체계적인 관련 근거를 만들고자 한다. 또한

최신영상의 공간정보를 활용하여 공사의 선진화된 업무관리로 고객중심 경영을 실현하는 기반이
된다.

나. 목표

⊔⊔1) 드론 활용을 통한 업무 적용 및 확산
⊔⊔도입단계 전략으로 우리 공사 전반적인 업무에서 노동 집약적인 실태조사업무에 대한 탈피가
필요함에 따라 각종 업무에 대한 선진기술 도입에 필요성 충족됨으로 업무형태 변화 필요성을 강
조한다.

⊔⊔2) 드론 업무의 확산과 활용 기술의 고도화 빛 기술 정착화를 위한 의사결정 시스템 구축

⊔⊔드론에서 취득한 공간정보 자료를 활용하여 의사결정을 수행할 수 있도록 각종 업무 지원 서
비스를 개발하여 이를 통해 의사결정의 기반이 되는 정보를 생성·제공하여 구축된 공간정보 자료
로 활용할 수 있는 시스템 구축

다. 전략의 도출

⊔⊔단기(1년) 단계에서는 현재의 드론 기술을 우리 공사 기본 업무에 즉시 활용 및 적용 기준을

수립한다. 그리고 중기(2~3년) 단계에서는 2~3년을 기준으로 실현 가능성이 높은 계획으로 각각의 부
서(사업처, 건설처 등)에서 취득한 자료를 모든 부서의 업무에 활용할 수 있는 확산 단계이다. 마지막
으로 장기(4~5년) 단계에서는 본 연구의 전체 결과를 분석 및 통합하여 우리 공사 업무 및 정책,

의사결정에 활용할 수 있는 통합의 단계이다.

- 170 -
⊔⊔1) 단기(기반구축) : 드론활용 인력 및 지원체계 구축
⊔⊔우리 공사에 적합한 추친체계를 계획 및 수립하여 공사업무의 효율성증대, 업무 모델개발, 지
원전략, 각부서간의 체계적인 업무지원을 위한 전략 수립하고, 건설현장 적용을 위한 건설본부의
각 부서별 업무 활용모델 개발한다. 그리고 드론에서 취득한 공간정보를 업무 수요에 부응할 수
있도록 최신성ㆍ일관성ㆍ정확성을 갖춘 고품질 공간정보 생산 및 관리체계가 필요하다.

⊔⊔- 건설현장 드론활용 시범사업 및 교육실시

‧ 우리 공사 업무 수요에 부응하고, 국민의 안전과 편리를 도모하며, 신성장 동력을 창출할
수 있는 드론 공간정보기술 전략업무 개발
‧ 각 부처 및 부서에서 요구하는 공간정보의 자료취득과 실제 업무에 적용 및 활용하는 시범
사업을 세부적으로 실시
‧ 드론에서 취득한 공간정보자료를 원활한 활용과 빠른 업무적용을 위하서 취득자료 활용
방법, 가공방법에 대한 사용 방법 등에 대한 실무직원들에게 홍보 및 교육 실시

⊔⊔- 건설처 부서별 업무에 따른 전담팀 및 컨트롤 타워 구성

‧ 장기적으로 드론을 건설현장 업무에 적용하기 위해서는 드론 업무를 총괄하는 컨트롤 타
워와 업무별로 드론을 활용할 수 있는 전담자나 전담팀이 필요
‧ 실무직원들의 기량 미달이나 부재는 장기적인 추진계획에 큰 차질이 발생
‧ 이는 장기적으로 판단하였을 때 가장 중요한 계획
⊔⊔- 드론 적용업무 분석 및 작업규정 제시
‧ 최신의 고해상도 드론 공간정보를 활용하여 수행할 수 있는 건설본부의 업무와 요구되는
공간정보에 대한 자료를 조사하여 고속도로 건설 현장에 효율적인 적용을 위한 부서별 드

론 공간정보 활용 업무와 요구되는 공간정보의 종류 분석

‧ 드론에서 취득한 공간정보에 대한 자료를 효율적으로 업무에 적용하기 위해서는 동일한
품질의 확보와 발주를 위한 작업지침서 수립을 위한 방안으로 기본적인 작업규정이 필요하

므로 드론업무의 효율적 운영을 위한 표준작업 공종(안) 및 작업규정(안)을 제시

- 171 -
⊔⊔2) 중기(활용확산) : 핵심 업무 적용을 위한 드론 공간정보 활용 플랫폼 구축
⊔⊔드론의 공간정보 활용 및 높은 수요에도 불구하고 비행승인과 촬영허가 신청의 번거로움과 드
론 안전 문제, 데이터 취득 및 처리를 위한 전문 인력 확보 등의 부담으로 적극적인 드론 공간정
보의 활용이 다소 어려운 실정이다. 이 같은 어려움을 통합적으로 해결하여 드론 공간정보를 지
속적으로 활용하는 드론 공간정보 활용 통합 플랫폼 구축과 이를 운영하고 관리하는 전담 조직의

신설이 필요하다.
⊔⊔우리 공사에서 취득한 각각의 공간정보 자료를 모든 구성원들이 활용할 수 있는 통합 플랫폼
의 구축으로 구조화된 DB를 활용하여 우리 공사에서 실시하는 모든 사업에 활용할 수 있는 종합

관리 시스템 구축이 필요하다. 이러한 플랫폼은 공간정보 생성, 공간정보의 자료생성, 공간정보
활용으로 구성하여 신속하게 자료를 취득하고 공유할 수 있는 종합공간정보 시스템으로, 통합시
스템의 구축(공간정보 DB 및 시스템의 안전성 확보, 보안대책 등 포함)은 우리 공사가 새로운 패
러다임으로 새로운 혁신을 선도할 것으로 판단된다.
⊔⊔
⊔⊔- 드론기반의 통합정보관리시스템 구축
‧ 드론에서 취득되는 영상을 통합관리 할 수 있는 시스템 개발 및 구축
‧ 업무에 효율적으로 운영 및 활용할 수 있는 업무 시스템 개발
‧ 드론의 촬영계획, 현장지원, 영상 후처리, 갱신 및 이력관리 등 제반 운영체계를 확립하고
각 단계의 지원 시스템을 구축
‧ 드론의 최신성, 정확성의 장점을 활용하여 국토정보 갱신서비스를 위한 연계관리, 레이어
관리, 저장 공유관리를 통해 최신 정보 확보서비스 제공을 목적

