KR101787542B1 - 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법 - Google Patents

3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법 Download PDF

Info

Publication number
KR101787542B1
KR101787542B1 KR1020160077326A KR20160077326A KR101787542B1 KR 101787542 B1 KR101787542 B1 KR 101787542B1 KR 1020160077326 A KR1020160077326 A KR 1020160077326A KR 20160077326 A KR20160077326 A KR 20160077326A KR 101787542 B1 KR101787542 B1 KR 101787542B1
Authority
KR
South Korea
Prior art keywords
terrain
model
soil
dimensional
image
Prior art date
Application number
KR1020160077326A
Other languages
English (en)
Inventor
김형관
김홍조
Original Assignee
연세대학교 산학협력단
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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020160077326A priority Critical patent/KR101787542B1/ko
Application granted granted Critical
Publication of KR101787542B1 publication Critical patent/KR101787542B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
    • H04N5/217—
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Geometry (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법에 관한 것으로, 평가 지역의 지형을 촬영하여 지형 이미지를 획득하는 지형 이미지 획득부; 상기 카메라 내 외부 파라미터를 추정하고 카메라 모델 정보를 획득하여 지형의 3차원 모델을 생성하는 3차원 모델 생성부; 3차원 모델로부터 표면 및 토질 영역을 구분하는 표면 지형 분류부; 및 분류된 표면 지형 정보로부터 비탈면 또는 사면의 안정성을 분석하고 평가하는 사면 안정성 평가부를 포함한다.
이와 같은 본 발명은, 본 발명은 건설 현장, 자연재해 지역, 하천 연안 등 비탈면의 변화가 빈번히 일어나는 곳의 안정성 분석 및 평가를 정확하고 빠르게 수행할 수 있는 시스템 및 방법을 제공한다.

Description

3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법{ESTIMATION SYSTEM AND METHOD OF SLOPE STABILITY USING 3D MODEL AND SOIL CLASSIFICATION}
본 발명은 지형의 비탈면 안정성 평가 시스템 및 방법에 관한 것으로, 보다 상세하게는 무인 항공기, 휴대폰, 캠코더와 같은 기기에 장착된 디지털 카메라로 취득한 2차원 이미지 또는 비디오 프레임으로부터 3차원 지형 모델을 생성하고, 생성된 3차원 지형 모델의 흙, 암반 종류를 분류한 다음, 모델의 각 부분의 토질을 고려하여 비탈면 안정성을 분석하는 비탈면 안정성 평가 시스템 및 방법에 관한 것이다.
2차원 이미지들로부터 3차원 모델을 생성하는 기술들은 다양하고, 이미지로부터 토질을 분류하는 기술들은 최근 학술 문헌에서 일부 제시되고 있으며, 비탈면 안정성 분석 기술 또한 사면을 구성하는 토질의 종류별로 다양하다.
그러나 상기 종래의 기술들은 개별적인 단일 기능을 수행하기 위한 방법으로 한정되고, 다음과 같은 문제점이 있다.
첫째, 움직이는 카메라로 취득한 이미지 또는 비디오 프레임 이미지들은 초점이 흐려진 이미지들을 많이 포함하고 있고, 이러한 이미지들이 사용되면 건설현장의 3차원 모델링 결과 및 토질 분류 결과가 매우 부정확해지는 문제가 있다.
둘째, 2차원 이미지로부터 표면 토질 종류가 분류된 이후에 분류된 토질이 3차원 모델에서 차지하는 영역을 정확히 지정해주어야 해당 영역의 정확한 안정성 분석이 수행될 수 있다는 문제가 있다.
셋째, 레이저 스캐너 등을 이용한 종래의 지형 모델링 기술은 포인트 클라우드(point cloud) 형태로 데이터를 취득하게 되어 토질의 종류를 분류할 수 없고, 지형이 아닌 다른 사물(예: 차량, 건물)이 촬영된 경우도 지형으로 분류하게 된다.
따라서 지형 내 위치별 토질의 종류에 따른 정확한 안정성 분석을 수행할 수 없으며, 부분적 또는 많은 지역에서 부정확한 안정성 정보를 생성하게 되는 문제점이 있다.
대한민국 등록특허공보 제10-0800554호(등록일자: 2008년01월28일) 대한민국 등록특허공보 제10-1301453호(등록일자: 2013년08월23일)
본 발명에 따른 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법은 다음과 같은 해결과제를 가진다.
첫째, 본 발명은 촬영하여 획득한 이미지들의 필터링을 이용하여 3차원 모델링 및 토질 분류가 부정확해지는 문제를 해결할 수 있는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법을 제공하고자 함이다.
둘째, 본 발명은 건설 현장, 자연재해 지역, 하천 연안 등 비탈면의 변화가 빈번히 일어나는 곳의 안정성 분석 및 평가를 정확하고 빠르게 수행할 수 있는 시스템 및 방법을 제공하고자 함이다.
본 발명의 해결과제는 이상에서 언급한 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하고자 하는 본 발명의 제1 특징은, 평가 지역의 지형을 촬영하여 지형 이미지를 획득하는 지형 이미지 획득부; 상기 카메라 내 외부 파라미터를 추정하고 카메라 모델 정보를 획득하여 지형의 3차원 모델을 생성하는 3차원 모델 생성부; 3차원 모델로부터 표면 및 토질 영역을 구분하는 표면 지형 분류부; 및 분류된 표면 지형 정보로부터 비탈면 또는 사면의 안정성을 분석하고 평가하는 사면 안정성 평가부를 포함한다.
