Article information

Abstract

Trans Abstract

1. 서 론

항로표지(Aids to Navigation, AtoN)는 항행하는 선박에 대해 등광, 형상, 색채, 음향, 전파 등을 수단으로 선박의 위치, 장애물의 위치, 방향 등을 알려주는 보조 시설로 광파표지, 형상표지, 음파표지, 전파표지 및 특수신호표지 등 해양수산부령으로 정하는 것을 말한다. 특히, 등대 및 등부표와 같은 광파표지는 실제 항해자가 육안으로 식별하는 표지로서 광원에 대한 각별한 관리가 필요하다(IALA, 2022; Kim. et al., 2024).

해양수산부는 항해자의 안전한 항해를 위해 해상에 설치된 유인등대 및 무인표지에 대하여 사용이 적합한지 관련 법규에 따라 검사를 실시한다(MOF, 2023).

광파표지에 사용되는 등명기의 광학 성능은 빛의 밝기를 광도로 측정하여 판단한다. 광도(Luminous Intensity)는 인간이 전자기파를 시각으로 인식하는 감도인 시감도에 기초하여, 광원의 밝기를 나타내는 값으로 cd 단위를 사용한다(MOF, 2024). 광파표지의 광도를 측정할 때에는 빛이 완벽히 차단된 실내환경(암실)에서 배광검사기를 사용하여 측정한다.

하지만 실외환경에서 광원은 주변으로 빛이 발산되기 때문에 광도측정이 불가하다. 따라서, 휘도(Luminance)를 측정하여 광도로 변환하는 방법을 사용한다. 휘도는 광원의 단위 면적당의 광도, 즉 광원의 단위 면적에서 단위 입체각으로 발산하는 광선속(빛의 양)을 의미하며, cd/m² 단위를 사용한다. 휘도 측정 장비를 사용하여 측정 가능하며, 측정하고자 하는 광원 근처에 보조광원을 설치하여 상대적인 값으로 광도를 산출할 수 있다(Park. et al., 2014).

실외환경에서 측정하는 경우 광원으로부터 일정 거리 떨어진 위치에서 측정하는데, 사람이 접근하기 어려운 위치에 설치된 등명기의 경우 항로표지 측정선(Buoy Tender)을 활용한다. 항로표지 측정선을 활용한 측정 방식은 인적·물적 비용이 많이 발생할 수 있으며, 파도의 영향으로 측정 시 오차가 크게 발생할 수 있다.

따라서, 본 연구의 목적은 항로표지 측정선의 단점을 보완하기 위해 드론을 이용하여 광도를 측정하는 새로운 방법론을 개발하는 것이다. 이를 위해, 현행 등명기 광학 검사의 방법과 문제점을 분석하였다. 또한, 드론을 활용하여 실외 광도측정을 위한 시나리오, 알고리즘 등을 설계하였다. 마지막으로, 연구의 완성도를 높이기 위해 여수 오동도등대를 드론을 활용하여 측정하고 시뮬레이션을 수행하였으며, 그 결과를 제시하였다.

2. 등명기 광학 검사

등대, 등부표에 사용되는 등명기는 항로표지 장비·용품 검사기준에 따라 해상에 설치하기 전에 실시하는 사용 전 검사, 사용 중인 장비를 개조하거나 수리하여 기능이 변경되어 실시하는 변경검사 및 4년 주기로 계속 사용 여부를 검사하는 정기검사를 받아야 한다. 검사를 위한 측정 방식은 Table 1과 같이 렌즈의 내경, 렌즈의 높이에 따라 실내 또는 실외 환경에서 측정한다.

Table 1.

Classification of lantern

소형·중형·대형급 등명기에 대한 사용 전 검사와 소형급 등명기의 정기검사는 빛이 완벽히 차단되어있는 실내(암실)에서 배광검사기를 사용하여 측정한다. 반면, 중형·대형급 등명기의 정기검사의 경우 실외에서 측정한다. 그중에서 사람이 접근하기 힘든 지역에 위치한 등대에 설치되어있는 등명기는 항로표지 측정선을 활용하여 해상에서 측정한다.

현장에서 광도를 측정하기 위해서는 표준광원이라는 보조광원을 사용해야 한다. 표준광원은 현장에서 사용하기 전 실내에서 광도를 측정하고, 측정하고자 하는 광원 근처에 회전주기와 등질을 조정하여 설치한다. 측정하고자 하는 광원은 설치된 표준광원과의 비례식을 통해 광도를 산출하는 방식으로 검사를 수행하고 있다.

