KR101330049B1 - 3차원 특징점 기반 직접 교시 궤적 후보정 방법 - Google Patents

3차원 특징점 기반 직접 교시 궤적 후보정 방법 Download PDF

Info

Publication number
KR101330049B1
KR101330049B1 KR1020120023054A KR20120023054A KR101330049B1 KR 101330049 B1 KR101330049 B1 KR 101330049B1 KR 1020120023054 A KR1020120023054 A KR 1020120023054A KR 20120023054 A KR20120023054 A KR 20120023054A KR 101330049 B1 KR101330049 B1 KR 101330049B1
Authority
KR
South Korea
Prior art keywords
feature points
trajectory
teaching
curvature
candidate
Prior art date
Application number
KR1020120023054A
Other languages
English (en)
Other versions
KR20130101929A (ko
Inventor
최태용
박찬훈
도현민
경진호
Original Assignee
한국기계연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국기계연구원 filed Critical 한국기계연구원
Priority to KR1020120023054A priority Critical patent/KR101330049B1/ko
Priority to US13/542,760 priority patent/US8824777B2/en
Publication of KR20130101929A publication Critical patent/KR20130101929A/ko
Application granted granted Critical
Publication of KR101330049B1 publication Critical patent/KR101330049B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/42—Recording and playback systems, i.e. in which the programme is recorded from a cycle of operations, e.g. the cycle of operations being manually controlled, after which this record is played back on the same machine
    • G05B19/423—Teaching successive positions by walk-through, i.e. the tool head or end effector being grasped and guided directly, with or without servo-assistance, to follow a path
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Numerical Control (AREA)

Abstract

본 발명의 목적은 곡률 및 속도를 기반으로 하여 형태 기반 특징점들을 추출하고, 이를 사용하여 직접 교시 궤적 보정 알고리즘을 개선시킴으로써 직접 교시 성능을 향상시키는, 3차원 특징점 기반 직접 교시 궤적 후보정 방법을 제공함에 있다. 특히 본 발명은, 2차원 즉 평면 상의 궤적 뿐만 아니라 3차원 즉 공간 상의 궤적 또한 보다 높은 정확도로 추출 및 후보정하는 것이 가능한, 3차원 특징점 기반 직접 교시 궤적 후보정 방법을 제공함에 있다.

