표제지

목차

제1장 서론 14

1.1. 연구의 배경 14

1.2. 연구의 필요성 18

1) 정기점검 시 육안조사의 주관적 판단 18

2) 건축물 유지관리 관련 전문 인력 부족 18

3) 건축물 유지관리 디지털화의 필요성 19

4) 중소규모 건축물 안전관리의 중요성 20

1.3. 연구의 목표 20

1) 노후 건축물의 디지털트랜스포메이션 21

2) 건축물 노후도 평가를 위한 데이터 분류 및 분석 21

3) 역설계 모델을 활용한 안전점검 데이터 시각화 및 통합 21

4) 선제적 유지관리를 위한 유지관리 의사결정 지원 21

1.4. 연구의 범위 및 방법 22

1.5. 연구의 구성 24

제2장 이론적 고찰 및 현황 검토 26

2.1. 개요 26

2.2. 건축물 유지관리 정의 및 제도 27

2.2.1. 건축물 유지관리의 정의 27

2.2.2. 건축물 유지관리 제도 29

2.3. 기존 건축물 유지관리 국내외 현황 32

2.3.1. 국내 건축물 유지관리 체계 32

2.2.2. 국외 건축물 유지관리 제도 39

2.4. 기존 건축물 안전점검·진단 및 유지관리의 한계 43

2.4.1. 현재 국내 건축물의 안전점검·진단 및 유지관리 현황 43

2.4.2. 건축물 안전점검/진단 문제점 51

2.5. 소결 53

제3장 스마트 유지관리 정의 및 연구 동향 55

3.1. 개요 55

3.2. 스마트 유지관리 개념 56

3.3. 스마트 유지관리 핵심 기술 및 관련 연구 동향 58

3.3.1. 디지털 트랜스포메이션 기술 58

3.3.2. 건축물 3D 모델링 및 시각화 기술 63

3.3.3. 노후 건축물 데이터 기반 분석·평가 및 예측 기술 68

3.4. 스마트 유지관리 적용대상 및 범위 70

3.5. 소결 71

제4장 첨단 IT 기술을 활용한 건축물 역설계 BIM 모델링 73

4.1. 개요 73

4.2. 2D 이미지 및 LiDAR 기반 3D Point Cloud 취득 74

4.2.1. 카메라 및 드론 기반 3D Point Cloud 데이터 74

4.2.2. Laser Scanner 기반 3D Point Cloud 데이터 77

4.3. LiDAR 기반 3D Point Cloud 정합 79

4.3.1. 3D Point Cloud 데이터 정합 개념 및 방식 79

4.3.2. 3D Point Cloud 데이터 정합품질 검사 방법 82

4.4. 역설계 모델링을 위한 Scan-to-BIM 85

4.4.1. 3D Point Cloud 데이터 기반 객체 정보 추출 85

4.4.2. Scan to BIM 작업 수행 방식 86

4.4.3. BIM 기반 유지관리를 위한 LOD 89

4.5. 소결 90

제5장 CNN기반 결함 자동탐지 및 분석 모델 구축 92

5.1. 개요 92

5.2. 이미지 처리를 위한 Deep-Learning 모델 93

5.2.1. 인공지능(Artificial Intelligence, AI) 93

5.2.2. 딥러닝(Deep Learning) 개요 95

5.2.3. 이미지 데이터 분석을 위한 Convolution Neural Network(CNN) 98

5.3. CNN 기반 이미지 데이터 분석 알고리즘 100

5.3.1. 이미지 데이터 분석 방법 100

5.3.2. CNN 아키텍처의 종류 102

5.3.3. 데이터 증강(Data Augmentation) 105

5.4. CNN기반 결함 자동 탐지 및 분류 Deep-Learning 모델 구축 106

5.4.1. 결함 이미지 분류 모델 설계 106

5.4.2. 학습 이미지 데이터 수집 108

5.4.3. 학습 이미지 데이터 증강(Augmentation) 113

5.4.4. 결함 자동탐지 및 분류 딥러닝 모델 학습 114

5.4.5. 결함 자동탐지 및 분류 딥러닝 모델 성능 평가 115

5.5. 소결 118

제6장 역설계 BIM 모델을 활용한 안전점검 데이터 통합 및 유지관리 프로세스 120

6.1. 개요 120

6.2. 건축물 유지관리 정보와 BIM 연계 121

6.3. 건축물 유지관리를 위한 BIM 정보교환체계 122

(1) IFC(Industry Foundation Classes) 데이터 122

(2) COBie(Construction Operations Building information exchange) 125

6.4. 역설계 BIM 모델과 COBie기반 결함 데이터 연동 프로세스 127

6.4.1. 결함 데이터 관리용 COBie 데이터 항목 도출 127

6.4.2. COBie 파일과 역설계 BIM 연동을 위한 Dynamo 알고리즘 개발 129

6.5. 유지보수를 위한 역설계 BIM 모델의 활용 134

6.6. 소결 137

제7장 스마트 유지관리 프로세스의 적용 및 검토 139

7.1. 개요 139

7.2. 스마트 유지관리 프로세스 적용을 위한 Case Study 계획 140

7.2.1. 제안된 프로세스의 적용 범위 및 절차 140

7.2.2. Case Study 대상 건축물 선정 141

7.3. 데이터 수집 및 역설계 모델 생성 142

7.3.1. 드론 및 레이저스캐너를 활용한 데이터 수집 142

7.3.2. 3D Point Cloud 기반 역설계 BIM 모델링 148

7.4. 딥러닝 모델을 활용한 이미지 기반 결함 예측 153

7.4.1. 드론 촬영 이미지를 활용한 결함 예측 결과 153

7.4.2. 레이저스캐너 및 카메라를 활용한 결함 예측 결과 155

7.5. 역설계 BIM 모델 기반 유지관리 프로세스 158

7.5.1. 3D point cloud 모델기반 결함 위치 확인 158

7.5.2. 역설계 BIM과 COBie 파일을 활용한 유지관리 의사결정 159

7.6. 소결 163

제8장 결론 165

8.1. 개요 165

8.2. 본 연구의 요약 166

8.2.1. 본 연구의 동기요인 166

8.2.2. 노후 건축물 스마트 유지관리 기술 167

8.2.3. 노후 건축물 스마트 유지관리 프로세스 적용방안 169

8.2.4. Case Study 적용 171

8.3. 노후 건축물 스마트 유지관리 프로세스 평가 174

8.4. 본 연구의 기여도 175

1) 노후 건축물의 디지털화를 통한 현장점검 업무 효율성 향상 175

2) 인공지능을 활용한 안전점검 업무의 주관성 개선 176

3) BIM 기반 안전점검 데이터 통합 관리 및 효율적 의사결정 지원 177

8.5. 본 연구의 한계 및 향후 연구 방향 178

참고문헌 180

Abstract 189

표 2.1. 건축물 유지관리 주요 용어 28

표 2.2. 건축물 유지관리 관련 제도 비교 30

표 2.3. 안전점검, 정밀안전진단 및 성능평가의 실시시기 44

표 2.4. 시설물의 안전등급 기준 44

표 2.5. 시설물 안전점검·진단 유형 45

표 2.6. 점검종류별 시설물안전법 개요 46

표 2.7. 건축물관리법 계량적 평가기준 48

표 4.1. 3D Point Cloud 데이터 정합방식 및 특징 80

표 4.2. 상세수준별 적용단계 및 내용 90

표 5.1. AI Hub 플랫폼에서 제공하는 결함 이미지 데이터 정보 109

표 5.2. 결함 이미지 데이터 재분류 결과 111

표 6.1. 균열 및 누수·백태 손상등급 평가 기준 136

표 6.2. 철근노출 및 박리·박락 손상등급 평가 기준 137

그림 1.1. 연구범위 및 방법 23

그림 2.1. '건축법'에 따른 건축물 유지관리 점검 절차의 개요도 33

그림 2.2. '시설물안전법'에 따른 건축물 유지관리 점검 절차의 개요도 36

그림 2.3. '건축물관리법'에 따른 건축물 유지관리 점검 절차의 개요도 37

그림 2.4. '건축물관리법'에 따른 구조부재 육안점검표 50

그림 3.1. 스마트 건설기술 개념 56

그림 3.2. 연구단계별 활용 기술 70

그림 4.1. 역설계 BIM 모델링 프로세스 73

그림 4.2. SIFT 기법을 적용한 물체의 위치 인식 예시 75

그림 4.3. SFM 기반 3차원 모델 생성 예시 76

그림 4.4. Lidar 시스템 기본 구성 및 동작원리 77

그림 4.5. ToF와 Phase shift 측정 원리의 작동 방식 78

그림 4.6. 3D Point Cloud 데이터 정합방식 81

그림 4.7. 3D Point Cloud에서 타겟과 측정거리 오차 계산 83

그림 4.8. Scan to BIM 기술의 프로세스 86

그림 4.9. 3D Point Cloud기반 BIM 모델 구축 예시 87

그림 4.10. LiDAR기반 Scan-to-BIM Mapping 결과 예시 88

그림 4.11. BIM Level of Development (LOD) 89

그림 5.1. 인공지능, 머신러닝, 딥러닝의 관계 94

그림 5.2. 인공신경망의 기본 층(layer) 구조 96

그림 5.3. CNN 모델 개념 구조 98

그림 5.4. 이미지 분석 방법 100

그림 5.5. AlexNet 모델 구조 102

그림 5.6. VGGNet 모델 구조 103

그림 5.7. GoogLeNet 모델 구조 104

그림 5.8. ResNet 모델 구조 104

그림 5.9. 데이터 증강 기법의 예시 106

그림 5.10. 딥러닝 모델 구축 프로세스 107

그림 5.11. 결함 이미지 촬영 가이드 110

그림 5.12. 학습 이미지 데이터 증강 결과 예시 113

그림 5.13. 학습 이미지 데이터셋의 일부 115

그림 5.14. Confusion Matrix 115

그림 5.15. 결함 자동탐지 및 분류 모델 성능 메트릭 116

그림 5.16. 결함 이미지 분류 모델 예측 테스트 결과 117

그림 6.1. 유지관리 시스템과 BIM 연계 예시 122

그림 6.2. IFC 모델 데이터 스키마 구조 (IFC4_ADD2_TC1버전) 124

그림 6.3. COBie 데이터 시트 구성 예시 126

그림 6.4. IFC-COBie 데이터 교환과정 126

그림 6.5. COBie파일 Job 시트 화면 128

그림 6.6. COBie파일 Attribute 시트 화면 129

그림 6.7. Dynamo 프로그램의 기본 구조 예시 130

그림 6.8. COBie 파일 항목을 BIM 객체별 공유 매개변수와 연동하기 위한 Dynamo 알고리즘 131

그림 6.9. COBie 파일 항목기반 Revit 공유 매개변수 생성 과정 132

그림 6.10. COBie 파일을 공유 매개변수로 생성하는 Dynamo 알고리즘 133

그림 6.11. 역설계 BIM 모델을 활용한 유지보수 의사결정 프로세스 134

그림 7.1. Case study 수행 절차 140

그림 7.2. Case Study 대상 영역 및 대상 건축물 141

그림 7.3. 대상 건축물 드론 비행 경로 143

그림 7.4. 이미지 기반 Sparse point cloud 생성 144

그림 7.5. Densified point cloud 생성 145

그림 7.6. 3차원 Mesh 데이터 생성 146

그림 7.7. 현장 스캔 계획에 따른 레이저스캐너 촬영 지점 147

그림 7.8. 3D Point Cloud 정합 및 노이즈 제거 완료 148

그림 7.9. 3D Point Cloud 파일 import 과정 149

그림 7.10. 3D Point Cloud 모델의 Level 설정 화면 150

그림 7.11. 3D Point Cloud 기반 역설계 BIM 객체 생성 151

그림 7.12. Polyline 생성 과정 151

그림 7.13. 역설계 BIM 모델 생성 152

그림 7.14. 드론 촬영 균열 이미지 예측 값 153

그림 7.15. 드론 촬영 박락 이미지 예측 값 154

그림 7.16. 누수 검출 이미지 결함 종류 예측 결과 155

그림 7.17. 철근노출 검출 이미지 결함 종류 예측 결과 156

그림 7.18. 박락 검출 이미지 결함 종류 예측 결과 157

그림 7.19. 박리 및 백태 검출 이미지 결함 종류 예측 결과 157

그림 7.20. 3D point cloud 모델 기반 균열 이미지 위치 확인 159

그림 7.21. 결함 정보를 작성한 COBie 파일 160

그림 7.22. 역설계 BIM 객체와 COBie 파일 연동 및 결함 정보 시각화 161

그림 7.23. 이미지 URL 입력을 통한 결함 이미지 확인 162

그림 7.24. 스마트 유지관리 시스템 구현 화면 예시 162