⊔⊔- 드론 확산 가능 주요업무 발굴
‧ 드론을 활용하여 현장정보를 제공하는 실시간 현장업무지원 시스템 개발
‧ 현장조사에 필요한 위치정보 및 현황 정보를 제공함으로써 빠른 상황파악 지원
‧ 준공 시 드론을 이용하여 준공측량도면 작성
‧ 공사 초기에 3차원 설계도 제작
‧ 착공측량(확인측량) 시 드론 기술을 활용하여 3차원 지형사진 작성
‧ 매월 정기적으로 드론 영상을 촬영하여 3차원 지형사진 제작 (기성검사 시 드론을 이용하
여 기성 현황도 및 3차원 지형사진 제작)

- 172 -
⊔⊔3) 장기(연계통합) : 드론을 활용한 통합 의사결정 지원 플랫폼 구축
⊔⊔드론은 각종분야에 수단으로서의 역할을 넘어 정보의 수집과 가공 그리고 배포 및 활용에 이
르기까지 다양한 역할을 통해 4차 산업혁명을 이끌 것으로 전망되며 Deep learning, Big data 등
을 이용한 자료 분석 및 활용과 자율비행 그리고 드론 운항 관리 체계에 이르기까지 다양한 부분
에서 발전할 것으로 판단된다. 이러한 결과는 구축된 자료를 분석하여 신속한 의사결정업무를 지

원할 수 있는 계기를 가져다 줄 것이며 따라서 우리 공사 정보시스템과 공간정보 분석시스템을

하나로 묶어 통합공간정보시스템 개발에 대한 정책 제언이 필요하다. 고도로 복잡화된 도심지와
변화무상한 고속도로 건설현장에서 공간적 변화뿐만 아니라 시간적 변화상황도 체계적으로 관리

하여 상시적인 이용 및 관리 필요하다. 또한 실시간 현장관리 및 이용의 효과증대를 위해서는 현

장, 위험지역, 관리지역의 통합공간정보 구축하여 체계적으로 관리가 필요하다. 따라서 공간정보
의 통합관리 정보시스템의 구축은 각각의 기관에서 보유하고 있는 도형정보(지적도, 기본도)와 우
리 공사에서 구축된 플랫폼으로 지도의 시각화 및 통계분석이 가능하도록 GIS 엔진을 탑재한 우
리 공사만의 통합공간정보시스템(가칭: EXGIS) 구축을 제안한다.

⊔⊔- 드론업무 표준화 정착

‧ 통합 DB가 건설부처간에 공동으로 활용될 수 있도록 표준화 및 활용편의성을 개선하고,
공동 활용 확대를 위한 각 부서간의 상호 운용성 확보를 위한 표준(파일형식, 작업과정 등
등)을 확립

⊔⊔- 공간정보공유 Cloud Base 및 Big Data 기반의 의사결정 지원시스템 개발

‧ 우리 공사의 드론을 이용한 공간정보 자료 활용을 위한 클라우드 체계의 안정적 운영 및
구축을 위한 표준화 시스템 적극 활용
‧ 클라우드체계에 대한 교육 및 구축ㆍ운영 지원
‧ 공간 빅데이터 등 관계기관 및 다른 클라우드 데이터와 연계 및 갱신 업무를 수행할 수 있
는 기술력 및 시스템 확보
‧ 수집된 정형 비정형 대량 데이터의 분석을 위한 역량 및 인프라 확충 필요
·

‧ 다양한 데이터의 연계 공유를 통해 기존에 제공하지 못했던 새로운 관점의 공간분석 및 의

·

사결정 기회를 제공하는 기반 구축

- 173 -
4.1.5 중장기 발전계획 세부추진계획

⊔⊔중장기 발전 세부계획은 그림 4.8과 같이 단기, 중기, 장기 등 총 3단계로 구분하였으며 단기

는 기반구축단계로 현재에서 1년, 중기는 통합 및 활용확산의 단계로 2년, 마지막 장기에서는 연
계통합의 극대화 단계로 5년을 기준으로 세부계획을 실시한다.

그림 4.8 세부 연구내용

⊔⊔4차 산업혁명시대는 정보통신기술의 융합으로 시작되어 스마트 산업에서 신산업 육성의 선순

환 구조로 급변하게 진행되고 있다. 현재의 공간정보 산업에서 드론 공공측량 법제화 진행에 이

어 품셈제정까지 빠르게 진행되면서 모든 정부기관들이 드론을 업무에 활용하여 정착화 단계에서

고도화 단계로 진입하고 있다
⊔⊔따라서 우리 공사에서는 드론운영의 인프라 및 업무의 표준화, 전산화가 단계별로 추진되어

전사적으로 드론을 활용한 업무도입이 되어야 할 것이다.

- 174 -
4.2 건설현장 드론활용기술 SW 교육

4.2.1 교육 개요

⊔⊔교육은 우리 공사 본사 및 건설사업단 관심직원을 대상으로 인재개발원에서 진행되었으며 공

간정보 이론 교육, 드론 비행 시뮬레이션, 영상처리 프로그램 및 3D 모델 지형모델 실무 실습, 드
론 3D 공간정보 활용방안 등에 대하여 실시하였다. 교육은 인재개발원 내 309호실에서 진행되었
으며 체험식 실습교육의 원활한 교육 진행을 위해 개별 노트북을 지참하였다.

⊔⊔교육 프로그램 운용 내용은 다음과 같으며, 교육은 총 2회 진행되었다.

