Land and Housing Review (토지주택연구)

Land and Housing Research Institute (한국토지주택공사 토지주택연구원)
권호 표지
DOI QR코드

DOI QR Code

A Study on the Accuracy Comparison of Object Detection Algorithms for 360° Camera Images for BIM Model Utilization

BIM 모델 활용을 위한 360° 카메라 이미지의 객체 탐지 알고리즘 정확성 비교 연구

  • 주현철 (경상국립대학교 토목공학과) ;
  • 이주형 (경상국립대학교 토목공학과) ;
  • 임종원 (경상국립대학교 토목공학과) ;
  • 이재희 (경상국립대학교 토목공학과) ;
  • 강인석 (경상국립대학교 토목공학과 공학연구원)
  • Received : 2023.08.25
  • Accepted : 2023.09.14
  • Published : 2023.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

Recently, with the widespread adoption of Building Information Modeling (BIM) technology in the construction industry, various object detection algorithms have been used to verify errors between 3D models and actual construction elements. Since the characteristics of objects vary depending on the type of construction facility, such as buildings, bridges, and tunnels, appropriate methods for object detection technology need to be employed. Additionally, for object detection, initial object images are required, and to obtain these, various methods, such as drones and smartphones, can be used for image acquisition. The study uses a 360° camera optimized for internal tunnel imaging to capture initial images of the tunnel structures of railway and road facilities. Various object detection methodologies including the YOLO, SSD, and R-CNN algorithms are applied to detect actual objects from the captured images. And the Faster R-CNN algorithm had a higher recognition rate and mAP value than the SSD and YOLO v5 algorithms, and the difference between the minimum and maximum values of the recognition rates was small, showing equal detection ability. Considering the increasing adoption of BIM in current railway and road construction projects, this research highlights the potential utilization of 360° cameras and object detection methodologies for tunnel facility sections, aiming to expand their application in maintenance.

최근 건설산업 분야에 BIM 기술의 활용이 보편화되면서 3D 모델과 실제 시공 부위의 오류 확인 등을 위해 다양한 객체 탐지 알고리즘들이 활용되고 있다. 객체 탐지 기술은 건축물, 교량, 터널 등 건설시설물의 종류에 따라 객체 특성이 상이하므로 객체 탐지 기술도 적절한 방법을 사용할 필요가 있다. 또한 객체 탐지를 위해서는 초기 객체 이미지가 있어야 하며 이를 위해서도 드론, 스마트폰 등 다양한 방법으로 이미지 취득이 가능하다. 본 연구에서는 철도와 도로 시설의 터널 부위에 대하여 초기 이미지 구축을 위해 터널 내부 촬영에 최적화된 360° 카메라를 이용하여 이미지를 촬영하고, 촬영된 이미지로부터 실제 객체를 탐지하기 위한 객체 탐지 방법론으로 YOLO 알고리즘, SSD 알고리즘 및 R-CNN 알고리즘을 적용하여 방법론별 객체 탐지의 정확도를 비교 분석한다. 분석 결과 Faster R-CNN 알고리즘이 SSD, YOLO v5 알고리즘에 비해 높은 인식률 및 mAP 값을 가졌으며 인식률들의 최소·최대 값의 차이가 작아 균등한 검측 능력을 나타냈다. 이러한 연구는 철도와 도로 시설공사에 BIM 적용이 확산되고 있는 점을 고려하면 360° 카메라의 활용 방법 확대와 유지보수를 위한 터널 시설 부위의 객체 탐지 방법론 적용에 활용될 수 있다.

Keywords

Acknowledgement

본 연구는 2022년 국토교통과학기술진흥원 연구비 지원 사업(22RBIM-C158185-03)과 경상국립대학교 연구년제 연구교수 지원비로 수행되었음.

References

  1. 김정민.현세권.채정환.도명식(2019), "드론영상을 이용한 물체탐지알고리즘 기반 도로균열탐지", 「한국ITS 학회 논문지」, 18(6): 155~163.
  2. 김철현(2016), "실사 기반 VR 360° 콘텐츠 촬영 장치비교 연구", 「방송공학회논문지」, 21(5): 714~725.
  3. 명현정.송주환(2022), "딥러닝 기반의 가금류 객체탐지 알고리즘", 「한국디지털콘텐츠학회 논문지」, 23(7): 1323~1330. https://doi.org/10.9728/dcs.2022.23.7.1323
  4. Park, J. W. and Y. J. Kim (2022) "A Study on Deep Learning Performance Improvement Based on YOLOv5", The Journal of Korean Institute of Communications and Information Sciences, 1592~1593. (in Korean)
  5. 송은솔.문소영(2022), "토목 분야 기본설계 단계 BIM 적용성 향상을 위한 BIM 적용 프 로세스 제안", 「LHI Journal」, 13(3): 115~123.
  6. 이수웅.이근동.고종국.이승재.유원영(2019), "모바일/임베디드 객체 및 장면 인식 기술 동향", 「전자통신동향분석」, 34(6): 133~144.
  7. 이주열(2020), "인공지능 이미지 인식 기술 동향", 「TTA Journal」, 187(5): 44~51.
  8. Lee, J. S., S. K. Lee, D. W. Kim, S. J. Hong, S. I. Yang (2018), "Trends on Object Detection Techniques Based on Deep Learning", Electronics and Telecommunications Trends, 33(4): 23~32. (in Korean)
  9. 전성국.이동길(2019), "5G 통신 시대의 360° 영상객체인식 연구", 「한국통신학회지」, 36(10): 10~17.
  10. 정서영.이슬기.박찬일.조수영.유정호(2012), "딥러닝 및 영상처리 기술을 활용한 콘크리트 균열 검출 방법", 「대한건축학회 논문집」, 35(11): 163~170.
  11. Choi, Y. G., Y. R. Choi, J. S. Cho, and D. W. Kim (2023), "Utilization and Verification of Imaging Technology in Smart Bridge Inspection System: An Application Study", Sustainability, 15(2): 1509.
  12. Gerhardt, C. and W. Broll (2020), "Neural Network-Based Traffic Sign Recognition in 360° Images for Semi-automatic Road Maintenance Inventory", 2020 IEEE 23rd International Conference on Intelligent Transportation Systems (ITSC), Rhodes, Greece, 1~7.
  13. Gonzalez, D. M., A. A. Tordesillas, D. LopezBragado, and M. M. Vera (2023), "Fast and Accurate Documentation of Architectural Heritage with Low-Cost Spherical Panoramic Photographs from 360 Cameras", The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 48: 1007~1011.
  14. Kim, J. B. (2020), "Vehicle Detection Using Deep Learning Technique in Tunnel Road Environments", Symmetry, 12(12): 2012.
  15. Lee, K. B. and H. S. Shin (2019), "An application of a Deep Learning Algorithm for Automatic Detection of Unexpected Accidents under Bad CCTV Monitoring Conditions in Tunnels", International Conference on Deep Learning and Machine Learning in Emerging Applications (Deep-ML), Istanbul, Turkey, 7~11.
  16. Li, J., Y. Tian, J. Chen, and H. Wang (2023), "Rock Crack Recognition Technology Based on Deep Learning", Sensors, 23(12): 5421.
  17. Liu, W., D. Anguelov, D. Erhan, C. Szegedy, S. Reed, C. Fu, and A. C. Berg (2016), "Ssd: Single Shot Multi-box Detector", Computer Vision-ECCV 2016: 14th European Conference, Amsterdam, Netherlands, 21~37.
  18. Lv, B., L. Wu, T. Huangfu, J. He, W. Chen, and L. Tan (2022), "Traditional Chinese Medicine Recognition Based on Target Detection", Evidence-Based Complementary and Alternative Medicine 2022.
  19. Maity, M., S. Banerjee, and S. S. Chaudhuri (2021), "Faster R-CNN and Yolo based Vehicle Detection: A Survey", 2021 5th International Conference on Computing Methodologies and Communication (ICCMC), Erode, India, 1442~1447.
  20. Wang, K. H. and S. H. Lai (2019), "Object Detection in Curved Space for 360-Degree Camera", ICASSP 2019-2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Brighton, UK, 3642~3646.
  21. Yan, Z. and J. Yi (2022), "Dissecting Latency in 360° Video Camera Sensing Systems", Sensors, 22(16): 6001.
  22. Yang, X., X. Zhang, N. Wang, and X. Gao (2021), "A Robust One-Stage Detector for Multiscale Ship Detection with Complex Background in Massive SAR Images", IEEE Transactions on Geoscience and Remote Sensing, 60: 1~12. https://doi.org/10.1109/TGRS.2021.3128060
  23. Zhang, T., Y. Song, Z. Kong, T. Guo, M. Lopez-Benitez, E. Lim, and L. Yu (2022), "Mobile Robot Tracking with Deep Learning Models under the Specific Environments", Applied Sciences, 13(1): 273.
  24. Zou, Z., K. Chen, Z. Shi, Y. Guo, and J. Ye (2023), "Object Detection in 20 Years: A Survey", Proceedings of the IEEE, Thuwal, Saudi Arabia.