KR101507333B1 - 경사면 상황 인식 방법, 이를 이용한 시스템 및 이를 수행하기 위한 기록매체 - Google Patents

경사면 상황 인식 방법, 이를 이용한 시스템 및 이를 수행하기 위한 기록매체 Download PDF

Info

Publication number
KR101507333B1
KR101507333B1 KR1020140057706A KR20140057706A KR101507333B1 KR 101507333 B1 KR101507333 B1 KR 101507333B1 KR 1020140057706 A KR1020140057706 A KR 1020140057706A KR 20140057706 A KR20140057706 A KR 20140057706A KR 101507333 B1 KR101507333 B1 KR 101507333B1
Authority
KR
South Korea
Prior art keywords
slope
information
collapse
possibility
interest
Prior art date
Application number
KR1020140057706A
Other languages
English (en)
Inventor
한영준
정환익
한상훈
Original Assignee
숭실대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 숭실대학교산학협력단 filed Critical 숭실대학교산학협력단
Priority to KR1020140057706A priority Critical patent/KR101507333B1/ko
Priority to US14/542,648 priority patent/US20150331143A1/en
Application granted granted Critical
Publication of KR101507333B1 publication Critical patent/KR101507333B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/10—Detecting, e.g. by using light barriers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]

Abstract

광류 정보에 따라 경사면 붕괴 가능성을 1차 판별하고, 붕괴 가능성이 높은 경사면의 부분 영역에 대한 정밀 스캔을 수행하여 경사면 붕괴 가능성을 2차 판별할 수 있는 경사면 상황 인식 방법, 이를 이용한 시스템 및 이를 수행하기 위한 기록매체를 개시한다.
경사면 상황 인식 시스템은 경사면을 촬영하여 영상을 획득하는 카메라와, 영상에 대한 거리 정보를 계측하여 상기 경사면의 깊이 정보를 측정하는 레이저 계측기와, 영상에 대한 관심 영역을 설정하는 관심영역 설정부와, 관심 영역에 대한 초기 경사도 모델 정보를 획득하는 초기 모델 생성부와, 관심 영역의 광류 정보를 산출하는 광류 산출부와, 광류 정보를 이용하여 경사면의 붕괴 가능성을 판별하는 1차 판별부 및 경사면의 붕괴 가능성이 있는 것으로 1차 판별되면 관심 영역 내에서 큰 광류 벡터를 갖는 영역에 대해 부분적으로 정밀 스캔을 수행하고, 정밀 스캔하여 생성된 경사면 정보를 초기 경사도 모델 정보와 비교하여 경사면의 붕괴 가능성을 판별하는 2차 판별부를 포함하므로, 보다 정확하고 효율적으로 경사면 붕괴 가능성을 판단할 수 있다.

