컨테이너 상하차 효율을 향상시키고 상하차 자동화를 실현하기 위해 단안 시각을 기반으로 딥러닝과 영상처리 알고리즘을 결합한 컨테이너 코너 자동 정렬 기술을 제안하였다. 단안 카메라로 촬영한 컨테이너 인양 작업 이미지를 연구 대상으로 삼아 코너 영역 특성을 분석하였다. 고해상도 이미지에서 코너가 차지하는 픽셀 비율이 낮은 문제를 해결하기 위해 "대략 위치 지정-정밀 분할" 처리 방법을 제시하였다. 이후 분할 결과를 바탕으로 핵심 특징점을 검출하고 2D-3D 점 쌍을 구축하여 L-M 알고리즘으로 자세 추정을 완료하였다. 마지막으로 실험실의 AUBO-i10 로봇 암 정렬 플랫폼에서 자동 정렬 실험을 수행하여 제안한 알고리즘의 유효성을 검증하였다. 실험 결과, 실험실 환경과 실제 시나리오에서 컨테이너 코너 검출 정확도 mAP 값이 모두 95% 이상에 도달했으며, 코너 분할 정밀도 mIoU 값은 각각 98.15%와 93.89%에 달해 원래 모델 SegFormer-B0보다 각각 1.24% 및 1.64% 향상되었고, 모델 계산량은 약 23.2% 감소하였다; 카메라가 컨테이너 코너에서 약 2m 떨어진 경우 정렬 위치 조준 오차는 1.0mm 미만이고 X, Y, Z 세 축에서 자동 정렬의 정렬 병진 절대 오차는 5.0mm 미만이며 회전 절대 오차는 0.5° 미만이었다. 결과는 본 논문에서 제안한 알고리즘이 정확하며 단일 코너 자동 정렬 요구 사항을 충족함을 증명하였다.

단안 시각;컨테이너;자동 정렬;목표 인식;자세 추정