복합영상을 활용한 컴퓨터비전 기반 건물 외벽 열성능 진단 자동화 = Computer vision based automated diagnosis of thermal performance of building external wall using image fusion

국문 초록 (Abstract)

건물 외피는 건물에서 열손실이 발생하는 주요 경로로, 건물의 에너지 성 능을 향상시키기 위해서는 최우선적으로 건물 외피에서 발생하는 열손실을 감소시켜야 한다. 건물 외피에서 발생하는 열손실을 감소시키기 위한 첫 단 계는 건물 열성능 진단이다. 현재 건설 산업에서는 건물 외벽의 열손실 진 단을 위해 적외선 열화상법을 활용하고 있다. 그러나 현재 적외선 열화상을 활용한 진단은 다음과 같은 한계가 존재한다. 열적 이상 영역을 찾는 경우 주관적 판단으로 인한 신뢰성 부족이, 열관류율 측정은 일부 대표 영역에 대한 측정에 한정된다. 최근 판매되는 적외선 열화상 카메라는 적외선 열화 상과 동시에 실화상도 함께 획득함으로써 진단자의 분석을 돕고 있다. 이러 한 실화상은 컴퓨터비전 방법을 적용하기에 유용한 색상 정보를 포함하고 있어, 다양한 컴퓨터비전 방법의 적용이 가능하다. 따라서 본 연구는 건물 외벽 열성능 진단 자동화를 위해, 적외선 열화상과 실화상의 복합영상을 활 용하고자 한다. 본 연구의 최종 목적은 복합영상을 활용한 컴퓨터비전 기반 건물 외벽의 열성능 진단 자동화 방법의 정립이다. 이를 위해 첫째, 건물 외피 중 외벽 에 해당하는 온도 분포 전체를 자동으로 추출할 수 있는 프로세스를 도출하 였다. 적외선 열화상과 실화상의 복합영상 생성 과정에서 적외선 열화상 카 메라의 열화상 센서와 실화상 센서의 관계를 바탕으로 초기 변환계수 추정 방법을 정립하였다. 또한, 건물 외피 파노라마 열화상의 왜곡을 보정하기 위해 건물의 외피 윤곽선을 활용하여 소실점을 추정하는 방법을 추가로 정 립하였다. 이를 통해 건물 외피 파노라마 열화상의 복합영상 생성과 왜곡 보정이 가능하다. 둘째, 건물 외벽에서 발생한 열적 이상영역의 검출 정확도를 향상하는 자 동화 방법을 정립하고 현장실험을 통해 성능을 검증하였다. 복합영상에서 건물 외피 구성요소 분할을 통해 외벽 온도의 추출 및 군집화를 수행하고, 본 연구에서 정립한 열적 이상영역 검출 기준을 통해 열적 이상영역에 해당 하는 군집만을 분류하였다. 정립한 방법은 실제 노후된 기존 건축물의 외벽 을 대상으로 검증하였다. 검증 결과, F-Score 기준으로 적외선 열화상만 사 용하면 0.497에 불과하던 검출 성능이 정립한 방법의 적용 시 0.808로 향 상되었다. 본 연구에서 제안한 방법을 통해 건물 외피를 대상으로 획득한 적외선 열 화상과 실화상의 복합영상을 생성하고, 이를 이용해 에너지 진단 외 다양한 분야에 적용할 수 있다. 특히, 건물의 외피 윤곽선을 활용한 소실점 추정의 경우 건물을 대상으로 한 다양한 분야 적용을 위한 전처리로써 가치가 있 다. 또한, 열적 이상영역을 검출하고, 유형을 분류하기 위해 각 특성에 적합 한 기준을 제시하고, 이를 영상에 적용하기 위한 방법을 제안하였다. 마지 막으로 제안한 건물 외벽의 에너지 진단 프레임워크를 적용하여 열적 이상 영역 검출의 객관성 확보와 외벽 전체의 상당열관류율을 측정할 수 있어 열 성능 진단의 신뢰성을 높일 수 있을 것으로 기대한다.

다국어 초록 (Multilingual Abstract)

Heat losses from the building envelope account for a significant portion of the building's energy performance, and reducing them is a top priority for improving building energy performance. Infrared thermography is used in the construction industry to diagnose building envelopes. By being able to see the temperature distribution of the building envelope, infrared thermography can be used for both qualitative and quantitative diagnostics. However, there are limitations to the current use of infrared thermography, including the following lack of reliability due to subjective judgment when looking for areas of thermal anomalies, and U-value measurements are limited to a few representative areas. Infrared thermal images contain only temperature and do not contain enough information to apply computer vision. Therefore, this study proposes a computer vision method using composite images of infrared thermal images and visible images to automate building exterior wall energy diagnosis. First, this study propose a process that can automatically extract the entire temperature distribution of exterior wall. In the process of generating a fusion image of an infrared thermal image a visible image, an initial transformation coefficient estimation method was proposed based on the relationship between the thermal imaging sensor and the visible imaging sensor. In addition, in order to correct the distortion of the panoramic thermal image of the building envelope, a method of estimating the vanishing point was proposed. The proposed method allows generation of fusion images and correction of distortion of panoramic thermal images of building envelope. Second, an automated method for thermal performance diagnosis using the temperature distribution of the entire exterior wall is proposed and verified. Exterior wall temperature was extracted and clustered through segmentation of building envelope components in the fusion image, and only clusters corresponding to thermal abnormal areas were classified. The proposed method was verified on the exterior walls of actual old buildings. As a result of the verification, based on F-Score, the detection performance, which was only 0.497 when using only infrared thermal imaging, improved to 0.808 when the proposed method was applied. The method proposed in this study generates a fusion image of infrared thermal images and visible images of the building envelope, which can be applied to various fields other than energy diagnosis. In particular, the vanishing point estimation using the building envelope is valuable as a preprocessing for various applications on buildings. In addition, a method for detecting thermal anomalies and classifying the types of thermal anomalies by proposing appropriate criteria for each characteristic was proposed and applying them to images. Finally, by applying the proposed framework for energy diagnosis of building exterior walls, it is expected that the reliability of energy diagnosis can be improved by securing the objectivity of thermal anomaly detection and measuring the effective U-value of the entire exterior wall.

목차 (Table of Contents)

• 제1장 서론 1
• 1.1. 연구의 배경 및 목적 1
• 1.2. 연구의 방법 및 범위 6
• 제2장 문헌연구 9
• 2.1. IRT를 활용한 건물 외벽의 열적 이상영역 자동 검출 연구 9
• 2.2. IRT를 활용한 건물 외벽의 열적 이상유형 자동 분류 연구 14
• 2.3. IRT를 활용한 건물 외벽의 열관류율 현장측정 연구 16
• 제3장 복합영상을 활용한 건물 외벽 온도 추출 20
• 3.1. 열화상과 실화상의 복합영상 생성 23
• 3.2. 건물 외피 파노라마 열화상 생성 32
• 3.3. 건물 외벽 온도 추출 42
• 3.4. 소결 45
• 제4장 건물 외벽 온도를 활용한 열성능 진단 자동화 46
• 4.1. 건물 외벽의 열적 이상영역 검출 48
• 4.2. 건물 외벽의 열적 이상유형 분류 53
• 4.3. 건물 외벽의 상당 열관류율 측정 64
• 4.4. 소결 65
• 제5장 복합영상을 활용한 건물 외벽의 열성능 진단 자동화 방법 검증 67
• 5.1. 건물 외벽의 열적 이상영역 검출 자동화 방법 검증 67
• 5.2. 건물 외벽의 열적 이상유형 분류 자동화 방법 검증 85
• 5.3. 외벽 전체의 상당 열관류율 측정 자동화 방법 검증 98
• 5.4. 소결 118
• 제6장 결론 120
• 참고문헌 123
• 부록 134
• 부록 1. 대상 영역 분할 수도코드 134
• 부록 2. 열적 이상영역 검출 수도코드 135