최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
DataON 바로가기다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
Edison 바로가기다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
Kafe 바로가기주관연구기관 | 연세대학교 Yonsei University |
---|---|
연구책임자 | 최윤식 |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 | 한국어 |
발행년월 | 2020-01 |
과제시작연도 | 2019 |
주관부처 | 산업통상자원부 Ministry of Trade, Industry and Energy |
등록번호 | TRKO202200006670 |
과제고유번호 | 1415161995 |
사업명 | 로봇산업핵심기술개발(R&D) |
DB 구축일자 | 2022-08-27 |
제 1 장. 서론
제 1 절. 과제의 개요
• 본 과제에서 개발하고 자 하는 대상기술은 ‘조립공정을 수행하는 산업용 로봇을 위한 사람 및 물체의 영상기반 고도지능 인식 기술 개발’의 일환으로,
‘고화질(4K) 카메라를 통해 획득된 2차원 또는 3차원의 시퀀스 영상으로부터 사물의 종류와 위치 및 이동궤적을 실시간으로 인식하고, 인식된 사물로부터 핵심적인 포인트의 위치 기반의 사물의 방향 및 사물 간 상대적 위치 관계를 인식하며, 영상에서의 사물의 작업 패턴을 높은 정확도로 인식 하는 고도 지능형 알고리즘을 개발’하는
제 1 장. 서론
제 1 절. 과제의 개요
• 본 과제에서 개발하고 자 하는 대상기술은 ‘조립공정을 수행하는 산업용 로봇을 위한 사람 및 물체의 영상기반 고도지능 인식 기술 개발’의 일환으로,
‘고화질(4K) 카메라를 통해 획득된 2차원 또는 3차원의 시퀀스 영상으로부터 사물의 종류와 위치 및 이동궤적을 실시간으로 인식하고, 인식된 사물로부터 핵심적인 포인트의 위치 기반의 사물의 방향 및 사물 간 상대적 위치 관계를 인식하며, 영상에서의 사물의 작업 패턴을 높은 정확도로 인식 하는 고도 지능형 알고리즘을 개발’하는 것이다.
이러한 고도 지능형 알고리즘 개발을 위한 필수적 기술개발 요소들은 다음과 같다.
첫째, 고해상도 영상 기반 물체 종류, 위치 및 궤적인식 알고리즘 개발
둘째, 인식된 사물의 지능형 상호관계 인식 알고리즘 개발
셋째, 물체의 시간 변화에 따른 작업패턴 인식 알고리즘 개발
• 첫째, 정확한 사물의 종류와 위치, 조립부품과 같은 정밀한 물체의 이동궤적 인식을 위하여서는 고해상도 영상 취득이 필수적이다. 본 과제에서는 이를 위하여 4K 급 이상의 고해상도 산업용 CCD 카메라를 사용할 예정이나, 이 경우, 대용량 영상정보의 실시간 처리를 위하여 적절한 압축기법이 사용된다. 따라서, 첫 번째 알고리즘의 개발은, deep Learning 네트워크의 구성을 통해 실시간으로 물체를 인식하는 알고리즘을 개발한다.
• 둘째, 인식된 사물로부터 다수의 핵심 포인트를 인식하여 물체의 방향 및 물체 간 상호관계를 정확하게 파악하는 알고리즘을 개발을 위하여, 기존의 CNN (Convolutional Neural Network) 기반의 deep learning 알고리즘을 사물로 확장하는 기술을 개발한다. 궁극적으로 이러한 기술을 바탕으로 사물로부터 얻어진 핵심 포인트를 활용하여 사물의 방향을 분석하고, 사물들 간의 상대적 위치를 확인하는 알고리즘을 개발한다.
• 셋째, 물체의 시간 변화에 따른 작업패턴 인식 기술은, 물체의 핵심 포인트를 위치의 시간에 따른 변화를 이용해 사물을 대상으로 하는 작업 패턴을 학습하고, 이를 인식할 수 있는 기술로서, RNN (Recurrent Neural Network) 기반의 Deep LSTM (Long Short Term Memory) 구조를 통해 핵심 포인트의 위치의 변화를 장/단기의 과거 정보와 종합하여, 최종적으로 작업 패턴을 인식할 수 있도록 하는 기술이다. 이러한 구조의 신경망 구조는 Memory를 활용하여 실시간 처리가 가능하도록 제안된 구조이므로, 이러한 구조의 인공지능망을 설계하여 실시간으로 지능적 인식이 가능한 기술을 개발한다.
• 마지막으로 이러한 알고리즘을 개발함에 있어 산업용 로봇에 실제로 적용하기 위하여서는 실시간처리가 가능하여야 함은 물론이거니와 처리를 위한 컴퓨터의 용량 역시 기존의 deep learning 과정을 처리하기 위하여 필요한 대용량 컴퓨터 대신 로봇별 개별 설치가 가능한 소용량 컴퓨터로 처리가 가능하여야 하므로, 모든 개발되는 알고리즘은 이를 위한 최적화된 알고리즘이 되어야 한다. 따라서 적용되는 인공지능 기법들은 실시간 소용량 컴퓨터처리가 가능한 형태로 개발한다.
(출처 : 본문 제 1 장. 서론 4p)
과제명(ProjectTitle) : | - |
---|---|
연구책임자(Manager) : | - |
과제기간(DetailSeriesProject) : | - |
총연구비 (DetailSeriesProject) : | - |
키워드(keyword) : | - |
과제수행기간(LeadAgency) : | - |
연구목표(Goal) : | - |
연구내용(Abstract) : | - |
기대효과(Effect) : | - |
Copyright KISTI. All Rights Reserved.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.