KR102056564B1 - 머신 비전을 이용한 시설물 관리 방법 및 장치 - Google Patents

머신 비전을 이용한 시설물 관리 방법 및 장치 Download PDF

Info

Publication number
KR102056564B1
KR102056564B1 KR1020190034950A KR20190034950A KR102056564B1 KR 102056564 B1 KR102056564 B1 KR 102056564B1 KR 1020190034950 A KR1020190034950 A KR 1020190034950A KR 20190034950 A KR20190034950 A KR 20190034950A KR 102056564 B1 KR102056564 B1 KR 102056564B1
Authority
KR
South Korea
Prior art keywords
facility
managed
management
model
information
Prior art date
Application number
KR1020190034950A
Other languages
English (en)
Inventor
김지성
Original Assignee
주식회사 지오플랜코리아
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 주식회사 지오플랜코리아 filed Critical 주식회사 지오플랜코리아
Priority to KR1020190034950A priority Critical patent/KR102056564B1/ko
Application granted granted Critical
Publication of KR102056564B1 publication Critical patent/KR102056564B1/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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/40—Correcting position, velocity or attitude
    • G01S19/41—Differential correction, e.g. DGPS [differential GPS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

머신 비전을 이용한 시설물 관리 방법 및 장치를 개시한다.
차량에 설치된 카메라를 이용하여 영상을 촬영한 후 머신 비전 기술을 이용하여 영상으로부터 관리대상 시설물을 자동으로 식별하고, 차량의 위치에 관리대상 시설물까지의 거리를 반영하여 정밀위치를 산출하고, 관리대상 시설물의 이상 유무를 자동으로 확인하여 업데이트하도록 하는 머신 비전을 이용한 시설물 관리 방법 및 장치를 제공한다.

