• 터널과지하공간
• /
• 제25권1호
• /
• pp.97-106
• /
• 2015

암반사면을 안전하고 효율적으로 설계하기 위해서는 암반의 역학적 특성을 정밀하게 조사하여야 한다. 하지만 현재 사용되고 있는 클리노미터를 이용한 절리 조사의 한계점으로 인해 이를 보완할 수 있는 새로운 측정법의 연구가 필요로 하고 있다. 그러므로 본 연구에서는 3D Laser Scanner와 점군 데이터 분석 소프트웨어 Split-FX를 이용하여 암반사면의 절리방향 측정의 신뢰성을 분석하였다. 절리면 자동추출 기능을 통하여 총 495개의 절리 데이터를 얻었으며, 동일 지역을 클리노미터를 이용하여 측정한 38개의 데이터와 비교하여 분석한 결과 경사는 ${\pm}4^{\circ}$, 경사방향은 ${\pm}5^{\circ}$의 편차를 가지는 것을 확인하였다. 이러한 측정결과는 선행 연구를 통해 알게 된 클리노미터의 조사자에 따른 경사/경사방향 오차범위 ${\pm}5^{\circ}/{\pm}10^{\circ}$에 속하기 때문에 3D Laser Scanner를 이용한 절리데이터 취득 및 분석은 기존의 조사법을 보완할 수 있는 효율적이고 신뢰성 있는 조사법이라고 분석되었다.

• 대한조선학회논문집
• /
• 제58권5호
• /
• pp.303-313
• /
• 2021

Recently, quality control of the Liquefied Natural Gas Carrier (LNGC) cargo hold and block-erection interference areas using 3D scanners have been performed, focusing on large shipyards and the international association of classification societies. In this study, as a part of the research on LNGC cargo hold quality management advancement, a study on deep-learning-based scaffolding system 3D point cloud object detection and post-processing were conducted using a LNGC cargo hold 3D point cloud. The scaffolding system point cloud object detection is based on the PointNet deep learning architecture that detects objects using point clouds, achieving 70% prediction accuracy. In addition, the possibility of improving the accuracy of object detection through parameter adjustment is confirmed, and the standard of Intersection over Union (IoU), an index for determining whether the object is the same, is achieved. To avoid the manual post-processing work, the object detection architecture allows automatic task performance and can achieve stable prediction accuracy through supplementation and improvement of learning data. In the future, an improved study will be conducted on not only the flat surface of the LNGC cargo hold but also complex systems such as curved surfaces, and the results are expected to be applicable in process progress automation rate monitoring and ship quality control.

• 한국정보통신학회논문지
• /
• 제22권6호
• /
• pp.874-880
• /
• 2018

3D 모델링은 건축, 기계, 제품 및 영화영상의 다양한 콘텐츠 제작 등에 폭넓게 활용되고 있으며 첨단 제작기술들이 적용되고 있다. 모델링은 시간이 많이 소요되는 작업으로 이러한 단점을 보완하기 위해서 최근 3D스캐닝 기술을 적용하여 제작기간을 단축시키려는 시도가 활발하다. 소형 오브젝트에 대한 3D스캐닝은 레이저나 광학을 이용하여 직접 데이터를 얻지만 대형의 건물이나 조형물은 고가의 장비가 필요하므로 직접적이 데이터 취득이 힘들다. 본 연구에서는 포토메트리를 이용하여 대형 오브젝트에 대한 3차원 모델링 데이터를 획득한다. 영상 데이터를 획득하기위해 드론을 이용하였으며 조형물과 드론의 일정한 간격유지와 비행 동선에 대한 측정방법을 제시하였다. 또한 획득된 3차원 점군 데이터를 애니메이션에 활용할 수 있는 제작환경과 렌더링 된 애니메이션 결과물을 제시하여 다양한 환경에서 제작할 수 있는 방안을 모색하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 추계학술발표대회
• /
• pp.219-222
• /
• 2008

3차원 인체 스캐너로부터 얻어진 인체형상데이터는 여러 인체에 대한 3차원 평균 모델을 만들어 내는 등의 통계적 분석이나 자세 변경을 위해 필요한 내부 골격 구조와 골격과 피부조직 사이의 관계 등을 계산해 내기 어렵다. 또, 이러한 통계적 분석을 위해서는 각 모델 간의 상응 관계가 확립되어야 하지만 스캐너로부터 얻어진 인체 형상 데이터들은 측정 환경이나 대상에 따라 각각이 서로 상이한 기하학적 구조로 이루어져 있다. 본 논문에서는 템플릿 모델을 3차원 인체데이터에 맞도록 변형함으로써 다수의 인체 형상에 대하여 토폴로지를 일치시키도록 한다. 3차원 인체 데이터에 대해 템플릿 모델이 가장 근사한 형상이 되도록 하는 변형을 자동으로 찾아내기 위해서 표면 위에 정의된 특징점들을 사용한다. 또한, 기존에 찾아둔 특징점군 및 변형정보 데이터가 충분히 많다면 새로운 변형을 계산하는 데 유용하게 사용될 수 있음을 보인다. 이렇게 상응 관계가 확립된 모델들은 삼차원 벡터 공간의 점들의 집합으로 표현 및 통계적 분석이 가능하게 된다.

• 한국산학기술학회논문지
• /
• 제20권3호
• /
• pp.16-22
• /
• 2019

로봇을 적용한 자동화 생산 라인에서 로봇 셋업 시 시뮬레이션을 통한 Off-Line Programming(OLP)과 로봇 캘리브레이션은 작업 시간을 단축하고 양산 전부터 생산 품질을 관리하기 위해 필수적이다. 본 연구에서는 상용 3D 스캐너를 사용하여 생산 라인의 CAD 데이터와 현장의 3차원 측정 스캔 데이터를 정합하는 로봇 캘리브레이션 방법을 개발하였다. 제안한 방법은 Iterative Closest Point(ICP) 알고리즘을 통해 두 개의 3차원 점군 데이터를 정합하여 로봇을 교정한다. 정합은 3단계로 수행한다. 먼저 CAD 데이터로부터 3개의 평면으로 연결된 꼭짓점을 특징점으로 추출한다. 추출한 특징점 주변에 위치한 스캔 점군데이터로부터 평면을 재구성하여 대응하는 특징점을 생성한다. 마지막으로 ICP 알고리즘을 통해 추출한 특징점들 간의 거리를 최소화하여 위치 변환 행렬을 계산한다. 자동차 차체 조립라인의 스팟용접 로봇 설치에 제안한 방법을 적용한 결과 스팟용접에서 일반적으로 요구하는 정밀도 1.5mm 수준으로 로봇의 위치 및 자세를 캘리브레이션 할 수 있었으며, 기존에 레이저 트래커를 사용하면 로봇 한 대당 5시간 이상 소요되던 셋업 시간은 40분 이내로 단축할 수 있었다. 개발한 시스템을 사용하면 차체 스팟 용접에 필요한 정밀도를 유지하면서 자동차 차체 조립 라인의 OLP 작업시간을 단축하여, 로봇 정밀 티칭 시간을 단축하여, 생산제품의 품질 향상 및 불량률을 최소화할 수 있다.

• 방송공학회논문지
• /
• 제28권3호
• /
• pp.329-332
• /
• 2023

딥러닝 네트워크를 이용한 3차원 객체 인식 기술은 자율주행 기술 개발에 있어 대상 객체의 종류 뿐만 아니라 센서로부터의 거리도 인식할 수 있기 때문에 장애물 탐지를 위해 많이 개발되고 있다. 하지만 3차원 객체 인식 모델의 경우 원거리 객체에 대한 탐지 성능이 근거리 객체에 대한 인식 성능보다 낮아 차량의 안전을 확보하는 데에 치명적인 문제가 발생할 수 있다. 본 논문에서는 가상의 3차원 차량 데이터를 생성해 모델 학습에 사용되는 데이터셋에 추가하여 3차원 객체 인식 모델의 성능, 특히 원거리의 객체에 대한 성능을 향상시키는 기술을 소개한다. 3차원 라이다 센서 데이터의 특성을 활용한 구면 점 추적 기법을 사용하여 실제 차량과 매우 유사한 가상 차량을 생성하였고, 생성한 가상 차량 데이터를 사용하여 원거리뿐만 아니라 모든 거리 영역 범위에서의 객체 인식 성능을 향상시킴으로써 가상 데이터의 학습 유효성을 입증하였다.

• 대한전자공학회논문지SP
• /
• 제48권1호
• /
• pp.8-15
• /
• 2011

본 논문에서는 지상라이다에서 획득한 3차원 점군데이터로부터 구조물을 모델링하는 알고리듬을 제안한다. 지상라이다 점군 데이터는 항공라이다의 경우와 달리 목표 구조물의 크기와 비슷한 다양한 장애물이 존재하고 데이터의 밀도, 거리 등의 특성이 다르기 때문에 항공라이다에서 사용된 기존의 알고리듬을 그대로 적용하기가 곤란하다. 제안한 방법에서는 색상정보와 호프변환을 이용하여 구조물을 추출하는 기법을 기반으로 주어진 필드데이터를 여러 개의 클러스터로 구분한다. 클러스터 데이터의 우선순위에 따라서 Delaunay triangulation 기법을 차례대로 적용하여 모델링을 수행한다. 제안한 방법은 클러스터 단위로 모델링을 진행하므로 잡음에 의한 영향을 최소화할 수 있으며 사용자가 원하는 개수만큼의 클러스터를 선택함으로써 모델링의 수준을 대화식으로 조정할 수 있다는 장점이 있다.

• 한국터널지하공간학회 논문집
• /
• 제26권2호
• /
• pp.113-128
• /
• 2024

향상된 MMS (Mobile Mapping System)를 이용하여 도로터널 정밀안전진단 항목을 검토하고 분석하였다. MMS에 의한 적용 가능한 항목은 외관조사, 조사 및 비파괴시험, 구조안전성, 유지관리방안일 것이다. MMS의 차량속도가 너무 빠르면 점군데이터의 해상도가 낮아지고 너무 느리면 보정값 오차가 증가하는 경향을 보인다. 본 연구에 적용된 장비에서는 50 km/h 속도에서 측정이 효과적이다. MMS의 점군 자료에 근거한 균열폭을 판단하기에는 한계가 있으나 터널내 설비 현황과 방재관리기준과 부합되는지를 검토할 수있다. MMS의 3차원 점군은 횡단면 측량의 검토 및 종단면 측량의 변화에 적용될 수 있는데 이는 터널 전체에 대해 차량 한계를 직관적으로 검토할 수 있을 것이다. 시험 개수와 조사 위치를 무작위로 선정하는 현재 정밀안전진단의 측정과 비교하여 MMS의 연속된 환경조건 측정은 정밀도 높은 분석에서 효과적이며 의미가 있을 것이다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 하계학술대회
• /
• pp.5-8
• /
• 2016

키 프레임 추출 기법은 2차원 비오 영상을 3차원으로 재구성하기 위해 꼭 필요한 프레임을 선택하는 방법이다. 본 논문에서는 비디오에서 빠르게 프레임을 검사하며 최적의 키 프레임을 선택하는 기법을 제안한다. 제안하는 기법은 3차원 재구성을 위한 전처리 과정에 초점을 둔 것으로 프레임 간 대응점 비율 검사를 통해 프레임의 도약 강도를 결정하고 기하 모델 추정이 원활한 프레임을 선택한다. 이로부터 3차원 복원 후처리 과정을 통해 최종적인 3차원 점군(point cloud) 데이터를 획득한다. 실험을 통해 다른 기법과 성능을 비교했을 때, 제안하는 기법이 복원 소요 시간도 적게 들고 보다 밀집된 3차원 데이터를 얻을 수 있었다.

• 한국측량학회지
• /
• 제36권6호
• /
• pp.535-544
• /
• 2018

급변하는 주변상황이나 대형차량과 같은 큰 지형지물에 센서가 가려질 경우에는 센서만을 이용한 완전 자율주행에는 한계가 따른다. 이에 자율주행을 위해서 센서를 이용한 한계점을 극복할 수 있도록 정밀한 도로지도를 부가적으로 이용하는 방법이 사용되고 있다. 본 연구는 국토지리정보원에서 제공하는 지상 MMS(Mobile Mapping System)로 취득된 3차원 점군자료를 이용하여 도로 객체를 분류하는 연구를 수행하였다. 본 연구를 위해서 원본 3차원 점군자료를 전처리 하고, 지면과 비지면점을 분리하기 위한 필터링 기법을 선정하였다. 또한 차선, 가로등, 안전펜스 등에 해당하는 도로객체를 초기 분할한 후 분할된 객체를 머신러닝의 종류인 서포트 벡터 머신을 이용하여 학습시킨 후 분류하였다. 학습데이터는 분할된 도로객체에서 추출한 고유값을 이용한 기하학적 요소와 높이정보만을 사용하였으며 분류결과 전체정확도는 87%, 카파계수는 0.795로 나타났다. 향후 도로객체의 분류를 위하여 기하학적인 요소 뿐만 아니라 다양한 항목을 추가한다면 분류정확도가 높아질 것으로 예상된다.