여기서, 상기 지형 이미지 획득부는, 촬영하여 획득한 이미지에서 초점 흐림 이미지를 걸러내는 필터부를 포함하는 것이 바람직하고, 상기 3차원 모델 생성부는, 획득한 이미지로부터 특징점 획득하고, 획득된 특징점 벡터들 간에 일치 정도를 확인하고 일치되는 특징점들 간의 2차원 연결관계를 구성하여 카메라 내외부 파라미터 및 3차원 구조 정보를 추정하는 파라미터 추정부를 포함하는 것이 바람직하다.
또한, 상기 3차원 모델 생성부는, 지형 이미지의 3차원 지형 표면 모델을 생성하는 3D 표면 모델 생성부를 포함하는 것이 바람직하고, 상기 3차원 모델 생성부는, 상기 3차원 지형 표면 모델에 서로 다른 위치에서 취득한 지형 이미지들을 통해 나타나는 실제 지형의 텍스처를 덧씌우는 실제 표면 텍스처 사영부를 포함하는 것이 바람직하다.
더하여, 상기 표면 지형 분류부는, 획득한 지형 이미지들 내에 있는 토질들을 분류하는 표면 토질 분류부; 및 3차원 지형 모델에서 표면 토질 영역을 구분하는 토질 영역 구분부를 포함하는 것이 바람직하고, 상기 표면 토질 분류부는, 토질의 학습 데이터 및 비토질 학습 데이터를 통해 획득한 지형 이미지들 내에 있는 토질들을 분류하는 인공지능 분류기(Artificial Intelligence Classifier)를 포함하는 것이 바람직하다.
또한, 상기 사면 안정성 평가부는, 지형의 3차원 모델의 지형 위치별 토질 정보에 기반하여 지형의 위험한 부분을 수치화하고, 수치화된 정보를 위험지역 및 안전지역으로 구분하여 상기 3차원 모델을 시각화하는 것이 바람직하다.
그리고, 본 발명의 제2 특징은, 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가방법으로, (a) 이미지 획득부가 평가 지역의 지형을 촬영하여 지형 이미지를 획득하는 단계; (b) 3차원 모델 생성부가 상기 카메라 내 외부 파라미터를 추정하고 카메라 모델 정보를 획득하여 지형의 3차원 모델을 생성하는 단계; (c) 표면 지형 분류부가 3차원 모델로부터 표면 및 토질 영역을 구분하는 단계; 및 (d) 사면 안정성 평가부가 분류된 표면 지형 정보로부터 비탈면 또는 사면의 안정성을 분석하고 평가하는 단계를 포함한다.
여기서, 상기 (a) 단계는, 상기 지형 이미지 획득부가, 촬영하여 획득한 이미지에서 초점 흐림 이미지 필터를 이용하여 초점 흐림 이미지를 걸러내는 단계를 포함하는 것이 바람직하고, 상기 (a) 단계는, (a1) 흐림 척도 측정방법을 사용하여 획득한 전체 지형 이미지 중 각 부분에 대한 흐림 척도를 산출하는 단계; (a2) 산출된 연속된 지형 이미지의 흐림 척도값들의 이동 가중 평균(weighted moving average)값을 산출하는 단계; 및 (a3) 산출된 값을 통해 인접한 주변 이미지와의 상대적 흐림 척도값을 산출하고, 소정의 경계값(threshold)을 통해 흐린 이미지를 걸러내어 지형 이미지를 획득하는 단계를 포함하는 것이 바람직하다.
또한, 상기 (b) 단계에서, 파라미터의 추정은, 상기 3차원 모델 생성부가 획득한 이미지로부터 특징점 획득하는 단계; 및 획득된 특징점 벡터들 간에 일치 정도를 확인하고 일치되는 특징점들 간의 2차원 연결관계를 구성하여 카메라 내외부 파라미터 및 3차원 구조 정보를 추정하는 파라미터 추정부를 포함하는 것이 바람직하고, 상기 (b) 단계는, 지형 이미지에 대하여 RBF(Radial basis function) 인공신경망 모델을 이용하여 메쉬 정보와 3차원 지형 표면 모델을 생성하는 단계를 포함하는 것이 바람직하다.
그리고, 상기 (b) 단계는, 실제 표면 텍스처 사영부가 상기 3차원 지형 표면 모델에 서로 다른 위치에서 취득한 지형 이미지들을 통해 나타나는 실제 지형의 텍스처를 덧씌우는 단계를 포함하는 것이 바람직하고, 상기 (c) 단계는, (c1) 표면 토질 분류부가 획득한 지형 이미지들 내에 있는 토질들을 분류하는 단계; 및 (c2) 토질 영역 구분부가 3차원 지형 모델에서 표면 토질 영역을 구분하는 단계를 포함하는 것이 바람직하다.
또한, 상기 (c1) 단계는, 인공지능 분류기(Artificial Intelligence Classifier)가 토질의 학습 데이터 및 비토질 학습 데이터를 통해 획득한 지형 이미지들 내에 있는 토질들을 분류하는 단계를 포함하는 것이 바람직하고, 상기 (d) 단계는, 상기 사면 안정성 평가부가 지형의 3차원 모델의 지형 위치별 토질 정보에 기반하여 지형의 위험한 부분을 수치화하고, 수치화된 정보를 위험지역 및 안전지역으로 구분하여 상기 3차원 모델을 시각화하는 단계를 포함하는 것이 바람직하다.
