KR102277633B1 - Automatic robot measuring system for transit tunnel safety inspection - Google Patents
Automatic robot measuring system for transit tunnel safety inspection Download PDFInfo
- Publication number
- KR102277633B1 KR102277633B1 KR1020200145492A KR20200145492A KR102277633B1 KR 102277633 B1 KR102277633 B1 KR 102277633B1 KR 1020200145492 A KR1020200145492 A KR 1020200145492A KR 20200145492 A KR20200145492 A KR 20200145492A KR 102277633 B1 KR102277633 B1 KR 102277633B1
- Authority
- KR
- South Korea
- Prior art keywords
- inspection
- rail
- information
- tunnel
- wall
- Prior art date
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 263
- 238000001514 detection method Methods 0.000 claims abstract description 76
- 230000005856 abnormality Effects 0.000 claims description 78
- 238000012545 processing Methods 0.000 claims description 52
- 238000000034 method Methods 0.000 claims description 43
- 230000002159 abnormal effect Effects 0.000 claims description 42
- 238000003384 imaging method Methods 0.000 claims description 36
- 238000003860 storage Methods 0.000 claims description 28
- 239000000725 suspension Substances 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 23
- 238000013500 data storage Methods 0.000 claims description 19
- 238000007405 data analysis Methods 0.000 claims description 11
- 230000003028 elevating effect Effects 0.000 claims description 10
- 230000003287 optical effect Effects 0.000 claims description 10
- 238000013523 data management Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000001678 irradiating effect Effects 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 20
- 238000003745 diagnosis Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 238000009792 diffusion process Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000004439 roughness measurement Methods 0.000 description 4
- 230000032683 aging Effects 0.000 description 3
- 238000005452 bending Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000011179 visual inspection Methods 0.000 description 3
- 210000004885 white matter Anatomy 0.000 description 3
- 241001669679 Eleotris Species 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000006253 efflorescence Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 206010037844 rash Diseases 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 208000012868 Overgrowth Diseases 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 241000519995 Stachys sylvatica Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61C—LOCOMOTIVES; MOTOR RAILCARS
- B61C17/00—Arrangement or disposition of parts; Details or accessories not otherwise provided for; Use of control gear and control systems
- B61C17/12—Control gear; Arrangements for controlling locomotives from remote points in the train or when operating in multiple units
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61D—BODY DETAILS OR KINDS OF RAILWAY VEHICLES
- B61D15/00—Other railway vehicles, e.g. scaffold cars; Adaptations of vehicles for use on railways
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61D—BODY DETAILS OR KINDS OF RAILWAY VEHICLES
- B61D49/00—Other details
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/08—Measuring installations for surveying permanent way
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
- B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
- B61L23/041—Obstacle detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Transportation (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Automation & Control Theory (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
Description
본 발명은 철도 터널의 벽면과 레일 및 도상의 상태를 통합해 자동으로 정밀 검사하여 진단하며 주행하는 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템에 관한 것이다.The present invention relates to an automated diagnostic robot system for safety inspection of railway tunnels that integrates the state of the wall, rail and roadway of a railway tunnel and automatically inspects and diagnoses the railway tunnel safety.
철도 터널은 고속선(KTX), 일반선, 지하철 전용 통행 구간으로 크게 구분된다. 고속선(KTX)은 거리가 1km 이상인 장대터널의 비중이 높아서 신설된 터널도 복합적인 안전진단이 필수적으로 반복되어야 했고, 일반선과 지하철 전용 터널의 경우에는 10년 이상된 노후터널의 비중이 크므로 터널 자체와 터널 내의 주요 시설물에 대한 복합적인 검사와 기능적 안전진단이 요구되었다. Railway tunnels are broadly divided into high-speed lines (KTX), general lines, and subway-only passage sections. In the case of high-speed lines (KTX), the proportion of long tunnels with a distance of 1 km or more was high, so complex safety examinations were essential for newly constructed tunnels. In the case of general lines and subway-exclusive tunnels, the proportion of old tunnels more than 10 years old is large. A complex inspection and functional safety diagnosis were required for itself and major facilities in the tunnel.
일반적으로 터널은 고중량의 철도차량이 통행하면서 노후화의 일종인 터널 변형, 백태, 부분 균열, 누수, 박리 등의 현상이 발생하여 터널의 붕괴 위험성을 높였다. 이러한 노후화는 운행 차량을 구조적으로 훼손시켜서 운행의 불편을 주었으며 심지어 안전사고의 발생 가능성을 증가시켰다.In general, as heavy railroad vehicles pass through tunnels, tunnel deformation, efflorescence, partial cracks, water leakage, peeling, etc., which are a kind of aging, occur, increasing the risk of tunnel collapse. Such aging has structurally damaged the operating vehicle, giving inconvenience to operation and even increasing the possibility of safety accidents.
하지만, 종래와 같이, 육안검사나 카메라 또는 레이저 등을 이용하여 이루어지는 터널 벽면의 검사만으로 터널의 안전을 진단하는 것은 한계가 있었다. 또한, 철도 레일과 도상에 대하여 개별적인 검사도 함께 이루어지고는 있으나, 터널 및 터널 내부의 주요 시설물에 대한 통합정보를 기반하여 터널 전체에 대한 전반적인 안전평가가 이루지지는 못하는 실정이었다.However, there is a limit to diagnosing the safety of a tunnel only by visual inspection or inspection of the tunnel wall using a camera or laser, as in the prior art. In addition, although individual inspections for railroad rails and ballasts have been carried out together, the overall safety evaluation of the entire tunnel based on the integrated information on the tunnel and major facilities inside the tunnel has not been achieved.
국내 철도 터널은 신규 건설의 수요보다 기존 터널에 대한 효율적이고 체계적인 안전관리와 유지보수의 필요성이 절대적으로 요구되고 있으나, 현재와 같이 터널의 안전 진단을 위한 검측 데이터가 수작업에 의해 생성되고 비전산화 데이터의 형태로 보관 및 관리되고 있어서 고도화된 분석 기법이나 AI 등의 최신의 분석 기술을 적용하는데 많은 한계점이 있었다.In domestic railway tunnels, the need for efficient and systematic safety management and maintenance is absolutely required for existing tunnels rather than the demand for new construction. Because it is stored and managed in the form of an advanced analysis technique, there are many limitations in applying the latest analysis technology such as AI.
한편, 터널 검사는 전술한 바와 같이 터널 벽면 검사와 철도 레일 검사와 도상 검사로 크게 분류된다. 상기 검사는 대상에 따라 검사 방식과 활용되는 장비에 차이가 있으므로, 터널 벽면 검사를 위한 터널 벽면 검사장치와 철도 레일 검사를 위한 철도 레일 검사장치와 도상 검사를 위한 도상 검사장치는 서로 독립되었다. 또한, 상기 터널 벽면 검사장치와 철도 레일 검사장치와 도상 검사장치는 검사 결과에 따른 데이터의 형식 또한 차이가 있으므로, 검사결과 데이터도 대상별로 분류하여 개별적으로 관리되었다. On the other hand, the tunnel inspection is broadly classified into a tunnel wall inspection, a railway rail inspection, and a ballast inspection, as described above. Since the inspection differs in the inspection method and equipment used depending on the subject, the tunnel wall inspection apparatus for the tunnel wall inspection, the railway rail inspection apparatus for the railway rail inspection, and the ballast inspection apparatus for the ballast inspection are independent from each other. In addition, since the tunnel wall inspection apparatus, the railway rail inspection apparatus, and the ballast inspection apparatus have different types of data according to the inspection results, the inspection result data was also classified by subject and managed individually.
결국, 종래에는 터널의 안전성 검사를 위해 대상별로 특화된 복수의 장치를 이용해서 각각의 검사 작업을 수행해야 했고, 터널 검사를 통해 수집된 데이터량은 방대할 수밖에 없었다. 또한, 관리자는 터널의 검사 결과를 대상별로 파악해서 진단할 수밖에 없으므로, 터널의 벽면과 레일과 도상 별 검사 결과에 대한 상호 연관성을 파악해서 터널의 전체적인 상태를 진단하는데에도 한계가 있었다. 더욱이 대상별 검사를 통해 수집된 정보는 종래 관리체계가 미비하고 데이터의 유형이 상이하다는 이유로 인해 체계적인 이력관리가 어려웠다. 따라서 이종 검사 데이터의 체계적이고 효율적인 관리 및 보관을 위한 통합형 데이터 플랫폼이 요구되었다.After all, in the prior art, for the safety inspection of a tunnel, each inspection task had to be performed using a plurality of devices specialized for each object, and the amount of data collected through the tunnel inspection was inevitably large. In addition, since the administrator has no choice but to diagnose the tunnel inspection results by subject, there is a limit in diagnosing the overall condition of the tunnel by understanding the correlation between the tunnel wall, rail and ballast inspection results. Moreover, it was difficult to systematically manage the information collected through the inspection by subject because the conventional management system was insufficient and the types of data were different. Therefore, an integrated data platform for systematic and efficient management and storage of heterogeneous test data was required.
이러한 문제를 해소하기 위해서 종래에는 터널 벽면 검사장치와 철도 레일 검사장치와 도상 검사장치를 레일을 타고 이동하는 주행장치에 통합 탑재해서 관리자의 수동 조작을 통해 이동과 정지를 반복하며 검사대상에 대한 정보 수집을 진행했고, 터널 벽면에 대한 검사결과 데이터와 철도 레일에 대한 검사결과 데이터와 도상에 대한 검사결과 데이터를 하나로 통합해서, 관리자가 터널 벽면, 레일, 도상에서 각각 확인된 터널 상태들의 상호 관련성을 일시에 파악할 수 있도록 하기 위한 데이터 통합 기술이 제안되었다. 그러나 종래에는 서로 독립된 대상별 검사장치가 동일한 차량에 단순히 통합 장착된 것에 불과했고, 관리자는 검사장치의 조작과 더불어 주행을 제어해야 했으므로 검사 및 주행 조작의 불편으로 인해 정밀하면서도 균일한 촬영 및 계측에 어려움이 있었으며, 터널의 검사 대상별 데이터를 상호 연계하고 형식을 통일시키는 등의 통합 과정이 곤란하여 현실화하는데 한계가 있었다. 더욱이 종래 철도 터널의 안전검사는 육안검사 기반의 평가기준만을 주로 적용 및 사용하고 있는 반면 상태평가를 위한 기술의 진보는 빠르게 이루어지고 있고, 오히려 육안검사 기반의 평가기준이 다양한 신기술 도입을 저해하는 요인으로 작용하고 있어 디지털 데이터 기반의 정량적 상태평가 기준의 마련이 요구되었다.In order to solve this problem, in the prior art, the tunnel wall inspection device, the railway rail inspection device, and the ballast inspection device were integrated into the driving device that moves on the rail, and the movement and stop were repeated through manual operation of the administrator to provide information on the inspection target. The collection was carried out, and by integrating the inspection result data on the tunnel wall, the inspection result data on the railway rail, and the inspection result data on the ballast, the administrator can check the correlation between the tunnel conditions confirmed on the tunnel wall, rail, and ballast, respectively. A data integration technology has been proposed to enable instant identification. However, in the prior art, the inspection devices for each target independent of each other were simply integrated and installed in the same vehicle, and the manager had to control the driving along with the operation of the inspection device, so it was difficult to accurately and uniformly shoot and measure due to the inconvenience of inspection and driving operation. There was a limitation in realizing the integration process, such as interconnecting the data for each inspection target of the tunnel and unifying the format. Moreover, while the safety inspection of conventional railway tunnels mainly applies and uses only the visual inspection-based evaluation criteria, the technology for the condition evaluation is progressing rapidly, and the visual inspection-based evaluation criteria is a factor hindering the introduction of various new technologies. As a result, it was required to prepare a quantitative condition evaluation standard based on digital data.
이외에도 철도 터널 전반에 걸친 다양한 검사 대상의 전문적인 안전 진단을 위해서 다양한 검사 방식을 통해 수집된 데이터의 원본 파괴를 최소화하고 빅 데이터의 최적화된 탐색을 위하여 데이터 웨어하우스 기반의 통합형 데이터 플랫폼 개발이 요구되었다. 또한, 터널의 균열, 누수, 박리 또는 레일의 궤도틀림 등 터널 및 내부 시설물의 안전성 평가를 위한 다양한 위험요소의 정밀한 자동검출과 시계열 분석과 같은 통계기법의 적용을 위하여 데이터 마이닝 기반의 위험요소 탐색 솔루션이 필요했다.In addition, for the professional safety diagnosis of various inspection targets throughout the railroad tunnel, it was required to develop an integrated data platform based on a data warehouse to minimize the destruction of the original data collected through various inspection methods and to optimize the search for big data. . In addition, a data mining-based risk factor search solution for precise automatic detection of various risk factors for safety evaluation of tunnels and internal facilities such as cracks, leaks, delamination, or misalignment of rail tracks and application of statistical techniques such as time series analysis I needed this.
그러나 터널 및 내부 시설물의 안전성 평가를 위한 위험요소의 종류가 다양하고 검사 데이터의 양이 방대하며 비전산화 데이터로 보관 및 관리되고 있어서, AI 기반의 빅데이터 분석과 데이터 마이닝 기법 등의 신기술의 적용을 적용하기 어려운 문제가 있었다.However, since the types of risk factors for safety evaluation of tunnels and internal facilities are diverse, the amount of inspection data is huge, and it is stored and managed as non-oxidized data, it is difficult to apply new technologies such as AI-based big data analysis and data mining techniques. There were problems that were difficult to apply.
선행기술문헌 1. 특허등록번호 제10-1018694호(2011.03.04 공고)
이에 본 발명은 상기의 문제를 해소하기 위한 것으로, 철도 터널에 구성된 터널 벽면과 레일과 도상을 통합해 검사하기 위한 하드웨어적 구조를 갖추고 검사장치가 수집한 정보를 통합 처리해서 데이터를 체계적으로 관리하며 안전 자율 주행이 가능한 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템의 제공을 해결하고자 하는 과제로 한다.Accordingly, the present invention is to solve the above problem, has a hardware structure for integrating and inspecting the tunnel wall, rail and ballast configured in the railway tunnel, and systematically manages the data by integrating the information collected by the inspection device. It is a task to solve the provision of an automated diagnostic robot system for safety inspection of railway tunnels capable of safe autonomous driving.
상기의 과제를 달성하기 위하여 본 발명은,In order to achieve the above object, the present invention
벽면촬영 카메라와, 벽면과의 거리를 측정하는 터널형상 측정기와, 상기 벽면촬영 카메라 및 터널형상 측정기의 동작을 제어하고 수집정보를 벽면 이상지점 정보로 데이터화하는 벽면검사용 컨트롤러가 구비된 터널 벽면 검사장치; Tunnel wall inspection equipped with a wall imaging camera, a tunnel shape measuring device that measures the distance from the wall, and a wall inspection controller that controls the operation of the wall imaging camera and the tunnel shape measuring device and converts the collected information into data on the wall abnormality point information Device;
레일촬영 카메라와, 상기 레일촬영 카메라의 동작을 제어하고 수집정보를 레일 이상지점 정보로 데이터화하는 레일검사용 컨트롤러가 구비된 철도 레일 검사장치;a railway rail inspection device equipped with a rail imaging camera, and a controller for rail inspection that controls the operation of the rail imaging camera and converts the collected information into data on the rail abnormality point information;
도상촬영 카메라와, 상기 도상촬영 카메라의 동작을 제어하고 수집정보를 도상 이상지점 정보로 데이터화하는 레일검사용 컨트롤러가 구비된 도상 검사장치; an iconography camera, and a map inspection device equipped with a controller for rail inspection that controls the operation of the image capture camera and converts the collected information into information on an abnormality point on the map;
주행영상 카메라와, 장애물을 감지하는 감지센서와, 상기 주행영상 카메라의 수집정보 또는 감지센서의 감지신호를 분석해서 장애물과의 벡터 거리를 측정하는 거리계측모듈과, 상기 주행영상 카메라와 감지센서 및 거리계측모듈에 의해 감지된 장애물의 배치 위치 중 유효 장애물로 판정할 위치 범위인 유효영역을 설정하고 유효 장애물을 판정하는 영역설정모듈과, 주행조작에 대응한 운전신호를 생성하고 영역설정모듈의 판정신호에 따라 정지신호를 생성하는 운전제어모듈과, 상기 운전신호와 정지신호에 따라 구동부의 동작을 제어하는 주행기기가 구비된 주행장치;A driving video camera, a detection sensor for detecting an obstacle, a distance measuring module for measuring a vector distance to an obstacle by analyzing the collection information of the driving video camera or a detection signal of the detection sensor, the driving video camera and the detection sensor; The area setting module sets the effective area, which is the position range to be determined as the effective obstacle, among the placement positions of the obstacles detected by the distance measuring module and determines the effective obstacle, and the area setting module generates a driving signal corresponding to the driving operation and determines the area setting module a driving device having a driving control module for generating a stop signal according to a signal, and a driving device for controlling an operation of a driving unit according to the driving signal and the stop signal;
를 포함하는 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템이다.It is an automated diagnostic robot system for railway tunnel safety inspection including
상기의 본 발명은, 철도 터널 전반에 걸쳐 구성된 터널 벽면과 레일과 도상 별 전문 검사장치를 통합해서 자율 주행을 통해 일괄해 검사하므로 관리자의 작업량을 최소화하며 주기적인 터널 검사를 반복할 수 있고, 이러한 반복 검사에서 수집되는 정보를 체계적으로 관리해서 분석할 수 있으므로 터널의 노후화와 상태 변화 등을 다양한 데이터 분석 기법을 활용해 파악하여 신뢰도 있는 검사 결과를 진단할 수 있으며, 터널의 구간별 구조 및 상태 변화 또한 예측할 수 있는 효과가 있다.The present invention as described above integrates the tunnel wall and rail and road-specific inspection devices configured throughout the railroad tunnel to collectively inspect through autonomous driving, thereby minimizing the administrator's workload and repeating periodic tunnel inspections. Since the information collected from repeated inspections can be systematically managed and analyzed, it is possible to determine the aging and state changes of the tunnel using various data analysis techniques to diagnose the test results reliably, and the structure and state changes for each section of the tunnel. It also has a predictable effect.
