KR102038127B1 - 무인비행체를 이용한 시설물 관리 장치 및 방법 - Google Patents
무인비행체를 이용한 시설물 관리 장치 및 방법 Download PDFInfo
- Publication number
- KR102038127B1 KR102038127B1 KR1020180157427A KR20180157427A KR102038127B1 KR 102038127 B1 KR102038127 B1 KR 102038127B1 KR 1020180157427 A KR1020180157427 A KR 1020180157427A KR 20180157427 A KR20180157427 A KR 20180157427A KR 102038127 B1 KR102038127 B1 KR 102038127B1
- Authority
- KR
- South Korea
- Prior art keywords
- facility
- image
- defect
- facility management
- analysis target
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000007726 management method Methods 0.000 claims abstract description 194
- 230000007547 defect Effects 0.000 claims abstract description 141
- 238000004458 analytical method Methods 0.000 claims abstract description 75
- 238000013507 mapping Methods 0.000 claims abstract description 15
- 239000000284 extract Substances 0.000 claims description 20
- 230000002950 deficient Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 15
- 230000015654 memory Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 230000002194 synthesizing effect Effects 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical group C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- B64C2201/127—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Aviation & Aerospace Engineering (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
시설물 관리 장치에 의해 수행되는 무인비행체를 이용한 시설물 관리 방법을 제시하며, 시설물 관리 방법은 무인비행체로부터 시설물 촬영 영상을 획득하는 단계, 상기 시설물의 3차원 모델에 시설물 촬영 영상을 매핑한 시설물 관리 영상을 생성하는 단계, 상기 시설물 관리 영상에서 분석 대상 영상을 추출하는 단계, 상기 분석 대상 영상을 분석하여 결함 종류를 판정하는 단계, 상기 판정된 결함 종류와 결함의 정도를 분석하여 결함 의심 부분을 추출하는 단계, 상기 결함 의심 부분을 상기 시설물 관리 영상 내에서 미리 설정된 방식으로 표시하는 단계, 및 상기 결함 의심 부분에 대한 정보 요청 시 상기 결함 의심 부분에 대한 영상 정보를 제공하는 단계를 포함할 수 있다.
이를 통해, 시설물 관리 장치는 시설물에 대해 접근이 용이하지 못한 상황에서 시설물을 점검할 수 있는 정보를 시설물 관리자에게 제공할 수 있다.
이를 통해, 시설물 관리 장치는 시설물에 대해 접근이 용이하지 못한 상황에서 시설물을 점검할 수 있는 정보를 시설물 관리자에게 제공할 수 있다.
Description
본 발명은 무인비행체를 이용한 시설물 관리 장치 및 방법에 관한 것이다. 보다 상세하게는, 접근이 용이하지 못한 시설물을 관리하기 위한 정보를 획득할 수 있는 시설물 관리 장치 및 방법에 관한 것이다.
인류의 편리한 생활과 도시의 능률적 기능 수행을 위하여, 통신시설, 상하수도, 전기나 가스의 공급시설 또는 발전시설, 교통시설 등의 각종 사회 기반 시설들이 반드시 요구된다. 최근에는 이러한 사회 기반 시설들의 보급 상태나 관리 상태에 따라 해당 도시나 국가의 발전도나 경쟁력이 달리 평가되기도 한다.
사회 기반 시설들은 공공의 이익과 복지, 사회의 경제적 성장에 큰 영향을 미치기 때문에 시설의 확충뿐 아니라 유지 및 관리에도 많은 노력을 기울여야 한다. 특히 대부분의 사회 기반 시설들은 건축이나 토목 구조물로 구비되므로 시설의 부실이나 노후화로 인하여 안전성이 저하되는 경우 대형사고를 유발하거나 지속적인 사건사고의 원인이 된다.
이를 위해, 사회 기반 시설의 유지 및 관리에는 많은 노력을 필요로 한다. 관련하여 선행기술문헌 한국등록특허 제10-1095849호에서는 이동통신단말을 이용하여 실시간으로 시설물의 점검 정보를 서버로 전송하여 관리하는 시설 관리 장치를 기재하고 있다.
이와 같이, 시설물을 관리하기 위해서는 작업자가 현장 시설물 주변에 직접 방문하여 시설물을 직접 점검해야 한다. 작업자의 접근이 용이하고 크기나 규모가 작은 시설물에서는 작업자가 직접 시설물을 관리하는 것이 편리할 수 있다. 하지만, 대부분의 시설물, 예를 들어, 교량, 댐, 사면 등과 같은 콘크리트 구조물의 경우 크기나 규모가 일정 규모 이상으로 크고, 비탈면 등이 형성되어 있어서, 시설물에 작업자의 접근이 용이하지 않아 별도의 장비를 갖추거나 숙련된 작업자가 아니라면 시설물에 대한 점검을 하기 어렵다는 문제점이 있었다.
또한, 외관만으로도 진단이 가능한 시설물의 경우, 시설물의 진단을 위해 직접 육안으로 확인할 수 있으나 전문가 등의 확인을 위해 사진을 이용할 수도 있다. 이러한 경우, 시설물의 상태를 진단하기 위해서는 일정 수준 이상의 해상도와 충분한 개수의 사진을 필요로 한다. 이와 같이, 시설물의 진단을 위한 사진을 확보하기 위해서는 숙련된 인력, 많은 비용, 작업 위험 등의 다양한 요인으로 시설물 진단을 위한 충분한 자료를 확보하기 어렵다는 문제점이 있었다.
따라서, 상술된 문제점을 해결하기 위한 기술이 필요하게 되었다.
한편, 전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
본 명세서에서 개시되는 실시예들은 무인비행체를 이용하여 시설물을 관리할 수 있는 시설물 관리 장치 및 방법을 제시하는 데 목적이 있다.
본 명세서에서 개시되는 실시예들은 시설물에 대해 접근이 용이하지 못한 상황에서 무인비행체를 이용하여 시설물을 진단 정보를 시설물 관리자에게 제공하는 시설물 관리 장치 및 방법을 제시하는데 목적이 있다.
본 명세서에서 개시되는 실시예들은 무인비행체를 이용하여 진단을 필요로 하는 시설물에 대한 충분한 자료를 확보할 수 있는 시설물 관리 장치 및 방법을 제시하는데 목적이 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 일 실시예에 따르면, 시설물 관리 장치에 의해 수행되는 무인비행체를 이용한 시설물 관리 방법은, 무인비행체로부터 시설물 촬영 영상을 획득하는 단계, 상기 시설물의 3차원 모델에 시설물 촬영 영상을 매핑한 시설물 관리 영상을 생성하는 단계, 상기 시설물 관리 영상에서 분석 대상 영상을 추출하는 단계, 상기 분석 대상 영상을 분석하여 결함 종류를 판정하는 단계, 상기 판정된 결함 종류와 결함의 정도를 분석하여 결함 의심 부분을 추출하는 단계, 상기 결함 의심 부분을 상기 시설물 관리 영상 내에서 미리 설정된 방식으로 표시하는 단계, 및 상기 결함 의심 부분에 대한 정보 요청 시 상기 결함 의심 부분에 대한 영상 정보를 제공하는 단계를 포함한다.
다른 실시예에 따르면, 무인비행체를 이용한 시설물 관리 장치는, 상기 시설물의 3차원 모델에 상기 무인비행체로부터 촬영된 시설물 촬영 영상을 매핑한 시설물 관리 영상을 생성하며, 상기 시설물 관리 영상에서 분석 대상 영상을 추출하고, 상기 분석 대상 영상을 분석하여 결함 종류를 판정하며, 상기 판정된 결함 종류와 결함의 정도를 분석하여 결함 의심 부분을 추출하는 제어부, 및 상기 결함 의심 부분을 상기 시설물 관리 영상 내에서 미리 설정된 방식으로 표시하고, 결함 의심 부분에 대한 정보 요청 시 상기 결함 의심 부분에 대한 영상 정보를 출력하는 입출력부를 포함한다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 무인비행체를 이용하여 시설물을 관리할 수 있는 시설물 관리 장치 및 방법을 제시할 수 있다.
본 발명의 과제 해결 수단 중 어느 하나에 의하면, 시설물에 대해 접근이 용이하지 못한 상황에서 무인비행체를 이용하여 시설물을 진단 정보를 시설물 관리자에게 제공하는 시설물 관리 장치 및 방법을 제시할 수 있다.
또한, 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 무인비행체를 이용하여 진단을 필요로 하는 시설물에 대한 충분한 자료를 확보할 수 있는 시설물 관리 장치 및 방법을 제시할 수 있다.
본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 일 실시예에 따른 시설물 관리 시스템을 도시한 도면이다.
도 2는 일 실시예에 따른 시설물 관리 장치를 도시한 블록도이다.
도 3은 일 실시예에 따른 3차원 영상에 시설물 촬영 영상의 매칭을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 시설물 관리 영상 내에 결함 의심 부분의 표시를 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 무인비행체를 이용한 시설물의 촬영을 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 무인비행체를 이용하여 시설물의 결함 의심 부분에 대한 영상의 제공을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 시설물 관리 장치에 의해 연속된 영상을 합성하는 동작을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 시설물 관리 장치에 의해 수행되는 시설물 관리 방법을 도시한 순서도이다.
