건설 현장에서 구조물의 실제 형상을 측정하거나 기존 건축물의 내부 공간을 기록할 때는 단순히 사진을 촬영하는 것만으로는 충분하지 않을 수 있습니다. 구조물의 위치와 치수, 설비 간 간격, 공간의 형태 등을 확인하려면 실제 현장의 3차원 정보를 확보해야 하기 때문입니다.
이때 활용할 수 있는 기술 중 하나가 3D 레이저 스캐너(3D Laser Scanner)입니다. 이 장비는 레이저를 이용해 주변 대상물까지의 거리를 측정하고, 수많은 측정점을 모아 3차원 공간을 표현하는 데이터를 생성합니다. 이렇게 생성되는 데이터가 바로 포인트 클라우드(Point Cloud)입니다.
3D 레이저 스캐너의 가치는 현장을 입체적으로 볼 수 있다는 데서 끝나지 않습니다. 실제 시공된 구조물의 상태를 기록하고, 계획된 형상과 비교하며, 공사 진행 상황이나 시설물의 변화를 확인하는 데 활용할 수 있습니다. 예를 들어 기존 건축물을 리모델링하려는데 오래된 도면이 실제 현장과 일치하지 않는다면 어떻게 해야 할까요? 사람이 필요한 치수를 하나씩 측정하는 방법도 있지만, 복잡한 공간 전체를 3차원으로 기록하면 현재 상태를 파악하고 후속 설계에 활용하는 데 도움이 됩니다.
다만 스캔 데이터를 확보했다고 해서 자동으로 정확한 검측 결과나 완성된 3차원 모델이 만들어지는 것은 아닙니다. 측정 위치를 계획하고, 데이터가 누락되지 않았는지 확인한 뒤, 여러 측정 결과를 정합한 다음 사용 목적에 맞게 분석해야 합니다. 이 글에서는 3D 레이저 스캐너의 기본 원리부터 건설 현장에서의 구체적인 활용 사례, 측정 결과를 실제 업무에 사용하기 전에 확인해야 할 사항까지 알아보겠습니다.
1. 3D 레이저 스캐너는 어떻게 현장을 측정하고 데이터를 생성할까?
3D 레이저 스캐너의 원리를 이해하려면 먼저 일반적인 사진과 3차원 측정 데이터의 차이를 살펴볼 필요가 있습니다. 사진은 카메라가 바라보는 장면을 이미지로 기록합니다. 반면 3D 레이저 스캐너는 주변 대상물까지의 거리를 측정하고, 측정 방향과 위치 정보를 결합해 공간상의 점들을 생성합니다. 이 점들이 모여 대상물의 형상을 3차원으로 표현합니다.
지상형 레이저 스캐너의 경우 장비를 삼각대 등에 설치한 뒤 주변을 여러 방향에서 측정합니다. 장비의 측정 원리와 제품에 따라 구체적인 방식은 다르지만, 일반적으로 레이저의 이동 시간이나 위상 차이 등을 이용해 거리를 계산합니다. 일부 장비는 각 점의 색상 정보를 시각화에 활용하기 위해 카메라 영상도 함께 취득합니다. 예를 들어 건물 내부를 스캔하면 벽과 바닥, 천장, 기둥, 배관 등의 표면이 수많은 점으로 표현됩니다. 이 데이터를 화면에서 회전하거나 확대하면 공간의 형태와 요소 간 위치 관계를 확인할 수 있습니다. 이처럼 측정한 점들의 집합을 포인트 클라우드(Point Cloud)라고 합니다. 포인트 클라우드는 단순한 3차원 그림이 아니라 각 점의 공간 좌표를 포함한 데이터입니다. 따라서 필요한 조건이 충족되면 두 지점 사이의 거리, 구조물의 위치, 표면의 형상 등을 분석하는 데 사용할 수 있습니다.
그러나 포인트 클라우드가 생성되었다는 사실만으로 측정이 성공했다고 판단해서는 안 됩니다. 실제 활용 가능성은 데이터가 얼마나 정확하고 완전하게 확보되었는지에 따라 달라집니다. 건설 분야의 지상형 레이저 스캐닝을 검토한 Aryan, Bosché, Tang의 2021년 논문 「Planning for Terrestrial Laser Scanning in Construction: A Review」는 포인트 클라우드의 품질을 평가할 때 주요 기준으로 완전성, 정확도·공간 해상도, 정합 가능성을 다룹니다. 이 연구는 스캔 위치와 데이터 취득 계획이 결과의 품질과 작업 효율에 영향을 미친다는 점도 설명합니다.
