아스팔트 도로표면의 균열은 자동차 속도, 연료 소비량, 도로주행 시 승차감, 도로표면의 내구성 등에 영향을 미친다. 이러한 도로의 균열은 장시간 방치 시 상당히 위험한 결과를 초래할 수 있다. 사람이 직접 균열을 찾아 내어 적절한 조치를 취하기에는 너무 많은 시간과 비용이 소모된다. 또한 고가의 레이저 장비 차량들을 활용하기에는 초기 비용과 장비 운용에 어려움을 가진다. 이에 본 연구에서는 UAV 영상을 이용해 컴퓨터 비전 기반의 관심영역(ROI: Region of Interest) 설정과 에지 검출알고리즘을 적용하여 도로표면의 균열탐지 방안을 제시하였다. 본 연구 결과는 무인항공기를 활용한 효율적인 도로표면 결함탐지 및 유지보수 방안으로 제시될 수 있다. 또한 도로 이외 건물빌딩의 외벽, 대규모 저장 탱크 등 다양한 건축, 토목 구조물에 발생된 균열 탐지에 활용이 가능하며 비용저감 효과를 기대할 수 있을 것이다.
아스팔트 도로표면의 균열은 자동차 속도, 연료 소비량, 도로주행 시 승차감, 도로표면의 내구성 등에 영향을 미친다. 이러한 도로의 균열은 장시간 방치 시 상당히 위험한 결과를 초래할 수 있다. 사람이 직접 균열을 찾아 내어 적절한 조치를 취하기에는 너무 많은 시간과 비용이 소모된다. 또한 고가의 레이저 장비 차량들을 활용하기에는 초기 비용과 장비 운용에 어려움을 가진다. 이에 본 연구에서는 UAV 영상을 이용해 컴퓨터 비전 기반의 관심영역(ROI: Region of Interest) 설정과 에지 검출 알고리즘을 적용하여 도로표면의 균열탐지 방안을 제시하였다. 본 연구 결과는 무인항공기를 활용한 효율적인 도로표면 결함탐지 및 유지보수 방안으로 제시될 수 있다. 또한 도로 이외 건물빌딩의 외벽, 대규모 저장 탱크 등 다양한 건축, 토목 구조물에 발생된 균열 탐지에 활용이 가능하며 비용저감 효과를 기대할 수 있을 것이다.
Cracks on the asphalt road surface can affect the speed of the car, the consumption of fuel, the ride quality of the road, and the durability of the road surface. Such cracks in roads can lead to very dangerous consequences for long periods of time. To prevent such risks, it is necessary to identify...
Cracks on the asphalt road surface can affect the speed of the car, the consumption of fuel, the ride quality of the road, and the durability of the road surface. Such cracks in roads can lead to very dangerous consequences for long periods of time. To prevent such risks, it is necessary to identify cracks and take appropriate action. It takes too much time and money to do it. Also, it is difficult to use expensive laser equipment vehicles for initial cost and equipment operation. In this paper, we propose an effective detection method of road surface defect using ROI (Region of Interest) setting and cany edge detection method using UAV image. The results of this study can be presented as efficient method for road surface flaw detection and maintenance using UAV. In addition, it can be used to detect cracks such as various buildings and civil engineering structures such as buildings, outer walls, large-scale storage tanks other than roads, and cost reduction effect can be expected.
Cracks on the asphalt road surface can affect the speed of the car, the consumption of fuel, the ride quality of the road, and the durability of the road surface. Such cracks in roads can lead to very dangerous consequences for long periods of time. To prevent such risks, it is necessary to identify cracks and take appropriate action. It takes too much time and money to do it. Also, it is difficult to use expensive laser equipment vehicles for initial cost and equipment operation. In this paper, we propose an effective detection method of road surface defect using ROI (Region of Interest) setting and cany edge detection method using UAV image. The results of this study can be presented as efficient method for road surface flaw detection and maintenance using UAV. In addition, it can be used to detect cracks such as various buildings and civil engineering structures such as buildings, outer walls, large-scale storage tanks other than roads, and cost reduction effect can be expected.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
UAV 영상에서 영상 처리의 연산 시간을 줄이면서 인식 성능도 높여 효율적으로 도로 표면의 결함을 추출을 위해서는 도로 경계의 확정과 영상 탐지 기법이 반드시 요구된다. 본 연구의 목적은 대용량의 UAV 영상을 이용해 도로의 관심영역(ROI) 설정과 에지 검출(Edge Detection)기법을 통한 효과적인 도로 표면의 결함 탐지 방안을 제시하는 것이다. 이를 위해 무인 항공기를 이용하여 인하대학교 본관 캠퍼스의 도로를 대상지역으로 도로 균열을 위한 영상을 촬영하였다.
