산업용 로봇과 2D 비전을 연동한 6D 자세 추정 방법 연구
A Study on 6D Pose Estimation Method Using Industrial Robot and 2D Vision
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 제조 분야에서 산업용 로봇을 이용하여 빈 피킹을 구현할 때, 쉽고, 빠르고, 상대적으로 저렴한 비용의6D 자세 추정 방법을 제시하고 검증하였다. 상세하게는 산업용 로봇과 2D 카메라를 연동하여 ①객체의 다시점 이미지를 획득하고 학습 데이터를 수집하는 방법, ②수집된 데이터에서 변수를 선택하고 선형 회귀 모델을 구현하는 방법, ③학습된 모델을 산업용 로봇에 적용하여 객체의 6D 자세를 추정, 검증 및 평가하는 방법을 제시하였다. 제시된 데이터수집 방법과 구현된 선형 회귀 모델은 통계적으로 유의한 결과를 보였으며, 추정된 6D 자세는 참값 검증과 산업용 로봇적용 평가에서 그 타당성을 확인할 수 있었다. 이미지를 직접 입력하는 대신 이미지에서 추출한 특징점 정보를 회귀모델의 입력으로 사용함으로써 데이터의 크기를 줄이고 로봇에 직접 임베딩(embedding) 할 수 있었다. 본 연구는 3D 공간의 좌표 문제를 기하학이나 컴퓨터 비전의 관점이 아닌 데이터 분석의 관점에서 접근하였다.
Abstract
This study presents and verifies an easy, fast, and relatively cost-effective method for 6D pose estimation using industrial robots for bin picking in the manufacturing sector. Specifically, it details a method involving the integration of industrial robots with 2D cameras to ① acquire multi-view images of objects and collect training data, ② select variables from the collected data and implement a linear regression model, and ③ apply the trained model to estimate, verify, and evaluate the 6D pose of objects on industrial robots. The proposed data collection method and implemented linear regression model demonstrated statistically significant results. The estimated 6D poses were validated against ground true values and evaluated in their application to industrial robots, confirming their validity. By using feature point information extracted from images instead of direct image inputs as inputs to the regression model, the data size was reduced, enabling direct embedding on the robot. This research approaches the problem of spatial coordinates in 3D from a data analysis perspective, rather than from geometrical or computer vision perspectives.
참고문헌 (16)
- K.M.Koo, "A Study on Vision-based Calibration Method for Bin-picking Robot", pp.2023
- G. Kyprianou, "Bin-Picking in the Industry 4.0Era", 2023 IEEE International Conference on Consumer Electronics(ICCE), pp.1~5 (2023)
- A tutorial on SE(3)transformation parameterizations and on-manifold optimization, "J. L. B. Claraco", ~, pp.Technical report #012010 (2022)
- G. Marullo, "6D object position estimation from 2D images : a literature review", Multimed. Tools Appl, 82(16), pp.24605~24643 (2023)
- W. J. Lee, "Block-Stacking Robotic Manipulation Using 3D Point Cloud Registration", pp.2021
- Y. J. Hwang, "A Study on Bin Picking Learning Algorithm of 6-axis Manipulator Using Deep Learning", pp.2018
- R. Bogue, "Bin picking : a review of recent developments", Ind. Robot Int. J. Robot. Res. Appl (2023)
- V. Kozák, "Data-Driven Object Pose Estimation in a Practical Bin-Picking Application", Sensors, 21(18), pp.6093~ (2021)
- T. T. Le, "Bin-picking for planar objects based on a deep learning network : a case study of USB packs", Sensors, 19(16), pp.3602~ (2019)
- M. Moosmann, "Increasing the Robustness of Random Bin Picking by Avoiding Grasps of Entangled Workpieces", Procedia CIRP, 93, pp.1212~1217 (2020)
- G. Leão, "Detecting and Solving Tube Entanglement in Bin Picking Operations", Applied Sciences, 10(7), pp.2264~ (2020)
- X. Zhang, "Learning Efficient Policies for Picking Entangled Wire Harnesses : An Approach to Industrial Bin Picking", IEEE Robot. Autom. Lett, 8(1), pp.73~80 (2023)