최근 IoT를 활용한 웨어러블 기기 및 무인 이동체에 관한 연구가 활발히 진행되고 있다. 그 중 무인 이동체는 IT 기술들의 집약체라고 할 수 있다. 로봇, 자율 주행, 장애물 회피, 데이터 통신, 전력, 영상 처리 등의 기술들이 합쳐진 것을 무인 이동체 또는 무인 로봇이라고 부른다. 무인 이동체의 최종 목표는 수동이 아닌 자율 주행을 하여 목적지까지 안전하고 신속하게 도달하는 것을 목표로 한다. 본 논문에서는 무인 이동체의 기술들 중 하나인 영상 처리 분야를 다루고자 한다. 현재 배터리의 기술로는 무인 이동체가 최대 1시간까지 주행할 수밖에 없다는 것을 감안하여, 전력 소비를 최소한으로 줄이기 위해 소형 컴퓨터인 라즈베리 파이3를 사용하여 영상 인식 시스템을 설계하고자 한다. 제안하고자 하는 시스템은 카메라로부터 받는 영상의 모든 것을 인식하는 시스템을 목표로 한다.
최근 IoT를 활용한 웨어러블 기기 및 무인 이동체에 관한 연구가 활발히 진행되고 있다. 그 중 무인 이동체는 IT 기술들의 집약체라고 할 수 있다. 로봇, 자율 주행, 장애물 회피, 데이터 통신, 전력, 영상 처리 등의 기술들이 합쳐진 것을 무인 이동체 또는 무인 로봇이라고 부른다. 무인 이동체의 최종 목표는 수동이 아닌 자율 주행을 하여 목적지까지 안전하고 신속하게 도달하는 것을 목표로 한다. 본 논문에서는 무인 이동체의 기술들 중 하나인 영상 처리 분야를 다루고자 한다. 현재 배터리의 기술로는 무인 이동체가 최대 1시간까지 주행할 수밖에 없다는 것을 감안하여, 전력 소비를 최소한으로 줄이기 위해 소형 컴퓨터인 라즈베리 파이3를 사용하여 영상 인식 시스템을 설계하고자 한다. 제안하고자 하는 시스템은 카메라로부터 받는 영상의 모든 것을 인식하는 시스템을 목표로 한다.
Recently, Unmanned vehicle and Wearable Technology using iot research is being carried out. The unmanned vehicle is the result of it technology. Robots, autonomous navigation vehicle and obstacle avoidance, data communications, power, and image processing, technology integration of a unmanned vehicl...
Recently, Unmanned vehicle and Wearable Technology using iot research is being carried out. The unmanned vehicle is the result of it technology. Robots, autonomous navigation vehicle and obstacle avoidance, data communications, power, and image processing, technology integration of a unmanned vehicle or an unmanned robot. The final goal of the unmanned vehicle manual not autonomous by destination safely and quickly reaching. This paper managed to cover One of the key skills of unmanned vehicle is to image processing. Currently battery technology of unmanned vehicle can drive for up to 1 hours. Therefore, we use the Raspberry Pi 3 to reduce power consumption to a minimum. Using the Raspberry Pi 3 and to develop an image recognition system. The goal is to propose a system that recognizes all the objects in the image received from the camera.
Recently, Unmanned vehicle and Wearable Technology using iot research is being carried out. The unmanned vehicle is the result of it technology. Robots, autonomous navigation vehicle and obstacle avoidance, data communications, power, and image processing, technology integration of a unmanned vehicle or an unmanned robot. The final goal of the unmanned vehicle manual not autonomous by destination safely and quickly reaching. This paper managed to cover One of the key skills of unmanned vehicle is to image processing. Currently battery technology of unmanned vehicle can drive for up to 1 hours. Therefore, we use the Raspberry Pi 3 to reduce power consumption to a minimum. Using the Raspberry Pi 3 and to develop an image recognition system. The goal is to propose a system that recognizes all the objects in the image received from the camera.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 무인 이동체의 핵심 기술 분야들 중 하나인 영상처리에 대해 연구하고자 한다. 무인 이동체는 드론 또는 자동차, 로봇 등 베이스에 따른 영상처리 기술이 각각 다르게 적용된다.
본 논문의 목적은 차세대 무인 자동차에 적용될 기술을 연구하고자 함이다. 본 논문에서 언급되는 연구는 라즈베리파이3, Kinect 카메라를 이용하여 연구를 진행하고 있다.
본 논문에서 언급되는 연구는 라즈베리파이3, Kinect 카메라를 이용하여 연구를 진행하고 있다. 연구하고자 하는 시스템은 무인 이동체와의 연동을 목적으로 하고 있다. 무인 이동체는 이동에 필요한 전력을 외장 배터리로부터 공급 받는 시스템이기 때문에, 전력 낭비를 최대한으로 줄이기 위해 라즈베리파이를 사용하였다.
이 연구는 라즈베리파이3를 사용한 환경에서 객체를 실시간으로 검출하는 것에 목적을 두고 연구하였다. 먼저 객체의 특징점을 찾아내어 객체 인식이 가능한 부분을 파악하고, 이를 모바일 환경에서 적용 가능하도록 실시간 객체 검출 및 인지하는데 중점을 두었다.
본 논문에서는 라즈베리파이, Kinect 카메라를 이용한 실시간 영상 인식 시스템을 개발하기 위하여 사람, 물체 인식 등에 사용되는 OpenCV 라이브러리를 사용하였다. 이러한 실시간 영상 인식을 위해 영상 인식의 기본이 되는 특징점 추출하는 방법을 제안한다. Kinect 카메라로부터 입력된 RGB 색상값을 코너 데이터 검출을 위하여 그레이 생상 값으로 변환, SF 알고리즘을 이용하여 객체의 코너 데이터를 검출하는 3단계를 통해 특징점을 추출한다.
하지만 불변의 객체 특징점 도출을 위해 많은 계산량을 요구하게 되어, 본 연구에서는 시중에 나와 있는 모듈 중 성능이 제일 좋은 라즈베리파이3를 이용하여 실시간 객체 인식에 대한 연구를 진행하였다. 이에, 위에 언급한 방법론의 단점을 극복하고 객체 인식의 속도를 향상하기 위하여 SF(ShiTomasi Function)[4]을 이용한 객체의 코너 데이터를 검출하여 실시간 인식 시스템을 개발하고자 한다.
위의 두 방법론은 객체의 변화에 상관없이 특징점을 추출하고 이를 비교함으로써 다양한 조건(스케일, 사이즈, 노이즈, 빛 등)에 영향을 받지 않고 객체를 안정적으로 인식할 수있게 된다. 하지만 불변의 객체 특징점 도출을 위해 많은 계산량을 요구하게 되어, 본 연구에서는 시중에 나와 있는 모듈 중 성능이 제일 좋은 라즈베리파이3를 이용하여 실시간 객체 인식에 대한 연구를 진행하였다. 이에, 위에 언급한 방법론의 단점을 극복하고 객체 인식의 속도를 향상하기 위하여 SF(ShiTomasi Function)[4]을 이용한 객체의 코너 데이터를 검출하여 실시간 인식 시스템을 개발하고자 한다.
제안 방법
이러한 실시간 영상 인식을 위해 영상 인식의 기본이 되는 특징점 추출하는 방법을 제안한다. Kinect 카메라로부터 입력된 RGB 색상값을 코너 데이터 검출을 위하여 그레이 생상 값으로 변환, SF 알고리즘을 이용하여 객체의 코너 데이터를 검출하는 3단계를 통해 특징점을 추출한다. 추출된 특징점의 위치 및 거리와 기술어를 계산하여 저장한다.
이 연구는 라즈베리파이3를 사용한 환경에서 객체를 실시간으로 검출하는 것에 목적을 두고 연구하였다. 먼저 객체의 특징점을 찾아내어 객체 인식이 가능한 부분을 파악하고, 이를 모바일 환경에서 적용 가능하도록 실시간 객체 검출 및 인지하는데 중점을 두었다.
연구하고자 하는 시스템은 무인 이동체와의 연동을 목적으로 하고 있다. 무인 이동체는 이동에 필요한 전력을 외장 배터리로부터 공급 받는 시스템이기 때문에, 전력 낭비를 최대한으로 줄이기 위해 라즈베리파이를 사용하였다.
사람, 차량, 차선, 물체, 건물들 전부를 인식이 되어야 자율 주행을 하는데 있어 문제가 발생하지 않는다. 인식 개체 수가 제일 많은 자동차를 대상으로 한 무인 이동체의 연구는 테스트 환경에 따른 제약 때문에 주행 로봇을 이용하여 연구를 진행하였다.
대상 데이터
특징점은 객체의 상하좌우 코너, 주변 픽셀 정보 및 픽셀 값의 합, 코너 간의 거리를 가진다. 객체 내부의 사분면 정보에 존재하는 코너 데이터를 주 정보로 하여, 주변 픽셀 정보 및 거리를 비교 대상으로 한다. <그림 2>은 객체 정보 생성흐름을 보여주고 있으며, 이미지 입력 및 코너 데이터 추출, 특징점 후보군 구성, 객체 특징점 도출, 객체 특징점 간의 거리 및 주변 픽셀 정보 4단계로 구성 된다.
본 논문의 목적은 차세대 무인 자동차에 적용될 기술을 연구하고자 함이다. 본 논문에서 언급되는 연구는 라즈베리파이3, Kinect 카메라를 이용하여 연구를 진행하고 있다. 연구하고자 하는 시스템은 무인 이동체와의 연동을 목적으로 하고 있다.
본 논문에서는 라즈베리파이, Kinect 카메라를 이용한 실시간 영상 인식 시스템을 개발하기 위하여 사람, 물체 인식 등에 사용되는 OpenCV 라이브러리를 사용하였다. 이러한 실시간 영상 인식을 위해 영상 인식의 기본이 되는 특징점 추출하는 방법을 제안한다.
본 실험은 라즈베리파이3와 Kinect 카메라를 사용하여 실험을 진행하였다. 라즈베리파이3의 환경은 Quad Core 1.
실험에 사용된 데이터는 라즈베리파이3에 장착된 Kinect 카메라를 사용하여 획득한 데이터를 이용하였다.
이론/모형
객체 인식 과정은 검출에 필요한 특징점과 에지 데이터의 선을 검출한다. 코너 데이터 추출은 RGB 색상의 이미지를 그레이스케일 영상으로 변환 후, SF 알고리즘을 이용한다. SF 알고리즘으로부터 추출된 코너 데이터와 주변 픽셀 데이터를 배열에 저장하여 최종 객체의 특징점으로 사용할 예비 작업을 진행한다.
후속연구
향후 과제로는 각각의 개체 별의 특징을 분석하여 개체가 무엇(사람, 차량, 차선, 물체)인지 분석하는 알고리즘에 대해 연구하여 무인 이동체에 필요한 기술을 보완하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.