KR101793264B1 - 균열의 발생 및 진행 분석 방법 - Google Patents

균열의 발생 및 진행 분석 방법 Download PDF

Info

Publication number
KR101793264B1
KR101793264B1 KR1020170114939A KR20170114939A KR101793264B1 KR 101793264 B1 KR101793264 B1 KR 101793264B1 KR 1020170114939 A KR1020170114939 A KR 1020170114939A KR 20170114939 A KR20170114939 A KR 20170114939A KR 101793264 B1 KR101793264 B1 KR 101793264B1
Authority
KR
South Korea
Prior art keywords
cracks
crack
roi
image information
interest
Prior art date
Application number
KR1020170114939A
Other languages
English (en)
Inventor
조현석
Original Assignee
조현석
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 조현석 filed Critical 조현석
Priority to KR1020170114939A priority Critical patent/KR101793264B1/ko
Application granted granted Critical
Publication of KR101793264B1 publication Critical patent/KR101793264B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0118—Apparatus with remote processing
    • G01N2021/0143—Apparatus with remote processing with internal and external computer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8858—Flaw counting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/0058—Kind of property studied
    • G01N2203/006—Crack, flaws, fracture or rupture
    • G01N2203/0062—Crack or flaws

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)

Abstract

균열의 발생 및 진행 분석 방법을 개시한다. 균열의 발생 및 진행 분석 방법은 균열의 발생 및 진행을 분석할 분석 대상을 촬영하여 획득한 제1영상정보 및 제1영상정보를 획득한 시점으로부터 일정 시간이 경과된 후에 제1영상정보를 획득한 위치와 동일한 위치에서 분석 대상을 촬영하여 획득한 제2영상정보를 제1이미지 파일 및 제2 이미지 파일로 추출하는 단계, 추출된 제1이미지 파일 및 제2 이미지 파일에서 각각의 제1관심 영역 및 제2관심 영역을 추출하는 단계, 추출된 각각의 관심 영역에서 균열에 대한 좌표화된 복수의 특징점을 형성하는 단계, 복수의 특징점에서 상호 이웃하는 특징점을 군집화하여 균열의 패턴을 추출하는 단계 및 제1관심 영역 및 제2관심 영역의 특징점 및 균열의 패턴을 비교하여 균열의 발생 및 진행을 분석하는 단계를 포함한다.

