표면 영상 유속계(SIV, Surface Image Velocimetry)는 영상 처리 기술을 이용하여 수표면의 유속을 측정하는 장비이다. 유속 측정의 정밀도를 높이기 위해서는 화질이 좋고, 왜곡이 적은 영상을 획득하는 것이 매우 중요하다. 트럭에 장착된 기중기를 이용하는 차량탑재형 표면 영상 유속계는 왜곡이 적은 영상을 얻는 좋은 방법이 될 수 있다. 이 때, 기중기의 흔들림 때문에 획득된 영상이 흔들리는 문제가 발생하며, 영상의 흔들림을 보정하여 유속을 측정할 수 있는 영상 처리알고리듬이 필요하게 된다. 본 연구에서는 영상 분석 기법과 좌표 변환 기법, 유속 산정 기법 등을 조합하여 흔들리는 영상에서 표면 유속을 측정하는 기법을 개발하였다. 즉, 비디오 카메라로 촬영된 연속 영상에서 고정점들의 움직임을 추적하여 카메라의 위치 변동을 파악한다. 영상 분석에서 구한 격자점의 속도에서 고정점의 속도를 빼서, 격자점의 유속장을 산정하였다. 개발된 기법의 검증을 위해서 실험 수로에서 동일한 흐름에 대해 흔들리지 않은 영상과 흔들리는 영상의 두 가지 영상을 만들고, 흔들림이 없는 영상의 처리 결과를 기준으로 삼아, 흔들림이 있는 영상의 처리 결과를 검토하였다. 그 결과, 흔들림이 지나치게 커서 참조점들의 추적이 불가능한 경우를 제외하고는 두 자료의 처리 결과는 거의 동일하였으며, 유속 측정의 오차는 약 6 % 내외로 나타났다.
표면 영상 유속계(SIV, Surface Image Velocimetry)는 영상 처리 기술을 이용하여 수표면의 유속을 측정하는 장비이다. 유속 측정의 정밀도를 높이기 위해서는 화질이 좋고, 왜곡이 적은 영상을 획득하는 것이 매우 중요하다. 트럭에 장착된 기중기를 이용하는 차량탑재형 표면 영상 유속계는 왜곡이 적은 영상을 얻는 좋은 방법이 될 수 있다. 이 때, 기중기의 흔들림 때문에 획득된 영상이 흔들리는 문제가 발생하며, 영상의 흔들림을 보정하여 유속을 측정할 수 있는 영상 처리 알고리듬이 필요하게 된다. 본 연구에서는 영상 분석 기법과 좌표 변환 기법, 유속 산정 기법 등을 조합하여 흔들리는 영상에서 표면 유속을 측정하는 기법을 개발하였다. 즉, 비디오 카메라로 촬영된 연속 영상에서 고정점들의 움직임을 추적하여 카메라의 위치 변동을 파악한다. 영상 분석에서 구한 격자점의 속도에서 고정점의 속도를 빼서, 격자점의 유속장을 산정하였다. 개발된 기법의 검증을 위해서 실험 수로에서 동일한 흐름에 대해 흔들리지 않은 영상과 흔들리는 영상의 두 가지 영상을 만들고, 흔들림이 없는 영상의 처리 결과를 기준으로 삼아, 흔들림이 있는 영상의 처리 결과를 검토하였다. 그 결과, 흔들림이 지나치게 커서 참조점들의 추적이 불가능한 경우를 제외하고는 두 자료의 처리 결과는 거의 동일하였으며, 유속 측정의 오차는 약 6 % 내외로 나타났다.
Surface Image Velocimetry (SIV) is an instrument to measure water surface velocity by using image processing techniques. To improve its measuring accuracy, it is essential to get high quality images with low skewness. A truck-mounted SIV system would be a good way to get images, since its crane give...
Surface Image Velocimetry (SIV) is an instrument to measure water surface velocity by using image processing techniques. To improve its measuring accuracy, it is essential to get high quality images with low skewness. A truck-mounted SIV system would be a good way to get images, since its crane gives high altitude to the images. However, the images taken with a truck-mounted SIV would be swayed due to the movement of crane and the camera by winds. In that case, to analyze the images, it is necessary to compensate the side sway in the images. The present study is to develop an algorithm to analyze the swayed images by combining common image processing techniques and coordinate transform techniques. The system follows the traces of some selected fixed points and calculates the displacements of the video camera. By subtracting the average velocity of the fixed points from that of grid points, the velocity fields of the flow can be corrected. To evaluate the system's performance, two image sets were used, one image set without side sway and another set with side sway. The comparison of their results showed very close with the error of around 6 %.
Surface Image Velocimetry (SIV) is an instrument to measure water surface velocity by using image processing techniques. To improve its measuring accuracy, it is essential to get high quality images with low skewness. A truck-mounted SIV system would be a good way to get images, since its crane gives high altitude to the images. However, the images taken with a truck-mounted SIV would be swayed due to the movement of crane and the camera by winds. In that case, to analyze the images, it is necessary to compensate the side sway in the images. The present study is to develop an algorithm to analyze the swayed images by combining common image processing techniques and coordinate transform techniques. The system follows the traces of some selected fixed points and calculates the displacements of the video camera. By subtracting the average velocity of the fixed points from that of grid points, the velocity fields of the flow can be corrected. To evaluate the system's performance, two image sets were used, one image set without side sway and another set with side sway. The comparison of their results showed very close with the error of around 6 %.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 IIHR의 MLSPIV과 같은 하드웨어 시스템을 상정하고, 이 시스템에서 사용가능한 표면 영상 유속계 분석 프로그램을 개선하고자 하는 것이다. 이 루틴은 장차 국내에서 이와 비슷한 시스템을 개발할 때 적용하기 위한 것이다.
제안 방법
1) 흔들림이 있는 카메라에 의해 획득한 영상을 표면 영상 유속계로 분석하기 위해 흔들림 보정 기법을 개발하였다. 이것은 고정점들을 영상 분석 기법으로 추적하여 카메라의 흔들림을 파악하고, 분석된 유속값을 고정점의 변위로 보정하였다.
이 분석 과정에서는 영상을 직접 좌표 변환하지 않고 변환 계수만 산정하였다. 그리고, 먼저 영상 분석을 하여 각 격자점에서의 변위를 구한 뒤에 좌표 변환 계수를 이용하여 격자점과 고정점의 속도를 분석하였다. 다음에 격자점의 속도에서 고정점의 속도를 빼서, 실제 격자점의 유속을 산정하도록 하였다.
이것은 고정점들을 영상 분석 기법으로 추적하여 카메라의 흔들림을 파악하고, 분석된 유속값을 고정점의 변위로 보정하였다. 또한, 연속적인 분석을 위하여 격자점을 고정점 변위만큼 이동시키도록 하였다.
이 방법도 위의 좌표 변환후 영상 분석법과 마찬가지로 유체 추적자의 프레임간의 실제 변위가 지나치게 작거나 크면 문제에 봉착할 수 있다. 본 연구에서는 두 번째 방법인 영상 분석후 좌표를 변환하는 방법을 선택하였다. 이 방법이 좌표 변환 후 영상 분석법보다 프로그램의 작성이나 응용이 간편하기 때문이다.
이 방법은 원래 영상의 변환을 위해 개발되었으나, 영상 전체가 아닌 영상 내의 몇 개의 점에 적용하는 것도 문제가 없다. 본 연구에서는 영상을 직접 변환시키지 않고 좌표 변환의 변환 계수만을 산정하였다. 이 변환 계수를 이용하여 격자점과 고정점 만을 좌표 변환한 뒤 여기에서 유속과 카메라의 흔들림 속도를 분석하도록 하였다.
첫째 방법은 두 번째 영상을 첫 번째 영상과 같은 좌표로 변환한 뒤 분석하는 방법이다. 이 방법은 먼저 가장 기본이 될 수 있는 영상을 첫째 영상으로 선정하고, 둘째 영상에서 기준점에 대한 PIV 분석을 수행하여 기준점들의 변위를 측정한다. 그 다음 SIV의 좌표 변환 방법을 사용하여 두 영상을 공통의 물리 공간 좌표로 변환시키면 된다.
본 연구에서는 영상을 직접 변환시키지 않고 좌표 변환의 변환 계수만을 산정하였다. 이 변환 계수를 이용하여 격자점과 고정점 만을 좌표 변환한 뒤 여기에서 유속과 카메라의 흔들림 속도를 분석하도록 하였다. 다시 말하자면, 격자점과 고정점에 대한 좌표 변환을 실시하면, 이들의 이동 변위를 산정할 수 있다.
5에서 회색으로 처리된 부분이 기존의 SIV의 분석 과정에 새로 추가된 부분이다. 이 분석 과정에서는 영상을 직접 좌표 변환하지 않고 변환 계수만 산정하였다. 그리고, 먼저 영상 분석을 하여 각 격자점에서의 변위를 구한 뒤에 좌표 변환 계수를 이용하여 격자점과 고정점의 속도를 분석하였다.
첫째 자료는 카메라를 완전히 고정하고 흔들림이 없게 하였으며(WO), 둘째 자료는 인위적으로 카메라를 작은 폭으로 진동시키면서(WS) 촬영하였다. 두 자료 모두 30초(900 프레임) 동안의 자료를 이용하였으며, 흔들리는 영상에서는 참조가 되는 고정점이 영상에서 벗어나지 않는 부분만 이용하였다.
대상 데이터
개발된 두 방법을 비교하기 위해, 모형 교각의 실험수로(Fig. 6)에서 비디오 카메라를 연직으로 하여 촬영된 영상을 이용하였다. 실험 수로의 폭은 1.
첫째 자료는 카메라를 완전히 고정하고 흔들림이 없게 하였으며(WO), 둘째 자료는 인위적으로 카메라를 작은 폭으로 진동시키면서(WS) 촬영하였다. 두 자료 모두 30초(900 프레임) 동안의 자료를 이용하였으며, 흔들리는 영상에서는 참조가 되는 고정점이 영상에서 벗어나지 않는 부분만 이용하였다. 영상 분석에서 각각의 상관 영역의 크기는 16×16 픽셀로 하였으며, 격자의 수는 18×17로 하였다.
6)에서 비디오 카메라를 연직으로 하여 촬영된 영상을 이용하였다. 실험 수로의 폭은 1.2 m, 수로 중앙에 설치된 모형은 아크릴로 제작된 지름이 0.07 m의 모형 교각이다. 수로 중앙에 2.
성능/효과
2) 개발된 방법을 모형 교각 주위의 흐름에 대한 실험 영상에 적용한 결과, 약간의 오차가 발생하였으나, 실용상으로는 거의 문제가 없는 것으로 사료된다. 이 오차는 흔들림 때문에 생기는 영상의 열화 때문인 것으로 보인다.
전체 306개의 격자점 중 ±10% 이상 오차가 나는 격자점은 2개, ±5∼10%의 오차가 발생한 격자점은 16개로 나타나, ±5% 이상의 오차가 나는 경우는 전체의 5.9 % 정도였다.
후속연구
이와 같은 영상 분석을 통하여 한 쌍의 영상에서 격자점의 변위를 측정할 수 있다. 이들 격자점들은 추후의 좌표 변환과 흔들림 보정을 거쳐서 표면 유속 분포를 산정하는 데 이용될 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
최근에 표면 영상 유속계를 이용하여 표면 유속을 측정하고 여기서 유량을 측정하려는 연구가 국내외적으로 많이 진행되는 이유는 무엇인가?
하천에서 유속을 측정하는 일은 상당히 많은 인력과 경비가 소요되며, 각종 사고의 위험을 안고 있는 작업이다. 따라서 최근에는 표면 영상 유속계(SIV, Surface Image Velocimetry)를 이용하여 표면 유속을 측정하고 여기서 유량을 추정하려는 연구가 국내외적으로 많이 진행 중이다(Fujita and Komura, 1994; 노영신, 2005; Kim, et al.
노영신에 따르면 SIV에 의한 실험실 검증 결과 표면 유속 측정시 최대 오차는 어느정도인가?
노영신(2005)에 따르면 SIV에 의한 실험실 검증 결과는 표면 유속 측정시 최대 오차가 약 7 % 정도이고, 현장 적용시 유량 환산 오차는 약 10 % 정도인 것으로 나타났다. SIV의 사용에 필요한 노력을 고려한다면, 이 정도의 오차는 매우 획기적인 일이라 할 수 있다.
표면 영상 유속계를 이용하여 표면 유속을 측정하는 것은 어떤 이점이 있는가?
, 2006; 김서준 등, 2007). 표면 유속 측정은 매우 경제적이며, 단시간에 유속 측정을 할 수 있으므로, 홍수와 같이 수위나 유속이 급격히 변하는 상황에서도 원하는 간격으로 유속을 측정할 수 있다.
참고문헌 (6)
김서준, 윤병만, 류권규, 주용우 (2007). “LSPIV기법을 이용한 탄천(대곡교) 유량측정.” 한국수자원학회 학술발표대회 개요집, p. 205
김서준 (2008). 표면 영상 유속계를 이용한 유량측정기법의 정확도 분석, 명지대학교 석사학위논문
노영신 (2005). 영상해석 기술을 이용한 하천 유량측정 기법 개발, 명지대학교 박사학위논문
Fujita, I. Aya, S., and Deguchi, T. (1997). "Surface velocimetry measurement of river flow using video images of an oblique angle." Proc. XXVII IAHR Conference, Thema B, Vol.1, San Francisco, CA., pp. 227-232
Kim, Y. S., Muste, M., Kruger, A., Krajewski, W., Bradley, A., and Weber, L. (2005). "Real-time stream monitoring using mobile large-scale particle image velocimetry." Proc. of XXXI IAHR Congress, Sep. 11-16, Seoul
Yu, K. (2004). Particle tracking of suspendedsediment velocities in open-channel flow. Ph.D thesis, Univ. of Iowa, Iowa city, IOWA
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.