Description

경사면 상황 인식 방법, 이를 이용한 시스템 및 이를 수행하기 위한 기록매체{Slope Monitoring Method, System Using The Method and Recording Medium For Performing The Method}
경사면의 상황을 실시간으로 모니터링할 수 있는 경사면 상황 인식 방법, 이를 이용한 시스템 및 이를 수행하기 위한 기록매체에 관한 것이다.
일반적으로 사면의 붕괴현상을 산사태 또는 사면붕괴(slope failure)라고 하며, 탈락(fall), 전도(topple), 활동(slide),유동(flow), 퍼짐(spread) 등을 포함하여 말한다. 우리나라의 경우 산이 많은 지형으로, 도로의 건설이나 주택의 건축 등을 시행하는 경우 산이나 언덕 등을 절개하게 되므로 사면이 발생하게 된다. 그리고, 댐이나 제방 등을 구축하는 경우에도 사면이 발생한다.
상술한 바와 같이 사면이 발생하면, 사면의 안정성을 파악하는 것이 매우 중요하며, 산사태(사면붕괴)가 발생할 가능성이 있는지를 미리 예측하여 대책을 강구하는 것이 필요하다. 산사태의 발생원인으로는 지질, 토질, 지질구조, 지형상의 취약점 등의 내적요인과, 강우, 용설, 지하수, 하천 및 해안의 침식, 지진 등의 자연적인 외적요인 및 절토, 성토 및 댐건설 등의 인위적인 외적요인 등으로 구분할 수 있으며, 상술한 요인으로 인하여 전단응력이 증가하거나 전단강도가 감소하여 안전율(=전단강도/전단응력)이 1인 상태에 도달하면 산사태가 발생한다. 우리나라의 경우 산사태가 주로 하절기의 집중 강우기 및 해빙기에 발생하며, 막대한 인명과 재산상의 피해를 야기시킨다. 그런데, 사면은 일반적으로 깊이, 풍화도 또는 변질도, 지질구조의 유무와 종류 등에 따라 하나의 사면에서도 지반 물성이 다르게 나타나므로, 사면의 안정성 여부를 정확하게 예측하는 것은 매우 어려운 일이다.
따라서, 최근에는 사면의 안정성을 평가하기 위하여 사면의 거동을 정량적으로 파악할 수 있는 계측을 이용하는 추세에 있다. 그러나, 현재의 사면 계측방법은 일반 CCD 카메라와 같은 영상센서를 통해 주요 발생 지역의 변위를 검출하고 예측하는 시스템 등이 있지만, 복잡한 외부 환경이나 주변 환경의 변화에 실시간으로 강인한 검출과 예측이 어렵다. 또한, 국내 도로 안전망 시설 미비로 예방 및 예측이 힘들어 이에 따른 자연재해 경보 시스템의 개발이 필요한 상황이다.
본 발명의 일측면에 의하면, 광류 정보에 따라 경사면 붕괴 가능성을 1차 판별하고, 붕괴 가능성이 높은 경사면의 부분 영역에 대한 정밀 스캔을 수행하여 경사면 붕괴 가능성을 2차 판별할 수 있는 경사면 상황 인식 방법, 이를 이용한 시스템 및 이를 수행하기 위한 기록매체를 제공한다.
본 발명의 일 측면에 따른 경사면 상황 인식 방법은 경사면에 대한 영상을 획득하여 관심 영역을 설정하고, 상기 관심 영역에 대한 초기 경사면 모델 정보 및 광류 정보를 산출하고, 상기 광류 정보에 따라 경사면 붕괴 가능성을 1차 판별하고, 상기 1차 예측에 따라 경사면 붕괴 가능성이 있는 것으로 판별되면, 상기 광류 정보에 따라 상기 관심 영역 중 경사면 붕괴 가능성이 높은 영역에 대한 정밀 스캔을 수행하여 경사면 정보를 획득하고, 상기 초기 경사면 모델 정보와 상기 정밀 스캔을 수행하여 획득한 경사면 정보를 비교하여 경사면 붕괴 가능성을 2차 판별할 수 있다.
상기 경사면에 대한 영상을 획득하여 관심 영역을 설정하는 것은, 사용자에 의해 수동으로 관심 영역을 설정하거나, 미리 설정된 영역에 자동으로 관심 영역이 설정되는 것을 포함하며, 상기 관심 영역이 설정되면 해당 영역을 복수의 블록으로 나누어 상기 초기 경사면 모델 정보 및 광류 정보를 산출할 수 있다.
상기 초기 경사면 모델 정보를 산출하는 것은, 상기 관심 영역 내의 복수의 블록 각각의 거리 정보를 반영하여 3차원 기하학 정보로 상기 경사면에 대한 정보를 산출할 수 있다.
상기 광류 정보에 따라 경사면 붕괴 가능성을 1차 판별하는 것은, 상기 관심 영역 내의 기준 특징 벡터의 광류 벡터와 경사면 방향의 방향벡터를 산출하고, 상기 광류 벡터와 상기 경사면 방향의 방향벡터를 내적하여 1차 판별값을 산출하고, 상기 1차 판별값이 미리 정해진 문턱값보다 크면 경사면 붕괴 가능성이 있다고 판별할 수 있다.
상기 초기 경사면 모델 정보와 상기 정밀 스캔을 수행하여 획득한 경사면 정보를 비교하여 경사면 붕괴 가능성을 2차 판별하는 것은, 상기 관심 영역 내에 경사면 붕괴 가능성이 높은 후보 블록들에 대해 부분 스캔을 통해 획득한 거리 정보와, 초기 경사면 모델 정보를 비교하여 변화된 코너 특징점의 개수를 산출하고, 초기 경사면 모델 정보에 포함되는 블록의 수와 거리 정보가 변화된 블록 수의 비율에 따라 경사면 붕괴 가능성을 2차 판별할 수 있다.
그리고, 본 발명의 일실시예에 의한 컴퓨터로 판독 가능한 기록 매체는 상술한 어느 하나의 항에 따른 경사면 상황 인식 방법을 실행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체일 수 있다.
그리고, 본 발명의 일실시예에 의한 경사면 상황 인식 시스템은 경사면을 촬영하여 영상을 획득하는 카메라;와, 상기 영상에 대한 거리 정보를 계측하여 상기 경사면의 깊이 정보를 측정하는 레이저 계측기;와, 상기 영상에 대한 관심 영역을 설정하는 관심영역 설정부;와, 상기 관심 영역에 대한 초기 경사도 모델 정보를 획득하는 초기 모델 생성부;와, 상기 관심 영역의 광류 정보를 산출하는 광류 산출부;와, 상기 광류 정보를 이용하여 상기 경사면의 붕괴 가능성을 판별하는 1차 판별부; 및 상기 경사면의 붕괴 가능성이 있는 것으로 1차 판별되면 상기 관심 영역 내에서 큰 광류 벡터를 갖는 영역에 대해 부분적으로 정밀 스캔을 수행하고, 상기 정밀 스캔하여 생성된 경사면 정보를 상기 초기 경사도 모델 정보와 비교하여 상기 경사면의 붕괴 가능성을 판별하는 2차 판별부를 포함할 수 있다.
상기 관심영역 설정부는 상기 관심 영역을 복수의 블록으로 나누고, 상기 초기 모델 생성부는 상기 복수의 블록에 대한 거리 정보를 반영하여 3차원 기하학 정보로 상기 경사면에 대한 정보를 산출할 수 있다.
