[논문]스테레오 영상과 기준데이터를 활용한 관로형 지하시설물 3차원 형상 복원

천장우; 이임평

doi:10.7780/kjrs.2022.38.6.1.39

스테레오 영상과 기준데이터를 활용한 관로형 지하시설물 3차원 형상 복원
3D Reconstruction of Pipe-type Underground Facility Based on Stereo Images and Reference Data 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.38 no.6 pt.1, 2022년, pp.1515 - 1526

천장우 (서울시립대학교 공간정보공학과) , 이임평 (서울시립대학교 공간정보공학과)

초록
AI-Helper

영상 기반 3차원 복원은 실세계 객체의 형태와 색상을 복원하는 것이며, 실내외 환경과 목적에 맞게 영상 센서를 이동플랫폼에 탑재하여 측위 및 매핑의 목적으로 활용한다. 지하공간 사고 발생의 증가로 지하공간 정보의 위치 정확도 문제가 제기되고 있으며, 관로형 지하시설물 내부에서 취득된 영상데이터로부터 3차원 위치 결정과 동시에 내부 손상 등을 파악할 수 있다는 장점으로 영상 기반의 위치 추정 연구가 수행되어오고 있다. 본 연구에서는 관로형 지하시설물 내부에서 취득한 영상과 기준데이터를 함께 사용하여 영상 기반으로 시설물의 3차원 형상을 복원하는 연구를 수행하였다. 스테레오 카메라를 탑재한 무인이동체 시스템을 구성하고, 입구와 출구에 기준데이터가 배치된 관로형 지하시설물 내에서 데이터를 영상 데이터를 취득한다. 취득한 데이터와 기준데이터를 함께 사용하여 지오레퍼런싱 된 3차원 형상으로 복원한다. 복원된 결과의 정확도를 위치와 길이를 통해 검증하였으며, 위치는 20-60 cm의 정확도로 결정되었고 길이는 약 20 cm의 정확도로 추정된 것을 확인하였다. 영상 기반 3차원 복원 방법을 통해 관로형 지하시설물의 위치, 선형을 효과적으로 갱신할 수 있을 것으로 판단된다.

Abstract ▼ AI-Helper

Image-based 3D reconstruction is to restore the shape and color of real-world objects, and image sensors mounted on mobile platforms are used for positioning and mapping purposes in indoor and outdoor environments. Due to the increase in accidents in underground space, the location accuracy problem of underground spatial information has been raised. Image-based location estimation studies have been conducted with the advantage of being able to determine the 3D location and simultaneously identify internal damage from image data acquired from the inside of pipeline-type underground facilities. In this study, we studied 3D reconstruction based on the images acquired inside the pipe-type underground facility and reference data. An unmanned mobile system equipped with a stereo camera was used to acquire data and image data within a pipe-type underground facility where reference data were placed at the entrance and exit. Using the acquired image and reference data, the pipe-type underground facility is reconstructed to a geo-referenced 3D shape. The accuracy of the 3D reconstruction result was verified by location and length. It was confirmed that the location was determined with an accuracy of 20 to 60 cm and the length was estimated with an accuracy of about 20 cm. Using the image-based 3D reconstruction method, the position and line-shape of the pipe-type underground facility will be effectively updated.

주제어

표/그림 (15)

그림 Fig. 2. Reference point: (A) artificial marker structure and (B) image including reference points
그림 Fig. 1. In-pipe unmanned system.
표 Table 1. Specification of stereo camera
그림 Fig. 3. Workflow of 3D reconstruction from in-pipe images and reference data.
그림 Fig. 4. Measurement of new reference data.
표 Table 2. Camera parameter
그림 Fig. 5. Test site: (A) pipe-type structure construction and (B) orthophoto from drone image.
표 Table 3. In-pipe images
그림 Fig. 6. Overlap of 3D reconstruction result: (A) near exit and (B) near entrance.
표 Table 3. Continued
그림 Fig. 7. Measurement of the point for accuracy test from drone image.
표 Table 4. 3D reconstruction result
그림 Fig. 8. Measurement of the point for accuracy test from in-pipe image.
표 Table 5. Position accuracy by check point
표 Table 6. Distance accuracy

AI 본문요약
AI-Helper

문제 정의

본 연구에서는 2대의 스테레오 카메라를 탑재한 무인이동체를 관로형 지하시설물 내부에서 운용하여 데이터를 취득하고, 취득한 영상정보로부터 관로형 지하시설물의 3차원 형상을 복원하고자 한다. 3차원 복원 시 관로형 지하시설물 내부에서 취득된 영상과 입출구에 배치된 기준데이터로부터 지오레퍼런싱 된 관로형 지하시설물의 3차원 형상을 복원한다.
본 연구에서는 관로형 지하시설물 내에서 취득한 스테레오 영상과 입/출구의 기준데이터를 함께 활용하여 관로형 지하시설물의 3차원 형상을 복원하는 것을 목적으로 한다. 스테레오 카메라를 탑재한 무인이동체 시스템을 구성하고, 관로형 지하시설물 내에서 영상 데이터를 취득한다.
본 연구에서는 스테레오 카메라를 탑재한 무인이동체 시스템으로부터 취득된 관로형 지하시설물 내부 영상과 기준데이터를 이용하여 관로형 지하시설물의 지오레퍼런싱 된 3차원 형상을 복원하는 연구를 수행하였다.

가설 설정

스테레오 카메라를 탑재한 무인이동체 시스템을 구성하고, 관로형 지하시설물 내에서 영상 데이터를 취득한다. 관로형 지하시설물 입구와 출구에 기준데이터가 확보되어 있는 것으로 가정한다. 기준데이터는 절대좌표를 참조하는 기준점 정보이며, 100 m 길이의 3종 관로형 지하시설물에 적용하여 무인이동체 시스템에 탑재한 스테레오 카메라로 입/출구의 기준데이터가 포함된 영상을 취득한다.
본 연구에서는 관로형 지하시설물의 입구와 출구에 절대좌표를 참조하는 기준데이터를 사용한다. 매설된 지하시설물의 입구와 출구 주변에 고정밀 3차원 위치정보가 배치되어 있다는 것을 가정하였으며, 3차원 위치정보는 절대좌표를 참조한다. 기준데이터로 활용될 수 있는 정보의 유형은 다양하지만 본 연구에서는 기준점 형태로 정의하였다.