그리고, 본 발명의 제3 특징은, 하드웨어와 결합되어, 상술한 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가방법을 실행시키기 위하여 컴퓨터가 판독 가능한 매체에 저장된 컴퓨터프로그램을 그 특징으로 한다.
본 발명에 따른 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법은 다음과 같은 효과를 가진다.
첫째, 본 발명은 3차원 모델링 및 토질 분류를 이용하여 건설 현장, 자연재해 지역, 하천 연안 등 비탈면의 변화가 빈번히 일어나는 곳의 안정성 분석 및 평가를 빠르고 정확하게 수행할 수 있는 시스템 및 방법을 제공한다.
둘째, 본 발명은 빠르고 효율적인 비탈면 안정성 분석 방법을 제공하여, 인부의 안전을 확보하며 작업 생산성의 향상을 도모할 수 있을 뿐만 아니라, 대규모 지형의 분석이 실시간으로 필요한 산업 현장, 재해 현장과 태풍, 홍수 등의 극한 기후 사상 후의 지역을 관찰하여 안정성 평가 정보를 제공할 수 있다.
본 발명의 효과는 이상에서 언급한 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템을 블록 구성을 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 3차원 지형 모델과 토질 분류를 이용한 비탈면 안전성 평가방법의 흐름을 나타낸 도면이다.
도 3은 보다 구체적인 본 발명의 실시예에 따른 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템의 처리 프로세스를 나타낸 도면이다.
도 4는 본 발명의 실시예에서 획득한 전체 지형 이미지 중 각각에 대한 흐림 척도값(Blurredness)를 나타낸 그래프이다.
도 5는 본 발명의 실시예에서 획득한 연속된 이미지들의 흐림 척도값의 이동 평균(moving average) 또는 이동 가중 평균(weighted moving average) 값을 나타낸 그래프이다.
도 6은 본 발명의 실시예에서 획득한 한 이미지에서 인접한 주변 이미지와의 상대적 흐릿함 값(Relative blurredness)을 나타낸 그래프이다.
도 7은 본 발명의 실시예에 따른 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가방법을 이용한 비탈면 안정성을 시각화한 예시도이다.
본 발명의 추가적인 목적들, 특징들 및 장점들은 다음의 상세한 설명 및 첨부도면으로부터 보다 명료하게 이해될 수 있다.
본 발명의 상세한 설명에 앞서, 본 발명은 다양한 변경을 도모할 수 있고, 여러 가지 실시 예를 가질 수 있는바, 아래에서 설명되고 도면에 도시된 예시들은 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도는 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 명세서에 기재된 "...부", "...유닛", "...모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미할 수 있다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
이하에서 본 발명의 바람직한 실시예를 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템(10)을 블록 구성을 나타낸 도면이고, 도 2는 본 발명의 실시예에 따른 3차원 지형 모델과 토질 분류를 이용한 비탈면 안전성 평가방법의 흐름을 나타낸 도면이고, 도 3은 보다 구체적인 본 발명의 실시예에 따른 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템(10)의 처리 프로세스를 나타낸 도면이다.
도 1에 나타낸 바와 같이, 본 발명의 실시예에 따른 차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템(10)은, 평가 지역의 지형을 촬영하여 지형 이미지를 획득하는 지형 이미지 획득부(100); 상기 카메라 내 외부 파라미터를 추정하고 카메라 모델 정보를 획득하여 지형의 3차원 모델을 생성하는 3차원 모델 생성부(200); 3차원 모델로부터 표면 및 토질 영역을 구분하는 표면 지형 분류부(300); 및 분류된 표면 지형 정보로부터 비탈면 또는 사면의 안정성을 분석하고 평가하는 사면 안정성 평가부(400)를 포함하여 구성된다.
그리고, 도 2에 나타낸 바와 같이, 본 발명의 실시예에 따른 3차원 지형 모델과 토질 분류를 이용한 비탈면 안전성 평가방법은, 도 1의 평가 시스템을 이용하여, (a) 이미지 획득부가 평가 지역의 지형을 촬영하여 지형 이미지를 획득하는 단계; (b) 3차원 모델 생성부(200)가 상기 카메라 내 외부 파라미터를 추정하고 카메라 모델 정보를 획득하여 지형의 3차원 모델을 생성하는 단계; (c) 표면 지형 분류부(300)가 3차원 모델로부터 표면 및 토질 영역을 구분하는 단계; 및 (d) 사면 안정성 평가부(400)가 분류된 표면 지형 정보로부터 비탈면 또는 사면의 안정성을 분석하고 평가하는 단계를 포함하여 구성된다.
이처럼, 본 발명의 실시예는 건설 현장, 자연재해 지역, 하천 연안 등 비탈면의 변화가 빈번히 일어나는 곳의 안정성 분석 및 평가를 신속히 수행하고 그 정보를 효율적으로 제공함으로써, 해당 지역 부근의 작업자 또는 통행자들의 안전을 도모할 수 있다.
또한, 특히 건설 현장의 토공 작업시, 시시각각 변하는 비탈면을 무인 항공기, 캠코더와 같은 장비로 촬영한 후, 본 발명의 실시예에 따른 비탈면 안정성 평가 시스템(10) 및 방법을 제공하여, 인부의 안전을 확보하며 작업 생산성의 향상을 도모할 수 있을 뿐만 아니라, 대규모 지형의 분석이 실시간으로 필요한 산업 현장, 재해 현장과 태풍, 홍수 등의 극한 기후 사상 후의 지역을 관찰하여 안정성을 확보할 때 유용하게 사용할 수 있다는 점에서 큰 장점이 있다.