상기 1차 판별부는 상기 관심 영역 내의 기준 특징 벡터의 광류 벡터와 경사면 방향의 방향벡터를 산출하고, 상기 광류 벡터와 상기 경사면 방향의 방향벡터를 내적하여 1차 판별값을 산출하고, 상기 1차 판별값이 미리 정해진 문턱값보다 크면 경사면 붕괴 가능성이 있다고 판별할 수 있다.
상기 2차 판별부는 상기 관심 영역 내에 경사면 붕괴 가능성이 높은 후보 영역에 대해 부분 스캔을 수행하여 획득한 거리 정보와, 초기 경사면 모델 정보를 비교하여 변화된 코너 특징점의 개수를 산출하고, 초기 경사면 모델 정보에 포함되는 블록의 수와 거리 정보가 변화된 블록 수의 비율에 따라 경사면 붕괴 가능성을 2차 판별할 수 있다.
상술한 본 발명의 일측면에 따르면, 광류 정보에 따라 경사면 붕괴 가능성을 1차 판단하고, 관심 영역 중 변위가 큰 영역에 대해서만 부분 스캔하여 경사면 붕괴 가능성을 2차 판단하므로, 보다 신속하고 정확하게 경사면 붕괴 가능성을 판단할 수 있다.
도 1은 본 발명의 일 실시예에 따른 경사면 상황 인식 시스템을 도시한 도면
도 2는 본 발명의 일실시예에 의한 경사면 상황 인식 시스템의 제어 블록도
도 3은 본 발명의 일실시예에 의한 경사면 상황 인식 시스템에서 관심 영역 설정과 초기 경사면 모델 정보를 획득하여 표시한 것으로 도시한 도면
도 4는 본 발명의 일실시예에 의한 경사면 상황 인식 시스템에서 코너 특징으로부터 광류를 계산하는 것을 설명하기 위한 도면
도 5는 본 발명의 일실시예에 의한 경사면 상황 인식 시스템에서 루카스 카나데 방법을 이용하여 광류 정보를 검출하는 것을 설명하기 위한 도면
도 6은 본 발명의 일실시예에 의한 경사면 상황 인식 시스템에서 2차 판별 시 광류 발생 블록과, 그 영역에 대해 부분 스캔한 결과를 도시한 도면
도 7은 본 발명의 일실시예에 의한 경사면 상황 인식 시스템에서 입체 영상을 출력하기 위해 사용하는 삼각형 스트링 기법을 설명하기 위한 도면
도 8은 본 발명의 일실시예에 의한 경사면 상황 인식 시스템에서 영상 텍스처로 렌더링하는 구성을 설명하기 위한 도면
도 9는 본 발명의 일실시예에 의한 경사면 상황 인식 시스템에서 정확한 변위량을 계산하기 위해 변위가 발생한 지역에 대해 변위 부피를 계산하는 것을 설명하기 위한 도면
도 10a 및 도 10b는 광류가 발생한 블록을 정밀 스캔한 결과와, 그 결과를 이용해서 변위량을 계산하는 것을 설명하기 위한 도면
도 11은 광류가 발생하여 정밀 스캔한 블록의 부피의 산출 방법을 설명하기 위해 도시한 도면
도 12 및 도 13은 본 발명의 일실시예에 의한 경사면 상황 인식 방법을 설명하기 위한 제어흐름도
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1 은 본 발명의 일 실시예에 따른 경사면 상황 인식 시스템을 도시한 도면이다.
경사면 상황 인식 시스템(100)은 경사면의 상황을 인식하여 경사면 붕괴를 예측할 수 있다. 경사면 상황 인식 시스템(100)은 경사면에 대한 관심 영역을 설정하고, 해당 영역을 스캔하여 3차원 정보를 획득함으로써 초기 경사면 모델 정보를 추출할 수 있다. 관심 영역은 사용자가 임의대로 설정하는 것이 가능하며, 관심 영역의 크기 및 위치, 스캔 점의 개수를 지정하여 원하는 지역의 정보를 획득할 수 있다.
경사면 상황 인식 시스템(100)은 카메라를 통해 입력되는 영상 정보와, 레이저 계측기를 통해 인식되는 거리 정보를 통해 초기 경사면 모델 정보를 획득할 수 있다.
경사면 상황 인식 시스템(100)은 경사면 붕괴 가능성을 1차 판별하기 위해 광류 정보(Optical Flow)를 계산할 수 있다. 광류 정보는 공지된 루카스 카나데 방법(Lucas-Kanade method), 블랙 젭슨 방법(Black-jepson method), 혼셩크 방법(Horn-Schunck method) 등 여러가지 방법을 사용하여 계산될 수 있다. 루카스 카나데 방법에 의한 광류 계산 방법은 논문명 : “An Iterative Image Registration Technique with an Application to Stereo Vision”, 저자 : “Bruce D. Lucas Takeo Kanade”에 상세히 기재되어 있으며, 블랙젭슨 방법은 논문명 : “Estimating Optical Flow in Segmented Images Using Variable-Order Parametric Models With Local Deformations”, 저자 : “Michael J. Black, Member, IEEE, and Allan D. Jepson”에 상세히 기재되어 있으며, 혼셩크 방법은 논문명 : Determining Optical Flow”, 저자 : “Berthold K.P Horn and Brian G. Schunck”에 상세히 기재되어 있다. 이하 루카스 카나데 방법에 의한 광류 계산을 일예로 설명한다. 다만, 본 발명의 실시예가 루카스 카나데 방법을 이용하여 광류 정보를 계산하는 것에 한정되지 않음은 물론이다.
경사면 상황 인식 시스템(100)은 광류 정보에 포함되는 광류 벡터의 크기와 방향을 고려하여 경사면 붕괴 가능성을 1차 판별할 수 있다. 경사면 상황 인식 시스템(100)은 경사면 붕괴 가능성이 있다고 1차 판별되면, 큰 광류 벡터를 갖는 초기 경사면 모델의 블록에 대해 레이저 계측기의 정밀 스캔을 수행하여 2차 판별 작업을 수행할 수 있다.
경사면 상황 인식 시스템(100)은 1차 판별 작업에서 경사면 방향의 광류의 발생량이 연속 영상 프레임에서 문턱치 이상으로 측정되는 경우 경사면이 붕괴 가능성이 높은 것으로 판단할 수 있다. 경사면 상황 인식 시스템(100)은 경사면 붕괴 가능성을 보다 정확히 판단하기 위해, 경사면이 붕괴할 가능성이 높은 영역에 대해 레이저 계측기를 통해 정밀 스캔 작업을 수행하고, 초기 경사면 모델과 비교하여 관심 영역 내의 붕괴 가능성을 2차 판별할 수 있다.
