KR20230040470A - 조선소 내의 작업장 현황 정보 제공 시스템 및 방법 - Google Patents

조선소 내의 작업장 현황 정보 제공 시스템 및 방법 Download PDF

Info

Publication number
KR20230040470A
KR20230040470A KR1020210123644A KR20210123644A KR20230040470A KR 20230040470 A KR20230040470 A KR 20230040470A KR 1020210123644 A KR1020210123644 A KR 1020210123644A KR 20210123644 A KR20210123644 A KR 20210123644A KR 20230040470 A KR20230040470 A KR 20230040470A
Authority
KR
South Korea
Prior art keywords
workplace
block
reality
shipyard
status information
Prior art date
Application number
KR1020210123644A
Other languages
English (en)
Inventor
안재영
남경화
이준탁
Original Assignee
삼성중공업 주식회사
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 삼성중공업 주식회사 filed Critical 삼성중공업 주식회사
Priority to KR1020210123644A priority Critical patent/KR20230040470A/ko
Publication of KR20230040470A publication Critical patent/KR20230040470A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • 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
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Civil Engineering (AREA)
  • Computational Mathematics (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Architecture (AREA)
  • Manufacturing & Machinery (AREA)
  • Structural Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

조선소 내의 작업장 현황 정보 제공 시스템 및 방법이 개시된다. 작업장 현황 정보 제공 시스템은 미리 지정된 기간 동안 수집된 조선소 내의 작업장 사진들을 각 작업장 사진에 포함되도록 촬영된 현실 블록의 모양, 크기 및 고정물을 기준한 배치 자세와 간격에 따라 분류하여 각각의 데이터셋을 구성하는 분류부; 및 미리 규정된 인식 모델을 상기 데이터셋을 이용하여 기계 학습시키고, 기계 학습된 상기 인식 모델을 이용하여 신규 수집된 작업장 사진에 포함되어 촬영된 현실 블록의 모양, 크기 및 고정물을 기준한 배치 자세와 간격에 대한 인식 정보를 생성하는 인식부를 포함한다.