⊔⊔- 일시: 2019년 10월 23일(수) ~ 25일(금) / 2020년 10월 27일(화) ~ 29일(목)
⊔⊔- 장소: 경기도 화성시 동부대로 922번길 208-96, 한국도로공사 인재개발원
⊔⊔- 대상: 본사 및 건설사업단, 도로교통연구원 관심직원
표 4.4 교육 일정

일정 교육내용 비고
교육참석 등록
교육 안내
오전
고속도로 건설현장 드론활용 방안 소개
드론사진측량 개론
1일차
공간정보 체계 이론
드론측량 견적 이론
오후
드론 사고 유형 및 운용 안전교육
드론촬영 사전절차
촬영계획 수립 이론
오전
촬영계획 수립절차 실습
2일차 영상 전처리 실습
오후 영상처리 실습
드론 3D 지형모델 제작 실습
3D 지형모델활용 실무
오전
3D지형모델활용 실무 실습
드론 3D 공간정보 활용방안
3일차
교육내용 질의 응답
오후
교육참가자 설문조사
교육수료 및 총평

- 175 -
4.2.2 교육 내용

⊔⊔건설현장 드론활용기술 SW교육 과정은 아래 그림 4.9와 같다.

그림 4.9 교육 과정 개요

- 176 -
가. 고속도로 건설현장 드론활용 방안

⊔⊔‘스마트 영상을 활용한 건설현장 업무개선 및 고도화 방안’에 대한 전체적인 진행 과정에 대해

발표하였다. 현재까지 촬영이 진행된 시범사업대상지에서 취득한 드론 영상을 바탕으로 주요 공
종별 촬영내용을 소개하고, 이를 통해 각 공종별 드론 활용방안에 대한 설명을 진행하였다.

그림 4.10 고속도로 건설현장 드론활용 방안소개

- 177 -
나. 드론사진측량개론

⊔⊔공간정보분야의 현황과 유인 항공사진측량에 대하여 설명하고 드론 사진측량학의 연구동향,

드론 사진측량원리, 드론 영상의 특성, 영상 품질 조정, 무인항공사진측량 작업규정 및 품셈 등에
대해 교육을 진행하였다. 과거, 현재, 미래에 따른 공간정보 취득 방법 소개함으로써 공간정보 취

득 방법이 어떻게 발전해왔는지를 간략하게 살펴보았다. 그리고 UAV 활용 전제조건에 대한 교육

과 UAV 활용 분야별 사용 목적과 관련 법제도, 세부내용을 강의하였다.
⊔⊔항공사진측량분야의 최근 기술 동향과 항공사진측량에 사용되는 장비(IMU, 카메라, 항공기, 스
캐너, 대공표지 등) 등을 소개하면서 항공사진측량 분야에 대한 기본적인 내용을 전달하였다. 또
한 항공사진측량의 원리, 정확도 계산방법, 외부표정요소 결정방법, 비행고도와 GSD와의 관계를
강의함으로써 교육대상자들이 항공사진측량에 대한 이론적인 배경지식을 습득할 수 있도록 하였
다. 마지막으로 다양한 고도에서의 드론 촬영 영상 결과 비교를 통한 고도 및 중복도 차이에 따
른 GSD값의 차이에 대한 비교 설명함으로써 드론 촬영 영상의 결과를 비교하여 살펴볼 수 있도
록 하였다. 항공사진측량에서부터 발전된 드론측량의 역사와 개요부터 사진 촬영의 원리, 다양한
드론 및 카메라 플랫폼 소개, 플랫폼에 따른 촬영 결과물의 차이 등에 대한 교육을 통해 일반적
으로 인지하고 있는 드론 관련 지식보다 전문적인 지식을 갖출 수 있도록 했다.

그림 4.11 드론사진측량개론

- 178 -
다. 공간정보체계이론

⊔⊔공간정보체계이론에 대한 강의를 진행하며 공간정보와 공간정보체계에 대한 전반적인 내용과

공간위치의 기준과 표현 방법, 지도와 맵핑 시스템, GIS, GNSS에 대한 강의를 진행하였다. 공간
정보공학의 발생배경, 공간정보공학의 필요성을 교육함으로써 공간정보공학에 대한 기본적인 배

경지식을 습득할 수 있도록 하였다.

⊔⊔위치의 표현과 기준, 수치지도와 수치지형도의 제작과정 교육을 통해 현재 제공되고 있는 수
치지도와 수치지형도가 어떠한 과정을 거쳐 만들어지는지를 알 수 있도록 하였다. GIS, GNSS에

대한 정의와 구성요소에 대해 강의하여 공간정보분야의 기본 지식을 넓히고자 하였다.

⊔⊔강의를 통해 공간정보에 대한 전반적인 이해와 공간정보체계에서 활용되는 여러 용어 및 요소
들에 대해 교육을 진행했다. 공간정보체계가 어떻게 이루어져 있는지 설명하고 이러한 요소들이
드론 촬영 시 위치 측정에 있어 어떠한 역할들을 수행하는지에 대해 교육함으로써 향후 드론 사
용 및 공간정보 활용에 도움이 되도록 하였다.

그림 4.12 공간정보체계이론

- 179 -
라. 드론측량견적 이론

⊔⊔드론측량견적 이론에 대한 강의를 진행하며 무인비행장치 이용 공공측량 작업지침과 드론측량

품셈작성 실사측량, 드론측량 품셈작성에 대해 교육하였다.
⊔⊔무인비행장치 이용 공공측량 작업지침에 따른 작업순서를 설명하고 무인비행장치 실사측량 계
획 순서와 성과 검수 및 분석법에 대해 교육을 진행하였다.
⊔⊔드론측량 품셈에 따른 기준 면적별 세부내용과 비용 비교 분석을 통해 실제로 작업 수행 시
비용이 어느 정도 소요되는지에 대해 안내하였다.

그림 4.13 드론측량견적 이론

⊔⊔드론측량 시 구체적인 절차와 기체 및 해상도에 따른 결과 값 상호비교, 드론측량 품셈계산을

통한 비용에 대한 세부적인 내용을 교육함으로써 교육대상자들이 현장에 드론측량을 도입하게 될
경우 예상되는 절차와 비용에 대한 기초 지식을 습득할 수 있도록 하였다.

- 180 -
마. 드론 사고 유형 및 운용 안전교육

⊔⊔드론 사고 유형, 안전수칙, 드론 비행 규칙, Anti-Drone 등에 대한 강의를 진행하였다.

⊔⊔- 다양한 유형의 드론 사고 유형에 대한 교육
⊔⊔- 비행 전 수행해야 할 다양한 안전 수칙에 대한 설명
⊔⊔- 비행 중 수행해야 할 다양한 안전 수칙에 대한 설명
⊔⊔- 드론 비행 수행 시 지켜야 할 다양한 안전 수칙과 각 안전 수칙별 발생할 수 있는 다양한
상황에 따른 실무 경험 전달

⊔⊔- Anti-Drone 기술에 대한 설명

⊔⊔드론 사고 유형 및 운용 안전교육을 통해 실제 드론 운용 시에 발생할 수 있는 문제에 대해
교육하고 이론적인 부분 외에 실제로 드론 운용 시 발생했고 경험했던 다양한 케이스를 설명하였
⊔
다. 또한, 드론의 대중화에 따른 영향으로 부상하고 있지만 아직까지는 생소한 분야인
Anti-Drone 기술에 대한 교육을 진행함으로써 드론 분야에 대한 교육대상자들의 전반적인 지식을
넓힐 수 있게 하였다.

그림 4.14 드론 사고 유형 및 운용 안전교육

- 181 -
바. 드론 촬영 사전절차

⊔⊔드론촬영 사전절차교육에서는 드론촬영 관련법령, 비행공역 확인, 촬영허가 및 비행승인, 드론

촬영 전 준비사항에 대한 강의를 진행하였으며, 교육내용은 다음과 같다.
- 드론촬영 관련법령에 따른 초경량 비행장치의 정의, 알아야 할 법령 교육

- 전국 관제권 및 비행금지구역과 비행공역 확인방법 교육

- One-stop 민원서비스를 이용한 촬영허가 및 비행승인 절차 교육
- 드론촬영 전 준비사항에 대한 교육

⊔⊔교육을 통해 드론촬영 관련법령에 대해 설명하고 실제 비행 준비 시 필수로 수행하여야 할 비

행공역 확인, 촬영허가 및 비행승인 등에 대한 전반적인 절차에 대해 안내하였고, 드론촬영 전 준
비사항에 대한 세부적인 내용에 대하여 교육하였다.
⊔⊔드론촬영 전 준비사항의 경우 촬영구역 설정 조건, 이착륙지 선점, 현장답사, 촬영준비 등 각
요소별로 필수로 고려해야 할 요소를 설명함으로써 향후 드론 운용 시 도움이 될 수 있도록 하였
다.

그림 4.15 드론 촬영 사전 절차

- 182 -
사. 촬영계획 수립이론 및 실습

⊔⊔촬영계획 수립 교육내용은 드론 비행 시 활용되는 프로그램 설치방법, 프로그램 기능 설명, 샘

플 데이터를 활용한 촬영계획 설정에 관한 교육을 진행하였다. 교육 내용은 다음과 같다.
- 프로그램 설치 방법 교육

- 프로그램 기능 설명 및 기능별 세부 내용 교육
- 프로그램 내 촬영 구역 표시 방법 및 외부 프로그램을 이용한 촬영 구역 표시 방법 교육

⊔⊔교육을 통해 프로그램을 활용하여 촬영대상지를 설정하는 법과 각 기능별 세부 기능을 활용한

드론 비행 시뮬레이션을 수행하는 방법을 습득할 수 있도록 하였다.
⊔⊔프로그램의 각 가능별 세부 기능의 경우에는 실제 드론 비행 시 안전한 비행과 더불어 양질의
촬영 결과를 획득할 수 있도록 하는 기능들이 다수 탑재되어 있으므로 각 기능을 직접 수행해 봄
으로써 효과적으로 교육이 진행될 수 있도록 하였다.
⊔⊔또한, 외부 프로그램을 활용한 촬영구역 표시 방법을 교육함으로써 보다 효율적인 드론 비행
수행이 가능하도록 하였다.

그림 4.16 촬영계획 수립 이론

- 183 -
아. 영상 전처리 실습

⊔⊔샘플 데이터를 활용하여 영상 전처리 프로그램의 기능과 프로세스, 영상처리 성과 확인방법

등 실습을 수행하였다. 교육 내용은 다음과 같다.
- 샘플자료를 통한 영상 전처리 방법 교육 및 실습

- 영상 전처리 프로그램의 각 기능과 프로세스 교육

- 전처리 결과 확인 및 전처리 결과물 확인 방법 교육

⊔⊔샘플 데이터를 활용한 교육을 통해 전처리 프로그램의 기능을 직접 수행하고 결과물을 확인함
으로써 전처리 절차를 수행하는 목적에 대해 효과적으로 전달하였다.
⊔⊔또한 전처리 과정 시 드론 촬영 영상에 추가되는 정보에 대해 세부적으로 설명함으로써 교육
대상자들의 드론 영상처리에 대한 전반적인 이해도를 높였다.

그림 4.17 영상 전처리 절차

- 184 -
자. 영상처리 실습 및 드론 3D 지형모델 제작 실습

⊔⊔영상처리 실습은 영상처리 프로그램인 pix4D Mapper를 이용하여 샘플 데이터를 활용한 프로젝트
생성, 프로세싱 설정, 영상처리, 보고서 확인 등에 대한 교육을 진행하였다. 교육내용은 다음과 같다.
- 권장사양 및 설치 과정 교육

- 프로젝트 생성 및 프로세싱 설정 교육
- 지상기준점 삽입 시 고려요소 교육
- 영상 처리 및 보고서 확인 방법 교육

⊔⊔샘플 데이터를 활용한 영상처리 실습을 통해 실제 영상처리 프로세싱을 수행해 봄으로써 프로

세싱 과정에 필요한 요소들과 기능들에 대하여 교육대상자들이 효과적으로 습득할 수 있도록 하
였다. 지상기준점 삽입 시 주변 지형지물을 활용하여 효과적으로 지상기준점을 찾는 방법과 삽입
시 정확한 위치를 선점하기 위해 고려할 부분들에 대한 교육을 진행하였다. 정사영상 활용목적에
맞는 처리방법을 설명하고 각 처리방법에 따른 장단점을 설명함으로써 교육대상자들이 향후 프로
그램 활용 시 본인에게 적합한 처리방법을 선택할 수 있도록 하였다. 영상처리 후 생성되는 보고
서 내에 있는 각 요소에 대하여 양질의 영상이 생성되었는지를 확인할 수 있는 부분들에 대하여
교육함으로써 단순히 영상처리 프로그램 기능 파악에 머물지 않고 결과물에 대한 정확한 이해를
돕고자 하였다.