경사면 상황 인식 시스템(100)은 상술한 1차 판별 작업 및 2차 판별 작업에 의해 경사면 붕괴 가능성이 높은 것으로 판별된 영역에 대해, 3차원 입체영상으로 사실적으로 출력할 수 있다. 경사면 상황 인식 시스템(100)은 입체 영상을 사실적으로 표현하기 위해 각 스캔 점을 기점으로 실제 영상의 텍스처(texture)로 렌더링을 수행할 수 있다.
도 2는 본 발명의 일실시예에 의한 경사면 상황 인식 시스템의 제어 블록도이며, 도 3은 본 발명의 일실시예에 의한 경사면 상황 인식 시스템에서 관심 영역 설정과 초기 경사면 모델 정보를 획득하여 표시한 것으로 도시한 도면이며, 도 4는 본 발명의 일실시예에 의한 경사면 상황 인식 시스템에서 코너 특징으로부터 광류를 계산하는 것을 설명하기 위한 도면이며, 도 5는 본 발명의 일실시예에 의한 경사면 상황 인식 시스템에서 루카스 카나데 방법을 이용하여 광류 정보를 검출하는 것을 설명하기 위한 도면이며, 도 6은 본 발명의 일실시예에 의한 경사면 상황 인식 시스템에서 2차 판별 시 광류 발생 블록과, 그 영역에 대해 부분 스캔한 결과를 도시한 도면이며, 도 7은 본 발명의 일실시예에 의한 경사면 상황 인식 시스템에서 입체 영상을 출력하기 위해 사용하는 삼각형 스트링 기법을 설명하기 위한 도면이며, 도 8은 본 발명의 일실시예에 의한 경사면 상황 인식 시스템에서 영상 텍스처로 렌더링하는 구성을 설명하기 위한 도면이며, 도 9는 본 발명의 일실시예에 의한 경사면 상황 인식 시스템에서 정확한 변위량을 계산하기 위해 변위가 발생한 지역에 대해 변위 부피를 계산하는 것을 설명하기 위한 도면이며, 도 10a 및 도 10b는 광류가 발생한 블록을 정밀 스캔한 결과와, 그 결과를 이용해서 변위량을 계산하는 것을 설명하기 위한 도면이다.
경사면 상황 인식 시스템(100)은 경사면을 촬영하여 영상을 획득하는 카메라(20)와, 경사면의 깊이 정보를 측정할 수 있는 레이저 계측기(40)와, 경사면 붕괴 가능성을 판별하는 경사면 붕괴 판별부(60)와, 경사면 붕괴 가능성이 있는 것으로 판단되면 해당 영역을 입체 영상으로 출력하는 영상 출력부(80)를 포함할 수 있다.
경사면 붕괴 판별부(60)는 획득된 영상의 관심영역을 설정하는 관심영역 설정부(61)와, 관심 영역이 설정되면 해당 영역에 대해 초기 경사도 모델 정보를 획득하는 초기 모델 생성부(62)와, 관심 영역의 광류를 산출하는 광류 산출부(63)와, 산출된 광류를 이용하여 경사면 붕괴 가능성을 판별하는 1차 판별부(64)와, 경사면 붕괴 가능성이 있는 것으로 1차 판별되면 해당 영역에 대한 정밀 스캔을 실시하여 경사면 붕괴 가능성을 판별하는 2차 판별부(65)를 포함할 수 있다.
카메라(20)는 사용자의 조작에 의해 경사면을 촬영하여 영상을 획득할 수 있다. 카메라(20)에 의해 촬영된 영상 중 일부 영역은 관심영역으로 설정될 수 있다. 관심 영역은 경사도 붕괴 가능성이 있는지 여부를 확인해보기 위해 설정되는 영역으로, 사용자에 의해 임의 설정이 가능하다.
레이저 계측기(40)는 카메라(20)에 의해 촬영된 영역 중 관심영역으로 설정된 영역을 스캔하여 경사면의 3차원 기하학 정보를 획득할 수 있다. 초기 경사면 모델은 상황 인식하려는 경사면을 정밀 스캔하여 획득된 스캔 점의 거리 정보를 통해 구성될 수 있다. 초기 경사면 모델은 후술하는 경사면 붕괴 가능성 2차 판별 시, 판단 기준으로 사용될 수 있다.
관심영역 설정부(61)는 카메라(20)에 의해 촬영된 영상에 관심 영역을 설정할 수 있다. 관심영역은 사용자에 의해 수동으로 설정되거나 미리 정해진 소정의 영역이 관심 영역으로 자동 설정될 수 있다.
관심영역 설정부(61)는 영상에 관심 영역이 설정되면, 해당 영역을 N개의 블록으로 나눌 수 있다.
초기 모델 생성부(62)는 레이저 계측기(40)를 통해 관심 영역의 경사면에 대한 거리 정보가 계측되면, 해당 정보를 이용하여 초기 경사면 모델을 산출할 수 있다. 초기 경사면 모델은 관심 영역 내 복수의 블록 각각의 거리 정보를 반영하여 3차원 기하학 정보로 도출된다. 도 3을 참조하면, 경사면을 촬영한 영상에 관심 영역이 설정되고, 설정된 관심 영역을 레이저 스캔하여 초기 경사면 모델을 생성할 수 있게 된다.
광류 산출부(63)는 관심 영역에 대해 광류 정보를 산출할 수 있다. 광류 정보는 상술한 것처럼, 공지된 루카스 카나데 방법(Lucas-Kanade method), 블랙 젭슨 방법(Black-jepson method), 혼셩크 방법(Horn-Schunck method) 등 여러가지 방법을 사용하여 계산될 수 있다. 여기서는, 루카스 카나테 방법을 사용하여 광류 정보를 계산하는 방법을 일예로 설명하기로 한다.
루카스 카나데 방법은 영상에서 X축 및 Y축 방향의 공간 미분(Spatial derivate)을 수행하여 값이 서로 직교하는 방향에서 찾아지는 코너 특징(Corner feature)을 사용하여 광류를 계산할 수 있다. 도 4를 참조하면, 경사면 산사태 영상에서 루카스 카나데 알고리즘을 사용하여 광류 벡터들을 계산하여 표시한 결과들을 보여준다.
광류 벡터는 밝기 향상성, 시간 지속성, 공간 일관성으로부터 계산될 수 있다. 일반적으로 특정 객체 상의 화소는 영상 프레임이 바뀌어도 그 값이 크게 변하지 않는다. 즉, 코너 특징점들의 광류를 계산하기 위해 입력 명암 영상(Gray Image)에서 추적하려는 코너 화소의 밝기는 변하지 않는다고 가정한다. 이런 가정은 영상에서 객체의 움직임에 비하여 시간의 변화가 더 빠르게 진행한다면 연속 영상 프레임 사이에서 객체의 변화량이 크지 않기 때문에 유효하다. 그리고, 공간적으로 서로 인접하는 점들은 동일한 객체에 속할 가능성이 높고, 동일한 움직임을 가질 수 있다.
상술한 가정을 통해 연속 영상 프레임에서 동일한 객체의 동일한 두 점이라면 수식 1처럼 표현할 수 있다. 수식 1의 우측식을 테일러 급수로 전개하면 수식 2를 산출할 수 있다. 수식 1과 수식 2를 동시에 만족하려면, 수식 2의 미분식의 합이 0이어야 하며, 미분식을 dt로 나누어 광류 제한 방정식(optical flow constraint equation)인 수식 3을 산출할 수 있다.
수식 1
Figure 112014045248338-pat00001
수식 2
Figure 112014045248338-pat00002

수식 3
Figure 112014045248338-pat00003

수식 3으로부터 영상의 X축 방향과 Y축 방향으로 공간 미분값을 계산할 수 있다면 영상 좌표상에서 물체의 움직임 벡터인 광류를 예측할 수 있다.
루카스 카나데 알고리즘은 t번째 영상 프레임의 코너 특징점을 중심으로 일정 크기의 윈도우 Ω를 설정한 후, t+1번째 영상 프레임에서 설정한 윈도우와 가장 유사한 영상의 위치를 찾는 방법이다.
수식 4
Figure 112014045248338-pat00004
여기서, q1, q2, 브는 윈도우 Ω에 속하는 화소들이다. 즉, q1, q2,…qm ∈ Ω이다.
t번째 영상 프레임에서 설정한 윈도우 Ω에서 광류 제한 방정식은 수식 4로 표현할 수 있고, 행렬식 Ax = b 의 형태로 나타내면 수식 5로 표현할 수 있다.
수식 5
Figure 112014045248338-pat00005

수식 5로부터 광류 벡터 V에 관한 수식을 정리하면 수식 6을 산출할 수 있다. 수식 6의 (ATA)에 최소자승법(least mean square)을 적용하면 수식 7을 얻을 수 있다. 수식 7로부터 t번째 영상 프레임에서의 설정 윈도우의 움직임 벡터를 산출할 수 있다.
수식 6
Figure 112014045248338-pat00006

수식 7
Figure 112014045248338-pat00007

본 발명의 일측면에 의한 루카스 카나테 알고리즘은 원본 영상으로부터 영상 피라미드를 구성하여, 상위 계층에서 하위 계층으로 추적하는 방식으로 큰 움직임이 있는 특징점을 빠른 시간에 찾아낼 수 있다.
레이저 계측기의 효율적인 스캔을 위해 초기 경사면 모델의 N개의 블록 내에 코너 특징점 Xrk (Xk,Yk)들로 구성된 기준 특징 벡터 Xr을 수식 8로 표현할 수 있다.
수식 8
Figure 112014045248338-pat00008
수식 9
Figure 112014045248338-pat00009

루카스 카나데 알고리즘을 이용하여 기준 특징 벡터를 구성하는 각 코너 특징들의 광류를 예측하여 기준 특징 벡터의 광류 벡터 Vr을 수식 9로 표현할 수 있다.
도 5를 참조하면, 관심 영역의 기준 특징 벡터들에 대해 루카스 카나데 알고리즘을 적용한 결과를 보여준다. 도 5에서 볼 수 있듯이, 크고 작은 변화에도 강인하게 변위를 검출할 수 있는 것을 보여준다.
1차 판별부(64)는 N개의 블록으로 구성된 초기 경사면 모델을 참조하여 각 코너 특징 벡터들에서 경사면 기울기 방향의 단위 벡터들로 구성된 Vg벡터를 수식 10과 같이 산출할 수 있다.
수식 10
Figure 112014045248338-pat00010
여기서, Vgk (Vx,Vy)는 k번째 블록의 코너 특징점 Xrk에서 경사면 기울기 방향의 단위 벡터이다.
즉,
Figure 112014045248338-pat00011
이다.
1차 판별부(64)는 기준 특징 벡터(Xk)의 광류 벡터(Vr)와 경사면 방향의 방향벡터(Vg)를 산출함으로써 레이저 계측기의 효율적인 스캔을 위한 1차 판별을 수행할 수 있다.
1차 판별부(64)는 광류 벡터의 크기와 방향을 고려하여 경사면 붕괴 여부를 1차 결정할 수 있다. 1차 판별부(64)는 광류 벡터(Vr)와 경사면 방향벡터(Vg)를 내적한 1차 판별값을 산출한다. 1차 판별식은 수식 11과 같다.
수식 11
Figure 112014045248338-pat00012

여기서, θr은 코너 특징 벡터(Xrk)에서 광류 벡터(Vr)와 경사면 방향의 방향벡터(Vgk)가 이루는 각을 나타낸다. 1차 판별값이 사전에 정의한 문턱값 T1보다 크면 경사면 붕괴 가능성이 있다고 판단한다.
2차 판별부(65)는 상술한 동작에 의해 관심 영역을 포함하는 경사면의 붕괴 가능성이 있는 것으로 1차 판별되면, 기준 특징 벡터와 광류 벡터를 참조하여 큰 광류 벡터를 갖는 초기 경사면 모델의 블록에 대해 레이저 계측기(40)를 통해 정밀 스캔을 수행한다.
2차 판별부(65)는 1차 판별값이 문턱값보다 크면 경사면 붕괴 가능성을 2차 판별하기 위해 경사면이 붕괴할 가능성이 높은 블록에 대해 레이저 계측기(40)를 제어하여 정밀 스캔 작업을 수행하고, 정밀 스캔 작업으로부터 얻어진 3D정보를 기반으로 2차 판별을 수행할 수 있다.
2차 판별은 광류 발생이 큰 코너 특징들이 속한 블록들에 대해 정밀 스캔하여 초기 경사면 모델과 비교하고, 관심 영역 내의 변위를 이용하여 경사면 붕괴 여부를 검증할 수 있다.
도 6을 참조하면, 관심영역 내에서 광류가 발생한 블록과 광류의 방향을 보여준다. 도 6에 도시한 바와 같이, 광류가 나타난 블록은 녹색으로 표시하고, 더 많은 광류가 나타나면 더 진한 색으로 나타낼 수 있다. 그리고, 광류가 나타난 해당 블록만을 부분 스캔하므로 레이저 계측기(40)의 스캔 시간을 단축하고, 경사면 붕괴와 같은 위급상황을 신속하게 판단할 수 있다.
2차 판별부(65)는 1차 판별부(64)에 의해 경사면 붕괴 가능성이 높은 후보 블록들에 대해 부분 스캔을 통해 획득한 거리 정보와 초기 경사면 모델의 비교를 통해 변화된 코너 특징점의 개수 Nc를 계산한다. 2차 판별은 수식 12와 같이, 초기 경사면 모델의 관심영역 블록 수 N과 거리 정보가 변화된 블록 수 Nc의 비율로 정해질 수 있다.
수식 12
Figure 112014045248338-pat00013

