KR100817907B1 - 표면 영상 분석에 의한 하천의 표면 유속 측정 방법 - Google Patents

Abstract

본 발명은 비디오 카메라나 디지털 카메라에 의해 하천이나 수로에서 연속적으로 획득한 두 장의 영상을 컴퓨터 프로그램 (LSIV; Large Scale Image Velocimetry)을 이용하여 분석하여 하천이나 수로의 표면 유속을 측정하는 비접촉식 표면 유속 측정 방법에 대한 것이다. 본 발명에 의한 표면 유속 측정 방법은 크게 1) 비디오 카메라나 디지털 카메라를 이용한 영상의 획득 단계, 2) 획득된 영상의 변환 단계, 및 3) 영상의 분석에 의한 하천이나 수로의 표면 유속을 측정하는 단계를 포함하고 있다. 기존의 프로펠러 유속계, 컵형 유속계, 전자 유속계 등이 하천이나 수로에 유속계를 직접 투입하여 측정하는 방식인데 비하여, 본 발명은 하천이나 수로의 수면 영상을 분석하여 표면 유속을 측정하기 때문에 비접촉식으로 유속을 측정하며, 또한 한 지점의 유속이 아닌 영상에 나타난 측정면 전체의 유속 분포를 한꺼번에 측정하는 특징을 지니고 있다.

Description

표면 영상 분석에 의한 하천의 표면 유속 측정 방법{Method of measuring the drift of a current on the surface of rivers using large scale image velocimetry}

도 1은 본 발명에 의한 표면 영상 분석에 의한 하천의 표면 유속 측정 방법에서 영상 해석을 하는 과정을 나타낸 흐름도이다.

도 2는 본 발명에 의한 표면 영상 분석에 의한 하천의 표면 유속 측정 방법에서 비디오 카메라나 디지털 카메라를 이용한 한 쌍의 영상 획득 상황을 설명하기 위한 개략도이다.

도 3은 본 발명에 의한 표면 영상 분석에 의한 하천의 표면 유속 측정 방법에서 비디오 카메라나 디지털 카메라를 이용하여 획득한 영상 중의 왜곡 영상을 도시한 사진이다.

도 4는 본 발명에 의한 표면 영상 분석에 의한 하천의 표면 유속 측정 방법에서 참조점들을 이용한 영상의 좌표 변환 방법을 설명하기 위한 개략도이다.

도 5는 본 발명에 의한 표면 영상 분석에 의한 하천의 표면 유속 측정 방법에서 참조점들을 이용한 영상의 좌표 변환 방법에 의해 보정된 영상을 도시한 사진이다.

도 6은 본 발명에 의한 표면 영상 분석에 의한 하천의 표면 유속 측정 방법 에서 상호 상관법에 의해 영상 조각들을 비교하여 가장 비슷한 영상 조각을 찾아내는 과정을 설명하기 위한 개략도이다.

도 7은 본 발명에 의한 표면 영상 분석에 의한 하천의 표면 유속 측정 방법을 실제 하천에 적용하여 측정된 하천의 유속장(velocity field)의 예시도이다.

본 발명은 비디오 카메라나 디지털 카메라에 의해 하천이나 수로에서 연속적으로 획득한 두 장의 영상을 컴퓨터 프로그램 (LSIV; Large Scale Image Velocimetry)을 이용하여 분석하여 하천이나 수로의 표면 유속을 측정하는 비접촉식 표면 유속 측정 방법에 관한 것이다.

프로펠러 유속계, 컵형 유속계, 또는 전자 유속계 등 검지기를 이용하여 하천에 흐르는 유속을 측정하고 있다. 하천에 홍수가 발생할 경우 유속이 빠르고 수심이 깊어 접근하는 데 많은 위험이 수반된다. 이 때문에 프로펠러 유속계나 전자 유속계 등 검지기를 수중에 넣어야 하는 종래의 유속계는 홍수 때에는 사용하기 어려운 단점이 있다. 또한 이런 유속계들은 오직 한 점에서의 유속만을 측정할 수 있을 뿐으로, 와류의 형성이나 유향의 분석 등이 곤란한 문제를 지니고 있다. 만일 하천의 전폭에 걸친 유속을 측정하고자 할 경우 많은 시간, 노력, 및 비용이 들게 된다.