이를 실제 현장에 적용해 보겠습니다. 복잡한 실내 공간에 스캐너를 한 곳만 설치하면 기둥 뒤쪽이나 설비에 가려진 부분은 측정되지 않을 수 있습니다. 포인트 클라우드 화면에서 데이터가 없는 영역은 실제로 아무것도 없는 공간일 수도 있지만, 레이저가 도달하지 못한 사각지대일 수도 있습니다. 따라서 측정 전에 다음 사항을 검토해야 합니다.
- 어떤 구조물과 공간을 반드시 측정해야 하는가?
- 장비를 어느 위치에 설치해야 필요한 부분을 볼 수 있는가?
- 구조물이나 자재에 가려지는 영역은 없는가?
- 여러 위치에서 측정한 데이터를 어떻게 연결할 것인가?
- 최종 데이터는 어떤 업무에 사용할 것인가?
이러한 사전 계획을 스캔 계획(Scanning Planning)이라고 이해할 수 있습니다. 또한 여러 위치에서 측정한 데이터를 하나로 결합하는 과정도 중요합니다. 이를 정합 또는 등록(Registration)이라고 합니다. 정합이 제대로 이루어지지 않으면 하나의 구조물이 여러 겹으로 나타나거나, 서로 다른 위치에서 취득한 데이터가 어긋날 수 있습니다.
결국 3D 레이저 스캐닝은 장비를 설치하고 측정 버튼을 누르는 작업만을 의미하지 않습니다. 측정 계획, 데이터 취득, 정합, 품질 확인, 결과 분석이 연결된 하나의 작업 과정입니다. 이 과정을 이해하면 같은 장비를 사용하더라도 작업 계획과 처리 방법에 따라 결과의 활용도가 달라질 수 있음을 알 수 있습니다.
2. 건설 현장에서 3D 레이저 스캐너는 어떤 문제를 해결할까?
3D 레이저 스캐너의 활용 분야를 이해하려면 장비의 기능보다 현장에서 해결해야 하는 문제를 먼저 살펴보는 것이 좋습니다. 실제 업무에서는 장비 자체보다 확보한 데이터를 통해 무엇을 확인할 수 있는지가 중요하기 때문입니다.
첫 번째는 기존 시설물의 현황 조사입니다.
오래된 건축물을 리모델링하거나 기존 플랜트에 새로운 설비를 설치할 때는 현재 공간의 형상을 정확히 파악해야 합니다. 하지만 과거 도면이 없거나, 도면에 기록된 내용이 실제 현장과 다를 수 있습니다. 이때 레이저 스캐너로 현재 공간을 측정하면 벽과 기둥, 천장, 배관 등의 위치 관계를 3차원 데이터로 기록할 수 있습니다. 확보한 데이터를 바탕으로 기존 공간을 검토하고, 추가 설비의 설치 가능성이나 설계에 필요한 현황을 확인할 수 있습니다. 다만 스캔 데이터만으로 모든 요소의 종류나 기능이 자동으로 식별되는 것은 아닙니다. 포인트 클라우드에는 형상 정보가 주로 기록되므로, 배관의 용도나 설비의 명칭처럼 형상만으로 알기 어려운 정보는 별도의 도면이나 현장 확인이 필요할 수 있습니다.
두 번째는 시공 상태와 치수를 확인하는 것입니다.
건설공사에서는 구조물이 계획된 위치에 설치되었는지, 실제 형상이 요구조건에 맞는지 확인해야 하는 경우가 있습니다. 예를 들어 벽체의 형상이나 구조물의 위치 관계를 확인하고자 할 때 스캔 데이터를 활용할 수 있습니다.
실제 현장을 포인트 클라우드로 기록하면 필요한 단면을 추출하거나, 기준면과 비교하거나, 특정 위치의 치수를 분석할 수 있습니다. 하지만 이러한 분석 결과를 정식 검측에 사용하려면 프로젝트의 허용오차, 측정 방법, 기준점, 장비 성능, 그리고 검증 절차를 함께 고려해야 합니다.
