[논문]지능형 굴삭 로봇의 개발을 위한 로컬영역 3차원 모델링 센서 선정 및 현장 적용성 분석에 관한 연구

유현석; 권순욱; 김영석

doi:10.12652/ksce.2013.33.6.2551

문제 정의

(1) 본 연구에서는 선행 개발된 완전 자동화 방식의 굴삭 로봇 개발현황 및 3차원 지형 모델링 센서 기술을 분석하였다. 그 결과 미국에서 개발된 CMU의 완전 자동화 굴삭기는 고가의 3D 레이저 스캐너 가격이 소요되는 문제점이 있었고 일본 PWRI의 완전 자동화 굴삭 로봇은 토공사 작업지형 1회 촬영마다 21초의 3D 모델링 연산시간이 소요되는 문제점이 있는 것으로 분석되었다.
본 연구는 현재까지 개발된 3차원 작업환경 센싱 기술 분석을 통해 지능형 굴삭로봇의 3차원 지형 모델링에 적합한 센서를 선정하고 실제 토공사 작업환경의 3차원 모델링 현장실험을 통해 선정 센서의 성능을 검증하기 위한 연구로써, 본 연구의 결론은 다음과 같다.
본 연구에서는 선행 개발된 완전 자동화 방식의 굴삭 로봇 개발현황 및 3차원 지형 모델링 센서 기술을 분석하고, 선행 개발된 기술의 문제점 분석을 통하여 로컬영역 3차원 모델링 센서 선정을 위한 고려요소를 도출하였다.
본 연구에서는 실제 토공사 작업현장의 3차원 지형 모델링을 위하여 스테레오 비전 카메라와 2D 레이저 센서의 3차원 지형 데이터를 획득하였으며, 각 센서의 로우(raw) 데이터를 3차원으로 모델링하고 모델링 품질 측면과 모델링 정확성 측면에서 검토하였다. 먼저 스테레오 비전 카메라를 이용하여 토공사 작업지형을 3차원 모델링한 결과, 실내의 인공 구조물을 대상으로 촬영한 모델링 결과보다는 비교적 우수하였으나, 전반적으로 크고 작은 노이즈가 발생하였다.
본 연구에서는 앞서 선호지수 분석에서 가장 높은 점수가 산정된 2D 레이저 센서와 스테레오 비전 카메라 센서 가운데 먼저 스테레오 비전 카메라를 대상으로 실제 토공사 작업현장에서 최종 센서 선정을 위한 성능 테스트를 수행하였다. 스테레오 비전 카메라의 현장 실험은 수도권 소재 실제 토공현장에서 수행되었으며, 스테레오 비전 카메라를 굴삭기의 운전석 상단에 설치하고 수평선을 기준으로 30도 내려다보는 방향으로 설치하였다.
본 연구에서는 앞서 조사된 4개의 대안(광대역 3D 레이저 스캐너(3DS), 2D 레이저 스캐너(2DS), 스테레오 비전(S.V), 레이저 방식 구조광(L.S)) 중 실시간 지반 3차원 모델링 시스템 구현을 위한 최적 대안을 찾기 위해 Table 4와 같이 각 고려요소별 세부 고려요소에 대하여 각 대안의 해당여부를 검토하였다. Table 5의 각 대안에 대한 선호지수(preference index)는 Table 3에서 도출한 고려요소별 가중치와 Table 4에서 도출한 요소기술별 세부 고려요소의 해당비율을 곱함으로써 얻을 수 있다.
본 연구에서는 지능형 굴삭로봇을 개발함에 있어 로컬영역 3차원 모델링 기술의 역할과 필요성을 분석하고, 토공사 작업환경의 3차원 지형 데이터를 이용하여 지능형 굴삭로봇에 응용될 수 있는 기술을 분석한다.
본 연구의 목적은 현재까지 개발된 3차원 작업환경 센서의 기술 사양과 장단점을 분석을 통해 지능형 굴삭로봇의 로컬영역 3차원 모델링에 적합한 센서를 선정하고, 현장실험을 통해 실제 토공사 작업환경을 3차원으로 모델링함으로써 선정 센서의 성능을 검증하는 것이다. 본 연구에서 선정된 작업환경 모델링 센서는 추후 토공사 작업환경 관련 건설 자동화 장비를 개발함에 있어 적용범위가 매우 넓을 것으로 기대된다.
본 연구의 범위는 지능형 굴삭로봇에서 사용되는 건설 자동화 장비를 개발함에 있어 주변 지형과 장애물을 정확하게 3차원으로 탐지하기 위한 센서를 선정하고, 현장실험을 통해 기술적 타당성 및 현장 적용성을 검증하는 것이며 본 연구의 방법은 다음과 같다.

