CNN 기반 공조 덕트 청소 로봇의 교차점 검출 알고리듬 개발

국문 초록 (Abstract)

건물 내부 공기 순환을 위한 공조 덕트는 장기간 사용 시 오염물질이 내부에 쌓여 인력 또는 로봇이 투입되어 청소가 주기적으로 수행된다. 청소는 작업시간과 인건비 문제를 해결하기 위해 최근 원격 조정으로 로봇을 작동시키는 방법이 사용되고 있다. 하지만 완전 자동화가 아니라 인력 의존적이며 청소 시간 단축에도 한계가 있다. 본 연구는 공조덕트 청소 로봇 자율 주행을 위해 교차점 검출 알고리듬 개발에 대한 것이다. 자율 주행은 청소 로봇에 장착된 카메라 영상에서 교차점 검출 알고리듬을 통해 추출된 점과 중심점 사이의 거리 및 각도를 계산하여 로봇을 제어하도록 구성된다. 교차점 검출을 위한 데이터는 3D CAD 프로그램을 이용한 공조 덕트 내부 이미지를 Python을 이용해 교차점 좌표 및 두 경계선 각도를 추출하여 생성했다. 검출 알고리듬은 딥러닝 중 CNN 모델이 학습에 사용됐으며 학습 모델은 입력이미지에서 교차점 정보를 추출하며 학습 모델 정확도는 면적과 거리를 이용해 판단했다. 알고리듬 검증을 위해 청소로봇을 제작했으며 로봇은 몸체, Raspberry Pi, 카메라 및 초음파 센서를 포함한 제어부, 모터와 바퀴를 포함한 구동부로 구성된다. 알고리듬을 탑재한 로봇 청소기 주행 영상을 통해 알고리듬을 검증했다. 향후 공조 덕트뿐만 아니라 에스컬레이터 등 다양한 환경에서 적용 가능할 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

Air ducts installed for ventilation inside buildings accumulate contaminants during their service life. Robots are installed to clean the air duct at low cost, but they are still not fully automated and depend on manpower. In this study, an intersection detection algorithm for autonomous driving was applied to an air duct cleaning robot. Autonomous driving of the robot was achieved by calculating the distance and angle between the extracted point and the center point through the intersection detection algorithm from the camera image mounted on the robot. The training data consisted of CAD images of the duct interior as well as the cross-point coordinates and angles between the two boundary lines. The deep learning-based CNN model was applied as a detection algorithm. For training, the cross-point coordinates were obtained from CAD images. The accuracy was determined based on the differences in the actual and predicted areas and distances. A cleaning robot prototype was designed, consisting of a frame, a Raspberry Pi computer, a control unit and a drive unit. The algorithm was validated by video imagery of the robot in operation. The algorithm can be applied to vehicles operating in similar environments.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 본론
• 3. 교차점 검출 알고리듬 검증
• 4. 결론
• References

참고문헌 (Reference)

• 1 고동신, "위상 최적화 기법을 이용한 충격하중에 대한 차량 탑재형 전력변환장치의 마운트 경량화 설계" 한국전산구조공학회 31 (31): 353-358, 2018
• 2 강민제, "딥러닝을 위한 경사하강법 비교" 한국산학기술학회 21 (21): 189-194, 2020
• 3 K. T. Park, "Position Estimation and Control for Autonomous Duct Cleaning Robot" The Korean Society of Manufacturing Technology Engineers 99-99, 2018
• 4 F. Chollet, "Keras"
• 5 W. Jeong, "Force control method of duct cleaning robot brush to improve cleaning efficiency" 2303-2308, 2012
• 6 W. Jeong, "Development of realtime control system for duct cleaning robot" The Korean Society of Manufacturing Technology Engineers 245-245, 2014
• 7 W. Jeong, "Development of a Duct Cleaning Robot and Technology Trends for Subway Stations" The Korea Society For Railway 1335-1341, 2011
• 8 H. S. Choi, "Development of a Duct Cleaning Robot Platform" 185-186, 2013
• 9 W. Jeong, "Development of Duct Cleaning System Using a Robot" 183-184, 2013
• 10 S. W. Jeon, "Design of an Intelligent Duct Cleaning Robot with Force Compliant Brush" 2033-2037, 2012
• 11 김대훈, "CNN소실점 검출을 이용한 차선 검출" 제어·로봇·시스템학회 24 (24): 851-856, 2018
• 12 Tang Quang Hieu, "CNN 기반 한국 번호판 인식" 한국전기전자학회 23 (23): 1337-1342, 2019