KR20230148897A - 철도터널 결함 진단장비 및 방법 - Google Patents
철도터널 결함 진단장비 및 방법 Download PDFInfo
- Publication number
- KR20230148897A KR20230148897A KR1020220047820A KR20220047820A KR20230148897A KR 20230148897 A KR20230148897 A KR 20230148897A KR 1020220047820 A KR1020220047820 A KR 1020220047820A KR 20220047820 A KR20220047820 A KR 20220047820A KR 20230148897 A KR20230148897 A KR 20230148897A
- Authority
- KR
- South Korea
- Prior art keywords
- crack
- tunnel
- wall
- image
- cameras
- Prior art date
Links
- 230000007547 defect Effects 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims description 30
- 238000007689 inspection Methods 0.000 title description 21
- 238000003745 diagnosis Methods 0.000 claims abstract description 60
- 230000008439 repair process Effects 0.000 claims abstract description 15
- 239000000284 extract Substances 0.000 claims abstract description 12
- 238000000605 extraction Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000001678 irradiating effect Effects 0.000 claims description 2
- 238000011835 investigation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004091 panning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
- G01N2021/8822—Dark field detection
- G01N2021/8825—Separate detection of dark field and bright field
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8858—Flaw counting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8861—Determining coordinates of flaws
- G01N2021/8864—Mapping zones of defects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/888—Marking defects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/10—Scanning
- G01N2201/104—Mechano-optical scan, i.e. object and beam moving
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Analytical Chemistry (AREA)
- Computing Systems (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
터널 내부벽 결함 진단장비는 반원형의 터널 내벽의 절반에 대응하는 형상을 갖는 한 쌍의 지지 프레임, 상기 한 쌍의 지지 프레임에 길이 방향으로 소정 간격으로 연결되는 복수의 횡프레임들을 포함하는 프레임부; 상기 프레임부 하부에 설치되어 상기 프레임부를 이동시키는 적어도 2개의 바퀴; 상기 복수의 횡프레임들에 각각 설치되며, 상기 터널 내벽의 절반을 이루는 복수의 영역들을 각각 촬영하여 복수의 촬영 이미지를 각각 생성하는 복수의 카메라들; 상기 복수의 횡프레임들에 각각 설치되며, 상기 복수의 카메라들 각각의 시야각을 비추는 복수의 조명부들; 및 상기 복수의 카메라들로부터 상기 촬영 이미지들을 접합하여 접합 이미지를 생성하고, 상기 접합 이미지에 빈 영역이 있는 지를 판단하고 상기 접합 이미지에 빈 영역이 있으면 상기 복수의 카메라들의 촬영각도를 조정하며, 상기 접합 이미지로부터 균열을 추출하고, 상기 균열이 수리가 필요한 하자인지를 판단하며, 상기 균열이 수리가 필요한 하자이면 해당 균열이 발생한 위치를 계산하는 제어부를 포함한다.
Description
본 발명은 철도터널의 결함 진단장비 및 방법에 관한 것으로, 보다 상세하게는, 터널 내부로 진입하여 터널 내부의 벽면을 촬영, 분석함으로써 벽면의 결함을 진단하는 철도터널의 결함 진단장비 및 방법에 관한 것이다.
구조물은 자연적, 환경적 요인 등으로 인해 시간이 경과하면 열화(劣化; deterioration) 및 손상이 발생한다. 이렇게 노후화되는 구조물의 기능을 유지하고 수명을 연장시키기 위해서는 구조물에 대한 지속적이고 효율적인 점검 및 진단을 실시하여야 한다.
점검 및 진단을 수행하는데 있어서 가장 기본적인 조사항목이라고 할 수 있는 것은 외관조사이다. 외관조사 중 특히 터널의 벽면과 같은 콘크리트 라이닝면에 대한 조사는 구조물 내부와 외부의 상태를 평가하고 다음 단계의 국부적인 정밀안전진단 수행항목, 절차 및 방법 등을 결정하는데 있어서 매우 중요한 요소로 작용한다.
그러나 콘크리트 결함에 대한 기존의 외관조사 방법은 대부분 인력에 의한 육안조사에 의존하고 있어서 검사결과를 정성적으로 표현할 수밖에 없으므로 정확한 수치화가 어렵고, 개인적인 지식과 경험에 의존하기 때문에 객관성이 결여되며, 인력으로 접근이 어려운 곳에 대해서는 조사가 불가능한 단점을 가지고 있다. 또한 조사된 정보가 문서로서 보관되므로 효율적인 데이터의 관리를 할 수 없다.
또한 주변조건의 이력뿐만 아니라 현재의 주변조건을 정확하게 파악할 수 없으므로 과거의 검사결과와 비교할 수 없을 뿐 아니라, 객관적인 데이터의 확보가 불가능하며, 대단면의 터널의 경우 전단면에 대한 검사를 실시하는 것은 거의 불가능하다.
터널과 같이 대단면이고 연장길이가 긴 구조물을 기존의 육안에 의한 외관조사방법으로는 조사시간이 오래 걸리고 객관적인 조사가 어렵다. 또한, 막대한 비용예산이 요구되며, 도로터널에서의 경우는 조사를 위한 교통통제가 필요하며, 이에 따른 교통정체현상과 그 영향으로 주변 공기환경 악화, 경제적 손실 등의 문제를 초래하게 된다. 그래서 조사방법의 자동화, 정확성, 신속성이 필요하게 되었고 근래에 와서 레이저, 라인스캔카메라 등을 이용한 외관조사기법과 시스템들이 개발되어 점진적으로 사용되고 있다. 이중에서도 라인스캔카메라를 이용하여 얻어낸 이미지를 통해 외관 상태를 조사하는 방법은 레이저 방식보다 구축비용 대비 성능(분해 능), 빠른 조사시간 등의 장점에서 다른 시스템들보다 우수하여 선호하고 있는 추세이다.