제안 방법

2D 레이저 센서의 현장 테스트는 Fig. 5의 (a)와 같이 2D 레이저 스캐너(LMS-111)와 정속 회전 기구를 실제 굴삭기 운전석 뒤편에 설치하고, 센서를 정속 회전하여 3차원 데이터를 획득하는 방식으로 수행되었다. 레이저 센서 데이터는 스테레오 비전 데이터와는 달리 스캔 면이 연속 저장되는 데이터이며, 해당 실험에서는 약 12분간의 데이터를 획득하였다.
2D 레이저 스캐너의 정확성 측정방법은 스테레오 비전과 동일하게 토털 스테이션 측량을 통해 측정되었으며, 2D 레이저 스캐너의 원점과 목표물 간의 실제 거리와 3차원 지형 데이터에서 2D 레이저 스캐너와 목표물 간의 거리 18개소를 비교하여 오차를 측정하였다. 상기 실험방법을 통해 획득한 실측 데이터를 기반으로 실측거리와 측정거리 간 오차를 분석한 결과 Table 7과 같이 평균 오차는 0.
CMU의 완전 자동화 굴삭 로봇은 2대의 3D 레이저 스캐너를 굴삭기 상단에 설치하여 전방 작업영역의 굴삭 작업과 왼쪽에서 접근하는 상차트럭에 상차작업을 수행하도록 설계되었다. 그러나 이 연구에서는 굴삭로봇에 장착된 3D 레이저 스캐너 2대의 비용을 언급하고 있지는 않으나 일반적인 광대역 3D 레이저 스캐너의 판매가격을 감안할 때 대당 1억원 이상의 비용이 소요되었을 것으로 예상되며, 이와 같이 고가의 광대역 스캐너 비용은 실용화에 큰 장애가 된다.
본 연구에서는 1차적으로 도출된 2종의 센서를 실제 토공사 작업현장에 적용하여 모델링 테스트를 수행하였고, 해당 센서로부터 획득된 데이터를 분석하여 3차원 모델링 품질 및 정확성 평가를 수행하여 최종 3차원 모델링 센서를 선정하고, 실제 현장 실험을 통해 해당 센서의 현장 적용성을 검증하였다.
획득된 영상은 본 연구에서 개발된 소프트웨어를 이용하여 3차원 평면으로 모델링하고, 노이즈 수준과 프로세싱의 품질 정도를 판별하여 2D 레이저 센서의 토공현장 적합성 분석을 수행하였다. 본 연구에서는 2D 레이저 스캐너 지형 데이터의 분석에 있어 Microsoft社의 Visual C++ 2008 컴파일러(compiler) 등을 이용하여 3차원 모델링 소프트웨어를 구현하였으며, Fig. 6은 토공 현장 2D 레이저 스캐너 데이터를 3차원 지형으로 모델링한 것이다.
스테레오 비전 카메라의 촬영 해상도는 640×480 화소이며, 획득된 지반형상 이미지는 본 연구에서 개발된 3D 모델링 소프트웨어를 이용하여 3차원 영상으로 모델링하였다. 본 연구에서는 스테레오 비전 카메라 영상의 분석을 위하여 Visual C++ 2008 컴파일러(compiler) 등을 이용하여 스테레오 비전 영상의 3차원 모델링 소프트웨어를 구현하였으며, Fig. 4는 이러한 과정을 통해 토공 현장 2차원 스테레오 영상을 3차원 지형으로 모델링한 것이다.
본 연구에서는 실제 스테레오 비전 카메라에 의해 측정된 거리 값과 실측을 통해서 얻은 거리 값의 비교를 통해 스테레오 비전 카메라의 정확도를 측정하였다. 측정방법은 7개소의 촬영 영역에 무작위로 5~9개의 목표물을 설치하고 지형과 목표물을 촬영한 후 토털 스테이션(total station)을 이용하여 측정된 각 목표물까지의 실제 거리와 스테레오 비전 소프트웨어 상에서 계산된 거리의 편차를 측정하였다(Table 6).
본 연구에서는 앞 절에서 분석된 광대역 3D 레이저 스캐너, 스테레오 비전, 레이저 광원 방식 구조광 센서, 2D 레이저 센서 등에 대하여 각 센서별로 국내에서 대표적으로 사용되는 모델을 선정하였으며, 이 센서들을 지능형 굴삭 로봇에 장착하여 주변 로컬영역을 3차원으로 모델링할 경우를 가정하여 다음 Table 2와 같이 각 센서의 성능 사양과 장단점을 비교·분석하였다.
그 결과 미국에서 개발된 CMU의 완전 자동화 굴삭기는 고가의 3D 레이저 스캐너 가격이 소요되는 문제점이 있었고 일본 PWRI의 완전 자동화 굴삭 로봇은 토공사 작업지형 1회 촬영마다 21초의 3D 모델링 연산시간이 소요되는 문제점이 있는 것으로 분석되었다. 본 연구에서는 이와 같은 문제점 분석을 통하여 경제성, 신속성 및 측정범위, 정확성, 설치 용이성, 내구성 등 5가지 항목의 고려요소를 도출하였다.
기존의 굴삭 자동화 연구는 3차원 지형 데이터를 기반으로 굴삭 및 상차 작업의 구현을 위한 다양한 기술개발이 이루어져 왔으며, 지형 데이터의 3차원 모델링이나 객체의 탐지를 위한 센서 인터페이스로는 주로 스테레오 비전 카메라 시스템과 2D 또는 3D 레이저 스캐너가 사용됨을 알 수 있다. 본 연구에서는 최적의 3차원 모델링 센서를 선정하기 위해 국외에서 개발된 완전 자동화 굴삭 로봇의 선행 연구문헌을 조사하고 문제점을 분석한 결과, 다음 Table 1과 같이 경제성, 신속성, 데이터 획득범위, 정확성, 설치가능 여부, 내구성 등을 고려요소로 도출하였다.
본 연구에서는 현재 사용되는 3차원 모델링 센서 기술의 특징 및 사양을 조사하여 장단점을 분석하였으며, AHP 가중치 분석을 통하여 토공사 작업환경에 적합한 센서를 도출하였다.
스테레오 비전 카메라의 촬영 해상도는 640×480 화소이며, 획득된 지반형상 이미지는 본 연구에서 개발된 3D 모델링 소프트웨어를 이용하여 3차원 영상으로 모델링하였다.
본 연구에서는 앞 절에서 분석된 광대역 3D 레이저 스캐너, 스테레오 비전, 레이저 광원 방식 구조광 센서, 2D 레이저 센서 등에 대하여 각 센서별로 국내에서 대표적으로 사용되는 모델을 선정하였으며, 이 센서들을 지능형 굴삭 로봇에 장착하여 주변 로컬영역을 3차원으로 모델링할 경우를 가정하여 다음 Table 2와 같이 각 센서의 성능 사양과 장단점을 비교·분석하였다. 이 가운데 레이저 광원 방식 구조광 센서는 실내용 센서의 성능사양을 기반으로 실외용으로 제작하였을 때의 추정치를 산정하였다. 본 연구에서는 각 센서의 성능사양을 바탕으로 3차원 모델링 센서 4종의 장단점을 분석하였으며, 그 결과 2D 레이저 센서가 지능형 굴삭 로봇의 로컬영역 3차원 모델링에 가장 우수한 성능을 나타낼 것으로 예상되고, 스테레오 비전 카메라 센서가 지능형 굴삭 로봇 시스템에 적용 가능성이 높은 것으로 분석되었다.
스테레오 비전 카메라(stereo-vision camera)는 2대의 카메라를 통해 획득한 2차원 영상으로부터 3차원 지형 정보를 추출하는 기술이다. 일정 거리를 두고 배치된 두 대의 카메라를 통해 촬영된 두 개의 영상에서 피사체간 거리 차를 구하고, 렌즈의 초점거리와 카메라로부터 피사체 사이 거리의 기하학적 구조를 통해 실제 물체의 3차원 거리를 계산한다.
본 연구에서는 실제 스테레오 비전 카메라에 의해 측정된 거리 값과 실측을 통해서 얻은 거리 값의 비교를 통해 스테레오 비전 카메라의 정확도를 측정하였다. 측정방법은 7개소의 촬영 영역에 무작위로 5~9개의 목표물을 설치하고 지형과 목표물을 촬영한 후 토털 스테이션(total station)을 이용하여 측정된 각 목표물까지의 실제 거리와 스테레오 비전 소프트웨어 상에서 계산된 거리의 편차를 측정하였다(Table 6).
한편, 본 연구에서는 지능형 굴삭 시스템의 로컬영역 3차원 모델링 센서를 선정을 위하여 앞서 Table 1에서 조사 분석된 5개의 고려요소를 대상으로 AHP(Analytic Hierarchy Process) 분석기법을 이용하여 고려요소별 가중치를 분석하였으며, 3.1절에서 분석된 4개의 센서에 대하여 세부 고려요소의 해당여부 검토를 통하여 센서별 선호지수를 산정하였다. 아래 Table 3은 10명의 비전 센서 전문가 및 벤더(vendor)들과의 브레인스토밍 통해 AHP 분석 방법 을 기반으로 고려요소 간의 쌍대비교를 한 결과로써, 정확성(C)의 가중치가 0.
레이저 센서 데이터는 스테레오 비전 데이터와는 달리 스캔 면이 연속 저장되는 데이터이며, 해당 실험에서는 약 12분간의 데이터를 획득하였다. 획득된 영상은 본 연구에서 개발된 소프트웨어를 이용하여 3차원 평면으로 모델링하고, 노이즈 수준과 프로세싱의 품질 정도를 판별하여 2D 레이저 센서의 토공현장 적합성 분석을 수행하였다. 본 연구에서는 2D 레이저 스캐너 지형 데이터의 분석에 있어 Microsoft社의 Visual C++ 2008 컴파일러(compiler) 등을 이용하여 3차원 모델링 소프트웨어를 구현하였으며, Fig.