2차 판별부(65)는 2차 판별값이 미리 정의된 문턱값 T2보다 크면 산사태나 위급한 상황이 발생했다고 판단할 수 있다.
영상 출력부(80)는 상술한 동작에 따라, 경사면 붕괴 가능성이 높은 것으로 판단되면 3차원 입체 영상을 사실감 있게 표현하기 위해 관심 영역의 각 스캔 점을 기점으로 실제 영상의 텍스처로 렌더링 작업을 수행할 수 있다.
영상 출력부(80)는 렌더링을 위해 먼저 각 스캔 점을 삼각형 스트링 기법을 이용하여 입체 좌표계에 나타낼 수 있다. 도 7을 참조하면, 삼각형 스트링 기법은 다수의 삼각형으로 입체 평면을 구성하기 때문에 각각의 삼각형을 개별적으로 그리는 것은 비효율적이다. 삼각형 스트링 기법은 3개의 정점을 이용해 삼각형을 그린 후, 정점을 추가하면서 객체를 표현할 수 있다.
영상 출력부(80)는 초기 경사면 모델과 부분 스캔으로 획득한 깊이 정보에 영상 텍스처를 이용하여 렌더링을 수행할 수 있으며, 일 예를 도 8에서 도시한다.
영상 출력부(80)는 모든 상황인식이 끝나게 되면 정확한 변위량을 계산하기 위해 변위가 발생한 지역에 대해 변위 부피를 계산할 수 있다. 변위 부피는 1차 판단 시에 광류가 나타난 블록을 정밀하게 스캔함으로써 측정될 수 있다. 레이저 계측기의 측정값은 구 좌표계의 거리와 각도 정보로 획득될 수 있다.
영상 출력부(80)는 카메라(20)의 보정 기술을 이용하여 측정 정보를 영상의 대응점으로 정합시킬 수 있다. 영상 출력부(80)는 변위량의 계산 시 실제 측정 정보를 바탕으로 한다. 영상 출력부(80)는 레이저 계측기(40)를 기준으로 각각의 각도와 거리 정보를 도 9처럼 3D 직각좌표계 상의 x, y, z로 변환할 수 있다.
영상 출력부(80)는 직각좌표계의 XY평면을 기준으로 초기 경사면 모델과 정밀 스캔 결과의 차를 통해 부피를 측정할 수 있다. 도 10a는 광류가 발생한 블록을 정밀 스캔한 결과이며 도 10b는 초기 스캔 결과와 정밀 스캔 결과에 따라 변위량을 계산한 것이다. 실제 한 블록은 도 11과 같이 사각 기둥과 유사각 기둥으로 나뉠 수 있다. 광류가 발생하여 정밀 스캔한 블록의 부피는 유사각기둥과 사각기둥의 부피의 합으로 도 11에 도시한 바와 같다.
도 12는 본 발명의 일실시예에 의한 경사면 상황 인식 시스템의 제어 흐름도이다.
카메라(20)는 경사면의 영상을 촬영하여 획득한다. 카메라(20)에 의해 획득된 경사면 중 일부 영역이 사용자의 조작 또는 미리 정해진 규칙에 따라 관심 영역으로 설정될 수 있다.(200,210)
초기 모델 생성부(62)는 레이저 계측기(40)를 통해 관심 영역의 경사면에 대한 거리 정보가 계측되면, 해당 정보를 이용하여 초기 경사면 모델을 산출할 수 있다. 초기 경사면 모델은 관심 영역 내의 복수의 블록 각각의 거리 정보를 반영하여 3차원 기하학 정보로 도출될 수 있다.(220)
광류 산출부(63)는 관심 영역에 대해 광류 정보를 산출할 수 있다. 광류 정보는 공지된 복수의 방법에 의해 산출될 수 있다.(230)
1차 판별부(64)는 광류 산출부(63)에 의해 산출된 광류 정보에 따라 경사면 붕괴 가능성을 1차 판별할 수 있다. 1차 판별부(64)는 기준 특징 벡터(X_k)의 광류 벡터(V_r)와 경사면 방향의 방향벡터(V_g)를 산출함으로써 레이저 계측기의 효율적인 스캔을 위한 1차 판별을 수행할 수 있다. 1차 판별부(64)는 광류 벡터(V_r)와 경사면 방향벡터(V_g)를 내적한 1차 판별값을 산출한다. 1차 판별값이 사전에 정의한 문턱값 T1보다 크면 경사면 붕괴 가능성이 있다고 판단한다.(240,250, 260)
도 13은 본 발명의 일실시예에 의한 경사면 상황 인식 방법을 도시한 제어흐름도이다.
2차 판별부(65)는 1차 판별값이 문턱값보다 크면 경사면 붕괴 가능성을 2차 판별하기 위해 경사면이 붕괴할 가능성이 높은 블록에 대해 레이저 계측기(40)를 제어하여 정밀 스캔 작업을 수행하고, 정밀 스캔 작업으로부터 얻어진 3D정보를 기반으로 2차 판별을 수행할 수 있다.(300,310)
2차 판별부(65)는 광류 발생이 큰 코너 특징들이 속한 블록들에 대해 정밀 스캔하여 초기 경사면 모델과 비교하고, 관심 영역 내의 변위를 이용하여 경사면 붕괴 여부를 검증할 수 있다.(320)
2차 판별부(65)는 1차 판별부(64)에 의해 경사면 붕괴 가능성이 높은 후보 블록들에 대해 부분 스캔을 통해 획득한 거리 정보와 초기 경사면 모델의 비교를 통해 변화된 코너 특징점의 개수 Nc를 계산한다. 2차 판별은 초기 경사면 모델의 관심영역 블록 수 N과 거리 정보가 변화된 블록 수 Nc의 비율로 정해질 수 있으며, 그 비율은 2차 판별값이 된다.(330,340)
2차 판별부(65)는 2차 판별값과 미리 정해진 문턱값과의 크기를 비교하고, 2차 판별값이 미리 정해진 문턱값보다 크면 경사면 붕괴 가능성이 높은 것으로 2차 판별한다.(350,360)
영상 출력부(80)는 상술한 동작에 따라, 경사면 붕괴 가능성이 높은 것으로 판단되면 3차원 입체 영상을 사실감 있게 표현하기 위해 관심 영역의 각 스캔 점을 기점으로 실제 영상의 텍스처로 렌더링 작업을 수행할 수 있다. 영상 출력부(80)는 상술한 작업을 수행하여 3D 화면을 출력하여, 사용자가 쉽게 경사면 붕괴 가능성이 높은 지역을 입체감 있게 관찰할 수 있다.(370)
이와 같이, 경사면을 촬영하여 경사면 붕괴 가능성을 판별하는 기술은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드 뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (10)

