• Smart Structures and Systems
• /
• 제19권1호
• /
• pp.11-20
• /
• 2017

For structural damage detection of shear buildings, this paper proposes a new concept using structural element mass-stiffness vector (SEMV) based on special mass and stiffness distribution characteristics. A corresponding damage identification method is developed combining the SEMV with the cross-model cross-mode (CMCM) model updating algorithm. For a shear building, a model is assumed at the beginning based on the building's distribution characteristics. The model is updated into two models corresponding to the healthy and damaged conditions, respectively, using the CMCM method according to the modal parameters of actual structure identified from the measured acceleration signals. Subsequently, the structural SEMV for each condition can be calculated from the updated model using the corresponding stiffness and mass correction factors, and then is utilized to form a new feature vector in which each element is calculated by dividing one element of SEMV in health condition by the corresponding element of SEMV in damage condition. Thus this vector can be viewed as a damage detection feature for its ability to identify the mass or stiffness variation between the healthy and damaged conditions. Finally, a numerical simulation and the laboratory experimental data from a test-bed structure at the Los Alamos National Laboratory were analyzed to verify the effectiveness and reliability of the proposed method. Both simulated and experimental results show that the proposed approach is able to detect the presence of structural mass and stiffness variation and to quantify the level of such changes.

• 지적과 국토정보
• /
• 제48권2호
• /
• pp.213-225
• /
• 2018

3차원 공간정보 구축을 위해 건물 텍스처를 촬영하는 과정에서 폐색영역 문제가 발생한다. 이를 해결하기 위해선 폐색영역을 자동 인식하여 이를 검출하고 텍스처를 자동 보완하는 자동화 기법 연구가 필요하다. 현실적으로 매우 다양한 구조물 형상과 폐색을 발생시키는 경우가 있으므로 이를 극복하는 대안들이 고려되고 있다. 본 연구는 최근 대두되고 있는 딥러닝 기반의 알고리즘을 이용하여 폐색지역 패턴화하고, 학습기반 폐색영역 자동 검출하는 접근을 시도한다. 영상 내 객체 추출에서 우수한 성과를 발표하는 Convolutional Neural Network (CNN) 기법의 향상된 알고리즘인 Faster Region-based Convolutional Network (R-CNN)과 Mask R-CNN 2가지를 이용하여, 건물 벽면 촬영 시 폐색을 유발하는 사람, 현수막, 차량, 신호등에 대한 자동 탐지하는 성능을 알아보기 위해 실험하고, Mask R-CNN의 미리 학습된 모델에 현수막을 학습시켜 자동탐지하는 실험을 통해 적용이 높은 결과를 확인할 수 있었다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2001년도 춘계학술대회논문집
• /
• pp.577-582
• /
• 2001

Identification of damage of structures has recently received considerable attention in the light of maintenance and safety assessment under service loads. In buildings, the current techniques of safety assessment largely depend on partial experiments such as visual inspection, destructive and nondestructive tests which lead to overconsumption of time and cost as well as higher labor intensity. Therefore, a new trial for safety assessment is urgently needed today. In this respect, the vibration characteristics of buildings have been applied steadily to obtain a damage index of the whole building, but it cannot be established as a practical method until now. This study is aimed at investigating the application of damage identification methods using vibration characteristics of building. Numerical tests are performed on a apartment building. From the test results, it is observed that severity and location of damage can be estimated with a relatively small error by using natural frequency and mode shape data.

• 한국컴퓨터산업교육학회:학술대회논문집
• /
• 한국컴퓨터산업교육학회 2003년도 제4회 종합학술대회 논문집
• /
• pp.39-44
• /
• 2003

This paper presents an algorithm for acquisition of linear segments of building from edge pixels using Kalman filtering. We can obtain the accurate position of building corners from the linear segments of building. The corner points are used to calculate the position of building corners in world coordinate using stereo vision technique. The algorithm has been applied to pairs of stereo aerial images and the result showed accurate linear segment detection from edge pixels of roof boundaries.

• 한국터널지하공간학회 논문집
• /
• 제23권4호
• /
• pp.253-263
• /
• 2021

콘크리트 구조물은 노후화와 외부 환경에 의한 요인으로 훼손된다. 이 같은 훼손은 가장 먼저 균열로 나타나고 향후에는 박락으로도 진행된다. 이러한 콘크리트 손상은 구조물이 갖는 본래의 설계 지지력을 감소시키는 주된 원인으로 작용할 수 있어 구조물의 안정성에 부정적인 영향을 미친다. 이러한 종류의 손상이 지속되면 안전사고로도 이어질 가능성이 있어 적절한 보수와 보강이 필요하다. 이를 위해서는 구조물에 대한 정확하고 객관적인 상태 점검이 이루어져야 하며 손상 영역을 탐지할 수 있는 센서 기술 또한 필요하다. 따라서 본 논문에서는 박락을 탐지할 수 있는 딥러닝 기반의 영상처리 알고리즘을 제안했다. 연구 과정에서 298장의 박락 영상을 확보하였으며, 이 가운데 253장을 학습용으로 사용했고, 나머지 45장을 테스트용으로 사용하였다. 아울러 본 논문에서는 탐지 성능을 향상하기 위해 향상된 손실함수와 데이트 증강 기법을 적용하였다. 그 결과 콘크리트 박락의 탐지 성능이 80.19%의 평균 중첩 정확도로 나타났다. 본 논문에서는 딥러닝 기반의 영상 처리 기법을 통해 콘크리트 박락을 탐지하는 기술을 개발했고, 향상된 손실 함수와 데이터 증강 기법으로 성능을 향상시키는 방법을 제안했다. 이 같은 기술은 향후 구조물의 정확한 점검과 진단에 활용될 것으로 기대된다.

• Wind and Structures
• /
• 제3권3호
• /
• pp.159-175
• /
• 2000

Many practical time series, including pressure signals measured on roof-corners of low-rise buildings in quartering winds, consist of relatively quiescent periods interrupted by intermittent transients. The dyadic wavelet transform is used to detect these transients in pressure time series and a relatively simple pattern classification scheme is used to detect underlying structure in these transients. Statistical analysis of the resulting pattern classes yields a library of signal "building blocks", which are useful for detailed characterization of transients inherent to the signals being analyzed.

• 방송공학회논문지
• /
• 제13권2호
• /
• pp.236-244
• /
• 2008

본 논문에서는 칼라 세그멘테이션, 에지 정합, 지각적 그룹핑 등을 사용하여 Lidar 데이터와 광학 영상의 정보 융합에 의한 새로운 구조물 검출 및 복원 알고리듬을 제안한다. 제안하는 알고리듬은 두 가지 단계로 구성된다. 첫 번째로, 항공 Lidar 데이터로부터 초기 구조물 추출 결과와 영상의 칼라 세그멘테이션 결과를 사용하여 coarse building boundary를 추출한다. 두 번째로, coarse building boundary와 에지 정합 및 지각적 그룹핑에 의해 보다 정밀한 구조물 추출 결과인 precise building boundary를 추출한다. 본 논문에서 제안하는 알고리듬은 보다 신뢰성 있는 구조물 검출을 위해, 광학 영상으로부터 칼라 정보를 사용한다. 이를 통해, Lidar에 의해 획득된 붕괴된 형태의 구조물 외곽선을 보완한다. 또한, 인공지물의 특징으로서, 에지의 직선성 및 다면체 형태의 지붕모양을 반영함으로써 신뢰성 있는 구조물을 검출한다. 다중 센서 데이터에 대한 실험은 제안하는 알고리듬이 Lidar 단일 센서 결과에 비해 정밀하고 신뢰성 있는 결과를 보여준다.

• 로봇학회논문지
• /
• 제10권1호
• /
• pp.33-41
• /
• 2015

Recent developments in robotics and intelligent vehicle area, bring interests of people in an autonomous driving ability and advanced driving assistance system. Especially fully automatic parking ability is one of the key issues of intelligent vehicles, and accurate parked vehicles detection is essential for this issue. In previous researches, many types of sensors are used for detecting vehicles, 2D LiDAR is popular since it offers accurate range information without preprocessing. The L shape feature is most popular 2D feature for vehicle detection, however it has an ambiguity on different objects such as building, bushes and this occurs misdetection problem. Therefore we propose the accurate vehicle detection method by using a 3D complete vehicle model in 3D point clouds acquired from front inclined 2D LiDAR. The proposed method is decomposed into two steps: vehicle candidate extraction, vehicle detection. By combination of L shape feature and point clouds segmentation, we extract the objects which are highly related to vehicles and apply 3D model to detect vehicles accurately. The method guarantees high detection performance and gives plentiful information for autonomous parking. To evaluate the method, we use various parking situation in complex urban scene data. Experimental results shows the qualitative and quantitative performance efficiently.

• 대한공간정보학회지
• /
• 제11권2호
• /
• pp.61-66
• /
• 2003

지형도 제작, 환경, 산림, 시설물 탐지 등의 분야에서 위성영상이나 항공사진을 이용하여 변화탐지가 수행되어 왔다. Landsat이나NOAA 위성의 저해상 영상은 자동 변화탐지에 사용되어 왔으며, 항공사진과 같은 고해상 영상은 판독에 의한 변화탐지에 사용되었다. 고해상 위성영상을 이용하여 이러한 자동 변화탐지와 수동 변화탐지를 통합하려는 시도가 있지만, 그림자, 중심 투영 영상으로 인한 건물의 왜곡, 정밀한 기하보정 등의 문제점이 발견되고 있다. 본 논문에서는 IKONOS 위성영상을 이용하여 변화 탐지를 수행하고, 이에 따른 문제점을 살펴보도록 하겠다.

• 대한원격탐사학회지
• /
• 제25권3호
• /
• pp.271-285
• /
• 2009

Multi-temporal satellite imagery can be changed into a transform image that emphasizes the changed area only through the application of various change detection techniques. From the transform image, an automated change detection model calculates the optimal threshold value for classifying the changed and unchanged areas. However, the model can cause undesirable results when the histogram of the transform image is unbalanced. This is because the model uses a single threshold value in which the sign is either positive or negative and its value is constant (e.g. -1, 1), regardless of the imbalance between changed pixels. This paper proposes an advanced method that can improve accuracy by applying separate threshold values according to the increased or decreased range of the changed pixels. It applies multiple threshold values based on the cumulative producer's and user's accuracies in the automated binary change detection model, and the analyst can automatically extract more accurate optimal threshold values. Multi-temporal IKONOS satellite imagery for the Daejeon area was used to test the proposed method. A total of 16 transformation results were applied to the two study sites, and optimal threshold values were determined using accuracy assessment curves. The experiment showed that the accuracy of most transform images is improved by applying multiple threshold values. The proposed method is expected to be used in various study fields, such as detection of illegal urban building, detection of the damaged area in a disaster, etc.