KR102366840B1 - 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법 및 시스템 - Google Patents

Abstract

본 발명은 빠르고 정확하게 시공 상태를 분석할 수 있는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법에 관한 것으로, 관리 서버가 제 1 단말로부터 건축물의 영상을 수신하는 단계; 상기 관리 서버가 상기 수신된 건축물의 영상으로부터 상기 건축물의 관심 대상에 대응되는 객체를 검출하는 단계; 상기 관리 서버가 상기 검출된 객체와 상기 건축물의 건축 정보 모델을 비교하는 단계: 및 상기 비교 결과를 근거로, 상기 관리 서버가 상기 관심 대상과 상기 건축 정보 모델의 설계 정보 간의 일치 여부를 판단하는 단계를 포함한다.

Description

건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법 및 시스템{methods for detecting construction objects based on artificial intelligence and cloud platform system for providing construction supervision service and system thereof}

본 발명은 건설 감리 방법에 관한 것으로, 특히 빠르고 정확하게 시공 상태를 분석할 수 있는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법 및 시스템에 대한 것이다.

철근 콘크리트 건축물 공사 감리의 체크리스트 항목 중 철근 조립, 배근 분야는 건물 전체 구조에 많은 영향을 주는 중요한 검사 항목이다. 감리자는 공사 현장에서 건축 과정을 면밀히 살펴야 하고 설계 도면대로 정확하게 시공되고 있는지 확인해야 한다. 특히 철근 조립, 배근과 관련된 검사와 관련해서 감리자는 철근 하나 하나의 규격의 실측 및 개수를 살펴봐야하는 번거로운 작업을 해야 한다. 그 개수도 건축물의 규모가 커질수록 인력으로 감당해낼 수 없을 만큼 많아진다. 육안 조사에 의한 검사는 많은 인력과 시간이 소요되고 조사 데이터의 객관성 및 신뢰성이 보장되지 않는 문제점이 있었다.

한국등록특허 제10-1354688호(2014.01.16.등록)

본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로, 인공지능 학습 기반의 객체 검출 모델 및 건축 정보 모델(BIM; Building Information Modeling)을 활용하여 건축물의 시공 상태를 빠르고 정확하게 분석할 수 있는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법 및 시스템을 제공하는데 그 목적이 있다.

상기와 같은 목적을 달성하기 위한 본 발명에 따른 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법은, 관리 서버(200)가 제 1 단말(101)로부터 건축물의 영상을 수신하는 단계; 상기 관리 서버(200)가 상기 수신된 건축물의 영상으로부터 상기 건축물의 관심 대상에 대응되는 객체를 검출하는 단계; 상기 관리 서버(200)가 상기 검출된 객체와 상기 건축물의 건축 정보 모델(300)을 비교하는 단계: 및 상기 비교 결과를 근거로, 상기 관리 서버(200)가 상기 관심 대상과 상기 건축 정보 모델(300)의 설계 정보 간의 일치 여부를 판단하는 단계를 포함한다.

상기 판단 결과 상기 관심 대상과 상기 건축 정보 모델(300)의 설계 정보가 일치하지 않을 때, 상기 관리 서버(200)가 그 불일치에 따른 오차 관련 정보를 생성하는 단계를 더 포함한다.

상기 관리 서버(200)가 상기 일치 여부에 대한 판단 결과를 미리 설정된 적어도 하나의 제 2 단말(102)로 전송하는 단계를 더 포함한다.

상기 적어도 하나의 제 2 단말(102)은, 상기 제 1 단말(101), 건축주의 단말, 감리자의 단말 및 현장 사무소의 단말, 공사 감독자의 단말, 검측원의 단말 중 적어도 하나를 포함한다.

상기 제 1 단말(101)이 상기 건축물의 영상을 준비하는 단계를 더 포함한다.

상기 건축물의 영상을 준비하는 단계는, 촬영 수단을 통해 상기 건축물을 촬영하여 상기 건축물의 촬영 영상을 생성하는 단계; 및 상기 제 1 단말(101)이 상기 촬영 영상과 상기 관심 대상을 대응시키는 단계를 포함한다.

상기 촬영 영상과 상기 관심 대상을 대응시키는 단계는, 상기 제 1 단말(101)이 상기 촬영 영상의 파일 네임과 상기 건축 정보 모델(300)에서의 상기 설계 정보의 식별 코드를 일치시키는 단계를 포함한다.

상기 촬영 영상과 상기 관심 대상을 대응시키는 단계는, 상기 제 1 단말(101)이 상기 관리 서버(200)에게 상기 건축 정보 모델(300)의 전송을 요청하는 단계; 상기 전송 요청에 따라, 상기 관리 서버(200)가 상기 관심 대상에 관련된 설계 정보만으로 구성된 가공 건축 정보 모델(300)을 전송하는 단계: 상기 제 1 단말(101)이 수신된 가공 건축 정보 모델을 표시하는 단계; 상기 표시된 가공 건축 정보 모델에서 상기 관심 대상에 대응되는 설계 정보를 선택하는 단계; 및 상기 선택된 설계 정보에 대응되는 촬영 영상을 매칭시키는 단계를 포함한다.

상기 제 1 단말(101)은 스마트 폰이고; 그리고 상기 촬영 수단은 상기 제 1 단말(101)에 배치된 카메라 또는 무인 비행체에 배치된 카메라를 포함한다.

상기 객체를 검출하는 단계에서, 상기 관리 서버(200)는 인공지능 학습 기반의 객체 검출 모델을 활용하여, 상기 수신된 건축물의 영상으로부터 상기 관심 대상의 객체를 검출한다.

상기 인공지능 학습 기반의 객체 검출 모델은, 상기 객체를 정의하는 바운딩 박스 및 상기 바운딩 박스의 특성을 나타내는 레이블을 통해 상기 객체를 검출한다.

상기 인공지능 학습은 딥 러닝 및 머신 러닝 중 적어도 하나를 포함한다.

또한, 상기와 같은 목적을 달성하기 위한 본 발명에 따른 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 시스템은, 제 1 단말(101)로부터 건축물의 영상을 수신하는 관리 서버(200)를 포함하며, 상기 관리 서버(200)는 상기 수신된 건축물의 영상으로부터 상기 건축물의 관심 대상에 대응되는 객체를 검출하고, 상기 검출된 객체와 상기 건축물의 건축 정보 모델(300)을 비교하고, 그리고 상기 비교 결과를 근거로 상기 관심 대상과 상기 건축 정보 모델(300)의 설계 정보 간의 일치 여부를 판단한다.

상기 판단 결과 상기 관심 대상과 상기 건축 정보 모델(300)의 설계 정보가 일치하지 않을 때, 상기 관리 서버(200)느 그 불일치에 따른 오차 관련 정보를 생성한다.

상기 관리 서버(200)는 상기 일치 여부에 대한 판단 결과를 미리 설정된 적어도 하나의 제 2 단말(102)로 전송한다.

본 발명에 따른 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법 및 시스템은 건축물의 촬영 영상으로부터 원하는 객체를 검출하고, 그 검출된 객체와 그 건축물의 건축 정보 모델을 비교함으로써 원하는 객체에 대응되는 건축물의 관심 대상(예를 들어, 철근)이 설계와 일치하도록 시공되었는지를 빠르고 정확하게 판단할 수 있으며, 외부 단말로부터의 요청에 따라 그 판단 결과에 따른 보고서를 전송할 수 있다.

