LiDAR-카메라 퓨전을 통한 다지점 진동 계측 신뢰성 향상 방안 연구 = Enhancing Reliability of Multi-Point Vibration Measurement Using LiDAR-Camera Fusion

국문 초록 (Abstract)

조선⦁해양 산업에서 정밀 진동 계측은 상태 진단과 안전성 확보에 필수적이나, 가속도계 등 접촉식 센서는 고소 구역 등에서 적용에 어려움이 있다. 대안으로 영상 기반 계측 기법이 주목받지만 3차원 운동을 2차원 평면에 투영하면서 발생하는 왜곡과 실제 산업 현장의 환경 잡음으로 인해 신뢰성 확보에 한계가 있다. 본 연구는 이러한 한계를 극복하고, 단일 시스템으로 넓은 영역에 분포한 복수 대상의 동적 거동을 계측 가능한 LiDAR-카메라 퓨전 기반의 고정밀 영상 진동 계측 방법론을 제안한다.
본 연구에서는 영상 계측의 투영 왜곡 문제를 해결하기 위해 LiDAR 퓨전 보정 알고리즘을 도입하였다. LiDAR의 3차원 점군 데이터를 영상에 정합하고, 복수의 측정 대상에 대한 거리 정보를 반영한 Dynamic Sensitivity를 산출하여 단위 변환 오차를 최소화하였다. 또한, LiDAR 정보를 활용하여 3차원 진동 방향 벡터를 추정하고, 영상 투영 시 손실되는 Out-of-Plane(OoP) 운동 성분을 보상하는 보정 계수를 정의함으로써 3차원 변위 산출의 정확성을 개선하였다. 다음으로 신호 신뢰도를 높이기 위해 Dynamic Highlight - Phase Based Optical Flow(DH-POF) 알고리즘을 제안하였다. 이는 두 단계에 걸친 픽셀 선별 전략으로, 1단계에서는 소벨 필터를 이용해 구조적 특징이 뚜렷한 픽셀을 선별하고, 2단계에서는 주파수역에서 산출한 지배 주파수를 활용하여 3차원 특징 공간에서 군집화를 진행 후 실제 진동 특성을 갖는 고신뢰도 픽셀만을 최종 분류한다.
본 연구에서 제안한 진동 계측 방법론은 실험실 환경에서 전동식 가진기를 이용한 다양한 대상체의 진동 계측 실험을 통해 그 성능을 확인하였다. 투영 왜곡 보정 기법은 44° 이상의 OoP 각도가 발생하는 조건에서도 90% 이상의 정확도를 안정적으로 확보하였으며, DH-POF 알고리즘은 다양한 환경 잡음으로 인해 30%대였던 계측 정확도를 95% 이상으로 향상시켜 제안된 방법론이 실제 산업 현장과 유사한 환경에서도 높은 강건성과 정밀도를 가짐을 확인하였다.

다국어 초록 (Multilingual Abstract)

Precision vibration measurement of ships and industrial equipment is essential for condition assessment and safety assurance; however, contact sensors such as accelerometers are often impractical in elevated or spatially constrained environments. Vision-based measurement techniques have emerged as an attractive alternative, yet their reliability has been challenged by projection-induced distortion when three-dimensional motions are mapped onto a two-dimensional image plane, and by environmental noise typical of industrial sites. This study addresses these limitations by proposing a LiDAR–camera fusion-based, high-precision vision method capable of concurrently measuring the dynamic behavior of multiple targets distributed across a wide area using a single system.
To mitigate projection distortion in image-based measurements, we introduce a LiDAR fusion calibration algorithm. Three-dimensional LiDAR point-cloud data are registered to the image domain and used to compute a Dynamic Sensitivity (DS) that incorporates range information for multiple targets, thereby minimizing errors in the conversion from image displacement to physical displacement. Leveraging LiDAR data, we also estimate three-dimensional vibration direction vectors and define correction coefficients that compensate for Out-of-Plane (OoP) motion components lost during image projection, improving the accuracy of three-dimensional displacement estimation.
To enhance signal reliability, we propose the Dynamic Highlight — Phase-Based Optical Flow (DH-POF) algorithm. DH-POF employs a two-stage pixel filtering strategy: in the first stage, Gabor responses are used to select pixels with pronounced structural features; in the second stage, a periodicity correlation coefficient computed in the frequency domain is applied to the dominant frequency to retain only high-reliability pixels that exhibit genuine vibrational characteristics. The proposed measurement methodology was validated in laboratory experiments using an electromechanical shaker across various test specimens. The geometric calibration technique consistently achieved accuracies exceeding 90% even under conditions where OoP angles exceeded 44°, and the DH-POF algorithm substantially improved measurement accuracy from the 30% range (under noisy conditions) to over 95%. These results confirm that the proposed approach attains high robustness and precision in environments comparable to practical industrial settings.

목차 (Table of Contents)

• 1. 서론 1
• 1.1. 연구 배경 1
• 1.2. 연구 동향 2
• 1.3. 연구 목적과 내용 4
• 2. LiDAR-카메라 퓨전 및 영상 기반 진동 계측 5
• 2.1. LiDAR-카메라 캘리브레이션 5
• 2.2. 위상 기반 옵티컬 플로우(Phase Based Optical Flow, POF) 8
• 3. LiDAR-카메라 퓨전 및 DH-POF 기반 고정밀 진동 계측 방법론 11
• 3.1 단위 변환 및 투영 왜곡 보정 프레임워크 11
• 3.1.1 Dynamic Sensitivity 산출 알고리즘 11
• 3.1.2 Out-of-Plane(OoP) 진동 성분 보정 알고리즘 15
• 3.2 Dynamic Highlight Phase Based Optical Flow(DH-POF) 18
• 3.2.1 LiDAR 퓨전 기반 가버 필터 방향 결정 19
• 3.2.2 STAGE.1. Spatial filtering 19
• 3.2.3 STAGE.2. Periodicity Based Temporal filtering 24
• 4. 실험 및 고찰 33
• 4.1. Dynamic Sensitivity 산출을 위한 변환 계수 결정 실험 34
• 4.1.1. 실험 구성 및 방법 34
• 4.1.2. 실험 결과 35
• 4.2. DH-POF 기반 진동 계측 실험 36
• 4.2.1. 실험 구성 및 방법 36
• 4.2.2. 실험 결과 41
• 4.3. 투영 왜곡 보정 및 DH-POF 기반 종합 알고리즘 검증 실험 52
• 4.3.1. 실험 구성 및 방법 52
• 4.3.2. 실험 결과 55
• 5. 결론 63
• 참고문헌 65
• Abstract 69