선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러나 현재 각 기관에서 제시하는 LoD의 기준이나 정의가 각기 상이하다. 따라서 본 연구에서는 역설계시 다양한 활용 목적에 따른 적정한 3D 모델링 수준을 정의해보고 이를 실제 모델링 사례에 적용함으로써 그 효용성을 검증하는 것을 목적으로 한다.
- 따라서 본 연구는 이를 해결하기 위한 구체적인 역설계 모델링 LoD 기준이 필요하다고 보고 역설계를 통한 BIM과 As-Built 도면 산출 시 활용 목적에 따른 3D 모델링 수준의 기준을 정의하고자 한다. 또한 역설계 진행 시 3D 모델의 LoD를 판단할 수 있도록 활용 목적에 따른 역설계 모델링 가이드를 제시하는 것을 본 연구의 목적으로 한다.
- 따라서 본 연구는 이를 해결하기 위한 구체적인 역설계 모델링 LoD 기준이 필요하다고 보고 역설계를 통한 BIM과 As-Built 도면 산출 시 활용 목적에 따른 3D 모델링 수준의 기준을 정의하고자 한다. 또한 역설계 진행 시 3D 모델의 LoD를 판단할 수 있도록 활용 목적에 따른 역설계 모델링 가이드를 제시하는 것을 본 연구의 목적으로 한다.
- 3”(조달청, 2015)에서는 BIM 설계업무를 BIL(Building Information Level)로 구분하고 있으며 Table 3과 같이 제시하고 있다. 이는 조달청 시설사업의 계획설계 단계, 중간설계 단계 및 실시설계 단계에 BIM 기술을 적용하기 위한 최소의 요건을 정의하고, BIM 데이터를 시공 및 유지관리 단계에도 사용할 수 있도록 BIM 업무에 대한 기준을 제공하기 위한 목적으로 작성되었다.
- 본 연구는 역설계에서의 LoD 별 3D 모델링 형태를 분석하기 위해 건축물을 대상으로 Table 7과 같이 실질적인 역설계 모형을 구축하여 산출된 역설계 모델링 LoD를 검증하였다. 역설계 3D 모델링을 위한 건축물의 기초데이터를 취득하는 방법으로 사진측량, 토탈스테이션 측량, LiDAR 등이 주로 이용되고 있다.
- 본 연구에서는 역설계에 As-Built 도면의 3D 모델링 표현 수준을 결정하기 위해 관련 연구 고찰을 통하여 역설계 LoD 기준을 설정하고 이를 기반으로 3D 모델링 검증 실험을 건축물에 대하여 적용해 보았다. LoD 1은 단순 모델링으로 3D 작업시간이 빠르고 개략 형상에 적합한 모델링 작업이다.
제안 방법
- 본 연구의 범위 및 방법은 다음과 같다. 첫째, 역설계의 선행 연구사례를 분석하여 역설계 기술을 통한 As-Built 도면 및 3D모델링의 산출 프로세스를 정의하고 3D 모델링에 LoD를 적용한 기존 사례를 검토한다. 둘째, 역설계의 LoD 기준이 되는 항목을 정의하고 그에 맞는 데이터 값을 도출한다.
- 첫째, 역설계의 선행 연구사례를 분석하여 역설계 기술을 통한 As-Built 도면 및 3D모델링의 산출 프로세스를 정의하고 3D 모델링에 LoD를 적용한 기존 사례를 검토한다. 둘째, 역설계의 LoD 기준이 되는 항목을 정의하고 그에 맞는 데이터 값을 도출한다. 셋째, 역설계 LoD별 수준을 분석하여 역설계 활용에 따른 분야를 구분한다.
- 둘째, 역설계의 LoD 기준이 되는 항목을 정의하고 그에 맞는 데이터 값을 도출한다. 셋째, 역설계 LoD별 수준을 분석하여 역설계 활용에 따른 분야를 구분한다. 넷째, 실증분석을 위해 역설계 프로세스에 맞게 지상 LiDAR로 건물에 대한 레이져 스캐닝을 실시하고 이를 기반으로 3D 모델링을 진행한다.
- 셋째, 역설계 LoD별 수준을 분석하여 역설계 활용에 따른 분야를 구분한다. 넷째, 실증분석을 위해 역설계 프로세스에 맞게 지상 LiDAR로 건물에 대한 레이져 스캐닝을 실시하고 이를 기반으로 3D 모델링을 진행한다. 3D 모델링은 LoD별로 모델링을 진행하고 각 LoD별 모델에 대한 특징을 분석한다.
