• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 춘계학술발표대회
• /
• pp.312-315
• /
• 2012

이 논문은 한 대의 모바일 로봇의 모션 계획 알고리즘인 Bug1과 Bug2를 개선한 알고리즘을 제안한다. 장애물이 있는 환경에서 목표지점까지 도달하기 위한 경로 계획 알고리즘으로 Bug1과 Bug2가 제안되었지만, 이 두 알고리즘은 모두 장애물 형태에 따라 탐사 시간이 오래 걸릴 수 있다는 단점이 있다. Bug2 알고리즘은 Bug1 알고리즘을 개선한 형태로 제안되었지만 심지어 극적적인 경우에는 무한 루프에 빠진다는 단점이 있다. 이 논문에서는 이러한 단점을 해결하기 위해 한 쌍의 모바일 로봇을 이용한 병렬 탐색 PBug1, PBug2 알고리즘을 제안한다. 제안된 PBug1과 PBug2 알고리즘은 각각 Bug1과 Bug2의 속도를 보장하며 일반적으로 빠른 탐사시간을 보인다. 측히 PBug2 알고리즘은 Bug2와 달리 무한루프에 빠지는 경우가 없다. 제안된 알고리즘의 성능을 평가하기 위해 PBug1, PBug2 알고리즘을 구현하여 Bug1, Bug2 알고리즘과 비교하였다. 실험결과 PBug1 알고리즘은 Bug1 알고리즘보다 탐사 시간이 64.9%로 감소하였고 PBug2 알고리즘은 Bug1 알고리즘과 비슷한 탐사 시간을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 춘계학술발표대회
• /
• pp.291-294
• /
• 2012

본 논문에서는 주어진 환경에 대한 정보가 충분하지 않은 상황에서 지능형 에이전트에게 요구되는 스스로의 위치를 파악하기 위해 로봇이 자신의 위치 추정과 동시에 주위 환경을 인식하여 주변 지도를 작성하는 방법을 제안한다. 이동 로봇의 위치를 추정하기 위해 센서 측정값을 통해 계산된 결과 값을 파티클 필터에 적용하며 로봇의 환경 지도 작성을 위해 점유 격자 지도 방법을 사용한다. 이 두 방법을 병합하여 동시적 위치 추정 및 지도 작성 문제에 적용하여 시스템을 설계 및 구현해보고 실험결과를 소개한다.

• 전기학회논문지
• /
• 제68권1호
• /
• pp.182-188
• /
• 2019

Autonomous mobile robots need SLAM (simultaneous localization and mapping) to look for the location and simultaneously to make the map around the location. In order to achieve visual SLAM, it is necessary to form an algorithm that detects and extracts feature points from camera images, and gets the camera pose and 3D points of the features. In this paper, we propose MPROSAC algorithm which combines MSAC and PROSAC, and compare the performance of optimization method and the filtering method for feature-based monocular visual SLAM. Sparse Bundle Adjustment (SBA) is used for the optimization method and the extended Kalman filter is used for the filtering method.

• 로봇학회논문지
• /
• 제14권1호
• /
• pp.8-13
• /
• 2019

Visual place recognition is widely researched area in robotics, as it is one of the elemental requirements for autonomous navigation, simultaneous localization and mapping for mobile robots. However, place recognition in changing environment is a challenging problem since a same place look different according to the time, weather, and seasons. This paper presents a feature extraction method using a deep convolutional auto-encoder to recognize places under severe appearance changes. Given database and query image sequences from different environments, the convolutional auto-encoder is trained to predict the images of the desired environment. The training process is performed by minimizing the loss function between the predicted image and the desired image. After finishing the training process, the encoding part of the structure transforms an input image to a low dimensional latent representation, and it can be used as a condition-invariant feature for recognizing places in changing environment. Experiments were conducted to prove the effective of the proposed method, and the results showed that our method outperformed than existing methods.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 추계학술대회
• /
• pp.635-637
• /
• 2016

본 연구는 같은 로봇 교구에 다른 프로그래밍 도구를 적용하였다. 로봇은 레고 마인드스톰 NXT을 활용하였다. 프로그래밍 도구는 일반적인 블록 프로그래밍 도구로는 NXT-G를 사용하였고, 시뮬레이션 프로그래밍 도구로는 MSRDS를 사용하였으며, 모바일 프로그래밍 도구로는 앱 인벤터(App Inventor)를 사용하였다. 위 3가지 프로그래밍 도구에 따라 학습들의 흥미와 학습효과를 이끌어 낼 수 있다.

• 로봇학회논문지
• /
• 제16권2호
• /
• pp.122-129
• /
• 2021

For the Simultaneous Localization and Mapping (SLAM) problem, a different path results in different SLAM results. Usually, SLAM follows a trail of input data. Active SLAM, which determines where to sense for the next step, can suggest a better path for a better SLAM result during the data acquisition step. In this paper, we will use reinforcement learning to find where to perceive. By assigning entire target area coverage to a goal and uncertainty as a negative reward, the reinforcement learning network finds an optimal path to minimize trajectory uncertainty and maximize map coverage. However, most active SLAM researches are performed in indoor or aerial environments where robots can move in every direction. In the urban environment, vehicles only can move following road structure and traffic rules. Graph structure can efficiently express road environment, considering crossroads and streets as nodes and edges, respectively. In this paper, we propose a novel method to find optimal SLAM path using graph structure and reinforcement learning technique.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• pp.1418-1421
• /
• 2010

이동형 서비스 로봇의 위치인식 기능은 성능평가시 중요한 평가척도의 하나로써 이용된다. 서비스 로봇이 다양한 작업을 수행하기 위해 여러 장소를 이동하게 되므로, 얼마나 정확하고 빠르게 위치인식을 하는 것이 로봇의 종합적인 성능에 큰 영향을 미치기 때문이다. 이를 위해 로봇은 영상이나 다양한 거리 센서를 활용하여 위치인식의 성능향상을 도모하고 있다. 그럼에도 불구하고 현재 영상기반의 위치인식 성능평가 방법과 관련한 표준이 없으며, 개별적인 성능평가만 시행되고 있다. 이에 우리는 이 논문을 통하여 전(前)방향 영상기반의 위치인식 알고리즘 성능평가 방법과 평가척도를 제안한다. 제안된 위치인식 알고리즘 성능평가 방법은 현재 지능형로봇 표준포럼의 표준으로 채택되었으며, 이를 통해 앞으로 영상기반 위치인식 알고리즘을 평가하고 개발하는데 기준 역할을 할 수 있을것으로 기대된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 춘계학술발표대회
• /
• pp.754-757
• /
• 2009

본 논문에서는 휴대 단말을 소지한 사용자가 재난 발생시 구조자로부터 접근이 용이하지 않을 때, 구조자 대신 인명을 찾는 다수의 로봇이 효율적인 탐색을 할 수 있도록 target space(재난 발생 영역)를 각 노드의 통신 범위를 기반하여 셀 단위로 분할한다. 각 노드가 동일한 방향으로 탐색하는 비효율성을 개선하기 위해 셀에서 방향을 설정해 각 노드가 탐색하며, 여러 셀을 묶어 노드들의 탐색범위를 분할하는 방법을 제안한다. 탐색에 참여하는 노드들의 협동 방법으로는 모바일 환경에서의 효율적인 Peer-to-Peer 시스템으로 제안된 double-layered topology 를 기반으로 노드들을 구성하여 super peer 를 통해 맵 정보, 장애물정보, 위험지역 정보를 구조자의 요청에 따라 응답하여 인명을 구조하는 방법을 제안한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.319-322
• /
• 2011

본 논문에서는 스마트 폰과 가정 내의 이동 로봇을 결합하여, 스마트 폰 사용자가 이동 로봇을 통해 원격으로 가정의 수상한 침입자나 거동이 불편한 노약자 혹은 어린 아이들을 살펴볼 수 있도록 개발된 지능형 감시 시스템의 설계와 구현에 대해 소개한다. 이동 로봇의 제한적인 인식 능력과 계산 능력을 고려하여, 이동 로봇의 완전한 자율성에만 의존하여 감시 작업을 수행하지 않고, 사용자와 로봇의 혼합 제어 방식으로 감시 로봇을 제어하도록 설계하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 추계학술발표대회
• /
• pp.587-590
• /
• 2011

고정형 센서노드들로 구성된 기존의 무선 센서 네트워크는 다양한 응용분야에서 사용되고 있다. 하지만, 센서노드에 이동기능이 추가되면 적절한 움직임을 통해 센싱 영역을 최대화 할 수 있다. 이러한 측면에서 최근 센서의 자율배치에 관련한 연구가 활발하게 진행 중이다. 기존 연구에서의 센서 이동은 대부분 2차원에서의 자율배치에 관하여 연구가 되어 왔다. 본 논문에서는 2차원에서의 자율배치가 아닌 3차원 공간에서의 센서노드의 자율배치에 대한 알고리즘과 이의 결과를 제시한다.