표제지
Abstract
요약
목차
기호 설명 14
제1장 서론 15
제2장 버킷 추적 시스템의 하드웨어 구성 20
2.1. 버킷 추적 시스템의 하드웨어 개요 20
2.2. 객체 인식 시스템 22
2.3. 객체 추적 시스템 22
제3장 버킷 추적 알고리즘 및 구성 25
3.1. 영상 인식 기반 객체 위치 추정 알고리즘 25
3.1.1. YOLOv4와 TensorRT 25
3.1.2. DeepSORT와 Targeting Algorithm 30
3.2. 객체 위치 추적 알고리즘 38
3.2.1. 피드백 제어 39
3.2.2. 궤적 추정 제어 41
제4장 영상 인식 기반 객체 위치 추적 성능 검증 44
4.1. Dataset에 따른 성능 개선 44
4.1.1. Non-Labeled Dataset 유무에 따른 성능 비교 45
4.1.2. Occlusion Dataset 유무에 따른 성능 비교 48
4.2. 추적 성능 검증을 위한 실험 방법 50
4.2.1. 객체 위치 로그 데이터 기록 50
4.2.2. 다중 카메라 기반 추적 성능 검증 52
4.3. 다양한 궤적으로 움직이는 객체 추적 성능 검증 54
4.3.1. SOT(Single-Object Tracking) 성능 검증 54
4.3.2. 궤적 추정 제어 성능 검증 58
4.3.3. MOT(Multi-Object Tracking) 성능 검증 61
제5장 결론 65
참고문헌 67
[표 2.1] 시스템 세부사항 21
[표 4.1] Occlusion Dataset 유무에 따른 인식기의 성능 비교 49
[그림 1.1] 인력 살수 작업 현황 15
[그림 1.2] 건물 해체 중의 산업 재해 사례 16
[그림 1.3] 건물 해체용 미세먼지 저감 장치 개발 사례 16
[그림 1.4] 물 분사 장치 작업 현황 17
[그림 1.5] 굴착기 끝점을 추정하기 위한 기구학 해석 18
[그림 1.6] 센서 네트워크 기반 물 분사 장치 개발 현황 18
[그림 2.1] 버킷 추적 시스템 개략도 20
[그림 2.2] 팬 틸트 구조의 시스템 연결체 23
[그림 3.1] 영상 인식 알고리즘 구조 예시 25
[그림 3.2] YOLOv4 알고리즘 구조 26
[그림 3.3] 객체 인식 성능 비교 27
[그림 3.4] TensorRT의 딥러닝 네트워크 단순화 28
[그림 3.5] TensorRT 유무에 따른 성능 비교 28
[그림 3.6] TrtYOLO 모델 탑재 알고리즘 29
[그림 3.7] TrtYOLO 이미지 입력 알고리즘 30
[그림 3.8] DeepSORT 기반 MOT 성능 현황 31
[그림 3.9] DeepSORT 주요 알고리즘 32
[그림 3.10] DeepSORT 기반 객체 위치 추론 결과 출력 알고리즘 32
[그림 3.11] DeepSORT를 적용하지 않은 객체 인식기의 객체 구분 성능 33
[그림 3.12] DeepSORT를 적용하지 않은 경우의 X 축 인식 결과 34
[그림 3.13] DeepSORT를 적용하지 않은 경우의 Y 축 인식 결과 34
[그림 3.14] DeepSORT를 적용한 객체 인식기의 객체 구분 성능 35
[그림 3.15] DeepSORT를 적용한 경우의 X 축 인식 결과 36
[그림 3.16] DeepSORT를 적용한 경우의 Y 축 인식 결과 36
[그림 3.17] DeepSORT 기반 목표 객체 할당 알고리즘 37
[그림 3.18] USB기반 Serial 통신 연결 알고리즘 38
[그림 3.19] USB기반 Serial 통신 출력 알고리즘 38
[그림 3.20] 피드백 제어 선도 39
[그림 3.21] Arduino IDE 기반 통신 수신 알고리즘 40
[그림 3.22] Arduino IDE 기반 Actuator 명령 수신 알고리즘 40
[그림 3.23] 긴급 정지 제어 알고리즘 42
[그림 3.24] 궤적 추정제어 알고리즘 43
[그림 4.1] Dataset 수에 따른 ACC(Accuracy), PRC(Precision) 변화 44
[그림 4.2] Background Dataset을 제외하고 학습한 인식기의 성능 46
[그림 4.3] Background Dataset을 포함하여 학습한 인식기의 성능 47
[그림 4.4] Background Dataset 유무에 따른 인식 성능 47
[그림 4.5] Occlusion Dataset을 제외하고 학습한 인식기의 성능 48
[그림 4.6] Occlusion Dataset을 포함하여 학습한 인식기의 성능 49
[그림 4.7] 객체 위치 로그 데이터 기록 알고리즘 50
[그림 4.8] 오차 경향성 그래프 예시 51
[그림 4.9] 객체 추적 실험 장비 배치도 52
[그림 4.10] 객체 궤적 데이터 기반 추적 그래프 예시 53
[그림 4.11] 객체 궤적 및 오차 데이터 기반 추적 그래프 예시 53
[그림 4.12] 사각 모션 객체 추적 궤적 55
[그림 4.13] 사각 모션 객체 추적 오차 경향성 56
[그림 4.14] 삼각 모션 객체 추적 궤적 57
[그림 4.15] 삼각 모션 객체 추적 오차 경향성 57
[그림 4.16] 긴급 정지 제어 기반 추적 궤적 58
[그림 4.17] 긴급 정지 제어 기반 추적 오차 경향성 59
[그림 4.18] 궤적 추정 제어 기반 추적 궤적 60
[그림 4.19] 궤적 추정 제어 기반 추적 오차 경향성 그래프 61
[그림 4.20] 사각 모션 다중 객체 추적 궤적 62
[그림 4.21] 사각 모션 다중 객체 추적 오차 경향성 그래프 63
[그림 4.22] 삼각 모션 다중 객체 추적 궤적 64
[그림 4.23] 삼각 모션 다중 객체 추적 오차 경향성 그래프 64