| 1 |
1
시간에 따라 측정대상 구조물에 설치된 카메라가 상기 구조물 외부의 정지된 표적을 소정의 제1 샘플 주파수로 촬영한 영상 프레임 데이터와 상기 측정대상 구조물에 설치된 가속도계가 소정의 제2 샘플 주파수로 계측한 가속도 데이터를 이용하여, 상기 영상 프레임 데이터의 픽셀 해상도와 실제 공간의 거리 해상도 간의 환산 계수인 스케일 팩터(α)를 자동으로 산출하는 단계; 및향상된 특징점 매칭 알고리즘과 상기 스케일 팩터를 이용하여 상기 구조물의 변위값을 추정하고, 그 추정된 변위값을 이용하면서 비동기 된 상기 영상 프레임 데이터와 상기 가속도 데이터를 적응형 이종 샘플링 주파수 칼만 필터를 이용하여 균등하게 융합하는 것에 의해 영상 노이즈의 감소 및 시간 동기화하여 상기 가속도 데이터의 샘플링 주파수로 상기 구조물의 변위를 추정하는 단계를 포함하는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 2 |
2
제1항에 있어서, 상기 스케일 팩터를 자동으로 산출하는 단계는, 기준 영상 프레임과 비교 대상 영상 프레임 간에 소정의 특징점들을 비교하여 동일한 특징점들끼리 매칭하는 특징점 매칭 알고리즘을 적용하여 특징짐들의 픽셀 단위의 이동치를 추정하는 단계; 및 상기 가속도 데이터를 이중 적분하여 실제 공간에서의 길이 단위의 변위를 추정하는 단계를 포함하는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 3 |
3
제2항에 있어서, 상기 스케일 팩터를 자동으로 산출하는 단계는 구해진 상기 이동치의 추정치와 상기 변위의 추정치를 노이즈 제거를 위해 대역통과필터링 처리를 수행하는 단계를 더 포함하는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 4 |
4
제3항에 있어서, 상기 대역통과필터링 시 상기 카메라의 샘플링 주파수가 상기 영상 프레임의 주파수 성분의 최고 주파수보다 적어도 10배 이상인 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 5 |
5
제3항에 있어서, 상기 스케일 팩터를 자동으로 산출하는 단계는 상기 변위 추정치를 상기 이동치 추정치와 동기화하기 위해 대역통과필터링 처리된 변위의 추정치를 다운 샘플링 처리를 하여 단계를 더 포함하는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 6 |
6
제3항에 있어서, 상기 스케일 팩터(α)는 대역통과필터링 처리를 거친 상기 이동치 추정치 들과 상기 변위 추정치()들을 비교하여 구해진 그 두 값 간의 기울기인 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 7 |
7
제5항에 있어서, 상기 스케일 팩터 (α)는 대역통과필터링 처리된 이동치 추정치()들과 다운 샘플링 처리된 변위 추정치()들에 최소자승법 또는 RANSAC (RANdom SAmple Consensus) 알고리즘을 적용하여 구해지는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 8 |
8
제1항에 있어서, 상기 구조물의 변위를 추정하는 단계는,현재의 i번째 영상 프레임에서 관심영역(ith ROI)을 업데이트하는 단계; 소정의 특징점 매칭 알고리즘을 이용하여 첫 번째 영상 프레임의 관심영역(1st ROI) 내의 N개의 특징점과 상기 i번째 영상 프레임의 관심영역(ith ROI) 내의 N개의 특징점을 매칭시키는 단계; 신뢰도 높은 변위계측을 위해 미스매치 제거 알고리즘을 이용하여 N개의 특징점 매치 중에서 미스매치를 제거하고 양호한 특징점 매치들만 남기는 단계; 및 상기 양호한 특징점 매치들의 이동치들(translations)의 평균과 관심영역(ROI) 이동치(movement)의 합에 상기 스케일 팩터를 적용한 식 (단, 는 양호한 매치의 개수임)을 이용하여 최종 이동치를 추정하는 단계를 포함하는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 9 |
9
제8항에 있어서, 상기 i번째 영상 프레임에서 관심영역(ith ROI)을 업데이트하는 단계는,상기 길이 단위 변위의 사전 상태 추정치를 스케일 팩터를 이용하여 픽셀 단위로 환산하는 단계; 상기 i번째 영상 프레임의 관심타겟(TOI)의 픽셀 단위 이동치(diTOI)를 픽셀 단위로 환산된 상기 사전 상태 추정치를 활용하여 구하는 단계; 상기 i번째 관심영역(ith ROI)의 이동치(diROI)를 반올림 함수(a 'round' function) 를 이용하여 구하는 단계; 및 구해진 i번째 관심영역(ith ROI)의 이동치(diROI)를 이용하여 i번째 이미지 프레임의 관심영역(ith ROI)의 위치를 업데이트하는 단계를 포함하는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 10 |
10
제8항에 있어서, 상기 '미스매치를 제거하고 양호한 매치들만 남기는 단계'는 제1 특징점 미스매치 제거 알고리즘을 이용하여 특징점 미스매치를 제거하는 단계를 포함하고,상기 제1 특징점 미스매치 제거 알고리즘은, 상기 특징점 매치 중에서 최우수 특징점 매치(best match)를 선정하는 단계; 및 상기 최우수 특징점 매치를 기준으로 남은 특징점 매치들을 비교(cross-checking)하여 미스매치를 제거하는 단계를 포함하는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 11 |
11
제10항에 있어서, 상기 최우수 특징점 매치(best match)를 선정하는 단계는,첫 번째 영상 프레임의 관심영역과 상기 i번째 영상 프레임의 관심영역 간의 상기 N개의 특징점 매치들을 두 개씩 짝을 지어 N/2개 또는 (N-1)/2개의 특징점 매치 그룹을 형성하는 단계; 상기 N/2개 또는 (N-1)/2개의 특징점 매치 그룹 각각의 거리변동지수를 산출하는 단계; 및 산출된 N/2개 또는 (N-1)/2개의 거리변동지수 중에서 가장 작은 지수값()을 갖는 매치 그룹을 최우수 매치 그룹(best match group)으로 선정하고, 그 최우수 매치 그룹에 속하는 두 개의 매치 중 하나의 매치를 최우수 매치로 선택하는 단계를 포함하는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 12 |
12
제11항에 있어서, 상기 미스매치를 제거하는 단계는,선택된 최우수 매치를 기준으로 나머지 특징점 매치들 각각에 대하여 거리 간격들을 산출하여 미스매치 조건에 해당하는지를 판별하는 단계; 및 상기 특징점 미스매치들 중에서 상기 미스매치 조건에 해당하는 특징점들을 제거하고 양호한 매치들만 남기는 단계를 포함하는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 13 |
13
제12항에 있어서, 상기 미스매치 조건은 제1 및 제2 거리간격 조건을 포함하며, 상기 제1 거리간격 조건은 '첫 번째 영상 프레임의 관심영역 내 j번째 특징점과 최우수 매치 특징점 간의 최대거리'가 'i번째 영상 프레임의 관심영역 내 j번째 특징점과 최우수 매치 특징점 간의 최소거리' 이상인 것이고, 상기 제2 거리간격 조건은 'i번째 영상 프레임의 관심영역 내 j번째 특징점과 최우수 매치 특징점 간의 최대거리'가 '첫 번째 영상 프레임의 관심영역 내 j번째 특징점과 최우수 매치 특징점 간의 최소거리' 이상일 것이며, 여기서 j= 1, 2,
|
| 14 |
14
제11항에 있어서, 상기 거리변동지수는 식 으로 산출되고, 여기서 는 s번째 매치 그룹의 거리변동지수이며, 는 첫 번째 영상 프레임의 관심영역(ROI)에서 두 개의 특징점 간의 거리이고, 는 i번째 영상 프레임의 관심영역(ROI)에서 두 개의 특징점 간의 거리를 나타내는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 15 |
15
제8항에 있어서, 상기 '미스매치를 제거하고 양호한 매치들만 남기는 단계'는 제2 특징점 미스매치 제거 알고리즘을 이용하여 특징점 미스매치를 제거하는 단계를 포함하고,상기 제2 특징점 미스매치 제거 알고리즘은, 상기 제1 특징점 미스매치 제거 알고리즘으로 필터링 처리되고 남은 특징점 매치들 각각에 대하여 이동치(dij)가 계산하는 단계; 및 계산된 이동치가 식 으로 표현된 이동치(dij)의 범위 내에 속하지 못하는 특징점 매치를 미스매치로 간주하여 제거하는 단계를 포함하는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 16 |
16
제1항에 있어서, 상기 적응형 이종 샘플링 주파수 칼만 필터를 이용한 상기 영상 프레임 데이터와 상기 가속도 데이터의 융합은, 현재의 가속도 데이터(ak)만 가용하고, 그 현재의 가속도 데이터(ak)와 이전의 가속도 데이터(ak-1) 사이의 시간 간격 [(k-2)Δta, (k-1)Δta] 사이에 가용한 영상 프레임 데이터가 존재하지 않는 타입 1 시간단계에서, 제1식 를 이용하여 변위의 사전 상태추정치()를 구하고, 제2식 를 이용하여 상기 사전 상태추정치()의 오차 공분산 행렬()을 구하는 단계; 및시간 (k-1)Δta에서, 상기 사전 상태추정치() 및 그것의 사전 오차 공분산 행렬()과 동일한 사후 상태추정치()와 이의 사후 오차 공분산 행렬()을 구하는 단계의 수행을 통해 이루어지며, 여기서, Δta는 가속도 데이터들 간의 시간 간격이고, k는 가속도 데이터의 k번째 시간 간격을 나타내고, 와 ak-1는 '이전 시간 단계'에서의 사후 상태 추정치(posterior state estimate)와 가속도 데이터이고, 인 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 17 |
17
제16항에 있어서, 상기 적응형 이종 샘플링 주파수 칼만 필터를 이용한 상기 영상 프레임 데이터와 상기 가속도 데이터의 융합은, 시간 간격 [(k-2)Δta, (k-1)Δta] 사이에 영상 프레임 데이터(ith frame)만 가용하고, 가속도 데이터는 가용하지 않는 타입 2 시간단계에서,시간간격을 Δta에서 (i-1)Δtd-(k-1)Δta로 변경하여, 상기 제1 식 및 제2 식을 이용하여 변위의 사전 상태추정치()와 이의 사전 오차 공분산 행렬()을 추정하는 단계;구해진 상기 사전 상태추정치()와 이의 상기 사전 오차 공분산 행렬()을 이용하여 i번째 영상 프레임의 관심영역(ith ROI)을 업데이트하는 단계;제1 및 제2 특징점 미스매치 제거 알고리즘에 기반한 특징점 미스매치 제거에 구해진 상기 사전 상태추정치()와 이의 상기 사전 오차 공분산 행렬()을 적용하여 영상기반 변위(ui)를 추정하는 단계; 구해진 변위의 사전 상태추정치()와 이의 오차 공분산 행렬()과, 추정된 영상기반 변위(ui)를 이용하여, 영상기반 변위(ui)의 노이즈 분산(Ri)을 추정하는 단계;구해진 영상기반 변위의 노이즈 분산(Ri)을 이용하여 칼만 이득(K)을 식 를 이용하여 산출하는 단계; 및상기 칼만 이득(K)을 이용하여 시간 t=(i-1)Δtd에서 변위의 사후 상태 추정치() 및 이것의 오차 공분산 행렬()을 식 및 를 활용하여 구하는 단계의 수행을 통해 이루어지며,위 식들에서 x와 P는 y와 G로 표현되고, H는 벡터 [1, 0] 이고, i는 영상 계측데이터의 i번째 시간 스텝이고, Δtd는 영상 계측데이터들 간의 시간 간격인 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 18 |
18
제17항에 있어서, 상기 적응형 이종 샘플링 주파수 칼만 필터를 이용한 상기 영상 프레임 데이터와 상기 가속도 데이터의 융합은, 현재의 가속도 데이터(ak)와 이후의 가속도 데이터(ak+1) 사이의 시간간격 [t-Δta, t] 내에서 가속도 데이터와 영상 프레임 데이터가 모두 가용한 타입 3 시간단계에서, 상기 타입 1 시간단계의 가속도 데이터(ak)와 상기 타입 2 시간단계에서 구한 변위의 사후 상태 추정치() 및 이것의 오차 공분산 행렬()을 이용하여 변위의 사전 상태추정치()를 식 을 이용하여 구하는 단계;상기 변위의 사전 상태추정치()의 오차 공분산 행렬()을 식 을 이용하여 구하는 단계의 수행을 통해 이루어지며,여기서, , , 그리고 인 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법
|
| 19 |
19
제1항 내지 제18항 중 어느 한 항에 기재된 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체
|
| 20 |
20
제1항 내지 제18항 중 어느 한 항에 기재된 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 방법을 수행하기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 실행가능 프로그램
|
| 21 |
21
측정대상 구조물에 설치되어 상기 구조물 외부의 정지된 표적을 소정의 제1 샘플 주파수로 촬영하도록 구성된 카메라;상기 측정대상 구조물의 상기 카메라 근처에 설치되어, 소정의 제2 샘플 주파수로 가속도를 측정하도록 구성된 가속도계; 및상기 카메라와 상기 가속도계가 시간에 따라 계측한 일련의 영상 프레임 데이터와 가속도 데이터를 이용하여 상기 영상 프레임 데이터의 픽셀 해상도와 실제 공간의 거리 해상도 간의 환산 계수인 스케일 팩터(α)를 자동으로 산출하는 기능을 수행하도록 구성된 스케일 팩터 산출부와, 향상된 특징점 매칭 알고리즘과 상기 스케일 팩터를 이용하여 상기 구조물의 변위값을 추정하고, 그 추정된 변위값을 이용하면서 비동기된 상기 영상 프레임 데이터와 상기 가속도 데이터를 적응형 이종 샘플링 주파수 칼만 필터를 이용하여 균등하게 융합하는 것에 의해 상기 가속도 데이터의 샘플링 주파수로 상기 구조물의 변위를 추정하는 기능을 수행하도록 구성된 적응형 이종 샘플링 주파수 칼만 필터부를 포함하는 변위 추정부를 구비하는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 시스템
|
| 22 |
22
제21항에 있어서, 상기 변위 추정부는 상기 스케일 팩터 산출부와 상기 적응형 이종 샘플링 주파수 칼만 필터부를 구성하는 컴퓨터 프로그램과, 상기 컴퓨터 프로그램을 실행하여 상기 스케일 팩터(α)를 자동으로 산출하는 작업과 상기 구조물의 변위를 산출하는 작업을 수행하는 프로세서부를 포함하는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 시스템
|
| 23 |
23
제21항에 있어서, 상기 스케일 팩터를 자동으로 산출하는 기능은, 기준 영상 프레임과 비교 대상 영상 프레임 간에 소정의 특징점들을 비교하여 동일한 특징점들끼리 매칭하는 특징점 매칭 알고리즘을 적용하여 특징짐들의 픽셀 단위의 이동치를 추정하는 기능; 및 상기 가속도 데이터를 이중 적분하여 실제 공간에서의 길이 단위의 변위를 추정하는 기능을 포함하는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 시스템
|
| 24 |
24
제21항에 있어서, 상기 구조물의 변위를 추정하는 기능은,현재의 i번째 영상 프레임에서 관심영역(ith ROI)을 업데이트하는 기능; 소정의 특징점 매칭 알고리즘을 이용하여 첫 번째 영상 프레임의 관심영역(1st ROI) 내의 N개의 특징점들과 상기 i번째 영상 프레임의 관심영역(ith ROI) 내의 N개의 특징점들을 매칭시키는 기능; 신뢰도 높은 변위계측을 위해 미스매치 제거 알고리즘을 이용하여 N개의 특징점 매치들 중에서 미스매치를 제거하고 양호한 특징점 매치들만 남기는 기능; 및 상기 양호한 특징점 매치들의 이동치들(translations)의 평균과 관심영역(ROI) 이동치(movement)의 합에 상기 스케일 팩터를 적용한 식 (단, 는 양호한 매치의 개수임)을 이용하여 최종 이동치를 추정하는 기능을 포함하는 것을 특징으로 하는 비동기 자연 표적 영상 계측데이터와 가속도 데이터의 융합에 기초한 구조물 변위 측정 시스템
|
