스마트폰으로 넓은 실내 공간을 스캔할 때 가장 큰 과제는 “드리프트(drift)”입니다. PIX4D는 이를 Autotag 감지 기능으로 해결합니다. 전체 워크플로우를 아래 글을 통해 확인해 보세요.
스마트폰을 활용해 넓은 실내 공간을 매핑하는 것은 쉽지 않습니다. 사용자가 이동하며 촬영을 진행할수록 위치와 정보가 조금씩 누적 오차를 만드는데, 이를 ‘드리프트’ 라 칭합니다. 이 드리프트가 커지면 최종 모델이 휘어 보이거나 표면이 중복 생성되는 등 활용이 어려울 정도의 부정확한 결과가 나오게 됩니다. 이는 모바일 기기로 복잡하거나 규모가 큰 실내를 촬영하려는 사용자에게 발생하는 제약입니다.
PIX4D는 이러한 문제를 해결하기 위해 iPhone – PIX4Dcatch 기반 워크플로우를 테스트했으며 GeoFusion 알고리즘과 Autotag를 결합해 필요한 정확도를 확보했습니다. Autotag는 매우 효과적인 드리프트 보정 수단으로 작동합니다. ‘Tag Detection’ 활성화시 PIX4Dcatch가 촬영 과정에서 태그를 자동으로 인식하고 추적 정보와 함께 즉시 드리프트를 보정합니다.
촬영 이후에는 GeoFusion 알고리즘이 핵심 역할을 수행합니다. 모든 촬영 데이터를 활용해 각 이미지가 실제 어떤 위치와 각도에서 촬영됐는지를 정밀하게 산출하여 정밀한 결과물을 제공합니다.
이러한 조합은 기존 방식으로는 정확한 데이터 취득이 어려웠던 넓은 실내 환경에서도 실시간으로 신뢰도 높은 데이터를 확보할 수 있도록 도와줍니다.
본 글은 Christoph Strecha, Martin Rehak, Davide Cucci의 연구 논문을 기반으로 작성되었습니다.
PIX4Dcatch의 GeoFusion 알고리즘
우리는 먼저 GeoFusion 알고리즘의 효과를 확인하기 위해 Autotag 사용 여부(A4 / US Letter 기준)에 따른 성능 차이를 비교 테스트했습니다. 동일한 설정을 적용한 두 대의 스마트폰에 PIX4Dcatch를 구동한 뒤 한 대는 ‘Tag Detection’을 활성화하고 다른 한 대는 비활성화한 상태로 실내를 한 바퀴 순환하며 스캔했습니다. Tag Detection을 끈 기기는 라이브 영상, GNSS, 나침반 등 기본 센서만 사용하는 앱의 ‘minimalistic mode’에 의존했는데, 이는 일반적으로 알려진 SLAM(Simultaneous Localization and Mapping)과 유사한 방식입니다.
촬영을 마친 뒤 두 기기가 Autotag를 얼마나 정확하게 인식했는지를 비교했습니다. 이때 사용하는 지표가 바로 ‘재투영 오차’이며, 값이 낮을수록 카메라 위치 계산이 더 정확함을 의미합니다.
테스트 결과는 매우 명확했습니다. Tag Detection을 활성화한 기기는 평균 오차가 7픽셀, 비활성화한 기기는 41픽셀로 나타났습니다. 이는 GeoFusion 방식이 카메라 위치를 훨씬 안정적으로 추적하며 드리프트 문제를 크게 줄였다는 것을 의미합니다. 특히 테스트 초반부처럼 드리프트가 가장 크게 발생하는 구간에서 두 방식의 차이가 더욱 뚜렷하게 나타났습니다.