그림 4.18 영상처리 실습

- 185 -
⊔⊔이어지는 드론 3D 지형모델 제작 실습 교육은 영상처리 실습과 연속성을 가지고 진행되었으
며, 영상처리 시 생성되는 DSM(Digital Surface Model) 모델에 대하여 중점적으로 교육이 진행되

었다. 앞서 진행된 영상처리 실습에서 생성된 샘플 데이터를 바탕으로 3D 지형모델을 생성하기

전 단계인 포인트 클라우드 수준의 데이터를 직접 살펴보고 다루어봄으로써 어떠한 과정을 통하
여 3D 지형모델이 생성되는지에 대해 교육하였다. 이를 통해 교육대상자들의 3D 지형모델에 대

한 이해도를 높이고 향후 진행된 3D 지형모델 활용에 대해 적극적으로 임할 수 있도록 하고자

하였다.

그림 4.19 드론 3D 지형모델 제작 실습

차. 3D 지형모델 활용 실무 및 실습

⊔⊔3D지형모델 활용 실무 및 실습은 Virtual-surveyor 소프트웨어를 이용하여 현장의 가상 측량

및 성과 도출에 필요한 기능을 직접 실습하고 드론자료의 다양한 활용방안에 대한 교육을 진행하
였고, 교육내용은 다음과 같다.
- 3D 지형모델 개요 및 제작
- 3D 지형모델 탐색

- 3D 지형모델 가상측량 및 연계
- 다양한 활용 기능

- 186 -
⊔⊔샘플 데이터를 통한 3D 지형모델 활용 실무 및 실습을 통해 사용자가 생성한 데이터를 레이
어별로 관리하여 효율적인 시각화가 가능하도록 하였고, 포인트 등을 생성하여 취득하고자 하는

지점에 대한 높이값 등을 취득하는 방법을 교육하였다.

⊔⊔실무에서 사용될 수 있는 삼각망 생성 및 체적 계산 기능 등을 교육하여 교육대상자들이 향후
활용할 수 있도록 하였다. 생성된 3D 지형모델 내에서 제거하고자 하는 지형지물을 제거하는 방

법, 목적에 맞게 지형을 변형시키는 방법, 종횡단도 작성 방법 등을 교육하여 향후 교육대상자들

이 관련 업무에 활용할 수 있게 하고자 하였다.

그림 4.20 3D 지형모델 활용 실무 및 실습

- 187 -
타. 드론 3D 공간정보 활용방안

⊔⊔드론 3D 공간정보 활용방안 강의에서는 최근 증가하는 드론활용에 대한 전반적인 소개와 함

께 드론 성과물의 종류, 국내외 드론 활용 예시를 소개하였으며, 설계 측량분야와 건설분야에서
드론이 활용되는 방식에 대하여 강의를 진행하였다.

그림 4.21 드론 3D 공간정보 활용방안

4.2.3 교육 결과

⊔⊔교육의 취지는 드론활용기술 에 필요한 기초교육에서 실습까지 전반적으로 지식을 얻을 수 있

도록 진행하였으며, 이론과 실습을 병행함으로써 교육대상자들의 드론 활용에 대한 이해를 넓히
고 드론활용에 대한 이해도를 높이는 성과를 얻을 수 있었다.
⊔⊔교육교재는 중요한 이론을 요약해 정리하였으며, 실습에 필요한 부분을 쉽게 따라할 수 있도
록 제작되어 교육 이후에도 개별적으로 이론 및 실습을 수행할 수 있어 좋은 반응을 얻었다. 교
육 편성은 이론에서 배운 생소한 내용을 직접 실습을 통해 경험함으로써 이해도가 더욱 높았고,
실무에 필요한 부분을 직접 실습하여 더욱 열의를 갖고 실습에 임하였다. 다수의 교육생들은 앞

으로 이러한 교육이 있을 경우 참석하여 더 많은 기술을 습득하고자 하였다.

- 188 -
그림 4.22 교육 사진 자료

- 189 -
 제 5 장 결 론


⊔⊔본 연구에서는 우리 공사에서 수행하고 있는 고속도로 시공 및 건설 관리 업무에 대하여 드론
을 활용하여 업무 효율성을 제고할 수 있는 방안을 제시하는 것을 목적으로 한다. 연구는 세 개
의 세부 과제로 나누어 진행되었으며 그 내용은 다음과 같다.
⊔⊔첫 번째 세부 과제에서는 고속도로 건설현장의 드론영상 활용기술 공종개발을 연구하였다. 드
론영상 데이터처리 소프트웨어 분석 연구에서는 국내에서 가장 많이 사용되고 있는
Pix4DMapper, 가성비가 높고 항공삼각측량 성과 분석에 유리한 Metashape, 3D Textured Mesh

성과가 매우 우수한 ContextCapture에 대한 분석을 수행하였다. Metashape는 항공삼각측량에 강

점이 있으며, ContextCapture는 정사영상과 3D Textured Mesh 제작에 강점이 있었다. 본 연구의
주요 연구 추진 방향은 고속도로 시공 관리 업무 분석, 현장 기술자 인터뷰, 시공관리 업무 개선

방향 도출, 표준 공종 제시이다. 먼저, 인터뷰를 수행하여 시공관리 시나리오를 작성하였으며, 작

성된 시공관리 시나리오에 대한 설문조사를 수행하였다. 상당한 수준으로 긍정적으로 평가한다고
응답하였으며, 시공결과와 설계도 일치, 시공감독 현장확인 용이, 과거 시공상황 파악에 도움이

될 것이라고 기대를 하고 있었다. 또한 고속도로 시공 업무 분석 및 인터뷰를 바탕으로 건설현장

에 드론 적용이 가능한 5개 공종, 12개 세부항목을 개발하였으며, 개발된 표준공종에 따라 드론을
원활하고 쉽게 활용할 수 있도록 작업지침서를 개발하였다.

