건설 현장 모니터링을 위한 다수 건설 인력의 영상 기반 위치 추적 방법 :Vision based Tracking for On-Site Monitoring of Multiple Construction Workers

이용주

추천

검색

자료유형: 학위논문

저자정보: 이용주 (명지대학교, 명지대학교 대학원)

지도교수: 박만우

발행연도: 2017

저작권: 명지대학교 논문은 저작권에 의해 보호받습니다.

이용수12

이 논문의 연구 히스토리 (2)

2017

건설 현장 모니터링을 위한 다수 건설 인력의 영상 기반 위치 추적 방법

이용주 일반 2017.01 학위논문

다수의 건설인력 위치 추적을 위한 스테레오 비전의 활용

이용주 , 박만우 한국BIM학회논문집 2017.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

건설 현장에서의 위치 데이터는 단순히 개체들의 이동을 파악하는 용도 외에도 다양한 목적으로 사용될 수 있다. 위치 데이터와 개체의 정보를 결합하여 공정 진행 상황을 쉽게 파악할 수 있으며 장비의 가동률을 파악하거나 자재를 관리하고, 장비의 충돌이나 간섭 여부를 파악하거나 건설 인력의 위험 지역 접근 여부 등을 파악하여 건설 현장 안전 관리에도 사용될 수 있다. 기존에는 위치 데이터를 확보하기 위해 GPS, RFID와 같은 장비들이 주로 사용되었다. 하지만 이러한 장비들은 위치 추적을 위해 추적 목표 개체에 별도의 태그 등을 부착해야하기 때문에 그에 따른 시간과 비용의 소모가 발생했으며 건설 현장이 대형화될수록 그 소모량이 더욱 커지는 단점이 있었다. 이러한 이유로 최근에는 카메라만을 이용하여 건설 개체를 추적하기 위한 노력이 진행되고 있다. 카메라로 촬영된 영상으로부터 특정 정보를 추출해냄으로써 기존에는 사람의 시각을 통해서만 파악할 수 있던 정보들을 카메라만을 이용하여 원격으로 확보할 수 있게 되었다. 하지만 영상을 이용하여 위치 데이터를 확보하는 방법들에 대한 연구는 아직 초기 단계이다. 영상 기반 위치 추적 방법으로 제시된 기존 연구에서는 스테레오 카메라를 이용하여 촬영된 영상으로부터 건설 인력, 차량, 자재 등의 위치를 성공적으로 추적해냈다. 하지만 기존의 연구 방법들은 단일 개체의 추적에만 중점을 두고 있어, 다수의 개체를 추적하지 못하는 한계가 있다. 또한, 3D 위치 좌표 계산을 위해 수행되는 카메라 캘리브레이션 과정에서 체커보드(Checker board)가 필수적으로 사용되기 때문에 카메라와 피사체 간의 거리가 비교적 멀리 떨어져 있는 건설 현장과 같은 야외 환경에 적용할 경우 발생할 수 있는 문제들을 갖고 있다.
본 연구에서는 자동화된 건설 현장 모니터링에 적합하도록 기존의 방법을 개선하여 다수의 건설 인력을 추적할 수 있는 방법을 제안하고자 한다. 다수 건설 인력의 추적에 필요한 동일한 개체의 매칭쌍을 획득하기 위해 개체 매칭 과정을 추가한다. 개체 매칭 과정은 등극선 기하학(Epipolar geometry)에 기반한 방법을 이용하여 수행한다. 스테레오 영상에서 개체 추적을 통해 얻어낸 각 개체의 영역을 등극선(Epipolar line)을 이용해 개체를 매칭시킴으로써 다수의 개체를 추적할 수 있다. 카메라 캘리브레이션 과정에서는 체커보드 대신 GCP(Ground Control Point)를 사용하여 카메라 행렬을 계산함으로써 3D 위치 좌표를 계산할 수 있도록 개선한다. 이를 통해, 건설 현장에 보다 적합한 다수 건설 인력의 위치 추적 방법을 제안하고 적용 가능성을 검토한다.
제안하는 방법의 적용 가능성을 확인하기 위해 직접 생성한 실험 데이터를 이용해 개체 매칭을 수행하고 제안된 카메라 캘리브레이션 과정을 통해 얻어낸 카메라 파라미터를 이용하여 3D 위치 좌표를 계산한다. 본 연구에서 제시하는 개체 매칭 과정을 위해 두 개의 Threshold를 정의하고, 개체 매칭의 정확도에 따라 최적값을 결정한다. 또한, 개체 매칭 과정을 통해 생성된 각 개체의 대응점을 이용하여 3D 위치 좌표를 계산하고 실측 위치 좌표와의 비교를 통해 개체 매칭 방법이 적용된 영상 기반 위치 추적 방법의 정확도를 확인한다.

Location of on-site construction resources such as equipment, workers, and materials is one of the valuable data type that can be converted to useful information about the on-site activities. For example, combining location data and object information allows site managers to easily grasp the progress of the process as well as the operation rate of equipment. It also helps to manage materials, identify whether equipment is colliding or interfering. Therefore, continuous research efforts have been made on the acquisition of the location data on construction sites. As a result, GPS and RFID are increasingly employed on the site to track the location of equipment and materials, respectively. However, these systems are based on radio frequency technologies which require attaching tags or sensors on every target entity. Implementing the systems incurs time and costs for attaching/detaching/managing the tags or sensors day by day. Also, the time and costs increase as a larger number of entities are deployed on the site. For this reason, efforts are currently being made to track construction entities using only cameras. By extracting specific information from the image captured by the camera, it is possible to remotely acquire the information that could be grasped only through human eyes. Vision-based 3D tracking has been presented in a previous research work in which the location of construction manpower, vehicle, and materials were successfully tracked. However, the proposed system is still in its infancy and yet to be implemented on practical applications for two reasons. First, it does not involve entity matching across two views, and thus cannot be used for tracking multiple entities, simultaneously. Second, the use of a checker board in the camera calibration process entails a focus-related problem when the baseline is long and the target entities are located far from the cameras.
The objective of this research is to propose a vision-based method to track multiple workers simultaneously, and to test its feasibility in the construction site environment. This research starts from the previous research work and improves it to be suitable for automated construction site monitoring. An entity matching procedure is added to acquire the matching pairs of the same entities across two views which is necessary for tracking multiple entities. Also, the proposed method simplified the calibration process by avoiding the use of a checkerboard, making it more adequate to the realistic deployment on construction sites. The entity matching mainly employs the epipolar geometry along with distance thresholding schemes, and the use of a checker board is replaced with GCP(Gounrd Control Point)-based rectification.
In order to verify the applicability of the proposed method, entity matching was performed by using the generated experimental data and the 3D locations were calculated using the camera parameters obtained through the proposed camera calibration process. Two thresholds were defined for the proposed matching process and their optimal values determined depending on the accuracy of the matching process. In addition, 3D locations are calculated using the corresponding points of each entity created through the entity matching process, and the accuracy of estimated 3D locations is evaluated by comparing with the actual locations.

#건설 현장 모니터링 #건설 자동화 #컴퓨터 비전 #스테레오 비전 #영상 처리 #위치 추적 #개체 매칭

그림목차 ⅲ
표목차 ⅴ
국문초록 ⅵ
제 1 장 서론 1
1.1 연구의 배경 1
1.2 관련 연구 3
1.2.1 기존 위치 데이터 확보 방법 3
1.2.2 영상 기반 위치 데이터 확보 방법 5
1.3 연구의 목적 9
제 2 장 연구 방법론 13
2.1 다수 인력 위치 추적 방법 13
2.2 개체 검출 및 추적 13
2.3 개체 매칭 16
2.3.1 기초행렬의 계산 16
2.3.2 개체 매칭 방법 20
2.4 3D 위치 좌표 계산 26
2.4.1 카메라 행렬 계산 27
2.4.2 3D 위치 좌표 계산 29
제 3 장 실험 결과 31
3.1 실험 구성 31
3.2 기초행렬 산정 34
3.3 파라미터 결정 및 개체 매칭 결과 35
3.3.1 파라미터 결정 36
3.3.2 개체 매칭 결과 37
3.4 3D 위치 좌표 계산 결과 41
제 4 장 결론 45
참고문헌 47
부록 50
Abstract 57

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)