대규모 공간을 위한 멀티 스캔 병합
이 방법을 사용하여 우리는 2,000m² 규모의 오피스 건물을 성공적으로 매핑했습니다. 이러한 시나리오에서는 여러 개의 개별 스캔을 캡처하여 나중에 병합할 수 있습니다. Autotag를 활용하면 병합되는 각 데이터셋의 정렬 정합성을 확실하게 확보할 수 있어 대규모 공간에서도 안정적인 결과를 얻을 수 있습니다.
실내 환경에서는 GNSS 신호가 차단되기 때문에 모바일 스캔 데이터는 처음에는 각각 독립된 좌표계를 갖게 됩니다. 하나의 정확한 결과물을 얻기 위해서는 공간 곳곳에 고정형 기준 타깃(Autotag)을 전략적으로 배치해야 합니다. 이처럼 여러 스캔 간에 공유되는 기준점을 설정하면 PIX4Dmatic이 자동으로 프로젝트를 정렬·결합하여 서로 다른 다섯 개의 스캔을 하나의 대규모 3D 모델로 통합할 수 있습니다.
최종 점검과 전체 병합 프로젝트에 대한 최적화가 완료된 후, 약 5,000장의 사진과 iPhone LiDAR 스캔 데이터를 결합한 60 × 42m 규모 오피스 공간의 정밀 3D 디지털 재구성 결과를 얻을 수 있었습니다.
실내와 실외를 하나로: 통합 3D 모델
두 번째 프로젝트에서는 단독주택을 스캔하여 실외와 각 층의 실내 데이터를 함께 결합하는 작업을 수행했습니다. 전체 모델은 여러 개의 PIX4Dcatch 프로젝트로 촬영된 데이터를 기반으로 하고, 각 프로젝트를 개별적으로 처리한 뒤 PIX4Dmatic에서 병합하여 완성했습니다. 그 결과 집 전체를 하나의 통합 3D 모델로 구축할 수 있었으며, PIX4Dcatch와 PIX4Dmatic을 활용하면 다층 구조의 실내·실외 데이터를 모두 하나의 공간 모델로 통합할 수 있음을 보여줍니다. 최종 포인트클라우드는 아래에 다양한 절단면(cutting plane)으로 시각화되어 있습니다.
Pix4D를 활용한 실내 매핑 워크플로우
- Autotag 배치
스캔하고자 하는 공간에 Autotag를 전략적으로 배치합니다. 이때 정확한 위치 정보를 사전에 알 필요는 없습니다. - 공간 스캔 진행
PIX4Dcatch를 사용해 공간을 걸어 다니며 이미지와 LiDAR 데이터를 수집합니다. 소프트웨어가 Autotag를 실시간으로 자동 감지합니다. - 소프트웨어 자동 처리
데이터 수집이 끝나면 GeoFusion 알고리즘이 스마트폰에서 몇 초 내로 실행되어, 드리프트를 보정하고 카메라 위치를 최적화합니다. - 스캔 병합(대규모 프로젝트용)
매우 넓은 공간의 경우, 여러 개의 데이터셋을 병합하여 전체 공간의 완전한 3D 모델을 생성할 수 있습니다.
실내 리얼리티 캡처: 도전적인 환경을 위한 합리적 워크플로우
이 워크플로우는 정확한 실내 3D 데이터를 필요로 하는 모든 사용자에게 매우 큰 발전을 의미합니다. 그동안 전문가는 두 가지 선택지 사이에서 고민해야 했습니다. 하나는 정확도는 높지만 매우 고가의 전문 레이저 스캐너, 다른 하나는 빠르고 저렴하지만 정확도 문제가 심각한 일반 모바일 앱이었습니다.
Pix4D의 솔루션은 이러한 간극을 완전히 해소합니다. 바로 당신이 이미 가지고 있는 스마트폰을 활용하면서도 전문가 수준의 결과물을 제공하는 도구이기 때문입니다. 결국 이 워크플로우는 까다로운 환경에서도 고품질의 실용적 3D 데이터를 빠르고 경제적으로 확보할 수 있도록 사용자에게 새로운 선택지를 제공합니다.
