1. 서 론

선박은 추진을 위한 메인엔진을 중심으로 발전기, 보일러 및 다양한 모터, 펌프 등의 보조기기들이 설치되어 있다. 선 박에 있는 기기들은 선박의 운항을 위해 중요한 요소들이기 때문에 선원들은 정기적으로 기기들을 점검하고 정비한다. 선원들은 기기의 정상상태를 판단하기 위해 기기의 소리, 외관상태, 압력 및 온도 등의 정보를 이용한다. 이런 정보는 기관실에 있는 Alarm Monitoring System(AMS)를 통해 센싱 된 디지털 정보를 확인하거나, 기기에 부착된 아날로그 게이지 를 이용하여 확인한다.

선원들은 기기 모니터링을 위해 정해진 시간마다 기관실 을 순찰하며 기기들의 정보를 아날로그 게이지를 통하여 확 인하고 로그북 또는 Unmanned Machinery Area(UMA) 체크리 스트에 기입한다. 과학 기술의 발달에 따라 디지털 정보를 통한 선박 자동화가 많이 진행되었지만, 정기적인 순찰에는 여전히 선원이 필요하며 순찰 중에 선원에게 발생할 수 있 는 모든 안전 위험은 물론 시간과 기회비용 또한 소모된다.

드론 또는 바퀴타입의 자율이동로봇을 이용하여 기관실 을 순찰하면 안전 위험은 물론 시간과 기회비용도 소모되지 않기 때문에 해결책으로 활발히 연구 중이다. 또한 자율이 동로봇을 이용하면 앞으로 다가올 무인화 선박에서 기관실 을 상태 점검하고, 점검 정보를 육상으로 보내주거나 또는 로봇 스스로 판단하여 선원을 대신하여 수리 및 정비 할 수 있는 대체 방안이 될 수 있다(Kim and Bae, 2023;Kim, 2022). 이러한 자율이동로봇들은 대부분 카메라와 연산장치를 장 착한다. 그래서 카메라를 통하여 아날로그 게이지의 이미지 를 입력 받고, 연산 장치를 이용하여 게이지를 판독하는 알 고리즘을 적용할 수 있다.

Alegria and Serra(2000)은 자동 아날로그 게이지 판독에 컴 퓨터 비전을 이용하였다. 알고리즘에는 이진화 및 세선화 연산을 적용하여 게이지의 바늘을 검출하고 엣지 검출을 통 해 스케일의 상하 한계지점을 검출하였다. Wang et al.(2013) 은 빠른 바늘 검출을 위해 최소 제곱법을 이용하였다. Chi et al.(2015)은 바늘의 강건한 검출을 위해 region growing method 기법을 이용하였으며, Belan et al.(2013)은 바늘의 검출을 위해 이진화 기법을 사용하지 않는 bresenham algorithm(Bresenham, 1965)을 사용하였다. 그러나 이러한 방법들은 아날로그 게이 지에서 바늘을 검출하고 스케일의 상하 한계지점의 검출은 양호하게 하였으나, 현재 아날로그 게이지가 가리키는 값을 읽지는 못한다는 한계점이 있었다. Li et al.(2020a)은 아날로 그 스케일의 최소값 및 최대값을 직접 입력해 주는 방법을 연구하였다. 하지만 사용자의 개입이 필요하다는 단점이 있 었다. Li et al.(2020b)은 Optical Character Recognition(OCR)을 적용하여 아날로그 게이지 스케일의 값을 자동으로 읽는 연 구를 하였다. 하지만 이 연구는 전체 게이지를 360〫로 분할 하여 OCR을 통해 검출된 스케일 값과 매칭하는 방식을 사 용하여 연산량이 많아 이미지 당 검출속도가 느려 실시간으 로 사용하기 힘들다는 단점이 있다.

본 연구에서는 자율이동로봇이 기관실 아날로그 게이지 를 카메라를 통하여 인식하고 기기정보를 확인 할 수 있도 록 이미지 처리를 이용하여 아날로그 게이지를 디지털화하 는 연구를 하였다. 또한 Li et al.(2020b) 연구의 많은 연산량 을 개선하기 위해 기존의 각도와 스케일값을 매칭하던 방식 을 수학적 수식을 이용한 방식으로 변경하였다. 이를 위해 아날로그 게이지의 원형을 인식하여 게이지의 중심점을 검 출하고, OCR을 이용하여 아날로그 게이지의 스케일을 검출 하였다. 그리고 현재 아날로그 게이지가 가리키는 지침을 검출하여 수식을 통해 스케일의 최소값부터 최대값의 각도 와, 최소값과 현재 지침의 각도를 구하고 이를 비례식을 통 해 현재 아날로그 게이지가 나타내는 값을 구하였다. 실제 선박 아날로그 게이지를 인식하고 정확히 값을 디지털화 하 는지를 통해 그 성능을 평가하였다.

2. 연구 방법

2.1 Analog gauge 및 지시값 연산

아날로그 게이지는 산업 전반에 사용하고 있다. 선박에서 는 원형 아날로그 게이지가 가장 일반적으로 사용이 되고 있다. 그래서 본 연구에서는 원형 아날로그 게이지를 대상 으로 연구를 진행하였다. Fig. 1은 원형 아날로그 게이지의 모습을 나타낸다. 아날로그 게이지는 360〫를 균등하게 분할 하여 지시값을 나타내고 있다. 그림에서는 0부터 160까지의 값을 균등하게 분할하고 있는 모습을 나타낸다. 현재 지시 값은 지침을 통해 나타낸다.

이런 사실에 기반하여 아날로그 게이지가 나타내는 현재 지시값을 확인하기 위해 비례적인 방법을 이용하고자 한다. 지시값의 최소값부터 최대값까지의 각도와 지시값의 최소 값부터 지침까지의 각도를 비례식을 통해 아날로그 게이지 가 나타내는 현재 값을 구할 수 있다. Fig. 2에서 파란색 삼 각형은 게이지의 중심점, 최소값 및 현재 지침이 나타내는 값을 연결하여 만든 삼각형이며, 빨간색 삼각형은 게이지의 중심점 최소값과 최대값을 연결하여 만든 삼각형이다. 각각 의 각도를 B와 A라고 할 때 현재 지시값을 수식으로 나태내 면 식(1)과 같다.

식(1)을 연산하기 위해서는 각도 A와 B를 구해야 한다. 각 도를 구하기 위해서는 삼각함수를 이용해야 한다. 각도를 구하는 식은 식(2)와 같으며, 식(2)의 a, b, c 및 A는 Fig. 3 삼 각형의 3 변의 길이 및 각도를 나타낸다.

식(2)을 연산하기 위해서는 Fig 3의 빗변 a, b 및 c의 길이 를 알아야 한다. 아날로그 게이지에서 지침과 숫자를 인식 하게 되면 원의 끝이 아닌 중간에 검출점이 형성이 되어 삼 각형이 불균형하게 된다. 이를 개선하기 위하여 원점과 검 출점을 지나고 원을 만나는 직선을 그릴 필요가 있다.

Fig. 4의 C점은 아날로그 게이지의 중심점이고, A점은 지 침 또는 지시값을 검출한 지점이다. 이 두점의 좌표를 알고 있으면 중심점과 A점을 지나면서 원의 호와 만나는 점인 B 점을 구할 수 있다. B점은 식(3)과 식(4)를 연립하여 x, y 값 을 구할 수 있다.

점 B와 C의 좌표를 알고 있으므로 C와 B를 연결하는 변 의 길이를 구할 수 있다.

2.2 Optical character reader

OCR(Smith, 2007)은 광학을 이용하여 문자를 인식하는 기 법이다. 이미지 처리에서는 카메라를 통해 얻은 이미지의 문자를 이미지 데이터에서 컴퓨터가 읽을 수 있는 텍스트 데이터로 변환한다. 근래에는 기계학습이나 인공지능과 결 합하여 성능이 기존보다 향상되고 있는 추세이다.

