This study aims to validate the feasibility of using LiDAR reflectivity data to quantitatively estimate the retroreflectivity of road lane markings. The goal is to establish the optimal scanning conditions considering the channel position, angle of incidence, and vehicle speed for an accurate and consistent retroreflectivity assessment in mobile environments. Fifteen standard lane marking samples with known retroreflectivity values were scanned using an OS1-128 LiDAR sensor under controlled field conditions. A two-phase experiment was conducted: (1) a speed-based test to assess the influence of vehicle velocity (20-80 km/h) on LiDAR reflectivity measurements, and (2) a channel–angle–distance test using a static testbed to analyze the relationship between retroreflectivity, LiDAR channel position (that is, the angle of incidence), and measurement distance. Ground truth retroreflectivity values were obtained using a high-precision handheld retroreflectometer. Reflectivity measurements showed a strong correlation with standard retroreflectivity values, particularly at scanning angle between 100-115° and distances of 4.9-5.6 m. The coefficient of determination (R2) exceeded 0.97 across optimal conditions. Speedrelated tests confirmed that the LiDAR-based reflectivity remained stable with a minimal RMSE (< 5), even under high-speed driving scenarios. LiDAR sensors provided reliable and contactless estimates of pavement marking retroreflectivity when the channel angle and scanning distance were appropriately selected. The findings demonstrated that channel-specific calibration and incidence angle correction significantly improved the measurement accuracy. This suggests a practical path forward for automated large-scale retroreflectivity monitoring in road asset management systems.

멸종위기 야생식물종은 다양한 환경 요인과 인위적 간섭으로 인하여 이미 다수의 종이 멸종되었으며, 현재 잔존하고 있는 야생식물종 또한 생존을 위협받고 있다. 멸종위기 야생식물종의 보전방안 수립을 위해서는 자생에 영향을 주는 각종 요인에 대한 데이터 취득이 필수적이며, 현장의 상황을 명확하게 반영하여야 한다. 본 연구에서는 한라산 백록담 일대의 253개의 암매(Dispensia lapponica varb obovate) 생육지를 대상으로 하여 보전우선순위를 결정하기 위한 GIS 기반 분석 방법을 정립하였다. 데이터 분석에는 항공라이다(ALS:Airborne laser scanning) 데이터, 드론 영상, 각종 공공 주제정보를 이용하였으며, 암매의 생존에 영향을 주는 3개의 지형요소와 5개의 환경요소 및 재해위험성인자 로 구성되는 총 9개 인자에 대한 독립적인 분석 방법을 적용하여 암매 생육지에 대한 보전우선순위 결정을 위한 통계분석을 수행하였다. 분석한 인자별 현황 데이터는 관련 전문가 3인의 자문을 받아 결정한 암매 생존에 영향을 주는 각종 인자들에 대한 경중률을 적용하여 경중률 기반 정량평가(Weighted Scoring Model, WSM)를 통해 점수화하 였으며 최종적으로 253개의 암매 생육지에 대한 보전우선순위를 결정하였다. 본 연구에서 정립한 9개 인자와 경중률을 이용하여 GIS 분석을 통해 한라산 백록담 암매를 대상으로 보전우선순위를 결정한 결과, 다량의 개체가 분포하고 있는 북측 및 북서측 사면 중 북측 사면에 위치하고 있는 암매 생육지 중 다량의 생육지가 고위험군으로 분류되었다. 또한 일반적으로 서로 인접하게 위치하고 있는 복수의 암매 생육지가 유사한 위험점수 및 보전순위를 가지는 것으로 나타남에 따라 지형 특성이 암매의 자생에 큰 영향을 주는 것으로 나타났다. 본 연구의 성과는 기존의 현장조사 방식에 서는 접근하기 어려운 지형에 위치한 고산지대 멸종위기 식물 생육지에 대해 적용 가능할 것으로 판단되며, 본 연구를 통해 정립된 항공 및 드론라이다와 같은 고품질 공간정보와 관련 주제정보를 융합하여 GIS 기반 방법론은 접근이 어려운 멸종위기 식물군에 대해 식물종의 보전을 위한 고정밀 자료를 제공함으로서, 멸종위기 식물의 보전계획에 유용하게 활용 가능할 것으로 기대된다.