Fig. 1은 표준광원과 항로표지 측정선 외형이다. 표준광원은 등대 광원의 광도와 비슷한 수준의 광도를 가진다.

Fig. 1.

Standard light source(left), Buoy tender(right) Source : Policy data, MOLIT, 2012

3. 드론을 활용한 광학측정

3.1 시나리오의 설계

드론을 활용하여 광도를 측정하기 위한 시나리오는 Fig. 2와 같다. 현장에서 측정하기 전 표준광원의 정확한 광도 특성이 필요하기 때문에 사용하기 전 실내 검사를 수행한다. 이후, 측정하고자 하는 광원 근처에 회전주기와 등질을 설정하여 설치한다. 검사원은 관제시스템(Ground Control Station, GCS)을 사용하여 드론의 이륙·착륙 위치, 비행경로, 고도를 설정하여 촬영을 시작한다. 드론은 GCS로 설정한 경로에 따라 광원을 사진 및 동영상을 촬영하여 원본파일(Raw File)로 저장한다. 저장된 파일을 별도의 광도·휘도 분석 시뮬레이터에 입력으로 하여 휘도와 광도 특성을 분석할 수 있도록 시나리오를 설계했다.

Fig. 2.

Measurement scenario

3.2 휘도에서 광도로 변환

광파표지에서 광도는 실외환경에서 측정할 수 없기 때문에, 휘도를 측정하여 광도로 변환한다. 휘도에서 광도로의 변환은 표준광원을 사용하여 측정하고자 하는 광원과 비례식을 사용해 광도를 산출한다(MOF, 2024). Table 2는 휘도를 광도로 변환할 때 필요한 변수들을 정리한 것이다.

Table 2.

Parameters for the conversion of luminous intensity and luminance

측정하고자 하는 등명기의 광도(I_m.o)는 식(1)과 같이 실외에서 측정한 표준광원의 광도(I_s.o)에 실외에서 측정한 등명기의 휘도(Y_m.o)의 비율로 계산된다.

(1) Im.o=Is.oYm.oYs.o

또한, 실외에서 측정한 표준광원의 광도(I_s.o)는 실내 및 실외환경에서 측정한 표준광원의 휘도 비율(Y_s.o/Y_s.i)과 실내에서 측정한 표준광원의 광도(I_s.i)를 반영하여 정확도를 높일 수 있다.

(2) Is.o=Is.iYs.oYs.i

마지막으로, 실외에서 측정한 광도가 실내에서 측정한 광도로 변환되어야 하기 때문에, 실내 및 실외에서 측정한 표준광원의 휘도 비율의 역수(Y_s.i/Y_s.o)만큼 보정되어야 하므로 식(3)처럼 정리된다.

(3) Im.o=Is.i=Ys.oYs.iYm.oYs.oYs.iYs.o=Is.iYm.oYs.o

이러한 방법은 빛의 정확한 광도를 측정하는 방법은 아니지만, 실외환경에서 등명기의 광도를 측정하는 효율적인 방법이다.

3.3 광도측정 알고리즘 설계

드론에 전문 휘도계 장비를 부착시키는 방법은 장비의 무게, 조작, 측정방법의 문제로 사용할 수 없다. 따라서, 드론에 장착하는 광학측정 장비는 무선으로 조작되는 디지털카메라가 사용되었다.

Fig. 3은 디지털카메라로 촬영한 데이터를 입력으로 휘도와 광도를 분석하기 위한 알고리즘이다.

Fig. 3.

Video-based Luminous intensity and luminance analysis algorithm

분석 알고리즘은 동영상 또는 스틸 이미지 원본 파일을 입력으로 한다. 입력된 영상에서 분석하고자 하는 영역(Region of Interest)을 설정 및 표시한다. 선택된 영역을 기반으로 암전류 교정, 렌즈음영 교정, 선형성 교정을 거친 후 XYZ Conversion으로 영상 속의 휘도를 산출한다. 또한, 앞 절에 언급된 휘도 광도 변환 계산식을 사용하여 측정된 휘도를 광도로 변환할 수 있으며, 각 프레임별 RoI의 최대, 최소, 평균값을 출력할 수 있다.

카메라는 제조사마다 독자적이고 다양한 화질 개선 처리 및 방송 표준용 신호 변환과 같은 요인으로 빛의 강도에 비례한 휘도와 공도 신호와는 다른 왜곡된 신호로 표현된다. 따라서, 왜곡 전의 원시 신호를 기반으로 표준 휘도 및 광도로 신호를 교정하는 과정이 필수이다(Lee. et al., 2009; Lee. et al., 2010; Sun. et al., 2013).

본 연구에서는 4가지 교정방법을 알고리즘으로 구현하였다. 첫 번째는 암전류 성분 교정이다. 어두운 피사체의 경우 휘도 측정에 큰 영향을 미칠 수 있다. 따라서, 저장된 카메라 센서의 선형 rawRGB 영상의 중심부 100x100화소의 평균을 취해 암전류 성분을 구하여 교정한다. Fig. 4는 노출시간(1/4000s)에 대응하는 100x100화소 영역의 영상 신호이며, Fig. 5는 해당 블록의 노출시간에 대응하는 정규화된 선형 rawRGB 평균값으로 보상 신호처리가 완료된 것을 확인할 수 있다.

Fig. 4.

Dark current image obtained from the center of the sensor(100x100 pixels)

Fig. 5.

Dark current characteristics of RGB channels according to exposure time

두 번째는 렌즈 음영 교정이다. 카메라에 장착된 렌즈의 초점거리는 설정에 따라 조리개 크기 변동이 발생하고, 이에 따라 음영 영역 특성이 달라진다. Fig. 6의 좌측 그림은 카메라로 촬영한 원시 영상으로 영역 중심과 외곽 부분의 밝기가 다르다. 해당 영상의 RGB 신호를 정규화하여 얻은 프로파일이 오른쪽 그림이다. 해당 프로파일의 역함수를 원시영상과 곱함으로써 렌즈음영을 제거할 수 있다.

Fig. 6.

Raw image(left), Normalized profile(right)

세 번째는 선형성 교정이다. 입사된 빛의 밝기에 비례하는 선형 rawRGB 신호가 보장될 수 있도록 교정한다. 실측정을 통해, 주어진 노출시간에 대응하는 선형 rawRGB 평균을 측정한다. 측정된 신호 평균에 대해 OETF(Optical Electronic Transfer Function) 함수 및 역함수인 EOTF(Electro Optical Transfer Function)를 사용하여 교정한다.

마지막으로, XYZ Conversion의 교정이다. 일반적으로 CIE-XYZ Color Matching Function과 디지털카메라 분광감도(RGB Spectral Sensitivity) 사이에는 선형변환(Linear transform) 관계를 만족하지 못한다. 그렇기 때문에, 계측기로 측정한 휘도 Y값과 디지털카메라로 측정한 RGB 신호에 오류가 발생한다(Sun. et al., 2014).

본 연구에서는 데이터 종류에 따라 적분 신호를 사용하여 교정하는 방식을 사용했다. 어떤 컬러 오브젝트를 이상적인 측정기로 측정하는 경우 Y = (X, Y, Z) 삼자극치 벡터를 가질 때, 동일한 컬러 오브젝트를 카메라로 촬영하여 얻은 선형 rawRGB 벡터를 X = linear_raw(R, G, B)라고 한다. rawRGB 신호를 선형 변환 교정 알고리즘 M을 통해 획득한 예측된 변환신호 Y_Estimate로 변환된다고 하면, 실제 Y벡터와 Y_Estimate간 LMSE(Least Mean Square Error)가 가장 적은 변환 행렬 M은 식 (4), (5)를 통해 얻을 수 있다. 실 측정을 통해 계산하여 얻은 교정 매트릭스 M은 식 (6)이다.

(4) YEstimate=M⋅X

(5) M=((XT⋅X)-1⋅(XT⋅Y))T

(6) M=(1610.324639875408.247617.1361956.45-389.875218.087-783.3022925.508)

4. 시뮬레이션 수행 및 결과

본 연구에서 교정에 필요한 데이터를 확보하기 위해 Minolta CS1000 휘도계로 각 색상별 스펙트럼과 XYZ 벡터를 측정하고, 동시에 디지털카메라로 촬영하여 동일한 위치에서의 Raw 영상을 측정했다. 측정대상은 Macbeth 컬러 체크보드를 사용하여 자연계 24가지 색상 및 그레이 계열 6가지 색상에 대한 평균 오차이다.

Fig. 7은 휘도 측정 시뮬레이션 결과로, 자연계 24가지 색상은 2.12%, 그레이 계열 6가지 색상은 0.81% 오차가 발생했다.

Fig. 7.

Luminance measurement simulation results

실외환경에서 등명기 광도측정 성능검증은 오동도등대를 대상으로 드론으로 촬영된 영상을 기반으로 시뮬레이션 하였다.

Fig. 8은 여수 오동도등대에서 드론을 활용한 측정 환경과 실험 사진이다. 오동도등대 광원 근처에 표준광원을 설치하였으며, 광원으로부터 700m 떨어진 지점에서 광원과 같은 고도로 비행하며 등대를 촬영했다. 촬영은 카메라 고속 연속촬영모드(약 17.5fps)로 등대 1회 회전주기(40초)를 촬영했다.

Fig. 8.

Odongdo lighthouse(left), Measurement environment(right)

회전하는 등대의 경우, 시간에 따라 광도의 크기가 계속 변하기 때문에 수정된 알라드 방식(The Method of modified Allard)을 사용하여 광원이 포착되는 구간을 유효광도로 분석했다. Fig. 9는 표준광원과 측정하고자 하는 광원을 분석하기 위한 시뮬레이터이다. 선택된 영역의 휘도와 광도 특성을 산출할 수 있도록 구현했다.

Fig. 9.

Analysis simulator

측정결과는 Fig. 10부터 Fig. 14와 같다. 표준광원의 휘도는 Fig. 10과 같이 약 23,000,000~29,000,000cd/m²이다. 해당 데이터를 토대로 등대의 광도 및 유효광도를 계산하는 변수로 사용했다.

Fig. 10.

Luminance measurement result

Fig. 11.

Lighthouse luminous intensity result(Lens 1)

Fig. 12.

Lighthouse luminous intensity result(Lens 2)

Fig. 13.

Lighthouse luminous intensity result(Lens 3)

Fig. 14.

Lighthouse luminous intensity result(Lens 4)

오동도등대는 4개의 렌즈로 구성되어, 한번 회전하는 동안 특정 위치에서 4번 관측된다. Fig. 11, Fig. 12, Fig. 13, Fig. 14가 렌즈별 측정된 광도이다.

등대 렌즈별 광도는 2,897,000cd(Fig. 11), 2,755,100cd(Fig. 12), 2,967,200cd(Fig. 13), 2,902,100cd(Fig. 14)로 측정되었다. 측정된 광도를 기반으로 수정된 알라드 방식을 대입하여 유효광도로 계산한 결과는 Table 3과 같다.

Table 3.

Effective luminous intensity experiment results

유효광도는 렌즈별 기존 방식대비 0.63%, 1.59%, 7.73%, 10.74%의 오차(평균 5.17%)가 발생하였다.

본 연구에서는 드론을 활용해 촬영된 영상을 이용하여 유효광도를 분석하였다. 하지만 촬영 시작 프레임부터 마지막 프레임까지 돌풍에 의한 기체 흔들림과 해무 등과 같은 기상변수가 존재했기 때문에 각 렌즈 별 오차가 상이하게 발생한 것으로 추정할 수 있다.

5. 결 론

본 연구에서 해상 유인등대 및 무인표지인 등명기의 광도를 실외환경에서 측정하기 위한 새로운 방법을 개발하였으며, 실험을 통해 결과를 소개하였다. 또한, 시뮬레이터를 구현하여 드론을 활용해 획득한 영상을 통해 기존 측정 방식과의 측정결과를 비교하여 성능검증을 진행했다. 그 결과, 평균 5.17% 정도의 오차가 발생했음을 확인했다.

본 연구는 기상변수에 따라 오차범위가 달라질 수 있는 문제점과 한계가 있었다. 그러나 본 연구에서 활용된 드론을 이용한 광도측정 방법은 향후 항로표지 측정선을 활용하면서 발생하는 인적, 물적 비용을 최소화할 수 있을 것으로 기대된다. 또한, 항로표지의 궁극적인 목표인 항해자들의 안전항해를 보조하기 위해서는 광파표지의 정교한 교정과 드론을 활용한 측정 방식 및 편의성을 위한 추가적인 연구가 필요하다.

Article information Continued