실제 옹벽 변위를 모니터링하기 위한 자연 특징 탐지 및 매칭 기법 개발

Development of Natural Feature-Detection and -Matching Techniques for Monitoring Actual Retaining-Wall Displacements

카메라를 통해 옹벽 표면의 중요한 점을 탐지하고 추적하는 것은 옹벽 거동을 예측하기 위한 필수 기술이다. 옹벽 모니터링을 위해 인공 표적을 사용하는 여러 방법이 제안되었지만 단점이 존재한다. 또한 현장의 옹벽은 모니터링 할 때 조도에 따른 영상 품질 저하와 바람으로 인한 카메라 움직임과 같은 문제가 발생하게 된다. 따라서 본 연구에서는 옹벽의 자연 특징을 추출하여 인공 표적 없이 변위를 계산하는 특징 매칭 및 자연 영상 특징 검출방법을 제안하였다. 특징 매칭 알고리즘의 성능과 변위 계산의 정확도를 향상시키기 위해 히스토그램 균등화 및 호모그래피 알고리즘이 사용되었다. 이와 같은 기술을 실제 옹벽 현장에 적용하여 자연 특징 추출 및 변위 계산의 성능을 평가하였다. 그리고 인공 표적 대신 옹벽의 자연 특징을 추출하고 매칭한 결과 특징 매칭 알고리즘의 우수한 성능을 나타내는 것을 확인하였다. 개발된 기술을 실제 옹벽 현장에 적용한 결과 옹벽의 수평 변위, 침하 및 표면 변위의 최대 오차는 3.8 mm 범위로 분석되었다.

The detection and monitoring of key points on a retaining-wall surface using a vision camera is crucial for measuring displacement. Researchers have previously proposed adding several artificial makers to a retaining wall to monitor displacement. However, the use of artificial markers presents several disadvantages. Additionally, vision-based displacement monitoring under field conditions are typically affected by problems such as illumination variation and strong wind-induced nonstationary cameras. Therefore, this study proposes a natural-target-based feature-matching method to extract natural features from retaining walls, thus enabling displacement calculation without artificial targets. Histogram equalization and homography algorithms are used to enhance the performance of the feature-matching algorithms and improve the accuracy of displacement calculation. An image dataset from a monitoring camera installed on an actual retaining wall at Seobu Mountain, Busan, Korea, is used to evaluate the performance of natural-feature extraction and displacement calculation. The results show that the feature-matching algorithm performed well in extracting and matching the natural features of the retaining wall compared with artificial markers. Additionally, the calculated horizontal displacement, settlement, and facing displacement of the actual retaining wall based on the single-camera and natural-feature-based methods indicate a maximum overall error of 3.8 mm.