KR102183201B1 - 라인 인식을 통한 구조물의 변위응답 측정 방법 및 장치 - Google Patents

라인 인식을 통한 구조물의 변위응답 측정 방법 및 장치 Download PDF

Info

Publication number
KR102183201B1
KR102183201B1 KR1020180148029A KR20180148029A KR102183201B1 KR 102183201 B1 KR102183201 B1 KR 102183201B1 KR 1020180148029 A KR1020180148029 A KR 1020180148029A KR 20180148029 A KR20180148029 A KR 20180148029A KR 102183201 B1 KR102183201 B1 KR 102183201B1
Authority
KR
South Korea
Prior art keywords
line
displacement response
lines
edge
recognition
Prior art date
Application number
KR1020180148029A
Other languages
English (en)
Other versions
KR20200062530A (ko
Inventor
김성완
박동욱
전법규
Original Assignee
재단법인 국토교통연구인프라운영원
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 재단법인 국토교통연구인프라운영원 filed Critical 재단법인 국토교통연구인프라운영원
Priority to KR1020180148029A priority Critical patent/KR102183201B1/ko
Publication of KR20200062530A publication Critical patent/KR20200062530A/ko
Application granted granted Critical
Publication of KR102183201B1 publication Critical patent/KR102183201B1/ko

Links

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
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M7/00—Vibration-testing of structures; Shock-testing of structures
    • G01M7/02—Vibration-testing by means of a shake table
    • G06T5/002—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

라인 인식을 이용한 구조물의 변위응답 측정 장치 및 방법이 개시된다. 본 발명의 일실시예에 따른 라인 인식을 이용한 구조물의 변위응답 측정 방법은, 카메라에 의해 생성된 구조물 이미지에서, 관심영역을 지정하는 단계, 상기 관심영역으로부터 엣지라인을 추출하는 단계, 상기 엣지라인 중에서, 제1 방향을 갖는 제1 라인과, 상기 제1 방향과 상이한 제2 방향을 갖는 제2 라인을 인식하는 단계, 및 상기 제1 라인과 상기 제2 라인이 중첩되는 교차점의 변화를, 구조물에 대한 변위응답으로서 측정하는 단계를 포함할 수 있다.

Description

라인 인식을 통한 구조물의 변위응답 측정 방법 및 장치{METHOD AND DEVICE FOR MEASURING DISPLACEMENT RESPONSE OF A STRUCTURE THROUGH LINE DETECTION}
본 발명은 영상을 이용하여 구조물의 변위응답을 추출하는 데에 있어, 타켓의 설치 없이 구조물의 형상의 라인 인식을 이용하여 변위응답을 측정할 수 있는, 라인 인식을 통한 구조물의 변위응답 측정 방법 및 장치에 관한 것이다.
국내외 큰 규모의 지진 발생 빈도의 증가와 지진피해가 증가함에 따라, 근래에는 각종 사회간접시설물들의 내진설계에 대한 관심이 증대되고 있다. 특히 2016년 규모 5.8의 경주지진과 2017년 규모 5.4의 포항지진이 발생하면서, 국내에서도, 사회간접시설물들에 대한 지진피해사례가 상당수 보고 되고 있다. 이러한 국내외 지진피해사례에서 보듯이, 지진은 구조요소 및 비구조요소의 손상 및 파괴를 동반함을 알 수 있다.
그러므로 사회간접시설물의 내진 안전성 확보 및 사용성 증대에 관한 기술의 개발은, 세계적으로 지진발생 수가 증가하는 현실하에서 해결되어야 할 과제가 되었다. 따라서 구조물의 상태를 미리 파악하고 지진에 대한 보수/보강 대책을 강구하여 사회 경제적 손실을 방지하기 위해서는, 내진성능의 평가가 받드시 필요하다.
현재 내진성능의 평가를 위해서는, 주요 구조물의 진동대 실험을 수행하고 있다. 구조물의 전체적인 거동을 나타내는 변위응답은, 건전성 평가에 있어서 중요한 자료이며 내진성능을 판단하는 근거가 된다. 그러나 기존의 방법으로서의 진동대 실험은, 구조물에 LVDT (Linear Variable Differential Transform) 또는 링 게이지 (Ring Gauge) 등과 같은 접촉식 센서를 사용하거나, LDV (Laser Dropper Vibrometer)와 같은 고가의 레이저 장비를 이용하여 변위응답을 측정하고 있다.
LVDT는 접근성이 용이하여야 하며 센서를 고정하기 위한 가시설물의 설치가 필요하여 비경제적이다. 또한 LVDT는 가시설물의 고정 조건에 따라 계측값의 신뢰성이 변화되는 문제점이 있다.
링 게이지는 LVDT의 단점인 가시설물을 설치하지 않고 케이블을 사용하는 방법이다. 링 게이지는 외부의 영향을 최소화 할 수 있는 별도의 시설을 설치하여야 하며 외부의 요인에 의해 케이블이 흔들릴 경우 측정 정밀도가 떨어지는 문제점이 있다.
또한 LDV는 뛰어난 성능에도 불구하고 상대적으로 매우 고가의 정밀한 장비로서, 다지점의 변위응답을 계측하기 위해 필요한 진동대 실험에서 적용이 어렵다는 문제가 있다.
이러한 면을 볼 때 현재 진동대 시험에서 변위응답을 측정하기 위해 사용되고 있는 장비들은, 실용적이지 못하므로 진동대 실험에서 변위응답을 효율적으로 측정할 수 있는 새로운 방법이 필요하다.
따라서 근래에는, 기존의 접촉식 센서 또는 레이저 변위 계측의 단점을 극복하기 위하여, 영상을 이용한 변위응답 계측 시스템에 대한 관심이 높다.
이미지를 이용하는 방법은 간편하고 경제적이며 접근이 어려운 구조물의 변위응답 추출에 적합하다. 기존에도 센서를 대신하여 영상을 이용하는 방법은 개발되어 있다.
그러나 기존의 방법은 구조물에 타켓을 설치한 후 타켓의 변화량을 영상처리기법을 이용하여 변위응답을 측정하는 방법으로서, 측정 대상이 비교적 국한될 수 밖에 없다.
따라서, 타켓의 설치 없이 구조물의 형상의 라인 인식을 이용하여 변위응답을 측정하는 새로운 기술이 절실히 요구되고 있다.
본 발명의 실시예는, 타켓의 설치 없이도, 구조물 형상에 대한 라인을 인식하여, 변위응답을 측정하는, 라인 인식을 통한 구조물의 변위응답 측정 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명의 실시예는, 원 이미지 내에서, 관심영역을 추출하고, 추출된 관심영역에 대해, 영상 향상 처리를 함으로써, 구조물의 형상 라인이 교차하는 지점을 보다 정확하게 추정할 수 있게 하는 것을 목적으로 한다.
본 발명의 일실시예에 따른 라인 인식을 이용한 구조물의 변위응답 측정 방법은, 카메라에 의해 생성된 구조물 이미지에서, 관심영역을 지정하는 단계, 상기 관심영역으로부터 엣지라인을 추출하는 단계, 상기 엣지라인 중에서, 제1 방향을 갖는 제1 라인과, 상기 제1 방향과 상이한 제2 방향을 갖는 제2 라인을 인식하는 단계, 및 상기 제1 라인과 상기 제2 라인이 중첩되는 교차점의 변화를, 구조물에 대한 변위응답으로서 측정하는 단계를 포함할 수 있다.
또한, 본 발명의 실시예에 따른 라인 인식을 이용한 구조물의 변위응답 측정 장치는, 카메라에 의해 생성된 구조물 이미지에서, 관심영역을 지정하는 지정부, 상기 관심영역으로부터 엣지라인을 추출하는 처리부, 상기 엣지라인 중에서, 제1 방향을 갖는 제1 라인과, 상기 제1 방향과 상이한 제2 방향을 갖는 제2 라인을 인식하는 인식부, 및 상기 제1 라인과 상기 제2 라인이 중첩되는 교차점의 변화를, 구조물에 대한 변위응답으로서 측정하는 측정부를 포함하여 구성할 수 있다.
본 발명의 일실시예에 따르면, 타켓의 설치 없이도, 구조물 형상에 대한 라인을 인식하여, 변위응답을 측정하는, 라인 인식을 통한 구조물의 변위응답 측정 방법 및 장치를 제공할 수 있다.
또한, 본 발명의 일실시예에 따르면, 원 이미지 내에서, 관심영역을 추출하고, 추출된 관심영역에 대해, 영상 향상 처리를 함으로써, 구조물의 형상 라인이 교차하는 지점을 보다 정확하게 추정할 수 있다.
도 1은 본 발명의 일실시예에 따른, 라인 인식을 이용한 구조물의 변위응답 측정 장치의 내부 구성을 도시한 블록도이다.
도 2는 본 발명의 라인 인식 과정을 설명하기 위한 도면이다.
도 3은 본 발명에 따라 라인을 인식하는 일례를 설명하는 도면이다.
도 4는 본 발명에 따른 교차점의 좌표 계산의 일례를 설명하기 위한 도면이다.
도 5은 본 발명에 따른 변위응답 측정과 관련한 알고리즘을 설명하는 요약도이다.
도 6은 진동대에 설치된 구조물을 촬영한 사진 도면이다.
도 7은 본 발명에 따른 DAQ에서 측정된 Table Motion과 제시된 알고리즘의 변위응답 비교를 설명하기 위한 도면이다.
도 8은 본 발명의 일실시예에 따른, 변위응답 측정 방법의 순서를 도시한 흐름도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 본 발명의 일실시예에 따른, 라인 인식을 이용한 구조물의 변위응답 측정 장치의 내부 구성을 도시한 블록도이다.
도 1을 참조하면, 본 발명의 일실시예에 따른 라인 인식을 이용한 구조물의 변위응답 측정 장치(이하, '변위응답 측정 장치'로 약칭함)(100)는, 지정부(110), 처리부(120), 인식부(130), 및 측정부(140)를 포함하여 구성할 수 있다.
우선, 지정부(110)는 카메라에 의해 생성된 구조물 이미지에서, 관심영역을 지정한다. 즉, 지정부(110)는 구조물을 촬영한 구조물 이미지로부터, 구조물에서 중요한 영역으로 지정된 부위(예, 복수의 교각이 연결되는 다리의 임의 부위)나 이상이 예상되는 부위(기후 변화에 따른 침하가 다리의 상판) 등을, 특정하여 관심영역으로 지정하는 역할을 할 수 있다. 관심영역에 대한 지정에 있어, 지정부(110)는 본 발명을 운영하는 관리자의 입력을 받아, 상기 구조물 이미지로부터 상기 관심영역을 지정할 수 있다. 지정부(110)에 의한 관심영역의 지정은, 후술하는 도 5에서 도면번호 520가 부여된 그림으로 예시될 수 있다.
처리부(120)는 상기 관심영역으로부터 엣지라인을 추출한다. 즉, 처리부(120)는 관심영역 내 오브젝트가 가지고 있는 엣지에 관한 선분을, 엣지라인으로서 추출할 수 있다.
상기 엣지라인의 추출에 있어, 처리부(120)는, 상기 관심영역에 대해, 가우시안 필터를 적용하여, 상기 관심영역 내 오브젝트의 형상을 강화할 수 있다. 즉, 처리부(120)는 관심영역에 대해 영상 향상 처리를 수행하여, 오브젝트가 갖는 엣지가 보다 선명하게 표출되도록 할 수 있다. 상기 가우시안 필터는, 가우시안 함수의 모양을 가진 마스크를 이용한 이미지 필터링 방식의 일례일 수 있고, 원래의 해상도와 동일한 수준으로 이미지를 재구성하여 이미지 내 오브젝트의 형상을 보다 강화시키는 역할을 할 수 있다.
상기 가우시안 필터의 적용에 있어, 처리부(120)는, 가우시안 함수의 연산에 의한 필터링을 통해, 상기 관심영역 내 오브젝트의 형상에 대한 노이즈를 감소시킬 수 있다. 여기서 가우시안 함수 G(x, y)는,
Figure 112018118061594-pat00001
로 표현할 수 있다. 가우시안 함수 G(x, y)에 포함되는 상기 (x, y)는 화소의 위치로 정의되고, 상기 σ는 표준편차로 정의될 수 있다.
이후, 처리부(120)는 상기 강화된 형상에서, 밝기정보가 정해진 임계치를 넘어 변화하는 복수의 경계선을, 상기 엣지라인으로 추출할 수 있다. 즉, 처리부(120)는 관심영역에 해당되는 구조물 이미지의 일부에서, 오브젝트로 인해, 인근 영역의 밝기가 설정된 임계치를 초과하여 급격하게 변화되는 경계선을 확인하고, 이를 엣지라인으로 추출할 수 있다.
예컨대, 후술하는 도 5에서, 처리부(120)는 어두운 밝기 계열의 바닥 영역과, 그 보다는 밝은 밝기 계열의 오브젝트 영역 사이의 경계선을 상기 엣지라인으로 추출할 수 있다. 이때, 임계치는 룩소(lux) 단위의 임의 설정값일 수 있고, 예컨대 상술의 예에서, 상기 바닥영역과 상기 오브젝트 영역을 밝기를 기준으로 구분하는 충분히 큰 수치로 설정될 수 있다.
다른 일실시예에서, 처리부(120)는 상기 관심영역 내 오브젝트를 n개의 픽셀 그룹으로 분할할 수 있다. 이를 위해, 처리부(120)는 관심영역에 있는 오브젝트를, 정해진 단위의 픽셀로 표현할 수 있다. 또한, 처리부(120)는 픽셀들이 군집되어 뭉쳐 있는 영역을 묶어, 상기 픽셀 그룹으로 분할할 수 있다. 후술하는 도 3에서는 관심영역 내 오브젝트에 대해, 4개의 픽셀 그룹(310 내지 340)을 분할하는 것이 예시되고 있다.
또한, 처리부(120)는 상기 픽셀 그룹에 포함되는 픽셀들의 중심을 잇는 연결선이 직선인 적어도 2개 이상의 픽셀 그룹을 선택할 수 있다. 즉, 처리부(120)는 픽셀의 중심(예 무게중심)을 연결하여 그어지는 가상의 연결선이, 끊어짐 없이 일직선으로 그어지는 픽셀 그룹을 선택할 수 있다.
도 3에는, 4개의 픽셀 그룹(310 내지 340)으로, 각 픽셀의 중심을 고려하여 연결선으로 잇는 것이 예시되고 있으며, 모든 픽셀들을 하나의 직선으로 연결하는, 상단의 2개의 픽셀 그룹(310, 320)을 선택되는 것이 예시되고 있다.
이는 픽셀 그룹에 포함되는 픽셀들이 일정한 방향을 가지고 모여있는 픽셀 그룹이, 오브젝트의 외각 형상에 해당되는 것으로 가정하여, 처리부(120)에서 이들을 선별하는 과정일 수 있다.
이후, 처리부(120)는 상기 선택된 적어도 2개 이상의 픽셀 그룹의 상기 연결선을, 상기 엣지라인으로 추출할 수 있다. 즉, 처리부(120)는 포함된 픽셀들이 일정한 방향성을 가지고 모여있는 픽셀 그룹 상에 그어진 연결선을, 엣지라인으로 추출할 수 있다.
도 3에는, 선택된 2개의 픽셀 그룹(310, 320) 상에 그어진 연결선을, 엣지라인으로 추출하는 것이 예시되고 있다.
또한, 인식부(130)는 상기 엣지라인 중에서, 제1 방향을 갖는 제1 라인과, 상기 제1 방향과 상이한 제2 방향을 갖는 제2 라인을 인식한다. 즉, 인식부(130)는 관심영역 내 오브젝트의 외각 형상에 해당되는 것으로 추정되는 라인들을 인식할 수 있다. 여기서, 제1 라인과 제2 라인은 예컨대 x방향과 y방향 각각을 향하는 2차원 평면 상의, 한 쌍의 선일 수 있다.
상기 제1 라인 및 상기 제2 라인의 인식에 있어, 인식부(130)는 상기 엣지라인 각각의 폭 또는 길이가 일정치 이상의 후보 엣지라인을 선별할 수 있다. 즉, 인식부(130)는 추출된 엣지라인 중에서, 유의미한 선 만을 추려, 후보 엣지라인으로 선별할 수 있다. 예컨대, 인식부(130)는 0.01M 픽셀 이상의 폭 또는 0.3M 픽셀 이상의 길이를 가지는 엣지라인을, 후보 엣지라인으로 선별할 수 있다.
상기 후보 엣지라인의 선별에 있어, 인식부(130)는 상기 엣지라인에 대해 비선명 마스크 처리를 수행하여, 정해진 품질 이하의 엣지라인을 제거하고, 제거되지 않는 나머지 엣지라인을 상기 후보 엣지라인으로 선별할 수 있다. 즉, 인식부(130)는 선명하지 않는 구조물의 형상을 보다 날카롭게 강화하는 영상 처리를 하고, 처리 결과에서 형상에 뚜렷한 개선이 없는 엣지라인을 제거 함으로써, 후보 엣지라인을 선별할 수 있다.
상기 비선명 마스크 처리에 의해 선별되는 후보 엣지라인은,
Figure 112018118061594-pat00002
으로 표현될 수 있다. 여기서, 상기 f(x, y)는 원영상이고, 상기
Figure 112018118061594-pat00003
는 f(x, y)의 흐려진 영상으로 정의할 수 있다. 이에 대한 상세한 설명은 후술한다.
또한, 인식부(130)는 상기 후보 엣지라인의 양단으로, 상기 후보 엣지라인을 연장시키는 가상의 확장선을 도시할 수 있다. 즉, 인식부(130)는 유의미한 선으로서의 제1 라인 및 제2 라인 각각을, 보다 확장시키고자, 제1, 2 라인 각 양단으로 확장선을 추기하여 도시할 수 있다.
이후, 인식부(130)는 상기 확장선이 도시된 후보 엣지라인 중에서, 지향하는 방향이 서로 다른, 후보라인 쌍을, 상기 제1 라인과 제2 라인으로서 인식할 수 있다.
도 3에서의 선택된2개의 픽셀 그룹(310, 320)의 연결선이 엣지라인으로 추출된다는 가정하에서, 인식부(130)는 픽셀 그룹(310)의 연결선으로부터 확장된 선을 제1 라인으로 인식하고, 상기 픽셀 그룹(310)의 연결선과 적어도 다른 방향을 지향하는 픽셀 그룹(320)의 연결선으로부터 확장된 선을 제2 라인으로 인식할 수 있다.
측정부(140)는 상기 제1 라인과 상기 제2 라인이 중첩되는 교차점의 변화를, 구조물에 대한 변위응답으로서 측정한다. 즉, 측정부(140)는 인식된 제1, 2 라인이 서로 교차하는 교차점이, 시간 흐름 또는 충격 등의 이벤트 발생에 따라 이동하는 정도를 간파 함으로써, 구조물이 변화하는 것을 수치로서 산출하는 역할을 할 수 있다.
본 발명의 일실시예에 따르면, 타켓의 설치 없이도, 구조물 형상에 대한 라인을 인식하여, 변위응답을 측정하는, 라인 인식을 통한 구조물의 변위응답 측정 방법 및 장치를 제공할 수 있다.
또한, 본 발명의 일실시예에 따르면, 원 이미지 내에서, 관심영역을 추출하고, 추출된 관심영역에 대해, 영상 향상 처리를 함으로써, 구조물의 형상 라인이 교차하는 지점을 보다 정확하게 추정할 수 있다.
이하, 도 2 내지 도 7를 참조하여, 라인 인식을 통한 구조물의 변위응답 측정에 대해 보다 상세히 설명한다.
우선, '영상 향상'에 대해 설명한다.
영상 향상 기술의 목적은, 원 이미지를 처리하여 그 결과를 특별한 응용 목적에 맞게 변환하는 것을 의미한다. 본 발명에서는 진동대 실험에서 구조물의 변위응답을 측정하기 위하여, 영상필터처리를 적용하였으며, 영상필터처리는 공간영역에서의 영상향상 알고리즘을 적용하였다.
실험을 수행할 때, 광학, 조명, 및 영상을 획득하면서 발생한 노이즈를 감소시키기 위해서는, 가우시안 필터를 이용하였다. 가우시안 필터는 영상의 선명도가 떨어지는 대신 노이즈를 감소시키며 영상의 끊어진 엣지들을 연결하게 된다. 이러한 특징으로 인하여 가우시안 필터를 이용한 노이즈 감소는, 노이즈에 민감한 객체 인식의 전처리 과정에서 사용된다. 가우시안 필터를 이용한 노이즈 감소의 수행은 2D 가우시안 분포를 띄는 마스크를 사용하여 필터링을 수행하며, 수학식 1과 같이 표현할 수 있으며, σ는 표준편차를 나타낸다.
Figure 112018118061594-pat00004
여기서 (x, y)는 화소의 위치이고, G(x, y)는 중심 위치가 (0, 0) , 표준편차가 1인 가우시안 함수이다. 가우시안 함수는 무한한 정보량을 지니는 연속함수이므로, 실제 구현을 위해 이산 근사를 통해 유한 행렬로 표현하여 적용한다. 수학식 2는 표준편차가 0.4인 가우시안 함수를 이산 근사화한 7x7 행렬을 나타내었으며, 콘벌루션 마스크(convolution mask)를 이용하여 영상에 가중치를 주었다.
Figure 112018118061594-pat00005
진동대 실험에서 구조물 형상의 선명화 처리를 위해서는, 비선명 마스크 처리를 이용한다. 비선명 마스크 처리는 영상 자신으로부터 흐려진 영상을 제거하는 것이며, 수학식 3에 따라 수행될 수 있다.
Figure 112018118061594-pat00006
여기서 f(x, y)는 원영상,
Figure 112018118061594-pat00007
는 f(x, y)의 흐려진 영상, gus(x, y)는 비선명 마스크 처리에 의해 얻어진 선명한 영상을 나타낸다. 비선명 마스크처리는 수학식 4와 같이 표현할 수 있다.
Figure 112018118061594-pat00008
여기서 A ≥ 1이며 수학식 5와 같이 표현할 수 있다.
Figure 112018118061594-pat00009
수학식 3을 수학식 5에 대입하면, 비선명 마스크 처리 필터는 수학식 6으로 나타낼 수 있다.
Figure 112018118061594-pat00010
수학식 6의 이산 근사화 한 7x7 행렬은 수학식 7과 같이 나타낼 수 있으며, 콤벌루션 마스크를 이용하여 영상에 가중치를 주었다.
Figure 112018118061594-pat00011
형상이 향상된 구조물의 경계선은, 상대적으로 다른 정보를 가진 두 영역 간의 경계를 검출하여 정의할 수 있고, 이웃한 두 영역의 차이를 계산하여 얻을 수 있다. 경계선을 통해서는 물체의 위치, 형태, 크기 등 영상에 대한 정보를 제공할 수 있으며, 이들 정보의 제공은, 구조물의 경계선 강화를 위한 사전처리 단계가 될 수 있다. 경계선 강화를 위한 영상처리에서 1차 미분은 그레디언트의 크기를 이용해서 구현되며 수학식 8과 같이 2차원 열벡터로 정의된다.
Figure 112018118061594-pat00012
2차원 열벡터의 크기는 수학식 9와 같다.
Figure 112018118061594-pat00013
그레디언트 벡터 자신의 성분은 선형 연산자이지만 이 벡터의 크기는 명백하게 제곱과 제곱근 연산 때문에 선형이 아니다. 수학식 8의 편미분은 회전불변이 아니지만 그레디언트 벡터의 크기는 회전불변이다. 전체 영상에 대해 수학식 9를 실행하는 것의 계산양이 크기 때문에, 그레디언트 크기는 일반적으로 제곱과 제곱근 대신에 절대값을 이용하여 근사화한다.
Figure 112018118061594-pat00014
일반적으로 제안된 다른 두 정의는 교차 차분을 사용하며, 영상향상을 위해 사용하는 3×3 마스크와 절대값을 이용한 근사식은 수학식 11과 같으며, 구조물의 형상의 추출을 위해 사용된 마스크는 수학식 12와 같다.
Figure 112018118061594-pat00015
Figure 112018118061594-pat00016
수리형태학은 영상 내의 물체 또는 영역의 형태에 근거한 처리를 가하여 해석에 필요한 새로운 영상을 생성하는 각종 이론들을 지칭한다. 수리형태학 알고리즘들 중에 확장 필터는, 물체의 최외각 픽셀을 확장하는 역할을 하며, 물체의 크기는 확장되고 배경은 축소된다. 확장 구조는 흰색 물체의 둘레에 한 픽셀을 더하는 역할을 하며 똑같은 영역을 가지는 영역에 대해서는 값을 바꾸지 않으며 1개 이상의 서로 다른 픽셀이 존재할 경우 마스크의 가운데 픽셀에 흰색 값을 할당하는 역할을 한다. 진동대에 설치된 구조물의 형상의 픽셀을 확장하여 라인 인식을 용이하기 위하여, 수학식 13과 같은 3×3 크기의 확장 마스크 구조를 이용하여 외곽 픽셀을 확장하였다.
Figure 112018118061594-pat00017
다음으로, '라인인식'에 대해 설명한다.
이전의 전처리 과정을 통해 개선된 구조물의 형상을, 수학식 14의 선형 회귀선을 이용하여 형상의 라인을 추출하게 된다.
Figure 112018118061594-pat00018
도 2는 본 발명의 라인 인식 과정을 설명하기 위한 도면이다.
도 2는 수학식 14의 픽셀의 위치에서 픽셀 라인의 중심에 대해 선형 회귀곡선을 나타내고 있다. 라인이라고 판단되는 픽셀의 위치에서는, 픽셀 라인의 중심에 대해 1차 회귀곡선인 수학식 14를 구할 수 있으며 회귀곡선을 선택된 지역에 확장하게 된다.
도 2에서는, 픽셀 라인의 중심(Center of pixel line)을 기준으로 기울기(slop) a인 선형회귀선(Linear regression line)을 산출하고, 상기 픽셀 라인의 중심과, 상기 선형회귀선이 이어지도록 연장하는 연장선(Extension)이 도시되는 것이 예시되고 있다.
도 3은 본 발명에 따라 라인을 인식하는 일례를 설명하는 도면이다.
도 3의 관심지역인 ROI(Region of Interest) 윈도우에서 픽셀의 정보를 설정하여 두 개의 선형 직선의 교차된 지점의 정보를 이용하여 좌표(변위응답)를 측정하였다. ROI 윈도우는 정사각형의 M×M 픽셀 집합을 나타내며 윈도우에서의 라인으로 인식되는 픽셀 길이는 최소 0.3M 이상이어야 한다. 또한 이미지에서 라인의 인식 및 노이즈에 대한 오류를 최소화하기 위하여 ROI 윈도우는 50×50 픽셀 이상 100×100 픽셀 이하로 지정하여 영상해석을 수행하여야 한다.
도 3에는 관심영역의 추출과 관련하여 ROI Window를 도시하면서, ROI Window 내에, 4개의 픽셀 그룹(310 내지 340)이 포함되어 있다.
도 3에 도시한 바와 같이, 각 픽셀 그룹에 속하는 픽셀들의 중심(Center of pixel line)으로는 선형회귀선(Linear regression line)과 관련한 연결선이 그어져 있다.
본 발명의 변위응답 측정 장치(100)는 상기 픽셀 그룹에 포함되는 픽셀들의 중심을 잇는 연결선이, 정해진 길이(0.3M 픽셀)를 넘는 픽셀 그룹을 선택할 수 있다. 도 3에서는 중간에 끊어져 상기 0.3 M 픽셀 미만(Remove line length < 0.3M)의 연결선을 갖는 하단의 픽셀 그룹(330, 340)을 제거하고, 상단의 픽셀 그룹(310, 320)이 선택되는 것이 예시되어 있다.
수학식 14를 통해서는 구조물의 형상에 해당하는 유효 라인 뿐 아니라, 노이즈 등에 의해 매우 다양하고 많은 라인을 검출할 수 있다. 수학식 15에서는 형상이라 판단할 수 있는 라인을 M×M 픽셀 집합크기의 정사각형인 ROI 윈도우에서 픽셀 길이를 0.3M 이상으로 지정하며, 0.3M 픽셀 이하의 라인을 제거한다. 0.3M 이하의 라인을 제거하면 노이즈 및 기타 환경에 의해 생성된 라인은 제거된다.
Figure 112018118061594-pat00019
도 3을 통해 설명하면, 변위응답 측정 장치(100)는 선택된 상단의 픽셀 그룹(310, 320)의 상기 연결선을, 후보 엣지라인으로서 선별할 수 있고, 상기 후보 엣지라인의 양단으로, 상기 후보 엣지라인을 연장시키는 가상의 확장선을 도시할 수 있다. 또한, 변위응답 측정 장치(100)는 확장선이 도시된 후보 엣지라인 중에서, 지향하는 방향이 서로 다른 후보라인 쌍을, 각각 제1 라인과 제2 라인으로 인식할 수 있다. 도 3에서는, 픽셀 그룹(310)으로부터 도시된 확장선을 제1 라인으로 인식하고, 픽셀 그룹(320)으로부터 도시된 확장선을 제2 라인으로 인식하는 것이 예시되고 있다. 이후, 변위응답 측정 장치(100)는 이들, 제1, 2 라인이 중첩되는 교차점 (x, y)의 변화를, 구조물에 대한 변위응답으로서 측정할 수 있다.
도 3은 0.3M 픽셀 이상의 길이를 가지는 라인을 인식하며 그 이하이면 노이즈로 인식하게 설정하였다. 도 3에서 설정된 픽셀 길이 이하의 라인을 제거하며, 추출된 라인은 ROI 윈도우 내에서 확장하며, 교차점의 좌표를 이용하여 변위응답을 측정하게 된다.
도 4는 본 발명에 따른 교차점의 좌표 계산의 일례를 설명하기 위한 도면이다.
도 4에는 각 픽셀의 위치에 대한 픽셀 라인의 중심에서 선형 회귀 곡선을 이용하여 확장하는 것을 예시하고 있다.
도 4에서와 같이, 변위응답 측정 장치(100)는 선형 회귀곡선에서 ROI 윈도우의 끝 지점까지 라인을 확장하게 되며, 두 회귀곡선이 교차하는 점을, 교차점의 좌표 (x, y)로서 연산할 수 있다.
상기 교차점의 좌표 (x, y)는 수학식 16을 이용하여 계산한다.
Figure 112018118061594-pat00020
도 5은 본 발명에 따른 변위응답 측정과 관련한 알고리즘을 설명하는 요약도이다.
도 5에서는 라인 인식을 이용한 변위응답 측정 알고리즘을 도시하고 있으며, 총 8단계(510 내지 580)로 분류될 수 있다.
변위응답 측정 장치(100)는 획득된 이미지(510)에서 관심을 가지는 영역에 대하여 정사각형의 관심 있는 지역 (Region of Interest Window)을 추출(520)할 수 있다.
또한, 변위응답 측정 장치(100)는 추출된 관심 있는 지역에서 이미지의 밝기정보(Luminance Plane)를 추출(530)할 수 있다.
또한, 변위응답 측정 장치(100)는 추출된 밝기정보에서 이미지의 노이즈 감소 및 불연속점의 개선을 위해 가우시안 필터(540)를 이용할 수 있다.
또한, 변위응답 측정 장치(100)는 불연속점의 개선 및 노이즈가 감소된 구조물의 형상에 비선명 마스크 처리(550)를 이용하여 형상을 날카롭게 강화할 수 있다.
또한, 변위응답 측정 장치(100)는 강화된 형상에 경계선의 추출을 위한 마스크를 적용(560)하며, 추출된 경계선의 확장 구조를 이용하여 외곽 픽셀들을 확장할 수 있다(570).
또한, 변위응답 측정 장치(100)는 확장된 이미지에서 지정된 M×M 픽셀 크기의 관심지역인 0.3M 이상의 라인을 감지하여 확장하며 그 이하는 제거할 수 있다(580의 581, 582).
이후, 변위응답 측정 장치(100)는 확장된 라인에서 교차점의 좌표의 변화를 이용하여 2차원 평면의 x, y축의 변위응답을 계산한다(580의 583).
이하, 본 발명에 따른 알고리즘 검증을 설명한다.
도 6은 진동대에 설치된 구조물을 촬영한 사진 도면이다.
본 발명의 실험자들은, 라인 인식을 이용한 구조물의 변위응답 측정 알고리즘을 검증하기 위하여 진동대 실험을 수행하였으며, 진동대의 DAQ에서 계측된 table motion과 비교하였다.
변위응답 측정 장치(100)는 이미지 라인의 교차점에 대한 변위응답의 시간이력을 추출하기 위해 제시한 알고리즘이 적용되었으며, 알고리즘의 정확도와 정밀도를 확인하기 위하여 수학식 17의 percent error와 RMS(Root Mean Square) error를 사용하여 오차분석을 수행하였다.
Figure 112018118061594-pat00021
도 6에 도시한 바와 같이, 변위응답 측정 장치(100)는 원본 이미지(Original Image)에서, 라인 인식(Line Recognition)을 통해, 구조물의 번위응답을 측정할 수 있다.
도 7은 본 발명에 따른 DAQ에서 측정된 Table Motion과 제시된 알고리즘의 변위응답 비교를 설명하기 위한 도면이다.
도 7에는, 진동대의 DAQ에 의해 계측된 table motion과 라인 인식을 이용한 변위응답 측정 알고리즘에 의해 추출된 응답을 비교하고 있다.
표 1에서 보면 percent error에 대한 오차율이 1% 이내, RMS error가 1mm 이내이므로 그 오차가 매우 적은 것으로 판단된다.
Figure 112018118061594-pat00022
따라서, 본 발명에 의해서는, 라인 인식을 이용한 변위응답 추출 알고리즘의 신뢰성을 양호하게 나타낼 수 있다.
이하, 도 8에서는 본 발명의 실시예들에 따른 변위응답 측정 장치(100)의 작업 흐름을 상세히 설명한다.
도 8은 본 발명의 일실시예에 따른, 변위응답 측정 방법의 순서를 도시한 흐름도이다.
본 실시예에 따른 변위응답 측정 방법은 상술한 변위응답 측정 장치(100)에 의해 수행될 수 있다.
변위응답 측정 장치(100)는 카메라에 의해 생성된 구조물 이미지에서, 관심영역을 지정한다(810). 단계(810)는 구조물을 촬영한 구조물 이미지로부터, 구조물에서 중요한 영역으로 지정된 부위(예, 복수의 교각이 연결되는 다리의 임의 부위)나 이상이 예상되는 부위(기후 변화에 따른 침하가 다리의 상판) 등을, 특정하여 관심영역으로 지정하는 과정일 수 있다. 관심영역에 대한 지정에 있어, 변위응답 측정 장치(100)는 본 발명을 운영하는 관리자의 입력을 받아, 상기 구조물 이미지로부터 상기 관심영역을 지정할 수 있다.
또한, 변위응답 측정 장치(100)는 상기 관심영역으로부터 엣지라인을 추출한다(820). 단계(820)는 관심영역 내 오브젝트가 가지고 있는 엣지에 관한 선분을, 엣지라인으로서 추출하는 과정일 수 있다.
상기 엣지라인의 추출에 있어, 변위응답 측정 장치(100)는, 상기 관심영역에 대해, 가우시안 필터를 적용하여, 상기 관심영역 내 오브젝트의 형상을 강화할 수 있다. 즉, 변위응답 측정 장치(100)는 관심영역에 대해 영상 향상 처리를 수행하여, 오브젝트가 갖는 엣지가 보다 선명하게 표출되도록 할 수 있다. 상기 가우시안 필터는, 가우시안 함수의 모양을 가진 마스크를 이용한 이미지 필터링 방식의 일례일 수 있고, 원래의 해상도와 동일한 수준으로 이미지를 재구성하여 이미지 내 오브젝트의 형상을 보다 강화시키는 역할을 할 수 있다.
상기 가우시안 필터의 적용에 있어, 변위응답 측정 장치(100)는, 가우시안 함수의 연산에 의한 필터링을 통해, 상기 관심영역 내 오브젝트의 형상에 대한 노이즈를 감소시킬 수 있다. 여기서 가우시안 함수 G(x, y)는,
Figure 112018118061594-pat00023
로 표현할 수 있다. 가우시안 함수 G(x, y)에 포함되는 상기 (x, y)는 화소의 위치로 정의되고, 상기 σ는 표준편차로 정의될 수 있다.
이후, 변위응답 측정 장치(100)는 상기 강화된 형상에서, 밝기정보가 정해진 임계치를 넘어 변화하는 복수의 경계선을, 상기 엣지라인으로 추출할 수 있다. 즉, 변위응답 측정 장치(100)는 관심영역에 해당되는 구조물 이미지의 일부에서, 오브젝트로 인해, 인근 영역의 밝기가 설정된 임계치를 초과하여 급격하게 변화되는 경계선을 확인하고, 이를 엣지라인으로 추출할 수 있다.
예컨대, 변위응답 측정 장치(100)는 어두운 밝기 계열의 바닥 영역과, 그 보다는 밝은 밝기 계열의 오브젝트 영역 사이의 경계선을 상기 엣지라인으로 추출할 수 있다. 이때, 임계치는 룩소(lux) 단위의 임의 설정값일 수 있고, 예컨대 상술의 예에서, 상기 바닥영역과 상기 오브젝트 영역을 밝기를 기준으로 구분하는 충분히 큰 수치로 설정될 수 있다.
다른 일실시예에서, 변위응답 측정 장치(100)는 상기 관심영역 내 오브젝트를 n개의 픽셀 그룹으로 분할할 수 있다. 이를 위해, 변위응답 측정 장치(100)는 관심영역에 있는 오브젝트를, 정해진 단위의 픽셀로 표현할 수 있다. 또한, 변위응답 측정 장치(100)는 픽셀들이 군집되어 뭉쳐 있는 영역을 묶어, 상기 픽셀 그룹으로 분할할 수 있다.
또한, 변위응답 측정 장치(100)는 상기 픽셀 그룹에 포함되는 픽셀들의 중심을 잇는 연결선이 직선인 적어도 2개 이상의 픽셀 그룹을 선택할 수 있다. 즉, 변위응답 측정 장치(100)는 픽셀의 중심(예 무게중심)을 연결하여 그어지는 가상의 연결선이, 끊어짐 없이 일직선으로 그어지는 픽셀 그룹을 선택할 수 있다.
도 3에는, 4개의 픽셀 그룹(310 내지 340)으로, 각 픽셀의 중심을 고려하여 연결선으로 잇는 것이 예시되고 있으며, 모든 픽셀들을 하나의 직선으로 연결하는, 상단의 2개의 픽셀 그룹(310, 320)을 선택되는 것이 예시되고 있다.
이는 픽셀 그룹에 포함되는 픽셀들이 일정한 방향을 가지고 모여있는 픽셀 그룹이, 오브젝트의 외각 형상에 해당되는 것으로 가정하여, 처리부(120)에서 이들을 선별하는 과정일 수 있다.
이후, 변위응답 측정 장치(100)는 상기 선택된 적어도 2개 이상의 픽셀 그룹의 상기 연결선을, 상기 엣지라인으로 추출할 수 있다. 즉, 변위응답 측정 장치(100)는 포함된 픽셀들이 일정한 방향성을 가지고 모여있는 픽셀 그룹 상에 그어진 연결선을, 엣지라인으로 추출할 수 있다.
도 3에는, 선택된 2개의 픽셀 그룹(310, 320) 상에 그어진 연결선을, 엣지라인으로 추출하는 것이 예시되고 있다.
다음으로, 변위응답 측정 장치(100)는 상기 엣지라인 중에서, 제1 방향을 갖는 제1 라인과, 상기 제1 방향과 상이한 제2 방향을 갖는 제2 라인을 인식한다(830). 단계(830)는 관심영역 내 오브젝트의 외각 형상에 해당되는 것으로 추정되는 라인들을 인식하는 과정일 수 있다. 여기서, 제1 라인과 제2 라인은 예컨대 x방향과 y방향 각각을 향하는 2차원 평면 상의, 한 쌍의 선일 수 있다.
상기 제1 라인 및 상기 제2 라인의 인식에 있어, 변위응답 측정 장치(100)는 상기 엣지라인 각각의 폭 또는 길이가 일정치 이상의 후보 엣지라인을 선별할 수 있다. 즉, 변위응답 측정 장치(100)는 추출된 엣지라인 중에서, 유의미한 선 만을 추려, 후보 엣지라인으로 선별할 수 있다. 예컨대, 변위응답 측정 장치(100)는 0.01M 픽셀 이상의 폭 또는 0.3M 픽셀 이상의 길이를 가지는 엣지라인을, 후보 엣지라인으로 선별할 수 있다.
상기 후보 엣지라인의 선별에 있어, 변위응답 측정 장치(100)는 상기 엣지라인에 대해 비선명 마스크 처리를 수행하여, 정해진 품질 이하의 엣지라인을 제거하고, 제거되지 않는 나머지 엣지라인을 상기 후보 엣지라인으로 선별할 수 있다. 즉, 변위응답 측정 장치(100)는 선명하지 않는 구조물의 형상을 보다 날카롭게 강화하는 영상 처리를 하고, 처리 결과에서 형상에 뚜렷한 개선이 없는 엣지라인을 제거 함으로써, 후보 엣지라인을 선별할 수 있다.
상기 비선명 마스크 처리에 의해 선별되는 후보 엣지라인은,
Figure 112018118061594-pat00024
으로 표현될 수 있다. 여기서, 상기 f(x, y)는 원영상이고, 상기
Figure 112018118061594-pat00025
는 f(x, y)의 흐려진 영상으로 정의할 수 있다. 이에 대한 상세한 설명은 후술한다.
또한, 변위응답 측정 장치(100)는 상기 후보 엣지라인의 양단으로, 상기 후보 엣지라인을 연장시키는 가상의 확장선을 도시할 수 있다. 즉, 변위응답 측정 장치(100)는 유의미한 선으로서의 제1 라인 및 제2 라인 각각을, 보다 확장시키고자, 제1, 2 라인 각 양단으로 확장선을 추기하여 도시할 수 있다.
이후, 변위응답 측정 장치(100)는 상기 확장선이 도시된 후보 엣지라인 중에서, 지향하는 방향이 서로 다른, 후보라인 쌍을, 상기 제1 라인과 제2 라인으로서 인식할 수 있다.
도 3에서의 선택된2개의 픽셀 그룹(310, 320)의 연결선이 엣지라인으로 추출된다는 가정하에서, 변위응답 측정 장치(100)는 픽셀 그룹(310)의 연결선으로부터 확장된 선을 제1 라인으로 인식하고, 상기 픽셀 그룹(310)의 연결선과 적어도 다른 방향을 지향하는 픽셀 그룹(320)의 연결선으로부터 확장된 선을 제2 라인으로 인식할 수 있다.
또한, 변위응답 측정 장치(100)는 상기 제1 라인과 상기 제2 라인이 중첩되는 교차점의 변화를, 구조물에 대한 변위응답으로서 측정한다(840). 단계(840)는 인식된 제1, 2 라인이 서로 교차하는 교차점이, 시간 흐름 또는 충격 등의 이벤트 발생에 따라 이동하는 정도를 간파 함으로써, 구조물이 변화하는 것을 수치로서 산출하는 과정일 수 있다.
본 발명의 일실시예에 따르면, 타켓의 설치 없이도, 구조물 형상에 대한 라인을 인식하여, 변위응답을 측정하는, 라인 인식을 통한 구조물의 변위응답 측정 방법 및 장치를 제공할 수 있다.
또한, 본 발명의 일실시예에 따르면, 원 이미지 내에서, 관심영역을 추출하고, 추출된 관심영역에 대해, 영상 향상 처리를 함으로써, 구조물의 형상 라인이 교차하는 지점을 보다 정확하게 추정할 수 있다.
실시예에 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 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 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 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
100 : 변위응답 측정 장치
110 : 지정부 120 : 처리부
130 : 인식부 140 : 측정부

Claims (12)

  1. 카메라에 의해 생성된 구조물 이미지에서, 관심영역을 지정하는 단계;
    상기 관심영역 내 오브젝트를 n개(상기 n은 2이상의 자연수)의 픽셀 그룹으로 분할하는 단계;
    상기 n개의 픽셀 그룹 중에서, 적어도 2개 이상의 픽셀 그룹을 선택하는 단계;
    상기 적어도 2개 이상의 픽셀 그룹으로부터 엣지라인을 추출하는 단계;
    상기 엣지라인 중에서, 제1 방향을 갖는 제1 라인과, 상기 제1 방향과 상이한 제2 방향을 갖는 제2 라인을 인식하는 단계; 및
    상기 제1 라인과 상기 제2 라인이 중첩되는 교차점의 변화를, 구조물에 대한 변위응답으로서 측정하는 단계
    를 포함하고,
    상기 적어도 2개 이상의 픽셀 그룹을 선택하는 단계는,
    픽셀 그룹에 포함되는 픽셀들의 무게중심을 연결하여 그어지는 가상의 연결선이, 끊어짐 없이 일직선으로 그어지는, 적어도 2개 이상의 픽셀 그룹을, 상기 오브젝트의 외각 형상에 해당하는 것으로 가정하여 선택하는 단계
    를 포함하는 라인 인식을 이용한 구조물의 변위응답 측정 방법.
  2. 제1항에 있어서,
    상기 관심영역에 대해, 가우시안 필터를 적용하여, 상기 관심영역 내 오브젝트의 형상을 강화하는 단계; 및
    상기 강화된 형상에서, 밝기정보(Luminance Plane)가 정해진 임계치를 넘어 변화하는 복수의 경계선을, 상기 엣지라인으로 추출하는 단계
    를 더 포함하는 라인 인식을 이용한 구조물의 변위응답 측정 방법.
  3. 제2항에 있어서,
    상기 오브젝트의 형상을 강화하는 단계는,
    가우시안 함수의 연산에 의한 필터링을 통해, 상기 관심영역 내 오브젝트의 형상에 대한 노이즈를 감소시키는 단계
    를 포함하고,
    상기 가우시안 함수 G(x, y)는,
    Figure 112018118061594-pat00026
    -상기 (x, y)는 화소의 위치임, 상기 σ는 표준편차임-
    로 표현되는
    라인 인식을 이용한 구조물의 변위응답 측정 방법.
  4. 삭제
  5. 제1항에 있어서,
    상기 인식하는 단계는,
    상기 엣지라인 각각의 폭 또는 길이가 일정치 이상의 후보 엣지라인을 선별하는 단계;
    상기 후보 엣지라인의 양단으로, 상기 후보 엣지라인을 연장시키는 가상의 확장선을 도시하는 단계; 및
    상기 확장선이 도시된 후보 엣지라인 중에서, 지향하는 방향이 서로 다른, 후보라인 쌍을, 상기 제1 라인과 제2 라인으로서 인식하는 단계
    를 포함하는 라인 인식을 이용한 구조물의 변위응답 측정 방법.
  6. 제5항에 있어서,
    상기 선별하는 단계는,
    상기 엣지라인에 대해 비선명 마스크 처리를 수행하여, 정해진 품질 이하의 엣지라인을 제거하고, 제거되지 않는 나머지 엣지라인을 상기 후보 엣지라인으로 선별하는 단계
    를 포함하고,
    상기 비선명 마스크 처리에 의해 선별되는 후보 엣지라인은,
    Figure 112018118061594-pat00027
    -상기 f(x, y)는 원영상임, 상기
    Figure 112018118061594-pat00028
    는 f(x, y)의 흐려진 영상임-
    로 표현되는
    라인 인식을 이용한 구조물의 변위응답 측정 방법.
  7. 카메라에 의해 생성된 구조물 이미지에서, 관심영역을 지정하는 지정부;
    상기 관심영역 내 오브젝트를 n개(상기 n은 2이상의 자연수)의 픽셀 그룹으로 분할하고, 상기 n개의 픽셀 그룹 중에서, 적어도 2개 이상의 픽셀 그룹을 선택하며, 상기 적어도 2개 이상의 픽셀 그룹으로부터 엣지라인을 추출하는 처리부;
    상기 엣지라인 중에서, 제1 방향을 갖는 제1 라인과, 상기 제1 방향과 상이한 제2 방향을 갖는 제2 라인을 인식하는 인식부; 및
    상기 제1 라인과 상기 제2 라인이 중첩되는 교차점의 변화를, 구조물에 대한 변위응답으로서 측정하는 측정부
    를 포함하고,
    상기 처리부는,
    픽셀 그룹에 포함되는 픽셀들의 무게중심을 연결하여 그어지는 가상의 연결선이, 끊어짐 없이 일직선으로 그어지는, 적어도 2개 이상의 픽셀 그룹을, 상기 오브젝트의 외각 형상에 해당하는 것으로 가정하여 선택하는
    라인 인식을 이용한 구조물의 변위응답 측정 장치.
  8. 제7항에 있어서,
    상기 처리부는,
    상기 관심영역에 대해, 가우시안 필터를 적용하여, 상기 관심영역 내 오브젝트의 형상을 강화하고,
    상기 강화된 형상에서, 밝기정보가 정해진 임계치를 넘어 변화하는 복수의 경계선을, 상기 엣지라인으로 추출하는
    라인 인식을 이용한 구조물의 변위응답 측정 장치.
  9. 제8항에 있어서,
    상기 처리부는,
    가우시안 함수의 연산에 의한 필터링을 통해, 상기 관심영역 내 오브젝트의 형상에 대한 노이즈를 감소시키고,
    상기 가우시안 함수 G(x, y)는,
    Figure 112018118061594-pat00029
    -상기 (x, y)는 화소의 위치임, 상기 σ는 표준편차임-
    로 표현되는
    라인 인식을 이용한 구조물의 변위응답 측정 장치.
  10. 삭제
  11. 제7항에 있어서,
    상기 인식부는,
    상기 엣지라인 각각의 폭 또는 길이가 일정치 이상의 후보 엣지라인을 선별하고,
    상기 후보 엣지라인의 양단으로, 상기 후보 엣지라인을 연장시키는 가상의 확장선을 도시하며,
    상기 확장선이 도시된 후보 엣지라인 중에서, 지향하는 방향이 서로 다른, 후보라인 쌍을, 상기 제1 라인과 제2 라인으로서 인식하는
    라인 인식을 이용한 구조물의 변위응답 측정 장치.
  12. 제11항에 있어서,
    상기 인식부는,
    상기 엣지라인에 대해 비선명 마스크 처리를 수행하여, 정해진 품질 이하의 엣지라인을 제거하고, 제거되지 않는 나머지 엣지라인을 상기 후보 엣지라인으로 선별하고,
    상기 비선명 마스크 처리에 의해 선별되는 후보 엣지라인은,
    Figure 112018118061594-pat00030
    -상기 f(x, y)는 원영상임, 상기
    Figure 112018118061594-pat00031
    는 f(x, y)의 흐려진 영상임-
    로 표현되는
    라인 인식을 이용한 구조물의 변위응답 측정 장치.
KR1020180148029A 2018-11-27 2018-11-27 라인 인식을 통한 구조물의 변위응답 측정 방법 및 장치 KR102183201B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180148029A KR102183201B1 (ko) 2018-11-27 2018-11-27 라인 인식을 통한 구조물의 변위응답 측정 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180148029A KR102183201B1 (ko) 2018-11-27 2018-11-27 라인 인식을 통한 구조물의 변위응답 측정 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20200062530A KR20200062530A (ko) 2020-06-04
KR102183201B1 true KR102183201B1 (ko) 2020-11-25

Family

ID=71080849

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180148029A KR102183201B1 (ko) 2018-11-27 2018-11-27 라인 인식을 통한 구조물의 변위응답 측정 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102183201B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220170122A (ko) * 2021-06-22 2022-12-29 인천대학교 산학협력단 구조물 건전성 모니터링 시스템 및 이를 이용한 모니터링 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013106154A (ja) * 2011-11-11 2013-05-30 Pfu Ltd 画像処理装置、直線検出方法及びコンピュータプログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100524072B1 (ko) * 2003-06-28 2005-10-26 삼성전자주식회사 화질 개선 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013106154A (ja) * 2011-11-11 2013-05-30 Pfu Ltd 画像処理装置、直線検出方法及びコンピュータプログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
잡음 추정을 이용한 개선된 가우시안 필터에 관한 연구, 한국정보기술학회, 2010.05.*
카메라 영상을 이용한 진동 변위 측정 시 카메라 흔들림 보정 방법, 한국소음진동공학회논문집 제24권 제10호, 2014.*

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220170122A (ko) * 2021-06-22 2022-12-29 인천대학교 산학협력단 구조물 건전성 모니터링 시스템 및 이를 이용한 모니터링 방법
KR102563346B1 (ko) * 2021-06-22 2023-08-02 인천대학교 산학협력단 구조물 건전성 모니터링 시스템 및 이를 이용한 모니터링 방법

Also Published As

Publication number Publication date
KR20200062530A (ko) 2020-06-04

Similar Documents

Publication Publication Date Title
Abdeljaber et al. Real-time vibration-based structural damage detection using one-dimensional convolutional neural networks
CN111507958B (zh) 目标检测方法、检测模型的训练方法及电子设备
KR102011628B1 (ko) 검사 장치 및 검사 방법
Andreaus et al. Experimental damage evaluation of open and fatigue cracks of multi‐cracked beams by using wavelet transform of static response via image analysis
Nigam et al. Crack detection in a beam using wavelet transform and photographic measurements
CN111462193B (zh) 用于多摄像机或环绕视图监控的对象检测方法及装置
JP6954368B2 (ja) 変位成分検出装置、変位成分検出方法、及びプログラム
CN110795991A (zh) 一种基于多信息融合的矿用机车行人检测方法
KR102246368B1 (ko) 핵심성과지표와 같은 사용자 요구 사항에 적합한 타겟 객체 예측 네트워크를 이용한, cnn 기반의 변동에 강인한 객체 검출기를 학습하는 방법 및 학습 장치, 및 이를 이용한 테스팅 방법 및 테스팅 장치
JP6835251B2 (ja) 損傷診断装置、損傷診断方法、及び、損傷診断プログラム
CN109085174A (zh) 显示屏外围电路检测方法、装置、电子设备及存储介质
CN111738045B (zh) 一种图像检测方法、装置、电子设备及存储介质
KR20200091324A (ko) 원거리 검출 또는 군사 목적을 위해, 이미지 컨캐터네이션을 이용한, cnn 기반의 하드웨어 최적화가 가능한 객체 검출기를 학습하는 방법 및 학습 장치, 이를 이용한 테스팅 방법 및 테스팅 장치
Kumar et al. Crack detection near the ends of a beam using wavelet transform and high resolution beam deflection measurement
KR102183201B1 (ko) 라인 인식을 통한 구조물의 변위응답 측정 방법 및 장치
CN107462204A (zh) 一种三维路面标准轮廓提取方法及系统
JP2015008412A (ja) 動体画像抽出方法及び動体画像抽出装置
Paul et al. Phase space interrogation of the empirical response modes for seismically excited structures
CN114358091B (zh) 一种基于卷积神经网络的桩损伤识别方法、设备及介质
JPWO2018025336A1 (ja) 劣化検出装置、劣化検出方法、及びプログラム
KR102340286B1 (ko) 영상 기반의 구조물 건전성 모니터링 방법.
CN114323244A (zh) 一种基于φ-otdr的线缆管道塌方信号的监测方法
Pham‐Bao et al. Energy dissipation‐based material deterioration assessment using random decrement technique and convolutional neural network: A case study of Saigon bridge in Ho Chi Minh City, Vietnam
CN111539286B (zh) 衬砌线识别方法、装置及可读存储介质
CN113822006A (zh) 分析集成电路版图的方法、设备和计算机可读存储介质

Legal Events

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