본 장에서는 UAV 영상 센서를 활용한 도로 균열 검출 절차에 대해서 제시한다. 우선 영상 취득에 활용된 UAV 제원 구성에 대해 검토하고, 도로 균열 검출을 위한 ROI 식별 및 캐니 에지 탐지 방안에 대해 설명한다. 또한 검출된 에지의 유형에 따른 균열 식별 방안을 제시한다.
우선 영상 취득에 활용된 UAV 제원 구성에 대해 검토하고, 도로 균열 검출을 위한 ROI 식별 및 캐니 에지 탐지 방안에 대해 설명한다. 또한 검출된 에지의 유형에 따른 균열 식별 방안을 제시한다.
따라서 카메라의 설정 초기화와 ROI의 위치와 크기가 장비 운영 중에 잘못되는 경우를 방지하기 위해 도로면의 밝기 값 특성을 이용하여 후보 구역을 추출 할 수 있다. 즉, 본 연구에서는 입력 영상에서 도로 표면이 포함된 영역을 찾아 직사각형 형태의 관심영역을 적응적으로 결정하는 방법을 제안한다.
본 연구에서는 UAV 영상을 이용해 도로의 관심영역(ROI) 설정과 캐니에지 검출기법을 이용하여 효과적인 도로 표면의 결함 탐지 방안을 제시하였다. 이는 UAV 영상에서 영상 처리의 연산 시간을 줄이면서 인식 성능도 높여 효율적으로 도로 표면의 결함을 추출하기 위함이다.
제안 방법
이를 위해 무인 항공기를 이용하여 인하대학교 본관 캠퍼스의 도로를 대상지역으로 도로 균열을 위한 영상을 촬영하였다. 영상 탐지를 위해 UAV 영상을 이용해 도로면을 촬영하고 취득된 영상의 균열 등을 구분하기 위해 도로 영상 임계값 및 캐니 에지 추출기법을 적용하여 원 영상에서 균열 부분만을 추출하는 방법을 제안하였다.
영상에 첨가된 잡음을 제거하기 위해 평활화 작업을 수행한다. 평활화 처리를 위해 가우시안 필터를 사용하였으며, 가우시안의 필터의 가중치는 Eq.
또한 각 방향에 대한 기울기 값을 이용하여 각 방향에 대한 각도를 그룹화 시켜준다.
▪ Step 3. Sobel 연산자에 의해 처리된 영상에서 국부마스크 내의 에지 최대치를 비교하여 에지를 하나의 화소로 변환한다. 국부 마스크 내에 기울기 방향을 참조하여 2개의 이웃 화소와 현재 화소에 대한 에지 크기를 비교하고 가장 큰 화소만을 결정한다.
Sobel 연산자에 의해 처리된 영상에서 국부마스크 내의 에지 최대치를 비교하여 에지를 하나의 화소로 변환한다. 국부 마스크 내에 기울기 방향을 참조하여 2개의 이웃 화소와 현재 화소에 대한 에지 크기를 비교하고 가장 큰 화소만을 결정한다.
이러한 도로 균열의 유형은 포장된 아스팔트 파괴 정도 및 유지보수 우선순위 선정에 중요한 척도가 된다. 본 연구에서는 횡단 및 종단 균열을 하나로 묶어 선형 균열로 단일화하고 예외적인 형태의 균열을 면형 균열로 규정하여 추출하는 방식을 적용한다. 균열 유형은 3×3 크기 격자로 구성하고 격자 내에 균열이 존재하는 격자수와 형태를 고려한다.
아스팔트 도로면은 일관성을 가져 도로 표면의 모든 픽셀 대신하여 특징적인 화소 값을 이용하여 영상의 관심 영역을 설정할 수 있다. 또한 도로 균열 등을 구분하기 위해서는 영상에 임계값 및 캐니 에지 추출기법을 적용하여 원 영상의 ROI 상에 균열 부분만 추출하는 방법을 사용하였다. 본 연구에서는 도로상의 횡단, 및 종단 균열을 선형 균열로 단일화하고 불규칙 형태의 망상 균열을 면형 균열로 정의하여 추출하였다.
도로면 평균 밝기 값의 계산은 취득된 영상 중앙 부분의 R,G,B 밴드 각각의 밝기 값의 평균을 계산하였으며, 영상 중앙 100×100 픽셀 범위의 영역에서 계산을 수행하였다.
아스팔트 도로면은 어두운 회색 계열로 하나의 영상에서 밝기 값의 편차가 심하게 나타나지는 않는다. 그리고 추출을 위한 영상에서 도로면은 영상의 중앙에 위치하기 때문에 도로 중앙의 색상정보를 기준으로 도로면을 확정하였다. 실험을 위한 도로면 밝기의 초기 값은 RGB 밴드 각각 140으로 설정하였다.
아스팔트 도로 표면은 확대해서 볼 경우 여러 밝기 값으로 표현이 되어 있으므로 UAV에서 취득된 고해상도 영상을 그대로 사용하여 추출할 경우 이러한 밝기 값 차이들이 노이즈로 작동하여 균열로 인식 될 우려가 있다. 본 연구에서는 영상 탐색 영역의 크기를 축소하기 위해 도로면 밝기 값의 변화를 최소화하여 노이즈를 제거하였다. 실험 영상의 경우 4,608x2,562 크기의 영상이므로 이를1/2 크기로 축소하여 2304x1281 크기의 영상으로 제작하여 처리를 수행하였다.
이는 올바른 도로면 추출에 장애가 될 우려가 있으므로 3×3 중간 값 필터(Median Filter)를 적용하여 노이즈를 제거하여 도로면 추출하였다.
본 연구에서는 도로면 후보 구역에서 밝기 값이 급격하게 변하는 경계 지역을 대상으로 캐니 에지 탐지 방법을 사용하였다.
경계의 선형 정보를 파악하는 조건으로 균열은 연결되어있는 선형 정보라는 특징을 이용하였다. 영상에서 한 점이 경계로 판단되었을 때 주변에 존재하는 경계의 개수를 세어 일정 수 이상일 때 균열로 판단하였다. 이때 주변 탐색 범위는 10x10 픽셀로 제한하였으며, 10x10 픽셀의 영역 내에 경계의 개수가 10픽셀 이하, 즉 10% 이하로 존재할 경우 이 영역은 균열에서 제외하였다.
도로상의 균열들은 횡단균열, 종단균열, 예외적인 형태의 균열 등으로 구별할 수 있다. 본 연구에서는 횡단, 및 종단 균열을 하나로 묶어 선형 균열로 단일화하고 불규칙한 형태의 망상 균열을 면형 균열로 정의하여 추출하였다. 균열 유형을 식별하기 위한 방법으로 추출된 캐니 에지 영상에 격자망을 구성하였다.
본 연구에서는 횡단, 및 종단 균열을 하나로 묶어 선형 균열로 단일화하고 불규칙한 형태의 망상 균열을 면형 균열로 정의하여 추출하였다. 균열 유형을 식별하기 위한 방법으로 추출된 캐니 에지 영상에 격자망을 구성하였다. 격자망은 30cm 간격으로 구성하고 격자 간의 연결성을 활용하여 균열을 유형화하였다.
균열 유형을 식별하기 위한 방법으로 추출된 캐니 에지 영상에 격자망을 구성하였다. 격자망은 30cm 간격으로 구성하고 격자 간의 연결성을 활용하여 균열을 유형화하였다. 2.
도로 균열 탐지의 정확도를 검증하기 위해 각각의 영상의 균열 존재 여부 및 균열의 종류에 대한 성능 지표를 측정하였다. 검출은 UAV 영상에서 성공적으로 탐지된 균열 영상의 개수를 나타낸다.
또한 도로 균열 등을 구분하기 위해서는 영상에 임계값 및 캐니 에지 추출기법을 적용하여 원 영상의 ROI 상에 균열 부분만 추출하는 방법을 사용하였다. 본 연구에서는 도로상의 횡단, 및 종단 균열을 선형 균열로 단일화하고 불규칙 형태의 망상 균열을 면형 균열로 정의하여 추출하였다. 도로 균열 탐지의 정확도를 검증하기 위해 캐니 에지의 임계값 변화 따른 정확도 성능지표(검출, 미검출 및 오검출 등)의 변화를 측정하였다.
본 연구에서는 도로상의 횡단, 및 종단 균열을 선형 균열로 단일화하고 불규칙 형태의 망상 균열을 면형 균열로 정의하여 추출하였다. 도로 균열 탐지의 정확도를 검증하기 위해 캐니 에지의 임계값 변화 따른 정확도 성능지표(검출, 미검출 및 오검출 등)의 변화를 측정하였다. 임계값을 250으로 지정했을 때 90% 이상의 탐지 정확도를 확인 할 수 있었다.
대상 데이터
본 연구의 목적은 대용량의 UAV 영상을 이용해 도로의 관심영역(ROI) 설정과 에지 검출(Edge Detection)기법을 통한 효과적인 도로 표면의 결함 탐지 방안을 제시하는 것이다. 이를 위해 무인 항공기를 이용하여 인하대학교 본관 캠퍼스의 도로를 대상지역으로 도로 균열을 위한 영상을 촬영하였다. 영상 탐지를 위해 UAV 영상을 이용해 도로면을 촬영하고 취득된 영상의 균열 등을 구분하기 위해 도로 영상 임계값 및 캐니 에지 추출기법을 적용하여 원 영상에서 균열 부분만을 추출하는 방법을 제안하였다.
비행 운영 도중 기체 결함으로 인한 사고 예방은 물론 보다 고화질의 영상 및 촬영 위치 데이터를 취득과 비행운용 능력을 확보하기 위해서는 비행 기체의 안정성과 경량화는 제일 우선으로 고려되는 사안이다. 본 연구에서 사용한 UAV의 프레임은 DJI사의 S900모델이며 6개 프로펠러와 비행 시 접을 수 있는 랜딩기어를 포함한다. 하나의 프로펠러 추력은 최대 2.
5kg이며 최대 15kg의 기체를 제작하여 운용할 수 있다.컨트롤러는 제품 간 연결의 편의성을 고려하여 동일 사 제품인 DJI의 A2 컨트롤러와 iSODⅡ영상송수신장치를 채택하였다. 조정기는 기체 조작용과 카메라 조작용 두 대가 필요하며 Futaba T14SG로 선택하였으며 카메라는 1600만 화소 화질의Panasonic사의 GH4로 결정하였다(Table 1).
컨트롤러는 제품 간 연결의 편의성을 고려하여 동일 사 제품인 DJI의 A2 컨트롤러와 iSODⅡ영상송수신장치를 채택하였다. 조정기는 기체 조작용과 카메라 조작용 두 대가 필요하며 Futaba T14SG로 선택하였으며 카메라는 1600만 화소 화질의Panasonic사의 GH4로 결정하였다(Table 1).
실험을 위해 인하대학교 내부의 도로 영상을 취득하여 총 470개의 영상을 취득하였다.
실험 영상의 경우 4,608x2,562 크기의 영상이므로 이를1/2 크기로 축소하여 2304x1281 크기의 영상으로 제작하여 처리를 수행하였다.
성능/효과
마찬가지로 임계값이 높아질수록 에지의 추출이 감소되어 미검출 수는 늘어나지만 그만큼 오검출 수도 함께 줄어드는 것을 확인할 수 있다. 캐니 에지의 임계값을 변화시켜가며 정확도 분석을 해 본 결과 임계값을 250으로 지정했을 때 탐지 정확도 90.85%, 미검출율 4.68%, 오검출율 4.47%로 가장 좋은 탐지 결과를 나타내었다.
미검출된 결과의 대부분은 영상 내에 균열이 뚜렷하게 나타나지 않은 지역으로 에지 추출이 되지 않아 발생한 현상으로 분석되었다. 오검출의 원인으로는 Fig.
9와 같이 도로상에 존재하는 시설물(배수구)의 경계를 균열로 인식한 오류와 도로면과 유사한 밝기 값을 가지는 차량의 경계면을 균열로 인식하는 오류가 대부분이었다. 그 외 포장 상태가 변하는 지역의 경계를 균열로 인식하거나, 나무 잎사귀 등에서 발생된 에지들이 필터링 되지 않고 남아 있어 균열로 인식되는 오류를 확인할 수 있었다.
도로 균열 탐지의 정확도를 검증하기 위해 캐니 에지의 임계값 변화 따른 정확도 성능지표(검출, 미검출 및 오검출 등)의 변화를 측정하였다. 임계값을 250으로 지정했을 때 90% 이상의 탐지 정확도를 확인 할 수 있었다. 본 연구 결과는 무인항공기를 활용하여 효율적인 도로 표면 결함 탐지 및 유지보수 방안으로 제시될 수 있다.
후속연구
임계값을 250으로 지정했을 때 90% 이상의 탐지 정확도를 확인 할 수 있었다. 본 연구 결과는 무인항공기를 활용하여 효율적인 도로 표면 결함 탐지 및 유지보수 방안으로 제시될 수 있다. 또한 도로 이외 건물 빌딩 외벽 대규모 저장 탱크 등 다양한 건축, 토목 구조물 등 발생된 균열 탐지에 활용이 가능하며 비용 저감 효과를 기대할 수 있을 것이다.
본 연구 결과는 무인항공기를 활용하여 효율적인 도로 표면 결함 탐지 및 유지보수 방안으로 제시될 수 있다. 또한 도로 이외 건물 빌딩 외벽 대규모 저장 탱크 등 다양한 건축, 토목 구조물 등 발생된 균열 탐지에 활용이 가능하며 비용 저감 효과를 기대할 수 있을 것이다. 본 연구에서 UAV 운용 시 현행 제도상의 제약으로 인해 다양한 도로의 상황에 적용하지 못한 한계를 가지고 있다.
또한 도로 이외 건물 빌딩 외벽 대규모 저장 탱크 등 다양한 건축, 토목 구조물 등 발생된 균열 탐지에 활용이 가능하며 비용 저감 효과를 기대할 수 있을 것이다. 본 연구에서 UAV 운용 시 현행 제도상의 제약으로 인해 다양한 도로의 상황에 적용하지 못한 한계를 가지고 있다. 향후, 도로 관심영역 설정 시 RGB 절댓값의 영향을 주는 촬영 날씨와 시간에 따른 정확도 분석이 필요할 것이다.
본 연구에서 UAV 운용 시 현행 제도상의 제약으로 인해 다양한 도로의 상황에 적용하지 못한 한계를 가지고 있다. 향후, 도로 관심영역 설정 시 RGB 절댓값의 영향을 주는 촬영 날씨와 시간에 따른 정확도 분석이 필요할 것이다. 또한 도로 표면 다양성(포장 종류, 도로 등급, 차선, 표지, 장애물 등 동적 상황)의 고려하여 제시된 방법론의 추가적인 적용과 검증이 필요할 것이다.
향후, 도로 관심영역 설정 시 RGB 절댓값의 영향을 주는 촬영 날씨와 시간에 따른 정확도 분석이 필요할 것이다. 또한 도로 표면 다양성(포장 종류, 도로 등급, 차선, 표지, 장애물 등 동적 상황)의 고려하여 제시된 방법론의 추가적인 적용과 검증이 필요할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
도로상의 균열은 무엇으로 구별되는가?
일반적으로 도로상의 균열들은 횡단균열, 종단균열, 예외적인 형태(망상) 균열 등으로 구별된다. UAV에서 촬영된 영상은 도로 노면뿐만 아니라 차량, 나무, 잔디 및 도로 시설물 등 지형지물도 함께 촬영되어 도로 노면상의 균열만을 식별하기 어렵다.
포장 아스팔트의 균열로 인한 파괴 양상은 어떻게 진행되는가?
도로상의 균열들은 횡단균열, 종단균열, 예외적인 형태의 균열 등으로 구별할 수 있다. 포장 아스팔트의 경우 최초 작고 미세한 균열에서 그 선형이 폭이 점차 증가하게 되며, 균열부로부터 새로운 균열이 전파되어 불규칙 망상 균열의 형태로 노면이 파괴된다. 이러한 도로 균열의 유형은 포장된 아스팔트 파괴 정도 및 유지보수 우선순위 선정에 중요한 척도가 된다.
UAV 영상에서 노면 균열을 추출하기 위해서 도로 경계의 확정이 필요한 이유는?
일반적으로 도로상의 균열들은 횡단균열, 종단균열, 예외적인 형태(망상) 균열 등으로 구별된다. UAV에서 촬영된 영상은 도로 노면뿐만 아니라 차량, 나무, 잔디 및 도로 시설물 등 지형지물도 함께 촬영되어 도로 노면상의 균열만을 식별하기 어렵다. 따라서 UAV 영상에서 노면 균열을 추출하기 위해서는 도로 경계의 확정이 반드시 필요하다.
참고문헌 (10)
Abdulhakam, A. (2008), Real time lane detection for autonomous vehicles, Proceedings of the International Conference on Computer and Communication Engineering, 13-15 May, Kuala Lumpur, Malaysia, pp. 82-88.
Cheng, H., (2006), Lane detection with moving vehicles in the traffic scenes, Journal of the IEEE Transactions on Intelligent Transportation Systems, Vol. 7, No. 4. pp. 571-582.
Hahm, C., Joo, Y., and Won, S. (2013), A study on automatic survey of road information for PMS maintenance, Proceedings of the 2013 Spring Conference of the Korean Society of Surveying Geodesy, Photogrammetry and Cartography, pp. 222-223.
Jang, H. (2012), The more environmentally robust edge detection of moving objects using improved Canny edge detector and Freeman chain code, The Journal of The Korean Institute of Communication Sciences, Vol. 37, No. 2, pp. 37-42. (in Korean with English abstract)
Jeong, P. and Nedevschi, S. (2005), Efficient and robust classification method using combined feature vector for lane detection, Journal of the IEEE Transactions on Circuits And Systems for Video Technology, Vol. 15, No. 4. pp. 528-537.
Joel, C. and Mohan, M. (2006), Video based lane estimation and tracking for driver assistance survey, system, and evaluation, Journal of the IEEE Transactions on Intelligent Transportation Systems, Vol. 7, No. 1, pp. 20-37.
Joo, Y. and Hahm, C. (2013), A study on automatic detection of speed bump by using mathematical morphology image filters while driving, Journal of the Korean Society for Geospatial Information System, Vol. 21, No. 3, pp. 55-62. (in Korean with English abstract)
Kang, H., Baek, J., Han, B., and Chung, Y. (2017), Realtime side-rear vehicle detection algorithm for blind spot warning systems, Journal of the KIISE Transactions on Computing Practices, Vol. 23, No. 7, pp. 408-416. (in Korean with English abstract)
Lee, C. and Jung, D. (2014), An adaptive road ROI determination algorithm for lane detection, Journal of the Institute of Electronics and Information Engineers, Vol. 51, No. 1, pp. 116-125. (in Korean with English abstract)
Lin, Q., Han, Y., and Han, H. (2010) Real-time lane departure detection based on extended edge-linking algorithm, Second IEEE International Conference Computer Research and Development, pp. 725-730.
이 논문을 인용한 문헌
활용도 분석정보
상세보기
다운로드
내보내기
활용도 Top5 논문
해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다. 더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.