초록 ▼

입력 영상의 물체 인식, 위치 정보 수정, 회전각 추정을 수행할 수 있는 Generalized Hough Transform (GHT)에 기반한 로보트 비젼 시스템을 개발한다. 특히 시스템 학습시 입력 물체의 경계선으로 이를 기술하는 R-table 작성을 자동화시킴으로써 System Flexibility 를 증가시킨다. 물체 회전에 나타나는 물체 영상의 변형에 덜 민감하고 Transform의 속도를 개선시키기 위하여 물체 경계선의 일부 중 특징적인 Partial Shape으로부터 "Local R-table"을 작성하는 방법을 아울러

입력 영상의 물체 인식, 위치 정보 수정, 회전각 추정을 수행할 수 있는 Generalized Hough Transform (GHT)에 기반한 로보트 비젼 시스템을 개발한다. 특히 시스템 학습시 입력 물체의 경계선으로 이를 기술하는 R-table 작성을 자동화시킴으로써 System Flexibility 를 증가시킨다. 물체 회전에 나타나는 물체 영상의 변형에 덜 민감하고 Transform의 속도를 개선시키기 위하여 물체 경계선의 일부 중 특징적인 Partial Shape으로부터 "Local R-table"을 작성하는 방법을 아울러 도입한다. 개발된 시스템은 물체가 겹치거나 동시에 여러 물체가 존재하는 경우도 적절한 정보를 추출하여 로보트가 이를 운용할 수 있도록 하여 비젼 시스템의 효율성을 극대화 한다. 제안된 계층적 GHT 방법은 실험결과 물체가 가려지거나 타 물체가 동시에 존재하는 경우에도 안정된 성능을 보였다.

Abstract ▼

The Generalized Hough Transform (GHT) can be considered as a kind of model based object recognition algorithm and is executed in the following two stages. The first stage is to store the information of the model in the form of R-table (Reference table). The next stage is to identify the existence of

The Generalized Hough Transform (GHT) can be considered as a kind of model based object recognition algorithm and is executed in the following two stages. The first stage is to store the information of the model in the form of R-table (Reference table). The next stage is to identify the existence of the objects in the image by using the R-table. The improved GHT method is proposed for practival robot vision system. First, in constructing the R-table, we extracted the partial arc of interest from the portion of the whole object boundary, and this partial arc can be used for constructing the R-table. Also, clustering algorithm is employed for compensating an error arisen by digitizing an object image. Second, an efficient method is introduced to avoid Ballard's use of 4-D array which is necessary for estimating position, orientation and scale change of an object. The results of our test show that the improved hierarchical GHT method operates stably in the realistic robot vision situation, even in the case of object occlusion.

목차 Contents

• 1. 서론...10
• 2. GHT를 이용한 Robot Vision System의 구성...14
• 3. Global R-table 과 Local R-table....16
• 4. Local R-table의 자동작성...20
• 5. GHT 알고리즘의 기술...32
• 5.1 기존의 GHT 알고리즘...32
• 5.2 크기변화 보정...34
• 5.3 회전각의 인식...37
• 5.4 제안된 GHT 알고리즘...38
• 5.5 Sobel 에지연산자...43
• 6. 로보트와의 Interface를 위한 좌표 변환에 대한 연구...44
• 6.1 모멘트(moment)...47
• 6.2 영향좌표에서 절대좌표로의 변환...48
• 7. 로보트 컨트롤...51
• 7.1 로보트와 컴퓨터 간의 통신...51
• 7.2 로보트의 Link Coordinates와 Kinematic Parameter...53
• 7.3 Kinematics Inverse Kinematics...56
• 8. 실험결과 및 고찰...62
• 8.1 학습모드(Learning mode)...62
• 8.2 운용모드(Operating mode)...79
• 9. 결론...90