도 9는 일 실시예에 따른 시설물 관리 방법에서 결함 의심 부분을 추출하는 동작을 도시한 순서도이다.
도 2는 일 실시예에 따른 시설물 관리 장치를 도시한 블록도이다.
도 3은 일 실시예에 따른 3차원 영상에 시설물 촬영 영상의 매칭을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 시설물 관리 영상 내에 결함 의심 부분의 표시를 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 무인비행체를 이용한 시설물의 촬영을 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 무인비행체를 이용하여 시설물의 결함 의심 부분에 대한 영상의 제공을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 시설물 관리 장치에 의해 연속된 영상을 합성하는 동작을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 시설물 관리 장치에 의해 수행되는 시설물 관리 방법을 도시한 순서도이다.
도 9는 일 실시예에 따른 시설물 관리 방법에서 결함 의심 부분을 추출하는 동작을 도시한 순서도이다.
아래에서는 첨부한 도면을 참조하여 다양한 실시예들을 상세히 설명한다. 아래에서 설명되는 실시예들은 여러 가지 상이한 형태로 변형되어 실시될 수도 있다. 실시예들의 특징을 보다 명확히 설명하기 위하여, 이하의 실시예들이 속하는 기술분야에서 통상의 지식을 가진 자에게 널리 알려져 있는 사항들에 관해서 자세한 설명은 생략하였다. 그리고, 도면에서 실시예들의 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 구성이 다른 구성과 "연결"되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐 아니라, '그 중간에 다른 구성을 사이에 두고 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성이 어떤 구성을 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한, 그 외 다른 구성을 제외하는 것이 아니라 다른 구성들을 더 포함할 수도 있음을 의미한다.
이하 첨부된 도면을 참고하여 실시예들을 상세히 설명하기로 한다.
다만 이를 설명하기에 앞서, 아래에서 사용되는 용어들의 의미를 먼저 정의한다.
이하에서 '무인비행체(Unmanned Air Vechile)'는 승무원이 탑승하지 않는 항공기 또는 비행기를 의미한다. 무인비행체는 드론을 포함할 수 있으며, 자율비행을 수행하기 위한 장비를 탑재하거나 지상의 통제 장비를 활용하여 제어받을 수 있다. 무인비행체는 활용분야에 따라 다양한 장비를 탑재할 수 있으며, 특히 촬영이 가능한 카메라 장비를 포함할 수 있으며, 주변의 대상 물체와의 거리 측정 등이 가능한 라이다 장비를 포함할 수도 있다.
'시설물'은 상술한 사회 기반 시설들을 의미한다. 이러한 시설물은 도로, 교량, 비탈면, 상수도, 하수도 등을 포함할 수 있으나 나열된 예들 외에 다른 시설물들도 포함될 수 있다. 특히, 시설물은 사람이 접근하여 사진을 촬영하기 어려운 시설물들, 예를 들어 교량, 댐, 사면 등이 될 수 있다. 또한 촬영된 사진 등을 이용하여 관리하기 용이한 콘크리트 시설물들을 포함할 수 있다.
도 1은 일 실시예에 따른 시설물 관리 시스템을 도시한 도면이다.
도 1을 참조하면, 시설물 관리 시스템(10)은 무인비행체(20)와 시설물 관리 장치(100)를 포함할 수 있다.
무인비행체(20)는 사진 촬영이 가능한 카메라를 구비할 수 있으며, 필요에 따라 소정 해상도 이상의 성능을 갖는 카메라가 탑재되어 영상을 촬영할 수 있다. 예를 들어, 카메라는 일반 카메라, 3D 카메라, 적외선 카메라, 자외선 카메라 등 시설물을 관리하기 위해 필요로 하는 영상을 획득하기 위한 다양한 카메라를 포함할 수 있다. 무인비행체(20)는 미리 설정된 경로 정보를 이용하여 자율비행을 수행하거나, 시설물 관리 시스템 또는 무인비행체의 비행 동작을 제어하는 컨트롤러 등의 제어를 받을 수도 있다. 만약, 비행 동작을 제어하기 위한 별도의 전용 컨트롤러를 구비하는 경우, 무인비행체(20)의 용어는 전용 컨트롤러를 포함한 구성을 의미할 수 있다.
무인비행체(20)는 시설물 주변에서 영상을 촬영할 수 있으며, 촬영된 영상을 시설물 관리 장치(100)로 전송할 수 있다. 무인비행체(20)는 시설물 관리 장치(100)의 요청에 의해 촬영 지점으로 비행하여, 영상을 촬영할 수도 있다.
무인비행체(20)는 비행에 따른 위치 데이터 등을 생성하거나 관리하리 위한 지피에스(GPS) 정보를 관리할 수도 있다. 나아가 실시예에 따라 무인비행체(20)는 촬영 위치의 측정을 위해 별도로 설정된 기준점을 기초로 정확히 측량된 위치 데이터를 이용할 수도 있다. 그에 따라 무인비행체(20)가 획득하는 영상은 각각 영상을 획득한 장소에 대한 위치 데이터를 메타데이터로서 포함할 수 있다.
무인비행체(20)가 수집하는 시설물 촬영 영상은 각각의 서로 다른 위치에서 촬영된 스틸컷 이미지들로 구성될 수 있으며, 그에 따라 각 스틸컷 이미지에는 상술한 위치 데이터 외에도, 촬영 시간에 대한 시간 데이터, 시설물과 무인비행체(20)(또는 촬영카메라)와의 거리 데이터, 촬영 대상 시설물을 구분할 수 있는 시설물 식별 데이터 등을 부가적으로 포함할 수 있다. 시설물 관리 장치(100)는 시설물 관리 프로그램이 설치된 전자단말기로 구현되거나, 서버-클라이언트 시스템으로 구현될 수 있다. 시설물 관리 장치(100)가 서버-클라이언트 시스템으로 구현된다면 시설물 관리 장치(100)는 사용자와의 인터랙션을 위한 클라이언트가 설치될 수 있으며, 시설물 관리를 위한 프로그램이 설치되는 시설물 관리 서버를 포함할 수도 있다.
이때, 전자단말기는 네트워크(N)를 통해 원격지의 서버에 접속하거나, 타 단말 및 서버와 연결 가능한 컴퓨터나 휴대용 단말기, 텔레비전, 웨어러블 디바이스(Wearable Device) 등으로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop)등을 포함하고, 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), GSM(Global System for Mobile communications), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet), 스마트폰(Smart Phone), 모바일 WiMAX(Mobile Worldwide Interoperability for Microwave Access) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다. 또한, 텔레비전은 IPTV(Internet Protocol Television), 인터넷 TV(Internet Television), 지상파 TV, 케이블 TV 등을 포함할 수 있다. 나아가 웨어러블 디바이스는 예를 들어, 시계, 안경, 액세서리, 의복, 신발 등 인체에 직접 착용 가능한 타입의 정보처리장치로서, 직접 또는 다른 정보처리장치를 통해 네트워크를 경유하여 원격지의 서버에 접속하거나 타 단말과 연결될 수 있다.
또한, 시설물 관리 장치(100)는 데이터베이스 서버를 포함하는 복수의 서버를 포함하는 서버군으로 구성될 수도 있다.
시설물 관리 장치(100)는 입력되는 자료로부터 각 관리대상의 기본정보와 이력정보를 저장할 수 있으며, 이력정보에 기초하여 산출된 상태정보가 함께 저장될 수 있다. 여기서, 관리대상은 관리자에 의해 관리해야 하는 대상이 되는 시설물을 지시하는 용어를 의미한다. 시설물 관리 장치(100)는 관리대상의 기본정보에 포함된 식별정보에 매칭하여, 설계자료나 시공자료, 조사자료, 보수자료 중 적어도 하나를 포함하는 이력정보를 저장되도록 하고 관리할 수 있다. 또한, 시설물 관리 장치(100)는 임의의 관리대상에 대한 시공자료 또는 보수자료가 새로 업로드되거나 입력되면, 해당 시설물의 이력정보에 최신 자료로서 해당 자료가 등록되도록 할 수 있다.
시설물 관리 장치(100)는 관리대상의 이력정보에 기초하여 관리대상의 상태정보를 관리할 수 있으며, 관리대상의 이력정보에 포함된 일부 항목의 수치값을 그대로 또는, 연산을 통해 가공하여 상태정보로서 관리할 수 있다. 시설물 관리 장치(100)는 관리대상에 대한 시공자료나 보수자료가 등록된 후 조사 자료의 등록 없이 일정시간이 경과하면 상태정보를 기 설정된 함수(예를 들어, 관리대상의 상태정보를 더 낮은 수준의 상태를 나타내는 값으로 산출)에 따라 연산하여 갱신할 수도 있다.
시설물 관리 장치(100)는 무인비행체(20)를 이용하여 시설물을 촬영한 영상을 수신할 수 있다. 시설물 관리 장치(100)는 무인비행체(20)로부터 시설물 촬영 영상을 획득하면, 시설물 촬영 영상에 기초하여 시설물을 분석하기 위한 시설물 관리 영상을 생성할 수 있다. 예를 들어, 시설물 촬영 장치(100)는 시설물 촬영 영상을 3차원 모델에 매핑하여 시설물 관리 영상을 생성할 수 있다. 시설물 촬영 영상을 3차원 모델에 매핑할 때에는 시설물 촬영 영상 각각의 위치 데이터가 이용될 수 있으며, 실시예에 따라 각각의 시설물 촬영 영상 중 이웃한 영상들에서 공통적으로 나타나는 특징점들을 이용하여 일부 촬영 영상들이 합성되고 이들이 위치 데이터에 기초하여 모델에 매핑되도록 할 수 있다.
그리고 이를 통해, 시설물 관리 장치(100)는 시설물에 대한 실제 촬영 이미지가 매핑된 3차원 모델을 관리자에게 직접 확인시킬 수 있으며, 관리자는 실제 시설물의 축소 모델을 보면서 시설물의 상태를 확인할 수 있다.
이때 시설물의 3차원 모델은, 해당 시설물에 대해 이미 확보된 BIM(BUILDING INFORMATION MODEL)일 수 있으나, 반드시 그러한 것은 아니고, 상술한 시설물 촬영 영상에 기초하여 모델링된 3차원 모델이거나, 그 외 시설물 관리에 의해 적어도 개략적으로 설계된 입체 모델일 수 있다. 실시예에 따라 시설물 관리 장치(100)는 시설물 관리자가 시설물 관리 장치(100)를 통해 시설물의 개략적인 3차원 모델을 새로 생성할 수 있도록 3차원 모델 설계를 위한 유저 인터페이스를 제공할 수 있다. 예를 들어 교량의 경우 시설물 관리 장치(100)는, 무인비행체(20)를 이용한 촬영이 각각 교량의 평면, 양측면, 그리고 저면 총 4방향에 걸쳐 이루어진 경우, 적어도 이러한 평면들을 포함하는 누운 사각기둥 형상의 3차원 모델을 생성할 수 있도록 유저 인터페이스를 제공할 수 있다.
이때 시설물 관리 영상은 3차원 모델에 2차원의 시설물 촬영 영상을 매핑한 것으로서 가상의 3차원 영상이지만, 시설물 관리 장치(100)는 시설물 관리 영상에서 관리자가 특정 위치를 선택하는 경우, 해당 위치의 실제 촬영 영상, 즉 시설물 촬영 영상을 확인할 수 있도록 제공할 수 있다.
시설물 관리 장치(100)는 시설물 관리 영상으로부터 분석 대상 영상을 추출하고, 추출된 분석 대상 영상에 포함된 결함 종류를 판정할 수 있다. 분석 대상 영상은 결함이 있는 것으로 추정되는 부분을 포함하는 시설물 촬영 영상으로서, 시설물 촬영 영상 중 일부가 분석 대상 영상으로 추출될 수 있다.
분석 대상 영상은, 최근 시설물 촬영 영상을, 해당 시설물 촬영 영상과 동일 위치에서 획득된 과거의 영상들과 비교하여 추출될 수 있다.
그리고 시설물 관리 장치(100)는 분석 대상 영상을 분석하여 결함의 종류를 판정할 수 있다. 예를 들어, 결함의 종류는 균열, 백태, 누수, 박리/박락, 철근노출 등으로 구분될 수 있으며, 상술한 결함들 이외에도 다른 다양한 결함을 포함할 수 있다.
이어서 시설물 관리 장치(100)는 분석 대상 영상을 분석하여 결함의 정도를 판정할 수도 있다. 그리고 시설물 관리 장치(100)는 결함의 종류와 정도를 종합적으로 분석하고 각 분석 대상 영상의 위치 데이터를 함께 고려하여 분석 대상 영상 중 일부 영상에 포함된 결함 의심 부분을 검출할 수 있다.
시설물 관리 장치(100)는 결함 의심 부분이 검출되면, 결함 의심 부분을 시설물 관리 영상 내에서 미리 설정된 방식으로 표시할 수 있다. 시설물 관리 장치(100)는 결함 의심 부분에 대한 정보 요청 시 결함 의심 부분에 대한 영상 정보를 사용자(또는, 시설물 관리자, 시설물 관련 작업자 등)에게 제공할 수 있다. 이를 통해, 시설물 관리 장치(100)는 결함 의심 부분에 대한 정보를 관리대상에 대한 이력정보로 저장되도록 할 수도 있다.
시설물 관리 장치(100)는 무인비행체를 이용하여 촬영한 영상을 이용하여 시설물을 진단하고, 시설물의 결함을 판정할 수 있다. 또한, 시설물 관리 장치(100)는 진단을 필요로 하는 시설물에 대한 충분한 자료를 무인비행체를 이용하여 확보할 수 있다.
도 2는 일 실시예에 따른 시설물 관리 장치를 도시한 블록도이다.
도 2를 참조하면, 시설물 관리 장치(100)는 입출력부(110), 통신부(120), 저장부(130), 및 제어부(140)를 포함할 수 있다. 시설물 관리 장치(100)는 무인비행체를 컨트롤하기 위한 별도의 컨트롤러가 존재하지 않는 경우, 무인비행체의 동작을 제어하기 위한 비행 제어부(150)를 추가로 포함할 수도 있다.
입출력부(110)는 사용자로부터 입력을 수신하기 위한 입력부와, 작업의 수행 결과 또는 시설물 관리 장치(100)의 상태 등의 정보를 표시하기 위한 출력부를 포함할 수 있다. 예를 들어, 입출력부(110)는 관리자 입력을 수신하는 조작 패널 및 조작 패널(operation panel) 및 화면을 표시하는 디스플레이 패널(display panel) 등을 포함할 수 있다.
구체적으로, 입력부는 키보드, 물리 버튼, 터치 스크린, 카메라 또는 마이크 등과 같이 다양한 형태의 관리자 입력을 수신할 수 있는 장치들을 포함할 수 있다. 또한, 출력부는 디스플레이 패널 또는 스피커 등을 포함할 수 있다. 다만, 이에 한정되지 않고 입출력부(110)는 다양한 입출력을 지원하는 구성을 포함할 수 있다.
입출력부(110)는 사용자로부터 시설물 관리를 위한 각종 자료를 직접 입력받거나 자료에 해당하는 파일을 선택하여 수신할 수 있으며, 시설물의 관리에 따른 작업 내역에 대한 정보를 수신할 수도 있다.
한편, 입출력부(110)는 결함 의심 부분에 관련된 영상을 출력할 수 있다. 입출력부(110)는 무인비행체를 통해 획득된 시설물 촬영 영상으로부터 결함 의심 부분을 추출하는 동작에 관련하여 처리되는 영상을 출력할 수도 있으며, 처리되는 영상에 대한 사용자의 요청에 응답하여 관련 영상을 제공할 수도 있다.
통신부(120)는 다른 디바이스 또는 네트워크와 유무선 통신을 수행할 수 있다. 이를 위해, 통신부(120)는 다양한 유무선 통신 방법 중 적어도 하나를 지원하는 통신 모듈을 포함할 수 있다. 예를 들어, 통신 모듈은 칩셋(chipset)의 형태로 구현될 수 있다. 이러한, 통신부(120)는 다양한 통신 기법을 사용하여 통신할 수 있다.
통신부(120)는 무인비행체(20)와 통신하며, 시설물에 관련된 정보를 송수신할 수 있다. 무인비행체(20)의 동작을 제어하는 컨트롤러 또는 전자단말기가 무인비행체(20)로부터 시설물 촬영 영상을 수신하는 경우, 통신부(120)는 컨트롤러 또는 전자단말기와 통신하여 시설물 관련 영상을 수신할 수 있다. 만약, 시설물 관리 장치(100)가 무인비행체(20)의 동작을 제어하는 경우, 비행 동작 또는 촬영 동작 등을 제어하기 위한 신호를 전송할 수도 있다.
저장부(130)에는 시설물 관리를 수행하는데 필요한 파일, 애플리케이션, 및 프로그램 등과 같은 다양한 종류의 데이터가 설치 및 저장될 수 있다. 그리고 후술할 제어부(140)는 저장부(130)에 저장된 데이터에 접근하여 이를 이용하거나, 또는 새로운 데이터를 저장부(130)에 저장할 수도 있다. 또한, 제어부(140)는 저장부(130)에 설치된 프로그램을 실행할 수도 있다. 저장부(130)에는 무인비행체(20)로부터 수신된 시설물 관리 영상을 이용하여 시설물을 관리, 예를 들어, 결함 의심 부분 판정 등을 수행하기 위한 컴퓨터 프로그램이 설치될 수 있다.
또한, 저장부(130)에는 시설물 촬영 영상과 시설물 관리 영상이 저장될 수 있으며, 결함 의심 부분을 추출하기 위한 분석 모델들이 저장될 수도 있다. 저장부(130)에는 무인비행체(20)의 비행 동작을 제어할 수 있는 프로그램과 비행 동작을 제어하기 위한 관련 정보들이 저장될 수도 있다.
제어부(140)는 시설물 관리 장치(100)의 전체적인 동작을 제어하며, CPU 등과 같은 프로세서를 포함할 수 있다. 제어부(140)는 입출력부(110)를 통해 수신한 관리자 입력에 대응되는 동작을 수행하도록 시설물 관리 장치(100)에 포함된 다른 구성들을 제어할 수 있다. 예를 들어, 제어부(140)는 저장부(130)에 저장된 프로그램을 실행시키거나, 저장부(130)에 저장된 파일을 읽어오거나, 새로운 파일을 저장부(130)에 저장할 수도 있다.
