| 1 |
1
카메라를 통해서 탁구대에서 일측에서 타측으로 날아가는 탁구공의 위치시간정보를 연산하는 비전 시스템; 가이드레일을 따라서 움직이고, 탁구채를 이용하여 상기 탁구공을 일측으로 타격하도록 배치되는 로봇암; 상기 가이드레일에서 상기 로봇암의 위치와 상기 로봇암의 작동을 제어하는 로봇 제어기; 상기 탁구공의 위치시간정보를 미리 설정된 형태로 입력 받고, 이를 학습하여 상기 탁구공의 예상 위치시간정보를 연산하는 딥러닝부; 및 상기 비전 시스템 및 상기 딥러닝부와 정보를 송수신하고, 상기 비전 시스템에서 감지된 위치시간정보와 상기 딥러닝부에서 연산된 예상 위치시간정보를 통해서 상기 로봇 제어기를 제어하는 메인 컨트롤러; 를 포함하는 것을 특징으로 하는 딥러닝을 적용한 탁구 로봇 시스템
|
| 2 |
2
제 1 항에 있어서, 상기 메인 컨트롤러는, 상기 비전 시스템으로부터 입력된 탁구공의 위치시간정보로부터 상기 딥러닝부에서 연산된 예상 위치시간정보를 선택하고, 선택된 예상 위치시간정보를 기준으로 상기 로봇암이 상기 탁구공을 타격하도록 제어하는 것을 특징으로 하는 딥러닝을 적용한 탁구 로봇 시스템
|
| 3 |
3
제 2 항에 있어서, 상기 로봇 제어기는, 상기 가이드레일 상에서 상기 로봇암의 위치를 제어하는 레일 제어기; 및 상기 로봇암이 탁구공을 타격하도록 제어하는 암 제어기; 를 포함하는 것을 특징으로 하는 딥러닝을 적용한 탁구 로봇 시스템
|
| 4 |
4
제 2 항에 있어서, 상기 딥러닝부는 텐서플로우(tensorflow)를 이용한 학습을 적용하는 것을 특징으로 하는 딥러닝을 적용한 탁구 로봇 시스템
|
| 5 |
5
제 2 항에 있어서, 상기 비전 시스템은 탁구대의 일측 상부 및 타측 상부에 배치되는 제1, 2 카메라; 를 포함하는 딥러닝을 적용한 탁구 로봇 시스템
|
| 6 |
6
제 2 항에 있어서, 상기 메인 컨트롤러는 opencv 및 cuda를 활용한 gpu를 활용하여 상기 비전 시스템에서 촬영된 영상데이터를 처리하는 것을 특징으로 하는 딥러닝을 적용한 탁구 로봇 시스템
|
| 7 |
7
제 3 항에 있어서,상기 메인 컨트롤러는 raspberry pi의 i2c 통신을 통해서 상기 암 제어기를 제어하는 것을 특징으로 하는 딥러닝을 적용한 탁구 로봇 시스템
|
| 8 |
8
제 3 항에 있어서, 상기 메인 컨트롤러는 raspberry pi의 gpio pwm 통신을 통해서 상기 레일 제어기를 제어하는 것을 특징으로 하는 딥러닝을 적용한 탁구 로봇 시스템
|
| 9 |
9
제 2 항에 있어서, 상기 메인 컨트롤러는, 상기 비전 시스템으로부터 촬영된 데이터로부터 탁구공의 전체윤곽을 추출하고, 추출된 전체윤곽의 중심점을 연산하며, 이 중심점을 기준으로 탁구공의 위치시간정보를 연산하는 것을 특징으로 하는 딥러닝을 적용한 탁구 로봇 시스템
|
| 10 |
10
제 2 항에 있어서, 상기 메인 컨트롤러는, 상기 비전 시스템으로부터 촬영된 데이터에서, 렌즈 왜곡을 보정하기 위해서 fisheye 렌즈왜곡모델을 사용하는 것을 특징으로 하는 딥러닝을 적용한 탁구 로봇 시스템
|
| 11 |
11
제 2 항에 있어서, 상기 비전 시스템은 적어도 두 개의 카메라를 포함하고, 이들을 시간적으로 동기화 시키기 위해서 serializer 및 deserializer가 사용되는 것을 특징으로 하는 딥러닝을 적용한 탁구 로봇 시스템
|
| 12 |
12
제 2 항에 있어서, 상기 비전 시스템은 빛에너지를 조사하여 탁구공과의 거리를 감지하는 TOF(time of flight)방식을 이용한 것을 특징으로 하는 딥러닝을 적용한 탁구 로봇 시스템
|
| 13 |
13
제 2 항에 있어서, 상기 비전 시스템, 상기 메인 컨트롤러, 상기 딥러닝부, 및 상기 로봇 제어기 중에서 적어도 하나는 소켓통신을 이용하여 데이터를 송수신하는 것을 특징으로 하는 딥러닝을 적용한 탁구 로봇 시스템
|