즉, 포인트 클라우드는 품질 관리를 지원하는 데이터이지, 그 자체가 모든 검측 기준을 충족한다는 보증은 아닙니다.
세 번째는 공사 진행 상황 기록과의 비교입니다.
건설 현장은 공사가 진행되면서 계속 변화합니다. 특정 시점의 현장만 촬영하면 그때의 상태는 확인할 수 있지만, 이전 상태와 무엇이 달라졌는지 정량적으로 파악하기는 어려울 수 있습니다. 일정한 기준에 따라 현장을 반복 측정하면 시점별 데이터를 비교할 수 있습니다. 예를 들어 기초공사가 끝난 시점과 구조물 설치가 진행된 시점의 데이터를 확보하면 공간의 변화나 새로 설치된 요소를 확인하는 데 도움이 됩니다.
다만 두 시점의 데이터를 비교하려면 좌표계와 정합 상태가 일관되게 관리되어야 합니다. 좌표가 서로 맞지 않으면 실제 변화가 아니라 측정 위치나 정합 차이 때문에 차이가 발생한 것처럼 보일 수 있습니다.
네 번째는 계획된 형상과 실제 시공 상태를 비교하는 것입니다.
설계도면이나 BIM 모델에는 계획된 구조물의 형상이 담겨 있습니다. 그러나 실제 시공 상태는 현장 조건이나 시공 과정에 따라 계획과 차이가 있을 수 있습니다. 이때 실제 현장을 스캔한 포인트 클라우드와 설계 자료를 비교하면 차이가 발생한 위치를 찾는 데 활용할 수 있습니다. 이러한 접근은 흔히 Scan-vs-BIM으로 불립니다. 예를 들어 설계 모델과 실제 측정 데이터를 같은 좌표계로 정렬한 뒤, 필요한 부위의 형상이나 위치 차이를 분석할 수 있습니다. 이를 통해 추가적인 현장 확인이 필요한 영역을 식별할 수 있습니다. 다만 색상으로 표시된 차이 분석 결과가 곧바로 시공 불량을 의미하는 것은 아닙니다. 실제 차이인지, 데이터 정합 오차인지, 측정 누락이나 대상물의 특성에서 비롯된 것인지 검토해야 합니다. 허용오차를 초과한 것으로 나타난 부분도 현장 확인과 관련 기준에 따른 검증이 필요합니다.
다섯 번째는 복잡한 설비 공간의 기록과 유지관리입니다.
플랜트나 대형 건축물에는 배관, 덕트, 전기설비, 구조부재 등이 좁은 공간에 함께 배치되는 경우가 있습니다. 이런 공간은 일부 치수만으로는 전체적인 위치 관계를 파악하기 어려울 수 있습니다. 레이저 스캐닝으로 공간을 기록하면 설비 간 간격이나 접근 가능한 공간을 검토하는 데 도움이 됩니다. 향후 설비를 교체하거나 추가할 때 기존 공간을 확인하는 자료로 활용할 수도 있습니다.
시설물의 유지관리에서도 같은 원리를 적용할 수 있습니다. 특정 시점의 상태를 기록해 두고 이후 측정 결과와 비교하면 변화가 발생했는지 확인할 수 있습니다. 다만 변형이나 이동을 판단하려면 측정 기준과 오차 수준을 고려해야 하며, 중요한 구조적 판단은 적절한 계측 및 전문적인 검토를 통해 이루어져야 합니다.
| 활용분야 | 해결 하려는 문제 | 확인할 사항 |
| 기존 시설물 조사 | 현재 형상과 공간 파악 | 데이터 누락, 현황과 도면의 차이 |
| 시공 품질관리 | 구조물 위치와 형상 확인 | 허용오차, 기준점, 측정 정확도 |
| 공정 모니터링 | 시점별 현장 변화 확인 | 좌표체계와 정합 일관성 |
| Scan-vs-BIM | 계획과 실제 상태 비교 | 모델과 측정 데이터의 정렬 |
| 설비 공간 조사 | 설비 간 위치관계 파악 | 가려진 영역과 형상 식별 |
| 시설물 유지관리 | 시간에 따른 상태 변화 확인 | 기준 데이터와 측정 오차 |
이처럼 3D 레이저 스캐너는 다양한 문제를 해결하는 데 활용할 수 있지만, 모든 작업에 동일한 방식으로 적용되는 것은 아닙니다. 측정 목적에 따라 필요한 데이터의 범위와 품질을 먼저 정의해야 한다는 점이 핵심입니다.
