[논문]영상 모자이킹을 통한 수중 검사를 위한 호버링 타입 AUV 시스템 개발

홍성훈; 박정홍; 김태윤; 윤석민; 김진환

doi:10.5574/ksoe.2016.30.3.194

문제 정의

본 논문에서는 영상 모자이킹을 통한 수중 검사를 위한 H-AUV 시스템의 하드웨어 플랫폼 및 운용 알고리즘의 개발에 대해 다루었다. 개발된 H-AUV 시스템의 성능 및 온라인 모자이킹 알고리즘을 테스트하기 위해 3차원 실내 수조에서 자율 항법 및 경로 추종 제어를 적용한 데이터 취득 실험이 수행되었고, 얻어진 모션 데이터와 영상 데이터를 기반으로 궤적 추정과 수조 바닥에 대한 모자이킹 결과가 제시되었다.
본 연구에서는 기존의 유인 작업 또는 ROV를 사용한 수중 구조물 검사 임무의 한계를 극복하고자 제한된 운동성을 갖는 기존의 어뢰형 AUV가 아닌 제자리에서 유영이 가능한 H-AUV(Hover-capable AUV) 시스템의 하드웨어 플랫폼 및 운용 알고리즘의 개발을 목표로 한다. 2장에서는 H-AUV 플랫폼의 하드웨어 설계 및 구현에 대한 내용을 기술하고, 3장에서 카메라 영상 기반 온라인 모자이킹(Online mosaicking) 알고리즘을 설명한다.

가설 설정

실험이 수행된 수조의 바닥면은 정형화된 패턴이나 물표 없이 비정형의 특이점이 불규칙적으로 분포되어 있다. 본 연구에서는 이러한 수조 바닥면에 대한 영상이 정합 알고리즘 적용 관점에서 인공적인 평면 수중 구조물과 유사한 정보를 제공할 것으로 가정하고 이를 바탕으로 개발된 시스템의 기본 성능을 파악하고자 하였다.

제안 방법

본 논문에서는 영상 모자이킹을 통한 수중 검사를 위한 H-AUV 시스템의 하드웨어 플랫폼 및 운용 알고리즘의 개발에 대해 다루었다. 개발된 H-AUV 시스템의 성능 및 온라인 모자이킹 알고리즘을 테스트하기 위해 3차원 실내 수조에서 자율 항법 및 경로 추종 제어를 적용한 데이터 취득 실험이 수행되었고, 얻어진 모션 데이터와 영상 데이터를 기반으로 궤적 추정과 수조 바닥에 대한 모자이킹 결과가 제시되었다. 전역 최적화 알고리즘의 결과와의 정량적 비교를 통해 추측 항법에 비해 궤적 추정 정확도가 향상됨을 확인하였고, 결과 모자이크 영상의 경계 부분에서의 정렬 상태 통해 정성적인 관점에서도 만족스러운 결과를 얻을 수 있었다.
본 연구에서는 ASKF 기반의 추정을 위해, 지역 기준 좌표계(Local reference frame)에서 운동체의 z방향 현재 위치를 의미하는 절대 심도 계측과 중첩 영역이 존재하는 두 영상 간의 매칭을 통해 얻어지는 상대 포즈 계측을 활용한다. 심도에 대한 계측 방정식은 아래와 같이 표현된다.

대상 데이터

개발된 시스템의 자율 항법 및 온라인 모자이킹 알고리즘을 테스트하기 위해, Fig. 6에 제시된 길이 15m, 폭 10m, 깊이 1.6m의 카이스트 실내 수조에서 항법 센서 및 영상 데이터 취득 실험이 수행되었다. 실험이 수행된 수조의 바닥면은 정형화된 패턴이나 물표 없이 비정형의 특이점이 불규칙적으로 분포되어 있다.
본 연구를 통해 개발된 H-AUV 시스템에는 여러 상황이나 용도에 따라 적절히 활용하기 위해 다양한 항법 및 환경 인식 센서들이 장착되었다. Table 2는 장착된 센서들과 각각에 대한 사양을 나타낸다.

이론/모형

실험이 수행된 수조는 별도의 측위 시스템을 갖추지 못하고 있어 항법 성능을 온전히 파악하기 위한 운동체의 절대 위치 정보를 얻을 수 없다. 그러므로 실험으로 얻어진 영상들을 기반으로 전역 번들 조정(GBA, Global bundle adjustment) 기법(Sawhney et al., 1998)을 적용하고 이로부터 얻어진 전역적으로 최적화된 2차원 궤적을 성능 비교를 위한 기준 궤적(Reference trajectory)으로 간주한다. GBA 알고리즘에 대한 비용 함수(Cost function)은 다음과 같다.
그러나 수중 환경에서는 제한적인 시계 조건으로 인해 영상 기반 루프-폐쇄의 수행이 상대적으로 어려우며, 이로 인해 루프-폐쇄의 발생 수가 감소하게 되면 수중 운동체의 항법 및 맵핑에 대한 추정 성능이 저하될 수 있다. 본 연구에서는 수중 환경에서 강인하게 동작하는 루프-폐쇄 기법(Hong et al., 2015)을 도입, 적용하였다.
, 2011) 등 여러 특징점 추출 알고리즘들이 제안된 바 있다. 본 연구에서는 추출된 특징점의 높은 정확성 및 반복성 대비 상대적으로 빠른 연산속도를 가지는 SURF 알고리즘을 활용한다.
여기서, u, v, w는 각각 DVL에서 얻어진 x, y, z축 방향으로의 선속도를 나타내고 r은 IMU에서 계측된 요 각속도를 의미하며, 이들은 로봇에 대한 제어 입력으로서 사용되었다. 실험을 위해 사전 계획된 길이 7m, 폭 0.5m의 잔디 깎기 패턴(Lawn mower pattern) 경로를 약 0.5m의 심도를 유지하며 추종하기 위해 일반적으로 널리 사용되는 PID 제어기와 추력 분배 기법(Fossen, 2011)을 적용하였으며, 경로 추종 제어기에 대한 계측 정보로는 추측 항법 (DR, Dead-reckoning) 기반 2-D 위치 추정치와 압력 센서의 심도 측정치가 활용되었다. Fig.
영상 기반 항법 및 맵핑 즉, SLAM(Simultaneous localization and mapping)의 맥락에서 온라인 모자이킹 문제를 풀기 위한 여러 추정 알고리즘이 제안되어 왔고 그 중, 본 연구에서는 가장 기본적인 형태인 ASKF(Augmented state Kalman filter) (Garcia et al., 2002)를 활용한다. 현재 운동체의 포즈(Pose)와 연관된 랜드마크 맵(Landmark map)을 추정하는 일반적인 EKF(Extended Kalman filter) 기반의 알고리즘과는 달리, ASKF는 과거 영상 획득 시점에서의 운동체 포즈 정보들을 상태 벡터에 포함시켜 함께 고려한다.
영상 매칭 과정을 통해 추정된 호모그래피로부터 상대 변위 벡터와 선수각 변화량을 계측하기 위해 호모그래피 분해(Homography decomposition) 기법(Faugeras and Lustman, 1988)이 적용된다. 이 때 도출되는 상대 변위 벡터는 크기 모호성(Scale ambiguity)이 존재하므로 이를 미터 단위로 변환하기 위해 하방 고도계로부터 얻어지는 운동체의 고도(또는 상대 거리) 측정치와 카메라의 내부 매개 변수(초점 거리 및 주점) 정보를 활용한다.
두 영상에서 검출된 각 특징점들에 할당되는 기술자(Descriptor) 벡터 간의 초기 매칭 결과는 아웃라이어라고 불리는 부정확한 대응점(Correspondence)을 포함할 수 있다. 이러한 아웃라이어를 강인하게 제거하기 위해 RANSAC(Random sample consensus) 알고리즘(Hartley and Zisserman, 2004)이 적용될 수 있다. Fig.

성능/효과

앞서 기술한 SURF 특징점 기반의 상대 포즈 계측치는 현재 640×480 크기의 영상을 기준으로 약 3fps의 속도로 계산이 가능하지만, 정확한 상대 포즈 계측치를 추정하기 위해서는 영상 간에 충분한 중첩 영역이 확보되어야 하므로 실제 적용 가능한 운동체의 이동 속도는 제한적일 수 있다. 이러한 상호 절충 관계를 특징점 추출 성능의 저하 없이 개선하기 위해서는 그래픽 처리 장치(GPU, Graphic processing unit)의 추가 장착 후 GPU 기반 영상처리의 적용이 필요할 수 있다.
개발된 H-AUV 시스템의 성능 및 온라인 모자이킹 알고리즘을 테스트하기 위해 3차원 실내 수조에서 자율 항법 및 경로 추종 제어를 적용한 데이터 취득 실험이 수행되었고, 얻어진 모션 데이터와 영상 데이터를 기반으로 궤적 추정과 수조 바닥에 대한 모자이킹 결과가 제시되었다. 전역 최적화 알고리즘의 결과와의 정량적 비교를 통해 추측 항법에 비해 궤적 추정 정확도가 향상됨을 확인하였고, 결과 모자이크 영상의 경계 부분에서의 정렬 상태 통해 정성적인 관점에서도 만족스러운 결과를 얻을 수 있었다.
궤적 추정 결과들을 정량적으로 평가하기 위해 GBA 궤적으로부터의 유클리드 거리(Euclidean distance)를 계산하였고 이들의 합을 오차 척도로서 정의하여 Table 3에 제시하였다. 정량화 결과, ASKF를 적용한 추정 결과가 추측 항법에 대해 약 67%의 오차 척도를 가짐을 확인할 수 있다.
여기서, 빨간색 선들은 영상 노드 간에 성공적으로 매칭이 수행되어(루프-폐쇄 포함), 위치 보정을 위한 계측치가 제공된 부분을 도시한다. 추측 항법의 결과는 GBA 궤적와 비교하였을 때 큰 표류 오차를 보인 반면, ASKF에 의한 추정 결과는 특징점이 부족하여 영상 간의 매칭이 이루어지지 못한 일부 영역을 제외하고는 전반적으로 추측 항법에 비해 정확한 궤적을 도출하였다.

후속연구

이러한 상호 절충 관계를 특징점 추출 성능의 저하 없이 개선하기 위해서는 그래픽 처리 장치(GPU, Graphic processing unit)의 추가 장착 후 GPU 기반 영상처리의 적용이 필요할 수 있다. 또한, ASKF기반 추정 알고리즘의 단순한 적용은 영상 취득 면적 증가에 따른 상태 벡터 크기의 증가로 인해 일정 시점 이후로는 실시간성이 보장되지 않을 수 있으므로 향후 연구에서는 부분 지도 작성(Submapping) 기법이나 포즈-그래프(Pose-graph)기반의 실시간 스무딩(Smoothing) 알고리즘(Kaess et al., 2008)의 적용이 바람직할 것으로 판단된다.
앞서 기술한 SURF 특징점 기반의 상대 포즈 계측치는 현재 640×480 크기의 영상을 기준으로 약 3fps의 속도로 계산이 가능하지만, 정확한 상대 포즈 계측치를 추정하기 위해서는 영상 간에 충분한 중첩 영역이 확보되어야 하므로 실제 적용 가능한 운동체의 이동 속도는 제한적일 수 있다. 이러한 상호 절충 관계를 특징점 추출 성능의 저하 없이 개선하기 위해서는 그래픽 처리 장치(GPU, Graphic processing unit)의 추가 장착 후 GPU 기반 영상처리의 적용이 필요할 수 있다. 또한, ASKF기반 추정 알고리즘의 단순한 적용은 영상 취득 면적 증가에 따른 상태 벡터 크기의 증가로 인해 일정 시점 이후로는 실시간성이 보장되지 않을 수 있으므로 향후 연구에서는 부분 지도 작성(Submapping) 기법이나 포즈-그래프(Pose-graph)기반의 실시간 스무딩(Smoothing) 알고리즘(Kaess et al.

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

영상 모자이킹을 통한 수중 검사를 위한 호버링 타입 AUV 시스템 개발
Development of a Hover-capable AUV System for In-water Visual Inspection via Image Mosaicking 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

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

영상 모자이킹을 통한 수중 검사를 위한 호버링 타입 AUV 시스템 개발 Development of a Hover-capable AUV System for In-water Visual Inspection via Image Mosaicking 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

김태윤 (6) 김진환 (8)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

영상 모자이킹을 통한 수중 검사를 위한 호버링 타입 AUV 시스템 개발
Development of a Hover-capable AUV System for In-water Visual Inspection via Image Mosaicking 원문보기

AI 본문요약
AI-Helper