Journal of the Korea institute for structural maintenance and inspection (한국구조물진단유지관리공학회 논문집)

Korea Institute for Structural Maintenance Inspection (한국구조물진단유지관리공학회)
권호 표지
DOI QR코드

DOI QR Code

Point Cloud-based Automated Building Tilt Measurement

포인트 클라우드 기반 건축물 기울기 측정 자동화

  • 유다영 (성균관대학교 건설환경공학부) ;
  • 이채은 (서울대학교 건축학과) ;
  • 심성한 (성균관대학교 글로벌스마트시티융합전공)
  • Received : 2023.09.20
  • Accepted : 2023.09.29
  • Published : 2023.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

This study proposes an automated tilt measurement method using point cloud for buildings. The proposed method consists of two main steps: 1) exterior wall plane extraction, and 2) edge estimation and angle calculation. To validate the performance of the proposed method, the algorithm is applied to a target building, of which the estimated tilt values are compared with those obtained from a total station, a commonly used tool for tilt measurement. The result shows that most estimated tilt values are within the maximum and minimum ranges of the total station measurement, suggesting that the proposed algorithm provides sufficient measurement accuracy. Furthermore, the proposed method is shown to be automated and reliable as well as free from human-induced errors compared to the total station.

최근 컴퓨터 비전, LiDAR 등을 활용하여 구조물의 유지관리를 효율화하기 위한 연구가 활발하게 이루어지고 있다. 건축물의 경우, 점검 항목 중 하나인 기울기는 일반적으로 토탈스테이션을 이용하여 계측하는데, 점검자에 따라 계측값이 일정하지 않아 정확한 기울기 값을 얻기 어렵다. 따라서, 본 연구에서는 현행 건축물 기울기 계측 방식의 신뢰도를 개선하고 측정 과정을 효율화하기 위하여 Point Cloud를 활용한 건축물 기울기 측정 자동화 방법론을 제안한다. 제안 방법론의 기울기 추정 알고리즘은 적용 대상을 직육면체 형태의 건물로 제한하며 외벽 평면 추출과 모서리 추정 및 기울기 계산의 두 단계로 이루어져 있다. 해당 알고리즘을 실제 건축물에 적용하여 기울기를 추정하였고, 이를 토탈스테이션을 이용한 계측방법과 비교하였다. 그 결과, 제안 기법은 정확도와 객관성, 그리고 자동화 관점에서 기존의 측정방식을 대체할 만한 수준으로 판단된다.

Keywords

Acknowledgement

본 연구는 국토교통부/국토교통과학기술진흥원의 지원으로 수행되었음(RS-2022-00143584).

References

  1. Bolourian, N., Nasrollahi, M., Bahreini, F., and Hammad, A. (2023), Point cloud-based concrete surface defect semantic segmentation, Journal of Computing in Civil Engineering, 37(2).
  2. Kim, H., and Kim, C. (2020), Deep-learning-based classification of point clouds for bridge inspection, Remote Sensing, 12(22).
  3. Zhao, W., Jiang, Y., Liu, Y., and Shu, J. (2022), Automated recognition and measurement based on three-dimensional point clouds to connect precast concrete components, Automation in Construction, 133.
  4. Yigit, C. O., Li, X., Inal, C., Ge, L., and Yetkin, M. (2010), Preliminary evaluation of precise inclination sensor and GPS for monitoring full-scale dynamic response of a tall reinforced concrete building, Journal of Applied Geodesy, 4.
  5. Angelique, A., Kelley, A., and Zhou, M. (2022), Tilt Measurement of Buildings Utilizing an Unmanned Aerial Vehicle, Journal of Student Academic Research, 3(1).
  6. Bacova, D., Izvoltova, J., Sedivy, S., and Chromcak, J. (2023), Different approach for the structure inclination determination, Buildings, 13(3), 637.
  7. Yu, R., Li, P., Shan, J., and Zhu, H. (2022), Structural state estimation of earthquake-damaged building structures by using UAV photogrammetry and point cloud segmentation, Measurement, 202, 111858.
  8. Fischler, M. A., Bolles, R. C. (1981), Random sample consensus: A paradigm for model fitting with applications to image analysis and automated cartography, Communications of ACM, 24(6), 381-395. https://doi.org/10.1145/358669.358692