Description

균열의 발생 및 진행 분석 방법 {ANALYSIS METHOD FOR OCCURRENCE AND GROWTH PROGRESSION OF CRACK}
이하의 설명은 균열의 발생 및 진행 분석 방법에 관한 것이다.
일반적으로, 빌딩, 아파트, 교량, 댐 등의 건축물은 자연적, 환경적 용인 등으로 인하여, 시간이 경과하면 열화 및 손상이 생겨 건축물에 균열이 발생할 수 있었다. 또한, 건축물의 주변에서 타 건축물을 시공하게 되면, 시공현장에서 실시되는 발파, 지반굴착, 지중천공, 파일(Pile) 항타 작업, 지반다짐 등의 과정이 포함되어, 이 과정에서 발생되는 진동이 기존의 건축물에 전달되어 건축물에 균열, 침하, 창호의 개폐불가, 누수 등 다양한 형태의 피해가 증가될 수 있다.
균열 및 파손에 대한 기존의 대표적인 외관조사 방법은 인력에 의한 육안 조사 방법이다. 육안검사는 그 결과를 정량적으로 표현할 수 없어서 다른 검사 결과와 비교할 수 없으므로 개인적인 지식과 경험에 의존하기 때문에 객관성이 결여된다. 특히, 균열 및 파손의 경우 일반적으로 정량적 판단이 가능한 측정기기를 사용하지 않고 육안으로 확인하는 경우가 대부분이므로 객관적인 데이터의 확보가 불가능하며, 대단면의 터널이나 교량, 대형 시설물의 경우 전단면에 대한 검사를 실시하는 것은 거의 불가능하다.
이에, 기존의 건축물의 균열 진행을 측정하는 장치로 슬라이드 부재를 본체와 결합하여 센서 또는 눈금을 이용하여 균열의 진행을 측정하는 장치가 사용되었다. 이러한, 상기의 장치는 본체와 슬라이드 부재를 균열의 양측에 배치하고 본체와 슬라이드 부재의 이동거리를 측정하여 균열의 진행을 확인하였다. 그러나, 상기의 장치는 균열이 발생된 부분의 양측으로 부착되기 때문에, 균열이 이미 진행된 부분에 대한 진행상황의 확인만이 가능하고 새로운 균열의 발생할 경우, 다시 부착해야하는 불편함이 있었다. 게다가, 상기의 장치는 균열의 각각에 배치되기 때문에 복수의 균열을 측정하기 위해서는 각각의 균열에 배치되는 장치가 필요하여 균열이 많을수록 이를 측정하는 장치가 늘어나 장치를 구매하기 위한 소모비용이 증가되었다. 또한, 대형 건축물의 경우에는 건물외면에 상기의 장치가 부착되기 어려워 전단면에 대한 검사를 실시하기 어려운 문제가 있었다.
실시 예의 목적은, 균열의 발생 및 진행 분석 방법을 제공하는 것이다.
실시예에 따른 균열의 발생 및 진행 분석 방법에 대해 설명한다.
균열의 발생 및 진행 분석 방법은 균열의 발생 및 진행을 분석할 분석 대상을 촬영하여 획득한 제1영상정보 및 상기 제1영상정보를 획득한 시점으로부터 일정 시간이 경과된 후에 상기 제1영상정보를 획득한 위치와 동일한 위치에서 상기 분석 대상을 촬영하여 획득한 제2영상정보를 제1이미지 파일 및 제2 이미지 파일로 추출하는 단계, 상기 추출된 제1이미지 파일 및 제2이미지 파일에서 각각 제1관심 영역 및 제2관심 영역을 추출하는 단계, 상기 추출된 제1관심 영역 및 제2관심 영역에서 균열에 대한 좌표화된 복수의 특징점을 형성하는 단계, 상기 복수의 특징점에서 상호 이웃하는 특징점을 군집화하여 균열의 패턴을 추출하는 단계 및 상기 제1관심 영역 및 상기 제2관심 영역의 특징점 및 균열의 패턴을 비교하여 균열의 발생 및 진행을 분석하는 단계를 포함할 수 있다.
일측에 따르면, 균열의 발생 및 진행을 분석하는 단계는, 상기 제1관심 영역의 특징점의 좌표위치와 상기 제2관심 영역의 특징점의 좌표위치를 비교하여 각 관심 영역의 특징점의 매칭을 측정하는 단계, 상기 제1 관심 영역 및 제2 관심 영역의 균열의 패턴을 비교하여 균열의 패턴의 유사도를 측정하는 단계 및 상기 제1 관심 영역 및 제2 관심 영역의 특징점의 유사도 및 상기 균열의 패턴의 유사도를 분석하여 균열의 발생 및 진행을 판단하는 단계를 포함할 수 있다.
일측에 따르면, 상기 균열의 특징점을 형성하는 단계는, 상기 추출된 제1관심 영역 및 제2관심 영역을 평활화하는 단계, 상기 평활화한 제1관심 영역 및 제2관심 영역을 이진화 하는 단계 및 상기 이진화된 제1관심 영역 및 제2관심 영역에서 균열에 대한 픽셀에 좌표화된 특징점을 형성하는 단계를 포함할 수 있다.
일측에 따르면, 상기 제1관심 영역 및 제2관심 영역을 평활화하는 단계는, 상기 추출된 제1관심 영역 및 제2관심 영역을 히스토그램 평활화 하는 단계 및 상기 히스토그램 평활화한 제1관심 영역 및 제2관심 영역을 메디언 필터를 사용하여 평활화 하는 단계를 포함할 수 있다.
일측에 따르면, 상기 제1관심 영역 및 제2관심 영역을 추출하는 단계는 소벨(Sobel), 프르윗(Prewitt), 로버트(Robert) 및 라플라시안(Laplacian) 경계 검출 마스크, 캐니(Canny) 경계 검출 방법 중 적어도 하나를 이용하여 분석 대상의 경계라인을 검출하는 단계 및 상기 검출된 경계라인을 통해 외곽 영역이 제거된 분석 대상의 관심 영역을 추출하는 단계를 포함할 수 있다.
일측에 따르면, 상기 제1이미지 파일 및 제2 이미지 파일로 추출하는 단계는 상기 제1영상정보 및 제2영상정보를 그레이 스케일의 상기 제1이미지 파일 및 제2 이미지 파일로 추출하는 단계를 포함할 수 있다.
일측에 따르면, 상기 제1영상정보 및 상기 제2영상정보는, 수평 가상선이 상기 분석 대상의 양 측면과 만나는 가상 직선의 중앙점을 지나는 수직 가상선 상에서 촬영하여 획득할 수 있다.
일측에 따르면, 상기 제1영상정보 및 상기 제2영상정보는, 상기 수직 가상선 상의 분석 대상의 실제 높이정보를 포함할 수 있다.
일측에 따르면, 상기 균열의 발생 및 진행을 분석하는 단계 이후에, 상기 추출된 균열의 패턴에서 균열의 길이 및 폭을 판단하는 단계를 포함할 수 있다.
일측에 따르면, 상기 균열의 길이 및 폭을 판단하는 단계는, 상기 제1이미지 파일 또는 제2이미지 파일 상의 수직 가상선 상의 분석 대상의 길이와 상기 실제 높이정보를 비교하여 축척을 판단하는 단계 및 상기 제1이미지 파일 또는 제2이미지 파일 상의 균열의 폭 및 길이에 축척을 적용하여 실제 균열의 길이 및 폭을 판단하는 단계를 포함할 수 있다.
실시 예에 따른, 균열의 발생 및 진행 분석 시스템에 의하면, 건축물의 영상비교를 통해 건축물의 균열의 발생 및 진행을 정밀하게 분석이 가능할 수 있다.
