시각 인식 기반 휴머노이드 로봇 제어 시스템

초록

본 논문은 PC 기반 제어와 실시간 상태 피드백을 결합한 휴머노이드 로봇 시스템을 제안한다. 로봇의 기본 동작 프리미티브를 조합해 복합 행동을 구현하고, 외부 환경 인식을 위해 랜덤화 허프 변환(RHT)과 결과 클러스터링을 이용한 타원 검출 알고리즘을 적용한다. 전처리 단계에서 잡음 감소, 그레이스케일 변환, 에지 검출, 이진화를 수행한 뒤 타원을 검출하고, 최종적으로 클러스터링을 통해 중복 검출을 정제한다.

상세 요약

본 연구는 두 가지 핵심 기술을 통합한다. 첫 번째는 휴머노이드 로봇의 동작 제어 프레임워크로, PC와 로봇 간 양방향 통신을 통해 로봇의 현재 관절 각도, 속도, 센서값 등을 실시간으로 수집하고, 이를 기반으로 고수준 명령을 전송한다. 명령은 기본 동작 프리미티브(예: 팔 올리기, 다리 구부리기)를 조합해 시퀀스 형태로 정의되며, 스크립트 기반 프로그래밍이 가능하도록 설계돼 복잡한 행동을 손쉽게 구현한다. 이때 로봇 상태 피드백은 타이밍 정확도와 안정성을 확보하기 위해 UDP와 TCP를 혼용한 하이브리드 프로토콜로 전송된다.

두 번째 핵심은 비전 인식을 위한 타원 검출 알고리즘이다. 기존 허프 변환은 매개변수 공간이 5차원(타원 중심 x, y, 장축 a, 단축 b, 회전 θ)이라 연산량이 급증하지만, 랜덤화 허프 변환(RHT)은 무작위 샘플링을 통해 후보 파라미터를 효율적으로 추출한다. 논문에서는 에지 이미지에서 3개의 점을 무작위로 선택해 타원 파라미터를 계산하고, 누적 버퍼에 투표한다. 투표 수가 임계값을 초과하면 후보 타원으로 인정한다.

하지만 RHT만으로는 동일 타원이 여러 번 검출되거나 잡음에 의해 가짜 타원이 생성될 수 있다. 이를 해결하기 위해 결과 클러스터링을 도입한다. 검출된 타원 파라미터를 5차원 벡터로 간주하고, 유클리드 거리 기반 DBSCAN 알고리즘을 적용해 밀집된 군집을 형성한다. 각 군집의 중심을 최종 타원 파라미터로 선택함으로써 중복 검출을 제거하고, 잡음에 강인한 결과를 얻는다.

전처리 단계는 전체 파이프라인의 성능에 큰 영향을 미친다. 가우시안 필터를 이용한 잡음 감소 후, Sobel 연산자를 통해 에지를 추출하고, Otsu 방법으로 이진화한다. 이 과정에서 에지 연속성을 유지하면서도 작은 잡음 픽셀을 효과적으로 제거한다.

시스템 통합 측면에서, 비전 모듈은 별도의 스레드에서 실행돼 로봇 제어 루프와 비동기적으로 동작한다. 검출된 타원 정보는 로봇의 작업 공간 매핑에 활용돼, 예를 들어 원형 물체를 잡거나, 원형 패턴이 있는 바닥을 인식해 이동 경로를 수정한다. 이러한 구조는 모듈 간 결합도를 낮추어 확장성을 확보한다.

전체적으로 본 논문은 로봇 제어와 비전 인식을 효율적으로 결합한 시스템 아키텍처를 제시하고, RHT와 클러스터링을 통한 실시간 타원 검출 방법을 검증한다. 실험 결과는 잡음이 많은 실내 환경에서도 평균 92% 이상의 검출 정확도와 30 fps 이상의 처리 속도를 보여, 실시간 응용에 충분히 적합함을 입증한다.