관절 데이터 기반 사람 동작 분류 모델 및 자세 위험성 평가 시스템

Abstract

제조산업은 제조공정의 자동화를 도입하여 인건비 절감, 생산성 향상, 작업자 안전성 확보 등의 문제를 해결하기 위해 노력해왔다. 최근 들어 완전 자동화를 지향하는 산업용 로봇의 기술적, 경제적 단점을 보완하기 위해 작업자와 함께 작업하는 협동로봇 도입이 가속화되고 있다. 로봇과 작업자가 유기적으로 협업하기 위해서는 로봇이 사람의 동작을 인식하고 작업자의 다음 동작을 예측할 필요가 있다. 인공지능 기술의 발전에도 불구하고 정면과 측면에서 수집한 동작데이터를 기반으로 한 유사동작분류에서는 일관성이 상대적으로 낮다. 본 연구에서는 모션 캡쳐 장비에서 수집한 정면 및 측면 움직임에 대한 신체 관절 데이터의 인식 및 분류 정확도를 향상시킬 수 있는 각도데이터로의 변환 방법을 제시한다. 또한 이를 이용하여 변환된 신체관절데이터를 기반으로 작업자의 위험 자세 평가를 제안한다.

The modern manufacturing industry faces various challenges of reducing labor costs, increasing productivity, and securing worker safety. For decades, much effort has been taken to solve these problems by introducing automation of the manufacturing process. Technical and economic limitations induced by fully automated processes employing industrial robots have brought the need of introducing collaborative robots. In order for robots and human operators to collaborate in manufacturing systems, it is desirable for the robot to be able to recognize human motions and to predict the subsequent motions. In spite of advances in classification techniques, the approaches based on motion data collected from the front and the side have suffered from relatively low consistency in classifying similar motions. In this study, we propose a model using angular transformation that can improve accuracy in recognition and classification of human joint data of frontal and lateral motions collected by motion capture equipment. Furthermore, a risk assessment of operators posture is presented based on the transformed human joint data.