또한, 균열의 발생 및 진행 분석 시스템에 의하면, 균열의 각각을 측정하지 않고, 전후 영상비교를 통해 복수의 균열을 한번에 측정 가능하여 소요시간을 감소시킬 수 있으며, 비용의 절감이 가능할 수 있다.
또한, 위치정보 획득유닛이 건축물의 영상획득 시의 위치정보를 획득하여, 촬영된 영상정보와 일정기간이 지난 후 촬영된 영상정보의 획득지점의 오차를 감소시켜 영상정보의 오차를 감소시킬 수 있다.
균열 분석유닛이 건축물에 발생한 균열의 폭 및 길이를 분석이 가능할 수 있다.
도 1은 실시예에 따른 균열의 발생 및 진행 분석 시스템의 구성을 보여주는 블록도이다.
도 2는 실시예에 따른 영상정보 획득유닛의 영상정보 획득 방법을 예시적으로 보여주는 도면이다.
도 3은 실시예에 따른 균열의 발생 및 진행 분석 방법을 보여주는 순서도이다.
도 4는 실시예에 따른 특징점을 형성하는 단계를 보여주는 순서도이다.
도 5는 실시예에 따른 영상정보 획득유닛에서 획득된 영상정보를 예시적으로 보여주는 도면이다.
도 6은 균열의 발생 및 진행을 분석하는 단계를 보여주는 순서도이다.
이하, 실시 예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 실시 예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 실시 예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 실시 예의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
실시 예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시 예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 통상의 기술자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시 예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
도 1은 실시예에 따른 균열의 발생 및 진행 분석 시스템(10)의 구성을 보여주는 블록도이다.
도 1을 참조하면, 균열의 발생 및 진행 분석 시스템(10)은 빌딩, 아파트, 교량, 댐 등을 포함하는 건축물 등의 분석 대상(A)을 일정 기간을 두고 촬영하여 복수의 영상정보를 획득하고, 복수의 영상정보를 이미지 파일로 변환하여, 변환된 이미지를 비교 분석하여 균열을 발생 및 진행을 분석할 수 있다. 균열의 발생 및 진행 분석 시스템(10)은 복수의 영상정보를 획득할 때, 동일한 위치에서 획득하여 복수의 영상정보의 분석 대상(A)의 원근감, 각도 및 크기의 오차를 감소시켜 정밀한 균열의 발생 및 진행의 분석이 가능할 수 있다.
여기서, 영상정보는 동영상 또는 사진일 수 있다. 또한, 영상정보는 영상정보 획득유닛(100)으로부터 분석 대상(A)을 촬영하여 획득된 제1영상정보 및 제1영상정보를 획득한 시점으로부터 일정 시간이 경과된 후에 획득된 제2영상정보를 포함할 수 있다.
이하에서는 균열의 발생 및 진행 분석 시스템(10)에 대해 상세히 설명한다.
균열의 발생 및 진행 분석 시스템(10)은 영상정보 획득유닛(100), 높이 측정유닛(200), 위치정보 획득유닛(300), 데이터 베이스(400) 및 균열 분석유닛(500)을 포함한다.
영상정보 획득유닛(100)은 균열의 발생 및 진행을 분석할 분석 대상(A)을 일정기간을 두고 동일한 위치에서 촬영하여 복수의 영상정보를 획득한다. 예를 들어, 영상정보 획득유닛(100)은 분석 대상(A)을 촬영하여 제1영상정보를 획득하고, 제1영상정보를 획득한 시점으로부터 일정 시간이 경과된 후에 동일한 분석 대상(A)을 제1영상정보를 획득한 위치와 동일한 위치에서 재 촬영하여 제2영상정보를 획득할 수 있다. 영상정보 획득유닛(100)은 촬영부(110) 및 수평 측정부(120)를 포함할 수 있다.
촬영부(110)는 분석 대상(A)을 촬영하여 동영상 및 사진 등의 영상정보를 획득할 수 있다. 촬영부(110)는 DSLR, 캠코더, 카메라, 디지털 카메라 및 촬영이 가능한 스마트폰, PDA, 태블릿 PC등일 수 있다. 촬영부(110)는 건물 전체를 촬영하기 위해 거리가 형성되기 때문에 고해상도의 영상이 필요할 수 있어, 800만 화소 이상일 수 있다.
또한, 촬영부(110)는 분석 대상(A)과 촬영부(110)의 거리가 먼 경우에 망원렌즈를 포함할 수 있다. 이 경우, 영상정보 획득유닛(100)은 렌즈의 배율을 영상정보에 포함시킬 수 있다. 영상정보 획득유닛(100)은 제2영상정보 획득 시, 제1영상정보와 동일한 배율로 촬영하여 동일한 크기의 영상정보를 획득할 수 있다.
촬영부(110)는 수평 가상선이 상기 분석 대상의 양 측면과 만나는 가상 직선의 중앙점을 지나는 수직선 상에서 촬영하여 제1영상정보 및 제2영상정보를 획득할 수 있다. 예를 들어, 촬영부(110)는 제1영상정보 및 제2영상정보의 획득 시, 분석 대상(A)에 수평 가상선을 설정하고, 수평 가상선이 분석 대상(A)의 외곽의 양 측면과 교차하는 지점을 기준으로 수평 가상선의 중앙점을 지나는 수직 가상선 상에서 촬영할 수 있다.
수평 측정부(120)는 촬영부(110)의 촬영 시, 수평을 측정한다. 예를 들어, 수평 측정부(120)는 촬영부(110)의 촬영 시, 촬영부(110)의 수평정보를 획득할 수 있는 수평계일 수 있다. 수평 측정부(120)는 촬영부(110)의 수평을 측정하여 분석 대상(A)의 측면을 기준으로 수평 가상선을 설정할 수 있도록 보조할 수 있다.
높이 측정유닛(200)은 제1영상정보 및 제2영상정보 획득 시, 분석 대상(A)의 높이를 측정한다. 예를 들어, 높이 측정유닛(200)은 제1영상정보 및 제2영상정보 획득 시, 수평 가상선의 중앙점에 수직한 수직 가상선을 형성하여 가상 수직선과 겹쳐지는 분석 대상(A)의 외곽을 기준으로 높이를 측정할 수 있다. 높이 측정유닛(200)은 레이저 거리측정기 등의 거리측정기를 이용한 삼각측량방법으로 분석 대상(A)의 높이를 측정할 수 있다. 높이 측정유닛(200)은 데이터 베이스(400)에 분석 대상(A)의 높이정보를 저장할 수 있다.
