최근 코로나 19 이후 전자 상거래량이 급격하게 증가하면서 자연스럽게 택배 거래량도 증가했다. 택배 거래량을 감당하기 위해 물류센터의 수 또한 증가했고, 일의 유지와 진행에 필요한 인원도 증가하게 되었다. 이러한 이유로 산업 자동화 연구에 대한 관심이 커지고 있다. 물류센터에서 진행되는 대부분의 과정에는 자동화가 진행되고 있지만, Robotics Bin Picking 분야는 여전히 사람의 개입이 필요하다. 따라서 이 과정에서의 수동 작업은 전체 과정에서의 병목현상의 원인이 되기 때문에 해결을 위한 다양한 연구가 진행되고 있다. Bin picking 을 위한 선행 연구에서는 다양한 방법으로 문제를 해결하고자 했다. 피킹을 위한 로봇은 크게 두 가지로 분류할 수 있다. 먼저 손가락 형태의 gripper는 상단면의 영역이 좁은 물체도 피킹 할 수 있다는 장점이 있지만, 물체마다 힘을 조절해야하는 어려움과, 집게가 들어갈 공간이 있어야하기 때문에 상품이 컨테이너에 빽빽하게 들어있는 물류센터 환경에 적합하지 않다. 반면에 진공 gripper는 물체의 최상단면에만 접근하면 물체를 쉽게 집어 올릴 수 있다는 장점이 있다. 이러한 이유로 물류센터의 피킹 시스템에 진공 gripper 형태의 로봇이 적합하다고 판단했다. 본 논문은 물류센터에서 사용할 진공 gripper의 피킹 포인트를 찾는 시스템을 제안한다. 이 시스템은 크게 두 단계로 구분된다. 첫 단계는 컨테이너 내부의 제품들을 검출하는 것이고, 두 번째 단계는 검출된 영역의 RGB 이미지와 ...
최근 코로나 19 이후 전자 상거래량이 급격하게 증가하면서 자연스럽게 택배 거래량도 증가했다. 택배 거래량을 감당하기 위해 물류센터의 수 또한 증가했고, 일의 유지와 진행에 필요한 인원도 증가하게 되었다. 이러한 이유로 산업 자동화 연구에 대한 관심이 커지고 있다. 물류센터에서 진행되는 대부분의 과정에는 자동화가 진행되고 있지만, Robotics Bin Picking 분야는 여전히 사람의 개입이 필요하다. 따라서 이 과정에서의 수동 작업은 전체 과정에서의 병목현상의 원인이 되기 때문에 해결을 위한 다양한 연구가 진행되고 있다. Bin picking 을 위한 선행 연구에서는 다양한 방법으로 문제를 해결하고자 했다. 피킹을 위한 로봇은 크게 두 가지로 분류할 수 있다. 먼저 손가락 형태의 gripper는 상단면의 영역이 좁은 물체도 피킹 할 수 있다는 장점이 있지만, 물체마다 힘을 조절해야하는 어려움과, 집게가 들어갈 공간이 있어야하기 때문에 상품이 컨테이너에 빽빽하게 들어있는 물류센터 환경에 적합하지 않다. 반면에 진공 gripper는 물체의 최상단면에만 접근하면 물체를 쉽게 집어 올릴 수 있다는 장점이 있다. 이러한 이유로 물류센터의 피킹 시스템에 진공 gripper 형태의 로봇이 적합하다고 판단했다. 본 논문은 물류센터에서 사용할 진공 gripper의 피킹 포인트를 찾는 시스템을 제안한다. 이 시스템은 크게 두 단계로 구분된다. 첫 단계는 컨테이너 내부의 제품들을 검출하는 것이고, 두 번째 단계는 검출된 영역의 RGB 이미지와 Depth 정보를 0-1 사이 값으로 정규화한 이미지를 이용하여 물체의 최상단 영역을 검출하는 것이다. 두 단계 모두 객체 탐지 모델을 클래스 구분 없이 학습하여 사용하는데, 특히, 두 번째로 검출된 최상단 영역의 중점을 피킹 포인트로 하여 하드웨어에 전달한다. 시스템의 성능과 이에 사용한 모델의 당위성을 실험을 통해 증명했다. 이때 검증을 위한 데이터는 3 가지로 분류되는데, (1) 학습 클래스, (2) 학습 클래스와 유사한 형태의 클래스. (3) 처음 사용되는 클래스로 구분된다. 이 세 가지 분류에서 모두 99 % 이상의 높은 정확도를 보였고, 새로운 물체가 추가될 가능성이 높은 실제 물류센터 환경에 적용이 가능한 수준임을 보였다.
최근 코로나 19 이후 전자 상거래량이 급격하게 증가하면서 자연스럽게 택배 거래량도 증가했다. 택배 거래량을 감당하기 위해 물류센터의 수 또한 증가했고, 일의 유지와 진행에 필요한 인원도 증가하게 되었다. 이러한 이유로 산업 자동화 연구에 대한 관심이 커지고 있다. 물류센터에서 진행되는 대부분의 과정에는 자동화가 진행되고 있지만, Robotics Bin Picking 분야는 여전히 사람의 개입이 필요하다. 따라서 이 과정에서의 수동 작업은 전체 과정에서의 병목현상의 원인이 되기 때문에 해결을 위한 다양한 연구가 진행되고 있다. Bin picking 을 위한 선행 연구에서는 다양한 방법으로 문제를 해결하고자 했다. 피킹을 위한 로봇은 크게 두 가지로 분류할 수 있다. 먼저 손가락 형태의 gripper는 상단면의 영역이 좁은 물체도 피킹 할 수 있다는 장점이 있지만, 물체마다 힘을 조절해야하는 어려움과, 집게가 들어갈 공간이 있어야하기 때문에 상품이 컨테이너에 빽빽하게 들어있는 물류센터 환경에 적합하지 않다. 반면에 진공 gripper는 물체의 최상단면에만 접근하면 물체를 쉽게 집어 올릴 수 있다는 장점이 있다. 이러한 이유로 물류센터의 피킹 시스템에 진공 gripper 형태의 로봇이 적합하다고 판단했다. 본 논문은 물류센터에서 사용할 진공 gripper의 피킹 포인트를 찾는 시스템을 제안한다. 이 시스템은 크게 두 단계로 구분된다. 첫 단계는 컨테이너 내부의 제품들을 검출하는 것이고, 두 번째 단계는 검출된 영역의 RGB 이미지와 Depth 정보를 0-1 사이 값으로 정규화한 이미지를 이용하여 물체의 최상단 영역을 검출하는 것이다. 두 단계 모두 객체 탐지 모델을 클래스 구분 없이 학습하여 사용하는데, 특히, 두 번째로 검출된 최상단 영역의 중점을 피킹 포인트로 하여 하드웨어에 전달한다. 시스템의 성능과 이에 사용한 모델의 당위성을 실험을 통해 증명했다. 이때 검증을 위한 데이터는 3 가지로 분류되는데, (1) 학습 클래스, (2) 학습 클래스와 유사한 형태의 클래스. (3) 처음 사용되는 클래스로 구분된다. 이 세 가지 분류에서 모두 99 % 이상의 높은 정확도를 보였고, 새로운 물체가 추가될 가능성이 높은 실제 물류센터 환경에 적용이 가능한 수준임을 보였다.
Since the recent COVID-19, e-commerce volume has increased sharply, and it leads to increase courier trading volume. The number of logistics centers has also increased to cover the volume of courier transactions, and the number of people needed to proceed work has also increased. Automation is under...
Since the recent COVID-19, e-commerce volume has increased sharply, and it leads to increase courier trading volume. The number of logistics centers has also increased to cover the volume of courier transactions, and the number of people needed to proceed work has also increased. Automation is underway for most of the processes at the logistics center, but the Robotics Bin Picking field still requires human intervention. Therefore, many studies are being conducted to solve the problem because manual work in this process causes bottlenecks in the whole process in logistics center. In the previous studies for Bin picking, they tried to solve the problem in various ways. Robots for picking can be classified into two main categories. First, the gripper in the form of a finger has the advantage of picking a narrow object on the top, but it is not suitable for the logistics center environment where the product is tightly packed in the container. Moreover it has difficulty in controlling the force for each object and space for tongs. On the other hand, vacuum grippers have the advantage of easily picking up objects if they approach only the top of the object. For this reason, it was decided that a vacuum gripper type robot is suitable for the peaking system of the logistics center. This paper proposes a system for finding peaking points of vacuum gripper to be used in logistics centers, which is divided into two major stages. The first step is to detect products inside the container, The second step is to detect the top region of the object for Picking area using the regularized depth image between 0-1 values and the RGB image. Both stages use the Object Detection Model, especially the output of the second detected top region is used as a picking point for hardware. The performance of the system and the appropriateness of the model used in it were proved through experiments. The data for test is classified into three categories: (1) learning classes, (2) class similar to the learning classes, and (3) classes first used. In all three categories, the accuracy was higher than 99 % and it was shown that it was applicable to the actual logistics center environment where new objects were likely to be added
Since the recent COVID-19, e-commerce volume has increased sharply, and it leads to increase courier trading volume. The number of logistics centers has also increased to cover the volume of courier transactions, and the number of people needed to proceed work has also increased. Automation is underway for most of the processes at the logistics center, but the Robotics Bin Picking field still requires human intervention. Therefore, many studies are being conducted to solve the problem because manual work in this process causes bottlenecks in the whole process in logistics center. In the previous studies for Bin picking, they tried to solve the problem in various ways. Robots for picking can be classified into two main categories. First, the gripper in the form of a finger has the advantage of picking a narrow object on the top, but it is not suitable for the logistics center environment where the product is tightly packed in the container. Moreover it has difficulty in controlling the force for each object and space for tongs. On the other hand, vacuum grippers have the advantage of easily picking up objects if they approach only the top of the object. For this reason, it was decided that a vacuum gripper type robot is suitable for the peaking system of the logistics center. This paper proposes a system for finding peaking points of vacuum gripper to be used in logistics centers, which is divided into two major stages. The first step is to detect products inside the container, The second step is to detect the top region of the object for Picking area using the regularized depth image between 0-1 values and the RGB image. Both stages use the Object Detection Model, especially the output of the second detected top region is used as a picking point for hardware. The performance of the system and the appropriateness of the model used in it were proved through experiments. The data for test is classified into three categories: (1) learning classes, (2) class similar to the learning classes, and (3) classes first used. In all three categories, the accuracy was higher than 99 % and it was shown that it was applicable to the actual logistics center environment where new objects were likely to be added
※ AI-Helper는 부적절한 답변을 할 수 있습니다.