• 대한기계학회논문집A
• /
• 제40권3호
• /
• pp.305-315
• /
• 2016

본 논문은 로봇이 이동하는 동안 장애물이 출현하는 불확실한 환경에서 N-R방법을 이용하여 개발된 로봇 비젼제어 기법의 효율성을 알아보고자 한다. 본 연구에 사용되는 비젼 시스템 모델은 6개의 카메라 매개변수(C1~C6)를 포함한다. N-R방법의 일괄처리기법을 이용하여 사용한 각 카메라에 대한 6개의 카메라 매개변수의 추정을 개발하고, 각 카메라에 대한 6개의 매개변수를 사용한 로봇 관절각 기법을 개발하여 얇은 막대 배치 작업을 수행한다. 특히, 불확실한 환경에서 얇은 막대 배치 작업을 위해 장애물에 의한 불연속 궤적은 시작영역, 중간영역, 타겟 근처 영역 등 3개 영역으로 구분하였다. 제안된 로봇 비젼 제어기법을 사용하여 얇은 막대 배치 실험을 통해 각 장애물 영역에서 장애물의 개수 증가에 따른 영향을 조사하고자 한다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2010년도 춘계학술대회 논문집
• /
• pp.63-64
• /
• 2010

• 대한기계학회논문집A
• /
• 제37권4호
• /
• pp.447-459
• /
• 2013

실제 산업현장에서 비젼 시스템을 적용하기에는 로봇 비젼 제어알고리즘의 기구학모델의 정확도, 로봇이 움직이는 동안 카메라 초점거리와 방위에 대한 보정, 3 차원 물리적 좌표에서 2 차원 카메라 좌표로의 매핑에 대한 이해 등 해결해야 할 많은 문제점들이 있다. 본 논문에 제안된 비젼 시스템 모델은 카메라와 로봇 사이의 상대적인 위치가 알려지지 않아도 제어가 가능하고, 카메라 보정 문제를 해결하기 위해 6 개의 카메라 매개변수를 가지는 비젼 시스템 모델을 제시하였으며, 이를 이용하여 로봇 비젼 제어알고리즘 개발에 N-R 방법과 EKF 방법을 적용하였다. 최종적으로 N-R 과 EKF 방법에 의하여 개발된 로봇 비젼 제어 알고리즘의 위치 정밀도와 데이터 처리 시간을 얇은 막대 배치작업을 수행하여 비교하였다.

• 한국정밀공학회지
• /
• 제32권5호
• /
• pp.471-481
• /
• 2015

This paper presents the robot vision control schemes using Extended Kalman Filter (EKF) method for the slender bar placement in the appearance of obstacles during robot movement. The vision system model used for this study involves the six camera parameters($C_1{\sim}C_6$). In order to develop the robot vision control scheme, first, the six parameters are estimated. Then, based on the estimated parameters, the robot's joint angles are estimated for the slender bar placement. Especially, robot trajectory caused by obstacles is divided into three obstacle regions, which are beginning region, middle region and near target region. Finally, the effects of number of obstacles using the proposed robot's vision control schemes are investigated in each obstacle region by performing experiments of the slender bar placement.

• 한국생산제조학회지
• /
• 제26권1호
• /
• pp.50-58
• /
• 2017

This paper proposes a real-time robotic vision control scheme using the weighting matrix to efficiently process the vision data obtained during robotic movement to a target. This scheme is based on the vision system model that can actively control the camera parameter and robotic position change over previous studies. The vision control algorithm involves parameter estimation, joint angle estimation, and weighting matrix models. To demonstrate the effectiveness of the proposed control scheme, this study is divided into two parts: not applying the weighting matrix and applying the weighting matrix to the vision data obtained while the camera is moving towards the target. Finally, the position accuracy of the two cases is compared by performing the slender bar placement task experimentally.