제안 방법

본 연구는 관로형 지하시설물을 재현한 실험현장에서 진행하였으며, 실험현장은 관로형 지하시설물은 3개의 관종으로 구성하였다. 각 관로형 지하시설물에서 데이터를 취득하고 시설물의 3차원 형상을 복원하여 정확도를 평가하였다.
7과 같다. 관로형 지하시설물 내부에서 취득한 영상으로 생성된 3차원 복원 결과와 해당 지점을 비교하여 각 위치마다의 정확도를 평가하였다. 강관과 흄관은 이음새 부분이 육안으로 구분이 가능하여 해당 지점을 정확하게 표기할 수 있었지만, 이중벽관은 이음새 부분이 다른 구조물로 가려져 있어 위치를 기록하지 못하였다.
관로형 지하시설물의 3차원 형상 복원을 위해 전방영상과 출구 기준데이터, 후방영상과 입구 기준데이터로 나누어 3차원 형상을 복원하였다. 카메라 캘리브레이션을 통해 결정된 카메라 파라미터와 관로형 지하시설물 내부에서 취득한 영상 데이터, 그리고 기준데이터를 입력으로 하여 데이터를 처리하였다.
본 연구에서는 관로형 지하시설물의 입구에서 무인이동체 시스템을 운용하여 출구까지의 영상을 확보하고, 이를 관로형 지하시설물의 3차원 형상을 SfM 방법을 통해 복원한다. 취득되는 시설물 내부 영상은 출구 방향의 전방영상과 입구 방향의 후방영상이 취득된다.
시설물 내부에서 후방을 바라보는 영상을 이용하여 3차원 형상으로 복원하고, 전방영상에서 확인할 수 있는 새로운 기준데이터를 생성하였다. 새로운 기준데이터와 출구의 기준데이터, 내부 영상 데이터를 이용하여 SfM 방법을 통해 3차원 형상으로 복원하여 지오레퍼런싱 된 3차원 형상을 복원하였다.
새롭게 생성한 기준점을 전방영상과 출구 기준데이터와 함께 이용하여 관로형 지하시설물의 3차원 형상을 복원하였다. 관로형 지하시설물의 거리에 따라 누적되는 오차를 줄여주고, 양 끝 지점에서 3차원으로 결정되는 위치를 보정할 수 있도록 하였다.
3개의 관로형 지하시설물 입출구에 기준데이터를 배치하고, 측량장비를 통해 기준데이터의 정밀한 3차원 위치정보를 취득하였다. 시설물 내부에서 시스템을 운용하여 전후방 스테레오 영상을 확보하였다. 시설물 내부에서 후방을 바라보는 영상을 이용하여 3차원 형상으로 복원하고, 전방영상에서 확인할 수 있는 새로운 기준데이터를 생성하였다.
시설물 내부에서 시스템을 운용하여 전후방 스테레오 영상을 확보하였다. 시설물 내부에서 후방을 바라보는 영상을 이용하여 3차원 형상으로 복원하고, 전방영상에서 확인할 수 있는 새로운 기준데이터를 생성하였다. 새로운 기준데이터와 출구의 기준데이터, 내부 영상 데이터를 이용하여 SfM 방법을 통해 3차원 형상으로 복원하여 지오레퍼런싱 된 3차원 형상을 복원하였다.
복원된 결과를 위치와 길이에 대하여 정확도 평가를 수행하였으며, 정량적 평가를 위해 실험환경에서 드론과 측량장비를 이용해 검증 데이터를 확보하였다. 시설물 외부에서 촬영된 드론 영상과 측량 정보를 이용해 생성한 정밀한 측량 결과와 시설물 내부에서 취득한 영상으로부터 생성된 3차원 복원 결과를 정량적으로 비교하였다. 정량적 평가는 시설물의 위치를 기준으로 평가하는 방법과 상대적인 값인 길이를 기준으로 하는 2가지 방법으로 나누어 진행하였다.
따라서 한 쪽 방향의 영상과 해당 방향에 있는 기준데이터만을 이용하여 결과를 생성한 후에 결과를 조합하였다. 전방영상과 출구에 있는 기준데이터 그리고 후방영상과 입구에 있는 기준데이터로 나누어 3차원 형상을 복원하며, 2개의 3차원 형상 복원 결과를 결합하여 최종적인 관로형 지하시설물의 3차원 형상을 복원한다. 관로형 지하시설물을 복원하는 과정은 Fig.
정확도 평가는 이음새 부분의 위치를 비교하여 절대 위치를 평가하는 방법과 관로형 지하시설물의 길이를 이용하여 상대적인 크기를 평가하는 방법으로 구분하여 정확도를 검증하였다. 관로형 지하시설물 내부에서 취득한 영상에서도 Fig.
관로형 지하시설물의 3차원 형상 복원을 위해 전방영상과 출구 기준데이터, 후방영상과 입구 기준데이터로 나누어 3차원 형상을 복원하였다. 카메라 캘리브레이션을 통해 결정된 카메라 파라미터와 관로형 지하시설물 내부에서 취득한 영상 데이터, 그리고 기준데이터를 입력으로 하여 데이터를 처리하였다. 후방영상과 입구 기준데이터를 이용하는 것은 새로운 기준점 데이터를 생성하기 위한 것이므로 시설물에 전체를 촬영한 데이터를 사용하는 것이 아니라 이음새 2개만큼을 포함한 데이터만을 사용하였다.
1 cm, Z축으로는 7 cm의 오차가 있는 것으로 결과가 생성되었다. 항공삼각측량을 통해 3차원 모델을 생성하였으며 관에 이음새마다 표기를 하여 해당 지점의 위치좌표를 계산하였다. 표기한 형태는 Fig.

대상 데이터

시설물 내부의 영상 데이터를 취득할 수 있는 무인이동체 시스템과 3개 관종의 관로형 지하시설물을 구축한 실험장소를 구성하였다. 3개의 관로형 지하시설물 입출구에 기준데이터를 배치하고, 측량장비를 통해 기준데이터의 정밀한 3차원 위치정보를 취득하였다. 시설물 내부에서 시스템을 운용하여 전후방 스테레오 영상을 확보하였다.
또한, 스테레오 카메라를 구성하는 2개의 카메라 간격을 통해 스케일을 결정할 수 있는 장점을 활용할 수 있다. 3차원 형상 복원에 활용되는 기준데이터가 관로형 지하시설물 입구와 출구에 배치되어 있으므로 이를 관측할 수 있도록 스테레오 카메라는 2대를 탑재하였다. 한 대의 카메라는 무인이동체의 전방으로 바라보는 방향으로 탑재하며, 다른 카메라는 후방을 바라보는 방향으로 탑재하였다.
ZED2 카메라는 FHD(1920 × 1080) 크기의 스테레오 영상을 초당 30프레임으로 취득할 수 있다
1 m/s의 속도로 무인이동체를 움직이며 초당 30프레임으로 데이터를 취득하였다. 각 관에서는 11,546(강관), 12,502(이중벽관), 3,466(흄관)장의 영상을 취득하였다.
관로형 지하시설물 내에 무인이동체 시스템을 배치하고 스테레오 영상 데이터를 확보하였다. 0.
정확도 평가용 데이터는 관로형 지하시설물이 매설이 되어있지 않고 지상에 있어 드론 촬영을 통해 평가하였다. 관로형 지하시설물이 설치된 실험현장에서 드론 영상을 취득하여 절대좌표를 갖는 3차원 모델을 생성하였다. 드론은 DJI사의 Phantom4를 사용하였다.
관로형 지하시설물 입구와 출구에 기준데이터가 확보되어 있는 것으로 가정한다. 기준데이터는 절대좌표를 참조하는 기준점 정보이며, 100 m 길이의 3종 관로형 지하시설물에 적용하여 무인이동체 시스템에 탑재한 스테레오 카메라로 입/출구의 기준데이터가 포함된 영상을 취득한다. SfM 방법을 통해 3차원 형상으로 복원하는 과정에서 기준데이터와 영상정보를 함께 사용하여 관로형 지하시설물을 절대좌표를 참조하는 3차원 형상으로 복원한다.
관로형 지하시설물이 설치된 실험현장에서 드론 영상을 취득하여 절대좌표를 갖는 3차원 모델을 생성하였다. 드론은 DJI사의 Phantom4를 사용하였다. 영상은 1,171장을 취득하였으며, 다양한 위치와 각도에서 촬영하였다.
본 연구는 관로형 지하시설물을 재현한 실험현장에서 진행하였으며, 실험현장은 관로형 지하시설물은 3개의 관종으로 구성하였다. 각 관로형 지하시설물에서 데이터를 취득하고 시설물의 3차원 형상을 복원하여 정확도를 평가하였다.
본 연구에서는 관로형 지하시설물의 입구와 출구에 절대좌표를 참조하는 기준데이터를 사용한다. 매설된 지하시설물의 입구와 출구 주변에 고정밀 3차원 위치정보가 배치되어 있다는 것을 가정하였으며, 3차원 위치정보는 절대좌표를 참조한다.
본 연구에서는 관로형 지하시설물 내에서 취득한 스테레오 영상과 입/출구의 기준데이터를 함께 활용하여 관로형 지하시설물의 3차원 형상을 복원하는 것을 목적으로 한다. 스테레오 카메라를 탑재한 무인이동체 시스템을 구성하고, 관로형 지하시설물 내에서 영상 데이터를 취득한다. 관로형 지하시설물 입구와 출구에 기준데이터가 확보되어 있는 것으로 가정한다.
시설물 내부의 영상 데이터를 취득할 수 있는 무인이동체 시스템과 3개 관종의 관로형 지하시설물을 구축한 실험장소를 구성하였다. 3개의 관로형 지하시설물 입출구에 기준데이터를 배치하고, 측량장비를 통해 기준데이터의 정밀한 3차원 위치정보를 취득하였다.
해당 시스템은 시설물 유지관리 점검용 무인이동체인 ROBOCAM1에 스테레오 카메라와 카메라를 제어할 수 있는 보드를 함께 탑재하여 구성한다. 시설물 내에서 무인이동체 시스템은 직선 주행으로 운용되므로, 2개의 스트립으로 데이터가 취득되도록 ZED2 스테레오 카메라를 선정하였다. 선정한 카메라의 사양은 Table 1과 같다.
길이는 각 지점에서의 영상의 위치를 이용하여 길이를 측정하였다. 시설물의 이음새 부근의 영상을 사용하였으며, 그 결과는 Table 6와 같다. 실제 거리는 드론영상과 지상기준점 사용한 측량한 결과로부터 측정하였다.
실험장소는 한국건설기술연구원 하천실험센터에 3개의 관종으로 된 관로형 지하시설물을 설치하여 테스트 현장을 구성하였다. 흑관은 길이가 100 m이며, 재질은 철로 구성되어 있다.
드론은 DJI사의 Phantom4를 사용하였다. 영상은 1,171장을 취득하였으며, 다양한 위치와 각도에서 촬영하였다. 정확한 좌표값을 추정하기 위해 실험현장에서 분포를 고려하여 13개 지상기준점을 확보하였다.
카메라 캘리브레이션을 통해 결정된 카메라 파라미터와 관로형 지하시설물 내부에서 취득한 영상 데이터, 그리고 기준데이터를 입력으로 하여 데이터를 처리하였다. 후방영상과 입구 기준데이터를 이용하는 것은 새로운 기준점 데이터를 생성하기 위한 것이므로 시설물에 전체를 촬영한 데이터를 사용하는 것이 아니라 이음새 2개만큼을 포함한 데이터만을 사용하였다. 생성된 3차원 형상으로부터 첫 번째 이음새에 새로운 기준점을 생성하였다.
5도 범위에서 S자의 형태로 제작하였다. 흄관은 길이가 50 m이고 1도의 경사구배로 제작하였다. 3종의 관로형 지하시설물은 지하공간에 매설하지 않고 지상에 구성되어 있다.

데이터처리

8과 같이 측점하여 이음새 부분에서의 위치를 측정한다. 관로형 지하시설물 내부에서 측정한 결과와 드론 영상을 통해 측정한 결과를 비교하여 각 위치에서의 정확도를 확인한다.
복원된 결과를 위치와 길이에 대하여 정확도 평가를 수행하였으며, 정량적 평가를 위해 실험환경에서 드론과 측량장비를 이용해 검증 데이터를 확보하였다. 시설물 외부에서 촬영된 드론 영상과 측량 정보를 이용해 생성한 정밀한 측량 결과와 시설물 내부에서 취득한 영상으로부터 생성된 3차원 복원 결과를 정량적으로 비교하였다.
정확도 평가용 데이터는 관로형 지하시설물이 매설이 되어있지 않고 지상에 있어 드론 촬영을 통해 평가하였다. 관로형 지하시설물이 설치된 실험현장에서 드론 영상을 취득하여 절대좌표를 갖는 3차원 모델을 생성하였다.

이론/모형

기준데이터는 절대좌표를 참조하는 기준점 정보이며, 100 m 길이의 3종 관로형 지하시설물에 적용하여 무인이동체 시스템에 탑재한 스테레오 카메라로 입/출구의 기준데이터가 포함된 영상을 취득한다. SfM 방법을 통해 3차원 형상으로 복원하는 과정에서 기준데이터와 영상정보를 함께 사용하여 관로형 지하시설물을 절대좌표를 참조하는 3차원 형상으로 복원한다.
한 대의 카메라는 무인이동체의 전방으로 바라보는 방향으로 탑재하며, 다른 카메라는 후방을 바라보는 방향으로 탑재하였다. 제어보드는 NVIDIA Jetson Nano를 사용하였으며, 센서제어와 취득되는 데이터를 저장한다. 시설물 내부는 빛이 없는 환경이므로 빛을 공급하기 위해 전/후방 카메라 상단에 LED 패널을 함께 탑재한다.

성능/효과

지점별 위치 오차를 비교한 결과는 Table 5와 같다. 강관의 입구와 출구에서는 기준데이터와 가까운 위치로 드론 영상에서 측점한 결과와 비교하였을 때 오차가 약 20 cm로 나타난 것을 확인하였다. 기준데이터에서 멀어질수록 오차가 늘어나서 최대 약 60 cm로 증가하였다.
입구와 출구에 배치된 기준데이터는 누적되는 오차를 제거해 줄 수 있으며, 정밀한 데이터이므로 오차를 최소화하는 조정과정에서도 효과적이다. 또한, 관로형 지하시설물 내부에서 취득한 영상만으로 3차원 형상을 복원하면 결과는 상대적인 위치를 갖는 결과가 생성되지만, 절대좌표를 참조하는 기준데이터를 사용함으로써 3차원 형상을 복원함과 동시에 지오레퍼런싱 과정이 함께 수행된다. 다른 관로형 지하시설물과의 3차원 위치를 비교하기 위해서는 같은 좌표계를 참조하는 것이 요구되므로 조정과정에서 지오레퍼런싱이 되는 것은 3차원 매핑에서도 효과적이다.
본 연구를 통해 영상 기반으로 관로형 지하시설물의 3차원 형상을 복원하고, 지오레퍼런싱된 시설물의 3차원 위치를 추정 가능한 것을 확인하였다. 100 m 길이의 2개의 관과 50 m길이의 1개에 관에서 적용하였을 때 실제 위치와 20–60 cm의 오차로 결정될 수 있어 매설된 지하시설물의 위치를 영상 기반으로 정밀하게 결정할 수 있을 것으로 판단한다.
전방영상을 사용하는 경우에는 출구 쪽에 배치된 기준점 데이터가 함께 사용되며, 후방영상을 사용하는 경우에는 입구 쪽에 배치된 기준점 데이터가 사용된다. 이를 이용하여 관로형 지하시설물을 3차원으로 복원하면 절대좌표를 갖는 데이터가 생성되지만, 기준데이터와 가까운 쪽의 3차원 위치는 정확하지만 최적화를 진행하면서 오차가 누적되어 기준데이터와 멀어지는 경우에는 위치정확도가 낮은 결과가 생성된다. 일차적으로 생성된 결과는 한쪽의 기준데이터만 사용되어 있으므로, 3차원으로 복원된 2개의 결과를 결합하여 입구와 출구 지역 모두 위치정확도가 높은 결과를 생성한다.

참고문헌 (8)

Chu, C.U., J.Y. Park, H.W. Kim, J.C. Park, S.J. Im, and B.G. Gu, 2007. Recent trends of 3D reconstruction technology, Electronics and Telecommunications Trends, 22(4): 1-11. https://doi.org/10.22648/ETRI.2007.J.220401

원문보기 상세보기
Gunatilake, A., L. Piyathilaka, S. Kodagoda, S. Barclay, and D. Vitanage, 2019. Real-time 3D profiling with RGB-D mapping in pipelines using stereo camera vision and structured IR laser ring, Proc. of 2019 14th IEEE Conference on Industrial Electronics and Applications, Xi'an, China, Jun. 19-21, pp. 916-921. https://doi.org/10.1109/ICIEA.2019.8834089
Hansen, P., H. Alismail, B. Browning, and P. Rander, 2011. Stereo visual odometry for pipe mapping, Proc. of 2011 IEEE/RSJ International Conference on Intelligent Robots and Systems, San Francisco, CA, Sep. 25-30, pp. 4020-4025. https://doi.org/10.1109/IROS.2011.6094911
Hansen, P., H. Alismail, P. Rander, and B. Browning, 2015. Visual mapping for natural gas pipe inspection, The International Journal of Robotics Research, 34(4-5): 532-558. https://doi.org/10.1177/0278364914550133

상세보기
El Kahi, S., D. Asmar, A. Fakih, J. Nieto, and E. Nebot, 2011. A vison-based system for mapping the inside of a pipe, Proc. of 2011 IEEE International Conference on Robotics and Biomimetics, Karon Beach, Thailand, Dec. 7-11, pp. 2605-2611. https://doi.org/10.1109/ROBIO.2011.6181697
Kannala, J., S.S. Brandt, and J. Heikkila, 2008. Measuring and modelling sewer pipes from video, Machine Vision and Applications, 19(2): 73-83. https://doi.org/10.1007/s00138-007-0083-1

상세보기
Summan, R., G. Dobie, G. West, S. Marshall, C. Macleod, and S.G. Pierce, 2017. The influence of the spatial distribution of 2-D features on pose estimation for a visual pipe mapping sensor, IEEE Sensors Journal, 17(19): 6312-6321. https://doi.org/10.1109/JSEN.2017.2723728

상세보기
Shang, Z. and Z. Shen, 2022. Single-pass inline pipeline 3D reconstruction using depth camera array, Automation in Construction, 138: 104231. https://doi.org/10.1016/j.autcon.2022.104231

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증