이하에서, 도 3 내지 도 7을 참조하여 본 발명의 실시예에 따른 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템(10) 및 방법을 실행하기 프로세스를 단계적으로 상세히 설명하기로 한다.
지형 이미지 획득((a) 단계)
영상의 촬영
본 발명의 실시예에 적용되는 지형 이미지 획득부(100)를 통한 영상의 촬영은 무인 항공기, 캠코더, 휴대용 카메라, 휴대폰 등 일반적인 광학 카메라로 촬영 대상 지역으로부터 다양한 위치 및 각도에서 다수 이미지 또는 비디오를 촬영한다. 연속되는 이미지 간에 나타나는 실제 현실 세계의 모습이 겹치는 지역이 50% 이상이 되게 촬영한다.
초점 흐림 이미지 필터링
움직이는 카메라로 촬영한 이미지 또는 비디오 중에 초점이 흐린(defocus or blur) 이미지가 존재하게 되므로, 이와 같은 지형 이미지지를 3차원 모델을 구성하기 위해 사용될 경우, 모델의 구조를 정확하게 표현하는데 오류를 발생시키게 된다.
일반적으로 이미지에서 흐림 효과(blur effect)를 측정하는 방법은 다양하지만, 이러한 방법을 활용하여 측정된 이미지 흐림 수치가 실제 이미지에서 관찰하는 대상이 흐려졌는지 아닌지를 판단하는 절대적인 기준으로 활용할 수 없다는 문제가 있다. 예를 들면, 어떤 이미지는 흐림 정도가 0.6인데 이미지에서 관찰하는 대상이 많이 흐릴 수 있고, 같은 흐림 정도 0.6을 가진 다른 이미지에서는 관찰하는 대상의 이미지가 흐리지 않을 수 있는 것이다. 이는 이미지를 촬영한 위치에 따라 사물이 나타난 모습과 배경이 다르기 때문에 나타나는 현상이다.
따라서 본 발명의 실시예에서는 전체 이미지 데이터에서 초점이 흐린 이미지들을 걸러내기 위해 다음과 같은 방법을 한 예로써 사용할 수 있다.
(1) 먼저 각각의 이미지가 흐릿해짐(Blur) 정도를 측정한다. 측정하는 방법의 한 예는 다음과 같다:
A. 원본 이미지에서 각 픽셀에서 수직으로 인접한 픽셀과의 밝기값 차를 구한다. 각 픽셀에서 수평 방향으로 인접한 픽셀에 대해서도 밟기 값 차를 구한다.
B. 원본 이미지를 LoG(Laplacian of Gaussian)과 같은 저역 필터(low pass filter)를 적용하여 일부로 흐리게 만든 이미지를 저장한다. 흐리게 만든 이미지의 각 픽셀에서 수직, 수평 방향으로 인접한 픽셀에 대한 밝기값 차를 각각 구한다.
C. 앞선 두 단계에서 구한 각 이미지들의 각 픽셀에 해당하는 수직 수평 밟기값 변화들의 차이 값을 구한다.
D. 상기 A 단계에서 구한 수직 수평 방향 각 픽셀 밟기값 변화와 C 단계에서 구한 변화값들의 차를 구하고 이를 합하여 한 이미지의 흐릿해짐(blur) 정도를 나타내는 지표로 사용한다.
본 발명의 실시예에서 적용되는 초점 흐림 이미지 필터링 방법은, 먼저 상술한 바와 같은 일반적인 흐림 척도 측정 방법(다양한 방법이 사용될 수 있음)을 사용하여 초점 흐림 이미지 필터부가 전체 이미지 각각에 대한 흐림 정도를 계산해낸다.((a1) 단계) 이 경우 전체 이미지 중 각각에 대한 흐림 정도는 도 4와 같이 나타난다.
그리고 나서, 전체 이미지 중 연속된 이미지들의 흐림 척도 값들을 이동 평균(moving average) 또는 이동 가중 평균(weighted moving average)을 취하여 산출한다.((a2) 단계) 이동 평균을 계산하는 주변 데이터 수는 임의로 선택할 수 있다. (칼만 필터와 같은 다른 이동 평균 계산법으로 대체하여 활용할 수 있다.) 도 5와 같이 나타낼 수 있다.
마지막으로, 각 이미지의 흐릿함 정도 값(Blurredness)에서 해당 위치의 이동 평균 흐릿함 값(Moving Average Blurredness)을 빼주고(도 6 참조), 이 결과값은 한 이미지에서 인접한 주변 이미지와의 상대적 흐릿함 값(Relative blurredness)을 나타내게 되고, 이 결과값에 특정 경계값(threshold)을 설정하여 흐릿하지 않은 이미지만 걸러낼 수 있게 된다.
이와 같은 본 발명의 실시예에서 적용되는 초점 흐림 이미지 필터링 방법을 통해 연속되는 이미지 또는 비디오 프레임에서 흐릿한 이미지들을 효과적으로 걸러낼 수 있다. 그리고, 이와 같은 필터링 과정을 통해 획득한 고품질의 이미지는 정교한 3D 모델을 만드는데 매우 중요한 요소가 될 수 있다.
