• 한국빅데이터학회지
• /
• 제6권1호
• /
• pp.197-206
• /
• 2021

GPR(Ground Penetrating Radar)에서 수집된 데이터는 지하 탐사를 위해 사용된다. 이 때, 지반 아래의 시설물들이 GPR을 반사하는 경우가 종종 발생하여 수집된 데이터는 전문가에 경험에 의존하여 해석된다. 또한, GPR 데이터는 수집 장비, 환경 등에 따라 데이터의 노이즈, 특성 등이 다르게 나타난다. 이로 인해 정확한 레이블을 가지는 데이터가 충분히 확보되지 못하는 경우가 많다. 일반적으로 이미지 분류 문제에서 높은 성능을 보이는 인공신경망 모델을 적용하기 위해서는 많은 양의 학습 데이터가 확보되어야 한다. 그러나 GPR 데이터의 특성 상 데이터에 정확한 레이블을 붙이는 것은 많은 비용을 필요로 하여 충분한 데이터를 확보하기가 어렵다. 이는 결국 일반적으로 활용되는 지도학습 방법을 기반으로 인공신경망을 적절히 학습시킬 수 없게 한다. 본 논문에서는 각 레이블의 정확도가 유사한 수준을 갖도록 하는 것을 목표로 데이터 특성을 바탕으로 하는 이미지 분류 방법을 제안한다. 제안 방법은 준지도학습을 기반으로 하고 있으며, 인공신경망으로부터 이미지의 특징값을 추출한 후 클러스터링 기법을 활용하여 이미지를 분류한다. 이 방법은 라벨링 된 데이터가 충분하지 않은 경우 라벨링할 때 뿐 만 아니라 데이터에 달린 레이블의 신뢰도가 높지 않은 경우에도 활용할 수 있다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제20권4호
• /
• pp.104-110
• /
• 2016

본 연구에서는 매립관 및 공동에 대한 GPR 탐사의 실증적 자료 확보 및 GPR 탐사 자료의 이미지 처리를 위한 프로그램을 개발하기 위한 토조의 GPR 탐사를 시행하였다. 비포장 및 아스팔트 포장의 경우 심도 0.7m에서 물채움 공동을 확인할 수 있었으나, 1.0 m 및 1.3 m 깊이에 매립한 공동은 탐지 불가하였다. 무근 및 철근 콘크리트 포장의 경우 신호의 간섭이 심하여 공동을 탐지하는 것이 어려웠다. GPR 탐사 데이터의 이미지 처리를 위한 프로그램 GPRiPP을 개발하였다. 주요한 처리 기법인 백그라운드 제거, 스택킹 및 게인 기능 알고리즘을 프로그램에 반영하였으며, 적절한 백그라운드 제거 및 게인 기능을 사용하면 기존 프로그램과 유사한 이미지 처리 결과를 도출할 수 있음을 확인하였다.

• 한국측량학회지
• /
• 제40권2호
• /
• pp.109-118
• /
• 2022

싱크홀 탐사 등 지반조사를 위한 기술로 개발된 GPR (Ground Penetrating Radar)은 지하시설물 탐사에서 불탐구간을 해소하기 위한 방법으로 한정되어 사용하고 있었다. 정부는 지하시설물 데이터의 정확도 개선을 위하여 2022년 7월부터 비금속 관로 탐사기를 이용한 지하시설물 탐사가 가능하도록 하였다. 그러나 GPR은 점토층 등과 같이 연약지반 같은 수분함량이 높은 지반에서 탐사율도 낮아지고, 정확도에 많은 변동이 발생하는 문제점을 가지고 있다. 본 연구에서는 GPR의 특성과 지하시설물의 환경을 고려한 탐사정확도 향상방안으로 유전률 상수 보정과 GPR 영상자료의 패턴분석을 이용한 지하시설물 GPR탐사 방안을 제시하고자 한다. 본 연구를 통하여 GPR 주파수 대역과 이기종 GPR을 적용한 현장검증 결과 지하시설물 탐사의 정확도 향상 및 높은 재현성 결과를 도출하였다.

• 인터넷정보학회논문지
• /
• 제20권4호
• /
• pp.39-46
• /
• 2019

최근에 지하공동이나 배관의 위치 파악 등의 필요에 의해 금속을 포함하여 다양한 재질의 지하 물체를 탐지하는 일이 중요해지고 있다. 이러한 이유로 지하 탐지 분야에서 GPR(Ground Penetrating Radar) 기술이 주목을 받고 있다. GPR은 지하에 묻혀 있는 물체의 위치를 찾기 위하여 레이더파를 조사하고 물체로부터 반사되는 반사파를 영상으로 표현한다. 그런데 레이더 신호는 지하에서 여러가지 물체에서 반사되어 나오는 특징이 물체마다 유사한 경우가 많기 때문에 GPR 영상을 해석하는 것은 쉽지 않다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해서 영상 인식 분야에서 최근에 많이 활용되고 있는 딥러닝 기반의 CNN(Convolutional Neural Network)모델을 이용하여 임계값에 따른 GPR 영상에서의 배관 위치를 추정하고 그 실험 결과 임계값이 7 혹은 8 일 때 가장 확실하게 배관의 위치를 찾음을 증명하였다.

• 한국건설순환자원학회논문집
• /
• 제5권2호
• /
• pp.177-184
• /
• 2017

최근 한국에서는 많은 지반 침하 사고가 발생하고 있는데, 이는 상하수의 누수 및 손상된 하수관에 기인한 것이다. 본 연구는 지반 침하에 대한 GPR 탐지 데이터의 실증적 자료를 구축하는 것을 목표로 한다. 이러한 목적으로 테스트 베드가 제작되었으며, 제작 변수는 주철관 및 EPS의 매입 깊이 및 수평 거리이다. 탐사결과, 1.5m의 깊이로 매립된 EPS는 검출하기 어려웠으며, 0.5m 거리 내에서 주철관에 밀접하게 매설 된 EPS는 매우 강한 주철관 신호로 탐지가 불가능했다. 또한 본 연구에서는 GPR 탐사 이미지 결과를 처리하기 위해 GPR 이미지 처리 프로그램 (GPRiPP)을 개발했다. 그 주요 기능은 위글파 신호를 증폭시키는 게인 기능이며, 기존 프로그램과 GPRiPP의 이미지 처리 기능은 매우 유사함을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제26권2호
• /
• pp.27-37
• /
• 2021

본 논문에서는 관로를 자동으로 검출하는 지하 관로 자동 탐색 시스템을 제안한다. 시간에 따른 지반변화, 관로 시공 불일치 등 여러 가지 요인으로 실제 관로의 위치가 지하 관로 도면과 일치하지 않는다. 이로 인하여 굴착공사나 관로 노후화에 의한 여러 사고가 발생한다. 사고를 방지하기 위해 GPR(지표 투과 레이더, Ground Penetrating Radar) 탐사를 통해 지하시설물을 찾아내는 작업이 이루어지고 있지만, 분석을 담당할 수 있는 전문가의 수가 부족하다. GPR 데이터는 매우 방대하며 분석과정에도 오랜 시간이 걸리기 때문이다. 이에 본 논문에서는 3D GPR 데이터를 자동으로 분석하기 위해 딥 러닝 기술인 3D 이미지 분할을 사용하고, 이에 적합한 데이터 생성 알고리즘을 제안한다. 또한 GPR 데이터 특성에 맞는 데이터 증강 기법, 데이터 전처리 모듈을 제안한다. 실험 결과를 통해 제안한 시스템은 F1 Score 40.4%의 성능을 보였으며 이를 통해 이미지 분할을 이용한 관로 분석의 가능성을 확인하였다.

• Geomechanics and Engineering
• /
• 제37권5호
• /
• pp.467-474
• /
• 2024

Monitoring and managing the condition of underground utilities is crucial for ground stability. This study aims to determine whether images obtained using ground penetrating radar (GPR) accurately reflect the characteristics of buried pipelines through image analysis. The investigation focuses on pipelines made from different materials, namely concrete and steel, with concrete pipes tested under various diameters to assess detectability under differing conditions. A total of 400 images are acquired at locations with pipelines, and for comparison, an additional 100 data points are collected from areas without pipelines. The study employs GPR at frequencies of 200 MHz and 600 MHz, and image analysis is performed using machine learning-based convolutional neural network (CNN) techniques. The analysis results demonstrate high classification reliability based on the training data, especially in distinguishing between pipes of the same material but of different diameters. The findings suggest that the integration of GPR and CNN algorithms can offer satisfactory performance in exploring the ground's interior characteristics.

• 한국측량학회지
• /
• 제39권6호
• /
• pp.507-513
• /
• 2021

GPR (Ground Penetrating RADAR)은 도로의 포장 상태 및 싱크홀, 지하관로를 검사하는 센서로 도로관리에 활발히 사용되는 센서이다. MMS (Mobile Mapping System)는 도로 표면과 주변 환경에 대한 정확한 정밀 도로 지도를 제공한다. 두 종류의 데이터가 동일한 지역에서 구축되면 지상과 지하의 공간정보를 동시에 구축할 수 있어서 효율적이며 육안으로 도로와 도로 주변의 중요 시설물, 지하의 관로 위치등을 파악할 수 있어서 현장에 대한 직관적인 이해가 가능하여 도로나 시설물을 관리하는데 있어서 유용한 도구가 된다. 그러나 이러한 최신 기술을 적용한 해외의 장비는 고가이며 국내 실정에 맞지 않다. 해외 개발 장비를 대체하고 향후 국산 장비를 개발할 수 있는 원천기술을 확보하기 위해 LiDAR (Light Detection And Raging)와 GNSS/INS (Global Navigation Satellite System / Inertial Navigation System)를 동기화 하고, 동일한 GNSS/INS에 GPR 데이터도 동기화 하였다. 동기화된 GPR 데이터를 취득 당시의 GNSS/INS의 위치와 자세정보를 이용하여 지오레퍼런싱을 수행하는 소프트웨어를 개발하였다. 개활지와 비개활지로 구분하여 도로 현장에서 실험을 수행하였으며, LiDAR를 통해 취득되는 3D 포인트 클라우드 데이터를 통해서 지상의 도로와 주변 시설물을 육안으로 쉽게 확인할 수 있었다. 지오레퍼런싱된 GPR 데이터도 점군데이터와 함께 3D 뷰어로 볼 수 있었으며, 지하의 시설물의 위치를 GPR 데이터를 통해 쉽고 빠르게 확인할 수 있었다.

• 지구물리와물리탐사
• /
• 제26권4호
• /
• pp.171-184
• /
• 2023

최근 도심지 도로에서 빈번하게 발생하는 도로 파임의 주원인인 지하 공동의 발생을 파악하기 위해, 차량 부착형 지표투과레이더(GPR)를 통해 얻은 대량의 취득 자료를 효율적으로 처리하기 위한 기계학습 기반 공동 탐지 기술이 활발하게 연구되고 있다. 그러나 기계학습 자료 생성 시 단순한 영상 처리 기법들만 활용되고 있고, 탄성파 탐사나 GPR 자료 처리에 시도되었던 여러 기법들은 충분히 활용되지 못하고 있다. 이 연구에서는 지하 공동의 탐지가 대부분 회절파의 탐지에 의해 이루어진다는 점에 착안하여 GPR 자료로부터 회절파를 분리하여 YOLO v5 모델을 이용한 도로 하부 공동 탐지 모델의 성능을 향상시켰다. 탄성파에서 개발된 기계학습 기반 회절파 분리 기법을 GPR 자료에 맞게 변형한 후, GPR 현장 자료에서 회절파를 분리하여 공동 탐지 모델의 입력으로 사용하였다. 서울시 공공 개방 GPR 자료를 이용하여 제안된 방법의 성능을 검증한 결과, 회절파 분리를 이용했을 때 더 정확하게 공동 및 지하 구조물을 탐지하는 것을 확인하였다. 또한 제안된 회절파 분리 기법은 향후 GPR 탐사가 이용되는 다양한 분야에서 활용될 수 있을 것으로 기대된다.

• 한국도로학회논문집
• /
• 제19권5호
• /
• pp.69-75
• /
• 2017

PURPOSES : The purpose of this study is to evaluate different types of Ground Penetrating Radar (GPR) testing for characterizing the road cavity detection. The impulse and step-frequency-type GPR tests were conducted on a full-scale testbed with an artificial void installation. After analyzing the response signals of GPR tests for detecting the road cavity, the characteristics of each GPR response was evaluated for a suitable selection of GPR tests. METHODS : Two different types of GPR tests were performed to estimate the limitation and accuracy for detecting the cavities underneath the asphalt pavement. The GPR signal responses were obtained from the testbed with different cavity sizes and depths. The detection limitation was identified by a signal penetration depth at a given cavity for impulse and step-frequency-type GPR testing. The unique signal characteristics was also observed at cavity sections. RESULTS : The impulse-type GPR detected the 500-mm length of cavity at a depth of 1.0 m, and the step-frequency-type GPR detected the cavity up to 1.5 m. This indicates that the detection capacity of the step-frequency type is better than the impulse type. The step-frequency GPR testing also can reflect the howling phenomena that can more accurately determine the cavity. CONCLUSIONS :It is found from this study that the step-frequency GPR testing is more suitable for the road cavity detection of asphalt pavement. The use of step-frequency GPR testing shows a distinct image at the cavity occurrences.