스테레오 영상을 이용한 파프리카 인식 및 좌표 정보 획득 영상처리 알고리즘 개발 Development of an Image Processing Algorithm for Paprika Recognition and Coordinate Information Acquisition using Stereo Vision원문보기
본 연구에서는 파프리카 수확기 개발의 일환으로 엔드이펙터의 정확한 제어를 위하여 스테레오 영상으로 파프리카를 인식하고 인식된 파프리카의 공간 좌표를 획득하기 위하여 영상처리알고리즘을 개발하고자 하였다. 먼저, 색상 정보를 이용하여 파프리카 영상을 추출하기 위하여 히스토그램 분석을 수행하였고 결과에 따른 임계값을 설정하였다. 임계값에 의해 추출된 파프리카 영역에 대해 스테레오 대응을 수행하기 위해 실험에 사용된 스테레오 영상의 F 행렬을 구하였고 이를 이용하여 에피폴라 선을 구하여 대응을 수행하였다. 대응을 수행 할 때는 색상 영상을 이용하여 강조 마스크와 컨벌루션을 통해 중심 픽셀과 수직, 수평방향 이웃 픽셀에 가중치를 적용하여 강조한 후 최소 자승 오차를 갖는 점을 대응점으로 추출하였다. 추출 된 대응 점간의 거리를 스테레오 영상의 기하학적인 관계를 이용하여 실제 거리를 계산하였고, 계산된 거리(Z)값을 이용하여 수평(X), 수직(Y) 방향 공간 좌표를 획득하였다. 그 결과 수평 방향 오차 평균 5.3mm, 수직 방향 오차 평균 18.8mm, 거리 오차 평균 5.4mm로 나타났으며, 거리 400~450mm 구간과 영상의 모서리 부분의 왜곡이 발생하는 부분에서 오차가 다른 구간에 비해 크게 나타나는 것을 확인 할 수 있었다.
본 연구에서는 파프리카 수확기 개발의 일환으로 엔드이펙터의 정확한 제어를 위하여 스테레오 영상으로 파프리카를 인식하고 인식된 파프리카의 공간 좌표를 획득하기 위하여 영상처리 알고리즘을 개발하고자 하였다. 먼저, 색상 정보를 이용하여 파프리카 영상을 추출하기 위하여 히스토그램 분석을 수행하였고 결과에 따른 임계값을 설정하였다. 임계값에 의해 추출된 파프리카 영역에 대해 스테레오 대응을 수행하기 위해 실험에 사용된 스테레오 영상의 F 행렬을 구하였고 이를 이용하여 에피폴라 선을 구하여 대응을 수행하였다. 대응을 수행 할 때는 색상 영상을 이용하여 강조 마스크와 컨벌루션을 통해 중심 픽셀과 수직, 수평방향 이웃 픽셀에 가중치를 적용하여 강조한 후 최소 자승 오차를 갖는 점을 대응점으로 추출하였다. 추출 된 대응 점간의 거리를 스테레오 영상의 기하학적인 관계를 이용하여 실제 거리를 계산하였고, 계산된 거리(Z)값을 이용하여 수평(X), 수직(Y) 방향 공간 좌표를 획득하였다. 그 결과 수평 방향 오차 평균 5.3mm, 수직 방향 오차 평균 18.8mm, 거리 오차 평균 5.4mm로 나타났으며, 거리 400~450mm 구간과 영상의 모서리 부분의 왜곡이 발생하는 부분에서 오차가 다른 구간에 비해 크게 나타나는 것을 확인 할 수 있었다.
Purpose of this study was a development of an image processing algorithm to recognize paprika and acquire it's 3D coordinates from stereo images to precisely control an end-effector of a paprika auto harvester. First, H and S threshold was set using HSI histogram analyze for extracting ROI(region of...
Purpose of this study was a development of an image processing algorithm to recognize paprika and acquire it's 3D coordinates from stereo images to precisely control an end-effector of a paprika auto harvester. First, H and S threshold was set using HSI histogram analyze for extracting ROI(region of interest) from raw paprika cultivation images. Next, fundamental matrix of a stereo camera system was calculated to process matching between extracted ROI of corresponding images. Epipolar lines were acquired using F matrix, and $11{\times}11$ mask was used to compare pixels on the line. Distance between extracted corresponding points were calibrated using 3D coordinates of a calibration board. Non linear regression analyze was used to prove relation between each pixel disparity of corresponding points and depth(Z). Finally, the program could calculate horizontal(X), vertical(Y) directional coordinates using stereo camera's geometry. Horizontal directional coordinate's average error was 5.3mm, vertical was 18.8mm, depth was 5.4mm. Most of the error was occurred at 400~450mm of depth and distorted regions of image.
Purpose of this study was a development of an image processing algorithm to recognize paprika and acquire it's 3D coordinates from stereo images to precisely control an end-effector of a paprika auto harvester. First, H and S threshold was set using HSI histogram analyze for extracting ROI(region of interest) from raw paprika cultivation images. Next, fundamental matrix of a stereo camera system was calculated to process matching between extracted ROI of corresponding images. Epipolar lines were acquired using F matrix, and $11{\times}11$ mask was used to compare pixels on the line. Distance between extracted corresponding points were calibrated using 3D coordinates of a calibration board. Non linear regression analyze was used to prove relation between each pixel disparity of corresponding points and depth(Z). Finally, the program could calculate horizontal(X), vertical(Y) directional coordinates using stereo camera's geometry. Horizontal directional coordinate's average error was 5.3mm, vertical was 18.8mm, depth was 5.4mm. Most of the error was occurred at 400~450mm of depth and distorted regions of image.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
두 대 이상의 카메라를 이용하여 각 카메라들과 대상과의 3차원 관계를 규명하여 대상의 좌표를 추출하는 방법(Fredriksson 등 2014)에 대한 연구가 있다. 따라서 본 연구의 목적은 정밀한 자동 파프리카 수확기 개발의 일환으로 엔드 이펙터를 제어하기 위하여 재배 중인 파프리카 영상에서 파프리카 영역을 인식하고, 두 대의 카메라를 이용하여 인식된 파프리카의 3차원 좌표를 추출하는 영상처리 알고리즘을 개발하는 것이다.
본 연구에서는 파프리카 수확기 개발의 일환으로 엔드 이펙터의 정확한 제어를 위하여 스테레오 영상으로 파프리카를 인식하고 인식된 파프리카의 공간 좌표를 획득하기 위하여 영상처리 알고리즘을 개발하고자 하였다. 먼저, 색상 정보를 이용하여 파프리카 영상을 추출하기 위하여 히스토그램 분석을 수행하였고 결과에 따른 임계값을 설정하였다.
붉은색과 노란색 파프리카를 영상에서 인식하기 위하여 영상 정보 중 색상 정보를 이용하여 추출하고자 하였다. RGB 정보는 영상의 조명상태에 따라 영향을 많이 받기 때문에 조명 환경에 강인한 특성을 갖는 Hue값을 이용하여 추출하였다.
제안 방법
본 연구에서는 F 행렬을 구하기 위한 대표적인 방법인 LmedS(Least median square), RANSAC(Random sample consensus), Norm8(Normalized 8 points) 세 가지 알고리즘을 이용하여 F 행렬을 구하고 에피폴라 선을 그린 후 대응점과의 거리를 구해 오차를 비교하여 오차가 작은 F 행렬을 선택하였다. LmedS와 RANSAC 알고리즘은 수행 시 매번 다른 F 행렬을 출력하였기 때문에 4번 반복하여 F를 구한 후 비교를 수행하였다. Fig.
붉은색과 노란색 파프리카를 영상에서 인식하기 위하여 영상 정보 중 색상 정보를 이용하여 추출하고자 하였다. RGB 정보는 영상의 조명상태에 따라 영향을 많이 받기 때문에 조명 환경에 강인한 특성을 갖는 Hue값을 이용하여 추출하였다. 이를 위하여 RGB를 HSI 색상 모델로 변환하여 H값과 S값에 대하여 히스토그램 분석을 수행하였다.
구해진 Z를 이용하여 X, Y좌표를 구하기 위하여 픽셀의 크기를 구하였다. 카메라의 센서 크기가 1/3'이며, 영상의 해상도가 640×480이기 때문에 픽셀의 크기는 가로, 세로 0.
임계값에 의해 추출된 파프리카 영역에 대해 스테레오 대응을 수행하기 위해 실험에 사용된 스테레오 영상의 F 행렬을 구하였고 이를 이용하여 에피폴라 선을 구하여 대응을 수행하였다. 대응을 수행 할 때는 색상 영상을 이용하여 강조 마스크와 컨벌루션을 통해 중심 픽셀과 수직, 수평방향 이웃 픽셀에 가중치를 적용하여 강조한 후 최소 자승 오차를 갖는 점을 대응점으로 추출하였다. 추출 된 대응 점간의 거리를 스테레오 영상의 기하학적인 관계를 이용하여 실제 거리를 계산하였고, 계산된 거리(Z)값을 이용하여 수평(X), 수직(Y) 방향 공간 좌표를 획득하였다.
대응점을 구한 후 대응점 간의 픽셀 거리를 구하였다. 스테레오 영상에서 픽셀 거리는 d(disparity)로 표현 할 수 있으며, d가 커질수록 점 P의 실제 좌표 중 Z좌표는 작아지고, d가 작아질수록 점의 Z좌표는 커진다는 것을 Fig.
먼저 전처리와 파프리카 인식과정으로 카메라에서 획득한 RGB 정보를 HSI 정보로 변환(Rafael 등 2009) 후 붉은색과 노란색에 해당하는 색상(Hue)값에 대해 히스토그램 분석을 수행하였다(Kang 등 2014, Hwa 등 2014). 또한 무채색 영역에서 발생하는 색상 정보 오류를 제거하기 위하여 채도(Saturation)값 또한 히스토그램 분석을 수행하였다. 분석 결과를 토대로 하여 H, S값에 대한 임계값을 설정하고 해당 영역 내에 존재하는 영상 영역을 추출하였다.
분석 결과를 토대로 하여 H, S값에 대한 임계값을 설정하고 해당 영역 내에 존재하는 영상 영역을 추출하였다. 레이블링(Labeling) 연산을 통해 추출 된 영역들을 Blob화하고 픽셀 수가 파프리카와 유사한 Blob만을 남기고 나머지를 제거하였다. 파프리카로 예측되는 영역을 추출 한 후 좌, 우측 파프리카 영역의 매칭을 수행하였다.
매칭을 통해 구해진 거리 d를 캘리브레이션을 통하여 실제 거리로 변환하고자 하였다.
영상처리 알고리즘은 전처리와 파프리카 인식과정, 매칭을 통한 3차원 좌표 획득과정으로 나눠진다. 먼저 전처리와 파프리카 인식과정으로 카메라에서 획득한 RGB 정보를 HSI 정보로 변환(Rafael 등 2009) 후 붉은색과 노란색에 해당하는 색상(Hue)값에 대해 히스토그램 분석을 수행하였다(Kang 등 2014, Hwa 등 2014). 또한 무채색 영역에서 발생하는 색상 정보 오류를 제거하기 위하여 채도(Saturation)값 또한 히스토그램 분석을 수행하였다.
먼저, 영상에서 파프리카의 영역을 색상과 채도를 이용하여 추출하기 위하여 붉은색과 노란색 파프리카 영역 픽셀의 색상과 채도를 히스토그램으로 나타내고 이를 분석한 결과이다. 픽셀은 각 색상 파프리카 영역의 임의의 지점에서 추출 하였고 색상 별로 160개의 픽셀을 분석하였다.
다음으로 추출된 파프리카 영역의 좌, 우 영상 매칭을 위하여 F 행렬을 구하였다. 본 연구에서는 F 행렬을 구하기 위한 대표적인 방법인 LmedS(Least median square), RANSAC(Random sample consensus), Norm8(Normalized 8 points) 세 가지 알고리즘을 이용하여 F 행렬을 구하고 에피폴라 선을 그린 후 대응점과의 거리를 구해 오차를 비교하여 오차가 작은 F 행렬을 선택하였다. LmedS와 RANSAC 알고리즘은 수행 시 매번 다른 F 행렬을 출력하였기 때문에 4번 반복하여 F를 구한 후 비교를 수행하였다.
7과 같이 캘리브레이션 판을 놓고 스테레오 영상에서 나타나는 d를 각 거리 Z에 대해 얻고 d와 Z의 상관관계를 분석함으로써 실제 좌표 중 Z에 대한 값을 구할 수 있다. 본 연구에서는 파프리카 수확기의 작업 공간이 500mm 이내이고, 카메라 시스템의 구조에 의해 150mm 이내에서는 두 영상에 대응하는 영역이 존재하지 않기 때문에 150mm ~ 550mm의 Z좌표에서 캘리브레이션 판을 놓고 d를 구하였다.
또한 무채색 영역에서 발생하는 색상 정보 오류를 제거하기 위하여 채도(Saturation)값 또한 히스토그램 분석을 수행하였다. 분석 결과를 토대로 하여 H, S값에 대한 임계값을 설정하고 해당 영역 내에 존재하는 영상 영역을 추출하였다. 레이블링(Labeling) 연산을 통해 추출 된 영역들을 Blob화하고 픽셀 수가 파프리카와 유사한 Blob만을 남기고 나머지를 제거하였다.
붉은색과 노란색 파프리카 각각 임의의 160픽셀의 H, S값을 추출하여 히스토그램으로 나타내고 이를 분석하였으며, 분석한 히스토그램을 참고하여 붉은색과 노란색 파프리카의 색상 임계값을 설정하였다. 색상 값은 채도가 낮은 무채색 영역에서 뚜렷한 차이가 나타나지 않기 때문에 채도에 대한 임계값 또한 설정하였다.
붉은색과 노란색 파프리카 각각 임의의 160픽셀의 H, S값을 추출하여 히스토그램으로 나타내고 이를 분석하였으며, 분석한 히스토그램을 참고하여 붉은색과 노란색 파프리카의 색상 임계값을 설정하였다. 색상 값은 채도가 낮은 무채색 영역에서 뚜렷한 차이가 나타나지 않기 때문에 채도에 대한 임계값 또한 설정하였다.
에피폴라 선을 구한 후 해당 선 상에 존재하는 점에 대해 대응관계를 확인하기 위하여 11×11 크기의 윈도우를 이용하여 해당 윈도우 내에 존재하는 픽셀의 H(색상)값을 마스크로 컨벌루션 한 후 좌, 우 영상의 차이를 구하여 해당 차이가 최소가 되는 점을 대응점으로 추출하였다(식 (3)).
파프리카로 예측되는 영역을 추출 한 후 좌, 우측 파프리카 영역의 매칭을 수행하였다. 이 때 에피폴라(Epipolar) 기하학으로 좌, 우측 영상의 기하학적인 관계를 규명하고 대응점을 찾는데 이용하였다. 추출한 대응점간의 거리를 계산하여 픽셀 거리를 구하고 실제 거리에 대해 캘리브레이션을 수행하여 카메라 좌표계를 기준으로 한 3차원 좌표를 구하고자 하였다.
8과 9를 보면 공간상의 점 A와 영상면의 점 a의 좌표는 f와 Z에 의해 선형적인 관계를 갖는다. 이 때, 결과 값을 미터 단위로 구하기 위해서 픽셀의 가로, 세로 방향의 실제 길이를 구하여 계산 하였다.
RGB 정보는 영상의 조명상태에 따라 영향을 많이 받기 때문에 조명 환경에 강인한 특성을 갖는 Hue값을 이용하여 추출하였다. 이를 위하여 RGB를 HSI 색상 모델로 변환하여 H값과 S값에 대하여 히스토그램 분석을 수행하였다.
Table 2는 캘리브레이션 보드의 영상을 좌, 우 카메라를 통해 획득한 후 각 대응점을 구하고 d를 구한 결과이다. 이와 같이 150~550mm 각 거리에서 5쌍의 대응점에 대해 d와 Z의 상관관계를 분석하는 과정을 5회씩 반복하여 총 25회의 실험을 통하여 다음과 같은 결과를 얻었다.
먼저, 색상 정보를 이용하여 파프리카 영상을 추출하기 위하여 히스토그램 분석을 수행하였고 결과에 따른 임계값을 설정하였다. 임계값에 의해 추출된 파프리카 영역에 대해 스테레오 대응을 수행하기 위해 실험에 사용된 스테레오 영상의 F 행렬을 구하였고 이를 이용하여 에피폴라 선을 구하여 대응을 수행하였다. 대응을 수행 할 때는 색상 영상을 이용하여 강조 마스크와 컨벌루션을 통해 중심 픽셀과 수직, 수평방향 이웃 픽셀에 가중치를 적용하여 강조한 후 최소 자승 오차를 갖는 점을 대응점으로 추출하였다.
대응을 수행 할 때는 색상 영상을 이용하여 강조 마스크와 컨벌루션을 통해 중심 픽셀과 수직, 수평방향 이웃 픽셀에 가중치를 적용하여 강조한 후 최소 자승 오차를 갖는 점을 대응점으로 추출하였다. 추출 된 대응 점간의 거리를 스테레오 영상의 기하학적인 관계를 이용하여 실제 거리를 계산하였고, 계산된 거리(Z)값을 이용하여 수평(X), 수직(Y) 방향 공간 좌표를 획득하였다. 그 결과 수평 방향 오차 평균 5.
이 때 에피폴라(Epipolar) 기하학으로 좌, 우측 영상의 기하학적인 관계를 규명하고 대응점을 찾는데 이용하였다. 추출한 대응점간의 거리를 계산하여 픽셀 거리를 구하고 실제 거리에 대해 캘리브레이션을 수행하여 카메라 좌표계를 기준으로 한 3차원 좌표를 구하고자 하였다. 알고리즘의 전체 순서도는 Fig.
레이블링(Labeling) 연산을 통해 추출 된 영역들을 Blob화하고 픽셀 수가 파프리카와 유사한 Blob만을 남기고 나머지를 제거하였다. 파프리카로 예측되는 영역을 추출 한 후 좌, 우측 파프리카 영역의 매칭을 수행하였다. 이 때 에피폴라(Epipolar) 기하학으로 좌, 우측 영상의 기하학적인 관계를 규명하고 대응점을 찾는데 이용하였다.
대상 데이터
방문한 파프리카 농가의 이랑 간 거리는 약 1000mm, 식재 간격은 약 300mm였다. 따라서 카메라 시스템의 WD(Working distance)는 500mm, FOV(Field of view)는 400mm로 설정하여 6mm의 렌즈를 사용하여 촬영하였다. 해당 조건에서 640×480 해상도의 영상을 얻는 경우 최대 1.
본 연구에서 스테레오 영상 시스템은 Point grey research社의 Blackfly USB 3.0 color 모델을 사용하여 구성하였으며, Fig. 1과 같이 좌, 우측 카메라는 카메라 간 거리 100mm로 평행하게 설치하였다. 영상처리 프로그램은 Microsoft社의 Visual studio C++ MFC library를 사용하여 작성하였다.
영상처리 프로그램은 Microsoft社의 Visual studio C++ MFC library를 사용하여 작성하였다. 영상 분석 및 알고리즘 성능 실험을 위하여 경북 구미 소재 화훼단지 내의 파프리카 농장을 방문하여 붉은색 파프리카와 노란색 파프리카 영상을 총 42쌍(붉은색 24쌍, 노란색 18쌍)을 획득 하였다. 방문한 파프리카 농가의 이랑 간 거리는 약 1000mm, 식재 간격은 약 300mm였다.
먼저, 영상에서 파프리카의 영역을 색상과 채도를 이용하여 추출하기 위하여 붉은색과 노란색 파프리카 영역 픽셀의 색상과 채도를 히스토그램으로 나타내고 이를 분석한 결과이다. 픽셀은 각 색상 파프리카 영역의 임의의 지점에서 추출 하였고 색상 별로 160개의 픽셀을 분석하였다.
데이터처리
본 연구에서는 파프리카 수확기 개발의 일환으로 엔드 이펙터의 정확한 제어를 위하여 스테레오 영상으로 파프리카를 인식하고 인식된 파프리카의 공간 좌표를 획득하기 위하여 영상처리 알고리즘을 개발하고자 하였다. 먼저, 색상 정보를 이용하여 파프리카 영상을 추출하기 위하여 히스토그램 분석을 수행하였고 결과에 따른 임계값을 설정하였다. 임계값에 의해 추출된 파프리카 영역에 대해 스테레오 대응을 수행하기 위해 실험에 사용된 스테레오 영상의 F 행렬을 구하였고 이를 이용하여 에피폴라 선을 구하여 대응을 수행하였다.
성능/효과
추출 된 대응 점간의 거리를 스테레오 영상의 기하학적인 관계를 이용하여 실제 거리를 계산하였고, 계산된 거리(Z)값을 이용하여 수평(X), 수직(Y) 방향 공간 좌표를 획득하였다. 그 결과 수평 방향 오차 평균 5.3mm, 수직 방향 오차 평균 18.8mm, 거리 오차 평균 5.4mm로 나타났으며, 거리 400~450mm 구간과 영상의 모서리 부분의 왜곡이 발생하는 부분에서 오차가 다른 구간에 비해 크게 나타나는 것을 확인 할 수 있었다.
6mm/pixel가 되며, 본 연구에서 실험 한 결과 발생한 오차가 영상 해상도와 렌즈의 성능과 어떠한 관계를 갖는지 확인 할 필요가 있을 것으로 사료된다. 또한, F 행렬을 구하기 위하여 대표적인 3가지 방법을 사용한 결과 Norm8 알고리즘의 결과가 다른 두 알고리즘의 결과에 비해 더 나은 경향을 보이는데 이는 대응점을 사용자가 직접 선택하여 나타난 결과로 대응점이 정확하다면 다른 두 방법과는 달리 선형적으로 계산하는 Norm8 알고리즘의 성능이 높게 나타나는 것으로 사료된다. x, y, z방향 좌표를 구한 결과 y방향 오차의 경우 최대오차와 표준편차가 크게 나타나는데 이는 영상 상부의 점을 이용하여 좌표를 구하는 경우 영상의 왜곡에 의해 오차가 크게 나타나는 것으로 사료된다.
이는 추후 연구를 통해 영상 왜곡을 해소 한다면 줄일 수 있을 것이다. 또한, z방향 오차와 x방향오차의 최대치가 나타난 구간과 일치하는 것을 확인 할 수 있었는데 이는 x 좌표 계산에 사용된 z의 오차에 의한 것이다. 따라서 추후 연구에서는 z의 오차를 줄이고 영상의 왜곡을 줄임으로써 더 정확한 결과를 얻을 수 있을 것으로 사료된다.
붉은색 파프리카의 히스토그램(Fig. 10, 11)을 분석한 결과(Table. 1) H값이 30 이하인 픽셀이 97.5%로 나타났으며, S값이 40 초과인 픽셀이 93.8%로 나타나 임계값을 H = 30, S > 40으로 설정하였고, 같은 방법으로 노란색 파프리카를 분석한 결과 H값이 60 이하인 픽셀이 99.4%, S값이 80 초과인 픽셀이 92.5%로 나타나 H ≤60, S > 80으로 임계값을 설정하는 것이 타당한 것으로 사료되어 식 (4)와 같은 조건으로 색상과 채도를 이용하여 배경으로부터 파프리카 추출을 수행하였다.
위 영상에서 좌측에 나타나는 파프리카 형상은 실제 우측 카메라에 나타난 파프리카 영상이며, 우측에 있는 파프리카 형상은 매칭에 성공한 영역은 0~360까지의 색상 값으로 d값의 크기를 나타내고 있으며, 실패한 영역은 흰색으로 나타났다. 실패한 영역은 미성숙하여 색상이 녹색인 영역과 조명이 강하여 흰색으로 나타나는 영역이 주를 이루고 있으며, 또한 두 카메라의 거리에 의해 나타나는 파프리카 영상의 차이에 의해 나타나는 것으로 확인하였다.
상측 두 개의 파프리카는 붉은색이고 하측 두 개의 파프리카는 노란색이다. 조명이 강하여 색상이 나타나지 않는 부분과 미성숙하여 색상이 나타나지 않는 부분, 잎에 가려진 부분 등을 임계값 추출을 통하여 제거하고 파프리카 영역만이 추출된 것을 확인 할 수 있다.
14는 두 번째 실험에 대한 결과이다. 총 4회의 실험을 통해 Norm8 알고리즘에 의해 계산된 F 행렬이 가장 우수한 것으로 확인하였다.
표에서 x방향 오차는 최대 10.3mm, 최소 0.2mm, 평균 5.3mm로 나타났으며, 최대 오차는 거리 400~450mm 구간에서 나타났다. 또한 z방향 오차는 최대 15.
해당 조건에서 640×480 해상도의 영상을 얻는 경우 최대 1.6pixel/mm의 분해능을 가지므로 엔드 이펙터를 제어하는데 필요한 정보를 얻을 수 있을 것으로 판단하였다.
후속연구
또한, z방향 오차와 x방향오차의 최대치가 나타난 구간과 일치하는 것을 확인 할 수 있었는데 이는 x 좌표 계산에 사용된 z의 오차에 의한 것이다. 따라서 추후 연구에서는 z의 오차를 줄이고 영상의 왜곡을 줄임으로써 더 정확한 결과를 얻을 수 있을 것으로 사료된다.
본 연구에서 사용한 영상은 640×480 해상도로 촬영된 영상으로, 500mm거리에서 촬영되는 영역의 가로 길이는 400mm로 640×480해상도로 영상을 획득하는 경우 가로 방향 픽셀 해상도는 1.6mm/pixel가 되며, 본 연구에서 실험 한 결과 발생한 오차가 영상 해상도와 렌즈의 성능과 어떠한 관계를 갖는지 확인 할 필요가 있을 것으로 사료된다.
x, y, z방향 좌표를 구한 결과 y방향 오차의 경우 최대오차와 표준편차가 크게 나타나는데 이는 영상 상부의 점을 이용하여 좌표를 구하는 경우 영상의 왜곡에 의해 오차가 크게 나타나는 것으로 사료된다. 이는 추후 연구를 통해 영상 왜곡을 해소 한다면 줄일 수 있을 것이다. 또한, z방향 오차와 x방향오차의 최대치가 나타난 구간과 일치하는 것을 확인 할 수 있었는데 이는 x 좌표 계산에 사용된 z의 오차에 의한 것이다.
뿐만 아니라 파프리카는 약 4m까지 생장(Um 등, 2013)하여 인력이 직접 고소작업차를 타고 작업을 해야 하는 불편함이 있다. 이를 해결하기 위하여 수확 작업의 기계화 및 무인화가 필요하고, 정밀한 수확 작업으로 파프리카의 상품성을 유지하여야 할 것이다. 기존의 파프리카 수확기관련 수행된 연구는 기계적인 수확 방법에 대한 것(E.
질의응답
핵심어
질문
논문에서 추출한 답변
기존의 파프리카를 수확하는 방법 중 기계적인 수확 방법의 문제점은 무엇인가?
Palau 등, 1997)으로 3개의 브러쉬가 달린 롤러가 회전하면서 파프리카를 떨어뜨려 수확하는 방법이다. 하지만 파프리카가 훼손될 우려가 있어 정밀한 수확기의 개발이 필요하다. 국내 정밀 수확기 관련 연구로는 국내 Ha 등(2013, 2014)의 시설재배 참외 수확 로봇 개발에 관한 연구와 국외 Yamamoto 등(2008)의 딸기, Lee 등(2000)의 포도 수확기 관련 연구가 있으나, 파프리카 관련 자동 수확 기술 연구는 전무한 실정이다.
본 연구에서 영상 정보 중 색상 정보를 추출하기 위해 Hue값을 사용한 이유는 무엇인가?
붉은색과 노란색 파프리카를 영상에서 인식하기 위하여 영상 정보 중 색상 정보를 이용하여 추출하고자 하였다. RGB 정보는 영상의 조명상태에 따라 영향을 많이 받기 때문에 조명 환경에 강인한 특성을 갖는 Hue값을 이용하여 추출하였다. 이를 위하여 RGB를 HSI 색상 모델로 변환하여 H값과 S값에 대하여 히스토그램 분석을 수행하였다.
본 연구의 영상처리 알고리즘은 어떻게 나뉠 수 있는가?
영상처리 알고리즘은 전처리와 파프리카 인식과정, 매칭을 통한 3차원 좌표 획득과정으로 나눠진다. 먼저 전처리와 파프리카 인식과정으로 카메라에서 획득한 RGB 정보를 HSI 정보로 변환(Rafael 등 2009) 후 붉은색과 노란색에 해당하는 색상(Hue)값에 대해 히스토그램 분석을 수행하였다(Kang 등 2014, Hwa 등 2014).
참고문헌 (12)
E. Palau, A. Torregrosa, 1997, Mechanical Harvesting of Paprika Peppers in Spain, Journal of Agricultural Engineering Research V.66 no.3:195-201
Fredriksson Johan, Enqvist Olof, Kahl Fredrik, 2014, Fast and Reliable Two-View Translation Estimation, Computer Vision and Pattern Recognition(CVPR), IEEE conference on 2014 June:1606-1612
Ha, Y. S. and T. W. Kim. 2013. Design factor analysis of end effector for oriental melon harvesting robot in greenhouse cultivation. Protected Horticulture and Plant Factory, 22(3):1-7.(in Korean)
Ha Y. S. Kim T. W., 2014, Development of Oriental Melon Harvesting Robot in Greenhouse Cultivation, Protected Horticulture and Plant Factory, vol. 23, No. 2:123-130.(in Korean)
Hwa, J. H. Lee, B. K. Lee, M. Y. Lee, D. W., 2014, Research of Paprika Recognition and Corresponding Points Acquisition Algorithms for Automation of Paprika Harvesting, Sungkyunkwan university journal of biotechnology and bioengineering, vol. 20, No. 1, 13-17.(in Korean)
Kang, S. J., 2014, HSI-Based Color Error-Aware Subpixel Rendering Technique, Journal of display technology v.10 no.4:251-254
Kim, D. G., 2014, A Study on the Improvement of Production and Export in Paprika Industry. MS Diss. Kyungsang Univ. p. 12.(in Korean)
Lee, D. W. Kim H. T. Min B. R. Kim W. Kim D. W., 2000. Development of a end-effector for grapes harvester. Proceedings of the Bio-Environment Control 9(2):98-103.(in Korean)
Rafael C. Gonzalez, Richard E. Woods, 2009, Digital Image Processing Third Edition, Pearson Prentice Hall, 407-414
Richard Hartley, 2003, Multiple View Geometry in Computer Vision Second Edition, Cambridge University press, 239-360
Um, Y. C. Choi, C. S. Seo, T. C. Lee, J. G. Jang, Y. A. Lee, S. G. Oh, S. S. Lee, H. J., 2013, Comparison of Growth and Yield by Sweet Pepper Varieties at Glass Greenhouse in Reclaimed land and Farms, Journal of Agriculture & Life Science, 47(6):33-41.(in Korean)
Yamamoto, S., S. Hayashi, H. Yoshida, K. Kobayashi, and K. Shigematsu. 2008. Development of an end effector for a strawberry-harvesting robot. Acta Horticulturae 801(1):565-572
※ AI-Helper는 부적절한 답변을 할 수 있습니다.