Description

머신 비전을 이용한 시설물 관리 방법 및 장치{Method And Apparatus for Managing Facility by using Machine Vision}
본 실시예는 머신 비전을 이용한 시설물 관리 방법 및 장치에 관한 것이다.
이하에 기술되는 내용은 단순히 본 실시예와 관련되는 배경 정보만을 제공할 뿐 종래기술을 구성하는 것이 아니다.
고도의 산업화로 인해 사회기반 및 플랜트 시설물 건설이 급증하였다. 현재 산업화 초기 및 고도 성장기에 건설된 산업 인프라는 사용연수의 증가에 따른 노후화 가속이 예상된다. 이에 따라 구조물 예측시스템을 적용한 효율적 유지관리(성능개선, 장수명화) 방안에 대한 관심이 집중되고 있다.
종래의 시설물 관리는 안전성 위주로 유지보수가 이루어져 왔으나, 시설물을 유지보수를 위해서 사람이 직접 현장에 나가서 시설물의 상태를 직접 유관으로 확인해야 하는 불편함이 존재한다. 예컨대, 사람이 자동차로 주행하면서 시설물에 설치된 새집(까치집)만을 직접 유관으로 찾아야 하는 불편함이 존재한다. 또한, 시설물이 설치된 위치로 사람이 직접 찾아갈 때, 대부분의 시공사 또는 관리업체에서 시설물의 설치위치를 정확하게 저장하지 못하고 있는 문제가 있다.
다시 말해, 한국전력공사, 전력설비공사, 통신설비기업에서 설치한 사회기반 및 플랜트 시설물의 위치를 정확하게 저장하고 있지 못하다. 따라서, 사람이 직접 자동차로 주행하면서 시설물의 위치를 찾아간 후 유관으로 시설물의 상태를 확인(예컨대, 새집(까치집)과 같은 위험요소를 확인)해야 하는데 어려움이 존재한다.
본 실시예는 차량에 설치된 카메라를 이용하여 영상을 촬영한 후 머신 비전 기술을 이용하여 영상으로부터 관리대상 시설물을 자동으로 식별하고, 차량의 위치에 관리대상 시설물까지의 거리를 반영하여 정밀위치를 산출하고, 관리대상 시설물의 이상 유무를 자동으로 확인하여 업데이트하도록 하는 머신 비전을 이용한 시설물 관리 방법 및 장치를 제공하는 데 목적이 있다.
본 실시예의 일 측면에 의하면, 시설물 관리서버로부터 시설물 시공 위치정보, 시설물 유지보수시 위치정보를 수신하는 통신부; 상기 시설물 시공 위치정보 및 상기 시설물 유지보수시 위치정보 인근에서 영상을 촬영하는 카메라; 상기 영상 내에서 기 학습된 모델을 기준으로 관리대상 시설물을 탐지하는 시설물 탐지부; 구비된 GPS를 이용하여 시설물 점검 차량에 대한 차량위치좌표를 산출하는 차량 위치 산출부; 기 학습된 모델의 사이즈와 상기 관리대상 시설물의 사이즈를 비교하여 상기 카메라와 상기 관리대상 시설물까지의 거리를 산출하는 거리 계산부; 상기 차량위치좌표를 기준으로 상기 관리대상 시설물까지의 거리를 반영하여 상기 관리대상 시설물에 대한 정밀위치좌표를 산출하는 정밀위치 산출부; 상기 관리대상 시설물과 기 저장된 기준 모델을 비교하여 상기 관리대상 시설물의 이상 유무를 확인한 상태 확인 정보를 생성하는 시설물 상태 확인부; 및 상기 정밀위치좌표 및 상기 상태 확인 정보를 상기 시설물 관리서버로 전송하여 상기 관리대상 시설물에 대한 정보를 갱신하도록 하는 시설물 관리부를 포함하는 것을 특징으로 하는 시설물 관리장치를 제공한다.
본 실시예의 다른 측면에 의하면, 시설물 관리서버로부터 시설물 시공 위치정보, 시설물 유지보수시 위치정보를 수신하는 과정; 상기 시설물 시공 위치정보 및 상기 시설물 유지보수시 위치정보 인근에서 영상을 촬영하는 과정; 상기 영상 내에서 기 학습된 모델을 기준으로 관리대상 시설물을 탐지하는 과정; 구비된 GPS를 이용하여 시설물 점검 차량에 대한 차량위치좌표를 산출하는 과정; 기 학습된 모델의 사이즈와 상기 관리대상 시설물의 사이즈를 비교하여 상기 카메라와 상기 관리대상 시설물까지의 거리를 산출하는 과정; 상기 차량위치좌표를 기준으로 상기 관리대상 시설물까지의 거리를 반영하여 상기 관리대상 시설물에 대한 정밀위치좌표를 산출하는 과정; 상기 관리대상 시설물과 기 저장된 기준 모델을 비교하여 상기 관리대상 시설물의 이상 유무를 확인한 상태 확인 정보를 생성하는 과정; 및 상기 정밀위치좌표 및 상기 상태 확인 정보를 상기 시설물 관리서버로 전송하여 상기 관리대상 시설물에 대한 정보를 갱신하도록 하는 과정을 포함하는 것을 특징으로 하는 시설물 관리 방법을 제공한다.
이상에서 설명한 바와 같이 본 실시예에 의하면, 차량에 설치된 카메라를 이용하여 영상을 촬영한 후 머신 비전 기술을 이용하여 영상으로부터 관리대상 시설물을 자동으로 식별하고, 차량의 위치에 관리대상 시설물까지의 거리를 반영하여 정밀위치를 산출하고, 관리대상 시설물의 이상 유무를 자동으로 확인하여 업데이트하도록 하는 효과가 있다.
도 1은 본 실시예에 따른 머신 비전을 이용한 시설물 관리 시스템을 개략적으로 나타낸 블럭 구성도이다.
도 2는 본 실시예에 따른 시설물 관리장치를 개략적으로 나타낸 블럭 구성도이다.
도 3은 본 실시예에 따른 순시 차량의 퓨전 위치 측위 방법을 설명하기 위한 도면이다.
도 4는 본 실시예에 따른 머신 비전을 이용하여 관리대상 시설물을 탐지하는 방법을 설명하기 위한 순서도이다.
도 5는 본 실시예에 따른 머신 비전을 이용하여 관리대상 시설물을 관리하는 방법을 설명하기 위한 순서도이다.
도 6은 본 실시예에 따른 관리대상 시설물의 이상 유무를 확인하는 예시를 나타낸 도면이다.
이하, 본 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 실시예에 따른 머신 비전을 이용한 시설물 관리 시스템을 개략적으로 나타낸 블럭 구성도이다.
본 실시예에 따른 시설물 관리 시스템은 시설물 관리서버(110), 시설물 데이터베이스(112), GIS(Geographic Information System) 데이터베이스(114), 데이터베이스 관리서버(116), 시설물 점검 차량(120), 시설물 관리장치(130)를 포함한다. 시설물 관리 시스템에 포함된 구성요소는 반드시 이에 한정되는 것은 아니다.
시설물 관리서버(110)는 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)와 통신을 수행하여 내부에 포함된 시설물 데이터베이스(112), GIS 데이터베이스(114) 내에 저장된 정보를 관리한다.
시설물 관리서버(110)는 데이터베이스 관리서버(116)를 제어하여 시설물 데이터베이스(112)로부터 시설물 시공 위치정보를 추출하여 시설물 관리장치(130)로 전송한다. 시설물 관리서버(110)는 데이터베이스 관리서버(116)를 제어하여 GIS 데이터베이스(114)로부터 시설물 유지보수시 위치정보를 추출하여 시설물 관리장치(130)로 전송한다.