하천이나 수로에서 물이 흘러갈 때 표면에 부유물이 있을 때나 잔물결이 생 기면 그 흐름의 양상을 눈으로 볼 수 있다. 이때 비디오 카메라나 디지털 카메라로 연속하여 한 쌍의 영상을 획득하고, 이 영상들에서 추적이 가능한 화상들을 분석하면 두 영상 사이의 움직임(변위; displacement)을 추정할 수 있다. 여기에 좌표 변환을 통해 알아낸 영상의 물리적 축척을 곱하고, 두 영상 사이의 시간 간격으로 나누면 하천이나 수로의 표면 유속을 계산해 낼 수 있다. 이때, 두 영상은 대부분의 경우 비스듬하게 찍혀진 영상이므로 상당한 왜곡이 발생하게 되며, 각 화소들 사이의 실제적인 거리를 알기 위해서는 반드시 영상의 좌표 변환이 필요하게 된다. 본 발명에서 주안점은 영상의 좌표 변환, 두 영상 사이의 변위의 추정, 획득된 물리적 축척을 이용하여 유속으로 환산하는 과정이다.

본 발명이 이루고자 하는 기술적 과제는 상술한 종래의 단점들을 해소하기 위하여, 비접촉식 방법으로 유수 중에 직접 검지기를 넣지 않고도 유속을 측정할 수 있으며, 한 지점의 유속이 아닌 유속장 전체의 유속을 한꺼번에 측정하는 표면 영상 분석에 의한 하천의 표면 유속 측정 방법을 제공하는데 그 목적이 있다.

본 발명이 이루고자 하는 다른 기술적 과제는 상술한 종래의 단점들을 해소하기 위하여, 비접촉식 방법으로 유수 중에 직접 검지기를 넣지 않고도 유속을 측정할 수 있으며, 한 지점의 유속이 아닌 유속장 전체의 유속을 한꺼번에 측정하는 표면 영상 분석에 의한 하천의 표면 유속 측정 방법을 수행하는 컴퓨터 소프트웨어 프로그램을 저장한 컴퓨터 기록매체를 제공하는데 그 목적이 있다.

본 발명은 비디오 카메라나 디지털 카메라를 이용하여 연속으로 촬영된 한 쌍의 영상을 분석하여 하천이나 수로의 유속장 (전체의 유속 분포)을 측정하기 위한 것이다. 이때, 영상 획득 장치가 하천이나 수로의 연직 상방에 있는 것이 아니므로, 획득된 영상은 반드시 촬영각에 따른 왜곡이 발생하게 된다. 본 발명에서는 이러한 영상 왜곡을 좌표 변환을 통하여 해결하고, 이렇게 얻어진 물리적 축척을 적용하여 영상에서 유속을 측정해 내는 것이다.

본 발명에 의한 표면 영상 분석에 의한 하천의 표면 유속 측정 방법은 크게 1) 비디오 카메라나 디지털 카메라를 이용한 영상의 획득 단계, 2) 획득된 영상의 변환 단계, 및 3) 영상의 분석에 의한 하천이나 수로의 표면 유속을 측정하는 단계를 포함하고 있다.

바람직하기로는 상기 영상 획득 단계에서는 일반적인 디지털 카메라로 연속 촬영하거나 일반적인 비디오 카메라의 동영상을 프레임별로 분할하여 영상을 획득할 수 있다.

바람직하기로는 상기 영상의 변환 단계는 칼라 영상을 회색도 영상(gray scale image)으로 변환하고, 미리 주어진 4개 이상의 참조 좌표를 이용하여, 물리적 축척 (physical scale)을 계산하고, 영상을 수직으로 내려다 본 형태로 변환한다.

바람직하기로는 상기 영상 분석 단계는 영상 위에 일정 간격의 격자망을 형성하고, 이 격자망에 따라 많은 수의 영상 조각으로 분할하고, 두 쌍의 영상에서 각각 하나씩의 영상 조각을 선택하여 고속 푸리에 변환(FFT) 과정을 거쳐 비교함으 로써 그 변위를 측정하고, 측정된 변위에 물리적 축척을 곱하고, 오류 벡터를 수정한 뒤, 최종적으로 영상 사이의 시간으로 나누어 유속으로 환산한다.

본 발명의 다른 태양에 의하면, 표면 영상 분석에 의한 하천의 표면 유속 측정 방법을 수행하는 컴퓨터 기록 매체에 있어서, a) 일반적인 디지털 카메라로 연속 촬영하거나 일반적인 비디오 카메라의 동영상을 프레임별로 분할하여 영상을 획득하는 컴퓨터 소프트웨어 프로그램; b) 칼라 영상을 회색도 영상(gray scale image)으로 변환하고, 미리 주어진 참조 좌표를 이용하여, 물리적 축척 (physical scale)을 계산하고, 물리적 축척을 이용하여 영상의 좌표를 변환하여 영상의 왜곡을 보정하여, 영상을 수직으로 내려다 본 형태로 변환하는 컴퓨터 소프트웨어 프로그램; 및 c) 영상 위에 일정 간격의 격자망을 형성하고, 이 격자망에 따라 많은 수의 영상 조각으로 분할하고, 두 쌍의 영상에서 각각 하나씩의 영상 조각을 선택하여 고속 푸리에 변환(FFT) 과정을 거쳐 비교함으로써 상호 상관을 계산하는 과정, 이차곡선 내삽을 통하여 부화소 단위의 변위를 산정하는 과정, 측정된 변위에 물리적 축척을 곱하고, 순간 변위 성분의 평균과 상호 상관을 이용한 오류 벡터의 수정 과정, 및 오류 벡터를 수정한 뒤, 계산된 영상 변위에 물리적 축척과 영상 사이의 시간을 이용하여 유속으로 환산하는 과정을 포함하는 컴퓨터 소프트웨어 프로그램을 저장하는 컴퓨터 기록 매체를 제공한다.

이하, 첨부된 도면을 참조하여, 본 발명에 의한 표면 영상 분석에 의한 하천의 표면 유속 측정 방법의 구성 및 동작에 대하여 설명하기로 한다.

도 1에 의하면, 본 발명에 의한 표면 영상 분석에 의한 하천의 표면 유속 측 정 방법은 크게 제1단계의 비디오 카메라나 디지털 카메라를 이용한 영상의 획득 단계(100), 제2단계의 획득된 영상의 변환 단계(200), 및 제3단계의 영상의 분석에 의한 하천이나 수로의 표면 유속을 측정하는 단계(300)를 포함하고 있다.

도 1에 도시한 바와 같이, LSIV(Large scale image velocimetry)를 이용하여 실제 하천의 표면유속을 측정하기 위해서는 우선 제 1단계(100)로 대상영역의 유동장에 대한 한 쌍의 영상을 획득하여야 한다(110). 영상획득은 도 2에서 보는 바와 같이 촬영이 용이한 위치에 이미지 레코더와 같은 촬영 장치(20)를 설치하여 유동장에 대한 영상을 촬영하고 이를 기록한다. 촬영지점은 대상영역(27)과 기준점(21-26)이 촬영영역 범위 내에 포함되도록 대상영역에 비해 높이가 높은 제방 또는 교량 등의 적절한 위치를 선정하고, 선정된 위치에 촬영 장치(20)를 설치하여 기록을 수행한다.

LSIV는 유동장을 촬영하고 이를 분석하여 유속을 측정하는 기법이기 때문에 촬영장치(20)는 가장 기본적인 장비라 할 수 있다. 가장 쉬운 방법으로는 비디오 카메라나 디지털 카메라를 노트북 컴퓨터와 연결하여 직접 영상 파일로 컴퓨터내에 저장하는 방법이다. 즉, 촬영 장치(20)를 프레임그래버나 USB에 연결하고, 프레미어(Premier)나 클리너(Cleaner) 같은 상용 프로그램을 사용하면, 컴퓨터에 동영상 파일로 저장할 수 있다. 저장된 동영상 파일은 프레임을 분리하여 각 프레임별로 나누어 정지 영상 파일을 만들 수 있다. 그보다 좀 번거로운 방법으로는 촬영 장치(20)에서 테이프나 CD로 영상을 저장한 후 상용 프로그램을 이용하여, 프레임을 분리하여 각 프레임별로 나누어 컴퓨터 내에 정지 영상 파일로 저장하는 방법이다. 또한, 상용 프로그램을 이용하지 않고 하드웨어를 직접 조정하는 프로그램을 작성하여 촬영 장치의 영상을 직접 컴퓨터내에 정지 화상 파일로 저장할 수도 있다.

