[논문]배관요소 그림자를 이용한 배관로봇의 배관내부 탐사

이정섭; 이동혁; 노세곤; 문형필; 최혁렬

배관요소 그림자를 이용한 배관로봇의 배관내부 탐사
Internal Pipeline Exploration of an In-pipe Robot Using the Shadow of Pipe Fittings 원문보기

로봇학회논문지 = The journal of Korea Robotics Society, v.5 no.3, 2010년, pp.251 - 261

이정섭 (성균관대학교 기계공학부) , 이동혁 (성균관대학교 기계공학부) , 노세곤 (동경공업대학교 기계우주공학과) , 문형필 (성균관대학교 기계공학부) , 최혁렬 (성균관대학교 기계공학부)

Abstract ▼ AI-Helper

In this paper, we introduce an internal pipeline exploration of an in-pipe robot, based on the landmark recognition system. The fittings of pipelines such as elbows and branches are used as the landmarks. The robot recognizes the landmarks with a vision system by using the shadows of the elements, which are generated by the specially designed illuminator on the robot. By using a simple image-processing, the robot can easily detect and distinguish these landmarks while recognizing the direction of the pipeline path. Simultaneously, all information for exploration is continuously recorded and used to reconstruct the map of the pipelines. The effectiveness of the proposed method is verified by real experiments using the in-pipe robot MRINSPECT V for moving inside of the miniature urban 8-inch gas pipeline structure.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 3차원의 배관망 내에서 로봇이자신의 위치를 추정하기 위하여 랜드마크로서 곡관, 분기관의 그림자 영역을 인식하는 기술에 대하여 소개하였다. 몇 가지 실험을 통하여 제안한 기술은 효과적으로 곡관 및 분기관을 인식할 수 있음을 보여주었다.
또한 로봇이 배관요소를 지나갈 때 배관로 길이 방향의 축 중심으로 회전(롤링, rolling)할 수 있기 때문에 로봇의 자세 측정을 위한 부가적인 센서가 필요하다. 본 논문에서는 90도로 꺾어진 곡관 및 분기관만을 갖는 배관망에 대해서만 다루고 있다.
본 논문에서는 우선, 제안하는 위치추정의 원리 및 개념, 이를 구현하기 위한 메커니즘에 대하여 소개한다. 그리고 실제적으로 충분히 활용될 수 있도록 위치 추정 알고리즘에 대하여 상세히 설명한다.
주행 실험을 위하여 사용된 테스트베드는 그림 16에서 보여주듯이 실제 산업현장에 쓰이는 실제 배관 및 관내 주행 관찰이 용이한 투명 아크릴 관으로 구성되어 있으며, 각 관망은 여러 주행환경 실험을 위하여 곡관 및 분기관, 직관 등 다양한 배관 요소로 이루어져 있다. 본 실험에서는 관내 영상처리를 통한 랜드마크 인식 및 자기위치 추정의 성능평가를 위하여 실제 배관 내에서의 실험을 수행하였다. 아크릴 관은 투명하여 조명을 투과하므로 실험환경에서 제외하였다.
저자들은 복잡한 배관망에서도 효과적으로 활용 될 수 있는 배관 로봇을 위한 위치인식 기술을 소개한다. 이 기술은 곡관(elbow) 및 분기관(branch, T‐shape pipe)을 랜드마크로서 인식하는 배관 탐사용 위치추정 방법이다.

가설 설정

1) 이미지 영상의 각 요소를 묶어 준다. 2) 각 요소에 고유 ID를 할당한다. 3) 각 요소의 크기를 측정한다.