본 연구에서는 UAV(Unmanned Aerial Vehicle) 기반 LiDAR(Light Detection and Ranging), SfM(Structure from Motion), 그리고 수치지형도 기반 DEM(Digital Elevation Model) 데이터를 동일 지역에 적용하여 지형 데이터의 정밀도와 표현 특성을 정량적으로 비교 분석하였다. 경기도 시흥시 범배산 일대를 연구 대상지로 선정하고, 평지, 완사면, 급사면의 세 구역으로 나누어 고도 및 경사 통계, 경사 방향, 경사도 재분류에 따른 면적 분포를 비교하였다. 분석 결과, UAV LiDAR 기반 DEM은 모든 지형에서 가장 높은 정밀도와 해상도를 보여주었으며, SfM 기반 데이터는 비용과 접근성 면에서 유리하나 식생 및 지형 복잡도에 따라 정확도 변동이 크게 나타났다. 수치지형도 기반 DEM은 해상도는 낮지만 일정한 품질을 유지하며 일반적인 지형 분석에 적합한 것으로 나타났다. 본 연구는 지형 조건과 분석 목적에 따른 공간데이터 선택 기준을 제시하고, UAV 기반 지형 정보 활용 전략 수립에 기초자료로 활용될 수 있다.

산림자원 조사에서 입목의 측정은 조사원이 직접 측정 도구를 사용하여 수행되지만, 측정값의 일관성과 정확성 문제로 인한 오차가 발생할 수 있다. 이러한 문제를 해결하기 위해 최근 LiDAR(Light Detection and Ranging) 기술이 산림자원 조사에 응용되고 있다. 본 연구는 단순림의 산림자원 조사에서 지상 LiDAR 기술의 활용 가능성을 평가하고자 하였다. 연구는 한국의 전주에 위치한 전북대학교 학술림 내의 편백림과 굴참나무 림을 대상으로 수행되었다. 조사원이 측정한 입목의 흉고직경과 수고 측정값을 기준으로, 휴대형 및 고정형 LiDAR 장비를 사용한 측정값을 비교 분석하였다. 결과적으로, 편백 임분의 흉고직경 측정에서는 측정 방법 간 높은 일치도가 나타났으며, 평균의 차이는 유의미하지 않았다. 그러나 수고 측정에서는 낮은 일치도가 관찰되었고, 평균의 차이는 유의미하였다. 특히, 3점 이동 평균 수고에서 휴대형 LiDAR 장비는 수고를 0.3m 과대 측정하였으며, 고정형 LiDAR 장비는 1.2m 과소 측정하였다. 굴참나무 임분의 경우, 흉고직경 측정에서 높은 일치도가 나타났고, 수고 측정에서 도 비교적 높은 일치도를 보였다. 또한, 흉고직경과 수고 모두에서 평균의 차이는 유의미하지 않았다. 이러한 결과는 편백 임분과 굴참나무 임분에서 흉고직경 측정과 굴참나무 임분의 수고 측정에 있어 지상 LiDAR 기술이 높은 정확도를 제공할 수 있음을 시사하지만, 편백 임분의 수고 측정에서는 개선의 여지가 있음을 나타낸다. 본 연구는 지상 LiDAR 기술이 단순림의 산림자원 조사에 활용될 수 있는 초기 단계의 연구로서, 다양한 수종 및 환경 조건에 관한 추가 연구의 필요성을 강조한다.

