• 한국산업융합학회 논문집
• /
• 제25권3호
• /
• pp.341-347
• /
• 2022

This paper presents a comparison result of two simultaneous localization and mapping (SLAM) algorithms for navigation that have been proposed in literature. The performances of Extended Kalman Filter (EKF) SLAM under Gaussian condition, FastSLAM algorithms using Rao-Blackwellised method for particle filtering are compared in terms of accuracy of state estimations for localization of a robot and mapping of its environment. The algorithms were run using the same type of robot on indoor environment. The results show that the Particle filter based FastSLAM has the better performance in terms of accuracy of localization and mapping. The experimental results are discussed and compared.

• 한국정밀공학회지
• /
• 제28권10호
• /
• pp.1174-1180
• /
• 2011

Not all line or point features capable of being extracted by sonar sensors from cluttered home environments are useful for simultaneous localization and mapping (SLAM) due to their ambiguity because it is difficult to determine the correspondence of line or point features with previously registered feature. Confused line and point features in cluttered environments leads to poor SLAM performance. We introduce a sonar feature structure suitable for a cluttered environment and the extended Kalman filter (EKF)-based SLAM scheme. The reliable line feature is expressed by its end points and engaged togather in EKF SLAM to overcome the geometric limits and maintain the map consistency. Experimental results demonstrate the validity and robustness of the proposed method.

• 한국지능시스템학회논문지
• /
• 제20권4호
• /
• pp.463-468
• /
• 2010

미지의 영역에서 작업을 수행하고자 하는 이동로봇은 주변의 지도가 없을 뿐만 아니라 자신의 위치도 알 수 없다. 이러한 환경의 극복을 위해 가장 많이 쓰이는 방법이 SLAM(Simultaneous Localization And Mapping)이다. SLAM 분야에서 가장 많이 쓰이는 방법은 EKF (Extended Kalman Filter) 기반의 SLAM이다. 최적의 센서 융합 기법이지만 odometeric error 등을 보상하기 위해서는 복잡한 과정이 점차 증가하게 된다. 사람은 SLAM 방식을 이용하여 낯선 장소에서 마음속의 지도를 쉽게 작성하지만 로봇의 경우 SLAM을 수행하는 것은 매우 어렵고 시간이 오래 걸린다는 단점이 생기는 것이 다. 이러한 단점의 보완을 위하여 본 논문에서는 대칭모형 SLAM(M-SLAM)을 제안한다. M-SLAM은 대칭에 사용할 모형을 미리 정하고 센서로 받아들인 데이터를 모형과 비교하여 대칭된 모형을 맵에 적용시켜서 작업의 양을 줄이는 방법이다. M-SLAM은 적은 특징점을 이용하여 선택된 대칭 도형과의 유사성 판별을 이용하는 방법이므로 특징점이 적은 거리센서에 사용하기 적합한 특성을 가지고 있다고 할 수 있다. 특징점이 적어도 된다는 장점은 SLAM의 시간을 크게 줄여 줄수 있다.

• International Journal of Aeronautical and Space Sciences
• /
• 제11권2호
• /
• pp.98-109
• /
• 2010

This paper deals with a new method of unmanned aerial vehicle (UAV) recovery when a UAV fails to get a global positioning system (GPS) signal at an unprepared site. The proposed method is based on the simultaneous localization and mapping (SLAM) algorithm. It is a process by which a vehicle can build a map of an unknown environment and simultaneously use this map to determine its position. Extensive research on SLAM algorithms proves that the error in the map reaches a lower limit, which is a function of the error that existed when the first observation was made. For this reason, the proposed method can help an inertial navigation system to prevent its error of divergence with regard to the vehicle position. In other words, it is possible that a UAV can navigate with reasonable positional accuracy in an unknown environment without the aid of GPS. This is the main idea of the present paper. Especially, this paper focuses on path planning that maximizes the discussed ability of a SLAM algorithm. In this work, a SLAM algorithm based on extended Kalman filter is used. For simplicity's sake, a blimp-type of UAV model is discussed and three-dimensional pointed-shape landmarks are considered. Finally, the proposed method is evaluated by a number of simulations.

• 전기학회논문지
• /
• 제65권12호
• /
• pp.2094-2102
• /
• 2016

In this paper, we propose an extended Kalman filter(EKF)-based simultaneous localization and mapping(SLAM) method using laser corner pattern matching for mobile robots. SLAM is one of the most important problems of mobile robot. However, existing method has the disadvantage of increasing the computation time, depending on the number of landmarks. To improve computation time, we produce the corner pattern using classified and detected corner points. After producing the corner patterns, it is estimated that mobile robot's global position by matching them. The estimated position is used as measurement model in the EKF. To evaluated proposed method, we preformed the experiments in the indoor environments. Experimental results of proposed method are shown to maintain an accuracy and decrease the computation time.

• 한국전자통신학회논문지
• /
• 제7권2호
• /
• pp.391-399
• /
• 2012

본 논문에서는 파티클 필터 방법을 이용한 이동로봇의 SLAM(Simultaneous Localization and Mapping) 방법을 제안한다. 이동로봇의 SLAM은 지도가 주어지지 않는 환경에서 로봇 스스로 자신의 위치를 파악하는 것과 동시에 지도를 만드는 것이다. 제안된 방법은 로봇의 위치를 추정함과 동시에 특징점인 외부 비이컨들의 위치를 추정하는 방법을 다루고 있다. 특히 파티클 필터 방법을 적용하여 이동로봇과 특징점 위치를 파티클의 분포에 의해 확률적으로 표현한다. 제안된 SLAM방법은 이동로봇의 동작 뿐 아니라 특징점 위치의 불확실성을 고려한다. 따라서 매 샘플링 시각에 특징점의 위치 정보도 불확실성을 고려하여 예측되어진다. 제안된 방법의 성능을 시뮬레이션과 실험을 통하여 평가하였다. 제안된 방법은 비이컨으로 부터의 거리 정보에 불규칙한 잡음이 있는 환경에서도 실질적으로 사용가능한 지도 정보를 제공하였다. 또한 통상의 최소자승법이나 데드레크닝 방법에 비해서 보다 정확하고 강건하게 로봇의 위치를 추정하였다.

• 전자공학회논문지SC
• /
• 제45권6호
• /
• pp.149-156
• /
• 2008

SLAM(Simultaneous Localization and Mapping)은 무인 로봇 자동 항법시스템의 중요 기술로 센서 데이터로부터 로봇의 위치를 결정하고 기하학적 맵을 구성하는 것이다. 기존 방법으로는 초음파, 레이저 등의 거리 측정 센서를 이용해 로봇의 전역 위치를 찾는 방법과 스테레오 비전을 통한 방법이 개발되었다. 거리 측정 센서만으로 구성한 SLAM 시스템은 계산량이 간소하고 비용이 적게 들지만 센서의 오차나 비선형에 의해 정밀도가 조금 떨어진다. 이에 반해 스테레오 비전 시스템은 3차원 공간영역을 정확히 측정할 수 있지만 계산량이 많아 고사양의 시스템을 요구하고 스테레오 시스템 또한 고가이다. 따라서 본 논문에서는 단일 카메라 영상과 PSD(position sensitive device) 센서를 사용하여 SLAM을 구현하였다. 전방향의 PSD 센서로부터 일정 거리의 장애물을 감지하고 전면 카메라의 영상처리를 통해 장애물의 크기 및 특징을 감지한다. 위의 데이터를 통해 확률분포 SLAM을 구성하였고 실제 구현을 통해 성능검증을 하였다.

• 로봇학회논문지
• /
• 제9권4호
• /
• pp.197-205
• /
• 2014

As computer vision algorithms are developed on a continuous basis, the visual information from vision sensors has been widely used in the context of simultaneous localization and mapping (SLAM), called visual SLAM, which utilizes relative motion information between images. This research addresses a visual SLAM framework for online localization and mapping in an unstructured seabed environment that can be applied to a low-cost unmanned underwater vehicle equipped with a single monocular camera as a major measurement sensor. Typically, an image motion model with a predefined dimensionality can be corrupted by errors due to the violation of the model assumptions, which may lead to performance degradation of the visual SLAM estimation. To deal with the erroneous image motion model, this study employs a local bundle optimization (LBO) scheme when a closed loop is detected. The results of comparison between visual SLAM estimation with LBO and the other case are presented to validate the effectiveness of the proposed methodology.

• 한국해양공학회:학술대회논문집
• /
• 한국해양공학회 2006년 창립20주년기념 정기학술대회 및 국제워크샵
• /
• pp.339-346
• /
• 2006

Increased usage of autonomous underwater vehicle (AUV) has led to the development of alternative navigational methods that do not employ the acoustic beacons and dead reckoning sensors. This paper describes a simultaneous localization and mapping (SLAM) scheme that uses range sonars mounted on a small AUV. The SLAM is one of such alternative navigation methods for measuring the environment that the vehicle is passing through and providing relative position of AUV by processing the data from sonar measurements. A technique for SLAM algorithm which uses several ranging sonars is presented. This technique utilizes an unscented Kalman filter to estimate the locations of the AUV and objects. In order for the algorithm to work efficiently, the nearest neighbor standard filter is introduced as the algorithm of data association in the SLAM for associating the stored targets the sonar returns at each time step. The proposed SLAM algorithm is tested by simulations under various conditions. The results of the simulation show that the proposed SLAM algorithm is capable of estimating the position of the AUV and the object and demonstrates that the algorithm will perform well in various environments.

• 한국전자통신학회논문지
• /
• 제17권4호
• /
• pp.687-694
• /
• 2022

본 논문에서는 Visual 동시적 위치추정 및 지도작성(SLAM : Simultaneous Localization and Mapping)기술을 응용하여 실내에서 생성된 SLAM 맵을 기반으로 지정된 목적지에 물건을 배달하는 자율주행 차량 플랫폼을 제안하였다. 실내에서 SLAM 맵을 생성하기 위해 소형 자율주행 차량 플랫폼의 상단에 SLAM 맵 생성을 위한 심도 카메라를 설치하고 SLAM 맵 속에서의 정확한 위치추정을 하기 위해 추적 카메라를 장착하여 구현하였다. 또한, 목적지의 표찰을 인식하기 위해 합성곱 신경망(CNN : Convolutional neural network)을 사용하여 목적지에 정확하게 도착할 수 있도록 주행 알고리즘을 적용하여 설계하였다. 실내 배송 자율주행 차량을 실제로 제작하였고 SLAM 맵의 정확도 확인과 CNN을 통한 목적지 표찰 인식 실험을 수행하였다. 결과적으로 표찰 인식의 성공률을 향상시켜 구현한 실내 배송용 자율주행 차량의 활용 적합성 여부를 확인하였다.