• 한국지리정보학회지
• /
• 제11권3호
• /
• pp.136-150
• /
• 2008

항공사진이나 LiDAR 데이터를 이용하여 건물의 자동 추출에 있어서 많은 연구가 이루어졌지만, 3차원 위치정보와 영상의 형상정보라는 두 데이터의 장점을 융합하여 정확도를 향상시킬 수 있다. 이를 위하여 본 연구에서는 등고선 기반의 건물인식 알고리즘을 사용하여 LiDAR 데이터를 이용한 건물 인식 정확도를 향상시키고, 항공사진을 이용하여 건물 경계의 정교화도 추구하였다. 등고선기반 건물 인식 방법은 건물의 경계와 지붕구조물 정보를 생성할 수 있으며, 기존 TIN기반 인식 방법이나 NDSM기반 방법보다 우수한 건물 탐지 정확도를 보여주었다. 등고선으로 추정된 건물경계에 일정한 크기의 버퍼를 생성하여 항공사진의 경계영역을 한정시키고, double active contour를 사용하여 항공사진의 에지에 맞도록 건물경계를 정교화 하였다. 본 연구성과를 이용하여 향후 추출된 개체 경계의 일정 범위에서 최적의 정합을 수행하여 3차원 건물 경계를 생성할 수 있다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제9권1호
• /
• pp.64-70
• /
• 2017

In the commercial building such as huge enterprise building, more accurate operation of the center-controlled roller blind. We design, in this work, the target disc that its shape is nonlinearly changing and the sensor coils that are differentially arranged. The performance shows less than 1% accuracy when it is implemented in the roller blind.

• 대한설비공학회:학술대회논문집
• /
• 대한설비공학회 2004년도 동계학술대회 논문집
• /
• pp.55-55
• /
• 2004

• 한국측량학회지
• /
• 제40권3호
• /
• pp.227-237
• /
• 2022

다시기 고해상도 영상에 존재하는 건물의 위치 및 형태학적 왜곡은 건물의 변화탐지를 어렵게 만드는 요인 중 하나이다. 이를 해결하기 위하여 부가적인 3차원 지형정보 및 딥러닝을 활용한 연구가 수행되고 있지만, 실제 사례에 적용되기 어려운 한계가 있다. 본 연구에서는 건물의 효율적인 변화탐지를 수행하기 위하여, 건물의 위치 정보뿐만 아니라 건물 간 위상정보를 활용하는 방안을 제시한다. 다양한 비연직 영상에서의 건물을 학습하기 위하여 SpaceNet v2 데이터셋을 사용하여 Mask R-CNN (Region-based Convolutional Neural Network)을 학습하였으며, 건물 객체를 탐지하여 중심점을 노드로 추출하였다. 추출한 건물 노드를 중심으로 서로 다른 두 시기에 대해 각각 TIN (Triangulated Irregular Network) 그래프들을 형성하고, 두 그래프 간 구조적 차이가 발생한 영역에 기반하여 변화 건물을 추출하기 위해 그래프 유사도와 노드의 위치 차이를 반영한 변화 지수를 제안하였다. 최종적으로 변화 지숫값을 기반으로 두 그래프 간 비교를 통해 새롭게 생성되거나 삭제된 건물을 탐지하였다. 총 3쌍의 테스트 영역에 대해 제안한 기법을 적용한 결과, 건물들 간 연결성의 변화를 고려함으로써 기복 변위에 의해 서로 다른 시기간 동일 건물 쌍을 판단하기 어려운 경우에도 변화가 발생한 건물을 적절하게 탐지하는 것을 확인할 수 있었다.

• 한국재난정보학회 논문집
• /
• 제18권4호
• /
• pp.922-929
• /
• 2022

연구목적: 본 논문은 지하공동구 내 CCTV에서 촬영된 영상에서 소화기를 탐지하기 위해 딥러닝 모델을 개발하는데 목적이 있다. 연구방법: 딥러닝 기반 지하공동구 내 소화기 탐지를 위해 다양한 소화기 이미지를 수집하였으며 CNN 알고리즘을 기반으로 하여 One-stage Detector 방식을 적용한 모델을 개발하였다. 연구결과: 지하공동구 내 CCTV 영상을 통해 10m 이내의 거리에서 촬영되는 소화기의 검출률은 96%이상으로 우수한 검출률을 보여준다. 다만 10m 이상의 거리에서는 육안으로도 확인하기 힘든 상태로, 소화기 객체 검출률이 급격하게 낮아지는 것을 확인하였다. 결론: 본 논문은 지하공동구 내 소화기 객체를 검출하는 모델을 개발하였으며, 해당 모델이 높은 성능을 보여 지하공동구 디지털트윈 모델 연동에 활용할 수 있을 것으로 판단된다.

• 한국ITS학회 논문지
• /
• 제17권5호
• /
• pp.55-64
• /
• 2018

운전자의 안전사고에 직접적인 원인이 되고, 차량 파손을 유발시켜 재산상의 피해를 발생시키고 있는 포트홀을 완전 합성곱 신경망 기반의 자동으로 탐지하는 기법을 본 논문에서는 제안한다. 먼저, 실제 국내 도로를 주행하면서 차량에 설치된 카메라를 통하여 학습 데이터셋을 수집하고, 완전 합성곱 신경망 구조를 활용하여 의미론적 분할 형태로 신경망을 학습하였다. 어두운 환경에서 강건한 성능을 보이기 위하여 학습 데이터셋을 밝기에 따라서 증강하여 총 30,000장의 이미지를 학습하였다. 또한, 제안된 자동 포트홀 탐지 기술의 성능을 검증하기 위하여 총 450장의 평가 DB를 생성하였고, 총 네 명의 전문가가 각각의 이미지를 평가하였다. 평가 결과, 제안된 포트홀 탐지 기술은 높은 민감도 수치를 나타나는 것으로 평가 되었으며, 이는 정탐에서 강건한 성능을 보이는 것으로 해석 가능하다.

• 한국전산구조공학회논문집
• /
• 제21권1호
• /
• pp.1-11
• /
• 2008

전단빌딩에 발생한 손상 추정에 있어서 대상 구조물의 물성치를 가정하고 이상화한 모델을 이용한 역해석이 필요하다. 강성행렬을 이용하는 고전적인 손상추정 방법에 비해 유연도 행렬을 이용한 손상추정은 구조물의 저차모드를 이용하기 때문에 비교적 정확한 값을 계산할 수 있기 때문에 더 효과적으로 알려져 있다. 이 논문에서는 손상추정을 위한 알고리즘으로 유전자 알고리즘(Genetic Algorithm, GA)을 도입하였고, 구조 응답에서 취득할 수 있는 유연도 행렬을 이용하여 역해석을 통한 손상추정 기법을 소개하고 있다. 제안된 손상추정 기법은 전단빌딩의 강성에 대한 정확한 정보가 없는 상황에서 전단빌딩의 손상으로 인한 실제 강성변화량을 추정하도록 하였다. 더불어 open source code인 OPENSEES를 이용하여 전단빌딩 수치해석을 통해 제안된 손상추정 기법의 효율성을 검증하였다.

• 한국안전학회지
• /
• 제36권2호
• /
• pp.87-93
• /
• 2021

Modern society shows rapid growth that is different from that of the development of existing technologies. The development of these technologies has led to the tendency of buildings to become dense, large and advancing. Regarding fire hazards, the possibility of large-scale fires causing fatal damage, due to the rapid spread of fire, increases. Therefore, for this reason, fire defense, i.e. detection and fire extinguishing facilities, in buildings are essential and well applied. But there are always limitations to that. Based on this reason, we would like to suggest the introduction of a new concept of a fire safety system. The method presented here is not only to use a single system for fire detection and fire extinguishing systems but to jointly use it in the environment and energy management fields within the building. However, an important step is required before introducing a system of these technologies. The fire extinguishing method proposed by this system is a method of extinguishing by blocking oxygen flowing into the space where the fire occurred. However, a sufficient basis is needed for this system to be applied in practice. Therefore, in this study, we intend to conduct a preliminary experiment to introduce the new concept of fire detection and extinguishing. The experiment used ethanol with a relatively simple combustion reaction and a high possibility of complete combustion. As a result, it was confirmed how the internal values changed during a fire using ethanol. Resultingly, we obtained the internal oxygen concentration and internal environmental changes according to the initial flame size. Lastly, the data accumulated in this study can be used as data for application in an automatic fire extinguishing system.

• Structural Engineering and Mechanics
• /
• 제87권6호
• /
• pp.555-574
• /
• 2023

An efficient optimization algorithm and damage-sensitive objective function are two main components in optimization-based Finite Element Model Updating (FEMU). A suitable combination of these components can considerably affect damage detection accuracy. In this study, a new hybrid damage-sensitive objective function is proposed based on combining two different objection functions to detect the location and extent of damage in structures. The first one is based on Generalized Pseudo Modal Strain Energy (GPMSE), and the second is based on the element's Generalized Flexibility Matrix (GFM). Four well-known population-based metaheuristic algorithms are used to solve the problem and report the optimal solution as damage detection results. These algorithms consist of Cuckoo Search (CS), Teaching-Learning-Based Optimization (TLBO), Moth Flame Optimization (MFO), and Jaya. Three numerical examples and one experimental study are studied to illustrate the capability of the proposed method. The performance of the considered metaheuristics is also compared with each other to choose the most suitable optimizer in structural damage detection. The numerical examinations on truss and frame structures with considering the effects of measurement noise and availability of only the first few vibrating modes reveal the good performance of the proposed technique in identifying damage locations and their severities. Experimental examinations on a six-story shear building structure tested on a shake table also indicate that this method can be considered as a suitable technique for damage assessment of shear building structures.

• 인터넷정보학회논문지
• /
• 제23권4호
• /
• pp.57-64
• /
• 2022

화재, 붕괴, 자연재해 등의 재난 발생으로 건물 내부가 붕괴하는 경우, 기존의 건물 내부의 물리적 보안이 무력해질 확률이 높다. 이때, 붕괴 건물 내의 인명피해와 물적 피해를 최소화하기 위한 물리적 보안이 필요하다. 따라서 본 논문은 기존 연구되었던 장애물을 탐지하고 건물 내 붕괴된 지역을 탐지하는 연구와 인명피해를 최소화하기 위한 딥러닝 기반 객체 탐지 알고리즘을 융합하여 재난 상황의 피해를 최소화하기 위한 알고리즘을 제안한다. 기존 연구에서 단일 카메라만을 활용하여 현재 로봇이 있는 복도 환경의 붕괴 여부를 판단하고 구조 및 수색 작업에 방해가 되는 장애물을 탐지했다. 이때, 붕괴 건물 내 물체는 건물의 잔해나 붕괴로 인해 비정형의 형태를 가지며 이를 장애물로 분류하여 탐지하였다. 또한, 재난 상황에서 자원 중 가장 중요한 요구조자를 탐지하고 인적 피해를 최소화하기 위한 방법을 제안하고 있다. 이를 위해, 본 연구는 공개된 재난 영상과 재난 상황의 이미지 데이터를 수집하여 다양한 딥러닝 기반 객체 탐지 알고리즘을 통해 재난 상황에서 요구조자를 탐지하는 정확도를 구했다. 본 연구에서 재난 상황에 요구조자를 탐지하는 알고리즘을 분석한 결과 YOLOv4 알고리즘의 정확도가 0.94로 실제 재난 상황에서 활용하기 가장 적합하다는 것을 증명하였다. 본 논문을 통해 재난 상황의 효율적인 수색과 구조에 도움을 주며 붕괴된 건물 내에서도 높은 수준의 물리적 보안을 이룰 수 있을 것이다.