Description

조선소 내의 작업장 현황 정보 제공 시스템 및 방법{System and method for providing status information of working areas in shipyard}
본 발명은 조선소 내의 작업장 현황 정보 제공 시스템 및 방법에 관한 것이다.
선박이나 해양 플랜트 등인 해양 구조물을 건조하기 위해 해양 구조물의 종류와 크기 등에 따른 설계 작업으로 3차원 설계 모델인 설계 정보가 생성되고, 설계 정보에 따라 조선소 내의 다수의 작업장에서 조립 및 제작 작업이 실시된다.
예를 들어, 대형 해양 플랜트의 경우, 수백 개의 대조 블록이 각각 다른 작업장에서 조립 및 제작되고, 이러한 대조 블록들을 모아 선행 탑재(P.E)하여 수십 개의 모듈로 만들어진 후 선체(Hull)에 탑재된다. 그리고, 각 대조 블록에는 배관, 서포트, 덕트, 트레이 등과 같이 수천 개의 의장, 구조 및 기계가 설치된다.
해양 구조물을 구성하는 각 블록이 현재 어떤 작업장의 어느 위치에서 제작되고 있는지를 파악하는 것과, 각 블록이 최적의 작업장에서 제작될 수 있도록 배치하는 것은 각 작업장별 적절한 배원 계획을 수립함으로써 해양 구조물의 제작 공정 지연을 방지하기 위헤 매우 중요한 작업이다.
지정된 관리자는 매번 각각의 작업장을 방문하여 어떤 작업장의 어느 위치에서 어떤 블록이 제작되고 있는지를 수작업으로 관리하고 있다. 이때, 관리자는 각 작업장별로 어떤 블록들이 배치되어 있는지, 또한 각 블록의 크기(즉, 높이와 넓이) 및 블록의 모양을 수작업으로 기입하고 있다.
그러나, 작업장에 배치된 블록의 이동이 매우 빈번한 조선소의 작업 특성상, 관리자가 수작업으로 기입하여 관리하는 작업장 현황 정보(도 1의 (a) 참조)와 실제 작업장의 블록 배치 상태(도 1의 (b) 참조)가 불일치하는 경우가 빈번하게 발생되고 있다.
이로 인해, 각 작업장에 배치된 블록의 작업을 위한 배원 계획이 부적절하게 수립되고 있으며, 이는 해양 구조물의 제작 공정 지연을 야기하는 원인이 되고 있다.
또한, 해양 구조물을 제작하는 조선소가 매우 넓은 부지 면적으로 형성되는 현실에서, 관리자가 산재하여 분포된 작업장들을 일일이 방문하여 블록 배치 상황을 확인하는 것도 매우 번거로운 작업인 문제점도 있다.
한국등록특허 제1584575호
본 발명은 각 작업장에 배치된 현실 블록에 상응하는 블록 객체 이미지를 GIS(Geographic Information System) 기반 조선소 지도 상에 부가하여 표시함으로써, 사용자가 각 작업장에 대해 적절한 배원 계획을 수립할 수 있도록 하는 조선소 내의 작업장 현황 정보 제공 시스템 및 방법을 제공하기 위한 것이다.
본 발명은 사용자가 작업장을 직접 방문하지 않더라도 각 작업장의 블록 배치 상황을 확인할 수 있어, 사용자의 편의를 도모할 수 있고 공정 단축에 기여할 수 있는 조선소 내의 작업장 현황 정보 제공 시스템 및 방법을 제공하기 위한 것이다.
본 발명의 이외의 목적들은 하기의 설명을 통해 쉽게 이해될 수 있을 것이다.
본 발명의 일 측면에 따르면, 미리 지정된 기간 동안 수집된 조선소 내의 작업장 사진들을 각 작업장 사진에 포함되도록 촬영된 현실 블록의 모양, 크기 및 고정물을 기준한 배치 자세와 간격에 따라 분류하여 각각의 데이터셋을 구성하는 분류부; 및 미리 규정된 인식 모델을 상기 데이터셋을 이용하여 기계 학습시키고, 기계 학습된 상기 인식 모델을 이용하여 신규 수집된 작업장 사진에 포함되어 촬영된 현실 블록의 모양, 크기 및 고정물을 기준한 배치 자세와 간격에 대한 인식 정보를 생성하는 인식부를 포함하는 조선소 내의 작업장 현황 정보 제공 시스템이 제공된다.
상기 작업장 현황 정보 제공 시스템은, 미리 지정된 블록 객체 이미지들 중에서 상기 인식 정보에 상응하는 블록 객체 이미지를 선택하고, 미리 저장된 GIS 기반 조선소 지도에 상기 선택된 블록 객체 이미지를 배치시킨 작업장 현황 정보를 생성하는 결과 생성부를 더 포함할 수 있다. 여기서, 상기 결과 생성부는 신규 수집된 작업장 사진에 포함된 고정물에 부착된 QR 코드를 해석하여 작업장을 인식하고, 상기 고정물을 기준한 배치 자세와 간격에 대한 인식 정보를 참조하여 상기 GIS 기반 조선소 지도 상에서 상기 블록 개체 이미지의 배치 위치와 자세를 결정할 수 있다.
상기 작업장 현황 정보에 포함된 블록 객체 이미지와 작업장에 배치된 현실 블록의 불일치로 인해 상기 블록 객체 이미지에 대한 수정 요청이 수신되면, 상기 인식부는 상기 수정 요청에서 규정한 정보를 이용하여 상기 인식 모델을 다시 기계 학습시키도록 설정될 수 있다.
