본 연구에서는 자동화 공정을 위해 RGB-D 카메라 한 대와 매니퓰레이터를 Eye-In-Hand 방식으로 구성한 Multi View 시스템을 제안한다. 카메라가 매니퓰레이터의 엔드이펙터(End-Effector)에 장착되어 있으므로 카메라의 위치를 바꾸어 가면서 영상 정보를 취득할 수 있다. 이를 이용하여 대 시야 / 소 시야 구성과 Multi Camera 구성의 가능성을 확인해보았다. 카메라를 이용해 매니퓰레이터를 제어하기 위해선 각 좌표계의 변환 관계를 알아야 한다. 그 중 카메라 – 엔드이펙터 간 변환 관계를 아는 것이 중요한데, 이는 Hand-Eye Calibration을 통해 계산할 수 있다. 본 연구에서는 Tsai의 AX=XB 솔루션을 통해 계산하였으며 이를 이용하여 카메라 좌표계에서 로봇 좌표계로의 변환을 하였다. Hand-Eye Calibration으로 얻은 변환 관계와 대 시야 / 소 시야 구성의 Multi View 시스템에서 작업 오차를 측정하기 위해 Aruco Maker를 이용하여 실험을 진행하였다. 작업대 위에 Aruco Marker를 부착하고 직접 교시로 얻은 Aruco Marker의 로봇 좌표계 상 좌표와 카메라로 인식한 좌표를 로봇 좌표계로 변환한 좌표의 거리를 계산하여 오차를 측정하고 비교하였다. Multi View를 이용한 ...
본 연구에서는 자동화 공정을 위해 RGB-D 카메라 한 대와 매니퓰레이터를 Eye-In-Hand 방식으로 구성한 Multi View 시스템을 제안한다. 카메라가 매니퓰레이터의 엔드이펙터(End-Effector)에 장착되어 있으므로 카메라의 위치를 바꾸어 가면서 영상 정보를 취득할 수 있다. 이를 이용하여 대 시야 / 소 시야 구성과 Multi Camera 구성의 가능성을 확인해보았다. 카메라를 이용해 매니퓰레이터를 제어하기 위해선 각 좌표계의 변환 관계를 알아야 한다. 그 중 카메라 – 엔드이펙터 간 변환 관계를 아는 것이 중요한데, 이는 Hand-Eye Calibration을 통해 계산할 수 있다. 본 연구에서는 Tsai의 AX=XB 솔루션을 통해 계산하였으며 이를 이용하여 카메라 좌표계에서 로봇 좌표계로의 변환을 하였다. Hand-Eye Calibration으로 얻은 변환 관계와 대 시야 / 소 시야 구성의 Multi View 시스템에서 작업 오차를 측정하기 위해 Aruco Maker를 이용하여 실험을 진행하였다. 작업대 위에 Aruco Marker를 부착하고 직접 교시로 얻은 Aruco Marker의 로봇 좌표계 상 좌표와 카메라로 인식한 좌표를 로봇 좌표계로 변환한 좌표의 거리를 계산하여 오차를 측정하고 비교하였다. Multi View를 이용한 Blow Fan 볼팅 공정 적용 실험에서는 본 연구에서 제안한 대 시야 / 소 시야 구성으로 볼팅 공정을 진행할 수 있다는 가능성을 제시하였다. 기존 공정 방식은 대시야 / 소시야 카메라 두 대로 진행하며 작업자의 교시가 필요했는데, 본 연구에서 제안한 방식은 카메라 한 대로 공정이 가능하며 대 시야각과 소 시야각에서 각각 작업 위치를 인식하므로 정밀한 작업 위치 인식이 가능하다. 또한, 작업자의 교시가 필요 없고 시야각 안에서 작업 대상 물체의 위치가 바뀌어도 공정을 진행할 수 있으므로 작업 환경이 개선되는 것에 의의를 둘 수 있다. 다중 시야 구성을 활용한 점 구름 데이터 정합 정밀도 실험에서는 매니퓰레이터 엔드이펙터에 카메라가 장착된 상태에서 정밀한 점 구름 데이터 정합 가능성을 보았다. 카메라가 장착된 엔드이펙터를 여러 시야각으로 옮기며 점 구름 데이터를 수집하고, 이를 Hand-Eye Calibration으로 계산한 변환 관계를 이용하여 로봇 좌표계로 변환 후 정합해보면서 Multi View 시스템의 3차원 형상 정보 복원에 대한 가능성을 확인하였다.
본 연구에서는 자동화 공정을 위해 RGB-D 카메라 한 대와 매니퓰레이터를 Eye-In-Hand 방식으로 구성한 Multi View 시스템을 제안한다. 카메라가 매니퓰레이터의 엔드이펙터(End-Effector)에 장착되어 있으므로 카메라의 위치를 바꾸어 가면서 영상 정보를 취득할 수 있다. 이를 이용하여 대 시야 / 소 시야 구성과 Multi Camera 구성의 가능성을 확인해보았다. 카메라를 이용해 매니퓰레이터를 제어하기 위해선 각 좌표계의 변환 관계를 알아야 한다. 그 중 카메라 – 엔드이펙터 간 변환 관계를 아는 것이 중요한데, 이는 Hand-Eye Calibration을 통해 계산할 수 있다. 본 연구에서는 Tsai의 AX=XB 솔루션을 통해 계산하였으며 이를 이용하여 카메라 좌표계에서 로봇 좌표계로의 변환을 하였다. Hand-Eye Calibration으로 얻은 변환 관계와 대 시야 / 소 시야 구성의 Multi View 시스템에서 작업 오차를 측정하기 위해 Aruco Maker를 이용하여 실험을 진행하였다. 작업대 위에 Aruco Marker를 부착하고 직접 교시로 얻은 Aruco Marker의 로봇 좌표계 상 좌표와 카메라로 인식한 좌표를 로봇 좌표계로 변환한 좌표의 거리를 계산하여 오차를 측정하고 비교하였다. Multi View를 이용한 Blow Fan 볼팅 공정 적용 실험에서는 본 연구에서 제안한 대 시야 / 소 시야 구성으로 볼팅 공정을 진행할 수 있다는 가능성을 제시하였다. 기존 공정 방식은 대시야 / 소시야 카메라 두 대로 진행하며 작업자의 교시가 필요했는데, 본 연구에서 제안한 방식은 카메라 한 대로 공정이 가능하며 대 시야각과 소 시야각에서 각각 작업 위치를 인식하므로 정밀한 작업 위치 인식이 가능하다. 또한, 작업자의 교시가 필요 없고 시야각 안에서 작업 대상 물체의 위치가 바뀌어도 공정을 진행할 수 있으므로 작업 환경이 개선되는 것에 의의를 둘 수 있다. 다중 시야 구성을 활용한 점 구름 데이터 정합 정밀도 실험에서는 매니퓰레이터 엔드이펙터에 카메라가 장착된 상태에서 정밀한 점 구름 데이터 정합 가능성을 보았다. 카메라가 장착된 엔드이펙터를 여러 시야각으로 옮기며 점 구름 데이터를 수집하고, 이를 Hand-Eye Calibration으로 계산한 변환 관계를 이용하여 로봇 좌표계로 변환 후 정합해보면서 Multi View 시스템의 3차원 형상 정보 복원에 대한 가능성을 확인하였다.
This study proposes a Multi View system configured with an RGB-D camera and a manipulator in an eye-in-hand manner for the automation process. Since the camera is mounted on the end effector of the manipulator, image information may be acquired while changing the position of the camera. In order to ...
This study proposes a Multi View system configured with an RGB-D camera and a manipulator in an eye-in-hand manner for the automation process. Since the camera is mounted on the end effector of the manipulator, image information may be acquired while changing the position of the camera. In order to control the manipulator using a camera, it is necessary to know the transformation relationship of each coordinate system. Among them, it is important to know the conversion relationship between camera and end effector, which can be calculated through Hand-Eye Calibration. In this study, it was calculated through Tsai's AX=XB solution and converted from the camera coordinate system to the robot coordinate system. An experiment was conducted using Aruco Maker to measure the conversion relationship obtained by Hand-Eye Calibration and the precision of the work plan using Multi View. The Aruco Marker was attached to the workbench, and the distance between the coordinates on the robot coordinate system of Aruco Marker obtained by direct teaching and the coordinates recognized by the camera were calculated and compared. In the experiment applying the Blow Fan bolting process using Multi View, it was suggested that the bolting process could be carried out in the method suggested in this research. The existing process method requires two large and small cameras to teach workers, and the method proposed in this study can be processed with one camera and recognize work positions at large and small viewing angles, respectively, enabling precise work position recognition. In addition, the process can be carried out even if the position of the object to be worked is changed within the viewing angle, so it is meaningful to improve the working environment. In a point cloud data matching accuracy experiment using a Multi View system, we saw the possibility of precise point cloud data matching with the camera mounted on the manipulator end effector. Point cloud data are collected by moving the camera-equipped end effector to various viewing angles, and the possibility of restoring the three-dimensional shape information of the Multi-View system is confirmed by converting it into a robot coordinate system using a conversion relationship calculated by Hand-Eye Calibration.
This study proposes a Multi View system configured with an RGB-D camera and a manipulator in an eye-in-hand manner for the automation process. Since the camera is mounted on the end effector of the manipulator, image information may be acquired while changing the position of the camera. In order to control the manipulator using a camera, it is necessary to know the transformation relationship of each coordinate system. Among them, it is important to know the conversion relationship between camera and end effector, which can be calculated through Hand-Eye Calibration. In this study, it was calculated through Tsai's AX=XB solution and converted from the camera coordinate system to the robot coordinate system. An experiment was conducted using Aruco Maker to measure the conversion relationship obtained by Hand-Eye Calibration and the precision of the work plan using Multi View. The Aruco Marker was attached to the workbench, and the distance between the coordinates on the robot coordinate system of Aruco Marker obtained by direct teaching and the coordinates recognized by the camera were calculated and compared. In the experiment applying the Blow Fan bolting process using Multi View, it was suggested that the bolting process could be carried out in the method suggested in this research. The existing process method requires two large and small cameras to teach workers, and the method proposed in this study can be processed with one camera and recognize work positions at large and small viewing angles, respectively, enabling precise work position recognition. In addition, the process can be carried out even if the position of the object to be worked is changed within the viewing angle, so it is meaningful to improve the working environment. In a point cloud data matching accuracy experiment using a Multi View system, we saw the possibility of precise point cloud data matching with the camera mounted on the manipulator end effector. Point cloud data are collected by moving the camera-equipped end effector to various viewing angles, and the possibility of restoring the three-dimensional shape information of the Multi-View system is confirmed by converting it into a robot coordinate system using a conversion relationship calculated by Hand-Eye Calibration.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.