Description

3차원 특징점 기반 직접 교시 궤적 후보정 방법 {Postprocessing method of direct teaching trajectory in industrial robot}
본 발명은 3차원 특징점 기반 직접 교시 궤적 후보정 방법에 관한 것이다.
공장 자동화에 사용되는 수직 다관절 로봇은 속도 및 신뢰성이 높아, 자동차 조립 라인의 용접, 공산품의 자동 이송, 이송 등에 주로 사용된다. 이들 로봇을 실 현장에 적용하기 위해서는 필수적으로 교시(teaching), 즉 움직여야 할 궤적을 미리 로봇에 입력시켜 소위 '가르쳐 주는' 것이 필요하다. 현재는, 전문가가 교시 장치를 가지고 로봇의 주요 궤적을 일일이 프로그래밍하는 방법을 취하고 있다. 그런데 이러한 산업용 로봇을 교시하는 과정은, 작업 자체는 단순히 원하는 궤적을 프로그래밍화할 뿐으로 단순한 작업이라고 할 수도 있겠으나, 산업용 로봇이 사용되는 공정에 따라 매번 새로이 프로그래밍을 해야 하며, 또한 궤적을 프로그래밍하는 원리는 동일하다 하더라도 그 자체가 복잡도가 높아 시간이 많이 걸리는 소모적인 작업이다(비특허문헌 1 등 참조).
이러한 문제 때문에, 최근 기존의 교시 방법을 탈피하여 지능적으로 교시를 수행하고자 하는 연구가 많이 되고 있으며, 직접 교시(direct teaching)도 그 중의 하나다(비특허문헌 2 등 참조). 직접 교시란 사용자가 직접 로봇의 끝단을 잡고 로봇이 가야 할 궤적을 끌고 다니면서 궤적을 교시하는 방법이다. 이 때 로봇은 사용자가 쉽게 다룰 수 있도록, 관절 강성을 적절히 낮추어야 하며, 사용자가 직접 교시를 수행할 동안의 궤적을 기록해야 한다. 이후 로봇이 실제 공정에 사용되어 작동이 되는 시점에서는 사용자가 직접 교시하여 줌으로써 기록된 궤적대로 움직이게 된다.
하지만, 교시 궤적의 올바른 기록은 노이즈 때문에 쉽지 않다. 일반적인 센서 및 전자 회로에서 발생되는 고주파 노이즈 외에도, 사용자 손떨림에 의한 저주파 노이즈와 모서리에서 사용자가 궤적을 제대로 추정하지 못하는 실수에 의해서 발생하는 궤적 왜곡 등에 의해서 본래의 궤적은 심각하게 훼손되는 것이 대부분이다. 이러한 고주파 노이즈는 로봇의 교시 재현 시 과도한 속도를 요구함으로써 동작 이상의 원인이 될 수 있으며, 저주파 노이즈는 교시 궤적의 재현 정밀도를 크게 떨어뜨리게 된다. 그런데 이를 보정하기 위해서 현재 일반적으로는 고주파 노이즈에 대응하기 위한 선-평활화(line-smoothing) 알고리즘 정도가 사용되고 있는 실정이다.
이처럼 직접 교시 방법은 산업 현장에 적용 시 문제가 될 수 있는 요소가 아직 상당히 존재하므로, 직접 교시를 위한 궤적을 보다 정확하게 기록하고, 또한 기록된 궤적을 로봇이 정확하게 재현할 수 있도록 하기 위한 여러 연구가 현재에도 활발하게 이루어지고 있다.
일본특허등록 제4504228호("로봇의 제어 장치 및 제어 방법", 2010.04.30), 한국특허등록 제0507118호("직접 교시장치 및 그 방법", 2005.08.01) 등에는, 직접 교시 장치와 관련하여, 로봇의 작업 경로 상에서의 이동 속도나 궤적 기록의 ON/OFF를 적절하게 조절함으로써 교시 성능을 개선하고자 하는 제어 방법들을 개시하고 있다. 또한, 한국특허공개 제1990-0015861호("직접교시방식 로보트의 교시 장치", 1990.11.10), 한국특허등록 제1100108호("교시기구 및 이를 구비한 직접교시장치", 2011.12.22) 등에는 사용자가 직접 로봇 팔을 잡고 교시를 할 때 사용자가 보다 원활하게 로봇 팔을 움직일 수 있도록 하기 위한 기술들이 개시되어 있다. 그런데 이러한 기술들은, 이미 기록이 완료된 궤적을 원활하게 재현하는 방법이거나 또는 교시 작업을 수월하게 해 주는 장치에 대한 기술일 뿐으로, 실질적으로 앞서 설명한 바와 같은 직접 교시 궤적 기록 시 나타나는 부정확함 문제의 원인들에 대한 해결책으로서는 전혀 사용될 수가 없다.
한국특허공개 제2011-0062474호("교시점 정렬 비교를 통한 용접경로 설정방법", 2011.06.10)에서는, 직접 교시 시 교시점이 임의의 순서로 교시되었다 하더라도 이를 로봇의 용접 작업에 적합한 순서가 되도록 정렬하는 경로 설정 방법이 개시되어 있다. 이는 직접 교시 궤적의 정확성을 높이기 위한 후보정 작업의 하나라고 볼 수는 있겠으나, 단순히 교시점을 새로이 정렬함으로써 경로를 설정하는 것일 뿐으로 복잡한 곡선 경로 등을 교시하거나 재현하는 데에 사용되기에는 어려움이 있어, 적용에 한계가 있는 문제점이 있다.
1. 일본특허등록 제4504228호("로봇의 제어 장치 및 제어 방법", 2010.04.30) 2. 한국특허등록 제0507118호("직접 교시장치 및 그 방법", 2005.08.01) 3. 한국특허공개 제1990-0015861호("직접교시방식 로보트의 교시 장치", 1990.11.10)) 4. 한국특허등록 제1100108호("교시기구 및 이를 구비한 직접교시장치", 2011.12.22) 5. 한국특허공개 제2011-0062474호("교시점 정렬 비교를 통한 용접경로 설정방법", 2011.06.10)
1. Y. Shamash, Y. Yang and Z. Roth, "Teaching a robot", International Encyclopedia of robotics: Applications and Automation, R. C. Dorf, Ed. Wiley, 1988, pp. 1689-1701. 2. C. H. Park, J. H. Kyung, D. I. Park, K. T. Park, D. H. Kim and D. G. Gweon, "Direct Teaching Algorithm for a Manipulator in a Constraint Condition using the Teaching Force Shaping Method", Advanced Robotics, no. 24, pp. 1365-1384, 2010.
따라서, 본 발명은 상기한 바와 같은 종래 기술의 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 곡률 및 속도를 기반으로 하여 형태 기반 특징점들을 추출하고, 이를 사용하여 직접 교시 궤적 보정 알고리즘을 개선시킴으로써 직접 교시 성능을 향상시키는, 3차원 특징점 기반 직접 교시 궤적 후보정 방법을 제공함에 있다. 특히 본 발명은, 2차원 즉 평면 상의 궤적 뿐만 아니라 3차원 즉 공간 상의 궤적 또한 보다 높은 정확도로 추출 및 후보정하는 것이 가능한, 3차원 특징점 기반 직접 교시 궤적 후보정 방법을 제공함에 있다.
상기한 바와 같은 목적을 달성하기 위한 본 발명의 3차원 특징점 기반 직접 교시 궤적 후보정 방법은, 적어도 하나 이상의 관절을 포함하는 로봇 팔을 포함하여 이루어진 직접 교시 장치를 이용하여 기록된 직접 교시 궤적을 보정하는 방법으로서, 3차원 위치 값 및 측정된 시간 값을 포함하여 이루어지는 기록된 교시 궤적 측정값에 대하여, 형태학적 특징을 가지는 형태 특징점들을 추출 및 정렬하는 특징점 추출 단계; 상기 형태 특징점들로 이루어지는 세그먼트를 직선 또는 곡선으로 분류하여 교시 궤적을 보정하여 산출하는 궤적 산출 단계; 를 포함하여 이루어진다. 이 때, 상기 형태학적 특징은 곡률 및 속도를 포함할 수 있다.
또한, 상기 특징점 추출 단계는, 곡률에 대한 곡률 특징점 및 속도에 대한 속도 특징점을 미리 결정된 기준에 따라 선택적으로 추출하여 결정하는 곡률 및 속도 특징점 결정 단계; 상기 결정된 곡률 및 속도 특징점들을 사용하여 형태 특징점을 미리 결정된 기준에 따라 선택적으로 추출 및 정렬하여 결정하는 형태 특징점 결정 단계; 를 포함하여 이루어진다.
이 때, 상기 곡률 및 속도 특징점 결정 단계는, 상기 교시 궤적 측정값의 곡률 및 속도 값에 대한 가우시안 커널(gaussian kernel) 컨볼루션(convolution) 결과를 사용하여 후보 곡률 특징점들 및 후보 속도 특징점들 각각을 추출하는 단계; 상기 편차 값을 변화시킴에 따른 후보 곡률 특징점들 및 후보 속도 특징점들 각각의 개수를 산출하고, 산출된 후보 곡률 특징점들 및 후보 속도 특징점들 각각의 개수 변화 추이에 따라 적정 편차(proper deviation) 값을 결정하는 단계; 상기 결정된 적정 편차 값에서의 후보 곡률 특징점들 및 후보 속도 특징점들을 각각 곡률 특징점들 및 속도 특징점들로 결정하는 단계; 를 포함하여 이루어진다.
또한 이 때, 상기 형태 특징점 결정 단계는, 곡률 특징점들 및 속도 특징점들 중 공통되는 공통 특징점들을 선택하는 단계; 이웃하는 공통 특징점들을 서로 잇는 직선으로 형성되는 세그먼트(segment)들로 이루어지는 1차 궤적을 산출하는 단계; 상기 공통 특징점들에 해당되지 않는 곡률 특징점들 및 속도 특징점들 중 각각 최대값을 가지는 최대 곡률 특징점 및 최대 속도 특징점을 선택하고, 상기 최대 곡률 특징점 및 최대 속도 특징점 각각에 대하여, 특징점들에서의 교시 궤적 측정 위치점 및 상기 1차 궤적과의 수직 거리를 사용하여 계산되는 오차 값을 산출하는 단계; 상기 공통 특징점들에 해당되지 않는 나머지 곡률 특징점들 및 속도 특징점들 각각에 대하여, 특징점들에서의 교시 궤적 측정 위치점 및 상기 1차 궤적과의 수직 거리를 사용하여 계산되는 오차 값을 산출하는 단계; 상기 오차 값들을 비교하여 보다 적은 오차 값을 갖는 후보 형태 특징점들을 추출 및 정렬하는 단계; 상기 후보 형태 특징점들에 대한 상기 오차 값 변화 추이에 따라 적정 오차 값을 결정하는 단계; 상기 공통 특징점들과, 상기 결정된 적정 오차 값 이하에서의 곡률 특징점 및 속도 특징점들을 형태 특징점으로 결정하는 단계; 를 포함하여 이루어진다.
또한, 상기 궤적 산출 단계는, 이웃하는 형태 특징점들을 서로 잇는 직선으로 형성되는 세그먼트(segment)들로 이루어지는 2차 궤적을 산출하는 단계; 이웃하는 형태 특징점들에 대하여, 상기 2차 궤적 세그먼트의 길이 값 및 상기 교시 궤적 측정점들로 이루어지는 곡선의 길이 값의 비를 산출하는 단계; 미리 결정된 직선-곡선 판단 기준값에 따라 형태 특징점들 사이의 세그먼트를 직선 또는 곡선으로 분류하는 단계; 직선으로 분류된 세그먼트는 형태 특징점들을 서로 잇는 직선으로 결정되고, 곡선으로 분류된 세그먼트는 베지어 곡선(bezier curve)으로 결정되어, 최종 교시 궤적이 산출되는 단계; 를 포함하여 이루어진다.
또한, 상기 직접 교시 장치는 상기 직접 교시 장치의 끝단에 교시 대상물에 접촉하였을 때의 접촉력을 측정하는 토크 센서가 더 구비될 수 있다. 이 때, 상기 교시 궤적 후보정 방법은, 상기 특징점 추출 단계 및 상기 궤적 산출 단계 이전에, 상기 토크 센서에서 측정된 접촉력 값을 사용하여 교시 궤적의 시작점 및 끝점을 추출하는 궤적 추출 단계; 를 더 포함하여 이루어진다.
이 때, 상기 궤적 추출 단계는, 상기 토크 센서에서 입력된 접촉력 중 x, y, z축에 대한 접촉력들의 합을 구하는 단계; 미리 결정된 노이즈 판단 기준값 이상의 주파수를 가지는 고주파 노이즈를 제거하는 단계; 최초로 접촉력이 발생하는 시점을 시작점으로 판단하고, 최후로 접촉력이 사라지는 시점을 끝점으로 판단하여, 시작점 이전 및 끝점 이후에 기록된 궤적 값을 제거하는 단계; 를 포함하여 이루어진다.
또한, 상기 교시 궤적 후보정 방법은 상기 특징점 추출 단계 및 상기 궤적 산출 단계 이전에, 상기 교시 궤적 측정값 중 사용자 교시 지연에 의하여 발생되는 과다 측정값을 제거하는 궤적 선처리 단계; 를 더 포함하여 이루어진다. 이 때, 상기 궤적 선처리 단계는 DPA(Douglas-Peuker Algorithm)을 사용하여 과다 측정값을 제거한다.
본 발명에 의하면, 로봇의 직접 교시에 있어서 사용자가 교시한 궤적을 로봇이 정확하게 재현할 수 있게 하는 교시 성능을 종래에 비해 비약적으로 향상시키는 큰 효과가 있다. 구체적으로는, 본 발명은 교시된 데이터의 형태학적 특징을 추출하여 로봇의 동작에 적합하도록 경로 데이터를 수정하여 주는 후보정 작업을 하여 줌으로써, 사용자의 교시 단계 시점에서 사용자의 손떨림이나 실수 등에 의하여 발생되는 저주파 노이즈 혹은 전자 회로 자체에서 발생되는 고주파 노이즈를 제거하는 성능이 매우 뛰어난 효과가 있는 것이다.
특히 본 발명은, 단지 2차원 평면 상에서의 궤적 뿐만 아니라 3차원 공간 상에서의 궤적 역시 높은 정확도로 추출 및 재현할 수 있게 해 주는 큰 효과가 있다. 이에 따라 본 발명은 실제 산업 현장에 사용되는 로봇의 직접 교시에 적용될 때 작업 능률을 비약적으로 향상시킬 수 있는 효과 또한 있다.
도 1은 직접 교시 장치의 개략적 구성도 및 실시예 사진.
도 2는 교시 궤적 후보정 방법의 개략적 흐름도.
도 3은 교시 궤적 측정값의 실시예.
도 4는 교시 궤적 측정값의 선처리 실시예.
도 5는 곡률 및 속도 값에 대한 가우시안 커널 컨볼루션 결과.
도 6은 편차에 따른 곡률 및 속도 특징점 개수 변화 추이.
도 7은 곡률 및 속도 특징점 결정 결과.
도 8은 교시 궤적 측정 위치점 및 1차 궤적과의 수직 거리 정의.
도 9는 후보 형태 특징점들 추출 상세 단계.
도 10은 오차 값 변화 추이.
도 11은 특징점 추출 단계 완료 후 추출된 형태 특징점들.
도 12는 직선-곡선 분류 원리.
도 13은 궤적 산출 단계 완료 후 산출된 교시 궤적.
도 14는 본 발명의 교시 궤적 후보정 방법에 의하여 산출된 교시 궤적의 다른 실시예들.
이하, 상기한 바와 같은 구성을 가지는 본 발명에 의한 3차원 특징점 기반 직접 교시 궤적 후보정 방법을 첨부된 도면을 참고하여 상세하게 설명한다.
도 1은 직접 교시 장치의 개략적 구성도 및 실시예 사진을 도시하고 있다. 도시된 바와 같이 직접 교시 장치(100)는, 적어도 하나 이상의 관절을 포함하는 로봇 팔을 포함하여 이루어진다. 사용자는 상기 직접 교시 장치(100)의 끝단(110) 부근을 잡고, 원하는 형태의 궤적을 따라 직접 움직여 줌으로서 궤적을 교시(teaching)하여 준다. 이렇게 직접 교시된 궤적이 기록되면, 상기 직접 교시 장치(100) 자체를 그 궤적에 따라 교시 궤적을 재현하도록 동작하게 하거나 또는 기록된 궤적을 다른 로봇에 이식시켜 교시 궤적을 재현하도록 동작하게 할 수 있다.
이 때, 앞서 설명한 바와 같이 직접 교시 궤적은 사람의 동작에 의하여 만들어지는 것이기 때문에, 사용자의 손떨림이나 실수 등에 의한 왜곡 및 노이즈가 상당히 발생한다. 본 발명에서는 바로, 직접 교시 장치를 이용하여 기록된 직접 교시 궤적을 후보정하여 줌으로써 직접 교시 궤적의 정밀도를 향상시키고자 한다.
본 발명의 3차원 특징점 기반 직접 교시 궤적 후보정 방법은, 기본적으로 교시 궤적의 형태에 기반하여 특징점들을 뽑아내고, 이를 통해 실제 측정값들보다 단순화되면서도 원래 교시하고자 하는 형태에 보다 가까운 교시 궤적을 산출한다. 도 2는 본 발명의 3차원 특징점 기반 직접 교시 궤적 후보정 방법의 흐름도를 간략히 도시하고 있다. 도 2를 참조하여 본 발명의 3차원 특징점 기반 직접 교시 궤적 후보정 방법을 보다 구체적으로 설명하자면, 3차원 위치 값 및 측정된 시간 값을 포함하여 이루어지는 기록된 교시 궤적 측정값에 대하여, 형태학적 특징을 가지는 형태 특징점들을 추출 및 정렬하는 특징점 추출 단계(S100); 상기 형태 특징점들로 이루어지는 세그먼트를 직선 또는 곡선으로 분류하여 교시 궤적을 보정하여 산출하는 궤적 산출 단계(S200); 를 포함하여 이루어진다.
여기에서 형태학적 특징이란 곡률 및 속도를 포함할 수 있다. 그 원리를 요약하여 설명하자면, 어떤 형태에 대하여 모서리 부근에서는 곡률 값은 (주변보다 상대적으로) 급격히 커지는 경향이 있으며 속도 값은 (주변보다 상대적으로) 급격히 작아지는 경향이 있다는 점을 이용하여, 곡률 및 속도를 기반으로 한 특징점들을 추출하고 이를 이용하여 교시 궤적을 보정하는 것이다. 이처럼 곡률 및 속도는 형태학적 변화에 대하여 상당히 강하고 뚜렷하게 특징적으로 변화하는 경향을 나타내기 때문에, 곡률 및 속도를 형태학적 특징으로서 사용할 수 있는 것이다. 그러나 물론 이처럼 형태학적으로 충분히 강한 경향을 나타낸다면, 곡률 및 속도가 아닌 다른 물리량을 형태학적 특징으로 잡아도 된다.
이후에서 상기 각 단계들에 대하여 보다 구체적으로 상세히 설명하되, 상기 단계들 이전에 먼저 수행되는 것이 바람직한, 교시 궤적 추출 단계 및 교시 궤적 선처리 단계에 대하여 먼저 설명한다.
도 3는 교시 궤적 측정값의 실시예를 도시하고 있다. 도 3(A)에 도시된 바와 같은 교시 대상물(teaching targer)에 대한 원하는 형태(target line)을 따라 사람이 직접 교시 장치를 잡고 교시를 수행하였을 때, 실제로 나타나는 교시 궤적 측정값은 도 3(B)에 도시된 바와 같이 상당히 부정확하게 나타난다. 또한 상기 교시 궤적 측정값은, 직접 교시 장치를 교시 대상물까지 다가가는 궤적(approaching trajectory), 직접 교시 장치가 교시 대상물의 실제 원하는 형태에 따라 움직이는 형태 궤적(shape trajectory), 직접 교시 장치는 교시 대상물로부터 들어내는 궤적(departing trajectory)이 모두 합쳐져 나타나게 된다. 도 3(B)에서 검정색 선으로 표시된 부분이 바로 다가가는 궤적 및 들어내는 궤적을 나타내는 것으로, 실질적으로 이러한 궤적들은 제거되는 것이 좋다.
이에 따라 상기 교시 궤적 후보정 방법은, 형태 궤적을 보정하기 이전(즉 상기 특징점 추출 단계(S100) 및 상기 궤적 산출 단계(S200) 이전)에 형태 궤적만을 뽑아내는 궤적 추출 단계를 더 포함하여 이루어지는 것이 바람직하다. 도 1을 참조하면 직접 교시 장치(100)의 끝단(110)에 교시 대상물에 접촉하였을 때의 접촉력을 측정하는 토크 센서(120)가 더 구비될 수 있다. 부연하자면, 직접 교시 장치(100)의 끝단(110)에 구비되는 토크 센서(120)는 상기 직접 교시 장치(100)의 끝단(110)이 교시 대상물에 접촉하였을 때의 접촉력을 측정하거나 또는 사람이 상기 직접 교시 장치(100)를 밀고 당길 때 발생하는 교시력을 측정하는 데 사용될 수 있는데(교시력은 직접 교시 시 상기 직접 교시 장치(100)의 로봇 팔 강성을 조절하는 데 사용된다.), 여기에서는 접촉력을 측정하여 이를 궤적 추출에 이용하고자 한다. 즉 상기 궤적 추출 단계는, 상기 토크 센서(120)가 접촉력을 측정하게 하고, 상기 토크 센서(120)에서 측정된 접촉력 값을 사용하여 교시 궤적의 시작점 및 끝점을 추출하도록 함으로써 구현될 수 있다.
상기 궤적 추출 단계를 보다 상세히 설명하면 다음과 같다. 일반적으로 상기 토크 센서(120)는 6축에 대한 접촉력을 측정하는데, 먼저 상기 토크 센서(120)에서 입력된 접촉력 중 x, y, z축에 대한 접촉력들의 합을 구한다. 다음으로 일단은, 미리 결정된 노이즈 판단 기준값 이상의 주파수를 가지는 고주파 노이즈를 제거한다. 이러한 고주파 노이즈는 일반적으로 센서 및 전자 회로 등에서 발생되는 노이즈로서, 실제로 사람의 움직임에 의하여 발생되는 것이 불가능한 정도의 값이다. 상기 노이즈 판단 기준값은 일반적으로 알려진 고주파 노이즈 값들을 참조하여 적절하게 결정될 수 있다.
이처럼 노이즈가 제거된 후, 최초로 접촉력이 발생하는 시점을 시작점으로 판단하고, 최후로 접촉력이 사라지는 시점을 끝점으로 판단하여, 시작점 이전 및 끝점 이후에 기록된 궤적 값을 제거한다. 즉 시작점 이전의 궤적 값은 도 3(B)에서의 다가가는 궤적(approaching trajectory)이 되고, 끝점 이후의 궤적 값은 도 3(B)에서의 들어내는 궤적(departing trajectory)이 되는 것이다. 이들을 제거하고 나면 형태 궤적만이 남게 되며, 이를 보정하여 궁극적으로 최종 교시 궤적을 산출하게 된다.
도 4는 교시 궤적 측정값의 선처리 실시예를 도시하고 있다. 실제로 직접 교시 과정에서 사람이 직접 교시 장치를 끌고 움직일 때, 사람이 항상 일정한 속도로 정확하게 움직일 수가 없으며, 예를 들어 어떤 위치에서 머뭇거리거나 하는 경우가 발생하는 것을 피할 수 없다. 교시 궤적 측정값은 앞서 설명한 바와 같이 3차원 위치 값 및 측정된 시간 값을 포함하여 이루어지기 때문에, 이러한 경우에 해당 지점(즉 사람이 머뭇거린 지점) 부근에서는 시간이 지나가더라도 거의 동일한 위치를 기록하고 있는 측정값이 과다하게 발생된다. 이러한 측정값들을 모두 사용하여 계산할 경우 계산량이 매우 많아지므로, 계산 시간이 많이 걸리고 계산 부하가 높아지는 등의 문제가 있다.
이에 따라 상기 교시 궤적 후보정 방법은, 형태 궤적을 보정하기 이전(즉 상기 특징점 추출 단계(S100) 및 상기 궤적 산출 단계(S200) 이전)에 이러한 과다 측정값들을 먼저 제거하여 처리해 주는 궤적 선처리 단계가 먼저 이루어지는 것이 바람직하다. 즉 궤적 선처리 단계는 상기 교시 궤적 측정값 중 사용자 교시 지연에 의하여 발생되는 과다 측정값을 제거하는 것인데, 이는 DPA(Douglas-Peuker Algorithm)을 사용함으로써 쉽게 구현할 수 있다. DPA를 간략히 설명하자면, 다수 개의 측정점들 중 어떤 기준값보다 먼 거리에 있는 측정점은 살리고, 가까운 거리에 있는 측정점은 버리는 방식으로 이루어지는 알고리즘으로, 1973년 더글러스 및 퓨커에 의하여 발표된 이래로 선-평활화(line-smoothing) 등에 널리 사용되고 있는 알고리즘이다.
앞서 설명한 바와 같이 종래에는 직접 교시 궤적을 보정함에 있어 선-평활화 정도의 처리가 수행되는 정도(본 발명에서는 상기 궤적 선처리 단계에 해당함)에 그쳤기 때문에 왜곡 및 훼손 정도가 상당하였다. 그러나 본 발명에서는 (이제 이하에서 구체적으로 설명될) 상기 특징점 추출 단계(S100) 및 상기 궤적 산출 단계(S200)를 통하여 직접 교시 궤적을 더욱 후보정하여 줌으로써, 교시 궤적의 정밀도를 비약적으로 향상시킨다.
첫째로, 상기 특징점 추출 단계(S100)에 대하여 설명한다. (이후에는 형태학적 특징이 곡률 및 속도인 것으로 하여 설명하겠으나, 물론 앞서 설명한 바와 같이 형태학적 특징이 다른 물리량일 수도 있으며, 이 경우에도 이후 설명되는 단계들과 유사한 단계들을 거쳐 보정이 이루어지도록 할 수 있다.) 상술한 바와 같이 상기 특징점 추출 단계(S100)는, 3차원 위치 값 및 측정된 시간 값을 포함하여 이루어지는 기록된 교시 궤적 측정값에 대하여, 곡률(curvature) 및 속도(velocity)를 기반으로 한 형태 특징점들을 추출하게 된다. 보다 상세히는, 상기 특징점 추출 단계는, 곡률에 대한 곡률 특징점 및 속도에 대한 속도 특징점을 미리 결정된 기준에 따라 선택적으로 추출하여 결정하는 곡률 및 속도 특징점 결정 단계(S110); 상기 결정된 곡률 및 속도 특징점들을 사용하여 형태 특징점을 미리 결정된 기준에 따라 선택적으로 추출 및 정렬하여 결정하는 형태 특징점 결정 단계(S120); 를 포함하여 이루어지게 된다.
상기 곡률 및 속도 특징점 결정 단계(S110)에 대하여 설명한다. 도 2를 참조하면, 상기 곡률 및 속도 특징점 결정 단계(S110)는 먼저 기본적으로 교시 궤적 측정값을 얻는 단계(S111) 이후에 진행되는데, 이 교시 궤적 측정값을 얻는 단계(S111)는 최초 직접 교시를 수행하면서 측정값을 얻는 단계만으로 될 수도 있고, 앞서 설명한 궤적 추출 단계(다가가는 궤적 및 들어내는 궤적 제거), 궤적 선처리 단계(과다 측정값 제거) 중 어느 하나 또는 둘 다의 단계도 포함되어 이루어질 수 있다.
교시 궤적 측정값을 얻으면(S111), 그 값은 측정 시간과 매칭되는 3차원 위치 값으로 나타난다. 따라서 위치 값들을 이용하여 곡률(curvature) 값을 산출하고(S112C), 위치 및 시간 값들을 이용하여 속도(velocity) 값을 산출한다(S112V).
다음으로, 상기 교시 궤적 측정값의 곡률 및 속도 값에 대한 가우시안 커널(gaussian kernel) 컨볼루션(convolution) 결과를 사용하여 후보 곡률 특징점들 및 후보 속도 특징점들 각각을 추출하게 된다(S113C, S113V). 하기의 수학식 1은 가우시안 커널을 나타내는 식으로서, f는 가우시안 커널, x는 측정값, σ는 편차(deviation), c는 상수를 나타낸다. 이러한 가우시안 커널 컨볼루션을 통한 스무딩(smoothing) 기법은 널리 알려져 있는 것이므로 상세한 설명은 생략한다.
Figure 112012018324814-pat00001
도 5는 여러 편차 값에 대하여 얻어진 곡률 및 속도 값에 대한 가우시안 커널 컨볼루션 결과를 도시하고 있다. 도 5에는 곡률(curvature), 곡률 역수(invert curvature), 속도(velocity), 속도 역수(invert velocity) 값들에 대한 결과들이 모두 도시되어 있는데, 앞서 설명한 바와 같이 곡률은 모서리 부근에서 급격히 커지며 속도는 모서리 부근에서 급격히 작아지는, 즉 서로 반대되는 경향을 가지므로, 둘 중 하나는 역수를 취해 주는 것이 보다 편리하다. 여기에서는 {곡률 / 속도 역수} 값을 사용하여 각각에 대한 특징점들을 산출하였으나, 물론 {곡률 / 속도 역수} 값을 사용하여도 되고, 또는 {곡률 / 속도} 값을 사용하거나 {곡률 역수 / 속도 역수} 값을 사용하여도 무방하다. 즉 위에서 '곡률 및 속도 값에 대한 가우시안 커널 컨볼루션 결과'란, 상술한 {곡률 / 속도 역수}, {곡률 역수 / 속도}, {곡률 / 속도}, {곡률 역수 / 속도 역수}, 이 네 가지 경우 중 어느 경우에 대한 것이든 무방하다. 이하에서는 {곡률 / 속도 역수}인 경우를 기준으로 설명하겠으며, 다른 경우를 선택할 경우 약간 달라지는 점이 있겠으나 기본 원리는 동일하므로 다른 경우에 대한 설명은 생략한다.
다음으로, 상기 편차 값을 변화시킴에 따른 후보 곡률 특징점들 및 후보 속도 특징점들 각각의 개수를 산출하고, 산출된 후보 곡률 특징점들 및 후보 속도 특징점들 각각의 개수 변화 추이에 따라 적정 편차(proper deviation) 값을 결정한다(S114C, S114V). 상기 편차(deviation) 값을 변화시켜 가면서 컨볼루션 결과를 구할 때, (상술한 바와 같이 {곡률 / 속도 역수}인 경우를 기준으로 하면) 상기 편차(deviation) 값이 커짐에 따라 특징점들의 개수는 점점 떨어지게 된다. 도 6은 편차에 따른 곡률 및 속도 특징점 개수 변화 추이를 도시하고 있는데, 상기 편차(deviation) 값이 커짐에 따라 어느 시점까지는 후보 곡률 특징점들 및 후보 속도 특징점들의 개수가 급격하게 떨어지다가, 어느 시점에서부터는 후보 곡률 특징점들 및 후보 속도 특징점들의 개수가 비교적 일정하게 유지되는 것을 알 수 있다. 바로 이 시점의 편차를 상기 적정 편차(proper deviation) 값으로 결정하는 것이다.
마지막으로, 상기 결정된 적정 편차(proper deviation) 값에서의 후보 곡률 특징점들 및 후보 속도 특징점들을 각각 곡률 특징점들 및 속도 특징점들로 결정(S115C, S115V)함으로써, 상기 곡률 및 속도 특징점 결정 단계(S110)가 완료된다.
상기 형태 특징점 결정 단계(S120)에 대하여 설명한다. 상술한 바와 같이 곡률 특징점 및 속도 특징점들을 구하였다 해도, 이 특징점들을 모두 사용하여 궤적을 산출하려고 할 때 여전히 계산량이 상당하여 궤적을 단순화하기에 어려움이 있다. 이에 따라, 곡률 특징점들과 속도 특징점들을 적절히 결합하여 형태 특징점을 선택 결정하는 것이다.
먼저, 곡률 특징점들 및 속도 특징점들 중 공통되는 공통 특징점들을 선택한다(S121). 도 7은 곡률 및 속도 특징점 결정 결과를 3차원적으로 도시하고 있는데, 이로부터 곡률 특징점들과 속도 특징점들 중 겹치는 점들이 있을 것을 잘 알 수 있다. 이처럼 공통 특징점들을 사용하여, 이웃하는 공통 특징점들을 서로 잇는 직선으로 형성되는 세그먼트(segment)들로 이루어지는 1차 궤적을 산출한다(S122). 상기 공통 특징점들은 모두 형태 특징점이 된다. 이 때, 좀더 궤적을 정밀하게 보정하기 위해서 다음과 같은 과정을 통해 형태 특징점들을 더 선정한다.
먼저, 상기 공통 특징점들에 해당되지 않는 곡률 특징점들 및 속도 특징점들 중 각각 최대값을 가지는 최대 곡률 특징점 및 최대 속도 특징점을 선택하고, 상기 최대 곡률 특징점 및 최대 속도 특징점 각각에 대하여, 특징점들에서의 교시 궤적 측정 위치점 및 상기 1차 궤적과의 수직 거리를 사용하여 계산되는 오차 값을 산출한다(S123). 또한, 상기 공통 특징점들에 해당되지 않는 나머지 곡률 특징점들 및 속도 특징점들(즉 공통 특징점 또는 최대 곡률/속도 특징점이 아닌 곡률/속도 특징점들) 각각에 대하여, 특징점들에서의 교시 궤적 측정 위치점 및 상기 1차 궤적과의 수직 거리를 사용하여 계산되는 오차 값을 산출한다(S124). 이처럼 공통 특징점이 아닌 곡률 특징점들 및 속도 특징점들이라 하여도 모두 최종 결정될 형태 특징점의 후보, 즉 후보 형태 특징점이 되게 한다. 하기의 수학식 2는 이 오차 값 산출 식으로서, Fi는 후보 형태 특징점을, ε은 오차를, s는 해당 후보 형태 특징점들에서의 교시 궤적 측정 위치점을, S는 교시 궤적 측정 위치값을, OD는 해당 후보 형태 특징점들에서의 교시 궤적 측정 위치점 및 상기 1차 궤적과의 수직 거리를 각각 나타낸다. 도 8은 교시 궤적 측정 위치점 및 1차 궤적과의 수직 거리 정의를 나타내고 있다.
Figure 112012018324814-pat00002
다음으로, 상기 오차 값들을 비교하여 보다 적은 오차 값을 갖는 후보 형태 특징점들을 추출 및 정렬한다(S125). 이 단계를 보다 상세하게 도시한 것이 도 9이다. 도 9를 참조하여 설명하면, 맨 먼저 최대 곡률 특징점 및 최대 속도 특징점에 대한 오차 값과, 어느 하나의 곡률 특징점 및 어느 하나의 속도 특징점(이 각각은 모두 후보 형태 특징점이 된다)에 대한 오차 값을 비교한다. 이 중 오차가 더 작은 특징점을 선택하고, 다음 곡률 특징점 및 다음 속도 특징점에 대하여 이 과정을 반복한다. 이와 같이 함으로써, 후보 형태 특징점들이 오차 값에 따라 정렬될 수 있다. 하기의 알고리즘 예시는 이러한 단계들을 구현하는 한 예로서, 도 9로 나타나는 흐름도를 따라 만들어진 알고리즘이다.
Figure 112012018324814-pat00003
다음으로, 상기 후보 형태 특징점들에 대한 상기 오차 값 변화 추이에 따라 적정 오차 값을 결정한다(S126). 도 10은 이와 같이 정렬된, 상기 후보 형태 특징점들에 대한 오차 값 변화 추이를 도시하고 있다. (도 6에 나타난 적정 편차 결정 과정에서와 유사하게) 상기 후보 형태 특징점들의 번호(feature number)가 커짐에 따라 어느 시점까지는 오차(error) 값이 급격하게 떨어지다가, 어느 시점에서부터는 오차 값이 비교적 일정하게 유지되는 것을 알 수 있다. 바로 이 시점의 오차를 상기 적정 오차 값으로 결정하는 것이다. 도 10의 예시에서, 오차 값 0일 때에도 상당히 많은 후보 형태 특징점들이 포함되므로 이를 적정 오차 값으로 결정하는 것이 바람직하다. 물론 적정 오차 값을 반드시 0으로 하지 않더라도, 충분히 오차 값이 적고 충분히 많은 후보 형태 특징점이 포함된다면 이러한 조건을 만족하는 오차 값을 적정 오차 값으로 결정할 수도 있다.
마지막으로, 상기 공통 특징점들과, 상기 결정된 적정 오차 값 이하에서의 곡률 특징점 및 속도 특징점들을 형태 특징점으로 결정(S127)함으로써, 상기 형태 특징점 결정 단계(S120)가 완료된다. 부연하자면, 앞서 설명한 바와 같이 상기 공통 특징점들은 선택됨과 동시에 형태 특징점으로 결정된 것이다. 또한 (공통 특징점에 해당하지 않는) 나머지 곡률 및 속도 특징점들을 후보 형태 특징점으로 하고, 이들 중에서 도 9 등과 같은 방법을 통해 적정 오차 값 이하인 것들을 더 찾아내어, 이들까지 모두 합쳐서 형태 특징점으로 결정하는 것이다.
둘째로, 상기 궤적 산출 단계(S200)에 대해 설명한다. 상술한 바와 같이 상기 궤적 산출 단계(S200)는, 상기 형태 특징점들로 이루어지는 세그먼트를 직선 또는 곡선으로 분류하여 교시 궤적을 보정하여 산출하게 된다. 도 11은 이와 같은, 상기 곡률 및 속도 특징점 결정 단계(S110) 및 상기 형태 특징점 결정 단계(S120)로 이루어지는 특징점 추출 단계(S100)를 통해 얻어진 형태 특징점들을 3차원적으로 도시한 것이다. 이제, 이 형태 특징점들을 적절하게 이어 줌으로써 교시 궤적을 산출할 수 있다.
먼저, 이웃하는 형태 특징점들을 서로 잇는 직선으로 형성되는 세그먼트(segment)들로 이루어지는 2차 궤적을 산출한다(S210). 다음으로, 이웃하는 형태 특징점들에 대하여, 하기의 수학식 3과 같이 상기 2차 궤적 세그먼트의 길이 값 및 상기 교시 궤적 측정점들로 이루어지는 곡선의 길이 값의 비(δ)를 산출한다(S220). 하기의 수학식 3에서, δ는 상기 비 값을, Lcurve는 이웃하는 형태 특징점들 사이에서의 상기 교시 궤적 측정점들로 이루어지는 곡선의 길이 값을, Lline은 이웃하는 형태 특징점들 사이에서의 상기 2차 궤적 세그먼트의 길이 값을 각각 나타낸다. 도 12는 직선-곡선 분류 원리를 도시하고 있다.
Figure 112012018324814-pat00004
다음으로, 미리 결정된 직선-곡선 판단 기준값(γ)에 따라 형태 특징점들 사이의 세그먼트를 직선 또는 곡선으로 분류한다(S230). 상기 직선-곡선 판단 기준값(γ)은 적절하게 미리 결정될 수 있는데, 바람직하게는 상기 직선-곡선 판단 기준값은 1 이상의 값으로 결정되는 것이 좋다(γ > 1). 보다 구체적으로는, 상기 수학식 3에 의해 구해진 비(δ) 값이 상기 직선-곡선 판단 기준값(γ) 이상이면(δ > γ) 상기 세그먼트를 곡선으로 분류하고, 그렇지 않으면 상기 세그먼트를 직선으로 분류한다.
마지막으로, 직선으로 분류된 세그먼트는 형태 특징점들을 서로 잇는 직선으로 결정되고(S241), 곡선으로 분류된 세그먼트는 베지어 곡선(bezier curve)으로 결정되는(S242) 직선-곡선 결정 단계(S240)가 이루어진 후, 이 결정에 따라 최종 교시 궤적이 산출됨으로써(S250) 모든 단계가 완료된다.
도 13은 이와 같은 궤적 산출 단계 완료 후 산출된 최종 교시 궤적을 도시하고 있다. 검정색으로 표시된 것이 교시 궤적 측정값이며, 빨간색으로 표시된 것이 상술한 바와 같은 후보정을 거쳐 산출된 최종 교시 궤적, 즉 교시 궤적 보정값이다. 도 13을 통해 본 발명의 방법을 통하여 훨씬 단순화되었으면서도 정확도가 높은 교시 궤적이 산출되었음을 알 수 있다.
도 14는 본 발명의 교시 궤적 후보정 방법에 의하여 산출된 교시 궤적의 다른 실시예들을 도시하고 있다. 교시 대상물이 직사각형인 경우 및 원형인 경우에 대하여 교시 궤적 측정값 및 교시 궤적 보정값이 나타나 있다. 앞서 설명한 바와 같이 종래에는 단순히 DPA를 사용하는 보정을 수행할 뿐이었던 바, 직사각형에 대해서는 오차가 0.25mm, 원형에 대해서는 오차가 0.19mm 정도로 나타났다. 그러나 본 발명의 방법을 사용하면, 직사각형에 대해서는 오차가 0.12mm, 원형에 대해서는 오차가 0.14mm 정도로 나타나, 평균적으로 30% 이상 교시 성능이 향상됨을 확인할 수 있었다.
본 발명은 상기한 실시예에 한정되지 아니하며, 적용범위가 다양함은 물론이고, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능한 것은 물론이다.
100: 직접 교시 장치
110: 끝단
120: 토크 센서

Claims (11)

  1. 적어도 하나 이상의 관절을 포함하는 로봇 팔을 포함하여 이루어진 직접 교시 장치를 이용하여 기록된 직접 교시 궤적을 보정하는 방법으로서,
    3차원 위치 값 및 측정된 시간 값을 포함하여 이루어지는 기록된 교시 궤적 측정값에 대하여, 곡률 및 속도를 포함하는 형태학적 특징을 가지는 형태 특징점들을 추출 및 정렬하는 특징점 추출 단계;
    상기 형태 특징점들로 이루어지는 세그먼트를 직선 또는 곡선으로 분류하여 교시 궤적을 보정하여 산출하는 궤적 산출 단계;
    를 포함하여 이루어지는 3차원 특징점 기반 직접 교시 궤적 후보정 방법.
  2. 삭제
  3. 제 1항에 있어서, 상기 특징점 추출 단계는
    곡률에 대한 곡률 특징점 및 속도에 대한 속도 특징점을 미리 결정된 기준에 따라 선택적으로 추출하여 결정하는 곡률 및 속도 특징점 결정 단계;
    상기 결정된 곡률 및 속도 특징점들을 사용하여 형태 특징점을 미리 결정된 기준에 따라 선택적으로 추출 및 정렬하여 결정하는 형태 특징점 결정 단계;
    를 포함하여 이루어지는 3차원 특징점 기반 직접 교시 궤적 후보정 방법.
  4. 제 3항에 있어서, 상기 곡률 및 속도 특징점 결정 단계는
    상기 교시 궤적 측정값의 곡률 및 속도 값에 대한 가우시안 커널(gaussian kernel) 컨볼루션(convolution) 결과를 사용하여 후보 곡률 특징점들 및 후보 속도 특징점들 각각을 추출하는 단계;
    편차 값을 변화시킴에 따른 후보 곡률 특징점들 및 후보 속도 특징점들 각각의 개수를 산출하고, 산출된 후보 곡률 특징점들 및 후보 속도 특징점들 각각의 개수 변화 추이에 따라 적정 편차(proper deviation) 값을 결정하는 단계;
    상기 결정된 적정 편차 값에서의 후보 곡률 특징점들 및 후보 속도 특징점들을 각각 곡률 특징점들 및 속도 특징점들로 결정하는 단계;
    를 포함하여 이루어지는 3차원 특징점 기반 직접 교시 궤적 후보정 방법.
  5. 제 3항에 있어서, 상기 형태 특징점 결정 단계는
    곡률 특징점들 및 속도 특징점들 중 공통되는 공통 특징점들을 선택하는 단계;
    이웃하는 공통 특징점들을 서로 잇는 직선으로 형성되는 세그먼트(segment)들로 이루어지는 1차 궤적을 산출하는 단계;
    상기 공통 특징점들에 해당되지 않는 곡률 특징점들 및 속도 특징점들 중 각각 최대값을 가지는 최대 곡률 특징점 및 최대 속도 특징점을 선택하고, 상기 최대 곡률 특징점 및 최대 속도 특징점 각각에 대하여, 특징점들에서의 교시 궤적 측정 위치점 및 상기 1차 궤적과의 수직 거리를 사용하여 계산되는 오차 값을 산출하는 단계;
    상기 공통 특징점들에 해당되지 않는 나머지 곡률 특징점들 및 속도 특징점들 각각에 대하여, 특징점들에서의 교시 궤적 측정 위치점 및 상기 1차 궤적과의 수직 거리를 사용하여 계산되는 오차 값을 산출하는 단계;
    상기 오차 값들을 비교하여 보다 적은 오차 값을 갖는 후보 형태 특징점들을 추출 및 정렬하는 단계;
    상기 후보 형태 특징점들에 대한 상기 오차 값 변화 추이에 따라 적정 오차 값을 결정하는 단계;
    상기 공통 특징점들과, 상기 결정된 적정 오차 값 이하에서의 곡률 특징점 및 속도 특징점들을 형태 특징점으로 결정하는 단계;
    를 포함하여 이루어지는 3차원 특징점 기반 직접 교시 궤적 후보정 방법.
  6. 제 1항에 있어서, 상기 궤적 산출 단계는
    이웃하는 형태 특징점들을 서로 잇는 직선으로 형성되는 세그먼트(segment)들로 이루어지는 2차 궤적을 산출하는 단계;
    이웃하는 형태 특징점들에 대하여, 상기 2차 궤적 세그먼트의 길이 값 및 상기 교시 궤적 측정점들로 이루어지는 곡선의 길이 값의 비를 산출하는 단계;
    미리 결정된 직선-곡선 판단 기준값에 따라 형태 특징점들 사이의 세그먼트를 직선 또는 곡선으로 분류하는 단계;
    직선으로 분류된 세그먼트는 형태 특징점들을 서로 잇는 직선으로 결정되고, 곡선으로 분류된 세그먼트는 베지어 곡선(bezier curve)으로 결정되어, 최종 교시 궤적이 산출되는 단계;
    를 포함하여 이루어지는 3차원 특징점 기반 직접 교시 궤적 후보정 방법.
  7. 제 1항에 있어서, 상기 직접 교시 장치는
    상기 직접 교시 장치의 끝단에 교시 대상물에 접촉하였을 때의 접촉력을 측정하는 토크 센서가 더 구비되는 3차원 특징점 기반 직접 교시 궤적 후보정 방법.
  8. 제 7항에 있어서, 상기 교시 궤적 후보정 방법은
    상기 특징점 추출 단계 및 상기 궤적 산출 단계 이전에,
    상기 토크 센서에서 측정된 접촉력 값을 사용하여 교시 궤적의 시작점 및 끝점을 추출하는 궤적 추출 단계;
    를 더 포함하여 이루어지는 3차원 특징점 기반 직접 교시 궤적 후보정 방법.
  9. 제 8항에 있어서, 상기 궤적 추출 단계는
    상기 토크 센서에서 입력된 접촉력 중 x, y, z축에 대한 접촉력들의 합을 구하는 단계;
    미리 결정된 노이즈 판단 기준값 이상의 주파수를 가지는 고주파 노이즈를 제거하는 단계;
    최초로 접촉력이 발생하는 시점을 시작점으로 판단하고, 최후로 접촉력이 사라지는 시점을 끝점으로 판단하여, 시작점 이전 및 끝점 이후에 기록된 궤적 값을 제거하는 단계;
    를 포함하여 이루어지는 3차원 특징점 기반 직접 교시 궤적 후보정 방법.
  10. 제 1항에 있어서, 상기 교시 궤적 후보정 방법은
    상기 특징점 추출 단계 및 상기 궤적 산출 단계 이전에,
    상기 교시 궤적 측정값 중 사용자 교시 지연에 의하여 발생되는 과다 측정값을 제거하는 궤적 선처리 단계;
    를 더 포함하여 이루어지는 3차원 특징점 기반 직접 교시 궤적 후보정 방법.
  11. 제 10항에 있어서, 상기 궤적 선처리 단계는
    DPA(Douglas-Peuker Algorithm)을 사용하여 과다 측정값을 제거하는 3차원 특징점 기반 직접 교시 궤적 후보정 방법.
KR1020120023054A 2012-03-06 2012-03-06 3차원 특징점 기반 직접 교시 궤적 후보정 방법 KR101330049B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020120023054A KR101330049B1 (ko) 2012-03-06 2012-03-06 3차원 특징점 기반 직접 교시 궤적 후보정 방법
US13/542,760 US8824777B2 (en) 2012-03-06 2012-07-06 Method of post-correction of 3D feature point-based direct teaching trajectory

