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
- 하종은
- 발행연도
- 2019
- 저작권
- 서울과학기술대학교 논문은 저작권에 의해 보호받습니다.
이용수13
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
본 연구에서는 RGB-D 카메라를 이용한 접근으로 시야 내의 물체를 인식하고, 외부보정을 통해 로봇을 구동해 Pick & Place 하는 시스템을 구현하였다. 이러한 방법을 통해 제조, 생산 공정에서 반복적인 공정을 하는 데에 사람의 개입을 최소화 할 수 있을 것으로 기대된다.
물체의 각도와 위치를 알아내기 위해 주로 사용하는 방법은 스테레오 카메라(Stereo Camera) 환경에서 삼각측량을 이용하는 것이 일반적이다. 하지만 이 방법은 두 카메라 사이의 거리(Base Line)에 의해 최소, 최대 인식 거리 등이 제한되며 조도와 광원의 위치, 그로 인한 명암과 대상의 색상 등의 요인에 대해 강인성을 확보하기가 힘들다는 한계점이 있다. 따라서 이런 한계점을 고려해 본 논문에서는 RGB-D 센서를 이용해 물체를 인식하는 것을 목표로 한다.
RGB-D 센서로는 MicroSoft에서 출시한 Kinect v2 카메라를 사용하였고, 검증을 위한 로봇으로는 Universal Robot 5를 사용하였다. Kinect v2의 RGB 카메라를 이용해 카메라와 6자유도 로봇 사이의 외부보정을 시행하고, 적외선 IR(Infrared) 카메라를 이용해 관심영역을 제한하고 시야를 삼차원으로 인식한다. 이후 유클리디안(Euclidean) 분할과 표면법선 벡터 추정 등을 이용해 인식한 영역에서 물체와 배경을 분리한다. 분리된 물체의 중심점을 계산하고, 카메라와 물체 사이의 자세 정보를 계산하고, 이후 외부보정 결과와 계산해 Universal Robot 5를 이동시키고 Pick & Place를 수행하였다.
물체의 각도와 위치를 알아내기 위해 주로 사용하는 방법은 스테레오 카메라(Stereo Camera) 환경에서 삼각측량을 이용하는 것이 일반적이다. 하지만 이 방법은 두 카메라 사이의 거리(Base Line)에 의해 최소, 최대 인식 거리 등이 제한되며 조도와 광원의 위치, 그로 인한 명암과 대상의 색상 등의 요인에 대해 강인성을 확보하기가 힘들다는 한계점이 있다. 따라서 이런 한계점을 고려해 본 논문에서는 RGB-D 센서를 이용해 물체를 인식하는 것을 목표로 한다.
RGB-D 센서로는 MicroSoft에서 출시한 Kinect v2 카메라를 사용하였고, 검증을 위한 로봇으로는 Universal Robot 5를 사용하였다. Kinect v2의 RGB 카메라를 이용해 카메라와 6자유도 로봇 사이의 외부보정을 시행하고, 적외선 IR(Infrared) 카메라를 이용해 관심영역을 제한하고 시야를 삼차원으로 인식한다. 이후 유클리디안(Euclidean) 분할과 표면법선 벡터 추정 등을 이용해 인식한 영역에서 물체와 배경을 분리한다. 분리된 물체의 중심점을 계산하고, 카메라와 물체 사이의 자세 정보를 계산하고, 이후 외부보정 결과와 계산해 Universal Robot 5를 이동시키고 Pick & Place를 수행하였다.
목차
목 차요약 ⅰ표목차 ii사진목차 iiiI. 서 론 1II. RGB-D 센서와 로봇의 외부보정(Extrinsic calibration) 41. Kinect v2 RGB-D 센서의 내부보정(Intrinsic calibration) 42. world chessboard를 이용한 외부보정 63. TCP chessboard를 이용한 외부보정 9III. RGB-D 센서를 이용한 물체 인식 151. 관심영역 추출 152. Euclidean 분할 163. 후처리 184. Normal Estimation based segmentation 215. 카메라 - 물체 사이의 자세 추정(pose estimation) 23IV. 실험 결과 및 고찰 251. 실험 환경 252. 외부보정 검증 263. RGB-D 센서를 이용한 물체 인식 334. 물체의 Pick & Place 445. PointNet을 이용한 물체 인식 48V. 결 론 53참고문헌 54영문초록(Abstract) 57감사의 글
최근 본 자료
댓글(0)
0