이와 관련하여 대한민국 등록특허공보 제10-0248647호에는 '터널 벽면의 박리 검출 장치(이하 '종래기술'이라 함)'가 개시되어 있다. 종래기술은 터널 벽면(1)의 검사를 실행해야 하는 주행 가능한 차량(2) 상에 신축가능한 암 장치(3)를 거쳐서 발광 히터(4)가 탑재됨과 동시에, 이 차량(2)에 견인되는 트럭(5) 상에는, 터널 벽면(1)이 방사하는 적외선을 계측하기 위한 적외선 카메라(6)와, 차량(2) 및 트럭(5)이 주행한 거리를 계측하기 위한 거리 센서(7)와, 상기 적외선 카메라(6)에 의해 얻어지는 온도 분포 화상과 거리 센서(7)로 얻어지는 주행 거리 데이터를 함께 기록하기 위한 기록 장치(8)와, 상기 적외선 카메라(6)에 의해 얻어지는 온도 분포 화상을 실시간(real time)으로 표시하기 위한 표시 장치(9)가 탑재된다. 그리고, 기록 장치(8)에 있어서, 테이프(10)에 기록된 온도 분포 화상과 주행 거리 데이터는, 외부의 재생 장치(11)에서 재생되어 화상 처리 장치(12)에서 처리되게 되어 있다.
그러나, 종래기술의 박리 검출 장치는 적외선 카메라(6), 기록 장치(8), 거리 센서(7) 등 터널 벽면(1)의 촬영을 위한 기기들의 시작 및 종료를 운전자 이외의 검사자가 일일이 수동조작해야 했으며, 촬영이 정상적으로 실시되는지 여부를 확인하기 위해 검사도중에 내내 표시 장치(9)를 주시해야만 하는 불편함이 있었다.
또한, 촬영이 완료된 후에 터널 벽면(1)의 박리를 확인하기 위해 촬영된 온도분포 화상을 검사자가 일일이 전수검사해야만 하므로 터널에 대한 검사가 완료되기까지 오랜 시간이 소요되어야 하는 단점이 있었으며, 특히 터널의 길이가 긴 경우에는 터널 벽면(1)에 대한 조사를 완료하려면 수일이 걸리는 문제가 있었다.
또한, 촬영이 완료된 후 기록 장치(8)에 저장된 화상을 검수하기 위해 차량(2)을 운전하여 재생장치(11)와 화상처리장치(12)가 설치된 검사실로 이동하여야 하므로 이동시간에만 오랜 시간이 지체되며, 이는 긴급한 보수가 요구되는 철도터널의 보수공사를 실시하는데에 큰 장애요소로 인식되고 있다.
또한, 결함이 관찰되는 화상에 대한 분류기준이 전적으로 화상을 검사하는 검사자의 경험에 근거한 주관적 판단에 의해 수행되는 것이므로 터널 벽면(1)에 대한 검사결과가 화상데이터로 기록된다고 하더라도 육안조사와 마찬가지로 여전히 객관성이 결여될 수밖에 없는 문제점이 남아있었다.
아울러, 하루가 다르게 진보하고 있는 광학장치의 발전속도와 더불어 이를 데이터화하고 제어하는 기술도 급속도로 진보하고 있으므로 종래의 검사장치에 대한 개선이 꾸준히 요구되고 있었다.
본 발명은 상기와 같은 종래 기술을 개선하기 위해 안출된 것으로서, 터널 내부의 주요결함요소인 균열 및 균열의 하자 여부를 보다 정확하게 판단할 수 있는 철도터널 결함의 진단장비 및 방법을 제공하는 것을 목적으로 한다.
본 발명의 일 측면에 따른 철도터널 내부벽 결함 진단장비는 반원형의 터널 내벽의 절반에 대응하는 형상을 갖는 한 쌍의 지지 프레임, 상기 한 쌍의 지지 프레임에 길이 방향으로 소정 간격으로 연결되는 복수의 횡프레임들을 포함하는 프레임부; 상기 프레임부 하부에 설치되어 상기 프레임부를 이동시키는 적어도 2개의 바퀴; 상기 복수의 횡프레임들에 각각 설치되며, 상기 터널 내벽의 절반을 이루는 복수의 영역들을 각각 촬영하여 복수의 촬영 이미지를 각각 생성하는 복수의 카메라들; 상기 복수의 횡프레임들에 각각 설치되며, 상기 복수의 카메라들 각각의 시야각을 비추는 복수의 조명부들; 및 상기 복수의 카메라들로부터 상기 촬영 이미지들을 접합하여 접합 이미지를 생성하고, 상기 접합 이미지에 빈 영역이 있는 지를 판단하고 상기 접합 이미지에 빈 영역이 있으면 상기 복수의 카메라들의 촬영각도를 조정하며, 상기 접합 이미지로부터 균열을 추출하고, 상기 균열이 수리가 필요한 하자인지를 판단하며, 상기 균열이 수리가 필요한 하자이면 해당 균열이 발생한 위치를 계산하는 제어부를 포함한다.
상기 제어부는 상기 추출된 균열이 미리 결정된 조건을 만족하면, 심각한 하자로 판단하며, 상기 미리 결정된 조건은 균열의 크기, 색, 균열의 위치, 공사 이음매와의 거리 등을 포함할 수 있다.