제안 방법

배관 내 각 랜드마크 요소에 대한 인식가능 범위는 배관 내 환경에 따라 약간씩 다르게 산출될 수 있으며, 랜드마크로부터의 거리가300mm ~ 400mm에 위치할 때 가장 높은 인식률을 보여준다. 따라서 로봇은 이 범위 내에서 배관 요소가 랜드마크로서 인식되는 순간의 정보를 추출하여 배관망 지도상에 업데이트 한다.
랜드마크 인식 평가를 위하여 먼저 그림 17과 같이 3가지의 랜드마크 타입에 따른 인식 테스트를 실시하였다. 로봇은 각 랜드마크 타입에 따라 곡관의 진입부(그림 17(a)), 분기관의 측면 진입부(그림 17(b)), 분기관의 하단 진입부(그림 17(c))에 위치 시킨 후 로봇의 전방 카메라로 부터 얻어진 영상의 결과를 분석하였다.
그리고 실제적으로 충분히 활용될 수 있도록 위치 추정 알고리즘에 대하여 상세히 설명한다. 마지막으로 저자들이 개발한 배관로봇 MRINSPECT V를 실험 플랫폼으로 하여 제안하는 기술에 대한 실험 결과를 제시하고 그 실효성에 대해 평가할 것이다.
패턴매칭을 통하여 최종적으로 랜드마크로 결정된 배관 요소는 캡쳐된 그림자 패턴의 개수와 형상에 따라 그림 11 와 같이 세 가지로 구분된다. 배관요소의 구분을 위하여 먼저 영상처리가 완료 된 영상정보로부터 검출된 배관요소에서의 그림자 수를 파악한다. 두 개의 그림자가 인식되었을 경우, 이는 분기관의 T형상에 대한 아래방향에서의 접근 경우로 판단하여 분기관 타입 II(branch type II)로 정의한다.
패턴매칭은 상기 과정을 통해 얻어진 각 그림자 후보 영역과 이상적인 샘플 이미지의 비교과정을 통해 진행된다. 이상적인 샘플 이미지란, 배관로봇이 이상적인 배관환경 내에서 규정된 위치에 존재할 경우 발생될 것으로 예상되는 최적의 이미지로 본 논문에서는 로봇이 각 배관 요소로부터 300mm거리에 접근하였을 때 얻어지는 이상적인 그림자 영역을 샘플이미지로 설정하였다. 패턴매칭을 위하여 그림 9와 같이 배관요소의 열린 방향 이미지 정보 산출을 통해 얻어진 거리(L) 및 각도(θ)를 이용하여, 그림 10(a)에서와 같이 이상적인 그림자 형상을 가지고 있는 샘플 이미지 기준 좌표축(Σ_{e_i})을 배관요소 그림자 좌표축(Σ_e)으로 회전 및 이동 변환 시킨다.
제안하는 배관로봇은 배관요소의 인식 능력을 향상시키기 위하여 특수하게 설계된 전방 조명장치를 로봇전방에 탑재하고 있다. 로봇은 곡관의 열린 방향의 결정을 용이하도록 의도적으로 그림 2(c)와 같이 곡관의 열린 방향쪽의 관 형상에 의해 선명한 그림자가 형성될 수 있도록 한다.
일반적인 바퀴형 이동 로봇과 마찬가지로, 배관로봇이 관로 내부 탐사를 진행함에 따라 바퀴의 미끄러짐, 자세의 변화 등에 의한 이동거리, 이동방향의 오차가 발생하게 되며, 이로 인해 정확한 자기 위치 추정이 어려워 진다. 제안하는 배관탐사 방법은, 통상적으로 배관탐사를 위해서 배관망 지도가 미리 제공되기 때문에 배관망 지도상의 랜드마크와 현재 위치의 비교를 통해서 자기 위치 추정 오차를 보상할 수 있다는 개념에서 착안되었다. 이를 위하여 랜드마크로 사용 가능한 특징을 지니는 배관 요소를 결정해야 한다.
그러나, 단지 영상처리만을 이용하여 배관요소 구분 문제를 해결하고자 한다면 두 가지 방법이 있다. 첫 번째 방법으로, 이미지 상의 곡관, 분기관의 그림자 이미지를 좀 더 면밀하게 비교하는 것이다. 곡관 형상에 의해 생성되는 초승달 모양의 그림자 이미지는 분기관에 의한 그림자 이미지와 기하학 적으로 차이가 있다.
카메라로부터 받은 영상에 대해 곡관 및 분기관의 열린 방향이 위치하는 지점을 찾아내기 위해 각 요소의 그림자 영역의 중심좌표를 산출한다. 그림자 영역의 중심좌표(x_avg, y_avg)는 라벨링 영역의 면적중심이므로, 식(1), (2)를 이용하여 구할 수 있다.

대상 데이터

본 영상처리 방법에 사용된 이미지는 로봇의 영상 카메라로부터 촬영된 8인치 배관의 내부 영상을 기준으로 하며 320×240 픽셀(pixel)의 크기를 가진다.
저자들이 개발해오고 있는 이 로봇에 대한 자세한 소개는 참고문헌 ^{[16, 17]} 에서 확인할 수 있다. 실험에 사용된 MRINSPECT V는 그림 14와 같이 모듈화된 구조를 가지는 가스배관 탐사용 로봇으로서 전방, 후방 2개의 구동모듈과 전원 공급을 위한 배터리 모듈, 그리고 제어 및 영상 저장을 위한 컨트롤 모듈로 이루어져 있다. 배관 내 주행을 위한 MRINSPECT V 의 전후방의 구동모듈은 각각의 CCD카메라를 탑재하고 벽면 압착을 위한 스프링 및 링크 메커니즘으로 이루어진 중심 축을 중심으로 120°로 균일하게 배치된 세 개의 구동 유닛(unit)으로 구성되어 있다.

이론/모형

이 구동모듈은 클러치 기반의 선택주행(selective drive) 알고리즘.^{[16, 17]} 과 배관 내 곡관 및 분기관에서 자유롭게 조향이 가능하게 해주는 차동주행(differential drive) 알고리즘^[18]을 적용하여 배관 내부를 주행한다. 그림 15(a)에서와 같이 클러치 기반 선택주행 알고리즘은 효율적인 배관 내 주행을 위한 알고리즘으로 로봇이 배관 내 직관 및 곡관과 같이 단순 직선 주행만을 필요로 하는 배관 내에서 세 개로 구성된 구동모듈 중 하나만을 작동시키고 나머지는 공회전 상태로 유지하여 전력 소모를 최소화 한다.
3) 각 요소의 크기를 측정한다. 본 논문에서는 라벨링을 위하여 널리 사용되고 있는 Grassfire 알고리즘(12)을 사용하였다. 그림 7(a)는 Grassfire알고리즘에 기반한 라벨링의 진행과정을 보여주고 있다.

성능/효과

그림 17은 로봇이 테스트베드환경의 A‐point에서 출발하여 연속된 2개의 곡관을 거친 뒤 T형상의 분기관의 측면에서 분기관을 통과하여 최종적으로 B‐point까지 탐사하는 과정을 보여주고 있다. A‐point, B‐point를 지나 다시 A‐point까지 도달하는 것을 1회 배관 주행이라고 하였을 때, 로봇은 배터리 잔량이 허용하는 약 30분 동안 15회 연속 주행 테스트를 수행하였으며 이 과정 동안에 발생하는 바퀴회전 정보만으로 얻어진 이동거리 오차는 각 배관의 랜드마크 정보를 이용하여 효과적으로 보상된다.
이때 열린 방향의 산출 결과가 ± 5°오차 범위이면 100% 인식한 것으로, 그 이상이면 인식하지 못한 것으로 간주하였다. Error type I 과 error type II의 인식률의 평균은 각각 96.7% 및 100% 인식 성공률을 보여주고 있음을 알 수 있다. 각 관에 대한 실패원인을 분석하였을 때, 곡관 및 분기관 타입 I진입 시 배관로봇이 너무 빠른 속도로 접근 하여 로봇이 배관요소를 인식하지 못하고 지나쳐 버리는 오류를 각각1회 범하였다.
왜냐하면 배관망의 길고 복잡한 구조로 인해 로봇이 견인하는 유선 전원케이블과 통신케이블은 배관 내면 및 굴곡부와의 마찰력을 발생시키므로 유선으로 주행하는 것은 수십m정도의 근거리에서만 가능하기 때문이다. 둘째, 무선 주행이라 할지라도 조작자의 조종 없이 로봇 스스로 배관을 탐사하는 지능적인 자율주행이 필수적이다.^{[6, 7]} 이것은 배관은 지면 아래에 매설되거나 강철 등으로도 만들어져 있어 전파가 멀리 전달되지 못하거나 통과하지 못하므로 무선으로 조작자가 원격 조종하는 것은 거의 불가능하기 때문이다.
본 논문에서는 3차원의 배관망 내에서 로봇이자신의 위치를 추정하기 위하여 랜드마크로서 곡관, 분기관의 그림자 영역을 인식하는 기술에 대하여 소개하였다. 몇 가지 실험을 통하여 제안한 기술은 효과적으로 곡관 및 분기관을 인식할 수 있음을 보여주었다. 배관망 지도가 미리 제공되는 일반적인 배관탐사의 경우, 로봇은 초기위치에서 이동한 거리정보를 참조하고, 지도상의 알려진 랜드마크 위치와 제안하는 기술로 인식한 실제 랜드마크 위치를 비교함으로써 배관 내 자신의 위치를 추정한다.
배관 로봇이 곡관 및 분기관을 랜드마크로 인식하기 위해서 로봇은 다음의 두 단계의 과정을 거친다. 첫째, 배관 로봇이 관로 내부 탐사를 시작하게 됨에 따라 로봇은 배관 내 영상으로부터 그림자 영역의 유무를 체크하게 된다. 이 그림자 영역은 로봇이 랜드마크에 접근하게 됨에 따라 특별히 설계된 로봇 전방의 조명장치에 의해 발생한다.

후속연구

물론 로봇이 미리 알고 있는 배관망 지도 정보를 참조하면 그 위치에서 캡쳐된 그림자가 곡관에 의한 것인지, 분기관에 의한 것인지 쉽게 판단 할 수 있다. 그렇지만 배관망 지도 없이 배관내부를 탐사 할 경우를 감안한다면 비록 드문 복합 배관요소 환경에서만 적용될 지라도 그림자 영역 인식 방법의 제한을 보완 할 수 있는 추가적인 배관 요소 구분 방법이 필요하다.
또한 제안하는 기술은 배관망 지도가 미리 제공되지 않은 채로 미지의 3차원 배관환경에서 탐사를 수행해야만 하는 특수한 경우에도 활용될 수 있다. 이러한 경우, 로봇은 3차원 공간상에 절대적인 자세 추정을 위한 기준방향 정보 및 주행하면서 발생할 수 있는 의도하지 않은 롤링에 의한 자세변화 정보가 제안한 위치추정 기술과 연계되어야 한다.
이러한 경우, 로봇은 3차원 공간상에 절대적인 자세 추정을 위한 기준방향 정보 및 주행하면서 발생할 수 있는 의도하지 않은 롤링에 의한 자세변화 정보가 제안한 위치추정 기술과 연계되어야 한다. 저자들은 이를 구현하기 위해 중력센서, 자세 추정센서를 로봇에 추가로 탑재시키고 미지의 고립된 배관환경을 탐사하는 기술에 대한 연구를 수행 중이다.
제안하는 배관요소 구분방법의 한계는 2차원 평면 이미지를 인식하는 카메라 영상처리의 고유의 특징으로 야기되는 것이기 때문에, 로봇 전방에 레이저 거리측정 센서 등의 장비를 탑재하고 이에 의한 물체 거리 정보를 활용하면 영상을 이용한 곡관, 분기관 구분의 제한을 쉽게 보완 할 수 있다. 그러나, 단지 영상처리만을 이용하여 배관요소 구분 문제를 해결하고자 한다면 두 가지 방법이 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	배관로를 유지, 보수 등의 작업하기 위해 사람이 접근하기 어려운 이유는?	산업 현장이나 일상생활에서 흔히 사용되고 있는 각종 배관로(pipeline)는 지면아래에 매설되어있거나, 또는 설비, 시설 내부에서 복잡하게 설치되어있기 때문에 배관의 유지, 보수, 검사작업을 위해서 사람이 접근하기가 어려운 경우가 대부분이다. 이런 이유로 배관환경에 로봇을 투입 시키고자 하는 시도는 매우 실용적이고 합리적인 것으로 받아들여지고 있다.
	배관로봇은 어떤 용도로 상용화되어 있는가?	이런 이유로 배관환경에 로봇을 투입 시키고자 하는 시도는 매우 실용적이고 합리적인 것으로 받아들여지고 있다.[1~5] 1960년대부터 꾸준한 연구가 지속되어 오고 있는 배관로봇(in‐pipe robot)은 대체적으로 로봇의 주행이 용이한 환경에서 작업하는 용도로는 이미 상용화 되어 있다. 상용 배관로봇의 대표적인 예로는 하수관 내부의 상태나 관로의 결함을 검사하기 위한 하수관 로봇(sewage inspection robot)을 들 수 있다.
	배관의 유지, 보수, 검사작업을 하기 위해 사람의 접근이 어렵기 때문에 사용한 방법은?	산업 현장이나 일상생활에서 흔히 사용되고 있는 각종 배관로(pipeline)는 지면아래에 매설되어있거나, 또는 설비, 시설 내부에서 복잡하게 설치되어있기 때문에 배관의 유지, 보수, 검사작업을 위해서 사람이 접근하기가 어려운 경우가 대부분이다. 이런 이유로 배관환경에 로봇을 투입 시키고자 하는 시도는 매우 실용적이고 합리적인 것으로 받아들여지고 있다.[1~5] 1960년대부터 꾸준한 연구가 지속되어 오고 있는 배관로봇(in‐pipe robot)은 대체적으로 로봇의 주행이 용이한 환경에서 작업하는 용도로는 이미 상용화 되어 있다.

참고문헌 (18)

Okada, T. and Sanemori, T. 1987, "MOGRER: A vehicle study and realization for in-pipe inspection tasks," IEEE J. Robotics and Automation, Vol.3, No.6, pp.573-582.

상세보기
Nagano, S. and Oka, Y., 1988, "Application of Inpipe Visual Inspection Robot to Piping Internal Surface Lining," in Proc. Int. Symp. Robotics in Construction, pp.897-906.
Neubauer, W., 1994, "A Spider-Like Robot that Climbs Vertically in Ducts or Pipes," in Proc. IEEE/RSJ Int. Conf. Intelligent Robots, Systems, pp.1178-1185.
Roman, H. T., Pellegrino, B. A., Sigrist, W. R., 1993, "Pipe crawling inspection robots: an overview," IEEE Trans of Energy Conversion, pp.576-583.
Nassiraei, A. A. F., Kawamura, Y., Ahrary, A., Mikuriya, Y., and Ishii, K., 2007, "Concept and Design of A Fully Autonomous Sewer Pipe Inspection Mobile Robot "KANTARO"," in Proc. IEEE Int. Conf. Robotics and Automation, pp.136-143.
Schempf, H. and Vradis, G.., 2004, "Explorer: Long-Range Untetherred Real-Time Live Gas Main Inspection System," in Proc. Int. Conf. GTI.
Birkenhofer, C., Hoffmeister, M., Zollner, J. M., and Dillmann, R., 2005, "Compliant Motion of a Multi-segmented Inspection Robot," in Proc. IEEE/RSJ Int. Conf. Intelligent Robots, Systems, pp.3353-3358.
Duran, O., Althoefer, K., and Seneviratne, L. D., 2003, "Pipe Inspection Using a Laser-Based Transducer and Automated Analysis Techniques," IEEE/ASME Trans. Mechatronics, Vol.8, No.3, pp.401-409.

상세보기
Hlavac, V., Jeffery, K. G., and Wiedermann, J., 2000, "On Vision-Based Orientation Method of a Robot Head in a Dark Cylindrical Pipe," in Proc. Conf. Current Trends in Theory and Practice of Informatics, pp.365-374.
Ahrary, A., Tian, L., Kamata, S., and Ishikawa, M., 2005, "An Autonomous Sewer Robots Navigation based on Stereo Camera Information," in Proc. IEEE Int. Conf. Tools with Artificial Intelligence, pp.628-633.
Kolesnik, M. and Streich, H., 2002, "Visual Orientation and Motion Control of MAKRO - Adaptation to the Sewer Environment," in Proc. Int. Conf. Simulation of Adaptive Behavior, Edinburgh, pp.62-29.
Hornberg, A., 2006, Handbook of Machine Vision, Wiley-VCH, pp.583-586.
Duran, O., Althoefer, K., and Seneviratne, L. D., 2002, "Automated Sewer Pipe Inspection through Image Processing," in Proc. IEEE Int. Conf. Robotics and Automation, pp.2551-2556.
Gomez, F., Althoefer, K., and Seneviratne, L. D., 2004, "An ultrasonic profiling method for sewer inspection," in Proc. IEEE Int. Conf. Robotics and Automation, pp.4858-4863.
Rome, E., Surmann, H., Streich, H., Licht, U., and Paap, K., 2001, "A custom IR scanner for landmark detection with the autonomous sewer Robot MAKRO," in Proc. Int. Symp. Intelligent Robotic Systems, pp.457-466.
Roh, S. G., Kim, D. W., Lee, J. S., Moon, H., and Choi, H. R., 2008, "Modularized In-pipe Robot Capable of Selective Navigation Inside of Pipelines," in Proc. IEEE/RSJ Int. Conf. Intelligent Robots, Systems, pp.1724-1729.
Kim, D. W., Roh, S. G., Lee, J. S., Lee, S. H., and Choi, H. R., 2008, "Development of In-Pipe Robot Using Clutch-Based Selective Driving Algorithm," Trans. Korea Society of Mechanical Engineers, pp.223-231.
Roh, S. G., and Choi, H. R., 2005, "Differential-Drive In-Pipe Robot for Moving Inside Urban Gas Pipelines," IEEE Trans. Robotics, Vol.21, No.1, pp.1-17.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증