This project aimed to understand the near-infrared (NIR), intensity, and reflectivity characteristics of LiDAR for measuring retroreflectivity and to understand the correlation between the characteristics of LiDAR and retroreflectivity. A 600 m-testbed was investigated using a survey vehicle equipped with LiDAR, and the testbed retroreflectivity and LiDAR data measurement values were compared. The reflectivity and intensity at night were not affected by sunlight compared with daytime, enabling stable data collection. However, NIR reacted very sensitively to sunlight, and the difference between daytime and nighttime NIR values was very large. In addition, by comparing the absolute error between the retroreflectivity and LiDAR data, we observed that the reflectivity was consistent with the data difference between day and night, and it was not significantly affected by sunlight. However, the intensity showed that the daytime measurement data were more scattered than the nighttime measurement data, resulting in low-precision collection stability caused by sunlight. An analysis of the correlation between retroreflectivity and LiDAR data using 40 data points revealed that the reflectivity and intensity data at night were highly correlated with retroreflectivity, with a P-value of less than 0.05. Reflectivity and intensity values at night correlate with retroreflectivity. The NIR light is sensitive to sunlight. Thus, it can be used as a solar correction index for future retroreflectivity analyses using intensity.

PURPOSES : This study aimed to compare the object detection performance based on various analysis methods using point-cloud data collected from LiDAR sensors with the goal of contributing to safer road environments. The findings of this study provide essential information that enables automated vehicles to accurately perceive their surroundings and effectively avoid potential hazards. Furthermore, they serve as a foundation for LiDAR sensor application to traffic monitoring, thereby enabling the collection and analysis of real-time traffic data in road environments. METHODS : Object detection was performed using models based on different point-cloud processing methods using the KITTI dataset, which consists of real-world driving environment data. The models included PointPillars for the voxel-based approach, PartA2-Net for the point-based approach, and PV-RCNN for the point+voxel-based approach. The performance of each model was compared using the mean average precision (mAP) metric. RESULTS : While all models exhibited a strong performance, PV-RCNN achieved the highest performance across easy, moderate, and hard difficulty levels. PV-RCNN outperformed the other models in bounding box (Bbox), bird’s eye view (BEV), and 3D object detection tasks. These results highlight PV-RCNN's ability to maintain a high performance across diverse driving environments by combining the efficiency of the voxel-based method with the precision of the point-based method. These findings provide foundational insights not only for automated vehicles but also for traffic detection, enabling the accurate detection of various objects in complex road environments. In urban settings, models such as PV-RCNN may be more suitable, whereas in situations requiring real-time processing efficiency, the voxelbased PointPillars model could be advantageous. These findings offer important insights into the model that is best suited for specific scenarios. CONCLUSIONS : The findings of this study aid enhance the safety and reliability of automated driving systems by enabling vehicles to perceive their surroundings accurately and avoid potential hazards at an early stage. Furthermore, the use of LiDAR sensors for traffic monitoring is expected to optimize traffic flow by collecting and analyzing real-time traffic data from road environments.

In the contemporary era, 3D printing technology has become widely utilized across diverse fields, including biomedicine, industrial design, manufacturing, food processing, aerospace, and construction engineering. The inherent advantages of automation, precision, and speed associated with 3D printing have progressively led to its incorporation into road engineering. Asphalt, a temperature-responsive material that softens at high temperatures and solidifies as it cools, presents distinctive challenges and opportunities in this context. For the effective implementation of 3D printing technology in road engineering, 3D printed asphalt (3DPA) must exhibit favorable performance and printability. This requires attributes such as good fluidity, extrudability, and buildability. Furthermore, materials utilizing 3DPA for crack repair should possess high viscosity, elasticity, toughness, superior high-temperature stability, and resistance to low-temperature cracking. These characteristics ultimately contribute to enhancing pavement longevity and ensuring worker safety.

PURPOSES : Demonstrated performance degradation of LiDAR for vehicle and pedestrian dummy in rainy and foggy road conditions. METHODS : In real-scale rain and fog road conditions, adjust the distance between LiDAR and the measurement target from 10m to 70m (in 10m interval), measure LiDAR NPC (number of point cloud) and intensity, and compare the resulting numerical values. RESULTS : LiDAR's NPC and Intensity showed statistically significant differences by overall weather condition (normal, rain, fog), and the values were found to be larger in the order of normal>rainfall>fog. In the case of vehicles, sunder rain conditions, NPC and intensity are recognized even at 70m as in normal conditions, but under fog conditions, NPC and intensity are measured only up to 30m. In the case of pedestrians, the reflective area size is smaller than that of vehicles, so they are recognized only up to 30m in rainy conditions, and NPC and intensity are measured only up to 20m in fog conditions. CONCLUSIONS : It was confirmed that LiDAR performance deteriorates in rain and fog compared to normal.

algorithms for deriving and analyzing retroreflectivity influence factors through regression analysis. METHODS : An experimental road lane was created to examine the trends of retroreflectivity and LiDAR intensity values, and a controlled indoor experiment was conducted to identify influencing factors. The optimal algorithm was developed by regression analysis of the experimental data. RESULTS : The significance probability (P-value) through SPSS linear regression analysis was 0.000 for measured height, 0.001 for perpendicular angle, 0.157 for vertical angle, and 0.000 for LiDAR intensity, indicating that measured height, vertical angle, and LiDAR intensity are significant factors because the significance probability is less than 0.05, and vertical angle is not significant. The NNR regression model performed the best, so the measurement data with height (1.2m, 2m, 2.2m) and vertical angle (11.3°, 12.3°, 13.5°) were analyzed to derive the optimal LiDAR Intensity measurement height and vertical angle. CONCLUSIONS : For each LiDAR measurement height and vertical angle, the highest correlation between LiDAR Intensity and retroreflectivity was found at a measurement height of 1.2 meters and a vertical angle of 12.3°, where the model learning accuracy (R2) was the highest.

PURPOSES : The purpose of this study was to quantitatively evaluate the variability of LiDAR performance indicators, such as intensity and Number of Point Cloud(NPC), according to various environmental factors and material characteristics. METHODS : To consider the material characteristics of road safety facilities, various materials (Reference Material(RM), reflective sheet, matte sheet, granite, plastic, and rubber) were used in a darkroom, and the performance indicators of LiDAR were repeatedly measured in terms of changes in the measurement distance, rainfall, and angle of observation. RESULTS : In the case of standard reflective materials, the intensity measurement value decreased as the measurement distance and rainfall increased. The NPC showed a tendency to decrease as the measurement distance increased, regardless of rainfall intensity. For materials with high-intensity values, it was found that rainfall intensity and color had negligible effect on the change in intensity compared with the measurement distance. However, for materials with low-intensity values, it was found that the measurement distance, rainfall intensity, and color all had a significant effect on the change in intensity. CONCLUSIONS : For materials with high-intensity values, it was found that rainfall and color had negligible effect on change in intensity compared with the measurement distance. However, for materials with low-intensity values, the measurement distance, rainfall, and color all had a significant effect on the change in intensity value.

본 논문은 자동계류 장치에 설치하여 선박의 접안 상황을 검출할 수 있는 시각 센서의 개발에 대하여 논하고 있다. 선박의 접 안 시 사고방지를 위해 선박의 속도를 통제하고 위치를 확인하고 있음에도 불구하고 부두에서의 선박 충돌사고는 매년 발생하고 있으며, 이로 인한 경제적, 환경적 피해가 매우 크다. 따라서 부두에 접안하는 선박에 대한 안전성 확보를 위해 선박의 위치 및 속도 정보를 신속 하게 확보할 수 있는 시각 시스템의 개발은 중요하다. 이에 본 연구에서는 선박의 접안 시 사람과 유사하게 영상을 통해 접안하는 선박을 관찰하고, 주변 환경에 따른 선박의 접안 상태를 적절하게 확인할 수 있는 시각센서를 개발하였다. 먼저, 개발하고자 하는 시각 센서의 적 정성을 확보하기 위해 기존 센서로부터 제공되는 정보, 감지 범위, 실시간성, 정확도 및 정밀도 측면에서 센서 특성을 분석하였다. 이러한 분석 자료를 바탕으로 LiDAR형태의 3D시각 시스템의 개념 설계, 구동메커니즘 설계 및 모션 구동부의 힘과 위치 제어기 설계 등을 수행 하여 대상물의 정보를 실시간으로 획득할 수 있는 3D 시각 모듈을 개발하였다. 최종적으로 시스템 구동을 위한 제어 시스템의 성능평가 와 스캔 속도에 대한 성능을 분석하였고, 실험을 통해 개발된 시스템의 유용성을 확인할 수 있었다.