상기 제어부는 상기 촬영 이미지 중 설정된 기준을 초과한 명암차이가 발생한 이미지가 검출되면 해당 이미지를 균열 이미지로 판단할 수 있다.
상기 제어부는 머신 러닝 또는 딥 러닝에 기반하여 기존의 다수의 터널 내벽의 균열들을 입력 데이터로 하여 균열 추출 모델을 생성하며 상기 균열 추출 모델에 상기 촬영 이미지를 입력하여 균열을 추출할 수 있다.
상기 터널 내부벽 결함 진단장비는 상기 균열이 발생한 위치를 표시하는 디스플레이를 더 포함할 수 있다.
상기 터널 내부벽 결함 진단장비는 상기 복수의 카메라들 각각의 시야각을 가이드하기 위해 터널 내벽 또는 터널 벽멱에 빔을 조사하는 복수의 레이저들을 더 포함할 수 있다.
본 발명의 일 측면에 따른 터널 내부벽의 결함을 판단하는 방법으로서, 반원형의 터널 내벽의 절반에 대응하는 형상을 갖는 한 쌍의 지지 프레임, 상기 한 쌍의 지지 프레임에 길이 방향으로 소정 간격으로 연결되는 복수의 횡프레임들을 포함하는 프레임부, 상기 프레임부 하부에 설치되어 상기 프레임부를 이동시키는 적어도 2개의 바퀴, 상기 복수의 횡프레임들에 각각 설치되며, 상기 터널 내벽의 절반을 이루는 복수의 영역들을 각각 촬영하여 복수의 촬영 이미지를 각각 생성하는 복수의 카메라들, 및 상기 복수의 횡프레임들에 각각 설치되며, 상기 복수의 카메라들 각각의 시야각을 비추는 복수의 조명부들을 포함하는 터널 내부벽 결함 진단장비에서, 상기 복수의 카메라들로부터 상기 촬영 이미지들을 접합하여 접합 이미지를 생성하는 단계; 상기 접합 이미지에 빈 영역이 있는 지를 판단하고 상기 접합 이미지에 빈 영역이 있으면 상기 복수의 카메라들의 촬영각도를 조정하는 단계; 상기 접합 이미지로부터 균열을 추출하는 단계; 상기 균열이 수리가 필요한 하자인지를 판단하는 단계; 및 상기 균열이 수리가 필요한 하자이면 해당 균열이 발생한 위치를 계산하는 단계를 포함할 수 있다.
상기 균열이 수리가 필요한 하자인지를 판단하는 단계는 상기 추출된 균열이 미리 결정된 조건을 만족하면, 심각한 하자로 판단하는 단계를 포함하며, 상기 미리 결정된 조건은 균열의 크기, 색, 균열의 위치, 공사 이음매와의 거리 등을 포함할 수 있다.
상기 접합 이미지로부터 균열을 추출하는 단계는 상기 촬영 이미지 중 설정된 기준을 초과한 명암차이가 발생한 이미지가 검출되면 해당 이미지를 균열 이미지로 판단하는 단계를 포함할 수 있다.
상기 접합 이미지로부터 균열을 추출하는 단계는 머신 러닝 또는 딥 러닝에 기반하여 기존의 다수의 터널 내벽의 균열들을 입력 데이터로 하여 균열 추출 모델을 생성하는 단계; 및 상기 균열 추출 모델에 상기 촬영 이미지를 입력하여 균열을 추출하는 단계를 포함할 수 있다.
상기 방법은 디스플레이가 상기 균열이 발생한 위치를 표시하는 단계를 더 포함할 수 있다.
상기 방법은 상기 복수의 카메라들 각각의 시야각을 가이드하기 위해 적어도 하나의 레이저가 터널 내벽 또는 터널 벽멱에 빔을 조사하는 단계를 더 포함할 수 있다.
본 발명의 터널결함 진단장비 및 방법에 따르면, 다수의 카메라를 통해 2차원 직사각형으로 구현되는 터널 내부면의 각 영역에 대한 이미지를 획득함으로써, 각 프레임 이미지마다 중첩성이 70% 이상으로 구현되므로, 진동이나 구조물의 단면특성 등 환경특성에 대한 영향을 최소화하여 터널 내부면 손상검사를 위한 이미지를 보다 안정적으로 획득할 수 있는 효과를 얻을 수 있다.
도 1은 본 발명의 일 실시예에 의한 터널결함 진단장비의 외관을 나타내는 도면이다.
도 2는 도 1의 터널결함 진단장비의 일 예의 단면도를 나타낸 도면이다.
도 3는 도 1의 터널결함 진단장비의 블록 구성도를 나타내는 도면이다.
도 4는 본 발명에 따른 터널결함 진단장비에서 균열을 추출하는 방법을 나타낸 흐름도이다.
도 5는 터널결함 진단장비에서 균열의 하자 여부를 판단하는 방법을 나타낸 흐름도이다.
도 2는 도 1의 터널결함 진단장비의 일 예의 단면도를 나타낸 도면이다.
도 3는 도 1의 터널결함 진단장비의 블록 구성도를 나타내는 도면이다.
도 4는 본 발명에 따른 터널결함 진단장비에서 균열을 추출하는 방법을 나타낸 흐름도이다.
도 5는 터널결함 진단장비에서 균열의 하자 여부를 판단하는 방법을 나타낸 흐름도이다.
