이동 타겟 추적 및 얇은 막대 배치를 위한 N-R과 EKF방법을 이용한 로봇비젼제어기법 개발 = Development of robot vision control schemes using the N-R and EKF methods for the moving target tracking and slender bar placement tasks

다국어 초록 (Multilingual Abstract)

This thesis presents the robot vision control schemes using batch and data moving schemes of Newton-Raphson (N-R) method, and the recursive scheme of Extended Kalman Filter (EKF) method for a moving target tracking, and slender bar placement in the uncertainty of circumstance. The vision system model used for this study involves the six camera parameters(). explains the uncertainty of camera's orientation and focal length, and explains the unknown relative position between the camera and the robot. In order to develop the robot vision control scheme, the batch and moving data schemes of N-R, and a the recursive schemes of EKF are developed for the estimation of the six camera parameters. Then, based on the estimated six parameters using three cameras, control schemes of the robot‘s joint angles are developed for the moving targets tracking and slender bar placement using both N-R and EKF methods. Especially, for the placement of slender bar in the uncertainty of circumstance, the discontinuous trajectory caused by obstacles is divided into three obstacle regions, which are beginning region, middle region, and near target region. Each obstacle region involves of 10 obstacles. Then, the effects of number of obstacles using the proposed robot's vision control schemes are investigated in each obstacle region.
Finally, in order to evaluate its strengths and weaknesses of three robot vision control schemes. the proposed three robot's vision control schemes is demonstrated experimentally by performing the moving target tracking, and the slender bar placement in discontinuous trajectory by obstacle.

목차 (Table of Contents)

• List of Photos Ⅴ
• List of Tables Ⅴ
• List of Figures Ⅸ
• Nomenclature ⅩⅣ
• Abstract ⅩⅤ
• 제 1 장 서 론
• 1.1 연구배경 1
• 1.2 연구목적 및 내용 5
• 제 2 장 비젼시스템 모델
• 2.1 기구학 모델 8
• 2.2 비젼시스템 모델 9
• 제 3 장 로봇 비젼알고리즘의 수학적 모델링
• 3.1 N-R방법 11
• 3.1.1 카메라 매개변수 모델 11
• 3.1.2 로봇 관절각 모델 13
• 3.2 EKF방법 15
• 3.2.1 카메라 매개변수 모델 16
• 가. 측정모델의 보정 16
• 나. 예측 모델 17
• 3.2.2 로봇 관절각 모델 17
• 가. 측정모델의 보정 18
• 나. 예측 모델 19
• 3.2.3 EKF방법의 초기 값 추정 20
• 제 4 장 로봇 비젼알고리즘의 제어기법
• 4.1 고정 타겟에 대한 제어기법 22
• 4.1.1 N-R방법의 일괄처리기법 22
• 가. 장애물이 없는 경우 22
• 나. 장애물이 출현하는 경우 26
• 4.1.2 EKF방법의 순환기법 32
• 가. 장애물이 없는 경우 32
• 나. 장애물이 출현하는 경우 36
• 4.2 이동 타겟에 대한 제어기법 41
• 4.2.1 N-R방법의 일괄처리기법 41
• 4.2.2 N-R방법의 데이터 이동기법 45
• 4.2.3 EKF방법의 순환기법 50
• 제 5 장 실험장치 및 실험방법
• 5.1 실험장치 구성 53
• 5.2 시험모형 54
• 5.3 실험방법 55
• 5.3.1 점 이동 타겟 추적 55
• 5.3.2 장애물 출현 시 고정된 얇은 막대 배치 56
• 제 6 장 실험 결과
• 6.1 점 이동 타겟 57
• 6.1.1 비젼 시스템 모델의 적합성 비교 57
• 가. N-R방법의 일괄처리기법 결과 58
• 나. N-R방법의 데이터 이동기법 결과 60
• 다. EKF의 순환기법 결과 62
• 6.1.2 점 이동 타겟 추적 결과 65
• 가. N-R방법의 일괄처리기법 결과 65
• 나. N-R방법의 데이터 이동기법 결과 71
• 다. EKF방법의 순환기법 결과 77
• 6.1.3 점 이동 타겟에 대한 실험 결과 비교 83
• 6.2 고정된 얇은 막대 배치 85
• 6.2.1 비젼 시스템 모델의 적합성 비교 85
• 가. N-R방법의 일괄처리기법 결과 85
• 나. EKF기법의 순환기법 결과 94
• 6.2.2 장애물이 없는 경우 고정된 얇은 막대 배치 결과 102
• 가. N-R방법의 일괄처리기법 결과 102
• 나. EKF방법의 순환기법 결과 103
• 6.2.3 장애물 출현 시 고정된 얇은 막대 배치 결과 105
• 가. N-R방법의 일괄처리기법 결과 105
• 나. EKF방법의 순환기법 결과 115
• 6.2.4 고정된 얇은 막대 배치 실험 결과 비교 124
• 제 7 장 결 론 128
• REFERENCES 131