Robot Calibration and ROI Extraction with RGB-D and Point Clouds Research
연구 내용
RGB-D 비전과 3차원 포인트클라우드에서 좌표계 오차를 줄이기 위한 로봇 캘리브레이션과, 목표 궤적에 맞춘 ROI 전처리로 계산 부담을 낮추는 연구
로봇의 정밀 작업 수행을 위해서는 카메라-로봇 좌표 정합과 데이터 처리 효율이 함께 요구됩니다. 본 연구는 RGB-D 카메라를 로봇 엔드이펙터에 부착하여 체크보드 코너의 3차원 위치를 측정하고, 두 측정 자세 사이의 homogeneous transformation matrix를 통해 이동 오차 모델을 구성하여 6자유도 로봇의 기구학 캘리브레이션을 수행합니다. 또한 캘리브레이션 과정에서 파라미터 중복으로 인한 과보정 문제를 Pearson Correlation Analysis로 제거하는 방법을 제안합니다. 자율 이동 로봇에서는 깊이 센서와 LiDAR로부터 생성되는 대규모 포인트클라우드에서, 목표 궤적을 따라 원형·직사각형 ROI를 순차 구성하여 핵심 데이터만 추출하는 전처리 기법을 연구합니다.
관련 연구 성과
관련 논문
0편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 캘리브레이션을 위해 RGB-D 기반으로 간단한 측정 절차에서 거리 오차 모델을 구성하고, 기구학 변환을 적용해 로봇 조작기 보정 성능을 검증했습니다. 이후에는 캘리브레이션 최적화에서 발생하는 중복 파라미터를 상관 분석으로 자동 식별·제거하는 방향으로 정밀도와 효율을 동시에 개선했습니다. 동시에 자율 이동 로봇 데이터 흐름에서는 점군의 계산 부담을 줄이기 위해 목표 궤적을 기준으로 ROI를 순차 구성하는 전처리 방법을 확립했고, 분류 성능과 처리 시간의 트레이드오프를 실험으로 분석하는 흐름으로 확장했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.