  1. 경사면에 대한 영상을 획득하여 관심 영역을 설정하고,
    상기 관심 영역에 대한 초기 경사면 모델 정보 및 광류 정보를 산출하고,
    상기 광류 정보에 따라 경사면 붕괴 가능성을 1차 판별하고,
    상기 1차 판별에 따라 경사면 붕괴 가능성이 있는 것으로 판별되면, 상기 광류 정보에 따라 상기 관심 영역 중 경사면 붕괴 가능성이 있는 부분 영역에 대한 정밀 스캔을 수행하여 경사면 정보를 획득하고, 상기 초기 경사면 모델 정보와 상기 경사면 정보를 비교하여 경사면 붕괴 가능성을 2차 판별하는 경사면 상황 인식 방법.
  2. 제 1 항에 있어서,
    상기 경사면에 대한 영상을 획득하여 관심 영역을 설정하는 것은, 사용자에 의해 수동으로 관심 영역을 설정하거나, 미리 설정된 영역에 자동으로 관심 영역이 설정되는 것을 포함하며,
    상기 관심 영역이 설정되면 해당 영역을 복수의 블록으로 나누어 상기 초기 경사면 모델 정보 및 광류 정보를 산출하는 경사면 상황 인식 방법.
  3. 제 2 항에 있어서,
    상기 초기 경사면 모델 정보를 산출하는 것은,
    상기 관심 영역 내의 복수의 블록 각각의 거리 정보를 반영하여 3차원 기하학 정보로 상기 경사면에 대한 정보를 산출하는 것인 경사면 상황 인식 방법.
  4. 제 1 항에 있어서,
    상기 광류 정보에 따라 경사면 붕괴 가능성을 1차 판별하는 것은,
    상기 관심 영역 내의 기준 특징 벡터의 광류 벡터와 경사면 방향의 방향벡터를 산출하고,
    상기 광류 벡터와 상기 경사면 방향의 방향벡터를 내적하여 1차 판별값을 산출하고, 상기 1차 판별값이 미리 정해진 문턱값보다 크면 경사면 붕괴 가능성이 있다고 판별하는 경사면 상황 인식 방법.
  5. 제 1 항에 있어서,
    상기 초기 경사면 모델 정보와 상기 경사면 정보를 비교하여 경사면 붕괴 가능성을 2차 판별하는 것은,
    상기 관심 영역 내에 경사면 붕괴 가능성이 있는 후보 블록들에 대해 부분 스캔을 통해 획득한 거리 정보와, 초기 경사면 모델 정보를 비교하여 변화된 코너 특징점의 개수를 산출하고, 초기 경사면 모델 정보에 포함되는 블록의 수와 거리 정보가 변화된 블록 수의 비율에 따라 경사면 붕괴 가능성을 2차 판별하는 것인 경사면 상황 인식 방법.
  6. 제 1 항 내지 제 5 항 중 어느 하나의 항에 따른 경사면 상황 인식 방법을 실행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
  7. 경사면을 촬영하여 영상을 획득하는 카메라;
    상기 영상에 대한 거리 정보를 계측하여 상기 경사면의 깊이 정보를 측정하는 레이저 계측기;
    상기 영상에 대한 관심 영역을 설정하는 관심영역 설정부;
    상기 관심 영역에 대한 초기 경사면 모델 정보를 획득하는 초기 모델 생성부;
    상기 관심 영역의 광류 정보를 산출하는 광류 산출부;
    상기 광류 정보를 이용하여 상기 경사면의 붕괴 가능성을 판별하는 1차 판별부; 및
    상기 경사면의 붕괴 가능성이 있는 것으로 1차 판별되면 상기 관심 영역 내에서 상대적으로 큰 광류 벡터를 갖는 영역에 대해 부분적으로 정밀 스캔을 수행하고, 상기 정밀 스캔하여 생성된 경사면 정보를 상기 초기 경사면 모델 정보와 비교하여 상기 경사면의 붕괴 가능성을 판별하는 2차 판별부를 포함하는 경사면 상황 인식 시스템.
  8. 제 7 항에 있어서,
    상기 관심영역 설정부는 상기 관심 영역을 복수의 블록으로 나누고, 상기 초기 모델 생성부는 상기 복수의 블록에 대한 거리 정보를 반영하여 3차원 기하학 정보로 상기 경사면에 대한 정보를 산출하는 것인 경사면 상황 인식 시스템.
  9. 제 7 항에 있어서,
    상기 1차 판별부는 상기 관심 영역 내의 기준 특징 벡터의 광류 벡터와 경사면 방향의 방향벡터를 산출하고,
    상기 광류 벡터와 상기 경사면 방향의 방향벡터를 내적하여 1차 판별값을 산출하고, 상기 1차 판별값이 미리 정해진 문턱값보다 크면 경사면 붕괴 가능성이 있다고 판별하는 것인 경사면 상황 인식 시스템.
  10. 제 7 항에 있어서,
    상기 2차 판별부는 상기 관심 영역 내에 경사면 붕괴 가능성이 있는 후보 영역에 대해 부분 스캔을 수행하여 획득한 거리 정보와, 초기 경사면 모델 정보를 비교하여 변화된 코너 특징점의 개수를 산출하고, 초기 경사면 모델 정보에 포함되는 블록의 수와 거리 정보가 변화된 블록 수의 비율에 따라 경사면 붕괴 가능성을 2차 판별하는 것인 경사면 상황 인식 시스템.
KR1020140057706A 2014-05-14 2014-05-14 경사면 상황 인식 방법, 이를 이용한 시스템 및 이를 수행하기 위한 기록매체 KR101507333B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020140057706A KR101507333B1 (ko) 2014-05-14 2014-05-14 경사면 상황 인식 방법, 이를 이용한 시스템 및 이를 수행하기 위한 기록매체
US14/542,648 US20150331143A1 (en) 2014-05-14 2014-11-16 Method of recognizing slope condition, system using the same, and recording medium for performing the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140057706A KR101507333B1 (ko) 2014-05-14 2014-05-14 경사면 상황 인식 방법, 이를 이용한 시스템 및 이를 수행하기 위한 기록매체