이하에서는 첨부한 도면을 참조하여 바람직한 본 발명의 일실시예에 대해서 상세히 설명한다. 다만, 실시형태를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다. 또한, 도면에서의 각 구성요소들의 크기는 설명을 위하여 과장될 수 있으며, 실제로 적용되는 크기를 의미하는 것은 아니다.
본 발명의 터널점검장치는, 검사자의 조작 없이 자동으로 터널을 감지하여 터널 벽면에 대한 촬영 및 검사를 단시간 내에 실시하도록 이루어지고, 터널 벽면에 대한 객관적인 검사결과를 도출하여 실시간으로 데이터베이스에 저장할 수 있으며, 소형화와 경량화 및 이동성을 가지도록 이루어진다.
도 1은 본 발명의 일 실시예에 의한 터널결함 진단장비의 외관을 나타내는 도면이며, 도 2는 도 1의 터널결함 진단장비의 일 예의 단면도를 나타낸 도면이다. 도 3는 도 1의 터널결함 진단장비의 블록 구성도를 나타내는 도면이다.
도 1 내지 도 3에 도시된 바와 같이, 본 발명의 일 실시예에 의한 터널결함 진단장비(100)는 터널(10) 내부로 진입하여 터널(10) 내부의 벽면을 촬영함으로써 벽면의 이상 여부를 판단하도록 구성된다.
터널결함 진단장비(100)는 하부에 터널결함 진단장비 (100)의 본체를 지지하고 터널(10)을 따라 회전 가능한 바퀴(103)를 포함할 수 있다.
도 1에서는 4개의 바퀴(103)가 터널결함 진단장비(100)의 본체의 직사각형 하면의 코너에 설치된 것으로 도시되어 있지만, 다른 실시예에서 터널결함 진단장비(100)는 2개의 바퀴를 포함할 수 있다. 이 경우, 2개의 바퀴(103)는 터널결함 진단장비(100)의 본체의 하면의 2개의 측면의 중심에 설치될 수 있다.
또한, 터널결함 진단장비(100)는 철로 상에서 이동 가능하도록 구성될 수 있다. 이 경우, 바퀴(103)는 철로를 따라 슬라이드 가능하도록 또는 회전 가능하도록 구성될 수 있다.
터널결함 진단장비(100)는 조명 장치(110), 카메라 장치(120), 제어부(130), 디스플레이(140) 및 전원부(150)를 포함할 수 있다.
또한, 터널결함 진단장비(100)는 도시되지 않았지만, 위치 정보 제공부를 포함할 수 있다. 위치 정보 제공부는 거리센서(distant sensor), 위성항법장치(GPS) 중 어느 하나 이상을 포함할 수 있다.
조명 장치(110)는 복수의 조명부들(110-1 내지 110-n)를 포함할 수 있다. 복수의 조명부(110-1 내지 110-n)는 어두운 터널을 밝게 비출 수 있다.
제어부(130)는 카메라 장치(120)가 이미지를 획득하는 상기 터널 내부면 각 영역에 대한 조도가 균일하도록 복수의 조명부(110-1 내지 110-n)를 제어할 수 있다.
카메라 장치(120)는 복수의 카메라들(120-1 내지 120-N)를 포함할 수 있다. 복수의 카메라들(120-1 내지 120-N)는 터널(10) 내부 벽면을 촬영한다. 구체적으로, 복수의 카메라들(120-1 내지 120-N)는 터널 내의 원통형의 내면의 곡면을 따라 배치되어 있다.
본 발명에 따르면, 다수의 카메라를 통해 2차원 직사각형으로 구현되는 터널 내부면의 각 영역에 대한 이미지를 획득한다. 각 프레임 이미지마다 중첩성이 70% 이상으로 구현되므로, 진동이나 구조물의 단면특성 등 환경특성에 대한 영향을 최소화하여 터널 내부면 손상검사를 위한 이미지를 보다 안정적으로 획득할 수 있는 효과를 얻을 수 있다.
도 2의 예에서, 카메라 장치(120)는 예컨대, 10개의 카메라를 포함할 수 있다. 이 경우, 8개의 카메라들(120-1 내지 120-N)은 터널(10) 내부 벽면의 단면중 절반을 커버하도록 배치될 수 있다.
상기 복수의 카메라들(120-1 내지 120-N)에는 도 1에 도시되지 않았지만, 복수의 카메라들(120-1 내지 120-N)의 시야각을 조절할 수 있는 패닝(panning)/틸팅(tilting) 조절부가 설치될 수 있다.
패닝(panning)/틸팅(tilting) 조절부는 카메라들(120-1 내지 120-N)의 촬영각도를 조정할 수 있다. 터널마다 벽면의 높이, 너비 및 조명 밝기 등에 차이가 존재하므로, 기존에 촬영하였던 각각의 터널(10)마다 최적화된 카메라들(120-1 내지 120-N)의 설정 값, 렌즈의 위치 및 팬틸트 각도를 저장부(도시 생략)에 저장함으로써 터널(10)마다 최적의 이미지를 촬영할 수 있도록 할 수 있다. 저장부에 저장된 수십 내지 수백 개 터널(10)에 대한 설정 값이 서로 중복되어 저장되지 않도록, 서로 동일한 설정 값을 가지는 터널(10)은 설정 값을 서로 공유하도록 세팅되는 것이 바람직하다.