시설물 관리서버(110)는 시설물 관리장치(130)로부터 관리대상 시설물에 대한 정밀위치좌표 및 상태 확인 정보를 수신한 경우, 시설물 데이터베이스(112), GIS 데이터베이스(114) 내에 저장된 정보 중 해당 시설물에 대응하는 정보를 갱신한다.
시설물 관리서버(110)는 시설물 데이터베이스(112), GIS 데이터베이스(114), 데이터베이스 관리서버(116)를 포함한다.
시설물 데이터베이스(112), GIS 데이터베이스(114)는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 의미한다.
시설물 데이터베이스(112)는 전력공사에서 기 저장하고 있는 시설물에 대응하는 시설물 시공 위치정보(위치 좌표)를 저장한다. 시설물 데이터베이스(112)는 특정 위치에 시설물(예컨대, 전신주가 2개에 대한 각각의 식별정보)를 저장한다. GIS 데이터베이스(114)는 유지보수 업체에서 기 저장한 시설물 유지보수시 위치정보를 저장한다.
데이터베이스 관리서버(116)는 시설물 데이터베이스(112), GIS 데이터베이스(114)의 데이터의 검색(추출), 삭제, 편집, 추가 등을 수행할 수 있는 서버를 의미한다.
시설물 관리장치(130)는 차량(120)에 탑재되어 전력설비공사(예컨대, 한국전력공사) 등에서 설치한 전신주 등의 관리대상 시설물을 차량(120)에 설치된 카메라(210)로 촬영하고, 머신 비젼 기술을 이용하여 자동으로 식별하고 그 결과를 시설물 관리서버(110)와 연동하여 갱신, 관리하는 장치를 의미한다.
시설물 관리장치(130)는 차량(120)에 설치된 카메라(210)를 이용하여 촬영한 기 설치된 전신주와 같은 관리대상 시설물 영상을 생성한다. 시설물 관리장치(130)는 관리대상 시설물 영상을 컴퓨터 비젼 기술을 이용하여 자동으로 식별한 식별 결과를 생성한다. 시설물 관리장치(130)는 식별 결과를 시설물 관리서버(110)와 연동하여 갱신한다.
일반적으로 전력설비공사(예컨대, 한국전력공사)에서 관리하는 시설물 시공 위치정보가 부정확하므로, 본 실시예에 따른 시설물 관리장치(130)에서 차량(120)에서 촬영한 영상을 수신한 후 컴퓨터 비젼 기술 및 머신러닝 기술 적용하여 영상 내의 관리대상 시설물을 식별한다.
시설물 관리장치(130)는 컴퓨터 비젼 기술 및 머신러닝 기술을 이용하여 영상 내에서 관리대상 시설물을 식별하는 정밀도를 높여서 실시간으로 관리시설물의 위치를 측위한다. 시설물 관리장치(130)는 영상에서 식별한 관리대상 시설물 및 측위 위치를 시설물 관리서버(110)에 반영한다. 시설물 관리장치(130)는 관리대상 시설물에 까치집 등 위험물이나 애자, 변압기 등의 이상 여부를 실시간으로 판단하여 알람할 수 있다.
시설물 관리장치(130)는 관리대상 시설물의 정보 및 GIS 위치좌표를 통합한 시설물 통합 정보를 시설물 점검 차량 내에 탑재된 시설물 관리장치(130)로 전송한다. 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 시설물 관리장치(130)로부터 시설물 통합 정보를 수신한다. 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 시설물 통합 정보로부터 시설물의 좌표 정보 및 설비 상태 정보를 추출한다.
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 시설물의 좌표 정보에 해당하는 영역 내에서 설비 상태 정보에 대응하는 객체를 촬영한 영상 정보를 생성한다. 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 영상 정보를 시설물 관리장치(130)로 전송한다.
시설물 관리장치(130)는 영상 정보로부터 관리대상 시설물을 식별한다. 시설물 관리장치(130)에서 영상 정보로부터 식별한 관리대상 시설물이 통신 시설물인 경우, 시설물 관리장치(130)는 통신 시설물에 대한 케이블의 설치상태 및 접속함체의 위치 및 설치상태를 확인한다.
시설물 관리장치(130)에서 영상 정보로부터 식별한 관리대상 시설물이 전력 시설물의 경우, 시설물 관리장치(130)는 전력 시설물에 대한 전력선의 설치상태 및 시설물의 상태(열화상정보) 추가로 새집 등의 고장원인 등을 파악한다.
시설물 점검 차량(120)에 설치된 시설물 관리장치(130)는 시설물 관리장치(130)로 취득된 정보를 전달하여, 시설물 관리장치(130)에서 시설물 데이터베이스에 업데이트하도록 한다. 시설물 관리장치(130)는 영상 정보로부터 식별한 관리대상 시설물을 기반으로 시설물 현황을 분석하고 장애를 예측한다.
시설물 관리장치(130)는 머신 비전을 이용하여 관리대상 시설물을 식별하고 관리한다. 시설물 관리장치(130)는 촬영된 영상으로부터 시설물(예컨대, 전신주, 통신설비, 가로등 등)의 위치 및 상태를 머신 러닝 기반의 컴퓨터 비전 기술을 이용하여 확인한다.
시설물 관리업체에서 일반적으로 센싱 정보만을 이용하여 개략적으로 시설물의 위치만 파악하고 있는 반면, 본 실시예에 따른 시설물 관리장치(130)는 관리대상 시설물의 정확한 위치정보 취득하고, 정확한 위치정보를 기반으로 기 저장하고 있는 있는 관리대상 시설물의 위치정보를 보정한다.
관리대상 시설물은 전력설비(전신주, 변압기, 애자), 통신설비(통신접속함체, 통신전주), 조명 시설물(가로등), 신호 시설물(신호등) 중 적어도 하나 이상을 포함한다. 시설물 관리장치(130)는 머신러닝 기반의 트레이닝(Training) 및 모델 최적화(Optimization)하여 인식기능 고도화한다.
시설물 관리장치(130)는 최적화된 머신러닝 시설물 모델을 이용하여 컴퓨터 비전을 기술을 적용하여 영상으로부터 관리대상 시설물을 인식할 때 3차원 공간좌표를 취득한다.
시설물 관리장치(130)는 컴퓨터 비전 기술을 이용하여 취득한 데이터와 위치정보(DGPS(Differential GPS) 또는 RTK(Real-Time Kinematic) 기반 정밀 GPS)와의 퓨전(Fusion) 센싱으로 좌표를 취득한다.
시설물 관리장치(130)는 퓨전 센싱 기반으로 관리대상 시설물의 정확한 위치를 측위한 후 관리대상 시설물의 기 저장된 위치정보를 새로 측위한 위치 정보로 보정한다. 시설물 관리장치(130)는 머신 비전 기반으로 관리대상 시설물의 상태를 파악하여 고장 및 장애를 진단한다.
도 2는 본 실시예에 따른 시설물 관리장치를 개략적으로 나타낸 블럭 구성도이다.
본 실시예에 따른 시설물 관리장치(130)는 카메라(210), 시설물 탐지부(222), 거리 계산부(224), 크기 계산부(226), GPS(232), 차량 위치 산출부(234), 통신모듈(240), 정밀위치 산출부(250), 시설물 상태 확인부(260), 시설물 관리부(270)를 포함한다. 시설물 관리장치(130)에 포함된 구성요소는 반드시 이에 한정되는 것은 아니다.
시설물 관리장치(130)에 포함된 각 구성요소는 장치 내부의 소프트웨어적인 모듈 또는 하드웨어적인 모듈을 연결하는 통신 경로에 연결되어 상호 간에 유기적으로 동작할 수 있다. 이러한 구성요소는 하나 이상의 통신 버스 또는 신호선을 이용하여 통신한다.
도 2에 도시된 시설물 관리장치(130)의 각 구성요소는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 소프트웨어적인 모듈, 하드웨어적인 모듈 또는 소프트웨어와 하드웨어의 결합으로 구현될 수 있다.
카메라(210)는 고해상도 비전 카메라가 적용되는 것이 바람직하나 반드시 이에 한정되는 것은 아니다. 카메라(210)는 시설물 시공 위치정보 및 시설물 유지보수시 위치정보 인근에서 영상을 촬영한다.
시설물 탐지부(222)는 영상 내에서 기 학습된 모델을 기준으로 관리대상 시설물을 탐지한다. 시설물 탐지부(222)는 기 학습된 모델로서 360˚ 영상으로 머신 러닝 모델을 선행 학습하여 관리대상 시설물을 탐지한다.
시설물 탐지부(222)는 영상 내에서 기 학습된 모델에 대응하는 객체가 있는지의 여부를 탐지할 때, 기 정의(Pre-Define)된 카메라 초점 정보, 촬영 각도 정보, 자세 정보 및 높이 정보 중 적어도 하나 이상을 포함하는 카메라 정보를 반영하여 관리대상 시설물을 탐지한다.
시설물 탐지부(222)는 영상 내에서 기 학습된 전력 설비 모델을 기준으로 관리대상 시설물로 전신주, 변압기 및 애자 중 어느 하나를 탐지한다. 시설물 탐지부(222)는 영상 내에서 기 학습된 통신 설비 모델을 기준으로 관리대상 시설물로 통신접속함체, 통신전주 중 어느 하나를 탐지한다. 시설물 탐지부(222)는 영상 내에서 기 학습된 조명 시설물 모델을 기준으로 관리대상 시설물로 가로등을 탐지한다. 시설물 탐지부(222)는 영상 내에서 기 학습된 신호 시설물 모델을 기준으로 관리대상 시설물로 신호등을 탐지한다.
거리 계산부(224)는 기 학습된 모델의 사이즈와 관리대상 시설물의 사이즈를 비교하여 카메라와 관리대상 시설물까지의 거리를 산출한다.
거리 계산부(224)는 차량 위치 산출부(234)에서 산출한 차량위치좌표를 기반으로 차량(120)이 위치하는 차선 정보를 산출하고, 차량위치좌표를 기반으로 촬영 각도를 산출한다. 거리 계산부(224)는 차선 정보, 촬영 각도를 기반으로 카메라(210)와 관리대상 시설물까지의 거리를 산출한다.
크기 계산부(226)는 카메라(210)와 관리대상 시설물까지의 거리를 기반으로 관리대상 시설물에 대한 크기를 계산한다. 크기 계산부(226)는 관리대상 시설물에 대한 크기와 기준 모델의 크기를 비교하여 관리대상 시설물에 대한 크기와 기준 모델의 크기가 임계치 이내로 차이가 나는 경우, 관리대상 시설물이 기 학습된 모델인 것으로 인지한다. 크기 계산부(226)는 관리대상 시설물의 픽셀 길이로 관리대상 시설물에 대한 크기로 환산한다.
차량 위치 산출부(234)는 GPS(232)를 이용하여 시설물 점검 차량(120)에 대한 차량위치좌표를 산출한다. 차량 위치 산출부(234)는 DGPS(Differential GPS) 또는 RTK(Real-Time Kinematic) 기반의 퓨전(Fusion) 센싱으로 시설물 점검 차량(120)에 대한 차량위치좌표를 산출한다.
통신모듈(240)은 시설물 관리서버(110)로부터 시설물 시공 위치정보, 시설물 유지보수시 위치정보를 수신한다. 통신모듈(240)은 관리대상 시설물에 대한 정밀위치좌표 및 상태 확인 정보를 시설물 관리서버(110)로 전송한다.
정밀위치 산출부(250)는 차량위치좌표를 기준으로 관리대상 시설물까지의 거리를 반영하여 관리대상 시설물에 대한 정밀위치좌표를 산출한다.
시설물 상태 확인부(260)는 관리대상 시설물과 기 저장된 기준 모델을 비교하여 관리대상 시설물의 이상 유무를 확인한 상태 확인 정보를 생성한다.
시설물 상태 확인부(260)는 관리대상 시설물의 형태와 기준 모델의 형태를 비교한다. 시설물 상태 확인부(260)는 관리대상 시설물의 형태와 기준 모델의 형태가 기 설정된 임계치 이상으로 차이가 나는 경우, 관리대상 시설물의 설비에 이상이 있거나 장애가 발생한 것으로 확인한 상태 확인 정보를 생성한다.
시설물 상태 확인부(260)는 관리대상 시설물로 전신주, 변압기 또는 애자를 탐지한 경우, 전신주, 변압기 또는 애자 중 어느 하나의 형태와 전력 설비 모델의 형태를 비교한다. 시설물 상태 확인부(260)는 전신주, 변압기 및 애자 중 어느 하나의 형태와 전력 설비 모델의 형태가 기 설정된 임계치 이상으로 차이가 나는 경우, 전신주, 변압기 및 애자 중 어느 하나에 외부 객체(예컨대, 까치집)가 존재하는 것으로 확인하거나 전신주, 변압기 및 애자 중 어느 하나에 부속품이 차이가 나는 것으로 확인한다.
시설물 관리부(270)는 정밀위치좌표 및 상태 확인 정보를 시설물 관리서버(110)로 전송하여 관리대상 시설물에 대한 정보를 갱신하도록 한다.
시설물 관리부(270)는 관리대상 시설물에 정밀위치좌표 및 상태 확인 정보를 매칭하여 시설관리맵을 생성한다. 시설물 관리부(270)는 시설관리맵을 시설물 관리서버(110)로 전송한다.
도 3은 본 실시예에 따른 순시 차량의 퓨전 위치 측위 방법을 설명하기 위한 도면이다.
시설물 관리서버(110)는 시설물 시공 위치정보, 시설물 유지보수시 위치정보를 통합한 시설물 통합 정보를 시설물 점검 차량(120) 내에 탑재된 시설물 관리장치(130)로 전송한다. 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 시설물 관리서버(110)로부터 시설물 통합 정보를 수신한다. 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 시설물 통합 정보로부터 시설물 시공 위치정보, 시설물 유지보수시 위치정보를 추출한다.
