[논문]유리섬유 배관/덕트 조인트 접합 로봇의 주행 및 공정을 위한 색상 실선의 영상처리

백종환; 정명수; 장민우; 홍성호; 서갑호; 서진호; 이기수; 이재열

문제 정의

본 논문에서는 FRP 배관/덕트 로봇의 오버레이 공정에서 적용할 수 있는 영상처리 방법에 대해서 기술하였다. 허프 변환과 PCA와 같은 전통적인 선 인식 방법들은 선을 정교하게 찾기 때문에 유의미하지만 연산량이 많아 실시간 영상처리에 어려움이 많다.
본 논문에서는 FRP배관접합로봇의 로봇 주행 및 공정 작업을 위하여 색상 모델과 윤곽선 정보들을 이용한 색상 실선의 실시간 카메라 영상처리 방법을 소개한다. 또한 영상처리 방법들 간의 처리속도를 비교하여 나타내었다.

제안 방법

Canny Edge 알고리즘 적용 후 윤곽선 검출된 영상 정보를 가지고 제어를 위한 라인 검출을 한다. 차선 인식 검출과 달리 Fig.
카메라 파라미터를 알고 있다면 왜곡 화면을 펴는 작업을 할 수 있으나 카메라 입력 영상을 잘라버리기 때문에 위에서 구한 계산 거리에 대해 신뢰서을 잃는 문제점이 있다. 따라서 Fig. 8와 같이 영상에 해당하는 곳을 실측하여 계산 거리와 비교하고, 이를 이용해 영상 영역에 가중치를 두어 거리 계산 출력하도록 하였다.
본 논문에서는 FRP배관접합로봇의 로봇 주행 및 공정 작업을 위하여 색상 모델과 윤곽선 정보들을 이용한 색상 실선의 실시간 카메라 영상처리 방법을 소개한다. 또한 영상처리 방법들 간의 처리속도를 비교하여 나타내었다.
실험은 실제 배관에서 로봇을 투입시켜 진행하였다. 직선 검출 방법은 첫째로 허프 변환, 둘째로 주성분 분석을 사용하였고 셋째로 제안된 알고리즘인 픽셀 평균 순서이며 모폴로지나 잡음 필터를 넣지 않고 진행하였다.
주성분 분석 알고리즘의 경우는 제안된 알고리즘과 동일하게 화면을 6개 영역으로 나누어 적용하였다. 영상에서 영상처리 하나의 루프가 도는 시간을 계산하여 기록하였고, 각 방법 당 5번의 실험 후 로그값에서 처리 속도 평균을 내어 표기하였다. 실험을 진행한 결과 Table 1과 같은 결과가 도출되었다.
7의 (b)와 같이, 설치된 카메라의 화각을 알면 식 (2)를 통해 영상에서 해당하는 벽면의 실제의 총 거리를 알 수 있다. 이렇게 영상 내 들어오는 총 거리를 구한 후 비례식을 사용하여 1픽셀 당 실제 mm 거리를 구한다.
제안된 알고리즘은 배관내부에 부착된 실선의 색상을 HSV 모델로 인식한다. 이를 Canny 윤곽선 검출기를 이용하여 윤곽선 정보를 획득 한 후 해당 윤곽선 화소들의 평균을 이용하여 정적인 직선을 회득한다. 또한 이 직선과 영상의 실측값, 계산값을 비교하여 스케일 적용을 통해 배관 내부 직선 양옆 실제 거리를 구할 수 있다.
제안된 알고리즘은 배관접합로봇의 오버레이 공정에 제어를 위한 변수로 들어가기 때문에 실시간으로 진행되는 영상처리가 중요하며, 가장 최우선적으로 처리 속도가 고려되어야 한다. 이를 위해 전통적인 직선 검출 알고리즘들을 적용한 결과와 처리 속도에 어떠한 차이가 있는지에 대하여 실험을 진행하였다.
허프 변환과 PCA와 같은 전통적인 선 인식 방법들은 선을 정교하게 찾기 때문에 유의미하지만 연산량이 많아 실시간 영상처리에 어려움이 많다. 제안된 알고리즘은 배관내부에 부착된 실선의 색상을 HSV 모델로 인식한다. 이를 Canny 윤곽선 검출기를 이용하여 윤곽선 정보를 획득 한 후 해당 윤곽선 화소들의 평균을 이용하여 정적인 직선을 회득한다.
제안된 알고리즘은 배관접합로봇의 오버레이 공정에 제어를 위한 변수로 들어가기 때문에 실시간으로 진행되는 영상처리가 중요하며, 가장 최우선적으로 처리 속도가 고려되어야 한다. 이를 위해 전통적인 직선 검출 알고리즘들을 적용한 결과와 처리 속도에 어떠한 차이가 있는지에 대하여 실험을 진행하였다.
배관 내부는 갈색이며 최적의 실험 환경을 위해 약간의 흠집이 있으나 깨끗한 상태로 진행하였고 라인은 굵기 50mm의 빨간색 라인을 원주 방향으로 부착하였다. 주성분 분석 알고리즘의 경우는 제안된 알고리즘과 동일하게 화면을 6개 영역으로 나누어 적용하였다. 영상에서 영상처리 하나의 루프가 도는 시간을 계산하여 기록하였고, 각 방법 당 5번의 실험 후 로그값에서 처리 속도 평균을 내어 표기하였다.
실험은 실제 배관에서 로봇을 투입시켜 진행하였다. 직선 검출 방법은 첫째로 허프 변환, 둘째로 주성분 분석을 사용하였고 셋째로 제안된 알고리즘인 픽셀 평균 순서이며 모폴로지나 잡음 필터를 넣지 않고 진행하였다. 배관 내부는 갈색이며 최적의 실험 환경을 위해 약간의 흠집이 있으나 깨끗한 상태로 진행하였고 라인은 굵기 50mm의 빨간색 라인을 원주 방향으로 부착하였다.

대상 데이터

직선 검출 방법은 첫째로 허프 변환, 둘째로 주성분 분석을 사용하였고 셋째로 제안된 알고리즘인 픽셀 평균 순서이며 모폴로지나 잡음 필터를 넣지 않고 진행하였다. 배관 내부는 갈색이며 최적의 실험 환경을 위해 약간의 흠집이 있으나 깨끗한 상태로 진행하였고 라인은 굵기 50mm의 빨간색 라인을 원주 방향으로 부착하였다. 주성분 분석 알고리즘의 경우는 제안된 알고리즘과 동일하게 화면을 6개 영역으로 나누어 적용하였다.
3은 FRP 배관/덕트 접합로봇의 구성을 나타낸 것이다. 본 로봇에서 실선 영상 정보 획득을 위한 카메라는 자동적층장치 모듈(Automatic Tape Layer, 이하 ATL), 즉 Fig. 3에서 로봇 위쪽에 해당하는 주행 모듈에 위치하고 있다. 이는 로봇이 배관에 집입했을 때 로봇 진입 방향 앞쪽에 해당하며, 오버레이 작업을 위한 기준선이 된다.

이론/모형

모델 획득 후, 영상 내 직선을 검출하기 위해 윤곽선 정보가 필요하다. 윤곽선 검출을 위한 방법으로 캐니 윤곽선 검출 알고리즘(Canny Edge Algorithm)을 사용한다.[6].

성능/효과

또한 이 직선과 영상의 실측값, 계산값을 비교하여 스케일 적용을 통해 배관 내부 직선 양옆 실제 거리를 구할 수 있다. 실험 결과 처리 속도 비교를 통하여 실시간 영상처리를 문제없이 수행하는 결과를 보였다.
실험을 진행한 결과 Table 1과 같은 결과가 도출되었다. 픽셀 평균 알고리즘이 허프 변환 알고리즘에 비해 약 0.3869초 오차, PCA 알고리즘에 비해 약 0.1179초 빠른 결과를 보였다.

후속연구

2와 같이 PCA를 이용하여 가장 큰 분산을 갖는 축 주성분 벡터를 검출하는 기법이다.[3] PCA를 이용한 결과가 나오며, 직선 이외 잡음 화소들을 많이 포함할수록 신뢰할 수 없는 결과가 나온다는 문제점이 있다. 따라서 직선 검출을 위해 PCA를 사용할 때는 전체 영상을 대상으로 사용하지 않고 영상을 작은 블록으로 쪼개어 적용하는 기법을 사용하고 있다.

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

유리섬유 배관/덕트 조인트 접합 로봇의 주행 및 공정을 위한 색상 실선의 영상처리
Image Processing Method using Color Lines on Overlay Robot for Glass Fiber Pipe/Duct Joint 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

유리섬유 배관/덕트 조인트 접합 로봇의 주행 및 공정을 위한 색상 실선의 영상처리 Image Processing Method using Color Lines on Overlay Robot for Glass Fiber Pipe/Duct Joint 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

유리섬유 배관/덕트 조인트 접합 로봇의 주행 및 공정을 위한 색상 실선의 영상처리
Image Processing Method using Color Lines on Overlay Robot for Glass Fiber Pipe/Duct Joint 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper