가상 합성 이미지와 KLT를 이용한 비전기반 구조물의 변위 계측 기법

국문 초록 (Abstract)

카메라와 같은 비전 센서는 최근 그 계측의 편리성으로 인해 많은 구조물 건전도 모니터링 분야에 활용되었다. 한편 변위 계측 위치를 특정하기 위해서는 구조물 상의 마커 혹은 구조물의 자연적인 특징을 이용해 region of interest(ROI)를 지정할 필요가 있다. 본 연구는 가상 합성 이미지(Synthetically Generated Images, SGI)와 KLT 알고리즘을 이용해 자동으로 구조물의 자연적인 특징 주변을 ROI로 설정함으로써 변위를 계측하는 기법을 제안한다. SGI는 구조물에 존재하는 자연적인 특징과 유사하게 가상으로 만들어진 전경 이미지를 랜덤한 배경에 합성한 이미지이다. SGI는 객체 검출 모델의 훈련에 사용되며 이를 통해 훈련 데이터 생성에 필요한 라벨링 과정을 생략할 수 있다. 기법의 검증을 위해 3층 철골 모델을 대상으로 구조물의 동적 변위를 계측하였다. 구조물의 각 층에 위치한 가새 접합부와 MCS 마커를 구조물의 자연적인 특징으로 선정하였으며 총 2000개의 SGI가 모델의 훈련에 사용되었다. 추출한 ROI에 기반하여 구조물 각 층에 발생한 변위를 계측하였으며 구조물의 자연적인 특징의 종류와 카메라의 field of view(FOV)가 기법의 성능에 미치는 영향을 분석하였다. 구조물에서 3.3 m 떨어진 위치에서 구조물 전 층에 발생한 변위를 계측한 결과, 최대 평균 절대 오차와 평균 제곱근 오차는 각각 0.103 mm, 0.152 mm로 나타났다.

다국어 초록 (Multilingual Abstract)

Vision sensors such as cameras have been widely utilized in the field of structural health monitoring due to the convenience of their measurements. However, to determine the displacement measurement location, it is necessary to specify the region of interest(ROI) using markers on the structure or the natural features of the structure itself. In this study, we propose a technique for measuring displacement by automatically setting the ROI around the natural features of the structure using Synthetically Generated Images(SGI) and the KLT algorithm. SGI is an image that combines synthetically generated foreground images that resemble the natural features present in the structure with random backgrounds. SGI is used to train object detection models, eliminating the need for manual labeling in the training data generation process. To validate the technique, we measured the dynamic displacement of a 3-story steel frame model. Brace connections and MCS markers located on each floor of the structure were selected as natural features of the structure, and a total of 2000 SGIs were used for model training. Displacements of the structure were measured based on the extracted ROIs, and the influence of the types of natural features in the structure and the field of view(FOV) of the camera on the performance of the technique was analyzed. The measured displacement of the structure, taken at a distance of 3.3 m from the base, revealed a maximum average absolute error of 0.103 mm and a root mean square error of 0.152 mm.

목차 (Table of Contents)

• 그림 차례
• 표 차례
• 국문 요약
• 제1장 서론
• 1.1 연구배경
• 1.2 기존 연구 동향
• 1.3 본 연구의 범위 및 방법
• 제2장 가상 합성 이미지를 이용한 변위 계측
• 2.1 가상 합성 이미지
• 2.2 데이터 셋 생성과 모델의 선택
• 2.3 객체 검출 모델
• 2.3.1 특징 피라미드 네트워크
• 2.3.2 영역 제안 네트워크
• 2.3.3 손실 함수
• 2.4 KLT 알고리즘
• 제3장 예제 검증
• 3.1 실험 개요
• 3.2 객체 검출 모델을 이용한 구조물의 자연적 특징 검출
• 3.3 ROI 설정 및 특징점 추적
• 3.4 구조물의 동적 특성
• 제4장 결론
• 참고문헌
• 영문 요약