실제 지형의 3차원 모델 생성((b) 단계)
3차원 모델 생성
지형 이미지 획득부(100)를 통해 획득한 다수의 이미지들로부터 각 이미지에 해당하는 카메라 내외부(intrinsic and extrinsic) 파라미터-카메라 모델을 추정한다면, 이를 바탕으로 삼각 측량(triangulation)을 사용해 실제 위치의 3차원 좌표를 계산할 수 있다. 각 이미지의 카메라 내외부 파라미터는 사용자의 입력 필요 없이 SfM(structure from motion)과 같은 알고리즘을 활용하여 구할 수 있다. 여기서, SfM(Structure from Motion) 알고리즘은 카메라 내외부 파라미터 추정 및 3차원 포인트 구조 모델을 동시에 생성해 내는 일반적인 알고리즘이다.
본 발명의 실시예의 3차원 모델 생성부(200)는, SfM 알고리즘이 적용되는 다음 5가지의 모듈 기술의 합으로 구성된 파라미터 추정부를 포함하여 구성될 수 있다.
(1) 각 이미지에서 특징점(feature point)들을 찾는다. 특징점들은 DoG (difference of Gaussian), Harris corner detector, SIFT (scale invariant feature transform)과 같은 다양한 알고리즘들을 활용하여 만들 수 있다.
(2) 구해진 각 이미지의 특징점들 중에 서로 일치되는 점들을 구한다. 특징점 벡터들 간에 일치되는 정도를 확인하기 위한 척도(matching metric)로써 l 2 또는 l 1 norm을 활용할 수 있다.
(3) 서로 일치되는 특징점들 간의 2차원 연결관계(2D tracks)를 구성한다.
(4) 특징점들의 연결관계로부터 카메라 내외부 파라미터 및 3차원 구조 정보를 추정한다.
(5) 번들 수정(bundle adjustment) 알고리즘을 활용해 구해진 3차원 구조 정보에서 불필요한 오차점들을 제거하여 정교한 3차원 정보를 구성한다.
3차원 지형 표면 모델 생성
본 발명의 실시예에 적용되는 3D 모델 생성부(200)는 메쉬(Mesh)와 3차원 표면 모델을 만들기 위해 일반적으로 이용되고 있는 RBF(Radial basis function) 인공신경망 모델을 사용하거나 푸아송 표면 모델 생성(Poisson surface reconstruction)과 같은 알고리즘들을 활용하여 3차원 지형 표면 모델을 생성하는 3D 표면 모델 생성부를 포함할 수 있다.
실제 표면 텍스처 사영
본 발명의 실시예에 적용되는 3D 모델 생성부(200)는 실제 표면 텍스처 사영부가 서로 다른 위치에서 취득한 이미지들에서 나타나는 실제 지형의 텍스처를 3차원 표면 모델에 입히는 방법을 사용하는 표면 텍스처 사영부를 포함할 수 있다.
표면 및 토질 영역의 구분((c) 단계)
본 발명의 실시예의 표면 지형 분류부(300)는 획득한 이미지 내 표면 토질을 구분하는 표면 토질 분류보와, 토질 영역을 구분하는 토질 영역 구분부를 포함하여 구성된다.
이미지 내 표면 토질 분류
3차원 지형 모델의 표면 토질을 분류(classification)하기 위해서는 지형 이미지 획득부(100)의 카메라를 통해 취득된 2차원 이미지들 내에 있는 토질들을 분류하고, 그 정보를 3차원 모델에 전달하여야 하고, 2차원 이미지 내에서 토질을 분류하기 위해서는 다음과 같은 목표를 달성해야 한다.
- 토질 분류 (토질 종류 예: 사질토, 점성토, 암반)
- 토양이 아닌 다른 사물(예: 차량, 사람, 건물 등)의 배제
- 지형 구조를 모델링 하기 위해 이미지를 취득하는 장소가 야외이므로 고려해야 할 사항은 다음과 같다.
- 사물의 스케일 및 형태 변화: 다양한 위치와 각도로 촬영된 물체는 이미지에서 다양한 크기 및 모습으로 나타나게 된다.
- 일광량 변화: 야외에서 기상 조건에 따라 빛의 세기가 달라져 이미지 내에서 표현되는 사물의 밟기값의 변화가 매우 크다.
위와 같은 조건을 달성하기 위하여, 본 발명의 실시예의 표면 토질 분류부는 인공신경망(artificial neural network), 지지 벡터 머신(Support vector machine), k-평균 클러스터링(k-means clustering) 등과 같은 일반적인 지도 학습(Supervised learning) 인공지능 알고리즘을 활용하여 분류할 수 있다.
즉, 본 발명의 실시예에서는 표면 토질 분류부가 분류하고 싶은 토질의 학습 데이터(각 토질을 나타내는 이미지 데이터들)와 사람, 건물 등과 같은 토질이 아닌 사물(비토질)의 학습데이터를 인공지능 분류기(classifier)에 학습시킨다. 원본 이미지의 각 지역들은 작은 이미지 조각으로 분리되어야 하고, 분리된 이미지 조각들에서 미리 학습된 인공지능 분류기로 어떤 토질을 나타내는지 확인하게 된다.
3차원 지형 모델에 표면 토질 영역 구분
본 발명의 실시예의 토질 영역 구분부는 3차원 지형 모델에서 표면 토질 영역을 표시하기 위해서 다음과 같은 절차가 진행되어야 한다.
1) 2차원 이미지 내에 표시된 토질 영역들 안에 특징점을 찾는다. SIFT (scale invariant feature transform)와 같은 일반적인 알고리즘이 사용될 수 있다.
2) 3차원 지형 모델의 텍스처에서 특징점들을 찾는다. SIFT (scale invariant feature transform)와 같은 일반적인 알고리즘이 사용될 수 있다.
3) 2차원 이미지 내의 특징점과 3차원 지형 모델의 텍스처 특징점들을 비교하여 일치되는 점들을 찾는다.
4) 일치되는 점들이 확인되면 2차원 이미지 내의 토질 정보를 3차원 모델의 해당 특징점에 저장한다.
5) 3차원 모델에서 해당하는 같은 토질 정보를 저장한 특징점들로부터 주변의 동일 토질 정보를 가진 특징점들을 연결하여 그 영역에 포함된 3차원 지형에 토질 정보를 부여한다.
6) 토질정보를 가지지 못한 텍스처 지역들에는 주변에서 토질 정보를 가진 특징점 위치들로부터 해당 토질 정보를 부여한다.
사면 안정성 분석 및 평가((d) 단계)
본 발명의 실시예에 적용되는 사면 안정성 평가부(400)는, 3차원 지형 모델의 표면 각 부분의 지형 종류(예: 토사비탈면, 암반비탈면)에 따라 비탈면 안정성 해석 알고리즘(예: 한계평형해석, 평사투영해석)을 적용할 수 있다. 3차원 모델의 지형 위치별 토질 정보에 기반하여 해당 토질 비탈면 분석에 적절한 일반적인 알고리즘을 활용하여 지형의 위험한 부분을 수치화하고, 수치화된 정보를 위험 지역-안전지역(적색-녹색 색 대응)으로 3차원 모델에 시각화하여 사용자에게 제시할 수 있다. 도 7은 본 발명의 실시예에 따른 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가방법을 이용한 비탈면 안정성을 시각화한 예시도이다.
그리고, 본 발명의 또 다른 실시예로서, 하드웨어와 결합되어 상술한 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가방법을 실행시키기 위하여 컴퓨터가 판독 가능한 매체에 저장된 컴퓨터프로그램일 수 있다.
즉, 본 발명의 실시예에 따른 장치로서, 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽힐 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 기록매체의 예로는 ROM, RAM, 광학 디스크, 자기 테이프, 플로피 디스크, 하드 디스크, 비휘발성 메모리 등을 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
본 명세서에서 설명되는 실시 예와 첨부된 도면은 본 발명에 포함되는 기술적 사상의 일부를 예시적으로 설명하는 것에 불과하다. 따라서, 본 명세서에 개시된 실시예들은 본 발명의 기술적 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이므로, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아님은 자명하다. 본 발명의 명세서 및 도면에 포함된 기술적 사상의 범위 내에서 당업자가 용이하게 유추할 수 있는 변형 예와 구체적인 실시 예는 모두 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 지형 이미지 획득부 200: 3차원 모델 생성부
300: 표면 지형 분류부 400: 사면 안정성 평가부

Claims (18)

  1. 평가 지역의 지형을 촬영하여 지형 이미지를 획득하는 지형 이미지 획득부;
    상기 지형 이미지 획득부 내 외부 파라미터를 추정하고 지형 이미지 획득부 정보를 획득하여 지형의 3차원 모델을 생성하는 3차원 모델 생성부;
    3차원 모델로부터 표면 및 토질 영역을 구분하는 표면 지형 분류부; 및
    분류된 표면 지형 정보로부터 비탈면 또는 사면의 안정성을 분석하고 평가하는 사면 안정성 평가부를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템으로,
    상기 표면 지형 분류부는,
    획득한 지형 이미지들 내에 있는 토질들을 분류하는 표면 토질 분류부; 및
    3차원 지형 모델에서 표면 토질 영역을 구분하는 토질 영역 구분부를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템.
  2. 청구항 1에 있어서,
    상기 지형 이미지 획득부는,
    촬영하여 획득한 이미지에서 초점 흐림 이미지를 걸러내는 필터부를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템.
  3. 청구항 1에 있어서,
    상기 3차원 모델 생성부는,
    획득한 이미지로부터 특징점 획득하고, 획득된 특징점 벡터들 간에 일치 정도를 확인하고 일치되는 특징점들 간의 2차원 연결관계를 구성하여 카메라 내외부 파라미터 및 3차원 구조 정보를 추정하는 파라미터 추정부를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템.
  4. 청구항 1에 있어서,
    상기 3차원 모델 생성부는,
    지형 이미지의 3차원 지형 표면 모델을 생성하는 3D 표면 모델 생성부를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템.
  5. 청구항 4에 있어서,
    상기 3차원 모델 생성부는,
    상기 3차원 지형 표면 모델에 서로 다른 위치에서 취득한 지형 이미지들을 통해 나타나는 실제 지형의 텍스처를 덧씌우는 실제 표면 텍스처 사영부를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템.
  6. 삭제
  7. 청구항 1에 있어서,
    상기 표면 토질 분류부는,
    토질의 학습 데이터 및 비토질 학습 데이터를 통해 획득한 지형 이미지들 내에 있는 토질들을 분류하는 인공지능 분류기(Artificial Intelligence Classifier)를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템.
  8. 청구항 1에 있어서,
    상기 사면 안정성 평가부는,
    지형의 3차원 모델의 지형 위치별 토질 정보에 기반하여 지형의 위험한 부분을 수치화하고, 수치화된 정보를 위험지역 및 안전지역으로 구분하여 상기 3차원 모델을 시각화하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템.
