검색 상세

LiDAR를 활용한 터널 막장의 절리 자동 감지 및 터널 내공변위 계측 연구

Automatic Joint Prediction at Tunnel Faces and Monitoring of Tunnel Convergence Using LiDAR

  • 문상모 (Moon, sangmo, 대학원 건축사회환경공학과 지반공학전공)

초록/요약

본 연구는 LiDAR 기반 3차원 레이저 스캐닝 기술을 활용하여 터널 막장의 암반 절리를 자동으로 감지하고 터널 내공의 변위를 정량적으로 계측할 수 있는 기술적 가능성과 방법론을 제시하고자 한다. 기존의 터널 점검 및 유지관리 방식은 대부분 육안에 의존하는 정성적 기법이 주를 이루었으며, 특히 절리의 공간적 형상 및 방향 분석이나 내공의 구조적 변화를 실시간으로 정량화하는 데는 한계가 있었다. 이에 따라, 본 연구는 고정밀 레이저 스캐닝 장비를 이용한 3차원 포인트 클라우드 데이터 수집 및 분석 기반의 자동화된 절리 감지 및 내공변위 계측 방법을 개발하고 현장 모델을 대상으로 평가하였다. 본 연구는 크게 두 가지 주요 목표로 구성된다. 첫째는 터널 막장에 형성된 암반 절리면의 경사 및 방향을 정량적으로 자동 추출하는 기술을 개발하는 것이며, 둘째는 터널 유지관리 중 발생할 수 있는 내공변위를 레이저 스캐닝 기반으로 고정밀 계측하는 것이다. 터널 막장의 암반 절리 자동 감지를 위한 연구에서는 Roughness–CANUPO–Dip Filtering(R-C-D) 기법을 제안하였다. 본 기법은 먼저 포인트 클라우드의 거칠기(Roughness) 분석을 통해 절리면을 식별하여 제거하고, CANUPO 알고리즘을 통해 추가 절리선을 제거한 후, 경사각 필터링(Dip Filtering)을 적용하여 절리대를 제거하고 절리면에 대한 법선 벡터를 추출하는 과정을 포함한다. 마지막으로 절리면의 평면 피팅(Fitting)을 통해 경사 및 방향을 계산함으로써 암반의 절리 구조를 자동화된 방식으로 해석할 수 있다. R-C-D 방법을 3개 현장 모델에 적용한 결과, 이 방법은 절리면을 감지하여 제거하는 데에 적합한 것으로 나타났으며, 경사각 필터링 방법은 절리대를 성공적으로 제거하였다. R-C-D 방법이 지질 구조를 정확히 구분하고 정밀한 경사각 및 방향 측정을 얻는 데 효과적이라는 것을 보여주었다 내공변위 계측을 위한 연구에서는 인공 변위 모사 시험과 실제 현장 적용 시험으로 구분하여 수행하였다. 인공 변위 시험에서는 1mm 및 3mm 두께의 폼보드를 활용해 구조물 표면에 미세한 변위를 인위적으로 부여한 후, 이를 LiDAR로 스캐닝하고, 획득한 시계열 점군 데이터를 정합하여 M3C2(Multiscale Model to Model Cloud Comparison) 기법으로 변위량을 분석하였다. 실측 시험은 실제 내공변위 발생 가능성이 존재하는 지점에 레이저 스캐너 및 기준 타겟을 설치하고 약 4개월간의 시계열 데이터를 축적한 뒤, 동일한 분석 기법으로 변위량을 평가하였다. 그 결과, M3C2 분석을 통한 변위 계측의 평균 오차는 약 ±0.014mm, 최대 오차는 ±0.038mm로 나타났으며, 터널 내부 온도 변화별 내공변위의 변화 양상을 성공적으로 확인할 수 있었다. 본 연구의 결과는 LiDAR 기반의 절리 특성 및 내공변위 계측 기술이 터널 유지관리 및 안전 점검의 효율성을 높이기 위한 고정밀·고속의 자동화 계측 기법으로 활용될 수 있음을 보여주었다. 나아가 제안된 R-C-D 절리 감지 기법 및 M3C2 기반 내공변위 분석 방법은 인공지능 기반 자동화 분석 기법, 지반 공학적 평가 모델, 구조물 수명 예측 등 다양한 후속 연구에 응용이 가능할 것으로 기대된다.

more

목차

초록 i
Abstract iii
목차 vii
표 목차 x
그림 목차 xi
1. 서론 1
1.1 터널 유지관리 1
1.1.1 터널 유지관리의 기존 방법 2
1.1.2 터널 유지관리의 최신 방법 7
1.2 레이저 스캐너의 토목공학 분야 활용 10
1.2.1 레이저 스캐너의 원리 및 특징 11
1.2.2 토목공학 분야 활용 11
1.3 레이저 스캐너의 터널 분야 활용 13
1.4 터널 분야에서의 3D 포인트 클라우드 분석 방법 15
1.4.1 3D 포인트 클라우드 데이터의 개요 15
1.4.2 데이터 전처리 (Preprocessing) 16
1.4.3 터널 형상 분석 (Tunnel Shape Analysis) 18
1.4.4 균열 및 구조적 결함 탐지 (Crack and Structural Defect Detection) 20
1.4.5 터널 유지관리 및 보수 계획 수립(Tunnel Maintenance and Repair Planning) 21
1.5 연구방향 및 목적 23
2. 레이져스캐닝을 활용한 터널 막장 절리의 자동 감지 24
2.1 암반 절리 연구의 발전 24
2.1.1 암반 절리 분석 방법의 발전 25
2.1.2 3D 포인트 클라우드 적용 방법의 발전 26
2.2 현장 시험 29
2.2.1 현장소개 29
2.2.2 사진 측량 기반 이미지 수집 30
2.2.3 SfM 기반 3D 재구성 31
2.3 방법론 35
2.3.1 최적의 경사각 및 방향 측정법 선정 35
2.3.2 포인트 법선 계산을 위한 LNR 최적화 41
2.3.3 필터링 경사각 최적화 44
2.4 R-C-D 방법 47
2.4.1 R-C-D 분석 방법 47
2.4.2 현장 모델에 대한 R-C-D 분석 49
2.5 소결 53
3. 레이져스캐닝을 활용한 터널 내공변위 계측 55
3.1 적용기술의 개요 55
3.1.1 LiDAR, 레이저 스캐닝 55
3.1.2 C2C, C2M, M3C2 데이터 분석기술 61
3.1.3 AI를 활용한 데이터 분석 기술 65
3.2 내공변위 측정 방법 72
3.2.1 LiDAR를 이용한 터널 내공변위 측정방법 73
3.2.2 포인트 클라우드 데이터 분석 방법 78
3.3 실내 모형 시험 83
3.3.1 실내 모형시험 개요 83
3.3.2 실내 모형시험 결과 89
3.4 현장 개요 104
3.4.1 대모산입구역 106
3.4.2 현장시험 설계 106
3.4.3 현장시험 110
3.5 현장시험 결과 114
3.5.1 포인트 클라우드 정합 114
3.5.2 인공변위 구간 C2C, C2M, M3C2 분석 결과 116
3.5.3 실측 구간 M3C2 분석 결과 120
3.6 소결 123
4. 결론 124
참고문헌 126

more
반출 Meta View 목록