RivVideoFlow : 딥러닝을 이용한 물의 흐름 속도 측정

 

요즘 날씨가 점점 극단적으로 변하면서 갑작스런 폭우나 가뭄 같은 문제가 자주 생기고 있습니다. 이런 기후 문제에 잘 대응하려면 강이나 하천의 물 흐름을 빠르게 파악하고 관리하는 기술이 꼭 필요합니다. 그중에서도 '물 위를 흐르는 속도'를 알 수 있는 기술은 특히 중요하죠. 왜냐하면 홍수가 얼마나 빠르게 올지 예측하거나, 하천이 침식되는 걸 막는 데 큰 도움이 되기 때문입니다. 

 

지금까지는 센서를 물에 직접 넣거나 장비를 띄워서 속도를 측정하는 방식이 대부분이었는데, 이건 비용도 많이 들고 측정할 때 위험하기도 합니다. 그래서 요즘엔 '카메라로 찍은 영상'을 분석해서 물의 흐름 속도를 알아내는 기술들이 등장했습니다. RivVideoFlow는 이런 영상 기반 기술 중 하나인데, 복잡한 설정 없이도 빠르고 정확하게 물의 흐름을 측정할 수 있습니다. 

 

유속을 측정하는 것은 하천으로 유입되는 유량(흐르는 물의 양)을 산정하기 위함입니다. 이를 종합적으로 취합, 분석해서 강의 본류 쪽에 특정 시간 대에 몰릴 유량의 총합을 계산하거나 하는 용도로 산정되죠. (예를 들어 보나 댐의 수문을 어느 정도 열어 방류해야 하는지 등등) 여튼 정확한 유량 산정을 위해서는 단순히 유속만 있어어서는 안 되면 하천의 단면 면적에 대한 조사도 함께 되어야 합니다. 

---

 

RivVedeoFlow

1) 기존 방식의 문제점

예전의 유속 측정 방식 가운데 비전을 이용하는 방식은 물에 띄운 입자를 카메라로 찍고, 그 입자가 얼마나 움직였는지를 분석해서 물의 속도를 측정했습니다. 그런데 문제는 조명이 어둡거나 그림자가 생기거나 물 위에 거품이 많으면 분석이 어렵다는 것이었고 프로그램 설정이 복잡해서 전문가가 아니면 쓰기 힘든 경우도 많았습니다.

2) RivVideoFlow는 어떻게 다를까?

RivVideoFlow는 크게 두 가지 기술이 결합된 방식입니다.

1. 카메라에 찍힌 기울어져 찍은 영상을 위에서 본 것처럼 바꿔주는 기술
   이를 통해 촬영 각도가 달라도 영상이 실제 위치와 맞게 정리됩니다. 이렇게 정리하면 흐름 방향이나 속도를 더 정확히 알 수 있습니다.
2. 딥러닝을 이용한 '움직임 추적 기술'
   영상에서 물결이나 부유물이 움직이는 걸 분석해서 속도를 계산합니다. 기존엔 두 장의 영상만 비교했지만, RivVideoFlow는 여러 장의 연속 영상을 동시에 분석해 흐름을 더 부드럽고 정확하게 파악할 수 있습니다.

3) 적용된 상세 기술

• 영상 보정(정사 보정 및 왜곡 보정) : 영상의 기하학적 왜곡을 제거하여 실제 좌표와 영상 좌표를 일치시키는 작업입니다. 비스듬히 찍은 영상도 위에서 본 것처럼 반듯하게 바꿔주어 마치 드론이 수직으로 내려다본 것처럼 변환합니다. 최소 4개의 GCP(Ground Control point)가 필요하며 렌즈의 곡률로 인한 방사왜곡(radial distribution)과 접선왜곡(tangential distortion) 보정도 함께 진행합니다. 

그림 : 영상 보정을 통해 측면 촬영 영상을 상단 촬영영상으로 변환한 예시

 

• VideoFlow 기반 딥러닝 모델 : 기존 RAFT 기반 모델의 단점을 보완해 다프레임 기반의 Optical Flow 추정 모델을 이용합니다. 3 프레임을 동시 분석해 연속적 흐름을 포착하는데, 양방향 흐름을 예측/보정하는 TFOF(Tri-frame Optical flow) 모듈과 연속 프레임 간 모션정보르 전파해 일관성을 강화하는 MOP(Motion Propagation) 모듈로 구성되어 있습니다. 

 

그림 : VideoFlow의 3프레임 분석 구조

 

• 실험 환경 및 데이터셋 : 다양한 조명 조건, 유속, 입자 분포를 고려한 실내 수조 및 실제 하천에서 실험을 진행했으며, RivVideoFlow는 대부분의 환경에서 기존보다 좋은 성능을 보였다고 합니다. 

그림 : 실제 하천에서의 측정 결과 비교 예시

 

4) 제약사항

유속이 너무 빠르고 물보라가 많이 일면, 영상이 흐려져서 정확도가 떨어질 수 있는데 이건 실내 실험에서 생긴 문제로 추정되며, 실제 강에서는 오히려 더 나은 결과가 나올 가능성이 높다고 합니다. (논문 상에는 이렇게 설명되어 있습니다)

---

RivVideoFlow는 강이나 하천에서 물의 흐름을 쉽게, 빠르게, 그리고 꽤 정확하게 측정할 수 있는 시스템입니다. 무엇보다 복잡한 설정 없이 사용할 수 있어서 전문가가 아니어도 쓸 수 있다는 게 큰 장점이죠. 앞으로는 이런 기술이 더 고도화되면 홍수 예측이나 환경 보호 같은 데 더 널리 쓰일 수 있을 것으로 생각됩니다. 

---

참고자료

• 논문) Non-Intrusive Water Surface Velocity Measurement Based on Deep Learning (링크)

---

Q&A

Q. RivVideoFlow는 어떤 상황에서 가장 유리한가요?

RivVideoFlow는 영상 품질이 좋고, 유속이 빠르며, 흐름에 일관성이 있는 환경에서 뛰어난 성능을 보입니다. 특히 고속 유량 측정에서 타 기법보다 정확도가 높습니다.

 

Q. GCP는 몇 개나 필요한가요?

최소 4개의 기준점(GCP)만 있으면 2D 또는 3D 정사보정이 가능합니다. 다만 기준점이 많을수록 보정 정확도가 향상됩니다.

 

Q. 실제 하천에서도 사용할 수 있나요?

네, 실제 하천(Freiberger Mulde, Castor, Hurunui River)에서도 실험을 통해 좋은 성능을 입증했습니다. 드론이나 고정식 카메라를 통해 촬영된 영상으로도 측정이 가능합니다.

 

Q. RivVideoFlow는 꼭 전문가만 써야 하나요?

아니요! 복잡한 설정 없이 쓸 수 있어서 일반 사용자도 쉽게 활용할 수 있습니다. 

 

Q. 강물 속도를 측정하려면 뭘 준비해야 하나요?

강을 찍을 수 있는 카메라만 있으면 됩니다. 나중에 영상에 맞는 몇 개의 기준점(GCP)만 설정하면 측정이 가능합니다.

 

Q. 빠른 유속도 측정 가능한가요?

실험 결과 상으로는 3.5m/s 이상의 속도도 꽤 정확히 측정할 수 있을 것 같긴 합니다. 실제 하천에서의 적용은 실제 테스트가 필요합니다.