선박 건조 시장의 요구를 맞추기 위하여 신속한 건조의 목표로 노력하고 있는 조선소가 선박 정도관리에 대한 요구가 갈수록 높아지고 있다. 선박 건조 공정에서 생산성의 향상과 생산 주기의 단축을 위하여 선박 부재의 정도평가를 전 주기에서 수행해야 하는 것은 중요하다. 선박의 품질을 높이기 위하여 조선소에서 블록의 정도제어를 수행하는 것은 선박의 건조 주기를 단축할 수 있을 뿐만 아니라 건조 비용도 줄일 수 있다. 선박 블록의 정도를 제어하는 중심은 선박 블록 통합 정도관리 시스템을 만들어야 한다. 이 시스템은 "Non-allowance Shipbuilding"의 목표로 정도관리의 총괄성, 블록 정도의 향상, 정도 관리 과정의 표준화 등이 이루어져야 한다. 일반적으로 정도관리를 수행하는 관리자가 광파측정기를 이용하여 선박 블록의 접합면에 있는 주요 포인트(vital point)를 측정하고 수집하지만 무거운 계측장비를 가지고 블록의 정도관리를 수행하는 것은 불편할 뿐만 아니라 시간도 오래 걸린다. 본 논문에서는 선박 블록의 정도관리 시간을 단축할 수 있는 포인트 클라우드 기반으로 3차원 레이저 스캐너를 이용한 선박 블록 탑재 전에 오차예측 방법을 제안하였다. 이 방법은 ICP(iterative closest point) 알고리즘으로 측정된 포인트 클라우드와 설계된 점들의 비교 작업을 수행한 다음에 허용범위 내의 오차를 만족하는 지를 판단한다.
선박 건조 시장의 요구를 맞추기 위하여 신속한 건조의 목표로 노력하고 있는 조선소가 선박 정도관리에 대한 요구가 갈수록 높아지고 있다. 선박 건조 공정에서 생산성의 향상과 생산 주기의 단축을 위하여 선박 부재의 정도평가를 전 주기에서 수행해야 하는 것은 중요하다. 선박의 품질을 높이기 위하여 조선소에서 블록의 정도제어를 수행하는 것은 선박의 건조 주기를 단축할 수 있을 뿐만 아니라 건조 비용도 줄일 수 있다. 선박 블록의 정도를 제어하는 중심은 선박 블록 통합 정도관리 시스템을 만들어야 한다. 이 시스템은 "Non-allowance Shipbuilding"의 목표로 정도관리의 총괄성, 블록 정도의 향상, 정도 관리 과정의 표준화 등이 이루어져야 한다. 일반적으로 정도관리를 수행하는 관리자가 광파측정기를 이용하여 선박 블록의 접합면에 있는 주요 포인트(vital point)를 측정하고 수집하지만 무거운 계측장비를 가지고 블록의 정도관리를 수행하는 것은 불편할 뿐만 아니라 시간도 오래 걸린다. 본 논문에서는 선박 블록의 정도관리 시간을 단축할 수 있는 포인트 클라우드 기반으로 3차원 레이저 스캐너를 이용한 선박 블록 탑재 전에 오차예측 방법을 제안하였다. 이 방법은 ICP(iterative closest point) 알고리즘으로 측정된 포인트 클라우드와 설계된 점들의 비교 작업을 수행한 다음에 허용범위 내의 오차를 만족하는 지를 판단한다.
With the development of fast construction mode in shipbuilding market, the demand on accuracy management of hull is becoming higher and higher in shipbuilding industry. In order to enhance production efficiency and reduce manufacturing cycle time in shipbuilding industry, it is important for shipyar...
With the development of fast construction mode in shipbuilding market, the demand on accuracy management of hull is becoming higher and higher in shipbuilding industry. In order to enhance production efficiency and reduce manufacturing cycle time in shipbuilding industry, it is important for shipyards to have the accuracy of ship components evaluated efficiently during the whole manufacturing cycle time. In accurate shipbuilding process, block accuracy is the key part, which has significant meaning in shortening the period of shipbuilding process, decreasing cost and improving the quality of ship. The key of block accuracy control is to create a integrate block accuracy controlling system, which makes great sense in implementing comprehensive accuracy controlling, increasing block accuracy, standardization of proceeding of accuracy controlling, realizing "zero-defect transferring" and advancing non-allowance shipbuilding. Generally, managers of accuracy control measure the vital points at section surface of block by using the heavy total station, which is inconvenient and time-consuming for measurement of vital points. In this paper, a new measurement method based on point clouds technique has been proposed. This method is to measure the 3D coordinates values of vital points at section surface of block by using 3D scanner, and then compare the measured point with design point based on ICP algorithm which has an allowable error check process that makes sure that whether or not the error between design point and measured point is within the margin of error.
With the development of fast construction mode in shipbuilding market, the demand on accuracy management of hull is becoming higher and higher in shipbuilding industry. In order to enhance production efficiency and reduce manufacturing cycle time in shipbuilding industry, it is important for shipyards to have the accuracy of ship components evaluated efficiently during the whole manufacturing cycle time. In accurate shipbuilding process, block accuracy is the key part, which has significant meaning in shortening the period of shipbuilding process, decreasing cost and improving the quality of ship. The key of block accuracy control is to create a integrate block accuracy controlling system, which makes great sense in implementing comprehensive accuracy controlling, increasing block accuracy, standardization of proceeding of accuracy controlling, realizing "zero-defect transferring" and advancing non-allowance shipbuilding. Generally, managers of accuracy control measure the vital points at section surface of block by using the heavy total station, which is inconvenient and time-consuming for measurement of vital points. In this paper, a new measurement method based on point clouds technique has been proposed. This method is to measure the 3D coordinates values of vital points at section surface of block by using 3D scanner, and then compare the measured point with design point based on ICP algorithm which has an allowable error check process that makes sure that whether or not the error between design point and measured point is within the margin of error.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이러한 정도가 높은 설계 소프트웨어에서 탑재된 선박 블록 접합면에 있는 특이점 군 데이터를 추출한 후 정도관리 시스템에서 활용하며, 또한 3차원 레이저 스캐너를 이용하여 탑재된 선박 실 블록 접합면을 스캔해서 얻은 실 블록의 포인트 클라우드 점 군 데이터를 정도관리 시스템에서 활용한다. 3차원 CAD 모델에서 나온 특이점 군 데이터와 실 블록 접합면의 포인트 클라우드 점 군 데이터의 매칭 결과를 가시화하기 위한 정도관리 시스템의 가시화 모듈은 VTK (visualization toolkit) 라이브러리를 활용하여 개발하고자 하였다. Fig.
하지만 선박 건조 주기나 건조 비용, 도크의회전율 등과 관련된 선박 블록을 탑재하는 단계에서 블록 탑재 시간을 단축하기 위한 오차 예측에 적용한 연구가 진행되지 않았다. 따라서 다음 절에서 선박 블록 정합을 위한 포인트 클라우드 기반의 오차예측 방법에 대하여 다루고자 한다.
본 논문에서는 선박 블록의 정도관리 시간을 단축할 수 있는 포인트 클라우드 기반의 3차원 레이저 스캐너를 이용한 선박 블록 탑재 전에 오차예측 방법을 제안하였다. 이 방법은 ICP (iterative closest point) 알고리즘으로 측정된 포인트 클라우드 점군과 3D CAD 모델에서 추출된 특이점 군의 비교 작업을 수행한 다음에 허용범위 내의 오차를 만족하는 지를 판단한다.
본 절에서는 제안한 선박 블록 오차예측 방법의 가능성을 검토하기 위하여 프로토타입의 테스트를 수행하였다. 3차원 CAD 시스템에서 블록의 모델을 이용하여 선박 블록의 Hopper Tank 부분의 특이점 군 데이터를 추출하였으며, 3차원 레이저 스캐너를 이용하여 같은 위치의 포인트 클라우드 점 군 데이터를 얻었다.
가설 설정
3차원 공간에서 포인트 클라우드 점 군 데이터와 CAD모델에서 추출된 특이점 군 데이터의 개수는 각각 N개를 가정한다. 3차원 공간에서 포인트 클라우드 점 군 데이터의 집합을 #로 정의하며, CAD 모델에서 추출된 특이점군 데이터의 집합(목적 데이터 집합)을 #로 정의한다.
3차원 공간에서 포인트 클라우드 점 군 데이터의 집합을 #로 정의하며, CAD 모델에서 추출된 특이점군 데이터의 집합(목적 데이터 집합)을 #로 정의한다. 포인트 클라우드 점 군 데이터의 집합과 목적 데이터 집합의 개수는 각각 Np와 Nx을 정의하며, Np = Nx을 가정한다. 그리고 변화벡터는 #로 정의할 수 있다.
제안 방법
본 절에서는 제안한 선박 블록 오차예측 방법의 가능성을 검토하기 위하여 프로토타입의 테스트를 수행하였다. 3차원 CAD 시스템에서 블록의 모델을 이용하여 선박 블록의 Hopper Tank 부분의 특이점 군 데이터를 추출하였으며, 3차원 레이저 스캐너를 이용하여 같은 위치의 포인트 클라우드 점 군 데이터를 얻었다. 특이점 군 데이터와 포인트 클라우드 점 군 데이터의 비교 작업을 ICP 알고리즘을 적용해서 수행하였다.
VTK로 구현한 결과를 검증하기 위하여 MATLAB를 통해 포인트 클라우드 점군 데이터와 CAD 모델에서 추출된 특이점군 데이터의 매칭 프로세스를 다시 수행하였으며, 결과를 Fig. 11에서 보이고 있다. 회전행렬과 이동행렬은 Table 2에서 나타내고 있다.
11을 보이는 것과 같이 제거할 수 없는 잡음 데이터(noise data)의 존재로 일부 오차 범위를 벗어나는 것을 확인할 수 있다. 따라서 점군 정합의 정밀도를 높이기 위하여 포인트 클라우드 점군은 CAD 모델에서 추출된 특이점 군과 정합하기 전에 잡음 데이터를 제거하는 전처리 과정이 필요하며, 본 논문에서는 선박 블록의 Hopper Tank 형상을 특징구역으로 설정하여, 3차원 레이저스캐너를 이용하여 얻었던 포인트 클라우드 점군 데이터에 대해서 특징구역 외부에 있는 잡음 데이터를 제거하였다. 그러나 특징구역 내부에 있는 잡음 데이터의 경우에는 제거 하기 까다로워 별도의 잡음 데이터를 제거하지 못하였기 때문에 두 점군의 정합작업에 영향을 미친 것으로 확인하였다.
3에서 보이는 바와 같이 3차원 CAD 시스템에서의 탑재하고자 하는 블록 접합면의 특이점 군을 추출한 다음, 정도관리 시스템에 입력한다. 또한 3차원 레이저스캐너를 이용하여 탑재하고자 하는 선박 실 블록의 접합면을 스캔해서 얻은 포인트 클라우드 점 군 데이터을 정도관리 시스템에 입력한 뒤, 정도관리 시스템에서 획득한 블록의 CAD 모델의 특이점 군과 실 블록의 포인트 클라우드 점군의 비교 작업을 수행한다.
본 연구에서는 선박 블록 정합을 위하여 제안한 포인트 클라우드 기반의 오차예측 방법으로 3차원 CAD 시스템에서 블록의 모델을 이용하여 선박 블록의 Hopper Tank 부분에서 추출된 특이점 군 데이터와 실 블록의 포인트 클라우드 점 군 데이터를 활용해서 두 점군을 매칭시켰다. 실험결과에서 대응점 간의 매칭 오차가 발생하였으며, 대부분의 오차 값은 조선소에서 요구정도 범위(±7mm) 내로 들어왔다.
테스트 통하여 획득한 결과를 종합적으로 분석하였다. 선박 블록 정합을 위하여 ICP 알고리즘을 적용한 점군 데이터의 매칭과 대응점 간의 오차예측을 수행하였다. 대부분의 오차 값은 조선소에서 요구 정도 범위(±7mm) 내로 들어오는 것을 확인할 수 있다.
조선분야에서 선박이나 해양플랜트 등 대형 구조물을 설계시 대형 구조물에 대한 정밀성이 요구됨에 따라, 전문적인 3차원 CAD 설계 소프트웨어로 AVEVA사의 AVEVA MARINE과 INTERGRAPH사의 SmartMarine 3D가 주로 사용된다. 이러한 정도가 높은 설계 소프트웨어에서 탑재된 선박 블록 접합면에 있는 특이점 군 데이터를 추출한 후 정도관리 시스템에서 활용하며, 또한 3차원 레이저 스캐너를 이용하여 탑재된 선박 실 블록 접합면을 스캔해서 얻은 실 블록의 포인트 클라우드 점 군 데이터를 정도관리 시스템에서 활용한다. 3차원 CAD 모델에서 나온 특이점 군 데이터와 실 블록 접합면의 포인트 클라우드 점 군 데이터의 매칭 결과를 가시화하기 위한 정도관리 시스템의 가시화 모듈은 VTK (visualization toolkit) 라이브러리를 활용하여 개발하고자 하였다.
테스트 통하여 획득한 결과를 종합적으로 분석하였다. 선박 블록 정합을 위하여 ICP 알고리즘을 적용한 점군 데이터의 매칭과 대응점 간의 오차예측을 수행하였다.
이론/모형
, 2014). 또한, Lee라는 연구자가 빠른 정합성 검토를 위하여 포인트 클라우드 데이터 기반의 증강현실 기술에 대한 연구에서 실물모델과 3D 설계모델을 정합시키기 위하여 포인트 클라우드를 활용하여 ICP 알고리즘을 적용하였다(Lee et al., 2014).
많은 연구에서 포인트 클라우드와 ICP 알고리즘을 활용하였으며, 본 연구에서 사용하고자 하는 조선분야에서도 적용되었다. 하지만 선박 건조 주기나 건조 비용, 도크의회전율 등과 관련된 선박 블록을 탑재하는 단계에서 블록 탑재 시간을 단축하기 위한 오차 예측에 적용한 연구가 진행되지 않았다.
3차원 CAD 시스템에서 블록의 모델을 이용하여 선박 블록의 Hopper Tank 부분의 특이점 군 데이터를 추출하였으며, 3차원 레이저 스캐너를 이용하여 같은 위치의 포인트 클라우드 점 군 데이터를 얻었다. 특이점 군 데이터와 포인트 클라우드 점 군 데이터의 비교 작업을 ICP 알고리즘을 적용해서 수행하였다. VTK 라이브러리를 활용하여 구현한 결과는 Fig.
성능/효과
Table 1과 2를 비교해 보면, VTK에서 계산된 회전행렬과 이동행렬은 MATLAB를 이용하여 계산된 결과와 비슷하게 나타난다. ICP 알고리즘을 통하여 계산을 5회 이상 반복한 결과, RMS(root mean square) 오차가 5.3965mm에서 수렴하였고, ICP 알고리즘은 20번을 반복 하였을 때까지 걸린 시간은 0.0077sec 걸렸으며, Fig. 12와 같다.
실험결과에서 대응점 간의 매칭 오차가 발생하였으며, 대부분의 오차 값은 조선소에서 요구정도 범위(±7mm) 내로 들어왔다. 다만, 3차원 레이저 스캐너를 이용하여 얻었던 포인트 클라우드 점군데이터 중에 제거할 수 없는 잡음 데이터(noise data)의 존재로 일부 오차 범위를 벗어나는 것을 확인할 수 있었다. 따라서 정도관리의 정밀도를 높이기 위하여 향후연구에서는 Hopper Tank 형상의 기반으로 설정한 특징구역의 내부에 있는 잡음 데이터의 제거 방안에 대한 연구를 중점적으로 진행할 예정이며, 이를 통해 오차를 더 줄인다면 조선소에서 정도관리 방법중 하나로 활용할 수 있을 것으로 판단한다.
실험결과에서 대응점 간의 매칭 오차가 발생하였으며, 대부분의 오차 값은 조선소에서 요구정도 범위(±7mm) 내로 들어왔다.
후속연구
다만, 3차원 레이저 스캐너를 이용하여 얻었던 포인트 클라우드 점군데이터 중에 제거할 수 없는 잡음 데이터(noise data)의 존재로 일부 오차 범위를 벗어나는 것을 확인할 수 있었다. 따라서 정도관리의 정밀도를 높이기 위하여 향후연구에서는 Hopper Tank 형상의 기반으로 설정한 특징구역의 내부에 있는 잡음 데이터의 제거 방안에 대한 연구를 중점적으로 진행할 예정이며, 이를 통해 오차를 더 줄인다면 조선소에서 정도관리 방법중 하나로 활용할 수 있을 것으로 판단한다.
최종적으로 조선소의 선박 정도관리에 본 연구에서 제안 하는 방법을 적용한다면 선박 건조 시간을 단축시킬 수 있을 뿐만 아니라 건조 비용도 감소시키는 효과를 가져올 것으로 기대한다.
질의응답
핵심어
질문
논문에서 추출한 답변
어떤 시스템은 "Non-allowance Shipbuilding"의 목표로 정도관리의 총괄성, 블록 정도의 향상, 정도 관리 과정의 표준화 등이 이루어져야 하는가?
선박의 품질을 높이기 위하여 조선소에서 블록의 정도제어를 수행하는 것은 선박의 건조 주기를 단축할 수 있을 뿐만 아니라 건조 비용도 줄일 수 있다. 선박 블록의 정도를 제어하는 중심은 선박 블록 통합 정도관리 시스템을 만들어야 한다. 이 시스템은 "Non-allowance Shipbuilding"의 목표로 정도관리의 총괄성, 블록 정도의 향상, 정도 관리 과정의 표준화 등이 이루어져야 한다.
선박 건조 공정에서 생산성의 향상과 생산 주기의 단축을 위하여 무엇이 중요한가?
선박 건조 시장의 요구를 맞추기 위하여 신속한 건조의 목표로 노력하고 있는 조선소가 선박 정도관리에 대한 요구가 갈수록 높아지고 있다. 선박 건조 공정에서 생산성의 향상과 생산 주기의 단축을 위하여 선박 부재의 정도평가를 전 주기에서 수행해야 하는 것은 중요하다. 선박의 품질을 높이기 위하여 조선소에서 블록의 정도제어를 수행하는 것은 선박의 건조 주기를 단축할 수 있을 뿐만 아니라 건조 비용도 줄일 수 있다.
조선소는 선박 건조 시장의 요구를 맞추기 위하여 무엇을 목표로 노력하고 있는가?
선박 건조 시장의 요구를 맞추기 위하여 신속한 건조의 목표로 노력하고 있는 조선소가 선박 정도관리에 대한 요구가 갈수록 높아지고 있다. 선박 건조 공정에서 생산성의 향상과 생산 주기의 단축을 위하여 선박 부재의 정도평가를 전 주기에서 수행해야 하는 것은 중요하다.
참고문헌 (10)
Besl, P.J., McKay, N.D. (1992) A Method for Registration of 3-D Shapes, IEEE Transactions on Pattern Analysis & Machine Intelligence, 14, pp. 239-256.
Byun, S.H., Chang, M.H. (2014) Registration of Point Cloud Data Using Relative Depth Images, Soc. CAD/CAM Eng., pp.680-683.
Hur, S., Lee, S.C., Seo, Y.H., Kim, T.W. (2007) Registration Using Constrained PDM and TDM in ICP Algorithm and Minimizing Sliding Errors, Soc. CAD/CAM Eng., pp.260-265.
Lee, J.H., Yoon, J.S., Ryu, C.H., Lee, H.B. (2009) Application of ICP Algorithm for Optimized Registration of Object Surface and Unfolding Surface in Ship-Hull Plate Forming, Soc. CAD/CAM Eng., 14, pp.129-136.
Lee, J.M., Lee, K.H., Kim, D.S., Li, R.Q. (2014) Point Cloud Data based Augmented Reality for Rapid Discrepancy Check, Soc. CAD/CAM Eng., pp.225-228.
Li, S.F., Wang, P., Shen, Z.K. (2009) A Survey of Iterative Closest Algorithm, Signal Processing, 25, pp.1582-1588.
Li, R.Q. (2016) A Study on Smart Accuracy Management System of Ship Blocks Based on Point Clouds for Assembly Error Prediction in Shipyard, Master Dissertation, Inha University.
Point Cloud Library, http://www.pointclouds.org
Seo, J.H., Lee, D.H., Kim, Y.J., Park, S.H. (2012) Markerless Patient-image Registration for ICH Surgery Using Weighted ICP, Soc. CAD/CAM Eng., 17, pp.507-511.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.