3. 3D 레이저 스캐너를 현장에 적용할 때 무엇을 확인해야 할까?
3D 레이저 스캐너를 실제 프로젝트에 적용할 때는 장비의 가격이나 측정 속도만으로 적합성을 판단하기 어렵습니다. 확보한 데이터를 어떤 의사결정에 사용할 것인지에 따라 필요한 작업과 검증 수준이 달라지기 때문입니다.
가장 먼저 확인해야 할 것은 요구되는 데이터 품질입니다. 단순히 현장의 전체적인 모습을 시각적으로 기록하려는 경우와 구조물의 치수를 검측하려는 경우에는 요구조건이 다릅니다. 전자는 필요한 영역이 충분히 기록되었는지가 중요할 수 있지만, 후자는 정확도와 기준점, 측정 절차, 결과 검증이 더욱 중요합니다. 따라서 작업을 시작하기 전에 어떤 대상을 측정할 것인지, 어느 정도의 오차를 허용할 것인지, 결과물을 누가 어떤 목적으로 사용할 것인지 정해야 합니다.
두 번째는 측정 위치와 사각지대입니다.
레이저가 도달하지 못하는 영역은 데이터에 충분히 기록되지 않을 수 있습니다. 따라서 스캔 위치를 선정할 때는 구조물의 배치와 시야를 고려해야 합니다. 필요하다면 여러 위치에서 측정하고, 측정 후에는 반드시 필요한 영역이 확보되었는지 확인해야 합니다. 여기서 무조건 스캔 횟수를 늘리는 것이 정답은 아닙니다. 스캔 위치가 많아지면 데이터 취득뿐 아니라 정합과 후처리에 필요한 시간도 늘어날 수 있습니다. 반대로 측정 횟수를 줄이기 위해 필요한 영역을 놓치면 데이터를 다시 측정해야 할 수 있습니다. 결국 필요한 영역을 빠짐없이 확보하면서도 불필요한 측정을 줄이는 계획이 중요합니다.
세 번째는 좌표체계와 데이터 정합입니다.
여러 위치에서 취득한 데이터를 하나로 결합하거나 설계 자료와 비교하려면 좌표 기준이 일관되어야 합니다. 프로젝트의 목적에 따라 기준점이나 별도의 측량 성과를 활용할 수 있으며, 데이터 처리 후에는 정합 상태가 적절한지 확인해야 합니다. 예를 들어 두 번의 스캔에서 동일한 기둥이 서로 다른 위치에 나타난다면 실제로 기둥이 움직였다고 바로 판단해서는 안 됩니다. 서로 다른 좌표계가 사용되었거나 데이터 정합에 문제가 있을 가능성도 검토해야 합니다. 또한 국내 건설 현장에서 취득한 측량 데이터는 현장이나 프로젝트에 따라 서로 다른 좌표 기준을 사용할 수 있으므로 좌표계의 종류와 기준을 정확히 확인하는 것이 중요합니다. 특히 현장 자체의 기준 좌표계로 작성된 데이터를 WGS 84와 같은 다른 좌표계의 데이터와 결합하거나 비교하려면, 두 좌표계의 차이를 고려해 적절한 좌표 변환을 수행해야 합니다. 이때 좌표계의 명칭만 확인하는 것으로는 충분하지 않으며, 기준점과 좌표계 정의, 투영법, 그리고 필요한 변환 파라미터까지 확인해야 합니다. 좌표변환이 정확하게 이루어지지 않으면 스캔 데이터와 설계도면 또는 BIM 모델 사이에 위치 오차가 발생할 수 있으므로, 데이터를 통합하기 전에 좌표 기준과 변환 결과를 반드시 검증해야 합니다.
네 번째는 데이터 용량과 후처리 비용입니다.
포인트 클라우드는 많은 측정점을 포함할 수 있으므로 데이터가 많아질수록 저장과 처리에 더 많은 자원이 필요할 수 있습니다. 또한 데이터에서 불필요한 점을 제거하거나 여러 스캔을 정합하거나 필요한 형상을 추출하는 데에도 시간이 걸립니다. 그러므로 모든 현장을 가능한 한 높은 밀도로 측정하기보다는 필요한 작업 수준에 맞춰 데이터 취득과 처리 방법을 결정해야 합니다. 작업 시간뿐 아니라 장비 운용, 데이터 처리, 품질 확인에 드는 전체 비용을 고려하는 것이 합리적입니다.
다섯 번째는 측정 결과를 실제 업무에 연결하는 절차입니다.
스캔 데이터를 확보했더라도 이를 어떤 방식으로 분석하고 업무에 활용할지 정해져 있지 않다면 실질적인 효과는 제한적일 수 있습니다.
예를 들어 품질관리에 사용할 데이터라면 어떤 치수나 위치를 검토할 것인지, 기준이 되는 설계자료는 무엇인지, 차이가 발견되면 누가 현장을 확인할 것인지 등을 정해야 합니다. 공정 모니터링에 활용하려면 데이터 취득 주기와 시점별 비교 방법도 필요합니다. 이러한 절차가 마련되어야 측정 결과가 단순한 시각자료를 넘어 실제 의사결정에 사용될 수 있습니다. 실무 적용 여부를 판단할 때는 다음과 같은 순서로 점검하면 도움이 됩니다.
- 목적 정의: 현황 조사, 품질검사, 공정 모니터링 중 무엇을 위한 측정인가?
- 요구조건 설정: 필요한 영역과 허용오차, 결과물 형식은 무엇인가?
- 측정 계획 수립: 장비 위치와 측정 횟수, 기준점은 어떻게 설정할 것인가?
- 데이터 품질 확인: 누락 영역, 정합 상태, 측정 오차에 문제가 없는가?
- 업무 적용: 분석 결과를 누가 검토하고 어떤 의사결정에 활용할 것인가?
이 과정은 특정 제품에만 적용되는 절차라기보다, 건설 현장에서 3차원 측정 데이터를 신뢰성 있게 활용하기 위한 기본적인 접근 방식입니다. 결국 3D 레이저 스캐너의 도입 여부를 판단할 때는 “최신 장비인가?” 또는 “얼마나 많은 점을 측정하는가?”만 볼 것이 아니라 필요한 현장 정보를 적절한 품질로 확보하고, 그 결과를 실제 업무에 활용할 수 있는지를 살펴봐야 합니다.
BIM이나 다른 디지털 관리 시스템과 연결하는 것도 이러한 활용 과정의 일부입니다. 다만 모든 스캔 데이터를 반드시 BIM 모델로 변환해야 하는 것은 아닙니다. 단순한 현황 기록이나 특정 치수 확인만으로 목적을 달성할 수 있다면 그에 맞는 데이터 처리 수준을 선택할 수 있습니다. 3D 레이저 스캐닝의 진정한 가치는 현장을 3차원으로 표현하는 것 자체가 아니라, 현장의 실제 상태를 기록하고 그 정보를 품질관리·공정관리·설계 검토·유지관리 등의 업무에 활용하는 것에 있습니다. 앞으로 건설현장의 디지털화가 확대될수록 장비를 다루는 능력뿐 아니라 필요한 데이터를 정의하고, 측정 결과의 품질을 판단하고 확보한 데이터를 실제 업무에 연결하는 역량도 중요해질 것입니다.
참고문헌 및 추가 읽을거리
Aryan, A., Bosché, F., & Tang, P. (2021). Planning for terrestrial laser scanning in construction: A review. Automation in Construction, 125, 103551. DOI: 10.1016/j.autcon.2021.103551.
Tang, P., Huber, D., Akinci, B., Lipman, R., & Lytle, A. (2010). Automatic reconstruction of as-built building information models from laser-scanned point clouds: A review of related techniques. Automation in Construction, 19(7), 829–843. DOI: 10.1016/j.autcon.2010.06.007.