Analisis Penggunaan Unmanned Aerial Vehicle (UAV) untuk Inspeksi dan Pemodelan 3D Gedung
DOI:
https://doi.org/10.21009/jmenara.v20i1.50117Keywords:
3D, Deteksi Retakan, Inspeksi Gedung, Ransac, UAVAbstract
Implementasi UAV untuk mendapatkan data citra bagi keperluan pemantauan dan inspeksi gedung telah mengalami perkembangan dalam beberapa tahun terakhir ini. Penggunaan UAV dalam penilaian dan pemodelan terutama kerusakan menjadi bagian yang terus dikembangkan dalam berbagai penelitian. Fleksibilitas operasional, efektif biaya dan efisiensi waktu menjadi faktor pendukung dalam penggunaan UAV. Oleh karena itu, penelitian ini memberikan ulasan secara komprehensif terkait pemanfaatan UAV untuk inspeksi gedung serta pemodelan 3D gedung. Lebih dari itu, penelitian ini dimaksudkan untuk memberikan informasi kerusakan bangunan untuk keperluan pemantauan lebih lanjut. Penelitian ini diusung berdasarkan pada teknik fotogrametri menggunakan sudut oblique. Analisis kerusakan didasarkan pada deteksi retakan pada dinding luar gedung sehingga dapat dikategorikan pada kerusakan rendah dan sedang. Hasil identifikasi menunjukan terdapat 262 retakan dengan estimasi retakan terpanjang yaitu 1694,20 mm. Pada data foto UAV juga dilakukan pemodelan 3D sehingga dapat dideteksi bagian atap gedung dengan prinsip dasar RANSAC. Model atap juga diidentifikasi dengan titik-titik sampel, sehingga pada iterasi ke 100 dengan threshold 0,1 maka diperoleh hasil terbaik 1,0000 dan 0,0557. Model atap yang dihasilkan ini juga dapat menjadi bagian yang dapat diaplikasikan untuk pemantauan dan perawatan gedung. Kedepannya metode ini diharapkan dapat memberikan kontribusi dalam proses inspeksi gedung.
References
Bani, M. N. (2022). Analisis Kerapatan 3D Point Clouds pada UAV Fotogrametri. Qua Teknika, 12, 45–57.
Cirillo, D., Cerritelli, F., Agostini, S., Bello, S., Lavecchia, G., dan Brozzetti, F. (2022). Integrating Post-Processing Kinematic (PPK) – Structure from Motion (SfM) with Unmanned Aerial Vehicle (UAV) Photogrammetry and Digital Field Mapping for Structural Geological Analysis. ISPRS International Journal of Geo-Information, 11, 437.
Fischler, M. A. dan Bolles, R. C. (1981). Random Sample Consensus. Communications of the ACM, 24, 381–395.
Kartika, W., Sukindrawati, B., dan Sarju, S. (2023). Identifikasi Lahan Potensial Sebagai Lokasi Relokasi Perumahan Berbasis Kebencanaan. Menara: Jurnal Teknik Sipil, 18, 146–151.
Liu, D., Xia, X., Chen, J., dan Li, S. (2021). Integrating Building Information Model and Augmented Reality for Drone-Based Building Inspection. Journal of Computing in Civil Engineering, 35.
Munawar, H., Ullah, F., Shahzad, D., Heravi, A., Qayyum, S., dan Akram, J. (2022). Civil Infrastructure Damage and Corrosion Detection: An Application of Machine Learning. Buildings, 12, 156.
Pan, N.-H., Tsai, C.-H., Chen, K.-Y., dan Sung, J. (2020). Enhancement Of External Wall Decoration Material for the Building in Safety Inspection Method. Journal of Civil Engineering and Management, 26, 216–226.
Peraturan Menteri Pekerjaan Umum dan Perumahan Rakyat. (2021). Peraturan Menteri Pekerjaan Umum Dan Perumahan Rakyat Republik Indonesia Nomor 20 Tahun 2021 Tentang Bangunan Gedung Fungsi Khusus.
Peraturan Pemerintah. (2021). Peraturan Pemerintah Republik Indonesia No.16 Tahun 2021 Tentang Peraturan Pelaksanaan Undang-Undang Nomor 28 Tahun 2002 Tentang Bangunan Gedung.
Sztubecki, J., Topoliński, S., Mrówczyńska, M., Bağrıaçık, B., dan Beycioğlu, A. (2022). Experimental Research of the Structure Condition Using Geodetic Methods and Crackmeter. Applied Sciences, 12, 6754.
Tan, Y., Li, G., Cai, R., Ma, J., dan Wang, M. (2022). Mapping and Modelling Defect Data from UAV Captured Images to BIM for Building External Wall Inspection. Automation in Construction, 139, 104284.
Wolf, P. R., Dewitt, B. A., dan Wilkinson, B. E. (2014). Elements of Photogrammetry with Application in GIS 4th Edition. McGraw-Hill Education.
Woo, H., Hong, W., Oh, J., dan Baek, S. (2023). Defining Structural Cracks in Exterior Walls of Concrete Buildings Using an Unmanned Aerial Vehicle. Drones, 7, 149.
Wu, Q., Liu, J., Gao, C., Wang, B., Shen, G., dan Li, Z. (2022). Improved RANSAC Point Cloud Spherical Target Detection and Parameter Estimation Method Based on Principal Curvature Constraint. Sensors, 22, 5850.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Martince Novianti Bani, Helik Susilo , Anisah Nur Fajarwati
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this Journal agree to the following terms:
- Author retain copyright and grant the journal right of first publication with the work simultaneously licensed under a creative commons attribution licensethat allow others to share the work within an acknowledgement of the work’s authorship and initial publication of this journal.
- Authors are able to enter into separate, additional contractual arrangementfor the non-exclusive distribution of the journal’s published version of the work (e.g. acknowledgement of its initial publication in this journal).
- Authors are permitted and encouraged to post their work online(e.g. in institutional repositories or on their websites) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published works.
