KR102141352B1 - 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법 - Google Patents
영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법 Download PDFInfo
- Publication number
- KR102141352B1 KR102141352B1 KR1020180108232A KR20180108232A KR102141352B1 KR 102141352 B1 KR102141352 B1 KR 102141352B1 KR 1020180108232 A KR1020180108232 A KR 1020180108232A KR 20180108232 A KR20180108232 A KR 20180108232A KR 102141352 B1 KR102141352 B1 KR 102141352B1
- Authority
- KR
- South Korea
- Prior art keywords
- crack
- crack width
- image
- evaluating
- applying
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012545 processing Methods 0.000 title claims abstract description 20
- 230000003044 adaptive effect Effects 0.000 claims abstract description 25
- 238000002372 labelling Methods 0.000 claims abstract description 20
- 230000002146 bilateral effect Effects 0.000 claims abstract description 19
- 230000000694 effects Effects 0.000 claims abstract description 14
- 238000009499 grossing Methods 0.000 claims abstract description 9
- 238000011156 evaluation Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000003628 erosive effect Effects 0.000 description 6
- 230000010339 dilation Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/04—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving
- G01B11/046—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving for measuring width
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0033—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining damage, crack or wear
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G06T5/002—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
본 발명에 따른 콘크리트 구조물 균열 폭 평가 방법은 영상 처리 기법을 이용한 콘크리트 구조물의 균열 폭을 평가하는 방법에 있어서, 콘크리트 표면을 카메라로 촬영하는 단계(S100); 촬영한 영상을 회색 영상으로 변환하는 단계(S200); 상기 촬영한 영상에 생긴 잡음을 제거하고자 Bilateral Blur를 통한 Smoothing을 수행하는 단계(S300); 상기 촬영한 영상에 생긴 그림자 및 조명 반사에 대한 영향을 제거하고자 Adaptive Threshold Gaussian Constant를 적용하는 단계(S400); 상기 Adaptive Threshold Gaussian Constant로 인해 연속된 콘크리트 균열 객체가 분리되는 영향을 보완하기 위한 Closing 연산(Dilation-Erosion)을 적용하는 단계(S500) 및 이진화 및 Closing 연산이 적용된 영상에서 균일 후보 영역을 검출하기 위해 Labeling 알고리즘을 적용하는 단계(S600)를 포함하는 것을 특징으로 한다.
Description
본 발명은 영상 처리 기법을 이용한 콘크리트 구조물의 균열 폭 평가 방법에 관한 것이다.
콘크리트 구조물은 공용기간 동안 자중, 외력, 환경적 영향 등 다양한 하중 재하 상태에 놓여있다. 이러한 하중은 구조물의 구조적 손상뿐만 아니라 잠재적으로 구조물의 붕괴를 유발 시킬 수 있으며, 이는 사회적 및 경제적 손실을 초래한다. 따라서 콘크리트 구조물의 표면 균열은 구조물의 내구성 평가 과정에서 중요한 요인으로 인지되고 있다.
콘크리트 구조물에 대한 안전점검 및 정밀안전진단 시 균열의 폭을 조사하는 것은 필수적인 항목이다. 기존의 균열 측정은 작업자의 육안에 의한 평가가 주로 사용되고 있으며, 균열 폭을 측정하기 위한 균열 게이지 등의 장비가 사용될 수 있지만, 현장의 시간적 제약 조건 때문에 거의 사용되지 않고 있다. 균열 폭에 대한 정확한 측정은 구조물의 효율적인 유지 관리를 위한 가장 기본적인 자료임에도 불구하고, 육안에 의한 측정은 작업자에 따른 일관되지 못한 결과로 평가되어 그 오차가 크게 발생된다. 또한, 지하 구조물 및 야간 작업시 현장 측정이 곤란하며, 비용과 인력이 과다하게 소요되므로 측정 범위의 확대 또는 신속한 작업이 곤란하다. 따라서 다양한 콘크리트 구조물에 대하여 측정 정확성과 작업자의 측정 편의성이 뛰어난 측정 방법의 필요성이 대두되고 있다.
