[논문 리뷰] Using Unmanned Aerial Systems (UAS) for Assessing and Monitoring Fall Hazard Prevention Systems in High-rise Building Projects

Yimeng Li, Behzad Esmaeili외 3명|arXiv (Cornell University)|2022. 09. 27.

Infrastructure Maintenance and Monitoring인용 수 4

한 줄 요약

이 논문은 고층 건설 현장의 보호되지 않은 가장자리 근처의 경고봉 기둥을 탐지하고 모니터링하기 위한 기계학습 기반 UAS 프레임워크를 제안한다. 객체 탐지, 바닥층 위치 특정, 기둥 간격 분석의 계열적 조합을 통해 추락 위험 방지 시스템을 보다 정밀하고 완전하게 식별함으로써, 엔지니어가 자동으로 안전 평가를 수행할 수 있도록 한다.

ABSTRACT

This study develops a framework for unmanned aerial systems (UASs) to monitor fall hazard prevention systems near unprotected edges and openings in high-rise building projects. A three-step machine-learning-based framework was developed and tested to detect guardrail posts from the images captured by UAS. First, a guardrail detector was trained to localize the candidate locations of posts supporting the guardrail. Since images were used in this process collected from an actual job site, several false detections were identified. Therefore, additional constraints were introduced in the following steps to filter out false detections. Second, the research team applied a horizontal line detector to the image to properly detect floors and remove the detections that were not close to the floors. Finally, since the guardrail posts are installed with approximately normal distribution between each post, the space between them was estimated and used to find the most likely distance between the two posts. The research team used various combinations of the developed approaches to monitor guardrail systems in the captured images from a high-rise building project. Comparing the precision and recall metrics indicated that the cascade classifier achieves better performance with floor detection and guardrail spacing estimation. The research outcomes illustrate that the proposed guardrail recognition system can improve the assessment of guardrails and facilitate the safety engineer's task of identifying fall hazards in high-rise building projects.

연구 동기 및 목표

• 고층 건물 공사 프로젝트에서 UAS를 활용하여 추락 위험 방지 시스템을 자동으로 평가하는 시스템을 개발하는 것.
• 항공 영상에서 경고봉 기둥을 탐지하는 데 있어 발생하는 과도한 경고(거짓 경고)와 일관되지 않은 기둥 간격 문제를 해결하는 것.
• 수동 점검에 대한 의존도를 줄임으로써 안전 모니터링 효율을 향상시키는 것.
• 공간 제약 조건(바닥층 정렬 및 기둥 간격)을 통합하여 탐지 정확도를 향상시키는 것.
• 실제 고층 건설 현장의 항공 영상 자료를 사용하여 프레임워크 성능을 검증하는 것.

제안 방법

• UAS가 촬영한 영상에서 후보 경고봉 기둥을 국소화하기 위해 YOLO 기반의 경고봉 탐지기를 훈련시켰다.
• 바닥층 수준을 식별하고 바닥층과 정렬되지 않은 탐지를 걸러내기 위해 수평선 탐지기를 적용했다.
• 기대되는 정규분포를 기반으로 한 기대 기둥 간격을 사용하여 탐지 결과를 검증하고 정밀화했다.
• 탐지, 바닥층 정렬, 간격 제약 조건을 조합한 계열 분류기가 거짓 경고를 줄이기 위해 사용되었다.
• 정밀도와 재현율 지표를 사용하여 실제 고층 건설 현장의 항공 영상에 프레임워크를 테스트했다.
• 탐지, 바닥층 탐지, 간격 추정의 다양한 조합을 평가하여 성능 최적화를 시도했다.

실험 결과

연구 질문

• RQ1 UAS 영상과 기계학습을 조합하여 고층 건설 현장에서 보호되지 않은 가장자리 근처의 경고봉 기둥을 효과적으로 탐지할 수 있는가?
• RQ2 바닥층 정렬 및 기둥 간격과 같은 공간 제약 조건이 탐지 정확도에 어떻게 기여하는가?
• RQ3 실제 환경 조건에서 바닥층 탐지 및 간격 추정을 통합한 계열 탐지 시스템의 성능은 어떠한가?
• RQ4 단독 탐지 대비 제안된 프레임워크가 거짓 경고를 얼마나 줄이는가?
• RQ5 여러 제약 조건을 통합할 경우 경고봉 모니터링에서 정밀도와 재현율에 어떤 영향을 미치는가?

주요 결과

• 바닥층 탐지 및 기둥 간격 추정을 통합한 계열 분류기가 테스트된 구성 중에서 가장 높은 정밀도와 재현율을 달성했다.
• 바닥층 정렬 통합으로 인해 구조적 바닥층 근처에 위치하지 않은 기둥을 걸러내는 데 성공하여 거짓 탐지 수가 감소했다.
• 기둥 간격 추정이 가장 가능성이 높은 기둥 쌍을 식별함으로써 탐지 결과에 대한 신뢰도를 향상시켰다.
• 복잡한 시각적 혼잡함과 변동하는 조명 조건이 있는 실제 환경에서도 시스템의 강건성이 향상되었다.
• 경고봉 시스템의 탐지를 자동화함으로써 수동 점검 노력이 크게 감소했다.
• 결과적으로 여러 제약 조건을 통합할 경우 안전 모니터링 응용 분야에서 신뢰성 향상에 기여한다는 것이 확인되었다.