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 시설물의 좌표 정보에 해당하는 영역 내에서 설비 상태 정보에 대응하는 객체를 촬영한 영상 정보를 생성한다. 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 객체인식 기준 대상으로 관리대상 시설물(310)을 판단한다. 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 시설물 점검 차량(120) 내에 설치된 비전 카메라(210)의 설치각도 및 인식거리를 기정의(Pre-Define)한다. 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 인식된 관리대상 시설물(310)의 각도 판단한다.
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 인식 객체의 실제 사이즈(예컨대, 콘크리트 전신주 16 M로 인식)와 기준 컴퓨터비전 인식 객체 사이즈를 비교하여 카메라(210)와 인식된 관리대상 시설물(310)까지의 거리를 판단한다.
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 시설물 점검차량의 정밀좌표를 기준으로 인식된 관리대상 시설물(310)의 공간좌표를 연산한다. 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 시설물 관리장치(130)로부터 기 저장된 시설물 저장 좌표를 수신한다.
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 새롭게 연산된 공간좌표와 기 저장된 시설물 저장 좌표를 비교한다. 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 새롭게 연산된 공간좌표와 기 저장된 시설물 저장 좌표가 임계치 이상으로 차이가 발생하는 경우, 새롭게 연산된 공간좌표를 시설물 관리서버(110)로 전송하여, 해당 관리대상 시설물(310)에 대한 측위 정보가 새롭게 연산된 공간좌표로 업데이트되도록 한다.
도 4는 본 실시예에 따른 머신 비전을 이용하여 관리대상 시설물을 탐지하는 방법을 설명하기 위한 순서도이다.
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 머신러닝한 객체 모델, 카메라(210)에서 촬영한 영상, 카메라 정보(카메라 초점, 거리, 자세 및 높이)를 이용하여 촬영된 영상으로부터 선행 학습된 관리대상 시설물(객체)를 탐지한다(S410).
단계 S410에서, 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 촬영된 영상으로부터 머신러닝한 객체 모델에 대응하는 객체가 있는지의 여부를 탐지하고, 탐지 결과, 머신러닝한 객체 모델에 대응하는 객체가 존재하는 경우, 해당 객체를 관리대상 시설물로 식별한다.
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 카메라(210)와 영상으로부터 탐지된 관리대상 시설물(객체)간 거리를 계산한다(S420).
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 카메라(210)와 영상으로부터 탐지된 관리대상 시설물(객체)간 거리와 영상 정보를 이용하여 관리대상 시설물(객체)의 크기를 계산한다(S430).
도 4에서는 단계 S410 내지 단계 S430을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 4에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 4는 시계열적인 순서로 한정되는 것은 아니다.
전술한 바와 같이 도 4에 기재된 본 실시예에 따른 머신 비전을 이용하여 관리대상 시설물을 탐지하는 방법은 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 머신 비전을 이용하여 관리대상 시설물을 탐지하는 방법을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.
도 5는 본 실시예에 따른 머신 비전을 이용하여 관리대상 시설물을 관리하는 방법을 설명하기 위한 순서도이다.
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 머신러닝한 객체 모델, 카메라(210)에서 촬영한 영상, 카메라 정보(카메라 초점, 거리, 자세 및 높이)를 이용하여 촬영된 영상으로부터 선행 학습된 관리대상 시설물(객체)를 탐지한다.
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 촬영된 영상으로부터 선행 학습된 객체를 탐지한 경우, 시설물 점검 차량(120)에 구비된 정밀 GPS(DGPS(Differential GPS) 또는 RTK(Real-Time Kinematic) 기반 정밀 GPS)를 확인한다(S510).
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 카메라(210)와 영상으로부터 탐지된 관리대상 시설물(객체)간 거리를 계산한다.
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 카메라(210)와 영상으로부터 탐지된 관리대상 시설물(객체)간 거리를 계산한 후 해당 거리를 반영하여 관리대상 시설물에 대한 좌표 정보를 계산한다(S520). 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 카메라(210)와 영상으로부터 탐지된 관리대상 시설물(객체)간 거리와 영상 정보를 이용하여 관리대상 시설물(객체)의 크기를 계산한다.
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 촬영된 영상으로부터 선행 학습된 관리대상 시설물(객체)를 탐지한 경우, 머신 비전을 이용하여 관리대상 시설물(객체)을 분석한다(S530). 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 관리대상 시설물(객체)에 대한 시설물 정밀위치를 확인한다(S540). 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 머신 비전을 이용하여 관리대상 시설물(객체)에 대한 상태 정보를 파악한다(S550).
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 관리대상 시설물(객체)에 대한 시설물 정밀위치 또는 상태 정보를 시설물 데이터베이스(112) 또는 GIS 데이터베이스(114)에 반영하도록 시설물 관리장치(130)로 전송한다(S560).
도 5에서는 단계 S510 내지 단계 S560을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 5에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 5는 시계열적인 순서로 한정되는 것은 아니다.
전술한 바와 같이 도 5에 기재된 본 실시예에 따른 머신 비전을 이용하여 관리대상 시설물을 관리하는 방법은 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 머신 비전을 이용하여 관리대상 시설물을 관리하는 방법을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.
도 6은 본 실시예에 따른 관리대상 시설물의 이상 유무를 확인하는 예시를 나타낸 도면이다.
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 시설물 관리서버(110)로부터 시설물 시공 위치정보, 시설물 유지보수시 위치정보를 수신한다. 시설물 관리장치(130)는 시설물 관리서버(110) 내의 시설물 데이터베이스(112)로부터 시설물 시공 위치정보를 수신하고, GIS 데이터베이스(114)로부터 시설물 유지보수시 위치정보를 수신한다.
시설물 점검 차량(120)은 시설물 시공 위치정보, 시설물 유지보수시 위치정보 인근으로 이동한다. 시설물 점검 차량(120)은 주행하면서 시설물 관리장치(130)를 이용하여 시설물 시공 위치정보, 시설물 유지보수시 위치정보에 대응하는 위치 주변에서 영상을 촬영한다.
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 영상으로부터 시설물을 탐지한다. 시설물은 전력설비(전신주, 변압기, 애자), 통신설비(통신접속함체, 통신전주), 조명 시설물(가로등), 신호 시설물(신호등) 중 적어도 하나 이상으로 구분된다. 시설물 관리장치(130)는 영상에서 시설물을 탐지할 때 예컨대, 통신사별 전신주 모양을 기계학습으로 시설물을 인식한다.
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 GPS(232)를 이용하여 차량의 현재 위치 정보를 산출한다. 시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 위치정보(DGPS(Differential GPS) 또는 RTK(Real-Time Kinematic) 기반 정밀 GPS)와의 퓨전(Fusion) 센싱으로 차량의 현재 위치 좌표를 산출한다.
시설물 관리장치(130)는 차량이 위치하는 차선 정보, 시설물까지의 거리, 각도까지 반영한다. 시설물 관리장치(130)는 차량(120)이 위치하는 도로선 정보, 차선 정보를 이용하여 차량(120)의 위치를 정밀하게 산출한다.
시설물 점검 차량(120)에 탑재된 시설물 관리장치(130)는 시설물까지의 거리를 계산한다. 시설물 관리장치(130)는 차량의 GPS 위치를 확인한 후 카메라와 시설물까지 거리를 반영하여 정확한 위치를 산출한다. 전신주는 차량의 위치로부터 일정거리가 떨어져 있으므로, 시설물 관리장치(130)는 차량의 위치를 기반으로 떨어진 거리를 반영하여 시설물의 정확한 위치 좌표를 산출한다.
시설물 관리장치(130)는 시설물의 상태를 판단하여 설비유무, 장애여부를 판단한다. 예컨대, 시설물 관리장치(130)는 변압기, 애자의 상태를 확인한다.
시설물 관리장치(130)는 변압기, 애자, 전신주 위에 설치된 물체의 형태(예컨대, 까치집)를 인식한다. 시설물 관리장치(130)는 변압기에 애자가 5개 달려 있는 것을 특정하고 있다가 상태를 확인한다.
촬영 각도에 따라 인식되는 객체가 다를 수 있는데, 시설물 관리장치(130)는 기 입력된 360˚ 영상으로 머신러닝한 모델 데이터를 선행학습하므로 각도에 따른 인식률을 높인다. 시설물 관리장치(130)는 전신주의 길이를 픽셀 길이로 환산하여 객체를 인식한다.
시설물 관리장치(130)는 시설물에 정밀좌표, 상태, 장애유무를 매칭시켜서 시설관리맵을 생성한다. 시설물 관리장치(130)는 업체별 시설관리맵을 생성하거나 통신사별 커버리지맵을 생성할 수 있다. 시설물 관리장치(130)는 시설물 관리서버(110)에 기 저장된 시설관리맵이 존재하는 경우, 새로운 시설관리맵으로 갱신 가능하다. 시설물 관리장치(130)는 시설관리맵과 별도로 시설물의 실제 위치를 정확하게 확인하여 시설물 관리서버(110) 내의 데이터베이스를 갱신할 수 있다. 시설물 관리장치(130)는 관리대상 시설물에 까치집 등 위험물이나 애자, 변압기 등의 이상 여부를 실시간으로 판단하여 알람할 수 있다.
도 6에 도시된 바와 같이, 시설물 관리장치(130)는 영상 내에서 기 학습된 전력 설비 모델을 기준으로 관리대상 시설물로 전신주, 변압기 및 애자 중 어느 하나를 탐지한다.
시설물 관리장치(130)는 관리대상 시설물로 전신주, 변압기 또는 애자를 탐지한 경우, 전신주, 변압기 또는 애자 중 어느 하나의 형태와 전력 설비 모델의 형태를 비교한다.
시설물 관리장치(130)는 전신주, 변압기 및 애자 중 어느 하나의 형태와 전력 설비 모델의 형태가 기 설정된 임계치 이상으로 차이가 나는 경우, 전신주, 변압기 및 애자 중 어느 하나에 외부 객체(예컨대, 까치집)가 존재하는 것으로 확인한다. 또한, 시설물 관리장치(130)는 전신주, 변압기 및 애자 중 어느 하나에 부속품이 차이가 나는 것으로 확인한다.
시설물 관리장치(130)는 도 6에 도시된 바와 같이, 변압기, 애자, 전신주 위에 설치된 물체의 형태(예컨대, 까치집, 쓰레기)를 인식하거나 특정 변압기에 부속 부품으로 애자가 5개 달려 있는지의 여부를 확인할 수 있다.
시설물 관리장치(130)에서 영상 정보로부터 식별한 관리대상 시설물이 전력 시설물의 경우, 도 6에 도시된 바와 같이, 전력 시설물에 대한 전력선의 설치상태 및 시설물의 상태(열화상정보) 추가로 새집 등의 고장원인 등을 파악할 수 있다.
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
110: 시설물 관리서버
112: 시설물 데이터베이스 114: GIS 데이터베이스
116: 데이터베이스 관리서버
120: 시설물 점검 차량
130: 시설물 관리장치
210: 카메라 222: 시설물 탐지부
224: 거리 계산부 226: 크기 계산부
232: GPS 234: 차량 위치 산출부
240: 통신모듈 250: 정밀위치 산출부
260: 시설물 상태 확인부 270: 시설물 관리부
310: 관리대상 시설물

