특징점 매칭을 이용한 가공철근 꼬임 판단 알고리즘 (An Algorithm for the Determination of Twisted Rebar using Feature Matching)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 19권 / 2호 / 21 ~ 28페이지
· 저자명 : 박종찬, 강대성

초록

최근 기업들은 AI 영상 분석 기반의 스마트 팩토리를 도입하여 가공철근 공장의 핵심설비인 절단/절곡, 적재 자동화 설비를 개선함으로써 가공철근 생산성을 향상시키고 있다. 본 연구는 가공철근의 실시간 철근 꼬임 검출에 대한 연구이며, 철근이 사출되는 시작지점부터 철근이 절단되기 직전까지의 철근의 꼬임을 판단을 해야 하는 요구사항을 만족해야 한다. 철근 꼬임 정확성을 높이기 위해서는 철근 설비(배경)과 철근(객체) 분리가 중요한데 ORB 특징점 기반 검출방법을 통해서는 환경에 따라 오검출 발생 확률이 높다. 본 논문에서는 환경에 따른 오검출을 줄이기 위해 ORB 알고리즘에 ROI, 허프 변환 직선 알고리즘을 적용한 검출 방법을 제안하며, 허프 변환 직선 알고리즘은 ROI영역 안에서 두 철근의 직선을 검출하는데 사용하였다. 제안하는 방법을 통해 연산 시간이 104msec/frame에서 54msec/frame으로 개선이 되어 약 50msec, 꼬임 검출 판단 정확도는 73%에서 98%로 개선이 되어 약 15%의 개선된 결과들을 얻었다.

영어초록

Companies have recently introduced smart factories based on AI image analysis to improve processing steel's productivity by improving the core facilities of processing reinforcement plants such as cutting and loading automation facilities. This research is a study on the detection difficulties of real-time rebar processing and must meet the requirements for determining the rebar kinks from the start of the rebar injection to just before the rebar is cut. In order to increase the accuracy of rebar twisting identification, the separation of rebar facilities (background) and rebar (objects) is essential, and the existing feature point-based detection methods have a high probability of misdetection depending on the environment such as illumination and dust. In this paper, we propose a detection method that applies ROI(Region Of Interest) and Hoffman straight algorithms to the ORB algorithm to reduce environmental misdetection, and Hoffman straight algorithms are used to detect straight lines of two rebars within the ROI region. The proposed method improves computational time from 104msec/frame to 54msec/frame, improving approximately 50msec and twisting detection judgment accuracy from 73% to 98%, resulting in improved results of approximately 15%.

참고자료

· 없음