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120023054A KR101330049B1 (ko) 2012-03-06 2012-03-06 3차원 특징점 기반 직접 교시 궤적 후보정 방법

Publications (2)

Publication Number Publication Date
KR20130101929A KR20130101929A (ko) 2013-09-16
KR101330049B1 true KR101330049B1 (ko) 2013-11-18

Family

ID=49114152

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120023054A KR101330049B1 (ko) 2012-03-06 2012-03-06 3차원 특징점 기반 직접 교시 궤적 후보정 방법

Country Status (2)

Country Link
US (1) US8824777B2 (ko)
KR (1) KR101330049B1 (ko)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10471666B2 (en) 2013-10-04 2019-11-12 Kanawha Automation, Llc Dynamic additive manufacturing system
JP6347595B2 (ja) * 2013-11-25 2018-06-27 キヤノン株式会社 ロボット制御方法、及びロボット制御装置
KR101661599B1 (ko) 2014-08-20 2016-10-04 한국과학기술연구원 하드웨어 한계를 고려하는 동작 데이터의 압축 및 복원을 이용한 로봇 동작 데이터 처리 시스템
DE102014224122B4 (de) * 2014-11-26 2018-10-25 Siemens Healthcare Gmbh Verfahren zum Betreiben eines robotischen Gerätes und robotisches Gerät
DE102015012959B4 (de) * 2015-10-08 2019-01-17 Franka Emika Gmbh Robotersystem und Verfahren zur Steuerung eines Robotersystems
JP6602688B2 (ja) * 2016-02-22 2019-11-06 株式会社東芝 軌道データ生成装置および軌道データ生成方法
JP2018176288A (ja) * 2017-04-03 2018-11-15 ファナック株式会社 ロボットの教示装置
CN108318581B (zh) * 2017-12-08 2020-12-18 中国兵器科学研究院宁波分院 一种不用装夹定位的圆弧面工件超声波c扫描自动检测方法
CN108436908A (zh) * 2018-03-02 2018-08-24 广州市盘古机器人科技有限公司 焊接轨迹工艺处理算法
US11292133B2 (en) * 2018-09-28 2022-04-05 Intel Corporation Methods and apparatus to train interdependent autonomous machines
CN109648560B (zh) * 2018-12-28 2021-01-22 深圳市越疆科技有限公司 工业机器人的空间轨迹过渡方法、系统及机器人
JP7273522B2 (ja) * 2019-01-25 2023-05-15 アズビル株式会社 教示装置及び教示方法
CN109961106B (zh) * 2019-04-18 2022-03-18 北京百度网讯科技有限公司 轨迹分类模型的训练方法和装置、电子设备
JP6826153B2 (ja) * 2019-05-07 2021-02-03 ファナック株式会社 ロボットの教示装置
TWI725630B (zh) 2019-11-21 2021-04-21 財團法人工業技術研究院 加工路徑生成裝置及其方法
CN111390971B (zh) * 2020-04-01 2022-11-29 伯朗特机器人股份有限公司 工业机器人轨迹准确性、重复度、速度特性的测量方法
CN111975786B (zh) * 2020-09-15 2021-11-05 珠海格力智能装备有限公司 机器人的开发方法及装置、计算机可读存储介质及处理器
JP2023117123A (ja) * 2022-02-10 2023-08-23 スズキ株式会社 塗装ロボットの動作プログラム生成システム、動作プログラム生成方法、および教示点生成装置
JP2024005429A (ja) * 2022-06-30 2024-01-17 セイコーエプソン株式会社 教示方法および教示装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1091225A (ja) * 1996-09-13 1998-04-10 Toshiba Corp ロボットのための画像処理プログラム自動生成方法、その装置およびロボットプログラム自動修正方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4453085A (en) * 1981-05-11 1984-06-05 Diffracto Ltd. Electro-optical systems for control of robots, manipulator arms and co-ordinate measuring machines
GB2146796B (en) * 1983-08-31 1986-12-17 Mitsubishi Electric Corp Method for controlling an industrial robot to perform weaving-like motion and apparatus for practising the same
JP2703767B2 (ja) * 1987-10-05 1998-01-26 株式会社日立製作所 ロボットの教示データ作成方法
JPH02262987A (ja) 1989-04-03 1990-10-25 Mitsubishi Heavy Ind Ltd ダイレクト教示方式ロボットの教示装置
JP2002172575A (ja) * 2000-12-07 2002-06-18 Fanuc Ltd 教示装置
KR100507118B1 (ko) 2002-12-17 2005-08-09 현대자동차주식회사 직접 교시장치 및 그 방법
JP4504228B2 (ja) 2005-03-01 2010-07-14 川崎重工業株式会社 ロボットの制御装置および制御方法
JP2006293442A (ja) * 2005-04-05 2006-10-26 Sony Corp 情報処理装置および方法、並びにプログラム
US20070075048A1 (en) * 2005-09-30 2007-04-05 Nachi-Fujikoshi Corp. Welding teaching point correction system and calibration method
KR101255948B1 (ko) * 2009-02-12 2013-04-23 고쿠리츠 다이가쿠 호진 교토 다이가쿠 산업용 로봇 시스템
KR20110062474A (ko) 2009-12-03 2011-06-10 대우조선해양 주식회사 교시점 정렬 비교를 통한 용접경로 설정방법
CN102762331A (zh) * 2010-02-18 2012-10-31 株式会社东芝 焊接装置以及焊接方法
KR101100108B1 (ko) 2010-02-26 2011-12-29 주식회사 엔티리서치 교시기구 및 이를 구비한 직접교시장치
JP5144785B2 (ja) * 2011-04-18 2013-02-13 ファナック株式会社 ロボットの着目部位と周辺物との干渉を予測する方法及び装置
JP5426722B2 (ja) * 2012-05-24 2014-02-26 ファナック株式会社 ロボットプログラム変更装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1091225A (ja) * 1996-09-13 1998-04-10 Toshiba Corp ロボットのための画像処理プログラム自動生成方法、その装置およびロボットプログラム自動修正方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
논문1.2011.6 *
논문2.2010 *

Also Published As

Publication number Publication date
US20130236050A1 (en) 2013-09-12
US8824777B2 (en) 2014-09-02
KR20130101929A (ko) 2013-09-16

Similar Documents

Publication Publication Date Title
KR101330049B1 (ko) 3차원 특징점 기반 직접 교시 궤적 후보정 방법
CN111633633B (zh) 具有自动化物体检测机构的机器人系统及其操作方法
US10083512B2 (en) Information processing apparatus, information processing method, position and orientation estimation apparatus, and robot system
JP5787642B2 (ja) 対象物保持装置、対象物保持装置の制御方法、およびプログラム
JP2021039795A5 (ko)
CN105740899A (zh) 一种机器视觉图像特征点检测与匹配复合的优化方法
US20130054025A1 (en) Information processing apparatus, control method for information processing apparatus, and recording medium
CN105509671A (zh) 一种利用平面标定板的机器人工具中心点标定方法
EP2891547A2 (en) Robot, control apparatus, robot system, and control method
Borum et al. State estimation and tracking of deforming planar elastic rods
CN104808490A (zh) 一种面向模具保护的基于回声状态网络估计图像雅克比矩阵的无标定视觉伺服控制方法
CN112109072B (zh) 一种大型稀疏特征托盘精确6d位姿测量和抓取方法
CN114474056A (zh) 一种面向抓取操作的单目视觉高精度目标定位方法
US11577386B2 (en) Gripping method, gripping system, and program
Chen et al. Pallet recognition and localization method for vision guided forklift
JP2017130067A (ja) 衛星映像の位置正確度改善のための自動映像処理システム及びその方法
CN105741295A (zh) 一种基于局部不变特征点的高分遥感影像配准方法
Ahmed et al. Non-metric calibration of camera lens distortion
CN117340909A (zh) 一种复合式移动智能机器人的标定和调试方法
KR101820241B1 (ko) 그리퍼를 이용한 물체의 움직임 추정 장치 및 그 방법
Nakhaeinia et al. Adaptive robotic contour following from low accuracy RGB-D surface profiling and visual servoing
Yu et al. Visual servo for fast glass handling by industrial robot with large sensor latency and low sampling rate
Kim et al. Contact-based pose estimation of workpieces for robotic setups
CN105513040B (zh) 不定形体位置推定方法、不定形体位置推定装置以及程序
JP6479513B2 (ja) 道路幅推定装置及び道路幅推定方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160907

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170907

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190909

Year of fee payment: 7