Claims (12)

  1. 시설물 관리서버로부터 시설물 시공 위치정보, 시설물 유지보수시 위치정보를 수신하는 통신부;
    상기 시설물 시공 위치정보 및 상기 시설물 유지보수시 위치정보 인근에서 영상을 촬영하는 카메라;
    상기 영상 내에서 기 학습된 모델을 기준으로 관리대상 시설물을 탐지하는 시설물 탐지부;
    구비된 GPS를 이용하여 시설물 점검 차량에 대한 차량위치좌표를 산출하는 차량 위치 산출부;
    기 학습된 모델의 사이즈와 상기 관리대상 시설물의 사이즈를 비교하여 상기 카메라와 상기 관리대상 시설물까지의 거리를 산출하는 거리 계산부;
    상기 차량위치좌표를 기준으로 상기 관리대상 시설물까지의 거리를 반영하여 상기 관리대상 시설물에 대한 정밀위치좌표를 산출하는 정밀위치 산출부;
    상기 관리대상 시설물과 기 저장된 기준 모델을 비교하여 상기 관리대상 시설물의 이상 유무를 확인한 상태 확인 정보를 생성하는 시설물 상태 확인부; 및
    상기 정밀위치좌표 및 상기 상태 확인 정보를 상기 시설물 관리서버로 전송하여 상기 관리대상 시설물에 대한 정보를 갱신하도록 하는 시설물 관리부를 포함하고,
    상기 시설물 탐지부는,
    상기 영상 내에서 기 학습된 전력 설비 모델을 기준으로 상기 관리대상 시설물로 전신주, 변압기 및 애자 중 어느 하나를 탐지하고, 상기 영상 내에서 기 학습된 통신 설비 모델을 기준으로 상기 관리대상 시설물로 통신접속함체, 통신전주 중 어느 하나를 탐지하고, 상기 영상 내에서 기 학습된 조명 시설물 모델을 기준으로 상기 관리대상 시설물로 가로등을 탐지하고, 상기 영상 내에서 기 학습된 신호 시설물 모델을 기준으로 상기 관리대상 시설물로 신호등을 탐지하고,
    상기 관리대상 시설물의 형태와 상기 기준 모델의 형태를 비교하여 상기 관리대상 시설물의 형태와 상기 기준 모델의 형태가 기 설정된 임계치 이상으로 차이가 나는 경우, 상기 관리대상 시설물의 설비에 이상이 있거나 장애가 발생한 것으로 확인한 상기 상태 확인 정보를 생성하고,
    상기 관리대상 시설물로 상기 전신주, 변압기 또는 애자를 탐지한 경우, 상기 전신주, 변압기 또는 애자 중 어느 하나의 형태와 전력 설비 모델의 형태를 비교하여, 상기 전신주, 변압기 및 애자 중 어느 하나의 형태와 전력 설비 모델의 형태가 기 설정된 제1 임계치 이상으로 차이가 나는 경우, 상기 전신주, 변압기 및 애자 중 어느 하나에 외부 객체가 존재하는 것으로 확인하고,
    상기 전신주, 변압기 및 애자 중 어느 하나의 형태와 전력 설비 모델의 형태가 기 설정된 제2 임계치 이상으로 차이가 나는 경우, 상기 전신주, 변압기 및 애자 중 어느 하나에 부속품이 차이가 나서 상기 전력 설비에 이상이 있거나 장애가 발생한 것으로 확인하는 것을 특징으로 하는 시설물 관리장치.
  2. 제1항에 있어서,
    상기 카메라와 상기 관리대상 시설물까지의 거리를 기반으로 상기 관리대상 시설물에 대한 크기를 계산하고, 상기 관리대상 시설물에 대한 크기와 상기 기준 모델의 크기를 비교하여, 상기 관리대상 시설물에 대한 크기와 상기 기준 모델의 크기가 임계치 이내로 차이가 나는 경우, 상기 관리대상 시설물이 상기 기 학습된 모델인 것으로 인지하는 크기 계산부
    를 추가로 포함하는 것을 특징으로 하는 시설물 관리장치.
  3. 제2항에 있어서,
    상기 크기 계산부는,
    상기 관리대상 시설물의 픽셀 길이로 상기 관리대상 시설물에 대한 크기로 환산하는 것을 특징으로 하는 시설물 관리장치.
  4. 제1항에 있어서,
    상기 시설물 탐지부는,
    상기 기 학습된 모델로서 360˚ 영상으로 머신 러닝 모델을 선행 학습하여 상기 관리대상 시설물을 탐지하는 것을 특징으로 하는 시설물 관리장치.
  5. 제4항에 있어서,
    상기 시설물 탐지부는,
    상기 영상 내에서 기 학습된 모델에 대응하는 객체가 있는지의 여부를 탐지할 때, 기 정의(Pre-Define)된 카메라 초점 정보, 촬영 각도 정보, 자세 정보 및 높이 정보 중 적어도 하나 이상을 포함하는 카메라 정보를 반영하여 상기 관리대상 시설물을 탐지하는 것을 특징으로 하는 시설물 관리장치.
  6. 삭제
  7. 제1항에 있어서,
    상기 차량 위치 산출부는
    DGPS(Differential GPS) 또는 RTK(Real-Time Kinematic) 기반의 퓨전(Fusion) 센싱으로 상기 시설물 점검 차량에 대한 상기 차량위치좌표를 산출하는 것을 특징으로 하는 시설물 관리장치.
  8. 제1항에 있어서,
    상기 거리 계산부는,
    상기 차량위치좌표를 기반으로 상기 차량이 위치하는 차선 정보를 산출하고, 상기 차량위치좌표를 기반으로 촬영 각도를 산출하고, 상기 차선 정보, 상기 촬영 각도를 기반으로 상기 카메라와 상기 관리대상 시설물까지의 거리를 산출하는 것을 특징으로 하는 시설물 관리장치.
  9. 삭제
  10. 삭제
  11. 제1항에 있어서,
    상기 시설물 관리부는,
    상기 관리대상 시설물에 상기 정밀위치좌표 및 상기 상태 확인 정보를 매칭하여 시설관리맵을 생성하고, 상기 시설관리맵을 상기 시설물 관리서버로 전송하는 것을 특징으로 하는 시설물 관리장치.
  12. 시설물 관리서버로부터 시설물 시공 위치정보, 시설물 유지보수시 위치정보를 수신하는 과정;
    상기 시설물 시공 위치정보 및 상기 시설물 유지보수시 위치정보 인근에서 영상을 촬영하는 과정;
    상기 영상 내에서 기 학습된 모델을 기준으로 관리대상 시설물을 탐지하는 과정;
    구비된 GPS를 이용하여 시설물 점검 차량에 대한 차량위치좌표를 산출하는 과정;
    기 학습된 모델의 사이즈와 상기 관리대상 시설물의 사이즈를 비교하여 카메라와 상기 관리대상 시설물까지의 거리를 산출하는 과정;
    상기 차량위치좌표를 기준으로 상기 관리대상 시설물까지의 거리를 반영하여 상기 관리대상 시설물에 대한 정밀위치좌표를 산출하는 과정;
    상기 관리대상 시설물과 기 저장된 기준 모델을 비교하여 상기 관리대상 시설물의 이상 유무를 확인한 상태 확인 정보를 생성하는 과정; 및
    상기 정밀위치좌표 및 상기 상태 확인 정보를 상기 시설물 관리서버로 전송하여 상기 관리대상 시설물에 대한 정보를 갱신하도록 하는 과정을 포함하고,
    상기 시설물을 탐지하는 과정에서,
    상기 영상 내에서 기 학습된 전력 설비 모델을 기준으로 상기 관리대상 시설물로 전신주, 변압기 및 애자 중 어느 하나를 탐지하고, 상기 영상 내에서 기 학습된 통신 설비 모델을 기준으로 상기 관리대상 시설물로 통신접속함체, 통신전주 중 어느 하나를 탐지하고, 상기 영상 내에서 기 학습된 조명 시설물 모델을 기준으로 상기 관리대상 시설물로 가로등을 탐지하고, 상기 영상 내에서 기 학습된 신호 시설물 모델을 기준으로 상기 관리대상 시설물로 신호등을 탐지하고,
    상기 상태 확인 정보를 생성하는 과정에서,
    상기 관리대상 시설물의 형태와 상기 기준 모델의 형태를 비교하여 상기 관리대상 시설물의 형태와 상기 기준 모델의 형태가 기 설정된 임계치 이상으로 차이가 나는 경우, 상기 관리대상 시설물의 설비에 이상이 있거나 장애가 발생한 것으로 확인한 상기 상태 확인 정보를 생성하고,
    상기 관리대상 시설물로 상기 전신주, 변압기 또는 애자를 탐지한 경우, 상기 전신주, 변압기 또는 애자 중 어느 하나의 형태와 전력 설비 모델의 형태를 비교하여, 상기 전신주, 변압기 및 애자 중 어느 하나의 형태와 전력 설비 모델의 형태가 기 설정된 제1 임계치 이상으로 차이가 나는 경우, 상기 전신주, 변압기 및 애자 중 어느 하나에 외부 객체가 존재하는 것으로 확인하고,
    상기 전신주, 변압기 및 애자 중 어느 하나의 형태와 전력 설비 모델의 형태가 기 설정된 제2 임계치 이상으로 차이가 나는 경우, 상기 전신주, 변압기 및 애자 중 어느 하나에 부속품이 차이가 나서 상기 전력 설비에 이상이 있거나 장애가 발생한 것으로 확인하는 것을 특징으로 하는 시설물 관리 방법.
KR1020190034950A 2019-03-27 2019-03-27 머신 비전을 이용한 시설물 관리 방법 및 장치 KR102056564B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190034950A KR102056564B1 (ko) 2019-03-27 2019-03-27 머신 비전을 이용한 시설물 관리 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190034950A KR102056564B1 (ko) 2019-03-27 2019-03-27 머신 비전을 이용한 시설물 관리 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102056564B1 true KR102056564B1 (ko) 2019-12-16

Family

ID=69052039

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190034950A KR102056564B1 (ko) 2019-03-27 2019-03-27 머신 비전을 이용한 시설물 관리 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102056564B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021132758A1 (ko) * 2019-12-26 2021-07-01 (주) 로탈 스테레오 카메라를 이용한 객체 위치 결정 시스템
KR20210134106A (ko) * 2020-04-29 2021-11-09 한국전력공사 전신주의 비정상 상황에 대한 안내 정보를 제공하는 방법 및 그 전자 장치
KR20220162968A (ko) * 2021-06-02 2022-12-09 이영준 버스 정류장 시설물 관리 시스템 및 그 방법
KR20230020220A (ko) * 2021-08-03 2023-02-10 인천대학교 산학협력단 구조물 건전성 경보 시스템 및 이를 이용한 경보 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101404658B1 (ko) * 2014-03-18 2014-06-09 (주)에이치아이디솔루션 촬영된 영상의 보정값을 고려한 차량녹화영상 분석 방법 및 장치
KR101871441B1 (ko) * 2018-02-27 2018-06-27 뉴비전엔지니어링(주) 자율주행차량용 고정밀전자지도 제작을 위한 음성인식 현장조사와 도로선형 생성 시스템
KR101877224B1 (ko) * 2017-10-18 2018-08-09 리치앤타임(주) Ｕａｖ 무력화 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101404658B1 (ko) * 2014-03-18 2014-06-09 (주)에이치아이디솔루션 촬영된 영상의 보정값을 고려한 차량녹화영상 분석 방법 및 장치
KR101877224B1 (ko) * 2017-10-18 2018-08-09 리치앤타임(주) Ｕａｖ 무력화 방법 및 장치
KR101871441B1 (ko) * 2018-02-27 2018-06-27 뉴비전엔지니어링(주) 자율주행차량용 고정밀전자지도 제작을 위한 음성인식 현장조사와 도로선형 생성 시스템

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021132758A1 (ko) * 2019-12-26 2021-07-01 (주) 로탈 스테레오 카메라를 이용한 객체 위치 결정 시스템
KR20210134106A (ko) * 2020-04-29 2021-11-09 한국전력공사 전신주의 비정상 상황에 대한 안내 정보를 제공하는 방법 및 그 전자 장치
KR102366691B1 (ko) * 2020-04-29 2022-02-25 한국전력공사 전신주의 비정상 상황에 대한 안내 정보를 제공하는 방법 및 그 전자 장치
KR20220162968A (ko) * 2021-06-02 2022-12-09 이영준 버스 정류장 시설물 관리 시스템 및 그 방법
KR102614784B1 (ko) * 2021-06-02 2023-12-14 이영준 버스 정류장 시설물 관리 시스템 및 그 방법
KR20230020220A (ko) * 2021-08-03 2023-02-10 인천대학교 산학협력단 구조물 건전성 경보 시스템 및 이를 이용한 경보 방법
KR102600548B1 (ko) * 2021-08-03 2023-11-09 인천대학교 산학협력단 구조물 건전성 경보 시스템 및 이를 이용한 경보 방법

Similar Documents

Publication Publication Date Title
KR102056564B1 (ko) 머신 비전을 이용한 시설물 관리 방법 및 장치
CN112910094B (zh) 基于泛在电力物联网的变电站远方自动巡检系统及方法
US9744671B2 (en) Information technology asset type identification using a mobile vision-enabled robot
JP6161071B2 (ja) 設備状態検出方法およびその装置
CN111988524A (zh) 一种无人机与摄像头协同避障方法、服务器及存储介质
CN112381356A (zh) 一种工程项目竣工验收方法、系统、服务器及存储介质
CN109165708A (zh) 基于rfid的漏缆外观维护方法、系统及故障维护辅助终端
CN111028452A (zh) 一种变电站异物入侵监控系统和方法
CN111062504A (zh) 一种基于ar技术的智能配电站运维系统及方法
CN112511808A (zh) 一种输电线路智能巡检系统及方法
JP2017102672A (ja) 地理位置情報特定システム及び地理位置情報特定方法
US11580659B2 (en) Method for size estimation by image recognition of specific target using given scale
CN115752462A (zh) 楼宇内重点巡检目标巡检方法、系统、电子设备和介质
CN109345787A (zh) 一种基于智能图像识别技术的输电线路防外损监控报警系统
CN109002633B (zh) 基于独立空间的设备网络建模方法
CN105070058A (zh) 一种基于实时路况视频的精准路况分析方法及系统
CN108780607A (zh) 用于车辆的基础设施识别设备，用于产生信号的方法和用于提供维修信息的方法
CN113052105A (zh) 输电电路交叉跨越智能识别方法、装置及介质
CN102901910A (zh) 高压架空线路走廊的监控方法及其系统
CN117092631A (zh) 一种输电通道施工机械目标定位与测距方法及系统
CN112269397A (zh) 一种基于高精度定位和视觉跟踪的无人机巡检方法
CN116047499B (zh) 一种目标施工车辆的输电线路高精度实时防护系统和方法
CN116740833A (zh) 基于无人机的线路巡线打卡方法
CN115719436A (zh) 模型训练方法、目标检测方法、装置、设备以及存储介质
CN110516551B (zh) 一种基于视觉的巡线位置偏移识别系统、方法及无人机

Legal Events

Date Code Title Description
GRNT Written decision to grant