대상 데이터

183)는 적합하지 않은 것으로 분석되었다. 따라서 본 연구에서는 2D 레이저 센서와 스테레오 비전 카메라 센서를 지능형 굴삭 로봇의 센서 시스템으로 1차 선정하였다.
5의 (a)와 같이 2D 레이저 스캐너(LMS-111)와 정속 회전 기구를 실제 굴삭기 운전석 뒤편에 설치하고, 센서를 정속 회전하여 3차원 데이터를 획득하는 방식으로 수행되었다. 레이저 센서 데이터는 스테레오 비전 데이터와는 달리 스캔 면이 연속 저장되는 데이터이며, 해당 실험에서는 약 12분간의 데이터를 획득하였다. 획득된 영상은 본 연구에서 개발된 소프트웨어를 이용하여 3차원 평면으로 모델링하고, 노이즈 수준과 프로세싱의 품질 정도를 판별하여 2D 레이저 센서의 토공현장 적합성 분석을 수행하였다.
스테레오 비전 카메라는 2D 레이저 스캐너에 비해 지형의 촬영 속도가 월등히 신속하고, 3차원 포인트의 색상 정보까지 함께 획득할 수 있다는 장점이 있지만 건설 자동화 장비는 신뢰성 높은 주변 환경인식 기술을 필요로 한다. 본 연구에서는 건설 작업환경에 적합한 3차원 모델링 센서로 2D 레이저 스캐너를 최종 선정하였다.
본 연구에서는 앞서 선호지수 분석에서 가장 높은 점수가 산정된 2D 레이저 센서와 스테레오 비전 카메라 센서 가운데 먼저 스테레오 비전 카메라를 대상으로 실제 토공사 작업현장에서 최종 센서 선정을 위한 성능 테스트를 수행하였다. 스테레오 비전 카메라의 현장 실험은 수도권 소재 실제 토공현장에서 수행되었으며, 스테레오 비전 카메라를 굴삭기의 운전석 상단에 설치하고 수평선을 기준으로 30도 내려다보는 방향으로 설치하였다. 스테레오 비전 카메라의 촬영 해상도는 640×480 화소이며, 획득된 지반형상 이미지는 본 연구에서 개발된 3D 모델링 소프트웨어를 이용하여 3차원 영상으로 모델링하였다.

성능/효과

(2) 본 연구에서는 지능형 굴삭 로봇의 3차원 모델링 센서 선정을 위하여 현재 사용되는 3차원 모델링 센서 기술의 특징 및 사양을 조사하여 장단점을 분석한 결과 2D 레이저 센서와 스테레오 비전 센서가 지능형 굴삭 로봇 시스템에 적용 가능성이 높은 것으로 분석되었다. 한편 AHP 분석 방법을 이용한 고려요소 간의 쌍대비교 결과, 정확성의 가중치가 0.
(3) 본 연구에서는 2종의 3차원 모델링 센서를 실제 토공사 작업현장에 적용하여 모델링 테스트를 수행하였고, 해당 센서로부터 획득된 데이터를 분석하여 3차원 모델링 품질 및 정확성 평가를 수행한 결과, 2D 레이저 스캐너의 3차원 모델링 품질과 정확성이 스테레오 비전 카메라에 비해 모두 월등히 우수한 것으로 분석되었다. 특히 실제 토공사 작업현장에 적용될 경우 2D 레이저 스캐너의 모델링 결과에서는 노이즈가 전혀 발견되지 않았으며 매우 정확한 3차원 모델링 결과를 보장하는 것으로 분석되었다.
6과 같이 전반적인 3차원 모델링 품질도 매우 우수하였다. Fig. 6에서 굴삭기 주변 사람의 형상과 측량 기기의 형상이 모두 뚜렷한 형상으로 검출됨을 확인할 수 있으며, 3차원 포인트의 밀도는 단위간격 기준으로 볼 때 스테레오 비전 최대 해상도에 비해 비교적 낮은 것으로 확인되었다.
토공 현장에서 수집된 3차원 모델링 결과의 노이즈 패턴을 분석한 결과, 흙과 암석으로 구성된 일반 지반은 대부분 노이즈 발생빈도는 상당히 낮으나 산발적으로 발생하는 경향이 있으며, 야적된 콘크리트 흄관이나 지표수를 촬영한 경우 표면 상당 영역에서 많은 노이즈가 발생하고 지반과 마찬가지로 급격한 단차가 있을 경우에 주로 발생하는 경향을 보인다. 결론적으로 토공사 작업현장의 3차원 스테레오 매칭 영상은 노이즈 레벨이 낮은 편이나 전반적으로 크고 작은 노이즈가 발생하며, 이 데이터를 이용하여 삼각망을 생성할 경우 노이즈로 인해 지반형상이 왜곡될 가능성이 있기 때문에 반드시 노이즈 제거 알고리즘을 통해 제거되어야 하는 것으로 분석되었다(Yoo et al., 2009).
본 연구에서는 각 센서의 성능사양을 바탕으로 3차원 모델링 센서 4종의 장단점을 분석하였으며, 그 결과 2D 레이저 센서가 지능형 굴삭 로봇의 로컬영역 3차원 모델링에 가장 우수한 성능을 나타낼 것으로 예상되고, 스테레오 비전 카메라 센서가 지능형 굴삭 로봇 시스템에 적용 가능성이 높은 것으로 분석되었다. 광대역 3D 레이저 스캐너는 글로벌 모델링에 매우 적합할 것으로 예상되나 시스템 가격 측면에서 로컬영역 모델링 센서로 적합하지 않은 것으로 분석되었으며, 레이저 광원 방식 구조광 시스템은 실외 환경에서 인공 광원의 생성이 문제가 될 것으로 분석되었다.
(1) 본 연구에서는 선행 개발된 완전 자동화 방식의 굴삭 로봇 개발현황 및 3차원 지형 모델링 센서 기술을 분석하였다. 그 결과 미국에서 개발된 CMU의 완전 자동화 굴삭기는 고가의 3D 레이저 스캐너 가격이 소요되는 문제점이 있었고 일본 PWRI의 완전 자동화 굴삭 로봇은 토공사 작업지형 1회 촬영마다 21초의 3D 모델링 연산시간이 소요되는 문제점이 있는 것으로 분석되었다. 본 연구에서는 이와 같은 문제점 분석을 통하여 경제성, 신속성 및 측정범위, 정확성, 설치 용이성, 내구성 등 5가지 항목의 고려요소를 도출하였다.
023 미터로 계산되어 스테레오 비전에 비해 비교적 정확도가 우수한 것으로 분석되었다. 또한 2D 레이저 스캐너 데이터의 오차는 스테레오 비전 카메라와 마찬가지로 목표물까지의 거리가 멀어질수록 점차 오차 폭이 커지며 거리 대비 오차 비는 유지되는 것으로 분석되었다.
본 연구에서는 실제 토공사 작업현장의 3차원 지형 모델링을 위하여 스테레오 비전 카메라와 2D 레이저 센서의 3차원 지형 데이터를 획득하였으며, 각 센서의 로우(raw) 데이터를 3차원으로 모델링하고 모델링 품질 측면과 모델링 정확성 측면에서 검토하였다. 먼저 스테레오 비전 카메라를 이용하여 토공사 작업지형을 3차원 모델링한 결과, 실내의 인공 구조물을 대상으로 촬영한 모델링 결과보다는 비교적 우수하였으나, 전반적으로 크고 작은 노이즈가 발생하였다. 토공사 작업환경의 3차원 모델링 결과에서 노이즈 데이터가 존재할 경우 예상되는 문제점은 지형의 부피(volume)계산에 오차가 발생하여 토공량의 계산에 영향을 미치고, 노이즈가 있는 지형은 피라미드 형태의 매시가 생성되기 때문에 지능형 굴삭시스템이 이를 장애물로 인식할 수 있다는 점이다.
본 연구에서 Table 5와 같이 3D 모델링 센서별 선호지수를 산정한 결과 2D 레이저 스캐너가 0.320, 스테레오 비전 센서가 0.298로 산정되어 지능형 굴삭 로봇의 로컬영역 3차원 모델링 센서로 비교적 적합한 것으로 분석되었으며, 광대역 3D 레이저 스캐너(0.200)와 레이저 구조광 센서(0.183)는 적합하지 않은 것으로 분석되었다. 따라서 본 연구에서는 2D 레이저 센서와 스테레오 비전 카메라 센서를 지능형 굴삭 로봇의 센서 시스템으로 1차 선정하였다.
이 가운데 레이저 광원 방식 구조광 센서는 실내용 센서의 성능사양을 기반으로 실외용으로 제작하였을 때의 추정치를 산정하였다. 본 연구에서는 각 센서의 성능사양을 바탕으로 3차원 모델링 센서 4종의 장단점을 분석하였으며, 그 결과 2D 레이저 센서가 지능형 굴삭 로봇의 로컬영역 3차원 모델링에 가장 우수한 성능을 나타낼 것으로 예상되고, 스테레오 비전 카메라 센서가 지능형 굴삭 로봇 시스템에 적용 가능성이 높은 것으로 분석되었다. 광대역 3D 레이저 스캐너는 글로벌 모델링에 매우 적합할 것으로 예상되나 시스템 가격 측면에서 로컬영역 모델링 센서로 적합하지 않은 것으로 분석되었으며, 레이저 광원 방식 구조광 시스템은 실외 환경에서 인공 광원의 생성이 문제가 될 것으로 분석되었다.
2D 레이저 스캐너의 정확성 측정방법은 스테레오 비전과 동일하게 토털 스테이션 측량을 통해 측정되었으며, 2D 레이저 스캐너의 원점과 목표물 간의 실제 거리와 3차원 지형 데이터에서 2D 레이저 스캐너와 목표물 간의 거리 18개소를 비교하여 오차를 측정하였다. 상기 실험방법을 통해 획득한 실측 데이터를 기반으로 실측거리와 측정거리 간 오차를 분석한 결과 Table 7과 같이 평균 오차는 0.003 미터이고 최대 오차는 0.023 미터로 계산되어 스테레오 비전에 비해 비교적 정확도가 우수한 것으로 분석되었다. 또한 2D 레이저 스캐너 데이터의 오차는 스테레오 비전 카메라와 마찬가지로 목표물까지의 거리가 멀어질수록 점차 오차 폭이 커지며 거리 대비 오차 비는 유지되는 것으로 분석되었다.
위의 실험방법을 통해 획득한 총 48개의 실측 데이터를 기반으로 실측거리와 측정거리 간 편차를 분석한 결과 오차 평균은 0.041미터이고 최대 오차는 0.160미터인 것으로 분석되었다. 한편, 스테레오 비전 데이터의 오차는 목표물까지의 거리가 멀어질수록 점진적으로 오차 폭이 증가하며 거리 대비 오차 비는 유지되는 것으로 분석되었다(Yu et al.
토공사 작업현장에서 스테레오 비전 카메라를 이용하여 지형을 3차원으로 모델링한 결과 전체 영상에서 노이즈가 빈번하게 발생하고 있음을 발견할 수 있다. 토공 현장에서 수집된 3차원 모델링 결과의 노이즈 패턴을 분석한 결과, 흙과 암석으로 구성된 일반 지반은 대부분 노이즈 발생빈도는 상당히 낮으나 산발적으로 발생하는 경향이 있으며, 야적된 콘크리트 흄관이나 지표수를 촬영한 경우 표면 상당 영역에서 많은 노이즈가 발생하고 지반과 마찬가지로 급격한 단차가 있을 경우에 주로 발생하는 경향을 보인다. 결론적으로 토공사 작업현장의 3차원 스테레오 매칭 영상은 노이즈 레벨이 낮은 편이나 전반적으로 크고 작은 노이즈가 발생하며, 이 데이터를 이용하여 삼각망을 생성할 경우 노이즈로 인해 지반형상이 왜곡될 가능성이 있기 때문에 반드시 노이즈 제거 알고리즘을 통해 제거되어야 하는 것으로 분석되었다(Yoo et al.
토공사 작업현장에서 2D 레이저 스캐너를 이용하여 지형을 3차원으로 모델링한 결과 스테레오 비전 카메라와는 달리 노이즈는 전혀 발견되지 않았으며, Fig. 6과 같이 전반적인 3차원 모델링 품질도 매우 우수하였다. Fig.
토공사 작업현장에서 스테레오 비전 카메라를 이용하여 지형을 3차원으로 모델링한 결과 전체 영상에서 노이즈가 빈번하게 발생하고 있음을 발견할 수 있다. 토공 현장에서 수집된 3차원 모델링 결과의 노이즈 패턴을 분석한 결과, 흙과 암석으로 구성된 일반 지반은 대부분 노이즈 발생빈도는 상당히 낮으나 산발적으로 발생하는 경향이 있으며, 야적된 콘크리트 흄관이나 지표수를 촬영한 경우 표면 상당 영역에서 많은 노이즈가 발생하고 지반과 마찬가지로 급격한 단차가 있을 경우에 주로 발생하는 경향을 보인다.
(3) 본 연구에서는 2종의 3차원 모델링 센서를 실제 토공사 작업현장에 적용하여 모델링 테스트를 수행하였고, 해당 센서로부터 획득된 데이터를 분석하여 3차원 모델링 품질 및 정확성 평가를 수행한 결과, 2D 레이저 스캐너의 3차원 모델링 품질과 정확성이 스테레오 비전 카메라에 비해 모두 월등히 우수한 것으로 분석되었다. 특히 실제 토공사 작업현장에 적용될 경우 2D 레이저 스캐너의 모델링 결과에서는 노이즈가 전혀 발견되지 않았으며 매우 정확한 3차원 모델링 결과를 보장하는 것으로 분석되었다. 향후 지능형 굴삭 로봇에 2D 레이저 스캐너를 적용하여 3차원 모델링 결과를 얻기 위해서는 정밀한 정속 회전 기구(機構)가 제작되어야 하며, 굴삭 로봇 주변 지형을 균일한 밀도로 스캐닝할 수 있는 위치에 설치되어야 한다.
(2) 본 연구에서는 지능형 굴삭 로봇의 3차원 모델링 센서 선정을 위하여 현재 사용되는 3차원 모델링 센서 기술의 특징 및 사양을 조사하여 장단점을 분석한 결과 2D 레이저 센서와 스테레오 비전 센서가 지능형 굴삭 로봇 시스템에 적용 가능성이 높은 것으로 분석되었다. 한편 AHP 분석 방법을 이용한 고려요소 간의 쌍대비교 결과, 정확성의 가중치가 0.49로 가장 높게 나타났으며, 경제성이 0.24, 신속성 및 측정범위가 0.12, 설치용이성이 0.09, 내구성 0.06 순으로 분석되었다. 한편, 본 연구에서는 고려 요소 내 세부 고려요소에 대하여 각 대안의 해당여부를 검토하였고, 이를 통한 3D 모델링 센서별 선호지수를 산정한 결과 2D 레이저 스캐너가 0.
따라서 스테레오 비전 카메라를 지능형 굴삭 로봇의 환경인식 센서로 활용하기 위해서는 강력한 노이즈 필터링 알고리즘이 요구된다. 한편, 2D 레이저 스캐너를 이용하여 토공사 작업지형을 모델링한 결과에서는 노이즈가 전혀 발견되지 않았고 전반적인 3차원 모델링 품질도 스테레오 비전 카메라에 비해 우수하였다. 한편, 실제 토공사 현장에서 측정 범위 내에 무작위로 목표물(target)을 설치하고, 원점과 목표물 사이의 거리를 측정한 결과 전반적으로 2D 레이저 스캐너의 정확성이 스테레오 비전 카메라에 비해 월등히 우수하였다.
06 순으로 분석되었다. 한편, 본 연구에서는 고려 요소 내 세부 고려요소에 대하여 각 대안의 해당여부를 검토하였고, 이를 통한 3D 모델링 센서별 선호지수를 산정한 결과 2D 레이저 스캐너가 0.320, 스테레오 비전 센서가 0.298로 산정되어 지능형 굴삭 로봇의 로컬영역 3차원 모델링 센서로 적합한 것으로 분석되었으며, 광대역 3D 레이저 스캐너(0.200)와 레이저 구조 광 센서(0.183)는 적합하지 않은 것으로 분석되었다.
한편, 2D 레이저 스캐너를 이용하여 토공사 작업지형을 모델링한 결과에서는 노이즈가 전혀 발견되지 않았고 전반적인 3차원 모델링 품질도 스테레오 비전 카메라에 비해 우수하였다. 한편, 실제 토공사 현장에서 측정 범위 내에 무작위로 목표물(target)을 설치하고, 원점과 목표물 사이의 거리를 측정한 결과 전반적으로 2D 레이저 스캐너의 정확성이 스테레오 비전 카메라에 비해 월등히 우수하였다. 스테레오 비전 카메라는 2D 레이저 스캐너에 비해 지형의 촬영 속도가 월등히 신속하고, 3차원 포인트의 색상 정보까지 함께 획득할 수 있다는 장점이 있지만 건설 자동화 장비는 신뢰성 높은 주변 환경인식 기술을 필요로 한다.