제어부(140)는 무인비행체(20)로부터 시설물 촬영 영상을 수신할 수 있다. 시설물 촬영 영상은 무인비행체(20)에 탑재되거나 포함된 카메라를 이용하여 촬영된 영상이다. 이때, 시설물 촬영 영상은 영상을 획득한 장소에 대한 위치 데이터, 촬영 시간에 대한 시간 데이터, 시설물과 무인비행체(20)(또는 촬영카메라)와의 거리 데이터, 무인비행체(20)의 비행 경로 데이터 및 시설물을 구분할 수 있는 시설물 식별 데이터 중 적어도 하나를 포함할 수 있다. 여기서, 거리 데이터는 무인비행체(20)에 설치된 라이다와 같은 장비를 이용하여 획득된 정보일 수 있으며, 각 사진을 촬영할 때마다 실시간으로 측정되어 사진과 함께 저장될 수 있다.
제어부(140)는 시설물 촬영 영상에 대응되는 시설물을 식별할 수 있다. 이때, 시설물 촬영 영상으로부터 획득된 시설물 식별 데이터를 이용할 수도 있다. 시설물 식별 데이터는 시설물을 식별하기 위한 정보로서, 관리대상의 기본정보에 대응되는 정보일 수도 있으며, 시설물이 촬영된 위치에 기반하여 무인비행체(20)에서 획득된 정보일 수도 있다.
제어부(140)는 식별될 시설물의 3차원 모델에 시설물 촬영 영상을 매핑하여 시설물 관리 영상을 생성할 수 있다. 제어부(140)는 시설물 관리 영상을 관리자에게 제공하여 3차원 모델을 기준으로 시설물을 전체적으로 확인할 수 있도록 한다. 제어부(140)는 사용자 요청이나 필요에 따라 시설물의 일부분에 대한 확대 열람을 가능하게 할 수도 있다. 나아가 제어부(140)는 동일한 시설물에 대하여 추가적인 시설물 촬영 영상이 획득되면, 추가적인 시설물 촬영 영상을 시설물의 3차원 모델에 매핑하여 시설물 관리 영상을 업데이트할 수 있다.
제어부(140)는 시설물 촬영 영상으로부터 분석 대상 부분을 추출할 수 있다. 제어부(140)는 과거에 촬영된 시설물 촬영 영상과 최근 획득된 시설물 촬영 영상을 비교하여, 복수의 시설물 촬영 영상 중 일부를 분석 대상으로 추출할 수 있다. 구체적으로 제어부(140)는 3차원 모델의 동일 위치에 매핑된 과거의 시설물 촬영 영상과 최근 시설물 촬영 영상을 비교하여 일정 수준 이상 차이가 검출된 부분을 포함하는 영상을 분석 대상으로 추출할 수 있다. 이를 위해 제어부(140)는 과거와 현재의 시설물 촬영 영상의 이미지 차이를 이용하여 디퍼런스 이미지를 생성하고, 생성된 디퍼런스 이미지를 분석하여 일정 수준 이상의 차이가 검출되는지를 판단할 수 있다. 이때 제어부(140)는 과거와 현재의 시설물 촬영 영상을 그대로 이용할 수도 있고, 과거와 현재의 시설물 촬영 영상들을 매핑하여 생성한 시설물 관리 영상에서 위치 데이터와 일부 특징점들을 기준으로 동일한 위치라고 판단되는 부분의 두 영상을 비교할 수도 있다.
제어부(140)는 분석 대상 영상을 추출할 때 학습 모델을 이용할 수도 있다. 제어부(140)는 기 설정된 학습 모델을 이용하여 결함으로 추정되는 부분을 포함하는 영상을 분석 대상으로 추출할 수 있다. 학습 모델은 결함 의심 부분을 추출하기 위해 인공지능의 기계학습 등을 이용하여 생성될 수 있다. 이때, 상술한 학습 모델은 시설물의 종류나 시설물별로 별개로 생성될 수도 있고, 또는 각 시설물의 촬영 위치별로 별개로 생성될 수도 있다. 학습 모델은 결함을 포함하는 다수의 시설물의 이미지와 결함이 없는 다수의 시설물의 이미지를 이용하여 트레이닝될 수 있고, 그에 따라 결함이 있는 것으로 의심되는 부분을 포함하는 분석 대상 영상을 추출할 수 있다.
또한, 제어부(140)는 시설물의 종류를 판별하고, 해당 시설물 또는 유사한 시설물에서 소정 확률 이상으로 결함이 자주 발생되는 부분을 포함하는 영상을 분석 대상으로 추출할 수 있다.
제어부(140)는 분석 대상으로 추출된 영상, 즉 분석 대상 영상을 분석하여 결함 종류와 결함의 정도를 판정할 수 있다.
예를 들어, 제어부(140)는 분석 대상 영상을 분석하여 균열, 백태, 누수, 박리/박락, 철근 노출 등과 같이 시설물에 대한 결함의 종류를 판정할 수 있다. 제어부(140)는 결함의 종류를 판정할 때, 기계 학습된 인공지능 모델을 이용할 수 있다. 또한, 제어부(140)는 분석 대상 영상을 관리자에게 제공한 후, 관리자로부터 결함의 종류에 대한 정보를 직접 입력받을 수도 있다. 결함의 종류를 판정하기 위한 인공지능 모델은, 각각의 종류의 결함을 포함하는 다수의 이미지들에 의해 미리 트레이닝될 수 있다.
또한, 제어부(140)는 분석 대상 영상을 분석하여 결함의 정도를 판정할 수도 있다. 예를 들어, 제어부(140)는 결함의 종류가 균열로 판정된 분석 대상에 대하여 균열의 폭이나 길이 등을 측정하고, 백태의 경우 면적을 측정할 수 있으며, 누수의 경우 콘크리트의 변색(젖은) 면적, 박리/박락의 경우 콘크리트의 손상 면적, 철근 노출의 경우 노출된 철근의 길이 등을 측정하여 결함의 정도를 판정할 수 있다.
제어부(140)는 결함의 종류와 결함의 정도를 분석하여 결함 의심 부분을 추출할 수 있다. 예를 들어, 제어부(140)는 균열에 대해 측정한 폭이 소정 너비 이상이거나 균열에 대한 길이가 소정 길이 이상인 경우에만 결함 의심 부분으로 추출할 수 있다.
이때, 제어부(140)는 분석 대상 영상의 결함 종류와 분석 대상 부분의 위치를 함께 고려하여 결함이 맞는지 판정할 수도 있다. 예를 들어, 제어부(140)는 결함의 종류나 결함의 위치에 기초하여 결함 의심 부분을 추출할 수 있다. 예를 들어, 교량의 상부나 측면에 발생된 백태의 경우, 비에 의한 것으로 결함 의심 부분으로 판정하지 않을 수도 있다. 하지만, 교량의 저면에 발생된 백태의 경우, 누수에 의한 것으로 문제가 발생할 소지가 높으므로 결함 의심 부분으로 판정할 수도 있다.
상술한 바와 같이 제어부(140)가 판정한 분석 대상 영상의 결함의 종류와 정도 뿐 아니라, 분석 대상 영상의 위치 데이터에 기초한 결함 위치를 종합적으로 고려하여 위험도를 달리 판정할 수 있도록 하기 위해, 시설물 관리 장치(100)는 결함 위치에 따른 위험도 판정 정책을 미리 저장할 수 있고, 제어부(140)는 상술한 위험도 판정 정책에 따라 결함의 종류와 정도, 결함의 위치를 고려한 판단을 할 수 있다.
이와 같이, 제어부(140)는 결함의 종류, 결함의 정도 및 결함의 위치(시설물 상에서) 중 하나 이상을 이용하여 위험도를 판단할 수 있다. 제어부(140)는 위험도가 설정된 수준 이상이면 결함 의심 부분으로 판정하고, 위험도가 설정된 수준 미만이면 결함 의심부분으로 판정하지 않을 수 있다.
제어부(140)는 분석 대상 영상을 추출하거나, 결함 의심 부분을 추출하면, 분석 대상 영상 또는 결함 의심 부분에 대한 위치 정보를 포함한 추가 촬영 요청을 생성할 수 있다. 이를 통해, 제어부(140)는 추가 촬영 요청을 사용자 또는 무인비행체(20)로 전송하여 해당 위치정보에 대응되는 추가 영상을 획득할 수 있으며, 추가 촬영 요청에 대해 무인비행체(20)가 시설물에 더 근접하거나 카메라의 줌 기능을 사용하여 해당 위치에서 시설물에 대한 확대 영상, 또는 더 고화질의 영상의 촬영을 함께 요청할 수도 있다. 이를 통해, 제어부(140)는 시설물에 대한 추가 촬영 영상을 수신하면, 시설물 촬영 영상이 매핑된 3차원 모델을 업데이트한 후, 추가 촬영 영상을 다시 분석 대상 영상으로 하여, 결함 종류와 결함 정도를 판정하고, 결함 위치와 함께 최종적인 위험도를 판정하여 결함 의심 부분으로 판정하거나 결함 의심 부분에서 제외시킬 수 있다. 즉, 추가 촬영에 의해 결함 의심 판정의 신뢰성을 향상시킬 수 있다.
