재고 탐색과 인식이 가능한 인공지능 드론을 활용한 재고 관리 플랫폼
드론 촬영 이미지 내 QR코드 세그멘테이션 기반 탐지·인식 및 3D 위치 추정 알고리즘 연구 개발
기간: 2020.12 - 2023.02 · 주관: Ministry of Trade, Industry and Energy, Korea
배경 및 개요
국내외 드론 시장 규모가 급격히 증가하는 가운데, 드론을 활용한 재고 관리 기술은 대부분 실내 환경으로 한정되어 있었고 실외의 다양한 노이즈 환경에서의 알고리즘 안정성은 검증되지 못한 상태였습니다. 이 프로젝트는 실외 야적장을 탐색해 재고를 인식하는 방법과, 그 핵심이 되는 재고 인식 모듈의 개발에 중점을 두었습니다.
담당 업무: 이미지 내 QR코드 인식 알고리즘 개발
야외 환경에서 촬영된 QR코드 이미지는 기하학적 왜곡이 빈번하게 발생합니다. 이 왜곡을 보정하려면 QR코드의 외곽선 정보가 필요했기 때문에, 세그멘테이션 모델을 활용해 QR코드 영역을 먼저 획득하고, 이 영역을 기반으로 꼭짓점과 외곽선을 검출한 뒤 정사영 변환을 수행하는 파이프라인을 구성했습니다.
세그멘테이션 모델 비교
여러 Encoder-Decoder 조합으로 QR코드 세그멘테이션 성능을 비교했습니다.
| Decoder | Encoder | IoU | Decoding Rate |
|---|---|---|---|
| U-Net | ResNet101 | 0.9869 | 98.71% |
| U-Net++ | ResNet101 | 0.9894 | 98.71% |
| PSPNet | ResNet101 | 0.9798 | 85.91% |
| DeepLabv3 | ResNet101 | 0.9815 | 91.77% |
| DeepLabv3+ | ResNet101 | 0.9736 | 97.82% |
| U-Net | Xception | 0.9890 | 98.81% |
| U-Net++ | Xception | 0.9898 | 99.07% |
| PSPNet | Xception | 0.9544 | 75.87% |
U-Net++와 Xception 인코더 조합이 IoU와 디코딩률 모두에서 가장 우수한 결과를 보였습니다.
연구 성과
이 연구 결과를 바탕으로 국내 학술대회 1건, 국외 학술대회 발표 1건을 달성했습니다. 드론과 QR코드 세그멘테이션 모델을 기반으로 한 3D 위치 추정 방법론은 다음 논문으로 정리해 발표했습니다 (Yoon et al., 2021).
References
2021
- SSRR 20213D position estimation of drone and object based on QR code segmentation model for inventory management automationIn 2021 IEEE International Symposium on Safety, Security, and Rescue Robotics (SSRR), Oct 2021