주요 논문
5
*2026년 기준 최근 6년 이내 논문에 한해 Impact Factor가 표기됩니다.
1
article
|
인용수 0
·
2026Real-Time AR-Based Information Retrieval for Dynamic Objects on Construction Sites
Htoo Thiri Htet, Hye-Yeong Jung, Yong-Ju Lee, Man-Woo Park
IF 2 (2026)
KSCE Journal of Civil Engineering
작업자와 장비와 같은 동적 엔터티에 대한 실시간 정보를 손쉽게 활용할 수 있다면, 이는 건설 현장 관리에 실질적인 이점을 제공할 것이다. 건설 부문의 디지털화가 확대됨에 따라, 증강현실(Augmented Reality, AR)의 통합은 이러한 정보에 대한 즉각적인 접근을 더욱 용이하게 할 수 있다. 본 연구는 작업자와 장비의 실시간 모니터링을 지원하기 위해 컴퓨터 비전 기반의 탐지 및 추적과 위치 및 자력계(magnetometer) 데이터를 통합한 향상된 AR 프레임워크를 제시한다. 이 프레임워크의 핵심에는 AR 장치가 포착한 영상 객체를 이에 대응하는 GPS 기반 위치 데이터와 연관시키는 매칭(matching) 과정이 있으며, 이를 통해 카메라 화면 내에서 객체별 정보를 직접 검색할 수 있게 한다. 연구에서는 매칭의 안정성과 정확도를 향상시키기 위해 방향 일관성(directional consistency)과 엔터티 그룹화(entity grouping)를 도입하였다. 실험 평가 결과, 제안한 접근 방식은 안정적인 정보 검색을 보장하기에 충분히 높은 정밀도와 재현율을 달성했으며, 동시에 실시간 조건에서도 신뢰성 있게 동작함을 확인하였다.
https://doi.org/10.1016/j.kscej.2026.100572
Object (grammar)
Data retrieval
Information system
Human–computer information retrieval
Document retrieval
2
article
|
인용수 0
·
2025Image-based automation of Schmidt hammer test record interpretation
Htoo Thiri Htet, Man-Woo Park, Ali Ehsan
IF 2 (2025)
KSCE Journal of Civil Engineering
콘크리트 강도의 정확한 평가는 기반시설의 구조적 건전성을 확보하는 데 필수적이다. 슈미트 해머(Schmidt hammer) 시험은 콘크리트 강도를 추정하기 위해 널리 사용되는 비파괴 방법이지만, 기존의 아날로그 기록 방식은 수동 데이터 전사로 인해 작업이 노동집약적이며 오류가 발생하기 쉽다. 본 연구는 이미지 처리 기법을 이용하여 슈미트 해머 시험 기록을 자동으로 판독하는 접근법을 제안한다. 제안된 프레임워크는 YOLOv5 기반 객체 검출을 활용하여 막대그래프(bar graphs)의 상부 영역을 식별하고, 이미지 좌표로부터 그래프 좌표로의 좌표 변환을 적용한다. 정확한 변환을 용이하게 하기 위해, 기록지 위에 기준 직사각형 마크(reference rectangular mark)를 올려둔 투명 판(transparent plate)을 포함하여 이미지를 촬영하였다. 실험 결과, 제안된 프레임워크는 오차 <1로 시험 기록을 정확하게 추출하는 것으로 나타났으며, 인간의 개입을 최소화하면서 데이터 추출을 효과적으로 자동화하였다.
https://doi.org/10.1016/j.kscej.2025.100358
Interpretation (philosophy)
Hammer
Automation
Test (biology)
Artificial intelligence
Schmidt hammer
Computer science
Engineering
Natural language processing
Engineering drawing
3
article
|
인용수 7
·
2024Augmented Reality Framework for Retrieving Information of Moving Objects on Construction Sites
Linh T. T. Nguyen, Htoo Thiri Htet, Y.K. Lee, Man-Woo Park
IF 3.1 (2024)
Buildings
건설 산업은 디지털 전환을 진행하고 있으며, 디지털 트윈은 프로젝트 정보의 핵심 시스템으로 기능한다. 이러한 디지털 트윈은 현장 프로젝트 정보를 실시간으로 검증하기 위해 AR 기술을 활용할 수 있는 기회를 제공한다. 비록 많은 건설 현장용 AR 개발이 시도되었으나, Building Information Model을 통해 고정된 구성 요소의 정보에 접근하는 수준에 제한되어 왔다. 인력과 장비와 같이 동적으로 변화하는 자원에 대한 정보 접근 시도는 이루어지지 않았다. 본 논문은 현장 관리자들이 특정 인력 또는 장비에 대해 실시간 정보를 검증할 수 있도록 하는 AR 프레임워크를 제시함으로써 이러한 공백을 다룬다. 또한 디지털 트윈에서 필요한 정보를 검색하기 위한 매칭 알고리즘을 도입한다. 이 알고리즘은 디지털 트윈 내 방대한 데이터셋 가운데서 필요한 특정 정보를 식별하고 검색하는 데 핵심적이다. 매칭 과정은 AR 기기의 비디오 프레임에 적용되는 객체 검출 및 추적 알고리즘과 GPS 및 IMU 센서 데이터의 통합을 포함한다. 실험 결과는 이 매칭 알고리즘이 현장 관리를 간소화하고 디지털 트윈 정보와 상호작용하는 데 필요한 노력을 줄일 수 있는 잠재력을 보여준다. 본 논문은 건설 현장 운영을 혁신할 AR 및 디지털 트윈 기술의 전환적 잠재력을 강조한다.
https://doi.org/10.3390/buildings14072089
Computer science
Global Positioning System
Metadata
Matching (statistics)
Process (computing)
Data mining
World Wide Web
4
article
|
인용수 5
·
2023Detection and Length Measurement of Cracks Captured in Low Definitions Using Convolutional Neural Networks
Jin Young Kim, Man-Woo Park, Nhut T. Huynh, Chang-Su Shim, Jong‐Woong Park
IF 3.4 (2023)
Sensors
이미지에서 균열을 탐지하기 위한 지속적인 노력이 이루어져 왔다. 균열을 탐지하거나 균열 영역을 분할하기 위해 다양한 CNN 모델이 개발되고 시험되었다. 그러나 선행 연구에서 사용된 대부분의 데이터셋은 뚜렷하게 식별되는 균열 이미지를 포함하고 있었다. 저해상도에서 촬영된 흐릿한 균열에 대해서는 이전 방법들이 검증된 바가 없다. 따라서 본 논문은 흐릿하고 식별이 불분명한 콘크리트 균열의 영역을 탐지하는 프레임워크를 제시하였다. 이 프레임워크는 이미지를 작은 정사각형 패치로 분할하고, 각 패치를 균열 또는 비(非)균열로 분류한다. 잘 알려진 CNN 모델을 분류에 사용하고, 실험을 통해 서로 비교하였다. 또한 훈련 성능에 상당한 영향을 미치는 핵심 요인인 패치 크기와 패치를 라벨링하는 방식에 대해 상세히 설명하였다. 더 나아가 균열 길이를 측정하기 위한 일련의 후처리 과정을 도입하였다. 제안된 프레임워크는 얇고 흐릿한 균열이 포함된 교량 바닥판 이미지에 대해 시험되었으며, 실무자 수준에 필적하는 신뢰할 수 있는 성능을 보였다.
https://doi.org/10.3390/s23083990
Convolutional neural network
Bridge (graph theory)
Artificial intelligence
Computer science
Image (mathematics)
Pattern recognition (psychology)
Computer vision
5
article
|
·
인용수 13
·
2020Bridge-surface panoramic-image generation for automated bridge-inspection using deepmatching
Jongbin Won, Jong‐Woong Park, Chang-Su Shim, Man-Woo Park
IF 5.929 (2020)
Structural Health Monitoring
시각적 점검은 교량 구조물의 효율적인 유지보수에 중요하며, 최근에는 교량에서 촬영된 영상을 이용하여 손상을 국소화하고 정량화할 수 있는 영상처리 기법의 활용이 보완적으로 이루어지고 있다. 일련의 중첩되는 교량 영상을 결합하면 손상의 위치와 크기를 확인할 수 있는 파노라마 교량 표면 이미지를 구성할 수 있다. 영상처리 기법의 성능이 우수함에도 불구하고, 교량 표면 이미지들은 인접 영상을 이어붙이기 위한 기준 특징점으로 작용할 수 있는 뚜렷한 패턴을 갖지 않거나, 또는 그러한 패턴이 없을 수 있기 때문에 교량 표면 이미지들의 연속으로부터 파노라마 이미지를 생성하는 일은 어렵다. 이러한 문제를 해결하기 위해, 본 논문에서는 기존의 특징 기반 매칭 방법과 비교하여 두 영상 쌍 사이의 픽셀 단위 대응관계를 결정하는 Deepmatching을 사용하여 교량 표면 이미지를 이어붙이기 위한 일반적인 방법을 제시한다. 파노라마 이미지 생성을 위해 Deepmatching을 적용하기 위해 (1) 2D Delaunay 삼각분할을 이용한 영상 매칭 쌍 탐색, (2) 최적 영상 이어붙이기를 위한 매개변수 모델, (3) 현장 검증을 개발하고, 본 연구에서 이를 수행하였다. 먼저, 가능한 영상 매칭 쌍을 2차원 Delaunay 삼각분할을 이용해 정리한 다음, Deepmatching을 사용하여 가능한 영상 쌍 간의 매칭 지점을 결정한다. 개발된 매개변수 모델은 유효한 영상 매칭 쌍을 정제하며, 이를 파노라마 이미지 생성을 위한 최적의 전역 호모그래피를 구하는 데 사용한다. 제안된 방법의 검증을 위해, 평탄한 콘크리트 벽에 대한 실험실 규모 실험과 콘크리트 교량에 대한 현장 실험을 수행하였다. 실험적 검증 결과, 제안된 방법은 이미지 쌍 간의 조밀한 매칭 지점을 성공적으로 식별하고 고스트 현상과 드리프트의 발생을 최소화하면서 파노라마 이미지를 생성함을 보여주었다.
https://doi.org/10.1177/1475921720930380
Image stitching
Artificial intelligence
Computer vision
Delaunay triangulation
Computer science
Feature (linguistics)
Triangulation
Parametric statistics
Matching (statistics)
Image processing