도 2는 실시예에 따른 영상정보 획득유닛(100)의 영상정보 획득 방법을 예시적으로 보여주는 도면이다.
도2를 참조하면, 영상정보 획득유닛(100)은 분석 대상(A)에 수평한 수평 가상선(H)을 설정할 수 있다. 영상정보 획득유닛(100)은 설정된 수평 가상선(H)과 분석 대상(A)의 외곽에 교차하는 지점에 임의의 제1가상점(P1) 및 제2가상점(P2)을 형성할 수 있다. 영상정보 획득유닛(100)은 형성된 제1가상점(P1) 및 제2가상점(P2)을 기준으로 수평 가상선(H)의 중앙점(P3)을 설정하고, 중앙점을 기준으로 수평 가상선(H)에 수직하게 촬영하여 제1영상정보 및 제2영상정보를 획득할 수 있다. 다시 말하면, 영상정보 획득유닛(100)은 영상정보를 획득할 때, 수직 가상선(L)상에서 촬영하여, 동일한 분석 대상(A)의 각도를 가지는 사진 또는 동영상으로 제1영상정보 및 제2영상정보를 획득할 수 있다. 따라서, 영상정보 획득유닛(100)은 제1영상정보 및 제2영상정보 비교 분석 시, 오차를 감소시킬 수 있다.
높이 측정유닛(200)은 수평 가상선(H)의 중앙점을 기준으로 수직 가상선(L)을 형성하고, 수직 가상선(L)과 겹쳐지는 분석 대상(A)의 외곽에 제3가상점(P4)과 제4가상점(P5)을 형성한다. 높이 측정유닛(200)은 제3 가상점(P4)과 제4가상점(P5)의 위치에 해당하는 분석 대상(A)의 실제 높이를 측정한다. 높이 측정유닛(200)은 건축물의 높이정보를 데이터 베이스에 저장할 수 있다.
다시 도 1로 돌아와서, 위치정보 획득유닛(300)은 영상정보 획득유닛(100)의 제1영상정보 획득 시의 위치정보를 획득하여 데이터 베이스(400)에 저장할 수 있다. 위치정보 획득유닛(300)이 획득한 제1영상정보 획득 시의 위치정보는 영상정보 획득유닛(100)이 제2영상정보를 획득할 때 제공될 수 있다. 영상정보 획득유닛(100)은 제1영상정보와 제2영상정보를 동일한 위치에서 획득하여, 사진 또는 동영상 상의 분석 대상(A)이 동일한 크기 및 원근감을 가질 수 있다.
위치정보 획득유닛(300)은 GPS(Global Positioning System)(310), 고도측정부(320) 및 위치표시수단(330)을 포함한다.
GPS(310)는 중궤도를 도는 복수 개의 인공위성에서 발신하는 마이크로파를 수신하여 현재 위치를 계산하는 위성항법시스템이다. GPS(310)는 위성신호의 파동을 분석하여 오차범위가 50mm 이하인 것을 사용할 수 있다. GPS(310)는 영상정보 획득유닛(100)이 영상정보를 획득한 위치 수평 및 수직좌표 정보를 획득할 수 있다.
영상정보를 획득한 장소에서 지반의 침식, 침하 또는 융기에 의해 지반의 높이가 달라질 경우가 발생할 수 있다. 따라서, 위치정보 획득유닛(300)은 GPS(310)도 고도의 측정이 가능하지만 제2영상정보 획득 시 오차를 감소시키기 위해 고도측정부(320)를 포함할 수 있다.
고도측정부(320)는 영상정보 획득 시 영상정보 획득유닛(100)의 고도를 측정한다. 예를 들어, 고도측정부(320)는 촬영부(110)의 촬영획득 시의 높이를 측정하여 위치정보에 포함시킬 수 있다. 고도측정부(320)는 기압을 이용하여 고도를 측정하는 고도계 또는 중력에 의한 탄성변형을 이용하여 중력을 측정하는 중력계를 이용하여 촬영부(110)의 높이를 측정할 수 있다. 고도측정부(320)는 영상정보 획득유닛(100)의 높이의 제2영상정보를 제1영상정보 획득시의 높이와 동일한 높이에서 획득할 수 있다.
위치표시수단(330)은 영상정보 획득유닛(100)이 영상정보를 획득한 위치를 표시한다. 예를 들어, 위치표시수단(330)은 부표, 표식 등의 물리적으로 위치를 표시하는 수단일 수 있다. 위치표시수단(330)은 GPS(310)가 위치를 획득할 때 오차가 발생할 수 있기 때문에, 영상정보 획득유닛(100)이 제1영상정보를 획득한 위치를 물리적으로 표시하여 제2영상정보 획득시의 위치오차를 감소시킬 수 있다.
데이터 베이스(400)는 제1영상정보, 제2영상정보 및 위치정보를 저장할 수 있다. 또한, 데이터 베이스(400)에 저장된 위치정보는 제1영상정보 및 제2영상정보 획득 시, GPS가 측정한 영상정보 획득유닛의 경도, 위도, 고도 및 고도측정부에서 측정한 고도를 포함할 수 있다. 또한, 데이터 베이스(400)는 균열 분석유닛(500)을 통해 분석된 균열정보가 저장될 수 있다.
데이터 베이스(400)는 균열 분석유닛(500)에 제1영상정보 및 제2영상정보를 제공할 수 있다. 또한, 데이터 베이스(400)는 제2영상정보의 획득 시, 제1영상정보 획득 시의 위치정보를 사용자 단말 또는 위치정보 획득유닛에 제공할 수 있다. 또한, 데이터 베이스(400)는 저장된 균열정보를 사용자 단말(T)에 제공이 가능할 수 있다.
데이터 베이스(400)는 일종의 기억장치로 RAM, ROM, HDD, SSD, MICRO SSD, USB저장장치, CD, DVD, 플로피 디스크 등일 수 있다. 또한, 데이터 베이스(400)는 무선통신망으로 연결된 서버의 저장장치일 수 있다.
사용자 단말(T)은 PC, PDA, 스마트폰, 휴대폰 및 랩탑 등일 수 있으며, 위치정보 및 균열정보를 디스플레이 될 수 있는 모든 수단이면 가능할 수 있다.
균열 분석유닛(500)은 데이터 베이스(400)에 저장된 영상정보를 이미지 파일로 변환하고, 변환된 이미지에서 균열을 분석할 수 있다. 예를 들어, 균열 분석유닛(500)은, 데이터 베이스(400)에 저장된 제1영상정보 및 제2영상정보를 이미지 파일로 각각 변환하고 각각의 변환된 이미지를 상호 비교하여, 균열의 발생 및 진행을 분석하여 균열정보를 생성할 수 있다.
균열 분석유닛(500)은 관심 영역 추출부(510) 및 균열분석부(520)를 포함할 수 있다. 관심 영역 추출부(510)는 데이터 베이스(400)에 저장된 제1영상정보 및 제2영상정보에서 각각 이미지 파일을 추출하고, 제1영상정보 및 제2영상정보 이미지 파일에서 분석 대상(A)의 영역에 해당하는 관심 영역을 추출한다. 예를 들어, 관심 영역 추출부(510)는 제1영상정보 및 제2영상정보에서 각각의 이미지 파일을 추출하고, 소벨(sobel) 및 라플라시안(laplacian) 경계 검출 마스크, Canny 경계 검출 방법 등을 이용하여 분석 대상(A)의 외곽 경계라인을 검출함으로써 분석 대상(A)의 영역과 배경 영역을 구분하여 경계라인을 검출할 수 있다. 그리고 이렇게 검출된 경계라인을 통해 외곽 영역이 제거된 관심 영역만을 추출할 수 있다. 관심 영역 추출부(510)는 추출된 관심 영역을 각각의 화소가 흑백으로 이진화시킬 수 있다.
