초록 ▼

□ 연구의 목적 및 내용
현재까지의 암반의 특성화는 지질학적인 맵핑 방법(스캔라인, 셀 맵핑 등)으로 전문가가 직접 대상 암반으로부터 측정하여 왔다. 하지만 근래의 설계 또는 현장에서는 대량의 데이터 수집을 요구하고 있는데 이는 매우 시간이 오래 걸리는 일이며 작업자의 안전문제, 측정자의 오차를 포함할 가능성이 높다. 따라서 본 연구는 국내에서 활발히 연구된 적 없는 차세대 기술인 LIDAR를 이용하여 암반의 절리특성을 정량화 하는데 목적이 있다. 이를 위해서는 LIDAR로부터 얻어진 대상암반의 3차원 모델로부터 불연속면의 방

□ 연구의 목적 및 내용
현재까지의 암반의 특성화는 지질학적인 맵핑 방법(스캔라인, 셀 맵핑 등)으로 전문가가 직접 대상 암반으로부터 측정하여 왔다. 하지만 근래의 설계 또는 현장에서는 대량의 데이터 수집을 요구하고 있는데 이는 매우 시간이 오래 걸리는 일이며 작업자의 안전문제, 측정자의 오차를 포함할 가능성이 높다. 따라서 본 연구는 국내에서 활발히 연구된 적 없는 차세대 기술인 LIDAR를 이용하여 암반의 절리특성을 정량화 하는데 목적이 있다. 이를 위해서는 LIDAR로부터 얻어진 대상암반의 3차원 모델로부터 불연속면의 방향, 간격, 길이, 거칠기 등을 추출해내는 알고리즘이 필요하다. 현재 광범위하게 사용되는 GSI 암반분류법 중 불연속면특성 인자들을 LIDAR를 이용하여 자동화된 알고리즘으로 지수화 하여 신속하고 정확한 암반등급 산정에 기여하는 것이 본 연구의 목표이다.

□ 연구결과
본 연구에서는 가장 많이 사용되고 있는 RMR, Q-system, GSI의 암반분류법중 육안관찰을 근거로 빠르고 정확한 암반분류의 방법을 모색하고자 개발된 GSI를 선정하여 LIDAR를 이용한 암반등급산정 자동화 알고리즘 연구를 진행하였다. GSI의 정량화 연구는 여러 연구자들이 진행 한 바 있으며 그 중 Cai et al.(2004)의 연구에 따르면 변질도, 거칠기, 만곡, 블록 부피의 네가지 인자로 정량화 할 수 있다고 하였다. 여기서 변질도는 LIDAR로 취득한 점군정보로 산정불가능하나 육안으로 빠른시간 내에 산정 가능한 인자이므로, 변질도를 제외한 거칠기, 만곡, 블록 부피의 LIDAR를 이용한 산정이 연구의 결과라고 할 수 있다.
거칠기를 구하는 알고리즘은 LIDAR의 특성 상 스캔 영역에 따라 점간거리가 달라지는데, 실내시험을 통하여 점간거리가 거칠기 파라메터에 미치는 영향을 연구하여 상관관계를 회귀분석 하였다. 만곡의 경우 LIDAR 점군데이터로부터 면 구조인 패치들을 추출해 낸 후, 패치 중심을 지나는 경사방향 교선으로 산정하였다. 블록 부피는 각 절리군의 평균 절리 간격을 구한 후, 각 절리군의 방향들이 이루는 각도를 이용하여 기하학적으로 블록의 부피를 계산하였다.
이렇게 획득한 거칠기, 만곡, 블록 부피의 인자들을 Cai et al.(2004)의 GSI 회귀식에 대입하면 GSI 값을 계산 할 수 있으며, 본 연구에서는 이러한 과정들을 자동화하는 소프트웨어를 제작하였다.

□ 연구결과의 활용계획
본 연구의 결과는 사면, 터널 및 광산 현장에서의 암반등급을 산정하는데 높은 효율성과 정확성, 데이터의 일관성으로 암반특성을 정량화하는데 도움을 줄 수 있다. 실제 설계 및 현장에서의 정확하고 효율적인 암반분류는 과도한 지보나 보수적인 설계를 막아 경제적인 손실을 절감하는 효과뿐만 아니라 정확한 암반특성의 산정으로 사면의 붕괴나 암반의 파괴로 인한 작업자의 안전에도 큰 영향을 미칠 것으로 판단된다. 또 암반공학 분야에서 LIDAR를 사용한 연구에 기초자료를 제공해 주는 역할로 첨단의 장비로를 이용한 진일보된 시도로서 향후 설계 및 시공 분야에서 다방면으로 활용될 수 있을 것으로 기대된다.
(출처 : 한글요약문 4p)

Abstract ▼

□ Purpose & contents
Conventional rock mass classification is determined by geological expert using geological mapping(scanline and cell mapping). In these days, field user requires a large amount of characterized data, which is time-consuming and invloves safety hazards and human bias. Therefore

□ Purpose & contents
Conventional rock mass classification is determined by geological expert using geological mapping(scanline and cell mapping). In these days, field user requires a large amount of characterized data, which is time-consuming and invloves safety hazards and human bias. Therefore applying new technology using LIDAR for quantifying joint characterization is needed. For these purpose, joint information which includes discontinuity orientation, spacing, length, roughness and aperture should be extracted by proper algorithms from 3-dimensional meshed model. Finally, discontinuity index of rock mass classification in RMR and Q-system can be suggested using LIDAR scanning.

□ Result
In this study, we selected GSI among the RMR, Q-system, and GSI, which was developed as a rock classification based on visual observation. The quantitative study of GSI has been conducted by several researchers, and according to a study by Cai et al. (2004), it can be quantified as four factors of alteration, smoothness, waviness, and block volume. In this case, the degree of alteration cannot be calculated by LIDAR, but it can be easily estimated by visual inspection. Therefore, the estimation of roughness, waviness and block volume using LIDAR, excluding the degree of alteration, is the goal of this project.
Due to the characteristics of LIDAR, the point interval of the scanned area differs depending on the orientation and distance of target surface. The influence of the point interval on the roughness parameter is investigated by laboratory tests and the correlation is regression analyzed. And waviness is estimated by intersection between patch and vertical plane which is parallel to dip direction and crossing the patch center. The block volume could be calculated by the average joint spacing of each joint set, and then the volume is geometrically calculated with the angle between joint set orientations.
Finally, GSI value ​​can be calculated by substituting the parameters of roughness, waviness, and block volume obtained in this manner into the GSI regression formula of Cai et al. (2004). In this study, software for automating these processes was developed.

□ Expected Contribution
The results of this study can help to quantify the rock properties with high efficiency, accuracy, and data consistency in estimating rock classification in slopes, tunnels and mines. Accurate and efficient rock classification in the field is effective not only in reducing economic losses due to excessive support and conservative design but also contributing to safety of workers due to failure of slope and rock mass. In addition, it is expected to be used in various fields in future design and construction field as a further attempt to provide basic data for research using LIDAR in rock engineering.
(출처 : SUMMARY 5p)

목차 Contents

• 표지 ... 1
• 목차 ... 2
• 연구계획 요약문 ... 3
• 연구결과 요약문 ... 4
• 한글요약문 ... 4
• SUMMARY ... 5
• 연구내용 및 결과 ... 6
• 1. 연구개발과제의 개요 ... 6
• 2. 국내외 기술개발 현황 ... 8
• 3. 연구수행 내용 및 결과 ... 9
• 4. 목표달성도 및 관련분야에의 기여도 ... 56
• 5. 연구결과의 활용계획 ... 59
• 6. 연구과정에서 수집한 해외 과학기술정보 ... 59
• 7. 주관연구책임자 대표적 연구실적 ... 60
• 8. 참고문헌 ... 60
• 9. 연구성과 ... 63
• 10. 국가과학기술지식정보서비스에 등록한 연구시설‧장비 현황 ... 64
• 11. 연구개발과제 수행에 따른 연구실 등의 안전조치 이행실적 ... 64
• 12. 기타사항 ... 65
• 별첨1. 대 표 연 구 실 적 ... 66
• 별첨2. 세부 목표 관련 증빙 ... 80
• 끝페이지 ... 87