로봇의 3차원 작업에서 이동하는 목표물의 인식 및 위치의 검출은 중요하다. 본 논문에서는 개선된 해상도를 갖는 초음파 센서 배열(ultrasonic sensor array)을 설계하고, 이를 컨베이어 벨트(conveyor belt)에 의하여 움직이는 물체를 인식하고 위치를 검출하는데 활용하기 위한 기술을 제안한다. 공기 중에서 사용되는 초음파 거리 센서의 경우 대부분 송신기로부터 방사된 초음파가 목표물에 반사된 후 수신기에서 검출될 때까지의 비행시간을 측정하여 거리를 계산하는데, 광을 사용하는 레이저 센서나 카메라에 비하여 간단하게 거리를 측정할 수 있는 장점이 있지만 해상도가 낮은 문제가 있다. 본 논문에서 설계된 센서 배열은 계측영역으로 고려된 벨트의 90mm 너비를 5개 영역으로 나누고, 각 영역은 배열에 사용된 9개의 초음파 센서들 중 5개의 조합에 의하여 중첩 계측한다. 이 때 영역별로 유효한 센서들의 조합은 고유하다. 2차원 배열형태로 설치된 센서들은 일직선상에서 계측하였을 때와 같은 효과를 얻을 수 있도록 컨베이어의 이동 속도와 센서의 계측 주기를 실험적으로 고려하여 보정되었다. 각 계측영역마다 중첩 사용된 센서들에서 얻어진 잉여의 계측치들은 평균, 최대, 최소, 혹은 ...
로봇의 3차원 작업에서 이동하는 목표물의 인식 및 위치의 검출은 중요하다. 본 논문에서는 개선된 해상도를 갖는 초음파 센서 배열(ultrasonic sensor array)을 설계하고, 이를 컨베이어 벨트(conveyor belt)에 의하여 움직이는 물체를 인식하고 위치를 검출하는데 활용하기 위한 기술을 제안한다. 공기 중에서 사용되는 초음파 거리 센서의 경우 대부분 송신기로부터 방사된 초음파가 목표물에 반사된 후 수신기에서 검출될 때까지의 비행시간을 측정하여 거리를 계산하는데, 광을 사용하는 레이저 센서나 카메라에 비하여 간단하게 거리를 측정할 수 있는 장점이 있지만 해상도가 낮은 문제가 있다. 본 논문에서 설계된 센서 배열은 계측영역으로 고려된 벨트의 90mm 너비를 5개 영역으로 나누고, 각 영역은 배열에 사용된 9개의 초음파 센서들 중 5개의 조합에 의하여 중첩 계측한다. 이 때 영역별로 유효한 센서들의 조합은 고유하다. 2차원 배열형태로 설치된 센서들은 일직선상에서 계측하였을 때와 같은 효과를 얻을 수 있도록 컨베이어의 이동 속도와 센서의 계측 주기를 실험적으로 고려하여 보정되었다. 각 계측영역마다 중첩 사용된 센서들에서 얻어진 잉여의 계측치들은 평균, 최대, 최소, 혹은 중간값 필터를 이용하여 융합함으로서 정확도를 높일 수 있었다. 이들 기법에 대한 비교실험에서는 최대치를 사용하는 방식이 가장 좋은 결과를 보였다. 설계된 초음파 센서 배열을 이용하여 여러 가지 크기와 자세의 상자형 사각물체들을 벨트로 이송시키면서 거리 지도 영상(rangemap image)을 얻고, 잉여 계측의 최대치를 이용하여 물체의 중심위치를 계측하였을 때 MSE(mean square error)는 8.94mm였다. 물체의 3차원적 구조가 오차의 주요한 요인이며, 이는 인공 신경망(artificial neural network)을 활용하여 개선하였다. RPROP(resilient back-propagation) 알고리즘에 의하여 학습된 단일 은닉층(hidden layer)의 순방향 신경망을 사용한 실험에서 약 10% 오차 감소를 확인하였다. 신경망의 학습에 필요한 다수의 데이터는 시각센서와 바코더를 활용하여 자동으로 취득하였다.
로봇의 3차원 작업에서 이동하는 목표물의 인식 및 위치의 검출은 중요하다. 본 논문에서는 개선된 해상도를 갖는 초음파 센서 배열(ultrasonic sensor array)을 설계하고, 이를 컨베이어 벨트(conveyor belt)에 의하여 움직이는 물체를 인식하고 위치를 검출하는데 활용하기 위한 기술을 제안한다. 공기 중에서 사용되는 초음파 거리 센서의 경우 대부분 송신기로부터 방사된 초음파가 목표물에 반사된 후 수신기에서 검출될 때까지의 비행시간을 측정하여 거리를 계산하는데, 광을 사용하는 레이저 센서나 카메라에 비하여 간단하게 거리를 측정할 수 있는 장점이 있지만 해상도가 낮은 문제가 있다. 본 논문에서 설계된 센서 배열은 계측영역으로 고려된 벨트의 90mm 너비를 5개 영역으로 나누고, 각 영역은 배열에 사용된 9개의 초음파 센서들 중 5개의 조합에 의하여 중첩 계측한다. 이 때 영역별로 유효한 센서들의 조합은 고유하다. 2차원 배열형태로 설치된 센서들은 일직선상에서 계측하였을 때와 같은 효과를 얻을 수 있도록 컨베이어의 이동 속도와 센서의 계측 주기를 실험적으로 고려하여 보정되었다. 각 계측영역마다 중첩 사용된 센서들에서 얻어진 잉여의 계측치들은 평균, 최대, 최소, 혹은 중간값 필터를 이용하여 융합함으로서 정확도를 높일 수 있었다. 이들 기법에 대한 비교실험에서는 최대치를 사용하는 방식이 가장 좋은 결과를 보였다. 설계된 초음파 센서 배열을 이용하여 여러 가지 크기와 자세의 상자형 사각물체들을 벨트로 이송시키면서 거리 지도 영상(range map image)을 얻고, 잉여 계측의 최대치를 이용하여 물체의 중심위치를 계측하였을 때 MSE(mean square error)는 8.94mm였다. 물체의 3차원적 구조가 오차의 주요한 요인이며, 이는 인공 신경망(artificial neural network)을 활용하여 개선하였다. RPROP(resilient back-propagation) 알고리즘에 의하여 학습된 단일 은닉층(hidden layer)의 순방향 신경망을 사용한 실험에서 약 10% 오차 감소를 확인하였다. 신경망의 학습에 필요한 다수의 데이터는 시각센서와 바코더를 활용하여 자동으로 취득하였다.
Recognizing a moving target and measuring its position are important for 3D robotic work. In this thesis, an ultrasonic sensor array is designed and used to detect a moving object on a belt conveyor and to measure its position. Most airborne ultrasonic range sensors compute the distance to a target ...
Recognizing a moving target and measuring its position are important for 3D robotic work. In this thesis, an ultrasonic sensor array is designed and used to detect a moving object on a belt conveyor and to measure its position. Most airborne ultrasonic range sensors compute the distance to a target by measuring the time-of-flight of ultrasonic waves transmitted and reflected by the target. Compared with laser and vision sensors, which use light an ultrasonic sensor is simple in distance measurement but its resolution is low. The sensor array designed in this thesis divides the 90mm-wide belt surface into 5 sections and each section is measured redundantly by 5 of 9 sensors employed for the array. Sets of the effective 5 sensors are different for different sections. Sensors are in 2D array but calibrated so that they are virtually positioned in a line by experimentally considering belt speed and the measurement period of sensor system. Redundant measurements from overlapped sensors for each section are fused by mean, maximum, minimum, and median filtering to increase accuracy. In comparative experiments using these techniques, using the maximum value showed the best result. Using the ultrasonic sensor array designed, range map images of rectangular boxes of different sizes in different poses are obtained to measure the center of box. The mean squared error of measurements obtained using the maximum of redundant measurements in experiments was 8.94mm. The 3D structures of objects cause error in measurement and an artificial neural network is used for the improvement. A network of single hidden layer trained by RPROP(resilient back-propagation) learning algorithm was applied and error was decreased by approximately 10% in experiments. A large number of data required for training the neural network were collected automatically using a vision sensor and bar codes.
Recognizing a moving target and measuring its position are important for 3D robotic work. In this thesis, an ultrasonic sensor array is designed and used to detect a moving object on a belt conveyor and to measure its position. Most airborne ultrasonic range sensors compute the distance to a target by measuring the time-of-flight of ultrasonic waves transmitted and reflected by the target. Compared with laser and vision sensors, which use light an ultrasonic sensor is simple in distance measurement but its resolution is low. The sensor array designed in this thesis divides the 90mm-wide belt surface into 5 sections and each section is measured redundantly by 5 of 9 sensors employed for the array. Sets of the effective 5 sensors are different for different sections. Sensors are in 2D array but calibrated so that they are virtually positioned in a line by experimentally considering belt speed and the measurement period of sensor system. Redundant measurements from overlapped sensors for each section are fused by mean, maximum, minimum, and median filtering to increase accuracy. In comparative experiments using these techniques, using the maximum value showed the best result. Using the ultrasonic sensor array designed, range map images of rectangular boxes of different sizes in different poses are obtained to measure the center of box. The mean squared error of measurements obtained using the maximum of redundant measurements in experiments was 8.94mm. The 3D structures of objects cause error in measurement and an artificial neural network is used for the improvement. A network of single hidden layer trained by RPROP(resilient back-propagation) learning algorithm was applied and error was decreased by approximately 10% in experiments. A large number of data required for training the neural network were collected automatically using a vision sensor and bar codes.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.