⊔⊔두 번째 세부 과제에서는 대규모 작업현장 및 취약구간의 관리강화를 위한 시범사업을 수행

하였다. 시범사업은 시공현장인 경부선직선화 구간과 준공현장인 평택~서평택 구간, 토공변화량
이 많은 강진~광주 구간을 선정하였으며, 촬영계획 수립, 현장답사, 기준점 측량, 드론 촬영의 과

정을 거쳐 시계열 영상을 획득하였고, 영상처리와 검사점 확인과정을 거쳐 ‘무인비행장치 이용

공공측량 작업지침’에 만족하는 정사영상과 수치표면모델(DSM)을 얻었다. 준공현장은 시공단계
에서 유지관리 단계로 인계과정에서 필요한 공사 상태를 기록하기 위한 실감 3D모델을 제작하였

다. 시공현장은 3D 지형모델을 활용하여 도출된 드론활용 표준공종의 타당성을 분석하였다. 또한,

다양한 공정관리, 안전 및 유지관리 등 다양한 업무에 적용가능한 분야를 분석하여 제시하였다.
⊔⊔세 번째 세부 과제에서는 드론영상 활용 확대를 위한 드론영상 기반 건설현장관리 기반구축

을 연구하였다. 고속도로 건설현장 드론 활용기술 중장기 로드맵 수립의 목표는 우리 공사의 업

무향상과 효율적인 업무체계를 구축하여 우리 공사의 비전 및 경영목표에 초석이 되고자 함에 있
다. 이를 위해 본 연구에서는 건설처 업무분석, 타 기관 사례 조사 및 분석, 적용 가능분야 도출,

SWOT 분석을 실시하여 단기(1년), 중기(2~3년), 장기(4~5년)의 로드맵을 제시하고자 하였다.

- 190 -
그리고 드론활용 SW교육은 건설사업단 등 20명의 직원을 대상으로 두 차례 실시하였다. 교육내
용은 공간정보 이론 교육, 드론측량 견적, 영상처리 프로그램 및 3D 모델 지형모델 실무 실습,

3D 공간정보 활용방안 등에 대하여 실시하여 매우 좋은 교육성과를 거두었다.

- 191 -


참 고 문 헌

1. 최진호, “UAV를 이용한 토지특성정보 구축 및 활용”, 부동산포커스 REAL ESTATE FOCUS,

Vol. 95, pp. 48-59, 2016.

2. 김석구, “드론 영상촬영 응용 및 활용, 방송과 미디어”, 한국방송·미디어공학회지, 제 22권 2호,
pp. 95-105, 2017.

3. 박혜경, 이동근, “지질공원 모니터링을 위한 3D 공간데이터 구축과 교차활용 방안연구”, 지질

학회지, 제 54권 제 5호, pp. 501-511, 2018.
4. 김낙인, 김학진, 지상훈, “농업 및 건설분야 드론 활용기술”, KEIT PD Issue Report, Vol. 18-7,

pp. 34-62, 2018.

5. 곽석환, 한은호, 임지택, “고속도로 구조물 스마트점검 방안”, 한국구조물진단유지관리공학회
학술발표회 논문집, pp. 461-462, 2019.

6. 윤부열, 이재원, “국·공유지 조사업무를 위한 드론 정보 통합 플랫폼 활용에 관한 연구”, 한국

지적정보학회지, 제 19권 3호, pp. 67-79, 2017.
7. 이상춘, 윤병철, 김동억, 채지인, “드론의 공공임무 활용”, 한국통신학회지, 제 33권 제 2호, pp.

100-106, 2016.
8. 진정회, 김형석, “드론기술의 공공분야 적용사례”, 한국방송·미디어공학회지, 제 22권 제 2호,
pp. 106-117, 2017.

9. 유성현, 안춘기, 김정훈, “드론의 기술과 발전 동향 소개”, 대한전기학회지, 제 66권 제 2호,

pp. 19-23, 2017.
10. 전광규, 배성렬, 공성호, 김영채, 윤오섭, “대전광역시를 중심으로 한 의료폐기물의 발생 및 처

리 현황에 관한 연구”, 한국폐기물학회지, Vol. 13, No. 3, pp. 446-456, 1996.

11. U.S.EPA, “The solid Waste dilemma An Agenda for Action-Background Document”,
EPA/530-SW-88-054A, U.S.EPA Office of Solid Waste, Washington, DC, 1988.

12. 강운성, 황선남, 장호정, 김현식, “무인항공기를 위한 3.7V 단일 배터리 셀 고효율 전력관리
회로시스템”, 마이크로전자 및 패키징학회지 논문집, Vol. 24, No. 3, pp. 63-69, 2017.
13. 강정모, 이진영, 홍민호, “BIM 프로그램을 이용한 공조설계의 활용 사례”, 대한설비공학회 학

술발표대회 논문집, Vol. 2019, No. 11, pp. 167-170, 2019.

14. 경기도청, “인공지능 기반 도로포장분석·예측시스템 개발·전국 지자체 최초”, 보도자료, 2019.
15. 김건기, 강무환, 안우종, ”드론을 이용한 암반사면의 안정성 평가방법”, 특허청(한국특허),

2018.

- 192 -
16. 김정민, 현세권, 채정환, 도명식, “드론영상을 이용한 물체탐지알고리즘 기반 도로균열탐지”,
Vol. 18, No. 6, pp. 155-163, 2019.

17. 김태우, 홍순헌, 최현 외 1명, “UAV를 활용한 효율적인 도로 급사면 단면추출”, 대한공간정보
학회지, Vol. 26, No. 1, pp. 69–75, 2018.
18. 김태진, 손영환, 박재성 외 1명, “UAV Aerial Photogrammetry for Cross Sectional Extraction

and Slope Stability Analysis in Forest Area”, 한국농공학회 한국농공학회논문집, Vol. 60, No.
1, pp. 67–77, 2018.
19. 한국기계연구원, “AI(인공지능) 기술로 더 안전한 SOC 만든다”, KIMM NEWS, 2020.

20. 국토교통부 한국과학기술원, “무인 검사 장비 기반 교량 외관상태 신속진단, 평가, 관리기술

개발”, 2016.
21. 국토교통부 기술정책과, “건설 생산성 혁신 및 안전성 강화를 위한 스마트 건설기술 로드맵”,

2018.
22. 국토교통부 국토교통과학기술진흥원, “인공지능 기반의 건축설계 자동화 기술개발 최종보고
서”, pp. 14-19, 2020.
23. 고용노동부, “2014년 건설재해통계자료, 산업재해 발생현황”, 2014.
24. 고용노동부, “2020년 해빙기 건설현장 안전가이드”, 2020.
25. 교통안전공단, “드론 기반의 도로안전 기술적용 시범연구”, 2017.