- 넷째, 실증분석을 위해 역설계 프로세스에 맞게 지상 LiDAR로 건물에 대한 레이져 스캐닝을 실시하고 이를 기반으로 3D 모델링을 진행한다. 3D 모델링은 LoD별로 모델링을 진행하고 각 LoD별 모델에 대한 특징을 분석한다. 다섯째, 역설계 LoD별 활용기준을 제시하여 활용 목적에 따른 3D 모델링 수준을 판단할 수 있는 가이드를 제시하고자 한다.
- 3D 모델링은 LoD별로 모델링을 진행하고 각 LoD별 모델에 대한 특징을 분석한다. 다섯째, 역설계 LoD별 활용기준을 제시하여 활용 목적에 따른 3D 모델링 수준을 판단할 수 있는 가이드를 제시하고자 한다. Figure 1은 본 연구의 연구 흐름도를 나타낸다.
- 우선 Randall(2011)은 역설계를 위한 기초데이터를 취득하기 위해 레이져 스캐닝으로 포인트 클라우드 데이터를 취득하는데 있어서 활용 분야를 4가지 분야로 구분하고 그에 맞는 포인트 클라우드 데이터의 정확도와 타겟까지의 거리, 정밀도로 구분하여 Table 6과 같이 제시하였다. 또한 도시계획과 같이 낮은 정확도와 정밀도를 필요로 하는 분야에서부터 구조물 시공과 같이 높은 정확도와 정밀도를 필요로 하는 분야까지 각 활용분야별로 취득해야 될 데이터 요소를 구분하였다.
- 본 연구에서도 Randall(2011)이 구분한 활용도 측면을 이용하여 역설계 모델링 적용 시 LoD를 각 활용도에 따라 분류하였다. 그리고 각 활용도별로 분류된 LoD 기준에 축척 개념을 도입하여 모델링 수준을 개념화 하였다. LoD 1, 2 는 빠른 도시 규모 모델링으로 LoD 1은 개략적인 지형/건물을 확인할 수 있는 도시계획이나 지도 작성 분야로 구분하였다.
- LoD 3은 1:1000~1:500으로 구분할 수 있으며 LoD 4는 축척 1:500 ~ 1:100 수준으로 구분할 수 있다. LoD 5는 건설 현장을 모니터링할 수 있는 수준으로 구분하였으며, LoD 6은 구조해석과 안전점검을 위한 상세한 모델링 수준으로 구분하여 분류하였다. 이는 LoD 5를 축척 1:100 ~ 1:50 수준으로 LoD 6은 1:50이하로 구분할 수 있다.
- 일반화는 평면과 높이 차원에서 형상의 일반화, 객체의 간결화를 의미하는 것으로서 실제로 표현해야 하는 부분을 단순화시켜 표현하는 것을 말한다. 이때에도 축척 개념을 적용하여 일반화의 단순화 정도를 설정하였다. 그 기준은 수치지도의 축척별 점간입력간격을 기준을 참고 하였다.
- 그 기준은 수치지도의 축척별 점간입력간격을 기준을 참고 하였다. 또한 GIS LoD에 사용하는 일반화 기준도 동시에 참고하였으며, 일반화 값이 위치정확도 값 안에서 단순화 할 수 있도록 값을 설정하였다. 정밀도는 기초데이터를 실측하여 얻는 정밀한 정도를 의미하며 Randall(2011)이 제시한 자료를 참고하였다.
- 하지만 현재의 장비개발 상황이나 후처리를 정도를 고려하였을 때 정밀도 수준은 다소 낮은 수준으로 정의되어 있다. 따라서 본 연구에서는 LoD별 일반화 기준을 현장에서 직접 적용해본 후, 정밀도를 상향하는 수준으로 조정하였다. 마지막으로 표현수준으로는 BIM 모델링에서 LoD를 구분하는 표현수준 개념을 도입하여 각 LoD별 구현되는 기준을 정의하였다.
- (2013)의 연구에서는 BIM LoD에 따른 모델링 범위와 항목을 건축(외부, 내부, 창호, 계단, 기타) 구조(RC, SC), 기계, 전기, 통신, 소방, 토목, 조경 등 구체적으로 항목을 분류하였다. 본 연구에서는 표현범위를 외부, 실내, 층, 실, 개구부, 계단, 주요 건물요소 등으로 구분하여 표기하였다.
- 본 연구에서는 건축물을 역설계 진행시 가장 많이 활용되고, 작업 효율성이 높은 지상 LiDAR를 사용하여 연구를 진행하였다. 즉 건축물의 외부와 실내를 대상으로 지상 LiDAR를 이용하여 3차원 포인트 클라우드 데이터를 취득하고 이를 기반으로 3차원 모델링을 진행하였다.
- 실험 대상인 건축물의 다양한 조건에 따른 모델링 데이터를 구축하기 위해 건축물을 외부 전체와 실내 일부분 두 곳으로 구분하였다. 특히 실내는 벽체, 기둥, 보, 파이프, 전기설비 등이 있는 구조/설비 요소가 주로 있는 부분을 선정하여 대상을 모델링 하였다.
- 연구대상인 건물에 대해 역설계를 위한 기초데이터인 포인트 클라우드 데이터를 추출하고자 지상 LiDAR를 이용하여 여러 차례 스캐닝 작업을 진행하였다. 스캐닝한 포인트 클라우드 데이터의 색상은 스캐닝 작업과 동시에 영상센서로부터 취득된 이미지 정보를 활용하여 포인트 클라우드 데이터에 True Color 정보를 매핑하였다.
- 연구대상인 건물에 대해 역설계를 위한 기초데이터인 포인트 클라우드 데이터를 추출하고자 지상 LiDAR를 이용하여 여러 차례 스캐닝 작업을 진행하였다. 스캐닝한 포인트 클라우드 데이터의 색상은 스캐닝 작업과 동시에 영상센서로부터 취득된 이미지 정보를 활용하여 포인트 클라우드 데이터에 True Color 정보를 매핑하였다. 정합을 통해 여러 스테이션 위치에서 작업했던 스캐닝 데이터를 각각의 위치에 맞게 배치시켜 전체적인 건물 형상을 3D로 확인할 수 있도록 하였다.
- 스캐닝한 포인트 클라우드 데이터의 색상은 스캐닝 작업과 동시에 영상센서로부터 취득된 이미지 정보를 활용하여 포인트 클라우드 데이터에 True Color 정보를 매핑하였다. 정합을 통해 여러 스테이션 위치에서 작업했던 스캐닝 데이터를 각각의 위치에 맞게 배치시켜 전체적인 건물 형상을 3D로 확인할 수 있도록 하였다.
- 본 실험에서는 3D 모델링 소프트웨어로 Autodesk사의 Revit 제품을 사용하였다. 역설계 3D 모델링은 건물 외부/내부에서 추출된 포인트 클라우드 데이터를 기반으로 단면, 평면, 정면도를 중첩하여 작업을 진행하였다. 3D 모델링은 Table 7의 LoD별 기준에 따라 작업하였으며, 그에 따른 작업 시간도 비교하였다.
- 데이터의 구축 범위를 고려하여 건물 외부에 대한 역설계 모델링은 LoD 1~4단계로 적용하였고, 건물 실내에 대한 역설계 모델링은 LoD 3~6단계로 적용하였다. 즉, 실외 모델에서 LoD 5, 6은 모델링하기에 형상의 상세함이 높아, 작업시간이 기하급수적으로 늘어나므로 비교에 큰 의미가 없다고 보았고, 실내 모델에서의 LoD 1, 2는 형상이 단순하여 실내 공간 모델링에는 적합하지 않으므로 본 연구에서의 모델링 범위에는 생략하였다.
- 건물 실내에 대한 역설계 모델링도 Table 7의 LoD별 기준에 따라 LoD 3~6 수준의 모델링 작업을 진행하였으며, 모델링 수준은 Table 14와 같이 나타낼 수 있었다. 표현범위를 고려하여 LoD 3에서는 구조보 및 기둥, 시설물 등의 모델링은 배제하였으며, LoD 4에서는 구조보 및 기둥 형상을 추가하고, LoD 5에서는 시설물(전등, 배관, 전기트레이등) 형상까지도 모델링에 추가하였다. LoD 6에서는 실제 건축물과 거의 유사한 수준으로 모델링을 진행하였다.
- 작업시간은 건물 외부/내부의 LoD별로 3D 모델링의 단위면적당 시간으로 산출하였다. 이를 기반으로 역설계 3D 모델링 진행시 조합하여 적용하면 모델링 수준에 따른 작업시간을 산정할 수 있을 것이고 그에 따른 기술자 임금을 적용하면 역설계 모델링 단가도 산출할 수 있을 것으로 사료된다.
대상 데이터
- 위와 같이 건축물에 대한 스캐닝 – 이미지매핑 – 정합을 통해 작업구역에 대한 포인트 클라우드 데이터를 생성하였다.
- 실험 대상인 건축물의 다양한 조건에 따른 모델링 데이터를 구축하기 위해 건축물을 외부 전체와 실내 일부분 두 곳으로 구분하였다. 특히 실내는 벽체, 기둥, 보, 파이프, 전기설비 등이 있는 구조/설비 요소가 주로 있는 부분을 선정하여 대상을 모델링 하였다. 본 연구에서는 지상 LiDAR로 Trimble TX8 Laser Scanner를 사용하였으며, 제원은 Table 8 , 9와 같다.
- 특히 실내는 벽체, 기둥, 보, 파이프, 전기설비 등이 있는 구조/설비 요소가 주로 있는 부분을 선정하여 대상을 모델링 하였다. 본 연구에서는 지상 LiDAR로 Trimble TX8 Laser Scanner를 사용하였으며, 제원은 Table 8 , 9와 같다.
- 스캐닝 작업 정보는 외부/실내로 구분하여 Table 10, 11로 나타내었으며, 포인트 클라우드 데이터 3D 형태는 Figure 5, 6과 같이 산출을 하였다. 참고로 Trimble TX8의 레이저 스캐닝 수준은 LoD 구분 없이 모두 Level2 단계로 적용하였으며 회당 스캐닝 시간은 3분, 30M별 거리 간격은 11.3mm로 포인트 클라우드 데이터를 획득하였다. 1회의 레이저 스캐닝 점 개수는 외부는 약 60,000,000 ~ 100,000,000 개, 실내는 약 130,000,000 ~150,000,000 개 정도였다.
- 본 실험에서는 3D 모델링 소프트웨어로 Autodesk사의 Revit 제품을 사용하였다. 역설계 3D 모델링은 건물 외부/내부에서 추출된 포인트 클라우드 데이터를 기반으로 단면, 평면, 정면도를 중첩하여 작업을 진행하였다.
데이터처리
- 역설계 3D 모델링은 건물 외부/내부에서 추출된 포인트 클라우드 데이터를 기반으로 단면, 평면, 정면도를 중첩하여 작업을 진행하였다. 3D 모델링은 Table 7의 LoD별 기준에 따라 작업하였으며, 그에 따른 작업 시간도 비교하였다. 작업시간은 중급기술자가 3D 모델링을 작업하는 기준으로 산출하였다.
이론/모형
- 본 연구에서도 Randall(2011)이 구분한 활용도 측면을 이용하여 역설계 모델링 적용 시 LoD를 각 활용도에 따라 분류하였다. 그리고 각 활용도별로 분류된 LoD 기준에 축척 개념을 도입하여 모델링 수준을 개념화 하였다.
- BIM, GIS 분야 LoD 제시 사례를 분석해본 결과, 3D 모델링을 위한 LoD를 정의하는데 있어서 형상 정확도와 일반화, 표현범위가 중요한 요소를 이루고 있다. 본 연구에서의 정확도 기준은 LoD 축척 정도에 따라 수준을 부여하였다. 그 기준이 되는 값은 수치지도 작업 시 사용되는 위치정확도 값을 사용하였다(NGII, 2015; Park, 2013).
- 본 연구에서의 정확도 기준은 LoD 축척 정도에 따라 수준을 부여하였다. 그 기준이 되는 값은 수치지도 작업 시 사용되는 위치정확도 값을 사용하였다(NGII, 2015; Park, 2013). 일반화는 평면과 높이 차원에서 형상의 일반화, 객체의 간결화를 의미하는 것으로서 실제로 표현해야 하는 부분을 단순화시켜 표현하는 것을 말한다.
- , 2009). 본 연구에서는 건축물을 역설계 진행시 가장 많이 활용되고, 작업 효율성이 높은 지상 LiDAR를 사용하여 연구를 진행하였다. 즉 건축물의 외부와 실내를 대상으로 지상 LiDAR를 이용하여 3차원 포인트 클라우드 데이터를 취득하고 이를 기반으로 3차원 모델링을 진행하였다.
성능/효과
- 3mm로 포인트 클라우드 데이터를 획득하였다. 1회의 레이저 스캐닝 점 개수는 외부는 약 60,000,000 ~ 100,000,000 개, 실내는 약 130,000,000 ~150,000,000 개 정도였다. 이와 같이 TX8 레이저 스캐닝 수준을 Level2로 하였을 때에는 Table 7의에 LoD 1~6단계 모두 위치정확도와 정밀도 기준을 만족하는 모델링 결과를 도출하였다.
- 실험을 통하여 역설계 LoD 단계별로 모델링 수준 및 작업시간의 차이를 확인할 수 있었다.
후속연구
- 최근 건설시장은 BIM이라는 새로운 최신 설계 기법으로 변해가고 있으며 이에 맞추어 기존의 건물 및 대형 구조물의 역설계 시에도 3차원 공간 속성의 통합 데이터 관리가 필요하다(Kim, 2015). 또 시설물에 대한 BIM 기반 스마트 유지관리기술이 경제적/기술적으로 뛰어나다고 입증되고 있기 때문에 BIM의 활용을 일부시설물을 대상으로 국한하기 보다는 넓은 범위에 적용함으로써 효과를 높일 수 있을 것이다.
- 그리고 각 분야별로 또는 활용 목적에 따라서 형태만 간단히 보여주는 모델부터 상세한 도면 제작을 위한 모델까지 3D 모델링 수준을 다르게 적용하고 있다. 따라서 역설계 시 기준이 되는 공통된 모델링 수준으로 적용하게 되면 불필요 실측과 모델링 작업을 줄일 수 있을 것이다.
- 작업시간은 건물 외부/내부의 LoD별로 3D 모델링의 단위면적당 시간으로 산출하였다. 이를 기반으로 역설계 3D 모델링 진행시 조합하여 적용하면 모델링 수준에 따른 작업시간을 산정할 수 있을 것이고 그에 따른 기술자 임금을 적용하면 역설계 모델링 단가도 산출할 수 있을 것으로 사료된다.
- 본 연구에서 제시한 LoD별 모델링 기준은 역설계 초기단계에서 과업 목적에 맞게 모델링 수준을 선택할 수 있는 기준으로 활용될 수 있다. 하지만 이는 절대적 기준은 아니며, 프로젝트의 목적, 특성에 따라 조정할 수 있다.
- 특히 BIM 설계와 GIS에서 활용되는 LoD 기준과 상호 연관관계를 가지고 있어 역설계 LoD를 BIM과 GIS의 융합 모델링 측면에서도 접목할 수 있을 것이다. 또한 GIS와 BIM분야 간의 일관성 없는 LoD 기준을 하나의 통합된 기준으로 제시할 수 있을 것이다. 그리고 역설계 업무에 대한 3D 모델링 수준을 정량적으로 판단할 수 있는 가이드라인이 되어 모델링 데이터 품질의 일관성을 객관적으로 측정할 수 있을 것으로 예상된다.
- 또한 GIS와 BIM분야 간의 일관성 없는 LoD 기준을 하나의 통합된 기준으로 제시할 수 있을 것이다. 그리고 역설계 업무에 대한 3D 모델링 수준을 정량적으로 판단할 수 있는 가이드라인이 되어 모델링 데이터 품질의 일관성을 객관적으로 측정할 수 있을 것으로 예상된다.
- 그러나 LoD별 작업 시간의 상대적 비율은 크게 다르지 않을 것으로 판단된다. 이러한 사항들은 보다 다양한 건물에 대해 본 연구의 모델링 LoD 기준을 적용해 봄으로써 보다 정량적으로 평가될 것으로 판단되나 이는 차후의 연구에서 이루어져야 할 것이다. 또한 본 연구의 결과를 토목 구조물, 플랜트 설비 시설 등에 대해서도 적용해봄으로써 역설계 LoD 기준의 효용성을 검증해볼 필요가 있다.
- 이러한 사항들은 보다 다양한 건물에 대해 본 연구의 모델링 LoD 기준을 적용해 봄으로써 보다 정량적으로 평가될 것으로 판단되나 이는 차후의 연구에서 이루어져야 할 것이다. 또한 본 연구의 결과를 토목 구조물, 플랜트 설비 시설 등에 대해서도 적용해봄으로써 역설계 LoD 기준의 효용성을 검증해볼 필요가 있다. 더불어 본 연구에서는 역설계 시의 기초데이터를 지상 LiDAR로 국한해 취득하였으므로 향후에는 역설계의 기초데이터 취득 방법을 드론 또는 차량 LiDAR, 사진측량 등으로 확대하기 위한 추가 연구가 필요할 것이다.
- 또한 본 연구의 결과를 토목 구조물, 플랜트 설비 시설 등에 대해서도 적용해봄으로써 역설계 LoD 기준의 효용성을 검증해볼 필요가 있다. 더불어 본 연구에서는 역설계 시의 기초데이터를 지상 LiDAR로 국한해 취득하였으므로 향후에는 역설계의 기초데이터 취득 방법을 드론 또는 차량 LiDAR, 사진측량 등으로 확대하기 위한 추가 연구가 필요할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.