한편, 터널결함 진단장비(100)는 도시하지 않았지만, 복수의 카메라들(120-1 내지 120-N)의 촬영 각도를 조절하는데 도움을 주는 적어도 하나의 레이저를 포함할 수 있다. 상기 레이저는 복수의 카메라들(120-1 내지 120-N)의 촬영 각도를 설정하는데 도움을 준다. 예컨대, 복수의 카메라들(120-1 내지 120-N) 각각의 시야각을 가이드하기 위해 복수의 레이저들이 빔을 터널 내벽 또는 터널 벽멱에 조사할 수 있다. 그에 따라, 터널 벽면에 조사된 가이드 빔에 기초하여 복수의 카메라들(120-1 내지 120-N)의 촬영 각도를 조절할 수 있다.
다시, 도 1 및 도 2을 참조하면, 복수의 카메라들(120-1 내지 120-N)는 2개의 조명부들과 나란히 배치되어 있다. 이 경우, 2개의 조명부들이 하나의 카메라의 시야각에 대응하는 영역을 밝게 비출 수 있다.
구체적으로, 상기 복수의 카메라들(120-1 내지 120-N)는 상기 터널 내벽의 절반을 이루는 복수의 영역들을 각각 촬영하도록 배치되며, 터널 내부면으로부터 이미지데이터를 일정한 프레임레이트(frame-rate)로 획득할 수 있다. 그에 따라, 조명부는 상기 복수의 횡프레임들에 각각 설치되며, 상기 복수의 카메라들 각각의 시야각을 비출 수 있다.
이를 위해, 본 발명의 터널결함 진단장비(100)는 카메라들(120-1 내지 120-N)을 지지하기 위한 프레임부를 포함할 수 있다.
프레임부는 반원형의 터널 내벽의 절반에 대응하는 형상을 갖는 한 쌍의 지지 프레임(101-1, 101-2), 한 쌍의 지지 프레임(101-1, 101-2)을 연결하는 복수의 횡프레임(102)을 포함한다. 복수의 횡프레임들(102)은 한 쌍의 지지 프레임의 길이 방향으로 소정 간격으로 한 쌍의 지지 프레임(101-1, 101-2)에 연결되어 있다. 각 횡프레임(102)에는 2개의 조명부와 1개의 카메라가 설치되어 터널 내의 원통형의 내면의 절반을 촬영할 수 있다. 그에 따라, 복수의 카메라쌍이 한 쌍의 지지 프레임을 따라 원통형의 내면의 곡면의 절반을 커버할 수 있다.
지지 프레임의 상부(101a)는 원의 1/4의 형상을 가지며 하부(101b)는 직사각 형상을 가질 수 있다.)
또한, 프레임부는 상기 한 쌍의 지지 프레임을 지지하는 바디 프레임을 포함할 수 있다. 바디 프레임은 한 쌍의 지지 프레임을 수평 방향에서 그리고 하면에서 지지하는 하부 프레임과 수직 방향에서 그리고 후면에서 지지하는 수직 프레임을 포함할 수 있다. 수평 프레임 및 수직 프레임은 직사각 형상을 가질 수 있다.
본 발명의 다른 실시예에 따라, 카메라 장치(120)의 복수의 카메라들(120-1 내지 120-N)은 2개의 열(columns)로 배치될 수 있다. 예컨대, 16개의 카메라들이 2개의 열로 터널 내의 원통형의 내면의 곡면의 절반을 따라 배치될 수 있다.
전원부(150)는 터널결함 진단장비(100)의 각 구성요소에 전원을 공급할 수 있다. 일 실예에 따라, 전원부(150)는 복수의 발전기(150-1, 150-2)를 포함할 수도 있다. 다른 실시예에 따라, 전원부(150)는 배터리를 포함할 수 있다.
다시 도 1을 참조하면, 제어부(130)는 복수의 카메라들(120-1 내지 120-N)이 상기 터널 내부면의 이미지를 획득하는 동안, 상기 차량이 등속운동을 하도록 상기 차량의 속도를 제어할 수 있다.
제어부(130)는 복수의 카메라들(120-1 내지 120-N)을 통해 획득한 다수의 이미지를 하나의 접합 이미지로 접합 처리한다.
이어서, 제어부(130)는 접합 이미지에 빈 영역이 있는 지를 판단한다. 제어부(130)는 접합 이미지에 빈 영역이 있다면, 빈 영역에 관련된 카메라의 각도를 조정한다.
그에 따라, 복수의 카메라들(120-1 내지 120-N)을 통해 획득한 다수의 이미지를 접합한 하나의 접합 이미지에서 빈 영역이 없어지게 된다.
제어부(130)는 접합 이미지에서 빈 영역이 있다면 복수의 카메라들(120-1 내지 120-N)중 필요한 카메라의 각도를 조정할 수 있다.
제어부(130)는 빈 영역이 없는 최종 접합 이미지를 생성하고, 접합 이미지에서 터널 내벽의 균열을 추출한다. 일 실시예에 따라, 제어부(130)는 머신 러닝 또는 딥 러닝에 기반하여 균열을 추출할 수 있다. 이를 위해, 제어부(130)는 기존의 다수의 터널 내벽의 균열들을 입력 데이터로 하여 균열 추출 모델을 생성할 수 있다. 예컨대, 제어부(130)는 접합 이미지 또는 촬영 이미지를 균열 추출 모델에 입력하여 균열을 추출할 수 있다. 균열 추출 모델은 공사 이음매(joint)가 존재하는 이미지를 추출할 수 있다.
제어부(130)는 접합 이미지를 디스플레이(140)에 표시할 수 있다. 디스플레이(140)는 LCD(Liquid Crystal Display), OLED(Organic Light Emitting Diodes), 등으로 구현될 수 있다.
한편, 본 실시예에서 제어부(130)는 접합 이미지를 생성하지만, 복수의 카메라들(120-1 내지 120-N)로부터 입력된 촬영 이미지를 수신할 수 있다. 이 경우, 제어부(130)는 입력 이미지들을 균열 추출 모델에 입력할 수 있다. 균열 추출 모델은 공사 이음매(joint) 또는 균열이 존재하는 이미지를 추출할 수 있다.
제어부(130)는 추출된 균일이 심각한 하자 즉, 수리가 필요한 하자인지를 판단할 수 있다. 예컨대, 제어부(130)는 추출된 균열이 미리 결정된 조건을 만족하면, 심각한 하자로 판단할 수 있다. 미리 결정된 조건은 균열의 크기, 색, 균열의 위치, 공사 이음매와의 거리 등을 포함할 수 있다.
제어부(130)는 추출된 균일이 심각한 하자이면 해당 균열이 발생한 위치를 산출 또는 계산하여 계산된 위치를 디스플레이(140)에 표시할 수 있다.
상기와 같이 구성된 터널결함 진단장비(100)의 동작을 도 4 및 도 5를 참조하여 설명한다.
도 4는 본 발명에 따른 터널결함 진단장비에서 균열을 추출하는 방법을 나타낸 흐름도이다.
도 4를 참조하면, 먼저 단계 S110에서 터널결함 진단장비(100)는 터널 내부면을 촬영한다. 전술한 바와 같이, 상기 복수의 카메라들(120-1 내지 120-N)는 터널 내부면으로부터 이미지데이터를 일정한 프레임레이트(frame-rate)로 획득할 수 있다.
이어서, 단계 S120에서 터널결함 진단장비(100)는 복수의 카메라들(120-1 내지 120-N)로부터의 다수의 이미지를 하나의 접합 이미지로 접합 처리한다.
단계 S130에서 터널결함 진단장비(100)는 접합 이미지에 빈 영역이 있는 지를 판단한다. 단계 S140에서 터널결함 진단장비(100)는 접합 이미지에 빈 영역이 있다면, 빈 영역에 관련된 카메라의 각도를 조정할 수 있다.
단계 S150에서 터널결함 판단장치(100)는 빈 영역이 없는 최종 접합 이미지를 생성하고, 단계 S160에서 접합 이미지에서 터널 내벽의 균열을 추출한다.
예컨대, 터널결함 진단장비(100)는 터널 벽면(W)의 균열을 이미지의 픽셀간 명암차이의 정도로 구분되며, 터널결함 진단장비(100)는 촬영 이미지 중 설정된 기준을 초과한 명암차이가 발생한 이미지가 검출되면 해당 이미지를 균열 이미지로 저장할 수 있다. 이에 따라, 검사자는 전체이미지에 대한 전수검사를 수행하지 않아도 규열이 이미지만을 출력하여 검사하면 되므로 터널(10)의 이상 유무를 신속히 확인할 수 있게 된다.
도 5는 터널결함 진단장비에서 균열의 하자 여부를 판단하는 방법을 나타낸 흐름도이다.
도 5를 참조하면, 터널결함 진단장비(100)는 단계 210에서 접합 이미지를 획득한다. 다른 실시예에 따라, 터널결함 진단장비(100)는 각각의 카메라로부터 촬영 이미지를 획득할 수 있다.
다시 말해, 본 실시예에서 터널결함 진단장비(100)는 접합 이미지를 생성하지만, 터널결함 진단장비(100)는 복수의 카메라들(120-1 내지 120-N)로부터 입력된 촬영 이미지를 수신할 수 있다. 터널결함 진단장비(100)는 단계 S220에서 머신 러닝 또는 딥 러닝에 기반하여 균열을 추출할 수 있다. 이를 위해, 터널결함 진단장비(100)는 기존의 다수의 터널 내벽의 균열들을 입력 데이터로 하여 균열 추출 모델을 생성할 수 있다.
이 경우, 터널결함 진단장비(100)는 입력 이미지들을 균열 추출 모델에 입력할 수 있다. 균열 추출 모델은 공사 이음매(joint) 또는 균열이 존재하는 이미지를 추출할 수 있다.
터널결함 진단장비(100)는 단계 S230에서 추출된 균일이 심각한 하자인지를 판단할 수 있다. 예컨대, 제어부(130)는 추출된 균열이 미리 결정된 조건을 만족하면, 심각한 하자로 판단할 수 있다. 미리 결정된 조건은 균열의 크기, 색, 균열의 위치, 공사 이음매와의 거리 등을 포함할 수 있다.
터널결함 진단장비(100)는 추출된 균일이 심각한 하자이면 단계 S240에서 해당 균열이 발생한 위치를 산출 또는 계산하여 단계 S250에서 계산된 위치를 디스플레이(140)에 표시할 수 있다.
한편, 터널결함 진단장비(100)는 터널 벽면(10)의 정기적인 촬영을 통해 벽면(W)의 위치별 이력 관리가 가능할 수 있다.
이와 같이, 본 발명에 따르면, 터널결함 진단장비(100)에 따르면, 터널 내부의 주요결함요소인 균열 및 균열의 하자 여부를 보다 정확하게 판단할 수 있다.
앞에서, 본 발명의 특정한 실시예가 설명되고 도시되었지만 본 발명은 기재된 실시예에 한정되는 것이 아니고, 본 발명의 사상 및 범위를 벗어나지 않고 다양하게 수정 및 변형할 수 있음은 이 기술의 분야에서 통상의 지식을 가진 자에게 자명한 일이다. 따라서, 그러한 수정예 또는 변형예들은 본 발명의 기술적 사상이나 관점으로부터 개별적으로 이해되어서는 안되며, 변형된 실시예들은 본 발명의 특허청구범위에 속한다 하여야 할 것이다.
