선박 소조립 공정에서의 용접 자동화를 위한 점군데이터 기반 부재 인식 방법 = A Point Cloud Data-Based Part Recognition Method for Welding Automation in Ship Sub-Assembly Processes

다국어 초록 (Multilingual Abstract)

This study proposes a method for automatically recognizing structural members in the sub-assembly process of shipyards using 3D point cloud data acquired by a scanner, as part of welding automation efforts. In the sub-assembly process, many members have similar or symmetrical shapes and sizes, making it difficult for conventional AI models or vision-based methods to accurately distinguish between them. To address this issue, an algorithm was developed to map the measured data to the corresponding CAD data.
The measured data often contains unnecessary elements such as the base plate and noise. Therefore, before placing the members, the base surface is scanned separately to establish a reference plane, which is then used to remove the floor data. Next, a grid-based filtering process removes sparse or discontinuous points and segments the data so that closely positioned members are not connected as one. From each segmented member, boundary and stiffener points are extracted and used for subsequent registration. Since mapping all CAD data to each scanned member is time-consuming, candidate CAD models are first selected based on several criteria, including area, bounding box, histogram, and hole grid maps. To distinguish between members with similar areas but different shapes, additional features such as bounding box aspect ratio are used. For more precise comparison, histogram and hole grid maps are calculated to further differentiate CAD models from the scanned parts. This stepwise comparison significantly reduces the number of CAD candidates, allowing detailed registration only for the remaining few and thereby reducing computational costs. Final registration is performed using the Iterative Closest Point (ICP) algorithm for boundary and stiffener points. Considering that CAD data are represented by lines and scanned data by points, ICP is applied iteratively with multiple initial positions to avoid local minima, and the result with the smallest alignment error is selected. For cases where a sufficient mapping ratio is achieved, the error and mapping ratio are recorded, and the CAD model with the smallest final error is determined as the corresponding member. The proposed method was validated using various real-world datasets, demonstrating its effectiveness in practical shipyard environments.

국문 초록 (Abstract)

본 연구는 조선소 소조립 공정의 용접 자동화를 위해 3차원 스캐너로 획득한 점군 데이터를 활용해 부재를 자동으로 인식하는 방법을 제안한다. 소조립 공정에서는 크기와 모양이 서로 비슷하거나 대칭적인 부재가 많다. 따라서 기존의 AI 모델이나 비전 센서 방식은 크기나 모양이 유사한 부재를 정확하게 식별하기 어렵다는 문제점이 있다. 이 문제를 해결하기 위해 본 연구는 측정 데이터와 CAD 데이터를 매핑하는 알고리즘을 개발했다.
측정 데이터는 정반과 같은 불필요한 데이터가 포함되어 있으며 노이즈 또한 섞여 있다. 따라서 부재가 놓이기 전 정반을 따로 계측해 기준 바닥을 만들고 이를 이용하여 바닥을 제거한다. 이후 격자 기반으로 밀도가 낮거나 연속성이 없는 점들을 제거하고, 서로 가까이 놓인 부재가 하나로 연결되지 않도록 영역을 분할한다. 이렇게 얻은 각 부재에서 경계와 보강재에 해당하는 포인트를 추출해 이후 정합에 활용한다. 모든 CAD 데이터를 작업 부재와 매핑하여 부재인식하는 방법은 시간이 오래 걸리기 때문에 매핑 후보를 선정한다. 선정기준은 면적, 바운딩 박스, 히스토그램, 홀 격자 맵 같은 비교 가능한 기준들을 만들었다. 면적이 비슷해도 형태가 다른 경우를 구분하기 위해 바운딩 박스의 면적 및 가로세로비를 추가로 구분했다. 이후 홀에 대해 정확히 비교하기 위해 히스토그램 및 홀 격자 맵을 계산하여 작업 부재와 다른 CAD 데이터를 구분했다. 이렇게 단계적으로 비교하면 후보 CAD 수가 크게 줄어들고, 남은 후보만 정밀 정합을 함으로써 계산량을 줄일 수 있다. 최종 정합은 경계와 보강재에 대해 ICP 알고리즘을 사용한다. CAD 데이터는 선, 측정 데이터는 점이라는 것을 고려해 사용하고, 초기 위치에 민감할 수 있으므로 시작점을 여러 번 바꾸어 반복 실행하면서 오차가 가장 작은 결과를 선택한다. 이후 일정 비율 이상 매핑 된 경우에 대해서 오차와 매핑 비율을 저장하고, 최종 오차가 가장 작은 CAD 데이터를 해당 부재로 판단한다. 다양한 실제 데이터 적용하여 본 연구에서 제시한 성능을 검증하였다.

목차 (Table of Contents)

• 제 1 장 서 론
• 1.1 연구 배경 및 목적
• 1.2 기존 연구
• 제 2 장 데이터 전처리
• 2.1 개요
• 2.2 CAD 데이터 전처리
• 2.3 측정 데이터 전처리
• 2.3.1 바닥 제거
• 2.3.2 노이즈 제거 및 영역 분할
• 제 3 장 부재 인식
• 3.1 매핑 데이터 생성
• 3.2 매핑 후보 선정
• 3.3 CAD 및 측정 데이터 매핑
• 제 4 장 적용 예
• 제 5 장 결 론
• [참고 문헌]