知財求人 - 知財ポータルサイト「IP Force」
特開2024-66373ライダセンサを利用した建設現場の作業管理ソリューション提供方法、装置およびコンピュータプログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024066373
(43)【公開日】2024-05-15
(54)【発明の名称】ライダセンサを利用した建設現場の作業管理ソリューション提供方法、装置およびコンピュータプログラム
(51)【国際特許分類】
G06Q 50/08 20120101AFI20240508BHJP
G06T 7/00 20170101ALI20240508BHJP
G06T 7/90 20170101ALI20240508BHJP
G06T 7/521 20170101ALI20240508BHJP
【ＦＩ】
G06Q50/08
G06T7/00 300
G06T7/90 C
G06T7/521
【審査請求】有
【請求項の数】12
【出願形態】ＯＬ
(21)【出願番号】P 2022194749
(22)【出願日】2022-12-06
(31)【優先権主張番号】10-2022-0142654
(32)【優先日】2022-10-31
(33)【優先権主張国・地域又は機関】KR
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．３ＧＰＰ
２．ブルートゥース
３．ＢＬＵＥＴＯＯＴＨ
４．ＪＡＶＡ
(71)【出願人】
【識別番号】521286949
【氏名又は名称】ワタ インク
(74)【代理人】
【識別番号】100083138
【弁理士】
【氏名又は名称】相田 伸二
(74)【代理人】
【識別番号】100189625
【弁理士】
【氏名又は名称】鄭 元基
(74)【代理人】
【識別番号】100196139
【弁理士】
【氏名又は名称】相田 京子
(72)【発明者】
【氏名】キム キョンシク
(72)【発明者】
【氏名】ファン チョルヒョン
(72)【発明者】
【氏名】チュン ヒュンス
(72)【発明者】
【氏名】イ ダウォン
(72)【発明者】
【氏名】キム ミンギュ
【テーマコード（参考）】
5L049
5L050
5L096
【Ｆターム（参考）】
5L049CC07
5L050CC07
5L096AA02
5L096AA06
5L096AA09
5L096CA21
5L096DA01
5L096EA39
5L096FA09
5L096FA66
5L096FA69
5L096GA36
5L096GA41
5L096HA11
5L096KA04
(57)【要約】 （修正有）
【課題】ライダセンサを利用した建設現場の作業管理ソリューション提供方法、装置およびコンピュータプログラムを提供する。
【解決手段】ライダセンサを利用した建設現場の作業管理ソリューション提供方法は、コンピューティング装置によって遂行される方法であって、建設現場に対応するセンサデータを収集する段階及び収集したセンサデータと建設現場に対応する設計図面データを利用して建設現場に対する作業管理ソリューションを提供する段階を含む。
【選択図】図３
【解決手段】ライダセンサを利用した建設現場の作業管理ソリューション提供方法は、コンピューティング装置によって遂行される方法であって、建設現場に対応するセンサデータを収集する段階及び収集したセンサデータと建設現場に対応する設計図面データを利用して建設現場に対する作業管理ソリューションを提供する段階を含む。
【選択図】図３
【特許請求の範囲】
【請求項1】
コンピューティング装置によって遂行される方法において、
建設現場に対応するセンサデータを収集する段階；および
前記収集されたセンサデータと前記建設現場に対応する設計図面データを利用して前記建設現場に対する作業管理ソリューションを提供する段階を含む、ライダセンサを利用した建設現場の作業管理ソリューション提供方法。
建設現場に対応するセンサデータを収集する段階；および
前記収集されたセンサデータと前記建設現場に対応する設計図面データを利用して前記建設現場に対する作業管理ソリューションを提供する段階を含む、ライダセンサを利用した建設現場の作業管理ソリューション提供方法。
【請求項2】
前記収集されたセンサデータは、
ライダセンサを通じて前記建設現場をスキャンすることによって収集されるポイントクラウドデータ（Ｐｏｉｎｔ Ｃｌｏｕｄ Ｄａｔａ、ＰＣＤ）を含み、
前記作業管理ソリューションを提供する段階は、
前記収集されたポイントクラウドデータと前記設計図面データを整合させる段階；
前記収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて、前記建設現場に対する作業進行率を算出する段階；および
前記作業管理ソリューションとして、前記算出された作業進行率に関する情報を提供する段階を含む、請求項１に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
ライダセンサを通じて前記建設現場をスキャンすることによって収集されるポイントクラウドデータ（Ｐｏｉｎｔ Ｃｌｏｕｄ Ｄａｔａ、ＰＣＤ）を含み、
前記作業管理ソリューションを提供する段階は、
前記収集されたポイントクラウドデータと前記設計図面データを整合させる段階；
前記収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて、前記建設現場に対する作業進行率を算出する段階；および
前記作業管理ソリューションとして、前記算出された作業進行率に関する情報を提供する段階を含む、請求項１に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
【請求項3】
前記整合させる段階は、
前記設計図面データから複数の第１特徴点を抽出する段階；
前記収集されたポイントクラウドデータから前記抽出された複数の第１特徴点に対応する複数の第２特徴点を抽出する段階；および
前記抽出された複数の第１特徴点と前記抽出された第２特徴点をマッチングすることによって前記収集されたポイントクラウドデータと前記設計図面データを整合させる段階を含む、請求項２に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
前記設計図面データから複数の第１特徴点を抽出する段階；
前記収集されたポイントクラウドデータから前記抽出された複数の第１特徴点に対応する複数の第２特徴点を抽出する段階；および
前記抽出された複数の第１特徴点と前記抽出された第２特徴点をマッチングすることによって前記収集されたポイントクラウドデータと前記設計図面データを整合させる段階を含む、請求項２に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
【請求項4】
前記整合させる段階は、
前記設計図面データに含まれた複数の第１客体のうち基準客体として、少なくとも一つの第１客体を選択する段階；
前記収集されたポイントクラウドを分析して複数の第２客体を識別し、前記識別された複数の第２客体のうち前記選択された少なくとも一つの第１客体に対応する少なくとも一つの第２客体を選択する段階；および
前記選択された少なくとも一つの第１客体に対応する座標値と前記選択された少なくとも一つの第２客体に対応する座標値をマッチングすることによって前記収集されたポイントクラウドデータと前記設計図面データを整合させる段階を含む、請求項２に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
前記設計図面データに含まれた複数の第１客体のうち基準客体として、少なくとも一つの第１客体を選択する段階；
前記収集されたポイントクラウドを分析して複数の第２客体を識別し、前記識別された複数の第２客体のうち前記選択された少なくとも一つの第１客体に対応する少なくとも一つの第２客体を選択する段階；および
前記選択された少なくとも一つの第１客体に対応する座標値と前記選択された少なくとも一つの第２客体に対応する座標値をマッチングすることによって前記収集されたポイントクラウドデータと前記設計図面データを整合させる段階を含む、請求項２に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
【請求項5】
前記作業進行率を算出する段階は、
前記収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて、前記建設現場に対する作業進行率として、前記設計図面データに含まれた客体－前記客体は前記建設現場内で作業を遂行することによって生成される作業の結果物である－に対応する第１領域に対する体積値対比前記第１領域内で前記収集されたポイントクラウドデータに含まれたポイントが占めている第２領域に対する第２体積値の比率を算出する段階を含む、請求項２に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
前記収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて、前記建設現場に対する作業進行率として、前記設計図面データに含まれた客体－前記客体は前記建設現場内で作業を遂行することによって生成される作業の結果物である－に対応する第１領域に対する体積値対比前記第１領域内で前記収集されたポイントクラウドデータに含まれたポイントが占めている第２領域に対する第２体積値の比率を算出する段階を含む、請求項２に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
【請求項6】
前記収集されたセンサデータは、
カメラセンサを通じて前記建設現場を撮影することによって収集されるイメージデータを含み、
前記比率を算出する段階は、
第１時点で収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて算出された第１比率と前記第１時点以後の第２時点で収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて算出された第２比率が同一である場合、前記第１時点で収集されたイメージデータと前記第２時点で収集されたイメージデータを比較して前記第１領域に対する色相変化量を算出し、前記算出された色相変化量に基づいて前記客体に対する作業進行率変動量を算出する段階を含む、請求項５に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
カメラセンサを通じて前記建設現場を撮影することによって収集されるイメージデータを含み、
前記比率を算出する段階は、
第１時点で収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて算出された第１比率と前記第１時点以後の第２時点で収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて算出された第２比率が同一である場合、前記第１時点で収集されたイメージデータと前記第２時点で収集されたイメージデータを比較して前記第１領域に対する色相変化量を算出し、前記算出された色相変化量に基づいて前記客体に対する作業進行率変動量を算出する段階を含む、請求項５に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
【請求項7】
前記整合させる段階は、
予め設定された分類基準－前記予め設定された分類基準は作業の種類、作業の結果物、作業空間の属性のうち少なくとも一つを含む－に基づいて前記設計図面データを分割することによって複数の設計図面レイヤを生成する段階；
前記収集されたポイントクラウドデータと前記複数の設計図面レイヤそれぞれを整合させる段階を含み、
前記作業進行率を算出する段階は、
前記収集されたポイントクラウドデータと前記複数の設計図面レイヤそれぞれの整合結果に基づいて、前記予め設定された分類基準別作業進行率を個別的に算出する段階を含む、請求項２に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
予め設定された分類基準－前記予め設定された分類基準は作業の種類、作業の結果物、作業空間の属性のうち少なくとも一つを含む－に基づいて前記設計図面データを分割することによって複数の設計図面レイヤを生成する段階；
前記収集されたポイントクラウドデータと前記複数の設計図面レイヤそれぞれを整合させる段階を含み、
前記作業進行率を算出する段階は、
前記収集されたポイントクラウドデータと前記複数の設計図面レイヤそれぞれの整合結果に基づいて、前記予め設定された分類基準別作業進行率を個別的に算出する段階を含む、請求項２に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
【請求項8】
前記整合させる段階は、
前記収集されたポイントクラウドデータを分析して複数の客体を識別する段階；
前記識別された複数の客体のうち前記建設現場内で作業を遂行することによって生成される作業の結果物に関連していない少なくとも一つの客体を選択し、前記選択された少なくとも一つの客体をフィルタリングする段階；および
前記少なくとも一つの客体がフィルタリングされたポイントクラウドデータと前記設計図面データを整合させる段階を含む、請求項２に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
前記収集されたポイントクラウドデータを分析して複数の客体を識別する段階；
前記識別された複数の客体のうち前記建設現場内で作業を遂行することによって生成される作業の結果物に関連していない少なくとも一つの客体を選択し、前記選択された少なくとも一つの客体をフィルタリングする段階；および
前記少なくとも一つの客体がフィルタリングされたポイントクラウドデータと前記設計図面データを整合させる段階を含む、請求項２に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
【請求項9】
前記建設現場は建物の建築現場であり、
前記設計図面データは前記建物の外部設計のための第１設計図面データおよび前記建物の内部設計のための第２設計図面データを含み、
前記収集されたポイントクラウドデータは前記建物の外部をスキャンすることによって収集された第１ポイントクラウドデータおよび前記建物の内部をスキャンすることによって収集された第２ポイントクラウドデータを含み、
前記作業進行率を算出する段階は、
前記第１設計図面データと前記第１ポイントクラウドデータの整合結果に基づいて前記建物の外部に対する第１作業進行率を算出し、前記第２設計図面データと前記第２ポイントクラウドデータの整合結果に基づいて前記建物の内部に対する第２作業進行率を算出する段階を含む、請求項２に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
前記設計図面データは前記建物の外部設計のための第１設計図面データおよび前記建物の内部設計のための第２設計図面データを含み、
前記収集されたポイントクラウドデータは前記建物の外部をスキャンすることによって収集された第１ポイントクラウドデータおよび前記建物の内部をスキャンすることによって収集された第２ポイントクラウドデータを含み、
前記作業進行率を算出する段階は、
前記第１設計図面データと前記第１ポイントクラウドデータの整合結果に基づいて前記建物の外部に対する第１作業進行率を算出し、前記第２設計図面データと前記第２ポイントクラウドデータの整合結果に基づいて前記建物の内部に対する第２作業進行率を算出する段階を含む、請求項２に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
【請求項10】
前記収集されたセンサデータは、
ライダセンサを通じて前記建設現場をスキャンすることによって収集されるポイントクラウドデータ（Ｐｏｉｎｔ Ｃｌｏｕｄ Ｄａｔａ、ＰＣＤ）を含み、
前記作業管理ソリューションを提供する段階は、
前記収集されたポイントクラウドデータと前記設計図面データを整合させる段階；
前記収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて、前記建設現場内での安全措置遵守の有無を判断する段階；および
前記作業管理ソリューションとして、前記判断された安全措置遵守の有無による安全ガイドを提供する段階を含む、請求項１に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
ライダセンサを通じて前記建設現場をスキャンすることによって収集されるポイントクラウドデータ（Ｐｏｉｎｔ Ｃｌｏｕｄ Ｄａｔａ、ＰＣＤ）を含み、
前記作業管理ソリューションを提供する段階は、
前記収集されたポイントクラウドデータと前記設計図面データを整合させる段階；
前記収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて、前記建設現場内での安全措置遵守の有無を判断する段階；および
前記作業管理ソリューションとして、前記判断された安全措置遵守の有無による安全ガイドを提供する段階を含む、請求項１に記載のライダセンサを利用した建設現場の作業管理ソリューション提供方法。
【請求項11】
プロセッサ；
ネットワークインターフェース；
メモリ；および
前記メモリにロード（ｌｏａｄ）され、前記プロセッサによって実行されるコンピュータプログラムを含むものの、
前記コンピュータプログラムは、
建設現場に対応するセンサデータを収集するインストラクション（ｉｎｓｔｒｕｃｔｉｏｎ）；および
前記収集されたセンサデータと前記建設現場に対応する設計図面データを利用して前記建設現場に対する作業管理ソリューションを提供するインストラクションを含む、ライダセンサを利用した建設現場の作業管理ソリューション提供装置。
ネットワークインターフェース；
メモリ；および
前記メモリにロード（ｌｏａｄ）され、前記プロセッサによって実行されるコンピュータプログラムを含むものの、
前記コンピュータプログラムは、
建設現場に対応するセンサデータを収集するインストラクション（ｉｎｓｔｒｕｃｔｉｏｎ）；および
前記収集されたセンサデータと前記建設現場に対応する設計図面データを利用して前記建設現場に対する作業管理ソリューションを提供するインストラクションを含む、ライダセンサを利用した建設現場の作業管理ソリューション提供装置。
【請求項12】
コンピューティング装置と結合されて、
建設現場に対応するセンサデータを収集する段階；および
前記収集されたセンサデータと前記建設現場に対応する設計図面データを利用して前記建設現場に対する作業管理ソリューションを提供する段階を含むライダセンサを利用した建設現場の作業管理ソリューション提供方法を実行させるためにコンピューティング装置で読み取り可能な記録媒体に保存された、コンピュータプログラム。
建設現場に対応するセンサデータを収集する段階；および
前記収集されたセンサデータと前記建設現場に対応する設計図面データを利用して前記建設現場に対する作業管理ソリューションを提供する段階を含むライダセンサを利用した建設現場の作業管理ソリューション提供方法を実行させるためにコンピューティング装置で読み取り可能な記録媒体に保存された、コンピュータプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明の多様な実施例は、ライダセンサを利用した建設現場の作業管理ソリューション提供方法、装置およびコンピュータプログラムに関するものである。
【背景技術】
【0002】
建設会社または建築主のために、工事に関して施工を依頼するための業者を選定し工事の状況を管理するための多様な技術が開発されている。現在、施工業者のそれぞれから見積書を受け取って、建設会社または建築主が直接見積書を検討して施工業者を選定し、選定された施工業者から現在の工事進行状況に対する情報が提供されるのが一般的である。
ここで、現在の工事進行状況に対する情報は、施工業者が工事に着水した時点から現在までどの程度まで作業を進行したかに対する情報を意味する。
見積書の記載とは異なって工事の進行が遅延する場合、工事期限が延びて追加費用が発生する可能性があるところ、予定された期限内に作業が完了するためには工事進行状況を持続的にチェックするのが必須であり、このためにより正確な工事進行状況を判断することが必要である。
一方、従来は工事を進行する施工業者側で工事の作業進行率を判断し、これを建設会社または建築主に案内する方式で進行されているが、このような方式の場合、多少主観的に作業進行率を算出するので、その値が多少不正確であるという問題がある。
ここで、現在の工事進行状況に対する情報は、施工業者が工事に着水した時点から現在までどの程度まで作業を進行したかに対する情報を意味する。
見積書の記載とは異なって工事の進行が遅延する場合、工事期限が延びて追加費用が発生する可能性があるところ、予定された期限内に作業が完了するためには工事進行状況を持続的にチェックするのが必須であり、このためにより正確な工事進行状況を判断することが必要である。
一方、従来は工事を進行する施工業者側で工事の作業進行率を判断し、これを建設会社または建築主に案内する方式で進行されているが、このような方式の場合、多少主観的に作業進行率を算出するので、その値が多少不正確であるという問題がある。
【発明の概要】
【発明が解決しようとする課題】
【0003】
本発明が解決しようとする課題は、前述された従来の問題点を解消するための目的で、建設現場に対する設計図面データと建設現場からリアルタイムで収集されるポイントクラウドデータを利用して建設現場の現在の作業進行率を算出することによって、建設現場に対する作業進行率をより正確に算出できる、ライダセンサを利用した建設現場の作業管理ソリューション提供方法、装置およびコンピュータプログラムを提供することである。
本発明が解決しようとする他の課題は、安全措置に関連した情報が記録された設計図面データとポイントクラウドデータを利用して建設現場内に安全措置遵守の有無を判断し、これによって安全ガイドを提供することによって、建設現場内での事故が発生することを防止できる、ライダセンサを利用した建設現場の作業管理ソリューション提供方法、装置およびコンピュータプログラムを提供することである。
本発明が解決しようとする課題は以上で言及された課題に制限されず、言及されていないさらに他の課題は下記の記載から通常の技術者に明確に理解され得るであろう。
本発明が解決しようとする他の課題は、安全措置に関連した情報が記録された設計図面データとポイントクラウドデータを利用して建設現場内に安全措置遵守の有無を判断し、これによって安全ガイドを提供することによって、建設現場内での事故が発生することを防止できる、ライダセンサを利用した建設現場の作業管理ソリューション提供方法、装置およびコンピュータプログラムを提供することである。
本発明が解決しようとする課題は以上で言及された課題に制限されず、言及されていないさらに他の課題は下記の記載から通常の技術者に明確に理解され得るであろう。
【課題を解決するための手段】
【0004】
前述した課題を解決するための本発明の一実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供方法は、コンピューティング装置によって遂行される方法において、建設現場に対応するセンサデータを収集する段階および前記収集されたセンサデータと前記建設現場に対応する設計図面データを利用して前記建設現場に対する作業管理ソリューションを提供する段階を含むことができる。
多様な実施例において、前記収集されたセンサデータは、ライダセンサを通じて前記建設現場をスキャンすることによって収集されるポイントクラウドデータ（Ｐｏｉｎｔ Ｃｌｏｕｄ Ｄａｔａ、ＰＣＤ）を含み、前記作業管理ソリューションを提供する段階は、前記収集されたポイントクラウドデータと前記設計図面データを整合させる段階、前記収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて、前記建設現場に対する作業進行率を算出する段階および前記作業管理ソリューションとして、前記算出された作業進行率に関する情報を提供する段階を含むことができる。
多様な実施例において、前記収集されたセンサデータは、ライダセンサを通じて前記建設現場をスキャンすることによって収集されるポイントクラウドデータ（Ｐｏｉｎｔ Ｃｌｏｕｄ Ｄａｔａ、ＰＣＤ）を含み、前記作業管理ソリューションを提供する段階は、前記収集されたポイントクラウドデータと前記設計図面データを整合させる段階、前記収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて、前記建設現場に対する作業進行率を算出する段階および前記作業管理ソリューションとして、前記算出された作業進行率に関する情報を提供する段階を含むことができる。
【0005】
多様な実施例において、前記整合させる段階は、前記設計図面データから複数の第１特徴点を抽出する段階、前記収集されたポイントクラウドデータから前記抽出された複数の第１特徴点に対応する複数の第２特徴点を抽出する段階および前記抽出された複数の第１特徴点と前記抽出された第２特徴点をマッチングすることによって前記収集されたポイントクラウドデータと前記設計図面データを整合させる段階を含むことができる。
多様な実施例において、前記整合させる段階は、前記設計図面データに含まれた複数の第１客体のうち基準客体として、少なくとも一つの第１客体を選択する段階、前記収集されたポイントクラウドを分析して複数の第２客体を識別し、前記識別された複数の第２客体のうち前記選択された少なくとも一つの第１客体に対応する少なくとも一つの第２客体を選択する段階および前記選択された少なくとも一つの第１客体に対応する座標値と前記選択された少なくとも一つの第２客体に対応する座標値をマッチングすることによって前記収集されたポイントクラウドデータと前記設計図面データを整合させる段階を含むことができる。
多様な実施例において、前記作業進行率を算出する段階は、前記収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて、前記建設現場に対する作業進行率として、前記設計図面データに含まれた客体－前記客体は前記建設現場内で作業を遂行することによって生成される作業の結果物である－に対応する第１領域に対する体積値対比前記第１領域内で前記収集されたポイントクラウドデータに含まれたポイントが占めている第２領域に対する第２体積値の比率を算出する段階を含むことができる。
多様な実施例において、前記収集されたセンサデータは、カメラセンサを通じて前記建設現場を撮影することによって収集されるイメージデータを含み、前記比率を算出する段階は、第１時点で収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて算出された第１比率と前記第１時点以後の第２時点で収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて算出された第２比率が同一である場合、前記第１時点で収集されたイメージデータと前記第２時点で収集されたイメージデータを比較して前記第１領域に対する色相変化量を算出し、前記算出された色相変化量に基づいて前記客体に対する作業進行率変動量を算出する段階を含むことができる。
多様な実施例において、前記整合させる段階は、予め設定された分類基準－前記予め設定された分類基準は作業の種類、作業の結果物、作業空間の属性のうち少なくとも一つを含む－に基づいて前記設計図面データを分割することによって複数の設計図面レイヤを生成する段階、前記収集されたポイントクラウドデータと前記複数の設計図面レイヤそれぞれを整合させる段階を含み、前記作業進行率を算出する段階は、前記収集されたポイントクラウドデータと前記複数の設計図面レイヤそれぞれの整合結果に基づいて、前記予め設定された分類基準別作業進行率を個別的に算出する段階を含むことができる。
多様な実施例において、前記整合させる段階は、前記設計図面データに含まれた複数の第１客体のうち基準客体として、少なくとも一つの第１客体を選択する段階、前記収集されたポイントクラウドを分析して複数の第２客体を識別し、前記識別された複数の第２客体のうち前記選択された少なくとも一つの第１客体に対応する少なくとも一つの第２客体を選択する段階および前記選択された少なくとも一つの第１客体に対応する座標値と前記選択された少なくとも一つの第２客体に対応する座標値をマッチングすることによって前記収集されたポイントクラウドデータと前記設計図面データを整合させる段階を含むことができる。
多様な実施例において、前記作業進行率を算出する段階は、前記収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて、前記建設現場に対する作業進行率として、前記設計図面データに含まれた客体－前記客体は前記建設現場内で作業を遂行することによって生成される作業の結果物である－に対応する第１領域に対する体積値対比前記第１領域内で前記収集されたポイントクラウドデータに含まれたポイントが占めている第２領域に対する第２体積値の比率を算出する段階を含むことができる。
多様な実施例において、前記収集されたセンサデータは、カメラセンサを通じて前記建設現場を撮影することによって収集されるイメージデータを含み、前記比率を算出する段階は、第１時点で収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて算出された第１比率と前記第１時点以後の第２時点で収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて算出された第２比率が同一である場合、前記第１時点で収集されたイメージデータと前記第２時点で収集されたイメージデータを比較して前記第１領域に対する色相変化量を算出し、前記算出された色相変化量に基づいて前記客体に対する作業進行率変動量を算出する段階を含むことができる。
多様な実施例において、前記整合させる段階は、予め設定された分類基準－前記予め設定された分類基準は作業の種類、作業の結果物、作業空間の属性のうち少なくとも一つを含む－に基づいて前記設計図面データを分割することによって複数の設計図面レイヤを生成する段階、前記収集されたポイントクラウドデータと前記複数の設計図面レイヤそれぞれを整合させる段階を含み、前記作業進行率を算出する段階は、前記収集されたポイントクラウドデータと前記複数の設計図面レイヤそれぞれの整合結果に基づいて、前記予め設定された分類基準別作業進行率を個別的に算出する段階を含むことができる。
【0006】
多様な実施例において、前記整合させる段階は、前記収集されたポイントクラウドデータを分析して複数の客体を識別する段階、前記識別された複数の客体のうち前記建設現場内で作業を遂行することによって生成される作業の結果物に関連していない少なくとも一つの客体を選択し、前記選択された少なくとも一つの客体をフィルタリングする段階および前記少なくとも一つの客体がフィルタリングされたポイントクラウドデータと前記設計図面データを整合させる段階を含むことができる。
多様な実施例において、前記建設現場は建物の建築現場であり、前記設計図面データは前記建物の外部設計のための第１設計図面データおよび前記建物の内部設計のための第２設計図面データを含み、前記収集されたポイントクラウドデータは前記建物の外部をスキャンすることによって収集された第１ポイントクラウドデータおよび前記建物の内部をスキャンすることによって収集された第２ポイントクラウドデータを含み、前記作業進行率を算出する段階は、前記第１設計図面データと前記第１ポイントクラウドデータの整合結果に基づいて前記建物の外部に対する第１作業進行率を算出し、前記第２設計図面データと前記第２ポイントクラウドデータの整合結果に基づいて前記建物の内部に対する第２作業進行率を算出する段階を含むことができる。
多様な実施例において、前記建設現場は建物の建築現場であり、前記設計図面データは前記建物の外部設計のための第１設計図面データおよび前記建物の内部設計のための第２設計図面データを含み、前記収集されたポイントクラウドデータは前記建物の外部をスキャンすることによって収集された第１ポイントクラウドデータおよび前記建物の内部をスキャンすることによって収集された第２ポイントクラウドデータを含み、前記作業進行率を算出する段階は、前記第１設計図面データと前記第１ポイントクラウドデータの整合結果に基づいて前記建物の外部に対する第１作業進行率を算出し、前記第２設計図面データと前記第２ポイントクラウドデータの整合結果に基づいて前記建物の内部に対する第２作業進行率を算出する段階を含むことができる。
【0007】
多様な実施例において、前記収集されたセンサデータは、ライダセンサを通じて前記建設現場をスキャンすることによって収集されるポイントクラウドデータ（Ｐｏｉｎｔ Ｃｌｏｕｄ Ｄａｔａ、ＰＣＤ）を含み、前記作業管理ソリューションを提供する段階は、前記収集されたポイントクラウドデータと前記設計図面データを整合させる段階、前記収集されたポイントクラウドデータと前記設計図面データの整合結果に基づいて、前記建設現場内での安全措置遵守の有無を判断する段階および前記作業管理ソリューションとして、前記判断された安全措置遵守の有無による安全ガイドを提供する段階を含むことができる。
前述した課題を解決するための本発明の他の実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供装置は、プロセッサ、ネットワークインターフェース、メモリおよび前記メモリにロード（ｌｏａｄ）され、前記プロセッサによって実行されるコンピュータプログラムを含むものの、前記コンピュータプログラムは、建設現場に対応するセンサデータを収集するインストラクション（ｉｎｓｔｒｕｃｔｉｏｎ）および前記収集されたセンサデータと前記建設現場に対応する設計図面データを利用して前記建設現場に対する作業管理ソリューションを提供するインストラクションを含むことができる。
前述した課題を解決するための本発明のさらに他の実施例に係るコンピュータプログラムは、コンピューティング装置と結合されて建設現場に対応するセンサデータを収集する段階および前記収集されたセンサデータと前記建設現場に対応する設計図面データを利用して前記建設現場に対する作業管理ソリューションを提供する段階を含むライダセンサを利用した建設現場の作業管理ソリューション提供方法を実行させるために、コンピューティング装置で読み取り可能な記録媒体に保存され得る。
本発明のその他具体的な事項は詳細な説明および図面に含まれている。
前述した課題を解決するための本発明の他の実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供装置は、プロセッサ、ネットワークインターフェース、メモリおよび前記メモリにロード（ｌｏａｄ）され、前記プロセッサによって実行されるコンピュータプログラムを含むものの、前記コンピュータプログラムは、建設現場に対応するセンサデータを収集するインストラクション（ｉｎｓｔｒｕｃｔｉｏｎ）および前記収集されたセンサデータと前記建設現場に対応する設計図面データを利用して前記建設現場に対する作業管理ソリューションを提供するインストラクションを含むことができる。
前述した課題を解決するための本発明のさらに他の実施例に係るコンピュータプログラムは、コンピューティング装置と結合されて建設現場に対応するセンサデータを収集する段階および前記収集されたセンサデータと前記建設現場に対応する設計図面データを利用して前記建設現場に対する作業管理ソリューションを提供する段階を含むライダセンサを利用した建設現場の作業管理ソリューション提供方法を実行させるために、コンピューティング装置で読み取り可能な記録媒体に保存され得る。
本発明のその他具体的な事項は詳細な説明および図面に含まれている。
【発明の効果】
【0008】
本発明の多様な実施例によると、建設現場に対する設計図面データと建設現場からリアルタイムで収集されるポイントクラウドデータを利用して建設現場の現在の作業進行率を算出することによって、建設現場に対する作業進行率をより正確に算出できるという利点がある。
また、安全措置に関連した情報が記録された設計図面データとポイントクラウドデータを利用して建設現場内に安全措置遵守の有無を判断し、これによって安全ガイドを提供することによって、建設現場内での事故が発生することを防止できるという利点がある。
本発明の効果は以上で言及された効果に制限されず、言及されていないさらに他の効果は下記の記載から通常の技術者に明確に理解され得るであろう。
また、安全措置に関連した情報が記録された設計図面データとポイントクラウドデータを利用して建設現場内に安全措置遵守の有無を判断し、これによって安全ガイドを提供することによって、建設現場内での事故が発生することを防止できるという利点がある。
本発明の効果は以上で言及された効果に制限されず、言及されていないさらに他の効果は下記の記載から通常の技術者に明確に理解され得るであろう。
【図面の簡単な説明】
【0009】
【図1】本発明の一実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供システムを図示した図面である。
【図2】本発明の他の実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供装置のハードウェア構成図である。
【図3】本発明のさらに他の実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供方法のフローチャートである。
【図4】多様な実施例において、作業管理ソリューションとして、作業の進行率に関する情報を提供する方法を説明するためのフローチャートである。
【図5】多様な実施例において、体積基盤の工程率算出方法を説明するためのフローチャートである。
【図6】イメージピクセル値基盤の工程率算出方法を説明するためのフローチャートである。
【図7】多様な実施例において、作業管理ソリューションとして、安全ガイドを提供する方法を説明するためのフローチャートである。
【図8】多様な実施例において、ライダセンサを利用した建設現場の作業管理ソリューション提供装置が提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を図示した図面である。
【図9】多様な実施例において、ライダセンサを利用した建設現場の作業管理ソリューション提供装置が提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を図示した図面である。
【図10】多様な実施例において、ライダセンサを利用した建設現場の作業管理ソリューション提供装置が提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を図示した図面である。
【図11】多様な実施例において、ライダセンサを利用した建設現場の作業管理ソリューション提供装置が提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を図示した図面である。
【図12】多様な実施例において、ライダセンサを利用した建設現場の作業管理ソリューション提供装置が提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を図示した図面である。
【図13】多様な実施例において、ライダセンサを利用した建設現場の作業管理ソリューション提供装置が提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を図示した図面である。
【図14】多様な実施例において、ライダセンサを利用した建設現場の作業管理ソリューション提供装置が提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を図示した図面である。
【図15】多様な実施例において、ライダセンサを利用した建設現場の作業管理ソリューション提供装置が提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を図示した図面である。
【図16】多様な実施例において、ライダセンサを利用した建設現場の作業管理ソリューション提供装置が提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を図示した図面である。
【図17】多様な実施例において、ライダセンサを利用した建設現場の作業管理ソリューション提供装置が提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を図示した図面である。
【図18】多様な実施例において、ライダセンサを利用した建設現場の作業管理ソリューション提供装置が提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を図示した図面である。
【図19】多様な実施例において、ライダセンサを利用した建設現場の作業管理ソリューション提供装置が提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を図示した図面である。
【発明を実施するための形態】
【0010】
本発明の利点および特徴、そしてそれらを達成する方法は添付される図面と共に詳細に後述されている実施例を参照すると明確となるであろう。しかし、本発明は以下で開示される実施例に制限されるものではなく互いに異なる多様な形態で具現され得、ただし、本実施例は本発明の開示を完全なものとし、本発明が属する技術分野の通常の技術者に本発明の範疇を完全に知らせるために提供されるものであり、本発明は請求項の範疇によって定義されるのみである。
本明細書で使われた用語は、実施例を説明するためのものであり本発明を制限しようとするものではない。本明細書で、単数型は文面で特に言及しない限り複数型も含む。明細書で使われる「含む（ｃｏｍｐｒｉｓｅｓ）」および／または「含む（ｃｏｍｐｒｉｓｉｎｇ）」は言及された構成要素の他に一つ以上の他の構成要素の存在または追加を排除しない。明細書全体に亘って同一の図面符号は同一の構成要素を指称し、「および／または」は言及された構成要素のそれぞれおよび一つ以上のすべての組み合わせを含む。たとえ「第１」、「第２」等が多様な構成要素を叙述するために使われるが、これら構成要素はこれらの用語によって制限されないことは言うまでもない。これらの用語は単に一つの構成要素を他の構成要素と区別するために使うものである。したがって、以下で言及される第１構成要素は本発明の技術的思想内で第２構成要素であってもよいことは言うまでもない。
特に定義されない限り、本明細書で使われるすべての用語（技術および科学的用語を含む）は本発明が属する技術分野の通常の技術者に共通して理解され得る意味で使われ得るであろう。また、一般的に使われる辞書に定義されている用語は明白に特に定義されていない限り理想的にまたは過度に解釈されない。
明細書で使われる「部」または「モジュール」という用語は、ソフトウェア、ＦＰＧＡまたはＡＳＩＣのようなハードウェア構成要素を意味し、「部」または「モジュール」は何らかの役割を遂行する。しかし、「部」または「モジュール」はソフトウェアまたはハードウェアに限定される意味ではない。「部」または「モジュール」はアドレッシングできる保存媒体にあるように構成されてもよく、一つまたはそれ以上のプロセッサを再生させるように構成されてもよい。したがって、一例として「部」または「モジュール」はソフトウェア構成要素、客体指向ソフトウェア構成要素、クラス構成要素およびタスク構成要素のような構成要素と、プロセス、関数、属性、プロシーザー、サブルーチン、プログラムコードのセグメント、ドライバ、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレイおよび変数を含む。構成要素と「部」または「モジュール」内で提供される機能は、さらに小さい数の構成要素および「部」または「モジュール」で結合されたり、追加的な構成要素と「部」または「モジュール」にさらに分離され得る。
空間的に相対的な用語である「下（ｂｅｌｏｗ）」、「下（ｂｅｎｅａｔｈ）」、「下部（ｌｏｗｅｒ）」、「上（ａｂｏｖｅ）」、「上部（ｕｐｐｅｒ）」等は図面に図示されているように、一つの構成要素と他の構成要素との相関関係を容易に記述するために使われ得る。空間的に相対的な用語は図面に図示されている方向に加えて、使用時または動作時の構成要素の互いに異なる方向を含む用語で理解されるべきである。例えば、図面に図示されている構成要素をひっくり返す場合、他の構成要素の「下（ｂｅｌｏｗ）」または「下（ｂｅｎｅａｔｈ）」と記述された構成要素は、他の構成要素の「上（ａｂｏｖｅ）」に置かれ得る。したがって、例示的な用語である「下」は下と上の方向をすべて含むことができる。構成要素は他の方向にも配向され得、これに伴い、空間的に相対的な用語は配向により解釈され得る。
本明細書で使われた用語は、実施例を説明するためのものであり本発明を制限しようとするものではない。本明細書で、単数型は文面で特に言及しない限り複数型も含む。明細書で使われる「含む（ｃｏｍｐｒｉｓｅｓ）」および／または「含む（ｃｏｍｐｒｉｓｉｎｇ）」は言及された構成要素の他に一つ以上の他の構成要素の存在または追加を排除しない。明細書全体に亘って同一の図面符号は同一の構成要素を指称し、「および／または」は言及された構成要素のそれぞれおよび一つ以上のすべての組み合わせを含む。たとえ「第１」、「第２」等が多様な構成要素を叙述するために使われるが、これら構成要素はこれらの用語によって制限されないことは言うまでもない。これらの用語は単に一つの構成要素を他の構成要素と区別するために使うものである。したがって、以下で言及される第１構成要素は本発明の技術的思想内で第２構成要素であってもよいことは言うまでもない。
特に定義されない限り、本明細書で使われるすべての用語（技術および科学的用語を含む）は本発明が属する技術分野の通常の技術者に共通して理解され得る意味で使われ得るであろう。また、一般的に使われる辞書に定義されている用語は明白に特に定義されていない限り理想的にまたは過度に解釈されない。
明細書で使われる「部」または「モジュール」という用語は、ソフトウェア、ＦＰＧＡまたはＡＳＩＣのようなハードウェア構成要素を意味し、「部」または「モジュール」は何らかの役割を遂行する。しかし、「部」または「モジュール」はソフトウェアまたはハードウェアに限定される意味ではない。「部」または「モジュール」はアドレッシングできる保存媒体にあるように構成されてもよく、一つまたはそれ以上のプロセッサを再生させるように構成されてもよい。したがって、一例として「部」または「モジュール」はソフトウェア構成要素、客体指向ソフトウェア構成要素、クラス構成要素およびタスク構成要素のような構成要素と、プロセス、関数、属性、プロシーザー、サブルーチン、プログラムコードのセグメント、ドライバ、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレイおよび変数を含む。構成要素と「部」または「モジュール」内で提供される機能は、さらに小さい数の構成要素および「部」または「モジュール」で結合されたり、追加的な構成要素と「部」または「モジュール」にさらに分離され得る。
空間的に相対的な用語である「下（ｂｅｌｏｗ）」、「下（ｂｅｎｅａｔｈ）」、「下部（ｌｏｗｅｒ）」、「上（ａｂｏｖｅ）」、「上部（ｕｐｐｅｒ）」等は図面に図示されているように、一つの構成要素と他の構成要素との相関関係を容易に記述するために使われ得る。空間的に相対的な用語は図面に図示されている方向に加えて、使用時または動作時の構成要素の互いに異なる方向を含む用語で理解されるべきである。例えば、図面に図示されている構成要素をひっくり返す場合、他の構成要素の「下（ｂｅｌｏｗ）」または「下（ｂｅｎｅａｔｈ）」と記述された構成要素は、他の構成要素の「上（ａｂｏｖｅ）」に置かれ得る。したがって、例示的な用語である「下」は下と上の方向をすべて含むことができる。構成要素は他の方向にも配向され得、これに伴い、空間的に相対的な用語は配向により解釈され得る。
【0011】
本明細書で、コンピュータは少なくとも一つのプロセッサを含むすべての種類のハードウェア装置を意味するもので、実施例により該当ハードウェア装置で動作するソフトウェア的な構成も包括する意味で理解され得る。例えば、コンピュータはスマートフォン、タブレットＰＣ、デスクトップ、ノートパソコンおよび各装置で駆動されるユーザクライアントおよびアプリケーションをすべて含む意味で理解され得、また、これに制限されるものではない。
【0012】
以下、添付された図面を参照して本発明の実施例を詳細に説明する。
本明細書で説明される各段階はコンピュータによって遂行されるものとして説明されるが、各段階の主体はこれに制限されるものではなく、実施例により各段階の少なくとも一部が互いに異なる装置で遂行されてもよい。
図１は、本発明の一実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供システムを図示した図面である。
図１を参照すると、本発明の一実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供システムは、作業管理ソリューション提供装置１００、ユーザ端末２００、外部サーバー３００およびネットワーク４００を含むことができる。
ここで、図１に図示されたライダセンサを利用した建設現場の作業管理ソリューション提供システムは一実施例に従ったものであり、その構成要素が図１に図示された実施例に限定されるものではなく、必要に応じて付加、変更または削除され得る。
一実施例において、作業管理ソリューション提供装置１００（以下、「コンピューティング装置１００」）は建設現場に対する作業管理ソリューションを提供することができる。
多様な実施例において、コンピューティング装置１００は建設現場に対する作業進行率を算出し、建設現場に対する作業管理ソリューションとして、建設現場の作業進行率に関する情報を提供することができる。
本明細書で説明される各段階はコンピュータによって遂行されるものとして説明されるが、各段階の主体はこれに制限されるものではなく、実施例により各段階の少なくとも一部が互いに異なる装置で遂行されてもよい。
図１は、本発明の一実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供システムを図示した図面である。
図１を参照すると、本発明の一実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供システムは、作業管理ソリューション提供装置１００、ユーザ端末２００、外部サーバー３００およびネットワーク４００を含むことができる。
ここで、図１に図示されたライダセンサを利用した建設現場の作業管理ソリューション提供システムは一実施例に従ったものであり、その構成要素が図１に図示された実施例に限定されるものではなく、必要に応じて付加、変更または削除され得る。
一実施例において、作業管理ソリューション提供装置１００（以下、「コンピューティング装置１００」）は建設現場に対する作業管理ソリューションを提供することができる。
多様な実施例において、コンピューティング装置１００は建設現場に対する作業進行率を算出し、建設現場に対する作業管理ソリューションとして、建設現場の作業進行率に関する情報を提供することができる。
【0013】
多様な実施例において、コンピューティング装置１００は建設現場に対する安全措置遵守の有無を判断することができ、建設現場に対する作業管理ソリューションとして、建設現場の安全措置の有無による安全ガイドを提供することができる。
多様な実施例において、コンピューティング装置１００はネットワーク４００を通じてユーザ端末２００と連結され得、ユーザ端末２００にライダセンサを利用した建設現場の作業管理ソリューションを提供することができる。
ここで、ユーザ端末２００は携帯性と移動性が保障される無線通信装置であって、ナビゲーション、ＰＣＳ（Ｐｅｒｓｏｎａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ）、ＧＳＭ（Ｇｌｏｂａｌ Ｓｙｓｔｅｍ ｆｏｒ Ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）、ＰＤＣ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ｃｅｌｌｕｌａｒ）、ＰＨＳ（Ｐｅｒｓｏｎａｌ Ｈａｎｄｙｐｈｏｎｅ Ｓｙｓｔｅｍ）、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、ＩＭＴ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｏｂｉｌｅ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ）－２０００、ＣＤＭＡ（Ｃｏｄｅ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ）－２０００、Ｗ－ＣＤＭＡ（Ｗ－Ｃｏｄｅ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ）、Ｗｉｂｒｏ（Ｗｉｒｅｌｅｓｓ Ｂｒｏａｄｂａｎｄ Ｉｎｔｅｒｎｅｔ）端末、スマートフォン（Ｓｍａｒｔｐｈｏｎｅ）、スマートパッド（Ｓｍａｒｔｐａｄ）、タブレットＰＣ（Ｔａｂｌｅｔ ＰＣ）などのようなすべての種類のハンドヘルド（Ｈａｎｄｈｅｌｄ）基盤の無線通信装置を含むことができるが、これに限定されない。
多様な実施例において、コンピューティング装置１００はネットワーク４００を通じてユーザ端末２００と連結され得、ユーザ端末２００にライダセンサを利用した建設現場の作業管理ソリューションを提供することができる。
ここで、ユーザ端末２００は携帯性と移動性が保障される無線通信装置であって、ナビゲーション、ＰＣＳ（Ｐｅｒｓｏｎａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ）、ＧＳＭ（Ｇｌｏｂａｌ Ｓｙｓｔｅｍ ｆｏｒ Ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）、ＰＤＣ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ｃｅｌｌｕｌａｒ）、ＰＨＳ（Ｐｅｒｓｏｎａｌ Ｈａｎｄｙｐｈｏｎｅ Ｓｙｓｔｅｍ）、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、ＩＭＴ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｏｂｉｌｅ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ）－２０００、ＣＤＭＡ（Ｃｏｄｅ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ）－２０００、Ｗ－ＣＤＭＡ（Ｗ－Ｃｏｄｅ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ）、Ｗｉｂｒｏ（Ｗｉｒｅｌｅｓｓ Ｂｒｏａｄｂａｎｄ Ｉｎｔｅｒｎｅｔ）端末、スマートフォン（Ｓｍａｒｔｐｈｏｎｅ）、スマートパッド（Ｓｍａｒｔｐａｄ）、タブレットＰＣ（Ｔａｂｌｅｔ ＰＣ）などのようなすべての種類のハンドヘルド（Ｈａｎｄｈｅｌｄ）基盤の無線通信装置を含むことができるが、これに限定されない。
【0014】
また、ここで、ネットワーク４００は複数の端末およびサーバーのようなそれぞれのノード相互間に情報交換が可能な連結構造を意味し得る。例えば、ネットワーク４００は近距離通信網（ＬＡＮ：Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、広域通信網（ＷＡＮ：Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネット（ＷＷＷ：Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）、有線／無線データ通信網、電話網、有線／無線テレビ通信網などを含むことができる。
また、ここで、無線データ通信網は３Ｇ、４Ｇ、５Ｇ、３ＧＰＰ（３ｒｄ Ｇｅｎｅｒａｔｉｏｎ Ｐａｒｔｎｅｒｓｈｉｐ Ｐｒｏｊｅｃｔ）、５ＧＰＰ（５ｔｈ Ｇｅｎｅｒａｔｉｏｎ Ｐａｒｔｎｅｒｓｈｉｐ Ｐｒｏｊｅｃｔ）、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）、ＷＩＭＡＸ（Ｗｏｒｌｄ Ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ ｆｏｒ Ｍｉｃｒｏｗａｖｅ Ａｃｃｅｓｓ）、ワイファイ（Ｗｉ－Ｆｉ）、インターネット（Ｉｎｔｅｒｎｅｔ）、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、Ｗｉｒｅｌｅｓｓ ＬＡＮ（Ｗｉｒｅｌｅｓｓ Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＰＡＮ（Ｐｅｒｓｏｎａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＲＦ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ）、ブルートゥース（Ｂｌｕｅｔｏｏｔｈ）ネットワーク、ＮＦＣ（Ｎｅａｒ－Ｆｉｅｌｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）ネットワーク、衛星放送ネットワーク、アナログ放送ネットワーク、ＤＭＢ（Ｄｉｇｉｔａｌ Ｍｕｌｔｉｍｅｄｉａ Ｂｒｏａｄｃａｓｔｉｎｇ）ネットワークなどを含むことができるが、これに限定されはしない。
また、ここで、無線データ通信網は３Ｇ、４Ｇ、５Ｇ、３ＧＰＰ（３ｒｄ Ｇｅｎｅｒａｔｉｏｎ Ｐａｒｔｎｅｒｓｈｉｐ Ｐｒｏｊｅｃｔ）、５ＧＰＰ（５ｔｈ Ｇｅｎｅｒａｔｉｏｎ Ｐａｒｔｎｅｒｓｈｉｐ Ｐｒｏｊｅｃｔ）、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）、ＷＩＭＡＸ（Ｗｏｒｌｄ Ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ ｆｏｒ Ｍｉｃｒｏｗａｖｅ Ａｃｃｅｓｓ）、ワイファイ（Ｗｉ－Ｆｉ）、インターネット（Ｉｎｔｅｒｎｅｔ）、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、Ｗｉｒｅｌｅｓｓ ＬＡＮ（Ｗｉｒｅｌｅｓｓ Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＰＡＮ（Ｐｅｒｓｏｎａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＲＦ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ）、ブルートゥース（Ｂｌｕｅｔｏｏｔｈ）ネットワーク、ＮＦＣ（Ｎｅａｒ－Ｆｉｅｌｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）ネットワーク、衛星放送ネットワーク、アナログ放送ネットワーク、ＤＭＢ（Ｄｉｇｉｔａｌ Ｍｕｌｔｉｍｅｄｉａ Ｂｒｏａｄｃａｓｔｉｎｇ）ネットワークなどを含むことができるが、これに限定されはしない。
【0015】
一実施例において、外部サーバー３００はネットワーク４００を通じてコンピューティング装置１００と連結され得、コンピューティング装置１００がライダセンサを利用した建設現場の作業管理ソリューション提供方法を提供するために必要な各種情報およびデータ（例えば、建設現場に対する設計図面データ）を保存および管理したり、コンピューティング装置１００がライダセンサを利用した建設現場の作業管理ソリューション提供方法を遂行することによって生成される各種情報およびデータ（例えば、建設現場に対する作業管理ソリューション）の提供を受けて保存および管理することができる。
多様な実施例において、外部サーバー３００はコンピューティング装置１００の外部に別途に備えられる保存サーバーであり得るが、これに限定されない。以下、図２を参照して、ライダセンサを利用した建設現場の作業管理ソリューション提供方法を遂行するコンピューティング装置１００のハードウェア構成について説明することにする。
図２は、本発明の他の実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供装置のハードウェア構成図である。
図２を参照すると、多様な実施例において、コンピューティング装置１００は一つ以上のプロセッサ１１０、プロセッサ１１０によって遂行されるコンピュータプログラム１５１をロード（Ｌｏａｄ）するメモリ１２０、バス１３０、通信インターフェース１４０およびコンピュータプログラム１５１を保存するストレージ１５０を含むことができる。ここで、図２には本発明の実施例に関連する構成要素のみ図示されている。したがって、本発明が属した技術分野の通常の技術者であれば、図２に図示された構成要素の他に他の汎用的な構成要素がさらに含まれ得ることが分かる。
多様な実施例において、外部サーバー３００はコンピューティング装置１００の外部に別途に備えられる保存サーバーであり得るが、これに限定されない。以下、図２を参照して、ライダセンサを利用した建設現場の作業管理ソリューション提供方法を遂行するコンピューティング装置１００のハードウェア構成について説明することにする。
図２は、本発明の他の実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供装置のハードウェア構成図である。
図２を参照すると、多様な実施例において、コンピューティング装置１００は一つ以上のプロセッサ１１０、プロセッサ１１０によって遂行されるコンピュータプログラム１５１をロード（Ｌｏａｄ）するメモリ１２０、バス１３０、通信インターフェース１４０およびコンピュータプログラム１５１を保存するストレージ１５０を含むことができる。ここで、図２には本発明の実施例に関連する構成要素のみ図示されている。したがって、本発明が属した技術分野の通常の技術者であれば、図２に図示された構成要素の他に他の汎用的な構成要素がさらに含まれ得ることが分かる。
【0016】
プロセッサ１１０はコンピューティング装置１００の各構成の全般的な動作を制御する。プロセッサ１１０はＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｏｒ Ｕｎｉｔ）、ＭＣＵ（Ｍｉｃｒｏ Ｃｏｎｔｒｏｌｌｅｒ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）または本発明の技術分野に広く知られている任意の形態のプロセッサを含んで構成され得る。
また、プロセッサ１１０は本発明の実施例に係る方法を実行するための少なくとも一つのアプリケーションまたはプログラムに対する演算を遂行することができ、コンピューティング装置１００は一つ以上のプロセッサを具備することができる。
多様な実施例において、プロセッサ１１０はプロセッサ１１０内部で処理される信号（またはデータ）を一時的および／または永久的に保存するラム（ＲＡＭ：Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ、図示されず）およびロム（ＲＯＭ：Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ、図示されず）をさらに含むことができる。また、プロセッサ１１０はグラフィック処理部、ラムおよびロムのうち少なくとも一つを含むシステムオンチップ（ＳｏＣ：ｓｙｓｔｅｍ ｏｎ ｃｈｉｐ）形態で具現され得る。
メモリ１２０は各種データ、命令および／または情報を保存する。メモリ１２０は本発明の多様な実施例に係る方法／動作を実行するために、ストレージ１５０からコンピュータプログラム１５１をロードすることができる。メモリ１２０にコンピュータプログラム１５１がロードされると、プロセッサ１１０はコンピュータプログラム１５１を構成する一つ以上のインストラクションを実行することによって前記方法／動作を遂行できる。メモリ１２０はＲＡＭのような揮発性メモリで具現され得るが、本開示の技術的範囲はこれに限定されるものではない。
また、プロセッサ１１０は本発明の実施例に係る方法を実行するための少なくとも一つのアプリケーションまたはプログラムに対する演算を遂行することができ、コンピューティング装置１００は一つ以上のプロセッサを具備することができる。
多様な実施例において、プロセッサ１１０はプロセッサ１１０内部で処理される信号（またはデータ）を一時的および／または永久的に保存するラム（ＲＡＭ：Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ、図示されず）およびロム（ＲＯＭ：Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ、図示されず）をさらに含むことができる。また、プロセッサ１１０はグラフィック処理部、ラムおよびロムのうち少なくとも一つを含むシステムオンチップ（ＳｏＣ：ｓｙｓｔｅｍ ｏｎ ｃｈｉｐ）形態で具現され得る。
メモリ１２０は各種データ、命令および／または情報を保存する。メモリ１２０は本発明の多様な実施例に係る方法／動作を実行するために、ストレージ１５０からコンピュータプログラム１５１をロードすることができる。メモリ１２０にコンピュータプログラム１５１がロードされると、プロセッサ１１０はコンピュータプログラム１５１を構成する一つ以上のインストラクションを実行することによって前記方法／動作を遂行できる。メモリ１２０はＲＡＭのような揮発性メモリで具現され得るが、本開示の技術的範囲はこれに限定されるものではない。
【0017】
バス１３０はコンピューティング装置１００の構成要素間の通信機能を提供する。バス１３０はアドレスバス（ａｄｄｒｅｓｓ Ｂｕｓ）、データバス（Ｄａｔａ Ｂｕｓ）および制御バス（Ｃｏｎｔｒｏｌ Ｂｕｓ）等多様な形態のバスで具現され得る。
通信インターフェース１４０はコンピューティング装置１００の有線／無線インターネット通信を支援する。また、通信インターフェース１４０はインターネット通信以外の多様な通信方式を支援することもできる。このために、通信インターフェース１４０は本発明の技術分野に広く知られている通信モジュールを含んで構成され得る。いくつかの実施例において、通信インターフェース１４０は省略されてもよい。
ストレージ１５０はコンピュータプログラム１５１を非臨時的に保存することができる。コンピューティング装置１００を通じてライダセンサを利用した建設現場の作業管理ソリューション提供プロセスを遂行する場合、ストレージ１５０はライダセンサを利用した建設現場の作業管理ソリューション提供プロセスを提供するために必要な各種情報を保存することができる。
通信インターフェース１４０はコンピューティング装置１００の有線／無線インターネット通信を支援する。また、通信インターフェース１４０はインターネット通信以外の多様な通信方式を支援することもできる。このために、通信インターフェース１４０は本発明の技術分野に広く知られている通信モジュールを含んで構成され得る。いくつかの実施例において、通信インターフェース１４０は省略されてもよい。
ストレージ１５０はコンピュータプログラム１５１を非臨時的に保存することができる。コンピューティング装置１００を通じてライダセンサを利用した建設現場の作業管理ソリューション提供プロセスを遂行する場合、ストレージ１５０はライダセンサを利用した建設現場の作業管理ソリューション提供プロセスを提供するために必要な各種情報を保存することができる。
【0018】
ストレージ１５０はＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、フラッシュメモリなどのような不揮発性メモリ、ハードディスク、着脱型ディスク、または本発明が属する技術分野で広く知られている任意の形態のコンピュータで読み取り可能記録媒体を含んで構成され得る。
コンピュータプログラム１５１はメモリ１２０にロードされる時、プロセッサ１１０が本発明の多様な実施例に係る方法／動作を遂行するようにする一つ以上のインストラクションを含むことができる。すなわち、プロセッサ１１０は前記一つ以上のインストラクションを実行することによって、本発明の多様な実施例に係る前記方法／動作を遂行できる。
一実施例において、コンピュータプログラム１５１は建設現場に対応するセンサデータを収集する段階および前記収集されたセンサデータと前記建設現場に対応する設計図面データを利用して前記建設現場に対する作業管理ソリューションを提供する段階を含む、ライダセンサを利用した建設現場の作業管理ソリューション提供方法を遂行するようにする一つ以上のインストラクションを含むことができる。
コンピュータプログラム１５１はメモリ１２０にロードされる時、プロセッサ１１０が本発明の多様な実施例に係る方法／動作を遂行するようにする一つ以上のインストラクションを含むことができる。すなわち、プロセッサ１１０は前記一つ以上のインストラクションを実行することによって、本発明の多様な実施例に係る前記方法／動作を遂行できる。
一実施例において、コンピュータプログラム１５１は建設現場に対応するセンサデータを収集する段階および前記収集されたセンサデータと前記建設現場に対応する設計図面データを利用して前記建設現場に対する作業管理ソリューションを提供する段階を含む、ライダセンサを利用した建設現場の作業管理ソリューション提供方法を遂行するようにする一つ以上のインストラクションを含むことができる。
【0019】
本発明の実施例と関連して説明された方法またはアルゴリズムの段階は、ハードウェアで直接具現されるか、ハードウェアによって実行されるソフトウェアモジュールで具現されるか、またはこれらの結合によって具現され得る。ソフトウェアモジュールはＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、フラッシュメモリ（Ｆｌａｓｈ Ｍｅｍｏｒｙ）、ハードディスク、着脱型ディスク、ＣＤ－ＲＯＭ、または本発明が属する技術分野で広く知られている任意の形態のコンピュータ読み取り可能記録媒体に常駐してもよい。
本発明の構成要素はハードウェアであるコンピュータと結合されて実行されるために、プログラム（またはアプリケーション）で具現されて媒体に保存され得る。本発明の構成要素はソフトウェアプログラミングまたはソフトウェア要素で実行され得、これと同様に、実施例はデータ構造、プロセス、ルーチンまたは他のプログラミング構成の組み合わせで具現される多様なアルゴリズムを含み、Ｃ、Ｃ＋＋、ジャバ（Ｊａｖａ）、アセンブラ（ａｓｓｅｍｂｌｅｒ）などのようなプログラミングまたはスクリプト言語で具現され得る。機能的な側面は一つ以上のプロセッサで実行されるアルゴリズムで具現され得る。以下、図３～図７を参照して、コンピューティング装置１００により遂行されるライダセンサを利用した建設現場の作業管理ソリューション提供方法について説明することにする。
本発明の構成要素はハードウェアであるコンピュータと結合されて実行されるために、プログラム（またはアプリケーション）で具現されて媒体に保存され得る。本発明の構成要素はソフトウェアプログラミングまたはソフトウェア要素で実行され得、これと同様に、実施例はデータ構造、プロセス、ルーチンまたは他のプログラミング構成の組み合わせで具現される多様なアルゴリズムを含み、Ｃ、Ｃ＋＋、ジャバ（Ｊａｖａ）、アセンブラ（ａｓｓｅｍｂｌｅｒ）などのようなプログラミングまたはスクリプト言語で具現され得る。機能的な側面は一つ以上のプロセッサで実行されるアルゴリズムで具現され得る。以下、図３～図７を参照して、コンピューティング装置１００により遂行されるライダセンサを利用した建設現場の作業管理ソリューション提供方法について説明することにする。
【0020】
図３は、本発明のさらに他の実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供方法のフローチャートである。
図３を参照すると、Ｓ１１０段階で、コンピューティング装置１００は建設現場に対応するセンサデータを収集することができる。
ここで、センサデータは、ライダセンサを利用して建設現場をスキャンすることによって生成されるポイントクラウドデータ（Ｐｏｉｎｔ Ｃｌｏｕｄ Ｄａｔａ、ＰＣＤ）およびカメラセンサを通じて建設現場を撮影することによって生成されるイメージデータ（Ｉｍａｇｅ Ｄａｔａ）を含むことができるが、これに限定されない。
また、ここで、建設現場は複数の階を含む建物の建築現場を意味するものであり得るが、これに限定されない。
また、ここで、ポイントクラウドデータを生成するライダセンサ（Ｌｉｄａｒ）は、建設現場内の固定された位置に設置される形態で具現され得るが、これに限定されず、建設現場内で作業を遂行する作業者の身体の少なくとも一部分に着用される形態で備えられるか、建設現場内に配置され、建設現場内部を走行する移動式装置に設置または内蔵される形態で具現され得る。
図３を参照すると、Ｓ１１０段階で、コンピューティング装置１００は建設現場に対応するセンサデータを収集することができる。
ここで、センサデータは、ライダセンサを利用して建設現場をスキャンすることによって生成されるポイントクラウドデータ（Ｐｏｉｎｔ Ｃｌｏｕｄ Ｄａｔａ、ＰＣＤ）およびカメラセンサを通じて建設現場を撮影することによって生成されるイメージデータ（Ｉｍａｇｅ Ｄａｔａ）を含むことができるが、これに限定されない。
また、ここで、建設現場は複数の階を含む建物の建築現場を意味するものであり得るが、これに限定されない。
また、ここで、ポイントクラウドデータを生成するライダセンサ（Ｌｉｄａｒ）は、建設現場内の固定された位置に設置される形態で具現され得るが、これに限定されず、建設現場内で作業を遂行する作業者の身体の少なくとも一部分に着用される形態で備えられるか、建設現場内に配置され、建設現場内部を走行する移動式装置に設置または内蔵される形態で具現され得る。
【0021】
また、ここで、建設現場に対応するポイントクラウドデータはライダセンサを利用して収集されるものとして説明しているが、これに限定されず、レーダーセンサ（Ｒａｄａｒ）、深度カメラセンサ（Ｄｅｐｔｈ ｃａｍｅｒａ）等のように３次元ポイントクラウド形態のセンサデータを収集するいかなるセンサにも適用が可能である。
Ｓ１２０段階で、コンピューティング装置１００はＳ１１０段階を経て収集されたポイントクラウドと建設現場に対応する設計図面データを利用して建設現場に対する作業管理ソリューションを提供することができる。
ここで、建設現場に対する設計図面データは建設しようとする建物の設計図面であり、例えば、図７に図示された通り、デジタル方式で建物の仮想モデルを設計したデータであるＢＩＭ（Ｂｕｉｌｄｉｎｇ Ｉｎｆｏｒｍａｔｉｏｎ Ｍｏｄｅｌｉｎｇ）データを意味し得るが、これに限定されない。
多様な実施例において、コンピューティング装置１００はポイントクラウドと建設現場に対応する設計図面データを利用して、作業管理ソリューションとして、建設現場に対する作業進行率に関する情報を提供したり、建設現場に対する安全ガイドを提供することができる。以下、図４～５を参照して、より具体的に説明することにする。
Ｓ１２０段階で、コンピューティング装置１００はＳ１１０段階を経て収集されたポイントクラウドと建設現場に対応する設計図面データを利用して建設現場に対する作業管理ソリューションを提供することができる。
ここで、建設現場に対する設計図面データは建設しようとする建物の設計図面であり、例えば、図７に図示された通り、デジタル方式で建物の仮想モデルを設計したデータであるＢＩＭ（Ｂｕｉｌｄｉｎｇ Ｉｎｆｏｒｍａｔｉｏｎ Ｍｏｄｅｌｉｎｇ）データを意味し得るが、これに限定されない。
多様な実施例において、コンピューティング装置１００はポイントクラウドと建設現場に対応する設計図面データを利用して、作業管理ソリューションとして、建設現場に対する作業進行率に関する情報を提供したり、建設現場に対する安全ガイドを提供することができる。以下、図４～５を参照して、より具体的に説明することにする。
【0022】
図４は多様な実施例において、作業管理ソリューションとして、作業の進行率に関する情報を提供する方法を説明するためのフローチャートである。
図４を参照すると、多様な実施例において、コンピューティング装置１００はポイントクラウドと建設現場に対応する設計図面データを利用して、作業管理ソリューションとして、建設現場に対する作業進行率（または作業工程率）に関する情報を提供することができる。
Ｓ２１０段階で、コンピューティング装置１００は建設現場をスキャンすることによって収集されたポイントクラウドデータと建設現場に対する設計図面データを整合させることができる。
多様な実施例において、コンピューティング装置１００は座標に基づいてポイントクラウドデータと設計図面データを整合させることができる。
一例として、コンピューティング装置１００はポイントクラウドデータと設計図面データの特徴点を利用してポイントクラウドデータと設計図面データを整合させることができる。
より具体的には、まず、コンピューティング装置１００は設計図面データを分析することによって設計図面データから複数の第１特徴点を抽出することができ、ポイントクラウドデータを分析することによってポイントクラウドデータから複数の第２特徴点を抽出することができる。
図４を参照すると、多様な実施例において、コンピューティング装置１００はポイントクラウドと建設現場に対応する設計図面データを利用して、作業管理ソリューションとして、建設現場に対する作業進行率（または作業工程率）に関する情報を提供することができる。
Ｓ２１０段階で、コンピューティング装置１００は建設現場をスキャンすることによって収集されたポイントクラウドデータと建設現場に対する設計図面データを整合させることができる。
多様な実施例において、コンピューティング装置１００は座標に基づいてポイントクラウドデータと設計図面データを整合させることができる。
一例として、コンピューティング装置１００はポイントクラウドデータと設計図面データの特徴点を利用してポイントクラウドデータと設計図面データを整合させることができる。
より具体的には、まず、コンピューティング装置１００は設計図面データを分析することによって設計図面データから複数の第１特徴点を抽出することができ、ポイントクラウドデータを分析することによってポイントクラウドデータから複数の第２特徴点を抽出することができる。
【0023】
ここで、複数の第１特徴点および複数の第２特徴点は設計図面データとポイントクラウドデータを整合させるためのキーポイント（ｋｅｙ ｐｏｉｎｔ）であり、例えば、建設現場の角部分やコーナー部分を意味し得るが、これに限定されない。
多様な実施例において、コンピューティング装置１００は予め学習された第１人工知能モデルを通じて設計図面データおよびポイントクラウドデータを分析することによって、複数の第１特徴点および複数の第２特徴点を抽出することができる。
ここで、予め学習された第１人工知能モデルは、複数の特徴点に関する情報がラベリング（Ｌａｂｅｌｉｎｇ）された設計図面データおよびポイントクラウドデータを学習データとして学習されたモデルであり、設計図面データまたはポイントクラウドデータの入力を受けて設計図面データまたはポイントクラウドデータから複数の特徴点を抽出するモデルであり得る。
第１人工知能モデル（例：ニューラルネットワーク）は一つ以上のネットワーク関数で構成され、一つ以上のネットワーク関数は一般的に「ノード」と指称され得る互いに連結された計算単位の集合で構成され得る。このような「ノード」は「ニューロン（ｎｅｕｒｏｎ）」と指称されてもよい。一つ以上のネットワーク関数は少なくとも一つ以上のノードを含んで構成される。一つ以上のネットワーク関数を構成するノード（またはニューロン）は一つ以上の「リンク」により互いに連結され得る。
第１人工知能モデル内で、リンクを通じて連結された一つ以上のノードは相対的に入力ノードおよび出力ノード関係を形成することができる。入力ノードおよび出力ノードの概念は相対的なものであり、一つのノードに対して出力ノード関係にある任意のノードは他のノードとの関係で入力ノード関係にあり得、その逆も成立できる。前述した通り、入力ノード対出力ノード関係はリンクを中心に生成され得る。一つの入力ノードに一つ以上の出力ノードがリンクを通じて連結され得、そのウ逆も成立できる。
多様な実施例において、コンピューティング装置１００は予め学習された第１人工知能モデルを通じて設計図面データおよびポイントクラウドデータを分析することによって、複数の第１特徴点および複数の第２特徴点を抽出することができる。
ここで、予め学習された第１人工知能モデルは、複数の特徴点に関する情報がラベリング（Ｌａｂｅｌｉｎｇ）された設計図面データおよびポイントクラウドデータを学習データとして学習されたモデルであり、設計図面データまたはポイントクラウドデータの入力を受けて設計図面データまたはポイントクラウドデータから複数の特徴点を抽出するモデルであり得る。
第１人工知能モデル（例：ニューラルネットワーク）は一つ以上のネットワーク関数で構成され、一つ以上のネットワーク関数は一般的に「ノード」と指称され得る互いに連結された計算単位の集合で構成され得る。このような「ノード」は「ニューロン（ｎｅｕｒｏｎ）」と指称されてもよい。一つ以上のネットワーク関数は少なくとも一つ以上のノードを含んで構成される。一つ以上のネットワーク関数を構成するノード（またはニューロン）は一つ以上の「リンク」により互いに連結され得る。
第１人工知能モデル内で、リンクを通じて連結された一つ以上のノードは相対的に入力ノードおよび出力ノード関係を形成することができる。入力ノードおよび出力ノードの概念は相対的なものであり、一つのノードに対して出力ノード関係にある任意のノードは他のノードとの関係で入力ノード関係にあり得、その逆も成立できる。前述した通り、入力ノード対出力ノード関係はリンクを中心に生成され得る。一つの入力ノードに一つ以上の出力ノードがリンクを通じて連結され得、そのウ逆も成立できる。
【0024】
一つのリンクを通じて連結された入力ノードおよび出力ノード関係で、出力ノードは入力ノードに入力されたデータに基づいてその値が決定され得る。ここで入力ノードと出力ノードを互いに連結するノードは加重値（ｗｅｉｇｈｔ）を有することができる。加重値は可変的であり得、第１人工知能モデルが所望の機能を遂行するために、ユーザまたはアルゴリズムによって可変され得る。例えば、一つの出力ノードに一つ以上の入力ノードがそれぞれのリンクによって互いに連結された場合、出力ノードは前記出力ノードと連結された入力ノードに入力された値およびそれぞれの入力ノードに対応するリンクに設定された加重値に基づいて出力ノード値を決定することができる。
前述した通り、第１人工知能モデルは一つ以上のノードが一つ以上のリンクを通じて互いに連結されて第１人工知能モデル内で入力ノードおよび出力ノード関係を形成する。第１人工知能モデル内でノードとリンクの個数およびノードとリンクの間の相関関係、リンクそれぞれに付与された加重値の値により、第１人工知能モデルの特性が決定され得る。例えば、同じ個数のノードおよびリンクが存在し、リンクの間の加重値の値が異なる二つの第１人工知能モデルが存在する場合、二つの第１人工知能モデルは互いに異なるものと認識され得る。
第１人工知能モデルを構成するノードのうち一部は、最初入力ノードからの距離に基づいて、一つのレイヤ（ｌａｙｅｒ）を構成することができる。例えば、最初入力ノードから距離がｎであるノードの集合は、ｎレイヤを構成することができる。最初入力ノードからの距離は、最初入力ノードから該当ノードまで到達するために経なければならないリンクの最小個数によって定義され得る。しかし、このようなレイヤの定義は説明のための任意的なものであり、第１人工知能モデル内でレイヤの次数は前述と異なる方法で定義され得る。例えば、ノードのレイヤは最終出力ノードからの距離によって定義されてもよい。
前述した通り、第１人工知能モデルは一つ以上のノードが一つ以上のリンクを通じて互いに連結されて第１人工知能モデル内で入力ノードおよび出力ノード関係を形成する。第１人工知能モデル内でノードとリンクの個数およびノードとリンクの間の相関関係、リンクそれぞれに付与された加重値の値により、第１人工知能モデルの特性が決定され得る。例えば、同じ個数のノードおよびリンクが存在し、リンクの間の加重値の値が異なる二つの第１人工知能モデルが存在する場合、二つの第１人工知能モデルは互いに異なるものと認識され得る。
第１人工知能モデルを構成するノードのうち一部は、最初入力ノードからの距離に基づいて、一つのレイヤ（ｌａｙｅｒ）を構成することができる。例えば、最初入力ノードから距離がｎであるノードの集合は、ｎレイヤを構成することができる。最初入力ノードからの距離は、最初入力ノードから該当ノードまで到達するために経なければならないリンクの最小個数によって定義され得る。しかし、このようなレイヤの定義は説明のための任意的なものであり、第１人工知能モデル内でレイヤの次数は前述と異なる方法で定義され得る。例えば、ノードのレイヤは最終出力ノードからの距離によって定義されてもよい。
【0025】
最初入力ノードは第１人工知能モデル内のノードのうち他のノードとの関係でリンクを経ずにデータが直接入力される一つ以上のノードを意味し得る。または第１人工知能モデルネットワーク内で、リンクを基準としたノード間の関係において、リンクに連結された他の入力ノードを有さないノードを意味し得る。これと同様に、最終出力ノードは第１人工知能モデル内のノードのうち他のノードとの関係で、出力ノードを有さない一つ以上のノードを意味し得る。また、隠れノードは最初入力ノードおよび最後出力ノードではない第１人工知能モデルを構成するノードを意味し得る。本発明の一実施例に係る第１人工知能モデルは入力レイヤのノードが出力レイヤに近い隠れレイヤのノードより多くてもよく、入力レイヤから隠れレイヤに進行されるにつれてノードの数が減少する形態の第１人工知能モデルであり得る。
第１人工知能モデルは一つ以上の隠れレイヤを含むことができる。隠れレイヤの隠れノードは、以前のレイヤの出力と周辺の隠れノードの出力を入力とすることができる。各隠れレイヤ別隠れノードの数は同一であってもよく異なってもよい。入力レイヤのノードの数は入力データのデータフィールドの数に基づいて決定され得、隠れノードの数と同一であってもよく異なってもよい。入力レイヤに入力された入力データは隠れレイヤの隠れノードによって演算され得、出力レイヤである完全連結レイヤ（ＦＣＬ：ｆｕｌｌｙ ｃｏｎｎｅｃｔｅｄ ｌａｙｅｒ）により出力され得る。
第１人工知能モデルは一つ以上の隠れレイヤを含むことができる。隠れレイヤの隠れノードは、以前のレイヤの出力と周辺の隠れノードの出力を入力とすることができる。各隠れレイヤ別隠れノードの数は同一であってもよく異なってもよい。入力レイヤのノードの数は入力データのデータフィールドの数に基づいて決定され得、隠れノードの数と同一であってもよく異なってもよい。入力レイヤに入力された入力データは隠れレイヤの隠れノードによって演算され得、出力レイヤである完全連結レイヤ（ＦＣＬ：ｆｕｌｌｙ ｃｏｎｎｅｃｔｅｄ ｌａｙｅｒ）により出力され得る。
【0026】
多様な実施例において、第１人工知能モデルはディープラーニング（Ｄｅｅｐ ｌｅａｒｎｉｎｇ）モデルであり得る。
ディープラーニングモデル（例：ディープニューラルネットワーク（ＤＮＮ：ｄｅｅｐ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ、深層ニューラルネットワーク）は入力レイヤと出力レイヤの他に複数の隠れレイヤを含む第１人工知能モデルを意味し得る。ディープニューラルネットワークを利用すれば、データの潜在的な構造（ｌａｔｅｎｔ ｓｔｒｕｃｔｕｒｅｓ）を把握することができる。すなわち、写真、文、ビデオ、音声、音楽の潜在的な構造（例えば、どのような物体が写真にあるか、文の内容と感情が何であるか、音声の内容と感情が何であるかなど）を把握することができる。
ディープラーニングモデル（例：ディープニューラルネットワーク（ＤＮＮ：ｄｅｅｐ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ、深層ニューラルネットワーク）は入力レイヤと出力レイヤの他に複数の隠れレイヤを含む第１人工知能モデルを意味し得る。ディープニューラルネットワークを利用すれば、データの潜在的な構造（ｌａｔｅｎｔ ｓｔｒｕｃｔｕｒｅｓ）を把握することができる。すなわち、写真、文、ビデオ、音声、音楽の潜在的な構造（例えば、どのような物体が写真にあるか、文の内容と感情が何であるか、音声の内容と感情が何であるかなど）を把握することができる。
【0027】
ディープニューラルネットワークは畳み込みニューラルネットワーク（ＣＮＮ：ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）、リカレントニューラルネットワーク（ＲＮＮ：ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）、オートエンコーダ（ａｕｔｏ ｅｎｃｏｄｅｒ）、ＧＡＮ（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋｓ）、制限ボルツマンマシン（ＲＢＭ：ｒｅｓｔｒｉｃｔｅｄ ｂｏｌｔｚｍａｎｎ ｍａｃｈｉｎｅ）、深層信頼ネットワーク（ＤＢＮ：ｄｅｅｐ ｂｅｌｉｅｆ ｎｅｔｗｏｒｋ）、Ｑネットワーク、Ｕネットワーク、シャムネットワークなどを含むことができるが、これに限定されない。
多様な実施例において、ネットワーク関数はオートエンコーダを含んでもよい。ここで、オートエンコーダは入力データと類似する出力データを出力するための人工ニューラルネットワークの一種であり得る。
多様な実施例において、ネットワーク関数はオートエンコーダを含んでもよい。ここで、オートエンコーダは入力データと類似する出力データを出力するための人工ニューラルネットワークの一種であり得る。
【0028】
オートエンコーダは少なくとも一つの隠れレイヤを含むことができ、奇数個の隠れレイヤが入出力レイヤの間に配置され得る。それぞれのレイヤのノードの数は、入力レイヤのノードの数からボトルネックレイヤ（エンコーディング）という中間レイヤに縮小されてから、ボトルネックレイヤから出力レイヤ（入力レイヤと対称）に縮小と対称となって拡張されてもよい。次元減少レイヤと次元復元レイヤのノードは対称であってもよくそうでなくてもよい。また、オートエンコーダは非線形次元減少を遂行できる。入力レイヤおよび出力レイヤの数は入力データの前処理以後に残ったセンサの数と対応することができる。オートエンコーダ構造でエンコーダに含まれた隠れレイヤのノードの数は、入力レイヤから遠ざかるほど減少する構造を有することができる。ボトルネックレイヤ（エンコーダとデコーダの間に位置する最も少ないノードを有するレイヤ）のノードの数は過度に小さい場合、十分な量の情報が伝達されない場合があるので、特定数以上（例えば、入力レイヤの半分以上など）に維持されてもよい。
ニューラルネットワークは教師あり学習（ｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ）、教師なし学習（ｕｎｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ）、および半教師あり学習（ｓｅｍｉ ｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ）のうち少なくとも一つの方式で学習され得る。ニューラルネットワークの学習は出力のエラーを最小化するためのものである。より具体的には、ニューラルネットワークの学習は反復的に学習データをニューラルネットワークに入力させて学習データに対するニューラルネットワークの出力とターゲットのエラーを計算し、エラーを減らすための方向にニューラルネットワークのエラーをニューラルネットワークの出力レイヤから入力レイヤ方向に逆伝播（ｂａｃｋｐｒｏｐａｇａｔｉｏｎ）してニューラルネットワークの各ノードの加重値をアップデートする過程である。
まず、教師あり学習の場合、それぞれの学習データに正解がラベリングされている学習データを使用し（すなわち、ラベリングされた学習データ）、教師なし学習の場合はそれぞれの学習データに正解がラベリングされていない場合がある。すなわち、例えばデータ分類に関する教師あり学習の場合の学習データは、学習データそれぞれにカテゴリーがラベリングされたデータであり得る。ラベリングされた学習データがニューラルネットワークに入力され、ニューラルネットワークの出力（カテゴリー）と学習データのラベルを比較することによってエラー（ｅｒｒｏｒ）が計算され得る。
ニューラルネットワークは教師あり学習（ｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ）、教師なし学習（ｕｎｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ）、および半教師あり学習（ｓｅｍｉ ｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ）のうち少なくとも一つの方式で学習され得る。ニューラルネットワークの学習は出力のエラーを最小化するためのものである。より具体的には、ニューラルネットワークの学習は反復的に学習データをニューラルネットワークに入力させて学習データに対するニューラルネットワークの出力とターゲットのエラーを計算し、エラーを減らすための方向にニューラルネットワークのエラーをニューラルネットワークの出力レイヤから入力レイヤ方向に逆伝播（ｂａｃｋｐｒｏｐａｇａｔｉｏｎ）してニューラルネットワークの各ノードの加重値をアップデートする過程である。
まず、教師あり学習の場合、それぞれの学習データに正解がラベリングされている学習データを使用し（すなわち、ラベリングされた学習データ）、教師なし学習の場合はそれぞれの学習データに正解がラベリングされていない場合がある。すなわち、例えばデータ分類に関する教師あり学習の場合の学習データは、学習データそれぞれにカテゴリーがラベリングされたデータであり得る。ラベリングされた学習データがニューラルネットワークに入力され、ニューラルネットワークの出力（カテゴリー）と学習データのラベルを比較することによってエラー（ｅｒｒｏｒ）が計算され得る。
【0029】
次に、データ分類に関する教師なし学習の場合、入力である学習データがニューラルネットワーク出力と比較されることによってエラーが計算され得る。計算されたエラーはニューラルネットワークで逆方向（すなわち、出力レイヤから入力レイヤ方向）に逆伝播され、逆伝播によりニューラルネットワークの各レイヤの各ノードの連結加重値がアップデートされ得る。アップデートされる各ノードの連結加重値は学習率（ｌｅａｒｎｉｎｇ ｒａｔｅ）により変化量が決定され得る。入力データに対するニューラルネットワークの計算とエラーの逆伝播は学習サイクル（ｅｐｏｃｈ）を構成することができる。学習率はニューラルネットワークの学習サイクルの繰り返し回数により異なって適用され得る。例えば、ニューラルネットワークの学習初期には高い学習率を使ってニューラルネットワークが早く一定水準の性能を確保するようにして効率性を高め、学習後期には低い学習率を使って正確度を高めることができる。
ニューラルネットワークの学習で一般的に学習データは実際のデータ（すなわち、学習されたニューラルネットワークを利用して処理しようとするデータ）の部分集合であり得、したがって、学習データに対するエラーは減少するが実際のデータに対してはエラーが増加する学習サイクルが存在し得る。過剰適合（ｏｖｅｒｆｉｔｔｉｎｇ）はこのように学習データに過度に学習して実際のデータに対するエラーが増加する現象である。例えば、黄色の猫を見せて猫を学習したニューラルネットワークが、黄色以外の猫を見ては猫であることを認識できない現象が過剰適合の一種であり得る。過剰適合はマシンラーニングアルゴリズムのエラーを増加させる原因として作用し得る。このような過剰適合を防止するために多様な最適化方法が使われ得る。過剰適合を防止するためには、学習データを増加させるか、レギュラリゼーション（ｒｅｇｕｌａｒｉｚａｔｉｏｎ）、学習の過程でネットワークのノード一部を省略するドロップアウト（ｄｒｏｐｏｕｔ）等の方法が適用され得る。
ニューラルネットワークの学習で一般的に学習データは実際のデータ（すなわち、学習されたニューラルネットワークを利用して処理しようとするデータ）の部分集合であり得、したがって、学習データに対するエラーは減少するが実際のデータに対してはエラーが増加する学習サイクルが存在し得る。過剰適合（ｏｖｅｒｆｉｔｔｉｎｇ）はこのように学習データに過度に学習して実際のデータに対するエラーが増加する現象である。例えば、黄色の猫を見せて猫を学習したニューラルネットワークが、黄色以外の猫を見ては猫であることを認識できない現象が過剰適合の一種であり得る。過剰適合はマシンラーニングアルゴリズムのエラーを増加させる原因として作用し得る。このような過剰適合を防止するために多様な最適化方法が使われ得る。過剰適合を防止するためには、学習データを増加させるか、レギュラリゼーション（ｒｅｇｕｌａｒｉｚａｔｉｏｎ）、学習の過程でネットワークのノード一部を省略するドロップアウト（ｄｒｏｐｏｕｔ）等の方法が適用され得る。
【0030】
以後、コンピューティング装置１００は複数の第１特徴点と複数の第２特徴点それぞれをマッチングすることによって、設計図面データとポイントクラウドデータを整合させることができる。例えば、コンピューティング装置１００は第１特徴点の座標値と第１特徴点に対応する第２特徴点の座標値を一致させることによって、設計図面データとポイントクラウドデータを整合させることができる。
この時、コンピューティング装置１００は設計図面データとポイントクラウドデータのより正確な整合のための目的で、３個以上の第１特徴点と３個以上の第２特徴点をマッチングさせることができるが、これに限定されない。
他の例として、コンピューティング装置１００は基準客体を利用してポイントクラウドデータと設計図面データを整合させることができる。
より具体的には、まず、コンピューティング装置１００は設計図面データを分析することによって識別された複数の第１客体のうち少なくとも一つの第１客体を基準客体として選択することができ、ポイントクラウドデータを分析することによって識別された複数の第２客体のうち少なくとも一つの第２客体を基準客体として選択することができる。
多様な実施例において、コンピューティング装置１００は予め学習された第２人工知能モデルを通じて設計図面データおよびポイントクラウドデータを分析することによって、設計図面データに含まれた複数の第１客体とポイントクラウドデータに含まれた複数の第２客体を識別することができ、予め設定された基準により複数の第１客体のうち少なくとも一つの第１客体と複数の第２客体のうち少なくとも一つの第２客体を基準客体として選択することができる。
ここで、予め学習された第２人工知能モデルは複数の客体に関する情報がラベリングされた設計図面データおよびポイントクラウドデータを学習データとして学習されたモデルであり、設計図面データまたはポイントクラウドデータの入力を受けて設計図面データまたはポイントクラウドデータから複数の客体を識別する客体識別モデルと事前に定義されたルール（ｉｆ－ｔｈｅｎ）により複数の客体のうち予め設定された基準に符合する少なくとも一つの客体を基準客体として選択するルールベースモデルを含む形態で具現され得るが、これに限定されない。
この時、コンピューティング装置１００は設計図面データとポイントクラウドデータのより正確な整合のための目的で、３個以上の第１特徴点と３個以上の第２特徴点をマッチングさせることができるが、これに限定されない。
他の例として、コンピューティング装置１００は基準客体を利用してポイントクラウドデータと設計図面データを整合させることができる。
より具体的には、まず、コンピューティング装置１００は設計図面データを分析することによって識別された複数の第１客体のうち少なくとも一つの第１客体を基準客体として選択することができ、ポイントクラウドデータを分析することによって識別された複数の第２客体のうち少なくとも一つの第２客体を基準客体として選択することができる。
多様な実施例において、コンピューティング装置１００は予め学習された第２人工知能モデルを通じて設計図面データおよびポイントクラウドデータを分析することによって、設計図面データに含まれた複数の第１客体とポイントクラウドデータに含まれた複数の第２客体を識別することができ、予め設定された基準により複数の第１客体のうち少なくとも一つの第１客体と複数の第２客体のうち少なくとも一つの第２客体を基準客体として選択することができる。
ここで、予め学習された第２人工知能モデルは複数の客体に関する情報がラベリングされた設計図面データおよびポイントクラウドデータを学習データとして学習されたモデルであり、設計図面データまたはポイントクラウドデータの入力を受けて設計図面データまたはポイントクラウドデータから複数の客体を識別する客体識別モデルと事前に定義されたルール（ｉｆ－ｔｈｅｎ）により複数の客体のうち予め設定された基準に符合する少なくとも一つの客体を基準客体として選択するルールベースモデルを含む形態で具現され得るが、これに限定されない。
【0031】
多様な実施例において、コンピューティング装置１００は設計図面データに含まれた複数の第１客体のうちポイントクラウドデータを収集した位置を基準として、ポイントクラウドデータを収集した方向に最短距離に位置する第１客体を基準客体として選択することができ、ポイントクラウドデータに含まれた複数の第２客体のうちポイントクラウドデータを収集した位置を基準として、ポイントクラウドデータを収集した方向に最短距離に位置する第２客体を基準客体として選択することができる。
多様な実施例において、ポイントクラウドデータと設計図面データの整合のために、建設現場内には事前にデータ整合のための基準となる対象が設置され得、設計図面データを分析することによって識別された複数の第１客体のうち建設現場内に予め設置された対象に対応する第１客体を基準客体として選択することができ、ポイントクラウドデータを分析することによって識別された複数の第２客体のうち建設現場内に予め設置された対象に対応する第２客体を基準客体として選択することができる。
多様な実施例において、ポイントクラウドデータと設計図面データの整合のために、建設現場内に配置される複数の客体のうちいずれか一つの客体を基準客体として事前に定義され得、設計図面データを分析することによって識別された複数の第１客体のうち事前に基準客体として定義されたいずれか一つの客体に対応する第１客体を選択することができ、ポイントクラウドデータを分析することによって識別された複数の第２客体のうち事前に基準客体として定義されたいずれか一つの客体に対応する第２客体を選択することができる。
多様な実施例において、コンピューティング装置１００は設計図面データから選択された少なくとも一つの第１客体とポイントクラウドデータから選択された少なくとも一つの第２客体が同一の客体を指しているかどうかを検証することができる。
例えば、コンピューティング装置１００は設計図面データから選択された少なくとも一つの第１客体の属性（例えば、少なくとも一つの第１客体に対する種類、大きさおよび形態など）とポイントクラウドデータから選択された少なくとも一つの第２客体の属性（例えば、少なくとも一つの第２客体に対する種類、大きさおよび形態など）を比較することによって、少なくとも一つの第１客体と少なくとも一つの第２客体間の類似度を算出することができ、算出された類似度が基準類似度以上の場合、少なくとも一つの第２客体と少なくとも一つの第１客体が同一の客体を指していると判断することができる。
多様な実施例において、ポイントクラウドデータと設計図面データの整合のために、建設現場内には事前にデータ整合のための基準となる対象が設置され得、設計図面データを分析することによって識別された複数の第１客体のうち建設現場内に予め設置された対象に対応する第１客体を基準客体として選択することができ、ポイントクラウドデータを分析することによって識別された複数の第２客体のうち建設現場内に予め設置された対象に対応する第２客体を基準客体として選択することができる。
多様な実施例において、ポイントクラウドデータと設計図面データの整合のために、建設現場内に配置される複数の客体のうちいずれか一つの客体を基準客体として事前に定義され得、設計図面データを分析することによって識別された複数の第１客体のうち事前に基準客体として定義されたいずれか一つの客体に対応する第１客体を選択することができ、ポイントクラウドデータを分析することによって識別された複数の第２客体のうち事前に基準客体として定義されたいずれか一つの客体に対応する第２客体を選択することができる。
多様な実施例において、コンピューティング装置１００は設計図面データから選択された少なくとも一つの第１客体とポイントクラウドデータから選択された少なくとも一つの第２客体が同一の客体を指しているかどうかを検証することができる。
例えば、コンピューティング装置１００は設計図面データから選択された少なくとも一つの第１客体の属性（例えば、少なくとも一つの第１客体に対する種類、大きさおよび形態など）とポイントクラウドデータから選択された少なくとも一つの第２客体の属性（例えば、少なくとも一つの第２客体に対する種類、大きさおよび形態など）を比較することによって、少なくとも一つの第１客体と少なくとも一つの第２客体間の類似度を算出することができ、算出された類似度が基準類似度以上の場合、少なくとも一つの第２客体と少なくとも一つの第１客体が同一の客体を指していると判断することができる。
【0032】
以後、コンピューティング装置１００は設計図面データから選択された少なくとも一つの第１客体に対応する座標値とポイントクラウドデータから選択された少なくとも一つの第２客体に対応する座標値をマッチングすることによって、設計図面データとポイントクラウドデータを整合させることができる。例えば、コンピューティング装置１００は少なくとも一つの第１客体の中心座標値と少なくとも一つの第２客体の中心座標値を一致させることによって、設計図面データとポイントクラウドデータを整合させることができるが、これに限定されない。
【0033】
多様な実施例において、コンピューティング装置１００はユーザの手動入力に基づいてポイントクラウドデータと設計図面データを整合させることができる。例えば、コンピューティング装置１００はユーザ端末２００に設計図面データおよびポイントクラウドデータを出力するＵＩを提供することができ、ＵＩを通じて設計図面データおよびポイントクラウドデータのうち少なくとも一つを移動させたり回転させる補正を指すユーザ入力を獲得することができ、獲得したユーザ入力により設計図面データおよびポイントクラウドデータのうち少なくとも一つを補正することによって、設計図面データおよびポイントクラウドデータを整合させることができる。
多様な実施例において、コンピューティング装置１００は予め設定された分類基準により設計図面データを分割することによって複数の設計図面レイヤを生成することができ、ポイントクラウドデータと複数の設計図面レイヤそれぞれを整合させることができる。
ここで、予め設定された分類基準は作業の種類、作業の結果物（例えば、作業を遂行することによって生成されるアイテムであって、構造柱、構造基礎、構造梁システム、構造フレーム、機械装備、柱、欄干およびダクトなど）および作業空間の属性（例えば、作業空間の階数など）のうち少なくとも一つを含むことができるが、これに限定されない。
例えば、コンピューティング装置１００は建設現場内で遂行される作業の結果物が構造フレーム、柱および欄干を含む場合、設計図面データを分割することによって構造フレーム設計図面レイヤ、柱設計図面レイヤおよび欄干設計図面レイヤを生成することができ、ポイントクラウドデータと構造フレーム設計図面レイヤ、柱設計図面レイヤおよび欄干設計図面レイヤそれぞれを整合させることができる。
多様な実施例において、コンピューティング装置１００は予め設定された分類基準により設計図面データを分割することによって複数の設計図面レイヤを生成することができ、ポイントクラウドデータと複数の設計図面レイヤそれぞれを整合させることができる。
ここで、予め設定された分類基準は作業の種類、作業の結果物（例えば、作業を遂行することによって生成されるアイテムであって、構造柱、構造基礎、構造梁システム、構造フレーム、機械装備、柱、欄干およびダクトなど）および作業空間の属性（例えば、作業空間の階数など）のうち少なくとも一つを含むことができるが、これに限定されない。
例えば、コンピューティング装置１００は建設現場内で遂行される作業の結果物が構造フレーム、柱および欄干を含む場合、設計図面データを分割することによって構造フレーム設計図面レイヤ、柱設計図面レイヤおよび欄干設計図面レイヤを生成することができ、ポイントクラウドデータと構造フレーム設計図面レイヤ、柱設計図面レイヤおよび欄干設計図面レイヤそれぞれを整合させることができる。
【0034】
この時、コンピューティング装置１００は設計図面データと同様に、予め設定された分類基準によりポイントクラウドを分割することによって複数の単位ポイントクラウドを生成することができ、複数の単位ポイントクラウドと複数の設計図面レイヤそれぞれを整合させることができる。例えば、コンピューティング装置１００は建設現場内で遂行される作業の結果物が柱を含む場合、ポイントクラウドデータを分析して柱を識別することができ、柱に対応するポイントのみを抽出することによって柱に対応する単位ポイントクラウドデータを生成することができ、柱に対応する単位ポイントクラウドと柱設計図面レイヤを整合させることができる。また、コンピューティング装置１００は建設現場内で遂行される作業の結果物が欄干を含む場合、ポイントクラウドデータを分析して欄干を識別することができ、欄干に対応するポイントのみを抽出することによって欄干に対応する単位ポイントクラウドデータを生成することができ、欄干に対応する単位ポイントクラウドと欄干設計図面レイヤを整合させることができる。
多様な実施例において、コンピューティング装置１００は、ポイントクラウドデータを分析して識別された複数の客体のうち、建設現場内で作業を遂行することによって生成される作業の結果物に関連していない少なくとも一つの客体を選択してフィルタリングすることができ、少なくとも一つの客体すなわち、作業を遂行した結果に関連していない客体がフィルタリングされたポイントクラウドデータと設計図面データを整合させることができる。例えば、コンピューティング装置１００はポイントクラウドデータを分析して複数の客体を識別することができ、複数の客体のうち作業の結果物に関連していない少なくとも一つの客体（例えば、使用待機中である資材、ゴミ、作業者、作業者の物品および道具など）をフィルタリングして設計図面データと整合させることができる。
多様な実施例において、コンピューティング装置１００は、ポイントクラウドデータを分析して識別された複数の客体のうち、建設現場内で作業を遂行することによって生成される作業の結果物に関連していない少なくとも一つの客体を選択してフィルタリングすることができ、少なくとも一つの客体すなわち、作業を遂行した結果に関連していない客体がフィルタリングされたポイントクラウドデータと設計図面データを整合させることができる。例えば、コンピューティング装置１００はポイントクラウドデータを分析して複数の客体を識別することができ、複数の客体のうち作業の結果物に関連していない少なくとも一つの客体（例えば、使用待機中である資材、ゴミ、作業者、作業者の物品および道具など）をフィルタリングして設計図面データと整合させることができる。
【0035】
多様な実施例において、コンピューティング装置１００は設計図面データが建物の外部設計のための第１設計図面データおよび建物の内部設計のための第２設計図面データを含み、ポイントクラウドデータが建物の外部をスキャンすることによって収集された第１ポイントクラウドデータおよび建物の内部をスキャンすることによって収集された第２ポイントクラウドデータを含む場合、建物の外部作業進行率の算出のために第１設計図面データと第１ポイントクラウドデータを整合させることができ、建物の内部作業進行率の算出のために第２設計図面データと第２ポイントクラウドデータを整合させることができる。
Ｓ２２０段階で、コンピューティング装置１００はＳ２１０段階を経て遂行されたポイントクラウドと設計図面データの整合結果に基づいて、建設現場に対する作業進行率を算出することができる。
Ｓ２２０段階で、コンピューティング装置１００はＳ２１０段階を経て遂行されたポイントクラウドと設計図面データの整合結果に基づいて、建設現場に対する作業進行率を算出することができる。
【0036】
多様な実施例において、コンピューティング装置１００はポイントクラウドデータと設計図面データの整合結果に基づいて、設計図面データに含まれた客体に対応する第１領域に対する体積値対比第１領域内でポイントクラウドデータに含まれたポイントが占めている第２領域に対する第２体積値の比率を作業進行率として算出することができる。
ここで、客体は建設現場内で作業を遂行することによって生成される作業の結果物であり、例えば構造柱、構造基礎、構造梁システム、構造フレーム、機械装備、柱、欄干およびダクトなどを含むことができるが、これに限定されない。以下、図５を参照して、体積に基づいて工程率を算出するより具体的な方法について説明することにする。
図５は、多様な実施例において、体積基盤の工程率算出方法を説明するためのフローチャートである。
図５を参照すると、Ｓ３１０段階で、コンピューティング装置１００は整合されたデータ（例えば、ポイントクラウドデータと設計図面データを整合することによって生成されるデータ）を分析して工程率を算出しようとする対象となる客体を選択し、選択された客体に対応する領域を抽出することができる。例えば、コンピューティング装置１００はパイプラインに対する工程率を算出しようとする場合、整合されたデータからパイプラインに対応する領域のみを抽出することができる。しかし、これに限定されない。
ここで、客体は建設現場内で作業を遂行することによって生成される作業の結果物であり、例えば構造柱、構造基礎、構造梁システム、構造フレーム、機械装備、柱、欄干およびダクトなどを含むことができるが、これに限定されない。以下、図５を参照して、体積に基づいて工程率を算出するより具体的な方法について説明することにする。
図５は、多様な実施例において、体積基盤の工程率算出方法を説明するためのフローチャートである。
図５を参照すると、Ｓ３１０段階で、コンピューティング装置１００は整合されたデータ（例えば、ポイントクラウドデータと設計図面データを整合することによって生成されるデータ）を分析して工程率を算出しようとする対象となる客体を選択し、選択された客体に対応する領域を抽出することができる。例えば、コンピューティング装置１００はパイプラインに対する工程率を算出しようとする場合、整合されたデータからパイプラインに対応する領域のみを抽出することができる。しかし、これに限定されない。
【0037】
Ｓ３２０段階で、コンピューティング装置１００はＳ３１０段階を経て抽出された客体に対応する領域を分割して複数の単位領域を生成することができる。例えば、コンピューティング装置１００はＳ３１０段階を経て抽出された客体に対応する領域が１０ｍパイプラインである場合、１０ｍパイプラインを１０個に分割して１０個の単位領域を生成することができる。ここで、特定客体に対応する領域を分割する個数は説明の便宜のために１０個であると説明しているが、これに限定されない。
Ｓ３３０段階で、コンピューティング装置１００はＳ３３０段階を経て生成された複数の単位領域それぞれに対し、体積に基づいて施工完了の有無を判断することができる。
例えば、コンピューティング装置１００は複数の単位領域それぞれに対し、ポイントクラウドデータのポイントが含まれいるかどうかおよび複数の単位領域それぞれに含まれたポイントの体積を判断することによって、複数の単位領域それぞれに対する施工完了の有無を判断することができる。一例として、コンピューティング装置１００は特定の単位領域内にポイントが含まれており、特定の単位領域内に含まれたポイントの体積と特定の単位領域の体積が予め設定された誤差範囲以内である場合、特定の単位領域に対する施工が完了したものと判断できるが、これに限定されない。
Ｓ３３０段階で、コンピューティング装置１００はＳ３３０段階を経て生成された複数の単位領域それぞれに対し、体積に基づいて施工完了の有無を判断することができる。
例えば、コンピューティング装置１００は複数の単位領域それぞれに対し、ポイントクラウドデータのポイントが含まれいるかどうかおよび複数の単位領域それぞれに含まれたポイントの体積を判断することによって、複数の単位領域それぞれに対する施工完了の有無を判断することができる。一例として、コンピューティング装置１００は特定の単位領域内にポイントが含まれており、特定の単位領域内に含まれたポイントの体積と特定の単位領域の体積が予め設定された誤差範囲以内である場合、特定の単位領域に対する施工が完了したものと判断できるが、これに限定されない。
【0038】
Ｓ３４０段階で、コンピューティング装置１００はＳ３３０段階を経て判断された複数の単位領域それぞれの施工完了の有無に基づいて、特定客体に対する工程率を判断することができる。例えば、コンピューティング装置１００は一つのパイプラインに対応する領域を１０個に分割することによって生成された１０個の単位領域のうち、３個の単位領域に対して施工が完了したものと判断される場合、パイプラインに対する工程率を３０％と算出することができる。
再び図４を参照すると、多様な実施例において、コンピューティング装置１００は特定作業の結果物に対し、互いに異なる時点で収集されたポイントクラウドと設計図面データを整合した結果に基づいて算出された作業進行率が同一である場合、特定作業の結果物に対する色相変化量に基づいて特定作業の結果物に対する作業進行率変動量を算出することができる。
例えば、コンピューティング装置１００は第１時点で収集されたポイントクラウドデータと設計図面データの整合結果に基づいて算出された第１比率（特定作業の結果物に対する体積値比率）と第１時点以後の第２時点で収集されたポイントクラウドデータと設計図面データの整合結果に基づいて算出された第２比率（特定作業の結果物に対する体積値比率）が同一である場合、第１時点でカメラセンサを通じて建設現場を撮影することによって収集されたイメージデータと第２時点でカメラセンサを通じて建設現場を撮影することによって収集されたイメージデータを比較して第１領域に対する色相変化量を算出し、算出された色相変化量に基づいて特定作業の結果物に対する作業進行率の変動量を算出することができる。以下、図６を参照して、イメージピクセル値に基づいて工程率を算出するより具体的な方法について説明することにする。
再び図４を参照すると、多様な実施例において、コンピューティング装置１００は特定作業の結果物に対し、互いに異なる時点で収集されたポイントクラウドと設計図面データを整合した結果に基づいて算出された作業進行率が同一である場合、特定作業の結果物に対する色相変化量に基づいて特定作業の結果物に対する作業進行率変動量を算出することができる。
例えば、コンピューティング装置１００は第１時点で収集されたポイントクラウドデータと設計図面データの整合結果に基づいて算出された第１比率（特定作業の結果物に対する体積値比率）と第１時点以後の第２時点で収集されたポイントクラウドデータと設計図面データの整合結果に基づいて算出された第２比率（特定作業の結果物に対する体積値比率）が同一である場合、第１時点でカメラセンサを通じて建設現場を撮影することによって収集されたイメージデータと第２時点でカメラセンサを通じて建設現場を撮影することによって収集されたイメージデータを比較して第１領域に対する色相変化量を算出し、算出された色相変化量に基づいて特定作業の結果物に対する作業進行率の変動量を算出することができる。以下、図６を参照して、イメージピクセル値に基づいて工程率を算出するより具体的な方法について説明することにする。
【0039】
図６は、イメージピクセル値基盤の工程率算出方法を説明するためのフローチャートである。
図６を参照すると、Ｓ４１０段階で、コンピューティング装置１００は整合されたデータ（例えば、ポイントクラウドデータと設計図面データを整合することによって生成されるデータ）を分析して工程率を算出しようとする対象となる客体を選択し、選択された客体に対応する領域を抽出することができる。例えば、コンピューティング装置１００は特定壁面に対する工程率を算出しようとする場合、整合されたデータから特定壁面に対応する領域のみを抽出することができる。しかし、これに限定されない。
Ｓ４２０段階で、コンピューティング装置１００はＳ４１０段階を経て抽出された特定客体に対応する領域をピクセル化することによって特定客体に対応する領域に対する２次元イメージを生成することができる。例えば、コンピューティング装置１００は特定客体に対応する領域に含まれたポイントのＲＧＢ値を利用して、特定客体に対応する領域を特定時点を基準として事前に定められた大きさでピクセル化することによって、特定客体に対応する領域を特定時点に対する２次元イメージに変換することができる。
Ｓ４３０段階で、コンピューティング装置１００はＳ４２０段階を経て生成された２次元イメージと基準イメージ間のピクセル値を比較することによって類似度を算出することができ、算出された類似度を特定客体に対する工程率として算出することができる。例えば、コンピューティング装置１００は特定客体に対して生成された２次元イメージと基準イメージ間の類似度が５０％である場合、特定客体に対する工程率を５０％と算出することができる。
ここで、基準イメージは施工が完了した特定客体に対する特定時点のイメージを意味し得るが、これに限定されない。
図６を参照すると、Ｓ４１０段階で、コンピューティング装置１００は整合されたデータ（例えば、ポイントクラウドデータと設計図面データを整合することによって生成されるデータ）を分析して工程率を算出しようとする対象となる客体を選択し、選択された客体に対応する領域を抽出することができる。例えば、コンピューティング装置１００は特定壁面に対する工程率を算出しようとする場合、整合されたデータから特定壁面に対応する領域のみを抽出することができる。しかし、これに限定されない。
Ｓ４２０段階で、コンピューティング装置１００はＳ４１０段階を経て抽出された特定客体に対応する領域をピクセル化することによって特定客体に対応する領域に対する２次元イメージを生成することができる。例えば、コンピューティング装置１００は特定客体に対応する領域に含まれたポイントのＲＧＢ値を利用して、特定客体に対応する領域を特定時点を基準として事前に定められた大きさでピクセル化することによって、特定客体に対応する領域を特定時点に対する２次元イメージに変換することができる。
Ｓ４３０段階で、コンピューティング装置１００はＳ４２０段階を経て生成された２次元イメージと基準イメージ間のピクセル値を比較することによって類似度を算出することができ、算出された類似度を特定客体に対する工程率として算出することができる。例えば、コンピューティング装置１００は特定客体に対して生成された２次元イメージと基準イメージ間の類似度が５０％である場合、特定客体に対する工程率を５０％と算出することができる。
ここで、基準イメージは施工が完了した特定客体に対する特定時点のイメージを意味し得るが、これに限定されない。
【0040】
ここで、コンピューティング装置１００が特定客体に対する２次元イメージと基準イメージ間のピクセル値の比較を通じて特定客体に対する工程率を算出するものとして説明しているが、これに限定されず、コンピューティング装置１００は特定客体に対する２次元イメージの属性（例えば、材質）と基準イメージの属性間の類似度の比較を通じて特定客体に対する工程率を算出することができる。
また、ここで、コンピューティング装置１００が特定客体に対する２次元イメージと基準イメージ間のピクセル値の比較を通じて特定客体に対する工程率を算出するものとして説明しているが、これに限定されず、特定客体に対する２次元イメージと基準イメージを共に出力するユーザインターフェースをユーザに提供することによって、ユーザが直接肉眼で工程率を確認できる環境を構築することができる。
また、ここで、コンピューティング装置１００が特定客体に対する２次元イメージと基準イメージ間のピクセル値の比較を通じて特定客体に対する工程率を算出するものとして説明しているが、これに限定されず、特定客体に対する２次元イメージと基準イメージを共に出力するユーザインターフェースをユーザに提供することによって、ユーザが直接肉眼で工程率を確認できる環境を構築することができる。
【0041】
再び図４を参照すると、多様な実施例において、コンピューティング装置１００は複数のポイントクラウドデータと複数の設計図面レイヤそれぞれを整合した結果に基づいて、作業の結果物別作業進行率を個別的に算出することができ、作業の結果物別作業進行率を合算することによって、建設現場に対する最終的な作業進行率を算出することができる。
例えば、コンピューティング装置１００は柱に対応する単位ポイントクラウドデータと柱設計図面レイヤを整合した結果に基づいて柱設置作業に対する作業進行率を算出することができ、窓に対応する単位ポイントクラウドデータと窓設計図面レイヤを整合した結果に基づいて窓設置作業に対する作業進行率を算出することができ、壁に対応する単位ポイントクラウドデータと壁設計図面レイヤを整合した結果に基づいて壁設置作業に対する作業進行率を算出することができる。以後、コンピューティング装置１００は柱設置作業に対する作業進行率、窓設置作業に対する作業進行率および壁設置作業に対する作業進行率を合算して作業現場に対する最終的な作業進行率を算出することができる。しかし、これに限定されない。
多様な実施例において、コンピューティング装置１００は第１設計図面データと第１ポイントクラウドデータの整合結果に基づいて建物の外部に対する第１作業進行率を算出することができ、第２設計図面データと第２ポイントクラウドデータの整合結果に基づいて建物の内部に対する第２作業進行率を算出することができる。
Ｓ２３０段階で、コンピューティング装置１００は作業管理ソリューションとして、Ｓ２２０段階を経て算出された作業進行率に関する情報を提供することができる。
多様な実施例において、コンピューティング装置１００はネットワーク４００を通じてユーザ端末２００と連結され得、ユーザ端末２００にＵＩを提供することができ、ＵＩを通じてユーザから作業進行率の提供要請を獲得することによって建設現場に対する作業進行率に関連した情報を提供することができる。
ここで、建設現場に対する作業進行率に関連した情報は、複数の作業に関する情報、複数の作業それぞれの作業進行率、建設現場に対する最終作業進行率を含むことができるが、これに限定されない。
例えば、コンピューティング装置１００は柱に対応する単位ポイントクラウドデータと柱設計図面レイヤを整合した結果に基づいて柱設置作業に対する作業進行率を算出することができ、窓に対応する単位ポイントクラウドデータと窓設計図面レイヤを整合した結果に基づいて窓設置作業に対する作業進行率を算出することができ、壁に対応する単位ポイントクラウドデータと壁設計図面レイヤを整合した結果に基づいて壁設置作業に対する作業進行率を算出することができる。以後、コンピューティング装置１００は柱設置作業に対する作業進行率、窓設置作業に対する作業進行率および壁設置作業に対する作業進行率を合算して作業現場に対する最終的な作業進行率を算出することができる。しかし、これに限定されない。
多様な実施例において、コンピューティング装置１００は第１設計図面データと第１ポイントクラウドデータの整合結果に基づいて建物の外部に対する第１作業進行率を算出することができ、第２設計図面データと第２ポイントクラウドデータの整合結果に基づいて建物の内部に対する第２作業進行率を算出することができる。
Ｓ２３０段階で、コンピューティング装置１００は作業管理ソリューションとして、Ｓ２２０段階を経て算出された作業進行率に関する情報を提供することができる。
多様な実施例において、コンピューティング装置１００はネットワーク４００を通じてユーザ端末２００と連結され得、ユーザ端末２００にＵＩを提供することができ、ＵＩを通じてユーザから作業進行率の提供要請を獲得することによって建設現場に対する作業進行率に関連した情報を提供することができる。
ここで、建設現場に対する作業進行率に関連した情報は、複数の作業に関する情報、複数の作業それぞれの作業進行率、建設現場に対する最終作業進行率を含むことができるが、これに限定されない。
【0042】
図７は多様な実施例において、作業管理ソリューションとして、安全ガイドを提供する方法を説明するためのフローチャートである。
図７を参照すると、多様な実施例において、コンピューティング装置１００はポイントクラウドと建設現場に対応する設計図面データを利用して、作業管理ソリューションとして、建設現場に対する安全ガイドを提供することができる。
Ｓ５１０段階で、コンピューティング装置１００は建設現場をスキャンすることによって収集されたポイントクラウドデータと建設現場に対する設計図面データを整合させることができる。
ここで、ポイントクラウドデータと設計図面データを整合させる方法は、図４のＳ２１０段階を経て遂行されるポイントクラウドデータと設計図面データの整合方法と同一または類似する形態で具現され得るが、これに限定されない。
ここで、ポイントクラウドデータとの整合を通じて安全措置遵守の有無を判断するための目的で、建設現場に対する設計図面データには事前に安全措置遵守に関連した情報が記録され得る。ここで、安全措置遵守に関連した情報は安全措置が必要な位置と安全措置の種類に関する情報例えば、安全フェンスの設置位置に関する情報を含むことができるが、これに限定されない。
図７を参照すると、多様な実施例において、コンピューティング装置１００はポイントクラウドと建設現場に対応する設計図面データを利用して、作業管理ソリューションとして、建設現場に対する安全ガイドを提供することができる。
Ｓ５１０段階で、コンピューティング装置１００は建設現場をスキャンすることによって収集されたポイントクラウドデータと建設現場に対する設計図面データを整合させることができる。
ここで、ポイントクラウドデータと設計図面データを整合させる方法は、図４のＳ２１０段階を経て遂行されるポイントクラウドデータと設計図面データの整合方法と同一または類似する形態で具現され得るが、これに限定されない。
ここで、ポイントクラウドデータとの整合を通じて安全措置遵守の有無を判断するための目的で、建設現場に対する設計図面データには事前に安全措置遵守に関連した情報が記録され得る。ここで、安全措置遵守に関連した情報は安全措置が必要な位置と安全措置の種類に関する情報例えば、安全フェンスの設置位置に関する情報を含むことができるが、これに限定されない。
【0043】
Ｓ５２０段階で、コンピューティング装置１００はＳ５１０段階を経てポイントクラウドデータと設計図面データの整合結果に基づいて、建設現場に対する安全措置遵守の有無を判断することができる。
多様な実施例において、コンピューティング装置１００は設計図面データ上の特定位置に安全フェンスを設置することが記録されている場合、設計図面データとポイントクラウドデータの整合結果に基づいて特定位置に安全フェンスが設置されているかどうかを判断することによって、建設現場に対する安全措置遵守の有無を判断することができる。
Ｓ５３０段階で、コンピューティング装置１００はＳ５２０段階を経て判断された安全措置遵守の有無に基づいて、作業管理ソリューションとして、安全ガイド情報を提供することができる。
多様な実施例において、コンピューティング装置１００は設計図面データ上の特定位置に安全フェンスを設置することが記録されている場合、設計図面データとポイントクラウドデータの整合結果に基づいて特定位置に安全フェンスが設置されているかどうかを判断することによって、建設現場に対する安全措置遵守の有無を判断することができる。
Ｓ５３０段階で、コンピューティング装置１００はＳ５２０段階を経て判断された安全措置遵守の有無に基づいて、作業管理ソリューションとして、安全ガイド情報を提供することができる。
【0044】
多様な実施例において、コンピューティング装置１００は特定位置に安全フェンスが設置されていないと判断される場合、特定位置に安全フェンスを設置することを案内する案内メッセージと安全フェンスの設置方法に関する情報を含む安全ガイドを提供することができる。
前述したライダセンサを利用した建設現場の作業管理ソリューション提供方法は、図面に図示されたフローチャートを参照して説明した。簡単な説明のために、ライダセンサを利用した建設現場の作業管理ソリューション提供方法は一連のブロックで図示して説明したが、本発明は前記ブロックの順序に限定されず、いくつかのブロックは本明細書に図示され叙述されたものと異なる順序で遂行されたりまたは同時に遂行され得る。また、本明細書および図面に記載されていない新しいブロックが追加されたり、一部のブロックが削除または変更された状態で遂行され得る。以下、図８～図１９を参照して、コンピューティング装置１００が提供するＵＩについて説明することにする。
図８～図１９は、多様な実施例において、ライダセンサを利用した建設現場の作業管理ソリューション提供装置が提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を図示した図面である。
前述したライダセンサを利用した建設現場の作業管理ソリューション提供方法は、図面に図示されたフローチャートを参照して説明した。簡単な説明のために、ライダセンサを利用した建設現場の作業管理ソリューション提供方法は一連のブロックで図示して説明したが、本発明は前記ブロックの順序に限定されず、いくつかのブロックは本明細書に図示され叙述されたものと異なる順序で遂行されたりまたは同時に遂行され得る。また、本明細書および図面に記載されていない新しいブロックが追加されたり、一部のブロックが削除または変更された状態で遂行され得る。以下、図８～図１９を参照して、コンピューティング装置１００が提供するＵＩについて説明することにする。
図８～図１９は、多様な実施例において、ライダセンサを利用した建設現場の作業管理ソリューション提供装置が提供するユーザインターフェース（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＵＩ）を図示した図面である。
【0045】
まず、図８～図１２を参照すると、本発明の多様な実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供方法を提供するコンピューティング装置１００は、建設現場に対する設計図面データを出力するＵＩを提供することができる。
コンピューティング装置１００が提供するＵＩは、ユーザから建設現場に対する設計図面データであるＢＩＭデータをアップロードしてもらうか、ＢＩＭデータを生成できる環境を提供することができ、アップロードされたＢＩＭデータまたは生成されたＢＩＭデータを出力するＢＩＭデータビューア機能を提供することができる。
また、コンピューティング装置１００が提供するＵＩは設計図面データの加工機能を提供することができ、設計図面データの加工機能を通じて複数の設計図面レイヤを生成することができる。例えば、設計図面データの加工機能を通じて、建物の階数により設計図面データを分類加工することによって複数の階それぞれに対応する設計図面レイヤを生成したり、作業の結果物（アイテム（例：天井、底、パイプ、柱、設備など））により設計図面データを分類加工することによって複数のアイテムそれぞれに対応する設計図面レイヤを生成することができる。
また、コンピューティング装置１００が提供するＵＩは、前述された方法により生成された複数の設計図面レイヤを分類基準によりグループ化したりフィルタリングして出力することができる。
また、コンピューティング装置１００が提供するＵＩは多様なフォーマットの設計図面データを処理および出力できる環境を提供することができる。
コンピューティング装置１００が提供するＵＩは、ユーザから建設現場に対する設計図面データであるＢＩＭデータをアップロードしてもらうか、ＢＩＭデータを生成できる環境を提供することができ、アップロードされたＢＩＭデータまたは生成されたＢＩＭデータを出力するＢＩＭデータビューア機能を提供することができる。
また、コンピューティング装置１００が提供するＵＩは設計図面データの加工機能を提供することができ、設計図面データの加工機能を通じて複数の設計図面レイヤを生成することができる。例えば、設計図面データの加工機能を通じて、建物の階数により設計図面データを分類加工することによって複数の階それぞれに対応する設計図面レイヤを生成したり、作業の結果物（アイテム（例：天井、底、パイプ、柱、設備など））により設計図面データを分類加工することによって複数のアイテムそれぞれに対応する設計図面レイヤを生成することができる。
また、コンピューティング装置１００が提供するＵＩは、前述された方法により生成された複数の設計図面レイヤを分類基準によりグループ化したりフィルタリングして出力することができる。
また、コンピューティング装置１００が提供するＵＩは多様なフォーマットの設計図面データを処理および出力できる環境を提供することができる。
【0046】
次に、図１３および図１４を参照すると、本発明の多様な実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供方法を提供するコンピューティング装置１００は、ポイントクラウドデータの軽量化およびデータ連動機能を含むＵＩを提供することができる。
コンピューティング装置１００が提供するポイントクラウドデータの軽量化およびデータ連動機能は、日間の特定期間の間のポイントクラウドデータのアップデートを自動的に遂行できる機能を含むことができ、日間の特定期間の間のポイントクラウドデータアップデートを自動的に遂行できる機能を通じて、特定時点で特定位置で収集されたポイントクラウドデータとイメージデータを全体のマップに整合することができ、データが更新された領域に対する作業進行率を算出して自動でアップデートすることができる。
また、コンピューティング装置１００が提供するポイントクラウドデータの軽量化およびデータ連動機能はポイントクラウド整合機能を含むことができ、ポイントクラウド整合機能を通じて、互いに異なる位置に配置された複数のライダセンサを通じて収集された複数のポイントクラウドを整合して提供することができる。
次に、図１５～図１８を参照すると、本発明の多様な実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供方法を提供するコンピューティング装置１００は、設計図面データとポイントクラウドデータの整合結果を出力するＵＩを提供することができる。
コンピューティング装置１００が提供するポイントクラウドデータの軽量化およびデータ連動機能は、日間の特定期間の間のポイントクラウドデータのアップデートを自動的に遂行できる機能を含むことができ、日間の特定期間の間のポイントクラウドデータアップデートを自動的に遂行できる機能を通じて、特定時点で特定位置で収集されたポイントクラウドデータとイメージデータを全体のマップに整合することができ、データが更新された領域に対する作業進行率を算出して自動でアップデートすることができる。
また、コンピューティング装置１００が提供するポイントクラウドデータの軽量化およびデータ連動機能はポイントクラウド整合機能を含むことができ、ポイントクラウド整合機能を通じて、互いに異なる位置に配置された複数のライダセンサを通じて収集された複数のポイントクラウドを整合して提供することができる。
次に、図１５～図１８を参照すると、本発明の多様な実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供方法を提供するコンピューティング装置１００は、設計図面データとポイントクラウドデータの整合結果を出力するＵＩを提供することができる。
【0047】
コンピューティング装置１００が提供するＵＩは建設現場に対する設計図面データとポイントクラウドデータ（および／またはイメージデータ）を座標に基づいて整合したり、ユーザ入力により手動整合することができ、整合の結果を出力することができる。
次に、図１９を参照すると、本発明の多様な実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供方法を提供するコンピューティング装置１００は、作業管理ソリューションを出力するＵＩを提供することができる。
例えば、作業の結果物別に分類された複数の設計図面レイヤとポイントクラウドデータを整合した結果に基づいて、特定のジオフェンス領域（作業の結果物に対応する領域）内でポイントクラウドデータを認識できる機能を通じて体積を演算することによって、作業進行率を算出することができ、ＵＩを通じて算出された作業進行率を出力することができる。
また、前述された方法により演算された体積が同一である場合、すなわち、作業進行率が同一である場合、イメージデータやポイントクラウドデータのＲＧＢ値を通じて色相の変化を感知して作業進行率の変動量を算出する機能を提供することができる。
この他にも、本発明の多様な実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供方法を提供するコンピューティング装置１００は、多様な工程管理データを外部にデータで抽出できる機能（例えば、ｅｘｃｅｌ、ｃｓｖなど）を提供することができる。
以上、添付された図面を参照して本発明の実施例を説明したが、本発明が属する技術分野の通常の技術者は本発明がその技術的思想や必須の特徴を変更することなく、他の具体的な形態で実施できることが理解できるであろう。したがって、以上で記述した実施例はすべての面で例示的なものであり、制限的ではないものと理解されるべきである。
次に、図１９を参照すると、本発明の多様な実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供方法を提供するコンピューティング装置１００は、作業管理ソリューションを出力するＵＩを提供することができる。
例えば、作業の結果物別に分類された複数の設計図面レイヤとポイントクラウドデータを整合した結果に基づいて、特定のジオフェンス領域（作業の結果物に対応する領域）内でポイントクラウドデータを認識できる機能を通じて体積を演算することによって、作業進行率を算出することができ、ＵＩを通じて算出された作業進行率を出力することができる。
また、前述された方法により演算された体積が同一である場合、すなわち、作業進行率が同一である場合、イメージデータやポイントクラウドデータのＲＧＢ値を通じて色相の変化を感知して作業進行率の変動量を算出する機能を提供することができる。
この他にも、本発明の多様な実施例に係るライダセンサを利用した建設現場の作業管理ソリューション提供方法を提供するコンピューティング装置１００は、多様な工程管理データを外部にデータで抽出できる機能（例えば、ｅｘｃｅｌ、ｃｓｖなど）を提供することができる。
以上、添付された図面を参照して本発明の実施例を説明したが、本発明が属する技術分野の通常の技術者は本発明がその技術的思想や必須の特徴を変更することなく、他の具体的な形態で実施できることが理解できるであろう。したがって、以上で記述した実施例はすべての面で例示的なものであり、制限的ではないものと理解されるべきである。
【符号の説明】
【0048】
１００：作業管理ソリューション提供装置（コンピューティング装置）
２００：ユーザ端末
３００：外部サーバー
４００：ネットワーク
２００：ユーザ端末
３００：外部サーバー
４００：ネットワーク
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
