2.1 연구 대상 댐

드론 photogrammetry 기술을 대형 댐에 적용하기 위해 2개 댐을 선정하였다. 댐의 수직 고저차는 100 m와 42 m이다. 댐의 형식은 중심코어형 락필댐이며, 댐의 일반적인 제원은 다음 Table 1과 같다.

2.2 Photogrammetry 현실 모델링

2.1.1 지상기준점 설치 및 측량

드론 Photogrammetry 과정에서 GCP (Ground Control Point; 지상기준점)의 위치 정합을 정확하게 수행하면 3D 모델의 정확성을 크게 향상시킬 수 있다. 본 연구에서는 댐에 대한 드론 임무비행 수행 전 GCP를 설치하였다. 특히 댐 시설물은 고저차와 식생의 영향으로 GCP의 설치 시 영상에서 식별이 가능한 곳을 선별하였으며, April Tags, Chili Tags 등을 활용하여 후처리 작업 시 영상 내의 GCP 중심점 위치를 자동으로 인식할 수 있도록 설치하였다(Fig. 1). GCP의 정확한 위치와 표고값을 측정하기 위해 VRS Network RTK (Virtual Reference Station Network Real Time Kinematic) 방식의 측량을 하였다. VRS Network RTK는 드론 측량에서 사용되는 위치 보정 기술 중 하나로, 지상 기준점(GNSS Station)의 위치 정보를 전송하는 VRS 서버를 사용하여 드론의 위치를 보정한다. 향후 후처리 과정에서 측량한 GCP의 좌표는 이미지의 각도와 위치를 사용하여 3D 모델을 정합하는 데에 사용되었다. 본 연구에서는 GCP의 좌표를 사용하여 3D 모델을 정합하기 위해 최소 제곱법을 사용하였다. 즉 GCP의 좌표와 드론 촬영 이미지의 각도와 위치를 최소 제곱법을 사용하여 최적화하여 3D 모델을 정합하였다.

Fig. 1 April Tag as a GCP with surveying

2.2 현실 모델링 결과

드론 Photogrammetry 기술을 활용하여 3D 메쉬 모델, 정사영상(orthomosaic image), 수치표면모델(DSM; Digital Surface Model)을 획득하였다. Fig. 2와 Fig. 3은 구축된 3D 디지털 모델을 기반으로 생성된 JAR댐과 YCN댐의 3D 메쉬 모델이다. 생성된 댐체 정사영상과 수치표면모형의 평균 해상도는 약 1 cm/pixel로 확인되었으며, 이는 육안조사에 의한 안전점검에 비해 매우 신뢰할 수 있는 3차원 디지털 데이터를 제공할 수 있음을 알 수 있다. 생성된 3D 디지털 모델은 인력으로 접근이 어려운 곳을 포함하여 정확한 공간상의 수치정보를 제공하고, 텍스쳐를 입힌 모델의 경우 현장 상황을 그대로 반영한 정밀한 정보를 파악할 수 있으므로 댐의 안전점검에도 활용가능하도록 양호한 품질 수준을 제공함을 확인하였다. GCP 측량을 병행하였기 때문에 특정 지점에서의 절대 좌표와 표고 정보의 직관적인 확인도 가능하였다. 또한 댐의 연직높이가 42 m, 99.9 m에 달함에도 불구하고 댐마루에서 드론 임무비행으로부터 얻은 3D 디지털 모델은 댐 하류부의 특성 파악에 큰 왜곡없이 데이터 취득이 가능함을 알 수 있었다.

Fig. 2 3D Mesh Model of JAR Dam

연구 대상 댐들의 상이한 고저차와 식생 및 저수지 수면 분포, 양안부 급경사지의 존재 및 댐 하류 수력발전시설의 영향에도 불구하고, 전반적으로 상세한 안전점검이 가능한 수준의 3D 디지털 모델을 생성하였다. Fig. 3의 우측부는 YCN댐 직상류 측에 존재하는 모닝글로리형 여수로의 3D 디지털 모델을 보여준다. 일반적으로 인력의 접근이 어려운 댐 시설물이지만, 드론 photogrammetry 기술로 매우 효과적으로 디지털 모델을 구현함을 알 수 있다.

Fig. 3 3D Mesh Model of YCN Dam

3.1 Profile 분석

연구 대상 댐들에 대한 3D 디지털 모델을 GIS 프로그램을 사용하여 기하학적 변형 정보를 파악하였다. 현행 안전점검이나 진단에서는 필수적으로 명시되어 있지 않으나, 댐의 종단 및 횡단 선형은 시공 도면과의 비교를 통해 실제 축조된 양상을 확인할 수 있고, 댐의 침하나 수평변위 등 정기적인 드론 현실 모델링에 의해 변형 여부를 파악할 수 있어 유용하다.

JAR댐 및 YCN댐에 대한 드론 photogrammetry 기반 댐 마루 표고 종단 선형 프로파일과 댐 상하류 방향의 횡단 프로파일 등을 분석하였다. 기존 안전점검 체계에서는 파악되지 않는 방식이라는 점에서 차별성을 갖는다.

JAR 댐의 as-built 프로파일은 Fig. 4와 같다. 프로파일 분석을 실시하기 위해, A-A’단면은 댐마루 표고의 종단 선형을 나타내며, DSM에서 추출된 단면의 표고는 평균 EL. 115.82m였다. 이는 고시된 댐마루 표고 값 EL. 115.0m와 거의 일치하는 값이다. 댐 상하류 방향 횡단 선형으로서 B-B’단면의 분석결과 as-built 경사는 약 1:1.8임을 확인하였다. C-C’단면은 여수로 바닥판 슬래브의 종단 선형 프로파일이며, 대체로 급격한 변형 없이 일정한 선형을 유지하고 있다.

Fig. 4 Profile Analysis using Digital Surface Model of JAR Dam

YCN 댐의 프로파일 분석을 실시하기 위한 단면은 총 4개로, 댐 마루의 종단 선형 표고를 측정하기 위한 A-A’ 단면과 댐과 여수로의 기하학적 상하류방향 선형을 확인하기 위한 B-B’ 단면과 C-C’ 단면, 그리고 인력접근이 극히 제한되는 모닝글로리형 보조여수로의 형상을 확인하기 위한 D-D’ 단면으로 구분하였다(Fig. 5). 수치표면모형에서 추출된 A-A’ 단면의 평균 표고는 WGS 1984 좌표계를 사용했을 때 약 EL. 162.54 m였다. 이는 고시된 댐 제원의 댐마루 표고인 EL. 162 m와 매우 유사한 수치임을 확인할 수 있었다. YCN 댐의 준공 시 도면에는 댐 상류 사면 경사가 1:2.53으로 나타났는데, B-B’ 단면의 분석결과 as-built 경사는 약 1:2.61로서 도면보다 다소 완만한 선형임을 확인하였다. C-C’ 단면은 여수로 바닥판 슬래브의 종단 선형 프로파일이며, 대체로 급격한 변형 없이 일정한 선형을 유지하고 있다. D-D’ 단면은 모닝글로리형 콘크리트 구조물 횡단 선형으로 실제 선형을 드론 photogrammetry로 양호하게 구현함을 확인할 수 있다. 여기서 모닝글로리 여수로의 위어정고는 약 EL. 156.67 m로 나타났으며, 고시된 위어정고 156.8 m와 비교했을 때 매우 유사한 수치임을 확인할 수 있었다.

향후 정기적인 드론 현실모델링이 수반된다면 드론 photogrammetry 기반의 댐 프로파일 분석은 현행 안전점검과 진단에서 중요한 관찰 항목인 댐체 변형 여부 파악이 가능함을 알 수 있었다. Photogrammetry 기술은 효과적으로 댐마루 표고 및 종단선형, 댐 상하류 방향 횡단 변형 모니터링, 댐 여수로 선형의 준공도면과의 비교분석 등에 유용하며, 접근 제약지역에서 인력조사의 한계를 극복하고, 댐의 안전점검에 효과적일 수 있음을 확인하였다.

Fig. 5 Profile Analysis using Digital Surface Model of YCN Dam

3.2 균열 및 손상 분석

댐은 콘크리트 여수로와 수문, 취수구조물, 관리시설, 수력발전시설 등 다양한 콘크리트 구조물을 포함한다. 그러나 여수로 및 취수탑과 같은 구조물은 인력 접근에 의한 균열, 백태, 박리박락, 누수, 철근노출 등 손상을 파악하고 매핑하는 것이 용이하지 않다.

본 연구에서는 드론 photogrammetry 기술로 구현한 3D 디지털 모델을 활용하여 2개 댐의 손상정보를 검토하였다. 댐 손상검토는 크게 본댐과 여수로 2개로 구분하여 실시하였다. 앞서 기술한 바와 같이 본 논문의 목적상 드론 photogrammetry 기반 댐 안전점검의 실무활용적 측면에서의 적용성을 예비 검토하기 위하여, 검토기준은 댐마루 육안점검 시 식별가능한 수준의 길이 1 m 이상 가시 균열 또는 누수와 약 0.25 m2 이상 파손(박리, 박락, 탈락), 철근노출 등 4가지 유형으로 구분하여 연구를 수행하였다. 결과는 Table 3과 같다. 전체적으로 인력 접근이 제한되는 댐 콘크리트 구조물에 대한 손상 정보를 효과적으로 검출 및 매핑할 수 있었다. 현재 AI를 활용한 균열 검출 연구가 활발하게 이루어지고 있으므로, 향후 주목할만한 검출율 및 재현율의 향상이 기대된다.

본 연구에서는 원거리 육안 식별이 어려운 미세 균열이나 손상보다는 쉽게 식별이 가능한 주요 균열 및 손상에 집중하였음을 밝혀 둔다. 만약 높은 GSD의 드론 photogrammetry를 적용한다면 미세 균열이나 손상도 파악이 가능하다. 예를 들어 본 연구에서 사용한 4K 급 영상 촬영, 구조물로부터 5 m 이내 근접 호버링(hovering)과 자동초점 촬영이 가능한 드론의 경우, 현장 경험을 통해 GSD 5 mm/pixel 정도의 균열을 이미지 정보로부터 검출할 수 있었다.

Fig. 6은 YCN 댐의 여수로 손상 정보를 보여준다. 손상 부위 및 양상은 단순 이미지가 아닌, 텍스쳐를 입힌 디지털 공간정보 데이터이기 때문에 균열과 누수 손상정보를 확대하였을 때 보다 상세히 식별이 가능하다. DSM에 위치정보와 표고정보가 포함되어 있으므로, 손상 부분의 길이와 면적, 체적 표현이 가능하다. 이와 같이 디지털 현실 모델링은 접근이 어려운 구조물의 손상 여부를 정밀하게 파악할 수 있으며, 따라서 댐의 안전점검 및 진단에 긍정적으로 활용할 수 있을 것으로 판단된다.

Fig. 6 Detailed Damage Identification of YCN Dam Spillway

3.3 손상 정보 데이터 구조화 방안

댐의 안전점검 결과를 디지털 전환하기 위해서는 변형이나 손상 정보를 직관적으로 디지털화하고 데이터화하는 연구를 진행하였다. 또한 디지털 데이터는 추적 관리가 가능하게 해야 하므로 본 연구에서는 댐 콘크리트 시설물의 균열 및 손상 정보를 3차원 공간상에서 시각적으로 디지털 데이터화하고, 향후 이력 관리를 위한 관계형 데이터베이스 구조화를 시도하고 제안하고자 한다.

드론 photogrammetry의 최종결과물로 산출된 수치표면모형과 정사영상을 활용하여 주요 균열 등 콘크리트 손상정보를 디지털화하기 위해, 2개 댐의 외관조사망도를 디지타이징(digitizing)하였다. 금번 연구에서는 콘크리트 구조물 표면의 시각적으로 인지가능한 주요 손상정보를 디지털화하는 것을 목표로 설정하였다. 미세균열이나 정밀안전점검 및 진단에서 목표로 하는 상태평가를 위한 상세 외관조사망도 작성은 photogrammetry 기술의 GSD와 연관하여 추후 확장적 연구가 필요하므로 본 연구에서는 시각적으로 확인가능한 균열 및 손상에 대한 안전점검 결과를 가시화하였다. 시범적으로 여수로 바닥판 슬래브에 한정하여 디지털화를 진행하였다.

Fig. 7은 안전점검이나 진단에 사용하는 JAR 댐의 콘크리트 여수로 외관 조사망도를 3차원적으로 배치한 결과를 보여준다. 단회적으로 생성된 디지털 외관 조사망도 및 입면 정사영상은 향후 안전점검 시 영구적으로 활용가능하다. 경우에 따라 종래의 2D 외관 조사망도는 본 연구 대상 댐들에 대해 실제 축척과 스케일의 실물 구조물에 적용하였을 때 기하학적 왜곡이 발생하는 경우가 대부분임을 발견하였다. 따라서 신축이음부 및 시공이음부를 고려하여 종래의 조사망도를 금번의 디지털 현실 모델링 결과에 최대한 가깝게 투영하였다.

콘크리트 구조물 표면의 손상정보를 3차원 공간정보화하기 위해 Fig. 8과 같은 과정을 제안한다. 먼저 2차원 정사영상에서 균열, 백태, 박리박락, 누수, 철근노출 등 콘크리트 표면의 손상정보를 생성한다. 본 연구에서는 손상정보를 기수행된 정밀안전진단 보고서를 참조하여 작성하였다. 기하보정이 수행된 정사영상은 각 픽셀별로 위치정보를 포함하므로 생성된 손상정보도 위치정보를 포함하는 2차원 공간정보가 된다. 최종적으로 2차원 손상정보를 수치표면모형에 투영하면 손상정보의 형태를 구성하는 각 점의 위치에 해당하는 표고를 알 수 있어 3차원 공간정보화가 가능하다.

콘크리트 구조물의 표면 손상정보의 속성(길이, 면적, 종류 등)을 부여하기 위해 Fig. 9와 같이 관계형 데이터베이스 구조를 고려하였다.

손상 코드의 경우, 복합적으로 나타날 수 있는 다양한 손상 종류가 있으므로 이를 체계적으로 분류하기 위해 이진화된 코드를 사용하여 관리할 수 있도록 하였다. 균열과 백태가 복합적으로 나타났을 경우 균열 코드에 해당하는 000001과 백태 코드에 해당하는 000010의 AND연산 결과인 000011의 코드로 나타난다. 이를 10진수로 표현하면 균열 코드의 10진수에 해당하는 1과 백태 코드의 10진수의 해당하는 2의 합인 3과 같다. 이를 통해 복합적으로 나타나는 손상을 효과적으로 구분하여 관리할 수 있다. 또한 모든 손상정보는 별도의 보수보강여부와 보강정보를 참조할 수 있게 하여 그 정보를 확인할 수 있도록 하였다. 보강정보 표는 보강 형태를 폴리곤(Polygon)과 면적으로 나타내고, 처리된 일시로 구성된다. 모든 손상정보는 그 종류에 따라 구분하여 가시화 할 수 있으며, 각 손상에 대한 기하하적 크기(길이, 면적 등)를 산정할 수 있다. 또한, 손상의 통계를 외관조사망도 상의 구역이나 손상종류별로 정량화 할 수 있을 뿐만 아니라, 시간의 따른 변동 등 이력 관리가 가능하도록 제안한다.

Fig. 10은 photogrammetry로 식별가능한 균열 및 손상을 여수로 3D 디지털 모델상에 조사망도와 함께 매핑한 결과를 보여준다. 주요 손상정보는 대부분 지배적인 균열 보수보강 부위를 따라 분포하고 있음을 알 수 있다. 이렇게 디지털화된 모든 손상정보는 그 종류에 따라 구분하여 가시화 할 수 있고 각 손상에 대한 기하학적 정보(길이, 면적, 부피 등)를 산정할 수 있다. 더하여 손상의 통계를 외관조사망도상의 구역이나 손상종류별로 정량화 할 수 있을 뿐 아니라, 시간에 따른 변동 등 이력 관리가 가능하다.

따라서 향후 인력접근이 제한되거나, 고소작업의 위험성을 동반하는 중대형 댐 시설물의 안전점검 및 진단 업무에 이러한 드론 photogrammetry 기반의 3D 디지털 손상 정보 시각화와 관계형 손상 정보 데이터베이스는 생산성과 데이터의 신뢰성 측면에서 유용할 것으로 판단된다.

Fig. 7 Inspection Grid Map of JAR Dam Spillway

Fig. 8 3D Spatial Projection of Digitalized Deterioration Data for Dam Concrete Structures

Fig. 9 Relational Database of Deterioration for Dam Conceret Structures

Fig. 10 3D Digitalized Safety Inspection Map of JAR Dam Spillway

4.1 인력 안전점검 생산성 측정

기존의 안전점검 현장조사 방식은 주로 인력에 의한 접근가능지역 육안점검 및 접근제약지역 안전장비 활용한 육안조사로 균열 등 손상부 종이야장에 매핑을 수행하고 실내에서 다시 CAD 상에 매핑 수작업 후 상태평가표와 사진대지, 수량산출 및 보수보강 물량 산출 등을 전부 수작업으로 수행하게 된다.

본 연구에서 인력 안전점검 현장조사는 기존의 정밀안전점검 수준의 외관 상태조사 방법을 추종하여 수행하였다. 외관조사 영역은 SYG댐의 댐체를 제외한 여수로만을 대상으로 하였다. 정밀안전점검에서 수행하는 반발경도시험과 철근탐사 등의 현장시험은 일부 영역에 대해서 수행하였다.

인력 현장조사를 위해 실제 출장 기록과 내업 기록을 정리하고 시간을 측정하였다. 기준이 되는 거리는 대전 – 춘천이며, 점검에 투입된 인력은 매회 3명 단위를 기본으로 하였다. 댐 여수로의 경사가 매우 가파르고 안전 문제의 위험이 있어서 로프 등 안전장구의 도움을 받아 최대한 면밀한 조사가 이루어졌다. 현장조사 결과는 내업을 통한 손상 부분 정리 및 캐드파일 작성, 그리고 보고서 작성까지 추가 작업일수가 소요되었다.

결과적으로 기존 인력에 의한 SYG댐 여수로의 정밀안전점검 수준 현장조사는 외업 28 인.일, 내업 34 인.일이 소요된 것으로 집계되었다.

4.2 드론 Photogrammetry 안전점검 생산성 측정

SYG댐 여수로에 대하여 드론 디지털 매핑 기술을 활용한 안전점검을 최초로 실증 수행하였다. 여수로는 평균 GSD 1.08 cm/pixel의 해상도로 드론 매핑하였다. 자동임무비행은 중복도 75%, 수평면에서 카메라 각도 70°로 수행하였으며, 수동임무비행을 겸하였다. 드론 매핑 안전점검을 수행한 외업과 내업에 대한 기록을 면밀히 정리하였으며, 그 결과 실제 여수로 시설물에 대한 드론 매핑 외업에는 12 인.일, 후처리를 포함한 내업에는 20 인.일이 소요된 것으로 집계되었다. 내업에 상대적으로 시간이 많이 소요된 것은 아직까지 자동 상태평가 또는 수량 검출 자동화, 자동 AutoCad 조사망도 작성 등의 기능은 수작업으로 진행되는 수준이기 때문이다. 하지만, 기존에 주관적인 종이야장을 디지털 수치정보화하는 지난한 과정은 3D 디지털 공간정보 모델을 활용한 정확한 수치 정량화로 데이터의 신뢰성이 획기적으로 개선될 수 있음을 확인하였다.

4.3 생산성 비교 분석

SYG댐 여수로 시설물에 대하여 인력 외관조사와 드론 photogrammetry 기반 조사의 생산성을 비교 분석하였다(Table 4). 결과적으로 드론 photogrammetry 기술을 활용한 SYG댐 여수로 시설물 안전점검은 외업과 내업을 포함하여 생산성(투입 노동력 및 시간)을 인력 점검 대비 48% 개선한 것으로 나타났다.

여수로 시설물 현장조사 외업 기준으로 볼 때에는 인력 점검 대비 57%, 내업 기준으로는 41% 개선 효과가 있었다. 결론적으로 드론 디지털 매핑 기술을 활용한 시설물 안전점검은 혁신적인 생산성 향상 효과가 있음을 실증하였다. 단, 본 생산성 효과 분석은 SYG댐 여수로 안전점검이라는 단일 사례에 국한한 성과임을 밝혀둔다.