Fig. 5는 OCR을 통해 이미지 데이터의 문자를 텍스트 데 이터로 변경하는 과정을 보여준다. OCR은 이미지 데이터에 서 특징을 추출하여 문자가 있을 위치를 찾아내어 bounding box로 설정한다. 이 과정이 Fig. 5의 text detection 이고, 이렇 게 검출된 bounding box 안에 어떤 문자가 있는지를 인식하 여 최종적으로 문자를 텍스트 데이터로 출력한다. 문자를 인식하는 과정이 Fig. 5의 text recognition 과정이다. OCR은 약 100개의 언어와 숫자 등을 검출할 수 있다.

3. 실 험

3.1 실험 방법

Fig. 6은 아날로그 게이지를 디지털화 하는 실험 방법을 나타낸다. 아날로그 게이지 이미지는 카메라를 이용하여 획 득한다. 이미지 전처리는 이미지의 특징점을 추출하기 위한 과정이다. 전처리 과정을 통해 이미지의 특징들은 부각하고, 불필요한 부분들은 제거한다. 전처리된 이미지에서 아날로 그 게이지의 중심점, 지시값 및 지침을 검출하여 아날로그 게이지 지시값의 최소값부터 최대값까지의 각도와 최소값 부터 지침까지의 각도를 연산한다. 연산된 각도를 통해 비 율적으로 현재 지침이 나타내는 지시값을 연산할 수 있다.

3.2 이미지 처리

아날로그 게이지에서 원, 선등을 검출하기 쉽게 전처리를 하였다. Fig. 7은 이미지 전처리 과정을 나타낸다. (a)는 원본 이미지의 노이즈를 제거하기 위해 GaussianBlur를 사용한 이 미지이다. 게이지의 노이즈를 제거한 후 이진화를 통해 윤 곽선을 얻기 위해 이진화를 실시하였다. (b)는 이미지 전역 에 임계값을 적용한 이진화 방식을 보여준다. 임계값을 이 미지 전역에 적용하였기 때문에 이미지 영역의 음영이 다르 면 이진화 되어 나타냄을 확인할 수 있다. 그래서 정확한 윤 곽을 확인하기가 어렵다. 이를 개선하기 위해 이미지 영역 의 작은 영역별로 임계값을 적용하는 AdaptiveThreshold를 적 용하였다. (c)는 AdaptiveThreshold를 적용한 이미지이다. (c)는 (b)와 다르게 윤곽 검출이 잘 됨을 확인할 수 있다. 하지만 윤 곽이 뚜렷하지 못하다는 문제가 있어, morphological operation (Gonzalez and Woods, 2009)을 통해 (d)와 같이 윤곽선 및 문자 들을 명확하게 하였다.

Fig. 8은 전처리 과정이 끝난 후 지침과 원을 검출한 이미 지이다. (a)는 지침을 검출한 것으로 HoughLineP를 이용하였 다. HoughLineP는 이미지에서 직선을 검출한다. HoughLine을 이용하는 방법도 있으나 연산량이 많은 단점이 있어 본 연 구에서는 HoughLineP를 이용하였다. 아날로그 게이지 이미지 에서 직선 검출 시 지침뿐만 아니라 지침값을 나타내는 직선 까지 검출하였다. 이를 개선하기 위하여 검출되는 직선의 최 소길이를 설정하여 지침만 검출 되도록 하였다. (a)의 빨간점 은 검출된 지침의 두 직선이 만나는 점을 표시한 것으로 지 침의 끝과 일치한 것을 확인할 수 있다. (b)는 HoughCircle를 이용하여 원을 검출한 이미지이다. 아날로그 게이지에서 원 검출 시 다양한 원이 검출될 수 있다. 그래서 게이지의 외측 의 큰 원만 검출 되도록 원의 최소 반지름을 설정하였다. (b) 의 파란 원은 검출된 원, 빨간 원은 검출된 원의 중심점을 나타낸다. 즉, 빨간 원은 아날로그 게이지의 중심점으로 실 제 게이지의 중심점과 일치함을 확인할 수 있다.