다음, 이렇게 획득된 한 쌍의 영상은 제2 단계(200)에서 영상 변환 과정을 거친다. 일반적으로 디지털 카메라나 비디오 카메라에 의한 영상은 칼라 영상이므로, 이것을 분석에 적합한 회색도 영상 (gray scale image)으로 변환한다(210). 회색도 영상 변환은 수학식 1을 이용한다.

회색도 (gray scale level) = 0.299R + 0.587G + 0.114B

여기서 R, G, B는 각각 적색, 녹색, 청색에 대한 명암 등급값이며, 수학식 1은 명암 등급에 대한 NTSC(National Television System Committee) 표준에서 비롯된 것이다.

일반적으로 LSIV를 위해 촬영된 영상의 왜곡은 카메라의 촬영 각도에 따른 사물의 원근에 의해 발생하는 왜곡이다. 즉, 영상 획득시 비스듬한 각도로 수표면의 영상을 기록하므로 이에 대한 왜곡은 카메라의 촬영 각도에 의한 원근상의 왜곡이다. 이것은 실제로는 동일한 거리라 할지라도 촬영 영상 내에서는 촬영 각도 및 촬영 위치에 따라 달라지는 현상이다. 도 3에서 보는 바와 같이 수로바닥에 표시된 흰색의 선은 원거리의 지점은 짧게, 근거리의 지점은 더 길게 나타나는 것을 알 수 있다. 도 4에서 보는 바와 같이 하천과 같은 넓은 영역의 유속을 측정하는 경우, 실제좌표계(physical coordinate)와 영상좌표계(image coordinate)간의 관계를 이용하여 영상에 대한 왜곡을 수정해주어야 한다. 이 때 실제좌표계는 대상역역의 각 지점들의 물리적인 좌표계를 의미하며, 이에 대응되는 영상내의 좌표를 영상좌표계라고 한다.

2차원 투영좌표 변환법은 좌표점을 다른 평행하지 않은 좌표로부터 평면에 투영한 후의

좌표를 분석적으로 계산할 수 있다. 2차원 투영좌표 변환법은 경사진 사진에서의 특정좌표

를 일정한 보정비율로 평면상의 실제 좌표

로 계산하는데 가장 많이 사용된다.

2차원 투영좌표 변환법에 의한 실제 좌표계

와 영상 좌표계

간의 관계식은 다음의 수학식 2 및 수학식 3과 같다.

여기서 b_i(i=1, 2,..., 8)는 회전 보정, 병진 이동 보정,

좌표에 대한 직각보정과 평행하지 않은 두 좌표계간의 좌표보정을 위한 8개의 맵핑 (mapping) 계수이다.

수학식 2와 수학식 3으로부터 왜곡된 영상의

좌표로부터 보정된 실제좌표계의

좌표를 계산할 수 있다. 이렇게 하여 기준점들의 참조 좌표를 입력한다(220).

좌표는 보정을 위한 지표면상의 기준점이 되고,

는 이에 해당하는 왜곡된 사진 상의 좌표가 된다. 수학식 2와 수학식 3은 기준점 각각에 대해 성립하며 8개의 미지수를 갖기 때문에 최소 4개의 기준점이 필요로 하나, 해석을 위해 4개 이상의 기준점을 두는 것이 좋다.

맵핑 계수는 이미 알고 있는 실제 좌표계의

개의 기준점

, ... ,

과 영상좌표계의

개의 대응점

, ...,

를 이용하여 최소자승법에 의해 결정된다. 이러한 맵핑 계수는 다음의 수학식 4와 같이 행렬 형식으로 나타낼 수 있다.

Mb=z

여기서 행렬과 벡터는 다음의 수학식 5 내지 수학식 7과 같다.

여기서 위첨자

는 행렬이나 벡터의 전치(transpose)를 의미한다.

수학식 4는 변수의 수가 8개이고 방정식의 수가

개이므로, 일반적인 연립 방정식을 푸는 방법으로 풀 수 없다. 따라서, 이것을 최소자승법을 이용하여 풀게 된다. 이것을 행렬식 형태로 나타내면 수학식 8과 같다.

수학식 8은 일반적인 연립방정식의 해석법으로 풀 수 있다. 행렬식 형태로 나타낸 수학식 8을 풀어서 얻어진 계수들이 영상과 실제 공간과의 물리적 축척 (physical scale)을 나타내게 된다. 이렇게 하여 물리적 축척을 계산한다(230). 이 때 실제 좌표계와 영상 좌표계간의 관계는 도 4와 같다.

이 때 기준점은 도 2와 같이 보통 하천 양안에서 몇 개의 점을 선정하여 정하게 된다. 기준점은 측량을 통해 얻게 되며, 기준점으로부터 8개의 맵핑 계수가 결정되면 이로부터 수학식 2와 수학식 3을 반복 계산하여 나머지 좌표에 대한 변환을 수행하게 된다(240).

이러한 영상 좌표계와 실제 좌표계의 관계를 이용하여 도 3의 왜곡된 영상을 보정한 결과는 도 5와 같다. 도 5에서는 흰 줄로 그려진 격자망이 정사각형을 이루고 있음을 알 수 있다.

다음, 본 발명의 제3 단계인 영상 분석 단계(300)를 설명하기로 한다. LSIV는 획득된 한 쌍의 영상의 왜곡보정과 영상처리 과정을 거친 후 영상 내의 변위(이동 거리, displacement)를 계산하고, 여기에 앞서 구한 물리적 척도를 곱하고, 두 영상 사이의 시간으로 나누면 유속으로 환산된다. LSIV는 연속되는 두 영상내의 입자군 이동으로부터 영상 내 변위를 산정하게 되는데, 여기서 입자군의 크기를 상관 영역(interrogation area)이라 하고, 두 번째 영상내에서 동일 입자군을 찾기 위한 영역을 검색영역(searching area)이라고 한다. LSIV 분석에서는 연속되는 두 영상의 검색영역 내에서 각 입자군의 상관계수(correlation coefficient)를 계산하여 최대 상관계수를 갖는 입자군을 동일 입자군으로 판별한다. 이 때 두 개의 연속되는 사진 내의 미소한 영역에 대해 동일한 특성, 즉 영상의 짜임새나 형태 등을 인지하여 동일한 입자군을 판별한다.

상호상관 기법은 연속되는 두 영상내의 상관영역에 대한 명암 등급값을 비교하여 검색 영역내에서 상관계수가 가장 큰 입자군을 동일 입자군으로 판별한다. 상관영역은 상관계수 계산을 위한 입자군의 크기를 의미하며, 이 크기를 기준으로 상관계수를 계산한다. 검색영역은 두 번째 영상내에서 동일 입자군의 판별을 위한 검색 범위로, 이 영역내에서 상관계수를 계산한다. 만약 검색영역의 크기가

각각 10×10개의 화소로 이루어졌다면, 검색영역내 상관영역은 100개가 존재하게 되며, 모두 100개의 상관계수를 계산하게 된다. 계산의 효율을 위해서는 예측되는 입자군의 이동을 고려하여 적절한 크기의 검색영역을 설정하는 것이 좋다.

분석절차는, 먼저 도 6에서 보는 바와 같이 격자점을 형성하여(310) 상관영역(60, 65)을 설정한 후 흐름장 유속을 개략적으로 파악하여, 동일한 입자군이 이동될 수 있는 범위 즉 검색영역(62)을 설정한다. 각 상관영역의 상관계수

의 계산은 연속되는 두 번째 영상의 검색 영역(62)내에서 상관영역을 화소단위로 이동하 면서 모든 상관영역에 대해 수행된다. 두 입자군 즉 상관영역간의 상관계수

는 연속되는 두 영상의 상관영역내 명암 등급값

와

로부터 계산되며, 검색영역내에서 가장 큰

값을 갖는 입자군을 동일한 입자군으로 판단, 두 입자군간의 이동거리를 산정하는 방식이다. 상호상관 기법에서의 상관계수

는 수학식 9와 같이 정의 할 수 있다.

여기서

와

는 상관영역의 크기를 나타내며,

와

는 각각 연속되는 두 영상내 상관영역의 픽셀에 대한

열과

행에 대한 명암 등급값을 나타낸다.

와

는 상관영역 내의 모든 명암 등급값의 평균이다.

일반적으로 상관계수의 최소 기준값은 0.7이 사용되며, 상관계수가 이 값을 초과하면 연속되는 두 상관영역(60, 65)은 서로 동일한 입자군으로 판단한다.

이 때 수학식 9를 각 격자점에서 수행하는 것은 수백만번 이상의 컴퓨터 연산을 필요로 하게 되어 계산 용량이 증가된다. 따라서 이를 해결하기 위해 고속 푸리에 변환 (FFT, Fast Fourier Transform)을 이용하였다. 단, 수학식 9를 직접 고속 푸리에 변환이 불가능하므로, 다음과 같은 변환을 거쳐야 한다.

이 때, 영상 분석에서는 한 화소쌍에 대한 상호 상관계수를 구하는 것이 아 니라, 일정 범위내의 화소쌍을 비교하므로, 그 범위를

과

으로 놓아서 수학식 9를 다음과 같이 다시 쓸 수 있다.

이 때,

열과

행은 각각

와

방향이므로, 방향성을 분명히 하기 위해

와

로 바꾸어 표기하였다. 수학식 10에서

는

방향과

방향에 대해 합을 취하는 것을 의미한다. 즉

의 의미이다. 앞서 언급한 바와 같이 수학식 10은 분자가

와

의 곱의 형태이므로, 일반적인 FFT 방법을 적용하기 곤란하다.

먼저 다음과 같은 새 변수를 도입하자.

그러면 수학식 10은 다음의 수학식 12와 같이 표현될 수 있다.

수학식 12의 분자는 두 영상조각 사이의 공분산(covariance)이다. 수학식 12 의 분자만 다시 쓰면,

여기서 수학식 13은 분자가

와

의 곱의 형태이므로, 일반적인 FFT 방법을 적용할 수 있다. 이와 같은 FFT 방법을 이용하면 영상의 수많은 격자점들의 변위를 매우 빠르게 계산할 수 있다. 이렇게 하여 본 발명의 제3 단계에서는 FFT를 이용하여 영상을 비교한다(320).

이렇게 구해진 영상내 변위는 디지털 영상의 특성상 정수 단위의 화소 수로 나타내어 지게 된다. 이럴 경우 영상 해석의 정밀도가 떨어지는 문제가 있다. 따라서 본 발명에서는 여기에 다음의 수학식 14 및 수학식 15와 같은 이차 곡선 내삽을 하였다(330).

여기서

는 위의 영상 비교 과정을 통하여 결정된 가장 상관성이 높은 화 소점의 좌표이고,

는 이차 곡선 내삽을 통하여 부화소(sub-pixel) 단위로 추정된 변위이다. 이렇게 하여 영상 분석의 정밀도를 현격하게 향상시킬 수 있다.

이 과정을 영상내에 정해진 격자점 하나 하나에 대해 반복적으로 수행하여, 각 격자점에서의 변위를 구하고, 여기에 앞서 구한 물리적 축척을 곱한 뒤 이를 두 영상간의 시간차로 나누면 속도 분포가 구해지게 된다. 즉, 연속되는 두 영상간의 분석을 통해 순간 유속장이 결정되고, 이를 전체 영상에 대해 반복적인 계산을 거치면 분석영상의 수만큼의 순간 유속장을 얻을 수 있다. 이런 순간 유속장은 크건 작건 오류 벡터를 포함할 수 있으므로, 오류 벡터의 보정이 필요하게 된다. 또한, 수정된 순간 유속장의 자료에서 평균 유속장이나 난류 성분, 와도 등 다양한 계산을 수행할 수 있다.

최종적인 유속장은 이러한 순간 유속장의 변화를 시간 평균하여 구해지게 된다. 오류벡터의 제거는 이러한 시간평균과정에서, 유속벡터 계산시 입자의 분포가 조밀하지 못하거나 잡음성분으로 인해 발생하는 오류벡터를 제거하는 방법을 사용하였다. 즉, 이러한 오류벡터는 상관계수가 0.7 이하의 작은 값을 갖게 되는데, 시간 평균과정에서 상관계수의 기준범위를 0.70∼0.99로 설정하여 이 범위를 벋어나는 유속벡터에 대해서는 시간평균에 포함되지 않도록 하였다. 이렇게 하여 본 발명의 제3 단계에서는 오류 벡터를 수정하고(340) 유속을 계산하여 출력한다(350). 이러한 LSIV 분석을 통해 최종적으로 계산된 유속벡터 산정 결과를 예로 보이면 도 7과 같다.

본 발명은 하천이나 실험 수로 등에서 유수의 흐름을 비디오 카메라나 디지털 카메라 등으로 촬영하여 유속을 측정함으로써 안전하고 손쉽게 표면 유속을 측정할 수 있다. 또한 구조물 주위와 같이 흐름이 한 방향이 아닌 복잡한 유속 분포를 가지는 경우에도 한꺼번에 전체의 유속 분포를 측정할 수 있다. 이를 통하여, 안전하고, 간편하며, 정확한 유속의 측정이 가능하게 되었다.

Claims (5)

1. 표면 영상 분석에 의한 하천의 표면 유속 측정 방법에 있어서,

   a) 비디오 카메라나 디지털 카메라를 이용한 영상의 획득 단계;

   b) 획득된 영상의 변환 단계; 및

   c) 상기 변환된 영상의 분석을 통하여 하천이나 수로의 표면 유속을 측정하는 단계를 포함하는 표면 영상 분석에 의한 하천의 표면 유속 측정 방법에 있어서,

   상기 영상의 변환 단계(b)는 칼라 영상을 회색도 영상(gray scale image)으로 변환하고, 미리 주어진 참조 좌표를 이용하여, 물리적 축척 (physical scale)을 계산하고, 물리적 축척을 이용하여 영상의 좌표를 변환하여 영상의 왜곡을 보정하여, 영상을 수직으로 내려다 본 형태로 변환하고,

   상기 영상 분석 단계(c)는 영상 분석을 통해 영상 내 변위를 산정해 내기 위하여,

   영상 위에 일정 간격의 격자망을 형성하고, 이 격자망에 따라 많은 수의 영상 조각으로 분할하고, 두 쌍의 영상에서 각각 하나씩의 영상 조각을 선택하여 고속 푸리에 변환(FFT) 과정을 거쳐 비교함으로써 상호 상관을 계산하는 과정,

   이차곡선 내삽을 통하여 부화소 단위의 변위를 산정하는 과정,

   측정된 변위에 물리적 축척을 곱하고, 순간 변위 성분의 평균과 상호 상관을 이용한 오류 벡터의 수정 과정,

   오류 벡터를 수정한 뒤, 계산된 영상 변위에 물리적 축척과 영상 사이의 시간을 이용하여 유속으로 환산하는 과정을 포함하는 표면 영상 분석에 의한 하천의 표면 유속 측정 방법.
2. 제1항에 있어서, 상기 영상 획득 단계 (a)에서는 일반적인 디지털 카메라로 연속 촬영하거나 일반적인 비디오 카메라의 동영상을 프레임별로 분할하여 영상을 획득함을 특징으로 하는 표면 영상 분석에 의한 하천의 표면 유속 측정 방법.
3. 삭제
4. 삭제
5. 표면 영상 분석에 의한 하천의 표면 유속 측정 방법을 수행하는 컴퓨터 기록 매체에 있어서,

   a) 일반적인 디지털 카메라로 연속 촬영하거나 일반적인 비디오 카메라의 동영상을 프레임별로 분할하여 영상을 획득하는 컴퓨터 소프트웨어 프로그램;

   b) 칼라 영상을 회색도 영상(gray scale image)으로 변환하고, 미리 주어진 참조 좌표를 이용하여, 물리적 축척 (physical scale)을 계산하고, 물리적 축척을 이용하여 영상의 좌표를 변환하여 영상의 왜곡을 보정하여, 영상을 수직으로 내려다 본 형태로 변환하는 함을 컴퓨터 소프트웨어 프로그램; 및

   c) 영상 위에 일정 간격의 격자망을 형성하고, 이 격자망에 따라 많은 수의 영상 조각으로 분할하고, 두 쌍의 영상에서 각각 하나씩의 영상 조각을 선택하여 고속 푸리에 변환(FFT) 과정을 거쳐 비교함으로써 상호 상관을 계산하는 과정, 이차곡선 내삽을 통하여 부화소 단위의 변위를 산정하는 과정, 측정된 변위에 물리적 축척을 곱하고, 순간 변위 성분의 평균과 상호 상관을 이용한 오류 벡터의 수정 과정, 및 오류 벡터를 수정한 뒤, 계산된 영상 변위에 물리적 축척과 영상 사이의 시간을 이용하여 유속으로 환산하는 과정을 포함하는 컴퓨터 소프트웨어 프로그램을 저장하는 컴퓨터 기록 매체

Images