전술한 바와 같은 본 발명의 상세한 설명에서는 구체적인 실시예에 관해 설명하였다. 그러나 본 발명의 범주에서 벗어나지 않는 한도 내에서는 여러 가지 변형이 가능하다. 본 발명의 기술적 사상은 본 발명의 전술한 실시예에 국한되어 정해져서는 안 되며, 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100 : 터널결함 진단장비
110-1 내지 110-n : 조명부
120-1 내지 120-N : 카메라 130: 제어부
140: 디스플레이 150: 전원부
120-1 내지 120-N : 카메라 130: 제어부
140: 디스플레이 150: 전원부
Claims (13)
- 터널 내부벽 결함 진단장비에 있어서,
반원형의 터널 내벽의 절반에 대응하는 형상을 갖는 한 쌍의 지지 프레임, 상기 한 쌍의 지지 프레임에 길이 방향으로 소정 간격으로 연결되는 복수의 횡프레임들을 포함하는 프레임부;
상기 프레임부 하부에 설치되어 상기 프레임부를 이동시키는 적어도 2개의 바퀴;
상기 복수의 횡프레임들에 각각 설치되며, 상기 터널 내벽의 절반을 이루는 복수의 영역들을 각각 촬영하여 복수의 촬영 이미지를 각각 생성하는 복수의 카메라들;
상기 복수의 횡프레임들에 각각 설치되며, 상기 복수의 카메라들 각각의 시야각을 비추는 복수의 조명부들; 및
상기 복수의 카메라들로부터 상기 촬영 이미지들을 접합하여 접합 이미지를 생성하고, 상기 접합 이미지에 빈 영역이 있는 지를 판단하고 상기 접합 이미지에 빈 영역이 있으면 상기 복수의 카메라들의 촬영각도를 조정하며, 상기 접합 이미지로부터 균열을 추출하고, 상기 균열이 수리가 필요한 하자인지를 판단하며, 상기 균열이 수리가 필요한 하자이면 해당 균열이 발생한 위치를 계산하는 제어부를 포함하는 것을 특징으로 하는 터널 내부벽 결함 진단장비
- 제1항에 있어서,
상기 제어부는 상기 추출된 균열이 미리 결정된 조건을 만족하면, 심각한 하자로 판단하며,
상기 미리 결정된 조건은 균열의 크기, 색, 균열의 위치, 공사 이음매와의 거리 등을 포함하는 것을 특징으로 하는 터널 내부벽 결함 진단장비.
- 제1항에 있어서,
상기 제어부는 상기 촬영 이미지 중 설정된 기준을 초과한 명암차이가 발생한 이미지가 검출되면 해당 이미지를 균열 이미지로 판단하는 것을 특징으로 하는 터널 내부벽 결함 진단장비.
- 제1항에 있어서,
상기 제어부는 머신 러닝 또는 딥 러닝에 기반하여 기존의 다수의 터널 내벽의 균열들을 입력 데이터로 하여 균열 추출 모델을 생성하며 상기 균열 추출 모델에 상기 촬영 이미지를 입력하여 균열을 추출하는 것을 특징으로 하는 터널 내부벽 결함 진단장비.
- 제1항에 있어서,
상기 균열이 발생한 위치를 표시하는 디스플레이를 더 포함하는 것을 특징으로 하는 터널 내부벽 결함 진단장비.
- 제1항에 있어서,
상기 복수의 카메라들 각각의 시야각을 가이드하기 위해 터널 내벽 또는 터널 벽멱에 빔을 조사하는 복수의 레이저들을 더 포함하는 것을 특징으로 하는 터널 내부벽 결함 진단장비.
- 반원형의 터널 내벽의 절반에 대응하는 형상을 갖는 한 쌍의 지지 프레임, 상기 한 쌍의 지지 프레임에 길이 방향으로 소정 간격으로 연결되는 복수의 횡프레임들을 포함하는 프레임부, 상기 프레임부 하부에 설치되어 상기 프레임부를 이동시키는 적어도 2개의 바퀴, 상기 복수의 횡프레임들에 각각 설치되며, 상기 터널 내벽의 절반을 이루는 복수의 영역들을 각각 촬영하여 복수의 촬영 이미지를 각각 생성하는 복수의 카메라들, 및 상기 복수의 횡프레임들에 각각 설치되며, 상기 복수의 카메라들 각각의 시야각을 비추는 복수의 조명부들을 포함하는 터널 내부벽 결함 진단장비에서 터널 내부벽의 결함을 판단하는 방법에 있어서,
상기 복수의 카메라들로부터 상기 촬영 이미지들을 접합하여 접합 이미지를 생성하는 단계;
상기 접합 이미지에 빈 영역이 있는 지를 판단하고 상기 접합 이미지에 빈 영역이 있으면 상기 복수의 카메라들의 촬영각도를 조정하는 단계;
상기 접합 이미지로부터 균열을 추출하는 단계;
상기 균열이 수리가 필요한 하자인지를 판단하는 단계; 및
상기 균열이 수리가 필요한 하자이면 해당 균열이 발생한 위치를 계산하는 단계를 포함하는 것을 특징으로 하는 방법.
- 제7항에 있어서,
상기 균열이 수리가 필요한 하자인지를 판단하는 단계는 상기 추출된 균열이 미리 결정된 조건을 만족하면, 심각한 하자로 판단하는 단계를 포함하며,
상기 미리 결정된 조건은 균열의 크기, 색, 균열의 위치, 공사 이음매와의 거리 등을 포함하는 것을 특징으로 하는 방법.
- 제7항에 있어서,
상기 접합 이미지로부터 균열을 추출하는 단계는 상기 촬영 이미지 중 설정된 기준을 초과한 명암차이가 발생한 이미지가 검출되면 해당 이미지를 균열 이미지로 판단하는 단계를 포함하는 것을 특징으로 하는 방법.
- 제7항에 있어서,
상기 접합 이미지로부터 균열을 추출하는 단계는
머신 러닝 또는 딥 러닝에 기반하여 기존의 다수의 터널 내벽의 균열들을 입력 데이터로 하여 균열 추출 모델을 생성하는 단계;
상기 균열 추출 모델에 상기 촬영 이미지를 입력하여 균열을 추출하는 단계를 포함하는 것을 특징으로 하는 방법.
- 제7항에 있어서,
디스플레이가 상기 균열이 발생한 위치를 표시하는 단계를 더 포함하는 것을 특징으로 하는 방법.
- 제7항에 있어서,
상기 복수의 카메라들 각각의 시야각을 가이드하기 위해 적어도 하나의 레이저가 터널 내벽 또는 터널 벽멱에 빔을 조사하는 단계를 더 포함하는 것을 특징으로 하는 방법.
- 제6항 내지 제10항 중 어느 한 항의 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220047820A KR20230148897A (ko) | 2022-04-18 | 2022-04-18 | 철도터널 결함 진단장비 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220047820A KR20230148897A (ko) | 2022-04-18 | 2022-04-18 | 철도터널 결함 진단장비 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230148897A true KR20230148897A (ko) | 2023-10-26 |
Family
ID=88508978
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220047820A KR20230148897A (ko) | 2022-04-18 | 2022-04-18 | 철도터널 결함 진단장비 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230148897A (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117365644A (zh) * | 2023-11-17 | 2024-01-09 | 重庆交通大学 | 一种低影响交通的隧道衬砌裂缝病害处治平台及方法 |
| CN117468941A (zh) * | 2023-12-28 | 2024-01-30 | 四川省铁路建设有限公司 | 基于智能自检台车的隧道缺陷检测方法及自检台车 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100248647B1 (ko) | 1996-05-24 | 2000-04-01 | 마스다 노부유키 | 터널 벽면의 박리 검출 장치 |
-
2022
- 2022-04-18 KR KR1020220047820A patent/KR20230148897A/ko unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100248647B1 (ko) | 1996-05-24 | 2000-04-01 | 마스다 노부유키 | 터널 벽면의 박리 검출 장치 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117365644A (zh) * | 2023-11-17 | 2024-01-09 | 重庆交通大学 | 一种低影响交通的隧道衬砌裂缝病害处治平台及方法 |
| CN117468941A (zh) * | 2023-12-28 | 2024-01-30 | 四川省铁路建设有限公司 | 基于智能自检台车的隧道缺陷检测方法及自检台车 |
| CN117468941B (zh) * | 2023-12-28 | 2024-03-12 | 四川省铁路建设有限公司 | 基于智能自检台车的隧道缺陷检测方法及自检台车 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20230148897A (ko) | 철도터널 결함 진단장비 및 방법 | |
| KR102277633B1 (ko) | 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템 | |
| KR101538763B1 (ko) | 터널 균열 검사 장치 및 그 제어방법 | |
| KR102091165B1 (ko) | 터널 균열 검사 장치 | |
| KR101732085B1 (ko) | 이동식 시설물 검사장치와 시설물 유지관리방법 | |
| CN107187464B (zh) | 轨道板检测车、系统以及方法 | |
| KR101520018B1 (ko) | 터널점검장치 | |
| KR20080103820A (ko) | 하이브리드 터널 스캐닝 장치 | |
| US11494888B2 (en) | Work terminal, oil leakage detection apparatus, and oil leakage detection method | |
| KR101843923B1 (ko) | 다수의 카메라를 이용한 터널 라이닝 검사장치 | |
| KR20120005360A (ko) | 궤도차량을 이용한 철도시설물 감시시스템 및 방법 | |
| JP2011124965A (ja) | 被写体寸法測定用カメラ装置 | |
| JP2004132881A (ja) | 配列構造物の検査方法 | |
| JP2017066620A (ja) | 構造物検査システム | |
| JP6975677B2 (ja) | 舗装損傷診断システム | |
| JP2007121243A (ja) | 画像表示パネルの検査装置および検査方法 | |
| CN106053484A (zh) | 一种液晶玻璃表面异物的检测设备及其检测方法 | |
| ES2526206T3 (es) | Dispositivo para la detección y clasificación de óxido residual en líneas de producción de laminados metálicos | |
| CN106197660B (zh) | 公路隧道照明评估装置及动态评估方法 | |
| CN115436391A (zh) | 一种车辆油箱料胚缺陷检测系统 | |
| JP2001194318A (ja) | 損傷検出装置及び方法 | |
| JP7103975B2 (ja) | 構造物検出装置、構造物検出方法及び構造物検出プログラム | |
| JP2005249503A (ja) | パンタグラフのすり板検査装置。 | |
| JPWO2018066086A1 (ja) | 覆工コンクリートの検査システム、および覆工コンクリートの検査方法 | |
| KR101224926B1 (ko) | 소형 배관 내부 검사용 영상 시스템 |