Publications (1)

Publication Number Publication Date
KR101507333B1 true KR101507333B1 (ko) 2015-03-31

Family

ID=53028949

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140057706A KR101507333B1 (ko) 2014-05-14 2014-05-14 경사면 상황 인식 방법, 이를 이용한 시스템 및 이를 수행하기 위한 기록매체

Country Status (2)

Country Link
US (1) US20150331143A1 (ko)
KR (1) KR101507333B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108984919A (zh) * 2018-07-20 2018-12-11 武汉中地数码科技有限公司 一种基于断层约束的三维地层面构建方法及系统

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180292299A1 (en) * 2014-01-13 2018-10-11 Hubei University Of Technology Method of critical displacement forecast based on the deformation failure mechanism of slope
CN103712587B (zh) * 2014-01-13 2016-03-16 湖北工业大学 基于边坡变形破坏机理的临界位移预测预警方法
CN106546592A (zh) * 2016-11-07 2017-03-29 深圳大学 基于多光谱空中检测机器人的边坡质量检测方法及系统
CN108090670B (zh) * 2017-12-15 2021-08-31 中国科学院、水利部成都山地灾害与环境研究所 一种基于水流侵蚀能力的堰塞坝形成评估方法
JP7094854B2 (ja) * 2018-10-12 2022-07-04 株式会社熊谷組 崩落斜面の監視方法及び崩落斜面の監視システム
CN110489935B (zh) * 2019-06-18 2021-01-15 贵州正业工程技术投资有限公司 基于简化Bishop法的群拉力作用球冠型边坡稳定性评价方法
CN112883459B (zh) * 2021-01-17 2024-02-23 北京市政路桥股份有限公司 一种隧道-滑坡体-抗滑桩体系稳定性耦合分析方法
CN113124959A (zh) * 2021-04-14 2021-07-16 武汉新烽光电股份有限公司 一种基于激光扫描堤岸测量水位的方法
US11610466B2 (en) * 2021-08-16 2023-03-21 Amrita Vishwa Vidyapeetham Multilevel rapid warning system for landslide detection
CN115640867B (zh) * 2022-07-15 2023-06-16 武汉市勘察设计有限公司 基于地质材料变形破坏机理的滑坡局部和整体破坏预测方法
CN115908143B (zh) * 2023-01-18 2023-05-26 禾多科技（北京）有限公司 车辆跨层泊车方法、装置、电子设备和计算机可读介质
CN116125490B (zh) * 2023-02-03 2023-07-04 中国科学院精密测量科学与技术创新研究院 面向滑坡体形变场时序监测的tls多目标优化选址方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003140544A (ja) 2001-11-07 2003-05-16 Nakanihon Koku Kk 特徴的地形の判別方法とその装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003140544A (ja) 2001-11-07 2003-05-16 Nakanihon Koku Kk 特徴的地形の判別方法とその装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108984919A (zh) * 2018-07-20 2018-12-11 武汉中地数码科技有限公司 一种基于断层约束的三维地层面构建方法及系统
CN108984919B (zh) * 2018-07-20 2023-05-30 武汉中地数码科技有限公司 一种基于断层约束的三维地层面构建方法及系统

Also Published As

Publication number Publication date
US20150331143A1 (en) 2015-11-19

Similar Documents

Publication Publication Date Title
KR101507333B1 (ko) 경사면 상황 인식 방법, 이를 이용한 시스템 및 이를 수행하기 위한 기록매체
US10701332B2 (en) Image processing apparatus, image processing method, image processing system, and storage medium
CA2678156C (en) Measurement apparatus, measurement method, and feature identification apparatus
US10424075B2 (en) Depth/disparity map post-processing method and device
EP2731075B1 (en) Backfilling points in a point cloud
US11328479B2 (en) Reconstruction method, reconstruction device, and generation device
US10477178B2 (en) High-speed and tunable scene reconstruction systems and methods using stereo imagery
EP2772883B1 (en) Road-surface height shape estimation method and system
CN110516665A (zh) 识别图像叠加文字区域的神经网络模型构建方法与系统
KR101787542B1 (ko) 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법
US9367920B2 (en) Method and apparatus for processing images
JP5015126B2 (ja) 画像生成方法、画像認証方法、画像生成装置、画像認証装置、プログラム、および記録媒体
KR20160010120A (ko) 단항 신뢰도 및 쌍별 신뢰도 학습을 통한 스테레오 매칭 장치 및 방법
CN102521842B (zh) 一种实现快速移动检测的方法和装置
CN116778094B (zh) 一种基于优选视角拍摄的建筑物变形监测方法及装置
López et al. Depth from a Single Image Through User Interaction.
EP3731143B1 (en) Method and device for economizing computing resources to be used during a process of verification of convolutional parameters using test pattern
US20220180545A1 (en) Image processing apparatus, image processing method, and program
Shi et al. A method for detecting pedestrian height and distance based on monocular vision technology
Galarreta Urban Structural Damage Assessment Using Object-Oriented Analysis and Semantic Reasoning
CN114219958A (zh) 一种多视角遥感影像的分类方法、装置、设备和存储介质
KR101575742B1 (ko) 스테레오 비전에 기반한 암반의 절취면 조사방법
KR102240570B1 (ko) 신장 트리 생성 방법 및 장치，스테레오 매칭 방법 및 장치，업 샘플링 방법 및 장치，및 기준 픽셀 생성 방법 및 장치
Diskin et al. Dense 3D point-cloud model using optical flow for a monocular reconstruction system
KR20170108552A (ko) 수변구조물 피해정보 분석을 위한 정보시스템 구축방안

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
FPAY Annual fee payment

Payment date: 20180108

Year of fee payment: 4