RISS 학술연구정보서비스

검색

인기 검색어

    다국어 입력

    http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

    변환된 중국어를 복사하여 사용하시면 됩니다.

    예시)
    • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
    • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
    닫기

    모바일 LiDAR 기반 BIM 철근 배근 상태 분석 시스템 개발 = A Development of Mobile LiDAR-based Rebar Condition Assessment System using Building Information Modeling

    한글로보기

    https://www.riss.kr/link?id=T17366256

    • 0

      상세조회
    • 0

      다운로드
    서지정보 열기
    • 내보내기
    • 내책장담기
    • 공유하기
    • 오류접수

    부가정보

    국문 초록 (Abstract) kakao i 다국어 번역

    건설 현장에서의 시공 품질관리는 건축물의 구조적 안전성과 수명을 확보하기 위해 핵심적인 과정이다. 그러나 기존의 육안 검측 방식은 검사자의 숙련도 및 주관적 판단에 의존하며, 데이터 관리의 비효율성과 기록 누락으로 인해 장기적 관점에서의 품질관리 체계 구축에 한계를 보이고 있다. 특히 철근 배근 공정은 구조적 안전성과 직결되어 있음에도 정량적 검측 기반이 부족하여 품질관리의 신뢰성을 확보하기 어렵다. 이에 본 연구는 시공 품질 검증의 객관성과 효율성을 향상시키기 위해 모바일 LiDAR 및 BIM, SQL을 활용한 철근 배근 상태분석 시스템을 제안한다.
    본 연구에서는 모바일 LiDAR를 이용해 현장 철근 배근 상태를 3차원 점군(Point Cloud) 형태로 취득하고, Python 기반 알고리즘을 이용하여 철근의 위치 및 형상 정보를 자동 추출하였다. 이후 BIM-Dynamo 환경에서 설계 BIM 모델과 실측 데이터를 정합하여 철근의 배근 오차, 간격 편차, 누락 여부를 정량적으로 분석하였다. 해당 데이터는 SQL 기반 온라인 대시보드에서 시각화하여 각 철근의 ID, 방향, 층(Layer), 허용 오차 초과 여부가 자동 분류되며, 품질 이상 구간을 색상 히트맵 형태로 표시되도록 구성하였다.
    제안된 시스템의 검증을 위해 Mock-up 테스트를 실시한 결과, 평균 위치 오차는 6.4mm, 허용 오차 ±10mm 기준 정합률은 96.5%로 나타났다. 이는 기존의 수동 검측 대비 검출 정확도 향상 및 검측 시간 단축, 인적 오류율 감소를 기대할 수 있다. 이를 통해 해당 시스템의 검측 정밀도와 안정성을 입증하였으며, 해당 결과는 LiDAR 기반 데이터 취득부터 Python 분석, BIM-Dynamo 모델링, SQL 기반 분석 시각화의 통합 프로세스가 건설 현장의 철근 품질 검측을 자동화 할 수 있음을 보여주었다.
    본 연구를 통해 철근 배근 상태의 정량적 검측과 실시간 시각화를 통해 기존의 비효율적인 검측 방식을 대체할 수 있는 데이터 기반 자동화 품질관리 기술을 제시하였다. 향후 AI 학습형 분석과 AR 시각화 기술을 결합함으로써, 스마트 건설 품질관리 및 디지털 트윈(Digital-Twin, DT) 기반 시공관리 체계로 확장될 수 있는 기술적 가능성을 확인하였다.
    번역하기

    건설 현장에서의 시공 품질관리는 건축물의 구조적 안전성과 수명을 확보하기 위해 핵심적인 과정이다. 그러나 기존의 육안 검측 방식은 검사자의 숙련도 및 주관적 판단에 의존하며, 데이...

    건설 현장에서의 시공 품질관리는 건축물의 구조적 안전성과 수명을 확보하기 위해 핵심적인 과정이다. 그러나 기존의 육안 검측 방식은 검사자의 숙련도 및 주관적 판단에 의존하며, 데이터 관리의 비효율성과 기록 누락으로 인해 장기적 관점에서의 품질관리 체계 구축에 한계를 보이고 있다. 특히 철근 배근 공정은 구조적 안전성과 직결되어 있음에도 정량적 검측 기반이 부족하여 품질관리의 신뢰성을 확보하기 어렵다. 이에 본 연구는 시공 품질 검증의 객관성과 효율성을 향상시키기 위해 모바일 LiDAR 및 BIM, SQL을 활용한 철근 배근 상태분석 시스템을 제안한다.
    본 연구에서는 모바일 LiDAR를 이용해 현장 철근 배근 상태를 3차원 점군(Point Cloud) 형태로 취득하고, Python 기반 알고리즘을 이용하여 철근의 위치 및 형상 정보를 자동 추출하였다. 이후 BIM-Dynamo 환경에서 설계 BIM 모델과 실측 데이터를 정합하여 철근의 배근 오차, 간격 편차, 누락 여부를 정량적으로 분석하였다. 해당 데이터는 SQL 기반 온라인 대시보드에서 시각화하여 각 철근의 ID, 방향, 층(Layer), 허용 오차 초과 여부가 자동 분류되며, 품질 이상 구간을 색상 히트맵 형태로 표시되도록 구성하였다.
    제안된 시스템의 검증을 위해 Mock-up 테스트를 실시한 결과, 평균 위치 오차는 6.4mm, 허용 오차 ±10mm 기준 정합률은 96.5%로 나타났다. 이는 기존의 수동 검측 대비 검출 정확도 향상 및 검측 시간 단축, 인적 오류율 감소를 기대할 수 있다. 이를 통해 해당 시스템의 검측 정밀도와 안정성을 입증하였으며, 해당 결과는 LiDAR 기반 데이터 취득부터 Python 분석, BIM-Dynamo 모델링, SQL 기반 분석 시각화의 통합 프로세스가 건설 현장의 철근 품질 검측을 자동화 할 수 있음을 보여주었다.
    본 연구를 통해 철근 배근 상태의 정량적 검측과 실시간 시각화를 통해 기존의 비효율적인 검측 방식을 대체할 수 있는 데이터 기반 자동화 품질관리 기술을 제시하였다. 향후 AI 학습형 분석과 AR 시각화 기술을 결합함으로써, 스마트 건설 품질관리 및 디지털 트윈(Digital-Twin, DT) 기반 시공관리 체계로 확장될 수 있는 기술적 가능성을 확인하였다.

    더보기

    목차 (Table of Contents)

    • I.서론 1
    • 1.1.연구의 배경 및 필요성 1
    • 1.2.연구의 목적 4
    • 1.3.연구의 범위 및 구성 6
    • II.이론적 고찰 8
    • I.서론 1
    • 1.1.연구의 배경 및 필요성 1
    • 1.2.연구의 목적 4
    • 1.3.연구의 범위 및 구성 6
    • II.이론적 고찰 8
    • 2.1.국내 스마트 건설기술 활성화 현황 8
    • 2.2.스마트 건설기술 관련 연구 동향 10
    • 2.2.1.BIM-Dynamo 기반 연구 10
    • 2.2.2.LiDAR 기반 연구 11
    • 2.2.3.AR/VR 및 시각화 기반 연구 12
    • 2.2.4.딥러닝 기반 자동 인식 및 예측 연구 13
    • 2.3.시공 및 관리 단계 고도화 14
    • 2.3.1.현장 데이터 품질 및 표준화 14
    • 2.3.2.공정 계획과 실시간 품질검증의 통합 15
    • 2.4.선행연구 고찰 및 시사점 16
    • III.연구방법론 19
    • 3.1.현장 스캔 및 포인트 클라우드 획득 단계 21
    • 3.2.Python 기반 포인트 밀도 분석 회귀 모델링 21
    • 3.3.BIM-Dynamo 기반 철근 배근 속성 비교 및 품질 평가 22
    • 3.4.Mock-up Test를 통한 배근 상태 분석 시스템 검증 22
    • IV.BIM-Dynamo 기반 철근 상태분석 시스템 개발 23
    • 4.1.모바일 LiDAR 기반 포인트 클라우드 데이터 취득 24
    • 4.2.Python 기반 PCD 프로세싱 및 모델링 27
    • 4.2.1.포인트 클라우드 데이터 불러오기 및 전처리 27
    • 4.2.2.층(Layer) 탐지 및 철근 영역 분리 30
    • 4.2.3.개별 철근 검출 및 속성 산출 32
    • 4.3.BIM-Dynamo 기반 철근 배근 상태 비교 분석 35
    • 4.3.1.BIM-Dynamo 스트립트 35
    • 4.3.2.SQL 기반 철근 배근 상태 분석 대시보드 50
    • V.Mock-Up Test 및 검증 52
    • 5.1.Mock-Up Test 52
    • 5.2.기술 검증 결과 분석 69
    • VI.결론 71
    • 참고문헌 73
    • ABSTRACT 76
    • 감사의 글 78
    더보기

    분석정보

    View

    상세정보조회

    0

    Usage

    원문다운로드

    0

    대출신청

    0

    복사신청

    0

    EDDS신청

    0

    동일 주제 내 활용도 TOP

    더보기

    주제

    연도별 연구동향

    연도별 활용동향

    연관논문

    연구자 네트워크맵

    공동연구자 (7)

    유사연구자 (20) 활용도상위20명

    이 자료와 함께 이용한 RISS 자료

    나만을 위한 추천자료

    해외이동버튼