1. 서 론

철근콘크리트 구조물에서 균열은 가장 대표적인 손상 유형으로써 구조물의 안전성, 내구성 및 사용성과 밀접하게 연관된 구조물 상태평가의 중요한 지표이다. 균열 양상 파악은 실구조물의 상태평가 뿐만 아니라 축소모형 실험에서도 휨 파괴와 전단 파괴 등의 구조물 거동특성을 파악하기 위한 중요한 분석자료로 활용되고 있다. 그러나 철근 콘크리트 구조물에서는 균열 발생위치는 예측하기 어렵기 때문에 균열 발생 후 평가자의 육안에 의한 평가가 주를 이루고 있다. 이러한 균열평가의 어려움을 해소하기 위해서 영상분석기법을 이용한 방법들이 다양한 연구자들에 의해서 제시되고 있다.

영상분석기법을 활용하여 균열을 평가하는 방법은 영상의 이진화된 결과를 이용하여 균열폭 및 균열형상을 평가하는 것이다. 영상을 이진화하여 평가하는 방법은 원본 영상을 회색조로 변환하고, 회색조 영상 내에서 균열의 윤곽선(Edge)을 추출하는 방식을 주로 사용하고 있다. 가장 기본적인 방법은 임계값을 이용해서 영역을 구분하는 방법이다 (Sinha and Fieguth, 2006; Tsai et al., 2010; Talab et al., 2016; Kim et al., 2017)^{(4,7,9, 11)}. 하지만 콘크리트 표면의 공극과 이물질 등의 영향으로 균열로 구분된 영역에 노이즈가 나타나게 된다. 이 때 균열의 윤곽선을 정확하게 추출하기 위해서 다양한 필터링과 분석기법 등이 연구되고 있다. 노이즈를 제거하기 위한 방법으로는 지역적 히스토그램 평활화기법과 레이블링 기법 등 다양한 알고리즘이 제안되고 있다 (Her et al., 2006; Jung et al., 2007; Kim et al., 2005; Talab et al., 2016; Kim et al., 2017)^(3,4,7,12). 골재 등의 영향으로 균열발생 패턴이 매우 불규칙하고, 동일 균열이더라도 위치에 따라 균열폭이 달라지기 때문에 회색조 영상의 값도 매우 큰 편차를 보인다. 회색조 영상에 기반한 영상분석기법의 단점을 보완하기 위해서 칼라영상에 기반한 영상분석기법과 이를 이용한 영역구분 방법이 제안되고 있다. 연구결과에 따르면 Lab 칼라영상을 이용하여 영역을 구분할 경우 일치도 판별에 유리하기 때문에 변환된 이진영상에서 회색조 대비 노이즈가 줄어드는 효과가 나타났다(Kaur and Kranti, 2012; Kim et al., 2016; Cheung et al., 2017; Lee et al., 2019)^(1,3,6,8). 노이즈가 줄어들게 되면 영상에 대한 필터링과 분석과정에서 소요되는 연산시간을 줄일 수 있어서 기존 회색조 기반의 영상분석기법보다 유리한 장점을 갖는다. 본 연구에서는 색상에 기반한 영상분석 기법을 이용하여 철근콘크리트 구조물에서 균열을 찾고자 한다. 철근콘크리트 거더를 제작하고 표면을 색깔 페인트로 칠한 다음 균열과 일반 표면을 구분하기 용이하게 하였다. 하중재하 시 발생되는 균열발생 과정을 촬영하여 영상분석을 통한 균열형상 및 균열폭을 평가하였다. 이를 균열확대경을 이용한 평가방법과 비교하여 시도된 방법의 정확도를 평가하였다. 또한 실험체 표면에 등간격으로 타겟을 부착하고 해당 타겟을 이용하여 실험체의 하중단계별 변형형상을 계측하였다.