26. 도로교통연구원, “드론을 활용한 고속도로 교통조사분석 기술개발 연구”, 연구보고서, 2017.
27. 도로교통연구원, “드론을 이용한 숏크리트 배면 조사 연구”, 연구보고서, 2017.
28. 대우건설, “국내 건설사 최초로 원격 드론관제시스템 구축 성공”, 보도자료, 2019.

29. 박선현, 이수곤, 이벽규 외 1명, “3D Laser Scanner를 이용한 암반사면의 절리방향 측정의신
뢰성”, 터널과 지하공간, 한국암반공학회 2015, TUNNEL & UNDERGROUND SPACE Vol.25,
No. 1, pp. 97-106, 2015.

30. 박준규, 이근왕, “대규모 개발지역의 공간정보 구축을 위한 드론 라이다의 특징 비교”, 한국산
학기술학회논문지, Vol. 21, No. 1, pp. 768-773, 2020.
31. 박해경, “지질공원 모니터링을 위한 3D 공간데이터 구축과 데이터 교차활용 방안연구: 무인항

공기와 가상현실을 이용하여”, pp. 502-503, 2018.

32. 방대식, 이동국, 이현직, “드론을 이용해 취득된 LiDAR 데이터와 RGB 영상의 드론 사진측량
성과품의 비교 분석”, 대한공간정보학회 학술대회, Vol. 2019, No. 5, pp. 97-98, 2019.

33. 서준표, 김기대, 우충식, “수치지형도와 항공 LiDAR를 이용한 도로인접 사면 땅밀림 발생지
변위 특성 분석”, 한국산학기술학회 논문지, 20(5), pp. 27-35, 2019.
34. 이건주, 노정두, 나태유, 고진석, 강성승, “드론을 활용한 ○○노천 석회석광산의 절취사면 안

- 193 -
 정성 평가”, 대한지질공학회 학술발표논문집, 2017권 2호, pp. 61-62, 2017.
35, 이동구, 선영규, 김수현, 심이삭, 이계산, 송명남, 김진영, “YOLO 네트워크를 활용한 전이학습

기반 객체 탐지 알고리즘”, 한국인터넷방송통신학회 논문지, Vol. 20, No. 1, pp. 219-223, 2020.

36. 이석진, 박스칸, 김선국, 이준호, 도남영, 김봉찬, “드론이용 비탈면 거동분석 시행을 위한 기
초 연구”, 대한토목학회 학술대회, Vol. 2018, No. 10, pp. 61-62, 2018.

37. 이준구, 유영철, 김영화, 최원, 김한중, “드론 열화상활용 저수지 제체 누수탐사”, 한국농공학
회논문집, Vol. 60, No. 6, pp. 21-31, 2018.
38. 이종훈, 정동민, 에르떼느따와 바트바야르, 주영규, “UAV 및 열화상 모듈 기반 외관 결함탐지

기술”, 대한건축학회 학술발표대회 논문집, Vol. 39, No. 1, pp. 398-399, 2019.
39. 조재용, “4차 산업혁명에 따른 일본 건설산업의 대응 전략 및 시사점”, pp. 27-28, 2017.
40. ㈜구주엔지니어링, “드론을 이용한 암반사면 경사의 오차범위 3도 미만의 안전성 평가 측정

장비 개발”, 한국건설기술연구원 건설보고서, 제10호 2018.

41. 진경호, “건설생산성 혁신 및 안전성 강화를 위한 스마트 건설기술”, pp. 9-11, 2019.
42. 최경준, 최세영, 염성관, 조영식, “무인항공기의 비행시간 향상을 위한 배터리 관리 회로구현”,

한국통신학회지, Vol. 45, No. 2, pp. 285-288, 2020.

43. 포스코, “Smart Safety 기술로 안심현장을 구현하다”, 홍보센터 자료, 2020.
44. 한국건설기술연구원, “무인항공기(드론)를 활용한 도로관리‧운영 효율화 방안”, 2017.

45. 한국국토정보공사, “UAV활용 국토공간정보사업 사례집”, 한국국토정보공사 부산울산지역본

부, 2016.
46. 한국도로공사 설계처, “eX-BIM 설계 표준모델 구축 연구”, 최종보고서, 2016.

47. 한국도로공사 도로교통연구원, “드론을 활용한 도로 정책 개발 연구”, 연구보고서, 2016.

48. 한국도로공사 도로교통연구원, “고속도로 드론 운용 및 통신환경 구축 기술 연구”, 연구보고
서, 2017.

49. 한국도로공사, ex_구조물관리규정(80429)

50. 한국도로공사, 고속도로공사 전문시방서(Expressway Construction Specification) (EXCS 11
72 00 : 2018)

51. 한국철도시설공단, “철도공단, 모든 생산기록물 AI 기반 기록관리 시스템으로 관리”, 보도자

료, 2018.
52. 한국토지주택공사, “행정중심복합도시 드론 활용 스마트 현장관리” 시범용역 보고서, 2019

53. Airsight, NextGen Airfield Inspections, https://www.airsight.de/aerial-services/

54. Alexey Bochkovskiy, Chien-Yao Wang, Hong-Yuan Mark Liao, 2020, YOLOv4: Optimal
Speed and Accuracy of Object Detection, https://arxiv.org/pdf/2004.10934.pdf

- 194 -
55. Charles Choi, Drone Surveys Improve Automated Road Construction,
https://insideunmannedsystems.com/drone-surveys-improve-automated-road-construction/

56. Daniele Giordan, Andrea Manconi, Dwayne D. Tannant, Paolo Allasia, “UAV: low-cost
remote sensing for high-resolution investigation of landslides”, 2015.
57. “Dynamic BIM-augmented UAV safety inspection for water diversion project”, Computers

in Industry, 108, pp. 163–177, 2019.

