본 연구는 수직 벽체형 콘크리트 구조물의 정밀안전진단을 위한 외관조사시 고품질 정밀영상을 자동화된 방식으로 획득하여 균열손상을 탐지하고 시설물의 상태를 평가하기 위하여 개발된 등벽드론 탑재형 균열진단 시스템에 대한 것이다. 본 논문에서는 영상기반 균열진단 시스템을 이용한 정밀영상 획득기술, 자동화된 영상처리 알고리즘을 이용한 데이터 처리 기법을 제시하였으며, 실험적으로 도출된 지상표본거리를 기반으로 영상처리 자동화 알고리즘을 이용하여 생성된 균열모사 시험벽체의 평면전개 이미지 상 균열손상의 위치 정확도를 평가 분석하였다. 평가분석 결과, 가로축 길이 대비 최대 1.1%, 세로축 길이 대 비 최대 1.4%의 오차율을 보이는 것으로 나타났다. 제안된 영상 내 픽셀 좌표와 지상표본거리를 기반으로 균열손상의 위치를 추정하는 기법은 실측 좌표 대비 평균 1.0% 이하의 위치 오차를 가지는 것으로 평가되었다. 최종적으로 영상기반 진단과 긴급 보수와 같은 일반적인 시설물의 유지관리에 요구되는 위치 정확도를 확보하고 있는 것으로 분석되었다.

Due to the sewer induced ground subsidence, there is an increasing demand for the advanced visual inspection technique for the existing sewer pipe structures. This study aim to develop a new condition assessment method using visual inspection device with automatic crack extracting and real-time gas monitoring systems for large diameter glass-fiber reinforced plastic sewer pipes. In this paper, a high-precision image capturing system that automatically extracts cracks in the large-diameter sewer pipes and sewage culverts with a diameter of 1,000 mm or more, and a real-time gas detection sensor for investigator safety were considered. By analyzing the module technology of the visual inspection device, the test device and their software for system integration were developed. It is expected that the developed technique inspecting conditions of the GFRP sewer pipes using the proposed visual inspection device in this study can be effectively used for various types of underground structures in the future.

Bridge inspection based unmanned aerial vehicle (UAV) has received considerable attention due to its several advantages such as reliability and safety as well as saving time and cost. An unmanned inspection equipment for bridge inspection is composed of UAV and imaging devices such as RGB cameras and infrared cameras. However, many challenging issues should be solved in order to apply this technology to the field. In this paper, an UAV based crack detection method is investigated. To detect the cracks, the image processing techniques with deep learning algorithm are used. To build the spatial information of aging bridge, 3D point cloud based background model is generated.

본 연구는 균열을 인식할 수 있는 영상기반 균열검사 알고리즘을 개발하고 성능을 검증하기 위한 모의 균열을 생성하는 방법에 관한 것이다. 균열검사 알고리즘을 개발하기 위해서는 균열 영상 데이터가 필요하다. 이러한 균열 영상들은 실제 균열이 발생한 콘크리트 벽면을 촬영하거나 일정한 하중을 가해 시편에 균열을 발생시키는 방법으로 획득하고 있다. 하지만 균열을 검사하기 위한 영상처리 알고리즘을 검증하기 위해서는 균열 폭이 일정한 정량화된 균열 영상이 필요하다. 이러한 정량화된 균열을 생성하기 위하여 크랙게이지와 같이 검은 명암을 가지는 표면 부착형 모의 균열이 사용되기도 한다. 표면 부착형 모의 균열을 사용하면 원하는 형태와 크기를 가지는 균열을 묘사하기 유리하며, 다양한 콘크리트 표면에 부착하여 균열 영상을 획득하고 이를 균열검사 프로그램의 개발에 활용할 수 있다. 특히 균열의 정확한 크기 측정이나 인식률을 정량적으로 검증하는데 매우 효과적이다. 하지만 표면 부착형 모의 균열과 실제 균열의 유사성에 대해서는 아직 검증되지 않았다. 본 연구에서는 표면 부착형 모의 균열과 콘크리트 시편에 유도한 균열을 제작하여, 영상 촬영한 후 명암, 질감, 콘트라스트, 선명도를 분석하여 두 균열간의 특성을 분석하고 유사성을 검증하였다. 영상은 다양한 거리와 조도에서 촬영하여 거리와 조도의 변화와 두 가지 균열의 특성 변화와의 관계를 알아보았다.