선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 택배물의 분류를 위한 자동화 시스템에서 주소 영역 검출 알고리즘을 제안하였다. 주소 영역 검출은 택배 라벨의 특징인 주소영역을 둘러싸고 있는 테두리선을 이용하였다.
- 특히, 물류의 효율적인 제어 및 파악을 위해서는 물류의 배달되는 주소 영역의 자동 검출 시스템이 필요하다. 본 연구에서는 택배물의 분류를 위한 자동화 시스템에서 주소 영역 검출 알고리즘을 제안하게 되었다. 주소 영역 검출을 위하여 택배 라벨의 특징, 즉 주소 영역을 둘러싸고 있는 테두리선을 이용하였다.
가설 설정
- 1. 찾고자 하는 연결성분은 수평 방향으로 가장 왼쪽 좌표와 가장 오른쪽 좌표사이에 상당한 거리 차가 있다. 택배 라벨이 수평으로 놓여있든 기울어져 있든 가장 왼쪽 좌표와 가장 오른쪽 좌표 사이에는 어느 정도의 거리차가 있게 된다.
제안 방법
- 본 연구에서는 택배물의 분류를 위한 자동화 시스템에서 주소 영역 검출 알고리즘을 제안하게 되었다. 주소 영역 검출을 위하여 택배 라벨의 특징, 즉 주소 영역을 둘러싸고 있는 테두리선을 이용하였다. 이진화〔/'(2)과정과 라벨링(1))과정을 통하여 획득된 영상에서 주소 영역의 테두리선과 그 밖의 성분들을 각각 독립된 연결성분들로 검출하였다.
- 주소 영역 검출을 위하여 택배 라벨의 특징, 즉 주소 영역을 둘러싸고 있는 테두리선을 이용하였다. 이진화〔/'(2)과정과 라벨링(1))과정을 통하여 획득된 영상에서 주소 영역의 테두리선과 그 밖의 성분들을 각각 독립된 연결성분들로 검출하였다. 주소 영역을 둘러싸는 테두리선의 기하학적인 특징을 이용하여 여러 개의 연결성분들 중에서 주소 영역을 둘러싼 테두리선을 분리하였다.
- 이진화〔/'(2)과정과 라벨링(1))과정을 통하여 획득된 영상에서 주소 영역의 테두리선과 그 밖의 성분들을 각각 독립된 연결성분들로 검출하였다. 주소 영역을 둘러싸는 테두리선의 기하학적인 특징을 이용하여 여러 개의 연결성분들 중에서 주소 영역을 둘러싼 테두리선을 분리하였다. 마지막으로 원 영상과 분리된 테두리선 부분과의 논리적 곱을 이용하여 주소 영역을 최종적으로 검출하였다.
- 주소 영역을 둘러싸는 테두리선의 기하학적인 특징을 이용하여 여러 개의 연결성분들 중에서 주소 영역을 둘러싼 테두리선을 분리하였다. 마지막으로 원 영상과 분리된 테두리선 부분과의 논리적 곱을 이용하여 주소 영역을 최종적으로 검출하였다.
- 그림 2에서 택배 라벨의 주소 쓰는 부분은 뚜렷한 테두리 선이 있음을 볼 수가 있다. 본 연구에서는 이 테두리선을 이용하여 주소 영역을 검출한다. 이 테두리선은 관심영역내에서 다른 부분과 비교하여 화소값이 33에서 45로 상대적으로 낮은 값을 가지고 있다.
- 이 테두리선은 관심영역내에서 다른 부분과 비교하여 화소값이 33에서 45로 상대적으로 낮은 값을 가지고 있다. 이런 특성을 이용하여 이진화 과정을 통하여 테두리선을 검출한 후, 검출된 테두리 선을 바탕으로 주소 영역을 검출한다.
- 그러나 본 연구에서는 이진화 과정과 라벨링 과정을 따로 수행하지 않고 동시에 수행한다. 문턱값보다 작은 화소들을 0으로 이진화 한 후, 0으로 선택된 화소들에 대하여 라벨링을 수행하는 두 단계의 과정을 문턱 값보다 작은 화소들에 대하여 바로 라벨링을 수행함으로써 알고리즘 수행 시간을 감소시켰다. 이때 Pavlidisrecursive 4-neighbors seeding 방법을 이용하여 라벨링을 수행한다.
- 라벨링된 연결성분들 중에서 택배 라벨이 가지는 기하학적인 특성을 이용하여 택배 라벨의 주소 쓰는 영역을 둘러싸는 테두리선을 추출한다. 여러 개의 연결성분들 중에서 찾고자 하는 연결성분을 찾기 위한 판단 기준은 다음과 같다.
- )로 나타낸다. 장축에 대한 직선의 방정식을 구한 후 직선의 방정식과 한 점과의 거리를 계산하는 식을 이용하여 장축을 이루지 않는 나머지 2개의 점과 장축과의 거리를 계산한다. 식 (8)은 장축에 대한 일반적인 직선의 방정식을 나타내고, 식 (9) 및 식 (10)는 각각 점 (xk,yk) 와장축과의 거리 및 (x1,y1)과 장축과의 거리를 계산하는 식이다.
- 본 연구에서 제안한 전처리 알고리즘과 주소영역 검출 알고리즘의 성능을 평가하기 위해 실제 시스템에서 획득한 영상을 이용하여 컴퓨터 모의 실험을 행하였다. 사용한 영상은 4096X 4096의 크기를 가진 영상을 사용하였고, 인텔사의 셀룰론 CPU 1GHz와 512MB의 DRAM을 탑재한 개인용 컴퓨터를 사용하여 알고리즘을 수행하였다.
- 그림에서 보는 것처럼 정확히 주소 영역을 검출하는 것을 볼 수 있다. 본 연구에서 제안한 알고리즘의 수행 속도를 알아보기 위하여 전체 알고리즘의 수행 시간을 조사하였다. 본 연구에서 제안한 방법들을 하나씩 추가해 가면서 총 4가지 경우로 나누어 알고리즘을 수행하였고, 각각에 대하여 수행 시간을 조사하였다.
- 본 연구에서 제안한 알고리즘의 수행 속도를 알아보기 위하여 전체 알고리즘의 수행 시간을 조사하였다. 본 연구에서 제안한 방법들을 하나씩 추가해 가면서 총 4가지 경우로 나누어 알고리즘을 수행하였고, 각각에 대하여 수행 시간을 조사하였다. 각각의 경우는 다음과 같으며 본 논문에서 제안한 방법은 마지막 네 번째 경우이다.
- 주소 영역 검출은 택배 라벨의 특징인 주소영역을 둘러싸고 있는 테두리선을 이용하였다.
- 이진화 과정과 라벨링 과정을 통하여 획득된 영상에서 주소 영역을 둘러싸는 테두리선을 검출하였다. 이진화 과정과 라벨링 과정을 동시에 수행함으로써 대상 영상에서 주소 영역을 둘러싸는 테두리 선과 기타 성분들을 검출한 후, 주소 영역을 둘러싸는 테두리선과 기타 성분들을 각각 독립된 연결성분들로 검출하였다.
- 이진화 과정과 라벨링 과정을 동시에 수행함으로써 대상 영상에서 주소 영역을 둘러싸는 테두리 선과 기타 성분들을 검출한 후, 주소 영역을 둘러싸는 테두리선과 기타 성분들을 각각 독립된 연결성분들로 검출하였다. 이렇게 검출된 여러 연결 성분들 중, 주소 영역을 둘러싸는 테두리 선의 기하학적인 특징을 사용하여 주소 영역을 둘러싸는 영역과 기타 성분들을 분리하였다.
- 이진화 과정과 라벨링 과정을 동시에 수행함으로써 대상 영상에서 주소 영역을 둘러싸는 테두리 선과 기타 성분들을 검출한 후, 주소 영역을 둘러싸는 테두리선과 기타 성분들을 각각 독립된 연결성분들로 검출하였다. 이렇게 검출된 여러 연결 성분들 중, 주소 영역을 둘러싸는 테두리 선의 기하학적인 특징을 사용하여 주소 영역을 둘러싸는 영역과 기타 성분들을 분리하였다. 마지막으로 원 영상과 검출된 주소 영역을 둘러싸는 테두리선 부분과의 논리적 곱을 통하여 최종적으로 주소 영역을 검줄하였다.
- 이렇게 검출된 여러 연결 성분들 중, 주소 영역을 둘러싸는 테두리 선의 기하학적인 특징을 사용하여 주소 영역을 둘러싸는 영역과 기타 성분들을 분리하였다. 마지막으로 원 영상과 검출된 주소 영역을 둘러싸는 테두리선 부분과의 논리적 곱을 통하여 최종적으로 주소 영역을 검줄하였다.
- 본 논문에서는 주소 영역 검출에 소요되는 시간을 단축하기 위하여 전 영상에 대하여 알고리즘을 적용하지 않고 택배 라벨이 포함된 관심 영역을 먼저 검출하여 이 관심 영역에 대해서만 알고리즘을 수행하였다. 또한 이진화와 라벨링 과정을 동시에 수행하여 알고리즘의 수행 시간을 줄었으며, 라벨링 과정에서 수직 방향으로 일정한 간격을 두고 탐색하고.
- 수행하였다. 또한 이진화와 라벨링 과정을 동시에 수행하여 알고리즘의 수행 시간을 줄었으며, 라벨링 과정에서 수직 방향으로 일정한 간격을 두고 탐색하고. 수평 방향으로는 라벨이 할당된 화소들을 만나면 라벨이 할당된 화소들의 최대 좌표점으로 이동하여 이동된 좌표점부터 다시 탐색을 수행함-으로써 전 화소 단위의 라벨링 방법에 비하여 수행 시간을 줄었다.
대상 데이터
- 2kg~30kg의 무게, 시간당 6, 720통 구분처리 등의 제한 조건이 존재한다. 실제의 택배 처리 환경과 동일하게 택배 우편물을 1~ 2m/sec의 속도로 이송시키고, 라벨 검출을 위한 이미지는 라인 CCD 카메라(4, 096x4, 096 화소)를 통해 획득하게 된다. 바코드 스캐닝 모듈은 4096화소의 라인 스캔 카메라, 디지털 프레임 그래버, 고배율 렌즈, 초전 조정용 기기, 할로겐 DC 조명, 물체 감지 및 물체 높이 센서 및 미러 시스템으로 구성되며, 그림 1에서 CCD 라인 스캐너의 구성과 설치된 시스템을 보였다.
- 실험을 행하였다. 사용한 영상은 4096X 4096의 크기를 가진 영상을 사용하였고, 인텔사의 셀룰론 CPU 1GHz와 512MB의 DRAM을 탑재한 개인용 컴퓨터를 사용하여 알고리즘을 수행하였다.
이론/모형
- 문턱값보다 작은 화소들을 0으로 이진화 한 후, 0으로 선택된 화소들에 대하여 라벨링을 수행하는 두 단계의 과정을 문턱 값보다 작은 화소들에 대하여 바로 라벨링을 수행함으로써 알고리즘 수행 시간을 감소시켰다. 이때 Pavlidisrecursive 4-neighbors seeding 방법을 이용하여 라벨링을 수행한다. 식 (2) 에서와 같이 문턱값보다 작은 화소들에 대하여 바로 라벨링을 수행한다.
성능/효과
- 4. 마지막으로 찾고자 하는 연결성분과 비슷한 크기를 가진 사각형이나 마름모와 같은 연결성분이 있을 경우 위의 3가지 판단 기준으로는 찾고자 하는 연결성분을 검출 할 수 없다. 이런 경우 찾고자 하는 연결성분의 기하학적인 구조를 보고 판단을 하여야 한다.
- 나타내었다. 표 1에서 보는 것처럼 관심 영역의 설정, 문턱치화와 라벨링 과정을 동시에 수행, 그리고 라벨링 수행 시 화소 탐색 방법과 같이 제안한 알고리즘의 기술적 내용을 하나씩 추가 할 때마다 수행 시간이 단축됨을 알 수 있다. 시스템에서의 제한 조건은 물체가 1~2m/sec의 속도로 이동하도록 되어 있다.
- 시스템에서의 제한 조건은 물체가 1~2m/sec의 속도로 이동하도록 되어 있다. 최종적으로 제안한 알고리즘의 수행시간이 평균 0.186sec, 최소 O.llOsec, 및 최대 0.540sec로 제안한 알고리즘은 시스템의 제한 조건 내에서 충분히 수행될 수 있음을 알 수 있다.
- 실험 결과 제안한 알고리즘은 시스템의 제한 조건 내에서 충분히 수행될 수 있음을 알 수 있었다.
- 2. 찾고자 하는 연결성분은 수평 방향뿐만 아니라 수직 방향으로도 가장 윗쪽 좌표와 가장 아래쪽 좌표사이에 상당한 거리차가 있다. 택배 라벨이 수평으로 놓여있든 기울어져 있든 가장 윗쪽 좌표와 가장 아래쪽 좌표사이에는 어느 정도의 거리차가 있게 된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.