58. H3 Daynamics, “Avaya To Transform Emergency Response With New Partnership“,
News, 2019.

59. Khan Fuad, “Multi-sensing NDT approaches for inspection of structural components”,
Doctor Thesis, 2015.
60. Meho Sasa Kovacevic, Marijan Car, Mario Bacic, Irina Stipanovic, Kenneth Gavin, Karin

Noren-Cosgriff and Amir Kaynia, “Report on the use of remote monitoring for slope
stability assessments”, 2018.
61. NGSIM(Next Generation SIMulation), http://ops.fhwa.dot.gov/trafficanalysistools/ngsim.htm

62. Rockfall, https://www.rocscience.com/rocscience/products/rocfall

63. Simon Syring, “Introducing UAS and Photogrammetry for Surveying and Surveilling
New Project Sites”, 2018.

64. Tariq Shehab, “Automated measurement of earthwork volume in construction projects,

Construction Innovation”, Vol. 9, No. 3, pp. 341-358, 2008.
65. Use on Construction Sites,

https://www.lhsfna.org/index.cfm/lifelines/august-2018/using-drones-to-monitor-construction-
safety/
66. WSDOT, A drone's-eye view,

https://www.facebook.com/WSDOT/videos/a-drones-eye-view-of-sr-27/365839684281984/

- 195 -
 도 서 정 보

1. 연구보고서 번호 :
2. 도서목록번호 3. 수령번호
연구원-2020-66-534.9607호

4. 제 목 5. 발간년월일 : 2020년 12월

스마트 영상을 활용한 건설현장 업무 개선 및 고도화 방안 연구

6. 연구수행 기관명 코드

7. 연구담당자와 소속연구실
8. 연구보고서 발간번호
ICT융합연구실 송미화

9. 연구수행기관 또는 부서 10. 사업분류코드

한국도로공사 도로교통연구원 11. 계약 또는 인가번호

12. 연구제안 부서 또는 기관명 13. 연구기관과 보고형태

한국도로공사 도로교통연구원 14. 연구의뢰 기관명코드

15. 기타사항

16. 요 약 :
최근 국내 건설 분야에서 3차원 데이터를 활용한 BIM설계나 정보화시공·스마트건설이 활
발하게 대두되고 있는 실정으로 이를 드론을 활용하여 시스템으로 체계화하기 위한 노력이
필요하다. 우리 공사에서는 고속도로 건설현장 내 업무가 인력중심의 업무(공사, 품질, 안
전, 환경 등)로 구성되어 있는 문제점이 있는 바, 고속도로 건설현장 및 유지관리 업무에
드론 및 드론영상 활용에 대한 작업 효율성 증대 및 업무 개선이 필요한 실정이다.
이에 본 연구에서는 우리 공사에서 수행하고 있는 고속도로 시공 및 건설 관리 업무에 대
하여 드론을 활용하여 업무 효율성을 제고할 수 있는 방안을 제시하고자 한다. 먼저, 드론
영상 활용기술 현황 및 활용사례 조사, 데이터처리용 소프트웨어 분석을 수행하였고, 고속
도로 건설현장 업무 분석, 현장 기술자 인터뷰 분석을 통해 건설현장 드론활용 가능분야
및 업무 개선 방향을 도출하였다. 그리고 건설현장 드론영상 활용 시범사업 결과를 분석하
여 드론영상 활용기술 공종을 개발하였고, 개발된 공종에 따라 드론을 원활하고 쉽게 활용
할 수 있도록 작업지침서를 개발하였다.

17. 키워드: 드론, 영상분석, 건설현장 업무개선 18. 발행부서 및 배포구분

19. 비밀구분 20. 비밀페이지 21. 총페이지 195 22. 가격


 INFORMATION

1. Report No.
2. Accession No. 3. Receipt No.
KECRI-2020-66-534.9607
4. Title and Subtitle 5. Report Date : 2020. 12.
A Research on the Improvement of Construction
6. Performing
Work Using Drone Smart Image at Construction Site
7. Researchers 8. Performing Organization
ICT Research Division / Song, Mihwa Report No.
9. Performing Organization Name or Department 10. Work Unit Code
Expressway & Transportation Research Institute 11. Contract or Grant No.
13. Type of Report and
12. Sponsoring Agency Name and Address
Period Covered
Expressway & Transportation Research Institute
14. Sponsoring Agency

15. Supplementary Note

16. Abstract :
Recently, in the domestic construction industry in South Korea, building
information modeling design, information-technology-based construction, and
smart construction using three-dimensional data have emerged, and efforts are
required to systematize this trend using drones. One problem in the domestic
construction industry is that tasks in highway construction sites are mostly
manpower-oriented (e.g., construction work, quality, safety, and environment).
Therefore, we propose methods to improve work efficiency using drones and
drone images in highway construction sites, for maintenance work, and for
construction management work. In the first year, we conducted a survey on the
current state of drone image technology utilization, application cases, and
software analysis for data processing. Furthermore, the analysis of highway
construction sites and interviews with field technicians were used to derive
instructions for drone utilization and other improvements in the execution of
tasks at construction sites. In the second year, we conducted a study to analyze
the results of the pilot project using drone images at construction sites and
developed a standard based on the construction work type. In addition, work
instructions were developed so that drones can be used smoothly and easily
according to the developed standard based on the construction work type.
17. Key Word : Drone, Image Analysis, 18. Circulation and
Improvement of Construction Work Distribution Statement
19. Security 21. No. of Page
20. Security Page 22. Price
Classify 195
 보고서 집필 내역

구분 소속 및 직책 성명 집필 부분 비고
ICT융합연구실
연구책임자 송미화 총괄, 제1~5장
책임연구원

ICT융합연구실
강성인 제2~4장
책임연구원

ICT융합연구실
이원우 제2~4장
수석연구원

참여연구자
구조물연구실
조준상 제2~4장
연구위원

ICT융합연구실
남궁성 제2~4장
실장
이 출판물은 한국도로공사 도로교통연구원에서 수행한 연구성과물로

정부와 공사의 정책이나 견해와는 관계가 없으며, 공사의 승인 없이

연구내용의 일부 또는 전부를 다른 목적으로 이용할 수 없습니다.

발 행 처 : 한국도로공사 도로교통연구원
우편번호 : 18489

주 소 : 경기도 화성시 동탄순환대로 17길 24

전 화 : 031-8098-6161
F A X : 031-8098-6149

홈페이지 : http://www.ex.co.kr
발 행 월 : 2020년 12월