제어부(140)는 결함 의심 부분을 시설물 관리 영상 내에서 미리 설정된 방식으로 표시할 수 있다. 예를 들어, 제어부(140)는 결함 의심 부분에 대해 시설물 관리 영상 내에서 구분된 색상이나 모양을 사용하여 표시할 수 있다.
제어부(140)는 결함 의심 부분에 대한 정보 요청 시 결함 의심 부분에 대한 정보를 제공할 수 있다. 제어부(140)는 결함 의심 부분에 대한 정보로서, 결함 의심 부분을 확대한 시설물 촬영 영상, 위치 데이터, 결함 종류, 결함 정도 등의 상세 정보를 제공할 수 있다. 이를 통해 관리자의 최종 의사 결정을 지원할 수 있다.
비행 제어부(150)는 무인비행체(20)의 전반적인 동작을 제어할 수 있다. 비행 제어부(150)는 무인비행체(20)의 비행 동작을 제어할 수 있으며, 시설물의 촬영을 위해 비행 제어부(150)로부터 수신되는 위치 정보에 기반하여 비행 경로를 설정하고, 설정된 비행 경로로의 이동을 제어할 수 있다. 또한, 비행 제어부(150)는 비행 중에 영상을 촬영할 수 있도록 무인비행체(20)에 결합되거나 설치된 카메라의 동작을 제어할 수도 있다.
한편, 비행 제어부(150)는 제어부에 의해 추가 촬영 요청이 수신되는 경우, 추가 촬영 요청에 대응되는 위치로 이동하여 촬영이 가능하도록 무인비행체(20)의 동작을 제어할 수 있다.
도 3은 일 실시예에 따른 3차원 영상에 시설물 촬영 영상의 매칭을 설명하기 위한 도면이다.
도 3을 참조하면, 시설물 관리 장치(100)는 시설물인 댐(201)을 촬영한 시설물 촬영 영상(210)을 무인비행체(20)로부터 수신할 수 있다. 시설물 촬영 영상(210)은 위치 데이터(211), 시간 데이터(212), 거리 데이터(213), 비행경로 데이터(214) 및 시설물 식별 정보(215)를 포함할 수 있다.
예를 들어, 위치 데이터(211)는 무인비행체(20)의 지피에스(GPS) 정보 등으로부터 획득할 수 있으며, 필요에 따라 댐(201)과의 거리 정보, 즉 거리 데이터(213) 등을 이용하여 보정될 수 있다. 시간 데이터(212)는 촬영 시간에 대한 정보이다. 거리 데이터(213)는 댐(201)과의 거리를 나타내며, 촬영 영상의 스케일 등의 확인(예를 들어, 시설물 촬영 영상 내 촬영 부분에 대한 실제 크기 확인)에 사용될 수 있으며, 근접 촬영이나 원거리 촬영 시 비행 제어를 위해 사용될 수도 있다. 비행경로 데이터(214)는 무인비행체(20)의 이동 경로에 대한 데이터를 나타낸다. 시설물 식별 정보(215)는 시설물을 식별할 수 있는 정보를 나타내며, 예를 들어, 시설물의 종류, 식별자(고유번호) 등을 포함할 수 있다.
시설물 관리 장치(100)는 시설물 촬영 영상(210)을 3차원 모델에 매핑시켜, 시설물 관리 영상(220)을 생성할 수 있다. 시설물 관리 장치(100)는 관리대상에 대한 3차원 모델을 저장할 수 있으며, 3차원 모델에 촬영 영상을 매핑시킬 수 있다. 이를 통해, 시설물 관리 장치(100)는 기존의 3차원 모델에 매핑된 촬영 영상들과의 비교도 가능하게 하고, 관리자가 직접 시설물을 육안으로 확인하지 않더라도 사진을 통해 결함을 정확히 진단할 수 있도록 한다.
도 4는 일 실시예에 따른 시설물 관리 영상 내에 결함 의심 부분의 표시를 설명하기 위한 도면이다.
도 4를 참조하면, 시설물 관리 장치(100)는 시설물 관리 영상(220) 내에서 시설물인 댐(201)의 결함 의심 부분(221)을 붉은색 박스 등의 형태로 표시할 수 있다. 이와 같이, 시설물 관리 장치(100)는 결함 의심 부분(221)에 대해 사용자로부터 식별을 용이하게 하기 위해 '붉은색'과 같은 색상을 이용하여 표시할 수도 있다.
시설물 관리 장치(100)는 결함 의심 부분(221)을 네모난 박스 형태로 표시하여 시설물 내에서 결함 의심 부분(221)에 대한 대략적인 위치에 대한 정보를 제공할 수도 있다.
도 5는 일 실시예에 따른 무인비행체를 이용한 시설물의 촬영을 설명하기 위한 도면이다.
도 5를 참조하면, 무인비행체(20)는 비행을 하며, 시설물, 즉 교량(310)을 촬영할 수 있다. 이때, 무인비행체(20)는 교량(310)을 촬영하여 시설물 촬영 영상을 생성할 수 있다.
시설물 관리 장치(100)는 비행 중인 무인비행체(20)로부터 교량과 같이 작업자가 직접 일일이 확인하기 어려운 형태의 구조물에 대해서도 진단을 위한 영상을 쉽게 확보할 수 있다.
도 6은 일 실시예에 따른 무인비행체를 이용하여 시설물의 결함 의심 부분에 대한 영상의 제공을 설명하기 위한 도면이다.
도 6을 참조하면, 시설물 관리 장치(100)는 교량(310)에 대한 시설물 촬영 영상으로부터 결함 의심 부분(311)을 추출할 수 있다. 시설물 관리 장치(100)는 교량에 대한 시설물 관리 영상(300) 내에서 결함 의심 부분(311)을 도 4에서 도시된 네모 박스와 다른 형태의 v자 형상의 체크 표시로 나타낼 수 있으며, 색상도 검은색으로 다른 색상으로 표시될 수도 있다. 이와 같이, 시설물 관리 장치(100)는 결함 의심 부분(311)을 도 4나 도 6에 도시된 형태나 색상 이외에도 다른 다양한 형태와 색상을 이용하여 표시할 수 있다.
시설물 관리 장치(100)는 체크 표시된 결함 의심 부분(311)에 대한 사용자 입력이 존재하면, 결함 의심 부분(311)을 확대한 영상(320) 또는 해당 부분에 매핑된 시설물 촬영 영상을 표시할 수 있다. 예를 들어, 시설물 관리 장치(100)는 영상(320) 내에 교량(310)의 균열에 관련된 결함 의심 부분(321)에 대한 영상 정보를 사용자에게 제공할 수 있다.
또한, 시설물 관리 장치(100)는 필요 시 균열로 판단된 결함 의심 부분(321)에 대한 추가 정보를 획득하기 위해 추가 촬영 요청을 생성할 수도 있으며, 결함 의심 부분(321)에서 균열의 진행 정도를 파악하기 위해 소정 간격의 일자 별로 복수회의 추가 촬영 요청을 생성할 수도 있다.
도 7은 일 실시예에 따른 시설물 관리 장치에 의해 연속된 영상을 합성하는 동작을 설명하기 위한 도면이다.
도 7을 참조하면, 시설물 관리 장치(100)는 무인비행체(20)로부터 복수개의 촬영 영상을 획득할 수 있다.
시설물 관리 장치(100)는 복수의 촬영 영상을 매핑하여 시설물 관리 영상을 생성하기 위해서 제 1 영상(410)과 제 2 영상(420)에서와 같이 연속되거나 이웃한 영상에서 중복되는 부분을 합성할 수 있다. 뿐만 아니라 시설물 관리 장치(100)는 이웃한 둘 이상의 시설물 촬영 영상이 모두 분석 대상으로 추출되는 경우에, 이웃한 둘 이상의 시설물 촬영 영상을 합성하여 하나의 분석 대상 영상을 생성하기 위해 중복되는 부분을 합성할 수도 있다. 이때, 제 1 영상(410)은 무인비행체(20)에서 점선으로 표시된 방향(A)에 대해 촬영하여 획득한 영상이고, 제 2 영상(420)은 무인비행체(20)에서 점선으로 표시된 방향(B)에 대해 촬영하여 획득한 영상이다.
시설물 관리 장치(100)는 서로 이웃한 제 1 영상(410)과 제 2 영상(420)이 모두 분석 대상으로 추출되면, 제 1 영상(410)과 제 2 영상(420)을 합성하여 하나의 제 3 영상(430)으로 생성할 수 있다. 이때, 시설물 관리 장치(100)는 제 3 영상(430)을 결함을 판정하기 위한 하나의 분석 대상 영상으로 사용할 수 있다.
시설물 관리 장치(100)는 제 1 영상(410)과 제 2 영상(420)에 중복영역(440)이 존재하면, 제 1 영상(410)과 제 2 영상(420)을 합성할 수 있다. 이때 두 영상을 합성하기 위해 시설물 관리 장치(100)는 각 영상에서 공통된 특징점을 발견하고 이를 중심으로 영상을 합성할 수 있다. 이는 이미 설명한 바와 같이 복수의 시설물 촬영 영상을 매핑하여 3차원 모델을 생성하는 경우에도 같다.