  9. (a) 지형 이미지 획득부가 평가 지역의 지형을 촬영하여 지형 이미지를 획득하는 단계;
    (b) 3차원 모델 생성부가 상기지형 이미지 획득부 내 외부 파라미터를 추정하고 지형 이미지 획득부 정보를 획득하여 지형의 3차원 모델을 생성하는 단계;
    (c) 표면 지형 분류부가 3차원 모델로부터 표면 및 토질 영역을 구분하는 단계; 및
    (d) 사면 안정성 평가부가 분류된 표면 지형 정보로부터 비탈면 또는 사면의 안정성을 분석하고 평가하는 단계를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가방법으로,
    상기 (c) 단계는,
    (c1) 표면 토질 분류부가 획득한 지형 이미지들 내에 있는 토질들을 분류하는 단계; 및
    (c2) 토질 영역 구분부가 3차원 지형 모델에서 표면 토질 영역을 구분하는 단계를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가방법.
  10. 청구항 9에 있어서,
    상기 (a) 단계는,
    상기 지형 이미지 획득부가, 촬영하여 획득한 이미지에서 초점 흐림 이미지 필터를 이용하여 초점 흐림 이미지를 걸러내는 단계를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가방법.
  11. 청구항 9에 있어서,
    상기 (a) 단계는,
    (a1) 흐림 척도 측정방법을 사용하여 획득한 전체 지형 이미지 중 각 부분에 대한 흐림 척도를 산출하는 단계;
    (a2) 산출된 연속된 지형 이미지의 흐림 척도값들의 이동 가중 평균(weighted moving average)값을 산출하는 단계; 및
    (a3) 산출된 값을 통해 인접한 주변 이미지와의 상대적 흐림 척도값을 산출하고, 소정의 경계값(threshold)을 통해 흐린 이미지를 걸러내어 지형 이미지를 획득하는 단계를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가방법.
  12. 청구항 9에 있어서,
    상기 (b) 단계에서, 파라미터의 추정은,
    상기 3차원 모델 생성부가 획득한 이미지로부터 특징점 획득하는 단계; 및
    획득된 특징점 벡터들 간에 일치 정도를 확인하고 일치되는 특징점들 간의 2차원 연결관계를 구성하여 카메라 내외부 파라미터 및 3차원 구조 정보를 추정하는 파라미터 추정부를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가방법.
  13. 청구항 9에 있어서,
    상기 (b) 단계는,
    지형 이미지에 대하여 RBF(Radial basis function) 인공신경망 모델을 이용하여 메쉬 정보와 3차원 지형 표면 모델을 생성하는 단계를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가방법.
  14. 청구항 13에 있어서,
    상기 (b) 단계는,
    실제 표면 텍스처 사영부가 상기 3차원 지형 표면 모델에 서로 다른 위치에서 취득한 지형 이미지들을 통해 나타나는 실제 지형의 텍스처를 덧씌우는 단계를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가방법.
  15. 삭제
  16. 청구항 9에 있어서,
    상기 (c1) 단계는,
    인공지능 분류기(Artificial Intelligence Classifier)가 토질의 학습 데이터 및 비토질 학습 데이터를 통해 획득한 지형 이미지들 내에 있는 토질들을 분류하는 단계를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가방법.
  17. 청구항 9에 있어서,
    상기 (d) 단계는,
    상기 사면 안정성 평가부가 지형의 3차원 모델의 지형 위치별 토질 정보에 기반하여 지형의 위험한 부분을 수치화하고, 수치화된 정보를 위험지역 및 안전지역으로 구분하여 상기 3차원 모델을 시각화하는 단계를 포함하는 것을 특징으로 하는 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가방법.
  18. 하드웨어와 결합되어, 청구항 9의 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가방법을 실행시키기 위하여 컴퓨터가 판독 가능한 매체에 저장된 컴퓨터프로그램.
KR1020160077326A 2016-06-21 2016-06-21 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법 KR101787542B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160077326A KR101787542B1 (ko) 2016-06-21 2016-06-21 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160077326A KR101787542B1 (ko) 2016-06-21 2016-06-21 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR101787542B1 true KR101787542B1 (ko) 2017-10-19

Family

ID=60298232

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160077326A KR101787542B1 (ko) 2016-06-21 2016-06-21 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101787542B1 (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101891087B1 (ko) 2018-04-18 2018-08-23 재단법인 거창화강석연구센터 드론을 이용한 암반사면의 안정성 평가방법
CN109508508A (zh) * 2018-12-08 2019-03-22 河北省地矿局国土资源勘查中心 一种露天矿山治理勘查设计方法
CN111967517A (zh) * 2020-08-17 2020-11-20 中国地质调查局西安地质调查中心(西北地质科技创新中心) 边坡危险性的评价方法、装置、计算机设备及存储介质
CN112541665A (zh) * 2020-12-08 2021-03-23 鞍钢集团矿业有限公司 一种基于多源信息融合的边坡稳定性精细化评价方法
CN112557178A (zh) * 2020-12-31 2021-03-26 中北大学 一种多功能二维相似加筋土结构模型试验装置
KR102237451B1 (ko) * 2020-10-05 2021-04-06 성현석 절리면 안전성 평가 장치
CN113343343A (zh) * 2021-07-16 2021-09-03 龙欢 一种岩质边坡稳定性评价方法
KR102497545B1 (ko) * 2022-10-18 2023-02-10 (주)비알이디 빅데이터를 활용한 해저 지형 및 지질 3차원 모델링 장치, 시스템, 방법 및 프로그램
KR102508936B1 (ko) 2022-08-25 2023-03-10 한국교통대학교산학협력단 Gcp 기반 건설 현장 데이터 오차 최소화 시스템
CN117611759A (zh) * 2023-11-30 2024-02-27 博雅达勘测规划设计集团有限公司 基于三维模型的评分地图生成方法、装置、终端及存储介质

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101891087B1 (ko) 2018-04-18 2018-08-23 재단법인 거창화강석연구센터 드론을 이용한 암반사면의 안정성 평가방법
CN109508508A (zh) * 2018-12-08 2019-03-22 河北省地矿局国土资源勘查中心 一种露天矿山治理勘查设计方法
CN109508508B (zh) * 2018-12-08 2024-03-22 河北省地质矿产勘查开发局国土资源勘查中心(河北省矿山和地质灾害应急救援中心) 一种露天矿山治理勘查设计方法
CN111967517A (zh) * 2020-08-17 2020-11-20 中国地质调查局西安地质调查中心(西北地质科技创新中心) 边坡危险性的评价方法、装置、计算机设备及存储介质
CN111967517B (zh) * 2020-08-17 2024-02-23 中国地质调查局西安地质调查中心(西北地质科技创新中心) 边坡危险性的评价方法、装置、计算机设备及存储介质
US11748876B2 (en) 2020-10-05 2023-09-05 Fmk Inc. Joint surface safety evaluation apparatus
KR20220045539A (ko) * 2020-10-05 2022-04-12 성현석 절리면 안전성 평가 장치
WO2022075516A1 (ko) * 2020-10-05 2022-04-14 성현석 절리면 안전성 평가 장치
KR102429666B1 (ko) * 2020-10-05 2022-08-05 주식회사 에프엠케이 절리면 안전성 평가 장치
KR102237451B1 (ko) * 2020-10-05 2021-04-06 성현석 절리면 안전성 평가 장치
CN112541665A (zh) * 2020-12-08 2021-03-23 鞍钢集团矿业有限公司 一种基于多源信息融合的边坡稳定性精细化评价方法
CN112557178B (zh) * 2020-12-31 2023-11-03 中北大学 一种多功能二维相似加筋土结构模型试验装置
CN112557178A (zh) * 2020-12-31 2021-03-26 中北大学 一种多功能二维相似加筋土结构模型试验装置
CN113343343A (zh) * 2021-07-16 2021-09-03 龙欢 一种岩质边坡稳定性评价方法
CN113343343B (zh) * 2021-07-16 2024-02-02 龙欢 一种岩质边坡稳定性评价方法
KR102508936B1 (ko) 2022-08-25 2023-03-10 한국교통대학교산학협력단 Gcp 기반 건설 현장 데이터 오차 최소화 시스템
KR102497545B1 (ko) * 2022-10-18 2023-02-10 (주)비알이디 빅데이터를 활용한 해저 지형 및 지질 3차원 모델링 장치, 시스템, 방법 및 프로그램
CN117611759A (zh) * 2023-11-30 2024-02-27 博雅达勘测规划设计集团有限公司 基于三维模型的评分地图生成方法、装置、终端及存储介质

Similar Documents

Publication Publication Date Title
KR101787542B1 (ko) 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법
RU2484531C2 (ru) Устройство обработки видеоинформации системы охранной сигнализации
EP2858008B1 (en) Target detecting method and system
TWI420906B (zh) 興趣區域之追蹤系統與方法及電腦程式產品
JP5487298B2 (ja) ３次元画像生成
US10163256B2 (en) Method and system for generating a three-dimensional model
DE102014224372B4 (de) Apparate, systeme und verfahren zur verarbeitung einer höhenkarte
Rashidi et al. Optimized selection of key frames for monocular videogrammetric surveying of civil infrastructure
CN110473221B (zh) 一种目标物体自动扫描系统及方法
CN113065397B (zh) 行人检测方法及装置
CN115222884A (zh) 一种基于人工智能的空间对象分析及建模优化方法
KR20110094957A (ko) 레인지 영상으로부터의 객체 분할 장치 및 방법
Dhiman et al. A multi-frame stereo vision-based road profiling technique for distress analysis
CN116503566B (zh) 一种三维建模方法、装置、电子设备及存储介质
CN110020572B (zh) 基于视频图像的人数统计方法、装置、设备及存储介质
CN115683109A (zh) 基于cuda和三维栅格地图的视觉动态障碍物检测方法
EP3855393B1 (en) A method for detecting moving objects
JP4035018B2 (ja) 形状獲得方法、装置、プログラム、およびこのプログラムを記録した記録媒体
CN107977957B (zh) 基于静态单目相机的土体失稳综合信息测量方法
KR101980899B1 (ko) 직교 소실점을 이용한 단일 영상의 내벽 구조 검출 장치 및 방법
Gupta et al. Challenges in Capturing and Processing UAV based Photographic Data From Construction Sites
Zaslavskiy et al. Method for automated data collection for 3d reconstruction
Motayyeb et al. Effect of Keyframes Extraction from Thermal Infrared Video Stream to Generate Dense Point Cloud of the BUILDING'S Facade
Lunazzi Photogrammetric survey of heritage objects: an experimental protocol for optimizing camera placement for aerial surveys
KR101904170B1 (ko) 구면 모델링을 통한 깊이 정보 보정 및 부호화 방법과 부호화장치

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant