KR20230138105A - LiDAR 데이터를 활용한 드론 사진 이미지 단위 변환 방법 - Google Patents
LiDAR 데이터를 활용한 드론 사진 이미지 단위 변환 방법 Download PDFInfo
- Publication number
- KR20230138105A KR20230138105A KR1020220035730A KR20220035730A KR20230138105A KR 20230138105 A KR20230138105 A KR 20230138105A KR 1020220035730 A KR1020220035730 A KR 1020220035730A KR 20220035730 A KR20220035730 A KR 20220035730A KR 20230138105 A KR20230138105 A KR 20230138105A
- Authority
- KR
- South Korea
- Prior art keywords
- drone
- data
- bim
- building
- point cloud
- Prior art date
Links
- 238000000034 method Methods 0.000 title abstract description 49
- 238000010276 construction Methods 0.000 abstract description 25
- 238000006243 chemical reaction Methods 0.000 abstract description 12
- 238000003745 diagnosis Methods 0.000 abstract description 5
- 238000007689 inspection Methods 0.000 description 24
- 238000005259 measurement Methods 0.000 description 19
- 238000011160 research Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000004321 preservation Methods 0.000 description 6
- 230000008439 repair process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000000691 measurement method Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000007634 remodeling Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000005357 flat glass Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
본 발명의 LiDAR 데이터를 활용한 드론 사진 이미지 단위 변환 방법은, LiDAR 데이터를 활용한 사진 이미지 단위 변환에 관한 것으로서, 보다 구체적으로는 건축, 토목, 안전진단 산업에서 활용중인 LiDAR 스캐닝 장비를 통해 대상물의 3차원 위치정보 및 레이저의 반사강도로 취득된 RGB 색상 정보를 포함한 형상정보 데이터를 기반으로 드론으로 촬영한 사진 이미지 데이터에 신뢰도를 향상시키기위해 픽셀 단위인 이미지를 밀리미터로 변환하는 단계를 포함한다.
Description
본 발명은 LiDAR 데이터를 활용한 드론 사진 이미지 단위 변환 방법에 관한 것이다.
최근 노후한 건물이나 사회 기반 시설 등에 대한 안전 점검 및 유지 관리 수요가 증가하고 있다. 이러한 노후 구조물의 수명관리와 안전성 확보를 위해서는 구조물의 외관 안전 점검을 통해, 구조물 표면에 발생한 균열 등을 조기에 탐지하여 유지보수를 하는 것이 중요하다.
그러나, 종래의 구조물 외관 안전 점검 기술은 대부분 사람이 직접 육안으로 확인하는 방식에 의존하고 있어, 높은 구조물이나 사람의 접근이 어려운 구조물에 대해서는 외관 안전 점검이 어려운 문제점이 있었다.
최근, 사회 전반에서 드론의 활용도가 높아지면서, 구조물 외관 안전 점검에도 드론 기술을 활용하려는 시도가 증가하고 있다. 드론에 카메라를 탑재하여 운용하면, 사람의 접근이 어려운 구조물에도 손쉽게 접근하여 구조물의 외관을 촬영할 수 있는 장점이 있다.
한편, 외관 안전 점검 시에는 정밀한 표면 영상을 얻기 위해, 구조물에 최대한 가까이 접근하여 근접 촬영을 하게 된다. 이 경우, 구조물의 굴곡이나 형상적 특징, 예를 들어 구조물의 표면 형상이 곡면인지 평면인지 등에 따라 근접 촬영 영상에 왜곡이 발생하여 구조물의 외관적 특징을 온전히 반영하지 못하는 문제가 있었다.
강준오, 이용창 "드론기반 교량 외관 안전점검을 위한 사전연구" 대한공간정보학회 공동추계학술대회 pp. 207-210, 2016
김종우, 정영우, 임홍철 "드론과 이미지 분석기법을 활용한 구조물 외관점검 기술 연구" 한국건축시공학회지 Vol.17 No.6 pp, 545-557, 2017
본 발명의 실시예들을 통해 해결하고자 하는 기술적 과제는, LiDAR 데이터를 활용한 사진 이미지 단위 변환에 관한 것으로서, 보다 구체적으로는 건축, 토목, 안전진단 산업에서 활용중인 LiDAR 스캐닝 장비를 통해 대상물의 3차원 위치정보 및 레이저의 반사강도로 취득된 RGB 색상 정보를 포함한 형상정보 데이터를 기반으로 드론으로 촬영한 사진 이미지 데이터에 신뢰도를 향상시키기위해 픽셀 단위인 이미지를 밀리미터로 변환하는 LiDAR 데이터를 활용한 드론 사진 이미지 단위 변환 방법을 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상기 기술적 과제를 해결하기 위한 LiDAR 데이터를 활용한 드론 사진 이미지 단위 변환 방법은, LiDAR 데이터를 활용한 사진 이미지 단위 변환에 관한 것으로서, 보다 구체적으로는 건축, 토목, 안전진단 산업에서 활용중인 LiDAR 스캐닝 장비를 통해 대상물의 3차원 위치정보 및 레이저의 반사강도로 취득된 RGB 색상 정보를 포함한 형상정보 데이터를 기반으로 드론으로 촬영한 사진 이미지 데이터에 신뢰도를 향상시키기위해 픽셀 단위인 이미지를 밀리미터로 변환하는 단계를 포함할 수 있다.
상기한 본 발명의 실시예들에 따르면, LiDAR 데이터를 활용한 사진 이미지 단위 변환에 관한 것으로서, 보다 구체적으로는 최근 건축, 토목, 안전진단 산업에서 활용중인 LiDAR 스캐닝 장비를 통해 대상물의 3차원 위치정보 및 레이저의 반사강도로 취득된 RGB 색상 정보를 포함한 형상정보 데이터를 기반으로 드론으로 촬영한 사진 이미지 데이터에 신뢰도를 향상시키기위해 픽셀 단위인 이미지를 밀리미터로 변환하는 LiDAR 데이터를 활용한 드론 사진 이미지 단위 변환 방법을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른, UAV기반 스티칭 기법 외관조사망도를 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른, LiDAR 데이터를 활용한 드론 사진 이미지 단위 변환 방법의 흐름도이다.
도 3은 본 발명의 일 실시예에 따른, SeoulTech Daeryuk hall(Cultural Heritage Administration)의 표이다.
도 4는 본 발명의 일 실시예에 따른, Phantom 4 Pro V2.0 specifications의 표이다.
도 5은 본 발명의 일 실시예에 따른, SurphSLAM 10 specifications의 표이다.
도 6은 본 발명의 일 실시예에 따른, Pix4D Capture flight path를 도시한 이미지이다.
도 7은 본 발명의 일 실시예에 따른, Drones aerial photography images를 도시한 도면이다.
도 8은 본 발명의 일 실시예에 따른, SfM techniques를 도시한 도면이다.
도 9은 본 발명의 일 실시예에 따른, 3D Modeling using Recap Photo(Point cloud)를 도시한 이미지이다.
도 10은 본 발명의 일 실시예에 따른, Verifying real-time data를 도시한 이미지이다.
도 11은 본 발명의 일 실시예에 따른, Laser scanning point cloud Model for Interior of building을 도시한 도면이다.
도 12는 본 발명의 일 실시예에 따른, Use of existing floor plan as reference of BIM model creation를 도시한 도면이다.
도 13은 본 발명의 일 실시예에 따른, Making a window Revit family using point cloud data를 도시한 도면이다.
도 14는 본 발명의 일 실시예에 따른, Exterior BIM model creation using point cloud data(Drone)를 도시한 도면이다.
도 15는 본 발명의 일 실시예에 따른, Interior BIM model creation using point cloud data(Laser scanner)를 도시한 도면이다.
도 16은 본 발명의 일 실시예에 따른, Floor plan creation using BIM model를 도시한 도면이다.
도 17은 본 발명의 일 실시예에 따른, Front and right elevation creation using BIM model를 도시한 도면이다.
도 18은 본 발명의 일 실시예에 따른, Cross and longitudinal section using BIM model를 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른, LiDAR 데이터를 활용한 드론 사진 이미지 단위 변환 방법의 흐름도이다.
도 3은 본 발명의 일 실시예에 따른, SeoulTech Daeryuk hall(Cultural Heritage Administration)의 표이다.
도 4는 본 발명의 일 실시예에 따른, Phantom 4 Pro V2.0 specifications의 표이다.
도 5은 본 발명의 일 실시예에 따른, SurphSLAM 10 specifications의 표이다.
도 6은 본 발명의 일 실시예에 따른, Pix4D Capture flight path를 도시한 이미지이다.
도 7은 본 발명의 일 실시예에 따른, Drones aerial photography images를 도시한 도면이다.
도 8은 본 발명의 일 실시예에 따른, SfM techniques를 도시한 도면이다.
도 9은 본 발명의 일 실시예에 따른, 3D Modeling using Recap Photo(Point cloud)를 도시한 이미지이다.
도 10은 본 발명의 일 실시예에 따른, Verifying real-time data를 도시한 이미지이다.
도 11은 본 발명의 일 실시예에 따른, Laser scanning point cloud Model for Interior of building을 도시한 도면이다.
도 12는 본 발명의 일 실시예에 따른, Use of existing floor plan as reference of BIM model creation를 도시한 도면이다.
도 13은 본 발명의 일 실시예에 따른, Making a window Revit family using point cloud data를 도시한 도면이다.
도 14는 본 발명의 일 실시예에 따른, Exterior BIM model creation using point cloud data(Drone)를 도시한 도면이다.
도 15는 본 발명의 일 실시예에 따른, Interior BIM model creation using point cloud data(Laser scanner)를 도시한 도면이다.
도 16은 본 발명의 일 실시예에 따른, Floor plan creation using BIM model를 도시한 도면이다.
도 17은 본 발명의 일 실시예에 따른, Front and right elevation creation using BIM model를 도시한 도면이다.
도 18은 본 발명의 일 실시예에 따른, Cross and longitudinal section using BIM model를 도시한 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명의 기술적 사상은 이하의 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 이하의 실시예들은 본 발명의 기술적 사상을 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명의 기술적 사상은 청구항의 범주에 의해 정의될 뿐이다.
각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.
또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
이하, 본 발명의 몇몇 실시예들에 대하여 첨부된 도면에 따라 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른, UAV기반 스티칭 기법 외관조사망도를 나타내는 도면이다.
대형 교량 구조물의 특성상 교각의 상부 및 거더와 같이 사람의 접근이 어려운 위치의 외관점검은 특수한 교량점검 차량을 활용하여 사람이 육안점검을 실시한다. 따라서 외관점검 시 도로의 일부가 차단되며 비용 문제와 안전문제가 발생하며 이를 해결하기 위해 UAV를 활용한 다양한 외관점검 연구가 수행되고 있다. 본 연구는 LiDAR 포인트 클라우드 데이터와 UAV 파노라마 영상 스티칭 기법을 적용하여 구축한 외관조사망도와 기존 방법으로 진행된 외관조사망도를 비교하여 교량 외관점검의 활용성을 검증한다. 연구결과, 기존 외관조사망도에 나타난 균열을 포함, 다수의 균열을 추가 검출하였다.
대형 교량 구조물은 지상, 강 및 해상 등에 설치되어 있으며 지형에 따라 크기 및 규모가 다양하다. 교량의 안전진단 시 외관점검은 특수한 교량점검 차량을 활용하여 사람이 탑승해 실시되며 이로 인해 인명사고가 발생될 수 있으며 교량점검 차량 운용으로 인한 비용 문제와 도로 이용을 일부 제한하는 등의 문제가 발생한다. 특히, 대형 교량의 경우 규모에 따라 외관점검 시 장비와 사람의 접근이 어려운 지역이 많고 이로 인해 외관점검 생략 구간이 다수 발생한다. 따라서 이를 해결하기 위한 방안으로 UAV를 활용한 다양한 연구가 수행되고 있다.
본 연구는 LiDAR 포인트 클라우드 데이터를 통해 교량의 실제 스케일을 취득하고 UAV 파노라마 영상 스티칭 기법에 적용하여 외관점검 결과를 기존 방법으로 진행된 외관점검 결과와 비교, UAV 영상 스티칭 기법의 효용성 및 활용성을 검증하는 것이다.
LiDAR 포인트 클라우드 데이터 획득을 위해 레이저 스캐너를 활용, 교량 중 일부 교각을 대상으로 다각도의 스캔을 진행하여 교각의 실제 스케일을 취득하였다. 또한, 4800만 화소의 카메라를 장착한 UAV를 활용, 교각에 근접하여 80% 이상의 중복도로 촬영하고 스티칭 작업을 통해 교각의 한 면을 생성 후 실제 스케일을 적용하였다. 아울러 실세 스케일의 교각 데이터를 검토하여 균열, 파손, 변형 검출 등의 외관점검을 진행하고 기존 방법으로 진행된 외관점검 결과와 비교·분석하였다. 본 연구를 통해 Fig.1과 같이 외관조사망도를 나타내었으며 기존 방법의 외관조사망도에서 나타난 6개의 결함을 포함한 총 25개의 결함을 검출하였다.
연구결과 LiDAR 포인트 클라우드 및 UAV 파노라마 영상 스티칭 기법을 통해 교량 구조물 외관점검의 현행 방법 대비 우수한 결과가 도출되어 활용성을 검증하였다. 아울러 AI기반 자동 검출, 영상획득 자동화 및 스티칭 해상도를 유지한 3D 모델 구현 연구를 추가 수행중이다.
1. 서 론 1.1 연구의 배경 및 목적 최근 드론 및 레이저 스캐너 등과 같은 첨단 실측 장비를 통해 건설 시설물 및 현장 상황을 관측하는 적용 시도가 증대하고 있 다. 이들 장비를 통해 얻은 현장 데이터를 기반으로 시설물의 역 설계, 품질 관리, 토공량 산정, 시공 작업 검토, 심지어 건설 현 장 기후 관측에까지 다양한 활용이 늘어나고 있다(Kwon, 2009; Kim and Sohn, 2018; Han and Park, 2018). 국내 근대 건축물의 실측에도 그 활용이 모색되고 있다. 문화 재청은 등록문화재로 지정된 근대 건축물의 기록화 조사보고서에 실측도면을 필히 게재하도록 하고 있다. 실측도면은 수리, 복 원, 활용 등을 위한 정보를 제공하는데 의미가 있으며, 사진 및 보고서와 함께 기록화의 주요 목적물이다(Ha and Lee, 2017). 근대 건축물의 실측은 법으로 규정되어 있고 정기적인 업데이트 가 필요하다. 그러나 실측은 측량과, 사진 촬영, 줄자 등을 이용해 실제 측정을 통해 이뤄져 왔으며, 이를 위해서 다수의 인력이 오랜 시간 현 장 작업을 진행해야 하는 관계로 많은 시간과 비용이 소요된다 (Kwon, 2009). 더불어 예산의 제한으로 다수의 근대 건축물에 대 한 실측이 제대로 이뤄지지 않고 있어 드론 또는 레이저 스캐너를 활용한 효율적 실측 방안이 타당한 대안으로 떠오르고 있다.
현재 '문화재수리 설계도서 작성기준'을 보면 근대건축물의 실 측 제출물로서 2차원 기반의 설계도면(입면도, 평면도 및 단면도) 만 요구된다. 그러나 드론 또는 레이저 스캐너에서 취득된 데이 터를 기반으로 빌딩정보모델(Building Information Model; 이하 BIM)을 구축한다면 그 활용가치가 훨씬 클 수 있다. 즉, BIM 모 델을 구축하여 해당 건축물의 형상뿐 아니라 제반 건물 정보 (예, 구조 상태, 부재 및 재료 종류)를 데이터베이스 형태로 기록 및 보관할 수 있으며, 정기적 업데이트 정보를 연계하여 이력관리에 활용할 수 있다(Woo et al., 2016). 그러나 BIM으로까지 변환이 되려면 이때 수행되는 일련의 작 업이 무엇인지, 또한 작업 중 어떤 부분이 기술적으로 가능한지 파악할 필요가 있다. 더불어, 구축된 BIM 모델을 유지관리에 활 용하기 위해 상세수준(Level of Development), 구조물 위계, 부 재 속성 정보 등에 대한 적정 규정을 제시할 수 있어야 한다(Seo et al., 2013). 따라서, 본 연구에서는 근대건축물 실제 사례를 구하여 이를 드론 및 레이저 스캐너로 건물 내외부를 매핑한 뒤, 이를 BIM 모 델로 역설계(Reverse Engineering)하는 일련의 절차를 수행하였 다. 1차적으로는 구축된 BIM 모델로부터 근대 문화재 건축물 작 성 기준에 부합하는 2차도면 생성 가능성을 파악하였다. 동시에 실무 적용 가능성 파악을 위해 현재 상용화된 주요 소프트웨어를 활용하여 정확한 BIM 모델 생성을 위해 발생하는 기술적인 문제를 분석하였다. 마지막으로, 상기 한계점들의 개선을 위해 향후 어떤 연구가 진행되어야 하는지를 제시하였다. 1.2 연구의 범위 및 방법 본 연구에서는 근대 건축물 문화재로 등록된 서울시 노원구 소 재 등록문화재 제369호 서울과학기술대학교 대륙관(구 서울대 학교 광산학과 교사)을 실제 대상 건축물로 선정하였다. 본 건축물을 BIM 모델로 구축하기 위해서는 건물 내부 및 외 부 형상 데이터가 필요하였다. 레이저 스캐닝의 경우 내부 데이 터와 낮은 층의 외부 데이터를 측정할 수 있지만 지붕과 같은 건 축물의 위쪽 외부 데이터를 측정하는데 한계가 있다. 이에 내부 데이터의 경우 레이저 스캐닝을 통하여 측정을 하고 외부 데이터는 드론 항공촬영을 통하여 별도로 측정하였다. 이를 위해 다음 과 같은 일련의 작업을 진행하였다(Figure 1). 1) 드론을 활용한 내부 포인트 클라우드 데이터 취득 및 BIM 외부 모델 구축 대중적인 드론 DJI사의 Phantom 4 Pro V2.0를 사용하였고, 자동항법 시스템으로는 Pix4D사 Pix4D Capture사용하여 건물 외부에 관한 드론 자동 비행 및 항공촬영을 진행하였다. 이로부 터 취득한 사진 이미지는 다시 Autodesk사 Recap Photo를 사 용하여 포인트 클라우드(Point Cloud) 형태로 정합하였다. 사진 이미지를 포인트 클라우드 형태로 정합하는 프로그램은 여러 가 지가 있지만, BIM 저작도구인 Autodesk사 Revit 프로그램과의 연동성을 위해서 Recap Photo를 이용하여 건물 외부를 모델링 하였다. 드론 사진을 통한 3D 모델의 경우 이미지 합성 과정에서 건물 이 주변의 식생과 연결되고, 실제 각이 있는 부재가 둥그스름하 게 표현되는 문제가 있어 이에 대한 보완을 위해 부분적으로 실 제 사진과 실측 데이터를 참고하여 역설계를 진행하였다. 2) 레이저 스캐닝을 통한 BIM 내부 모델 구축 레이저 스캐너는 고정식 레이저 스캐너와 이동식 레이저 스 캐너가 있다. 본 연구 대상 건축물의 경우 주위 식생 및 장애물 로 인하여 고정식 레이저 스캐너를 사용할시 다각도의 촬영을 필요로 하므로 작업에 어려움이 많아 이동식 레이저 스캐너인 GeoSLAM사 SurphSLAM10을 사용하였고, 이를 통하여 건물 내 부 데이터를 포인트 클라우드 형태로 취득하였으며 이를 역시 Recap Photo를 기반으로 BIM 모델로 모델링하였다. 3) 통합 BIM 모델을 활용한 2차원 도면 생성 구축된 BIM 내외부 모델을 하나의 통합된 모델로 구축 후 이를 활용하여 '근대건축물 기록화사업 과업내용서', '문화재수리 설계도서 작성기준'을 기준으로 평면도, 입면도 및 단면도를 작성하였다. 4) BIM 역설계 기술적 한계점 평가 및 연구 방향 도출 상용 소프트웨어를 활용하여 BIM 역설계를 진행하면서 파악된 기술적 문제 및 한계점을 도출하고 이를 기반으로 향후 연구 방 Figure 1. Research flow chart 향을 제시하였다.
2. 이론고찰 2.1 문화재 근대 건축물 기존 실측 방법 및 문제점 근대 건축물 기록화 사업은 역사·문화적 보존가치가 있는 근 대건축물에 대한 문헌조사, 현황실측 등을 기록 보존함으로써 화재 등 재난에 대비한 수리·복원자료를 확보하고, 학술 및 연 구자료 등으로 제공해준다(Cultural Heritage Administration, 2001). 기존의 근대 건축물 실측 방법은 줄을 이용하여 격자로 구획하 고 각 구획된 부분을 여러 측정 장비 및 고성능 사진기를 이용하 여 실측하고 CAD 도면을 작성하는 방식이 주류를 이루고 있다 (An, 2013). 건축물의 높이가 상당할 경우에는 그 대상 주변에 비계를 설치하여 실측을 진행하는 등 규모가 커질수록 많은 인력, 시간 및 비 용이 증가하며, 각 작업자의 숙련도에 따라 오차가 발생하고 표 현방법이 달라지는 문제점이 있어 정확한 자료로 대상물의 현존 상태를 보존하는 데이터를 얻는데 한계를 나타낸다. 즉, 전체적 인 실측도면이 현상과 상이한 문제점이 있다. 이처럼 기존의 실측은 대상의 규모에 따라 방법의 차이는 있으 나, 모든 과정에 많은 인력이 투입되어야 하고 상당한 작업 시간을 요하게 되므로 실측작업에 투여되는 경제적 비용이 상승되는 등 여러 문제점들이 발생한다. 2.2 건축물 분야 드론 및 레이저 스캐닝 적용 동향 드론 및 레이저 스캐닝 기술은 건축물 분야에서 다방면으로 활용되고 있다. 건축물은 정기적인 구조 및 안전점검이 필요하며 리모델링을 위해서도 기존 건축물의 현 상태 파악이 선행되어야 한다. 이러한 경우 드론 또는 레이저 스캐너를 이용하여 현재 구조 물의 형태에 대한 정보를 수집한 후 과거의 정보와 비교함으로써 구조물의 변형, 균열 등 안전에 영향을 줄 수 있는 문제를 파악할 수 있다. 또한 건물의 내부 현황을 기록함으로써 공간 정보를 체 계화할 수 있으며, 시설물 교체 현황을 파악함으로써 유지 관리에 관련된 작업 일정을 효과적으로 관리할 수 있다. 근대 건축물의 기록 및 보전 작업에도 유효하다. 오래된 고건 물의 경우 설계도면이 손실된 경우가 많다. 이러한 경우 실측을 통해 도면을 작성하는 역설계는 대상물의 관리 및 유지 보수에 있어 필수적인 작업이 된다. 실제 국내에서도 드론 및 레이저 스 캐너를 문화재 실측에 적용하려는 연구가 활발히 이루어지고 있 다. Ha and Lee(2017)는 문화재청의 과업지시서 사진촬영기준을 최대한 준수하여 대전지역 기록화 조사보고서 11곳의 사진들을 대상으로 사진기록현황을 비교분석하고 문제점을 진단하여 개선 방향을 제시하였다. Kwon et al.(2016)는 드론을 통하여 촬영된 공중자료와 지상에서 촬영된 지상자료를 이용하여 문화재를 3D 로 구축하는 방법에 관하여 기술하였다. 이외에도 구조물 시공 과정에서 도면과 구조물의 시공 오차를 측정하여 품질 관리에 사용, 일정 간격으로 동일 현장을 스캔하 여 시공 현황 파악 및 진도 관리에 사용하는 등 많은 분야에서 실 무에 사용되거나 연구되고 있다. 2.3 드론 및 레이저 스캐닝과 BIM 연계 관련 연구 건축분야의 경우 3차원 모델 기반의 BIM이 도입되면서 레이저 스캐닝 및 사진촬영 정보로부터 BIM 모델링 작업을 반자동 내지 자동화하려는 이른바 'Scan-to-BIM' 연구가 활발히 진행 중이다. Scan-to-BIM 은 일반적으로 다음과 같이 4단계로 구성된다 (Jung et al., 2014). 1) 데이터 수집 단계: 드론 내지 레이저 스캐 너로부터 목적물로부터 심층 포인트 클라우드 데이터 수집; 2) 데 이터 전처리 단계: 포인트 클라우드 데이터를 하나의 좌표계를 기준으로 등록하고 필터링; 3) 기하정보 모델링 단계: 포인트 클 라우드 데이터를 기반으로 3차원 부재를 구분한 기하 모델링 및 4) BIM 모델링 구축 단계: 개별 부재를 구분하고 부재 간 관계를 설정하여 부재속성이 규정된 시멘틱(semantic) 모델 생성. 기존 연구에서는 단계별 작업의 자동화를 위한 노력을 수행해 왔으며 특히 포인트클라우드 데이터로부터 기하정보를 추출하는 세 번째 단계 개발에 노력하였다. Arayici(2007)의 경우 포인트 클라우드를 다각 메시(polygonal mesh)로 변환 후 이를 투사하 여 평면을 자동 도출하고자 하였다. Huber et al.(2011)의 경우, 포인트 클라우드로부터 평면 패치(patch)를 지엽발생(regional growth) 알고리즘을 통해 부재 구분을 시도하였다. Tang et al.(2010)의 경우 포인트클라우드 간의 위계(topology)를 가정하 여 이로부터 점군을 구분하고자 하였다. 이러한 시도와 동시에 최근에는 대상을 구분했을 때 발생하는 특정 문제를 해결하고자 하였다. Valero et al.(2012)의 경우 넓은 실내 공간을 레이저 스캐닝 한 후 포인트 클라우드를 'RANSAC' 알고리즘을 활용하여 세부 모델링 작업을 하였다. Bosch et al.(2015)의 경우 기계, 배관, 전기 설비(MEP)에 적용할 경우 문 제 및 해결 방안을 제시하였다. Yu(2018)는 드론을 활용하여 외 벽이 투명한 객체로 구성된 커튼월 건축물에 대해 기존 촬영 방 법 및 3차원 구축 한계점에 대해서 확인하고 개선된 드론항공 촬영 방법과 3차원 구축 방법을 제안하였다. 반면 Bassier et al.(2016)는 목조 건축물에 scan-to-BIM 적용 사례를 소개하였 고 Canciani et al.(2013)의 경우 역사적 건축물(Historic BIM) 적 용에 필요한 별도의 절차를 제시하였다. 상기 제시했듯이, scan-to-BIM 연구는 변환 단계별 및 대상 시설물에 따라 여러 시도가 이뤄지고 있다. 그러나, 이처럼 대상 시설물의 특징 및 단계별 변환과정에서 생기는 기술적 한계로 아직 완전 자동화가 이뤄지지 못하고 있으며, 이들 연구는 상용화 되지 못하고 있다. 따라서 본 연구에서는 현재 상용 소프트웨어로 실무에서 가능 한 부분을 파악하는데 역점을 두었으며, 상기 scan-to-BIM 연구는 향후 개선 방향을 제시할 때 그 가능성을 가늠하는데 활용하였다. 3. 드론 및 레이저 스캐너를 이용한 실측 3.1 연구지역 선정 및 연구 장비 3.1.1 대상 건축물 선정 국내의 문화재는 크게 지정문화재와 등록문화재로 구분되어 있다. 지정문화재란 보존가치가 높은 문화재를 엄격한 규제를 통 하여 항구적으로 보존하고자 지정하는 것이고, 등록문화재는 근 대 이후 만들어진 문화유산 중에서 보존 및 활용이 특히 필요하 다고 인정되는 근대문화재를 말한다. 등록문화재는 지정문화재 보다 생성연도가 짧아 역사적 혹은 학술적 가치는 부족하지만, 보전 및 활용을 위해 적절한 조치가 필요한 근대 건축물을 대상으로 하며 지정문화재 보다 완화된 규제를 적용하고 있어 큰 변 화를 주지 않는 범위 내에서 개조 및 수선이 가능하다. 본 연구에서는 드론 및 레이저 스캐너를 활용하여 3차원 모델을 구축하고자 서울시 노원구에 있는 등록문화재 제369호 서울 과학기술대학교 대륙관(서울대학교 구 공과대학 광산학과 교사)을 대상으로 선정하였다(Table 1) 대륙관은 1942년 신축된 건물로 중앙의 본관을 중심으로 무도 장과 강당이 배치되어 있다. 일제강점기에 경성제국대학 광산학 과로, 광복 이후 1980년까지는 서울대학교 공과대학으로 사용되 었으며, 이후에는 서울과학기술대학교의 토목공학과 건물로 사용하고 있다. 대륙관은 중앙에 탑을 높게 세운 본관을 중심으로 양쪽에 토 목 및 구조 실험실이 각 1동씩 존재한다. 1층 본관의 경우 8개의 연구실 및 강의실로 구성되어 있고 2개의 화장실이 존재한다. 2 층의 경우 9개의 연구실로 구성되어 있다. 오래전에 지어진 건축 물이기 때문에 지상 1층, 2층 및 3층(탑) 평면도를 제외하고 모든 도면이 손실되었고, 내부 리모델링으로 인하여 도면의 업데이트 가 필요한 상태이다. 또한 아직 근대건축물 기록화사업이 진행되 지 않아 기록 보존용 자료가 없는 상태이다. 3.1.2 연구 장비 1) 드론 공중 촬영이 가능한 장비의 종류에는 고정익 드론과 회전익 드 론으로 구분된다. 고정익 드론은 회전익 드론보다 오랜 비행이 가능하며, 넓은 지역촬영이 가능하다. 그러나, 고정익 드론의 경 우 이착륙에 대한 공간이 필요하고 수직이착륙이 불가하여, 기체에 대한 파손의 위험이 있다. 또한, 일정한 속도를 유지해야 하는 단점이 있어, 건축물 촬영같이 좁은 공간에서 이뤄지는 경우에는 적합하지 않으며, 카메라의 각도, 회전 등 조작이 불가능하다. 이 와 반대로, 회전익 드론은 수직이착륙이 가능하며, 자유로운 방향전환이 가능하고, 영상촬영에 가장 적합하다고 할 수 있는 정 지 기능과 360도 전방위 촬영할 수 있는 파노라마 기능이 있어 본 연구에 사용하였다. 또한, 구축된 3차원 모델의 결과에 가장 영향을 미치는 카메라의 선택이 고정익 드론보다 자유로워 사용 자가 원하는 카메라 장착이 가능하다. 본 연구에서는 고정익 드론 보다 회전익 드론이 타당한 것으 로 판단되어 회전익 드론을 이용하여 연구를 진행하였으며, 최 근 많은 분야에서 사용되고 있는 DJI사의 Phantom 4 Pro V2.0를 사용하였다. 2) 레이저 스캐너 레이저 스캐너는 고정식 및 이동식으로 구분된다. 고정식 레이 저 스캐너의 경우 이동이 번거롭고, 정밀한 위치 선정이 필요 하 며, 스캔 자료 정합을 위해 별도의 표지를 설치하거나 공액점을 추출하는 과정이 필요하다. 이러한 복잡한 운영은 작업의 효율성을 감소시키고 각각의 과정에서 전문가적 기술을 필요로 하는 단 점이 있다(Thomson et al., 2013). 또한 연구 대상 건축물인 대륙 관의 경우 주위 식생이 많고 조밀하게 붙어있어 고정식을 사용할 경우 위치 선정이 어렵고 다각도에서 촬영을 해야 하는 한계점이 있다. 이동식을 사용할 경우 정밀도가 낮아지는 단점이 있지만, 작업을 효율성을 위해 본 연구에서는 이동식 레이저 스캐너를 사 용하였다. 본 연구에 사용한 이동식 레이저 스캐너는 GeoSLAM 사의 SurphSLAM 10으로 사양은 다음과 같다
3.2 드론 항공촬영 및 이미지 프로세싱 1) 드론 항공촬영 본 연구에 사용된 드론의 자동항법 시스템으로는 Pix4D Capture를 이용했다. 지표면 기준 150m 상공에서 대상지역을 그 리드 형태로 자동비행하며, 적정 간격으로 항공사진을 촬영했다. 드론에 의한 사진촬영을 통하여 고정밀 3차원 모델 작성 및 포 인트 클라우드 데이터 취득이 가능하다. 드론 사진촬영에 의한 3 차원 모델 작성은 항공사진 측량의 원리를 채용하여 수행하였다. 드론의 고도가 150m 이상이고 사진촬영을 해야 하므로 촬영허가 및 비행허가를 각각 수도방위사령부 및 서울지방항공청에서 받 아 진행하였다. 드론 사진의 사진별 중복도는 종방향 80%, 횡방 향 60%를 적용하였다. Pix4D Capture를 이용한 촬영 계획 수립은 아래와 같다. (1) 촬영 대상지역 선정 및 기상 정보 조사, Phantom 4 Pro V2.0의 경우 풍속 최대 10m/s까지 비행가능하고, 우천 시에는 비행이 불가능하다. (2) 촬영 고도 지정, Phantom 4 Pro V2.0의 경우 150m까지 연직 상승 가능하고, 건물 및 식생 등의 높이를 고려하여 촬 영 고도를 지정한다. (3) 비행 코스 입력, 촬영 범위 지정하고, 비행 시작 시 기체의 위치가 이착륙 지점으로 자동 설정한다. (4) 비행 상황 파악, 기체가 비행 코스에 맞춰 비행하는가를 파 악하고, 비행 신호 송수신이 잘 되는지 파악한다. Figure 2는 지상의 원격장치로 디스플레이 되는 Pix4D Capture 어플리케이션의 모습이다. 그림과 같이 비행경로를 설 정할 수 있으며, 중복도 및 카메라 각도와 같은 매핑 매개변수를 정의할 수 있다. Figure 3은 취득된 단일영상이며 촬영오차는 수 직 ±0.1m, ±0.3m이고, 수평 평균 비행고도 약 150m에서 약 2m/s의 속력으로 30분간 항공사진촬영을 실시하여 총 325매의 이미지를 취득하였다.
2) 항공사진을 이용한 3D 모델 제작 드론을 통한 항공촬영 결과로 얻어진 325장의 항공 사진을 Recap Photo 소프트웨어를 통해 다중영상 접합을 통하여 포인 트 클라우드로 작성한다. 드론 사진측량에서 다중영상 접합이란 여러 장의 사진을 기하학적 원리를 이용하여 접합함으로써 대상 물의 3차원 좌표를 획득하는 것이다. 다중 영상 접합에는 Structure From Motion(SfM)기법이 활용되는데, SfM 기법은 촬영된 중복영상을 Epipolar Geometry를 이 용한 Image Matching을 통해 3차원 포인트 클라우드 데이터로 피사체를 재구성하는 Computer Vision 기법이다(Lucieer et al., 2014)
한 카메라로 위치 변경을 통해 얻은 두 영상 u, u'에서 대응되는 p, p' 과 구해진 모션 정보를 이용하여 대응되는 특징점을 영 상 에서 바라보았을 때의 3차원 좌표 Pw로 복원한다(Figure 4). 즉, 사진에 저장된 태그로부터 초점거리, 카메라 종류, 영상 크기 등의 정보를 취득하여 초기값으로 이용, 접합을 위한 영상의 특징점을 추출하고, 드론을 이용하여 촬영된 수많은 사진을 빠른 시간에 처리할 수 있으며 비측량용 카메라를 사용할 수 있는 장점 등으로 정사영상 및 3차원 모델링이 가능하다. 2D를 기반으로 3D로 영상을 복원하고 카메라의 위치와 자세를 추정할 수 있다.
이미지 프로세싱의 경우 대표적인 디지털 사진에 의한 이미지 프로세싱 소프트웨어로는 Bentley사 Context Capture, Pix4D사 Pix4D Mapper 및 Autodesk 사 Recap Photo 등이 있지만 본 연구에서 역설계에 사용할 프로그램인 Autodesk사의 Revit과의 호환성을 위해 Recap Photo를 사용하였다. 드론으로 촬영된 총 325장의 영상사진 중에서 선별된 200장의 영상사진을 가지고 Recap Photo 프로그램을 활용하여 데이 터를 조합한다. 불러드린 영상데이터는 사진을 선택한 후 이미지를 정렬(Align Photos) 시킨다. 이러한 작업을 통해 카메라의 위 치와 방향을 찾고 모델링 데이터를 형상화하기 위한 포인트 클라 우드를 생성한다(Figure 5). 포인트 클라우드 모델을 생성한 이후 Revit에서 다양하게 작업하기 위하여 Recap프로그램을 통하여 Rcp파일 형식으로 변환하여 Export 하였다.
3.3 레이저 스캐닝 본 연구에 사용된 레이저 스캐너는 G e o S L A M 사의 SurphSLAM 10으로 내장된 PC 컨트롤러 및 배터리로 인하여 주 전원 없이 작동이 가능하다. 본 장비의 경우 자체 소프트웨어를 통하여 고정밀 실시간 모바일 매핑을 가능하게 한다. Figure 6은 무선 인터넷 Wi-Fi 연동을 통하여 레이저 스캐 너와 모바일 기기를 연결하고 실시간으로 데이터를 확인하는 모습이다.
이동식 레이저 스캐너를 통하여 고정밀 3차원 포인트 클 라우드 데이터를 취득할 수 있었다. 본 장비의 스캔 거리는 130m, 스캔영역 FOV 270*?*x360*로 대륙관 내부의 경우 촬영 이 불가능한 장소는 없었다. 또한 스캔위치측정 정확도는 ±10 mm이다.
촬영 순서는 좌우 토목실험실 및 구조실험실을 스캐닝하고 본관 1층을 촬영한 뒤 마지막으로 본관 2층을 스캐닝하였다 (Figure 7).
4. 포인트클라우드 데이터 활용한 BIM 역설계 및 도면작성 4.1 외부 BIM 모델 구축 드론 이미지로부터 Recap Photo를 통해 생성된 포인트 클라 우드 모델을 통해 외부 BIM 모델을 구축하였다. 포인트 클라우 드의 기준점을 잡기 위해 Figure 8과 같이 기존 평면도면을 활 용하였다.
Figure 5에서와 같이 포인트 클라우드 모델이 대상 건물 형상을 표현하는 것을 볼 수 있다. 본 모델을 활용하여 본관 건물 및 두 실험동의 외부 벽체, 복도, 지붕, 탑 및 진입 램프를 모델링할 수 있었다. 그러나 창문 및 문은 건물 주변의 식생으로 인해 일부 폐색 (occlusion)되어 정확한 치수 파악이 어려웠다. 또한 포인트 클라 우드 점군의 해상도가 떨어져 정확한 경계면(boundary)을 찾기 어려운 문제가 발생했다. 개별 창문 및 문은 추가로 사진촬영을 실시하고 사진 내의 치수를 측정한 후 이와 대조하여 모델링을 실시하였다. 또한 창문, 문 및 램프와 같은 부재는 Revit에서 라 이브러리(즉, Revit Family)를 새로 제작하여 벽체에 삽입하는 형 태로 모델링하였다(Figure 9). Figure 10은 최종적으로 구축된 외 부 BIM 모델이다.
4.2 내부 BIM 모델 구축 레이저 스캐닝을 통해 얻어진 포인트 클라우드 모델을 Autodesk Recap으로 불러들인 후 Revit 프로그램을 통해 내부 역설계를 진행하였다. 이동식 스캐너의 경우 대상 실험실 및 연 구실에 반복 스캐닝이 가능하였으며 이에 따라 해상도가 높은 포인트 클라우드가 생성되었다. 생성된 포인트 클라우드는 오픈 소스 프로그램인 CloudCompare를 통해 전처리 작업이 진행되 어 이때 점군 간 정합 과정이 이뤄진다. 본 정합 과정에서 부재 간 경계면들이 비교적 선명하게 드러나는 장점이 있었다. 이에 따라 실내 벽체, 바닥, 천정, 계단 모델링이 순조롭게 진행되었 다. 또한 창문 및 문의 경우도 레이저가 통과하는 부위(예: 창문의 유리)과 반사하는 부위가 달라 경계면과 치수를 명확하게 파 악할 수 있었다. 단, 실내에 존재하는 가구 등으로 인해 폐색 문 제는 외부와 동일하게 존재하여 이를 감안한 모델링이 필요하였다. Figure 11은 최종적으로 구축된 내부 BIM 모델의 단면 모 습이다.
4.3 기술적 한계점 정리 앞서 진행한 내외부 BIM 모델 구축을 하면서 다음과 같은 기 술적 한계점이 존재하였다. 1) 폐색 문제 폐색 문제는 내외부에서 동일하게 발생했으나 외부의 경우 나무와 같이 규모가 큰 식생물로 인해 특정 부재가 완전히 가 려지는 문제로 인해 더 심각하였다. 반면, 레이저 스캐너의 경 우 고정밀 포인트클라우드 데이터로 인해 건물 부재와 가구가 상대적으로 구분이 잘되고 폐색이 일부에 국한되어 부재 파악 이 비교적 수월하였다. 2) 경계면 구분 문제 2.3장에서 소개한 바와 같이 'Scan-to-BIM' 과정에서 가장 어려운 부분은 포인트 클라우드로부터 경계면을 도출하여 부재의 정확한 기하형상을 도출하는 것이다. 본 사례에서도 마찬가 지였다. 드론의 경우 325장의 사진을 포인트 클라우드로 전환하면 서 해상도가 낮고 페색 문제로 인해 부재 간 정확한 경계면 파 악이 어려웠다. 이에 따라 경계면 파악을 위한 모델러의 자의 적 판단이 개입되게 되었다. 본 연구에서는 이에 대한 보완을 위해 특정 부재에 대한 사진 촬영을 재실시하고 이를 기반으로 정확한 치수를 별도로 선정해야 했다. 이에 비해 해상도가 높은 레이저 스캐너 기반의 포인트 클라 우드의 경우 경계면이 뚜렷하였다. 이처럼 포인트 클라우드의 정밀도가 모델 구축에 중요한 변수로 드러났다. 3) 포인트 클라우드 데이터 처리 시간 문제 정확한 모델 형상 구축을 위해 해상도의 중요성이 드러났으 나 반면 해상도가 높을수록 실제 변환 작업에 소요되는 시간이 증가하는 문제가 있었다.
본 연구에서 사용한 컴퓨터 사양은 CPU Intel사의 i7-6700을 사용하였고, 메모리(RAM) 4GB, 그래픽카드의 경우 CPU의 내장 그래픽을 사용하였다. 드론 및 레이저스캐너에서 나온 포 인트 클라우드는 각각 0.02 및 0.43 GB였다. 이에 따라 내부 모델의 경우 포인트 클라우드를 로딩시 발생하는 래그(lag)로 인해 개별 부재를 모델링하는 시간이 상당히 소요됐다. 실무 적용에서는 해상도로 인한 이점과 BIM 모델 변환에 소요되는 시간을 고려할 필요가 있다. 4.4 역설계를 통한 도면 작성 역설계를 통한 BIM 모델로 '문화재수리 설계도서 작성기준'에서 기본 도면으로 요구하는 평면도, 입면도 및 단면도를 작성하였다. '기론보존용 실측도면 작성기준'을 보면 도면 세부 작성 내역으로 축척의 경우 1/50~1/200, 세부 작성할 내역으로 1)각 층별 평면도; 2)정면, 배면 및 좌·우측 입면도; 3)종 또는 횡단 면도를 요구한다. 이들 기준에 맞는 도면은 구축된 모델로부터 쉽게 추출할 수 있었다(Figure 12, Figure 13, Figure 14).
5. 결론 본 연구에서는 근대 건축문화재로 등록된 대학교 건축물을 드론 및 레이저 스캐닝을 이용하여 포인트 클라우드 정보를 추출한 후, 기존 도면(평면도), 사진 및 실측 데이터를 바탕으 로 역설계 하여 내·외부 BIM 모델을 만들었으며 이를 통해 다 음과 같은 연구의 두 가지 목적을 달성하였다. 첫째, 구축된 BIM 모델을 토대로 등록 문화재 기록화 사업에 서 요구하는 기준에 맞게 평면도, 입면도 및 단면도를 작성할 수 있었다. 다수의 인력이 투입되고 오랜 시간 현장 작업이 요 구되는 기존 실측 방법에 비해 드론 및 레이저 스캐닝은 현장 재방문을 최소화할 수 있어 인력을 최소화하고 시간을 단축시 킬 수 있어 비용 절감할 수 있는 가능성을 제시하였다. 둘째, 드론 및 레이저 스캐너로부터 생성된 포인트 클라우드를 BIM 모델로 역설계하는데 필요한 절차와 현실적인 한계점을 도출하였다. 구체적으로 1) 폐색 문제가 존재하는데 이는 내 부보다는 외부 BIM 모델 구축하는데 더 지장이 큰 것을 파악하였다. 2) 포인트클라우드의 해상도가 높을수록 부재 간의 경계 면 구분 난이도가 달라질 수 있는 것을 파악하였고 이에 따른 자의적 판단에 따라 오류 가능성을 파악하였으며; 3) 반면, 고 정밀 포인트 클라우드는 상용 소프트웨어에서 BIM 모델 전환 시간이 오래 걸리는 문제가 존재함을 알 수 있었다. 상기 한계점들이 존재하지만, 구축된 BIM 모델은 향후 대상 건축물의 유지관리 정보의 저장소로 활용되어 지속적 이력관 리를 가능케 할 것이며 이에 따라 BIM 모델 구축의 활용성이 클 것으로 사료된다. 또한 'Scan-to-BIM' 관련 연구의 진척에 따라 상기 문제들 이 해결되면 근대건축물의 BIM 모델 구축이 활성화될 수 있을 것으로 기대된다.
지금까지 설명된 본 발명의 기술적 사상은 컴퓨터가 읽을 수 있는 매체 상에 컴퓨터가 읽을 수 있는 코드로 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록 매체는, 예를 들어 이동형 기록 매체(CD, DVD, 블루레이 디스크, USB 저장 장치, 이동식 하드 디스크)이거나, 고정식 기록 매체(ROM, RAM, 컴퓨터 구비 형 하드 디스크)일 수 있다. 상기 컴퓨터로 읽을 수 있는 기록 매체에 기록된 상기 컴퓨터 프로그램은 인터넷 등의 네트워크를 통하여 다른 컴퓨팅 장치에 전송되어 상기 다른 컴퓨팅 장치에 설치될 수 있고, 이로써 상기 다른 컴퓨팅 장치에서 사용될 수 있다.
References
An, D. (2013). The Concept and Limitation for Practical Use of 3D Scan Data for the Survey Report of Wooden Architectural Heritage - Focused on Survey Drawings. Architectural Institute of Korea, 29(9), pp. 141-149. Arayici, Y. (2007). An approach for real world data modelling with the 3D terrestrial laser scanner for built environment. Automation in construction, 16(6), pp. 816-829. Bassier, M., Hadjidemetriou, G., Vergauwen, M., Van Roy, N., Verstrynge, E. (2016). Implementation of Scan-to-BIM and FEM for the documentation and analysis of heritage timber roof structures. In Euro-mediterranean conference (pp. 79-90). Springer, Cham. Bosch , F., Ahmed, M., Turkan, Y., Haas, C. T., Haas, R. (2015). The value of integrating Scan-to-BIM and Scanvs-BIM techniques for construction monitoring using laser scanning and BIM: The case of cylindrical MEP components. Automation in Construction, 49, pp. 201-213. Canciani, M., Falcolini, C., Saccone, M., Spadafora, G. (2013). From Point clouds to architectural models: algorithms for shape reconstruction. ISPRS Archives, 5, W1. Ha, S., Lee, J. (2017). A Study on the Development of Documentary Picture in Cultural Heritage Recording -based on the documentary reports in Daejeon area-. Journal of Basic Design & Art, 18(4), pp. 443-456. Han, S., Park, T. (2018). A Comparative Analysis of the Earthwork Volume Calculation by UAV (mapping-drone) Survey. KSIS 2018, pp. 115-116. Huber, D., Akinci, B., Oliver, A. A., Anil, E., Okorn, B. E., Xiong, X. (2011). Methods for automatically modeling and representing as-built building information models. In Proceedings of the NSF CMMI Research Innovation Conference. Jung, J., Hong, S., Jeong, S., Kim, S., Cho, H., Hong, S., Heo, J. (2014). Productive modeling for development of as-built BIM of existing indoor structures. Automation in Construction, 42, pp. 68-77. Figure 14. Cross and longitudinal section using BIM model 20 Journal of KIBIM Vol.9, No.2 (2019) Kim, D., Sohn, H. (2018). Development of PSC Girder Shape Measurement Method Based on 3D Terrestrial Laser Scanner. KSCE 2018, pp. 179-180. Kwon, O., Baek, S., Yu, S., Seok, H., Kim, C., Lee, J. (2016). An establishment of 3D modeling method based on aerial and ground photo image. Journal of Korean Society for Geospatial Information Science, pp. 151-153. Kwon, S. (2009). Object recognition and modeling technology using laser scanning and BIM for construction industry. Architectural Institute of Korea, 53(4), pp. 31-38. Lucieer, A., Jong, S. M. D., Turner, D. (2014). Mapping landslide displacements using Structure from Motion (SfM) and image correlation of multi-temporal UAV photography. Progress in Physical Geography, 38(1), pp. 97-116. Seo, J. W., Ji, S. G., Kim, J. W. (2013). A Study on Standardization Guidelines for BIM-based Maintenance and Management of Civil Infrastructures. Journal of Korea institue for Structural Maintenance Inspection, 17(6), pp. 153-161. Tang, P., Huber, D., Akinci, B., Lipman, R., Lytle, A. (2010). Automatic reconstruction of as-built building information models from laser-scanned point clouds: A review of related techniques. Automation in construction, 19(7), pp. 829-843. Thomson, C., Apostolopoulos, G., Backes, D., Boehm, J. (2013). Mobile laser scanning for indoor modelling. ISPRS Ann. Photogramm. Remote Sens. Spat. Inf. Sci, 5, W2. Valero, E., Adan, A., Cerrada, C. (2012). Automatic construction of 3D basic-semantic models of inhabited interiors using laser scanners and RFID sensors. Sensors, 12(5), pp. 5705-5724. Woo, S., Yi, D., Ha, G. (2016). A basic study on 3D scanning for Maintenance. Architectural Institute of Korea, pp. 71- 72. Yu, Se. (2018). Aerial photographing and 3D modeling of transparent buildings using drones. University of Seoul
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 본 발명이 다른 구체적인 형태로도 실시될 수 있다는 것을 이해할 수 있다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명에 의해 정의되는 기술적 사상의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
Claims (1)
- LiDAR 데이터를 활용한 드론 사진 이미지 단위 변환 방법
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220035730A KR20230138105A (ko) | 2022-03-23 | 2022-03-23 | LiDAR 데이터를 활용한 드론 사진 이미지 단위 변환 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220035730A KR20230138105A (ko) | 2022-03-23 | 2022-03-23 | LiDAR 데이터를 활용한 드론 사진 이미지 단위 변환 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20230138105A true KR20230138105A (ko) | 2023-10-05 |
Family
ID=88294013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220035730A KR20230138105A (ko) | 2022-03-23 | 2022-03-23 | LiDAR 데이터를 활용한 드론 사진 이미지 단위 변환 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20230138105A (ko) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090064679A (ko) | 2007-12-17 | 2009-06-22 | 한국전자통신연구원 | 이종 센서 통합 모델링에 의한 수치 사진 측량 방법 및장치 |
KR20190089681A (ko) | 2018-01-22 | 2019-07-31 | 네이버 주식회사 | 파노라마 뷰에 대한 3차원 모델을 생성하는 방법 및 시스템 |
-
2022
- 2022-03-23 KR KR1020220035730A patent/KR20230138105A/ko unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090064679A (ko) | 2007-12-17 | 2009-06-22 | 한국전자통신연구원 | 이종 센서 통합 모델링에 의한 수치 사진 측량 방법 및장치 |
KR20190089681A (ko) | 2018-01-22 | 2019-07-31 | 네이버 주식회사 | 파노라마 뷰에 대한 3차원 모델을 생성하는 방법 및 시스템 |
Non-Patent Citations (2)
Title |
---|
강준오, 이용창 "드론기반 교량 외관 안전점검을 위한 사전연구" 대한공간정보학회 공동추계학술대회 pp. 207-210, 2016 |
김종우, 정영우, 임홍철 "드론과 이미지 분석기법을 활용한 구조물 외관점검 기술 연구" 한국건축시공학회지 Vol.17 No.6 pp, 545-557, 2017 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kopsida et al. | A review of automated construction progress monitoring and inspection methods | |
Wang et al. | Applications of 3D point cloud data in the construction industry: A fifteen-year review from 2004 to 2018 | |
Tan et al. | Mapping and modelling defect data from UAV captured images to BIM for building external wall inspection | |
Liu et al. | A survey of applications with combined BIM and 3D laser scanning in the life cycle of buildings | |
CN110678737B (zh) | 用于分析物件的装置及方法 | |
Mansuri et al. | Artificial intelligence-based automatic visual inspection system for built heritage | |
Hallermann et al. | Vision-based monitoring of heritage monuments: Unmanned Aerial Systems (UAS) for detailed inspection and high-accuracy survey of structures | |
JP2021131652A (ja) | データ構造、記録媒体、プログラム、及びシステム | |
Zhang et al. | Implementing remote-sensing methodologies for construction research: An unoccupied airborne system perspective | |
Wang et al. | A review study on unmanned aerial vehicle and mobile robot technologies on damage inspection of reinforced concrete structures | |
Toriumi et al. | UAV-based inspection of bridge and tunnel structures: an application review | |
Chen et al. | GIS-based information system for automated building façade assessment based on unmanned aerial vehicles and artificial intelligence | |
Torok et al. | Post-disaster robotic building assessment: Automated 3D crack detection from image-based reconstructions | |
Serrat et al. | UAV, digital processing and vectorization techniques applied to building condition assessment and follow-up | |
Calantropio et al. | Use and evaluation of a short range small quadcopter and a portable imaging laser for built heritage 3D documentation | |
Angeli et al. | Dense 3D model generation of a dam surface using UAV for visual inspection | |
Chen et al. | Integrating UAV photogrammetry and terrestrial laser scanning for three-dimensional geometrical modeling of post-earthquake county of Beichuan | |
Keyvanfar et al. | Emerging dimensions of unmanned aerial vehicle’s (uav) 3d reconstruction modeling and photogrammetry in architecture and construction management | |
KR20230138105A (ko) | LiDAR 데이터를 활용한 드론 사진 이미지 단위 변환 방법 | |
Jung et al. | Using Drone and Laser Scanners for As-built Building Information Model Creation of a Cultural Heritage Building | |
Casierra et al. | Methodology for Infrastructure Site Monitoring using Unmanned Aerial Vehicles (UAVs) | |
Furtner et al. | Automated infrastructure inspection based on digital twins and machine learning | |
Croce et al. | UAV-Based 3D Photogrammetry for Post-Earthquake Studies on Seismic Damaged Cities—A Case Study: Castelluccio Di Norcia | |
Vasilakos et al. | Comparison of terrestrial photogrammetry and terrestrial laser scanning for earthquake response management | |
Barrile et al. | UAV and computer vision, detection of infrastructure losses and 3D modeling |