균열분석부(520)는 추출된 각각의 관심 영역을 비교하여 균열의 발생 및 진행을 판단한다. 예를 들어, 균열분석부(520)는 추출된 각각의 관심 영역에 복수 개의 임의의 좌표화된 특징점(M)을 부가할 수 있다. 균열분석부(520)는 각각의 특징점(M)의 좌표를 상호 비교하여, 2진화된 화소의 차이를 추출하여, 새로운 균열의 발생 및 기존 균열의 진행을 분석할 수 있다. 균열분석부(520)는 제2영상정보의 관심 영역의 특징점(M)에는 화소가 흑색으로 형성되었으나, 제1영상정보의 관심 영역의 백색인 경우에는 균열이 발생하였거나, 진행되었음을 판단할 수 있다. 또한, 균열분석부(520)는 제2영상정보의 관심 영역의 특징점(M)에 흑색의 화소의 밀집을 분석하여 밀집된 화소가 제1영상정보의 관심 영역에 형성되지 않은 경우 균열의 발생으로 판단하고, 밀집된 화소가 제1영상정보의 관심 영역에 중첩되나 작게 형성되는 경우에는 균열의 진행으로 판단할 수 있다.
또한, 균열분석부(520)는 분석 대상의 높이정보를 이용하여, 관심 영역에서 균열의 실제 폭 및 길이를 분석할 수 있다. 예를 들어, 균열분석부(520)는 관심 영역에 촬영 시와 동일한 방법으로 수직 가상선(L)을 생성하고, 수직 가상선(L)의 제3가상점(P4)과 제4가상점(P5)의 길이와 분석 대상(A)의 실제 높이 비교하여 축척을 형성할 수 있다. 균열분석부(520)는 이 축적을 관심 영역에서 균열로 판단되는 밀집된 화소의 폭 및 길이에 적용하여 실제 균열의 폭 및 길이를 분석할 수 있다.
균열 분석유닛(500)은 균열의 분석의 정확도를 높이기 위해 균열추출부(530)를 더 포함할 수 있다.
균열추출부(530)는 추출된 관심 영역에서 각각 균열의 패턴을 추출한다. 예를 들어, 균열추출부(530)는 관심 영역에서 세밀한 기하학적 특징 패턴을 추출하여 분석 대상(A)의 균열의 패턴을 추출할 수 있다. 균열추출부(530)는 균열 패턴을 추출함으로써 균열분석부(520)에서의 균열 비교가 더 빠르고 정확하게 될 수 있다.
이하에서는 도 3내지 도6을 참조하여 균열의 발생 및 진행 분석 방법에 대해 상세히 설명한다.
도 3은 실시예에 따른 균열의 발생 및 진행 분석 방법을 보여주는 순서도이다.
도 3을 참조하면, 균열의 발생 및 진행 분석 방법은 이미지 파일을 추출하는 단계(S10), 관심 영역을 추출하는 단계(S20), 특징점을 형성하는 단계(S30), 균열의 패턴을 추출하는 단계(S40), 균열의 발생 및 진행을 분석하는 단계(S50) 및 균열의 실제 길이 및 폭을 판단하는 단계(S60)를 포함할 수 있다.
이미지 파일을 추출하는 단계(S10)는 제1영상정보 및 제2영상정보에서 제1이미지 파일 및 제2 이미지 파일로 추출 하는 단계를 포함할 수 있다. 예를 들어, 이미지 파일을 추출하는 단계(S10)는 관심영역 추출부(510)가 데이터 베이스(400)에 저장된 제1영상정보 및 제2영상정보를 제공받아 각각 제1이미지 파일 및 제2이미지 파일로 추출할 수 있다. 관심영역 추출부(510)는 제1영상정보 및 제2영상정보를 그레이 스케일로 변환된 제1이미지 파일 및 제2이미지 파일로 추출할 수 있다.
관심 영역을 추출하는 단계(S20)는 추출된 제1이미지 파일 및 제2이미지 파일에서 각각의 제1관심 영역 및 제2관심 영역을 추출하는 단계를 포함할 수 있다. 예를 들어, 관심 영역을 추출하는 단계(S20)에서는 관심영역 추출부(510)가 소벨(Sobel), 프르윗(Prewitt), 로버트(Robert) 및 라플라시안(Laplacian) 경계 검출 마스크, 캐니(Canny) 경계 검출 방법 중 적어도 하나를 이용하여 분석 대상(A)의 경계라인을 검출할 수 있다. 관심영역 추출부(510)는 검출된 경계 라인을 통해 외곽 영역이 제거된 분석 대상의 관심 영역을 추출할 수 있다.
특징점을 형성하는 단계(S30)는 추출된 각각의 관심 영역에서 균열에 대한 좌표화된 복수의 특징점을 형성하는 단계를 포함할 수 있다. 예를 들어, 특징점을 형성하는 단계(S30)는 균열 분석부(520)가 추출된 각각의 관심 영역을 평활화하고 이진화한 후 복수 개의 임의의 좌표화된 특징점(M)을 부가할 수 있다.
도 4는 실시예에 따른 특징점을 형성하는 단계를 보여주는 순서도이다.
도 4를 참조하면, 특징점을 형성하는 단계(S30)는 추출된 관심 영역을 평활화하는 단계(S31) 평활화한 제1 관심 영역 및 제2 관심 영역을 이진화 하는 단계(S32) 및 이진화된 관심 영역에서 균열에 대한 픽셀에 좌표화된 특징점을 형성하는 단계(S33)를 포함할 수 있다.
관심 영역을 평활화하는 단계(S31)는 잡음의 영향을 최소화 시키기 위해서 명암구분을 높이고 잡음을 제거하는 과정일 수 있다. 여기서 잡음은 주위에 있는 픽셀의 명도 값과 비교햇을 때, 특별히 작거나, 특별히 큰 값을 의미한다.
관심 영역을 평활화하는 단계(S31)는 추출된 제1이미지 파일의 관심 영역과 제2이미지 파일의 관심 영역을 히스토그램 평활화 하는 단계 및 히스토그램 평활화한 상기 제1이미지 파일의 관심 영역과 상기 제2이미지 파일의 관심 영역을 메디언 필터를 사용하여 평활화하는 단계를 포함할 수 있다. 여기서 히스토그램 평활화는 각 명도별로 히스토그램을 구해서 히스토그램이 큰 값에 가중을 두는 방법이다. 또한, 메디언 필터를 사용하여 평활하 하는 방법은 어떤 명암의 주변 영역 안에 대한 명암 값의 중앙값을 구하고, 그것을 중앙에 위치하는 명암 값으로 정하는 처리방법이다. 관심 영역을 평활화하는 단계(S31)는 2차례의 걸친 평활화로 육안으로 확인 되지않는 미세한 잡음도 제거할 수 있다.
제1 관심 영역 및 제2 관심 영역을 이진화 하는 단계(S32)는 화소의 255값을 가지는 그레이 스케일의 관심영역을을 흑과 백, 즉, 0과 225의 두가지 화소의 값을 가지는 이진화된 관심 영역으로 이진화한다.
도 5는 실시예에 따른 영상정보 획득유닛에서 획득된 영상정보를 예시적으로 보여주는 도면이다. 도5의 상측에 위치한 이미지는 제1관심영역이고 하측에 위치한 이미지는 제2관심영역이다.
도 5를 참조하면, 이진화된 관심 영역에서 균열에 대한 픽셀에 좌표화된 특징점을 형성하는 단계(S33)는 균열분석부(520)가 2진화된 화소의 차이를 추출하여, 이진화 된 각각의 관심 영역에 복수 개의 임의의 좌표화된 특징점(M)을 부가할 수 있다. 특징점(M)은 균열의 모서리 등의 균열의 흐름이 끊기는 지점 및 균열이 나뉘는 분기점 등의 균열의 흐름에 변화가 발생하는 점에 부가될 수 있다.
균열의 패턴을 추출하는 단계(S40)는 이진화된 관심영역의 복수의 특징점(M)에서 이웃하는 특징점(M)을 군집화하여 균열의 패턴을 추출하는 단계를 포함할 수 있다. 예를 들어, 균열의 패턴을 추출하는 단계(S40)에서 균열 추출부는 이진화된 관심영역의 복수의 특정점을 이루는 화소와 이웃하는 특징점의 화소를 블롭화하여 균열이 패턴을 추출할 수 있다.
도 6은 균열의 발생 및 진행을 분석하는 단계를 보여주는 순서도이다.
도 6을 참조하면, 균열의 발생 및 진행을 분석하는 단계(S50)는 제1관심 영역 및 상기 제2관심 영역의 특징점 및 균열의 패턴을 비교하여 균열의 발생 및 진행을 분석할 수 있다. 균열의 발생 및 진행을 분석하는 단계(S50)는 특징점의 매칭을 측정하는 단계(S51), 균열의 패턴의 유사도를 측정하는 단계(S52) 및 균열의 발생 및 진행을 판단하는 단계(S53)를 포함할 수 있다.
특징점의 매칭을 측정하는 단계(S51)는 제1관심 영역의 특징점(M)의 화소값과 같은 좌표위치에 해당하는 제2관심 영역의 특징점(M)의 화소 값을 비교하여 각 관심 영역의 특징점의 매칭을 측정하는 단계를 포함할 수 있다. 예를 들어, 특징점의 매칭을 측정하는 단계(S51)에서는 균열 분석부가 도5에 도시된 바와 같은 제1관심영역의 특징점의 좌표위치에 해당하는 제2관심영역의 특징점의 화소값이 매칭되는 지를 측정할 수 있다.
균열의 패턴의 유사도를 측정하는 단계(S52)는 제1관심 영역 및 제2관심영역의 균열의 패턴을 비교하여 균열의 유사도를 측정할 수 있다. 예를 들어, 균열의 패턴의 유사도를 측정하는 단계(S52)는 제1관심영역의 특징점과 제2관심영역의 특징점(M)의 좌표위치가 매칭되는 경우, 특징점(M)을 포함하는 균열의 패턴을 제1관심영역과 제2관심영역에서 비교하여 균열의 패턴이 일치하는 지를 판단할 수 있다.
균열의 발생 및 진행을 판단하는 단계(S53)는 제1 관심 영역 및 제2 관심 영역의 특징점(M)의 매칭 및 균열의 패턴의 유사도를 분석하여 균열의 발생 및 진행을 판단할 수 있다. 균열의 발생 및 진행을 판단하는 단계(S53)에서는 균열 분석부(520)가 제2관심영역의 특징점이 제1관심영역의 동일한 좌표와 화소값이 일치 하지 않는 경우, 균열의 패턴은 균열의 발생 또는 진행으로 판단할 수 있다. 이 경우, 균열 분석부(520)가 제1관심영역에 제2관심영역과 유사한 블롭화된 균열의 패턴이 있는 경우 균열의 진행으로 판단할 수 있다. 또한, 균열 분석부(520)는 제1관심영역에 블롭화된 균열의 패턴이 없는 경우, 균열의 발생으로 판단할 수 있다.
균열 분석부(520)는 제1관심영역의 특징점과 매칭되는 특징점을 포함하는 제2관심영역의 패턴은 균열의 패턴의 유사도 비교를 통해 패턴의 크기를 비교하여 균열이 진행여부를 분석할 수 있다. 예를 들어, 제2관심영역과 매칭되는 제1관심영역의 특징점이 존재하는 경우, 균열 분석부(520)는 블롭화된 균열의 패턴이 일치하는 경우에 균열이 진행되지 않았음을 판단할 수 있다.
다시 도 3로 돌아와서, 균열의 길이 및 폭을 판단하는 단계(S60)는 균열의 발생 및 진행을 분석하는 단계(S50)에서 분석된 균열의 길이 및 폭을 판단할 수 있다. 균열의 길이 및 폭을 판단하는 단계(S60)는 제1이미지 파일 또는 제2이미지 파일 상의 수직 가상선 상의 분석 대상의 길이와 상기 실제 높이정보를 비교하여 축척을 판단하는 단계 및 상기 제1이미지 파일 또는 제2이미지 파일 상의 균열의 폭 및 길이에 축척을 적용하여 실제 균열의 길이 및 폭을 판단하는 단계를 포함할 수 있다.
축척을 판단하는 단계에서 균열분석부(520)는 관심 영역에 촬영 시와 동일한 방법으로 수직 가상선(L)을 생성하고, 수직 가상선(L)의 제3가상점(P4)과 제4가상점(P5)의 길이와 분석 대상(A)의 실제 높이 비교하여 축척을 형성할 수 있다. 균열분석부(520)는 이 축적을 관심 영역에서 균열로 판단되는 밀집된 화소의 폭 및 길이에 적용하여 실제 균열의 폭 및 길이를 분석할 수 있다
실제 균열의 길이 및 폭을 판단하는 단계에서는 균열의 패턴의 관심 영역상의 크기에 축척을 적용하여 실제 균열의 길이 및 폭을 판단할 수 있다.
실시 예에 따른, 균열의 발생 및 진행 분석 시스템에 의하면, 건축물의 영상비교를 통해 건축물의 균열의 발생 및 진행을 정밀하게 분석이 가능할 수 있다.
또한, 균열의 발생 및 진행 분석 시스템에 의하면, 균열의 각각을 측정하지 않고, 전후 영상비교를 통해 복수의 균열을 한번에 측정 가능하여 소요시간을 감소시킬 수 있으며, 비용의 절감이 가능할 수 있다.
또한, 위치정보 획득유닛이 건축물의 영상획득 시의 위치정보를 획득하여, 촬영된 영상정보와 일정기간이 지난 후 촬영된 영상정보의 획득지점의 오차를 감소시켜 영상정보의 오차를 감소시킬 수 있다.
균열 분석유닛이 건축물에 발생한 균열의 폭 및 길이를 분석이 가능할 수 있다.
이상과 같이 비록 한정된 도면에 의해 실시 예들이 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 구조, 장치 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
10: 균열의 발생 및 진행 분석시스템 100: 영상정보 획득유닛
110: 촬영부 120: 수평측정부
200: 높이 측정유닛 300: 위치정보 획득유닛
310: GPS 320: 고도 측정부
330: 위치 표시 수단 400: 데이터 베이스
500: 균열 분석유닛 510: 건축물 추출부
520: 균열 분석부 530: 균열 추출부

Claims (10)

  1. 균열의 발생 및 진행을 분석할 분석 대상을 촬영하여 획득한 제1영상정보 및 상기 제1영상정보를 획득한 시점으로부터 일정 시간이 경과된 후에 상기 제1영상정보를 획득한 위치와 동일한 위치에서 상기 분석 대상을 촬영하여 획득한 제2영상정보를 제1이미지 파일 및 제2 이미지 파일로 추출하는 단계;
    상기 추출된 제1이미지 파일 및 제2이미지 파일에서 각각 제1관심 영역 및 제2관심 영역을 추출하는 단계;
    상기 추출된 제1관심 영역 및 제2관심 영역에서 균열에 대한 좌표화된 복수의 특징점을 형성하는 단계;
    상기 복수의 특징점에서 상호 이웃하는 특징점을 군집화하여 균열의 패턴을 추출하는 단계; 및
    상기 제1관심 영역 및 상기 제2관심 영역의 특징점 및 균열의 패턴을 비교하여 균열의 발생 및 진행을 분석하는 단계;
    를 포함하고,
    상기 제1영상정보 및 상기 제2영상정보는,
    수평 가상선이 상기 분석 대상의 양 측면과 만나는 가상 직선의 중앙점을 지나는 수직 가상선 상에서 촬영하여 획득하는 균열의 발생 및 진행 분석 방법.
  2. 제1항에 있어서,
    균열의 발생 및 진행을 분석하는 단계는,
    상기 제1관심 영역의 특징점의 좌표위치와 상기 제2관심 영역의 특징점의 좌표위치를 비교하여 각 관심 영역의 특징점의 매칭을 측정하는 단계;
    상기 제1관심 영역 및 제2관심 영역의 균열의 패턴을 비교하여 균열의 패턴의 유사도를 측정하는 단계; 및
    상기 제1관심 영역 및 제2관심 영역의 특징점의 유사도 및 상기 균열의 패턴의 유사도를 분석하여 균열의 발생 및 진행을 판단하는 단계;
    를 포함하는 균열의 발생 및 진행 분석 방법.
  3. 제1항에 있어서,
    상기 균열의 특징점을 형성하는 단계는,
    상기 추출된 제1관심 영역 및 제2관심 영역을 평활화하는 단계;
    상기 평활화한 제1관심 영역 및 제2관심 영역을 이진화 하는 단계; 및
    상기 이진화된 제1관심 영역 및 제2관심 영역에서 균열에 대한 픽셀에 좌표화된 특징점을 형성하는 단계;
    를 포함하는 균열의 발생 및 진행 분석 방법.
  4. 제3항에 있어서,
    상기 제1관심 영역 및 제2관심 영역을 평활화하는 단계는,
    상기 추출된 제1관심 영역 및 제2관심 영역을 히스토그램 평활화 하는 단계; 및
    상기 히스토그램 평활화한 제1관심 영역 및 제2관심 영역을 메디언 필터를 사용하여 평활화 하는 단계;
    를 포함하는 균열의 발생 및 진행 분석 방법.
  5. 제1항에 있어서,
    상기 제1관심 영역 및 제2관심 영역을 추출하는 단계는
    소벨(Sobel), 프르윗(Prewitt), 로버트(Robert) 및 라플라시안(Laplacian) 경계 검출 마스크, 캐니(Canny) 경계 검출 방법 중 적어도 하나를 이용하여 분석 대상의 경계라인을 검출하는 단계; 및
    상기 검출된 경계라인을 통해 외곽 영역이 제거된 분석 대상의 관심 영역을 추출하는 단계를 포함하는 균열의 발생 및 진행 분석 방법.
  6. 제1항에 있어서,
    상기 제1이미지 파일 및 제2 이미지 파일로 추출하는 단계는
    상기 제1영상정보 및 제2영상정보를 그레이 스케일의 상기 제1이미지 파일 및 제2 이미지 파일로 추출하는 단계;
    를 포함하는 균열의 발생 및 진행 분석 방법.
  7. 삭제
  8. 제1항에 있어서,
    상기 제1영상정보 및 상기 제2영상정보는,
    상기 수직 가상선 상의 분석 대상의 실제 높이정보를 포함하는 균열의 발생 및 진행 분석 방법.
  9. 제8항에 있어서,
    상기 균열의 발생 및 진행을 분석하는 단계 이후에,
    상기 추출된 균열의 패턴에서 균열의 길이 및 폭을 판단하는 단계;
    를 포함하는 균열의 발생 및 진행분석 방법.
  10. 제9항에 있어서,
    상기 균열의 길이 및 폭을 판단하는 단계는,
    상기 제1이미지 파일 또는 제2이미지 파일 상의 수직 가상선 상의 분석 대상의 길이와 상기 실제 높이정보를 비교하여 축척을 판단하는 단계; 및
    상기 제1이미지 파일 또는 제2이미지 파일 상의 균열의 폭 및 길이에 축척을 적용하여 실제 균열의 길이 및 폭을 판단하는 단계;
    를 포함하는 균열의 발생 및 진행 분석 방법.