상기 분류부는, 각 작업장 사진에 포함되도록 촬영된 현실 블록의 외형 형상과 미리 표준화된 모양 타입들을 비교하여 현실 블록의 모양을 인식하고, 상기 고정물의 크기와 대비하여 현실 블록들의 크기를 인식하거나, 각 작업장 사진에 포함되도록 촬영된 현실 블록에 부착되어 촬영된 QR 코드를 해석하여, 해당 현실 블록에 대응되는 설계 정보를 참조하여 해당 현실 블록의 크기와 모양을 인식하도록 미리 설정될 수 있다.
본 발명의 다른 측면에 따르면, 조선소 내의 작업장 현황 정보 제공 방법을 수행하도록 하는 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 컴퓨터로 하여금 이하의 단계들을 수행하도록 하며, 상기 단계들은, 미리 지정된 기간 동안 수집된 조선소 내의 작업장 사진들을 각 작업장 사진에 포함되도록 촬영된 현실 블록의 모양, 크기 및 고정물을 기준한 배치 자세와 간격에 따라 분류하여 각각의 데이터셋을 구성하는 단계; 상기 구성된 데이터셋을 이용하여 미리 규정된 인식 모델을 기계 학습시키고, 기계 학습된 상기 인식 모델을 이용하여 신규 수집된 작업장 사진에 포함되어 촬영된 현실 블록의 모양, 크기 및 고정물을 기준한 배치 자세와 간격에 대한 인식 정보를 생성하는 단계; 및 미리 지정된 블록 객체 이미지들 중에서 상기 인식 정보에 상응하는 블록 객체 이미지를 선택하고, 미리 저장된 GIS 기반 조선소 지도에 상기 선택된 블록 객체 이미지를 배치시켜 작업장 현황 정보를 생성하는 단계를 포함하는 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램이 제공된다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명의 실시예에 따르면, 각 작업장에 배치된 블록에 상응하는 블록 객체 이미지를 GIS(Geographic Information System) 기반 조선소 지도 상에 부가하여 표시함으로써, 사용자가 각 작업장에 대해 적절한 배원 계획을 수립할 수 있도록 하는 효과가 있다.
또한, 사용자가 작업장을 직접 방문하지 않더라도 각 작업장의 블록 배치 상황을 확인할 수 있어, 사용자의 편의를 도모할 수 있고 공정 단축에 기여할 수 있는 효과도 있다.
본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 작업장 현황 정보와 실제 작업장의 블록 배치 상태의 불일치 사례를 예시한 도면.
도 2는 본 발명의 일 실시예에 따른 작업장 현황 정보 제공 시스템의 개략적인 블록 구성도.
도 3은 본 발명의 일 실시예에 따른 인식 유닛의 블록 구성도.
도 4는 본 발명의 일 실시예에 따른 이미지 인식 결과를 예시한 도면.
도 5는 본 발명의 일 실시예에 따른 현실 좌표의 적용 기법을 설명하기 위한 도면.
도 6은 본 발명의 일 실시예에 따른 작업장 현황 정보 제공 방법을 나타낸 순서도.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
도 2는 본 발명의 일 실시예에 따른 작업장 현황 정보 제공 시스템의 개략적인 블록 구성도이고, 도 3은 본 발명의 일 실시예에 따른 인식 유닛의 블록 구성도이다. 도 4는 본 발명의 일 실시예에 따른 이미지 인식 결과를 예시한 도면이고, 도 5는 본 발명의 일 실시예에 따른 현실 좌표의 적용 기법을 설명하기 위한 도면이다.
도 2를 참조하면, 작업장 현황 정보 제공 시스템(100)은 사진 수집부(101), 인식 유닛(103), 결과 생성부(105) 및 보정부(107)를 포함할 수 있다.
여기서, 작업장 현황 정보 제공 시스템(100)의 하나 이상의 구성 요소(예를 들어, 인식 유닛(103) 등)는 지정된 역할을 수행하는 일종의 모듈로 구성될 수 있다. 여기서, 모듈은 소프트웨어 형태로 구현되거나, FPGA(Field Programmable Gate Array) 또는 주문형 반도체(ASIC, Application Specific Integrated Circuit) 등과 같은 하드웨어 구성으로 구현되거나, 이들의 조합으로 구현될 수 있다. 물론, 모듈은 소프트웨어 또는 하드웨어에 한정되지 않고, 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 실행시키도록 구성될 수도 있다. 구성요소들과 모듈들에서 제공되는 기능은 더 적은 수의 구성요소들 및 모듈들로 결합되거나 추가적인 구성요소들과 모듈들로 더 분리될 수도 있다.
사진 수집부(101)는 하나 이상의 소스 장치(120)로부터 조선소 내의 각 작업장을 대상으로 실시간 촬영된 작업장 사진을 수신한다.
