The ocean as the space of opportunity is presented by future construction trends which aim for megastructures and no space limits. The introduction of construction robots is necessary for construction fields because of both many limits of conventional construction methods and demands of the future construction trends. Especially in construction works, the robots will strengthen the weak point of manpower. When the robots perform various operations, the robots depend on vision mainly because of its rich information about the robots’ surroundings. Although vision data taken by cameras in underwater environments have their downsides such as the limited recognition ranges and the poor visibility, the visual information is not only still an attractive method for understanding underwater environments but also effective in the close range of underwater robots. In this thesis, the rotation and scale invariant vision-based object recognition for underwater robots has been studied in depth. The topics include various image processing techniques such as template matching, Log-polar transform, Lab color space, and k-means clustering. Furthermore, a new Log-polar transform named Modularized Log-polar transform is introduced and improved in the problems of underwater images. Algorithms applied both Log-polar and Modularized Log-polar transform have been compared as well as experimented. The results are verified by a statistical method.
규모의 거대화 및 공간의 다양화를 지향하는 미래 건설 동향에 따라, 해양은 건설에 있어 기회의 공간으로 부각되고 있다. 기존 건설 방식의 한계와 건설 기술의 고도화로 인해 건설 현장에의 로봇 도입은 필연적인 상황이다. 특히 수중에서의 건설 작업에 있어서 로봇의 기여도는 상당히 높을 것으로 예상된다.
인간이 활동할 때 감각기관을 매개로 환경과 정보를 주고 받는 현상과 유사한 방법으로 로봇도 동작하며, 이 때 시각을 통해 수집한 정보의 가치는 다른 형태의 정보들에 비해서 상대적으로 높다. 하지만 수중에서는 지상과 달리 물의 탁도, 빛의 강도, 물과 빛에 의한 사물의 형태왜곡 등의 환경적 제약이 있기 때문에 유용한 정보를 추출하기 위한 처리과정에 어려움이 따른다. 그러나 카메라는 현재 주로 사용되고 있는 다른 센서들에 비해 비교적 저렴한 가격으로 수중환경정보를 수집할 수 있는 강점이 있기 때문에 카메라로 취득한 영상을 로봇의 작동에 활용하기 위한 연구가 활발해지는 추세이다.
이에 본 논문은 수중로봇의 시각정보처리에 대해 연구한 내용과 이 과정에서 탄생한 새로운 방식의 로그-폴라 변환을 제시한다. 수중환경을 극복하는 최적화된 영상처리기법을 통해서 로봇에 적용할 수 있는 유익한 정보를 추출하는데 그 목적이 있다. 기존의 영상 처리 기법들, 새로운 로그-폴라 변환, 수중영상에 최적화된 물체인식 알고리즘 및 그 결과 등의 내용이 논문 전반에 포함되어 있다.
수중로봇을 작동시켜 수중영상을 취득하였고, 이 영상은 카메라 보정처리를 거쳐서 목표물을 인식하는데 사용되었다. 수중영상처리에 있어서 극복해야 할 환경적 요인을 해결하기 위해서 Lab 색상 평면, k-means 클러스터링, 로그-폴라 변환, 템플릿 매칭을 적용한 수중 영상 처리 알고리즘을 구현하고 그 성능을 평가하였다.
목표물의 크기변화와 회전변화에 대응하기 위해서 카테시안 평면을 로그-폴라 평면으로 변환하여 템플릿 매칭을 하였고, 이 과정에서 영상의 잡음과 흐림에 영향을 받지 않고 특징점의 유무와 무관한 새로운 방식의 로그-폴라 변환을 제안하였다. 이를 수중영상처리 알고리즘에 반영하여 기존의 로그-폴라 변환이 적용된 알고리즘과 코릴레이션의 비교를 통해 성능을 평가하였다.
본 논문에서는 수중환경에서 크기변화와 회전변화에 대응 가능한 물체인식 알고리즘에 대해 연구하였고, 실험을 통해 결과를 도출하였으며, 통계적 방법을 적용하여 성능을 평가하였다. 이 과정에서 새로운 방법인 모듈화 로그-폴라 변환을 제시하였다. 향후 과제는 알고리즘을 로봇 플랫폼에 적용, 3차원 상에서 크기변화와 회전변화에 대응, 모듈화 로그-폴라 변환을 다양한 환경에서 사용하는 작업이다.