한편, 시설물 관리 장치(100)는 중복영역(440)에 대한 처리를 필요로 할 수 있다. 시설물 관리 장치(100)는 제 1 영상(410)과 제 2 영상(420) 각각에 대한 해상도 또는 명암비를 기준으로 하나의 영상을 선택하고, 선택된 영상에서 중복영역(440)에 대한 처리를 수행할 수 있다.
예를 들어, 시설물 관리 장치(100)는 제 1 영상(410)이 제 2 영상(420) 보다 해상도가 높은 경우, 제 1 영상(410)에 대해서는 별도의 처리를 수행하지 않고, 제 2 영상(420)에서 중복영역(440)을 제거한 후에 제 1 영상(410)과 합성하거나 제 2 영상(420)의 중복영역(440)에 소정 비율 이상의 투명도를 적용하여 제 1 영상(410)과 합성할 수 있다.
만약, 제 1 영상(410)과 제 2 영상(420)이 모두 동일한 해상도 또는 명암도를 갖는 경우, 시설물 관리 장치(100)는 제거 또는 투명도 설정을 위한 중복영역(440)을 임의로 선택하거나, 제 1 영상(410)과 제 2 영상(420) 각각에서 중복영역(440)을 블렌딩 처리하여 합성할 수도 있다.
한편, 시설물 관리 장치(100)는 소정 거리 이내에 위치하거나, 함께 결함 판정을 해야 하는 결함 부분일 경우, 중복영역이 존재하지 않더라도 분석 대상 영상을 합성하여 사용할 수도 있다.
또한, 시설물 관리 장치(100)는 이웃한 두 개의 영상이 아닌 세 개 이상의 영상을 합성하여 분석 대상 영상을 생성할 수도 있다.
도 8은 일 실시예에 따른 시설물 관리 장치에 의해 수행되는 시설물 관리 방법을 도시한 순서도이다.
도 8을 참조하면, 시설물 관리 장치(100)는 무인비행체를 이용하여 시설물 촬영 영상을 획득할 수 있다(S510). 시설물 관리 장치(100)는 시설물 촬영 영상으로부터 시설물 촬영에 대한 관련 정보, 예를 들어 영상 데이터, 촬영 영상을 획득한 지점의 위치 데이터, 시간 데이터, 피사체와 촬영카메라 사이의 거리 데이터, 비행 경로 데이터, 및 시설물 식별 정보 중 적어도 하나의 정보를 포함한 촬영 영상 파일을 촬영 영상으로 획득할 수 있다.
시설물 관리 장치(100)는 시설물의 3차원 모델에 시설물 촬영 영상을 매핑하여 시설물 관리 영상을 생성할 수 있다(S520). 시설물 관리 장치(100)는 시설물에 대한 3차원 모델을 기준으로 동일 위치에 대응되는 촬영 영상을 매핑할 수 있으며, 촬영 영상이 복수 개인 경우, 복수의 영상들을 모두 3차원 모델에 매핑할 수 있다.
시설물 관리 장치(100)는 시설물 관리 영상으로부터 분석 대상 영상을 추출할 수 있다(S530). 시설물 관리 장치(100)는 시설물의 3차원 모델의 동일 위치에 매칭된 과거 촬영 영상 등과의 비교를 통해 일정 수준 이상 차이가 검출된 부분을 포함하는 영상을 분석 대상 영상으로 추출할 수 있다. 시설물 관리 장치(100)는 하나의 영상 내에서도 유사 영역, 예를 들어 교량의 상판 측면의 일부가 근접한 상판 측면의 다른 일부와 일정 수준 이상 차이가 검출된 부분을 포함하는 영상을 분석 대상 영상으로 추출할 수 있다.
시설물 관리 장치(100)는 이웃한 촬영 영상들이 분석 대상 영상으로 추출되고, 이웃한 촬영 영상들 간에 적어도 일부가 중복되면, 이웃한 영상들을 합성한 하나의 분석 대상 영상을 생성할 수도 있다.
시설물 관리 장치(100)는 분석 대상 영상을 분석하여 결함 종류를 판정할 수 있다(S540). 시설물 관리 장치(100)는 기계 학습된 인공 지능 모델을 이용하여 결함의 종류를 판정하거나 분석 대상 영상에 대한 결함 정보를 관리자로부터 직접 선택받아 결함 종류를 판정할 수 있다.
시설물 관리 장치(100)는 결함 종류와 결함의 정보를 분석하여 결함 의심 부분을 추출할 수 있다(S550). 시설물 관리 장치(100)는 분석 대상 영상을 추출하거나 결함 의심 부분을 추출하는 경우, 해당 위치 정보를 포함한 추가 촬영 요청을 생성할 수도 있다.
시설물 관리 장치(100)는 결함 의심 부분의 추출이 종료되었는지 판단한다(S560). S560단계의 판단결과, 결함 의심 부분의 추출이 종료되지 않으면, 시설물 관리 장치(100)는 S530단계로 진행하여 결함 의심 부분을 계속하여 추출할 수 있다.
S560단계의 판단결과, 결함 의심 부분의 추출이 종료되면, 시설물 관리 장치(100)는 S570단계로 진행한다.
시설물 관리 장치(100)는 결함 의심 부분에 대한 정보를 시설물 관리 영상 내에서 미리 설정된 방식으로 표시할 수 있다(S570). 이때, 시설물 관리 장치(100)는 사용자로부터 결함 의심 부분에 대한 정보 요청 시 결함 의심 부분에 대한 영상을 제공할 수 있다.
도 9는 일 실시예에 따른 시설물 관리 방법에서 결함 의심 부분을 추출하는 동작을 도시한 순서도이다.
도 9를 참조하면, 시설물 관리 장치(100)는 분석 대상 영상의 결함 종류와 분석 대상 영상의 위치 데이터를 함께 고려하여 위험도를 판정할 수 있다(S551).
시설물 관리 장치(100)는 위험도가 설정된 수준 이상인지 판단한다(S552). 예를 들어, 시설물 관리 장치(100)는 위험도가 미리 설정된 기준 위험도 이상인지를 판단할 수 있다.
S552단계의 판단결과, 위험도가 설정된 수준 이상이면, 시설물 관리 장치(100)는 S553단계로 진행한다.
시설물 관리 장치(100)는 분석 대상 영상의 위치 데이터에 대응하는 위치를 결함 의심 부분으로 추출하고 S560단계로 진행할 수 있다.
S552단계의 판단결과, 위험도가 설정된 수준 미만이면 시설물 관리 장치(100)는 S560단계로 진행한다.
본 실시예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field programmable gate array) 또는 ASIC 와 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램특허 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다.
구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로부터 분리될 수 있다.
뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU 들을 재생시키도록 구현될 수도 있다.
또한 본 발명의 일 실시예에 따르는 시설물 관리 방법은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 컴퓨터 프로그램(또는 컴퓨터 프로그램 제품)으로 구현될 수도 있다. 컴퓨터 프로그램은 프로세서에 의해 처리되는 프로그래밍 가능한 기계 명령어를 포함하고, 고레벨 프로그래밍 언어(High-level Programming Language), 객체 지향 프로그래밍 언어(Object-oriented Programming Language), 어셈블리 언어 또는 기계 언어 등으로 구현될 수 있다. 또한 컴퓨터 프로그램은 유형의 컴퓨터 판독가능 기록매체(예를 들어, 메모리, 하드디스크, 자기/광학 매체 또는 SSD(Solid-State Drive) 등)에 기록될 수 있다.
따라서 본 발명의 일 실시예에 따르는 시설물 관리 방법은 상술한 바와 같은 컴퓨터 프로그램이 컴퓨팅 장치에 의해 실행됨으로써 구현될 수 있다. 컴퓨팅 장치는 프로세서와, 메모리와, 저장 장치와, 메모리 및 고속 확장포트에 접속하고 있는 고속 인터페이스와, 저속 버스와 저장 장치에 접속하고 있는 저속 인터페이스 중 적어도 일부를 포함할 수 있다. 이러한 성분들 각각은 다양한 버스를 이용하여 서로 접속되어 있으며, 공통 머더보드에 탑재되거나 다른 적절한 방식으로 장착될 수 있다.
여기서 프로세서는 컴퓨팅 장치 내에서 명령어를 처리할 수 있는데, 이런 명령어로는, 예컨대 고속 인터페이스에 접속된 디스플레이처럼 외부 입력, 출력 장치상에 GUI(Graphic User Interface)를 제공하기 위한 그래픽 정보를 표시하기 위해 메모리나 저장 장치에 저장된 명령어를 들 수 있다. 다른 실시예로서, 다수의 프로세서 및(또는) 다수의 버스가 적절히 다수의 메모리 및 메모리 형태와 함께 이용될 수 있다. 또한 프로세서는 독립적인 다수의 아날로그 및(또는) 디지털 프로세서를 포함하는 칩들이 이루는 칩셋으로 구현될 수 있다.
또한 메모리는 컴퓨팅 장치 내에서 정보를 저장한다. 일례로, 메모리는 휘발성 메모리 유닛 또는 그들의 집합으로 구성될 수 있다. 다른 예로, 메모리는 비휘발성 메모리 유닛 또는 그들의 집합으로 구성될 수 있다. 또한 메모리는 예컨대, 자기 혹은 광 디스크와 같이 다른 형태의 컴퓨터 판독 가능한 매체일 수도 있다.
그리고 저장장치는 컴퓨팅 장치에게 대용량의 저장공간을 제공할 수 있다. 저장 장치는 컴퓨터 판독 가능한 매체이거나 이런 매체를 포함하는 구성일 수 있으며, 예를 들어 SAN(Storage Area Network) 내의 장치들이나 다른 구성도 포함할 수 있고, 플로피 디스크 장치, 하드 디스크 장치, 광 디스크 장치, 혹은 테이프 장치, 플래시 메모리, 그와 유사한 다른 반도체 메모리 장치 혹은 장치 어레이일 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: 시설물 관리 시스템 20: 무인비행체
100: 시설물 관리 장치 110: 입출력부
120: 통신부 130: 저장부
140: 제어부
100: 시설물 관리 장치 110: 입출력부
120: 통신부 130: 저장부
140: 제어부
Claims (16)
- 시설물 관리 장치에 의해 수행되는 무인비행체를 이용한 시설물 관리 방법에 있어서,
무인비행체로부터 시설물 촬영 영상을 획득하는 단계;
상기 시설물의 3차원 모델에 시설물 촬영 영상을 매핑한 시설물 관리 영상을 생성하는 단계;
상기 시설물 촬영 영상 또는 상기 시설물 관리 영상에서 상기 시설물의 종류를 판별하고, 해당 시설물 또는 유사 시설물에서 소정 확률 이상으로 결함이 자주 발생되는 부분을 포함한 분석 대상 영상을 추출하는 단계;
상기 분석 대상 영상을 분석하여 결함 종류를 판정하는 단계;
상기 판정된 결함 종류와 결함의 정도를 분석하여 결함 의심 부분을 추출하는 단계;
상기 결함 의심 부분을 상기 시설물 관리 영상 내에서 미리 설정된 방식으로 표시하는 단계; 및
상기 결함 의심 부분에 대한 정보 요청 시 상기 결함 의심 부분에 대한 영상 정보를 제공하는 단계를 포함하고,
상기 결함 의심 부분을 추출하는 단계는,
상기 분석 대상 영상의 결함 종류와 상기 분석 대상 영상의 위치 데이터를 함께 고려하여 상기 분석 대상 영상의 위험도를 판단하고, 위험도가 설정 수준 이상인 분석 대상 영상의 위치 데이터를 참조하여 결함 의심 부분을 추출하는 단계를 포함하는 시설물 관리 방법. - 제 1 항에 있어서,
상기 촬영 영상을 획득하는 단계는,
영상 데이터, 촬영 영상을 획득한 지점의 위치 데이터, 시간 데이터, 피사체와 촬영카메라 사이의 거리 데이터, 비행 경로 데이터 및 시설물 식별 정보 중 적어도 하나의 정보를 포함하는 촬영 영상 파일을 상기 촬영 영상으로서 획득하는 단계를 더 포함하는 시설물 관리 방법. - 제 1 항에 있어서,
상기 분석 대상 영상을 추출하는 단계는,
상기 시설물의 3차원 모델의 동일한 위치에 매핑된 과거의 시설물 촬영 영상 또는 시설물 관리 영상과 비교하여, 일정 수준이상 차이가 검출된 부분을 포함하는 영상을 분석 대상 영상으로 추출하는 단계를 포함하는 시설물 관리 방법. - 제 1 항에 있어서,
상기 분석 대상 영상을 추출하는 단계는,
연속 촬영되어 이웃한 촬영 영상들이 각각 분석 대상 부분으로 추출되고, 상기 이웃한 촬영 영상들 간에 적어도 일부가 중복되면, 이웃한 촬영 영상들을 합성한 하나의 분석 대상 영상을 생성하되, 해상도와 명암비 중 하나에 기초하여 하나의 촬영 영상을 선택하고, 선택되지 않은 촬영 영상에서 중복영역을 제거하여 합성하는 단계를 포함하는 시설물 관리 방법. - 제 1 항에 있어서,
상기 결함 종류를 판정하는 단계는,
기계 학습된 인공 지능 모델을 이용하여 결함 종류를 판정하는 단계와,
분석 대상 영상에 대한 결함 정보를 관리자로부터 직접 선택받아 결함 종류를 판정하는 단계 중 적어도 하나를 포함하는 시설물 관리 방법. - 제 1 항에 있어서,
상기 분석 대상 영상을 추출하는 단계 또는 상기 결함 의심 부분을 추출하는 단계 이후에,
상기 분석 대상 영상의 또는 상기 결함 의심 부분에 대한 위치정보를 포함하는 추가 촬영 요청을 생성하는 단계를 더 포함하는 시설물 관리 방법. - 삭제
- 무인비행체를 이용한 시설물 관리 장치에 있어서,
상기 시설물의 3차원 모델에 상기 무인비행체로부터 촬영된 시설물 촬영 영상을 매핑한 시설물 관리 영상을 생성하며, 상기 시설물 촬영 영상 또는 시설물 관리 영상에서 상기 시설물의 종류를 판단하고, 해당 시설물 또는 유사 시설물에서 소정 확률 이상으로 결함이 자주 발생되는 부분을 포함한 분석 대상 영상을 추출하고, 상기 분석 대상 영상을 분석하여 결함 종류를 판정하며, 상기 판정된 결함 종류와 결함의 정도를 분석하여 결함 의심 부분을 추출하는 제어부; 및
상기 결함 의심 부분을 상기 시설물 관리 영상 내에서 미리 설정된 방식으로 표시하고, 결함 의심 부분에 대한 정보 요청 시 상기 결함 의심 부분에 대한 영상 정보를 출력하는 입출력부를 포함하고,
상기 제어부는,
상기 분석 대상 영상의 결함 종류와 상기 분석 대상 영상의 위치 데이터를 함께 고려하여 상기 분석 대상 영상의 위험도를 판단하고, 위험도가 설정 수준 이상인 분석 대상 영상의 위치 데이터를 참조하여 결함 의심 부분을 추출하는 시설물 관리 장치. - 제 8 항에 있어서,
상기 제어부는,
상기 무인비행체로부터 영상 데이터, 촬영 영상을 획득한 지점의 위치 데이터, 시간 데이터, 피사체와 촬영카메라 사이의 거리 데이터, 비행 경로 데이터, 시설물 식별 정보 중 적어도 하나의 정보를 포함한 촬영 영상 파일을 생성하는 시설물 관리 장치. - 제 8 항에 있어서,
상기 제어부는,
상기 시설물의 3차원 모델의 동일한 위치에 매핑된 과거의 시설물 촬영 영상 또는 시설물 관리 영상과 비교하여, 일정 수준이상 차이가 검출된 부분을 포함하는 영상을 상기 분석 대상 영상으로 추출하는 시설물 관리 장치. - 제 8 항에 있어서,
상기 제어부는,
연속 촬영되어 이웃한 촬영 영상들이 각각 분석 대상 부분으로 추출되고, 상기 이웃한 촬영 영상들 간에 적어도 일부가 중복되면, 이웃한 촬영 영상들을 합성한 하나의 분석 대상 영상을 생성하되, 해상도와 명암비 중 하나에 기초하여 하나의 촬영 영상을 선택하고, 선택되지 않은 촬영 영상에서 중복영역을 제거하여 합성하는 시설물 관리 장치. - 제 8 항에 있어서,
상기 제어부는,
기계 학습된 인공 지능 모델을 이용하여 결함 종류를 판정 및 분석 대상 영상에 대한 결함 정보를 관리자로부터 직접 선택 받아 결함 종류를 판정 중 적어도 하나를 이용하여 결함 종류를 판정하는 시설물 관리 장치. - 제 8 항에 있어서,
상기 제어부는,
상기 분석 대상 영상 또는 상기 결함 의심 부분에 대한 위치정보를 포함하는 추가 촬영 요청을 생성하는 시설물 관리 장치. - 삭제
- 제 1 항에 기재된 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.
