오늘날 건설기술이 급격히 발전함에 따라 건축물의 외형과 내부공간이 획일적인 구성을 벗어나 다양하고 복잡해지고 있다. 효율적인 유지관리 업무를 수행하기 위해서는 건축물의 복잡한 내부에 관한 정확한 공간정보가 요구된다. MEP (Mechanical, Electrical, and Plumbing)는 유지관리 업무를 수행하는데 있어 핵심 점검항목으로 효과적인 유지관리 작업을 위해서는 디지털 기반 공간정보를 활용한 3 차원 MEP 객체정보를 정밀하게 파악할 필요가 있다.
Point Cloud Data(PCD)는 실제 건축물의 공간정보를 디지털 데이터로 표현하기 때문에, 이를 활용하여 관리자는 MEP 를 포함한 건축물 내부 환경에 관한 정밀한 객체정보를 얻을 수 있고 정확한 의사결정을 내릴 수 있다. 그에 따라 포인트 클라우드 데이터 기반 3 차원 MEP 객체정보 추출에 관한 연구가 중요시되고 있다. 특히 데이터 취득에 요구되는 시간이 적고 복잡한 내부공간으로 구성된 건축물에도 사용하기 적합한 이동식 레이저 스캐닝 방식(mobile laser scanning)을 이용한 연구가 필요한 실정이다. 그러나 기존 연구들은 TLS 기반 데이터를 바탕으로 MEP 식별을 위한 3 차원 객체 인식 알고리즘을 개발하는데 초점이 맞춰 있으며 MLS 기반 데이터에 적합한 알고리즘에 관한 연구는 미비한 실정이다.
이에 본 연구에서는 이동식 레이저 스캐닝 방식(mobile laser scanning)으로 취득한 포인트 클라우드 데이터를 중심으로 정확한 MEP 객체정보 추출을 위한 MEP 식별 알고리즘을 제안하였다. 기존 연구와 달리 상대적으로 저품질의 데이터로부터 신뢰도 높은 객체의 형상정보를 추출 및 분류하기 위해 순서에 따라 Data preprocessing - Normal estimating with downsampling - 파이프 bottom of pipe (BOP) PCD 추출 - 파이프 중심부 공간좌표 계산 - Clustering MEP PCD with pipe centerline 로 구성된 알고리즘을 개발하였다. 알고리즘은 Python 을 통해 구현되었으며 세부적으로 데이터 전처리과정, 포인트 클라우드 데이터 분석 및 시각화, 객체들의 기하학적 형상 비교분석, 데이터 추출을 위해 CloudCompare 와 Open 3D, Rhinoceros 3D 프로그램을 사용하였다.
개발한 알고리즘의 성능을 분석하기 위해 본 연구는 대표적인 분류성능 평가지표인 F1 score 를 알고리즘 성능평가 기준으로 설정하였다. 완공된 건축물 내부환경에서의 현장 적용성을 파악하기 위해 사례연구에 사용한 데이터는 4 개의 구역으로 나누어 객체들의 배치상태 및 규격, 구조체 존재여부 차이에 따른 알고리즘 성능을 파악하였다. 분석 결과 D 구역과 C 구역에서 각각 97.39%와 94.28%로 가장 높은 값과 가장 낮은 값이 나타났으며, A 와 B 구역의 F1 score 를 비교분석 함으로서 일부 구간이 누락되거나 불충분한 파이프 데이터를 식별하는 데도 본 연구의 알고리즘이 높은 성능을 보였음을 확인하였다. 또한 각 구역별 F1 score 는 모두 94% 이상을 기록하여 개발된 알고리즘이 실제 건축물 내부환경에서 사용하기 적합하다고 판단할 수 있다.
본 연구를 통해 MLS 기반 PCD 를 활용한 MEP 3 차원 객체정보 추출 시스템을 개발함으로서 건설환경에 최적화된 MEP 식별 알고리즘을 제안하였다. 이를 통해 인력 중심인 기존 건축물 유지관리 업무의 비효율성 개선에 기여할 수 있을 것으로 사료된다.