Conference PaperPDF Available

Otonom Çatlak Tespitinde Kullanılan Görüntü Işleme Yöntemleri Ve Teknolojinin Potansiyelleri

Authors:

Abstract

Yapı denetimi, özellikle strüktürel performansı sorgulanan yapılar için yapı, kullanıcı ve denetçinin güvenliği açısından büyük öneme sahiptir. Yapılarda gözlemlenen çatlaklar ise yapının neresinde bulunduğu, derinliği, sayısı, yönelimi gibi parametrelere bağlı olarak strüktürel performansa dair ipuçları vermekte ve yapıların kullanılabilirliği için önemli bir ölçüt oluşturmaktadır. Pratik uygulamaya bakıldığında, yapıların ve yapı kullanıcılarının hayatını doğrudan etkileyen denetim kararları çoğunlukla göz muayenesine dayanmakta ve doğası gereği sübjektif yorum ve hataya açık bir şekilde uygulanmaktadır. Oysa çatlak ve/veya kusur tespiti amacıyla görsel muayenesi/denetimi için gerekli verinin otonom olarak yakalanması ve işlenmesi; bu sayede yapılan muayenelerde objektifliğin ve hassasiyetin korunması 30 yılı aşkındır bir araştırma alanı oluşturmaktadır. Bu çalışma kapsamında genel olarak binalarda çatlak tespiti için kullanılan bilgisayarla görme yöntemleri ve otonom veri toplamanın mümkün olduğu günümüzde 3-boyutlu yeniden oluşturma yöntemlerinin alanda açtığı yeni araştırma potansiyelleri tartışılmıştır.
3. ULUSAL YAPI KONGRESİ VE SERGİSİ
TEKNİK TASARIM, GÜVENLİK VE ERİŞİLEBİLİRLİK
24-26 KASIM 2016, ANKARA
TMMOB MİMARLAR ODASI ANKARA ŞUBESİ
Otonom Çatlak Tespitinde Kullanılan
Görüntü İşleme Yöntemleri Ve
Teknolojinin Potansiyelleri
ÇAĞLAR FIRAT ÖZGENEL
1
ÖZET
Yapı denetimi, özellikle strüktürel performansı sorgulanan yapılar
için yapı, kullanıcı ve denetçinin güvenliği açısından büyük öneme
sahiptir. Yapılarda gözlemlenen çatlaklar ise yapının neresinde
bulunduğu, derinliği, sayısı, yönelimi gibi parametrelere bağlı
olarak strüktürel performansa dair ipuçları vermekte ve yapıların
kullanılabilirliği için önemli bir ölçüt oluşturmaktadır. Pratik
uygulamaya bakıldığında, yapıların ve yapı kullanıcılarının
hayatını doğrudan etkileyen denetim kararları çoğunlukla göz
muayenesine dayanmakta ve doğası gereği sübjektif yorum ve
hataya açık bir şekilde uygulanmaktadır. Oysa çatlak ve/veya kusur
tespiti amacıyla görsel muayenesi/denetimi için gerekli verinin
otonom olarak yakalanması ve işlenmesi; bu sayede yapılan
muayenelerde objektifliğin ve hassasiyetin korunması 30 yılı
aşkındır bir araştırma alanı oluşturmaktadır. Bu çalışma
kapsamında genel olarak binalarda çatlak tespiti için kullanılan
bilgisayarla görme yöntemleri ve otonom veri toplamanın mümkün
olduğu günümüzde 3-boyutlu yeniden oluşturma yöntemlerinin
alanda açtığı yeni araştırma potansiyelleri tartışılmıştır.
Anahtar Sözcükler:rsel çatlak tespiti, çatlak özelliklerinin
sayısallaştırılması, 3-boyutlu yeniden oluşturma
1
Orta Doğu Teknik Üniversitesi, Mimarlık Bölümü, Üniversiteler Mahallesi Dumlupınar Bulvarı No:1,
Ankara; Tel: (0312)2104209; fozgenel@metu.edu..tr
Otonom Çatlak Tespitinde Kullanılan Görüntü İşleme Yöntemleri ve Teknolojinin
Potansiyelleri
2
1. GİRİŞ
Yapı denetimi, özellikle strüktürel performansı sorgulanan yapılar için yapı,
kullanıcı ve denetçinin güvenliği açısından büyük öneme sahiptir. Yapısal
özellikler özellikle deprem gibi strüktürel yüklenmeler sonrası ya da zaman
içerisinde olumsuz etkilenmekte ve hem yapı hem de yapının kullanıcıları
için hayati tehlikeler yaratmaktadır. Yapılarda gözlemlenen çatlaklar ise
yapının neresinde bulunduğu, derinliği, sayısı, yönelimi gibi parametrelere
bağlı olarak strüktürel performansa dair ipuçları vermekte ve yapıların
kullanılabilirliği için önemli bir ölçüt oluşturmaktadır.
Tahribatsız muayene yöntemleri, hangi performansın ölçüldüğünden ve
kullanılan teçhizattan bağımsız olarak veri toplanması(yakalanması), veri
işlenmesi ve veri değerlendirmesi olarak üç büyük aşamadan oluşmaktadır.
Çatlak tespitinde görsel/fotogrametri yöntemlerin kullanılması ve görsel
denetim de diğer tahribatsız muayene yöntemleri gibi bu üç aşamada
gerçekleştirilmektedir. Günümüz teknolojileri ile veri toplama ve veri işleme
aşamaları geliştirilen donanım (insansız hava ve yer araçları, vb.) ve
yazılımlar sayesinde otonom olarak gerçekleştirilebilmekte, verilerin
değerlendirilmesi ise profesyonel denetçiler tarafından yapılmaktadır.
Otonom olarak yakalanan ve işlenen veriler, denetlenen yapıların taranarak
üç boyutlu modeller olarak bilgisayar ortamına taşınması ve çatlaklara dair
bilgilerin bu modellere gömülmesi ile birlikte, denetçilerin can güvenliğini
riske atmadan, geleneksel uygulamalara oranla yüksek hassasiyetle ve hızlı
bir şekilde yapı denetiminin görsel denetiminin yapılmasına olanak
sağlamaktadır. Yapıların denetiminde otonom olarak veri toplanması,
işlenmesi ve hatta dijital ortamda 3 boyutlu modellerinin çıkarılması
günümüz teknolojisi ile mümkün olmakla beraber uygulamada halen yapı
denetimlerinin çok büyük bir kısmı geleneksel yöntemlerle, denetçilerin
gözle muayenesine dayanmaktadır. Genel bilgisayarla görme yöntemlerinin
çatlak ya da kusur yakalama ve işleme alanındaki çalışmaları otuz seneden
daha fazla zamandır sürmekte ve buna rağmen karmaşık geometrilere sahip
yapılarda denetim amaçlı veri toplama (yakalama), veri işleme ve veri
değerlendirme aşamalarının tam otonom olarak gerçekleştiği ürünler ve
yöntemler ticarileşebilmiş değildir.
Hangi yapı performansının denetleneceği, yapı malzemelerinin ve yapı
kusur/hasarlarının çeşitliliği, sebep ve ortaya çıkış şekillerindeki farklılıklar,
tahribatsız muayene yöntemlerinden elde edilen verilerin kullanılan
yöntemle ilgili olarak çeşitliliğe sahip olması (akustik, kızılötesi görüntü,
Ç.F. Özgenel
3
vb.) gibi parametreler problem karmaşıklığını arttıran etmenlerin başında
gelmektedir. Söz konusu çalışma alanının görüntü işleme, istatistiksel
yöntemler, bilgisayarla öğrenme, robotik gibi alanların kesişiminde durduğu
da göz önüne alındığında literatürdeki çalışmaların tespiti ve
sınıflandırılması için problem alanının sınırlarının dikkatlice belirlenmesi
gerekmektedir.
Söz konusu makalenin amacı bilgisayarla görme (computer vision)
literatürünün ve çatlak tespiti özelinde yapı denetimiyle kesişimlerinin
irdelenmesi, literatürün geldiği noktada yapılmış önemli çalışmaların
derlenmesi, otonom veri toplamanın mümkün olduğu günümüzde 3-boyutlu
yeniden oluşturma yöntemlerinin doğurduğu araştırma sahalarının tekrardan
belirlenmesidir.
2. GÜNÜMÜZDE BİLGİSAYARLA GÖRME VE BİNALARDA
ÇATLAK TESPİTİ İÇİN 3 BOYUTLU YENİDEN OLUŞTURMA
Bilgisayarla görme yöntemlerinin yapılarda hasar veya kusur tespiti için
uygulamalarının yaklaşık otuz yıl gibi hiç de azımsanmayacak bir geçmişi
olmakla beraber yapılan çalışmaların önemli bir kısmı tünel ve köprü gibi
geometrisi görece bilinen dolayısıyla doğrulama ve sağlamanın kontrollü bir
şekilde yapılabileceği örnek vakalar üzerine yoğunlaşmıştır. Yine benzer bir
biçimde literatürde bulunan çalışma derlemeleri köprülerde veya tünellerde
çatlak tespiti uygulamaları gibi uygulama alanı odaklı sınıflandırmalar
üzerine oturtulmuştur. Bu makale kapsamında yapılan sınıflandırma ve
örnek çalışmaların derlenmesinde uygulama alanı yapı tipi
sınırlandırılmamış, çalışmalar değerlendirilirken en karmaşık problemlerde
dahi uygulanabilirliği sorgulanarak güncel ve gelecekteki problem alanları
için altlık oluşturulması planlanmıştır. Bununla birlikte yapı denetiminde
performansı sorgulanabilecek birçok performans ölçütü (strüktürel, ısıl,
akustik vb.) ve her performans ölçütü için farklı tahribatsız muayene
yöntemleri bulunmaktadır. Problem alanı binalarda strüktürel çatlakların
tespiti olarak sınırlandırıldığında dahi akustik yöntemler, termografik
yöntemler, görsel yöntemler gibi birçok tahribatsız muayene yöntemi alanda
varlığını göstermekte, farklı yöntemlerin birbiri ile çakıştırılması ile
doğrulama ve sağlama işlemleri yapılabilmektedir. Ancak hem pratikte yapı
denetimlerinin çoğunluğunun görsel muayene ile yapılıyor olması hem de
veri elde etmenin ve erişilebilirliğin diğer yöntemlere göre daha kolay
Otonom Çatlak Tespitinde Kullanılan Görüntü İşleme Yöntemleri ve Teknolojinin
Potansiyelleri
4
olması sebebiyle çalışma odağı otonom çatlak tespiti ve özelliklerinin
çıkarılması için bilgisayarla görme algoritmaları olarak sınırlandırılmıştır.
Literatürde birçok çalışma derlemesi bulunmakla beraber, bu derlemeler
genellikle ya söz konusu çalışmayı besleyen literatürün derlemesi ya da
akışına bağlı olarak yöntemlerin karmaşıklığına göre sınıflandırılması ya da
tarihsel gelişimi ile sınırlandırılmıştır. Abdel-Qader ve arkadaşlarının 2003
yılındaki çalışması ve Jahanshahi ve arkadaşlarının 2009 yılındaki
çalışmaları bu tip derlemelere örnek gösterilebilir[1,2].
Koch ve arkadaşlarının 2015 yılında yayımladıkları çalışlarında genel
bilgisayarla görme yöntemleri ve asfalt ve beton altyapılarda kusur
yakalama, sınıflandırma ve değerlendirme için kullanılan özel yöntemleri,
yöntemlerin karmaşıklığına göre sınıflandırmıştır [3].
Şekil 1. Koch ve arkadaşlarının kusur yakalama, sınıflandırma ve değerlendirme için
bilgisayarla görme yöntemleri sınıflandırması[3] (Çeviri yazar tarafından
yapılmıştır)
Koch ve arkadaşlarının çalışması her ne kadar asfalt ve beton altyapı için
oluşturulmuş bir sınıflandırma olsa da sınıflandırma biçimi yöntemlerin
Ç.F. Özgenel
5
karmaşıklığı ve iş akışında hangi aşamada kullanıldığı gibi bilgileri içermesi
adına daha bütüncül bir çalışmadır. Koch ve arkadaşlarının çalışmasında
kusur yakalama, sınıflandırma ve değerlendirme için özel yöntemler ön-
işleme, öznitelik temelli yöntemler, model temelli yöntemler, örüntü temelli
yöntemler ve 3 boyutlu yeniden oluşturma olarak 5 kategoride
sınıflandırmıştır[3]. Bu kategoriler iş akışını doğrudan tanımlamıyor olsa da
tamamen ayrı oldukları da söylenemez [3]. Bunun yerine iki veya daha fazla
kategori birleştirerek ve birbirini izleyen şekillerde uygulanmaktadır [3].
Aynı şekilde kategori içerisinde de birden fazla yöntem kullanmak
mümkündür. Örnek vermek gerekirse hem medyan filtresi hem de histogram
eşitleme uygulanarak ön-işlemeden geçirilen bir görüntü öznitelik temelli
yöntemlerde kullanılabilir. Dolayısıyla bilgisayarla görme ile çatlak tespiti,
sınıflandırılması ve değerlendirilmesi işi için birçok kombinasyonla fark
algoritmalar yaratmak mümkündür.
Yöntemlerin tarihsel gelişimi ve karmaşıklıkları göz önünde
bulundurulduğunda 3 boyutlu yeniden oluşturma en yüksek karmaşıklığa
sahip ve dolayısıyla yöntemlerin uygulanmasında görece daha az
karmaşıklığa sahip kategorileri de içinde barındıran yöntemlerdir. Bununla
beraber ilk dört kategoride olan yöntemler denetimi yapılacak nesne/binanın
doğasına aykırı olarak 2 boyutlu görüntüler üzerine çalışmakta dolayısıyla
manüel gözle denetim uygulamalarına göre derinlik algısının kaybolması ile
güncel pratiğe göre eksik kalmaktadır. Bu bağlamda yapılan çalışmada odak
noktası 3 boyutlu yeniden oluşturma yöntemleri olarak belirlenmiş ve
alandaki yeni araştırma sahaları bu kapsamda değerlendirilmiştir.
3 boyutlu yeniden oluşturma yöntemleri temel olarak 3 boyutlu dünyadan 2
boyutlu görüntülere geçerken kaybolan derinlik algısını yeniden oluşturmayı
ve böylece derinlik farkları ile ya çatlakların/kusurların tespiti ya da tespit
edilen çatlakların doğrulaması amaçlamaktadır. Fotoğraf ve videolardan 3
boyutlu nokta bulutu ve/veya model elde edilmesi ile ilgili oldukça geniş bir
bilgisayarla görme literatürü oluşmuş olsa da yapılarda çatlak veya kusur
tespiti amacıyla kullanımı görece yeni ve popüler bir yöntemdir.
Söz konusu uygulamalarda görüntü yakalanırken (3B’den 2B’ye geçerken)
kaybolan derinlik verisini tekrardan elde etmek için birden fazla görüntüye
ya da derinlik verisinin alınabileceği lazer tarama gibi farklı veri yakalama
yöntemlerine ihtiyaç vardır. Şekil 1’de 3B yeniden oluşturma yöntemlerinin
hemen hepsi iki veya daha fazla görüntüden elde edilen kilit noktaları (key
point) arasındaki mesafelerin hesaplanması üzerine kuruludur. Söz konusu
Otonom Çatlak Tespitinde Kullanılan Görüntü İşleme Yöntemleri ve Teknolojinin
Potansiyelleri
6
kilit noktaları görüntüde bulunan nesnenin özniteliklerinden bir veya birkaçı
(kenar, köşe, form değişiklik noktası gibi) ya da sahnede bulunan diğer
saptanabilir özelliklerden seçilebilir. Daha sonrasında bu noktaların yer
değiştirme mesafeleri ile kameranın bulunduğu konum ve dolayısıyla 2B
görüntü üzerindeki piksel değerlerinin derinlik değerleri bulunabilmektedir.
Genellikle bu yöntemlerin çıktısı 3B nokta bulutu veya mesh model olarak
gözlemlenmektedir. Çatlak tespiti ise 3B sahne yeniden oluşturulmadan ya
da oluşturulduktan sonra sahne verisi ile çakıştırılabilir.
2.1. Stereo Yeniden Oluşturma
Stereo yeniden oluşturma yöntemi genellikle stereo kamera
konfigürasyonları ile birlikte kullanılmakla beraber çoklu görünüm yeniden
oluşturma gibi yöntemlerin önünü açmıştır. Stereo kamera konfigürasyonu
ile elde edilen görünümler epipolar geometri ilişkilerine bağlıdır. Epipolar
geometride öncelikle epipole ya da epipolar noktalar (kilit noktalar) tespit
edilerek epipolar çizgiler çizilmekte daha sonra da epipolar düzlem üzerinde
çakıştırılmasıyla farklılık haritası (disparity map) ve böylece derinlik verisi
elde edilmektedir. Epipole ya da kilit noktalarının elde edilmesi için çeşitli
önişleme ya da öznitelik temelli yöntemler kullanmak mümkündür. Şekil
2’de stereo konfigürasyon ile derinlik verisi elde etmek için kullanılan
geometrik gösterimin bir örneği ve epipolar geometrinin çalışma prensibi
paylaşılmıştır.
Şekil 2. Stereo yeniden oluşturma yönteminde kullanılan geometrik gösterim ve
epipolar geometri [4] (Çeviri yazar tarafından yapılmıştır)
Stereo yeniden oluşturma yönteminin kullanıldığı çalışmalar arasında Ogawa
ve Yamazaki’nin depremi sonrası hasar tespiti için yaptığı çalışma [5], Paar
ve Kontrus’un tünel denetimi için lazer tarayıcı ve stereoskopik yöntemleri
Ç.F. Özgenel
7
karşılaştırdığı çalışma [6] ve Rashidi ve arkadaşlarının ulaşım altyapılarının
3B modellenmesi için yaptıkları çalışma [4] gösterilebilir.
Stereo yeniden yapılandırma yöntemi fotogrametri yöntemleri ile topoloji
elde etme gibi uygulamalarda oldukça başarılı olurken yapı denetimi gibi
yakın çekimden çok fazla görüntünün olduğu veri setleri için görece hantal
ve hataya daha hassas bir yapıya sahiptir. Özellikle homojen yüzey
örüntüsüne sahip yapılarda eşleşmenin yapılabilecek kilit noktası
bulunamaması sonuç üründe problemler çıkarmaktadır.
2.2. Optik Akış
Optik akış yöntemi stereo yeniden oluşturma yöntemine oldukça benzemekle
beraber genellikle video veya anlık veri akışı ile yakalanan verilerin
işlenmesinde kullanılmaktadır. Optik akış birbirini izleyen iki video kare
arasındaki değişimleri saptar ve her piksel için 2 boyutlu bir değişim vektörü
oluşturur. Daha sonra bu vektör bilgileri ile sahne 3B yeniden oluşturulur.
Optik akıştaki en önemli değişiklik problemi hareketten strüktür (Structure
from Motion) problemi olarak algılamasıdır. Bu problem aynı zamanda
çoklu görünüm yeniden oluşturma yöntemlerinin de temelini oluşturması
açısından önemlidir.
Otonom Çatlak Tespitinde Kullanılan Görüntü İşleme Yöntemleri ve Teknolojinin
Potansiyelleri
8
Şekil 3. Örnek optik akış vektörleri ve sonuç 3B model [7]
Optik akış yöntemine örnek olabilecek çalışmalar arasında Chen ve
Hutchinson’ın beton yüzey çatlaklarının tespiti ile ilgili çalışmaları [8], [9]
ve Yang ve arkadaşlarının betonarme köprülerinde çatlak gözlemi ile ilgili
çalışmaları [10] gösterilebilir.
Optik akış, birden fazla nesne ve nesne özniteliğinin bulunduğu sahnelerde
etkili bir şekilde çalışmakla beraber stereo yeniden oluşturma yönteminde
olduğu gibi homojen yüzey örüntüsüne sahip ve nesne/nesne özniteliklerinin
eksik olduğu durumlarda hataya oldukça açıktır.
2.3. Çoklu Görünüm Yeniden Oluşturma
Çoklu görünüm ile yeniden oluşturma temelde stereo yeniden oluşturma ve
optik akış mantığıyla aynı çalışmakta, farklı görüntülerden kilit noktaları
birbiri ile eşleyerek 3B modeller çıkarılmasını sağlamaktadır. Ancak diğer
yöntemlerden farklı olarak görüntüler arasında ikili ilişkiler ile sınırlı
kalmamış dolayısıyla bir nesnenin farklı açılardan çekilmiş fotoğraf ya da bir
videodan ardışık olmayan kareleri işleyerek de bu sonuca ulaşabilmektedir.
Bu yöntemde de optik akışta olduğu gibi hareketten strüktür problemi
çözülmektedir. Örnek sahne kurgusu Şekil 4’te paylaşılmıştır.
Şekil 4. Örnek çoklu görünüm yeniden oluşturma için kamera konumları ve sonuç
3B nokta bulutu[11]
Ç.F. Özgenel
9
Çoklu gönümü yeniden oluşturma ile ilgili Jahanshahi ve arkadaşlarının
çeşitli çalışmaları [2], [11], [12] ve Chen ve arkadaşlarının beton yüzeylerde
çatlak tespiti için yaptığı çalışma [13] örnek gösterilebilir.
2.4. Görüntü Dikme ve İmge Çakıştırma
Görüntü dikme ve imge çakıştırma yöntemleri daha önce bahsi geçen diğer
yöntemlerin üst başlığı olarak nitelendirilebilir. Görüntü dikme yöntemi her
gün kullandığımız cep telefonlarının video stabilizasyonu ve panorama
özelliklerinde etkili bir biçimde kullanılmakta ve temelde birden çok
fotoğrafın uygun bir şekilde birleştirilmesi işine verilen addır. Büyük veri
setleri ile çalışılan yapılarda çatlak tespiti işinde de birçok görüntü
dikilmekte ve daha yüksek çözünürlüklü ama az sayıda görüntü ile işlem
yapmak tercih edilen yöntemlerden biridir.
İmge çakıştırma yöntemi ise stereo ve çoklu görünüm yeniden oluşturma ve
optik akış yöntemlerinde bahsedildiği üzere nesnelerin öznitelik noktaları
(köşe, kenar, form değişikliği gibi) görüntüler arasında eşleyerek 3B
sahneler (model ve ya nokta bulutu) elde edilmesidir. Bu bağlamda yukarıda
örnek verilen çalışmaların hemen hepsi bu kategori altında da
değerlendirilebilir.
3. TARTIŞMA VE SONUÇ
Yukarıda bahsi geçen ve 3 boyutlu yeniden oluşturma yöntemlerine örnek
olarak verilen çalışmaların hemen hepsinde Koch’un sınıflandırmasında
bulunan diğer dört kategoriden çeşitli yöntemleri de kullanılmıştır. Örneğin
Jahanshahi ve arkadaşlarının 2012 yılındaki çalışmasında öncelikle SfM
problemi çözülerek 3B derinlik haritası çıkarılmış daha sonra sırası ile
morfolojik işlemlerle bölütleme, Otsu’nun eşiklemesi ile benirizasyon
(binarization), doğrusal ayrım analizi (Linear Discriminant Analysis-LDA)
ile öznitelik tespiti ve destek vektör makinası ve nöral ağlar ile sınıflandırma
gerçekleştirilmiştir [11]. Dolayısıyla 3B yeniden oluşturmayı ayrı ve diğer
yöntemlerden bağımsız bir yaklaşım olarak değil tam tersine 2 boyutta
yüksek hassasiyetle çalıştığı bilinen ve performansı her gün farklı
yaklaşımlarla geliştirilen yöntemlere ek olarak kullanılabilecek 1 boyut
verisi daha eklenmesini sağlayan bir yöntem olarak nitelendirmek daha
doğru olacaktır. 3B yeniden oluşturma yöntemleri ile elde edilen dijital
Otonom Çatlak Tespitinde Kullanılan Görüntü İşleme Yöntemleri ve Teknolojinin
Potansiyelleri
10
model ve ya nokta bulutları halen diğer bilgisayarla görme yöntemleri
olmaksızın yapı denetimine izin verecek kadar yüksek hassasiyetli değildir.
3 boyutlu modeller lazer tarama verileri ile desteklenerek hassasiyetleri
arttırılabilir ancak bilgisayarla görme yöntemleri daha az teçhizata ihtiyaç
duyması ve dolayısıyla daha ucuz olması açısından önemlidir.
Yapı denetiminde 3 boyutlu modeller üzerinden çalışabilmek öncelikli
olarak denetçiler için önemlidir. Yüksek erişebilirlikle veri toplayabilen
insansız hava ve kara araçları vasıtasıyla toplanan veri ile denetçinin sahaya
inmeden bile denetlenecek yapının inde gezmesi ve denetimini dijital
ortamda yüksek hassasiyet ve erişilebilirlik ile gerçekleştirmesi sağlanabilir.
Özellikle deprem gibi büyük yıkımlara yol açan afetlerden sonra yapılan
denetimler gibi insan güvenliğini riske atabilecek uygulamalarda otonom
veri toplanması ve bu verilerin anlaşılabilir şekilde işlenmesi oldukça büyük
öneme sahiptir. Her ne kadar 3 boyutlu modeller üzerine yakalanan görsel
veri işlenebiliyor olsa da denetim yapılabilecek hassasiyete henüz
ulaşılamamıştır ve dolayısıyla söz konusu algoritmaların özellikle derinlik
boyutunda hassasiyetin arttırılması bir araştırma alanı olarak
nitelendirilebilir.
Bir diğer araştırma alanı ise derinlik algısının hesaba katılmasıyla taklit
edilen insan bilişsel süreci ileriye götürülerek 3 boyutlu modelin
bileşenlerinin tespit edilmesidir. Bilgisayarla görme ve fotogrametri
uygulamaları ile 3 boyutlu ve yüksek hassasiyette modellerde strüktürel
elemanların form itibariyle ya da halihazırda bilinen yapı modelleri ile
karşılaştırılarak tespit edilen kusur ve ya çatlakların teşkil ettiği tehlike tespit
edilebilir daha da önemlisi verinin analizine verinin simülasyonu da
eklenerek denetimi yapılan yapının strüktürel performansı farklı yükler
altında nasıl davranacağı öngörülebilir.
Sunulan çalışma kapsamında yapılarda çatlak tespiti amacıyla kullanılan
bilgisayarla görme yöntemleri genel hatlarıyla tanımlanmış ve 3 boyutlu
yeniden oluşturma yöntemleri yapılan örnek çalışmalarla birlikte
irdelenmiştir. Derinlik algısının otonom çatlak tespit sürecine eklenmiş
olmasının hem süregelen uygulamaların hassasiyeti ve kesinliğini arttırması
hem de yeni araştırma alanlarına kapı açması sebebiyle önemli
görülmektedir.
Ç.F. Özgenel
11
KAYNAKLAR
[1] Abdel-Qader, I. (2003). Analysis of edge-detection techniques for crack
identification in bridges. Journal of Computing in Civil Engineering, 17(4),
255263.
[2] Chen, L.-C., Chao, Y.-C., Jan, H.-H., Huang, C.-W., & Tien, Y.-M. (2006).
Measuring System for Cracks in Concrete Using Multitemporal Images. Journal
of Surveying Engineering, 132(May), 7782.
http://doi.org/10.1061/(ASCE)0733-9453(2006)132:2(77)
[3] Hutchinson, T. C., Asce, M., & Chen, Z. (2006). Improved Image Analysis for
Evaluating Concrete Damage, 20(June), 210216.
[4] Hutchinson, T. C., & Chen, Z. (2010). Image-based framework for concrete
surface crack monitoring and quantification. Advances in Civil Engineering,
2010. http://doi.org/10.1155/2010/215295
[5] Jahanshahi, M. R., Kelly, J. S., Masri, S. F., & Sukhatme, G. S. (2009). A
survey and evaluation of promising approaches for automatic image-based
defect detection of bridge structures. Structure and Infrastructure Engineering,
5(6), 455486. http://doi.org/10.1080/15732470801945930
[6] Jahanshahi, M. R., & Masri, S. F. (2012). Adaptive vision-based crack
detection using 3D scene reconstruction for condition assessment of structures.
Automation in Construction, 22, 567576.
http://doi.org/10.1016/j.autcon.2011.11.018
[7] Jahanshahi, M. R., Masri, S. F., Padgett, C. W., & Sukhatme, G. S. (2013). An
innovative methodology for detection and quantification of cracks through
incorporation of depth perception. Machine Vision and Applications, 24(2),
227241. http://doi.org/10.1007/s00138-011-0394-0
[8] Koch, C., Georgieva, K., Kasireddy, V., Akinci, B., & Fieguth, P. (2015). A
review on computer vision based defect detection and condition assessment of
concrete and asphalt civil infrastructure. Advanced Engineering Informatics,
29(2), 196210. http://doi.org/10.1016/j.aei.2015.01.008
[9] Ogawa, N., & Yamazaki, F. (2000). Photo-interpretation of building damage
due to earthquakes using aerial photographs. 12Th World Conference on
Earthquake, 18.
[10] Optical Flow via Bilinear Spline Matching | Inductive Bias. (y.y.). 04.09.2016
Tarihinde http://inductivebias.com/Blog/optical-flow-via-bilinear-spline-
matching/ adresinden erişildi
[11] Paar, G., & Kontrus, H. (2006). Three-dimensional tunnel reconstruction using
photogrammetry and laser scanning. Proceedings of the 3rd Nordost, 9.
Anwendungsbezogener Workshop zur Erfassung, Modellierung, Verarbeitung
und Auswertung von 3D-Daten, (March).
[12] Rashidi, A., Fathi, H., & Brilakis, I. (2011). Innovative Stereo Vision-Based
Approach to Generate Dense Depth Map of Transportation Infrastructure.
Transportation Research Record: Journal of the Transportation Research Board,
2215(1), 9399. http://doi.org/10.3141/2215-10
Otonom Çatlak Tespitinde Kullanılan Görüntü İşleme Yöntemleri ve Teknolojinin
Potansiyelleri
12
[13] Yang, Y.-S., Yang, C.-M., & Huang, C.-W. (2015). Thin crack observation in a
reinforced concrete bridge pier test using image processing and analysis.
Advances in Engineering Software, 83, 99108.
http://doi.org/10.1016/j.advengsoft.2015.02.005
ResearchGate has not been able to resolve any citations for this publication.
Article
Full-text available
To ensure the safety and the serviceability of civil infrastructure it is essential to visually inspect and assess its physical and functional condition. This review paper presents the current state of practice of assessing the visual condition of vertical and horizontal civil infrastructure; in particular of reinforced concrete bridges, precast concrete tunnels, underground concrete pipes, and asphalt pavements. Since the rate of creation and deployment of computer vision methods for civil engineering applications has been exponentially increasing, the main part of the paper presents a comprehensive synthesis of the state of the art in computer vision based defect detection and condition assessment related to concrete and asphalt civil infrastructure. Finally, the current achievements and limitations of existing methods as well as open research challenges are outlined to assist both the civil engineering and the computer science research community in setting an agenda for future research.
Article
Full-text available
Three-dimensional (3-D) spatial data of a transportation infrastructure contain useful information for civil engineering applications, including as-built documentation, on-site safety enhancements, and progress monitoring. Several techniques have been developed for acquiring 3-D point coordinates of infrastructure, such as laser scanning. Although the method yields accurate results, the high device costs and human effort required render the process infeasible for generic applications in the construction industry. A quick and reliable approach, which is based on the principles of stereo vision, is proposed for generating a depth map of an infrastructure. Initially, two images are captured by two similar stereo cameras at the scene of the infrastructure. A Harris feature detector is used to extract feature points from the first view, and an innovative adaptive window-matching technique is used to compute feature point correspondences in the second view. A robust algorithm computes the nonfeature point correspondences. Thus, the correspondences of all the points in the scene are obtained. After all correspondences have been obtained, the geometric principles of stereo vision are used to generate a dense depth map of the scene. The proposed algorithm has been tested on several data sets, and results illustrate its potential for stereo correspondence and depth map generation.
Article
Full-text available
The use of images, whether in routine maintenance, or postearthquake reconnaissance, has quickly become the preferred approach to record and archive the exterior damage of existing infrastructure. Postsurvey analysis of these images, coupled with careful record keeping, provide invaluable data regarding the health of a structure. However, often significant amounts of data are obtained, especially for large structures, such as bridges. Therefore an automated procedure, which reliably and robustly reports on damage observed from these images, with minimal human intervention, is desirable. To this end, in this work, we present a statistical-based method for conducting image analysis, specifically for the purpose of evaluating concrete damage (cracks, spalling, etc.). We illustrate the derivation of the method, which is grounded in Bayesian decision theory and subsequently present results of the analysis of images with discrete cracks to illustrate its promise.
Article
Full-text available
In the engineering community, nondestructive imaging has been widely used for damage identification by capturing anomalies on the surface or inside of structural elements. In this paper, we focus on one of the most common damage types observed in civil engineering, namely, concrete surface cracks. To identify this type of damage, we propose an image-based framework, whereby optical cameras provide the source images. The framework involves several advanced image processing methods, including: (i) the determination of damage occurrence using time-series images, (ii) the localization of damage at each image frame, and (iii) the geometric quantification of damage. Challenges that may arise when images are obtained in the laboratory or field environment are addressed. Two application examples are provided to demonstrate the use and effectiveness of the proposed approach.
Article
In reinforced concrete (RC) structural experiments, the development of concrete surface cracks is an important factor of concern to experts. One conventional crack observation method is to suspend a test at a few selected testing steps and send inspectors to mark pen strokes on visible cracks, but this method is dangerous and labor intensive. Many image analysis methods have been proposed to detect and measure the dark shadow lines of cracks, reducing the need for manual pen marking. However, these methods are not applicable for thin cracks, which do not present clear dark lines in images.
Article
Visual inspection of structures is a highly qualitative method in which inspectors visually assess a structure’s condition. If a region is inaccessible, binoculars must be used to detect and characterize defects. Although several Non-Destructive Testing methods have been proposed for inspection purposes, they are nonadaptive and cannot quantify crack thickness reliably. In this paper, a contact-less remote-sensing crack detection and quantification methodology based on 3D scene reconstruction (computer vision), image processing, and pattern recognition concepts is introduced. The proposed approach utilizes depth perception to detect cracks and quantify their thickness, thereby giving a robotic inspection system the ability to analyze images captured from any distance and using any focal length or resolution. This unique adaptive feature is especially useful for incorporating mobile systems, such as unmanned aerial vehicles, into structural inspection methods since it would allow inaccessible regions to be properly inspected for cracks. Guidelines are presented for optimizing the acquisition and processing of images, thereby enhancing the quality and reliability of the damage detection approach and allowing the capture of even the slightest cracks (e.g., detection of 0.1 mm cracks from a distance of 20 m), which are routinely encountered in realistic field applications where the camera-object distance and image contrast are not controllable.
Article
Automatic health monitoring and maintenance of civil infrastructure systems is a challenging area of research. Nondestructive evaluation techniques, such as digital image processing, are innovative approaches for structural health monitoring. Current structure inspection standards require an inspector to travel to the structure site and visually assess the structure conditions. A less time consuming and inexpensive alternative to current monitoring methods is to use a robotic system that could inspect structures more frequently. Among several possible techniques is the use of optical instrumentation (e.g. digital cameras) that relies on image processing. The feasibility of using image processing techniques to detect deterioration in structures has been acknowledged by leading experts in the field. A survey and evaluation of relevant studies that appear promising and practical for this purpose is presented in this study. Several image processing techniques, including enhancement, noise removal, registration, edge detection, line detection, morphological functions, colour analysis, texture detection, wavelet transform, segmentation, clustering and pattern recognition, are key pieces that could be merged to solve this problem. Missing or deformed structural members, cracks and corrosion are main deterioration measures that are found in structures, and they are the main examples of structural deterioration considered here. This paper provides a survey and an evaluation of some of the promising vision-based approaches for automatic detection of missing (deformed) structural members, cracks and corrosion in civil infrastructure systems. Several examples (based on laboratory studies by the authors) are presented in the paper to illustrate the utility, as well as the limitations, of the leading approaches.
Article
Bridge monitoring and maintenance is an expensive yet essential task in maintaining a safe national transportation infrastructure. Traditional monitoring methods use visual inspection of bridges on a regular basis and often require inspectors to travel to the bridge of concern and determine the deterioration level of the bridge. Automation of this process may result in great monetary savings and can lead to more frequent inspection cycles. One aspect of this automation is the detection of cracks and deterioration of a bridge. This paper provides a comparison of the effectiveness of four crack-detection techniques: fast Haar transform (FHT), fast Fourier transform, Sobel, and Canny. These imaging edge-detection algorithms were implemented in MatLab and simulated using a sample of 50 concrete bridge images (25 with cracks and 25 without). The results show that the FHT was significantly more reliable than the other three edge-detection techniques in identifying cracks.
Article
Current inspection standards require an inspector to travel to a target structure site and visually assess the structure's condition. This approach is labor-intensive, yet highly qualitative. A less time-consuming and inexpensive alternative to current monitoring methods is to use a robotic system that could inspect structures more frequently, and perform autonomous damage detection. In this paper, a vision-based crack detection methodology is introduced. The proposed approach processes 2D digital images (image processing) by considering the geometry of the scene (computer vision). The crack segmentation parameters are adjusted automatically based on depth parameters. The depth perception is obtained using 3D scene reconstruction. This system extracts the whole crack from its background, where the regular edge-based approaches just segment the crack edges. This characteristic is appropriate for the development of a crack thickness quantification system. Experimental tests have been carried out to evaluate the performance of the proposed system.Highlights► A vision-based crack detection methodology is introduced and evaluated. ► The proposed approach utilizes depth perception to detect and segment cracks. ► The segmentation parameters are adjusted automatically based on depth parameters. ► The depth perception is obtained using 3D scene reconstruction.
Photo-interpretation of building damage due to earthquakes using aerial photographs
  • N Ogawa
  • F Yamazaki
Ogawa, N., & Yamazaki, F. (2000). Photo-interpretation of building damage due to earthquakes using aerial photographs. 12Th World Conference on Earthquake, 1-8.