1. 서 론

1.1 연구의 배경 및 목적

국내 건설산업은 타 국가와 비교하여 생산성이 낮은 편이며, 고령화와 근로시간 단축과 같은 사회적 변화가 맞물려 스마트 건설기술의 필요성과 활용이 점점 더 강조되고 있다. BIM (Building Information Modeling)과 3D 스캐닝은 스마트 건설기술 중 하나이며 최근 건설기술로의 활용이 증가하고 있다. 프리팹 구조물 시공에는 다양한 문제가 발생할 수 있다. 공장에서 제작한 부재와 현장에서의 조립 간 오차가 발생할 수 있고, 공장과 현장 간의 협업이 원활하지 않으면 일정을 맞추기 어렵고 비용이 증가할 수 있다. 또한, 프리팹 구조물은 표준화된 형태로 제작되기 때문에, 설계의 유연성이 적어 시공 오차가 발생할 수 있다. 이와 같은 문제를 해결하기 위해서 3D 스캐닝 및 BIM과 같은 스마트 건설기술을 활용하여 제작단계에서 품질을 높이고, 시공 시 제작 오류를 감소시켜 철저한 품질관리를 수행하는 것이 중요하다.

2007년부터 BIM과 연관된 3D 모델링 기법, 고건축 3D 모델링 등의 연구가 시작되었고, 2010년부터 Scan-to-BIM 기술이 적용될 수 있는 다양한 건설분야 연구들이 시작되었다(Ryu and Byun, 2020). 최근의 3D 스캐닝 기술은 로봇개에 3D 스캐너 장비를 탑재해 공사에 필요한 데이터를 취합(Kim et al., 2022)하거나 BIM과 3D 스캐닝을 융합해 건축물 해체(Lee, 2018)에 활용하는 등 다양한 분야에 활용되고 있다. 본 연구에서는 3D 스캐닝에 대한 국내 및 해외의 활용사례를 조사하고 프리팹 제작업체에서 생산하는 부재를 대상으로 시공 계획도면 기반의 BIM 모델과 3D 스캐닝 데이터를 비교 분석하는 품질관리를 검토하였다. 또한, 제작회사의 프리캐스트 콘크리트 제품을 기반으로 실시간 형상품질관리 자동화 프로세스를 연구하였다.

1.2 연구의 범위 및 방법

본 연구에서는 프리팹 제작공장에서 제작하여 야적 중인 부재를 대상으로 3D 스캐닝과 BIM을 활용한 형상품질관리 프로세스를 검토하고, 이를 활용하여 실시간으로 생산공정 내에서 형상품질관리를 할 수 있도록 하는 검측 자동화를 목표로 연구를 진행하였다. 표준화된 형태의 프리캐스트 콘크리트 부재를 대상으로 검토를 위한 기준점(Edge점)의 추출방법을 모색하고, 3D 스캐닝 데이터와 BIM 모델을 정합한 품질검토를 실행하였다. 또한, 검측 자동화를 위해 생산공정 내에서의 스캐너 위치선정을 통한 실시간 형상품질관리 자동화를 검토하였다. Figure 1은 프리캐스트 아치 제작공장 야적장에서 스캐닝을 실시하는 이미지이다.

Figure 1.

3D scanning in the prefab factory yard

1.3 건설산업의 3D 스캐닝 관련 연구 조사

프리캐스트 부재는 사전 조립성 검토를 하기 위해 획득해야 하는 데이터가 있다. 프리팹 거더와 프리팹 바닥판을 조립하기 위해서는 거더에서의 연결재 위치와 바닥판에서의 포켓 위치 좌표들이 필요하다. 다수의 프리팹 부재들이 생산 완료 시마다 필요한 검측 데이터를 작성하면 실시간으로 사전 조립가설 시뮬레이션을 적용할 수 있다. 또한, 부재 생산이 완료되는 시점에서 조립성 검토가 이루어질 수 있고 가설 시기가 결정되면 그 시점까지의 장기적인 변형을 예측해서 조립성 검토가 가능하다(Duy-Cuong et al., 2022). 프리캐스트 부재 제작공장에서 이루어지는 사전 조립성 검토는 각 부재가 현장에 도착했을 때 원활하게 조립될 수 있도록 보장하는 과정으로 설계도면과 모델을 검토하여 부재의 정확한 치수를 확인하거나 부재의 결합부가 서로 잘 맞물리도록 설계되었는지 검토하는 등 조립이 원활하게 이루어지는지 확인하고 문제점을 파악하여 수정하는 작업이다. 이러한 작업은 현장인력을 활용하여 직접 검토하거나 측량 장비를 활용하여 검측하게 된다. 본 연구에서는 3D 스캐닝과 BIM을 활용하여 형상품질관리를 시행하고 이를 기반으로 생산공정 내에서의 검측 자동화 프로세스를 연구하고자 한다. 해당 연구를 위한 기술 동향 분석을 위하여 국내에서는 3D 스캐닝에 관련된 논문 연구 결과 위주로 사례를 파악하였고 해외동향도 분석하였다.

1.3.1 국내 기술 경향

국내 기술은 3D 스캐닝을 활용하여 건설 분야에 적용한 연구를 대상으로 조사하였다.

- 프리캐스트 콘크리트 부재의 품질검사

이 연구는 프리캐스트 콘크리트 부재의 품질검사를 위해 3D 레이저 스캐닝과 BIM 기술을 결합한 시스템을 제안하고 검증한 연구이다. 기존의 수작업 기반 품질검사는 시간과 비용이 많이 소요되는데, 이를 개선하기 위해 레이저 스캐닝을 이용해 치수와 표면 결함의 자동화된 검사를 수행할 수 있도록 개발하였다. 연구에서는 소개한 세 가지 품질검사 기법은 다음과 같다. 첫 번째로 치수 품질검사는 레이저 스캐너와 알고리즘을 통해 부재의 치수 데이터를 정밀하게 측정하여 도면과의 오차를 확인한다. 두 번째로 표면 결함 검사는 부재 표면의 손상 위치와 정도를 파악하여 시각적으로 표시한다. 마지막으로 BIM 기반 품질관리 체계는 스캐닝 데이터를 BIM에 통합하고 검사 항목 및 결과를 관리하는 품질검사 체계를 구축한다. 이 연구는 프리캐스트 콘크리트 부재의 품질관리에 있어 레이저 스캐닝과 BIM의 결합이 품질검사의 효율성을 높이고, 프리캐스트 콘크리트 부재 기반의 품질 정보를 체계적으로 관리하여 건설 자동화에 기여할 수 있음을 보여준다(Kim and Sohn, 2015). Figure 2는 레이저 스캐닝 및 BIM 기반 프리캐스트 콘크리트 부재 품질검사 체계도이다.

Figure 2.

Laser scanning and BIM-based precast concrete member quality inspection system diagram

- 건축 구조물의 품질검사

기존 건설현장의 품질검사 프로세스는 다양한 시기에 실행하게 되는데 대부분 사람이 직접 확인하고 도면과 비교를 통하여 품질상태를 확인하는 과정을 거친다. 이 연구는 레이저 스캐닝 기술을 실제 프로젝트에 적용하여 그 활용성을 확인하고자 세 개의 실제 프로젝트 사례를 대상으로 3D 스캐닝을 실행하고 결과를 2D 도면과 비교하여 정확도를 판단하는 연구를 진행하였다. 실제 프로젝트를 대상으로 스캐닝한 3D 모델과 BIM 도면이나 2D 도면과 비교하여 대상 부위의 정밀도나 요구품질을 확인하고 이를 바탕으로 스캐닝 데이터를 정합하고 기준에 충족하는지를 부위별로 표현하는 이미지를 작성하였다. 그림 3은 하부층 천정과 상부층 바닥 스캐닝 데이터의 이격거리를 확인하여 슬래브 두께에 대한 검토 이미지이다. 이 연구를 통해서 3D 스캐닝과 BIM을 활용한 품질점검이 기존의 품질관리 방식보다 시간과 인력 효율을 높일 수 있다는 점을 입증하고, 이러한 방법이 향후 다양한 품질관리 분야에 응용될 수 있음을 확인하였다(Lee and Kim, 2020). Figure 3은 하부층 천정과 상부층 바닥 스캐닝 데이터를 정합한 결과이다.

Figure 3.

3D scanning result of apartment slab

- 건설현장의 조건에 따른 3D 스캔의 활용방식

이 연구에서는 국내외 3D 스캔 관련 소프트웨어와 서비스들을 조사하고 기술구조와 활용방식에 따라 Photogrammetry, SLAM, Point Cloud 방식의 3가지로 분류하였다. 국내외에서 주로 활용되는 3D 스캔 서비스들을 선정 후 직접 실내와 실외에서 테스트를 진행하였다. 실내 공간 테스트는 사무실과 강의실 두 곳을 대상으로 진행하였다. 오픈소스 소프트웨어와 상용 소프트웨어의 기술 차이를 확인하기 위해 소프트웨어를 지정하고 기준별로 테스트를 진행하였다. 3D 스캔 활용방식 3가지에 대한 실내현장 테스트를 통하여 각 기술의 장단점을 조사하고 실내현장에 적합한 방식을 검토하였다. 실외 공간의 테스트에서는 이미지보다는 Lidar 기반의 장비를 활용하여 Point Cloud 데이터를 얻을 수 있는 스캔 방식 더 적합한 것으로 판단하였고, 추가적으로 SLAM 방식의 낮은 퀄리티 문제를 보완할 방법을 제시하였다. 이 연구에서는 빈번한 현장 스캔 작업이 요구되어 빠르게 모델링 구성이 이루어져야 하는 시간적인 제약이 존재하여 모델링의 품질이 다소 떨어지더라도 작업 편의성과 모델링의 구성 시간에 초점을 두었다. 연구결과는 건설현장의 조건에 따라 각기 다른 스캐닝 방식이 효율적으로 활용될 수 있으며, 이를 통해 디지털트윈 구현에 필요한 데이터 정확성과 작업의 효율성을 높일 수 있음을 확인하였다(Kim et al., 2022). Figure 4는 FARO Focus M70 레이저 스캐너를 활용하여 획득한 포인트 클라우드 데이터이다.

Figure 4.

Point cloud 3D scan results using FARO laser scanner with metashape

- 시공 후 건축물의 품질검사

이 연구는 건축물을 시공한 후 작성된 도면을 기준으로 3D 스캐너를 통해 현재 공간을 데이터화하여 기존 도면과 비교하는 방법으로 공간형태에 따라 건축물을 선정하고 선정된 건축물의 1개 층 데이터를 비교하여 기존 시공과 시공계획단계와의 차이점을 도출함으로써 3D 스캐닝을 건축 전반적으로 어떻게 활용되어야 하는지에 대해 고찰하는 것을 목적으로 진행되었다. 연구대상은 충청남도 소재의 S대학교 내 4개의 건축물을 대상으로 실시되었으며 내·외부 리모델링과 이로 인한 변화를 3D 스캐닝 데이터를 통해 비교하였다. 기존의 준공 도면과 3D 스캐닝 데이터의 비교는 평면의 형태 및 수치, 설비 구조를 표면상으로 비교해보고 이에 따른 결과를 도출하였다. 기존 도면과 3D 스캐닝 데이터의 비교는 Autodesk 사의 Recap과 Revit 프로그램을 활용하여 비교하였다. 먼저 Recap 프로그램을 활용해 스캐닝 데이터를 생성하고 이를 Revit에서 불러온 다음 CAD 도면을 삽입하여 두 가지의 데이터를 겹쳐서 비교하는 방식으로 진행하였다. 데이터 비교는 3D 스캐닝 데이터와 시공 또는 기존에 작성된 CAD 도면을 겹쳐 나타나는 결과를 5점 척도를 활용하여 평가하였다. 3D 스캐닝은 준공되기 전 시공단계에서도 필수적인 요소가 되어야 할 것으로 보이며, 자동화, 로봇 등을 이용하여 지속적인 3D 스캔을 통해 시공 및 안전관리의 효율성을 높이고, 자재관리 등 감리의 목적으로 활용되어야 할 것이며, 이를 통한 BIM, 공정관리 등 건축 전반적인 분야에서의 후속 연구가 필요할 것으로 보았다(Hwang et al., 2021).

- 3D 포인트 클라우드 기반 반자동 시각화

이 연구는 3D 포인트 클라우드를 이용하여 건물 외벽을 레이저 스캐너로 스캔하고, 추출된 좌표 정보를 기반으로 BIM (Building Information Modeling) 모델을 구축하는 시각화 반자동 접근방식을 제안하였다. 이 접근방식은 기존의 주관적이고 시간이 많이 소요되며 신뢰성이 떨어지는 전통적인 점검 방법의 문제점을 해결하기 위해 진행되었다. 레이저 스캐너를 사용하여 건물 외벽의 3D 포인트 클라우드를 획득하고, 이를 통해 좌표와 결함 정보를 포인트 클라우드 데이터로 생성하여 BIM 모델을 작성하였다(Figure 5). 이 과정에서 Dynamo와 Python 스크립트를 활용하여 좌표 추출 및 데이터 변환을 자동화하였다. 추출된 결함 정보를 BIM 객체로 작성하고, 각 BIM 객체를 수정된 기준에 따라 색상으로 표시하였다. 이러한 방법으로 실제 건물에 적용하여 효율성과 정확성을 검증하였다. 이 연구로 인하여 기존의 수작업과 비교하여 정확성과 일관성이 높아졌고 데이터수집 및 처리 시간이 단축되어 유지보수 작업의 생산성이 향상되었다. 시각화된 데이터를 통해 건물의 전반적인 상태를 쉽게 이해할 수 있고 유지보수 및 보강 우선순위를 결정하는 데 도움이 되었으며 데이터의 통합 관리 및 저장이 용이하게 되었다. 제안된 반자동 시각화 방법은 레이저 스캐닝과 BIM을 결합하여 건물 점검의 효율성과 정확성을 높이는 데 기여함으로써 유지보수 비용을 절감하고, 건물의 안전성을 보장할 수 있다(Choi et al., 2024).

Figure 5.

Coordination system match with RE model

- 스캐닝 기반 교량설계 BIM 모델 추출

이 연구는 LiDAR로 수집한 포인트 클라우드 데이터에서 교량설계 파라미터를 자동으로 추출하는 시스템을 개발하여 BIM 모델작성의 어려움을 해결하고자 하였다. 개발된 시스템은 세 가지 주요 단계로 구성된다. 첫 번째 단계로 K-Nearest Neighbors (kNN) 알고리즘을 사용하여 LiDAR로 수집한 포인트 클라우드에서 노이즈를 제거하였다. 두 번째 단계로는 3D 회전 변환을 통해 포인트 클라우드 데이터의 축을 교량의 길이, 폭, 높이 축과 일치시켰다. 세 번째 단계에는 교량의 구조 유형에 따라 모델을 구축하고, 각 구조 유형별로 설계 파라미터를 자동으로 추출하였다. 시스템의 성능을 검증하기 위해 노장리에 위치한 오송교에서 실험을 수행하였다. 실험 결과 개발된 시스템은 0.8%의 오차율로 교량설계 파라미터를 자동으로 추출하는 데 성공하였다. 이 연구에서 개발한 자동 파라미터 추출 시스템은 교량의 Scan-to-BIM 프로세스를 효율화하고, 시간과 비용을 절감하는 데 기여할 수 있었다. 이를 통해 기존 구조물의 BIM 적용이 보다 용이해질 것으로 기대된다(Lee et al., 2020). Figure 6은 3차원 회전 행렬과 이동 벡터를 사용하여 포인트 클라우드 데이터를 측정 좌표에서 교량 좌표계로 변환한 이미지이다.

Figure 6.

Measurement coordinate system (left) and bridge coordinate system (right) for the Osong test track fifth bridge

1.3.2 해외 기술 경향

해외기술은 3D 스캐닝과 BIM을 활용하여 건설분야에 적용한 사례를 대상으로 조사하였다.

- 교량 시공의 실시간 모니터링(호주)

현대의 인프라 프로젝트에서 흔히 발생하는 공기 지연과 비용초과 문제를 해결하고, 건설 프로젝트의 효율성과 정확성을 높이기 위해 BIM(Building Information Modeling)과 레이저 스캐닝을 통합한 Scan-vs-BIM 연구를 진행하였다. 실제로 건설된 객체를 스캐닝한 포인트 클라우드 데이터와 BIM으로 설계한 모델 간의 기하학적 차이를 분석하여 건설 프로젝트의 성능을 실시간으로 평가할 수 있는 반자동 건설 진행 모니터링 프레임워크를 제시하였다. 인프라 요소의 건설 진행 상황을 가상포인트 클라우드 생성, 포인트 정렬, 노이즈 제거, 준공 포인트 클라우드와 설계 BIM의 클라우드 수치 결과의 비교분석 과정을 통해 건설 프로젝트의 진행 정도를 백분율로 산출하였다. 주로 수직 구조물인 교량의 주요 요소인 교각, 코핑, 보의 체적을 측정하여 진행 상태를 파악하는 방식으로, 이를 통해 건설현장에서의 실시간 데이터 분석 및 진행 상황 보고가 가능하였다. 이 연구는 호주 New South Wales 주의 Kapooka 교량 건설 프로젝트에서 적용되었으며, Scan-vs-BIM 접근방식이 교량 건설의 실시간 진행 모니터링에서 어떻게 효율성과 정확성을 높일 수 있는지를 입증하였다. 이 프레임워크는 건설 프로젝트의 시간적 지연과 예산 초과를 줄이는 데 기여할 수 있으며, 향후 광범위한 건설현장에 적용 가능성을 제시하였다(Jiang et al., 2022). Figure 7은 두 개의 스캐닝 데이터를 병합한 Kapooka 교량 이미지이다.

Figure 7.

An overview of the kapooka bridge (white and shadow point cloud are from two different laser scanners)

- 대량의 프리캐스트 콘크리트 빔의 품질관리(중국)

대량의 프리캐스트 콘크리트 빔을 빠르고 정확하게 평가할 수 있도록 설계하고, 건설산업에서의 품질관리 및 생산성 향상에 기여하는 것을 목표로 연구가 진행되었다. 기존의 수동 평탄도 측정방법의 한계를 극복하기 위해, 3D 레이저 스캐닝 기술을 활용하여 더 효율적이고 정확한 평탄도 평가 방법을 제안하였다. 축 보정, 대상 표면 분할, 평탄도 편차를 고려하는 상세한 방법론을 개발하였다. 이 방법은 레이저 스캐너로부터 얻은 포인트 클라우드 데이터를 활용하여 평탄도를 계산하고, 색상표현을 통해 평탄도 품질을 시각적으로 평가할 수 있도록 하였다. 또한, 연구팀은 수치 시뮬레이션을 통해 이 방법의 정확성을 검증하고, 실험실 규모의 프리캐스트 콘크리트 빔에서 현장 테스트를 수행하여 연구의 실용성을 평가하였다.

연구의 핵심 부분 중 하나는 중국의 G0321 고속도로 프로젝트에서 제안된 방법을 실제로 적용하여 실용성을 검증하였다. 연구팀은 약 천 개의 프리캐스트 콘크리트 빔에 대해 평탄도 평가를 수행하였고, 이 방법이 대규모 프로젝트에서도 효과적으로 적용될 수 있음을 입증했다. 제안된 방법은 기존 접촉 기반 검사에 비해 훨씬 빠르고 정확한 결과를 제공함으로써 건설 프로젝트의 품질 관리 및 효율성을 크게 향상시킬 수 있는 잠재력을 가지고 있다. 이 연구를 통하여 건설산업에서 프리캐스트 콘크리트 빔의 평탄도 평가 방법을 혁신하고, 프로젝트의 시간 및 비용 효율성을 개선할 수 있는 기술적 발전을 제시하였다(Xu et al., 2024). Figure 8은 다른 스테이션에서 수집한 포인트 클라우드 데이터를 등록하는데 활용하기 위해 2개 이상의 스캔 스테이션에 포함되도록 배치된 구 이미지이다.

Figure 8.

Reference spheres shared by two scan stations

- 3D 스캐닝과 BIM의 통합방법(영국)

이 연구에서는 3D 레이저 스캐너를 사용하여 건물의 현실 캡쳐와 그 데이터를 BIM 시스템과 통합하는 과정을 연구하였다. 영국 옥스퍼드에 위치한 역사적인 건물인 Headington Hill Building을 대상으로 데이터수집 및 현장 조사를 진행하였다. Trimble TX8 3D 레이저 스캐너를 사용하여 건물의 외부와 내부를 스캔하고 포인트 클라우드 데이터를 수집하였다. 수집된 데이터는 Trimble Realworks 소프트웨어를 사용하여 등록하고 필터링하였으며, 데이터의 복잡성을 줄이고 처리 시간을 단축시켰다. 포인트 클라우드 모델의 신뢰성과 정확성을 평가한 후, 이를 BIM 시스템에 통합하기 위한 프레임워크를 개발하였다. 포인트 클라우드 모델을 DWG 파일 형식으로 내보내어 Autodesk Revit 소프트웨어를 통해 BIM 시스템에 통합하였고, 이를 통해 생성된 BIM 모델은 건물의 문서화, 유지보수 계획, 리노베이션 및 복원 작업 등에 활용가능성을 검토하였다.

이 연구로 포인트 클라우드 데이터의 품질 문제를 해결하고 BIM 통합의 도전 과제를 극복하는 방안을 제시하였으며, 건설산업의 다양한 전문가들이 3D 레이저 스캐너와 BIM을 효과적으로 활용할 수 있는 방법을 제공하였다. 3D 레이저 스캐너와 BIM 시스템의 통합을 통해 건설 프로젝트의 데이터 캡처와 처리를 혁신할 가능성을 제시하였다(Almukhtar et al., 2021). Figure 9는 건물외부와 내부의 포인트 클라우드 데이터로 노이즈를 제거하기 전과 후의 모델을 보여주고 있다.

Figure 9.

Point cloud de-noising: (a) prior to de-noising; (b) after de-noising

- 3D 스캐닝 데이터의 후처리(포르투칼)

이 연구는 레이저 스캐너를 사용하여 건설현장에서 3D 포인트 데이터를 획득하는 과정에서 시작하였다. 자료수집 단계에서는 여러 스캔 위치에서 데이터를 취합하여 대상 구조물의 모든 표면을 포괄하는 포인트 클라우드를 생성한다. 수집된 포인트 데이터는 노이즈 제거, 불필요한 데이터 필터링, 그리고 다중 스캔 데이터를 통합하는 전처리 과정을 거친다. 이 과정에서는 포인트 데이터를 축소하여 처리 효율성을 높이고, 데이터를 정렬하여 좌표 시스템을 통합한다. 전처리된 포인트 데이터는 다양한 알고리즘을 사용하여 정렬하는데 점, 선, 면과 같은 특징을 기반으로 점군 데이터를 맞추는 조정 방법을 사용하며, 대표적인 방법으로는 ICP(Iterative Closest Point) 알고리즘이 있다. 정렬된 데이터는 기하학적 특징을 추출하기 위해 분석되며, 이를 통해 건물의 주요 요소인 벽, 바닥, 천장 등의 구조적 요소를 식별한다. 특징 추출 후, 점군 데이터는 BIM 요소로 변환된다. 이 과정에서는 추출된 기하학적 특징을 기반으로 3D 모델을 생성하며, BIM 모델은 설계도와 비교하여 품질을 평가한다. BIM 모델의 생성은 주로 평면 검출, 객체 모델링, 메쉬 기반 재구성 방법을 사용하여 상세한 3D 모델을 구축한다. 생성된 BIM 모델은 건설 진행 상황 모니터링, 품질 평가, 유지보수 등 다양한 응용 분야에 활용된다. 이러한 연구는 현재의 한계를 극복하고 건설산업에서의 활용도를 높이는 것을 목표로 진행되었다(Abreu et al., 2023). Figure 10은 포인트 클라우드 데이터를 큐브 공간을 활용하여 데이터를 축소하는 개념을 보여주고 있다.

Figure 10.

Data reduction using an occupancy grid. The space is partitioned in cubes, and points inside are replaced with its centroid

- 디지털 트윈 기술을 활용한 교량관리(노르웨이)

이 연구는 디지털 트윈 기술과 3D 레이저 스캐닝을 활용하여 교량 유지보수를 개선하는 방법을 다루었다. 디지털 트윈 기술이 BIM, IoT, 머신러닝과 어떻게 통합되어 교량의 상태를 실시간으로 모니터링하고 유지보수 활동을 효율적으로 계획할 수 있는지를 연구하였다. Scopus, Google Scholar, Web of Science 등의 데이터베이스에서 2017년부터 2022년까지 발표된 관련 논문 108편을 분석 대상으로 선정하고, 3D 포인트 클라우드, 디지털 트윈, BIM, 레이저 스캐닝 등의 키워드를 사용하여 문헌 검토를 수행하였다. VOSviewer 소프트웨어를 사용하여 키워드 및 저자 분석을 통해 연구 동향을 시각화했다. 연구 네트워크, 주요 하위 분야, 키워드 동시 출현 및 국가별 기여도를 분석하여 디지털 트윈 기술의 연구 경향과 패턴을 평가하였다. 디지털 트윈 및 3D 레이저 스캐닝 기술의 교량 공학 및 자산 관리 적용 사례를 포괄적으로 검토하고, 네 가지 주요 카테고리(머신러닝, 교량 정보 모델링, 교량 관리 시스템, 3D 모델링)로 논문을 분석하였다. 이를 통해 정보 표준화의 필요성을 강조하고, 디지털 트윈 기술을 활용한 교량 관리의 개념적 프레임워크를 제안하였다(Figure 11). 이 논문은 디지털 트윈 기술이 교량 유지보수에 어떻게 적용될 수 있는지에 대한 현재 상태를 평가하고, 이를 기반으로 한 미래 연구 방향을 제시합니다. 이를 통해 디지털 트윈 기술의 잠재력과 적용 가능성을 확인할 수 있었다(Hosamo & Hosamo, 2022).

Figure 11.

Digital twin technology

2. 프리팹 부재의 형상품질관리

2.1 부재 검측

최근 스마트 건설, 시설물 조사 및 관리 분야에서 Scan to BIM 기술 활용도가 높아지고 있다. 하지만, 많은 경우 수작업으로 Scan to BIM 작업을 수행하고 있어, 모델링 중 오기 혹은 노이즈가 모델에 입력되는 경우가 많다. 수작업 기반 Scan to BIM 프로젝트 수행 경험에 따라 산출물의 품질 및 생산성에 영향을 받는다. 이를 자동화할 수 있다면, 산출물 품질 및 생산성이 높아질 수 있다(Kang, 2023). 프리팹 제작회사와 협업하여 프리팹 부재의 형상품질관리 자동화를 위해 초기 단계에는 측량 장비를 활용하여 부재의 기준점(Edge점) 좌표를 측정하는 방식을 검토하였다. BIM 모델과의 비교검토를 위해서는 기준점(Edge점) 기반의 정합과정이 필요하고 이후 품질검토가 진행된다. 스캐닝 시 기준점을 고려하여 스캐닝하게 되면 후처리에 필요한 시간을 단축할 수 있어서 실시간 품질관리를 기대할 수 있다. 이러한 실시간 품질관리를 위해 부재 제작 시 기준점 위치에 프리즘 부착을 위한 강판을 삽입하고 콘크리트 프리캐스트 부재 제작 완료 후 프리즘을 강판에 탈부착하는 방식으로 항상 같은 위치에 프리즘을 부착하고 측량하여 프리캐스트 콘크리트 부재의 품질을 평가하는 방식을 검토하였다(Figure 12). 이 방식을 적용하게 되면 제작단계, 운반단계, 시공단계, 유지관리 단계에서 일어날 수 있는 프리캐스트 콘크리트 부재의 시공오차 및 변형을 유연하게 검측할 수 있어서 단계별 품질관리가 가능해진다. 프리즘 탈부착이 가능한 장치를 같은 위치에 삽입할 수 있다면 정밀한 측정이 가능해지고, 유사한 프리팹 제품을 다양한 프로젝트와 상황에 맞게 사용할 수 있으며, 시공 완료된 경우에도 유지보수에 활용할 수 있는 장점이 있어 시험제작을 통하여 품질관리 절차를 검토할 예정이다.

Figure 12.

Prism device for shape quality control

실제 프리캐스트 제작공장에 적용한 방식은 생산 완료 후 부재 외부에 장치를 부착하는 방식을 고려하였다. 현재 생산공정에 지장을 주지 않는 단계인 야적장에서 프리즘 부착 없이 품질검토를 하기 위해 two-point 타켓(Figure 13)을 제작하였다. Two-point 타켓은 두 개의 타켓을 연결하여 제작한 시제품으로 검측이 필요한 지점에 부착하고 스캐닝을 실행하게 되면 프로그램 내에서 타켓의 중앙포인트를 획득하여 정합에 필요한 기준점(Edge점)을 빠르게 추출할 수 있어서 3D 스캐닝 후처리 시간을 줄이고 품질검토시간을 단축할 수 있다.

Figure 13.

Two-point targets

2.2 품질관리 프로세스

2.2.1 현장 스캐닝

현장에서 사전 제작된 부재들을 조립 및 가설하는 경우 강교량에 대해서는 가조립을 통하여 사전 조립성 검토가 이루어지지만, 프리팹 콘크리트 교량의 경우 바닥판과 거더 불일치, 연결부 불일치, 가설 오차 등 여러 가지 오류가 발생하기 때문에 이러한 문제를 해결하기 위해 사전 검토가 필요하다. 단일 스캔 위치에서는 구조물의 모든 면을 포착하기 어렵기 때문에, 여러 위치에서 스캔하여 포인트 클라우드 데이터의 완전성을 확보하고 누락된 부분을 최소화해야 한다. 부재와 동일한 위치에서 부재를 한 번 스캔하는데 걸리는 시간은 대략 3분 내외로 데이터의 누락 방지를 위해 하나의 장비로 4곳을 스캐닝하게 되므로 12분 정도의 시간이 걸리게 된다. 높은 위치에서 스캐너를 장착하고 2대로 스캐닝하면 3분 정도로 단축되나 하면의 기준점을 검측할 수 없어서 이에 대한 보완이 필요하다. 제작공장 생산라인에서 프리캐스트 콘크리트 부재의 제작이 완료되고 야적장으로 이동하는 중에 스캐너를 장착하고 3분 내외로 스캐닝을 실행하게 되면 실시간으로 제작 과정에서 발생할 수 있는 오류나 결함을 식별할 수 있게 된다. 이는 품질관리 프로세스를 더욱 효율적으로 만들어 주며 오류가 발생했을 때 신속한 보완이 가능해진다.

2.2.2 스캐닝 데이터 후처리

부재를 여러 위치에서 스캐닝하면 스캐너에 내장된 GPS (Global Positioning System)와 BIS (Builsing Information System)의 특성과 장점을 활용하여 효율적으로 데이터를 취합할 수 있다. GPS는 정확한 위치 정보를 제공하여 스캐닝한 부재의 위치를 기록하고 각 스캐닝 포인트에서 얻은 좌표 데이터를 통해 부재가 어디에서 스캔 되었는지를 추적하여 스캐닝한 데이터를 지도 위에 시각화하여 부재를 생성한다. BIS는 부재에 대한 상세 정보를 관리하는 시스템으로 여러 위치에서 스캔된 데이터를 BIS에 통합하여 특정 부재에 대한 모든 스캐닝 데이터를 중앙에서 관리하여 부재의 상태나 변경 사항을 쉽게 추적할 수 있다. 여러 위치에서 스캐닝하게 되면 데이터 취득과정에서 밀집된 포인트 또는 중복점이 생성되므로 모델의 정확도 및 일관성 향상을 위해 후처리 과정이 필요하다. 취득한 포인트 클라우드 데이터를 기준으로 0.01mm~1mm 단위의 격자를 기준으로 밀집된 포인트를 제거하는 알고리즘을 구축하여 데이터의 효율성을 높이고 품질을 향상시킬 수 있다. 이렇게 획득한 포인트 클라우드 데이터를 후처리 프로그램을 활용하여 Figure 14의 결과를 획득하였다.

Figure 14.

Post-processing of 3D scanning information

2.2.3 스캐닝 데이터와 BIM 데이터의 정합

최근 실행되고 있는 포인트 클라우드 데이터와 BIM 모델의 검토는 BIM 상용프로그램 내에서 시각적 검토를 진행하고 있다. 스마트건설 기술 중 하나인 BIM은 최근 계획, 설계, 시공 단계에서 적극적으로 활용되고 있고 성과품으로 납품하고 있기때문에, BIM 상용프로그램에서 모델작성 후 DXF, OBJ 등의 파일로 변환하여 삽입할 수 있도록 함으로써 BIM 데이터와 연계를 고려할 수 있다. 현장에서 취득한 포인트 클라우드와 BIM 모델을 중첩할 때에는 기준점 지정이 필요하다. 2D 제작도면을 기준으로 프리팹 부재의 BIM 모델을 작성하면 시공 시 외부 충격이나 마모에 대한 저항력을 높이기 위해 적용되는 모따기나 홈 등이 누락되어 있어서 Figure 15와 같이 기준점(Edge점) 추출이 필요하다.

Figure 15.

Reference point for 3D scanning data

2.2.4 부재의 형상품질관리

정합한 모델을 비교 분석하여 검토한 형상 차이를 색상을 이용해 시각적으로 구분한다(Figure 16). 빨간색은 3D 스캐닝 데이터에서 돌출된 부분을 나타내며, 이는 실제 구조물이 설계보다 더 많이 튀어나온 경우를 의미한다. 파란색은 오목한 부분을 나타내며, 이는 실제 구조물이 설계보다 움푹 들어간 부분을 의미한다. 색상 코딩은 시각적으로 매우 직관적이어서 엔지니어와 제작사가 문제 영역을 쉽게 식별할 수 있게 한다. 색상이 짙은 부분, 즉 빨간색이나 파란색이 더 진하게 나타나는 부분은 형상 차이가 크다는 것을 의미한다. 예를 들어, 빨간색이 진하게 나타나는 부분은 실제 시공이 설계보다 많이 튀어나왔음을 의미하므로, 이는 다른 구조물과의 충돌 가능성을 높이거나 구조적 불안정을 초래할 수 있다.

Figure 16.

Comparative analysis of 3D scanning and BIM data

2.2.5 상세 단면검토

이러한 색상 분석을 통해 주요 문제 영역을 식별한 후, 일정 높이에서의 단면검토(Figure 17)를 실행한다. 단면검토는 특정 높이에서의 수평 단면을 통해 구조물의 상세 형상을 분석하는 방법으로 검측 위치에서 부재가 허용기준을 만족하는지 검토해야 한다. 허용기준을 초과하는 경우 해당 부분을 잘라내거나 다듬는 작업 등 수정이 필요하지만, 허용기준을 만족하지 못하는 경우 추가적인 재료를 채워 넣거나 구조적 보강을 하는 작업이 필요할 수 있다. 이러한 비교분석 과정을 반복적으로 수행함으로써 시공 중 발생할 수 있는 문제를 조기에 발견하고 해결할 수 있다. 이는 전체 프로젝트의 품질을 높이고, 시공 완료 후 발생할 수 있는 유지보수 비용을 줄이는 데 도움을 준다.

Figure 17.

Cross-sectional analysis

2.3 실시간 형상품질관리 자동화

스캐닝 데이터는 여러 위치와 각도에서 수집되기 때문에 각 데이터를 정확하게 정렬하고 중복점이나 노이즈를 제거하는 시간이 소모된다. 실시간으로 부재의 형상품질관리를 자동화하기 위해서는 프리팹 생산단계에서 검측(스캐닝) 시간을 줄이고, 후처리에 소모되는 시간을 단축한다면 생산공정에 영향을 주지 않는 범위 내에서 실시간 관리가 가능할 수 있다. 제작이 완료된 프리캐스트 콘크리트 부재는 레일을 따라 이동하게 되는데 스캐너를 레일 경로의 특정 위치(Figure 18(a))에 고정해서 스캔 범위가 부재를 완전히 커버하기 위해 출입문 프래임 양쪽 상단에 부착하는 것을 검토하였다. 부재가 스캔 영역에 들어올 때 레일 카트(Figure 18(b))를 멈추고 검측을 실행하는 방식으로 스캐닝 시에는 two-point 타켓을 프리캐스트 콘크리트 부재의 형상에 맞게 제작하여 4개의 기준점(Edge점)에 설치하고 진행한다. 3D 스캐닝 데이터와 BIM 모델의 정합을 위해서는 기준점이 필요한데 이 타켓을 활용하여 기준점을 추출하는 시간을 단축하고 BIM 모델의 기준점과 자동으로 정합하여 후처리 시간을 단축한다. 상단에서의 검측은 프리캐스트 부재의 하단부를 검측하기 어렵지만 two- points 타켓을 활용하면 스캐너에서 두 개의 타켓이 보이기만 하면 타켓 기반으로 기준점(Edge점)을 추출할 수 있기에 부재 전반의 품질검측이 가능해진다.

Figure 18.

View of the production line at the production factory

3. 현장 실증

제시한 형상품질관리 프로세스에 따라 제작공장에서 실시간 품질검토를 실행하기 위해 야적 중인 부재를 대상으로 현장 실증을 실행하였다. 야적장에는 부재들이 겹겹이 쌓여있기 때문에, 부재 검측을 위해서는 스캐너의 위치를 부재검토 기준점이 잘 보이는 곳으로 지정하고 4방향에서 검토하였다. 스캐너는 주위의 현황을 검측하기 때문에, 야적장의 여러 부재가 현황에 표현되므로 이 부재들 중 검측에 필요한 부재를 추출해야 한다. 데이터의 용량이 커지면 작업의 효율성이 떨어지므로 반드시 추출기능을 통하여 용량을 줄이는 작업이 필요하다. Figure 19는 스캐닝 데이터에서 형상품질관리가 필요한 데이터를 추출하는 이미지이다.

Figure 19.

Extraction of members for inspection from precast seg-arch structures in storage yards

스캐닝 시에 two-point 타켓을 4개의 기준점(Edge점)에 배치하여 실행하고 프로그램에서 타켓의 중심점 기반으로 부재에서 4개의 기준점을 취득하였다. 이렇게 취득한 4개의 기준점을 기반으로 BIM 모델과 스캐닝 데이터를 정합하였다. Two- points 타켓으로 획득한 4개의 기준점 중 한 점을 기준으로 모델을 배치하고 나머지 3개의 기준점을 기반으로 스캐닝 데이터를 자동으로 정합하였다. 실제 현장에 야적된 부재는 받침목의 두께에 따라 중력방향으로 정확하게 배치되지 않고 기울어져 있어서 이에 대한 보정이 필요하지만, 이 기능을 활용하면 후처리 과정을 단축할 수 있다. Figure 20은 BIM 모델과 스캐닝 데이터를 정합하는 이미지이다. 현재 연구단계에서는 two-point 타켓을 활용하여 스캐닝한 데이터는 수동으로 타켓 중앙의 절점을 지정하여 기준점(Edge점)을 추출하게 되지만 이 부분도 향후 자동화를 검토할 예정이다.

Figure 20.

Overlay of BIM model and scanning data

제작공장에서의 품질검토는 강재거푸집을 제작하는 업체에서 하단의 제원을 검측하여 프리캐스트 제작업체에 하부 강판을 납품하고, 이 강판을 기준으로 벽체거푸집을 부착하는 방식으로 조립하여 콘크리트를 타설하게 된다. 그러므로 실제 제작공장에서는 부재의 두께나 기준점의 거리 정도만 간단하게 검토하여 품질을 검토하고 있다. 이러한 품질검토의 단점을 보완하기 위해 BIM 기반의 3D 모델을 작성하고 단순 두께 검토가 아닌 3D 좌표점 기반의 스캐닝 데이터를 활용하여 정밀한 부재검토가 필요하다. 실제 현장에서 제작한 데이터를 검토한 결과 허용치 이내로 제작된 것을 검증하였고, 실시간 형상품질관리로 품질검토 시간을 단축할 수 있음을 확인하였다(Figure 21). 형상품질관리 과정에서 작성된 검측결과를 바탕으로 검측 체크리스트를 작성하고 확인자와 점검자를 지정하여 제작 품질을 높일 수 있도록 문서작성 자동화도 진행할 예정이다.

Figure 21.

Precast arch inspection results using BIM and scanning data

4. 결 론

본 연구는 프리캐스트 콘크리트 부재의 형상품질관리를 자동화하는 방안을 연구하고, 기존의 수동 검사 방식에서 발생하는 비효율성을 해결하기 위한 접근법을 제시하였다. 기존 품질검사 방식은 많은 인력과 시간이 소요되고 오류 발생 가능성이 높지만, 자동화 시스템은 정확하고 신속한 품질관리를 가능하게 하여 생산성 향상에 기여할 수 있을 것이다. 본 연구에서 제안한 자동화 시스템은 실시간 형상 품질관리에 중점을 두었고, 레이저 스캐닝 및 BIM 기술을 활용하여 부재 형상의 정확도를 정밀하게 평가할 수 있도록 설계하였다. 이 시스템은 프리캐스트 콘크리트 부재의 품질관리에 소요되는 시간을 단축하여 실시간 관리가 가능하게 한다. 결론적으로, 프리캐스트 콘크리트 부재의 형상품질관리에 자동화 시스템을 도입하면 시공오류를 줄이고 품질을 일관되게 유지할 수 있으며, 건설산업의 생산성과 효율성 향상에도 기여할 수 있을 것이다.