KR102237451B1 - 절리면 안전성 평가 장치 - Google Patents

절리면 안전성 평가 장치 Download PDF

Info

Publication number
KR102237451B1
KR102237451B1 KR1020200128341A KR20200128341A KR102237451B1 KR 102237451 B1 KR102237451 B1 KR 102237451B1 KR 1020200128341 A KR1020200128341 A KR 1020200128341A KR 20200128341 A KR20200128341 A KR 20200128341A KR 102237451 B1 KR102237451 B1 KR 102237451B1
Authority
KR
South Korea
Prior art keywords
evaluation
group
mesh
joint
data
Prior art date
Application number
KR1020200128341A
Other languages
English (en)
Inventor
성현석
Original Assignee
성현석
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 성현석 filed Critical 성현석
Priority to KR1020200128341A priority Critical patent/KR102237451B1/ko
Priority to US17/918,540 priority patent/US11748876B2/en
Priority to PCT/KR2020/016191 priority patent/WO2022075516A1/ko
Priority to KR1020210011998A priority patent/KR102429666B1/ko
Application granted granted Critical
Publication of KR102237451B1 publication Critical patent/KR102237451B1/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
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • 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
    • G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
    • 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
    • G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
    • 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
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C9/00—Measuring inclination, e.g. by clinometers, by levels
    • G01C9/02—Details
    • G01C9/06—Electric or photoelectric indication or reading means
    • 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
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/56—Particle system, point based geometry or rendering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Graphics (AREA)
  • Quality & Reliability (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 절리면 안전성 평가 장치에 관한 것으로, 본 발명의 일면에 따른 절리면 안전성 평가 장치는 외부로부터 평가대상면을 촬영함에 따라 생성되는 스테레오 영상데이터와 GPS정보를 입력받아, 스테레오 영상데이터로부터 추정되는 깊이와 GPS정보에 기초하여 평가대상면에 대응되는 좌표값을 가지는 복수개의 좌표들로 이루어진 포인트 클라우드 데이터를 생성하는 데이터 처리부, 포인트 클라우드 데이터로부터 복수개의 다각형 메쉬면들의 조합으로 이루어지는 메쉬데이터를 생성하고 스테레오 영상데이터와 메쉬데이터를 중첩시켜 모델링 데이터를 생성하는 데이터 생성부, 암사면을 포함하는 복수개의 이미지들과 복수개의 이미지 각각에서 암사면에 대응되는 영역에 대한 지도학습값들을 이용하여 미리 학습되는 학습모델에 모델링 데이터를 적용하여 암사면에 대응되는 메쉬면을 추출하는 암사면 추출부, 암사면 추출부에서 추출된 복수개의 메쉬면 각각에 대한 법선벡터를 이용하여 복수개의 메쉬면을 그룹화하고 그룹별 기울기 각도와 방향 각도를 각각 산출하며 기울기 각도와 방향 각도에 대한 평가값을 출력가능하도록 미리 학습된 학습모델에 그룹별 기울기 각도와 방향 각도를 적용하여 출력되는 평가값에 기초하여 절리면 평가점수를 산출하는 평가점수 산출모듈 및 절리면 평가점수에 따라 기설정된 복수개의 안전성 등급 중 어느 하나를 선택하여 출력하는 안전성 평가부를 포함한다.

Description

절리면 안전성 평가 장치{APPARATUS FOR EVALUATING SAFETY OF CUT-SLOPES}
본 발명은 절리면 안전성 평가 장치에 관한 것으로, 더욱 상세하게는 절리면에 대한 스테레오 영상데이터를 이용하여 절리면의 안전성을 평가할 수 있는 절리면 안전성 평가 장치에 관한 것이다.
고속도로의 신설 및 직선화 등에 따라 도로 주변의 절리면은 계속적으로 증가하고 있으며, 절리면의 규모가 증가하며 절리면 붕괴시 예상되는 피해 규모도 커지고 있다. 이에 따라 절리면의 붕괴를 사전에 감지하고 예방하기 위한 절리면 안전성 평가가 필요하다.
종래의 절리면 안전성 평가는 전문인력이 현장방문하여 수행되는 것으로 절리면들의 안전성 평가를 수행하기에는 비용 및 시간이 상당히 소요되며, 안전성 평가 결과가 아날로그 방식으로 기재되어 전국의 절리면의 안전성 여부와 평가 기간을 관리하기가 어렵다는 문제가 있다.
또한 절리면이 대부분 산지 인근의 도로에 위치하는 관계로 접근이 어려우며 위험하다는 문제점도 있었다.
이에 따라 3차원 레이저 스캔을 통한 3차원 데이터와 이미지를 통해 구조물의 결함을 검사하는 기술이 제시되고 있으나, 이러한 종래의 기술은 3차원 레이저 스캐너와 카메라를 별도로 구비해야 하는 불편함이 있다.
또한 이러한 종래의 기술은 이미지 분석을 통해 결함 정보를 얻으며 3차원 데이터를 이용하여 결함 정보를 확정하는 것으로 결함이 발생하기 전 결함을 예측하기 위한 구성 및 방법을 제시하지 못한다는 문제가 있다.
대한민국 특허출원번호 제10-2014-0055434호 대한민국 특허출원번호 제10-2018-0044790호 대한민국 특허출원번호 제10-2016-0077326호
본 발명의 목적은 상기 문제점을 해결하기 위한 것으로, 스테레오 영상데이터를 이용하여 영상분석을 통해 암사면에 대응되는 영역을 추출하고 암사면에 대응되는 영역의 3차원 데이터를 이용해 절리면의 안전성을 평가할 수 있는 절리면 안전성 평가 장치를 제공하는 것이다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
전술한 목적을 달성하기 위한 본 발명의 일면에 따른 절리면 안전성 평가 장치는 외부로부터 평가대상면을 촬영함에 따라 생성되는 스테레오 영상데이터와 GPS정보를 입력받아, 스테레오 영상데이터로부터 추정되는 깊이와 GPS정보에 기초하여 평가대상면에 대응되는 좌표값을 가지는 복수개의 좌표들로 이루어진 포인트 클라우드 데이터를 생성하는 데이터 처리부, 포인트 클라우드 데이터로부터 복수개의 다각형 메쉬면들의 조합으로 이루어지는 메쉬데이터를 생성하고 스테레오 영상데이터와 메쉬데이터를 중첩시켜 모델링 데이터를 생성하는 데이터 생성부, 암사면을 포함하는 복수개의 이미지들과 복수개의 이미지 각각에서 암사면에 대응되는 영역에 대한 지도학습값들을 이용하여 미리 학습되는 학습모델에 모델링 데이터를 적용하여 암사면에 대응되는 메쉬면을 추출하는 암사면 추출부, 암사면 추출부에서 추출된 복수개의 메쉬면 각각에 대한 법선벡터를 이용하여 복수개의 메쉬면을 그룹화하고 그룹별 기울기 각도와 방향 각도를 각각 산출하며 기울기 각도와 방향 각도에 대한 평가값을 출력가능하도록 미리 학습된 학습모델에 그룹별 기울기 각도와 방향 각도를 적용하여 출력되는 평가값에 기초하여 절리면 평가점수를 산출하는 평가점수 산출모듈 및 절리면 평가점수에 따라 기설정된 복수개의 안전성 등급 중 어느 하나를 선택하여 출력하는 안전성 평가부를 포함한다.
본 발명에 따르면 스테레오 영상데이터를 이용하여 영상분석을 통해 암사면에 대응되는 영역을 추출하고 암사면에 대응되는 각 영역에서 기울기 또는 방향이 유사한 부분을 그룹화하여 각 그룹의 안전성을 평가하는 효과를 가진다.
또한, 그룹별 안전성과 전체 면적 대비 각 그룹이 차지하는 면적의 비율을 적용하여 절리면 전체의 안전성을 평가하는 효과가 있다.
본 발명에 따르면 절리면의 기울기와 크랙 존재 여부를 모두 고려하여 절리면의 안전성을 평가하는 효과를 기대할 수 있다.
본 발명의 효과는 상기에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 절리면 안전성 평가 장치의 블록도이다.
도 2는 본 발명의 다른 실시예에 따른 절리면 안전성 평가 방법의 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것으로서, 본 발명은 청구항의 기재에 의해 정의될 뿐이다. 한편, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며, 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.
도 1은 본 발명의 일 실시예에 따른 절리면 안전성 평가 장치의 블록도로 도 1을 참조하면 본 발명의 일 실시예에 따른 절리면 안전성 평가 장치(10)는 데이터 입력부(101), 데이터 처리부(103), 데이터 생성부(105), 암사면 추출부(110), 평가점수 산출모듈(120), 경계 검출부(130), 크랙 판단부(140), 길이폭 산출부(150), 크랙 평가부(160), 안전성 평가부(200), 평가표 생성부(310), 절리면 표시영역 생성부(320), 크랙 표시영역 생성부(330), 인터페이스부(340)를 포함하는 것일 수 있다.
데이터 입력부(101)는 스테레오 비전 카메라와 GPS정보 수집 장치와 외부와 통신이 가능하도록 하는 통신부를 구비한 단말기로부터 단말기가 평가대상면을 촬영함에 따라 생성되는 스테레오 영상데이터와 GPS정보를 입력받는 것일 수 있다.
여기서 평가대상면은 안전성 평가의 대상이 되는 절리면을 의미한다.
데이터 처리부(103)는 외부로부터 평가대상면을 촬영함에 따라 생성되는 스테레오 영상데이터와 GPS정보를 입력받아, 스테레오 영상데이터로부터 추정되는 깊이와 GPS정보에 기초하여 평가대상면에 대응되는 좌표값을 가지는 복수개의 좌표들로 이루어진 포인트 클라우드 데이터를 생성하는 것일 수 있다.
여기서 포인트 클라우드 데이터는 스테레오 영상데이터의 각 픽셀에 대응되는 색상값과 각 픽셀에 대한 x, y, z축 좌표값을 포함하는 복수개의 좌표들로 이루어진 것일 수 있다.
데이터 처리부(103)는 데이터 입력부(101)로부터 평가대상면을 촬영함에 따라 생성되는 스테레오 영상데이터와 GPS정보를 입력받아, 스테레오 영상데이터로부터 깊이를 추정하고, GPS정보에 기초하여 기준평면을 설정하며, 기준평면을 기준으로 한 스테레오 영상데이터의 평가대상면에 대응되는 좌표값들을 가지는 복수개의 좌표들로 이루어진 포인트 클라우드 데이터를 생성하는 것일 수 있다.
여기서 기준평면은 GPS정보에 대응되는 위치의 고도 또는 표고에 따라 높이가 설정되는 것일 수 있으나, 이에 한정되는 것은 아니다.
데이터 처리부(103)는 각 스테레오 비전 카메라에 대해 미리 저장된 카메라의 광곽정보를 더 이용하여 평가대상면에 대응되는 좌표값들을 가지는 복수개의 좌표들로 이루어진 포인트 클라우드 데이터를 생성하는 것일 수 있다.
데이터 생성부(105)는 포인트 클라우드 데이터로부터 복수개의 다각형 메쉬면들의 조합으로 이루어지는 메쉬데이터를 생성하고 스테레오 영상데이터와 메쉬데이터를 중첩시켜 모델링 데이터를 생성하는 것일 수 있다.
데이터 생성부(105)는 3차원 포아송(Poisson) 방정식을 이용하여 포인트 클라우드 데이터로부터 복수개의 다각형 메쉬면들의 조합으로 이루어지는 메쉬데이터를 생성하고 스테레오 영상데이터와 메쉬데이터를 중첩시켜 모델링 데이터를 생성하는 것일 수 있다.
암사면 추출부(110)는 암사면을 포함하는 복수개의 이미지들과 복수개의 이미지들 각각에서 암사면에 대응되는 영역에 대한 지도학습값들을 이용하여 미리 학습되는 학습모델에 데이터 생성부(105)에서 생성된 모델링 데이터를 적용하여 암사면에 대응되는 메쉬면을 추출하는 것일 수 있다.
여기서 학습모델은 입력층, 복수개의 콘볼루션층, 복수개의 풀링층, 복수개의 relu층을 포함하는 신경망 구조로, 암사면을 포함하는 복수개의 이미지들을 입력받아 복수개의 이미지들 각각에서 암사면에 대응되는 영역을 추출하고 암사면에 대응되는 복수개의 이미지들 각각에 대응되는 지도학습값을 입력받아 기설정된 신경망 구조의 파라미터들이 정리됨에 따라 미리 학습되는 것일 수 있다.
미리 학습된 학습모델은 모델링 데이터를 입력받아 암사면을 포함하는 암사면 영역을 선택하고, 선택한 암사면 영역에 대한 암사면 여부에 따라 암사면에 대응되는 제1 판단값과 암사면이 아닌 것(예를 들어 초지, 하늘 등)에 대응되는 제2 판단값 중 어느 하나를 선택하여 암사면 영역과 매칭하는 것일 수 있다.
암사면 추출부(110)는 미리 학습되는 학습모델에 데이터 생성부(105)에서 생성된 모델링 데이터를 적용하여 제1 판단값과 매칭된 암사면 영역에 대응되는 메쉬면들을 추출하는 것일 수 있다.
평가점수 산출모듈(120)은 암사면 추출부(110)에서 추출된 복수개의 메쉬면 각각에 대한 법선벡터를 이용하여 복수개의 메쉬면을 그룹화하고 그룹별 기울기 각도와 방향각도를 각각 산출하며 기울기 각도와 방향 각도에 대한 평가값을 출력가능하도록 미리 학습된 학습모델에 그룹별 기울기 각도와 방향 각도를 적용하여 출력되는 평가값에 기초하여 절리면 평가점수를 산출하는 것일 수 있다.
평가점수 산출모듈(120)은 각도 산출부(121), 그룹화부(122), 그룹 각도 산출부(123), 절리면 평가부(124), 그룹 면적 산출부(125), 절리면 평가점수 산출부(126)를 포함하는 것일 수 있다.
각도 산출부(121)는 암사면 추출부(110)에서 추출된 복수개의 메쉬면 각각에 대한 법선벡터와 기설정된 기준벡터를 비교하여 각 메쉬면에 대한 기울기 각도와 방향 각도를 산출하는 것일 수 있다.
각도 산출부(121)는 암사면 추출부(110)에서 추출된 복수개의 메쉬면 각각에 대한 법선벡터와 GPS정보에 기초하여 기설정된 기준평면과 수평한 수평 기준벡터를 비교하여 기울기 각도를 산출하고, 암사면 추출부(110)에서 추출된 복수개의 메쉬면 각각에 대한 법선벡터와 기설정된 방향(예를 들어 북쪽)에 대응되는 방향 기준벡터를 비교하여 방향 각도를 산출하는 것일 수 있다.
그룹화부(122)는 암사면 추출부(110)에서 추출된 복수개의 메쉬면을 기울기 각도와 방향 각도에 따라 그룹화하고 다른 그룹과 구분하기 위한 그룹 식별자를 부여하는 것일 수 있다.
그룹화부(122)는 기울기 각도와 방향 각도에 따른 암사면 추출부(110)에서 추출된 복수개의 메쉬면들의 분포에 따라 복수개의 메쉬면을 그룹화하고 다른 그룹과 구분하기 위한 그룹 식별자를 부여하는 것일 수 있다.
그룹 각도 산출부(123)는 각 그룹에 속하는 메쉬면의 기울기 각도와 방향 각도를 이용하여 그룹별 기울기 각도와 방향 각도를 각각 산출하고 그룹 식별자와 매칭하는 것일 수 있다.
그룹 각도 산출부(123)는 각 그룹에 속하는 메쉬면들의 기울기 각도와 방향 각도를 각각 평균하여 그룹별 기울기 각도와 방향 각도를 각각 산출하고 그룹 식별자와 매칭하는 것일 수 있다.
본 발명에 따르면 평가대상면을 기울기와 방향에 따라 복수개의 그룹으로 구분하고, 각 그룹의 기울기 각도와 방향 각도를 산출할 수 있다.
이에 따라 각 그룹의 기울기 각도와 방향 각도를 이용하여 평가대상면의 안전성을 그룹별로 구분하여 평가하도록 한다.
절리면 평가부(124)는 기울기 각도와 방향 각도를 입력받아 기울기 각도와 방향 각도에 대한 평가값을 출력가능하도록 미리 학습된 학습모델에 그룹별 기울기 각도와 방향 각도를 적용함에 따라 각 그룹에 대한 절리면 평가값을 출력하는 것일 수 있다.
여기서 학습 모델은 복수개의 기울기 각도, 복수개의 방향 각도, 복수개의 기울기 각도와 복수개의 방향 각도 각각에 대응되는 복수개의 평가값을 지도학습값으로 입력받음에 따라 기설정된 함수의 파라미터들이 정리됨에 따라 미리 학습되는 것일 수 있다.
예를 들어 절리면 평가부(124)는 기울기 각도와 방향 각도를 입력받아 기울기 각도와 방향 각도 각각에 대해 0 내지 3 사이의 평가값을 출력하는 것일 수 있다.
그룹 면적 산출부(125)는 각 그룹에 속한 메쉬면 각각을 이루는 복수개의 좌표들을 이용하여 각 그룹에 속한 메쉬면들에 대응되는 그룹 면적값을 산출하고 그룹 식별자와 매칭하는 것일 수 있다.
그룹 면적 산출부(125)는 메쉬면 각각을 이루는 복수개의 좌표들을 이용하여 각 메쉬면의 면적값을 산출하고, 각 그룹에 속한 매쉬면들의 면적값을 합함에 따라 각 그룹에 속한 메쉬면들이 차지하는 면적인 그룹 면적값을 산출하고 그룹 식별자와 매칭하여 그룹별 그룹 면적값을 산출하는 것일 수 있다.
절리면 평가점수 산출부(126)는 절리면 평가부(124)에서 출력되는 각 그룹에 대한 절리면 평가값을 이용하여 절리면 평가점수를 산출하는 것일 수 있다.
절리면 평가점수 산출부(126)는 절리면 평가부(124)에서 출력되는 그룹별 절리면 평가값에 그룹별 그룹 면적값에 따른 가중치를 적용하여 누적함에 따라 절리면 평가점수를 산출하는 것일 수 있다.
예를 들어 평가대상면이 A, B 두 그룹으로 구분되고 A그룹의 기울기 각도에 대한 절리면 평가값이 1, 방향 각도에 대한 절리면 평가값이 1, 면적값이 10이고, B그룹의 기울기 각도에 대한 절리면 평가값이 3, 방향 각도에 대한 절리면 평가값이 2 면적값이 20인 경우 절리면 평가점수 산출부(126)는 각 그룹의 면적에 따른 가중치(A의 경우 1/3, B의 경우 2/3)를 그룹별 절리면 평가값에 적용하여 누적함에 따라 절리면 평가점수 4.67을 산출하는 것일 수 있다.
1*(1/3)+1*(1/3)+3*(2/3)+3*(2/3)=4.67
절리면 평가점수 산출부(126)는 그룹별 그룹 면적값에 비례하는 가중치를 동일한 그룹에 대한 그룹별 절리면 평가값에 적용하여 누적함에 따라 절리면 평가점수를 산출함으로써, 평가대상면에 속하는 각 그룹의 안전성에 따른 평가값을 각 그룹이 차지하는 면적에 따라 적용하여 평가대상면 전체에 대한 절리면 평가점수를 산출하는 것일 수 있다.
본 발명의 실시예들에 따른 절리면 안전성 평가 장치(10)에 있어서 평가점수 산출모듈(120)은 평가대상면에 대응되는 메쉬면들의 법선벡터에 따라, 평가대상면을 복수개의 그룹으로 구분하고, 구분된 각 그룹에 대한 안전성 평가를 수행할 수 있다.
또한, 각 그룹이 차지하는 면적에 따라 각 그룹의 안전성 평가값을 다르게 반영하여 평가대상면 전체에 대한 절리면 안전성을 나타내는 절리면 평가점수를 산출할 수 있다.
본 발명에 따르면 평가대상면을 기울기와 방향에 따라 구분하여 각 부분의 안전성을 평가하고 각 부분이 차지하는 면적에 따라 평가대상면의 안전성을 평가함으로써 더 세밀한 안전성 평가가 가능하다는 이점이 있다.
경계 검출부(130)는 스테레오 영상데이터를 입력받아 경계를 검출하고 데이터 처리부(103)에서 생성한 포인트 클라우드 데이터의 복수개의 좌표들 중 검출된 경계에 대응되는 좌표인 복수개의 경계 좌표를 추출하는 것일 수 있다.
크랙 판단부(140)는 스테레오 영상데이터를 입력받아 크랙 또는 비크랙으로 판별가능하도록 미리 학습된 학습모델에 스테레오 영상데이터를 적용함에 따라 크랙에 대응되는 제1 분류값 또는 비크랙에 대응되는 제2 분류값 중 어느 하나를 선택하여 출력하는 것일 수 있다.
여기서 크랙 판단부(140)는 입력층, 복수의 콘볼루션층, 복수의 풀링층, 복수의 relu층을 포함하는 신경망 구조의 학습모델을 포함하는 것일 수 있다.
학습모델은 크랙에 대응되는 복수개의 이미지들, 비크랙에 대응되는 복수개의 이미지들, 크랙에 대응되는 복수개의 이미지들 또는 비크랙에 대응되는 복수개의 이미지들에 각각 대응되는 지도학습값들을 입력받아, 기설정된 신경망 구조의 파라미터들이 정리됨에 따라 미리 학습되는 것일 수 있다.
길이폭 산출부(150)는 크랙 판단부(140)에서 제1 분류값이 출력되는 경우 경계 검출부(130)에서 추출된 복수개의 경계 좌표들을 이용하여 크랙의 길이와 폭을 각각 산출하는 것일 수 있다.
크랙 평가부(160)는 크랙의 길이와 폭을 입력받아 크랙의 길이와 폭에 대한 크랙 평가값을 출력하도록 미리 학습된 학습모델에 길이폭 산출부(150)에서 산출된 크랙의 길이와 폭을 적용함에 따라 평가대상면에 대한 크랙 평가값을 출력하는 것일 수 있다.
예를 들어 크랙 평가부(160)는 평가대상면에 대한 크랙 평가값으로 0 내지 4사이의 값을 출력하는 것일 수 있으나, 이에 한정되는 것은 아니다.
안전성 평가부(200)는 평가점수 산출모듈(120)에서 산출된 절리면 평가점수에 따라 기설정된 복수개의 안전성 등급 중 어느 하나를 선택하여 출력하는 것일 수 있다.
안전성 평가부(200)는 평가점수 산출모듈(120)에서 산출된 절리면 평가점수와 크랙 평가부(160)에서 출력되는 평가대상면에 대한 크랙 평가값을 합산한 값에 따라 기설정된 복수개의 안전성 등급 중 어느 하나를 선택하여 출력하는 것일 수 있다.
안전성 평가부(200)는 기설정된 복수개의 안전성 등급에 각각 대응되는 범위 중 평가점수 산출모듈(120)에서 산출된 절리면 평가점수와 크랙 평가부(160)에서 출력되는 크랙 평가값을 합산한 값이 속하는 어느 하나의 범위를 획득하고, 획득된 어느 하나의 범위에 대응되는 안전성 등급을 선택하여 출력하는 것일 수 있다.
아래의 표 1은 절리면 평가점수의 범위가 0 내지 6이고, 크랙 평가값의 범위가 0 내지 4으로 절리면 평가점수와 크랙 평가값을 합산한 값의 범위가 0 내지 10 사이일 때, 기설정된 복수개의 안전성 등급과 각 안전성 등급에 대응되는 범위를 예시로 나타낸 것이다.
범위 안전성 등급
8.5 이상 10 이하 D
5.5 이상 8.5 미만 C
2 초과 5.5 미만 B
2 이하 A
표 1을 참고하면, 어느 한 평가대상면에 대한 절리면 평가점수가 4.67이고 크랙 평가값이 2인 경우 안전성 평가부(200)는 기설정된 복수개의 안전성 등급(A, B, C, D) 중 안전성 등급 C를 선택하여 출력함으로써, 평가대상면에 대한 안전성 평가를 수행하는 것일 수 있다.
평가표 생성부(310)는 미리 저장된 평가표 템플릿에 평가점수 산출모듈(120)에서 산출된 절리면 평가점수와 크랙 평가부(160)에서 출력되는 평가대상면에 대한 크랙 평가값과 안전성 평가부(200)에서 출력되는 안전성 등급 각각을 입력하여 평가대상면에 대한 절리면 평가점수와 크랙 평가값과 안전성 등급을 표시하기 위한 평가표를 생성하는 것일 수 있다.
여기서 평가표 템플릿은 절리면 평가점수와 크랙 평가값과 안전성 등급 각각에 대응되는 복수개의 항목과 각 항목에 대응되는 데이터를 입력받기 위한 복수개의 입력영역을 포함하는 것일 수 있다.
절리면 표시영역 생성부(320)는 그룹별로 구분된 복수개의 메쉬면들을 스테레오 영상데이터 상에서 그룹별로 서로 다른 색으로 구분하여 표시하기 위한 절리면 표시영역을 생성하는 것일 수 있다.
크랙 표시영역 생성부(330)는 크랙 판단부(140)에서 제1 분류값이 출력되는 경우 경계 검출부(130)에서 추출된 복수개의 경계 좌표들로 둘러싸인 영역을 스테레오 영상데이터에서 구분되게 표시하기 위한 크랙 표시영역을 생성하는 것일 수 있다.
인터페이스부(340)는 사용자의 입력에 따라 평가표 생성부(310)에서 생성된 평가표, 절리면 표시영역 생성부(320)에서 생성된 절리면 표시영역, 크랙 표시영역 생성부(330)에서 생성된 크랙 표시영역 중 어느 하나를 선택적으로 출력하는 것일 수 있다.
도 2는 본 발명의 다른 실시예에 따른 절리면 안전성 평가 방법의 순서도로, 본 발명의 다른 실시예에 따른 절리면 안전성 평가 방법은 본 발명의 일실시예에 따른 절리면 안전성 평가 장치(10)에 의해 수행될 수 있다.
이하 상기에서 설명한 절리면 안전성 평가 장치(10)와 중복되는 내용 및 구성은 도면 부호를 일치시키고 설명의 편의를 위해 자세한 설명을 생략하도록 한다.
절리면 안전성 평가 장치(10)는 평가대상면을 촬영함에 따라 생성되는 스테레오 영상데이터와 GPS정보를 외부로부터 입력받고(S101), 입력받은 스테레오 영상데이터와 GPS정보를 이용하여 포인트 클라우드 데이터를 생성한다(S103).
절리면 안전성 평가 장치(10)는 포인트 클라우드 데이터로부터 메쉬데이터를 생성하고(S105) 메쉬데이터와 스테레오 영상데이터를 중첩함에 따라 모델링 데이터를 생성한다(S107).
절리면 안전성 평가 장치(10)는 영상데이터를 입력받아 암사면에 대응되는 영역을 추출 가능하도록 미리 학습된 학습모델에 영상데이터를 포함하는 모델링 데이터를 적용함에 따라 모델링 데이터에서 암사면에 대응되는 복수개의 메쉬면을 추출하고(S109), 추출된 각 메쉬면의 법선벡터와 기설정된 기준벡터를 비교하며 추출된 각 메쉬면의 기울기 각도와 방향 각도를 산출하며(S111), 기울기 각도와 방향 각도에 따라 추출된 복수개의 메쉬면들을 그룹화한다(S113).
이후, 절리면 안전성 평가 장치(10)는 각 그룹에 속하는 메쉬면의 기울기 각도와 방향 각도를 이용하여 그룹별 기울기 각도와 방향 각도를 산출하며(S115), 기울기 각도와 방향 각도를 입력받아, 기울기 각도와 방향 각도에 대한 절리면 평가값을 출력하도록 미리 학습된 학습모델에 그룹별 기울기 각도와 방향 각도를 적용함에 따라 그룹별 절리면 평가값을 출력하고(S117), 출력되는 그룹별 절리면 평가값을 이용해 평가대상면에 대한 절리면 평가점수를 산출하며(S119), 절리면 평가점수에 따라 기설정된 복수개의 안전성 등급 중 어느 하나를 선택하여 출력함으로써 평가대상면에 대한 안전성을 평가한다(S121).
절리면 안전성 평가 장치(10)는 복수개의 메쉬면들을 그룹화하는 단계(S113)와 절리면 평가점수를 산출하는 단계(S121) 사이에 있어서 각 그룹에 속하는 메쉬면을 이루는 복수개의 좌표를 이용해 그룹별 면적값을 산출하는 단계를 더 포함하고, 그룹별 절리면 평가값에 그룹별 면적값에 따른 가중치를 적용하여 절리면 평가점수를 산출하는 것일 수 있다.
본 발명의 실시예들에 따르면 GPS정보 수집 장치와 스테레오 비전 카메라를 드론 등의 이동가능한 기기에 설치하여 절리면의 영상데이터를 수집하고 수집한 영상데이터를 분석하여 절리면의 안전성을 평가하여, 작업자가 현장에 직접 방문하지 않고도 절리면의 안전성 평가를 수행하도록 한다.
더욱 구체적으로는 본 발명의 실시예들에 따르면 색상정보를 포함하는 스테레오 영상데이터와 메쉬면들의 조합으로 이루어진 메쉬면들을 포함하는 메쉬데이터를 중첩함에 따라 평가대상면에 대한 모델링 데이터를 생성하고, 모델링 데이터에서 암사면에 대응되는 메쉬면을 추출하며 추출된 메쉬면의 법선벡터를 이용하여 안전성 평가를 수행할 수 있다.
즉, 본 발명에 따르면 영상분석을 통해 암사면에 대응되는 메쉬면을 추출하고 추출된 메쉬면에 대해서 안전성 평가를 수행함으로써 연산을 간소화 하되 안전성 평가의 정확도는 향상하는 이점이 있다.
또한, 본 발명에 따르면 암사면으로 추출된 메쉬면들의 법선벡터를 이용해 기울기와 방향에 따라 암사면을 세부적으로 구분할 수 있다.
이에 따라, 스테레오 영상데이터 상에서 구분된 각 부분을 구별되게 표시할 수 있으며, 구분된 각 부분에 대한 안전성을 평가할 수 있다.
더불어 구분된 각 부분의 안전성을 나타내는 지수인 평가값에 각 부분이 차지하는 면적에 따라 가중치를 적용하여 평가대상면 전체에 대한 안전성 평가를 수행할 수 있다.
다른 실시예들에 따르면 평가대상면에 크랙이 존재하는지 여부를 판단하고 크랙인 존재하는 경우 크랙의 크기에 따른 평가값과 평가대상면의 기울기와 방향에 따른 절리면 평가점수를 반영하여 평가대상면에 대한 안전성 평가를 수행할 수 있다.
본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10 : 절리면 안전성 평가 장치
101 : 데이터 입력부
103 : 데이터 처리부
105 : 데이터 생성부
110 : 암사면 추출부
120 : 평가점수 산출모듈
130 : 경계 검출부
140 : 크랙 판단부
150 : 길이폭 산출부
160 : 크랙 평가부
200 : 안전성 평가부

Claims (4)

  1. 외부로부터 평가대상면을 촬영함에 따라 생성되는 스테레오 영상데이터와 GPS정보를 입력받아, 상기 스테레오 영상데이터로부터 추정되는 깊이와 상기 GPS정보에 기초하여 평가대상면에 대응되는 좌표값을 가지는 복수개의 좌표들로 이루어진 포인트 클라우드 데이터를 생성하는 데이터 처리부;
    상기 포인트 클라우드 데이터로부터 복수개의 다각형 메쉬면들의 조합으로 이루어지는 메쉬데이터를 생성하고 상기 스테레오 영상데이터와 상기 메쉬데이터를 중첩시켜 모델링 데이터를 생성하는 데이터 생성부;
    암사면을 포함하는 복수개의 이미지들과 상기 복수개의 이미지 각각에서 암사면에 대응되는 영역에 대한 지도학습값들을 이용하여 미리 학습되는 학습모델에 상기 모델링 데이터를 적용하여 암사면에 대응되는 메쉬면을 추출하는 암사면 추출부;
    상기 암사면 추출부에서 추출된 복수개의 메쉬면 각각에 대한 법선벡터를 이용하여 상기 복수개의 메쉬면을 그룹화하고 그룹별 기울기 각도와 방향 각도를 각각 산출하며 상기 기울기 각도와 상기 방향 각도에 대한 평가값을 출력가능하도록 미리 학습된 학습모델에 그룹별 기울기 각도와 방향 각도를 적용하여 출력되는 평가값에 기초하여 절리면 평가점수를 산출하는 평가점수 산출모듈; 및
    상기 절리면 평가점수에 따라 기설정된 복수개의 안전성 등급 중 어느 하나를 선택하여 출력하는 안전성 평가부;를 포함하고,
    상기 평가점수 산출모듈은
    상기 암사면 추출부에서 추출된 복수개의 메쉬면 각각에 대한 법선벡터와 기설정된 기준벡터를 비교하여 각 메쉬면에 대한 기울기 각도와 방향 각도를 산출하는 각도 산출부와
    상기 복수개의 메쉬면을 기울기 각도과 방향 각도에 따라 그룹화하고 다른 그룹과 구분하기 위한 그룹 식별자를 부여하는 그룹화부와
    각 그룹에 속한 메쉬면의 기울기 각도와 방향 각도를 이용하여 그룹별 기울기 각도와 방향 각도를 각각 산출하고 상기 그룹 식별자와 매칭하는 그룹 각도 산출부와
    기울기 각도와 방향 각도를 입력받아 상기 기울기 각도와 상기 방향 각도에 대한 평가값을 출력가능하도록 미리 학습된 학습모델에 그룹별 기울기 각도와 방향 각도를 적용함에 따라 각 그룹에 대한 절리면 평가값을 출력하는 절리면 평가부와
    각 그룹에 대한 절리면 평가값을 이용하여 절리면 평가점수를 산출하는 절리면 평가점수 산출부를 포함하는 것
    인 절리면 안전성 평가 장치.
  2. 삭제
  3. 제1항에 있어서,
    상기 평가점수 산출모듈은
    각 그룹에 속한 메쉬면의 각각을 이루는 복수개의 좌표들을 이용하여 각 그룹에 속한 메쉬면들에 대응되는 그룹 면적값을 산출하고 상기 그룹 식별자와 매칭하는 그룹 면적 산출부를 더 포함하고,
    상기 절리면 평가점수 산출부는
    상기 절리면 평가부에서 출력되는 그룹별 절리면 평가값에 그룹별 그룹 면적값에 따른 가중치를 적용하여 누적함에 따라 절리면 평가점수를 산출하는 것
    인 절리면 안전성 평가 장치.
  4. 삭제
KR1020200128341A 2020-10-05 2020-10-05 절리면 안전성 평가 장치 KR102237451B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020200128341A KR102237451B1 (ko) 2020-10-05 2020-10-05 절리면 안전성 평가 장치
US17/918,540 US11748876B2 (en) 2020-10-05 2020-11-17 Joint surface safety evaluation apparatus
PCT/KR2020/016191 WO2022075516A1 (ko) 2020-10-05 2020-11-17 절리면 안전성 평가 장치
KR1020210011998A KR102429666B1 (ko) 2020-10-05 2021-01-28 절리면 안전성 평가 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200128341A KR102237451B1 (ko) 2020-10-05 2020-10-05 절리면 안전성 평가 장치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020210011998A Division KR102429666B1 (ko) 2020-10-05 2021-01-28 절리면 안전성 평가 장치

Publications (1)

Publication Number Publication Date
KR102237451B1 true KR102237451B1 (ko) 2021-04-06

Family

ID=75472758

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020200128341A KR102237451B1 (ko) 2020-10-05 2020-10-05 절리면 안전성 평가 장치
KR1020210011998A KR102429666B1 (ko) 2020-10-05 2021-01-28 절리면 안전성 평가 장치

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020210011998A KR102429666B1 (ko) 2020-10-05 2021-01-28 절리면 안전성 평가 장치

Country Status (3)

Country Link
US (1) US11748876B2 (ko)
KR (2) KR102237451B1 (ko)
WO (1) WO2022075516A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117830063B (zh) * 2024-03-05 2024-05-14 中国水利水电第九工程局有限公司 一种山地高速公路施工安全风险管理系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030030163A (ko) * 2001-10-09 2003-04-18 지오텍컨설탄트 주식회사 암반사면에 분포하는 절리의 방향성 및 사면의 블록형성과 안정성 해석기법
KR101009657B1 (ko) * 2010-08-23 2011-01-19 박혁진 지상라이다를 이용한 확률론적 암반사면 안정해석방법
KR20140055434A (ko) 2012-10-31 2014-05-09 김원구 기판 셔틀 장치 및 이를 포함하는 기상 증착 장치
KR101575742B1 (ko) * 2014-06-25 2015-12-09 배재대학교 산학협력단 스테레오 비전에 기반한 암반의 절취면 조사방법
KR20160077326A (ko) 2014-12-22 2016-07-04 주식회사 포스코 곡면시편의 인장시험장치 및 인장시험방법
KR101787542B1 (ko) * 2016-06-21 2017-10-19 연세대학교 산학협력단 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법
KR20180044790A (ko) 2014-06-03 2018-05-03 더 케무어스 컴퍼니 에프씨, 엘엘씨 광가교결합된 플루오로중합체를 포함하는 패시베이션 층
KR101891087B1 (ko) * 2018-04-18 2018-08-23 재단법인 거창화강석연구센터 드론을 이용한 암반사면의 안정성 평가방법
KR101966732B1 (ko) * 2018-10-29 2019-04-08 한국지질자원연구원 석회석 광산 갱내의 디지털 사진 자료를 이용한 암상 분석 방법
KR20200030021A (ko) * 2018-09-11 2020-03-19 고려대학교 산학협력단 무인비행체와 측정장치를 이용한 구조체의 안전점검 및 유지관리 시스템과 이를 이용한 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11137255B2 (en) * 2015-08-03 2021-10-05 Tomtom Global Content B.V. Methods and systems for generating and using localization reference data
US10753750B2 (en) * 2018-07-12 2020-08-25 Toyota Research Institute, Inc. System and method for mapping through inferences of observed objects
US10614579B1 (en) * 2018-10-10 2020-04-07 The Boeing Company Three dimensional model generation using heterogeneous 2D and 3D sensor fusion
CN110348125B (zh) * 2019-07-12 2022-12-02 西安科技大学 一种块体稳定性的可视化判别方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030030163A (ko) * 2001-10-09 2003-04-18 지오텍컨설탄트 주식회사 암반사면에 분포하는 절리의 방향성 및 사면의 블록형성과 안정성 해석기법
KR101009657B1 (ko) * 2010-08-23 2011-01-19 박혁진 지상라이다를 이용한 확률론적 암반사면 안정해석방법
KR20140055434A (ko) 2012-10-31 2014-05-09 김원구 기판 셔틀 장치 및 이를 포함하는 기상 증착 장치
KR20180044790A (ko) 2014-06-03 2018-05-03 더 케무어스 컴퍼니 에프씨, 엘엘씨 광가교결합된 플루오로중합체를 포함하는 패시베이션 층
KR101575742B1 (ko) * 2014-06-25 2015-12-09 배재대학교 산학협력단 스테레오 비전에 기반한 암반의 절취면 조사방법
KR20160077326A (ko) 2014-12-22 2016-07-04 주식회사 포스코 곡면시편의 인장시험장치 및 인장시험방법
KR101787542B1 (ko) * 2016-06-21 2017-10-19 연세대학교 산학협력단 3차원 지형 모델과 토질 분류를 이용한 비탈면 안정성 평가 시스템 및 방법
KR101891087B1 (ko) * 2018-04-18 2018-08-23 재단법인 거창화강석연구센터 드론을 이용한 암반사면의 안정성 평가방법
KR20200030021A (ko) * 2018-09-11 2020-03-19 고려대학교 산학협력단 무인비행체와 측정장치를 이용한 구조체의 안전점검 및 유지관리 시스템과 이를 이용한 방법
KR101966732B1 (ko) * 2018-10-29 2019-04-08 한국지질자원연구원 석회석 광산 갱내의 디지털 사진 자료를 이용한 암상 분석 방법

Also Published As

Publication number Publication date
US11748876B2 (en) 2023-09-05
KR20220045539A (ko) 2022-04-12
WO2022075516A1 (ko) 2022-04-14
KR102429666B1 (ko) 2022-08-05
US20230136883A1 (en) 2023-05-04

Similar Documents

Publication Publication Date Title
Inzerillo et al. Image-based 3D reconstruction using traditional and UAV datasets for analysis of road pavement distress
CA2678156C (en) Measurement apparatus, measurement method, and feature identification apparatus
Elberink et al. Quality analysis on 3D building models reconstructed from airborne laser scanning data
US8116530B2 (en) Map change detection device, map change detection method, and program
US6654690B2 (en) Automated method for making a topographical model and related system
Menderes et al. Automatic detection of damaged buildings after earthquake hazard by using remote sensing and information technologies
KR101507333B1 (ko) 경사면 상황 인식 방법, 이를 이용한 시스템 및 이를 수행하기 위한 기록매체
Rau et al. Bridge crack detection using multi-rotary UAV and object-base image analysis
Xiao et al. Change detection in 3D point clouds acquired by a mobile mapping system
CN107037496A (zh) 一种露天矿山的实地动态检测方法
Estornell et al. Study of shrub cover and height using LiDAR data in a Mediterranean area
CN104574393A (zh) 一种三维路面裂缝图像生成系统和方法
KR102346676B1 (ko) 딥러닝 기반의 시설물 손상영상 분류를 활용한 손상도 생성방법
CN113920266A (zh) 城市信息模型语义信息人工智能生成方法和系统
Kang et al. The change detection of building models using epochs of terrestrial point clouds
KR101130284B1 (ko) 수치지도를 이용한 실감정사영상 정확도 검사 시스템 및 검사방법
CN106327558A (zh) 点云立面提取方法和装置
KR102237451B1 (ko) 절리면 안전성 평가 장치
Karantanellis et al. Evaluating the quality of photogrammetric point-clouds in challenging geo-environments–a case study in an Alpine Valley
CN110580468B (zh) 一种基于影像匹配点云的单木结构参数提取的方法
JP3919722B2 (ja) 肌形状計測方法及び肌形状計測装置
KR101255022B1 (ko) 점군자료를 활용한 구조물 균열 검출방법
Sun et al. Automatic building extraction from oblique aerial images
Gonçalves et al. Planar projection of mobile laser scanning data in tunnels
Gabara et al. Study on 3d point clouds accuracy of elongated object reconstruction in close range–comparison of different software

Legal Events

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