• 한국안전학회지
• /
• 제36권1호
• /
• pp.18-25
• /
• 2021

In many developed countries, such as South Korea, efficiently maintaining the aging infrastructures is an important issue. Currently, inspectors visually inspect the infrastructure for maintenance needs, but this method is inefficient due to its high costs, long logistic times, and hazards to the inspectors. Thus, in this paper, a novel crack inspection approach for concrete bridges is proposed using integrated image processing techniques. The proposed approach consists of four steps: (1) training a deep learning model to automatically detect cracks on concrete bridges, (2) acquiring in-situ images using a drone, (3) generating orthomosaic images based on 3D modeling, and (4) detecting cracks on the orthmosaic image using the trained deep learning model. Cascade Mask R-CNN, a state-of-the-art instance segmentation deep learning model, was trained with 3235 crack images that included 2415 hard negative images. We selected the Tancheon overpass, located in Seoul, South Korea, as a testbed for the proposed approach, and we captured images of pier 34-37 and slab 34-36 using a commercial drone. Agisoft Metashape was utilized as a 3D model generation program to generate an orthomosaic of the captured images. We applied the proposed approach to four orthomosaic images that displayed the front, back, left, and right sides of pier 37. Using pixel-level precision referencing visual inspection of the captured images, we evaluated the trained Cascade Mask R-CNN's crack detection performance. At the coping of the front side of pier 37, the model obtained its best precision: 94.34%. It achieved an average precision of 72.93% for the orthomosaics of the four sides of the pier. The test results show that this proposed approach for crack detection can be a suitable alternative to the conventional visual inspection method.

• Journal of Ecology and Environment
• /
• 제41권4호
• /
• pp.114-119
• /
• 2017

This study tried to analyze error range and resolution of drone images using a rotary wing by comparing them with field measurement results and to analyze stands patterns in actual vegetation map preparation by comparing drone images with aerial images provided by National Geographic Information Institute of Korea. A total of 11 ground control points (GCPs) were selected in the area, and coordinates of the points were identified. In the analysis of aerial images taken by a drone, error per pixel was analyzed to be 0.284 cm. Also, digital elevation model (DEM), digital surface model (DSM), and orthomosaic image were abstracted. When drone images were comparatively analyzed with coordinates of ground control points (GCPs), root mean square error (RMSE) was analyzed as 2.36, 1.37, and 5.15 m in the direction of X, Y, and Z. Because of this error, there were some differences in locations between images edited after field measurement and images edited without field measurement. Also, drone images taken in the stream and the forest and 51 and 25 cm resolution aerial images provided by the National Geographic Information Institute of Korea were compared to identify stands patterns. To have a standard to classify polygons according to each aerial image, image analysis software (eCognition) was used. As a result, it was analyzed that drone images made more precise polygons than 51 and 25 cm resolution images provided by the National Geographic Information Institute of Korea. Therefore, if we utilize drones appropriately according to characteristics of subject, we can have advantages in vegetation change survey and general monitoring survey as it can acquire detailed information and can take images continuously.

• 터널과지하공간
• /
• 제25권6호
• /
• pp.527-533
• /
• 2015

본 연구에서는 고정익 무인항공기(드론, SenseFly eBee)를 이용하여 국내 대규모 석회석 노천광산에 대한 지형측량을 수행하였다. 비행고도 300 m, 비행속도 12 m/s 조건으로 약 30분간 자동모드 비행을 수행한 결과 현장에서 총 288장의 항공사진을 촬영할 수 있었다. 특이점 추출이 불가능한 37장의 항공사진을 제외한 251장의 항공사진 자료들을 보정하고, 정합한 결과 7 cm 해상도의 정사영상과 수치표면모델 자료를 생성할 수 있었다. 4곳의 지상기준점에 대하여 고정밀 위성측정시스템를 이용하여 측정한 위치 좌표와 고정익 무인항공기 사진측량시스템을 이용하여 추출한 위치 좌표를 비교한 결과 평균 제곱근 오차가 15 cm 내외로 분석되었다. 고정익 무인항공기는 회전익 무인항공기에 비해 상대적으로 비행시간이 길어 넓은 영역의 신속한 지형측량이 가능하므로 대규모 노천광산 현장에서 효과적으로 활용될 수 있을 것이다.