KR1020170114939A 2017-09-08 2017-09-08 균열의 발생 및 진행 분석 방법 KR101793264B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170114939A KR101793264B1 (ko) 2017-09-08 2017-09-08 균열의 발생 및 진행 분석 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170114939A KR101793264B1 (ko) 2017-09-08 2017-09-08 균열의 발생 및 진행 분석 방법

Publications (1)

Publication Number Publication Date
KR101793264B1 true KR101793264B1 (ko) 2017-11-02

Family

ID=60383484

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170114939A KR101793264B1 (ko) 2017-09-08 2017-09-08 균열의 발생 및 진행 분석 방법

Country Status (1)

Country Link
KR (1) KR101793264B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101932214B1 (ko) 2017-11-30 2018-12-24 한국과학기술원 이미지 처리 기법을 이용하여 균열을 측정하기 위한 장치 및 그 방법
KR102189776B1 (ko) * 2020-06-02 2020-12-11 주식회사 디와이스코프코리아 벽면의 균열을 측정하는 시스템
KR102547864B1 (ko) * 2022-12-07 2023-06-28 경북대학교 산학협력단 콘크리트 결함 평가 방법 및 이를 수행하는 컴퓨팅 장치
CN117975281A (zh) * 2024-03-29 2024-05-03 广东先知大数据股份有限公司 一种伤损源头检测方法、电子设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007026255A (ja) 2005-07-20 2007-02-01 East Japan Railway Co 画像中の変状点の進展状況を抽出する方法
KR101045393B1 (ko) 2009-05-28 2011-07-01 (주) 애인테크놀로지 철강공정 내부 크랙 및 중심편석 판정 방법
JP2014157038A (ja) 2013-02-14 2014-08-28 Toyota Motor Corp 被測定物の疲労き裂の自動計測装置およびプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007026255A (ja) 2005-07-20 2007-02-01 East Japan Railway Co 画像中の変状点の進展状況を抽出する方法
KR101045393B1 (ko) 2009-05-28 2011-07-01 (주) 애인테크놀로지 철강공정 내부 크랙 및 중심편석 판정 방법
JP2014157038A (ja) 2013-02-14 2014-08-28 Toyota Motor Corp 被測定物の疲労き裂の自動計測装置およびプログラム

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101932214B1 (ko) 2017-11-30 2018-12-24 한국과학기술원 이미지 처리 기법을 이용하여 균열을 측정하기 위한 장치 및 그 방법
KR102189776B1 (ko) * 2020-06-02 2020-12-11 주식회사 디와이스코프코리아 벽면의 균열을 측정하는 시스템
KR102547864B1 (ko) * 2022-12-07 2023-06-28 경북대학교 산학협력단 콘크리트 결함 평가 방법 및 이를 수행하는 컴퓨팅 장치
CN117975281A (zh) * 2024-03-29 2024-05-03 广东先知大数据股份有限公司 一种伤损源头检测方法、电子设备和存储介质
CN117975281B (zh) * 2024-03-29 2024-05-28 广东先知大数据股份有限公司 一种伤损源头检测方法、电子设备和存储介质

Similar Documents

Publication Publication Date Title
James et al. 3‐D uncertainty‐based topographic change detection with structure‐from‐motion photogrammetry: precision maps for ground control and directly georeferenced surveys
Lin et al. Automatic water-level detection using single-camera images with varied poses
KR101793262B1 (ko) 균열의 발생 및 진행 분석 시스템
Wang et al. Automated estimation of reinforced precast concrete rebar positions using colored laser scan data
Riquelme et al. Identification of rock slope discontinuity sets from laser scanner and photogrammetric point clouds: A comparative analysis
KR101793264B1 (ko) 균열의 발생 및 진행 분석 방법
Dehecq et al. Automated processing of declassified KH-9 Hexagon satellite images for global elevation change analysis since the 1970s
Li et al. Long-distance precision inspection method for bridge cracks with image processing
JP6543520B2 (ja) 測量データ処理装置、測量データ処理方法および測量データ処理用プログラム
JP6510247B2 (ja) 測量データ処理装置、測量データ処理方法およびプログラム
Gance et al. Target Detection and Tracking of moving objects for characterizing landslide displacements from time-lapse terrestrial optical images
US20160133008A1 (en) Crack data collection method and crack data collection program
EP3690800A2 (en) Information processing apparatus, information processing method, and program
CN111412842A (zh) 墙面的截面尺寸的测量方法及装置、系统
JP7480833B2 (ja) 計測装置、計測システムおよび車両
Ge et al. A low-cost approach for the estimation of rock joint roughness using photogrammetry
Ioli et al. UAV photogrammetry for metric evaluation of concrete bridge cracks
Wang et al. Monitoring the earthquake response of full‐scale structures using UAV vision‐based techniques
Motayyeb et al. Fusion of UAV-based infrared and visible images for thermal leakage map generation of building facades
Adu-Gyamfi et al. Functional evaluation of pavement condition using a complete vision system
JP5628401B1 (ja) マンホール鉄蓋最大段差量測定装置および方法、並びにこれに用いられる画素分解能算出装置、マンホール鉄蓋最大段差箇所検知装置、画素分解能算出方法、マンホール鉄蓋最大段差箇所検知方法
Lin et al. A novel approach for pavement distress detection and quantification using RGB-D camera and deep learning algorithm
Sadeq Using total probability in image template matching.
CN112964192A (zh) 一种基于图像视频的工程测量在线标定方法及系统
Farhang et al. Rapid estimation method for vertical deflection measurement of building components based on image processing techniques

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant