최근 건물의 전 생애주기 중 유지관리 단계에서 활용할 수 있는 준공건물의 BIM 모델을 생성하기 위하여 Scan-to-BIM 기술에 관한 관심이 증가하고 있다. Scan-to-BIM 이란, 스캐닝을 통해 취득한 데이터를 활용하여 정밀한 형상의 BIM 모델을 생성하는 프로세스이다. 하지만 기존의 Scan-to-BIM 프로세스는 스캐닝으로 취득한 데이터를 기반으로 전문인력이 BIM 모델을 수작업으로 생성해야 하므로 많은 시간과 비용이 소모된다. 이에 기존건물의 데이터를 스캐닝을 통해 취득하는 과정부터 BIM 모델을 생성하기까지의 전 과정이 자동화된 Scan-to-BIM 기술의 필요성이 대두되고 있다. 하지만 다양한 Scan-to-BIM 자동화 기술들이 연구되고 있음에도 불구하고 스캔 데이터의 형상정보에만 한정되어 있어 건물의 재료, 부재 등과 같은 속성정보를 반영한 BIM 모델을 생성하기 위해서는 여전히 많은 시간과 비용을 들여야 한다. 특히, 속성정보 중 하나인 건축재료는 건설산업에서 비용, 일정에 영향을 미치기 때문에 중점적으로 다루어야 할 요소 중 하나이다. 기존건물에 있는 객체로부터 인식한 재료데이터는 유지관리 단계에서 다양한 목적으로 활용될 수 있는 데이터이며 형상정보와 연계하여 BIM의 적용 범위를 확장할 수 있다.
이에 본 연구에서는 기존건물의 형상과 재료를 연계한 Scan-to-BIM 자동화 기술을 구현하기 위하여 Scan-to-BIM 기반의 딥러닝을 활용한 BIM 객체의 재료정보를 자동으로 생성하는 방법을 제안한다. 우선, BIM 객체에 입력될 재료를 인식하기 위하여 3D 레이저 스캐너의 내장 카메라로 취득한 파노라마를 사용하여 딥러닝을 통해 5가지 재료(Tex, Concrete, Tile, Wood, Metal)에 대한 semantic segmentation을 진행한다. 재료는 표면의 시각적 정보를 통해 인식되며 이때 데이터 유형 및 알고리즘별로 정확도를 분석함으로써 높은 정확도를 도출할 수 있는 데이터셋과 알고리즘을 선정하여 test case에 사용한다. Semantic segmentation을 통해 5가지 재료가 분류된 결과는 3D 레이저 스캐너로 취득한 포인트 클라우드와 feature matching을 수행하여 2D 형식의 재료데이터를 3D 형식의 데이터로 변환한다. 재료뿐만 아니라 천장, 벽, 바닥과 같은 객체의 종류를 분류하기 위하여 포인트 클라우드 기반의 semantic segmentation을 수행하며, 재료데이터를 담고 있는 포인트 클라우드와 하나의 포인트 클라우드로 병합한다. 이후, 점의 형태인 데이터를 3차원 객체 형태의 데이터로 만들기 위하여 clustering을 진행한다. 특히, clustering 과정 중 BIM 객체에 입력될 재료의 정확도를 높이기 위하여 Object-space relationships를 적용한다. Object-space relationships란, 객체의 공간적 관계에 따른 재료의 정확도 향상을 위한 관계조건이다. Object-space relationships를 통해 출력된 결과인 객체별 재료데이터는 Dynamo의 parametric algorithm을 통해 BIM library material과 매칭되어 벽, 천장, 바닥 등 BIM 객체의 재료로 자동 생성된다.
Test case에 앞서, 파노라마의 재료분류에 적합한 데이터셋과 학습 알고리즘을 찾기 위하여 데이터 유형 및 알고리즘별로 정확도를 분석한 결과, 이미지와 파노라마로 구성된 데이터셋이 89%의 정확도로 가장 높았으며, 학습 알고리즘으로는 BiseNet 알고리즘이 88.6%로 가장 높은 정확도를 보였다. 또한, 본 연구에서 제시한 방법의 유효성 검증을 위한 case study 결과, 파노라마의 재료분류 결과로써 80.5%의 평균 정확도를 도출할 수 있었다. 이후, 형상데이터와 재료데이터가 담긴 두 포인트 클라우드를 병합하기 위해 ICP 알고리즘을 사용하여 좌표를 일치시킨 결과 0.074의 RMS 값을 도출할 수 있었다. 특히, BIM 객체에 입력될 재료의 정확도를 높이기 위해 Object-space relationships를 적용하여 적용 전 대비 29.28% 향상됨을 검증하였다. 이러한 결과로, 향후 본 연구에서 제시한 방법은 기존건물의 형상정보와 속성정보를 그대로 반영한 Scan-to-BIM 자동화 기술의 기초적인 단계로써 시간 단축 및 준공 BIM 모델 활용성 증진에 기여할 것으로 판단된다.