• 한국건설관리학회논문집
• /
• 제23권2호
• /
• pp.45-53
• /
• 2022

본 연구의 목적은 드론을 활용하여 철근콘크리트 말뚝기초의 시공 오차를 분석하는 모델을 제시하는 것이다. 이에 따라 먼저, 드론을 활용하여 건설 현장에 대한 항공이미지를 획득하고 이를 기반으로 정사모자이크 이미지를 생성하고 다음으로 허프 변환 원형 검출 방법을 활용하여 정사모자이크 이미지에서 원형 형태의 말뚝기초를 자동으로 인식하도록 하였다. 마지막으로, 중첩된 정사 모자이크 이미지와 구조 도면 상의 철근콘크리트 말뚝기초의 중심점을 기준으로 연단거리를 계산하고, 수평 위치변동 15cm를 기준으로 철근콘크리트 말뚝기초의 시공 오차를 분석한다. 또한, 제시된 모델의 활요성을 검증하기 위하여 토공 및 지정공사가 진행 중인 교육시설물 1개소를 선정하여 적용한 결과, 시공된 말뚝기초 전부를 자동으로 인식하였고 오차범위를 초과한 말뚝기초의 개수를 도출하였다.

• 한국지리정보학회지
• /
• 제25권4호
• /
• pp.136-150
• /
• 2022

본 연구는 하천 관리 및 홍수위 분석에 있어 필수적인 자료 중 하나인 하천 지형정보를 얻기 위해 RGB 영상을 활용하는 방법에 대한 비교 검토가 이루어졌다. 하천 구역의 지형정보를 얻는 데 있어 흐름 구간 즉 하도 지형정보를 얻는 것이 가장 어려운 분야 중 하나이기에 본 연구에서는 RGB 영상 기반으로 하도 지형정보를 추정하는 것에 집중하였다. 이를 위해 Acoustic Doppler Current Profiler(ADCP)와 RTK-GPS(Real Time Kinematic-GPS)를 이용하여 하도 지형을 직접 계측하였으며, 동시에 드론 촬영을 통해 획득한 고해상도 이미지를 이용하여 정사 영상을 생성하였다. 이후 수심 계측 결과와 RGB 정사 영상의 밴드 값들을 이용하여 수심 예측을 위한 기존에 개발된 회귀식들을 적용하였으며, 가장 뛰어난 예측력을 보여준 회귀식을 이용하여 연구 대상 지역의 하도 지형을 추정하였다. 흐름 구간 이외 지역의 경우 항공 라이다로부터 생성된 DEM을 이용하여 하천 구간 전체에 대한 지형정보를 구축하였다. 추가로 드론 촬영이 이루어진 동일한 시간 동안 직접 계측한 자료를 이용하여 생성된 지형정보와 드론 정사 영상 기반으로 생성된 하도 지형정보의 비교 검증을 수행하기 위해 CCHE2D 모형을 활용하여 흐름 모델링을 모의하였으며, 일부 구간에 대한 계측이 이루어지지 못한 직접 계측한 지형정보와 비교하여 영상 기반의 지형정보는 보다 나은 수심, 유속 모의 결과를 보여주었다. 본 연구 결과를 통해 RGB 영상으로부터 하도 지형정보를 획득할 수 있는 것을 확인하였으며, 추가적인 연구가 수행된다면 하천 관리를 위한 효율적인 하천 지형정보를 얻는 방법으로 활용할 가능성을 확인하였다.

• 터널과지하공간
• /
• 제25권5호
• /
• pp.462-469
• /
• 2015

본 연구에서는 보급형 회전익 무인항공기(드론, DJI 팬텀2 비전 플러스)를 이용하여 국내 소규모 석회석 노천광산 현장(대성MDI(주) 석교사업소)의 지형측량을 수행하였다. 고도 100 m, 속도 3 m/s 조건으로 30분간 자동모드 비행을 수행한 결과 총 89장의 항공사진을 획득할 수 있었다. 현장에서 취득한 항공사진 자료들을 보정하고, 정합한 결과 총 3,400만 개의 3차원 점군 데이터가 추출되었고, 이로부터 5 cm 해상도의 정사영상과 수치표면모델 자료를 생성할 수 있었다. 5개 지상기준점에 대해서 고정밀 위성측정시스템를 이용하여 측정한 위치 좌표와 회전익 무인항공기 사진측량시스템을 이용하여 추출한 위치 좌표를 비교한 결과 평균 제곱근 오차가 X, Y, Z 세 방향 모두 10 cm 내외로 나타났다. 따라서 보급형 회전익 무인항공기 사진측량시스템이 기존의 지형측량 장비들을 대체하거나 보완할 수 있는 기술로서 소규모 노천광산 현장에서 효과적으로 활용될 수 있을 것이라 판단된다.

• 한국지리정보학회지
• /
• 제23권2호
• /
• pp.21-35
• /
• 2020

식생정보는 도시계획, 조경, 수자원, 환경 등 다양한 분야에서 활용되는 매우 중요한 인자이다. 식생은 수관밀도 혹은 엽록소 함량에 따라 식생의 활력도에 차이가 발생하나 기존 연구에서는 식생지역을 분류시 식생 활력도를 고려하지 않았다. 본 연구에서는 다양한 응용연구를 충족시키기 위해 식생 활력도를 고려한 식생지수 경계값을 설정하는 연구를 수행하였다. 먼저 eBee 고정익 드론에 다중분광 카메라를 탑재하여 광학 및 근적외선 정사영상을 구축하였으며, 그리고 각 정사영상에 대해 GIS 연산을 수행하여 NDVI, GNDVI, SAVI, MSAVI 식생지수를 계산하였다. 또한 대상지에 대한 식생위치를 VRS 측량을 통해 조사하였으며 이를 이용하여 식생 활력도를 고려한 식생지수별 정확도를 평가하였다. 그 결과 식생 활력도가 좋은 지점을 식생지역으로 선정한 시나리오가 식생 활력도가 다소 부족한 지점도 식생지역으로 선정한 시나리오에 비해 식생지수의 분류 정확도가 높게 나타났다. 또한 각 현장 조사 지점과의 중첩을 통해 계산한 식생지수별 Kappa 계수를 통해 시나리오별로 식생을 분류하기에 가장 적합한 식생지수 경계값을 선정할 수 있었다. 따라서 본 연구에서 제시한 식생 활력도를 고려한 식생지수 정확도 평가는 향후 도시계획 등 다양한 업무 분야에서 의사결정 지원을 위한 유용한 정보를 제공해 줄 수 있을 것으로 판단된다.

• 터널과지하공간
• /
• 제26권1호
• /
• pp.24-31
• /
• 2016

최근 노천광산 현장의 지형측량을 위해 고정익 무인항공기와 회전익 무인항공기를 이용한 항공사진측량 기법들이 활발하게 연구되고 있다. 고정익 무인항공기와 회전익 무인항공기는 비행고도, 비행속도, 비행시간, 탑재된 광학 카메라의 성능 등에서 다양한 차이가 있으므로 동일한 현장을 대상으로 지형측량을 수행한 후 그 결과를 비교해 볼 필요가 있다. 본 연구에서는 경상남도 양산시에 위치한 토목건설 현장을 연구지역으로 선정하고, 고정익 무인항공기인 eBee와 보급형 회전익 무인항공기인 Phantom2 Vision+를 이용하여 지형측량을 수행한 후 그 결과를 비교하였다. eBee와 Phantom2 Vision+에서 촬영된 항공사진을 각각 자료처리한 결과 약 4 cm/pixel 공간해상도의 정사영상과 수치표면모델들을 제작할 수 있었다. 7곳의 지상기준점들에 대한 고정밀 위성측정시스템 좌표 측정결과와 비교할 때 eBee와 Phantom2 Vision+의 지형측량 결과 모두 평균 제곱근 오차가 X, Y, Z 방향에서 10 cm 내외로 나타났다.

• 한국산업융합학회 논문집
• /
• 제24권6_2호
• /
• pp.753-762
• /
• 2021

Google provides mapping services using satellite imagery, this is widely used for the study. Since about 20 years ago, research and business using drones have been expanding. Pix4D is widely used to create 3D information models using drones. This study compared the distance error by comparing the result of the road construction site with the DSM data of Google Earth and Pix4 D. Through this, we tried to understand the reliability of the result of distance measurement in Google Earth. A DTM result of 3.08 cm/pixel was obtained as a result of matching with 49666 key points for each image. The length and altitude of Pix4D and Google Earth were measured and compared using the obtained PCD. As a result, the average error of the distance based on the data of Pix4D was measured to be 0.68 m, confirming that the error was relatively small. As a result of measuring the altitude of Google Earth and Pix4D and comparing them, it was confirmed that the maximum error was 83.214m, which was measured using satellite images, but the error was quite large and there was inaccuracy. Through this, it was confirmed that there are difficulties in analyzing and acquiring data at road construction sites using Google Earth, and the result was obtained that point cloud data using drones is necessary.