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
- 학위논문
- 저자정보
- 지도교수
- 심재홍
- 발행연도
- 2023
- 저작권
- 한국공학대학교 논문은 저작권에 의해 보호받습니다.
이용수27
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
제조 산업 현장에는 수많은 부품을 생산하고 조립하여 제품을 만들며, 부품을 생산할 때 여러 부품이 상자(Bin) 안에 혼재되어 담기게 된다. 무작위로 담긴 부품들이 상자 단위로 이동하며 다시 필요한 부품을 잡아(Picking) 분류 및 정렬 작업을 진행하게 되고 이때 많은 시간과 인력이 소요된다. 또한, 부품의 분류 및 정렬은 후속 공정에서 필요한 부품을 올바르게 전달하는 데 필요하다.
무작위로 담긴 부품들의 분류 및 정렬 자동화는 3차원 공간에서 다양한 물체들의 위치나 자세 등 서로 간의 정보를 알아야 가능하므로 어렵다. 기존에는 사람이 직접 물건을 분류하거나 특정 위치에 있는 물체만을 로봇이 잡아서 정렬하는데 이러한 분류 및 정렬 작업을 로봇이 담당하지 않고 3차원 공간에서 임의 물체를 잡기 위해서는 빈피킹(Bin Picking) 기술이 필요하다.
빈피킹 기술을 실현하기 위해 로봇과 파지 물체 그리고 카메라 간의 좌표계 정보를 파악해야 한다. 카메라에서 인식한 물체를 잡기[26] 위해서는 서로의 좌표계 정보를 파악하는 캘리브레이션(Calibration) 작업이 반드시 필요하다.
캘리브레이션 작업은 카메라가 로봇 그리퍼(Gripper)에 붙는 경우(Eye in Hand)와 고정 위치에 있는 경우(Eye to Hand)로 구분될 수 있다. 카메라가 그리퍼에 붙는 경우 로봇의 진동과 더불어 카메라가 이동하므로 초점의 문제가 있고, 사람을 대신하여 빠르게 물체를 파악하고 잡기 위해서는 고정 위치 카메라가 적합하다.
본 논문에서는 카메라와 로봇 등 물체 간의 좌표계가 중요하므로 각각의 좌표계 관계에 대하여 정의를 진행한다. 카메라 캘리브레이션은 현실을 2D 이미지로 표현하여 정확한 이미지를 얻기 위해 반드시 필요하다. 외부 세계를 정확히 변환하는 것은 이미지에서 3D 좌표를 복원해야 하므로 매우 중요하다. 따라서 카메라의 캘리브레이션을 진행한 다음 로봇과 카메라의 캘리브레이션 작업을 진행한다. Charuco 보드의 2D 이미지를 이용하여 현실 세계의(3차원) 보드 자세를 추정하게 되면 회전(Rotation)과 이동(Translation) 정보를 취득하게 되는데 이 경우 거릿값을 추정하기 어렵다. 따라서 RGB-D 카메라의 Depth 정보를 이동 정보의 Z값에 사용하여 로봇과 카메라의 캘리브레이션을 제안한다.
본 논문에서 제안한 캘리브레이션 방법을 검증하기 위해 카메라 캘리브레이션과 로봇과 카메라 캘리브레이션 두 가지의 정확성 평가를 진행하였다. 정확성 평가는 2D 이미지에서의 결과와 2D + 3D(Depth)의 결과를 실측(Ground Truth)과 비교하여 정확성을 평가하였다.
무작위로 담긴 부품들의 분류 및 정렬 자동화는 3차원 공간에서 다양한 물체들의 위치나 자세 등 서로 간의 정보를 알아야 가능하므로 어렵다. 기존에는 사람이 직접 물건을 분류하거나 특정 위치에 있는 물체만을 로봇이 잡아서 정렬하는데 이러한 분류 및 정렬 작업을 로봇이 담당하지 않고 3차원 공간에서 임의 물체를 잡기 위해서는 빈피킹(Bin Picking) 기술이 필요하다.
빈피킹 기술을 실현하기 위해 로봇과 파지 물체 그리고 카메라 간의 좌표계 정보를 파악해야 한다. 카메라에서 인식한 물체를 잡기[26] 위해서는 서로의 좌표계 정보를 파악하는 캘리브레이션(Calibration) 작업이 반드시 필요하다.
캘리브레이션 작업은 카메라가 로봇 그리퍼(Gripper)에 붙는 경우(Eye in Hand)와 고정 위치에 있는 경우(Eye to Hand)로 구분될 수 있다. 카메라가 그리퍼에 붙는 경우 로봇의 진동과 더불어 카메라가 이동하므로 초점의 문제가 있고, 사람을 대신하여 빠르게 물체를 파악하고 잡기 위해서는 고정 위치 카메라가 적합하다.
본 논문에서는 카메라와 로봇 등 물체 간의 좌표계가 중요하므로 각각의 좌표계 관계에 대하여 정의를 진행한다. 카메라 캘리브레이션은 현실을 2D 이미지로 표현하여 정확한 이미지를 얻기 위해 반드시 필요하다. 외부 세계를 정확히 변환하는 것은 이미지에서 3D 좌표를 복원해야 하므로 매우 중요하다. 따라서 카메라의 캘리브레이션을 진행한 다음 로봇과 카메라의 캘리브레이션 작업을 진행한다. Charuco 보드의 2D 이미지를 이용하여 현실 세계의(3차원) 보드 자세를 추정하게 되면 회전(Rotation)과 이동(Translation) 정보를 취득하게 되는데 이 경우 거릿값을 추정하기 어렵다. 따라서 RGB-D 카메라의 Depth 정보를 이동 정보의 Z값에 사용하여 로봇과 카메라의 캘리브레이션을 제안한다.
본 논문에서 제안한 캘리브레이션 방법을 검증하기 위해 카메라 캘리브레이션과 로봇과 카메라 캘리브레이션 두 가지의 정확성 평가를 진행하였다. 정확성 평가는 2D 이미지에서의 결과와 2D + 3D(Depth)의 결과를 실측(Ground Truth)과 비교하여 정확성을 평가하였다.
목차
그림 목차 ⅰ표 목차 ⅲ국문 요약 ⅳ제 1 장 서 론1.1 Introduction 11.2 연구 목적 21.3 관련 연구 31.3.1 로봇-카메라 캘리브레이션 31.3.2 문제 51.3.3 비전용 캘리브레이션 보드 61.3.4 카메라 캘리브레이션 81.3.5 Depth 정보를 이용한 캘리브레이션 91.4 관련 연구 요약 및 논문 연구 주제 10제 2 장 비전 캘리브레이션을 위한 좌표계 정의2.1 로봇 좌표계 122.1.1 로봇 좌표계 표현 122.1.2 로봇 이동 및 회전 132.1.3 로봇 좌표계의 회전 변환 132.1.4 Base와 Gripper 좌표계의 관계 152.2 카메라 좌표계 162.3 Charuco 보드 좌표계 172.3.1 Charuco 보드 좌표계 182.3.2 Charuco 보드와 Gripper의 관계 192.4 카메라와 마커의 좌표계 관계 20제 3 장 캘리브레이션 방법 제안3.1 마커 인식 및 로봇 자세 수집 213.2 카메라 캘리브레이션 243.3 Eye to Hand 캘리브레이션 293.4 캘리브레이션 방법 Flow Chart 32제 4 장 캘리브레이션 실험 및 고찰4.1 카메라 캘리브레이션 정확성 평가 354.1.1 Camera System 354.1.2 실험 및 결과 374.2 Eye to Hand 캘리브레이션 정확성 평가 394.2.1 Robot System 394.2.2 실험 및 결과 41제 5 장 결론참고 문헌 44Abstract 46
최근 본 자료
댓글(0)
0