Fig. 9는 아날로그 이미지에서 문자를 검출한 이미지이다. OCR을 이용하였으며, 모든 문자가 아닌 숫자만 검출하도록 설정하였다. 검출된 숫자 중 최대값과 최소값을 표시하였으 며, 숫자를 사각형으로 표시하고 사각형 중심을 빨간 원으 로 표시하였다. 만약 최대값이 3자리일 경우 중심값이 지시 값과 맞지 않아 뒤의 두자리 중심점을 표시하였다.

3.3 실험 결과

실험은 아날로그 이미지를 이미지 처리 알고리즘을 적용 하여 디지털화 하여 출력가능한지를 확인하였다. Fig. 10의 (a)는 Fig. 8과 Fig. 9의 결과를 병합한 이미지이다. 원의 중심 점과 Fig. 8과 Fig. 9의 빨간 점들을 지나는 직선은 식(3)과 (4)를 이용하여 구하였으며, 파란 직선으로 표시하였다. 직선 의 길이는 좌표값을 통하여 연산하였으며, 식(2)를 이용하여 각도를 구하였다. 각도는 소수점 1자리까지 연산하도록 하 였다. 0에서 160까지의 각도는 272.8〫이며, 0에서 지침까지의 각도는 55.1〫이다. 현재 지침이 나타내고 있는 값은 식(1)에 얻어진 각도를 대입하여 연산하였으며, 32.3〫라는 값을 얻었 다. Fig. 10의 (b)는 0에서 120까지의 각도는 267.5〫이며, 0에 서 지침까지의 각도는 65.7〫이다. 현재 지침이 나타내고 있 는 값은 식(1)에 얻어진 각도를 대입하여 연산하였으며, 29.4 라는 값을 얻었다. Fig. 10의 (c)는 0에서 120까지의 각도는 272.9〫, 0에서 지침까지는 36.1〫이며 현재지침은 15.8을 얻었 다. Fig. 10의 (d)는 0에서 80까지의 각도는 268.9〫, 0에서 지침 까지는 80.1〫이며 현재지침은 23.8을 얻었다. Fig. 10과 같이 다른 원형 아날로그 게이지들도 디지털화 시켰을 때 현재 지시값과 근사한 값을 출력함을 확인할 수 있었다.

4. 결 론

본 논문에서는 이미지 처리를 이용하여 아날로그 게이지 를 디지털화 하여 선박 기관실 순찰 로봇에 적용하기 위한 연구를 진행하였다. 아날로그 게이지는 이미지 GaussianBlur 를 통해 이미지상의 노이즈를 제거하고, 도형 및 문자 검출 을 위해 AdaptiveThreshold 및 morphological operation을 수행하 였다. HoughLineP와 HoughCircle을 통해 게이지의 중심점과 지침점을 검출하였으며, OCR을 이용하여 최대값 및 최소값 을 검출하였다. 검출된 점들을 연결하여 최소값부터 최대값 까지의 각도와 최소값부터 지침까지의 각도를 얻었다. 획득 한 각도를 수식을 통해 육안으로 확인 가능한 현재 지시값 과 근사한 결과를 얻을 수 있었다.

선박 기관실에는 메인 엔진을 비롯하여 발전기 및 다양한 보조기기들이 있으며, 각 기기들마다 다수의 아날로그 게이 지가 장착되어 있다. 선원들은 기기정보를 확인하기 위해 정기적으로 기관실을 순찰하고 있다. 아날로그 게이지를 디 지털화 하는 알고리즘을 자율이동로봇에 적용하여 정기적 인 순찰을 수행한다면 순찰 중 선원에게 발생할 수 있는 모 든 안전 위험은 물론 시간과 기회비용 또한 보전할 수 있을 것으로 기대된다.

현재 알고리즘은 원형 아날로그 게이지에 한하여 연구를 진행하였다. 하지만 아날로그 게이지의 모양은 사각형 및 다양한 형태를 가지고 있다. 다양한 형태의 아날로그 게이 지를 디지털화 하는 연구를 진행할 계획이다. 또한 자율이 동로봇 카메라의 보는 위치에 아날로그 게이지의 디지털화 된 값이 변할 수 있다. 이를 개선하기 위한 자율이동로봇 카 메라의 위치 조정에 관한 연구를 진행할 예정이다.