$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

드론 영상 기반 시설물 점검 - 기준 영상을 활용한 자동 처리 중심으로
Drone Image-Based Facility Inspection - Focusing on Automatic Process Using Reference Images 원문보기

한국지형공간정보학회지 = Journal of the korean society for geospatial information science, v.26 no.2, 2018년, pp.21 - 32  

김휘영 (서울시립대학교 공간정보공학과) ,  최경아 (서울시립대학교 공간정보공학과) ,  이임평 (서울시립대학교 공간정보공학과)

초록
AI-Helper 아이콘AI-Helper

교량, 댐, 도로와 같은 시설물의 노후화와 점검 대상 시설물의 증가로 인해 시설물 점검을 위한 보다 효율적이고 경제적인 방법이 필요하다. 현재의 시설물 점검은 육안 검사와 같이 사람이 접근하는 방식으로 수행되고 있다. 이는 시간과 비용이 많이 소요되고, 점검자에 따라 결과에 대한 신뢰도 차이가 발생한다. 본 연구는 육안 검사 기반 시설물 점검의 효율성과 객관성을 높이기 위해, 기준 영상을 활용한 자동 처리 중심의 드론 영상 기반 시설물 점검을 제안한다. 시설물 점검 체계의 구성과 방식을 확인하고, 드론 영상 기반 시설물 점검의 활용 방안을 파악한다. 영상을 처리하기 위해 먼저 시설물의 드론 영상을 정밀하게 처리하여 기준 영상 데이터베이스를 구축한다. 구축된 기준 영상을 기반으로, 새롭게 취득한 드론 영상을 자동으로 처리하여 시설물의 대상면에 기하보정된 영상을 생성한다. 제시한 드론 영상 자동 처리 방법의 정확도를 검증하기 위하여, 시설물의 영상을 기준 영상을 기반으로 처리하였다. 영상의 외부표정요소의 정확도는 0.6cm, $0.01^{\circ}$이었고, 영상에서 추정한 시설물의 위치 정확도는 7.8cm이었다. 본 연구의 방법을 통해 시설물 점검의 비용 절감과 객관성 향상에 기여할 수 있을 것으로 기대한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

As many facilities such as bridges, dams and roads become deteriorated and the number of facilities to be inspected is increased, we require more efficient and economic methods for facility inspection. The current facility inspection relies on human intervention such as visual inspection, which is u...

주제어

#시설물 점검   #영상 기반   #드론   #기준 영상   #자동 처리  

참고문헌 (27)

  1. Adhikari, R. S., Moselhi, O. and Bagchi, A., 2014, Image-based retrieval of concrete crack properties for bridge inspection, Automation in construction, Vol. 39, pp. 180-194. 

    상세보기 crossref

  2. BBC NEWS, 2016, Italian bridge collapses on busy road in Lecco, BBC NEWS, http://www.bbc.com/news/world-europe-37810808# 

  3. Brinklow, Adam, 2017, Big Sur bridge damaged by weather comes crashing down, CRUBED, https://sf.curbed.com/2017/3/20/14983602/pfeiffer-canyonbridge-collapse 

  4. Chang, P. C., Flatau, A. and Liu, S. C., 2003, Health monitoring of civil infrastructure, Structural health monitoring, Vol. 2, No. 3, pp. 257-267. 

    상세보기 crossref

  5. Feng, H., Jiang, Z., Xie, F., Yang, P., Shi, J. and Chen, L., 2014, Automatic fastener classification and defect detection in vision-based railway inspection systems, IEEE transactions on instrumentation and measurement, Vol. 63, No. 4, pp. 877-888. 

    상세보기 crossref

  6. Fernandez Galarreta, J., Kerle, N. and Gerke, M., 2015, UAV-based urban structural damage assessment using object-based image analysis and semantic reasoning, Natural hazards and earth system sciences, Vol. 15, No. 6, pp. 1087-1101. 

    상세보기 crossref

  7. Han, S., Park, J. and Lee, W., 2016. On-Site vs. Laboratorial Implementation of Camera Self- Calibration for UAV Photogrammetry, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 34(4): 349-356. 

    원문보기 상세보기 crossref

  8. Hartley, R. and Zisserman, A., 2003. Multiple view geometry in computer vision. Cambridge university press. p. 257 

  9. Jahanshahi, M. R. and Masri, S. F., 2012, Adaptive vision-based crack detection using 3D scene reconstruction for condition assessment of structures, Automation in Construction, Vol. 22, pp. 567-576. 

    상세보기 crossref

  10. Jarzebowicz, L. and Judek, S., 2014, 3D machine vision system for inspection of contact strips in railway vehicle current collectors, In Applied Electronics (AE), 2014 International Conference on, IEEE, Pilsen, Czech Republic, pp. 139-144. 

  11. Jiang, G., Dawood, M., Peters, K. and Rizkalla, S., 2010, Global and local fiber optic sensors for health monitoring of civil engineering infrastructure retrofit with FRP materials, Structural Health Monitoring, Vol. 9, No. 4, pp. 309-322. 

    상세보기 crossref

  12. Khan, F., Ellenberg, A., Mazzotti, M., Kontsos, A., Moon, F., Pradhan, A. and Bartoli, I, 2015, Investigation on bridge assessment using unmanned aerial systems, In Structures Congress 2015, pp. 404-413. 

  13. Kim, S. W., Jeon, B. G., Kim, N. S. and Park, J. C., 2013, Vision-based monitoring system for evaluating cable tensile forces on a cable-stayed bridge, Structural Health Monitoring, Vol. 12, No. 5-6, pp. 440-456. 

    상세보기 crossref

  14. Lattanzi, D. and Miller, G. R., 2014, 3D scene reconstruction for robotic bridge inspection, Journal of Infrastructure Systems, Vol. 21, No. 2, 04014041. 

  15. Li, H. N., Li, D. S. and Song, G. B., 2004, Recent applications of fiber optic sensors to health monitoring in civil engineering, Engineering structures, Vol. 26, No. 11, pp. 1647-1657. 

    상세보기 crossref

  16. McGlone, C., Mikhail, E. and Bethel, J., 1980, Manual of photogrammetry. 

  17. Ministry of Land, Transport and Maritime Affairs, 2010, Safety inspection and detailed stability diagnosis instructions, Technical report, Ministry of Land, Transport and Maritime Affairs, Korea. p. 1. 

  18. Ministry of Land, Infrastructure and Transport (MOLIT), 2017, Unification of facility safety management system... "Enhanced safety management", Ministry of Land, Infrastructure and Transport, https://www.molit.go.kr/USR/NEWS/m_71/dtl.jsp?id95078708&lcmspage1 

  19. Ministry of Public Safety and Security(MPSS), 2016, Guidelines for designation and management of specific facilities to be managed in 2017, Technical report, Ministry of Public Safety and Security, Korea. 

  20. Nair, A. and Cai, C. S., 2010, Acoustic emission monitoring of bridges: Review and case studies, Engineering structures, Vol. 32, No. 6, pp. 1704-1714. 

    상세보기 crossref

  21. Oh, J. K., Jang, G., Oh, S., Lee, J. H., Yi, B. J., Moon, Y. S., ... and Choi, Y., 2009, Bridge inspection robot system with machine vision, Automation in Construction, Vol. 18, No. 7, pp. 929-941. 

    상세보기 crossref

  22. Parrillo, R., Roberts, R. and Haggan, A., 2006, Bridge deck condition assessment using ground penetrating radar, Proc. of the ECNDT, Berlin, German. 

  23. Resendiz, E., Hart, J. M. and Ahuja, N., 2013, Automated visual inspection of railroad tracks, IEEE Transactions on Intelligent Transportation Systems, Vol. 14, No. 2, pp. 751-760. 

    상세보기 crossref

  24. Sinha, S. K., Iyer, S. R. and Bhardwaj, C., 2003, Non-contact ultrasonic sensor and state-of-the-art camera for automated pipe inspection, Proc. of IEEE, IEEE, Toronto, Canada, pp. 493-498. 

  25. Yamamoto, T., Kusumoto, H. and Banjo, K., 2014, Data Collection System for a Rapid Recovery Work: Using Digital Photogrammetry and a Small Unmanned Aerial Vehicle (UAV), In Computing in Civil and Building Engineering, pp. 875-882. 

  26. Yeum, C. M. and Dyke, S. J., 2015, Vision-based automated crack detection for bridge inspection, Computer­Aided Civil and Infrastructure Engineering, Vol. 30, No. 10, pp. 759-770. 

    상세보기 crossref

  27. Zhu, J. and Popovics, J. S., 2007, Imaging concrete structures using air-coupled impact-echo, Journal of engineering mechanics, Vol. 133, No. 6, pp. 628-640. 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로