에지 패턴을 이용한 크레인 자동화
Crane Automation Using Edge Patterns
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
크레인은 항구 등에서 컨테이너를 들어 올리거나 내려 놓는 기계로서, 높은 곳에 위치한 통제실에서 인간의 조종에 의하여 동작한다. 본 논문은 카메라에서 들어온 영상으로부터 컨테이너 및 기준 마커에 대한 에지 패턴을 인식하여, 컨테이너를 잡거나 정해진 위치에 내려 놓는 기능들을 자동적으로 수행하는 크레인 자동화 시스템을 제안한다. 본 논문에서는 컨테이너를 잡기 위하여 움직이는 크레인 스프레더의 각 구석마다 카메라를 설치하고, 4개의 카메라 영상에 대하여 실시간으로 에지 검출 및 패턴추출을 수행한다. 그리고 컨테이너 및 기준 마커의 에지패턴을 학습하여 컨테이너 및 기준 좌표에 대한 정확한 위치를 인식한다. 본 논문에서 제안한 기법을 실제 크레인 시스템에 적용하여 실험한 결과, 일반적인 크레인의 다양한 기능들을 자동적으로 수행하는 것을 확인하였다. 또한 영상처리 결과에 의하여 현재 스프레더의 위치를 크레인 운전사에게 알려줄 수 있기 때문에, 더욱 안전하게 크레인 운전을 보조해주고 초보자의 크레인 운전교육에 활용할 수 있다. 앞으로 다양한 기상 조건 및 카메라의 왜곡 등에 대하여 좀 더 강인하고 안정적인 기법을 보완하고 수행속도를 향상시킨다면, 실제 크레인 시스템 및 운전자 교육 등에 적용할 수 있을 것으로 기대된다.
Abstract
This paper develops a crane automation system using image processing and pattern recognition. The operations in the crane system are automatically performed using the positional information obtained from edge patterns. The developed crane system has four cameras on each corner of spreader to obtain the useful images for position decision. This paper exploits fast edge detector and refines the edges to detect the edge patterns of ground markers and container. The ground markers and container patterns are utilized to determine the correct positions for landing on the ground, locking containers, and stacking a container on the other one. According to the experiments in real crane system, the developed system performs the crane operations automatically without any supervisors. And since the proposed system provides the position information of container and spreader for human operators, it is useful for education of novice operators. The proposed crane automation system is expected to replace with human operations if it is optimized to be robust for various weather conditions.
참고문헌 (14)
- R. C. Gonzalez, "Digital Image Processing" (1994), Addison Wesley
- D. Forsyth, "Computer vision: A modern approach" (2004), Prentice Hall
- I. Sobel, ""An isotropic 3x3 image gradient operator," In Machine Vision for Three-Dimensional Sciences" (1990), Academic Press
- D. Marr, "Theory of edge detection", Proc. Roy. Soc. London, B-207, pp.187~217 (1980)
- J. F. Canny, "A computational approach to edge detection", IEEE Trans. Pattern Analysis and Machine Intelligence, 8(6), pp.679~698 (1986)
- H. P. Moravec, "Towards automatic visual obstacle avoidance", Proc. of the International Joint Conference on Artificial Intelligence, pp.584~560 (1977)
- C. G. Harris, "A combined corner and edge detector", 4th Alvey Vision Conference, pp.147~151 (1988)
- L. Kitchen, "Gray-level corner detection", Pattern Recognition Letters, 1, pp.95~102 (1982)
- F. Mokhtarian, "Robust image corner detection through curvature scale space", IEEE Trans. Pattern Analysis and Machine Intelligence, 20(12), pp.1376~1381 (1998)
- S. M. Smith, "SUSAN - a new approach to low level image processing", Int. Journal of Computer Vision, 23(1), pp.45~78 (1997)
- S. Theodoridis, "Pattern recognition" (1999), Academic Press
- S. Kulkarni, "Learning pattern classification-A survey", IEEE Trans. Information Theory, 44(6), pp.2178~2206 (1998)
- R. E. Schapire, "The boosting approach to machine learning: an overview", Proc. of MSRI workshop on Nonlinear Estimation and Classification (2002)
- David G. Lowe, "Distinctive image features from scaleinvariant keypoints", International Journal of Computer Vision, 60(2), pp.91~110 (2004)