도 1은 본 발명에 따른 진단 로봇 시스템의 일 실시 예를 개략적으로 도시한 사시도이고,
도 2는 본 발명에 따른 진단 로봇 시스템의 일 실시 예를 도시한 블록도이고,
도 3은 본 발명에 따른 진단 로봇 시스템에 구성된 이동차의 일 실시 예를 도시한 블록도이고,
도 4는 본 발명에 따른 진단 로봇 시스템에 구성된 동작장치의 일 실시 예를 도시한 이동차의 정면도이고,
도 5는 본 발명에 따른 진단 로봇 시스템에 구성된 벽면촬영 카메라의 일 실시 예를 도시한 측면도이고,
도 6은 상기 벽면촬영 카메라의 터널벽면 촬영기에 촬영된 벽면영상 이미지의 일실시 예를 보인 이미지이고,
도 7은 상기 벽면촬영 카메라의 일 실시 예를 개략적으로 도시한 측면도이고,
도 8은 본 발명에 따른 진단 로봇 시스템에 구성된 터널형상 측정기의 일 실시 예를 개략적으로 도시한 도면이고,
도 9는 본 발명에 따른 진단 로봇 시스템에 구성된 데이터 수신 그래프를 개략적으로 도시한 도면이고,
도 10은 본 발명에 따른 진단 로봇 시스템에 구성된 레일촬영 카메라의 일 실시 예를 개략적으로 도시한 측면도이고,
도 11은 상기 레일촬영 카메라에 의해 촬영된 레일 표면의 촬영 영상을 보인 이미지이고,
도 12는 본 발명에 따른 진단 로봇 시스템에 구성된 레일형상 측정기의 일 실시 예를 개략적으로 도시한 도면이고,
도 13은 본 발명에 따른 레일형상 측정기의 동작 모습을 보인 이미지이고,
도 14는 본 발명에 따른 진단 로봇 시스템에 구성된 주행장치의 일 실시 예를 도시한 블록도이고,
도 15는 본 발명에 따른 진단 로봇 시스템에 유효영역이 설정된 일 실시 예를 보인 이미지이고,
도 16은 본 발명에 따른 진단 로봇 시스템에 설정된 유효영역의 일 예를 개략적으로 도시한 평면도이고,
도 17은 본 발명에 따른 진단 로봇 시스템에 검지영역과 한계영역이 설정된 일 실시 예를 보인 이미지이고,
도 18은 본 발명에 따른 진단 로봇 시스템에 설정된 유효영역의 다른 예를 개략적으로 도시한 평면도이고,
도 19은 본 발명에 따른 진단 로봇 시스템이 동작하는 순서의 일 실시 예를 도시한 플로차트이고,
도 20은 본 발명에 따른 진단 로봇 시스템의 통합 결과가 표시된 UI의 일 실시 예를 보인 페이지 이미지이고,
도 21은 본 발명에 따른 진단 로봇 시스템이 검사대상 및 검사구간을 분류해서 이상지점 정보를 표시한 일 실시 예를 보인 테이블 이미지이고,
도 22 내지 도 27은 본 발명에 따른 진단 로봇 시스템이 해당 페이지를 통해 이미지 형식으로 출력한 수집정보의 일 실시 예를 보인 이미지이다.1 is a perspective view schematically showing an embodiment of a diagnostic robot system according to the present invention;
2 is a block diagram illustrating an embodiment of a diagnostic robot system according to the present invention;
3 is a block diagram illustrating an embodiment of a mobile vehicle configured in a diagnostic robot system according to the present invention;
4 is a front view of a moving vehicle showing an embodiment of an operating device configured in a diagnostic robot system according to the present invention;
5 is a side view showing an embodiment of a wall imaging camera configured in a diagnostic robot system according to the present invention;
6 is an image showing an embodiment of the wall image image taken by the tunnel wall camera of the wall camera,
7 is a side view schematically showing an embodiment of the wall-mounting camera;
8 is a diagram schematically illustrating an embodiment of a tunnel shape measuring device configured in a diagnostic robot system according to the present invention;
9 is a diagram schematically illustrating a data reception graph configured in a diagnostic robot system according to the present invention;
10 is a side view schematically showing an embodiment of a rail imaging camera configured in a diagnostic robot system according to the present invention;
11 is an image showing a photographed image of the rail surface photographed by the rail photographing camera,
12 is a diagram schematically illustrating an embodiment of a rail shape measuring device configured in a diagnostic robot system according to the present invention;
13 is an image showing the operation of the rail shape measuring device according to the present invention,
14 is a block diagram illustrating an embodiment of a traveling device configured in a diagnostic robot system according to the present invention;
15 is an image showing an embodiment in which an effective area is set in the diagnostic robot system according to the present invention;
16 is a plan view schematically illustrating an example of an effective area set in the diagnostic robot system according to the present invention;
17 is an image showing an embodiment in which a detection area and a limit area are set in the diagnostic robot system according to the present invention;
18 is a plan view schematically showing another example of an effective area set in the diagnostic robot system according to the present invention;
19 is a flowchart illustrating an example of an operation sequence of the diagnostic robot system according to the present invention;
20 is a page image showing an embodiment of a UI displaying an integration result of a diagnostic robot system according to the present invention;
21 is a table image showing an embodiment in which the diagnostic robot system according to the present invention classifies an inspection target and an inspection section and displays abnormal point information;
22 to 27 are images showing an embodiment of the collected information output by the diagnostic robot system in the form of an image through a corresponding page according to the present invention.
상술한 본 발명의 특징 및 효과는 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 분명해질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 출원에서 사용한 용어는 단지 특정한 실시 예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다.The features and effects of the present invention described above will become apparent through the following detailed description in relation to the accompanying drawings, and accordingly, those of ordinary skill in the art to which the present invention pertains can easily implement the technical idea of the present invention. There will be. Since the present invention can have various changes and can have various forms, specific embodiments are illustrated in the drawings and described in detail in the text. However, this is not intended to limit the present invention to a specific disclosed form, it should be understood to include all modifications, equivalents and substitutes included in the spirit and scope of the present invention. The terms used in the present application are only used to describe specific embodiments, and are not intended to limit the present invention.
이하, 본 발명을 구체적인 내용이 첨부된 도면에 의거하여 상세히 설명한다.Hereinafter, the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명에 따른 진단 로봇 시스템의 일 실시 예를 개략적으로 도시한 사시도이고, 도 2는 본 발명에 따른 진단 로봇 시스템의 일 실시 예를 도시한 블록도이고, 도 3은 본 발명에 따른 진단 로봇 시스템에 구성된 이동차의 일 실시 예를 도시한 블록도이다.1 is a perspective view schematically illustrating an embodiment of a diagnostic robot system according to the present invention, FIG. 2 is a block diagram illustrating an embodiment of a diagnostic robot system according to the present invention, and FIG. It is a block diagram illustrating an embodiment of a mobile vehicle configured in a diagnostic robot system.
도 1 내지 도 3을 참조하면, 본 발명에 따른 진단 로봇 시스템는, 터널 벽면 검사장치(100)와 철도 레일 검사장치(200)와 도상 검사장치(300)와 주행장치(500)와 동작장치(800)가 통합되어 이동차(MM)를 이루는 자동화 진단 로봇 시스템에 있어서, 터널 벽면 검사장치(100)는, 벽면촬영 카메라(110)와, 벽면 각 지점과의 거리를 측정하는 터널형상 측정기(120)와, 벽면촬영 카메라(110) 및 터널형상 측정기(120)의 동작을 제어하고 수집정보를 벽면 이상지점 정보로 데이터화하는 벽면검사용 컨트롤러(130)가 구비되고; 철도 레일 검사장치(200)는, 하방으로 레일 촬영이 가능하도록 이동차(MM)의 프레임(MM1)에 장착된 레일촬영 카메라(210)와, 레일촬영 카메라(210)의 동작을 제어하고 수집정보를 레일 이상지점 정보로 데이터화하는 레일검사용 컨트롤러(220)가 구비되고; 도상 검사장치(300)는, 도상촬영 카메라(310)와, 도상촬영 카메라(310)의 동작을 제어하고 수집정보를 도상 이상지점 정보로 데이터화하는 도상검사용 컨트롤러(320)가 구비되고; 동작장치(800)는, 프레임(MM1)에 설치되며 승강 동력을 일으키는 승강대(810; 도 4 참조)와, 승강대(810)에 승강하도록 안착되는 승강본체(820; 도 4 참조)와, 승강본체(820)에 인입출 가능하게 장착되고 하방으로 도상 촬영이 가능하도록 도상촬영 카메라(310)가 장착되는 현수대(840; 도 4 참조)와, 승강본체(820)에 설치되어서 현수대(840)의 전동 인입출을 위해 동력을 일으키는 인입출 구동기(830; 도 4 참조)와, 현수대(840)에 설치되어서 도상촬영 카메라(310)의 전동 회동을 위해 동력을 일으키는 회전기(850; 도 4 참조)와, 승강대(810)와 인입출 구동기(830)와 회전기(850)의 동작을 제어하는 구동 컨트롤러(미도시됨);를 더 포함한다.1 to 3 , the diagnostic robot system according to the present invention includes a tunnel wall inspection device 100 , a railway rail inspection device 200 , a ballast inspection device 300 , a traveling device 500 , and an operation device 800 . ) is integrated to form a moving vehicle (MM), the tunnel wall inspection device 100 includes a wall imaging camera 110 and a tunnel shape measuring device 120 that measures the distance between each point on the wall and a wall inspection controller 130 for controlling the operation of the wall photographing camera 110 and the tunnel shape measuring device 120 and converting the collected information into data on the wall abnormality point information; The railway rail inspection device 200 controls the operation of the rail imaging camera 210 and the rail imaging camera 210 mounted on the frame MM1 of the moving vehicle MM so as to be able to photograph the rail downward, and collects information is provided with a rail inspection controller 220 that converts the data into rail abnormality point information; The image inspection apparatus 300 includes an image capture camera 310 and a controller 320 for image inspection that controls the operation of the image capture camera 310 and converts the collected information into image abnormality point information; The operating device 800 includes a lifting platform 810 (refer to FIG. 4 ) that is installed on the frame MM1 and generates lifting power, a lifting body 820 (see FIG. 4 ) that is seated on the lifting platform 810 to elevate and lowering, and the lifting body. The suspension 840 (refer to FIG. 4) on which the
또한, 본 발명에 따른 진단 로봇 시스템은, 벽면검사용 컨트롤러(130)와 레일검사용 컨트롤러(220)와 도상검사용 컨트롤러(320)의 동작을 제어하고, 상기 수집정보를 영상정보와 비영상정보로 분류하는 중앙처리장치(700)를 더 포함할 수 있다. In addition, the diagnostic robot system according to the present invention controls the operation of the
또한, 본 발명에 따른 진단 로봇 시스템은, 터널 벽면 검사장치(100)와 철도 레일 검사장치(200)와 도상 검사장치(300) 각각의 수집정보에 터널의 검사구간 단위로 분류 가능하도록 터널위치정보를 링크해서 저장하는 정보 저장부(MM3)를 더 포함할 수 있다. 본 발명에 따른 진단 로봇 시스템는 이동차(MM)에 장착된 터널 벽면 검사장치(100)와 철도 레일 검사장치(200)와 도상 검사장치(300)가 정보를 수집하는 즉시 검사결과 통합처리장치(400)에 해당 수집정보를 실시간으로 전송할 수 있지만, 이동차(MM)가 지정된 구간을 주행하며 정보를 수집한 이후에 수집정보를 일시에 검사결과 통합처리장치(400)에 전달할 수도 있다. 이를 위해서 터널 벽면 검사장치(100)와 철도 레일 검사장치(200)와 도상 검사장치(300)가 수집한 정보에, 이동차(MM)가 실측한 터널의 위치데이터 또는 터널에 설치된 표지를 통해 확인한 터널의 위치데이터를 터널위치정보로 링크하고, 이동차(MM)에 구성된 정보 저장부(MM3)에 저장한다. 따라서 검사결과 통합처리장치(400)는 터널 벽면 검사장치(100)와 철도 레일 검사장치(200)와 도상 검사장치(300) 각각의 수집정보인 벽면 이상지점 정보와 레일 이상지점 정보와 도상 이상지점 정보를 터널의 검사구간 단위로 분류할 수 있다.In addition, in the diagnostic robot system according to the present invention, the tunnel location information can be classified by the tunnel inspection section unit in the collected information of the tunnel
또한, 본 발명에 따른 진단 로봇 시스템은, 벽면검사용 컨트롤러(130)와 레일검사용 컨트롤러(22)와 도상검사용 컨트롤러(320)의 동작을 제어하고, 상기 수집정보를 영상정보와 비영상정보로 분류해서 정보 저장부(MM3)에 저장시키는 중앙처리장치(700)를 더 포함하고; 정보 저장부(MM3)는, 상기 영상정보와 비영상정보로 분류된 수집정보를 비정형데이터 형식으로 저장되도록 처리하는 비정형데이터 관리모듈(미도시됨)을 더 포함한다.In addition, the diagnostic robot system according to the present invention controls the operations of the
또한, 정보 저장부(MM3)는, 비정형데이터 형식의 수집정보를 NoSQL 방식으로 저장하고; 정보 저장부(MM3)에 저장된 수집정보를 머신러닝 기반의 검출 알고리즘으로 연산 처리해서 터널의 이상 지점을 자동 검출하는 데이터 분석부(MM4)를 더 포함한다.In addition, the information storage unit (MM3) stores the collection information of the unstructured data format in a NoSQL method; It further includes a data analysis unit MM4 that automatically detects abnormal points in the tunnel by processing the collected information stored in the information storage unit MM3 with a machine learning-based detection algorithm.
또한, 본 발명에 따른 진단 로봇 시스템은, 터널 벽면 검사장치(100)와 철도 레일 검사장치(200)와 도상 검사장치(300) 각각의 수집정보를 통합해 처리해서 설정 프로세스에 따라 출력시키는 통합처리장치(400)가 더 구성될 수 있다.In addition, the diagnostic robot system according to the present invention integrates and processes the collected information of each of the tunnel
본 발명에 따른 진단 로봇 시스템의 하드웨어적 구성요소를 우선 설명한다.The hardware components of the diagnostic robot system according to the present invention will be described first.
