DOI QR코드

DOI QR Code

Robust and Efficient Measurement Using a 3D Laser Line Sensor on UGVs

UGV에서 3D 레이저 라인 센서를 이용한 강건하고 효율적인 이격 측정

  • Jiwoo Shin ;
  • Jun-Yong Park ;
  • Seoyeon Kim ;
  • Taesik Kim ;
  • Jinman Jung
  • 신지우 (인하대학교 전기컴퓨터공학과) ;
  • 박준용 (인하대학교 컴퓨터공학과) ;
  • 김서연 (인하대학교 인간중심컴퓨팅연구소) ;
  • 김태식 (홍익대학교 건설환경공학과) ;
  • 정진만 (인하대학교 컴퓨터공학과)
  • Received : 2024.09.05
  • Accepted : 2024.09.21
  • Published : 2024.09.30

Abstract

Excavation work in urban areas can induce ground deformation, which may damage nearby infrastructure. Such ground deformation can result in displacement of paving blocks near the construction site. Accurate measurement of these displacements can serve as an indicator for assessing the potential risks associated with ground deformation. This paper proposes a robust and efficient method for paving block displacement measurement using a 3D laser line sensor mounted on an Unmanned Ground Vehicle (UGV). The proposed method consists of two stages: 2D projection based object detection and measurement through the CPLF algorithm. Experimental results demonstrate that the CPLF algorithm is more efficient compared to the PLF algorithm, achieving an error of 1.36 mm and a processing time of 10.76 ms, confirming that the proposed method ensures robust online measurements with high accuracy in real-world environments with various types of paving blocks and environmental factors using a 3D laser line sensor on a UGV.

도심 지역에서의 굴착 작업은 지반 변형을 유발할 수 있으며, 이는 인근 인프라에 피해를 줄 수 있다. 지반 변형으로 인해 작업 현장 근처의 보도블록에 변위가 발생할 수 있다. 변위를 정확하게 측정하여 지반 변형의 잠재적인 위험을 평가하는 지표로 사용할 수 있다. 본 논문에서는 UGV에 장착된 3D 레이저 라인 센서를 이용한 강건하고 효율적인 보도블록 이격 측정 방법을 제안한다. 제안 방법은 2D 투영 기반 객체 탐지와 CPLF 알고리즘을 통한 측정의 두 단계로 구성된다. 실험 결과, CPLF 알고리즘이 PLF에 비해 효율적임을 확인했으며, CPLF 알고리즘이 1.36 mm의 오차와 10.76ms의 처리 시간을 보여 제안 방법이 다양한 유형의 보도블록과 환경적 요인이 존재하는 실제 환경에서도 UGV에서 3D 레이저 라인센서를 이용하여 강건한 온라인 측정을 보장하면서도 높은 정확성을 유지할 수 있음을 확인했다.

Keywords

Acknowledgement

이 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No. RS-2023-00252501, NRF-2022R1A4A1033549). 또한, 본 연구는 2024년 과학기술정보통신부 및 정보통신기획평가원의 SW중심대학사업의 연구결과로 수행되었음(2022-0-01127).

References

  1. R. G. Lins and S. N. Givigi, "Automatic crack detection and measurement based on image analysis," IEEE Transactions on Instrumentation and Measurement, Vol.65, No.3, pp.583-590, 2016.
  2. L. Zhang, F. Yang, Y. D. Zhang, and Y. J. Zhu, "Road crack detection using deep convolutional neural network," 2016 IEEE International Conference on Image Processing (ICIP), IEEE, pp.3708-3712, 2016.
  3. S. Zhao, F. Kang, and J. Li, "Non-contact crack visual measurement system combining improved u-net algorithm and canny edge detection method with laser rangefinder and camera," Applied Sciences 12, 10651, 2022.
  4. Z. Hou, K. C. Wang, and W. Gong, "Experimentation of 3d pavement imaging through stereovision," International Conference on Transportation Engineering 2007, pp.376-381, 2007.
  5. T. Cao, J. Hu, and S. Liu, "Enhanced edge detection for 3d crack segmentation and depth measurement with laser data," International Journal of Pattern Recognition and Artificial Intelligence, Vol.36, pp.2255006, 2022.
  6. J. Shin, T. Kim, Y. Jung, and J. Jung, "Fast and accurate measurement using a 3D laser line sensor on UGVs," The 2024 Korea Institute of ITS Spring Conference, pp.20-22, 2024.
  7. J. Shin., S. Kim., T. Kim. and J. Jung, "Automatic detection and measurement method for road block on UGVs," Proceedings of the 2023 International Conference on Research in Adaptive and Convergent Systems, pp.1-3, 2023)
  8. C. R. Qi, L. Yi, H. Su, and L. J. Guibas, "Pointnet++: Deep hierarchical feature learning on point sets in a metric space," Advances in Neural Information Processing Systems 30, 2017.