[논문]영상 기반 항만시설물 손상 위치 추정 및 외관조사망도 작성

김방현; 소상윤; 조수진

doi:10.11112/jksmi.2023.27.5.49

[국내논문] 영상 기반 항만시설물 손상 위치 추정 및 외관조사망도 작성
Estimation of Image-based Damage Location and Generation of Exterior Damage Map for Port Structures 원문보기

한국구조물진단유지관리공학회 논문집 = Journal of the Korea Institute for Structural Maintenance and Inspection, v.27 no.5, 2023년, pp.49 - 56

김방현 (서울시립대학교 도시빅데이터융합학과) , 소상윤 (서울시립대학교 토목공학과) , 조수진 (서울시립대학교 토목공학과)

초록
AI-Helper

본 연구에서는 영상 기반 자동화된 항만시설물 점검을 위한 손상 위치 정보 추정 기법을 제안하였다. 3D 모델링 과정을 거치지 않고 특징 탐지 기술 및 이상치 제거 기술을 활용하여 호모그래피 행렬을 계산하고 손상 정보만 저장함으로써 메모리 효율을 높였다. 항만시설물에 특화된 손상 위치 정보 추정 알고리즘 개발을 위해 항만시설물 이미지를 이용하여 제작한 참값 좌표쌍을 통해 알고리즘을 최적화하였다. 이를 샘플 및 실제 콘크리트 벽체에 적용하여 구한 위치 오차는 각각 (X: 6.5cm, Y: 1.3cm), (X: 12.7cm, Y: 6.4cm)로 나타났다. 또한, 실제 콘크리트벽체를 대상으로 알고리즘을 적용하여 외관조사망도 형태로 표출함으로써 제안 기법의 현장 활용 가능성을 보였다.

Abstract ▼ AI-Helper

This study proposed a damage location estimation method for automated image-based port infrastructure inspection. Memory efficiency was improved by calculating the homography matrix using feature detection technology and outlier removal technology, without going through the 3D modeling process and storing only damage information. To develop an algorithm specialized for port infrastructure, the algorithm was optimized through ground-truth coordinate pairs created using images of port infrastructure. The location errors obtained by applying this to the sample and concrete wall were (X: 6.5cm, Y: 1.3cm) and (X: 12.7cm, Y: 6.4cm), respectively. In addition, by applying the algorithm to the concrete wall and displaying it in the form of an exterior damage map, the possibility of field application was demonstrated.

주제어

표/그림 (15)

그림 Fig. 1 Flowchart for damage location estimation
그림 Fig. 2 Overlapped images and their coordinates
그림 Fig. 3 Feature pairs from two consecutive images
그림 Fig. 4 Example of an image pair where locations of feature pairs are marked
표 Table 1 Ground truth coordinates of feature pairs shown in Fig. 4
표 Table 2 RMSE according to the feature-detector-descriptor
그림 Fig. 5 Distance d that distinguishes outliers
그림 Fig. 6 Image of tested sample and its reference coordinate system
그림 Fig. 7 Images of the sample and test points
표 Table 3 RMSE according to the tolerance ϵ
그림 Fig. 8 Target wall with reference coordinate system and test points
그림 Fig. 9 Detected cracks on the 4^th, 6^th, and 19^th images and test points on detected cracks
표 Table 4 Comparison of test point locations (Sample)
표 Table 5 Comparison of test point locations (Target wall)
그림 Fig. 10 Digital exterior damage map of tested concrete wall with test point locations

참고문헌 (12)

Bay, H., Tuytelaars, T., and Van Gool, L. (2006), Surf: Speeded up？robust features. In Computer Vision-ECCV 2006: 9th European？Conference on Computer Vision, Graz, Austria, May 7-13, 2006.？Proceedings, Part I 9, Springer Berlin Heidelberg, 404-417.
Chen, L. C., Zhu, Y., Papandreou, G., Schroff, F., and Adam, H.？(2018), Encoder-decoder with atrous separable convolution for？semantic image segmentation, In Proceedings of the European？conference on computer vision (ECCV), 801-818.
Fischler, M. A., and Bolles, R. C. (1981), Random sample？consensus: a paradigm for model fitting with applications to image？analysis and automated cartography, Communications of the ACM,？24(6), 381-395.

상세보기
Hamishebahar, Y., Guan, H., So, S., and Jo, J. (2022), A？comprehensive review of deep learning-based crack detection？approaches, Applied Sciences, 12(3), 1374.
Jeong, D., Lee, J., and Ju, Y. (2019), Photogrammetric Crack？Detection Method in Building using Unmanned Aerial Vehicle,？Journal of the Architectural Institute of Korea Structure &？Construction, 35(1), 11-19 (In Korean, with English abstract).
Juan, L., and Gwun, O. (2009), A comparison of sift, pca-sift and？surf, International Journal of Image Processing (IJIP), 3(4),？143-152.
Karami, E., Prasad, S., and Shehata, M. (2017), Image matching？using SIFT, SURF, BRIEF and ORB: performance comparison for？distorted images, arXiv preprint. arXiv:1710.02726.
Kim, B., and Cho, S. (2019), Image-based Concrete Crack？Assessment using Mask and Region-based Convolutional Neural？Network, Structural Control and Health Monitoring, 26(8),？e2381(1-15).
Lee, S., Lee, K., Choi, H., and Lim, C. (2022), Establishment of a？standard procedure for safety inspections of bridges using drones,？KSCE Journal of Civil and Environmental Engineering Research,？42(2), 281-290 (In Korean, with English abstract).
Lowe, D. G. (2004), Distinctive image features from scale-invariant keypoints, International Journal of Computer Vision, 60,？91-110.

상세보기
Mistry, D., and Banerjee, A. (2017), Comparison of feature detection？and matching approaches: SIFT and SURF, GRD Journals-Global？Research and Development Journal for Engineering, 2(4), 7-13.
Torr, P. H., and Zisserman, A. (2000), MLESAC: A new robust？estimator with application to estimating image geometry,？Computer Vision and Image Understanding, 78(1), 138-156.？

상세보기

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