- 시설물 관리 장치에 의해 수행되며, 제 1 항에 기재된 시설물 관리 방법을 수행하기 위해 매체에 저장된 컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180157427A KR102038127B1 (ko) | 2018-12-07 | 2018-12-07 | 무인비행체를 이용한 시설물 관리 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180157427A KR102038127B1 (ko) | 2018-12-07 | 2018-12-07 | 무인비행체를 이용한 시설물 관리 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102038127B1 true KR102038127B1 (ko) | 2019-10-29 |
Family
ID=68423733
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180157427A KR102038127B1 (ko) | 2018-12-07 | 2018-12-07 | 무인비행체를 이용한 시설물 관리 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102038127B1 (ko) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102127135B1 (ko) | 2019-12-06 | 2020-06-26 | 주식회사 소프트그래피 | 시설물 정밀점검 시스템 및 방법 |
| KR102162028B1 (ko) * | 2020-04-07 | 2020-10-06 | (재)한국건설품질연구원 | Ai를 이용한 손상탐지 시스템 |
| KR102260559B1 (ko) * | 2020-08-24 | 2021-06-07 | 주식회사 한국건설방재연구원 | 태블릿을 이용한 시설 구조물의 안전 진단 방법 |
| KR20210082912A (ko) * | 2019-12-26 | 2021-07-06 | 주식회사 딥인스펙션 | 촬영영상 및 설명가능 인공지능 기반의 공항 시설물 안전점검 시스템 및 그 방법 |
| KR20210083453A (ko) * | 2019-12-26 | 2021-07-07 | 주식회사 딥인스펙션 | 촬영영상, 인공지능, 강화학습 알고리즘 기반의 전시 비행 포장면 피해복구 자동화 시스템 및 그 방법 |
| KR102286138B1 (ko) * | 2020-10-30 | 2021-08-06 | 한국건설기술연구원 | 드론을 이용하여 하천 시설을 인식하기 위한 시스템 및 그 방법 |
| KR20220032771A (ko) * | 2020-09-08 | 2022-03-15 | 에스큐엔지니어링(주) | 구조물 안전점검 및 진단을 위한 다관절 카메라 장비 시스템 |
| KR20220062769A (ko) * | 2020-11-09 | 2022-05-17 | 김덕호 | 댐 사면 변위 측정 방법 및 장치 |
| KR20220074103A (ko) | 2020-11-27 | 2022-06-03 | 주식회사 소프트그래피 | 3차원 모델에 대한 영상 정합 장치 및 방법 |
| KR20220126956A (ko) * | 2021-03-10 | 2022-09-19 | 한국도로공사 | 3차원 디지털 모델 및 영상맵핑을 이용한 교량유지관리방법 |
| KR102467860B1 (ko) * | 2021-09-08 | 2022-11-16 | 경남도립거창대학산학협력단 | 컴퓨터로 판독 가능한 기록매체에 저장된 시설물의 안전을 진단하는 방법을 수행하기 위한 컴퓨터 프로그램과 이를 이용한 시설물 안전진단 시스템 |
| CN117437564A (zh) * | 2023-12-20 | 2024-01-23 | 中铁三局集团广东建设工程有限公司 | 一种用于桥梁施工监控的无人机数据处理方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101718287B1 (ko) * | 2016-07-06 | 2017-04-05 | 양권석 | 드론을 활용한 항공 진단 안전 서비스 방법 |
| KR20170136133A (ko) * | 2016-05-31 | 2017-12-11 | 순천대학교 산학협력단 | 무인비행체를 이용한 구조물 검사 장치 및 방법 |
| KR101879673B1 (ko) * | 2017-06-02 | 2018-07-18 | (주)건설표준시험원 | 무인 비행체를 이용한 구조물 표면 조사 장치 및 방법 |
-
2018
- 2018-12-07 KR KR1020180157427A patent/KR102038127B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170136133A (ko) * | 2016-05-31 | 2017-12-11 | 순천대학교 산학협력단 | 무인비행체를 이용한 구조물 검사 장치 및 방법 |
| KR101718287B1 (ko) * | 2016-07-06 | 2017-04-05 | 양권석 | 드론을 활용한 항공 진단 안전 서비스 방법 |
| KR101879673B1 (ko) * | 2017-06-02 | 2018-07-18 | (주)건설표준시험원 | 무인 비행체를 이용한 구조물 표면 조사 장치 및 방법 |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102127135B1 (ko) | 2019-12-06 | 2020-06-26 | 주식회사 소프트그래피 | 시설물 정밀점검 시스템 및 방법 |
| KR102396329B1 (ko) * | 2019-12-26 | 2022-05-10 | 주식회사 딥인스펙션 | 촬영영상 및 설명가능 인공지능 기반의 공항 시설물 안전점검 시스템 및 그 방법 |
| KR102396330B1 (ko) * | 2019-12-26 | 2022-05-11 | 주식회사 딥인스펙션 | 촬영영상, 인공지능, 강화학습 알고리즘 기반의 전시 비행 포장면 피해복구 자동화 시스템 및 그 방법 |
| KR20210083453A (ko) * | 2019-12-26 | 2021-07-07 | 주식회사 딥인스펙션 | 촬영영상, 인공지능, 강화학습 알고리즘 기반의 전시 비행 포장면 피해복구 자동화 시스템 및 그 방법 |
| KR20210082912A (ko) * | 2019-12-26 | 2021-07-06 | 주식회사 딥인스펙션 | 촬영영상 및 설명가능 인공지능 기반의 공항 시설물 안전점검 시스템 및 그 방법 |
| KR102162028B1 (ko) * | 2020-04-07 | 2020-10-06 | (재)한국건설품질연구원 | Ai를 이용한 손상탐지 시스템 |
| KR102260559B1 (ko) * | 2020-08-24 | 2021-06-07 | 주식회사 한국건설방재연구원 | 태블릿을 이용한 시설 구조물의 안전 진단 방법 |
| KR20220032771A (ko) * | 2020-09-08 | 2022-03-15 | 에스큐엔지니어링(주) | 구조물 안전점검 및 진단을 위한 다관절 카메라 장비 시스템 |
| KR102573261B1 (ko) * | 2020-09-08 | 2023-09-01 | 에스큐엔지니어링(주) | 구조물 안전점검 및 진단을 위한 다관절 카메라 장비 시스템 |
| WO2022092437A1 (ko) * | 2020-10-30 | 2022-05-05 | 한국건설기술연구원 | 드론을 이용하여 하천 시설을 인식하기 위한 시스템 및 그 방법 |
| KR102286138B1 (ko) * | 2020-10-30 | 2021-08-06 | 한국건설기술연구원 | 드론을 이용하여 하천 시설을 인식하기 위한 시스템 및 그 방법 |
| KR102508164B1 (ko) * | 2020-11-09 | 2023-03-10 | 김덕호 | 댐 사면 변위 측정 방법 및 장치 |
| KR20220062769A (ko) * | 2020-11-09 | 2022-05-17 | 김덕호 | 댐 사면 변위 측정 방법 및 장치 |
| KR20220074103A (ko) | 2020-11-27 | 2022-06-03 | 주식회사 소프트그래피 | 3차원 모델에 대한 영상 정합 장치 및 방법 |
| KR20220126956A (ko) * | 2021-03-10 | 2022-09-19 | 한국도로공사 | 3차원 디지털 모델 및 영상맵핑을 이용한 교량유지관리방법 |
| KR102449117B1 (ko) * | 2021-03-10 | 2022-09-29 | 한국도로공사 | 3차원 디지털 모델 및 영상맵핑을 이용한 교량유지관리방법 |
| KR102467860B1 (ko) * | 2021-09-08 | 2022-11-16 | 경남도립거창대학산학협력단 | 컴퓨터로 판독 가능한 기록매체에 저장된 시설물의 안전을 진단하는 방법을 수행하기 위한 컴퓨터 프로그램과 이를 이용한 시설물 안전진단 시스템 |
| CN117437564B (zh) * | 2023-12-20 | 2024-03-12 | 中铁三局集团广东建设工程有限公司 | 一种用于桥梁施工监控的无人机数据处理方法及装置 |
| CN117437564A (zh) * | 2023-12-20 | 2024-01-23 | 中铁三局集团广东建设工程有限公司 | 一种用于桥梁施工监控的无人机数据处理方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102038127B1 (ko) | 무인비행체를 이용한 시설물 관리 장치 및 방법 | |
| Liu et al. | Integrating building information model and augmented reality for drone-based building inspection | |
| US11378718B2 (en) | Unmanned aerial vehicle system and methods | |
| Duque et al. | Bridge deterioration quantification protocol using UAV | |
| US11392897B1 (en) | Intelligent system and method for assessing structural damage using aerial imagery | |
| KR20200121274A (ko) | 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체 | |
| JP2018163654A (ja) | 電気通信インベントリ管理のためのシステムおよび方法 | |
| WO2018207173A1 (en) | System and method for construction 3d modeling and analysis | |
| KR20120020303A (ko) | 증강현실기법을 이용한 건축 구조물 정보 제공 장치, 건축 구조물 디스플레이 장치 및 이를 이용한 건축 구조물 유지 보수 방법 | |
| JP7065477B2 (ja) | 災害状況判定システムおよび災害判定飛行システム | |
| CN107945103A (zh) | 无人机图像的隐私遮挡方法、装置及无人机 | |
| US10660062B1 (en) | Indoor positioning | |
| US20170039450A1 (en) | Identifying Entities to be Investigated Using Storefront Recognition | |
| US20210019910A1 (en) | Systems and methods for a real-time intelligent inspection assistant | |
| Germanese et al. | Architectural Heritage: 3D Documentation and Structural Monitoring Using UAV. | |
| Dabove et al. | Close range photogrammetry with tablet technology in post-earthquake scenario: Sant’Agostino church in Amatrice | |
| Germanese et al. | Towards structural monitoring and 3d documentation of architectural heritage using UAV | |
| KR102011713B1 (ko) | 연속구조물 결함 모니터링 시스템 및 방법 | |
| CA3069813C (en) | Capturing, connecting and using building interior data from mobile devices | |
| Chen et al. | GIS-Based Information System for Automated Building Façade Assessment Based on Unmanned Aerial Vehicles and Artificial Intelligence | |
| Cabrelles et al. | From multispectral 3D recording and documentation to development of mobile apps for dissemination of cultural heritage | |
| US20160349409A1 (en) | Photovoltaic shade impact prediction | |
| CN105468881A (zh) | 基于航拍图像的实景距离计算方法及装置 | |
| Baeck et al. | Drone based near real-time human detection with geographic localization | |
| KR102320262B1 (ko) | 재난피해영역의 피해규모 추정 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |