[논문]무인운반차(AGV)의 주행경로 및 위치인식을 위한 라인스캔카메라를 이용한 패턴인식 알고리즘 구현

김수현; 이형규

doi:10.9723/jksiis.2018.23.1.013

무인운반차(AGV)의 주행경로 및 위치인식을 위한 라인스캔카메라를 이용한 패턴인식 알고리즘 구현
Implementation of Pattern Recognition Algorithm Using Line Scan Camera for Recognition of Path and Location of AGV 원문보기

한국산업정보학회논문지 = Journal of the Korea Industrial Information Systems Research, v.23 no.1, 2018년, pp.13 - 21

김수현 (대구대학교 대학원 정보통신공학과) , 이형규 (대구대학교 정보통신공학부)

초록
AI-Helper

AGVS (Automated Guided Vehicle System)는 작업 공간 내 특정 물건 또는 상품들을 자동으로 이동 시켜주는 물류 자동화의 핵심 기술이다. 기존의 AGV는 독립적인 실내위치인식 기술과 함께 각 AGV별로 주행경로 인식을 위해 레이저, 마그네틱, 관성 센서 등을 이용하기 때문에 고비용이며 유지 및 확장이 어렵다는 단점을 가지고 있다. 이러한 단점을 해결하기 위해 본 논문에서는 라인스캐카메라 기반의 마이크로 컨트롤러에서도 구현 가능한 경량화 된 패턴인식 기술을 이용하여 AGV의 주행제어뿐 아니라 위치인식을 동시에 할 수 있는 기술을 제안한다. 제안된 패턴인식기술은 각 AGV가 라인으로 표시된 경로를 인식하여 자율주행을 가능하게 할 뿐 아니라 경로 상에 바코드 형태의 간단한 이미지 형태로 설치된 패턴인식을 통해 AGV자신의 위치를 파악하는 기술을 동시에 제공하기 때문에 AGVS 구현 비용을 획기적으로 줄일 수 있을 뿐 아니라 경로 재설정 및 확장에 유리하다. 제안된 기술의 효용성 검증을 위해 마이크로 컨트롤러에서 동작 가능한 패턴인식기술을 구현하였고, AGV 프로토타입을 이용한 실험으로 그 결과 및 효용성을 검증하였다.

Abstract ▼ AI-Helper

AGVS (Automated Guided Vehicle System) is a core technology of logistics automation which automatically moves specific objects or goods within a certain work space. Conventional AGVS generally requires the in-door localization system and each AGV equips expensive sensors such as laser, magnetic, inertial sensors for the route recognition and automatic navigation. thus the high installation cost is inevitable and there are many restrictions on route(path) modification or expansion. To address this issue, in this paper, we propose a cost-effective and scalable AGV based on a light-weight pattern recognition technique. The proposed pattern recognition technology not only enables autonomous driving by recognizing the route(path), but also provides a technique for figuring out the loc ation of AGV itself by recognizing the simple patterns(bar-code like) installed on the route. This significantly reduces the cost of implementing AGVS as well as benefiting from route modification and expansion. In order to verify the effectiveness of the proposed technique, we first implement a pattern recognition algorithm on a light-weight MCU(Micro Control Unit), and then verify the results by implementing an MCU_controlled AGV prototype.

주제어

AI 본문요약
AI-Helper

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

문제 정의

물류 자동화의 핵심 기술인 AGVS는 다수의 AGV와 상위 컨트롤러로 이루어져 있다. 본 논문에서는 AGV가 경로를 벗어나지 않고 주행하기 위한 경로 인식 기술과 상위 컨트롤러에서 AGV들의 운영 최적화를 위해 각 AGV의 위치를 상대 이동거리를 이용해 파악하지만 누적오차의 해결을 위한 AGV의 절대 위치파악에 초점을 맞춘다.
기존의 AGV의 위치파악 기술의 단점을 해결하기 위해 QR코드[7] 같은 2차원의 이미지를 이용하거나 RFID태그, 카메라[8]를 이용하는 등 여러 가지 연구가 진행되고 있다. 본 논문에서는 라인스캔카메라와 간단한 바코드 형태의 위치인식[9] Symbol을 이용한 패턴인식으로 2차원 이미지나 RFID태그 등을 이용하는 방법보다 컴퓨팅을 줄이고 저비용에 유지 및 변화가 쉬운 위치인식 기술을 제안한다. 또, 제안된 방법은 여러가지 센서를 이용하여 수행하던 경로인식을 통한 주행과 위치파악을 라인스캔카메라만을 이용하여 동시에 해결할 수 있는 장점을 가진다.
중앙 컨트롤러는 물건들의 이동 요청에 따라 최단거리 형성, 충돌방지 교착상태 회피/회복이 적용된 주행 알고리즘[1]에 이용하여 각 AGV들의 효율적으로 주행 명령을 내린다[2]. 본 논문에서는 전체 AGV의 시스템이 아닌 AGV의 경로인식을 통한 주행과 실시간 위치파악 기술에 초점을 맞춘다.

제안 방법

AGV의 절대 위치파악은 Table 5와 같이 AGV가 경로의 중간을 이상적으로 주행하며 카메라의 위치가 루트의 중간에서 직교하는 상황인 Normal Position, 경로를 벗어나 카메라의 위치가 루트의 좌, 우에 위치하는 상황인 Biased Position, 벗어난 경로 회복을 위해 카메라의 위치가 루트와 직교하지 않는 상황인 Recovery Position, 전체 데이터를 포함하는 Average와 패턴인식의 에러를 줄이기 위한 아무런 처리되지 않은 패턴인식 Base Line, 데이터를 Shift를 통한 ROI 추출을 통한 패턴인식을 하는 Shift, 데이터 Shift를 통한 ROI추출과 가중치를 이용한템플릿 정합법을 이용한 패턴인식을 하는 Shift with Weight의 세 가지 경우로 나누어 인식률을 나타냈다.
AGV의 절대 위치파악을 위한 Symbol은 AGV의 주행이 라인스캔카메라의 데이터의 좌, 우를 비교하여 주행하기 때문에 패턴인식의 인식율을 높이기 위해서 양쪽이 대칭이 되는 형태의 Symbol 2개를 이용한다. 또, 본 논문에서 이용하는 라인스캔카메라는 흰색과 검은색을 비교하여 1 또는 0의 형태로 데이터를 저장하기 때문에 유지 및 변환이 쉬운 바코드 형식의 Symbol을 이용하여 위치를 파악한다.
본 논문에서는 라인스캔카메라와 간단한 바코드 형태의 위치인식[9] Symbol을 이용한 패턴인식으로 2차원 이미지나 RFID태그 등을 이용하는 방법보다 컴퓨팅을 줄이고 저비용에 유지 및 변화가 쉬운 위치인식 기술을 제안한다. 또, 제안된 방법은 여러가지 센서를 이용하여 수행하던 경로인식을 통한 주행과 위치파악을 라인스캔카메라만을 이용하여 동시에 해결할 수 있는 장점을 가진다. 직접 제작한 AGV를 통한 제안된 패턴인식을 적용한 실험과 분석으로 경로를 인식하여 주행하는 기능과 절대 위치를 파악하는 기능을 수행할 수 있음을 입증한다.
본 논문의 AGV는 흰색 배경에 검은색 라인으로 이루어진 주행경로를 라인스캔카메라로 촬영하며 주행 알고리즘에 따라 이동한다. 라인스캔카메라를 통해 얻은 카메라 데이터의 아날로그값은 Fig.
주행경로의 양 옆의 Symbol을 이용하므로 Fig. 9와 같이 카메라 데이터의 주행경로를 제외한 양쪽의 두 개의 Symbol을 인식한 카메라 데이터를 이용하여 절대 위치파악을 위한 패턴인식을 한다.
Table 3 Score of Pattern Recognition Table 2의 빨간색 데이터는 1001을 나타내는 위치인식 Symbol을 촬영한 카메라 데이터이다. 패턴인식을 위해 비교 대상 패턴인 1001, 1010,1100의 데이터 Set들과 유사도를 비교한다. 가중치를 이용한 템플릿 정합법에 따라 ‘1’의 데이터 일치 시 1의 스코어, ‘0’의 데이터 일치 시 2의 스코어를 부여하여 계산한다.

대상 데이터

라인스캔카메라의 데이터를 패턴인식에 이용하기 위해 ADC와 ΔFilter를 통한 이원화 된 카메라 데이터를 이용하였고 경로에 나타날 수 있는 주행경로, 교차로, 경로 없음, 위치 인식을 위한 Symbol의 구분이 가능하다.
실험에 사용된 라인스캔카메라는 TSL1401로 1 × 128의 라인 픽셀을 가지고 명암에 따라 0~5V의 출력을 가진다.

이론/모형

‘0’과 ‘1’의 데이터의 구분이 없어 발생하는 에러를 줄이기 위해서 가중치를 적용한 템플릿 정합법을 이용한다.
1의 Error 1과 같이 카메라의 위치 변화에 따른 데이터 오차 현상과 Error 2와 같이 ‘0’과 ‘1’의 데이터 구분이 없음에 따라 에러가 발생한다. 인식률을 높이기 위해 카메라 데이터 Shift를 이용한 ROI (Region Of Interest) 추출과 가중치를 적용한 템플릿 정합법을 이용한 패턴인식을 이용한다.
패턴인식은 패턴인식의 컴퓨팅을 줄이기 위해서 통계적 접근법(Statistical)과 템플릿 정합법(Template Matching)을 같이 이용한다. 통계적 접근법은 각 클래스에 속하는 패턴 집합의 통계적 분포에서 생성되는 결정 경계를 기반으로 하여 미지의 패턴이 속한 클래스를 결정하는 방법이고 템플릿 정합법은 비교 대상 패턴에 대한 형틀을 미리 마련해두고, 인식하고자 하는 패턴의 정규화 과정을 거친 후 유사도를 척도로 하여 패턴을 인식하는 방법이다.

성능/효과

AGV의 절대 위치파악을 위해 Symbol의 패턴인식은 데이터 Shift를 통한 ROI 추출과 가중치를 이용한 템플릿 정합법을 이용하여 AGV의 절대 위피 파악의 인식률을 99.38%까지 높일 수 있음을 확인했다.
영역 스캔은 정지된 화상을 촬영하는데 적합하지만 컨베이어 벨트와 같이 움직이는 개체를 촬영할 때에는 영역 스캔보다 라인 스캔 방식이 더 적합하다. 본 논문의 카메라는 AGV에 설치되어 움직이며 촬영을 하므로 연속적인 촬영이 가능하고, 특징점이 적어 빠른 응답 속도를 가지는 라인 스캔 방식이 더 적합하다.[10]
위와 같이 데이터 Shift를 통한 ROI 추출과 가중치를 이용한 템플릿 정합법을 이용한 패턴인식은 99.38%의 인식률을 달성했다. 그러나 제안된 위치인식의 패턴인식은 주행경로 양쪽의 Symbol을 모두 이용하기 때문에 AGV의 주행하며 발생하는 여러 에러 요인에 의해 왼쪽과 오른쪽의 위치인식 Symbol의 패턴인식이 다른 경우가 발생할 수 있다.
인식률은 이상적으로 주행하는 상황인 Norma Position이 다른 Biased Position이나 Recovery Position에 비해 높게 나타났으며 데이터 Shift를 통한 ROI 검출과 가중치를 이용한 템플릿 정합법을 이용한 Shift with Weight의 경우가 가장 높은 인식률을 보였다. 에러를 줄이기 위한 패턴인식의 인식률이 99.
또, 제안된 방법은 여러가지 센서를 이용하여 수행하던 경로인식을 통한 주행과 위치파악을 라인스캔카메라만을 이용하여 동시에 해결할 수 있는 장점을 가진다. 직접 제작한 AGV를 통한 제안된 패턴인식을 적용한 실험과 분석으로 경로를 인식하여 주행하는 기능과 절대 위치를 파악하는 기능을 수행할 수 있음을 입증한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	카메라의 스캔 방식 중 영역 스캔 방식과 라인 스캔 방식을 선정할 때 고려할 점은?	카메라의 스캔 방식은 영역 스캔(Area Scan) 방식과 라인 스캔(Line Scan) 방식이 있다. 영역 스캔은 정지된 화상을 촬영하는데 적합하지만 컨베이어 벨트와 같이 움직이는 개체를 촬영할 때에는 영역 스캔보다 라인 스캔 방식이 더 적합하다. 본 논문의 카메라는 AGV에 설치되어 움직이며 촬영을 하므로 연속적인 촬영이 가능하고, 특징점이 적어 빠른 응답 속도를 가지는 라인 스캔 방식이 더 적합하다.
	AGVS란?	AGVS (Automated Guided Vehicle System)는 작업 공간 내 특정 물건 또는 상품들을 자동으로 이동 시켜주는 물류 자동화의 핵심 기술이다. 기존의 AGV는 독립적인 실내위치인식 기술과 함께 각 AGV별로 주행경로 인식을 위해 레이저, 마그네틱, 관성 센서 등을 이용하기 때문에 고비용이며 유지 및 확장이 어렵다는 단점을 가지고 있다.
	기존의 AGV 단점은?	AGVS (Automated Guided Vehicle System)는 작업 공간 내 특정 물건 또는 상품들을 자동으로 이동 시켜주는 물류 자동화의 핵심 기술이다. 기존의 AGV는 독립적인 실내위치인식 기술과 함께 각 AGV별로 주행경로 인식을 위해 레이저, 마그네틱, 관성 센서 등을 이용하기 때문에 고비용이며 유지 및 확장이 어렵다는 단점을 가지고 있다. 이러한 단점을 해결하기 위해 본 논문에서는 라인스캐카메라 기반의 마이크로 컨트롤러에서도 구현 가능한 경량화 된 패턴인식 기술을 이용하여 AGV의 주행제어뿐 아니라 위치인식을 동시에 할 수 있는 기술을 제안한다.

저자의 다른 논문 :

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