2. 색상기반의 영상분석 기법을 이용한 균열 및 타겟 인식

일반적으로 콘크리트의 균열을 측정하기 위해서는 균열확대경을 이용하거나, 발생된 균열에 균열측정 게이지를 부착하는 방법이 있다. 하지만 모두 균열 발생 후 위치를 선정할 수 있기 때문에 하중재하시험에서 초기 균열의 발생위치를 주의 깊게 살펴야하는 어려움이 있다. 따라서 이러한 문제점을 해소하기 위해서 많은 연구자들이 영상분석 기법을 이용한 균열 계측방법을 대안으로 제시하고 있다 (Sinha and Fieguth, 2006; Tsai et al., 2010; Talab et al., 2016; Kim et al., 2017; Kim et al., 2018)^{(2,4,7,9, 11)}. 본 연구에서는 Fig. 1에 도시한 색상 기반의 영상분석 기법을 사용하였다.

Fig. 1 Algorithm of image processing method

색상을 이용한 영상분석 기법은 영상 내 존재하는 객체들 간의 경계면을 구분하기 위한 것으로 사전에 정의된 색상들을 기준으로 비슷한 색상들을 하나의 영역으로 분리한다. 이를 위해서 영상 내 각 픽셀들의 색상정보가 관심대상의 색상과 얼마나 가까운가를 산정한다. 디지털영상에서는 RGB 색상공간이 가장 보편적으로 사용된다. RGB에서 R은 빨간색, G는 녹색, B는 파랑색을 의미하는데, RGB 각각을 하나 축으로 보고 특정색상에 대해서 3차원 색상 공간 안에 위치로 표시할 수 있다. 그러나 Kaur and Kranti (2012)의 연구에 따르면 Lab 색상영역이 영상 내에서 색상을 구분하기에 적합하다는 연구결과를 발표하였다. Fig. 2는 Lab 색상공간을 나타낸 것이다. Lab 색상영역의 경우에는 RGB 색상영역과 달리 Lab 라는 축으로 3차원 색상공간을 정의한다. Lab 색상영역에서는 L 값을 이용하여 밝기를 나타내고, a와 b 값을 이용하여 채도를 구현하게 된다. 따라서 영상 내에서 동일한 채도 값을 가지지만 밝기가 다른 색상에 대해서 더욱 정확한 구분이 가능하다. Fig. 2는 RGB 색상공간과 Lab 색상공간을 도시한 것이다. 본 연구에서 적용한 Lab 색상영역에서 기준색상과 다른 색상을 구분하기 위한 수학적 알고리즘은 식(1)과 같다.

Fig. 2 Color spaces

Fig. 3 Coordinate of targets obtained by left camera [Pixel]

이후 사용자가 원하는 색상의 영역과 그 외의 영역으로 구분하여 이진영상으로 변환한다. 영상을 이진화 하는 과정에서 균열을 검출하고, 실험체 표면에 부착한 타겟을 구분하여 인식한다. 이후 균열형상 과 폭을 산출하여 균열에 대한 평가가 이루어지고, Fig. 3과 같이 타겟의 중심점 좌표 값을 추출한 후 변위와 인접 타겟과의 상대거리를 산출하여 변형률로 환산하여 나타낸다. 또한 가력장치의 하중 값을 영상분석 시스템 상에 동시에 촬영되도록 하고, 영상처리과정에서 영상 내에 촬영된 현재 하중 값을 광학문자인식(Optical Character Recognition: OCR) 알고리즘을 이용하여 수치화한다. 이러한 과정을 통하여 최종적으로 구조물의 균열과 변위 및 변형률, 그리고 현재 하중을 산출한다.

Fig. 4 Image used for evaluating image distortion

Fig. 5 Deviation of the diameter of the target group

본 연구에서 영상 취득을 위해 사용한 디지털 카메라의 영상 왜곡 정도를 알아보기 위하여 Fig. 4와 같이 직경이 5mm인 원형 타겟을 3⨯3 형태로 그룹을 지어 영상의 중앙부, 가장자리부 등 5행 5열의 배치로 고루 분포를 시켜 촬영을 하고 동일한 방법으로 이미지 분석을 실시하여 테스트를 수행하였다. 위에서 언급한 바와 같이 타겟의 직경은 픽셀 개수로서 표현하였으며 5mm로 모두 동일한 직경을 가진 원형 타겟의 영상분석 후 얻어진 직경이 분석 후에 위치에 따라 얼마만큼의 편차를 가지는지 알아보았다. 편차의 결과는 Fig. 5와 같다. 타겟의 실제 직경 5mm는 117.5~118.5의 픽셀 수로 나타났으며 픽셀 수의 평균 오차가 1픽셀 미만인 것을 알 수 있었다. 이를 통해서 본 연구에서 사용한 디지털 카메라는 적절한 수준의 왜곡보정 기능이 있는 것으로 판단하였으며 따로 후처리 왜곡보정 작업 없이 이미지 분석을 수행하였다.

3. 철근 콘크리트 보의 3점 휨 시험

3.1 시험체 상세

Fig. 6 specimen shape [mm]

본 연구에서는 색상에 기반한 영상분석 기법(Image Processing Method, IPM)을 이용한 균열 탐색 및 하중단계별 변형형상 계측을 위하여 철근콘크리트 보에 대한 3점 휨시험을 수행하였다. 시험체에 적용된 재료 특성은 Table 1과 같고, 그 값은 콘크리트 압축강도 시험과 철근의 1축 인장시험 각각 3회씩 수행하여 나온 평균값을 나타낸 것이다. 시험은 Fig. 6와 같이 T형 단면을 가지는 철근콘크리트 보를 대상으로 3점 휨 시험을 수행하였다. 시험체는 총 2개를 제작하였고, 시험체 명을 A1, A2로 나타내었다. 대상 시험체 2개의 형상은 동일하게 제작되었다. 인장 주철근은 2-D13이고, 압축부 플랜지 상단에 D10철근 4개, 플랜지 하단에 D10철근 2개를 매립하였다. 스터럽은 D10철근을 사용하였고 폐쇄형으로 150mm 간격으로 매립되었다.

영상분석 기법으로 휨 하중을 받는 상태에서의 균열폭 및 변형 형상을 보다 정확하게 측정하기 위해서 관심영역을 시험체 중앙부 1,000mm로 설정하였다. 그리고 해당 영역에 Fig. 7와 같이 콘크리트 표면을 파란색 페인트로 칠하고 직경 5mm 원형 타겟을 50mm 간격으로 부착하였다. 원형 타겟의 색상은 배경색상인 파란색과 대비되는 노란색을 사용하였고, 주 인장 철근이 매립된 위치에는 빨간색 원형 타겟을 부착하여 추후 영상 분석 시 철근의 위치를 파악하기 용이하도록 하였다.

Fig. 7 Background and targets

Table 1 Material test result

(a) Concrete
$f_{ck}$		Compressive strength test results [MPa]
30		33.7

(b) Rebar
	Diameter [mm]		Yield strength [MPa]	Tensile strength [MPa]
SD400	13		Over 450	Over 650

3.2 3점 휨 시험

영상 분석에서는 영상 획득 시 디지털 카메라의 움직임이 최대한 적을수록 보다 정확한 결과 도출이 가능하다. 이에 시험체 중앙부의 위치를 고정하기 위한 방법으로 Fig. 8와 같이 철근콘크리트 T형보의 상하부를 뒤집고, 시험체 연단에 하중을 재하하는 방식을 택하였다. 또한 관심영역에서의 타겟의 변화와 그에 따른 하중값을 동시에 비교할 수 있도록 시험 중 로드셀에서 얻어진 하중을 실시간으로 표시하는 하중표시계(Load indicator)를 시편 하부에 배치하여 관심영역과 하중이 동시에 촬영되도록 하였다. 가력은 1,000kN 용량의 엑추에이터(Actuator)로 수행하였고, 가력속도는 변위제어방식으로 0.5mm/min를 유지하였다.

영상분석 기법을 이용하여 나온 변형 값의 검증을 위하여 관심영역의 최외측 타겟 부착 위치에 계측범위 50mm를 가지는 변위계(Linea`r Variable Displacement Transducer, LVDT)를 설치하여 수직변위를 계측하였다. LVDT 신호는 데이터 로거(Tokyo Sokki TDS-303)를 이용하여 계측하였다. 영상 취득은 SONY alpha 7R 디지털 카메라 2대를 사용하였고 약 36백만 화소(4912x7360 Pixel)의 크기로 4초 마다 등 간격으로 촬영하였다. 카메라는 시험체의 중앙을 기준으로 양측에 위치하도록 하였다. 영상 내에 동일한 기준점을 촬영영역으로 제한함으로써 촬영된 영상과 실물이 축척 계수(scale factor)를 약 0.03~0.05mm/pixel로 유지하였다. 또한 빛에 의한 오차를 줄이기 위하여 시험체 표면이 일정한 빛을 받을 수 있도록 조명들을 설치하였다. 그리고 색상에 기반한 영상분석 기법으로부터 도출된 균열폭과의 비교를 위하여 균열확대경(Crack meter, CM)을 이용하여 20 프레임 당 1번씩 시험체 중앙부에 발생한 최대균열폭을 측정하였다.

Fig. 8 Test and measurement set-up

3.3 시험결과 및 분석

3.3.1 콘크리트 균열 분석 결과

본 연구에서는 MATLAB R2019a 프로그램을 사용하여 영상분석을 수행하였다. Fig. 9과 Fig. 10은 영상분석을 통하여 얻어진 균열부위 가장자리를 원본 영상 내에 붉은 선으로 표시한 것으로, 임의의 위치 4곳에 대해서 확대하여 표시하였다. 영상분석결과를 통해서 파란색으로 색칠한 콘크리트 표면을 기준으로 균열부의 구분이 비교적 정확하게 수행됨을 확인할 수 있었다.

2개의 시험체 모두 최대균열폭은 최대모멘트 발생 지점인 시험체의 중앙부에서 나타났다. Fig. 11는 영상분석 기법(IPM)과 균열확대경(CM)으로부터 계측된 최대균열폭을 시험체의 항복 상태까지 도시한 그래프이다. 영상분석 기법을 이용하여 도출된 최대균열폭은 콘크리트 표면 색상인 파란색 색상정보를 가지는 영역(R1)과 그 외의 영역(R2)으로 구분하여 균열을 검출하고 최대균열폭을 가지는 균열 선택 후 주 인장 철근이 매립된 위치에서의 R2 영역 너비를 구함으로써 도출된 값이다. 하중은 영상 내에서 하중표시계(Indicator)가 위치한영역에 대하여 OCR 알고리즘을 적용하여 산출된 값을 나타낸 것이다. 그리고 Table 2는 균열확대경을 이용하여 계측한 순간의 균열폭을 영상분석 기법으로부터 도출된 균열폭과 비교하여 나타낸 것이다.

Fig. 9 Result of concrete crack analysis using IPM

Fig. 10 Closeup of cracked part

하중-균열폭 관계를 살펴보면, A1 시험체의 경우 균열폭 0.2mm 전후 단계에서 재하된 하중의 크기가 증가함에 따라 영상분석 기법에 따른 균열폭은 증가하지만 균열확대경으로 계측된 균열폭은 0.2mm에 머물러있음을 알 수 있다. 이는 균열확대경이 계측할 수 있는 균열폭의 최소단위가 0.1mm이기 때문에 육안에 의존한 균열확대경의 눈금분해는 수행하지 않았기 때문이다. 예를 들어, 균열폭이 0.1mm와 0.2mm 사이에 존재한다면, 둘 중 가까운 값을 균열폭으로 기록하였다. 이에 반해 영상분석 기법은 훨씬 상세한 평가가 가능한 것을 알 수 있다. 다만, 영상분석 기법의 정확도는 카메라의 초점거리, 영상의 해상도, 그리고 영상 내에 담긴 대상물의 실제 크기 등에 영향을 받는다. 또한 촬영 프레임 간격이 짧을수록 더욱 정밀한 데이터를 취득할 수 있다. 하중-균열폭 결과에서 나타난 바와 같이 영상분석 기법과 균열확대경을 이용한 균열폭 차이의 최대값은 A1 시험체가 0.048mm, A2 시험체가 0.047mm로 나타났다. 계측값의 차이가 모두 균열확대경의 최소계측단위인 0.1mm를 넘지 않기 때문에, 영상분석 기법으로 획득한 결과는 충분한 신뢰성을 가진다고 판단된다.

Table 2 Crack width of specimens (IPM vs. Crack Meter)

	Frame No.	Crack Width by IPM [mm]	Crack Width by Crack Meter [mm]	$|\Delta |$ [mm]
A1	60	0.148	0.1	0.048
	80	0.185	0.2	0.015
	100	0.231	0.2	0.031
	120	0.332	0.3	0.032
	140	0.716	0.7	0.016
	168	0.939	0.9	0.039
A2	60	0.066	0.1	0.034
	80	0.236	0.2	0.036
	100	0.266	0.3	0.034
	120	0.353	0.4	0.047
	140	0.524	0.5	0.024
	151	0.926	0.9	0.026

3.3.2 시험체 변형 분석 결과

본 연구에서는 영상분석 기법을 이용한 시험체의 변형 분석을 위하여 콘크리트 표면에 부착된 원형 타겟 도심의 좌표값을 이용하였다. Fig. 12은 Fig. 6(a)에서 나타낸 것과 같이 시험체 중앙부 관심영역의 최외단 위치에 설치한 LVDT 수직방향 변위량과 동일한 위치의 타겟 좌표를 이용한 영상분석 기법을 적용하여 도출된 처짐을 25mm까지 나타낸 그래프이다. Table 3은 하중단계별로 각 방법에 대한 처짐값을 나타낸 것이다. 하중은 5kN 단위로 25kN까지를 대상으로 하였다. A1 시험체의 경우 두 방법 사이의 오차는 2~7%의 범위를 가지는 것으로 나타났고, A2 시험체에서 두 방법간의 오차는 2~6% 범위를 가지는 것으로 나타났다. 따라서 본 연구에서 계측에 적용한 색상 기반의 영상분석 기법은 비교적 정확한 계측이 가능하다고 판단된다.

Fig. 11 Load-crack width (IPM vs. Crack meter)

Fig. 12 Load-deflection (IPM vs. LVDT)

Table 3 Deflection of specimens according to load step

	Load [kN]	Defl. by IPM [mm]	Defl. by LVDT [mm]	$|\Delta |$ [mm]
A1	5	0.852	0.799	0.053
	10	2.113	2.038	0.075
	15	3.748	3.690	0.058
	20	5.739	5.350	0.389
	25	9.817	9.497	0.320
A2	5	0.592	0.622	0.030
	10	1.623	1.650	0.027
	15	3.777	3.891	0.114
	20	6.039	5.704	0.335
	25	10.736	11.290	0.555

4. 결 론

본 연구에서는 색상에 기반한 영상분석 기법을 이용한 철근콘크리트 구조물의 균열 탐색 및 변형 분석을 위하여 철근콘크리트 T형 보를 상대로 3점 휨 시험을 수행하였다. 영상분석 기법은 기존의 회색조 영상을 사용하는 방법과 달리 칼라 영상을 활용하여 동일한 객체들을 추출하는 방법을 적용하였다. 영상분석을 통하여 얻어진 결과와 기존 계측장비를 통한 결과를 시험체의 항복시점까지 비교 및 분석하였다. 본 연구를 통하여 얻어진 결론은 다음과 같다.

디지털 카메라로 취득한 영상에서 콘크리트 표면 색상인 파란색과 그 외의 색상을 구분함으로써 균열을 탐색하였고, 시험체의 주인장철근위치에서의 최대균열폭을 구하고 균열확대경으로 계측한 결과와 비교한 결과, 최대 오차가 0.1mm 이내로 나타났다. 또한 원형 타겟의 도심의 좌표를 이용하여 얻어진 처짐값과 LVDT에 의한 처짐값을 비교한 결과, 최대 오차가 0.6mm 이내로 오차범위 2~7%를 가지는 것으로 나타났다.

따라서 색상에 기반한 영상분석 기법은 비교적 정확한 계측이 가능하여 충분한 신뢰성을 가지는 것으로 판단된다. 추후 철근콘크리트 구조물의 항복 후 거동의 계측에 적용하여 상세한 평가가 가능할 것으로 사료된다. 하지만 본 연구에서 적용한 영상분석 기법은 균열 발생 전에 색상 페인트가 칠해져있어야 한다는 한계가 있다. 따라서 실험실 규모의 연구에서는 적용하기 유용하나, 실구조물에 대한 적용성 확보에는 향후 추가적인 연구가 필요할 것으로 판단된다.