본 실시의 진단 로봇 시스템는, 터널 벽면 검사장치(100)와 철도 레일 검사장치(200)와 도상 검사장치(300)와 주행장치(500)가 프레임(MM1)에 일체로 탑재되고, 프레임(MM1)은 레일(T3)과 맞물려 회전하는 휠(MM2)이 장착되며, 휠(MM2)은 프레임(MM1)에 설치된 구동부(600)의 동력을 받는 구조를 이룬다. 상기 구조로 된 이동차(MM)는 레일(T3)을 타고 터널 현장을 이동하며 검사대상을 촬영하거나 측정해서 정보를 수집한다. 이와 더불어 이동차(MM)의 프레임(MM1)은 중앙처리장치(700)와 정보 저장부(MM3)와 데이터 분석부(MM4)가 더 탑재될 수 있다. 여기서 터널 벽면 검사장치(100)와 철도 레일 검사장치(200)와 도상 검사장치(300)의 수집정보인 벽면 이상지점 정보를 저장 및 처리하는 중앙처리장치(700)의 일부 기능인 검사장치(100, 200, 300) 제어 기능과 정보 저장부(MM3)와 데이터 분석부(MM4)는 이동차(MM)에서 분리되어 배치될 수도 있다.In the diagnostic robot system of this embodiment, the tunnel
터널 벽면 검사장치(100)는, 측벽과 천장을 촬영하도록 설치되는 복수의 벽면촬영 카메라(110)와, 벽면과의 거리를 측정하는 터널형상 측정기(120)와, 벽면촬영 카메라(110) 및 터널형상 측정기(120)의 동작을 제어하고 수집정보를 벽면 이상지점 정보로 데이터화하는 벽면검사용 컨트롤러(130)가 구비된다. 본 실시의 벽면촬영 카메라(110)는 1대의 벽면촬영 카메라(110)가 측벽과 천장을 촬영하기 위해 이동하는 방식일 수 있고, 측벽과 천장을 각각 촬영하도록 복수로 구성될 수 있다. 또한, 벽면촬영 카메라(110)는 터널 벽면의 변형, 백태, 균열, 누수, 박리 등의 발생 지점 위치와 범위 등 터널 벽면의 세부 상태를 파악하기 위한 정보를 수집하기 위해서 단순 2차원 카메라가 설치될 수 있고, 문제가 발생한 지점의 위치 확인을 위해서 2대의 카메라가 동일한 벽면을 동시에 촬영해서 해당 촬영 영상 데이터 분석을 통해 상기 지점의 위치데이터를 파악할 수 있다. 본 실시의 터널형상 측정기(120)는 터널 형상을 검측하기 위하여 포인트 소스를 가지는 레이저를 구성하고, 상기 레이저는 터널의 단면을 향해 빔을 360도로 조사하도록 설치되어서 단면 형상을 측정한다. 본 실시의 벽면검사용 컨트롤러(130)는 벽면촬영 카메라(110) 및 터널형상 측정기(120)의 수집정보를 설정된 프로세스에 따라 지정 플랫폼의 데이터인 벽면 이상지점 정보로 변환한다. 벽면촬영 카메라(110)와 터널형상 측정기(120)의 구체적인 실시 예는 아래에서 도면을 참조해 구체적으로 설명한다.The tunnel
터널 레일 검사장치(200)는, 하방으로 레일 촬영이 가능하도록 이동차(MM)의 프레임(MM1)에 장착된 레일촬영 카메라(210)와, 레일촬영 카메라(210)의 동작을 제어하고 수집정보를 레일 이상지점 정보로 데이터화하는 레일검사용 컨트롤러(220)가 구비된다. 본 실시의 레일촬영 카메라(210)는 단순 2차원 카메라로 되어서 레일(T3)의 두부 표면과 레일의 좌우 주변 및 도상(T2)과의 연결 상태정보를 수집하도록 촬영한다. 본 실시의 레일검사용 컨트롤러(220)는 레일촬영 카메라(210)의 수집정보를 설정된 프로세스에 따라 지정 플랫폼의 데이터인 레일 이상지점 정보로 변환한다. 레일촬영 카메라(210)는 벽면촬영 카메라(110)의 구성과 같이 레일(T3)의 세부 상태를 파악하기 위한 정보를 수집하기 위해서 단순 2차원 카메라가 설치될 수 있고, 문제가 발생한 지점의 위치 확인을 위해서 2대의 카메라가 동일한 레일(T3) 위치를 동시에 촬영해서 해당 촬영 영상 데이터 분석을 통해 상기 지점의 위치데이터를 파악할 수 있다. 또한, 레일(T3)의 외측에 횡단 방향으로 광 라인이 형성되도록 레이저광을 조사하는 라인 레이저(231; 도 12 참조)와, 레일(T3)에서 광 라인이 형성된 구간을 촬영하는 레일형상 촬영기(232)로 구성된 레일형상 측정기(230)를 더 포함하고; 레일검사용 컨트롤러(220)는 레일형상 측정기(230)의 동작을 제어한다. 레일형상 측정기(230)의 구체적인 실시 예는 아래에서 도면을 참조해 구체적으로 설명한다. The tunnel
도상 검사장치(300)는, 하방으로 도상(T1) 촬영이 가능하도록 이동차(MM)의 프레임(MM1)에 장착된 도상촬영 카메라(310)와, 도상촬영 카메라(310)의 동작을 제어하고 수집정보를 도상 이상지점 정보로 데이터화하는 도상검사용 컨트롤러(320)가 구비된다. 본 실시의 도상촬영 카메라(310)는 단순 2차원 카메라로 되어서 도상(T1)의 표면 상태정보를 수집하도록 촬영한다. 본 실시의 도상검사용 컨트롤러(320)는 도상촬영 카메라(310)의 수집정보를 설정된 프로세스에 따라 지정 플랫폼의 데이터인 도상 이상지점 정보로 변환한다. 도상촬영 카메라(310)는 벽면촬영 카메라(110)의 구성과 같이 도상(T1)의 세부 상태를 파악하기 위한 정보를 수집하기 위해서 단순 2차원 카메라가 설치될 수 있고, 문제가 발생한 지점의 위치 확인을 위해서 2대의 카메라가 동일한 도상(T1) 위치를 동시에 촬영해서 해당 촬영 영상 데이터 분석을 통해 상기 지점의 위치데이터를 파악할 수 있다.The
도 4는 본 발명에 따른 진단 로봇 시스템에 구성된 동작장치의 일 실시 예를 도시한 이동차의 정면도이다.4 is a front view of a moving vehicle showing an embodiment of the operating device configured in the diagnostic robot system according to the present invention.
도 1 내지 도 4를 참조하면, 전술한 바와 같이, 본 발명에 따른 동작장치(800)는, 프레임(MM1)에 설치되며 승강 동력을 일으키는 승강대(810)와, 승강대(810)에 승강하도록 안착되는 승강본체(820)와, 승강본체(820)에 인입출 가능하게 장착되고 하방으로 도상 촬영이 가능하도록 도상촬영 카메라(310)가 장착되는 현수대(840)와, 승강본체(820)에 설치되어서 현수대(840)의 전동 인입출을 위해 동력을 일으키는 인입출 구동기(830)와, 현수대(840)에 설치되어서 도상촬영 카메라(310)의 전동 회동을 위해 동력을 일으키는 회전기(850)와, 승강대(810)와 인입출 구동기(830)와 회전기(850)의 동작을 제어하는 구동 컨트롤러(미도시됨)로 구성된다.Referring to FIGS. 1 to 4 , as described above, the operating
따라서 동작장치(800)의 승강본체(820)는 프레임(MM1)에 설치된 승강대(810)를 기반으로 상하로 승강하며 높이 조절이 가능하다. 본 실시의 승강대(810)는 볼스크류(811)를 통해 승강본체(820)의 승하강 높이를 정밀하게 조정한다. 하지만, 볼 스크류(811)는 승강본체(820)의 승하강 높이를 조정하기 위한 일 실시 예에 불과하며, 승하강 조정을 위한 장치는 본 기술 분야에서 널리 알려진 다른 기술로도 대체 가능하다. 한편, 도상촬영 카메라(310)가 장착되는 현수대(840)는 승강본체(820)를 기준으로 양측방으로 각각 인입출하며 도상촬영 카메라(310)의 위치를 이동시켜서, 도상촬영 카메라(310)가 레일(T3)을 기준으로 도상(T1)의 좌,우측 평면과 측면을 모두 촬영하도록 한다. 승강본체(820)를 기준으로 하는 현수대(840)의 인입출을 위해서, 현수대(840)의 외면에는 나선형 스크류가 형성되고, 승강본체(820)는 현수대(840)가 관통하는 인입출 구동기(830)는 너트관 형상으로 되어 동력을 받아 회전하며, 승강본체(820)는 인입출 구동기(830)의 동작으로 이동하는 현수대(840)의 인입출관(821)이 구성되어서, 인입출 구동기(840)의 회전 방향에 따라 현수대(840)가 인입출관(821)에 인입되거나 인출된다. 본 실시의 동작장치(800)는 현수대(840)가 승강본체(820)를 기준으로 양측에 각각 배치되었으나, 일측방에만 설치될 수 있다. 참고로, 일측방에만 현수대(840)가 배치된 경우에는, 레일(T)을 중심으로 도상(T1)의 일측을 촬영한 후에 도상(T1)의 타측을 촬영하기 위해서 현수대(840)에 설치된 도상촬영 카메라(310)가 도상(T1)의 타측을 향하도록 이동차(MM)의 전체를 돌려 동일한 레일(T3)을 타고 역방향으로 주행시켜야 했다. 결국, 촬영의 효율성이 저하되고, 동일한 도상(T1) 구간의 양측 촬영이 시간 차를 가지므로 좌,우 양측의 매칭에 어려움이 있다. 결국, 현수대(840)가 승강본체(820)를 기준으로 양측에 배치되고, 한 쌍의 현수대(840) 각각에 도상촬영 카메라(310)가 설치되는 것이 바람직하다.Therefore, the lifting
한편, 본 실시의 회전기(850)는 도상촬영 카메라(310)를 현수대(840)에 연결하며, 도상촬영 카메라(310)를 회동시켜서 촬영각도를 조정한다. On the other hand, the rotating
전술한 동작장치(800)의 하드웨어적 구성과 더불어, 승강대(810)와 인입출 구동기(830)와 회전기(850)의 동작을 제어하는 구동 컨트롤러는 중앙처리장치(700) 또는 이에 준하는 리모컨트롤러(미도시됨)의 제어신호에 따라 동작한다.In addition to the hardware configuration of the
도 5는 본 발명에 따른 진단 로봇 시스템에 구성된 벽면촬영 카메라의 일 실시 예를 도시한 측면도이고, 도 6은 상기 벽면촬영 카메라의 터널벽면 촬영기에 촬영된 벽면영상 이미지의 일실시 예를 보인 이미지이고, 도 7은 상기 벽면촬영 카메라의 일 실시 예를 개략적으로 도시한 측면도이다.5 is a side view showing an embodiment of a wall imaging camera configured in a diagnostic robot system according to the present invention, and FIG. 6 is an image showing an embodiment of a wall image image taken by a tunnel wall imaging device of the wall imaging camera. , FIG. 7 is a side view schematically illustrating an embodiment of the wall-mounting camera.
도 1 내지 3과 도 5 내지 도 7을 참조하면, 본 발명에 따른 터널벽면 검사장치(100)는 복수의 벽면촬영 카메라(110a, 110a', 110b, 110b'; 이하 110)가 결합된 형태로 구성되며, 다채널 터널 상태 측정용 거치대(111a, 111b, 111c)에 벽면촬영 카메라(110)가 터널벽면과 천장을 촬영하도록 탑재된다. 이때, 벽면촬영 카메라(110)가 틸팅되는 과정에서 인접한 다른 벽면촬영 카메라(110)와 간섭이 발생하거나 벽면촬영 카메라(110)의 연결 케이블(미도시됨)에 간섭이 발생할 수 있다. 따라서, 도 5에 도시한 바와 같이, 거치대(111a, 111a', 111b, 111b')에 벽면촬영 카메라(110)를 2열로 배치해서 벽면촬영 카메라(110) 간의 간섭을 최소화한다.1 to 3 and 5 to 7, the tunnel
더 나아가, 이중 배열 형태로 구성된 벽면촬영 카메라(110)로부터 얻어진 검측 영상은 영상분석 과정에서 검측 위치에 따라 매우 정확하게 보정할 수 있으며, 터널 벽면의 이상 지점의 정확한 위치가 터널 안전검사에서 중요한 기저 정보를 이룰 수 있다.Furthermore, the detection image obtained from the
도 5 및 도 6을 다시 참조하면, 일반적인 터널의 상태 검사의 결과물로 제시되는 형식 중 하나는 터널 전체에 대한 파노라마 영상이고, 이러한 형식의 데이터 수집을 위해 벽면촬영 카메라(110)는 이동차(MM)는 주행과 동시에 터널 벽면을 연속해 촬영한다. 그런데 본 실시의 벽면촬영 카메라(110)는 복수 개가 하부부터 상부까지 A, B, C, D의 순서로 배치되고 도 6과 같이 이중 배열 형태로 구성되므로, 이동차(MM)의 주행 중에 수집되는 영상 이미지는 도 6과 같은 터널 상태 검사를 위한 검측결과를 획득하게 된다. 본 실시 예에서 벽면촬영 카메라(110)가 터널 벽면을 촬영하는 지점은 #1 ~ #6와 같이 일정한 시간 간격을 갖고 벽면촬영 카메라(110)이 촬영한 지점(a1~a5, b1~b5, c1~c5, d1~d5)의 영상 이미지 역시 간격이 일정하지만, 이동차(MM)의 이동거리 및 주행속도 등에 따라 상기 영상 이미지가 서로 겹치거나 간격을 이룰 수 있다. Referring back to FIGS. 5 and 6 , one of the formats presented as a result of a general tunnel condition inspection is a panoramic image of the entire tunnel, and for data collection in this format, the
계속해서, 본 발명에 따른 벽면촬영 카메라(110)는, 벽면촬영 카메라(110)가 모듈 형태를 이루도록 형성되고 거치대(111a, 111a', 111b, 111b')에 설치되는 제1촬영함체(H1)와, 제1촬영함체(H1)의 헤드부(H11) 중심에 설치되는 터널벽면 촬영기(112)와, 터널벽면 촬영기(112)를 중심으로 헤드부(H11) 전면에 분포해 설치되는 LED(113)와, LED(113) 발광에 의한 밝기를 감지하는 조도센서(114)를 포함하고, 이와 더불어 벽면촬영 카메라(110)의 제1촬영함체(H1)의 틸팅을 위한 틸팅모터와, 제1촬영함체(H1)의 틸팅각도를 측정하는 틸팅센서를 더 포함한다. 상기 틸팅모터는 제1촬영함체(H1)의 각도를 조정해서, 상태 검사를 위해 촬영하고자 하는 방향으로 터널벽면 촬영기(112)의 렌즈가 향하도록 조정한다.Subsequently, the
복수의 LED(113)는 터널 표면의 상태 검사를 위한 조명을 제공하고, 조도센서(114)를 이용하여 검사 영역의 터널 표면에 대한 조도를 측정한다. 벽면검사용 컨트롤러(130)는 조도센서(114)가 센싱한 조도값을 통해 해당 벽면의 조도를 확인해서 설정 환경에 맞춰 LED(113)를 제어한다. 참고로, 복수의 벽면촬영 카메라(110)를 결합하여 터널의 일부 또는 전체를 동시에 촬영할 경우에는 터널의 종류에 따른 검사 영역의 형태와 대상 벽면까지의 거리와 벽면의 굴곡 등에 따라 조도가 달라지므로, 촬영 중 대상 벽면이 동일한 조도를 유지하도록 조도센서(114)가 벽면의 조도를 센싱하고 벽면검사용 컨트롤러(130)는 LED(113)를 실시간으로 제어한다.The plurality of
참고로, 상기 틸팅센서가 센싱한 벽면촬영 카메라(110)의 틸팅각도와 조도센서(114)가 센싱한 조도값은 중앙처리장치(700)를 통해 비영상정보로 분류되고, 터널벽면 촬영기(112)가 촬영해 수집한 영상 이미지는 영상정보로 분류된다. 또한, 정보 저장부(MM3)에 저장된 상기 틸팅각도와 조도값은 데이터 분석부(MM4)의 분석과정에서 검측 영상의 기하학적 왜곡과 영상 보정에 활용될 수 있다.For reference, the tilting angle of the
전술한 바와 같이 터널벽면 촬영기(112)와 LED(113)와 조도센서(114)는 제1촬영함체(H1)의 전면에 배치되어서 항상 동일한 조사면에서 터널의 상태측정을 수행할 수 있도록 하고, LED(113) 조명에 의한 그림자나 빛 번짐이 발생하지 않도록 한다. 또한, 복수의 LED(113)가 결합된 조명은 터널벽면 촬영기(112)를 중심으로 방사형으로 분할된 영역 1 ~ 영역 4까지의 4개의 구역으로 나누어 배치되어서 빛의 밝기를 조정할 수 있도록 하고, 각 영역의 중앙에는 조도센서(114))를 배치하여 각 영역에 대한 조도를 측정한다. 참고로, 조도센서(114)는 조도센서용 렌즈(미도시됨)가 보강되어서 조도센서(114)로 입력되는 빛의 직진성을 향상시키고, 조도를 측정하고자 하는 영역을 정확하게 구분할 수 있다. 또한 LED(113)는 LED 렌즈(미도시됨)가 보강되어서 출력되는 빛 퍼짐을 최소화하고 배광을 최적화함으로써 LED(113)의 소비전력 줄여 효율을 향상시킬 수 있다.As described above, the
한편, 터널 벽면과 벽면촬영 카메라(110) 사이의 거리가 멀기 때문에 빛 퍼짐은 불가피하고, 빛 퍼짐이 발생할 경우에 인접한 벽면촬영 카메라(110)의 영역과 겹치는 현상이 발생한다. 이러한 현상은 서로 인접한 벽면촬영 카메라(110)의 촬영 영상 이미지에서 겹쳐지는 영역의 조도가 증가하게 되어 균일한 밝기 유지를 곤란하게 했다. 따라서, 터널 벽면에서 빛 퍼짐과 인접한 벽면촬영 카메라(110) 사이의 빛 간섭을 최소화하기 위하여 LED(113)가 장착되는 제1촬영함체(H1)의 헤드부(H11) 전면을 오목하게 형성하고 구배면에는 LED(113)를 배치했다. 결국, 벽면촬영 카메라(110)로부터 발하는 LED(113) 광의 발산각이 터널벽면 촬영기(112)의 시야각과 동일하게 유지된다.On the other hand, since the distance between the tunnel wall and the
도 8은 본 발명에 따른 진단 로봇 시스템에 구성된 터널형상 측정기의 일 실시 예를 개략적으로 도시한 도면이고, 도 9는 본 발명에 따른 진단 로봇 시스템에 구성된 데이터 수신 그래프를 개략적으로 도시한 도면이다.8 is a diagram schematically illustrating an embodiment of a tunnel shape measuring device configured in a diagnostic robot system according to the present invention, and FIG. 9 is a diagram schematically illustrating a data reception graph configured in a diagnostic robot system according to the present invention.
도 1 내지 도 3과 도 8 내지 도 9를 참조하면, 본 발명에 따른 터널형상 측정기(120)는, 회전반사경(121), 회전 반사경 엔코더(122), 회전 반사경 구동모터(123), 회전 반사경 모터 드라이버(미도시됨), 레이저 거리 측정기(124), 거리 데이터 버퍼(미도시됨) 및 거리 동기화부(미도시됨)을 포함한다. 터널형상 측정기(120)는 터널 형상을 검측하기 위하여 포인트 소스를 가지는 레이저 거리 측정기(124)의 빔을 360도로 회전하는 회전 반사경(121)에 조사하여 터널 단면의 형상을 측정하고, 회전 반사경(121)은 상기 회전 반사경 모터 드라이버에 의하여 구동되는 회전 반사경 구동모터(123)에 의하여 회전하며, 회전 반사경(121)의 회전각도를 측정하기 위하여 회전 반사경 엔코더(122)와 결합하여 사용된다. 이때 측정되는 터널 형상의 해상도는 회전 반사경(121)의 회전속도와 이동차(MM)의 이동속도 및 터널의 내부 한계면 크기와 관련되며, 이의 정보를 상기 회전 반사경 모터 드라이버에 참조테이블로 저장하고, 터널 형상의 최적의 해상도를 확보하기 위하여 주행 데이터의 정보에 따라 회전 반사경 구동 모터(123)의 회전속도를 조정한다.1 to 3 and 8 to 9, the tunnel
본 실시의 상기 참조테이블은 이동차(MM)의 이동속도(m/min)와 회전 반사경(121)의 회전속도(RPM)에 따라 확보된 최적의 해상도를 기록하고, 벽면검사용 컨트롤러(130)는 최적의 해상도를 이루는 정보 수집을 위해 참조테이블에 기준하여 회전 반사경(121)의 회전속도 또는 이동차(MM)의 이동속도를 조정한다. 상기 참조테이블은 터널의 특성에 따라 달라질 수 있고, 지속적인 데이터 수집으로 업그레이드될 수 있다.The reference table of this embodiment records the optimal resolution secured according to the moving speed (m/min) of the moving vehicle (MM) and the rotation speed (RPM) of the
도 8과 같이 터널형상 측정기(120)는 정확한 거리 측정을 위하여 회전 반사경(121)과 회전 반사경 엔코더(122), 회전 반사경 구동모터(123) 및 레이저 거리 측정기(124)는 동일한 중심축을 가지도록 배열한다. 이때 거리측정용 레이저 빔 경로(LL) 상의 왜곡이 발생하지 않도록 회전 반사경(121)은 일반적으로 메탈 미러를 사용하지만 이는 제작이 어렵고, 가격이 매우 비싼 단점이 있다. 따라서 금속 재질의 회전 반사경(121)과 왜곡 수차가 적은 레이저 미러를 반사면에 결합하고, 레이저 거리 측정기(124)에서 사용하는 레이저의 파장에 맞는 코팅 물질(121a)을 상기 레이저 미러에 도포하여 사용한다. 이렇게 제작된 회전 반사경(121)은 가성비가 우수하면서도 레이저 빔 경로(LL) 상의 광학적 왜곡과 기하적인 왜곡을 최소화할 수 있다. 8, the tunnel
계속해서, 도 9와 같이 일반적인 레이저 거리 측정기(124)는 무작위로 거리측정 데이터를 출력하는 특성을 가지기 때문에 360도 회전하는 회전 반사경 구동모터(123)가 작동함에 따라 회전 반사경 엔코더(122) 출력의 상승엣지에서 회전각도의 변경이 시작되고, 회전 반사경 엔코더(122) 출력의 하강엣지에서 카운트를 수행하며, 회전 반사경 엔코더(122) 출력의 하강엣지에서 동시에 레이저 거리 측정기(124)의 출력값을 해당 각도에서의 거리값으로 저장한다. Subsequently, as shown in FIG. 9, since the general
하지만, 본 발명에 따른 레이저 거리 측정기(124)는 고속으로 거리측정 결과를 출력하기 때문에 동일한 회전 각도에서도 다수의 거리 측정값이 출력되고, 이는 각 회전각도에서의 레이저 거리 측정기(124)의 출력값으로 터널 형상을 재구성할 때 노이즈로 작용되며, 구간 3과 구간 4와 같이 회전 반사경 엔코더(122) 출력의 하강엣지에서 레이저 거리 측정기(124)의 출력이 발생하지 않는 문제가 발생할 수 있다. 따라서 레일검사용 컨트롤러(220)에 의해 레이저 거리 측정기(124)의 수집정보인 출력값은 거리 데이터 버퍼에 저장하고, 회전 반사경 엔코더(122)와 동기화하여 회전 반사경 엔코더(122) 출력 펄스가 하강 엣지일때 시간적으로 가장 근접한 레이저 거리 측정기(124)의 출력값을 해당 회전각도에서의 거리값으로 출력하여 정보 저장부(MM3)에 저장한다. 중앙처리장치(700)는 상기 거리값을 비영상데이터로 분류해서 정보 저장부(MM3)에 저장시킴으로써 터널 형상 검측 결과의 정밀도를 향상시킬 수 있다.However, since the
도 10은 본 발명에 따른 진단 로봇 시스템에 구성된 레일촬영 카메라의 일 실시 예를 개략적으로 도시한 측면도이고, 도 11은 상기 레일촬영 카메라에 의해 촬영된 레일 표면의 촬영 영상을 보인 이미지이다.10 is a schematic side view of an embodiment of a rail imaging camera configured in a diagnostic robot system according to the present invention, and FIG. 11 is an image showing a photographed image of a rail surface photographed by the rail imaging camera.
도 1 내지 도 3, 도 5, 도 7, 도 10 내지 도 11을 참조하면, 본 실시의 레일촬영 카메라(210)는 벽면촬영 카메라(110)와 유사하다. 따라서 레일촬영 카메라(210)는, 레일촬영 카메라(210)가 모듈 형태를 이루도록 형성되고 프레임(MM1)에 설치되는 제2촬영함체와, 상기 제2촬영함체의 헤드부(H21) 중심에 설치되는 레일 촬영기(212)와, 레일 촬영기(212)를 중심으로 헤드부(H21) 전면에 분포해 설치되는 LED(213)와, LED(213) 발광에 의한 밝기를 감지하는 조도센서(214)를 포함하고, 이와 더불어 레일촬영 카메라(210)의 제2촬영함체의 틸팅을 위한 틸팅모터와, 상기 제2촬영함체의 틸팅각도를 측정하는 틸팅센서를 더 포함한다. 상기 틸팅모터는 상기 제2촬영함체의 각도를 조정해서, 상태 검사를 위해 촬영하고자 하는 방향으로 레일 촬영기(212)의 렌즈가 향하도록 조정한다.1 to 3 , 5 , 7 , and 10 to 11 , the
전술한 바와 같이 레일촬영 카메라(210)의 구성은 벽면촬영 카메라(110)의 구성과 유사하고 각 구성의 기능 또한 유사하므로, 레일촬영 카메라(210) 구성의 상세한 설명은 생략한다.As described above, the configuration of the
한편, 도 11과 같이 레일촬영 카메라(210)의 촬영 영상을 통해 레일(T3) 두부에서 발생하는 주요한 파손의 유형을 확인할 수 있다. 도 11의 (a)도면 내지 (d)도면과 같이 레일(T3) 두부의 두부 표면은 열차의 운행으로 인하여 거울과 같은 표면 상태를 유지하게 되며, 표면상태 검측하기 위하여 조명을 비추게 되면 도 11의 (e)도면 내지 (f)도면과 같이 레일(T3)의 두부 표면에서의 빛 반사가 심하여 정상적인 검측을 수행할 수 없게 된다. 또한, 레일촬영 카메라(210)는 레일(T3) 두부의 표면상태를 촬영을 통해 검측함과 동시에 빛 반사가 발생하지 않는 레일(T3)의 주변 장치와 도상(T1) 영역의 일부분도 동시에 검측하기 때문에 레일(T3) 두부 표면에 조사되는 조명의 강도를 감쇄시키고 빛의 분포를 일정하게 유지시키는 것이 바람직하다.On the other hand, as shown in FIG. 11 , the type of major damage occurring in the head of the rail T3 can be confirmed through the photographed image of the
이를 위해 본 실시의 레일촬영 카메라(210)는 레일(T3)의 진행방향(R-DIR, Rail Direction)과 레일(T3)의 단면방향(C-DIR, Cross section Direction)으로 조명의 조사각도에 따라 투과율이 다른 웨지(656)를 덮어서 레일(T3) 표면상태 검측의 정밀성을 향상시킬 수 있다. To this end, the
일반적으로 레일촬영 카메라(210)와 레일(T3)의 두부면 및 도상(T1) 간의 거리가 근접하기 때문에 레일 촬영기(212)의 시야각 전체에 충분한 빛 퍼짐이 발생하지 못하여 레일(T3) 표면에 음영지역이 발생할 수 있다. 따라서, 레일 촬영기(212)의 시야각 전체에서 균일한 조도를 유지할 수 있도록, 상기 제2촬영함체의 헤드부(H21) 전면을 볼록하게 형성하고 구배면에는 LED(213)를 배치했다. 결국, 레일촬영 카메라(210)로부터 발하는 LED(213) 광의 발산각이 레일 촬영기(212)의 시야각과 동일하게 유지된다.In general, since the distance between the
도 12는 본 발명에 따른 진단 로봇 시스템에 구성된 레일형상 측정기의 일 실시 예를 개략적으로 도시한 도면이고, 도 13은 본 발명에 따른 레일형상 측정기의 동작 모습을 보인 이미지이다.12 is a diagram schematically showing an embodiment of a rail shape measuring device configured in a diagnostic robot system according to the present invention, and FIG. 13 is an image showing an operation of the rail shape measuring device according to the present invention.
도 1 내지 도 3과 도 12 내지 도 13을 참조하면, 본 발명에 따른 레일형상 측정기(230)는, 레일(T3)의 외측에 횡단 방향으로 광 라인이 형성되도록 레이저광을 조사하는 라인 레이저(231)와, 레일(T3)에서 광 라인(LL1)이 형성된 구간을 촬영하는 레일형상 촬영기(232)로 구성된다. 또한, 라인 레이저(231)의 자세 조정을 위해 3축 자이로 센서(미도시됨)가 더 포함될 수 있다.1 to 3 and 12 to 13, the rail
본 실시의 레일형상 측정기(230)는 레일(T3)의 측면에서 사선 방향으로 조사된 광 라인(LL1)을 포함하여 레일형상 촬영기(232)로부터 획득한 검측 영상으로부터 광 라인(LL1)을 추출하고, 추줄된 광 라인(LL1)으로부터 계산된 레일(T3)의 단면 프로파일로부터 레일(T3)의 마모도와 궤도틀림 정보 계산을 위한 기초 데이터를 확보한다. 이때, 레일(T3)의 정밀한 단면 프로파일을 추출하기 위하여 레일(T3)에 조사되는 광 라인(LL1)의 빔폭이 매우 좁아야 한다. 따라서 라인 레이저(231)에 장착되는 레이저 포커싱 렌즈를 이용해서 라인 레이저(231)로부터 출력되는 광 라인(LL1)의 초점거리를 조정하고, 레일 형상 측정용 렌즈는 레일형상 촬영기(232)에 장착되어서 광 라인(LL1) 촬영을 위한 레일형상 촬영기(232)의 초점거리를 조정한다.The rail
한편, 광 라인(LL1)의 초점거리와 레일형상 촬영기(232)의 초점거리 및 라인 레이저(231)의 출력 강도를 조정한 결과에 관한 정량적인 평가와 분석을 위해서, 레일검사용 컨트롤러(220)는 촬영된 광 라인(LL1)의 프로파일 즉, LSF(Line Spead Function)로부터 MTF(Modulation Transfer Function)를 계산하고, 획득한 영상에 대한 2차원 NPS(Noise Power Spectrum)과 DQE(Detective Quantum Efficiency)를 계산하며, 입사된 광원에 대한 대비(contrast), 잡음(noise), 해상도(resolution)의 종합적인 평가를 실시간으로 진행함으로써 최적의 광 라인(LL1) 포커싱을 통하여 측정 정밀도를 향상시킬 수 있다. On the other hand, for quantitative evaluation and analysis of the result of adjusting the focal length of the optical line LL1, the focal length of the
레일형상 측정기(230)는 검측한 좌우 레일(T3)의 형상에 대한 프로파일 정보와 함께 데이터 분석부(MM4)와 좌우 레일(T3)의 상대적인 위치정보를 기반으로 레일(T3)의 궤도틀림 값을 계산한다. 이를 위해 좌우 레일(T3)의 상대적인 위치정보를 획득하기 위하여 3축 자이로 센서에서 측정한 라인 레이저(231)의 roll, pitch, yaw 값과 주행장치(500)에서 측정한 3축 가속도 센서값을 사용하며, 좌우 레일의 수평틀림, 면틀림, 줄틀림, 비틀림, 켄트의 계산 결과값을 출력하게 된다. The rail
도 13의 (a)도면과 같이 레일형상 측정기(230)는 라인 레이저(231)로부터 출력된 광 라인(LL1)이 레일(T3)의 측면에서 사선 방향으로 조사되고, 레일형상 촬영기(232)가 광 라인(LL1)이 조사된 영역을 촬영하게 되며, 이때 사용되는 라인 레이저(231)는 적색계열(640nm) ~ 근적외선계열(2㎛)의 범위에 해당하는 파장을 사용한다. 특히 근적외선 계열의 파장을 가지는 라인 레이저(231)를 사용할 경우에는 해당 파장대역만을 통과하여 햇빛이나 기타 외부 광원으로부터 발생하는 잡음 성분의 파장을 제거할 수 있는 밴드패스필터를 라인 레이저(231)의 장착 렌즈에 보강해서, 근적외선 계열의 파장을 가지며 밴드패스필터가 보강된 라인 레이저(231)를 갖춘 레일형상 측정기(230)의 검측 영상은 와 밴드패스필터가 보강된 검측 영상은 도 13의 (b)도면과 같다. As shown in (a) of FIG. 13 , in the rail
이하에서는 중앙처리장치(700)와 정보 저장부(MM3)와 데이터 분석부(MM4)의 알고리즘에 대해 설명한다.Hereinafter, algorithms of the
주지된 바와 같이, 정형 데이터는 관계형 데이터베이스에서 사용하는 테이블과 같이 고정된 위치에 저장되는 데이터, 파일 및 지정된 행과 열을 기준으로 데이터 속성이 구분되는 스프레드시트 형태의 데이터를 의미하며, 비정형 데이터는 데이터 세트의 형태가 아닌 각 데이터가 수집 데이터로 객체화되어 있고 언어 분석이 가능한 텍스트 기반 데이터나 영상 기반 데이터가 이에 해당된다. 따라서 관계형 데이터베이스의 기반이 되는 SQL은 명확하게 정의된 스키마에 따른 데이터 무결성이 확보되지만, 유연성이 낮고, 스키마 기반의 관계로 매우 복잡한 JOIN문의 쿼리가 사용할 수 있으며, 수평적 확장의 한계로 처리량의 제한이 있다. 반면에 비정형 데이터를 사용하는 NoSQL은 스키마를 사용하지 않아 필요에 따라 저장된 데이터를 수정하고 새로운 필드를 추가 할 수 있는 유연성을 가지며, 애플리케이션이 요구하는 형식으로 저장 가능하여 데이터 읽기 시간이 단축되고, 수직 또는 수평 확장이 가능하여 애플리케이션에서 발생하는 모든 읽기 및 쓰기 요청의 처리가 가능하며, 빈번한 읽기처리를 수행하면서도 데이터의 변경이 거의 없는 대용량 데이터의 운영에 적합한 특징을 가진다.As is well known, structured data refers to data stored in a fixed location such as a table used in a relational database, a file, and data in the form of a spreadsheet in which data properties are distinguished based on specified rows and columns. This includes text-based data or image-based data that is not in the form of a data set, but is objectified as collected data and can be analyzed by language. Therefore, SQL, which is the basis of the relational database, secures data integrity according to a clearly defined schema, but has low flexibility, and can be used by queries in very complex JOIN statements due to schema-based relationships. There is this. On the other hand, NoSQL, which uses unstructured data, does not use a schema, so it has the flexibility to modify the stored data and add new fields as needed. Alternatively, it can be horizontally expanded, so that all read and write requests generated by the application can be processed, and it has a characteristic suitable for the operation of large-capacity data with little data change while performing frequent read processing.
따라서, 본 발명에 따른 정보 저장부(MM3)는 방대한 수집정보에 대하여 비정형데이터를 기반으로 하는 NoSQL 데이터베이스 기반의 데이터 플랫폼을 구성하고 적용했다. 이를 통해 검측 데이터 분석, 관리 및 통계 등 병렬적으로 수행되는 다양한 연산과정의 작업시간을 단축하고 처리속도를 향상시켰다.Therefore, the information storage unit (MM3) according to the present invention configured and applied a NoSQL database-based data platform based on unstructured data for a large amount of collected information. Through this, the working time of various calculation processes performed in parallel, such as analysis, management and statistics of detection data, was shortened and the processing speed was improved.
한편, 중앙처리장치(700)는 터널벽면 검사장치(100)와 철도레일 검사장치(200)와 도상 검사장치(300)로부터 실시간으로 전달되는 수집정보를 영상 기반 데이터인 영상정보와 텍스트 기반 데이터인 비영상정보로 분류하고, 정보 저장부(MM3)의 비정형데이터 관리모듈은 영상정보와 비영상정보를 비정형데이터 형식으로 변환해서 저장되도록 처리한다. 전술한 데이터 처리 과정은 터널 현장에서 검측이 이루어지는 동안에 실시간으로 데이터가 생성되어 스트리밍 형식으로 이루어진다.On the other hand, the
이외에도, 영상 기반 데이터인 영상정보는 프레임 단위의 파일 저장이 이루어지는 특징을 가지므로, 검측 과정에서 발생하게 되는 다수의 스트리밍 형태 데이터가 통신채널을 통하여 송수신 및 저장되기 때문에 쓰기 속도가 빠르고, 동시 저장이 가능한 낸드 플래시 기반의 저장매체를 사용하는 것이 바람직하다. 호스트 인터페이스를 통하여 수집된 정보는 동기화 조정과 저장에 따른 지연시간을 최소화하기 위해 버퍼 메모리, 데이터 임시저장용 램 메모리 및 데이터 처리용 프로세서를 거쳐 플래시 메모리 컨트롤러에 의하여 물리적인 검측 데이터가 저장되는 메모리 영역에 저장된다. 이때 실시간으로 수신되는 수집정보인 검측데이터가 저장되는 메모리 영역은 각 스트리밍 형태의 데이터에 대한 누락이나 쓰기 오류를 없애고, 저장시간을 최소화하기 위해서 파일별로 메모리 블록을 나누어 사용하는 것이 바람직하다. 이를 통하여 고속으로 수신되는 대용량 데이터의 저장 안정성과 속도를 향상시킬 수 있다.In addition, since image information, which is image-based data, is stored in a file in units of frames, a large number of streaming type data generated in the detection process are transmitted/received and stored through a communication channel, so the writing speed is fast and simultaneous storage is not possible. It is preferable to use a storage medium based on NAND flash whenever possible. The information collected through the host interface goes through a buffer memory, a RAM memory for temporary data storage, and a processor for data processing in order to minimize the delay time due to synchronization adjustment and storage, and a memory area in which the physical detection data is stored by the flash memory controller. is stored in At this time, it is preferable to divide the memory block for each file in order to eliminate the omission or write error for each streaming type data and to minimize the storage time in the memory area in which the detection data, which is the collected information received in real time, is stored. Through this, it is possible to improve the storage stability and speed of large-capacity data received at high speed.
상기 비정형데이터 관리모듈은, 영상정보와 비영상정보로 분류된 수집정보인 검측데이터를 xml 기반의 비정형데이터로 변환하며, 정보 저장부(MM3)는 데이터의 지정 코드(검측데이터 세트, 보정데이터 세트, 참조 데이터 세트)에 따라 분류하여 임시 데이터로 저장한다. The unstructured data management module converts the detection data, which is collected information classified into image information and non-image information, into xml-based unstructured data, and the information storage unit (MM3) is a data designation code (detection data set, correction data set) , a reference data set) and stored as temporary data.
상기 비정형데이터 관리모듈에서 비정형데이터로 변환된 다군의 데이터들은 NoSQL 데이터베이스 기반의 데이터 플랫폼에 따라 저장 및 관리되고, 데이터 분석부(MM4)는 정보 저장부(MM3)에 저장된 데이터들의 종류와 상호 연관성과 수집정보의 변화 등을 고려한 머신러닝 알고리즘 기반의 데이터 학습을 통해 터널 구간별 이상 지점을 자동 검출하고 예측한다.Multigroup data converted into unstructured data in the unstructured data management module are stored and managed according to a NoSQL database-based data platform, and the data analysis unit MM4 is configured to analyze the types and correlations of data stored in the information storage unit MM3 and It automatically detects and predicts anomalies for each tunnel section through data learning based on a machine learning algorithm that considers changes in collected information.
도 14는 본 발명에 따른 진단 로봇 시스템에 구성된 주행장치의 일 실시 예를 도시한 블록도이고, 도 15는 본 발명에 따른 진단 로봇 시스템에 유효영역이 설정된 일 실시 예를 보인 이미지이고, 도 16은 본 발명에 따른 진단 로봇 시스템에 설정된 유효영역의 일 예를 개략적으로 도시한 평면도이고, 도 17은 본 발명에 따른 진단 로봇 시스템에 검지영역과 한계영역이 설정된 일 실시 예를 보인 이미지이고, 도 18은 본 발명에 따른 진단 로봇 시스템에 설정된 유효영역의 다른 예를 개략적으로 도시한 평면도이다.14 is a block diagram illustrating an embodiment of a traveling device configured in a diagnostic robot system according to the present invention, FIG. 15 is an image showing an embodiment in which an effective area is set in the diagnostic robot system according to the present invention, and FIG. 16 is a plan view schematically showing an example of an effective area set in a diagnostic robot system according to the present invention, and FIG. 17 is an image showing an embodiment in which a detection area and a limit area are set in the diagnostic robot system according to the present invention; 18 is a plan view schematically illustrating another example of an effective area set in the diagnostic robot system according to the present invention.
도 1 내지 도 3과 도 14 내지 도 18을 참조하면, 본 발명에 따른 진단 로봇 시스템의 이동차(MM)는 프레임(MM1)에 탑재된 터널 벽면 검사장치(100)와 터널 레일 검사장치(200)와 도상 검사장치(300)가 이동하며 검사대상별 이상지점 정보를 수집하도록, 자율 주행을 위한 주행장치(500)와 구동부(600)를 구성한다. 본 실시의 주행장치(500)는, 주행영상 카메라(510, 510')와, 장애물을 감지하는 감지센서(520, 520')와, 주행영상 카메라(510, 510')의 수집정보 또는 감지센서(520, 520')의 감지신호를 분석해서 장애물과의 벡터 거리를 측정하는 거리계측모듈(530)과, 주행영상 카메라(510, 510')와 감지센서(520, 520') 및 거리계측모듈(530)에 의해 감지된 장애물의 배치 위치 중 유효 장애물로 판정할 위치 범위인 유효영역(Z)을 설정하고 유효 장애물을 판정하는 영역설정모듈(540)과, 주행조작에 대응한 운전신호를 생성하고 영역설정모듈(540)의 판정신호에 따라 정지신호를 생성하는 운전제어모듈(550)과, 상기 운전신호와 정지신호에 따라 구동부(600)의 동작을 제어하는 주행기기(560)가 구비된다. 주행영상 카메라(510, 510')는 이동차(MM)의 전방 또는 후방 영상을 촬영하도록 이동차(MM)의 선단과 미단에 각각 설치될 수 있다. 또한, 감지센서(520, 520') 역시 이동차(MM)의 전방 또는 후방의 장애물을 감지하도록 이동차(MM)의 선단과 미단에 각각 설치될 수 있다.1 to 3 and 14 to 18 , the moving vehicle MM of the diagnostic robot system according to the present invention includes a tunnel
본 실시의 주행영상 카메라(510, 510')는, 주행 중인 이동차(MM)의 전방(또는 후방) 영상을 수집할 수 있고, 2대의 카메라가 촬영한 동일 영역의 이미지를 영상 분석해서 특정 지점과의 거리도 계측할 수 있다. The driving
본 실시의 감지센서(520, 520')는 전방(또는 후방)의 장애물을 감지한다. 진단 로봇 시스템를 활용해서 터널의 안전검사를 위한 검측 작업 시에 터널 현장은 복수의 작업자가 다른 현장작업을 진행하게 되고 화물의 운반 또는 현장 작업의 지원을 위하여 모터카(미도시함)가 운행될 수 있다. 일반적으로는 모든 작업 내용과 모터카의 운행정보가 공유되므로 이동차(MM)의 안전한 주행이 가능하지만, 예상하지 못한 문제로 인하여 이동차(MM)는 장애물과 추돌 또는 충돌하는 위험이 발생할 수도 있다. 따라서 안전사고를 방지하기 위하여 모든 작업자는 원거리 식별이 가능한 LED 안전띠를 착용하고 있으며, 모터카 역시 식별 가능하도록 후방등 또는 전조등이 설치될 수 있다. 이에 상응해서 감지센서(520, 520')는 광 감지 기능과 모션 감지 기능을 갖출 수 있고, 감지된 광과 모션의 주체가 위치한 지점을 주행영상 카메라(510, 510')가 수집한 영상 이미지에서 추출할 수 있다. 또한 감지센서(520, 520')는 광 감지와 모션 감지 이외에 초음파 방식에 의한 감지 기능도 포함할 수 있다. 초음파 방식의 감지센서(520, 520')는 일정한 주파수를 이동차(MM)를 시점으로 방사하고, 이동차(MM)의 주변와 반사된 신호를 수신해서 분석을 통해 장애물의 존재 여부를 판단한다. 주지된 바와 같이, 광 감지 기능의 감지센서(520, 520')는 컬러, 조도, 광선속 등이 기준치에 해당하는 광원의 존재를 확인한다. 또한, 모션 감지 기능의 감지센서(520, 520')는 촬영 영상 이미지에서 특정 객체이미지의 변형을 추출하여 모션 여부를 감지한다. 또한, 초음파 방식의 감지센서(520, 520')는 지정된 파역의 음파를 발사 및 수신해서 미확인된 객체를 감지한다.The
본 실시의 거리계측모듈(530)은, 주행영상 카메라(510, 510')의 수집정보 또는 감지센서(520, 520')의 감지신호를 분석해서 장애물과의 벡터 거리를 측정한다. 일 예를 들면, 주행영상 카메라(510, 510')가 1대이고 감지센서(520, 520')가 초음파 방식인 경우엔, 거리계측모듈(530)은 수신된 초음파의 크기를 방사 주파수의 크기와 대비해 분석하여 장애물과의 벡터 거리를 계측한다. 다른 예를 들면, 주행영상 카메라(510, 510')가 동일한 영역을 촬영하도록 2대가 설치되고 감지센서(520, 520')가 광 또는 모션을 감지하고 영상 이미지에서 광 또는 모션의 주체를 추출하는 방식인 경우엔, 거리계측모듈(530)은 주행영상 카메라(510, 510')의 수신 영상 이미지에서 상기 주체가 표시된 지점의 위치를 3차원 좌표값으로 분석하여 주체와의 벡터 거리를 계측한다. 2대의 주행영상 카메라(510, 510')가 동일 영역을 촬영하여 수집한 영상 이미지를 분석해서 특정 지점의 3차원 벡터 거리를 계측하는 기술과, 초음파를 이용하여 특정 지점의 벡터 거리를 계측하는 기술은 이미 공지의 기술이므로, 이에 대한 구체적인 기술 프로세스와 구성 장치에 대한 설명은 생략한다.The
영역설정모듈(540)은 주행영상 카메라(510, 510')와 감지센서(520, 520') 및 거리계측모듈(530)에 의해 감지된 장애물의 배치 위치 중 유효 장애물로 판정할 위치 범위인 유효영역(Z)을 설정하고 유효 장애물을 판정한다. 전술한 바와 같이 감지센서(520, 520')는 이동차(MM)의 전방(또는 후방)을 실시간으로 감지하며 충돌 또는 추돌을 일으키는 유효 장애물의 존재 여부를 확인해야 한다. 그러나 이동차(MM) 전방에 위치한 터널 내에는 수많은 장비와 시설들이 설치되어 있고, 도상(T1) 및 레일(12)에도 다양한 장치들이 장착되어 있으므로, 감지센서(520, 520')는 이동차(MM)의 이동에 장애가 되지 않는 물체도 장애물로 감지하여 이동차(MM)의 이동을 정지시킬 수 있었다. 더욱이 이동차(MM)가 주행 중에 전방 전체를 실시간으로 감지하며 판단하는 것은 이동차(MM)의 이동 속도 대비 장시간이 요구되고 데이터 처리에 있어 큰 부하를 일으키므로, 이동차(MM)를 감속시키거나 빠른 프로세싱이 가능한 고가의 감지센서(520, 520') 및 거리계측모듈(530)을 설치해야 하는 비효율성이 있었다. 따라서 이동차(MM)의 이동에 실질적으로 장애를 줄 수 있는 유효 장애물의 위치 범위를 유효영역(Z)으로 설정해서, 감지센서(520, 520')가 유효영역(Z) 이내만을 스캔하고 장애물을 감지하도록 한다.The
일반적으로 철도 터널은 도 15의 (a)도면과 도 17의 (a)도면과 같은 아치형 구조와, 도 15의 (b)도면 및 도 17의 (b)도면과 같은 박스형 구조가 있다. 이동차(MM)는 상,하행의 복선 레일에서 도 15의 (a)도면과 같이 상행, 도 15의 (b)도면과 같이 하행만 주행하며 터널 검사를 진행하고, 감지센서(520, 520')와 거리계측모듈(530)은 설정된 유효영역(Z)에 해당하는 한계영역(12) 이내의 장애물만을 스캔하며 이동차(MM)의 충돌 또는 추돌을 방지한다.In general, a railway tunnel has an arcuate structure as shown in (a) of FIG. 15 and (a) of FIG. 17, and a box-shaped structure as shown in (b) of FIG. 15 and (b) of FIG. The mobile vehicle (MM) runs only up and down as shown in Fig. 15 (a) on the double-track rail of Fig. 15 (a) and proceeds tunnel inspection as shown in Fig. 15 (b), and the
이동차(MM)가 도 17의 (a)도면과 같은 아치형 터널을 주행할 경우에 영역설정모듈(540)에 설정되는 유효영역(Z)의 시점 구간인 한계영역(12)은 좌측 경계가 상행 레일 및 하행 레일의 중앙부분이 되고, 우측 경계가 도상(T1)의 우측 종점 부분이 되고, 하측 경계가 레일 상부이 되며, 상측 경계가 터널 상부에 위치된 시설물과 간섭이 발생하지 않는 공간 부분까지가 된다. 여기서, 도 15 및 도 17에 도시된 한계영역(12)의 시점(LS, RS)은 이동차(MM)로부터 일정한 이격 거리에 위치한다. 본 실시 예에서 유효영역(Z)의 시점 구간인 한계영역(12)을 특정 위치로 지정했으나, 이외에도 레일(T3)로부터의 거리로 지정할 수 있다.When the moving vehicle MM travels through an arcuate tunnel as shown in (a) of FIG. 17 , the
감지센서(520, 520')와 거리계측모듈(530)은 이동차(MM)의 전,후방 전체를 스캔할 필요 없이 영역설정모듈(540)에 의해 설정된 유효영역(Z)인 한계영역(12)만을 스캔하면 되고, 이를 통해 전,후방 장애물 감지를 위한 영상처리 시간과 연산량을 줄일 수 있고 이동차(MM)의 제작 단가를 절감할 수 있다. 참고로, 영역설정모듈(540)은 주행영상 카메라(510, 510')가 촬영한 영상 이미지를 영상 분석해서 프로그래밍된 프로세스에 따라 한계영역(12)을 자동 설정하거나, 주행영상 카메라(510, 510')가 촬영한 영상 이미지에서 관리자가 직접 범위를 지정하여 한계영역(12)을 설정할 수 있다. The
참고로, 유효영역(Z) 설정의 일 예를 설명하면, 유효영역(Z)의 상하좌우 각 경계가 위치하는 레일(T3)로부터의 거리가 입력되면, 영역설정모듈(540)은 주행영상 카메라(510, 510')의 촬영 영상 이미지 내 특정 지점에 해당 경계 라인을 표시해서 유효영역(Z)의 시점인 한계영역(12)으로 설정한다. 도 15 및 도 16과 같이 한계영역(12)의 시점(LS, RS)은 이동차(MM)로부터 이격되므로, 상기 경계 라인은 촬영 영상 이미지의 중간 위치에 표시된다. 한계영역(12)의 시점(LS, RS)이 표시되는 촬영 이미지 내 특정 지점은 레일(T3)로부터의 거리와 이동차(MM)로부터의 이격 거리에 해당하는 실제 위치가 촬영 영상 이미지에 표시된 지점이다.For reference, describing an example of setting the effective area Z, when the distance from the rail T3 at which the upper, lower, left, and right boundaries of the effective area Z are located is input, the
유효영역(Z) 설정의 다른 예를 설명하면, 주행영상 카메라(510, 510')가 촬영한 촬영 영상 이미지 내 특정 지점에 관리자가 유효영역(Z)의 경계 라인을 표시하면, 상기 촬영 영상 이미지 내 경계 라인의 실제 위치를 거리계측모듈(530)의 거리 측정을 통해 확인하고, 상기 실제 위치의 범위 이내를 유효영역(Z)으로 해서 장애물 확인에 활용한다.To explain another example of setting the effective area (Z), when the administrator marks the boundary line of the effective area (Z) at a specific point in the captured video image captured by the driving
한편, 한계영역(12)의 설정과 관련한 상기 실시 예는 도 16과 같이 유효영역(Z)의 시점(LS, RS)만이 설정되므로, 감지센서(520, 520')와 거리계측모듈(530)은 한계영역(12) 이내에 위치하는 장애물만을 유효 장애물로 감지해서 이동차(MM)의 주행을 제어하면 된다. 그러나 한계영역(12)이 이동차(MM)와 지나치게 근접하면 한계영역(12) 이내의 장애물 유무를 최종 판단하기 이전에 이동차(MM)가 장애물과 추돌 또는 충돌할 수 있고, 한계영역(12)이 이동차(MM)와 지나치게 이격하면 한계영역(12)과 이동차(MM) 사이에 갑자기 접근한 장애물을 미처 감지하지 못하고 이동차(MM)가 장애물과 추돌 또는 충돌할 수 있다.On the other hand, in the embodiment related to the setting of the
따라서 영역설정모듈(540)은 유효영역(Z)의 시점(LS, RS)인 한계영역(12) 설정과 더불어, 시점(LS, RS)으로부터 일정 거리에 위치하는 지점을 유효영역(Z)의 종점(LF, RF)인 검지영역(13)으로 설정해서, 도 8과 같이 유효영역(Z)을 한계영역(12)과 검지영역(13)으로 이루어진 3차원 공간으로 생성한다. 영역설정모듈(540)은 3차원 공간의 유효영역(Z)에 존재하는 장애물만을 유효 장애물로 판정한다.Therefore, the
참고로, 전술한 바와 같이 한계영역(12)의 좌,우측 경계와 상,하측 경계가 특정 지점에 지정되므로, 한계영역(12)에 상응하는 검지영역(13) 역시 한계영역(12)에 상응하는 지점을 기준으로 설정된다. 따라서 영역설정모듈(540)은 도 17과 같이 원근감이 표현된 영상 이미지를 분석해서 레일(T3)의 형태에 따라 상기 경계 기준의 위치점을 지정한다. 즉, 원거리일수록 레일(T3) 형태가 좁아지게 보이므로, 한계영역(12)을 해당 비율에 맞춰 축소해서 검지영역(13)을 생성하고, 해당 비율로 축소된 레일(T3) 이미지의 위치에 검지영역(13)을 표시하는 것이다. 결국, 도 17의 (a)도면과 같이 레일(T3)이 직진 구간인 영상 이미지에는 검지영역(13)이 한계영역(12)의 중앙 부분에 표시되고, 도 17의 (b)도면과 같이 레일(T3)이 곡선 구간인 영상 이미지에는 검지영역(13)이 한계영역(12)에서 편중하게 표시된다.For reference, since the left and right boundaries and upper and lower boundaries of the
운전제어모듈(550)은 지정된 속도를 유지하며 주행하도록 프로그래밍 되어서 프로그래밍 결과에 따라 운전신호를 생성하거나, 리모컨트롤러 등을 이용한 주행조작에 따라 운전신호를 생성한다. 또한, 주행영상 카메라(510, 510')와 감지센서(520, 520')와 거리계측모듈(530)과 영역설정모듈(540)의 프로세싱을 통해 이동차(MM)의 주행 전방에 유효 장애물이 확인되면 영역설정모듈(540)은 판정신호를 생성하고, 운전제어모듈(550)은 상기 판정신호에 대응해서 정지신호를 생성한다. The driving
주행기기(560)는 운전제어모듈(550)의 운전신호와 정지신호에 따라 구동부(600)의 동작을 제어한다. 본 실시의 구동부(600)는, 동력을 일으키는 구동축 모터와, 상기 운전신호에 따라 구동축 모터의 구동 스위치를 조작하는 구동축 드라이버와, 상기 정지신호에 따라 구동축 모터의 정지 스위치를 조작하는 운전차단회로 등을 구성할 수 있다. The
도 2를 참조하면, 본 발명에 따른 진단 로봇 시스템는, 터널 벽면 검사장치(100)와 철도 레일 검사장치(200)와 도상 검사장치(300)와 검사결과 통합처리장치(400)로 구성된 진단 로봇 시스템에 있어서, 검사결과 통합처리장치(400)는, 터널 벽면 검사장치(100)에 의해 수집된 벽면 이상지점 정보와, 철도 레일 검사장치(200)에 의해 수집된 레일 이상지점 정보와, 도상 검사장치(300)에 의해 수집된 도상 이상지점 정보를 철도 터널의 검사구간 단위로 분류 가능하도록 저장하는 데이터 저장모듈(410); 프로세스에 따라 데이터 저장모듈(410)에서 벽면 이상지점 정보와 레일 이상지점 정보와 도상 이상지점 정보를 검색해 출력시키는 데이터 처리모듈(420); 상기 검사구간과 검사대상이 행렬로 분류된 테이블 그래픽을 생성하고, 데이터 처리모듈(420)에서 검색된 정보인 벽면 이상지점과 레일 이상지점과 도상 이상지점 각각의 수량이 테이블 그래픽의 해당 셀에 시각적으로 표현되도록 처리하는 GUI 모듈(430);을 포함한다.Referring to FIG. 2 , the diagnostic robot system according to the present invention is a diagnostic robot system including a tunnel
터널 벽면 검사장치(100)는 터널의 측벽과 천장을 촬영하고 벽면의 굴곡 상태를 계측하기 위한 카메라와 레이저 거리 측정기 등의 기기가 구성된다. The tunnel
철도 레일 검사장치(200)는 레일의 변형과 기울어짐 등을 계측하며, 이를 위한 다양한 계측기가 구성된다. The railway
도상 검사장치(300)는 레일 및 침목으로부터 전달되는 차량하중을 노반에 넓게 분산시키고 침목을 일정한 위치에 고정시키는 구조부분을 검사하며, 이를 위해 도상의 평면 촬영을 위한 카메라 등의 기기가 구성된다.The
본 진단 로봇 시스템에 구성된 터널 벽면 검사장치(100)와 철도 레일 검사장치(200)와 도상 검사장치(300)는 레일을 따라 이동하며 검사대상을 촬영 또는 계측한다. The tunnel
검사결과 통합처리장치(400)는, 터널 벽면 검사장치(100)와 철도 레일 검사장치(200)와 도상 검사장치(300)에서 각각 수집된 정보가 통합되어 일괄 출력되도록 프로세싱하며, 이를 위해 데이터 저장모듈(410)과 데이터 처리모듈(420)과 GUI 모듈(430)로 구성된다. 따라서 터널 벽면 검사장치(100)와 철도 레일 검사장치(200)와 도상 검사장치(300)에서 각각 수집한 데이터를 검사결과 통합처리장치(400)가 통합 처리하므로, 관리자는 동일한 모니터를 통해 터널 벽면과 레일과 도상의 상태를 일괄해서 파악할 수 있다. 더 나아가 본 발명에 따른 검사결과 통합처리장치(400)는 터널 벽면과 레일과 도상 각각의 이상 현황과 이상 지점의 분포 현황을 직관적으로 파악할 수 있다.The inspection result integrated
상기 기능을 구현하기 위해 검사결과 통합처리장치(400)의 데이터 저장모듈(410)은, 터널 벽면 검사장치(100)에 의해 수집된 벽면 이상지점 정보와, 철도 레일 검사장치(200)에 의해 수집된 레일 이상지점 정보와, 도상 검사장치(300)에 의해 수집된 도상 이상지점 정보를 철도 터널의 검사구간 단위로 분류 가능하도록 저장한다. 여기서 상기 검사구간은 터널 내에 위치이며, 본 실시 예의 검사구간은 터널을 일정 간격으로 분할하여 설정한다. 그러나 검사구간의 분할 기준은 이에 한정하지 않으며, 이외에도 특정 장소별로 분할해서 설정할 수 있다. In order to implement the above function, the
상기 벽면 이상지점 정보는 벽면의 촬영 영상 데이터와 벽면의 굴곡 상태 데이터와 터널의 단면 형상 데이터 등을 포함하고, 상기 데이터들의 분석을 통해 터널 변형 지점과 개수, 백태 발생 지점과 개수, 균열 지점과 개수, 누수 지점과 개수, 박리 지점과 개수 등의 이상 내용을 파악해서 벽면 이상지점 정보에 세부항목으로 포함한다. 상기 레일 이상지점 정보는 레일의 촬영 영상 데이터와 레이저 측정 데이터와 조도 측정 데이터 등을 포함하고, 상기 데이터들의 분석을 통해 궤도 틀림 지점과 개수, 파상 마모 지점과 개수, 체결구 탈락 지점과 개수, 체결구 파손 지점과 개수, 레일 마모와 개수 등의 이상 내용을 파악해서 레일 이상지점 정보에 세부항목으로 포함한다. 상기 도상 이상지점 정보는 도상의 촬영 영상 데이터와 조도 측정 데이터 등을 포함하고, 상기 데이터들의 분석을 통해 백태 발생 지점과 개수, 균열 지점과 개수, 누수 지점과 개수, 박리 지점과 개수 등의 이상 내용을 파악해서 도상 이상지점 정보에 세부항목으로 포함한다. 이상지점 정보에 구성된 세부항목은 자동 분석을 통해 검출될 수도 있으나, 관리자의 측정 데이터 분석을 통해 검출될 수 있다. 데이터 저장모듈(410)은 세부항목별 검출 개수를 카운팅하고, 세부항목이 포함된 이상지점 정보를 철도 터널의 검사구간 단위로 분류해 저장한다.The wall abnormality point information includes photographed image data of the wall, bending state data of the wall, cross-sectional shape data of the tunnel, and the like, and through the analysis of the data, tunnel deformation points and number, efflorescence occurrence points and number, crack points and number , leak point and number, peel point and number, etc. are identified and included as detailed items in the wall anomaly point information. The rail abnormality point information includes captured image data, laser measurement data, and roughness measurement data of the rail, and through the analysis of the data, the track error point and number, undulation point and number, fastener dropout point and number, and fastening The details of abnormalities such as breakage point and number of spheres, wear and number of rails are identified and included as detailed items in the rail abnormality point information. The island anomaly information includes captured image data and illuminance measurement data on the island, and through the analysis of the data, abnormal contents such as the point and number of occurrence of white matter, the number and number of cracks, the number and number of leakage points, and the number of peeling points , and include it as a detailed item in the map anomaly information. Detailed items configured in the abnormal point information may be detected through automatic analysis, but may be detected through the manager's measurement data analysis. The
데이터 처리모듈(420)은 설정된 프로세스에 따라 데이터 저장모듈(410)에서 벽면 이상지점 정보와 레일 이상지점 정보와 도상 이상지점 정보를 검색해 출력시킨다. 데이터 처리모듈(420)은 특정 입력값을 수신하면 지정된 데이터를 검색해서 출력시키며, 이를 통해 GUI 모듈(430)은 테이블 그래픽과 현황페이지와 수집페이지 등을 모니터에 출력할 수 있고, 테이블 그래픽과 현황페이지와 수집페이지 등에 구성된 항목별로 해당하는 데이터를 게시할 수 있다.The
GUI 모듈(430)은 상기 검사구간과 검사대상이 행렬로 분류된 테이블 그래픽을 생성하고, 데이터 처리모듈(420)에서 검색된 정보인 벽면 이상지점과 레일 이상지점과 도상 이상지점 각각의 수량이 테이블 그래픽의 해당 셀에 시각적으로 표현되도록 처리하는 을 포함한다. 데이터 처리모듈(420)과 GUI 모듈(430)에 대한 보다 상세한 내용은 실시 예를 통해 아래에서 설명한다.The
도 19는 본 발명에 따른 진단 로봇 시스템이 동작하는 순서의 일 실시 예를 도시한 플로차트이고, 도 20은 본 발명에 따른 진단 로봇 시스템의 통합 결과가 표시된 UI의 일 실시 예를 보인 페이지 이미지이고, 도 21은 본 발명에 따른 진단 로봇 시스템이 검사대상 및 검사구간을 분류해서 이상지점 정보를 표시한 일 실시 예를 보인 테이블 이미지이고, 도 22 내지 도 27은 본 발명에 따른 진단 로봇 시스템이 해당 페이지를 통해 이미지 형식으로 출력한 수집정보의 일 실시 예를 보인 이미지이다.19 is a flowchart illustrating an example of an operation sequence of the diagnostic robot system according to the present invention, and FIG. 20 is a page image showing an example of a UI displaying the integration result of the diagnostic robot system according to the present invention; 21 is a table image showing an embodiment in which the diagnostic robot system according to the present invention classifies inspection objects and inspection sections to display abnormal point information, and FIGS. 22 to 27 show the corresponding pages of the diagnostic robot system according to the present invention It is an image showing an example of the collected information output in the form of an image through
도 1 내지 도 3, 도 19 내지 도 27을 참조하면, 본 발명에 따른 자동화 진단 방법은 다음과 같다.1 to 3 and 19 to 27 , the automated diagnosis method according to the present invention is as follows.
S10; 이상지점 정보 저장 단계S10; Anomaly information storage step
데이터 저장모듈(410)은 터널 벽면 검사장치(100)에 의해 수집된 벽면 이상지점 정보와, 철도 레일 검사장치(200)에 의해 수집된 레일 이상지점 정보와, 도상 검사장치(300)에 의해 수집된 도상 이상지점 정보를 저장한다.The
상기 이상지점 정보는 터널 벽면 검사장치(100)와 철도 레일 검사장치(200)와 도상 검사장치(300)에 구성된 기기의 순수 촬영 영상과 계측값은 물론 자동 연산 또는 관리자의 분석 등을 통해 검출된 데이터를 포함한다. 또한, 상기 벽면 이상지점 정보는 벽면의 촬영 영상 데이터와 벽면의 굴곡 상태 데이터와 터널의 단면 형상 데이터 등을 포함하고, 상기 데이터들의 분석을 통해 터널 변형 지점과 개수, 백태 발생 지점과 개수, 균열 지점과 개수, 누수 지점과 개수, 박리 지점과 개수 등의 이상 내용을 파악해서 벽면 이상지점 정보에 세부항목으로 포함한다. 상기 레일 이상지점 정보는 레일의 촬영 영상 데이터와 레이저 측정 데이터와 조도 측정 데이터 등을 포함하고, 상기 데이터들의 분석을 통해 궤도 틀림 지점과 개수, 파상 마모 지점과 개수, 체결구 탈락 지점과 개수, 체결구 파손 지점과 개수, 레일 마모와 개수 등의 이상 내용을 파악해서 레일 이상지점 정보에 세부항목으로 포함한다. 상기 도상 이상지점 정보는 도상의 촬영 영상 데이터와 조도 측정 데이터 등을 포함하고, 상기 데이터들의 분석을 통해 백태 발생 지점과 개수, 균열 지점과 개수, 누수 지점과 개수, 박리 지점과 개수 등의 이상 내용을 파악해서 도상 이상지점 정보에 세부항목으로 포함한다.The abnormal point information is detected through automatic calculation or analysis of the manager, as well as the pure image and measurement values of the devices configured in the tunnel
데이터 저장모듈(410)은 상기 이상지점 정보를 해당 철도 터널의 검사구간 단위로 분류해서 관리한다. 따라서 검사구간별로 해당하는 벽면 이상지점 정보와 레일 이상지점 정보와 도상 이상지점 정보가 링크된다.The
한편, 데이터 저장모듈(410)은 터널에 관한 정보가 저장되고, 벽면 이상지점 정보와 레일 이상지점 정보와 도상 이상지점 정보는 터널별로 저장된다. 따라서 터널이 선택되면, 해당 터널에 링크된 벽면 이상지점 정보와 레일 이상지점 정보와 도상 이상지점 정보가 검색된다. 참고로, 터널에 관한 정보는 터널명, 검측일시, 시점 위치, 종점 위치, 거리, 검측항목, 검측속도, 변형 여부에 대한 데이터는 물론 도 20의 'C'와 같이 검사대상별 이상지점의 총합 등이 포함된다. On the other hand, the
데이터 저장모듈(410)은 벽면 이상지점 정보와 레일 이상지점 정보와 도상 이상지점 정보를 검사구간별로 통합 분류해서 식별코드가 설정된 데이터셋으로 관리한다. 따라서 관리자가 검사구간을 선택하면 데이터 처리모듈(420)은 해당 식별코드로 데이터 저장모듈(410)을 검색해서, 해당 검사구간에 속하는 벽면 이상지점 정보와 레일 이상지점 정보와 도상 이상지점 정보를 일괄 검색한다.The
S20; 터널 정보 검색 단계S20; Tunnel information retrieval step
관리자에 의해 터널명, 터널에 설정된 식별코드 등이 검사결과 통합처리장치(400)에 입력되면, 데이터 처리모듈(420)은 데이터 저장모듈(410)에서 해당하는 터널에 관한 정보와 벽면 이상지점 정보와 레일 이상지점 정보와 도상 이상지점 정보를 검색한다. When the tunnel name, the identification code set in the tunnel, etc. are input to the
S30; 이상지점 분포 현황 테이블 출력 단계S30; Anomaly distribution status table output stage
데이터 처리모듈(420)은 데이터 저장모듈(410)에서 검색된 검사구간별 벽면 이상지점 정보와 레일 이상지점 정보와 도상 이상지점 정보를 GUI 모듈(430)에 입력하고, GUI 모듈(430)은 도 20의 'A'를 확대해서 보인 21과 같이 상기 검사구간과 검사대상이 행렬로 분류되어 생성된 테이블 그래픽에 이상지점 정보를 표현한다. 본 실시 예에서 상기 테이블 그래픽은 행(ROW) 라인에 검사구간이 분류되었고, 열(COLUMN) 라인에 검사대상이 분류되었다. 결국, 행 라인과 열 라인이 서로 교차하는 셀에는 해당하는 이상지점 정보가 게시된다. The
GUI 모듈(430)은 셀에 게시되는 이상지점 정보의 수량이 다른 이상지점 정보와 직관적으로 대비할 수 있도록 숫자와 색상 중 선택된 하나 이상으로 표현할 수 있다. 본 실시 예에서 GUI 모듈(430)은 검사구간과 검사대상별 이상지점의 개수를 해당 셀에 숫자로 표현해서 다른 검사구간과 바로 비교할 수 있도록 했다.The
또한, GUI 모듈(430)은 검사구간과 검사대상별 이상지점의 수량을 색상으로 표현해서 다른 검사구간과 시각적으로 바로 비교할 수 있도록 했다. 이를 좀 더 상세히 설명하면, 이상지점의 개수가 많은 검사구간의 셀일수록 상대적으로 농도가 짙은 색상으로 표현해서, 관리자가 셀에 게시된 숫자를 직접 확인하지 않아도 이상지점이 많은 검사구간과 검사대상을 직관적으로 바로 식별해 확인할 수 있도록 했다. 이러한 GUI 프로세스는 관리자가 터널의 이상지점 분포 현황을 바로 파악하고 이상의 발생 이유도 추측할 수 있으며 이상이 발생할 터널 내 구간도 예측해서 사전에 조치할 수 있게 했다.In addition, the
참고로, 본 실시 예에서 해당 터널의 테이블 그래픽에는 '구간 15'에 이상지점이 상대적으로 많음이 표현되었고, For reference, in the table graphic of the corresponding tunnel in this embodiment, a relatively large number of abnormal points are expressed in 'section 15',
한편, GUI 모듈(430)은 상기 테이블 그래픽을 검사구간 선택이 가능하도록 설정한다. 따라서 관리자가 상기 테이블 그래픽에서 특정 검사구간을 클릭해 선택할 수 있고, 데이터 처리모듈(420)은 선택된 상기 검사구간의 식별코드를 확인해서 데이터 저장모듈(410)에서 해당 데이터셋을 검색한다.Meanwhile, the
S40; 현황페이지 출력 단계S40; Status page output stage
상기 테이블 그래픽에서의 검사구간 선택을 통해 데이터셋이 검색되면, GUI 모듈(430)은 데이터 처리모듈(420)로부터 수신된 데이터셋의 벽면 이상지점 정보와 레일 이상지점 정보와 도상 이상지점 정보가 검사대상의 파트 또는 세부항목별로 분류하여 표시된 현황페이지를 도 20의 'B'를 확대해서 보인 도 22과 같이 생성해 출력시킨다.When the data set is searched through the selection of the inspection section in the table graphic, the
본 실시의 현황페이지는 철도 터널의 벽면 모습과 레일 모습과 도상 모습이 표현된 바탕이미지의 해당 파트에 벽면 이상지점 정보와 레일 이상지점 정보와 도상 이상지점 정보가 표시된 것으로, 상기 바탕이미지는 터널의 단면 모습을 이룬다. 따라서 본 실시의 바탕이미지는 벽면 파트와 레일 파트와 도상 파트로 분할되고, 벽면 이상지점 정보와 레일 이상지점 정보와 도상 이상지점 정보는 도 22와 같이 상기 바탕이미지의 각 파트별로 표시된다.In the current status page of this implementation, information on wall abnormalities, rail abnormalities, and ballast abnormalities are displayed on the corresponding parts of the background image in which the shape of the wall of the railway tunnel, the shape of the rail and the shape of the ballast are expressed, and the background image is that of the tunnel. form a cross-section. Therefore, the background image of this embodiment is divided into a wall part, a rail part, and an image part, and the wall abnormal point information, the rail abnormal point information, and the island abnormal point information are displayed for each part of the background image as shown in FIG.
더 나아가 GUI 모듈(430)은 상기 벽면 파트와 레일 파트와 도상 파트를 각각 하위 파트로 추가 분할할 수 있다. 일 예를 들어 설명하면, 상기 벽면 파트는 좌측벽부(L)와 천장부(CT)와 우측벽부(R)로 추가 분할될 수 있고, 상기 레일 파트는 하행 레일과 상행 레일로 추가 분할될 수 있고, 상기 도상 파트는 좌측 도상(LL)과 중앙 도상(LR+RL)과 우측 도상(RR)으로 추가 분할될 수 있다.Furthermore, the
GUI 모듈(430)은 상기 파트로 분할 구성된 바탕이미지의 해당 위치에 데이터 처리모듈(420)이 검색한 이상지점 정보별 세부항목을 표시하고, 상기 세부항목별 이상지점 개수도 게시한다. 따라서 관리자는 특정 검사구간에 위치한 검사대상별 이상 내용을 구체적이면서 직관적으로 확인할 수 있고, 이를 통해 이상 발생 현황도 파악하여 이해할 수 있다.The
S50; 수집정보 검색 단계S50; Steps to search for collected information
GUI 모듈(430)은 현황페이지의 구성 그래픽을 파트 또는 세부항목 선택이 가능하도록 설정하고, 데이터 처리모듈(420)은 파트 그래픽 또는 세부항목 그래픽 선택을 통해 항목코드가 입력되면 데이터 저장모듈(410)에서 해당 세부항목의 수집정보를 검색한다.The
도 22과 같이 현황페이지에는 각 파트별로 '데이터 보기' 메뉴가 포함되고, GUI 모듈(430)은 상기 메뉴 클릭 시 항목코드를 발생시킨다. 따라서 데이터 처리모듈(420)은 항목코드를 확인하고 검색할 수 있다.22, the status page includes a 'data view' menu for each part, and the
본 실시 예에서 GUI 모듈(430)은 파트가 선택되도록 했으나, 이외에도 세부항목별로 메뉴키를 생성해서 해당 세부항목 관련 수집정보만이 검색되도록 할 수 있다.In this embodiment, the
S60; 수집페이지 출력 단계S60; Collection page output stage
데이터 저장모듈(420)에 저장된 수집정보는 도 22 내지 도 27과 같이 터널 벽면의 변형, 백태, 균열, 누수, 박리 여부를 시각적으로 파악할 수 있는 촬영 영상 데이터와 벽면의 굴곡 상태 데이터와 터널의 단면 형상 데이터(3D 스캔 검측 데이터) 등을 포함한다. 또한, 터널 레일의 궤도 틀림 지점과 개수, 파상 마모 지점과 개수, 체결구 탈락 지점과 개수, 체결구 파손 지점과 개수, 레일 마모와 개수 등을 시각적으로 파알할 수 있는 촬영 영상 데이터와 레이저 측정 데이터와 조도 측정 데이터 등을 포함한다. 또한, 터널 도상의 백태 발생 지점과 개수, 균열 지점과 개수, 누수 지점과 개수, 박리 지점과 개수 등의 이상 내용을 파악할 수 있는 촬영 영상 데이터와 조도 측정 데이터 등을 포함한다. The collected information stored in the
도 22은 터널의 천장 벽면에 관한 촬영 영상 데이티(이미지)이고, 도 25는 터널의 좌측 벽부와 우측벽부에 관한 촬영 영상 데이터(이미지)이다. 또한, 도 13은 도 10의 'D'를 확대해서 보인 '스캔 그래프'이다. 상기 '스캔 그래프'는 터널 벽면의 굴곡 상태 데이터와 단면 형상 데이터를 기반으로 파악한 3D 스캔 검측 데이터의 표현 형태이며, 본 데이터를 통해 터널 벽면의 라이닝을 파악할 수 있다. 이를 위해 본 실시의 상기 스캔 그래프는 터널 벽면의 단면 형상이 바탕화면에 그래프 형태로 게시되고, 터널 벽면의 각 지점별 거리값의 변화가 표 형태로 게시된다. 상기 그래프 형태에는 거리값에 맞춰 그래프 선을 표시할 수 있다. 여기서, 상기 터널 벽면의 라이닝을 보이기 위한 3D 스캔 검측 데이터는 레이저를 조사하는 기능의 터널형상 측정기(120)로 측정된 터널 벽면과의 거리이고, 해당 거리 정보를 통해 터널 벽면의 굴곡을 파악해서 상기 이상 여부 등을 체크할 수 있게 한다. 상기 현황페이지와 같이 테이블 그래픽에서 검사구간이 선택되면 해당하는 구간의 스캔 그래프가 출력될 수 있다. 본 실시 예에서 상기 스캔 그래프는 통합 페이지에 게시되었으나, 이외에도 테이블 그래픽에서 검사구간이 선택되면 GUI 모듈(430)에 의해 현황페이지와 스캔 그래프 중 선택된 하나 이상이 출력되도록 될 수 있다.22 is captured image data (image) of the ceiling wall of the tunnel, and FIG. 25 is captured image data (image) of the left and right walls of the tunnel. Also, FIG. 13 is a 'scan graph' that is an enlarged view of 'D' of FIG. 10 . The 'scan graph' is an expression form of 3D scan detection data identified based on the bending state data and cross-sectional shape data of the tunnel wall, and the lining of the tunnel wall can be identified through this data. To this end, in the scan graph of the present embodiment, the cross-sectional shape of the tunnel wall is posted in the form of a graph on the background screen, and the change in the distance value for each point of the tunnel wall is posted in the form of a table. In the graph form, a graph line may be displayed according to a distance value. Here, the 3D scan detection data for showing the lining of the tunnel wall is the distance from the tunnel wall measured with the tunnel
도 26은 좌측 도상(LL)과 중앙 도상(LR+RL)과 우측 도상(RR)에 관한 촬영 영상 데이터(이미지)이다. 또한, 도 27은 터널의 레일 및 궤도 전체에 관한 촬영 영상 데이터와, 레이저 측정 데이터를 기반으로 파악한 레일 표면 및 마모도 영상 데이터와, 촬영 영상 데이터와 레이저 측정 데이터와 조도 측정 데이터를 종합해 파악된 궤도 틀림 그래프이다. 26 is photographed image data (images) of the left image LL, the central image LR+RL, and the right image RR. In addition, FIG. 27 is a track determined by synthesizing photographed image data for the entire rail and track of the tunnel, rail surface and wear image data determined based on laser measurement data, photographed image data, laser measurement data, and roughness measurement data. It's definitely a graph.
또한, 본 실시 예에서 상기 현황페이지의 '데이터 보기' 메뉴를 클릭하면, 앞에서 예시한 해당하는 검사대상의 촬영 영상 이미지가 별도의 창으로 팝업될 수 있다.In addition, in this embodiment, if the 'data view' menu of the current status page is clicked, the photographed image image of the corresponding test target illustrated above may be popped up in a separate window.
결국, 관리자는 테이블 그래픽을 통해 검사구간과 검사대상별로 이상지점의 개수를 파악해서 터널 이상의 분포 현황을 직관적으로 확인해 판단할 수 있고, 이중 검사구간 선택을 통해 세부항목 및 파트별로 터널 이상의 분포 현황을 파악할 수 있으며, 이중 세부항목 선택을 통해 관련 수집정보를 확인해서 이상 정도를 확인할 수 있다.In the end, the manager can intuitively check and judge the distribution of tunnel anomalies by identifying the number of abnormal points by inspection section and inspection target through table graphics. The degree of abnormality can be checked by checking the related collected information by selecting the double details.
앞서 설명한 본 발명의 상세한 설명에서는 본 발명의 바람직한 실시 예들을 참조해 설명했지만, 해당 기술분야의 숙련된 당업자 또는 해당 기술분야에 통상의 지식을 갖는 자라면 후술될 특허청구범위에 기재된 본 발명의 사상 및 기술영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.In the detailed description of the present invention described above, although it has been described with reference to preferred embodiments of the present invention, those skilled in the art or those having ordinary knowledge in the art will have the spirit of the present invention described in the claims to be described later. And it will be understood that the present invention can be variously modified and changed without departing from the technical scope.
Claims (11)
상기 터널 벽면 검사장치와 철도 레일 검사장치와 도상 검사장치 각각의 수집정보에 터널의 검사구간 단위로 분류 가능하도록 터널위치정보를 링크해서 저장하는 정보 저장부; 상기 벽면검사용 컨트롤러와 레일검사용 컨트롤러와 도상검사용 컨트롤러의 동작을 제어하고, 상기 수집정보를 영상정보와 비영상정보로 분류하는 중앙처리장치;를 더 포함하고,
상기 정보 저장부는, 상기 영상정보와 비영상정보로 분류된 수집정보를 비정형데이터 형식으로 저장되도록 처리하는 비정형데이터 관리모듈을 더 포함하는 것;
을 특징으로 하는 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템.An automated diagnostic robot system in which a tunnel wall inspection device, a railway rail inspection device, and a ballast inspection device are integrated to form a moving vehicle, the tunnel wall inspection device comprising: a wall imaging camera; a tunnel shape measuring device measuring a distance from the wall; , a controller for wall inspection that controls the operation of the wall imaging camera and the tunnel shape measuring device and converts the collected information into data on the wall abnormality point information is provided; The railway rail inspection device includes a rail imaging camera mounted on the frame of the moving vehicle so as to be able to photograph the rail downward, and a rail inspection controller that controls the operation of the rail imaging camera and converts the collected information into rail abnormality point information. is provided; The iconography inspection device includes: an iconography camera mounted so as to be capable of image capturing in a downward direction; and a controller for image inspection that controls the operation of the iconography camera and converts the collected information into imagery abnormality point information;
an information storage unit for linking and storing tunnel location information so that the collection information of the tunnel wall inspection device, the railway rail inspection device, and the ballast inspection device can be classified in units of the inspection section of the tunnel; A central processing unit that controls the operation of the controller for wall inspection, the controller for rail inspection, and the controller for map inspection, and classifies the collected information into image information and non-image information; further comprising,
The information storage unit may further include an unstructured data management module for processing the collection information classified into the image information and the non-image information to be stored in an unstructured data format;
Automated diagnostic robot system for railway tunnel safety inspection, characterized by
상기 철도 레일 검사장치는, 레일의 외측에 횡단 방향으로 광 라인이 형성되도록 레이저광을 조사하는 라인 레이저와, 상기 레일에서 광 라인이 형성된 구간을 촬영하는 레일형상 촬영기로 구성된 레일형상 측정기를 더 포함하고;
상기 레일검사용 컨트롤러는, 상기 레일형상 측정기의 동작을 제어하는 것;
을 특징으로 하는 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템.The method of claim 1,
The railway rail inspection device further includes a rail shape measuring device comprising a line laser irradiating laser light so that an optical line is formed on the outside of the rail in a transverse direction, and a rail shape photographing device for photographing a section in which the optical line is formed on the rail. and;
The controller for the rail inspection, to control the operation of the rail shape measuring device;
Automated diagnostic robot system for railway tunnel safety inspection, characterized by
상기 프레임에 설치되며 승강 동력을 일으키는 승강대와, 상기 승강대에 승강하도록 안착되는 승강본체와, 상기 승강본체에 인입출 가능하게 장착되고 하방으로 도상 촬영이 가능하도록 도상촬영 카메라가 장착되는 현수대와, 상기 승강본체에 설치되어서 현수대의 전동 인입출을 위해 동력을 일으키는 인입출 구동기와, 상기 현수대에 설치되어서 도상촬영 카메라의 전동 회동을 위해 동력을 일으키는 회전기와, 상기 승강대와 인입출 구동기와 회전기의 동작을 제어하는 구동 컨트롤러;로 구성된 동작장치;
를 더 포함하는 것을 특징으로 하는 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템.According to claim 1, wherein the moving vehicle,
a lifting platform installed in the frame to generate lifting power; a lifting body seated on the lifting platform; a suspension mounted on the lifting body to be retractable and an image capturing camera to be photographed downward; a pull-in/out actuator installed on the lifting body to generate power for electric pull-in/out of the suspension; a rotator installed on the suspension to generate power for electric rotation of the image capture camera; a driving controller configured to control the operation;
Automated diagnostic robot system for railway tunnel safety inspection, characterized in that it further comprises.
상기 현수대는 승강본체를 기준으로 양측에 배치되고, 양측에 배치된 한 쌍의 상기 현수대 각각에 도상촬영 카메라가 설치된 것;
을 특징으로 하는 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템.4. The method of claim 3,
The suspension is disposed on both sides with respect to the elevating body, and an image capturing camera is installed on each of the pair of suspensions disposed on both sides;
Automated diagnostic robot system for railway tunnel safety inspection, characterized by
상기 정보 저장부는, 비정형데이터 형식의 수집정보를 NoSQL 방식으로 저장하고;
상기 정보 저장부에 저장된 수집정보를 머신러닝 기반의 검출 알고리즘으로 연산 처리해서 터널의 이상 지점을 자동 검출하는 데이터 분석부를 더 포함하는 것;
을 특징으로 하는 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템.The method of claim 1,
The information storage unit stores the collection information in the unstructured data format in a NoSQL method;
Further comprising a data analysis unit for automatically detecting abnormal points of the tunnel by processing the collected information stored in the information storage unit with a machine learning-based detection algorithm;
Automated diagnostic robot system for railway tunnel safety inspection, characterized by
주행영상 카메라와, 장애물을 감지하는 감지센서와, 상기 주행영상 카메라의 수집정보 또는 감지센서의 감지신호를 분석해서 장애물과의 벡터 거리를 측정하는 거리계측모듈과, 상기 주행영상 카메라와 감지센서 및 거리계측모듈에 의해 감지된 장애물의 배치 위치 중 유효 장애물로 판정할 위치 범위인 유효영역을 설정하고 유효 장애물을 판정하는 영역설정모듈과, 주행조작에 대응한 운전신호를 생성하고 영역설정모듈의 판정신호에 따라 정지신호를 생성하는 운전제어모듈과, 상기 운전신호와 정지신호에 따라 구동부의 동작을 제어하는 주행기기가 구비된 주행장치;
를 포함하는 것을 특징으로 하는 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템.The method of claim 1,
A driving video camera, a detection sensor for detecting an obstacle, a distance measuring module for measuring a vector distance to an obstacle by analyzing the collection information of the driving video camera or a detection signal of the detection sensor, the driving video camera and the detection sensor; The area setting module sets the effective area, which is the position range to be determined as an effective obstacle, among the placement positions of the obstacles detected by the distance measuring module and determines the effective obstacle, and the area setting module generates a driving signal corresponding to the driving operation and determines the area setting module a driving device having a driving control module for generating a stop signal according to a signal, and a driving device for controlling an operation of a driving unit according to the driving signal and the stop signal;
Automated diagnostic robot system for railway tunnel safety inspection comprising a.
상기 터널 벽면 검사장치와 철도 레일 검사장치와 도상 검사장치 각각의 수집정보에 터널의 검사구간 단위로 분류가 가능하도록 터널위치정보를 링크해서 저장하는 정보 저장부를 더 포함하는 것;
을 특징으로 하는 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템.7. The method of claim 6,
Further comprising an information storage unit for storing the tunnel location information by linking the tunnel wall inspection device, the railway rail inspection device, and the collection information of each of the ballast inspection device so as to be classified by the inspection section unit of the tunnel;
Automated diagnostic robot system for railway tunnel safety inspection, characterized by
상기 주행영상 카메라의 촬영 영상 이미지 내 특정 지점에 유효영역의 경계 라인이 표시되면, 상기 거리계측모듈이 경계 라인의 실제 위치를 계측 및 확인하고 실제 위치의 범위에 존재한 장애물을 유효 장애물로 인식하는 것;
을 특징으로 하는 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템.The method of claim 6, wherein the area setting module comprises:
When the boundary line of the effective area is displayed at a specific point in the captured video image of the driving video camera, the distance measuring module measures and confirms the actual position of the boundary line and recognizes the obstacle existing in the range of the actual position as an effective obstacle that;
Automated diagnostic robot system for railway tunnel safety inspection, characterized by
상기 터널 벽면 검사장치에 의해 수집된 벽면 이상지점 정보와, 상기 철도 레일 검사장치에 의해 수집된 레일 이상지점 정보와, 상기 도상 검사장치에 의해 수집된 도상 이상지점 정보를 철도 터널의 검사구간 단위로 분류 가능하도록 저장하는 데이터 저장모듈; 프로세스에 따라 데이터 저장모듈에서 벽면 이상지점 정보와 레일 이상지점 정보와 도상 이상지점 정보를 검색해 출력시키는 데이터 처리모듈; 상기 검사구간과 검사대상이 행렬로 분류된 테이블 그래픽을 생성하고, 상기 데이터 처리모듈에서 검색된 정보인 벽면 이상지점과 레일 이상지점과 도상 이상지점 각각의 수량이 테이블 그래픽의 해당 셀에 시각적으로 표현되도록 처리하는 GUI 모듈;을 갖춘 검사결과 통합처리장치를 더 포함하는 것;
을 특징으로 하는 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템.An automated diagnostic robot system in which a tunnel wall inspection device, a railway rail inspection device, and a ballast inspection device are integrated to form a moving vehicle, the tunnel wall inspection device comprising: a wall imaging camera; a tunnel shape measuring device measuring a distance from the wall; a controller for wall inspection that controls the operation of the wall photographing camera and the tunnel shape measuring device and converts the collected information into data on the wall abnormality point information; The railway rail inspection device includes a rail imaging camera mounted on the frame of the moving vehicle so as to be able to photograph the rail downward, and a rail inspection controller that controls the operation of the rail imaging camera and converts the collected information into rail abnormality point information. is provided; The iconography inspection device includes a map camera mounted on the frame of the moving vehicle so as to be able to photograph the image in a downward direction, and a controller for image inspection that controls the operation of the image capture camera and converts the collected information into information on an abnormality point on the image. provided;
The wall abnormality point information collected by the tunnel wall inspection device, the rail abnormality point information collected by the railway rail inspection device, and the ballast abnormality point information collected by the ballast inspection device are analyzed in units of inspection section of the railway tunnel. a data storage module that stores so that it can be classified; a data processing module for retrieving and outputting wall abnormality point information, rail abnormality point information, and island abnormality point information from the data storage module according to a process; Create a table graphic in which the inspection section and inspection object are classified into a matrix, and the quantity of each of the wall abnormality point, the rail abnormality point, and the image abnormality point, which are information retrieved from the data processing module, is visually expressed in the corresponding cell of the table graphic A GUI module for processing; further comprising an inspection result integrated processing unit having;
Automated diagnostic robot system for railway tunnel safety inspection, characterized by
상기 벽면 이상지점 정보와 레일 이상지점 정보와 도상 이상지점 정보에는 이상 내용이 포함되고;
상기 데이터 저장모듈은, 상기 이상 내용을 세부항목으로 분류한 것;
을 특징으로 하는 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템.10. The method of claim 9,
the abnormality information is included in the wall abnormality point information, the rail abnormality point information, and the island abnormality point information;
The data storage module is configured to classify the abnormal contents into detailed items;
Automated diagnostic robot system for railway tunnel safety inspection, characterized by
상기 프레임에 설치되며 승강 동력을 일으키는 승강대와, 상기 승강대에 승강하도록 안착되는 승강본체와, 상기 승강본체에 인입출 가능하게 장착되고 하방으로 도상 촬영이 가능하도록 도상촬영 카메라가 장착되는 현수대와, 상기 승강본체에 설치되어서 현수대의 전동 인입출을 위해 동력을 일으키는 인입출 구동기와, 상기 현수대에 설치되어서 도상촬영 카메라의 전동 회동을 위해 동력을 일으키는 회전기와, 상기 승강대와 인입출 구동기와 회전기의 동작을 제어하는 구동 컨트롤러;로 구성된 동작장치;
를 더 포함하는 것을 특징으로 하는 철도 터널 안전 검사를 위한 자동화 진단 로봇 시스템.10. The method of claim 9, wherein the moving vehicle,
a lifting platform installed in the frame to generate lifting power; a lifting body seated on the lifting platform; a suspension mounted on the lifting body to be retractable and an image capturing camera to be photographed downward; a pull-in/out actuator installed on the lifting body to generate power for electric pull-in/out of the suspension; a rotator installed on the suspension to generate power for electric rotation of the image capture camera; a driving controller configured to control the operation;
Automated diagnostic robot system for railway tunnel safety inspection, characterized in that it further comprises.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200145492A KR102277633B1 (en) | 2020-11-03 | 2020-11-03 | Automatic robot measuring system for transit tunnel safety inspection |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200145492A KR102277633B1 (en) | 2020-11-03 | 2020-11-03 | Automatic robot measuring system for transit tunnel safety inspection |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102277633B1 true KR102277633B1 (en) | 2021-07-15 |
Family
ID=76889553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200145492A KR102277633B1 (en) | 2020-11-03 | 2020-11-03 | Automatic robot measuring system for transit tunnel safety inspection |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102277633B1 (en) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113640291A (en) * | 2021-07-30 | 2021-11-12 | 武汉多谱数融机器人科技有限公司 | Track intelligent robot detection system and method |
| KR102369229B1 (en) * | 2021-09-16 | 2022-03-03 | 주식회사 시티랩스 | Risk prediction system and risk prediction method based on a rail robot specialized in an underground tunnel |
| KR102376203B1 (en) * | 2021-12-03 | 2022-03-22 | 주식회사 에스.티.피.씨. | Providing method for autonomous vehicle control system |
| CN114688987A (en) * | 2022-03-29 | 2022-07-01 | 北华航天工业学院 | In-situ measurement device and method |
| KR102455566B1 (en) * | 2022-02-16 | 2022-10-17 | 대진대학교 산학협력단 | measuring apparatus for tunnel displacements |
| CN115200487A (en) * | 2022-08-24 | 2022-10-18 | 水利部交通运输部国家能源局南京水利科学研究院 | Safety measuring device and safety evaluation method for large-diameter pipeline |
| CN115406353A (en) * | 2022-08-30 | 2022-11-29 | 北京交通大学 | Mobile inspection device for railway track structure rigidity abnormity layered detection |
| KR20230173337A (en) | 2022-06-17 | 2023-12-27 | 현대건설(주) | Unmanned mobile robot for crack inspection of buildings and crack inspection method using the same |
| KR20240017663A (en) | 2022-08-01 | 2024-02-08 | 한국철도기술연구원 | Rail driving module and autonomous driving robot using the same |
| KR102655507B1 (en) * | 2022-12-16 | 2024-04-08 | 주식회사 세이프웍스 | Management system of multidimensional shape of railroad structure |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101018694B1 (en) | 2010-11-02 | 2011-03-04 | 한국씨엠이엔지(주) | Safety check-up apparatus of tunnel |
| KR20110066360A (en) * | 2009-12-11 | 2011-06-17 | 주식회사 포디컬쳐 | Tunnel surface inspection apparatus |
| KR101117307B1 (en) * | 2010-11-03 | 2012-02-27 | (주)티엘씨테크놀로지 | Railroad tunnel safety systems |
| KR101706271B1 (en) * | 2016-08-10 | 2017-02-22 | 주식회사 에이베스트 | Ballast Crack Inspection Apparatus of A High Speed Rail |
| KR101794690B1 (en) * | 2016-07-07 | 2017-12-01 | 한국철도기술연구원 | Tunnel inspection system having individual driving rail-guided vehicle (rgv) and inertial navigation system (ins) |
| JP2019043403A (en) * | 2017-09-04 | 2019-03-22 | 株式会社日立国際電気 | Obstacle detection system and obstacle detection method |
-
2020
- 2020-11-03 KR KR1020200145492A patent/KR102277633B1/en active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110066360A (en) * | 2009-12-11 | 2011-06-17 | 주식회사 포디컬쳐 | Tunnel surface inspection apparatus |
| KR101018694B1 (en) | 2010-11-02 | 2011-03-04 | 한국씨엠이엔지(주) | Safety check-up apparatus of tunnel |
| KR101117307B1 (en) * | 2010-11-03 | 2012-02-27 | (주)티엘씨테크놀로지 | Railroad tunnel safety systems |
| KR101794690B1 (en) * | 2016-07-07 | 2017-12-01 | 한국철도기술연구원 | Tunnel inspection system having individual driving rail-guided vehicle (rgv) and inertial navigation system (ins) |
| KR101706271B1 (en) * | 2016-08-10 | 2017-02-22 | 주식회사 에이베스트 | Ballast Crack Inspection Apparatus of A High Speed Rail |
| JP2019043403A (en) * | 2017-09-04 | 2019-03-22 | 株式会社日立国際電気 | Obstacle detection system and obstacle detection method |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113640291A (en) * | 2021-07-30 | 2021-11-12 | 武汉多谱数融机器人科技有限公司 | Track intelligent robot detection system and method |
| KR102369229B1 (en) * | 2021-09-16 | 2022-03-03 | 주식회사 시티랩스 | Risk prediction system and risk prediction method based on a rail robot specialized in an underground tunnel |
| KR102376203B1 (en) * | 2021-12-03 | 2022-03-22 | 주식회사 에스.티.피.씨. | Providing method for autonomous vehicle control system |
| KR102455566B1 (en) * | 2022-02-16 | 2022-10-17 | 대진대학교 산학협력단 | measuring apparatus for tunnel displacements |
| CN114688987A (en) * | 2022-03-29 | 2022-07-01 | 北华航天工业学院 | In-situ measurement device and method |
| CN114688987B (en) * | 2022-03-29 | 2023-10-20 | 北华航天工业学院 | In-situ measurement device and method |
| KR20230173337A (en) | 2022-06-17 | 2023-12-27 | 현대건설(주) | Unmanned mobile robot for crack inspection of buildings and crack inspection method using the same |
| KR20240017663A (en) | 2022-08-01 | 2024-02-08 | 한국철도기술연구원 | Rail driving module and autonomous driving robot using the same |
| CN115200487A (en) * | 2022-08-24 | 2022-10-18 | 水利部交通运输部国家能源局南京水利科学研究院 | Safety measuring device and safety evaluation method for large-diameter pipeline |
| CN115406353A (en) * | 2022-08-30 | 2022-11-29 | 北京交通大学 | Mobile inspection device for railway track structure rigidity abnormity layered detection |
| KR102655507B1 (en) * | 2022-12-16 | 2024-04-08 | 주식회사 세이프웍스 | Management system of multidimensional shape of railroad structure |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102277633B1 (en) | Automatic robot measuring system for transit tunnel safety inspection | |
| CN111855664B (en) | Adjustable three-dimensional tunnel defect detection system | |
| US11494891B2 (en) | Method of inspecting and evaluating coating state of steel structure and system therefor | |
| CN102818538B (en) | Detection system based on modulated glass thread structure laser image | |
| KR102277632B1 (en) | Autonomous inspection assembly totaly checking on transit tunnel | |
| US7495758B2 (en) | Apparatus and methods for two-dimensional and three-dimensional inspection of a workpiece | |
| US5321439A (en) | Vehicle headlight testing system | |
| EP2508871A1 (en) | Inspection apparatus, measurement method for three-dimensional shape, and production method for structure | |
| US5680215A (en) | Vision inspection system and method | |
| WO2017119202A1 (en) | Structure member specifying device and method | |
| JP2004347585A (en) | Inspection/analysis system for construction and civil engineering structure | |
| CN104914108A (en) | Expressway tunnel detection vehicle system based on machine vision | |
| US20210192710A1 (en) | Work Terminal, Oil Leakage Detection Apparatus, and Oil Leakage Detection Method | |
| EP1677098A1 (en) | Surface defect inspecting method and device | |
| US9797833B2 (en) | Method for determining the refractive power of a transparent object, and corresponding device | |
| JP2022126587A (en) | Automatic vision test device for workpiece with complex curved surface | |
| US20220335586A1 (en) | Workpiece surface defect detection device and detection method, workpiece surface inspection system, and program | |
| JP2017040600A (en) | Inspection method, inspection device, image processor, program and record medium | |
| CN205737579U (en) | Train operation composite image information detection device | |
| CN112446852A (en) | Tunnel imaging plane display method and intelligent defect identification system | |
| JP2004309491A (en) | Construction and civil engineering structure measurement/analysis system | |
| US9417196B2 (en) | X-ray diffraction based crystal centering method using an active pixel array sensor in rolling shutter mode | |
| CN105572133A (en) | Flaw detection method and device | |
| CN217932084U (en) | Comprehensive train detection system | |
| KR102312978B1 (en) | Integrated test apparatus displaying entry restriction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |