KR20130133596A

KR20130133596A - 전주 기울기 측정 방법 및 장치

Info

Publication number: KR20130133596A
Application number: KR1020120056981A
Authority: KR
Inventors: 홍기천
Original assignee: 수원대학교산학협력단
Priority date: 2012-05-29
Filing date: 2012-05-29
Publication date: 2013-12-09

Abstract

본 발명은 전주의 촬영 영상에 의한 전주 기울기 계산을 통하여 전주의 노후화를 판단함으로써, 전주의 유지 보수를 위한 수작업을 최소화시켜 비합리적인 처리업무로 인한 오류와 시간, 인건비 등을 줄일 수 있는 전주 기울기 측정 방법 및 장치를 제공하고, 전주 기울기 측정 방법은 전주의 영상을 촬영하는 전주 촬영 단계(20); 촬영된 전주의 에지를 추출하는 전주 에지 추출 단계(30); 상기 추출된 전주의 에지에 연직방향을 나타내는 마커를 대입하는 마커 대입 단계(40); 및 전주의 2점의 좌표를 이용하여 전주의 기울기를 계산하는 전주 기울기 계산 단계(50)를 포함한다.

Description

전주 기울기 측정 방법 및 장치{Method and apparatus for measuring slope of poles}

본 발명은 전주의 기울기를 측정하는 방법 및 장치에 관한 것으로, 보다 상세하게는 전주의 영상으로부터 에지 정보를 추출하여 전주의 기울기를 측정하는 방법 및 장치에 관한 것이다.

본 발명은 경기도의 경기도지역협력연구센터(GRRC) 사업의 일환으로 연구개발된 것으로, 과제고유번호 : "GRRC 수원2011-B3", 연구과제명 : "지능형 감시를 위한 다중 객체 추적 시스템 개발"에 관한 것이다.

공가 시설물인 전력용 전주, 통신용 전주, 및 가로등용 전주의 수명은 제한이 있기 때문에 정기적인 유지 보수 관리가 필요하게 된다.

전주의 수명은 케이블, 변압기, 통신 중계기, 조명설비 등의 공가 시설물의 중량과 풍압 및 폭우 또는 폭설로 인한 전주의 노후화에 따른 균열 및 전주의 휨 정도로 결정된다.

노후화된 전주를 찾아내기 위한 기술로서 종래의 대한민국 등록실용신안 제20-0431018(2006. 11. 13)에는 전주의 기울기를 측정할 수 있는 센서를 전봇대에 사람들 눈에 띠게 구비하여 전주의 기울기로 인한 위험성이 발견되면 신고하도록 하는 기술이 있었다. 그러나, 이러한 기울기 센서를 전주에 부착하여 전주의 기울기가 임계값을 넘어가는 경우 위험수위로 파악하여 신고할 수 있도록 하였지만, 이는 신고자의 자발적인 노력을 요할 뿐만 아니라, 별도의 기울기 센서를 전주에 부착하였을지라도 일일이 전주에 가까이 가서 기울기 센서를 검사하여야 하는 불편함이 있었다.

또한, 전주 관리를 위한 기술로서 대한민국 등록특허 10-0712418 (2007. 4. 23)의 "전차선 지지 전주 인식 장치"는 전차선을 지지하는 각 전주에 대한 고유정보를 기록하는 태그를 부착하고, 검측차량을 이용하여 태그와의 RF통신을 수행하여 전주에 부착된 태그를 읽어들이는 위치검측서버를 포함하여 전주의 고유정보를 인식하여 관리하는 기술이 있었으나, 이는 레일을 달리는 전차의 지지 전주를 관리하는 것으로, 아직은 도로 시설에 설치된 각종 전주에 태그 기술을 사용하지는 못하고 있는 실정이 아니다.

그러므로, 각종 전주의 유지 보수를 위한 수작업을 최소화시켜 비합리적인 처리업무로 인한 오류와 시간, 인건비 등을 줄일 수 있어야 하며, 또한 건축물의 신축, 도로 생성, 신도시의 생성에 따라 새롭게 생겨나는 전주의 데이터 또한 새롭게 갱신되어야 한다. 뿐만 아니라 안전한 계각을 벗어난 전주의 보강을 통하여 전주 수명의 연장, 노후 전주의 파악 및 새 전주로의 교체 비용의 최소화를 이루고, 전주의 기울기 (휨 정도) 측정 데이터를 활용하여 전주의 보정 및 교체 시기를 결정하기 위한 과학적 분석이 필요하다. 그리하여 장애물에 의해 전주 에지 정보라도 영상처리를 함으로써 정확한 전주의 기울기 (휨 정도) 데이터를 측정하고 이 데이터를 DB화시켜 관리함으로써, 합리적인 전주의 유지 보수 관리를 할 필요가 있다.

[1] 대한민국 등록실용신안 20-0431018 (2006. 11. 13), 기울기 측정용 센서를 구비한 전봇대 [2] 대한민국 등록특허 10-0712418 (2007. 4. 23), 전차선 지지 전주 인식 장치

J. G. Fryer and D. C. Brown , "Lens distortion for close-range photogrammetry,"Photogrammetric Engineering and Remote Sensing 52 (1986):51-58 [Canny86] J. Canny," A computational approach to edge detection,"IEEE Transcation on Pattern Analysis and Machine Inteligence 8(1986):679-714 D. Chen a d G. Zhang, "A new sub-pixel detector for x-corners in camera calibration targets," WSCG Short Papers (2005):97-100 [4] E. Tola, V.Lepetit, and P. Fua, "A fast local descriptor for dense matching," Proceedings of the IEEE International Conference on Computer Vision and Pattern Recognition, June 2008 [5] A. Torralba, K. P. Murphy, and W. T. Freeman,"Sharing visual features for multiclass and multiview object detection," IEEE Transactions on Pattern Analysis and Machine Intelligence 29 (2007):854-869 T. A. Clarke and J. G. Fryer, "The Development of Camera Calibration Methods and Models," Photogrametric Record 16 (1998):51-66 H. Dahlkamp, A. Kaehler, D. Stavens, S. Thrun, and G. Bradski, "Selfsupervised monocular road detection in desert terrain", Robotics:Science and System Philadelphia, 2006 [8] F.Mokhtarian and A.K. Mackworth,"Scale based descrition and recognition of planar curves and two-dimensional shape," IEEE Transactions on Pattern Analysis and Machine Inteligence 8 (1986): 34 - 43 A. Bhattacharyya, "On a measure of divergence between two statistical populations defined by probability distribution," Bulletin of the Calcutta Mathematical Society 35 (1943):99-109 [10] A.Torralba, R. Fergus, and Y. Weiss, "Small codes and large database for recognition,"Proceedings of the IEEE International Conference on Computer Vision and Pattern Recognition, June 2008 [OpenCV] Open Source Computer Vision Library (OpenCV),http://sourceforge.net/projects/opencvlibrary/

본 발명이 해결하고자 하는 과제는 전주의 촬영 영상에 의한 전주 기울기 계산을 통하여 전주의 노후화를 판단함으로써, 전주의 유지 보수를 위한 수작업을 최소화시켜 비합리적인 처리업무로 인한 오류와 시간, 인건비 등을 줄일 수 있는 전주 기울기 측정 방법 및 장치를 제공하는데 그 목적이 있다.

또한, 본 발명이 해결하고자 하는 다른 과제는 전주의 촬영 영상에 의한 전주 기울기 계산을 통하여 전주의 노후화를 판단하며, 전주에 부착된 태그를 인식함으로써 전주의 기울기 데이터를 DB화시켜 관리함으로써, 합리적인 전주의 유지 보수 관리가 가능한 전주 기울기 측정 방법 및 장치를 제공하는데 그 다른 목적이 있다.

또한, 본 발명이 해결하고자 하는 다른 과제는 장애물에 의해 가려진 전주 에지 정보라도 영상처리를 통하여 장애물을 제거함으로써 정확한 전주의 기울기 (또는 휨 정도) 데이터를 측정하여 보다 효율적인 전주 기울기 측정 방법 및 장치를 제공하는데 그 다른 목적이 있다.

본 발명은 상술한 발명이 해결하고자 하는 과제를 달성하기 위하여,

전주의 영상을 촬영하는 전주 촬영 단계(20);

촬영된 전주의 에지를 추출하는 전주 에지 추출 단계(30);

상기 추출된 전주의 에지에 연직방향을 나타내는 마커를 대입하는 마커 대입 단계(40); 및

전주의 2점의 좌표를 이용하여 기울기를 계산하는 전주 기울기 계산 단계(50)를 포함하는 전주 기울기 측정 방법을 제공한다.

바람직하기로는 전주에 부착된 태그로부터 전주의 고유 정보를 인식하는 단계(10)를 더 포함하는 것을 특징으로 한다.

바람직하기로는 상기 전주 에지 추출 단계(30)는 사용자에게 전주의 에지라고 판단되는 전주의 상, 중, 하단에서 추출된 이미지 에지 정보를 확대한 윈도우 창을 보여주는 이미지 에지 추출단계(32); 전주 에지 추출의 장애물을 제거하도록 하는 장애물 제거단계(34); 연속된 에지 부분에 포인터를 손쉽게 설정하는 사용자 포인터 설정 단계(36); 및 단락 에지 선형화 알고리즘을 수행하여 손실된 전주의 에지 이미지를 보완하는 단계(38)를 포함하는 것을 특징으로 한다.

바람직하기로는 상기 이미지 에지 추출단계(32)는 원본 이미지에 포인터 값을 입력할 때 육안으로 전주 경계값을 설정하는 것의 단점을 줄이기 위해, 전주 상, 중, 하단의 일부에 마우스 포인터 설정과 동시에 Canny 알고리즘을 이용하여 경계값을 추출하여 근사치에 접근하여 값을 얻는 것을 특징으로 한다.

바람직하기로는 상기 장애물 제거단계(34)는 전주의 장애물들을 제거하기 위해 사용자가 인위적으로 전주의 에지라고 판별이 가능한 전주 상, 중, 하단의 일부에 에지 포인터를 설정하여 전주의 각종 장애물로 인해 손실된 전주의 이미지를 보완하는 것을 특징으로 한다.

바람직하기로는 상기 사용자 포인터 설정 단계(36)는 전주의 기울기를 얻기 위해서 전주 상, 중, 하단의 일부에 기울기 정보 포인터를 설정하는 것을 특징으로 한다.

전주(100)의 영상을 촬영하기 위한 카메라(210);

상기 촬영된 전주 영상 이미지를 처리하여 전주의 에지를 추출하고 상기 추출된 전주의 에지에 연직방향을 나타내는 마커를 대입하고, 전주의 2점의 좌표를 이용하여 기울기를 계산하는 처리부(230);

그 처리부(230)의 결과를 저장하는 저장부(240)를 포함하는 전주 기울기 측정 장치를 제공하고 있다.

또한, 본 발명의 전주 기울기 측정 장치(200)는 전주의 고유 정보를 담고 있는 태그(110)를 인식하기 위한 태그 인식부(220)를 더 포함하는 것을 특징으로 한다.

또한, 상기 계산된 전주의 기울기를 서버(300)에 보내는 송신부(250)를 더 포함하는 것을 특징으로 한다.

또한, 상기 처리부(230)는 사용자에게 전주의 에지라고 판단되는 전주의 상, 중, 하단에서 추출된 이미지 에지 정보를 확대한 윈도우 창을 보여주고, 상기 전주 에지 추출의 장애물을 제거하도록 하고, 상기 연속된 에지 부분에 포인터를 손쉽게 설정하고, 및 단락 에지 선형화 알고리즘을 수행하여 손실된 전주의 에지 이미지를 보완하는 것을 특징으로 한다.

또한, 상기 처리부(230)는 원본 이미지에 포인터 값을 입력할 때 육안으로 전주 경계값을 설정하는 것의 단점을 줄이기 위해, 전주의 상, 중, 하단의 일부에 마우스 포인터 설정과 동시에 Canny 알고리즘을 이용하여 경계값을 추출하여 근사치에 접근하여 값을 얻는 것을 특징으로 한다.

본 발명은 전주 기울기 측정 방법을 수행하기 위하여 컴퓨터독출가능한 소프트웨어 프로그램을 포함하는 컴퓨터독출가능 기록매체에 있어서,

상기 소프트웨어 프로그램은

전주의 영상을 촬영하는 전주 촬영 단계(20);

촬영된 전주의 에지를 추출하는 전주 에지 추출 단계(30);

상기 추출된 에지에 연직방향을 나타내는 마커를 대입하는 마커 대입 단계(40); 및

전주의 기울기를 계산하는 전주 기울기 계산 단계(50)를 포함하고,

상기 전주 에지 추출 단계(30)는 사용자에게 전주의 에지라고 판단되는 전주의 상, 중, 하단에서 추출된 이미지 에지 정보를 확대한 윈도우 창을 보여주는 이미지 에지 추출단계(32); 전주 에지 추출의 장애물을 제거하도록 하는 장애물 제거단계(34); 연속된 에지 부분에 포인터를 손쉽게 설정하는 사용자 포인터 설정 단계(36); 및 단락 에지 선형화 알고리즘을 수행하여 손실된 전주의 에지 이미지를 보완하는 단계(38)를 포함하고,

상기 이미지 에지 추출단계(32)는 원본 이미지에 포인터 값을 입력할 때 육안으로 전주 경계값을 설정하는 것의 단점을 줄이기 위해, 마우스 포인터 설정과 동시에 Canny 알고리즘을 이용하여 경계값을 추출하여 근사치에 접근하여 값을 얻고,

상기 장애물 제거단계(34)는 전주의 장애물들을 제거하기 위해 사용자가 인위적으로 전주의 에지라고 판별이 가능한 전주 상, 중, 하단의 일부에 에지 포인터를 설정하여 전주의 각종 장애물로 인해 손실된 전주의 이미지를 보완하고,

상기 사용자 포인터 설정 단계(36)는 전주의 기울기를 얻기 위해서 전주 상단, 중단, 하단에 기울기 정보 포인터를 설정하는 것을 특징으로 하는 컴퓨터독출가능 기록매체를 제공한다.

본 발명에 의한 전주 기울기 측정 방법 및 장치는 전주의 촬영 영상에 의한 전주 기울기 계산을 통하여 전주의 노후화를 판단함으로써, 전주의 유지 보수를 위한 수작업을 최소화시켜 비합리적인 처리업무로 인한 오류와 시간, 인건비 등을 줄일 수 있다.

또한, 본 발명은 전주에 부착된 태그를 인식함으로써 전주의 고유정보 및 기울기 데이터를 DB화시켜 관리함으로써, 합리적인 전주의 유지 보수 관리가 가능하다.

또한, 본 발명은 장애물에 의해 가려진 전주 에지 정보라도 영상처리를 통하여 장애물을 제거함으로써 정확한 전주의 기울기 데이터를 측정하여 보다 효율적인 전주 기울기 측정 방법 및 장치를 제공한다.

도 1은 본 발명의 바람직한 실시예에 의한 전주 기울기 측정 방법을 설명하기 위한 개략적인 흐름도이다.
도 2는 도 1의 전주 에지 추출 단계를 세부적으로 설명하기 위한 개략적인 흐름도이다.
도 3은 본 발명의 바람직한 실시예에 의한 전주 기울기 측정 장치를 설명하기 위한 개략적인 블록도이다.
도 4는 본 발명의 전주 이미지 에지 추출을 도시한 사진이다.
도 5는 본 발명의 전주의 장애물 부분을 도시한 사진이다.
도 6은 본 발명에 의해 전주의 에지를 추출한 도면이다.
도 7은 본 발명에 의한 전주 에지 복원 알고리즘을 설명하기 위한 도면이다.
도 8은 본 발명에 의한 전주 기울기 계산을 설명하기 위한 도면이다.
도 9는 본 발명에 의한 연직방향을 나타내는 마커 적용예를 도시한 화면을 도시한 도면이다.
도 10 및 도 11은 본 발명에 의하여, 전주 기울기 측정의 이론값과 실측값의 차이를 나타내는 오차율 비교 도면이다.
도 12와 도 13은 본 발명에 의하여, 강한 휘어짐이 있는 경우와 약한 휘어짐이 있는 경우의 전주의 기울기의 이론값과 실측값을 비교한 그래프도이다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 의한 전주 기울기 측정 방법 및 장치에 대한 상세하게 설명하기로 한다.

도 1은 본 발명의 바람직한 실시예에 의한 전주 기울기 측정 방법을 설명하기 위한 개략적인 흐름도이다. 도 2는 도 1의 전주 에지 추출 단계를 세부적으로 설명하기 위한 개략적인 흐름도이다. 도 3은 본 발명의 바람직한 실시예에 의한 전주 기울기 측정 장치를 설명하기 위한 개략적인 블록도이다.

도 1에 의하면, 본 발명의 바람직한 실시예에 의한 전주 기울기 측정 방법은 전주에 부착된 태그를 인식하고(10), 전주의 영상을 촬영하고(20), 촬영된 전주의 에지를 추출하면서(30), 연직방향을 나타내는 마커 대입을 거쳐(40), 전주의 기울기 계산(50)이 이루어진다.

도 3에 의하면, 본 발명의 바람직한 실시예에 의한 전주 기울기 측정 장치(200)는 전주(100)의 영상을 촬영하기 위한 카메라(210)와 전주의 고유 정보를 담고 있는 태그(110)를 인식하기 위한 태그 인식부(220)를 포함하고 있다. 또한 본 발명의 전주 기울기 측정 장치(200)는 상기 인식된 전주의 태그 정보를 상기 촬영된 전주 영상 이미지와 결합하고, 상기 촬영된 전주 영상 이미지로부터 전주의 에지를 추출하고 기울기를 계산하는 처리부(230)와, 그 처리부(230)의 결과를 저장하는 저장부(240)를 포함하고 있다. 이로써, 전주의 영상정보는 전주의 고유정보와 결합되어 각 전주의 기울기와 같은 상태정보를 관리 가능하게 한다. 본 발명의 전주 기울기 측정 장치(200)는 상기 계산된 전주의 기울기를 서버(300)에 보내는 송신부(250)를 포함하고 있다. 한편 본 발명에 적용되는 서버(300)는 각 전주의 기울기를 포함하는 전주 고유정보를 데이터베이스(310)로 관리하여 전주의 유지 보수를 원할하게 할 수 있도록 한다.

본 발명에서 에지란 인근 픽셀과 현재 자신의 픽셀 간 색상 값에 대한 기울기를 의미한다. 대부분 사물들은 각각 특유의 색상을 가지며 각 사물의 주변 배경과의 차이 때문에 외곽선이 주로 추출되게 된다. 전주 에지 추출은 Canny 알고리즘을 사용하여 추출하였다. Canny 알고리즘에 대해서는 이미 공지된 기술이므로 여기서는 상세한 설명을 하지 않을 것이나, 다만 canny 알고리즘은 다단 알고리즘을 이용하는 이미지 연산기인 Canny 에지 검출기에 적용되어 에지를 검출한다.

촬영된 전주 영상에는 전주 이외에 여러 가지 장애물이 많이 포함되어 있으므로 전주 에지 추출시 장애물을 제거해야 한다. 추출된 장애물의 종류에는 변압기, 상단 지지대, 부착물 및 장애물 등을 들 수 있다. 도 2에 도시한 바와 같이, 전주 에지 추출 단계 (30)는 전주의 장애물들을 제거하기 위해 사용자에게 전주의 에지라고 판단되는 전주의 상, 중, 하단에서 추출된 이미지 에지 정보를 확대한 윈도우 창을 보여주어(32), 전주 에지 추출의 장애물을 제거하도록 하고(34), 연속된 에지 부분에 포인터를 손쉽게 설정하도록 하며(36), 그 다음 예를 들어 단락 에지 선형화 알고리즘을 수행하여 손실된 전주의 에지 이미지를 보완한 에지를 추출한다(38). 상술한 바와 같이 전주 영상 촬영으로부터 추출된 에지에 연직방향을 나타내는 마커를 대입하고, 전주의 2점을 이용하여 전주의 기울기를 산출한다.

본 발명에서 전주의 기울기는 전주의 전체적인 휘어진 휨정보를 나타내는 것으로, 전주의 부분적인 휨정보도 전주의 휘어진 부분의 2점의 좌표 정보를 이용하여 산출될 수 있을 것이다.

이하, 본 발명의 전주 기울기 측정 방법의 각 단계를 보다 상세히 설명하기로 한다.

1. 전주 태그 인식

전주에 부착된 태그에는 전주의 고유 정보인 전주의 개별 ID, 위치. 종류, 상태, 기능 등을 포함하며, 이러한 태그를 인식하여 전주를 식별할 수 있다. 이러한 태그에는 전자 태그로 RF 태그, 적외선 태그, 초음파 태그, 또는 바코드 태그를 채용할 수 있으며, 또는 비전자 태그로 알파뉴매릭 문자 태그가 채용될 수 있다. 전자 태그로 RF 태그, 적외선 태그, 초음파 태그, 바코드 태그를 채용할 때 전주에 부착된 태그에 RF, 적외선, 초음파 또는 바코드스캐닝신호를 발사하여 반사된 정보를 해독하여 전주 정보를 읽어드리는 RF통신, 적외선 통신, 초음파 통신, 또는 바코드 통신 기술을 적용할 수 있으며, 비전자 태그로 문자 태그를 채용할 때에는 문자인식기를 통하여 문자를 인식함으로써 전주의 고유 ID를 파악할 수 있다. 본 발명에서는 특별히 전자 태그를 사용하거나 문자 태그를 사용하는 것으로 한정하지 않으며, 필요에 따라서 전자 태그를 적용할 수도 있고, 문자 태그를 적용할 수도 있다.

2. 전주 촬영

실제 전주는 3차원의 모든 방향성을 가지고 있기 때문에 주변 요건으로 인해 전주가 휘거나 기울어도 그 방향성은 높이를 제외한 두 방향성을 모두 가지고 있을 수밖에 없다. 하지만 쉽게 촬영할 수 있는 사진은 x,y의 합에 대한 높이(z)에 대한 방향뿐이다. 따라서 사용자가 전주를 바라보는 각도에 따라 이미지상에 보이는 전주의 기울기(휨) 방향에는 차이가 있게 된다. 육안으로 어떠한 사물인지 판단이 가능하지만 컴퓨터에서 인식하는 사진은 각 픽셀에 대한 색상 값들의 집합이다.

따라서, 전주의 모습이 가려져 있거나, 주변 색상과 비슷해 육안으로도 전주의 일부분에 대한 판별이 쉽지 않다면, 컴퓨터 또한 전주를 제대로 인식할 수가 없다. 사람은 여러 정황 경험을 통해 전주의 영상을 가상으로 그릴 수 있지만 컴퓨터가 그러한 처리과정을 하기에는 너무나도 복잡한 알고리즘을 요구하게 된다.

따라서, 주변에 난잡하게 자리 잡고 있거나 전주를 가리고 있는 장애물은 가능한한 이미지 상에서 없는 것이 좋다. 그 중 나무, 교통 표지판, 가로수, 상점 간판 등이 있는데, 특히 전주의 하단 보다 상단 및 중단 부분의 장애물들로 인해 알고리즘이 다소 어렵다. 정확한 기울기 산출을 위해서는 전주가 휘거나 기울어져 있는 방향과 수직된 방향에서 촬영을 해야 한다. 이러한 기술은 논문 [1] (J. G. Fryer and D. C. Brown , “Lens distortion for close-range photogrammetry,"Photogrammetric Engineering and Remote Sensing 52 (1986):51-58)에 개시된 기술을 이용하여 구축될 수 있으므로, 여기서는 상세하게 설명하지는 않을 것이다. 다만, 전주의 촬영 영상을 보면 전주의 기울어져 보임을 육안으로 확인할 수 있는데, 임의로 전주 좌측의 상,하단 에지를 지나는 직선을 그려보면 전주의 기울기를 확인할 수 있다. 그러나, 부정확한 촬영 방향은 원래 전주의 기울어진 값보다 더 적은 값 또는 더 큰 값을 산출해 내기 때문에 기울기(휨) 방향과 직각된 방향에서 촬영을 해야 한다. 이를 위해 본 발명에서는 카메라에 연직방향 추를 달아 항상 카메라의 렌즈방향이 연직방향에 직각인 방향으로 촬영을 할 수 있도록 할 수 있다.

또한, 촬영 사진의 밝기가 어두울 경우 전주 에지 추출이 어렵게 되고, 일조량의 차이로 사진의 밝기 차이가 확연히 드러나게 되면 육안으로도 판단하기 힘들어 전주의 이미지가 뚜렷하지 않음을 알 수 있다. 따라서 영상 촬영 시간에 제한을 두어 가능한 선명한 영상을 확보할 수 있는 시간에 전주의 촬영을 하도록 한다.

3. 전주 에지 추출

3.1. 이미지 에지 추출

원본 이미지에 포인터 값을 입력할 때 육안으로 전주 경계값을 설정하는 것의 단점을 줄이기 위해, 도 4에 도시한 바와 같이 마우스 포인터 설정과 동시에 Canny 알고리즘을 이용하여 경계값을 추출하여 근사치에 접근하여 포인터 값을 얻을 수 있다. 이러한 기술은 논문 [2] [Canny86] J. Canny," A computational approach to edge detection," IEEE Transcation on Pattern Analysis and Machine Inteligence 8(1986):679-714 와, 논문 [3] D. Chen a d G. Zhang, "A new sub-pixel detector for x-corners in camera calibration targets," WSCG Short Papers (2005):97-100 에 개시된 기술을 이용하여 구축될 수 있으므로, 여기서는 상세하게 설명하지는 않을 것이다. 이러한 포인터 값은 전주에 임의로 설정된 값으로 마우스를 이용하여 도 4에 빨간 점들로 도시한 바와 같이 전주의 좌우 3개씩 총 6개 포인터로 제공될 수 있다.

3.2. 전주 에지 추출의 장애물 제거

전주에는 수많은 변수의 장애물들이 있기 마련이다. 전주의 주변 배경과 각종 장애물로 인해 촬영된 전주 영상 이미지의 외곽선 추출 시 전주 외의 다른 장애물 이미지들이 난잡하게 얽혀 있게 된다. 이러한 장애물들이 전주 에지 추출시 문제점이 될 수 있다. 전주의 부착물 및 장애물들은 많은 변수를 가지며 전주의 중단부터 하단에 걸쳐 넓은 범위에 분포되어 있다. 이러한 전주의 장애물들을 제거하기 위해 사용자가 인위적으로 전주의 에지라고 판별이 가능한 전주 상, 중, 하단의 일부에 에지 포인터를 설정하여 전주의 각종 장애물로 인해 손실된 전주의 이미지를 보완하게 된다. 이러한 기술은 논문 [4] E. Tola, V.Lepetit, and P. Fua, "A fast local descriptor for dense matching," Proceedings of the IEEE International Conference on Computer Vision and Pattern Recognition, June 2008 와, 논문 [5] A. Torralba, K. P. Murphy, and W. T. Freeman,"Sharing visual features for multiclass and multiview object detection," IEEE Transactions on Pattern Analysis and Machine Intelligence 29 (2007):854-869 에 개시된 기술을 이용하여 구축될 수 있으므로, 여기서는 상세하게 설명하지는 않을 것이다. 다만, 에지 추출시 변압기의 제거가 가장 어렵고, 이는 전주의 중,상단 부근에 부착되며 평균 1~3개가 연결되어 있으므로 에지 추출시 측정오차가 발생한다. 이러한 에지 포인터 역시 상술한 마우스 포인터와 마찬가지로 전주에 임의로 설정된 값으로 주어질 수 있다.

3.3. 사용자 포인터 설정

전주의 기울기를 얻기 위해서 전주 상단, 중단, 하단에 기울기 정보 포인터를 설정해야 한다. 전주의 기울기 (또는 휨 정도)의 산출 값을 정확하게 하기 위해 전주를 상중하로 나누어 각 부분에 좌우 포인터 값을 경계값에 맞춘다. 이러한 기술은 논문 [6] T. A. Clarke and J. G. Fryer, "The Development of Camera Calibration Methods and Models," Photogrametric Record 16 (1998):51-66 과, 논문 [7] H. Dahlkamp, A. Kaehler, D. Stavens, S. Thrun, and G. Bradski, "Selfsupervised monocular road detection in desert terrain", Robotics:Science and System Philadelphia, 2006 에 개시된 기술을 이용하여 구축될 수 있으므로, 여기서는 상세하게 설명하지는 않을 것이다. 이러한 기울기 정보 포인터 역시 상술한 마우스 포인터와 마찬가지로 전주에 임의로 설정된 값으로 주어질 수 있다.

3.4. 단락 에지 선형화 알고리즘

도 5에서 전주 상, 중, 하단에 표시된 상자는 상단 지지대(52), 가로등(54), 지지대(56) 등에 가려져 손실된 전주 이미지를 나타내는 것이다. 단락 에지 선형화 알고리즘을 통해 복원해 출력한 전주 이미지(62) 결과는 도 6에 도시되어 있다. 이러한 단락 에지 선형화 알고리즘 기술은 논문 [8] F.Mokhtarian and A.K. Mackworth,"Scale based descrition and recognition of planar curves and two-dimensional shape," IEEE Transactions on Pattern Analysis and Machine Inteligence 8 (1986): 34 - 43 에 개시된 기술을 이용하여 구축될 수 있으므로, 여기서는 상세하게 설명하지는 않을 것이다.

이하, 상술한 바와 같이 추출된 전주의 에지 이미지를 이용하여 전주의 기울기를 계산하는 방법을 설명하기로 한다.

도 7에서 point1은 p1(x1, y1)으로 point2는 p2(x2, y2)로 설정되었다면 두 점을 지나는 직선의 방정식을 수학식 1과 같이 구할 수 있다.

수학식 1을 구한 후 p1에서 세로축(y)으로 1씩 내려오며 윈도우 사이즈(2k)를 설정해 범위 내에서 전주 에지 성분을 검색한다. 에지 성분을 찾으면 그것을 전주 에지로 인식하고, 찾지 못한다면 위에 설명했듯이 포인터를 참고해 새로이 계산하여 반환되는 포인터 값으로 간주한다. 에지 성분을 찾는 과정에서 이전 작업 값을 비교(패턴분석)하여 찾은 에지 성분의 x값이 연속적으로 일정치 이상만큼 변화한다면, 이것을 장애물의 에지로 판단하고 전주 에지값이 손실되었다고 간주한다. 위의 알고리즘을 통해 장애물로 전주 에지 이미지를 가상으로 추정하여 다시 그리게 되면 결국 전주 에지 이미지가 연결되어 도 7과 같은 선형을 이루게 된다. 이러한 기술은 논문 [9] A. Bhattacharyya, "On a measure of divergence between two statistical populations defined by probability distribution," Bulletin of the Calcutta Mathematical Society 35 (1943):99-109 과, 논문 [10] A.Torralba, R. Fergus, and Y. Weiss, "Small codes and large database for recognition,"Proceedings of the IEEE International Conference on Computer Vision and Pattern Recognition, June 2008 에 개시된 기술을 이용하여 구축될 수 있으므로, 여기서는 상세하게 설명하지는 않을 것이다.

5. 연직방향을 나타내는 마커 대입을 통한 기울기 계산

도 8에 도시한 바와 같이 연직방향을 나타내는 마커는 실제로 카메라 하단의 연직방향 추로 인해 지표면의 기울기나 사람의 주관적 방향 감각에 영향을 받지 않고 언제나 수직 방향을 가리키게 된다. 따라서 이미지상의 마커와 전주의 기울기 차이만 계산하게 되면 이는 곧 전주 기울기의 절대값이 될 수 있다.

도 8에 의하면, 마커를 첫 번째 포인트를 지나는 직선으로 평행이동 한다. 두 번째 포인트를 지나는 마커에 대한 법선을 생성하게 되면 법선과 마커 직선은 서로 직각을 이루기 때문에 결국 직각삼각형이 만들어지게 되고 법선과 마커를 평행이동한 직선의 교차점을 구한다. 마커 포인터 2개와 교차점에 대한 좌표로 거리 a와 b를 구한다. 이로써 sin(b/a)로 전주의 기울기 각도θ를 구할 수 있다.

본 발명의 실험 및 결과는, 사용자 개발 환경으로 Windows XP에서 개발하였으며 개발 언어는 Visual Studio 2008과 Open CV1.0을 사용하였다. PC는 Dual Core 7500을 사용하였으며 처리방식은 애플리케이션(Application)방식으로 처리하였다. 본 발명은 정기적인 전주의 점검이나 보수시 전주의 기울기(휨 정도)를 측정하여 전주의 상태 점검에 소요되는 시간, 인력, 및 비용을 최소화시키고 높은 정확도, 체계적인 데이터베이스 관리로 전주의 유지 보수를 용이하게 할 수 있다. 이러한 기술은 [11] [OpenCV] Open Source Computer Vision Library (OpenCV),http://sourceforge.net/projects/opencvlibrary/에 개시된 바와 같으며, 여기서는 상세하게 설명하지는 않을 것이다.

다만, 전주의 기울기 계산에 있어 필수적 요소인 전주의 에지 추출은 사용자가 설정한 임의의 포인터를 바탕으로 일정한 윈도우 사이즈를 설정해 윈도우 내 이미지의 각 픽셀값을 검색 및 비교하여 각종 장애물로 인해 손실된 전주의 에지 이미지를 보완, 순수한 전주의 에지를 완성해 추출해 낸다. 실험 방법은 2가지로 첫째로 전주의 기울기(휨 정도)를 파악하기 위해 좌측과 우측 포인터를 설정해 이론값과 실제 값의 오차를 구하는 실험을 한 후, 두 번째로 전주 상, 중, 하단을 각각 분리하여 많이 휘어짐과 적게 휘어짐을 프로그램으로 자동으로 계산하는 법과 수동방식으로 휘어진 각도를 비교하는 방법을 이용하여 최종적으로 기울기(휨 정도)를 진단 및 측정 후 비교한다. 사용자 포인터를 설정할 시, 전주의 이진화 및 에지 추출 알고리즘을 적용한 흑백 영상에 정확히 에지 부분을 상단부터 경계값에 맞추어 포인터를 선택하여 적용한다. 이후, 첫 번째 실험에서 전주의 경계값 확인을 통한 추출된 전주 에지의 마우스 사용자 포인터 좌우 3개씩 설정한 후 지구의 중심을 잡는 마커를 찍는 단계를 거침으로써 기울기(휨 정도)의 측정이 실행된다.

도 9에 도시된 바와 같이, 전주의 상, 중, 하단의 위치 값이 저장되는 변수의 값과 기준이 되는 마커의 변수의 평균값은 아래 [표1]에 나타내었다.

구분	전주 좌측			전주 우측			마커
구분	상단	중단	하단	상단	중단	하단	상단	하단
변수명	point-1	point-2	point-3	point-4	point-5	point-6	point-7	point-8

도 10과 도 11은 전주 기울기(휨 정도) 정도 측정 이론 및 실제값의 차이를 상단과 하단 두 부분으로 나뉘어 오차율을 비교한 도면이다. 각도기를 통해 한 10번의 실험 결과 평균 약 0.2°의 오차를 보였고 이는 이미지 파일에 육안으로 판단한 포인터 설정을 감안한다면 제대로 기울기를 추출했다고 판단할 수 있다.

실제 전주의 이미지에 대한 기울기는 임의의 포인트 간 거리를 계산하여 삼각함수로 추출해 내며, 현재 약 0.2°의 오차를 가지며 기울기를 추출한다.

두 번째 실험에서 가장 휘어진 전주의 그룹과 덜 휘어진 두 그룹을 나누어 프로그램이 자동적으로 산출해 낸 (실측)값과 수동(이론)으로 나온 결과 값을 도 12와 도 13의 도표로 비교하였다. 도 12와 도 13에 가장 많이 휜 그룹 내에서 자동으로 각도를 측정하는 방법과 이론값의 오차를 비교하는 표를 나타내었는데, 상단 부분의 평균 오차율은 0.42°, 중단은 0.28°, 하단은 0.26°이고 총 오차율은 0.32° 이다. 가장 덜 휘어진 그룹에선 상단 부분의 오차율은 0.32°, 중단 0.10°, 하단은 0.14° 이고 총 오차율은 0.19°이다. 여러 실험을 통해 산출한 값들의 오차는 데이터 형태가 실수형이지만, 픽셀의 위치정보는 정수형이기 때문에 이에 발생되는 소수점 이하 값들의 처리로 인하여 복원된 전주 에지의 선형화가 미흡해 생기는 오차가 합쳐져서 나오는 값이다. 본 발명에서 방향성 에지 중 수평적 에지를 제거한, 전주 외곽을 사용자가 직접 선택해 추출하는 방법을 통하여 보다 정확한 기울기(휨 정도)를 산출할 수 있을 것이다.

또한, 본 발명의 전주 기울기 측정 장치(200)는 송신부(250)를 통하여 상기 계산된 전주의 기울기를 서버(300)에 보내고, 서버(300)는 각 전주의 기울기를 포함하는 전주의 고유정보를 데이터베이스(310)로 관리하여 전주의 유지 보수를 원할하게 할 수 있도록 한다.

본 발명은 정기적인 유지 보수 관리가 필요한 공가 시설물인 전력용 전주, 통신용 전주, 및 가로등용 전주의 수명을 판단하기 위한 전주의 기울기 측정에 적용된다.

100...전주 110...태그
200...기울기 측정장치 210...카메라
220,,,태그인식부 230...처리부
240,,,저장부 250...송신부
300...서버 310...데이터베이스

Claims

전주의 영상을 촬영하는 전주 촬영 단계(20);
촬영된 전주의 에지를 추출하는 전주 에지 추출 단계(30);
추출된 전주의 에지에 연직방향을 나타내는 마커를 대입하는 마커 대입 단계(40); 및
전주의 2점의 좌표를 이용하여 기울기를 계산하는 전주 기울기 계산 단계(50)를 포함하는 전주 기울기 측정 방법.
제1항에 있어서, 전주에 부착된 태그로부터 전주의 고유 정보를 인식하는 단계(10)를 더 포함하는 것을 특징으로 하는 전주 기울기 측정 방법.
제1항에 있어서, 상기 전주 에지 추출 단계(30)는 사용자에게 전주의 에지라고 판단되는 전주의 상, 중, 하단에서 추출된 이미지 에지 정보를 확대한 윈도우 창을 보여주는 이미지 에지 추출단계(32); 전주 에지 추출의 장애물을 제거하도록 하는 장애물 제거단계(34); 연속된 에지 부분에 포인터를 손쉽게 설정하는 사용자 포인터 설정 단계(36); 및 단락 에지 선형화 알고리즘을 수행하여 손실된 전주의 에지 이미지를 보완하는 단계(38)를 포함하는 것을 특징으로 하는 전주 기울기 측정 방법.
제3항에 있어서, 상기 이미지 에지 추출단계(32)는 원본 이미지에 포인터 값을 입력할 때 육안으로 전주 경계값을 설정하는 것의 단점을 줄이기 위해, 마우스 포인터 설정과 동시에 Canny 알고리즘을 이용하여 경계값을 추출하여 근사치에 접근하여 값을 얻는 것을 특징으로 하는 전주 기울기 측정 방법.
제3항에 있어서, 상기 장애물 제거단계(34)는 전주의 장애물들을 제거하기 위해 사용자가 인위적으로 전주의 에지라고 판별이 가능한 전주 상, 중, 하단의 일부에 에지 포인터를 설정하여 전주의 각종 장애물로 인해 손실된 전주의 이미지를 보완하는 것을 특징으로 하는 전주 기울기 측정 방법.
제3항에 있어서, 상기 사용자 포인터 설정 단계(36)는 전주의 기울기를 얻기 위해서 전주 상단, 중단, 하단에 기울기 정보 포인터를 설정하는 것을 특징으로 하는 전주 기울기 측정 방법.
전주(100)의 영상을 촬영하기 위한 카메라(210);
상기 촬영된 전주 영상 이미지를 처리하여 전주의 에지를 추출하고 상기 추출된 전주의 에지에 마커를 대입하고, 전주의 2점의 좌표를 이용하여 기울기를 계산하는 처리부(230);
그 처리부(230)의 결과를 저장하는 저장부(240)를 포함하는 전주 기울기 측정 장치.
제7항에 있어서, 전주의 고유 정보를 담고 있는 태그(110)를 인식하기 위한 태그 인식부(220)를 더 포함하는 것을 특징으로 하는 전주 기울기 측정 장치.
제7항에 있어서, 상기 계산된 전주의 기울기를 서버(300)에 보내는 송신부(250)를 더 포함하는 것을 특징으로 하는 전주 기울기 측정 장치.
제7항에 있어서, 상기 처리부(230)는 사용자에게 전주의 에지라고 판단되는 전주의 상, 중, 하단에서 추출된 이미지 에지 정보를 확대한 윈도우 창을 보여주고, 상기 전주 에지 추출의 장애물을 제거하도록 하고, 상기 연속된 에지 부분에 포인터를 손쉽게 설정하고, 및 단락 에지 선형화 알고리즘을 수행하여 손실된 전주의 에지 이미지를 보완하는 것을 특징으로 하는 전주 기울기 측정 장치.
제7항에 있어서, 상기 처리부(230)는 원본 이미지에 포인터 값을 입력할 때 육안으로 전주 경계값을 설정하는 것의 단점을 줄이기 위해, 마우스 포인터 설정과 동시에 Canny 알고리즘을 이용하여 경계값을 추출하여 근사치에 접근하여 포인터 값을 얻는 것을 특징으로 하는 전주 기울기 측정 장치.
전주 기울기 측정 방법을 수행하기 위하여 컴퓨터독출가능한 소프트웨어 프로그램을 포함하는 컴퓨터독출가능 기록매체에 있어서,
상기 소프트웨어 프로그램은
전주의 영상을 촬영하는 전주 촬영 단계(20);
촬영된 전주의 에지를 추출하는 전주 에지 추출 단계(30);
추출된 전주의 에지에 연직방향을 나타내는 마커를 대입하는 마커 대입 단계(40); 및
전주의 기울기를 계산하는 전주 기울기 계산 단계(50)를 포함하고,
상기 전주 에지 추출 단계(30)는 사용자에게 전주의 에지라고 판단되는 전주의 상, 중, 하단에서 추출된 이미지 에지 정보를 확대한 윈도우 창을 보여주는 이미지 에지 추출단계(32); 전주 에지 추출의 장애물을 제거하도록 하는 장애물 제거단계(34); 연속된 에지 부분에 포인터를 손쉽게 설정하는 사용자 포인터 설정 단계(36); 및 단락 에지 선형화 알고리즘을 수행하여 손실된 전주의 에지 이미지를 보완하는 단계(38)를 포함하고,
상기 이미지 에지 추출단계(32)는 원본 이미지에 포인터 값을 입력할 때 육안으로 전주 경계값을 설정하는 것의 단점을 줄이기 위해, 마우스 포인터 설정과 동시에 Canny 알고리즘을 이용하여 경계값을 추출하여 근사치에 접근하여 값을 얻고,
상기 장애물 제거단계(34)는 전주의 장애물들을 제거하기 위해 사용자가 인위적으로 전주의 에지라고 판별이 가능한 전주 상, 중, 하단의 일부에 에지 포인터를 설정하여 전주의 각종 장애물로 인해 손실된 전주의 이미지를 보완하고,
상기 사용자 포인터 설정 단계(36)는 전주의 기울기를 얻기 위해서 전주 상단, 중단, 하단에 기울기 정보 포인터를 설정하는 것을 특징으로 하는 컴퓨터독출가능 기록매체.