지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.4
- 수록면
- 135 - 141 (7page)
- DOI
- 10.5391/JKIIS.2024.34.2.135
이용수
초록· 키워드
오류제보하기
노지 농업 환경 내 작물 재배 과정은 작업자의 노동 강도가 높아 로봇을 사용한 노동 강도 개선 및 작업 효율성 향상이 필요하다. 하지만 노지 농업 환경에 로봇을 적용하는 것에는 몇 가지 어려움이 따른다. 노지 농업 환경은 작물을 촘촘히 심어놓아 로봇의 인식 영역이 제한된다. 또한 작물의 크기와 형상, 맺히는 방향, 개수 등이 일정하지 않은 비정형 특성이 있어 환경 정보 인식이 어렵다. 본 논문에서는 환경 인식의 어려움이 있는 노지 환경을 대상으로 영상 기반 과실 인식 기술과 LiDAR-Visual-Inertial 오도메트리 기술을 융합하여 과실 탐지 및 과수 지도 생성 시스템을 제안한다. 먼저 카메라에서 얻은 영상에 YOLOv5 Segmentation을 적용하여 과실 인식을 수행한다. 다음으로 과실 인식 결과를 R3LIVE 오도메트리 알고리즘과 연동한다. 이를 통해 본 논문에서 제안하는 기술은 작업 환경 내 과실 정보를 포함하는 지도를 작성하며 동시에 로봇의 위치를 추정한다. 그리고 완성된 지도에서 RANSAC 기반 클러스터링을 사용하여 과실량을 파악하였다. 실제 노지 과수 환경에서 수행한 실험 결과는 제안 방법이 전체 과실 중 70% 이상의 과실을 인식할 수 있고, 이 과정이 실시간으로 수행될 수 있음을 확인한다. 본 논문에서 제안한 과수 지도 생성 시스템이 인식한 정보를 바탕으로 환경 인식이 어려운 노지 농업 환경에서도 과실 수확과 주행 등의 로봇 기술이 개발되어 농업 생산성 향상이 가능할 것으로 기대한다.
목차
요약
Abstract
1. 서론
2. 관련 연구
3. 본론
4. 실험 및 결과
5. 결론 및 향후 연구
References
참고문헌 (13)
참고문헌 신청
Vasconez J.P, Kantor G.A, and Cheein F.A.A, “Human–robot interaction in agriculture: a survey and current challenges,” Biosystems Engineering, vol. 179, no. 2, pp. 35-48, 2019.
Jocher Glenn. “Ultralytics YOLOv5,” Available: https://github.com/ultralytics/yolov5/releases/tag/v6.1, 2022, [Accessed date: 19 Jan 2024].
M. Fischler and R. Bolles, “Random sample consensus: a paradigm for model fitting with application to image analysis and automated cartography,” Commun. ACM, vol. 24, pp. 381–395, 1981.
W. Xu and F. Zhang, “FAST-LIO: A fast, robust LiDAR-inertial odometry package by tightly-coupled iterated Kalman filter,” IEEE Robotics and Automation Letters, vol. 6, no. 2, pp. 3317–3324, Apr. 2021.
W. Xu, Y. Cai, D. He, J. Lin, and F. Zhang, “FAST-LIO2: Fast direct lidar-inertial odometry,” IEEE Transactions on Robotics, vol. 38, no. 4, pp. 2053–2073, Aug. 2022.
Jocher Glenn. “Ultralytics YOLOv5,” Available: https://github.com/ultralytics/yolov5/releases/tag/v6.1, 2022, [Accessed date: 19 Jan 2024].
M. Fischler and R. Bolles, “Random sample consensus: a paradigm for model fitting with application to image analysis and automated cartography,” Commun. ACM, vol. 24, pp. 381–395, 1981.
W. Xu and F. Zhang, “FAST-LIO: A fast, robust LiDAR-inertial odometry package by tightly-coupled iterated Kalman filter,” IEEE Robotics and Automation Letters, vol. 6, no. 2, pp. 3317–3324, Apr. 2021.
W. Xu, Y. Cai, D. He, J. Lin, and F. Zhang, “FAST-LIO2: Fast direct lidar-inertial odometry,” IEEE Transactions on Robotics, vol. 38, no. 4, pp. 2053–2073, Aug. 2022.
이 논문과 함께 이용한 논문
실내외 주행환경 및 LiDAR의 화각에 따른 SLAM 성능 분석 연구
송지민
,
이상준
대한전기학회 학술대회 논문집
2024
.07
LiDAR 센서를 활용한 자율주행 차량의 지역 경로 계획 및 장애물 회피 전략
김동현
,
박준홍
,
서동만
외 1명
한국정보과학회 학술발표논문집
2023
.06
센서 장갑 기반 군집 제어가 가능한 군사용 다목적 무인 지상 로봇 기술 개발
최지훈
,
박소은
,
표기정
외 2명
Proceedings of KIIT Conference
2024
.11
카메라 모듈과 2D LiDAR를 활용한 객체의 3차원 위치 추적 기법 연구
김민경
,
최영미
,
최홍록
외 2명
한국통신학회 인공지능 학술대회 논문집
2024
.09
과수원 자율주행을 위한 라이다 기반 장애물 감지 및 회피 시스템 개발
강현구
,
이혜민
제어로봇시스템학회 국내학술대회 논문집
2024
.07
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089627970