초록
본 논문에서는 로봇의 endeffector를 인식하기 위하여 모듈라 신경회로망인식 시스템을 제안 및 구현하였다. 본 논문에서 제안한 로봇 endeffector 인식시스템은 영상을 획득하고 획득한 영상에서 전처리를 이용하여 로봇의 enddffector를 검색하기 위한 특징 값들을 구한다. 3차원 공간에서 로봇의 endeffector는 움직임에 따라 다양한 형태로 변화하므로 빠르고 정확하게 endeffector를 인식하기 위하여 위치검출 신경회로망 모듈과 크기 검출 신경회로망 모듈로 이루어진 다중모듈신경회로망(MNN; Modular Neural Network)을 이용한다. 이렇게 함으로써 각각의 모듈들에 신경회로망의 인식 능력을 이용하여 로봇 endeffector를 인식하고 좀더 빠른 시간 내에 위치 및 크기를 검출하도록 하는 로봇 endeffector 인식시스템을 구성하도록 하였다. 본 논문에서 제안한 인식 시스템은 잡음에 덜 민감하며 로봇의 endfeector를 인식하는데 좋은 성능을 보임을 알 수 있다. 다중 모듈 신경회로망을 이용한 방법은 기존의 단일 신경회로망보다 14％ 향상된 94％의 인식률을 보이며 원격지에 있는 운영자의 편의를 위해 로봇의 endeffector를 인식하여 화면의 정 중앙에 정확히 위치시킬 수 있다.
In this paper, we describe a robot endeffector recognition system based on a Modular Neural Networks (MNN). The proposed recognition system can be used for vision system which track a given object using a sequence of images from a camera unit. The main objective to achieve with the designed MNN is to precisely recognize the given robot endeffector and to minimize the processing time. Since the robot endeffector can be viewed in many different shapes in 3- D space, a MNN structure, which contains a set of feedforwared neural networks, can be more attractive in recognizing the given object. Each single neural network learns the endeffector with a cluster of training patterns. The training MNN patterns for a neural network share the similar characteristics so that they can be easily trained. The trained UM is les s sensitive to noise and it shows the better performance in recognizing the endeffector. The recognition rate of MNN is enhanced by 14％ over the single neural network. A vision system with the MNN can precisely recognize the endeffector and place it at the center of a display for a remote operator.