후속연구

지능형 굴삭 로봇의 작업계획(task planning) 수립을 위해서는 굴삭로봇이 주변 지형을 인식하고, 그에 적합한 작업을 수행하도록 하는 것이 가장 중요하므로, 비정형 지반 형상 인식 기술을 통합한 로컬영역 모델링 기술은 무인 시공을 위해 가장 기본적으로 갖추어져야 하는 원천 기술이라 할 수 있다. 로컬영역 센싱을 통해 획득된 3차원 모델은 월드 모델 갱신의 목적 뿐만 아니라 지능형 굴삭 로봇의 굴삭 경로 생성, 굴삭 작업 전후의 지형 비교를 통한 토공량의 산정, 3차원 CAD 정보와의 비교를 통한 굴삭 품질 검사, 상차트럭의 적재량 인식, 지능형 굴삭 로봇의 긴급 정지 및 이동식 장애물의 회피, 토공 자동화 장비 협업 시스템의 위치 보정 및 충돌 방지 등과 같이 자동화 굴삭 전반에 걸쳐 다양한 목적으로 응용될 수 있다.
본 연구의 목적은 현재까지 개발된 3차원 작업환경 센서의 기술 사양과 장단점을 분석을 통해 지능형 굴삭로봇의 로컬영역 3차원 모델링에 적합한 센서를 선정하고, 현장실험을 통해 실제 토공사 작업환경을 3차원으로 모델링함으로써 선정 센서의 성능을 검증하는 것이다. 본 연구에서 선정된 작업환경 모델링 센서는 추후 토공사 작업환경 관련 건설 자동화 장비를 개발함에 있어 적용범위가 매우 넓을 것으로 기대된다.
특히 실제 토공사 작업현장에 적용될 경우 2D 레이저 스캐너의 모델링 결과에서는 노이즈가 전혀 발견되지 않았으며 매우 정확한 3차원 모델링 결과를 보장하는 것으로 분석되었다. 향후 지능형 굴삭 로봇에 2D 레이저 스캐너를 적용하여 3차원 모델링 결과를 얻기 위해서는 정밀한 정속 회전 기구(機構)가 제작되어야 하며, 굴삭 로봇 주변 지형을 균일한 밀도로 스캐닝할 수 있는 위치에 설치되어야 한다.

핵심어	질문	논문에서 추출한 답변
	완전 자동화 방식의 지능형 굴삭 로봇에 있어 필수적으로 요구되는 핵심 요소기술은 무엇인가?	완전 자동화 방식의 지능형 굴삭 로봇은 운전자의 개입 없이 자율 주행, 지형 3차원 모델링, 자동 굴삭, 트럭의 인식 및 상차 작업과 같은 일련의 작업을 독립적이고 지능적으로 수행하는 신개념의 굴삭 로봇을 의미한다. 이러한 완전 자동화 굴삭 로봇의 개발에 있어 굴삭기 주변 작업환경의 지형이나, 이동 경로상의 장애물, 굴삭기에 접근하는 상차 트럭 등의 굴삭로봇 주변 객체를 정확하게 인식하는 기술은 작업 품질과 안전성 확보 측면에서 필수적으로 요구되는 핵심 요소기술이라 할 수 있다. 미국, 일본 등의 선진 외국에서도 3D 레이저 센서나 스테레오 비전 등의 작업환경 인식 센서를 사용하여 토공사 작업환경을 3차원으로 모델링하기 위한 다양한 연구를 수행해 왔으나, 고가의 시스템 구축비가 소요되거나 노이즈가 다수 발생하여 모델링 시간이 과다하게 소요되는 등의 문제점이 있었다.
	객체인식 기술은 무엇인가?	로컬영역 3차원 모델링 기술은 토공 자동화 장비의 주변에 존재하는 지형과 고정 또는 이동하는 물체의 형상정보를 3차원으로 모델링하는 기술을 의미한다. 또한 객체인식 기술은 지능형 굴삭 로봇의 전방위 영역의 3차원 모델을 상시 생성하여 지능형 굴삭 로봇에 접근하는 사람이나 상차트럭, 장애물 등의 정보를 탐지·인식하는 기술을 의미한다. 로컬 영역 가운데 전방 작업영역의 지형은 굴삭 작업을 진행함에 따라 지속적으로 형상이 변화하기 때문에 변화된 지형을 일정 주기로 3차원 모델링하여 그 결과를 원격 스테이션으로 전송함으로써 3차원 가상환경의 전체 지형을 갱신한다.
	로컬영역 3차원 모델링 기술은 무엇인가?	로컬영역 3차원 모델링 기술은 토공 자동화 장비의 주변에 존재하는 지형과 고정 또는 이동하는 물체의 형상정보를 3차원으로 모델링하는 기술을 의미한다. 또한 객체인식 기술은 지능형 굴삭 로봇의 전방위 영역의 3차원 모델을 상시 생성하여 지능형 굴삭 로봇에 접근하는 사람이나 상차트럭, 장애물 등의 정보를 탐지·인식하는 기술을 의미한다.

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

지능형 굴삭 로봇의 개발을 위한 로컬영역 3차원 모델링 센서 선정 및 현장 적용성 분석에 관한 연구
A Study on the Selection and Applicability Analysis of 3D Terrain Modeling Sensor for Intelligent Excavation Robot 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

지능형 굴삭 로봇의 개발을 위한 로컬영역 3차원 모델링 센서 선정 및 현장 적용성 분석에 관한 연구 A Study on the Selection and Applicability Analysis of 3D Terrain Modeling Sensor for Intelligent Excavation Robot 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

유현석 (14) 권순욱 (37) 김영석 (138)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

지능형 굴삭 로봇의 개발을 위한 로컬영역 3차원 모델링 센서 선정 및 현장 적용성 분석에 관한 연구
A Study on the Selection and Applicability Analysis of 3D Terrain Modeling Sensor for Intelligent Excavation Robot 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper