모바일 매니퓰레이터의 정밀한 픽 앤 플레이스 작업을 위한 비전 기반 물체 인식 및 6-DOF 위치 추정에 대한 연구 = A Study on Vision-Based Object Detection and 6-DOF Position Estimation for Precise Pick and Place Tasks of Mobile Manipulator

국문 초록 (Abstract)

모바일 매니퓰레이터(Mobile Manipulator, MM)는 협동 로봇과 로봇 매니퓰레이 터를 결합한 하이브리드 시스템으로 이동성과 작업 유연성을 모두 제공하여 물 류 자동화나 스마트 팩토리와 같은 자동화 공정의 핵심적인 요소로서 다루어진 다. 하지만, 이러한 자동화 공정 작업은 구조화되지 않은 환경에서 이루어지기 때문에 목표물에 대한 안정적인 작업을 위해서는 기존 산업 로봇과는 다른 방 법론이 필요하다. 또한, 모바일 매니퓰레이터는 자체적인 이동성에 의해 낮은 정확성을 가져 작업 효율이 떨어지게 된다. 이런 문제점들을 해결하기 위해 모 바일 매니퓰레이터가 목표물을 인식하고 위치와 자세를 추정하는 방법을 제안 한다. 본 논문은 모바일 매니퓰레이터의 물체 인식 및 물체의 정밀한 위치 및 자세 추정을 위해 YOLO와 비전 마커의 융합을 진행하였다. 융합은 비전 마커의 데 이터로 CNN 학습을 진행하여, YOLO 및 카메라의 데이터만으로 비전 마커와 유사한 정확도로 물체의 위치와 자세 데이터를 추정하는 것을 목적으로 한다. YOLO를 통해 시스템에 물체를 인식시키기 위해 다양한 각도와 위치에서 물체 의 이미지 데이터를 수집하고 객체 인식 모델을 제작하였다. 완성된 모델을 RGBD 카메라에 적용해 물체를 인식하고, 물체의 위치와 자세를 추정할 수 있 는 데이터들을 탐지할 수 있도록 하였다. 또한, ROS(Robot Operating System)의 AprilTag Wrapper를 활용하여 RGBD 카메라를 통해 비전 마커를 부착한 물체 의 위치 및 자세 데이터를 탐지할 수 있도록 하였다. 모바일 매니퓰레이터 시 스템을 이용해 물체의 다양한 위치와 자세 데이터를 수집하였고, 수집한 데이 터로 CNN 알고리즘을 이용하여 학습 모델을 제작하였다. 이 학습 모델을 적용 한 RGBD 카메라를 통해 목표 물체의 위치와 자세 데이터를 추정한다. 본 논문에서 제안한 방법을 검증하기 위해 물체의 다양한 위치와 자세를 추정 하여 데이터를 비교하는 평가를 진행하였다. 비교용 데이터로 위치 데이터는 레이저 트래커를 통해, 자세 데이터로는 비전 마커를 통해 수집한 데이터를 사용하였다.

목차 (Table of Contents)

• 그림 목차 ⅰ
• 표 목차 ⅲ
• 국문 요약 ⅳ
• 제 1 장 서론 1
• 1.1 연구 배경 1
• 1.2 관련 연구 요약 및 시스템 제안 3
• 1.3 시스템 구성 5
• 제 2 장 물체 위치 및 자세 추정을 위한 학습 모델 생성 6
• 2.1 YOLO 및 RGB-D 데이터를 통한 위치 특성 데이터 확보 6
• 2.1.1 물체 인식을 위한 YOLO 학습 모델 생성 6
• 2.1.2 물체의 특성 데이터 추출 7
• 2.2 비전 마커를 이용한 물체의 위치 및 자세 추정 11
• 제 3 장 데이터 수집 및 CNN 학습 모델 생성 17
• 3.1 데이터 수집 17
• 3.1.1 모바일 매니퓰레이터 시스템 구성 17
• 3.1.2 데이터 수집 환경 및 조건 구성 20
• 3.1.3 데이터 증강 22
• 3.2 위치 및 자세 추정을 위한 CNN 모델 학습 24
• 제 4 장 모델의 위치 및 자세 추정 성능 평가 26
• 4.1 성능 평가 실험 구성 26
• 4.2 비전 마커 데이터 대비 학습 모델의 추정 결과 30
• 4.3 Laser Tracker 대비 비전 마커 및 학습 모델의 추정 결과 32
• 제 5 장 결론 37
• 참고 문헌 38
• Abstract 40