초록 ▼

▷ 3차원적인 위치오차 인식 및 신뢰성 향상을 위해 1990년대 들어 3차원 비젼 인식기술이 많이 요구되고 있다. 아직까지 신뢰성 확보, 적합한 표면 재구성 S/W등의 미비로 산업계에 확산되지 못하고 있다. 본 연구에서는 신뢰성이 높은 3차원 비젼인식 기술을 개발하고 활용도에 필수적인 다양한 시스템 제어 및 표면재구성 S/W 개발을 목표로 하였으며 결과의 구체성을 위해 품질관리와 자동화 측면에서 가장 기술난이도가 높은 디버링 공정에 로봇과 함께 시스템을 개발코자 하였다. 3차원 비젼인식 기술중에서 부호와 조명비젼 로봇 그리고 대

▷ 3차원적인 위치오차 인식 및 신뢰성 향상을 위해 1990년대 들어 3차원 비젼 인식기술이 많이 요구되고 있다. 아직까지 신뢰성 확보, 적합한 표면 재구성 S/W등의 미비로 산업계에 확산되지 못하고 있다. 본 연구에서는 신뢰성이 높은 3차원 비젼인식 기술을 개발하고 활용도에 필수적인 다양한 시스템 제어 및 표면재구성 S/W 개발을 목표로 하였으며 결과의 구체성을 위해 품질관리와 자동화 측면에서 가장 기술난이도가 높은 디버링 공정에 로봇과 함께 시스템을 개발코자 하였다. 3차원 비젼인식 기술중에서 부호와 조명비젼 로봇 그리고 대상체간의 캘리브레이션 기술이 개발되었다. 그리고 새로운 개념으로서 가상센싱 공정을 창출하였는데 이 방식은 현장에서 3차원 비젼으로 표면인식 및 후속공정 활용시 복잡한 표면재구성 공정을 거치지 않고 용이하게 원하는 대상체의 특징을 추출할 수 있는 장점을 가지고 있다. 원리는 3차원 비젼 센서를 모델링하여 가상환경에서 가상 대상물을 인식하고 실제센서가 실제 대상체를 센싱한 정보화 1:1로 비교함으로써 복잡한 정보처리 절차없이 필요한 정보를 바로 추출할 수 있다. 이와 같은 가상센싱기법과 별도로 기존 3차원 비젼인식에 의한 정보의 처리와 표면 재구성 기술을 개발하였다. 주된 특징으로서 현장에서 가급적 빨리 정보처리를 하여 로봇 디버링 등의 후속공정을 진행할 수 있다. 3차원 표면재구성 기술의 전체적인 조망과 함께 필요한 재구성 S/W를 개발하였다. 이러한 정보를 바탕으로 실제 디버링 로봇에 적용하였다. 디버링은 접촉하여 공정이 진행되므로 매우 변수가 많다. 그러므로 3차원 비젼인식 정보를 바탕으로 로봇경기를 생성하여 디버링을 수행하는 작업외에 공정력을 인식하는 역각센서를 집적시켜 실질적인 품질결과를 도출하였다.

목차 Contents

• 제1장 서론...23
• 제1절 연구 개발의 목적...23
• 제2절 필요성...24
• 제3절 연구 범위...25
• 제4절 기대효과...26
• 제5절 상대국 연구 기관...27
• 1. 조직...27
• 2. 연구 그룹 및 책임자...29
• 3. 공동 연구 역할 및 기대효과...31
• 4. 협력 실적...33
• 제2장 국내외 기술 개발 현황...34
• 제1절 3차원 비젼 인식 기술...34
• 1. 비접촉식 3차원 측정방법...34
• 가. Sterometric 방식...34
• 나. Echometric 방식...34
• 다. Interferometric 방식...34
• 라. Moire-Fringe 방식...34
• 마. Reflectometric 방식...34
• 2. 공간 부호화 비젼(Coded Light Vision)...36
• 가. 정의...36
• 나. 장단점...37
• 3. 스케닝 비젼(Scanning Vision)...38
• 가. 정의...38
• 나. 장단점...38
• 제2절 품질 관리 및 자동화 기술...39
• 1. 자동차 품질 관리 분야...39
• 2. 주물 디버링 분야...39
• 3. 로봇 지능 자동화 분야...40
• 제3절 표면 재구성 기술...42
• 1. 표면 모델링 분야...42
• 2. 로봇 시스템 응용 분야...53
• 제3장 최종 개발 목표 시스템...57
• 제1절 SMART 시스템...57
• 1. 개념...57
• 2. 목표 시나리오...58
• 제2절 시스템 구성...62
• 1. H/W...62
• 2. S/W...64
• 제4장 상세 연구 내용...68
• 제1절 전체 시스템 하드웨어 구성...68
• 1. 로봇 시스템...68
• 2. 센서 시스템...69
• 3. 연삭 가공 시스템...72
• 4. 시스템 인터페이스...75
• 제2절 전체 기술 개발 내용 개략...77
• 1. 자체 개발...77
• 2. IPA 위탁...82
• 가. 연구 과제 및 목표...82
• 나. 연구 수행 내용...83
• (1) 삼차원 형상 인식...83
• (2) 삼차원 형상 데이터 재처리...84
• (가) 표면 재구성...84
• (나) 다면체 표면 구성...85
• (다) 다각형 면내에서의 모서리 인식...86
• (라) Burr 형상 결정과 localization...86
• (마) 생성된 내부면 모사에 기초한 목표-실제 비교...88
• (3) 칼라비전 처리...88
• (4) 버 인식 알고리즘...89
• 3. 삼차원 표면 재구성...89
• 4. CAD 기반 가상 센서 인식...91
• 5. 디버링 관련 파라메타 식별...92
• 가. 기존의 연구...92
• 나. 디버링 파라메터...93
• 6. 로봇 디버링 시뮬레이터 및 가공 경로 생성...95
• 제3절 삼차원 표면 정보 처리...97
• 1. 개요...97
• 2. 시스템 구성...98
• 가. 레이져 센서...98
• 나. 표면 정보 처리 시스템의 주요 사용용도...99
• 다. H/W Specification...99
• 3. 표면 정보 처리 알고리즘...100
• 가. Oblique Range...100
• 나. S corner End...103
• 다. Corner Plane...104
• 라. Min Range...106
• 마. Edge Plane...107
• 바. Arc Center...108
• 사. Edge End...110
• 아. Gap & Flush...111
• 자. 3D - Hole...112
• 4. 실제 측정 실험 예...114
• 가. 작업 대상물 선정...114
• 나. 측정 실험...115
• 다 처리...118
• 가. 칼라 組織작업...119
• 나. 서론...119
• 다. 다해상도-칼라組織 특성...121
• 제4절 대상체의 형상 인식 기술...123
• 1. 스캐닝 비젼 및 조명 캘리브레이션...123
• 가. 개요...123
• 나. 지그 이용 스캐닝 센서 TCP 계산...126
• (1) 개요...126
• (2) 쐐기형 지그의 이용...128
• (3) 센서 TCP의 병진값 계산...131
• (4) 센서 TCP의 회전값 계산...132
• (5) Simulation(실제 계산치 비교)...132
• (6) 쐐기형 지그 방식의 특징...134
• 다. 선 방식의 스캐닝 센서 자세 보정...134
• (1) 개요...134
• (2) 센서의 자세 계산...135
• (3) 센서의 옵셋량 계산...139
• 라. 카메라 좌표 계산...140
• (1) 유연한 캘리브레이션 모델...141
• (2) 단일화면 조합의 시스템 모델...141
• (3) 각도($\Theta_k,\Theta_p$) 결정...143
• (4) 카메라 좌표 $Y_k, Z_k$ 확정...144
• (5) 대상체 좌표 $x_p$의 결정...146
• (6) 공정 평가...147
• 2. 디버링 대상체 개요...148
• 가. 디버링 대상체의 분류 및 특징...148
• 나. 디버링 대상체의 주요 형상 파라메타...151
• 3. 구조화 비젼에 의한 버 인식...154
• 가. 소개요...154
• 나. 버 인식 알고리즘(KIST)...157
• (1) 직교 좌표에서 데이터 측정...157
• (2) 센싱 데이터의 비교...158
• (3) 측정 Data의 비교...160
• (4) 데이터 Spliting...162
• (5) Cartesian 좌표계에서의 Noise Filtering...164
• (가) Moving Averaging Method...164
• (나) Median Filtering...164
• (6) Data Merging...166
• (7) Accumulated Image의 생성...167
• (8) Image 좌표계에서의 데이터 처리...169
• (가) 고립점 제거...169
• (나) Expansion...170
• (다) 2차원 Mean Filtering...170
• (라) 2차원 Median Filtering...171
• (마) Thinning...171
• (바) Edge Linking...173
• (9) 이미지 좌표계에서 측정 데이터 처리 결과...175
• (가) 센서 측정 데이터...176
• (나) Bottom 영역 제거...176
• (다) Line Connention...177
• (라) Isolate Point Elimination...177
• (10) Image 공간에서 Cartesian 공간으로의 변환...178
• (11) Cartesian 공간에서 특징량 추출...178
• (가) 직선 근사...178
• (나) 곡선 약근법...180
• (다) Feature 추출...182
• 다. 버 인식 알고리즘(IPA)...185
• (1) 직교 좌표상에서 측정 데이터 가공...188
• (가) 센서 데이터 입력 인터페이스...188
• (나) 센서 데이터에 대한 필터 함수...189
• (다) 장착된 필터의 기본 동작 모우드...190
• (2) 버 인식을 위한 데이터 구조...191
• (가) 메모리 구조 및 탐색 알고리즘...191
• (나) 격자에 점들을 포함시키는 방법...193
• (다) 격자 내 영역 탐색...193
• (3) 버의 기저 곡선 및 선단(tip) 계산...193
• (가) 점 집합(point cloud)을 데이터 구조로 변환...193
• (나) 점 집합(point cloud)의 변환...193
• (다) 측정점과 스캔 라인의 빈도 분포 평가...194
• (4) GUGS 그래픽 사용자 인터페이스...197
• (가) 데이터 수입(import)...198
• (나) 데이터 평활화(smoothing)...200
• (다) Z스펙트럼 변환...201
• (라) Z스펙트럼 계산...202
• (마) 버의 분리...203
• (바) 후처리 및 데이터 export(post processing and export)...204
• (5) 메뉴 구성 주요 함수의 기능 기술...204
• (가) Trapo_Z메뉴 실행 절차...204
• (나) Make Burr-object 메뉴 실행 절차...205
• (다) Calculate Z_Spectrum 메뉴의 실행 절차...205
• (라) Korrk_zspectrum_berechnen() 함수...206
• (6) 버 인식도 평가...207
• 라. 파라메트릭 모델러에 의한 디버링 대상체 표면 재구성...213
• (1) 파라메트릭 표면 모델러...213
• (2) Ferguson 모델러...220
• (3) 디버링 대상체에 대한 적용 및 평가...225
• 제5절 CAD와 가상 센서 시스템 기반 물체 인식...229
• 1. 배경과 의미...229
• 가. 배경...229
• 나. CAD 데이터 비교의 의미...230
• 2. 개념...232
• 3. 기존 방식과의 비교...237
• 가. non-reference 방법...238
• 나. reference 방법...239
• (1) 양품의 Prototype 사용하는 방법...239
• (2) CAD 데이터 방법...241
• 다. Virtual Sensing Data 사용 방법의 의의...243
• 라. Reference Data 사용한 방법들의 비교 분석...246
• 4. 상세 내용...249
• 가. Virtual Sensor Data의 총괄적 방법...249
• 나. Virtual Sensor Modeling...252
• (1) 레이져 센서의 기하학적 모델링...253
• (가) 레이져 센서 기준 좌표계 모델링...253
• (나) 간섭 Check 모델링...255
• (다) 센싱 각도 모델링...256
• (2) 레이져 센서 내부 파라메타 모델링...257
• (가) 센서 Stand Off와 Pixel 수 모델링...258
• (나) Field of Depth 모델링...260
• 다. Virtual Sensor Calibration...260
• 라. Virtual Sensor Test...263
• (1) 간섭 Check Test...264
• (2) Sensing 각도 Test...265
• (3) Field of Width and Pixel Number Test...267
• (4) Virtual Sensor 데이터 측정갑 Test...268
• 5. 자동차 패널 적용 사례...272
• 가. 자동차 판넬 프레스 라인의 작업 현황...272
• (1) 검사작업 현황...272
• (2) NCF 검사...275
• (가) Checking/Fixture 검사의 정의...275
• (나) No Checking/Fixture 검사...276
• 나. 적용 방법 개요...278
• 다. 각 패널 부위별 실험 및 평가...283
• (1) Lamp part의 비교...283
• (2) Lower Edge의 비교...285
• (3) Surface part의 비교...286
• 6. 주물버 적용 사례...288
• 가. 적용 방법 개요...288
• 나. 요소 기술...290
• (1) 물체 Localization...290
• (2) 가상 센서 데이터...292
• (3) 실제 센서 데이터...294
• (4) 센서 데이타의 비교...295
• 다. 실험 및 평가...296
• 제6절 로봇 디버링 시뮬레이터 개발...301
• 1. 디버링 시뮬레이터 구성 개요...301
• 2. 디버링 공정 모델링...303
• 3. 디버링 시스템 임피던스...317
• 4. 디버링 홀더 임피던스...324
• 5. 관련 파라메타 식별...339
• 6. 주물버의 가공경로 생성...355
• 제5장 연구 결과 및 향후과제...361
• 제1절 삼차원 비전인식 기술 및 표면 재구성 기술...361
• 1. The characteristics of laser line scanner...362
• 2. Contour analysis of casting burr...363
• 3. Data processing...364
• 4. Modified Modeling...364
• 5. Optimal robot path generation...365
• 제2절 CAD기반 가상 센서 인식 기술...365
• 제3절 로봇 디버링 시뮬레이터 개발 기술...368
• 제4절 연구 결과...369
• 제6장 참고 문헌...371