소스 장치(120)는 예를 들어 드론 장치, 크레인, 버스 등과 같이 조선소의 내부 영역을 이동하거나 고정 설치되는 장치일 수 있다. 소스 장치(120)에는 작업장을 촬영하기 위한 카메라와, 촬영된 작업장 사진을 사진 수집부(101)로 전송하기 위한 전송부를 포함할 수 있다.
인식 유닛(103)은 도 3에 예시된 바와 같이, 분류부(210), 인식부(220) 및 객체 선택부(230)를 포함할 수 있다.
분류부(210)는 사진 수집부(101)에서 미리 지정된 기간(예를 들어 1년) 동안 수집되어 데이터베이스(140)에 저장된 작업장 사진을 이용하여 후술될 인식 모델의 기계 학습을 위한 데이터셋을 구성한다.
여기서, 분류부(210)는 작업장 사진들 각각에 포함된 현실 블록들 각각의 모양, 크기, 고정물(예를 들어, 작업장 사무실)을 기준한 배치 자세와 간격에 따라 작업장 사진들(또는 작업장 사진 내에서 현실 블록이 촬영된 사진 영역)을 분류하고, 현실 블록의 모양 등에 대응하도록 각각의 데이터셋을 구성할 수 있다.
예를 들어, 분류부(210)는 외곽선 추출 기법 등과 같이 미리 지정된 영상 해석 기법을 적용하여 작업장 사진에 포함된 각각의 현실 블록들의 모양을 미리 표준화된 모양 타입들(예를 들어, 정사각형, 직사각형, 'ㄱ'자 형상, 'ㄴ'자 형상 등) 중에서 가장 유사한 형상의 모양 타입으로 분류할 수 있다.
또한, 분류부(210)는 작업장 사진에 포함된 고정물의 크기와 대비하여, 작업장 사진들에 포함된 현실 블록들 각각을 크기에 따라 분류할 수 있다. 고정물의 크기는 이미 알고 있으므로, 고정물의 크기와 비교하여 작업장 사진에 포함된 현실 블록들 각각의 크기를 인식하여 분류하는 구체적인 방법은 당업자에게 자명한 사항이므로 이에 대한 설명은 생략하기로 한다.
물론, 분류부(210)는 데이터베이스(140)에 미리 저장된 GIS 기반 조선소 지도에 작업장 사진을 매칭시킨 후, GIS 기반 조선소 지도에 매칭된 각 현실 블록의 점유 크기를 이용하여 각 현실 블록의 크기를 인식할 수도 있다.
다른 방식으로, 각 작업장에 배치된 현실 블록들 각각의 일측에 QR 코드가 부착된 상태로 촬영된 작업장 사진을 이용하여, 분류부(210)는 작업장 사진들에 포함된 각각의 현실 블록을 모양, 크기에 따라 분류할 수도 있다.
즉, 분류부(210)는 작업장 사진에 포함된 각 현실 블록에 대응되는 QR 코드를 해석하여, 해당 현실 블록이 어떤 블록인지 식별한 후, 식별된 해당 현실 블록에 대응되는 설계 정보를 참조하여 해당 현실 블록의 크기와 모양을 인식할 수 있다. 각각의 현실 블록에 대응되는 설계 정보(예를 들어, 3차원 설계 모델)는 데이터베이스(140)에 미리 저장될 수 있다.
또한, 분류부(210)는 외곽선 추출 기법과 같이 미리 지정된 영상 해석 기법 등을 적용하여 인식된 작업장 사진에 포함된 현실 블록들 각각의 모양을, 작업장 사진에 포함된 고정물(예를 들어, 작업장 사무실)의 위치와 대비하여, 해당 작업장 내에서 고정물을 기준한 해당 현실 블록의 배치 자세와 간격을 인식할 수 있고, 인식된 배치 자세에 따라 각각의 현실 블록들을 분류할 수 있다.
인식부(220)는 분류부(210)에서 작업장 사진들 각각에 포함되는 현실 블록들을 모양과 크기 등에 따라 분류하여 구성한 데이터셋을 이용하여 미리 규정된 인식 모델이 기계 학습되도록 하고, 기계 학습된 인식 모델을 이용하여 실시간 수집되는 작업장 사진에 포함되어 촬영된 현실 블록에 대한 인식 정보를 생성한다.
즉, 인식 모델은 데이터셋을 이용하여 기계 학습됨으로써, 향후 사진 수집부(101)에 수집된 새로운 작업장 사진에 포함된 현실 블록들의 모양과 크기 등에 관한 인식 정보를 생성하도록 구현될 수 있다.
인식 모델은 예를 들어 완전 합성곱 신경망(Fully Convolutional Neural network), 합성곱 신경망(Convolutional Neural Network), 순환 신경망(Recurrent Neural Network), 제한 볼츠만 머신(Restricted Boltzmann Machine), 심층 신뢰 신경망(Deep Belief neural Network), 심층 인공 신경망(deep artificial neural network) 등의 딥러닝 기반의 모델 중 하나 이상으로 생성될 수 있다. 물론, 딥러닝 기법 이외의 머신 러닝 기법으로 구현되거나, 딥러닝 기법과 머신 러닝 기법이 결합된 하이브리드 형태의 모델로 생성될 수도 있다.
또한, 인식 모델을 학습하는 방법도 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등으로 다양할 수 있다.
객체 선택부(230)는 사진 수집부(101)에 신규 작업장 사진이 수집되면, 미리 기계 학습된 인식 모델을 이용하여 생성된 작업장 사진에 포함된 현실 블록들 각각에 대한 인식 정보를 참조하여, 각각의 현실 블록에 대응되는 블록 객체 이미지를 선택한다.
즉, 미리 기계 학습된 인식 모델에 의해 신규 작업장 사진에 포함된 현실 블록들 각각에 대한 모양, 크기 및 고정물을 기준한 배치 자세와 간격에 대한 인식 정보가 생성되면, 객체 선택부(230)는 생성된 인식 정보에 상응하여 현실 블록들 각각에 대응되는 블록 객체 이미지를 선택한다. 객체 선택부(230)에 의해 선택될 수 있는 블록 객체 이미지들은 데이터베이스(140)에 미리 저장될 수 있다.
다시 도 2를 참조하면, 결과 생성부(105)는 사진 수집부(101)에 신규 수집된 작업장 사진의 현실 블록들 각각에 상응하도록 인식 유닛(103)에서 선택된 블록 객체 이미지들을 미리 저장된 GIS 기반 조선소 지도에 중첩 배치시켜 작업장 현황 정보를 생성한다.
즉, 도 4의 (a)에 예시된 바와 같이, 드론 장치인 소스 장치(120)에 의해 촬영된 임의의 작업장이 포함된 현장 영상인 작업장 사진이 사진 수집부(101)에 수집되면, 인식 유닛(103)에 의해 미리 기계 학습된 인식 모델을 이용하여 해당 작업장에 배치된 현실 블록의 모양, 크기, 고정물을 기준한 배치 자세와 간격이 인식되어 현실 블록들에 상응하는 블록 객체 이미지들이 선택되고, 결과 생성부(105)는 각각의 현실 블록에 상응하는 블록 객체 이미지를 GIS 기반 조선소 지도에 중첩 배치시킨 작업장 현황 정보를 생성한다.
작업장 현황 정보는 블록 객체 이미지가 중첩 배치된 3차원 지도 형상(도 4의 (b) 참조) 또는 2차원 지도 형상(도 4의 (c) 참조) 등의 형태로 생성될 수 있다.
전술한 바와 같이, 작업장에 배치되는 각각의 현실 블록의 일측에 QR 코드가 부착되는 경우, 결과 생성부(105)는 QR 코드를 해석하여 해당 현실 블록이 어떤 블록인지 식별할 수 있고, 식별된 해당 현실 블록에 대응되는 설계 정보를 참조하여 해당 현실 블록의 특성 정보(예를 들어, 블록 식별 정보, 블록의 크기와 넓이 등)를 블록 객체 이미지에 대응되도록 더 표시할 수도 있다(도 4의 (c) 참조).
GIS 기반 조선소 지도 내에서 블록 객체 이미지가 적절한 작업장에 적절한 위치와 자세로 배치될 수 있도록 하기 위해, 조선소의 전체 영역의 각 위치는 현실 좌표계에 따른 3차원 위치 좌표 정보로 특정될 수 있고(도 5의 (a) 참조), 각 작업장에 설치된 고정물의 기준 좌표가 미리 저장될 수 있다. 여기서, 조선소의 각 위치에 대한 3차원 위치 좌표 정보는 절대 좌표이거나, 임의의 기준 위치로부터 산출되는 상대 좌표로 적용될 수 있다.
결과 생성부(105)는 작업장 사진에 포함된 고정물(예를 들어, 작업장 사무실)의 일측에 부착된 QR 코드를 해석하여 어떤 작업장이 촬영된 사진인지를 인식하고, 해당 작업장의 형상을 외곽선 추출 등의 방식으로 인식한 후, 인식 유닛(103)에 의해 해석된 고정물을 기준한 현실 블록의 배치 자세와 간격에 상응하도록 블록 객체 이미지를 GIS 기반 조선소 지도에 위치시킬 수 있다.
다시 도 2를 참조하면, 보정부(107)는 관리자 장치(150)로부터 작업장 현황 정보에 대한 수정 요청이 수신되면, 인식 유닛(103)에 인식 모델의 재학습 요청을 입력한다.
작업장 현황 정보에 대한 수정 요청은 현실 블록의 모양, 크기, 고정물을 기준한 배치 자세와 간격 중 수정되어야 하는 사항에 대한 정보를 포함할 수 있다. 수정 요청은, 예를 들어 작업장을 방문한 관리자가 작업장에 실제 배치된 현실 블록과 상이한 모양 등의 블록 객체 이미지가 작업장 현황 정보에 배치되었음을 육안으로 확인한 경우에 보정부(107)에 제공될 수 있을 것이다.
보정부(107)의 재학습 요청에 의해, 인식 유닛(103)은 수정 요청에서 지정된 수정 요청 사항을 이용하여 인식 모델이 다시 기계 학습되도록 한다.
전술한 오류는 기계 학습된 인식 모델이 부정확한 인식 결과를 생성한 경우에 발생될 수 있으며, 인식 모델은 수정 요청 사항을 더 이용하여 기계 학습됨으로써 보다 정확한 인식 결과를 생성하도록 지속적으로 개선될 수 있다.
도 6은 본 발명의 일 실시예에 따른 작업장 현황 정보 제공 방법을 나타낸 순서도이다.
도 6을 참조하면, 단계 610에서, 조선소 내의 작업장 현황 정보 제공 시스템(100)은 미리 지정된 기간 동안 수집된 작업장 사진을 이용하여 인식 모델의 기계 학습을 위한 데이터셋을 구성한다.
작업장 사진은 조선소의 내부 영역을 이동하거나 고정 설치된 소스 장치(120)가 구비한 카메라에 의해 촬영되어 제공될 수 있다.
수집된 작업장 사진들은 작업장 사진들 각각에 포함된 현실 블록들의 모양, 크기, 고정물(예를 들어, 작업장 사무실)을 기준한 배치 자세와 간격에 따라 분류되고, 현실 블록의 모양 등에 따라 각각의 데이터셋으로 구성될 수 있다.
여기서, 현실 블록은 미리 표준화된 모양 타입들 중에서 가장 유사한 형상의 모양 타입으로 분류될 수 있고, 고정물의 크기와 대비하여 현실 블록들의 크기가 인식되어 크기별로 분류될 수 있다. 다른 방식으로서, 현실 블록들 각각의 일측에 부착되어 촬영된 QR 코드를 해석하여, 해당 현실 블록이 어떤 블록인지 식별하고, 식별된 해당 현실 블록에 대응되는 설계 정보를 참조하여 해당 현실 블록의 크기와 모양을 인식할 수도 있다.
또한, 작업장 현황 정보 제공 시스템(100)은 미리 지정된 영상 해석 기법 등을 적용하여 인식된 작업장 사진에 포함된 각각의 현실 블록들의 모양을, 작업장 사진에 포함된 고정물(예를 들어, 작업장 사무실)의 위치와 대비하여, 해당 작업장 내에서 고정물을 기준한 해당 현실 블록의 배치 자세와 간격을 인식할 수 있고, 인식된 배치 자세 등을 기준으로 분류하여 데이터셋을 구성할 수도 있다.
단계 620에서, 작업장 현황 정보 제공 시스템(100)은 작업장 사진들 각각에 포함되는 현실 블록들을 모양 등에 따라 분류하여 구성한 데이터셋을 이용하여 미리 규정된 인식 모델이 기계 학습되도록 한다.
단계 630에서, 작업장 현황 정보 제공 시스템(100)은 소스 장치(120)에 의해 촬영된 작업장 사진을 실시간 수집한다.
단계 640에서, 작업장 현황 정보 제공 시스템(100)은 인식 모델을 이용하여 신규 수집된 작업장 사진에 포함된 현실 객체들 각각의 모양, 크기 및 고정물을 기준한 배치 자세와 간격을 인식하고, 인식된 현실 객체들 각각의 모양 등에 상응하는 블록 객체 이미지를 선택하여 GIS 기반 조선소 지도의 적절한 위치에 각각 배치하여 작업장 현황 정보를 생성한다.
각각의 블록 객체 이미지가 GIS 기반 조선소 지도의 적절한 위치에 배치될 수 있도록, 각 작업장에 설치되는 고정물의 일측에는 QR 코드가 부착된다.
작업장 현황 정보 제공 시스템(100)은 작업장 사진에 포함되어 촬영된 고정물의 QR 코드를 해석하여, 어떤 작업장이 촬영된 작업장 사진인지를 인식하고, 작업장 사진에서 외곽선 추출 등의 방식으로 해당 작업장의 형상을 인식한 후, 인식 모델을 이용하여 인식된 고정물을 기준한 현실 블록의 배치 자세와 간격에 상응하도록 블록 객체 이미지를 GIS 기반 조선소 지도에 위치시킬 수 있다.
단계 650에서, 작업장 현황 정보 제공 시스템(100)은 작업장 현황 정보와 작업장의 블록 배치가 불일치함에 관한 작업장 현황 정보의 수정 요청이 입력되는지 여부를 판단한다.
작업장 현황 정보에 대한 수정 요청은 현실 블록의 모양, 크기, 고정물을 기준한 배치 자세와 간격 중 수정되어야 하는 사항에 대한 정보를 포함하고, 작업장을 방문한 관리자가 작업장에 실제 배치된 현실 블록과 상이한 모양 등의 블록 객체 이미지가 작업장 현황 정보에 배치되었음을 확인한 경우에 입력될 수 있을 것이다.
만일 수정 요청 사항이 입력되지 않으면, 단계 630으로 다시 진행하여, 작업장 현황 정보 제공 시스템(100)은 실시간 수집되는 작업장 사진에 상응하도록 작업장 현황 정보가 지속적으로 갱신될 것이다.
그러나 만일 수정 요청 사항이 입력되면, 단계 620으로 다시 진행하여, 작업장 현황 정보 제공 시스템(100)은 수정 요청에서 지정된 수정 요청 사항을 이용하여 인식 모델이 다시 기계 학습되도록 한다. 수정 요청 사항을 이용하여 인식 모델이 추가적으로 기계 학습됨으로써, 인식 모델은 작업장 사진에 대해 보다 정확한 인식 결과를 생성할 수 있도록 지속적으로 개선될 수 있다.
이와 같이, 본 실시예에 따른 조선소 내의 작업장 현황 정보 제공 시스템 및 방법은 실시간 촬영된 작업장 사진을 토대로 작업장들 각각에 배치된 블록에 상응하는 블록 객체 이미지를 GIS 기반 조선소 지도 상에 표시할 수 있어, 각 작업장에 대해 적절한 배원 계획 수립이 가능해지고, 공정 단축에 기여할 수 있는 장점이 있다.
상기에서는 본 발명의 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100 : 작업장 현황 정보 제공 시스템 111 : 사진 수집부
103 : 인식 유닛 105 : 결과 생성부
107 : 보정부 120 : 소스 장치
140 : 데이터베이스 150 : 관리자 장치
210 : 분류부 220 : 인식부
230 : 객체 선택부

Claims (5)

  1. 미리 지정된 기간 동안 수집된 조선소 내의 작업장 사진들을 각 작업장 사진에 포함되도록 촬영된 현실 블록의 모양, 크기 및 고정물을 기준한 배치 자세와 간격에 따라 분류하여 각각의 데이터셋을 구성하는 분류부; 및
    미리 규정된 인식 모델을 상기 데이터셋을 이용하여 기계 학습시키고, 기계 학습된 상기 인식 모델을 이용하여 신규 수집된 작업장 사진에 포함되어 촬영된 현실 블록의 모양, 크기 및 고정물을 기준한 배치 자세와 간격에 대한 인식 정보를 생성하는 인식부를 포함하는 조선소 내의 작업장 현황 정보 제공 시스템.
  2. 제1항에 있어서,
    미리 지정된 블록 객체 이미지들 중에서 상기 인식 정보에 상응하는 블록 객체 이미지를 선택하고, 미리 저장된 GIS 기반 조선소 지도에 상기 선택된 블록 객체 이미지를 배치시킨 작업장 현황 정보를 생성하는 결과 생성부를 더 포함하되,
    상기 결과 생성부는 신규 수집된 작업장 사진에 포함되어 촬영된 고정물에 부착된 QR 코드를 해석하여 작업장을 인식하고, 상기 고정물을 기준한 배치 자세와 간격에 대한 인식 정보를 참조하여 상기 GIS 기반 조선소 지도 상에서 상기 블록 개체 이미지의 배치 위치와 자세를 결정하는, 조선소 내의 작업장 현황 정보 제공 시스템.
  3. 제2항에 있어서,
    상기 작업장 현황 정보에 포함된 블록 객체 이미지와 작업장에 배치된 현실 블록의 불일치로 인해 상기 블록 객체 이미지에 대한 수정 요청이 수신되면, 상기 인식부는 상기 수정 요청에서 규정한 정보를 이용하여 상기 인식 모델을 다시 기계 학습시키는, 조선소 내의 작업장 현황 정보 제공 시스템.
  4. 제1항에 있어서,
    상기 분류부는,
    각 작업장 사진에 포함되도록 촬영된 현실 블록의 외형 형상과 미리 표준화된 모양 타입들을 비교하여 현실 블록의 모양을 인식하고, 상기 고정물의 크기와 대비하여 현실 블록들의 크기를 인식하거나,
    각 작업장 사진에 포함되도록 촬영된 현실 블록에 부착되어 촬영된 QR 코드를 해석하여, 해당 현실 블록에 대응되는 설계 정보를 참조하여 해당 현실 블록의 크기와 모양을 인식하는, 조선소 내의 작업장 현황 정보 제공 시스템.
  5. 조선소 내의 작업장 현황 정보 제공 방법을 수행하도록 하는 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 컴퓨터로 하여금 이하의 단계들을 수행하도록 하며, 상기 단계들은,
    미리 지정된 기간 동안 수집된 조선소 내의 작업장 사진들을 각 작업장 사진에 포함되도록 촬영된 현실 블록의 모양, 크기 및 고정물을 기준한 배치 자세와 간격에 따라 분류하여 각각의 데이터셋을 구성하는 단계;
    상기 구성된 데이터셋을 이용하여 미리 규정된 인식 모델을 기계 학습시키고, 기계 학습된 상기 인식 모델을 이용하여 신규 수집된 작업장 사진에 포함되어 촬영된 현실 블록의 모양, 크기 및 고정물을 기준한 배치 자세와 간격에 대한 인식 정보를 생성하는 단계; 및
    미리 지정된 블록 객체 이미지들 중에서 상기 인식 정보에 상응하는 블록 객체 이미지를 선택하고, 미리 저장된 GIS 기반 조선소 지도에 상기 선택된 블록 객체 이미지를 배치시켜 작업장 현황 정보를 생성하는 단계를 포함하는 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램.
KR1020210123644A 2021-09-16 2021-09-16 조선소 내의 작업장 현황 정보 제공 시스템 및 방법 KR20230040470A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210123644A KR20230040470A (ko) 2021-09-16 2021-09-16 조선소 내의 작업장 현황 정보 제공 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210123644A KR20230040470A (ko) 2021-09-16 2021-09-16 조선소 내의 작업장 현황 정보 제공 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20230040470A true KR20230040470A (ko) 2023-03-23

Family

ID=85799115

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210123644A KR20230040470A (ko) 2021-09-16 2021-09-16 조선소 내의 작업장 현황 정보 제공 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20230040470A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101584575B1 (ko) 2014-11-28 2016-01-12 대우조선해양 주식회사 선박의 제조공정 관리 시스템 및 그 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101584575B1 (ko) 2014-11-28 2016-01-12 대우조선해양 주식회사 선박의 제조공정 관리 시스템 및 그 방법

Similar Documents

Publication Publication Date Title
AU2019272032B2 (en) Statistical point pattern matching technique
AU2019204384B2 (en) Determining image transforms without using image acquisition metadata
CN108369643B (zh) 用于3d手部骨架跟踪的方法和系统
JP6895539B2 (ja) 構築可能性分析に基づくプロジェクトの計画および適応
JP7071054B2 (ja) 情報処理装置、情報処理方法およびプログラム
CN107067473A (zh) 对3d建模对象进行重构
KR102043278B1 (ko) 플랜트 시공 지원 방법 및 시스템
CN110335345B (zh) 幕墙节点渲染方法、装置、计算机设备和存储介质
CN108961144A (zh) 图像处理系统
EP1286309A2 (en) An automated CAD guided sensor planning process
CN104217433A (zh) 一种分析图像的方法及装置
JP6778631B2 (ja) 建物設計情報修正支援装置、建物設計情報修正支援方法、及びプログラム
KR20230040470A (ko) 조선소 내의 작업장 현황 정보 제공 시스템 및 방법
WO2024044078A1 (en) Systems and methods for rigging a point cloud for animation
CN113836337A (zh) Bim的展示方法、装置、设备及存储介质
CN115100257A (zh) 套管对准方法、装置、计算机设备、存储介质
EP3561701A1 (de) Verfahren und vorrichtung zum bestimmen einer körperlichen form, verfahren zur herstellung einer berechnungseinrichtung, berechnungseinrichtung und verwendung der berechnungseinrichtung
Polyakov et al. Synthetic datasets for testing video security systems
CN112698632A (zh) 一种全自动化生产线数字孪生系统、方法及设备
JP6253838B1 (ja) 行動ログ生成方法、行動ログ生成装置及び行動ログ生成プログラム
EP4019894B1 (en) Method of measuring a workpiece by using a coordinate measuring machine, and arrangement comprising a coordinate measuring machine
KR102640618B1 (ko) 3d 스캐너 기반 시공 오차 검증 방법, 장치 및 시스템
Lang et al. Semantic mapping for mobile outdoor robots
EP4030392A1 (en) Creation of 3d reference outlines
EP4088883A1 (en) Method and system for predicting a collision free posture of a kinematic system

Legal Events

Date Code Title Description
A201 Request for examination