KR20240065873A - 크레인 인양물 충돌방지를 위한 센싱 시스템 및 이를 이용한 크레인 인양물 충돌방지 방법 - Google Patents

Abstract

크레인 인양물 충돌방지를 위한 센싱 시스템 및 이를 이용한 크레인 인양물 충돌방지 방법에서, 상기 센싱 시스템은 센싱유닛, 데이터 처리유닛, 학습유닛 및 위험도 판단부를 포함한다. 상기 센싱유닛은 크레인의 상부에 고정되어 하부 방향의 정보를 획득한다. 상기 데이터 처리유닛은 상기 센싱유닛의 획득 정보를 바탕으로, 인양물의 높이를 고려하여 장애물 정보를 추출한다. 상기 학습유닛은 상기 센싱유닛의 획득 정보를 바탕으로, 작업자를 식별한다. 상기 위험도 판단부는 상기 장애물 정보 및 상기 작업자 식별 결과를 바탕으로, 인양물의 높이를 고려한 위험도를 판단한다.

Description

크레인 인양물 충돌방지를 위한 센싱 시스템 및 이를 이용한 크레인 인양물 충돌방지 방법{SENSING SYSTEM FOR AVOIDING COLLISION OF CRANE AND METHOD FOR AVOIDING COLLISION OF CRANE USING THE SAME}

본 발명은 크레인 인양물 충돌방지를 위한 센싱 시스템 및 이를 이용한 크레인 인양물 충돌방지 방법에 관한 것으로, 더욱 상세하게는 크레인을 이용한 인양물 작업시, 인양물 주변의 작업자를 포함한 다양한 장애물을 식별하여 위험도를 판단하고 관련 정보를 운전자에게 제공함으로써, 인양물과 장애물과의 충돌을 방지하여 크레인 작업의 안전성을 향상시키는 크레인 인양물 충돌방지를 위한 센싱 시스템 및 이를 이용한 크레인 인양물 충돌방지 방법에 관한 것이다.

건설 현장에서의 중장비는 작업자를 포함한 다양한 장애물과의 충돌 가능성이 있으며, 이를 최소화하기 위한 작업에서의 안전성 확보는 매우 중요하다. 다만, 현재까지 대부분의 건설 현장에서 이러한 작업에서의 안전성 확보는 작업자가 육안으로 직접 판단하는 방법으로 수행되어 왔다.

그러나, 크레인과 같은 설비의 경우, 지상으로부터 매우 높은 위치에서 인양물에 대한 이송작업을 수행하므로, 작업자가 육안으로 직접 판단하는 것은 한계가 있다.

이에, 대한민국 공개특허 제10-2022-0125415호에서는 지능형 크레인의 안전 관리시스템으로, 크레인과 구조물의 충돌을 방지하기 위해 개별 크레인의 현재 위치를 상호 공유하여 안전성을 향상시키는 기술을 개시하고 있다. 또한, 대한민국 공개특허 제10-2022-0092132호에서는 센서부를 통해 획득되는 물체에 대한 검출 결과를 바탕으로 충돌 소요시간을 연산하여 크레인을 제동시키는 시스템에 대한 기술을 개시하고 있다.

이상과 같이, 작업자의 육안에 의존하지 않고 센서를 이용하여 획득된 정보로부터 위험 상태를 안내하는 기술들이 개발되고는 있다. 그러나, 크레인 작업의 경우 작업 공간이 수직 및 수평방향으로 넓고, 인양물의 높이에 따라 위험성이 증가하는 장애물도 변화하므로, 정확한 정보의 획득을 위해서는, 매우 다양한 센서가 장착되어야 하며, 이로부터 획득되는 정보를 처리하기 위해서도 많은 시간이 소요되어 실시간으로 장애물의 위험성에 대한 정보를 제공하는 것은 용이하지 않다.

대한민국 공개특허 제10-2022-0125415호 대한민국 공개특허 제10-2022-0092132호

이에, 본 발명의 기술적 과제는 이러한 점에서 착안된 것으로 본 발명의 목적은 크레인을 이용한 인양물 작업시, 인양물 주변의 작업자를 포함한 다양한 장애물을 식별하여 위험도를 판단하고 관련 정보를 운전자에게 제공함으로써, 인양물의 높이에 따라 가변하는 장애물의 위험도 정보를 제공하는 것은 물론, 실시간으로 장애물과의 위험도 정보를 표시함으로써, 인양물과 장애물과의 충돌을 방지하여 크레인 작업의 안전성을 매우 향상시킬 수 있는 크레인 인양물 충돌방지를 위한 센싱 시스템을 제공하는 것이다.

또한, 본 발명의 다른 목적은 상기 센싱 시스템을 이용한 크레인 인양물 충돌방지 방법을 제공하는 것이다.

상기한 본 발명의 목적을 실현하기 위한 일 실시예에 의한 센싱 시스템은 센싱유닛, 데이터 처리유닛, 학습유닛 및 위험도 판단부를 포함한다. 상기 센싱유닛은 크레인의 상부에 고정되어 하부 방향의 정보를 획득한다. 상기 데이터 처리유닛은 상기 센싱유닛의 획득 정보를 바탕으로, 인양물의 높이를 고려하여 장애물 정보를 추출한다. 상기 학습유닛은 상기 센싱유닛의 획득 정보를 바탕으로, 작업자를 식별한다. 상기 위험도 판단부는 상기 장애물 정보 및 상기 작업자 식별 결과를 바탕으로, 인양물의 높이를 고려한 위험도를 판단한다.

일 실시예에서, 상기 장애물 정보, 상기 작업자 식별 결과 및 상기 위험도 판단 결과를 동시에 표시하는 표시부를 더 포함할 수 있다.

일 실시예에서, 상기 표시부는, 상기 크레인을 작동시키는 작업자에게 표시될 수 있다.

일 실시예에서, 상기 센싱유닛은, 상기 하부 방향의 이미지 또는 영상을 촬영하는 촬영부, 및 상기 하부 방향을 향하면서 회전하여, 하부 공간 전체를 스캐닝하여 점군 데이터를 획득하는 라이다(Lidar)를 포함할 수 있다.

일 실시예에서, 상기 데이터 처리유닛은, 상기 라이다로부터 획득된 점군 데이터의 좌표를 동기화하는 좌표 변환부, 상기 점군 데이터를 처리하여 인양물의 높이를 산출하고 격자화하는 격자화부, 및 상기 격자화된 점군 데이터를 군집화하고, 인양물로부터 장애물까지의 거리를 산출하는 거리 산출부를 포함할 수 있다.

일 실시예에서, 상기 거리 산출부는, 상기 인양물의 높이와 동등한 높이의 장애물들에 대하여 상기 인양물로부터의 거리를 산출할 수 있다.

일 실시예에서, 상기 학습유닛은, 상기 크레인의 상부에서 촬영된 이미지 또는 영상을 저장하는 데이터베이스, 상기 데이터베이스의 이미지 또는 영상으로부터 작업자를 식별하는 학습을 수행하는 학습부, 및 상기 촬영부로부터 촬영된 이미지 또는 영상으로부터, 작업자를 식별하는 작업자 식별부를 포함할 수 있다.

일 실시예에서, 상기 위험도 판단부는, 상기 데이터 처리유닛으로부터 제공되는 인양물의 높이를 고려한 장애물 정보와, 상기 학습유닛으로부터 제공되는 작업자의 식별 결과를 바탕으로, 상기 인양물의 높이와 동등한 높이에서, 상기 인양물과 가장 근접하게 위치하는 장애물 또는 작업자에 대하여 위험도가 가장 높은 것으로 판단할 수 있다.

상기한 본 발명의 목적을 실현하기 위한 일 실시예에 의한 인양물 충돌 방지방법에서, 크레인의 상부에 고정된 센싱유닛으로 하부 방향의 정보를 획득한다. 상기 센싱유닛의 획득 정보를 바탕으로, 인양물의 높이를 고려하여 장애물 정보를 추출한다. 상기 센싱유닛의 획득 정보를 바탕으로, 작업자를 식별한다. 상기 장애물 정보 및 상기 작업자 식별 결과를 바탕으로, 인양물의 높이를 고려한 위험도를 판단한다.

일 실시예에서, 상기 장애물 정보를 추출하는 단계는, 상기 센싱유닛의 라이다로부터 획득된 점군 데이터의 좌표를 동기화하는 단계, 상기 점군 데이터를 처리하여 인양물의 높이를 산출하고 격자화하는 단계, 및 상기 격자화된 점군 데이터를 군집화하고, 인양물로부터 장애물까지의 거리를 산출하는 단계를 포함할 수 있다.

일 실시예에서, 상기 작업자를 식별하는 단계는, 상기 크레인의 상부에서 촬영된 이미지 또는 영상을 저장하는 단계, 상기 저장된 이미지 또는 영상으로부터 작업자를 식별하는 학습을 수행하는 단계, 및 상기 센싱유닛의 촬영부로부터 촬영된 이미지 또는 영상으로부터, 작업자를 식별하는 단계를 포함할 수 있다.

일 실시예에서, 상기 위험도를 판단하는 단계에서, 상기 인양물의 높이를 고려한 장애물 정보와, 상기 작업자의 식별 결과를 바탕으로, 상기 인양물의 높이와 동등한 높이에서, 상기 인양물과 가장 근접하게 위치하는 장애물 또는 작업자에 대하여 위험도가 가장 높은 것으로 판단할 수 있다.

일 실시예에서, 상기 장애물 정보, 상기 작업자 식별 결과 및 상기 위험도 판단 결과를 표시하는 단계를 더 포함할 수 있다.

본 발명의 실시예들에 의하면, 장애물이나 작업자의 식별 정보를 인양물의 높이를 고려하여 추출하므로, 실제 인양물의 인양과정에서 충돌 가능성이 낮은 상황을 모니터링하거나 관련 데이터 처리를 수행하기 위한 시간과 노력을 최소화할 수 있으며, 이를 통해 실시간으로 인양물의 높이에 따른 위험도 판단 결과를 사용자에게 제공할 수 있다.

특히, 카메라와 같은 센서를 이용하는 경우 촬영된 영상이나 이미지에서 거리 정보를 획득하기 어려우므로, 카메라 외에, 라이다를 통해 획득되는 정보를 통합함으로써, 촬영된 영상이나 이미지에서 거리 정보를 획득할 수 있고, 이를 통해 사용자에게 직관적으로 영상이나 이미지로 표시되는 위험도 정보를 제공할 수 있다.

이 경우, 라이다는 하부 방향을 향하면서 회전하는 구조로, 하부 공간 전체에 대한 스캔 결과로 점군 데이터를 획득할 수 있고, 이렇게 획득된 점군 데이터를 처리하여, 인양물에 대한 점군 데이터와 여타 장애물에 대한 점군 데이터를 식별하여, 인양물로부터 장애물에 대한 거리 정보를 획득할 수 있다. 그리하여, 360도 전체 하부 공간에 대하여 인양물을 기준으로, 장애물들에 대한 거리 정보를 통해 위험도 정보를 제공할 수 있다.

한편, 라이다를 통해서는 특정 장애물이 작업자인지의 여부를 식별하기 어려우므로, 크레인의 상부에서 촬영되는 작업자에 대한 이미지 또는 영상에 대한 학습을 이용하여, 실제 촬영된 이미지 또는 영상으로부터 작업자를 정확하게 식별할 수 있고, 이를 통해 장애물들에 대한 군집화한 데이터에 작업자 정보를 추가하여 제공할 수 있다.

그리하여, 크레인을 작동시키는 작업자는 하부에 위치하는 장애물들 중에서 특히 작업자에 대한 정보를 별도로 구별하여 인식할 수 있으므로, 여타 장애물과 달리 작업자가 위험도가 높다고 판단되는 경우, 보다 주의를 기울여 작업 안전성을 높일 수 있다.

도 1은 본 발명의 일 실시예에 의한 크레인 인양물 충돌방지를 위한 센싱 시스템을 도시한 모식도이다.
도 2는 도 1의 센싱 시스템을 도시한 블록도이다.
도 3은 도 1의 센싱 시스템을 이용한 크레인 인양물 충돌방지 방법을 도시한 흐름도이다.
도 4는 도 3의 충돌방지 방법에서, 인양물의 높이를 고려하여 장애물 정보를 추출하는 단계를 도시한 모식도이다.
도 5는 도 4의 장애물 정보를 추출하는 단계에서 추출된 장애물 정보를 예시한 이미지이다.
도 6은 도 3의 충돌방지 방법에서, 학습부가 학습을 수행하기 위해 사용된 실제 공사장의 예시 이미지이다.
도 7은 도 3의 충돌방지 방법에서, 표시부를 통해 표시되는 결과를 도시한 이미지이다.
도 8은 도 3의 충돌방지 방법에서, 표시부를 통해 표시되는 이미지와 실제 상황을 동시에 도시한 이미지이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 실시예들을 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다.

상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 출원에서, "포함하다" 또는 "이루어진다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다.

도 1은 본 발명의 일 실시예에 의한 크레인 인양물 충돌방지를 위한 센싱 시스템을 도시한 모식도이다. 도 2는 도 1의 센싱 시스템을 도시한 블록도이다.

우선, 도 1 및 도 2를 참조하면, 본 실시예에 의한 크레인 인양물 충돌방지를 위한 센싱 시스템(이하, 센싱 시스템이라 함)(10)은 크레인(100)이 인양물(20)을 인양하는 과정에서, 상기 인양물(20)의 주변에 위치하는 장애물(30)을 식별하여 상기 장애물(30)에 대한 정보를 제공함으로써, 상기 크레인을 제어하는 작업자가 상기 인양물(20)이 상기 장애물(30)에 충돌하는 것을 최소화하여, 안전 작업을 수행할 수 있도록 한다.

이 경우, 상기 장애물(30)에는 고정된 위치에 위치하는 구조물은 물론, 상기 인양물(20) 주변에서 작업을 수행하는 작업자를 포함하는 것으로, 본 실시예의 상기 센싱 시스템(10)은 상기 장애물에 대한 식별은 물론, 상기 장애물 중에서 작업자에 대한 별도 식별을 수행하여, 상기 인양물(20) 주변에 특히 작업자가 인접하게 위치하는 경우 보다 안정적인 인양 작업을 수행할 수 있도록 한다.

구체적으로, 상기 센싱 시스템(10)은 센싱유닛(200), 데이터 처리유닛(300), 학습유닛(400), 위험도 판단부(500) 및 표시부(600)를 포함한다. 또한, 상기 데이터 처리유닛(300)은 좌표 변환부(310), 격자화부(320) 및 거리 산출부(330)를 포함하고, 상기 학습유닛(400)은 학습부(410), 데이터베이스(420) 및 작업자 식별부(430)를 포함한다.

이하에서는, 설명의 편의를 위해, 도 3을 추가로 참조하여, 상기 센싱 시스템(10)과 상기 센싱 시스템(10)을 이용한 크레인 인양물 충돌방지 방법을 동시에 설명한다.

도 3은 도 1의 센싱 시스템을 이용한 크레인 인양물 충돌방지 방법을 도시한 흐름도이다.

도 1, 도 2 및 도 3을 참조하면, 상기 인양물 충돌방지 방법에서는, 우선, 상기 센싱유닛(200)을 이용하여 상기 크레인(100)의 하부 방향의 정보를 획득한다(단계 S10).

상기 크레인(100)은 도 1에 예시된 바와 같이, 상부 방향으로 길게 연장된 붐(boom, 101)의 끝단에 와이어 등이 연결되어, 상기 인양물(20)을 상부방향을 비롯하여 다양한 위치로 인양하는 것으로, 본 실시예에서 상기 센싱유닛(200)은 상기 크레인(100)에서 상부 방향으로 길게 연장된 상기 붐의 끝단에 고정된다.

이 때, 상기 센싱유닛(200) 중, 상기 라이다(Lidar)(210)는 도 1에 도시된 바와 같이, 하부 방향을 향하여 위치하면서, 회전 축(rotating axis)을 기준으로 360도 회전한다. 그리하여, 상기 라이다(210)는 하부 방향을 향하여 360도 회전하여 하부 공간(21)에 대한 스캐닝(scanning)을 수행한다.

한편, 상기 센싱유닛(200) 중, 상기 촬영부(카메라, 220)는 도 1에 도시된 바와 같이, 하부 방향을 향하도록 위치하되, 별도로 회전하지는 않으며, 하부 공간(21)에 대한 촬영을 수행하여, 하부 공간의 이미지 또는 영상을 획득한다.

이상과 같이, 상기 라이다(210) 및 상기 촬영부(220)는 각각 상기 하부 공간(21)에 대한 정보를 획득하고, 이렇게 획득된 정보는 각각 상기 데이터 처리유닛(300) 및 학습유닛(400)으로 제공된다.

이 후, 상기 인양물 충돌방지 방법에서는, 상기 데이터 처리유닛(300)이 상기 인양물(20)의 높이를 고려하여 장애물(30)의 정보를 추출한다(단계 S20).

실제 상기 크레인(100)을 이용하여 인양물(20)을 인양하는 경우, 상기 인양물(20)의 높이보다 낮게 위치하거나 반대로 높게 위치하는 장애물은, 상기 인양물(20)과의 충돌 가능성은 높지 않다. 이에, 본 실시예의 경우, 장애물(30)의 정보를 추출함에 있어, 상기 인양물(20)의 높이를 고려한다. 그리하여, 불필요하게 인양물(20)의 높이보다 높거나 낮게 위치하여 충돌가능성이 높지 않은 장애물에 대한 정보를 처리하는 과정에서 소요되는 시간과 비용을 최소화할 수 있다.

상기 데이터 처리유닛(300)에서 구체적으로 상기 장애물(30) 정보를 추출하는 과정을 도 4 및 도 5를 추가로 참조하여 설명하면 하기와 같다.

도 4는 도 3의 충돌방지 방법에서, 인양물의 높이를 고려하여 장애물 정보를 추출하는 단계를 도시한 모식도이다. 도 5는 도 4의 장애물 정보를 추출하는 단계에서 추출된 장애물 정보를 예시한 이미지이다.

우선, 상기 라이다(210)로부터 획득된 정보는, 상기 크레인(100)의 최 상측으로부터 하부 공간(21)을 향하여 스캐닝한 정보로서, 이렇게 스캐닝된 정보는 점군(點群) 데이터이다.

이에, 상기 점군 데이터는 상기 좌표 변환부(310)로 제공되며, 상기 좌표 변환부(310)에서는, 상기 점군 데이터를 상기 라이다(210)의 회전각을 반영한 절대 좌표계로 변환한다. 이 과정에서, 상기 라이다(210)의 점군 데이터와 상기 라이다(210)의 회전각을 측정하는 엔코더(211, 도 1 참조)의 시점을 일치시켜 동기화된 데이터를 획득하게 되며, 이를 통해 상기 점군 데이터는 절대 좌표계 상의 데이터로 변환하게 된다.

이 후, 상기 격자화부(320)는, 상기 절대 좌표계로 변환되어 동기화한 점군 데이터의 데이터양을 간소화하는 것으로, 상기 점군 데이터를 소정의 정육면체의 격자로 나누고 하나의 격자에 기 설정된 신호 이상의 신호(예를 들어, 3개 이상의 신호)가 존재하는 경우 해당 격자를 활성 격자로 정의하여 활성 격자의 점군 데이터만 활성화한다.

또한, 도 4에 도시된 바와 같이, 본 실시예의 경우, 상기 인양물(20)의 높이와 동등한 수준의 높이의 범위에 대하여만 상기 장애물(30)의 정보를 획득하는 것으로, 이를 위해 상기 격자화부(320)에서는, 우선 상기 인양물(20)의 높이(H)를 산출한다.

즉, 상기 인양물(20)은 상기 크레인(100)의 붐(101)의 끝단의 호이스트에 매달려 이송되므로, 상기 격자화부(320)에서는, 수평면의 원점에 있는 중앙 영역 객체의 최빈점 높이를 인양물의 높이(H)로 정의한다. 또한, 상기 인양물(20)의 두께(h)는 사용자가 입력하도록 정의한다.

이를 통해, 상기 격자화부(320)에서는 상기 인양물(20)을 식별하여 상기 인양물(20)의 높이(H) 및 두께(h) 정보를 획득하고, 이를 바탕으로 상기 인양물(20)의 높이와 동등한 수준의 높이의 범위(붐(101)의 끝단으로부터 하부 방향으로 H 만큼 이격되며, 추가로 h의 높이 범위에 해당되는 범위)에 대하여만 상기 장애물(30)의 점군 지도(Cloud Map)를 획득하게 된다.

이 후, 상기 거리 산출부(330)에서는, 상기 인양물(20)의 높이와 동등한 수준의 높이 범위에 위치하는 장애물(30)에 대한 점군 지도로부터 군집화를 통해 장애물을 식별하고, 이렇게 식별된 상기 장애물들에 대하여 상기 인양물(20)의 외곽으로부터 장애물까지의 거리를 산출하며, 가장 거리가 근접한 장애물을 최단 장애물로 별도로 식별한다.

한편, 상기 군집화에서는, 예를 들어 Euclidean-Minimum 기반의 계층적 클러스터 분석 방법이 적용될 수 있으며, 일예로, 격자 거리 0.25m의 3배 이내의 근접점들을 합쳐서 하나의 군집을 형성하도록 군집화할 수 있다.

이 경우, 상기 군집화에서 중앙 영역의 객체를 인양물(20)로 정의하고 나머지 객체를 장애물(30)로 간주하여 분류하는데, 이는 크레인(100)의 경우 상기 인양물(20)이 호이스트에 매달려 움직이기 때문이다.

또한, 도 5에 예시된 바와 같이, 상기 방법으로 인양물(20)과 장애물(30)이 분류되어 각각 식별되면, 상기 인양물(20)의 외각점과 주변 장애물들(31, 32, 33, 34, 35, 36)의 외각점과의 거리를 산출하며, 이렇게 산출된 거리들 중, 최소값을 가지는 장애물(34)에 대하여 해당 장애물(34)을 가장 거리가 근접한 장애물로 식별한다. 이 때, 상기 가장 거리가 최소인 장애물(34)까지의 거리 정보는(d) 도시된 바와 같이, 직접 표시될 수 있다.

그리하여, 이상과 같이 상기 데이터 처리유닛(300)을 통해 처리된 결과는 상기 표시부(600) 및 상기 위험도 판단부(500)로 제공된다.

한편, 상기 데이터 처리유닛(300)의 경우, 상기 라이다(210)를 통해 획득된 점군 데이터로부터 장애물을 식별하는 것으로, 상기 장애물이 어떠한 형태의 장애물인지, 즉 일반 사물이나 구조체인지 또는 작업자인지에 대한 정보를 획득하는 것은 어렵다.

이에, 본 실시예의 경우, 특히 작업자에 대한 별도 식별은, 작업자의 안전 사고 예방을 위해 중요하므로, 상기 학습유닛(400)을 통해, 상기 작업자에 대한 별도 식별을 수행하며, 이에 대하여는 6을 참조하여 설명한다.

도 6은 도 3의 충돌방지 방법에서, 학습부가 학습을 수행하기 위해 사용된 실제 공사장의 예시 이미지이다.

즉, 상기 인양물 충돌방지 방법에서는, 학습을 바탕으로, 상기 센싱유닛(200) 중 상기 촬영부(220)에서 촬영된 영상 또는 이미지를 바탕으로, 작업자를 식별한다(단계 S30).

구체적으로, 상기 학습부(410)에서의 학습을 위해, 상기 데이터베이스(420)에는 작업자 식별을 위한 학습을 수행할 수 있는 다양한 영상 또는 이미지가 저장되어야 한다. 특히, 상기 학습부(410)에서는, 크레인(100)의 작업 환경을 고려하면, 높은 위치에서 하부 방향으로 촬영한 영상 또는 이미지에 대한 학습을 수행하여야 하므로, 이를 위해 높은 위치에서 하부 방향으로 촬영된 영상 또는 이미지가 상기 데이터베이스(420)에 저장되어야 한다.

이와 같이, 높은 위치에서 하부 방향을 향하여 촬영된 영상 또는 이미지를 저장하기 위해, 다양한 사람과 환경에 대한 이미지 또는 영상 데이터를 수집하여야 한다. 이에, 구체적으로 예시하지는 않았으나 다양한 환경에서 안전모를 착용하지 않은 사람들에 대한 이미지 또는 영상은 물론, 도 7에서와 같이 실제 공사 현장에서 안전모를 착용한 사람들(40)에 대한 이미지 또는 영상에 대하여 수집하여, 상기 데이터베이스(420)에 저장한다.

그리하여, 상기 학습부(410)에서는, 상기 데이터베이스(420)에 저장된 다양한 이미지 또는 영상에 대한 학습을 선행 수행하여, 특히, 공사 현장에서 안전모를 착용한 사람들, 즉 작업자를 식별하는 학습을 선행적으로 수행한다. 또한, 상기 안전모를 착용하지 않은 사람들에 대한 학습도 수행하였으므로, 공사 현장에서 작업자들에 대하여 안전모를 착용한 작업자와 안전모를 착용하지 않은 작업자에 대한 구분도 가능할 수 있다. 이 경우, 수행되는 학습은 딥러닝(deep learning) 모델일 수 있다.

이에, 상기와 같이 데이터베이스(420)에 저장된 다양한 이미지 또는 영상에 대하여 상기 학습부(410)는 소정의 학습을 통해 작업자를 식별하도록 학습되며, 상기 학습부(410)의 학습 결과를 활용하여 상기 작업자 식별부(430)에서는, 상기 촬영부(220)를 통해 제공되는 실제 촬영 정보, 즉 촬영된 영상 또는 이미지로부터 작업자를 식별하게 된다.

또한, 이렇게 식별된 작업자에 대한 정보는, 상기 표시부(600) 및 상기 위험도 판단부(500)로 제공된다.

이상과 같이, 상기 데이터 처리유닛(300)으로부터 추출된 장애물 정보와, 상기 학습유닛(400)으로부터 식별된 작업자 식별 결과는, 상기 표시부(600) 및 상기 위험도 판단부(500)로 제공되어, 상기 위험도 판단부(500)는 상기 인양물(20)의 인양 과정에서의 위험도를 판단하고(단계 S40), 상기 표시부(600)는 이러한 결과를 상기 크레인(20)을 작동시키는 작업자에게 표시한다(단계 S50).

이러한 위험도 판단과 표시 단계를 도 7 및 도 8을 참조하여 설명하면 하기와 같다.

도 7은 도 3의 충돌방지 방법에서, 표시부를 통해 표시되는 결과를 도시한 이미지이다. 도 8은 도 3의 충돌방지 방법에서, 표시부를 통해 표시되는 이미지와 실제 상황을 동시에 도시한 이미지이다.

즉, 도 7을 참조하면, 상기 위험도 판단부(500)에서는, 상기 데이터 처리유닛(300)을 통해 제공된 인양물(20)의 높이를 고려한 장애물 정보와, 상기 학습유닛(400)으로부터 제공된 작업자의 식별 결과를 바탕으로, 위험도가 가장 높은 장애물 또는 작업자를 판단한다.

한편, 앞서 설명한 바와 같이, 상기 데이터 처리유닛(300)에서는 별도로 작업자가 구분되지 않고 상기 인양물(20)을 기준으로 주변 장애물 정보, 즉 상기 인양물(20)의 높이와 동등한 높이에 위치하는 장애물들과 해당 장애물들까지의 거리 정보가 제공될 뿐이다. 그런데, 상기 학습유닛(400)을 통해서는 작업자가 별도로 식별되어 정보로 제공된다.

따라서, 상기 2가지의 정보를 합성하게 되면, 도 7에 도시된 바와 같이, 장애물들(31, 32, 33, 34, 35)과 작업자들(41, 42)이 각각 구별되어 식별될 수 있으며, 이에 따라 상기 위험도 판단부(500)에서는 이러한 합성된 정보로부터, 장애물들 또는 작업자들 중 위험도가 가장 높은 장애물 또는 작업자를 판단할 수 있다.

즉, 상기 위험도 판단부(500)는, 상기 인양물(20, Moving object)을 기준으로, 상기 인양물(20)이 위치하는 높이와 동등한 높이에서, 상기 인양물(20)의 주변에 위치하는 장애물들(31, 32, 33, 34, 35, Obstacles at the same level) 및 작업자들(41, 42, Human) 중에서, 상기 인양물(20)과 가장 근접하게 위치하는 장애물(31)을 위험도가 가장 높은 장애물로 판단한다. 이 때, 상기 위험도 판단부(500)의 판단은, 상기 인양물(20)과 상기 장애물(31) 사이의 거리(Min. Dist.)가 된다.

또한, 이러한 상기 위험도 판단부(500)의 판단 결과, 및 상기 인양물(20), 장애물들(31, 32, 33, 34, 35) 및 상기 작업자들(41, 42)에 대한 이미지나 영상은, 상기 표시부(600)를 통해 직접, 상기 크레인(100)을 작동시키는 작업자에게 표시된다. 이 경우, 이러한 위험도 판단부(500)의 판단 결과는, 상기 인양물(20)이 인양되는 과정에서 실시간으로 제공되는 것으로, 상기 인양물(20)의 위치나 높이가 가변됨에 따라 상기 위험도가 가장 높은 장애물 또는 작업자도 가변될 수 있다.

이에, 상기 작업자는 상기 표시부(600)를 통해, 상기 인양물(20)의 인양과정에서의 주변 장애물이나 작업자들과의 충돌의 위험을 직접 확인할 수 있고, 이에 안전사고를 최소화할 수 있다.

특히, 이러한 표시부(600)를 통해 제공되는 영상이나 이미지는, 상기 인양물(20)의 이동에 따라 실시간으로 표시되는 것으로, 따라서 상기 크레인(100)을 작동시키는 작업자는 상기 인양물(20)을 인양하는 전체 작업에서의 안전사고 가능성을 실시간으로 확인할 수 있다.

한편, 도 8에 도시된 바와 같이, 실제 크레인을 통해 인양물을 인양하는 과정에서 상기 표시부(600)를 통해 제공되는 영상 또는 이미지(도 8의 상측 이미지)에서는 가장 인접한 장애물(Closest Object) 및 주변 작업자(Human A)가 표시되고 있으나, 실제 크레인을 작동시키는 작업자의 육안(도 8의 하측 이미지)으로는 상기 장애물을 확인되지 않고 상기 주변 작업자만 식별되는 것을 확인할 수 있다.

따라서, 상기 크레인을 작동시키는 작업자의 육안만으로는 파악되지 못하는 위험도가 가장 높은 장애물(Closest Object)에 대한 정보를 상기 표시부(600)를 통해 표시함으로써, 인양과정에서의 안전사고를 효과적으로 방지할 수 있다.

상기와 같은 본 발명의 실시예들에 의하면, 장애물이나 작업자의 식별 정보를 인양물의 높이를 고려하여 추출하므로, 실제 인양물의 인양과정에서 충돌 가능성이 낮은 상황을 모니터링하거나 관련 데이터 처리를 수행하기 위한 시간과 노력을 최소화할 수 있으며, 이를 통해 실시간으로 인양물의 높이에 따른 위험도 판단 결과를 사용자에게 제공할 수 있다.

특히, 카메라와 같은 센서를 이용하는 경우 촬영된 영상이나 이미지에서 거리 정보를 획득하기 어려우므로, 카메라 외에, 라이다를 통해 획득되는 정보를 통합함으로써, 촬영된 영상이나 이미지에서 거리 정보를 획득할 수 있고, 이를 통해 사용자에게 직관적으로 영상이나 이미지로 표시되는 위험도 정보를 제공할 수 있다.

이 경우, 라이다는 하부 방향을 향하면서 회전하는 구조로, 하부 공간 전체에 대한 스캔 결과로 점군 데이터를 획득할 수 있고, 이렇게 획득된 점군 데이터를 처리하여, 인양물에 대한 점군 데이터와 여타 장애물에 대한 점군 데이터를 식별하여, 인양물로부터 장애물에 대한 거리 정보를 획득할 수 있다. 그리하여, 360도 전체 하부 공간에 대하여 인양물을 기준으로, 장애물들에 대한 거리 정보를 통해 위험도 정보를 제공할 수 있다.

한편, 라이다를 통해서는 특정 장애물이 작업자인지의 여부를 식별하기 어려우므로, 크레인의 상부에서 촬영되는 작업자에 대한 이미지 또는 영상에 대한 학습을 이용하여, 실제 촬영된 이미지 또는 영상으로부터 작업자를 정확하게 식별할 수 있고, 이를 통해 장애물들에 대한 군집화한 데이터에 작업자 정보를 추가하여 제공할 수 있다.

그리하여, 크레인을 작동시키는 작업자는 하부에 위치하는 장애물들 중에서 특히 작업자에 대한 정보를 별도로 구별하여 인식할 수 있으므로, 여타 장애물과 달리 작업자가 위험도가 높다고 판단되는 경우, 보다 주의를 기울여 작업 안전성을 높일 수 있다.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

10 : 센싱 시스템 100 : 크레인
200 : 센싱유닛 210 : 라이다
220 : 촬영부(카메라) 300 : 데이터 처리유닛
310 : 좌표 변환부 320 : 격자화부
330 : 거리 산출부 400 : 학습유닛
410 : 학습부 420 : 데이터 베이스
430 : 작업자 식별부 500 : 위험도 판별부
600 : 표시부

Claims (13)

1. 크레인의 상부에 고정되어 하부 방향의 정보를 획득하는 센싱유닛;
   상기 센싱유닛의 획득 정보를 바탕으로, 인양물의 높이를 고려하여 장애물 정보를 추출하는 데이터 처리유닛;
   상기 센싱유닛의 획득 정보를 바탕으로, 작업자를 식별하는 학습유닛; 및
   상기 장애물 정보 및 상기 작업자 식별 결과를 바탕으로, 인양물의 높이를 고려한 위험도를 판단하는 위험도 판단부를 포함하는 센싱 시스템.
2. 제1항에 있어서,
   상기 장애물 정보, 상기 작업자 식별 결과 및 상기 위험도 판단 결과를 동시에 표시하는 표시부를 더 포함하는 센싱 시스템.
3. 제2항에 있어서, 상기 표시부는,
   상기 크레인을 작동시키는 작업자에게 표시되는 것을 특징으로 하는 센싱 시스템.
4. 제1항에 있어서, 상기 센싱유닛은,
   상기 하부 방향의 이미지 또는 영상을 촬영하는 촬영부; 및
   상기 하부 방향을 향하면서 회전하여, 하부 공간 전체를 스캐닝하여 점군 데이터를 획득하는 라이다(Lidar)를 포함하는 것을 특징으로 하는 센싱 시스템.
5. 제4항에 있어서, 상기 데이터 처리유닛은,
   상기 라이다로부터 획득된 점군 데이터의 좌표를 동기화하는 좌표 변환부;
   상기 점군 데이터를 처리하여 인양물의 높이를 산출하고 격자화하는 격자화부; 및
   상기 격자화된 점군 데이터를 군집화하고, 인양물로부터 장애물까지의 거리를 산출하는 거리 산출부를 포함하는 것을 특징으로 하는 센싱 시스템.
6. 제5항에 있어서, 상기 거리 산출부는,
   상기 인양물의 높이와 동등한 높이의 장애물들에 대하여 상기 인양물로부터의 거리를 산출하는 것을 특징으로 하는 센싱 시스템.
7. 제4항에 있어서, 상기 학습유닛은,
   상기 크레인의 상부에서 촬영된 이미지 또는 영상을 저장하는 데이터베이스;
   상기 데이터베이스의 이미지 또는 영상으로부터 작업자를 식별하는 학습을 수행하는 학습부; 및
   상기 촬영부로부터 촬영된 이미지 또는 영상으로부터, 작업자를 식별하는 작업자 식별부를 포함하는 것을 특징으로 하는 센싱 시스템.
8. 제1항에 있어서, 상기 위험도 판단부는,
   상기 데이터 처리유닛으로부터 제공되는 인양물의 높이를 고려한 장애물 정보와, 상기 학습유닛으로부터 제공되는 작업자의 식별 결과를 바탕으로,
   상기 인양물의 높이와 동등한 높이에서, 상기 인양물과 가장 근접하게 위치하는 장애물 또는 작업자에 대하여 위험도가 가장 높은 것으로 판단하는 것을 특징으로 하는 센싱 시스템.
9. 크레인의 상부에 고정된 센싱유닛으로 하부 방향의 정보를 획득하는 단계;
   상기 센싱유닛의 획득 정보를 바탕으로, 인양물의 높이를 고려하여 장애물 정보를 추출하는 단계;
   상기 센싱유닛의 획득 정보를 바탕으로, 작업자를 식별하는 단계; 및
   상기 장애물 정보 및 상기 작업자 식별 결과를 바탕으로, 인양물의 높이를 고려한 위험도를 판단하는 단계를 포함하는 인양물 충돌 방지방법.
10. 제9항에 있어서, 상기 장애물 정보를 추출하는 단계는,
    상기 센싱유닛의 라이다로부터 획득된 점군 데이터의 좌표를 동기화하는 단계;
    상기 점군 데이터를 처리하여 인양물의 높이를 산출하고 격자화하는 단계; 및
    상기 격자화된 점군 데이터를 군집화하고, 인양물로부터 장애물까지의 거리를 산출하는 단계를 포함하는 것을 특징으로 하는 인양물 충돌 방지방법.
11. 제9항에 있어서, 상기 작업자를 식별하는 단계는,
    상기 크레인의 상부에서 촬영된 이미지 또는 영상을 저장하는 단계;
    상기 저장된 이미지 또는 영상으로부터 작업자를 식별하는 학습을 수행하는 단계; 및
    상기 센싱유닛의 촬영부로부터 촬영된 이미지 또는 영상으로부터, 작업자를 식별하는 단계를 포함하는 것을 특징으로 하는 인양물 충돌 방지방법.
12. 제9항에 있어서, 상기 위험도를 판단하는 단계에서,
    상기 인양물의 높이를 고려한 장애물 정보와, 상기 작업자의 식별 결과를 바탕으로,
    상기 인양물의 높이와 동등한 높이에서, 상기 인양물과 가장 근접하게 위치하는 장애물 또는 작업자에 대하여 위험도가 가장 높은 것으로 판단하는 것을 특징으로 하는 인양물 충돌 방지방법.
13. 제9항에 있어서,
    상기 장애물 정보, 상기 작업자 식별 결과 및 상기 위험도 판단 결과를 표시하는 단계를 더 포함하는 인양물 충돌 방지방법.

Images