콘크리트 구조물의 표면 균열은 일반적으로 하나 또는 그 이상의 선 형상으로 발생된다. 이러한 균열의 특징은 영상 처리 기법(Image Processing Techniques)의 적용에 있어서 윤곽선(edge)에 대응될 수 있다. 윤곽선 검출 기법 및 차영상 분석 기법 등은 이러한 균열의 특징을 이용하여 적용될 수 있다. 콘크리트 균열에 대한 영상 처리 기법의 적용에 있어서 반드시 수행되어야 할 과정 중의 하나는 잡음의 제거이다. 기존의 잡음 제거에 대한 방법은 많은 연구자들에 의해서 Local Histogram Equalization 기법과 Labeling 기법 등 다양한 알고리즘으로 제안되어 왔다. 잡음이 제거된 영상은 Threshold Value에 의해 이진화되어야 하며, 연구자에 따라 여러 이진화 방법이 제안되었다.
본 발명은 Bilateral Blur를 통하여 점 형태의 잡음을 제거하고, Adaptive Threshold 이진화를 통하여 균열 영상의 먼지와 얼룩 및 촬영시 발생되는 그림자와 조명 반사 등에 대한 영향을 제거하고자 하였다.
본 발명에 따른 콘크리트 구조물 균열 폭 평가 방법은 영상 처리 기법을 이용한 콘크리트 구조물의 균열 폭을 평가하는 방법에 있어서, 콘크리트 표면을 카메라로 촬영하는 단계(S100); 촬영한 영상을 회색 영상으로 변환하는 단계(S200); 상기 촬영한 영상에 생긴 잡음을 제거하고자 Bilateral Blur를 통한 Smoothing을 수행하는 단계(S300); 상기 촬영한 영상에 생긴 그림자 및 조명 반사에 대한 영향을 제거하고자 Adaptive Threshold Gaussian Constant를 적용하는 단계(S400); 상기 Adaptive Threshold Gaussian Constant로 인해 연속된 콘크리트 균열 객체가 분리되는 영향을 보완하기 위한 Closing 연산(Dilation-Erosion)을 적용하는 단계(S500) 및 이진화 및 Closing 연산이 적용된 영상에서 균일 후보 영역을 검출하기 위해 Labeling 알고리즘을 적용하는 단계(S600)를 포함하는 것을 특징으로 한다.
본 발명은 Bilateral Blur를 통하여 점 형태의 잡음을 제거하고, Adaptive Threshold 이진화를 통하여 균열 영상의 먼지와 얼룩 및 촬영시 발생되는 그림자와 조명 반사 등에 대한 영향을 제거하고, Labeling 기법을 통하여 균열 객체를 분리하고, Labeling된 영역에 대한 면적비를 통하여 균열 후보 영역을 선정하여, 각각의 균열 폭은 위치 Histogram 분석과 삼각비를 이용하여 균열 후보 영역에서 계산되고, Reference Bar를 이용하여 미리 계산된 Scale Factor를 적용함으로써 콘크리트 표면에 대한 최대 균열 폭을 평가할 수 있는 효과를 보유하고 있다.
도 1은 본 발명에 따른 Histogram을 이용한 균열 폭 산정 방법에서 x축 Histogram을 나타낸다.
도 2는 본 발명에 따른 Histogram을 이용한 균열 폭 산정 방법에서 y축 Histogram을 나타낸다.
도 3은 본 발명에 따른 Histogram을 이용한 균열 폭 산정 방법에서 균열 폭 평가를 나타낸다.
도 4는 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법 알고리즘이다.
도 5는 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법의 균열 게이지에 의한 균열 폭 측정 실시 예이다.
도 6은 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법의 순서도이다.
도 2는 본 발명에 따른 Histogram을 이용한 균열 폭 산정 방법에서 y축 Histogram을 나타낸다.
도 3은 본 발명에 따른 Histogram을 이용한 균열 폭 산정 방법에서 균열 폭 평가를 나타낸다.
도 4는 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법 알고리즘이다.
도 5는 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법의 균열 게이지에 의한 균열 폭 측정 실시 예이다.
도 6은 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법의 순서도이다.
이하에서는, 본 발명의 실시 예에 따른 도면을 참조하여 설명하지만, 이는 본 발명의 더욱 용이한 이해를 위한 것으로, 본 발명의 범주가 그것에 의해 한정되는 것은 아니다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
설명에 앞서 본 명세서에는 다수의 양태 및 실시양태가 기술되며, 이들은 단순히 예시적인 것으로서 한정하는 것이 아니다.
본 명세서를 읽은 후에, 숙련자는 다른 양태 및 실시예가 본 발명의 범주로부터 벗어남이 없이 가능함을 이해할 것이다.
도 1은 본 발명에 따른 Histogram을 이용한 균열 폭 산정 방법에서 x축 Histogram을 나타내고, 도 2는 본 발명에 따른 Histogram을 이용한 균열 폭 산정 방법에서 y축 Histogram을 나타내고, 도 3은 본 발명에 따른 Histogram을 이용한 균열 폭 산정 방법에서 균열 폭 평가를 나타내고, 도 4는 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법 알고리즘이고, 도 5는 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법의 균열 게이지에 의한 균열 폭 측정 실시 예이고, 도 6은 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법의 순서도이다.
이하에서는 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법을 도1 내지 도 6을 참조하여 실시 예를 통해 상세히 설명하도록 한다.
본 발명에 따른 콘크리트 구조물 균열 폭 평가 방법은 영상 처리 기법을 이용한 콘크리트 구조물의 균열 폭을 평가하는 방법에 있어서, 콘크리트 표면을 카메라로 촬영하는 단계(S100); 촬영한 영상을 회색 영상으로 변환하는 단계(S200); 콘크리트 표면에 의해 상기 촬영한 영상에 생긴 잡음을 제거하고자 Bilateral Blur를 통한 Smoothing을 수행하는 단계(S300); 상기 촬영한 영상에 생긴 그림자 및 조명 반사에 대한 영향을 제거하고자 Adaptive Threshold Gaussian Constant를 적용하는 단계(S400); 상기 Adaptive Threshold Gaussian Constant로 인해 연속된 콘크리트 균열 객체가 분리되는 영향을 보완하기 위한 Closing 연산(Dilation-Erosion)을 적용하는 단계(S500) 및 이진화 및 Closing 연산이 적용된 영상에서 균일 후보 영역을 검출하기 위해 Labeling 알고리즘을 적용하는 단계(S600)를 포함하는 것을 특징으로 한다.
또한, 상기 단계(S300)은 Bilateral Blur에 대한 Diameter는 15를 적용하고, 색상과 공간에 대한 표준편차는 40으로 적용할 수 있다.
그리고, 상기 단계(S400)은 Block Size 7, Constant C 8.0으로 적용할 수 있다.
다음은 Bialateral Blur에 대해 상세히 설명하도록 한다.
Bilateral Blur는 경계 보존(edge-preserving) Smoothing이라고 알려져 있는 영상 분석 방법 중의 하나로써, 양방향 필터를 사용하여 Smoothing을 수행한다. Bilateral Blur는 각 픽셀과 주변 요소들로부터 가중 평균(weighted average)을 구하며, 가중치는 두 개의 성분을 갖는다. 하나는 Gaussian Smoothing에서 사용되는 가중치와 동일하고, 나머지 하나는 Gaussian 가중치와 유사하지만, 중심으로부터 거리에 따라 결정되는 값이 아니라 중심 픽셀 값과의 밝기 차이에 의해 결정되는 가중치를 사용한다. 즉, Bilateral Blur는 유사한 픽셀에 대하여 더 큰 가중치를 부여하는 Gaussian Smoothing이라고 간주할 수 있으며, 이는 콘크리트 표면에 대한 점 형태의 잡음 제거에 효과적일 수 있다. Bilateral Blur는 하기의 수학식 1과 같이 정의된다.
(수학식 1)
여기서 f와 h는 입력 영상과 결과 영상이 다중 대역임을 의미하며, k는 Kernel로써 하기 수학식 2와 같이 정의된다.
(수학식 2)
다음은 Adaptive Threshold에 대해 상세히 설명하도록 한다.
Adaptive Threshold는 특정 영역에 대한 주변 픽셀들의 분포를 분석하여 Threshold Value를 결정함으로써 이진화를 수행하는 방법이며, Adaptive Threshold T(x,y)는 특정 영역에 대하여 다른 값을 갖는다. T(x,y)는 각 픽셀 주변 (block size) × (block size)에서 계산된 가중치 평균값에서 지정된 상수를 뺀 값으로 결정된다. Adaptive Threshold 방법은 이미지에 강한 조명 또는 반사가 포함되어 픽셀 값이 점진적으로 변화하는 경우에 유용하며, Adaptive Threshold Mean Constant의 경우 가중치는 모두 동일한 값으로 지정되고, Adaptive Threshold Gaussian Constant의 경우 가중치는 가우시안 함수의 형태로 지정되어 중심 쪽 픽셀에 대한 가중치가 좀 더 크게 부여된다. 본 발명에서는 콘크리트 영상에 대한 얼룩 및 그림자 영향을 제거하기 위하여 Adaptive Threshold Gaussian Constant를 적용하는 것을 권장한다. Adaptive Threshold는 다음과 같이 하기 수학식3에 따라 연산된다.
(수학식 3)
다음은 Dilation 연산에 대해 상세히 설명하도록 한다.
Dilation 연산은 영상의 일부와 kernel과의 convolution이다. kernel은 template 또는 mask와 유사하며, Dilation 연산은 지역적 최대값을 선택하는 효과가 있다. 특정 영역에 대한 최대 픽셀값은 영상의 일부와 kernel의 연산 영역에서 구해지고, kernel의 고정점 아래에 있는 픽셀값은 이 최대값으로 설정된다. 그 결과 영상의 관심 객체는 확장된다. Dilation 연산은 connected component를 통한 Labeling에 적용될 수 있으며, 하기 수학식 4를 통하여 연산된다.
(수학식 4)
다음은 Erosion 연산에 대해 상세히 설명하도록 한다.
Erosion 연산은 Dilaton과 반대되는 개념이다. Erosion은 kernel 아래에서 지역적 최소값을 계산한다. Erosion 연산은 영상에서 얼룩 잡음을 제거하기 위해 사용될 수 있다. 얼룩은 Erosion 연산을 통하여 제거되고, 관심 영역들은 영향을 받지 않고 남아있게 된다. Erosion 연산은 다음과 같이 하기 수학식 5에 따라 연산된다.
(수학식 5)
이진화 영상에 대한 Labeling은 영상 처리에 대한 많은 분야에서 적용되어 왔다. 입력 영상 에 하나 또는 그 이상의 연결된 요소가 포함되어 있을 때 입력 영상 A와 같은 크기의 행렬 X 0로부터 배경 픽셀 값 0을 검출할 수 있다. 이렇게 검출된 X 0에 대응되는 위치를 제외하고, 입력 영상 A의 각 연결된 요소는 전경 픽셀 값인 이 된다. Labeling 연산은 연결된 요소에 대한 X 0로부터 시작되고, 입력 영상 A의 전 범위에 대해서 연산함으로써 모든 연결된 요소를 찾을 수 있다. Labeling 연산은 다음과 같이 하기 수학식 6에 의해서 연산된다.
(수학식 6)
여기서, B는 연결된 요소 검출에 대한 임의의 구조적 요소이며, 상기 수학식6의 알고리즘은 입력 영상 A의 모든 연결된 요소를 포함하는 X k에 대해서 X k=X k-1이 만족될 때 종료된다.
다음은 Labeling 면적비를 이용한 균열 후보 영역 검출하는 방법에 대해 상세히 설명하도록 한다.
콘크리트 균열은 발생 원인에 대한 형상과 관련하여 진행 방향을 유지하려는 특성이 있다. 이러한 특성을 고려해볼 때 Labeling된 영역에 대한 면적비를 이용하면 균열과 비균열 영역으로 구분할 수 있다. Labeling된 영역에 대한 면적비는 다음과 같이 하기 수학식 7에 의해 계산될 수 있다.
(수학식 7)
여기서, A ob는 Labeling에 의해서 검출된 각 영역의 객체 면적이고, A cb는 각 영역의 직사각형 면적이다. 면적비 F cb는 0에서 1.0 사이의 값을 가질 수 있으며, 일반적으로 독립된 균열의 경우에 그 값은 작아지게 된다.
다음은 Histogram을 이용한 균열 폭 산정에 대해 상세히 설명하도록 한다.
Histogram은 정해진 개수의 축에 축적된 데이터의 단순 합산이다. Histogram은 gradient의 크기와 방향, 색상 등으로부터 추출된 특징들이 나타나는 횟수를 합산한 것이며, 주어진 데이터 분포에 대한 통계적인 그림을 보여준다. Histogram은 일반적으로 원본 데이터보다 낮은 차수로 구성된다. Histogram은 Labeling된 균열 후보 영역에서 x, y축에 대한 균열 픽셀 빈도수를 도 1 내지 도 2와 같이 나타낼 수 있다. 도 1 및 도 2에서 각 축에 대한 Histogram 빈도 최대값과 그 위치는 도 3과 하기 수학식 8을 이용하여 균열 폭 평가에 사용될 수 있다.
(수학식 8)
여기서, w는 각 균열 후보 영역에 대한 최대 균열 폭이며, w1과 w2는 x축과 y축 기준 Histogram 최대 빈도수에 대한 균열 폭이다. Δx1은 x축 기준 최대 빈도수이며, Δy1은 Δx1 위치에서의 y축 빈도수이다. Δy2는 y축 기준 최대 빈도수이며, Δx2는 Δy2 위치에서의 x축 빈도수이다.
다음은 본 발명에 따른 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법을 실시 예를 통해 상세히 설명하도록 한다.
본 발명의 목적은 영상 처리 기법을 이용하여 콘크리트 표면 균열의 폭을 평가하는 것이다. 이를 위하여 콘크리트 표면에 대한 균열 영상을 카메라 렌즈 거리 를 기준으로 촬영하고, 촬영된 영상을 회색 영상으로 변환하였다. 콘크리트 표면에 대한 잡음은 일반적으로 점 형태로 존재하게 된다. 이러한 영향을 제거하고자 Bilateral Blur를 통한 Smoothing을 수행하였으며, Bilateral Blur에 대한 Diameter는 15를 적용하고, 색상과 공간에 대한 표준편차는 모두 40.0으로 적용되었다. 콘크리트 표면은 시간이 경과함에 따라 먼지와 얼룩 등이 발생될 수 있고, 촬영시 그림자 및 조명 반사가 포함될 수 있다. 따라서 Adaptive Threshold Gaussian Constant를 적용하여 이러한 영향을 제거하고자 하였으며, Block Size 7, Constant C 8.0 으로 적용되었다. Bilateral Blur를 통한 콘크리트 영상의 잡음 제거는 점 형태의 픽셀을 주변 픽셀의 분포에 따라 흐리게 하고, Adaptive Threshold는 흐려진 픽셀을 제거하는 효과가 있다. 이러한 영향은 연속된 콘크리트 균열 객체를 분리하는 경향이 있으므로 Closing 연산(Dilation-Erosion)을 적용하여 이를 보완하고자 하였다. 이진화와 Closing 연산이 적용된 영상은 균열 후보 영역을 검출하기 위해 Labeling 알고리즘이 적용될 수 있다.
본 발명의 실시 예에서는 전체 입력 영상에 대하여 8개의 Labeling 영역이 검출되었으며, 상기에서 언급한 바와 같이 Labeling 면적비를 통하여 4개의 비균열 후보 영역을 제외하였다. Labeling 면적비에 대한 기준값은 균열의 형상 특성을 고려하여 0.3을 적용하였다. 후보 영역으로 검출된 4개의 균열은 x축과 y축 Histogram을 통하여 균열 대응 최대 빈도수와 그 위치가 추적될 수 있다. 이 때 각 축의 최대 빈도수에 대한 균열 폭은 시작 위치와 마지막 위치에서 각각 계산됨으로써, 각 후보 영역에 대하여 4개의 균열 폭이 평가된다. 이렇게 계산된 4개의 균열 폭 중 최대값을 각 후보 영역에 대한 최대 균열 폭으로 선정하였다. 각 후보 영역에 대한 최대 균열 폭은 픽셀 단위로 계산된 값이므로 단위로 환산할 필요가 있다. 이를 위하여 도 4의 우측에 보이는 50mm 폭의 Reference Bar 영상을 촬영하고, 이에 대한 Histogram 분석을 통하여 픽셀 단위와 단위에 대한 Scale Factor 0.092764mm/pixel 을 계산하였다.
도 4는 상기에서 언급한 알고리즘을 각 단계에 따라 보여주고 있으며, 각 후보 영역에 대하여 최대 균열 폭의 위치는 빨간 점으로 표시되었다. 도 5는 균열 게이지를 이용하여 균열 폭을 측정한 결과이고, 하기 표 1은 본 발명에서 제안한 방법에 의한 최대 균열 폭과 같은 위치에서 균열 게이지를 이용하여 측정한 균열 폭을 비교한 결과이며, 최대 오차는 4.17%로 평가되었다. 표에서 볼 수 있는 바와 같이 제안된 방법에 의한 균열 폭은 균열 게이지에 의한 균열 폭에 비하여 전체적으로 감소된 값으로 평가되고 있다. 이는 Bilateral Blur와 Adaptive Threshold 적용시 균열의 윤곽선을 축소시키는 영향과 균열 게이지 측정시 작업자의 시각에 의한 영향으로 판단된다. 4개의 균열에 대한 오차를 비교해 볼 때 영상 처리 기법에 의한 콘크리트 균열 폭의 평가는 균열 객체 검출에 대한 신뢰성을 높일 수 있을 것이다.
(표 1. 제안된 방법과 균열 게이지에 의한 균열 폭 비교)
따라서 본 발명은 영상 처리 기법을 이용하여 콘크리트 표면 균열 폭을 평가하는 방법에 대한 새로운 접근법을 제안하는 것이다. 콘크리트 표면은 조도 영향에 의한 점 형태의 잡음이 포함될 수 있고, 지하 구조물의 공간적 특성상 이미지 촬영 조명에 의한 반사가 발생 될 수 있으며, 시간의 경과와 더불어 발생되는 얼룩이 포함될 수 있다. 따라서 영상 처리 기법에 의한 콘크리트 균열 검출시 이러한 요인들은 제거되어야 한다. 앞에서 언급한 바와 같이 Bilateral Blur는 균열의 경계를 유지하면서 점 형태의 잡음을 제거할 수 있으며, Adaptive Threshold는 조명 반사와 얼룩을 제거하는데 탁월한 효과가 있다. Bilateral Blur와 Adaptive Threshold는 균열 객체를 분리하는 경향이 있다. 이러한 영향을 줄이고자 Closing 과정을 수행하였으며, 균열 후보 영역을 검출하기 위해 Labeling 알고리즘을 적용하였다. 균열 후보 영역들 중 비균열 영역은 Labeling 면적비 제한을 통하여 균열 후보 영역에서 제외되었으며, 균열 후보 영역 각각에 대한 위치 Histogram 분석을 통하여 x축과 y축 최대 픽셀 빈도수 및 그 위치가 연산된다. 1개의 균열 영역에 대하여 x축과 y축 및 이에 대한 시작 위치와 마지막 위치에 대하여 삼각비를 이용하여 4개의 균열 폭을 계산하고, 최대값을 균열 폭으로 평가하였다. 또한, 균열 게이지를 이용하여 같은 위치에서의 균열 폭을 측정하고, 제안된 방법에 의한 균열 폭과 비교 분석하였다. 본 발명에서 제안된 방법에 의해 평가된 균열 폭은 균열 게이지에 의해 측정된 균열 폭보다 전체적으로 과소평가되고 있다. 이는 Bilateral Blur와 Adaptive Threshold에 의한 영향과 균열 게이지 측정 작업자의 시각적 판단에 의한 오차로 판단된다. 제안된 방법에 의한 균열 폭과 균열 게이지에 의해 측정된 균열 폭을 비교 분석 한 결과 최대 오차는 4.17%로 보이고 있으며, 이는 영상 처리 기법에 의한 균열 폭 평가에 대하여 신뢰성 있는 결과를 도출 할 수 있을 것으로 판단된다. 향후 Labeling을 통한 좀 더 많은 균열 정보 수집을 통하여 균열 길이 평가 및 균열 패턴 특성에 대한 연구가 수행되어야 할 것이다.
이상 본 발명의 실시 예에 따른 도면을 참조하여 설명하였지만, 본 발명이 속한 분야에서 통상의 지식을 가진 자라면 상기 내용을 바탕으로 본 발명의 범주 내에서 다양한 응용 및 변형을 행하는 것이 가능할 것이다.
Claims (3)
- 영상 처리 기법을 이용한 콘크리트 구조물의 균열 폭을 평가하는 방법에 있어서,
콘크리트 표면을 카메라로 촬영하는 단계(S100);
촬영한 영상을 회색 영상으로 변환하는 단계(S200);
상기 촬영한 영상에 생긴 잡음을 제거하고자 Bilateral Blur를 통한 Smoothing을 수행하는 단계(S300);
상기 촬영한 영상에 생긴 그림자 및 조명 반사에 대한 영향을 제거하고자 Adaptive Threshold Gaussian Constant를 적용하는 단계(S400);
상기 Adaptive Threshold Gaussian Constant로 인해 연속된 콘크리트 균열 객체가 분리되는 영향을 보완하기 위한 Closing 연산(Dilation-Erosion)을 적용하는 단계(S500);
상기 Adaptive Threshold Gaussian Constant 및 Closing 연산이 적용된 영상에서 균일 후보 영역을 검출하기 위해 Labeling 알고리즘을 적용하는 단계(S600) 및
상기 Labeling 알고리즘이 적용된 균열 후보 영역에서 x, y축에 대한 균열 픽셀 빈도수를 각 축에 대한 gradient의 크기와 방향, 색상으로부터 추출된 특징을 합산하는 Histogram의 빈도 최대값과 그 위치를 산출하는 하기 수학식 8을 이용하여 균열 폭 산정을 하는 단계를 포함하는 것을 특징으로 하는 콘크리트 구조물 균열 폭 평가 방법.
, ,
(수학식 8)
여기서, w는 각 균열 후보 영역에 대한 최대 균열 폭이며, w1과 w2는 x축과 y축 기준 Histogram 최대 빈도수에 대한 균열 폭이다. Δx1은 x축 기준 최대 빈도수이며, Δy1은 Δx1 위치에서의 y축 빈도수이다. Δy2는 y축 기준 최대 빈도수이며, Δx2는 Δy2 위치에서의 x축 빈도수이다.
- 청구항 1에 있어서,
상기 단계(S300)은 Bilateral Blur에 대한 Diameter는 15를 적용하고, 색상과 공간에 대한 표준편차는 40으로 적용하는 것을 특징으로 하는 콘크리트 구조물 균열 폭 평가 방법.
- 청구항 1에 있어서,
상기 단계(S400)은 Block Size 7, Constant C 8.0으로 적용하는 것을 특징으로 하는 콘크리트 구조물 균열 폭 평가 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180108232A KR102141352B1 (ko) | 2018-09-11 | 2018-09-11 | 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180108232A KR102141352B1 (ko) | 2018-09-11 | 2018-09-11 | 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20200029778A KR20200029778A (ko) | 2020-03-19 |
KR102141352B1 true KR102141352B1 (ko) | 2020-08-05 |
Family
ID=69956959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180108232A KR102141352B1 (ko) | 2018-09-11 | 2018-09-11 | 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102141352B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102355997B1 (ko) | 2021-05-17 | 2022-02-08 | 주식회사 한국건설 방재연구원 | 스마트글래스 기반의 콘크리트 구조물 건전도 모니터링 방법 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000028541A (ja) | 1998-07-10 | 2000-01-28 | Ishikawajima Harima Heavy Ind Co Ltd | コンクリート表面のクラック検出方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100765047B1 (ko) | 2006-04-06 | 2007-10-09 | 사단법인 한국콘크리트학회 | 영상 처리에 의한 휴대용 콘크리트 표면 균열 측정 장치 및방법 |
KR101037135B1 (ko) | 2008-11-12 | 2011-05-26 | 한국기초과학지원연구원 | 콘크리트의 내부공동 비파괴 검사장치 및 검사방법 |
KR101094069B1 (ko) * | 2010-02-26 | 2011-12-15 | 한국표준과학연구원 | 영상처리기법을 이용한 균열측정시스템의 역치값 보정을 위한 캘리브레이션 장치 및 방법 |
-
2018
- 2018-09-11 KR KR1020180108232A patent/KR102141352B1/ko active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000028541A (ja) | 1998-07-10 | 2000-01-28 | Ishikawajima Harima Heavy Ind Co Ltd | コンクリート表面のクラック検出方法 |
Non-Patent Citations (4)
Title |
---|
Efficient pavement crack detection and classification, EURASIP Journal on Image and Video Processing, 2017.06.* |
Research on the High-Speed Object Shadowgraph Image Processing Method Based on Adaptive Threshold Segmentation, Applied Mechanics and Materials (Volumes 325-326), Manufacturing Engineering and Process II, 2013.06.* |
이미지 분석기법을 이용한 콘크리트 구조물의 균열 검출 시스템 개발, 한국구조물진단유지관리공학회 논문집 제16권제1호, 2012.01.* |
화상처리 기법을 이용한 균열 검출에 관한 연구, 한국콘크리트학회, 2003 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102355997B1 (ko) | 2021-05-17 | 2022-02-08 | 주식회사 한국건설 방재연구원 | 스마트글래스 기반의 콘크리트 구조물 건전도 모니터링 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR20200029778A (ko) | 2020-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102256181B1 (ko) | 강구조물의 도막 상태 검사 및 평가 방법과 이를 위한 시스템 | |
KR101635461B1 (ko) | 웨이블릿 변환에서 마스크 필터링을 이용한 얼룩 결함 자동 검출 시스템 및 방법 | |
JP7139243B2 (ja) | 画像分析システム及び方法 | |
CN111539927B (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测方法 | |
CN115205223B (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
JP5705711B2 (ja) | ひび割れ検出方法 | |
KR102355997B1 (ko) | 스마트글래스 기반의 콘크리트 구조물 건전도 모니터링 방법 | |
Alazzawi | Edge detection-application of (first and second) order derivative in image processing: communication | |
KR102026427B1 (ko) | 스마트폰을 이용한 콘크리트 균열 측정 방법 | |
JP5812705B2 (ja) | ひび割れ検出方法 | |
Barkavi et al. | Processing digital image for measurement of crack dimensions in concrete | |
KR102242996B1 (ko) | 자동차 사출제품의 비정형 불량 검출 방법 | |
KR101677070B1 (ko) | 형태학적 영상 처리와 레이블링을 이용한 얼룩 결함 자동 검출 시스템 및 방법 | |
CN112102278A (zh) | 一种基于计算机视觉的金属工件加工面缺陷检测方法 | |
KR102141352B1 (ko) | 영상 처리 기법을 이용한 콘크리트 구조물 균열 폭 평가 방법 | |
KR101018518B1 (ko) | 영상 디블러링 기법을 이용한 구조물 점검 시스템 및 그 방법 | |
Calderón et al. | Crack detection in concrete elements from RGB pictures using modified line detection kernels | |
Singh et al. | Novel method for edge detection for gray scale images using VC++ environment | |
JP6818263B2 (ja) | 破面解析装置および破面解析方法 | |
KR20220154345A (ko) | 가우시안 가중치 최소 자승법을 이용하는 영상 처리 장치 및 그것의 윤곽선 검출 방법 | |
KR102205325B1 (ko) | 라인 검출 방법 | |
Mishra et al. | Surface defects detection for ceramic tiles using image processing and morphological techniques | |
CN114004812A (zh) | 采用引导滤波与神经网络模型的螺纹孔检测方法及系统 | |
Zheng et al. | Measurement of laser welding pool geometry using a closed convex active contour model | |
US20190385327A1 (en) | Image processing apparatus, image processing method, and image processing program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |