A robust object recognition algorithm which can be used in production line is developed. Gray level corner is selected as a local feature, and a real-time gray level corner detector is developed. The gray level corner detection problem is formulated as a pattern classification problem to determine whether a pixel belongs to the class of corners or not. The probability density function is estimated by means of fuzzy logic. For the purpose of localizing gray level corners, a one-pass local maximum point detector is developed. Also, hardware implementation of the developed algorithm is studied to detect the corners in real time.
An efficient corner matching algorithm is developed to minimize the amount of calculation. To reduce the amount of calculation, all available information from the gray level corner detector is used to make model. This information has uncertainties due to discretization noise and geometric distortion, and this is represented by fuzzy rule base which can represent and handle the uncertainties. From fuzzy inference procedure, a matched segment list is extracted, and resulted segment list is used to calculate the transformation between object of model and scene. In order to reduce the fuzzy rule set, an overlapping cost to minimize the matched segment list is introduced. To reduce the false hypotheses, a vote and re-vote method is developed. Also an auto tuning scheme of the fuzzy rule base is developed to find out the uncertainties of features from recognized results automatically.
Overall design is focused on the development of corner-based recognition algorithm which can be used in production line. To show the effectiveness of the developed algorithm, simulations and experiments are conducted for synthetic images and images of real electronic components.
본 논문에서는 산업 현장의 생산 라인에서 사용할 수 있는 강인한 물체 인식 알고리즘을 제안하였다. 그레이 레벨 모서리를 국부 특성치로 선정하였고, 실시간 그레이 레벨 모서리 검출 알고리즘을 개발하였다. 이를 위해 그레이 레벨 모서리 검출 문제를 각 화소가 모서리 클래스에 속하는 지 아닌 지를 결정하는 패턴 인식 문제로 치환하였으며, 확률분포함수를 퍼지논리를 이용하여 추정하였다. 검출된 그레이 레벨 모서리를 국부적으로 만들기 위해 실시간 국부 극대점 검출기를 개발하였다. 또한 실시간으로 모서리를 검출하기 위해 개발된 알고리즘을 하드웨어로 구현하였다.
또한 계산량을 줄이기 위해 효과적인 모서리 정합 알고리즘을 개발하였다. 이를 위해 그레이 레벨 모서리 검출기로부터 출력되는 모든 정보를 이용하였다. 이들 정보들은 이산화 과정 및 기하학적 왜곡등으로 인한 노이즈를 포함하고 있으므로, 불확실성을 표현하고 다룰 수 있는 퍼지 룰 베이스를 이용하여 표현하였다. 퍼지 추론을 이용하여 모델과 정합되는 선분들의 집합을 구할 수 있으며, 이들 선분들의 집합을 이용하여 모델과 실제 물체와의 좌표 변환을 구하였다. 퍼지 룰 베이스를 줄이기 위해 모델 선분들간의 겹침 정도를 이용하였으며 잘못된 가정을 줄이기 위해 재투표 방법을 개발하였다. 또한 인식된 결과를 이용하여 특징치들의 불확실성을 자동으로 추정하는 방법을 개발하였다.
본 논문은 생산 라인에서 실제 사용 가능한 인식 알고리즘을 개발하는 데 주안점을 두었으며, 개발된 알고리즘의 효율성을 증명하기 위해 합성 영상과 실제 전자 부품 영상을 이용하여 시뮬레이션 및 실험을 행하였다.
