| 1 |
1
대상 구조물인 기존의 철도 터널에 대한 라이다 계측을 수행하여 3D 점군 데이터(3D point cloud data)를 획득하는 라이다 계측부;상기 라이다 계측부에서 획득된 형상정보인 상기 3D 점군 데이터(3D point cloud data)를 딥러닝 알고리즘을 통해 철도 터널을 이루는 각 객체로 인식하는 딥러닝 객체 인식부;상기 라이다 계측부에서 획득된 형상정보가 상기 딥러닝 객체 인식부에서 모델링 할 단위 객체로 인식 및 분류되면, 철도 터널을 이루는 각 객체별 파라미터를 추출하는 객체 파라미터 추출부;상기 객체 파라미터 추출부에서 추출된 파라미터들을 기반으로 BIM (Building Information Modeling) 모델링을 수행하는 모델링부; 및상기 모델링부에서 모델링 된 철도 터널의 BIM을 구축하는 BIM 구축부;를 포함하는 철도 터널의 자동화된 BIM 구축 시스템
|
| 2 |
2
제1항에 있어서, 상기 딥러닝 객체 인식부는, 상기 3D 점군 데이터(3D point cloud data)를 철도 터널을 이루는 각 객체로 인식하기 위해서 딥러닝 알고리즘을 학습하는 것을 특징으로 하는철도 터널의 자동화된 BIM 구축 시스템
|
| 3 |
3
제2항에 있어서, 상기 딥러닝 객체 인식부는, 상기 딥러닝 알고리즘을 학습하기 위해 구축된 학습 데이터베이스를 더 포함하는 것을 특징으로 하는 철도 터널의 자동화된 BIM 구축 시스템
|
| 4 |
4
제3항에 있어서, 상기 학습 데이터베이스는, 가상의 철도 터널을 3D로 모델링하고, 상기 모델링 된 결과물을 3D 점군(3D point cloud)으로 변환한 후, 상기 라이다 계측부에서 획득된 형상정보와 결합하여 구축되는 것을 특징으로 하는철도 터널의 자동화된 BIM 구축 시스템
|
| 5 |
5
제1항에 있어서, 상기 객체 파라미터 추출부는, 상기 3D 점군 데이터에 존재하는 계측 오차를 제거하는 것을 특징으로 하는철도 터널의 자동화된 BIM 구축 시스템
|
| 6 |
6
제5항에 있어서, 상기 객체 파라미터 추출부는, 상기 계측 오차가 제거된 방향성이 존재하지 않는 상기 3D 점군 데이터에 대해 z축을 기준으로 회전하면서 3D 점군 데이터를 x-y 평면 방향으로 투영하는 3D 회전 변환을 수행하는 것을 특징으로 하는철도 터널의 자동화된 BIM 구축 시스템
|
| 7 |
7
제6항에 있어서, 상기 객체 파라미터 추출부는, 상기 x-y 평면에 투영된 3D 회전 변환된 3D 점군 데이터에 대해 넬더-미드 단체(Nelder-Mead simplex) 알고리즘을 사용하여 x-y 평면에 투영된 3D 점군 데이터의 넓이를 최소화하는 각도를 찾는 것을 특징으로 하는철도 터널의 자동화된 BIM 구축 시스템
|
| 8 |
8
제6항에 있어서, 상기 객체 파라미터 추출부는, 상기 x-y 평면에 투영된 3D 회전 변환된 3D 점군 데이터에서 단면을 나누고 나누어진 구간별로 MSAC(M-estimator Sample Consensus) 알고리즘을 적용하여 터널의 단면 파라미터를 찾는 것을 특징으로 하는철도 터널의 자동화된 BIM 구축 시스템
|
| 9 |
9
제6항에 있어서, 상기 객체 파라미터 추출부는, 상기 3D 점군 데이터를 x-y 평면을 기준으로 투영한 2D 점군 데이터에 허프 변환을 적용하여 허프 피크를 추출함으로써 철도의 선형 파라미터를 추출하는 것을 특징으로 하는 철도 터널의 자동화된 BIM 구축 시스템
|
| 10 |
10
제1항에 있어서, 상기 모델링부는, 파라메트릭 BIM 라이브러리(Parametric BIM Library) 기반의 모델링 방법으로, 상기 객체 파라미터 추출부에서 추출된 철도 터널의 파라미터들을 기반으로 상기 BIM을 모델링 하는 것을 특징으로 하는 철도 터널의 자동화된 BIM 구축 시스템
|
| 11 |
11
제1항 내지 제 10항 중 어느 한 항의 철도 터널의 자동화된 BIM 구축 시스템을 이용한 철도 터널의 자동화된 BIM 구축 방법으로서,상기 라이다 계측부에서, 대상 구조물인 기존의 철도 터널에 대한 라이다 계측을 수행하여 3D 점군 데이터(3D point cloud data)를 획득하는 라이다 계측 단계;상기 딥러닝 객체 인식부에서, 상기 라이다 계측부에서 획득된 형상정보인 상기 3D 점군 데이터(3D point cloud data)를 딥러닝 알고리즘을 통해 철도 터널을 이루는 각 객체로 인식하는 딥러닝 객체 인식 단계;상기 객체 파라미터 추출부에서, 상기 라이다 계측부에서 획득된 형상정보가 상기 딥러닝 객체 인식부에서 모델링 할 단위 객체로 인식 및 분류되면, 철도 터널을 이루는 각 객체별 파라미터를 추출하는 객체 파라미터 추출 단계;상기 모델링부에서, 상기 객체 파라미터 추출부에서 추출된 파라미터들을 기반으로 BIM (Building Information Modeling) 모델링을 수행하는 모델링 단계; 및상기 BIM 구축부에서, 상기 모델링부에서 모델링 된 철도 터널의 BIM을 구축하는 BIM 구축 단계;를 포함하는 철도 터널의 자동화된 BIM 구축 방법
|
| 12 |
12
제11항에 있어서, 상기 딥러닝 객체 인식 단계는,상기 딥러닝 객체 인식부에서, 상기 3D 점군 데이터(3D point cloud data)를 철도 터널을 이루는 각 객체로 인식하기 위해서 딥러닝 알고리즘을 학습하는 단계를 더 포함하는 것을 특징으로 하는철도 터널의 자동화된 BIM 구축 방법
|
| 13 |
13
제12항에 있어서, 상기 딥러닝 객체 인식 단계는,상기 딥러닝 알고리즘을 학습하기 위해 학습 데이터베이스를 구축하는 단계를 더 포함하는 것을 특징으로 하는 철도 터널의 자동화된 BIM 구축 방법
|
| 14 |
14
제13항에 있어서, 상기 학습 데이터베이스는, 가상의 철도 터널을 3D로 모델링하고, 상기 모델링 된 결과물을 3D 점군(3D point cloud)으로 변환한 후, 상기 라이다 계측부에서 획득된 형상정보와 결합하여 구축되는 것을 특징으로 하는철도 터널의 자동화된 BIM 구축 방법
|
| 15 |
15
제11항에 있어서, 상기 객체 파라미터 추출 단계는,상기 객체 파라미터 추출부에서, 상기 3D 점군 데이터에 존재하는 계측 오차를 제거하는 단계를 더 포함하는 것을 특징으로 하는철도 터널의 자동화된 BIM 구축 방법
|
| 16 |
16
제15항에 있어서, 상기 객체 파라미터 추출 단계는,상기 객체 파라미터 추출부에서, 상기 계측 오차가 제거된 방향성이 존재하지 않는 상기 3D 점군 데이터에 대해 z축을 기준으로 회전하면서 3D 점군 데이터를 x-y 평면 방향으로 투영하는 3D 회전 변환을 수행하는 단계를 더 포함하는 것을 특징으로 하는 철도 터널의 자동화된 BIM 구축 방법
|
| 17 |
17
제16항에 있어서, 상기 객체 파라미터 추출 단계는,상기 객체 파라미터 추출부에서, 상기 x-y 평면에 투영된 3D 회전 변환된 3D 점군 데이터에 대해 넬더-미드 단체(Nelder-Mead simplex) 알고리즘을 사용하여 x-y 평면에 투영된 3D 점군 데이터의 넓이를 최소화하는 각도를 찾는 것을 특징으로 하는철도 터널의 자동화된 BIM 구축 시스템
|
| 18 |
18
제16항에 있어서, 상기 객체 파라미터 추출 단계는,상기 객체 파라미터 추출부에서, 상기 x-y 평면에 투영된 3D 회전 변환된 3D 점군 데이터에서 단면을 나누고 나누어진 구간별로 MSAC(M-estimator Sample Consensus) 알고리즘을 적용하여 터널의 단면 파라미터를 찾는 단계를 더 포함하는 것을 특징으로 하는철도 터널의 자동화된 BIM 구축 방법
|
| 19 |
19
제16항에 있어서, 상기 객체 파라미터 추출 단계는,상기 객체 파라미터 추출부에서, 상기 3D 점군 데이터를 x-y 평면을 기준으로 투영한 2D 점군 데이터에 허프 변환을 적용하여 허프 피크를 추출함으로써 철도의 선형 파라미터를 추출하는 단계를 더 포함하는 것을 특징으로 하는 철도 터널의 자동화된 BIM 구축 방법
|
| 20 |
20
제11항에 있어서,상기 모델링 단계는,상기 모델링부에서, 파라메트릭 BIM 라이브러리(Parametric BIM Library) 기반의 모델링 방법으로, 상기 객체 파라미터 추출부에서 추출된 철도 터널의 파라미터들을 기반으로 철도 터널에 대한 BIM을 모델링 하는 것을 특징으로 하는철도 터널의 자동화된 BIM 구축 방법
|
