선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문은 영상 신호 처리를 사용해 FPCB Placing에 중요한 요소인 회전각을 추출하는 알고리즘을 소개하였다. 본 논문은 정확도와 속도로 조건을 세분화해 각각 FlowNet2.
- 본 논문은 영상 신호 처리를 사용해 FPCB Placing에 중요한 요소인 회전각을 추출하는 알고리즘을 소개하였다. 본 논문은 정확도와 속도로 조건을 세분화해 각각 FlowNet2.0과 극좌표 변환 기법을 개발하였다. 또한, RGB 센서 외 물리 센서를 사용하지 않고 Vision으로만 문제를 해결해 다양한 FPCB에 적용할 수 있다.
- 따라서 진행된 연구들이 있음에도 대부분 사람이 직접 FPCB Placing 작업을 진행 중이다. 이를 보완하기 위해 본 논문의 목적은 최소한의 리소스로 최대의 정확도를 얻는 것을 목표로 한다.
- 이에 본 논문은 convolutional neural network(CNN)을 이용해 광학 흐름(Optical Flow)을 계산하는 FlowNet2.0와 극좌표 변환(Polar Coordinate)을 이용해 FPCB의 회전각을 획득하는 알고리즘 개발했다. 회전각을 안다면 다음은 단순한 이동 문제이기에 회전각이 Placing에 핵심 요소이다.
가설 설정
- 그러나 이렇게 벡터 맵을 작성하면 배경에 대한 광학 흐름까지 전부 출력되기 때문에 FPCB만의 모션 벡터 추출이 어렵다. 2.2에서 획득한 배경이 제거된 Reference 사용한다면 FPCB의 모션 벡터를 얻을 수 있을 것이다. 하지만 Rotation 이미지의 경우 FPCB 위치의 트레이 모양이 고정값이 아니기 때문에 같은 알고리즘으로 배경을 제거하기 어렵다.
- 여태까지 로봇 팔이 FPCB를 정답 이미지와 같은 위치를 잡는 가정 하에 알고리즘을 검증했다. 그러나 항상 FPCB를 잘 잡는다는 보장이 없어 FPCB를 잘못 잡을 때를 검증했다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.