이에 따라, 기존과 같이 육안으로 건축물의 시공 상태를 확인하는 방법에 비하여 빠르고 정확한 건축물 감리 서비스를 제공할 수 있다. 그러므로, 본 발명은 공사 현장 감리 업무의 효율성을 현저히 향상시킬 수 있다.

도 1은 본 발명의 한 실시예에 따른 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 시스템의 블록 구성도이다.
도 2는 도 1의 주요 구성 요소들을 나타낸 도면이다.
도 3은 도 1 및 도 2의 관리 서버에 대한 상세 블록 구성도이다.
도 4는 딥 러닝 기법에 따른 객체 검출 과정을 설명하기 위한 도면이다.
도 5는 도 4의 철근 구조물 객체에 대응되는 건축 정보 모델을 나타낸 도면이다.
도 6은 무인 비행체를 이용한 건축물 촬영 방법을 설명하기 위한 도면이다.
도 7은 제 1 단말의 어플리케이션을 활용하여 촬영 영상과 대응 객체 설계 정보를 매칭시키는 방법을 설명하기 위한 도면이다.
도 8은 본 발명의 한 실시예에 따른 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법을 설명하기 위한 순서도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 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 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 따라서, 몇몇 실시예에서, 잘 알려진 공정 단계들, 잘 알려진 소자 구조 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

도면에서 여러 층 및 영역을 명확하게 표현하기 위하여 두께를 확대하여 나타내었다. 명세서 전체를 통하여 유사한 부분에 대해서는 동일한 도면 부호를 붙였다. 층, 막, 영역, 판 등의 부분이 다른 부분 "위에" 있다고 할 때, 이는 다른 부분 "바로 위에" 있는 경우뿐 아니라 그 중간에 또 다른 부분이 있는 경우도 포함한다. 반대로 어떤 부분이 다른 부분 "바로 위에" 있다고 할 때에는 중간에 다른 부분이 없는 것을 뜻한다.

공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 소자 또는 구성 요소들과 다른 소자 또는 구성 요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 소자의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들면, 도면에 도시되어 있는 소자를 뒤집을 경우, 다른 소자의 "아래(below)"또는 "아래(beneath)"로 기술된 소자는 다른 소자의 "위(above)"에 놓여질 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다.

본 명세서에서 제 1, 제 2, 제 3 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 이러한 구성 요소들은 상기 용어들에 의해 한정되는 것은 아니다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소들로부터 구별하는 목적으로 사용된다. 예를 들어, 본 발명의 권리 범위로부터 벗어나지 않고, 제 1 구성 요소가 제 2 또는 제 3 구성 요소 등으로 명명될 수 있으며, 유사하게 제 2 또는 제 3 구성 요소도 교호적으로 명명될 수 있다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.

본 명세서에서의 "건축물"이란 미완성 형태의 건축물, 공사 진행 중인 건축물 또는 및 상태의 건축물의 의미를 모두 포함할 수 있다.

이하, 도 1 내지 도 8을 참조로 본 발명의 한 실시예에 따른 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법 및 시스템을 상세히 설명하면 다음과 같다.

도 1은 본 발명의 한 실시예에 따른 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 시스템의 블록 구성도이고, 도 2는 도 1의 주요 구성 요소들을 나타낸 도면이다.

본 발명의 한 실시예에 따른 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 시스템은, 도 1 및 도 2에 도시된 바와 같이, 제 1 단말(101), 관리 서버(200), 건축 정보 모델(300; Building Information Modeling) 및 제 2 단말(102)을 포함할 수 있다.

제 1 단말(101)은 피사체(예를 들어, 건축물, 또는 그 건축물의 적어도 일부, 또는 그 건축물의 적어도 일부를 포함하는 전경, 또는 그 건축물의 적어도 일부를 포함하는 배경)를 촬영하고, 그 촬영된 영상(예를 들어, 그 피사체를 포함하는 영상)을 생성하고, 그리고 그 생성된 영상을 관리 서버(200)로 전송할 수 있다. 이를 위해, 제 1 단말(101)은 촬영 수단 및 통신 수단을 포함할 수 있다.

제 1 단말(101)은, 도 2에 도시된 바와 같이, 촬영 수단 및 통신 수단을 포함한 스마트 폰일 수 있다.

또 다른 예로서, 제 1 단말(101)은 데스크탑 컴퓨터, 태블릿 컴퓨터(tablet computer), 노트북 컴퓨터(notebook computer), 디지털 방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player) 등을 포함할 수 있는 바, 전술된 구성 요소들은 모두 촬영 수단 및 통신 수단을 포함할 수 있다.

다른 예로서, 제 1 단말(101)은 무인 비행체, 조사 로봇, CCTV(Closed Circuit Television), 카메라 등을 포함할 수 있다. 이때, 전술된 무인 비행체 및 조사 로봇은 촬영 수단 및 통신 수단을 구비할 수 있다. 또한, CCTV 및 카메라는 통신 수단을 구비할 수 있다. 여기서, 무인 비행체는, 예를 들어, 드론(drone)을 포함할 수 있다.

관리 서버(200)는 제 1 단말(101)로부터 전송된 영상을 분석 및 처리하여 그 영상으로부터 원하는 객체를 검출할 수 있다. 여기서, 촬영 대상, 즉 전술된 피사체가 건축물일 경우, 전술된 객체는 그 건축물을 이루는 여러가지 구성 요소들 중 특정 구성 요소(이하, 관심 대상)에 대응될 수 있다. 더욱 구체적인 예로서, 전술된 객체에 대응되는 관심 대상으로서 철근이 선택될 수 있다. 다시 말하여, 객체는 철근일 수 있다. 한편, 객체는 이에 한정되지 않으며 피사체를 이루는 관심 대상들 중 어느 것이라도 선택될 수 있다. 예를 들어, 객체는 창호, 벽지, 타일, 전기 배선, 배관 등일 수 있다.

이와 같이 관리 서버(200)는 건축물의 영상으로부터 그 건축물의 관심 대상에 대응되는 객체를 검출할 수 있다. 다시 말하여, 관리 서버(200)는 영상에서 배경과 원하는 객체가 구분될 수 있도록 영상 분석 및 처리를 수행할 수 있는 바, 이를 통해 그 영상으로부터 원하는 객체만을 추출할 수 있다. 예를 들어, 전술된 객체로서 철근이 선택된 경우, 관리 서버(200)는 그 영상으로부터 철근에 해당하는 객체만을 선택적으로 추출 또는 검출할 수 있다.

영상으로부터의 객체 검출을 위해, 예를 들어, 관리 서버(200)는 인공지능 학습 기반의 객체 검출 모델을 활용할 수 있다. 다시 말하여, 관리 서버(200)는 인공지능 학습 기반의 객체 검출 모델을 통해 전술된 영상(예를 들어, 건축물의 영상)으로부터 관심 대상의 객체를 검출할 수 있다.

인공지능 학습 기반의 객체 검출 모델은, 예를 들어, 객체를 정의하는 바운딩 박스(bounding box) 및 그 바운딩 박스의 특성을 나타내는 레이블(label)을 포함할 수 있는 바, 관리 서버(200)는 전술된 바운딩 박스 및 레이블을 통해 객체를 정의함으로써 그 객체를 검출할 수 있다.

인공지능 학습은 딥 러닝 기법 및 머신 러닝 기법 중 적어도 하나를 포함할 수 있다. 한편, 성능이 향상된 딥 러닝 기반 객체 검출 네트워크를 구축하기 위해 PyTorch와 같은 오픈 소스 머신 라이브러리를 제공하는 프로그램이 사용될 수 있다.

건축 정보 모델(300)은 3차원 정보 모델을 기반으로 시설물(예를 들어, 전술된 피사체의 건축물)의 생애주기에 걸쳐 발생하는 모든 정보를 통합하여 활용이 가능하도록 시설물(또는 건축물)의 형상, 속성 등을 정보로 표현한 디지털 모형을 의미한다.

관리 서버(200)는 외부로부터 전술된 건축물의 건축 정보 모델(300)을 제공받을 수 있다. 관리 서버(200)는 내부에 그 건축 정보 모델(300)을 미리 저장할 수 있다.

관리 서버(200)는 전술된 건축물의 영상으로부터 검출된 객체와 그 건축물의 건축 정보 모델(300)을 비교할 수 있다. 예를 들어, 건축물의 관심 대상이 철근일 때, 관리 서버(200)는 영상으로부터 철근에 대응되는 객체를 검출하고, 그 객체와 건축 정보 모델(300)을 비교한다. 구체적인 하나의 예로서, 영상으로부터 검출된 객체가 그 건축물의 1층의 제 1 출입구에 배치된 제 1 기둥용 철근 구조물일 때, 관리 서버(200)는 건축 정보 모델(300)로부터 그 객체(즉, 제 1 기둥용 철근 구조물 객체)에 대응되는 설계 정보(이하, 제 1 기둥용 철근 구조물 설계 정보)을 탐색하고, 그 탐색된 제 1 기둥용 철근 구조물 설계 정보와 제 1 기둥용 철근 구조물 객체를 비교함으로써 그 제 1 기둥용 철근 구조물의 배근 상태(또는 시공 상태)를 확인한다.

한편, 철근 구조물의 철근 배근 확인 사항은, 예를 들어, 그 철근 구조물에서의 철근 개수, 철근 지름, 철근 정착 길이, 철근 정착 깊이, 철근 이음 위치, 철근 이음 길이, 철근의 좁히기(offset bend) 가공의 양부, 철근 상호 간격, 띠철근의 위치, 띠철근의 간격, 띠철근의 결속 상태, 스터럽(stirrup)의 위치, 스터럽의 간격, 스터럽의 결속 상태 등을 포함할 수 있다.

전술된 바와 같은 철근 배근 확인 사항을 근거로 하여, 관리 서버(200)는 서로 대응되는 제 1 기둥용 철근 구조물 설계 정보와 제 1 기둥용 철근 구조물 객체를 비교함으로써 그 제 1 기둥용 철근 구조물의 배근이 설계 정보와 일치하도록 시공되었는지를 판단하고, 그리고 그 판단 결과를 내부에 저장할 수 있다. 예를 들어, 전술된 비교 및 판단 결과, 제 1 기둥용 철근 구조물 객체가 제 1 기둥용 철근 구조물 설계 정보와 허용 오차 내에서 일치하는 것으로 확인된 경우, 관리 서버(200)는 제 1 기둥용 철근 구조물이 설계 정보에 따라 정상적으로 시공되었다는 내용 등을 포함하는 보고서를 생성하여 내부에 저장할 수 있다. 반면, 전술된 비교 및 판단 결과, 제 1 기둥용 철근 구조물 객체가 제 1 기둥용 철근 구조물 설계 정보와 허용 오차 내에서 일치하지 않는 것으로 확인된 경우, 관리 서버(200)는 제 1 기둥용 철근 구조물이 설계 정보에 따라 정상적으로 시공되지 않았다는 내용 및 오차 상세 내역서 등을 포함하는 보고서를 생성하여 내부에 저장할 수 있다. 여기서, 오차 상세 내역서는, 예를 들어, 제 1 기둥용 철근 구조물에서 누락된 철근 개수 등과 같이 해당 설계 정보와 일치하지 않는 배근 확인 사항에 대한 구체적인 내용을 포함할 수 있다.

한편, 관리 서버(200)는 미리 등록된 단말(예를 들어, 제 1 단말(101) 및 제 2 단말(102) 중 적어도 하나)로부터 그 저장된 보고서에 대한 전송 요청이 있을 때, 그 보고서를 요청 단말로 전송할 수 있다.

관리 서버(200)는 클라우딩 시스템 서버일 수 있다.

제 1 단말(101) 및 제 2 단말(102)은, 예들 들어, 건축주의 단말, 감리자의 단말 및 현장 사무소의 단말, 공사 감독자의 단말, 검측원의 단말 중 적어도 하나를 포함할 수 있다.

제 2 단말(102)은, 예를 들어, 휴대 폰, 스마트 폰(smart phone), 데스크탑 컴퓨터, 태블릿 컴퓨터, 노트북 컴퓨터(notebook computer), 디지털 방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player) 등을 포함할 수 있다.

이와 같이 본 발명에 따른 건축물 감리 서비스 제공 시스템은 건축물의 촬영 영상으로부터 원하는 객체를 검출하고, 그 검출된 객체와 그 건축물의 건축 정보 모델(300)을 비교함으로써 원하는 객체에 대응되는 건축물의 관심 대상(예를 들어, 철근)이 설계와 일치하도록 시공되었는지를 빠르고 정확하게 판단할 수 있으며, 외부 단말로부터의 요청에 따라 그 판단 결과에 따른 보고서를 전송할 수 있다. 이에 따라, 기존과 같이 육안으로 건축물의 시공 상태를 확인하는 방법에 비하여 빠르고 정확한 건축물 감리 서비스를 제공할 수 있다.

도 3은 도 1 및 도 2의 관리 서버(200)에 대한 상세 블록 구성도이다.

전술된 관리 서버(200)는, 도 3에 도시된 바와 같이, 통신부(201), 영상 처리부(202), 객체 검출부(203), 비교 정보 생성부(204) 및 저장부(205)를 포함할 수 있다.

통신부(201)는 전술된 제 1 단말(101) 및 제 2 단말(102)을 포함한 각종 단말과 통신을 수행할 수 있다. 예를 들어, 관리 서버(200)는 통신부(201)를 통해 제 1 및 제 2 단말들(101, 102)을 포함한 각종 단말로부터 각종 정보를 수신하거나, 또는 그 통신부(201)를 통해 각종 정보를 제 1 및 제 2 단말들(101, 102)을 포함한 각종 단말로 전송할 수 있다.

통신부(201)는 관리 서버(200)와 단말(예를 들어, 제 1 단말(101) 및 제 2 단말(102) 중 적어도 하나) 간의 직접(예를 들어, 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다.

또한, 통신부(201)는 프로세서 (예를 들어, 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예를 들어, 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 실시예에 따르면, 통신부(201)는 무선 통신 모듈(예를 들어, 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(예를 들어, LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(예를 들어, 블루투스(Bluetooth), WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제 2 네트워크(예를 들어, 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 전술된 단말(예를 들어, 제 1 및 제 2 단말(102)들 중 적어도 하나)과 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성 요소(예를 들어, 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성 요소들(예를 들어, 복수의 칩들)로 구현될 수 있다. 무선 통신 모듈은 가입자 식별 모듈에 저장된 가입자 정보(예를 들어, 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 (예를 들어, 제 1 및 제 2 단말들(101, 102) 중 적어도 하나)를 확인 및 인증할 수 있다.

영상 처리부(202)는 통신부(201)를 통해 수신된 영상(예를 들어, 건축물의 촬영 영상)을 용도에 알맞게 처리할 수 있다. 예를 들어, 영상 처리부(202)는 수신된 영상의 잡음(noise)을 제거하거나 영상의 콘트라스트를 향상시킬 수 있다.

객체 검출부(203)는 그 처리된 영상에서 건축물의 관심 대상(예를 들어, 관심 구조물)에 대응되는 객체를 검출한다. 예를 들어, 객체 검출부(203)는 전술된 인공지능 학습 기반의 객체 검출 모델을 활용하여 관심 대상에 대응되는 객체만을 선택적으로 검출할 수 있다.

비교 정보 생성부(204)는 건축물의 영상으로부터 검출된 객체와 그 건축물의 건축 정보 모델(300)을 비교하고, 그 비교 결과에 따라 보고서를 생성하고, 그 생성된 보고서를 저장부(205)에 저장할 수 있다.

저장부(205)에는 전술된 보고서가 저장될 수 있다. 또한, 이 저장부(205)에는 전술된 건축 정보 모델(300)이 미리 저장될 수 있다. 감리하고자 하는 건축물이 복수일 경우, 그 복수의 건축물들에 대응되는 복수의 건축 정보 모델(300)들이 저장부(205)에 미리 저장될 수 있다.

도 4는 딥 러닝 기법에 따른 객체 검출 과정을 설명하기 위한 도면이고, 도 5는 도 4의 철근 구조물 객체에 대응되는 건축 정보 모델(300)을 나타낸 도면이다.

도 4의 좌측에는 공사 현장의 철근 구조물에 대한 실사 이미지(또는 실사 영상)가 도시되어 있다.

이 실사 이미지는 관리 서버(200)에 전송된다. 관리 서버(200)는 전술된 딥 러닝 네트워크 기법에 기초하여 그 실사 이미지로부터 관심 대상(또는, 관심 구조물)에 대응되는 객체를 검출할 수 있다.

예를 들어, 전술된 객체가 주철을 둘러싸며 지지하는 띠철근(도 4의 우측에 도시된 철근 구조물에서 적색으로 강조된 객체)에 해당할 때, 관리 서버(200)는 그 실사 이미지로부터 띠철근에 해당하는 객체만을 선택적으로 검출할 수 있다. 그리고, 관리 서버(200)는 그 검출된 객체(즉, 띠철근)의 개수, 간격, 위치 등을 판단할 수 있다.

관리 서버(200)는 그 검출된 띠철근 객체와 이에 대응되는 도 5의 건축 정보 모델(300)을 비교할 수 있다. 예를 들어, 관리 서버(200)는 검출된 객체에서의 띠철근 수와 건축 정보 모델(300)에서의 띠철근(도 5에서 적색으로 강조된 객체)의 수를 비교할 수 있다. 객체에서의 띠철근의 수와 건축 정보 모델(300)에서의 띠철근의 수가 일치할 때, 관리 서버(200)는 띠철근의 수가 설계 정보와 일치한다는 내용의 보고서를 생성한다. 반면, 객체에서의 띠철근의 수가 건축 정보 모델(300)에서의 띠철근의 수보다 작을 때, 관리 서버(200)는 띠철근의 수가 설계 정보와 일치하지 않다는 내용의 보고서를 생성한다. 이때, 관리 서버(200)는 실제 배근된 띠철근의 수가 설계에서의 띠철근의 수보다 n개(n은 자연수) 작게 시공되었다는 내용의 오차 상세 내역서를 더 생성할 수 있다.

도 6은 무인 비행체를 이용한 건축물 촬영 방법을 설명하기 위한 도면이다.

도 6에 도시된 하나의 예와 같이, 제 1 기둥용 철근 구조물(601; 이하, 제 1 철근 구조물(601)), 제 2 기둥용 철근 구조물(602; 이하, 제 2 철근 구조물(602)), 제 3 기둥용 철근 구조물(603; 이하, 제 3 철근 구조물(603)) 및 제 4 기둥용 철근 구조물(604; 이하, 제 4 철근 구조물(604))이 건축물의 제 1 층에 배치된 경우, 무인 비행체(700)를 이용한 건축물 촬영 방법을 설명하면 다음과 같다.

먼저, 무인 비행체(700)는 제 1 철근 구조물(601)을 촬영하여 그 제 1 철근 구조물(601)의 영상(이하, 제 1 영상)을 생성 및 저장하고, 이후 제 2 철근 구조물(602)을 촬영하여 그 제 2 철근 구조물(602)의 영상(이하, 제 2 영상)을 생성 및 저장하며, 이어서 제 3 철근 구조물(603)을 촬영하여 그 제 3 철근 구조물(603)의 영상(이하, 제 3 영상)을 생성 및 저장하며, 다음으로 제 4 철근 구조물(604)을 촬영하여 그 제 4 철근 구조물(604)의 영상(이하, 제 4 영상)을 생성 및 저장한다. 다시 말하여, 무인 비행체(700)는 제 1 내지 제 4 철근 구조물들(601 내지 604)을 하나씩 차례로 촬영하여 그 제 1 내지 제 4 철근 구조물들(601 내지 604)에 대한 제 1 내지 제 4 영상들을 생성하고, 그리고 그 생성된 제 1 내지 제 4 영상들을 내부에 저장한다. 이때, 제 1 내지 제 4 영상들의 각 파일 네임(file name)은 건축 정보 모델(300)의 각 대응 객체 설계 정보의 식별 코드(identification code)에 매칭될 수 있다.

예를 들어, 제 1 영상의 파일 네임은 이 제 1 영상의 객체(즉, 제 1 철근 구조물(601))에 대응되는 건축 정보 모델(300)의 제 1 객체 설계 정보의 식별 코드와 동일할 수 있으며, 제 2 영상의 파일 네임은 이 제 2 영상의 객체(즉, 제 2 철근 구조물(602))에 대응되는 건축 정보 모델(300)의 제 2 객체 설계 정보의 식별 코드와 동일할 수 있으며, 제 3 영상의 파일 네임은 이 제 3 영상의 객체(즉, 제 3 철근 구조물(603))에 대응되는 건축 정보 모델(300)의 제 3 객체 설계 정보의 식별 코드와 동일할 수 있으며, 그리고 제 4 영상의 파일 네임은 이 제 4 영상의 객체(즉, 제 4 철근 구조물(604))에 대응되는 건축 정보 모델(300)의 제 4 객체 설계 정보의 식별 코드와 동일할 수 있다.

무인 비행체(700)에 의해 촬영되어 저장된 제 1 내지 제 4 영상들은 관리 서버(200)로 바로 전송될 수도 있고, 이와 달리 제 1 단말(101)을 통해 관리 서버(200)로 전송될 수 있다. 예를 들어, 무인 비행체(700)가 제 1 내지 제 4 영상들을 제 1 단말(101)로 전송하면, 제 1 단말(101)은 그 제 1 내지 제 4 영상들을 관리 서버(200)로 전송할 수 있다.

관리 서버(200)는 제 1 영상을 분석하여 이 제 1 영상으로부터 제 1 객체(즉, 제 1 철근 구조물(601)에 대응되는 객체)를 검출하고, 제 2 영상을 분석하여 이 제 2 영상으로부터 제 2 객체(즉, 제 2 철근 구조물(602)에 대응되는 객체)를 검출하고, 제 3 영상을 분석하여 이 제 3 영상으로부터 제 3 객체(즉, 제 3 철근 구조물(603)에 대응되는 객체)를 검출하고, 그리고 제 4 영상을 분석하여 이 제 4 영상으로부터 제 4 객체(즉, 제 4 철근 구조물(604)에 대응되는 객체)를 검출할 수 있다.

이후, 관리 서버(200)는 제 1 객체와 이에 대응되는 건축 정보 모델(300)의 제 1 객체 설계 정보를 비교하고, 제 2 객체와 이에 대응되는 건축 정보 모델(300)의 제 2 객체 설계 정보를 비교하고, 제 3 객체와 이에 대응되는 건축 정보 모델(300)의 제 3 객체 설계 정보를 비교하고, 그리고 제 4 객체와 이에 대응되는 건축 정보 모델(300)의 제 4 객체 설계 정보를 비교한다. 각 개체와 그 해당 객체에 대응되는 객체 설계 정보는, 전술된 바와 같이, 서로 매칭되는 파일 네임 및 식별 코드를 갖기 때문에, 관리 서버(200)는 복수의 객체들 및 객체 설계 정보들로부터 서로 대응되는 객체와 객체 설계 정보를 매칭시켜 비교할 수 있다

복수의 객체들 및 복수의 객체 정보들로부터 서로 대응된 객체와 객체 정보를 매칭시키기 위한 사전 작업으로서, 관리자는 현장 건축물의 복수의 실물 구조물들(예를 들어, 검사하고자 하는 실물 철근 구조물)에 대응되는 식별 코드들을 그 건축물의 건축 정보 모델(300)로부터 미리 취득하고, 그 취득된 식별 코드들을 무인 비행체(700)에 미리 저장할 수 있다. 또는 그 취득된 식별 코드를 제 1 단말(101)에 저장한 후, 그 제 1 단말(101)로부터 무인 비행체(700)로 식별 코드들을 전송할 수 있다. 이후, 관리자는 해당 현장의 건축물로 이동하여, 그 식별 코드들에 대응되는 구조물로 차례로 이동하여 제 1 단말(101)의 촬영 수단을 이용하여 그 구조물들을 하나씩 순서대로 촬영할 수 있다. 이때, 촬영 순서에 따라 촬영 영상들에 순차적으로 식별 코드가 자동으로 적용될 수 있다. 따라서, 관리자는, 식별 코드와 촬영 영상이 매칭될 수 있도록, 식별 코드의 적용 순서에 맞춰 구조물들의 촬영 순서를 결정할 수 있다.

또한, 전술된 바와 같은 방식으로 무인 비행체(700) 역시 자동으로 촬영을 수행할 수 있다. 예를 들어, 무인 비행체(700)에 저장된 제 1 식별 코드, 제 2 식별 코드, 제 3 식별 코드 및 제 4 식별 코드가 각각 전술된 제 1 철근 구조물(601), 제 2 철근 구조물(602), 제 3 철근 구조물(603) 및 제 4 철근 구조물(604)에 각각 대응되고, 제 1 내지 제 4 식별 코드 순서로 파일 네임이 자동으로 적용될 때, 무인 비행체(700)는 제 1 내지 제 4 철근 구조물(601 내지 604) 순서대로 그 철근 구조물들(601 내지 604)을 순차적으로 촬영하도록 설정될 수 있다. 이와 같이 설정된 무인 비행체는, 예를 들어, 먼저 제 1 철근 구조물(601) 상으로 이동하여 제 1 철근 구조물(601)을 촬영하고, 이후 제 2 철근 구조물(602) 상으로 이동하여 제 2 철근 구조물(602)을 촬영하고, 이어서 제 3 철근 구조물(603) 상으로 이동하여 제 3 철근 구조물(603)을 촬영하고, 다음으로 제 4 철근 구조물(604) 상으로 이동하여 제 4 철근 구조물(604)을 촬영할 수 있다. 이때, 제 1 철근 구조물(601)의 영상은 자동으로 제 1 식별 코드와 동일한 파일 네임을 부여받으며, 제 2 철근 구조물(602)의 영상은 자동으로 제 2 식별 코드와 동일한 파일 네임을 부여받으며, 제 3 철근 구조물(603)의 영상은 자동으로 제 3 식별 코드와 동일한 파일 네임을 부여받으며, 그리고 제 4 철근 구조물(604)의 영상은 자동으로 제 4 식별 코드와 동일한 파일 네임을 부여받을 수 있다.

무인 비행체(700)는 검출하고자 객체의 특징이 가장 잘 나타나도록 그 구조물의 바로 상측이 아닌 사선 방향의 상측에서 구조물을 촬영할 수 있다.

한편, 촬영 영상과 대응 객체 설계 정보를 자동으로 매칭시키기 위한 방법으로서, 건축물의 복수의 관심 대상들에 전술된 건축 정보 모델의 설계 정보에 대응되는 식별 코드를 부착하는 방법이 있을 수 있다. 예를 들어, 제 1 철근 구조물(601)에 제 1 식별 코드를 부착하고, 제 2 철근 구조물(602)에 제 2 식별 코드를 부착하고, 제 3 철근 구조물(603)에 제 3 식별 코드를 부착하고, 그리고 제 4 철근 구조물(604)에 제 4 식별 코드를 부착할 수 있다. 여기서, 제 1 내지 제 4 식별 코드들은 각각 QR(Quick Response) 코드일 수 있다. 이때, 건축 정보 모델은 그 철근 구조물의 QR 코드에 따른 정보를 더 포함할 수 있다. 이와 같은 경우, 무인 비행체(700) 또는 제 1 단말(101)로 철근 구조물을 촬영할 때 그 철근 구조물의 식별 코드가 함께 촬영되는 바, 이에 따라 관리 서버는 촬영 영상의 식별 코드를 통해 해당 영상이 건축 정보 모델의 어떤 설계 정보에 대응되는지 인지할 수 있다.

또한, 촬영 영상과 대응 객체 설계 정보를 자동으로 매칭시키기 위한 방법으로서, 복수의 관심 대상들에 각각 다른 색상의 표식을 설치하는 방법이 있을 수 있다. 예를 들어, 철근 구조물의 철근들은 철근용 결속선에 의해 서로 고정되는 바, 복수의 철근 구조물들 각각에 사용되는 철근용 결속선의 색상을 달리함으로써 제 1 단말 또는 무인 비행체에 의해 촬영된 영상으로부터 객체가 용이하게 구분될 수 있다. 예를 들어, 작업자는 제 1 철근 구조물(601)을 시공할 때 제 1 색(예를 들어, 적색)의 철근용 결속선을 이용하여 그 제 1 철근 구조물(601)의 주철근과 띠철근을 서로 결속할 수 있으며, 제 2 철근 구조물(602)을 시공할 때 제 2 색(예를 들어, 녹색)의 철근용 결속선을 이용하여 그 제 2 철근 구조물(602)의 주철근과 띠철근을 서로 결속할 수 있으며, 제 3 철근 구조물(603)을 시공할 때 제 3 색(예를 들어, 청색)의 철근용 결속선을 이용하여 그 제 3 철근 구조물(603)의 주철근과 띠철근을 서로 결속할 수 있으며, 그리고 제 4 철근 구조물(604)을 시공할 때 제 4 색(예를 들어, 황색)의 철근용 결속선을 이용하여 그 제 4 철근 구조물(604)의 주철근과 띠철근을 서로 결속할 수 있다. 이때, 건축 정보 모델은 그 철근 구조물의 색상에 따른 정보를 더 포함할 수 있다. 이와 같은 경우, 무인 비행체(700) 또는 제 1 단말(101)로 철근 구조물을 촬영할 때 그 철근 구조물의 철근용 결속선이 함께 촬영되는 바, 이에 따라 관리 서버는 촬영 영상의 철근용 결속선의 색상을 통해 해당 영상이 건축 정보 모델의 어떤 설계 정보에 대응되는지 인지할 수 있다.

이 외에도, 예를 들어, 하나의 철근 구조물에 사용되는 복수의 철근용 결속선들의 색상을 2색 이상으로 조합함으로써 많은 수의 철근 구조물들을 구분할 수 있다. 예를 들어, 전술된 제 1 내지 제 4 철근 구조물이 외에 제 5 내지 제 8 철근 구조물들이 더 존재하는 경우, 작업자는 제 5 철근 구조물을 시공할 때 제 1 색(예를 들어, 적색)의 철근용 결속선 및 제 2 색(예를 들어, 녹색)의 철근용 결속선을 이용하여 제 5 철근 구조물의 주철근과 띠철근을 서로 결속할 수 있으며, 제 6 철근 구조물을 시공할 때 제 2 색(예를 들어, 녹색)의 철근용 결속선과 제 3 색(예를 들어, 청색)의 철근용 결속선을 이용하여 제 6 철근 구조물의 주철근과 띠철근을 서로 결속할 수 있으며, 제 7 철근 구조물을 시공할 때 제 3 색(예를 들어, 청색)의 철근용 결속선 및 제 4 색(예를 들어, 황색)의 철근용 결속선을 이용하여 제 7 철근 구조물의 주철근과 띠철근을 서로 결속할 수 있으며, 그리고 제 8 철근 구조물을 시공할 때 제 4 색(예를 들어, 황색) 및 제 1 색(예를 들어, 적색)의 철근용 결속선을 이용하여 그 제 8 철근 구조물의 주철근과 띠철근을 서로 결속할 수 있다.

또한, 이 외에도 하나의 철근 구조물에 사용된 철근용 결속선들 중 특정 색상(예를 들어, 적색)의 철근용 결속선들이 특정 문자(A, B, C 등의 알파벳) 또는 숫자(1, 2, 3.. 등)의 숫자 형상을 갖도록 배치시킴으로써 더 많은 수의 철근 구조물들을 구분할 수 있다. 즉, 철근용 결속선들의 색상 및 배치 형태를 조합하여 더 많은 수의 철근 구조물들의 식별이 가능하다. 단, 철근용 결속선들의 배치 형태는 철근 배근의 규정을 따른다. 즉, 일반 무색(즉, 금속 색상)의 철근용 결속선들과 특성 색(예를 들어, 적색)의 철근용 결속선들을 이용하여 하나의 철근 구조물에서의 주철근들과 띠철근들을 규정에 따라 결속하되, 규정된 결속 위치들 중 특정 색의 철근용 결속선들이 배치될 위치를 특정함으로써 그 특정 색의 철근용 결속선들을 연결하는 가상의 라인이 전술된 특정 문자 또는 숫자의 형상을 이룰 수 있다.

도 7은 제 1 단말의 어플리케이션을 활용하여 촬영 영상과 대응 객체 설계 정보를 매칭시키는 방법을 설명하기 위한 도면이다.

촬영 영상과 대응 객체 설계 정보를 매칭시키기 위한 방법으로서, 도 7과 같이, 제 1 단말(101)로 건축 정보 모델(300)을 제공하고, 그 제 1 단말(101)의 화면에 표시된 건축 정보 모델(300)에서 해당 구조물 부분을 터치하는 방법이 있을 수 있다. 이를 좀 더 구체적으로 설명하면 다음과 같다.

먼저, 전술된 바와 같이, 관리자는 제 1 단말(101) 또는 무인 비행체(700)를 이용하여 건축물의 제 1 내지 제 4 철근 구조물들(601 내지 604)을 개별적으로 촬영하여 제 1 내지 제 4 영상들을 생성한다. 이 제 1 내지 제 4 영상들은 제 1 단말(101)에 저장될 수 있다.

관리자는 제 1 단말(101)을 통해 관리 서버(200)로 전술된 건축물의 건축 정보 모델을 요청할 수 있다. 제 1 단말(101)로부터의 요청에 따라, 관리 서버(200)는 따라 건축 정보 모델(300)을 제 1 단말(101)로 전송할 수 있다. 제 1 단말(101)로 전송된 건축 정보 모델(300)은 별도의 관련 어플리케이션(이하, 매칭 어플리케이션)의 실행에 의해 제 1 단말(101)의 화면에 표시될 수 있다. 예를 들어, 제 1 단말(101)에 미리 설치된 매칭 어플리케이션이 실행되면, 제 1 단말(101)의 화면에 건축 정보 모델(300)이 표시될 수 있다. 또한, 그 매칭 어플리케이션이 실행되면, 현재 관리자의 현재 위치를 표시하는 위치 마커(700)가 그 제 1 단말(101)의 화면에 더 표시될 수 있다.

관리자는 제 1 단말(101)의 건축 정보 모델(300)에서 제 1 내지 제 4 철근 구조물들(601 내지 604)에 대응되는 제 1 내지 제 4 객체 설계 정보들을 찾을 수 있다. 관리자가 터치 등의 입력을 통해 화면의 제 1 객체 설계 정보를 선택하면, 그 선택된 제 1 객체 설계 정보는 다른 선택되지 않은 객체 설계 정보들과 다른 색 또는 효과로 강조될 수 있다. 또한, 그 제 1 객체 설계 정보가 선택되면 별도의 팝업 표시창(800)이 제 1 단말(101)의 화면에 표시될 수 있다. 이 팝업 표시창(800)에는 전술된 제 1 내지 제 4 영상들(Image1, Image2, Image3, Image4)이 표시된다. 관리자는 제 1 내지 제 4 영상들(Image1, Image2, Image3, Image4) 중 제 1 객체 설계 정보에 해당하는 영상(즉, 제 1 영상(Image1))을 선택함으로써 서로 대응되는 객체 설계 정보와 영상을 매칭시킬 수 있다. 매칭 작업이 수행된 제 1 내지 제 4 영상들은 해당 객체 설계 정보에 대한 태그 정보를 포함할 수 있다. 전술된 선택 객체 설계 정보의 강조 효과, 팝업 표시창의 표시, 객체 설계 정보와 영상 매칭, 그리고 태그 정보 부가는 전술된 매칭 어플리케이션에 의해 수행될 수 있다.

관리자는 그 매칭 작업이 수행된 제 1 내지 제 4 영상들을 관리 서버(200)로 전송할 수 있으며, 이때 관리 서버(200)는 제 1 내지 제 4 영상들로부터 검출된 제 1 내지 제 4 객체들을 각각 서로 대응되는 제 1 내지 제 4 객체 설계 정보들과 비교할 수 있다. 한편, 매칭 작업이 수행된 제 1 내지 제 4 영상들의 전송 작업 역시 전술된 매칭 어플리케이션에 의해 수행될 수 있다.

한편, 제 1 단말(101)의 요청에 따라 관리 서버(200)가 그 제 1 단말(101)로 건축 정보 모델(300)을 전송할 때, 전송 속도의 향상 및 데이터 전송 오류의 최소화를 위해, 그 건축 정보 모델(300)의 전체 데이터가 아닌 관심 대상에 관련된 설계 정보만을 포함하는 가공 건축 정보 모델을 전송할 수 있다. 다시 말하여, 관리 서버(200)는 관심 대상에 관련된 설계 정보만을 포함하도록 가공된 건축 정보 모델을 관리 서버(200)로 전송할 수 있다.

도 8은 본 발명의 한 실시예에 따른 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법을 설명하기 위한 순서도이다.

먼저, 제 1 단말(101) 또는 무인 비행체는 건축물의 영상을 촬영한다(S1). 촬영된 영상은 제 1 단말(101)에 저장된다(S1). 이때, 무인 비행체에 의해 촬영된 영상은 제 1 단말(101)의 요청에 의해 제 1 단말(101)로 전송되어 그 제 1 단말(101)에 저장될 수 있다.

제 1 단말(101)은 저장된 영상을 관리 서버(200)로 전송한다.

관리 서버(200)는 그 영상으로부터 관심 대상에 대응되는 객체를 검출한다(S2). 이때, 관리 서버(200)는 인공지능 학습 기반의 객체 검출 모델을 활용하여, 그 영상으로부터 관심 대상의 객체만을 선택적으로 검출할 수 있다.

이어서, 관리 서버(200)는 객체와 전술된 건축물의 건축 정보 모델(300)을 비교한다(S3). 예를 들어, 관리 서버(200)는 건축 정보 모델(300)에서 그 객체에 대응되는 객체 설계 정보를 탐색하고, 그 탐색된 객체 설계 정보와 해당 객체를 비교한다.

이후, 그 비교 결과를 근거로 건축물의 관심 대상(예를 들어, 철근 구조물)과 객체 설계 정보 간의 일치 여부를 판단한다(S4).

다음으로, 외부 단말로부터의 요청에 따라 그 판단 결과에 따른 보고서를 전송할 수 있다(S5).

이와 같이 본 발명에 따른 건축물 감리 서비스 제공 방법은 건축물의 촬영 영상으로부터 원하는 객체를 검출하고, 그 검출된 객체와 그 건축물의 건축 정보 모델(300)을 비교함으로써 원하는 객체에 대응되는 건축물의 관심 대상(예를 들어, 철근)이 설계와 일치하도록 시공되었는지를 빠르고 정확하게 판단할 수 있으며, 외부 단말로부터의 요청에 따라 그 판단 결과에 따른 보고서를 전송할 수 있다. 이에 따라, 기존과 같이 육안으로 건축물의 시공 상태를 확인하는 방법에 비하여 빠르고 정확한 건축물 감리 서비스를 제공할 수 있다.

본 개시의 청구항 또는 명세서에 기재된 실시예들에 따른 방법들은 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합의 형태로 구현될(implemented) 수 있다.

소프트웨어로 구현하는 경우, 하나 이상의 프로그램(소프트웨어 모듈)을 저장하는 컴퓨터 판독 가능 저장 매체가 제공될 수 있다. 컴퓨터 판독 가능 저장 매체에 저장되는 하나 이상의 프로그램은, 전자 장치(device) 내의 하나 이상의 프로세서에 의해 실행 가능하도록 구성된다(configured for execution). 하나 이상의 프로그램은, 전자 장치로 하여금 본 개시의 청구항 또는 명세서에 기재된 실시예들에 따른 방법들을 실행하게 하는 명령어(instructions)를 포함한다.

이러한 프로그램(소프트웨어 모듈, 소프트웨어)은 랜덤 액세스 메모리 (random access memory), 플래시(flash) 메모리를 포함하는 불휘발성(non-volatile) 메모리, 롬(ROM: read only memory), 전기적 삭제가능 프로그램가능 롬(EEPROM: electrically erasable programmable read only memory), 자기 디스크 저장 장치(magnetic disc storage device), 컴팩트 디스크 롬(CD-ROM: compact disc-ROM), 디지털 다목적 디스크(DVDs: digital versatile discs) 또는 다른 형태의 광학 저장 장치, 마그네틱 카세트(magnetic cassette)에 저장될 수 있다. 또는, 이들의 일부 또는 전부의 조합으로 구성된 메모리에 저장될 수 있다. 또한, 각각의 구성 메모리는 다수 개 포함될 수도 있다.

또한, 상기 프로그램은 인터넷(Internet), 인트라넷(Intranet), LAN(local area network), WLAN(wide LAN), 또는 SAN(storage area network)과 같은 통신 네트워크, 또는 이들의 조합으로 구성된 통신 네트워크를 통하여 접근(access)할 수 있는 부착 가능한(attachable) 저장 장치(storage device)에 저장될 수 있다. 이러한 저장 장치는 외부 포트를 통하여 본 개시의 실시 예를 수행하는 장치에 접속할 수 있다. 또한, 통신 네트워크상의 별도의 저장장치가 본 개시의 실시 예를 수행하는 장치에 접속할 수도 있다.

상술한 본 개시의 구체적인 실시예들에서, 개시에 포함되는 구성 요소는 제시된 구체적인 실시 예에 따라 단수 또는 복수로 표현되었다. 그러나, 단수 또는 복수의 표현은 설명의 편의를 위해 제시한 상황에 적합하게 선택된 것으로서, 본 개시가 단수 또는 복수의 구성 요소에 제한되는 것은 아니며, 복수로 표현된 구성 요소라 하더라도 단수로 구성되거나, 단수로 표현된 구성 요소라 하더라도 복수로 구성될 수 있다.

한편 본 개시의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 개시의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 개시의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며 후술하는 특허청구의 범위 뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.

101: 제 1 단말기 200: 관리 서버
300: 건축 정보 102: 제 2 단말

Claims (15)

1. 관리 서버(200)가 제 1 단말(101)로부터 건축물의 영상을 수신하는 단계;
   상기 관리 서버(200)가 상기 수신된 건축물의 영상으로부터 상기 건축물의 관심 대상에 대응되는 객체를 검출하는 단계;
   상기 관리 서버(200)가 상기 검출된 객체와 상기 건축물의 건축 정보 모델(300)을 비교하는 단계: 및
   상기 비교 결과를 근거로, 상기 관리 서버(200)가 상기 관심 대상과 상기 건축 정보 모델(300)의 설계 정보 간의 일치 여부를 판단하는 단계를 포함하며,
   상기 건축물의 관심 대상은 복수의 철근 구조물들을 포함하며,
   각 철근 구조물은 주철근, 상기 주철근 주위의 띠철근 및, 상기 주철근과 띠철근을 결속하는 결속선을 포함하며,
   상기 복수의 철근 구조물들 중 몇 개의 철근 구조물들은 서로 다른 색상의 결속선을 포함하며,
   상기 복수의 철근 구조물들 중 다른 몇 개의 철근 구조물들은 각각 적어도 서로 다른 2가지 색상의 결속선들을 포함하며,
   어느 하나의 철근 구조물의 결속선들 중 동일한 색상의 결속선들이 특정 문자 또는 숫자 형상을 이루도록 배치되며,
   상기 각 철근 구조물의 결속선들의 색상 및 결속선들의 배치 형상은, 상기 관리 서버가 각 철근 구조물을 구별하도록 하기 위한 식별 코드로서 사용되는 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법.
2. 제 1 항에 있어서,
   상기 판단 결과 상기 관심 대상과 상기 건축 정보 모델(300)의 설계 정보가 일치하지 않을 때, 상기 관리 서버(200)가 그 불일치에 따른 오차 관련 정보를 생성하는 단계를 더 포함하는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법.
3. 제 1 항에 있어서,
   상기 관리 서버(200)가 상기 일치 여부에 대한 판단 결과를 미리 설정된 적어도 하나의 제 2 단말(102)로 전송하는 단계를 더 포함하는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법.
4. 제 3 항에 있어서,
   상기 적어도 하나의 제 2 단말(102)은, 상기 제 1 단말(101), 건축주의 단말, 감리자의 단말 및 현장 사무소의 단말, 공사 감독자의 단말, 검측원의 단말 중 적어도 하나를 포함하는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법.
5. 제 1 항에 있어서,
   상기 제 1 단말(101)이 상기 건축물의 영상을 준비하는 단계를 더 포함하는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법.
6. 제 5 항에 있어서,
   상기 건축물의 영상을 준비하는 단계는,
   촬영 수단을 통해 상기 건축물을 촬영하여 상기 건축물의 촬영 영상을 생성하는 단계; 및
   상기 제 1 단말(101)이 상기 촬영 영상과 상기 관심 대상을 대응시키는 단계를 포함하는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법.
7. 제 6 항에 있어서,
   상기 촬영 영상과 상기 관심 대상을 대응시키는 단계는,
   상기 제 1 단말(101)이 상기 촬영 영상의 파일 네임과 상기 건축 정보 모델(300)에서의 상기 설계 정보의 식별 코드를 일치시키는 단계를 포함하는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법.
8. 제 6 항에 있어서,
   상기 촬영 영상과 상기 관심 대상을 대응시키는 단계는,
   상기 제 1 단말(101)이 상기 관리 서버(200)에게 상기 건축 정보 모델(300)의 전송을 요청하는 단계;
   상기 전송 요청에 따라, 상기 관리 서버(200)가 상기 관심 대상에 관련된 설계 정보만으로 구성된 가공 건축 정보 모델(300)을 전송하는 단계:
   상기 제 1 단말(101)이 수신된 가공 건축 정보 모델을 표시하는 단계;
   상기 표시된 가공 건축 정보 모델에서 상기 관심 대상에 대응되는 설계 정보를 선택하는 단계; 및
   상기 선택된 설계 정보에 대응되는 촬영 영상을 매칭시키는 단계를 포함하는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법.
9. 제 6 항에 있어서,
   상기 제 1 단말(101)은 스마트 폰이고; 그리고
   상기 촬영 수단은 상기 제 1 단말(101)에 배치된 카메라 또는 무인 비행체에 배치된 카메라를 포함하는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법.
10. 제 1 항에 있어서,
    상기 객체를 검출하는 단계에서,
    상기 관리 서버(200)는 인공지능 학습 기반의 객체 검출 모델을 활용하여, 상기 수신된 건축물의 영상으로부터 상기 관심 대상의 객체를 검출하는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법.
11. 제 10 항에 있어서,
    상기 인공지능 학습 기반의 객체 검출 모델은, 상기 객체를 정의하는 바운딩 박스 및 상기 바운딩 박스의 특성을 나타내는 레이블을 통해 상기 객체를 검출하는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법.
12. 제 10 항에 있어서,
    상기 인공지능 학습은 딥 러닝 및 머신 러닝 중 적어도 하나를 포함하는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 방법.
13. 제 1 단말(101)로부터 건축물의 영상을 수신하는 관리 서버(200)를 포함하며,
    상기 관리 서버(200)는 상기 수신된 건축물의 영상으로부터 상기 건축물의 관심 대상에 대응되는 객체를 검출하고, 상기 검출된 객체와 상기 건축물의 건축 정보 모델(300)을 비교하고, 그리고 상기 비교 결과를 근거로 상기 관심 대상과 상기 건축 정보 모델(300)의 설계 정보 간의 일치 여부를 판단하며,
    상기 건축물의 관심 대상은 복수의 철근 구조물들을 포함하며,
    각 철근 구조물은 주철근, 상기 주철근 주위의 띠철근 및, 상기 주철근과 띠철근을 결속하는 결속선을 포함하며,
    상기 복수의 철근 구조물들 중 몇 개의 철근 구조물들은 서로 다른 색상의 결속선을 포함하며,
    상기 복수의 철근 구조물들 중 다른 몇 개의 철근 구조물들은 각각 적어도 서로 다른 2가지 색상의 결속선들을 포함하며,
    어느 하나의 철근 구조물의 결속선들 중 동일한 색상의 결속선들이 특정 문자 또는 숫자 형상을 이루도록 배치되며,
    상기 각 철근 구조물의 결속선들의 색상 및 결속선들의 배치 형상은, 상기 관리 서버가 각 철근 구조물을 구별하도록 하기 위한 식별 코드로서 사용되는 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 시스템.
14. 제 13 항에 있어서,
    상기 판단 결과 상기 관심 대상과 상기 건축 정보 모델(300)의 설계 정보가 일치하지 않을 때, 상기 관리 서버(200)느 그 불일치에 따른 오차 관련 정보를 생성하는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 시스템.
15. 제 13 항에 있어서,
    상기 관리 서버(200)는 상기 일치 여부에 대한 판단 결과를 미리 설정된 적어도 하나의 제 2 단말(102)로 전송하는 건설 감리 서비스 제공을 위한 클라우드 플랫폼 시스템 기반의 인공지능 건설 객체 검출 시스템.
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    

Images