• 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.

• 한국지능시스템학회논문지
• /
• 제20권1호
• /
• pp.60-65
• /
• 2010

본 논문은 모바일 로봇에 장착된 스테레오 카메라의 영상에서 주변 환경에 대한 지도를 작성하기 위해 특징 검출 및 매칭 그리고 2D 지도 작성의 결과를 기술한다. 영상의 특징을 추출하는 방법은 실시간으로 프로세싱하기 위해서 빠른 연산이 가능한 에지 검출과 차 영상을 이용한 특징을 스테레오 매칭 기법을 통해 상관계수를 구할 수 있다. 이동 로봇의 위치를 추정하기 위해 ZigBee를 이용한 비컨과 로봇에 장착된 엔코더를 칼만 필터를 통해 추정한다. 또한 방위를 측정할 수 있는 자이로 센서를 병합하여 모바일 로봇이 이동하면서 지도를 작성할 수 있게 한다. 이는 이동 로봇의 SLAM 기술과 더불어 지능형 로봇이 인간 생활에서 효과적으로 적용될 수 있는 기반이 될 것이다.

• 한국항행학회논문지
• /
• 제19권2호
• /
• pp.133-139
• /
• 2015

이 논문에서는 영상정보를 기반으로 한 무인 시스템의 자율 항법기술에 대한 동향을 요약한다. 영상기반 항법기술로는 비주얼 서보잉, 비주얼 오도메트리, 영상 기반 SLAM(simultaneous localization and mapping)이 있다. 비주얼 서보잉은 목표 이미지와 현재 이미지 사이의 피쳐 차이로부터 원하는 속도 입력을 계산하여 무인 로봇을 목표 자세로 유도하는 데 사용된다. 비주얼 오도메트리는 무인 시스템이 영상정보를 바탕으로 자신의 이동 궤적을 추정하는 기술로, 기존의 dead-reckoning 방식보다 정확성을 향상시킬 수 있다. 영상 기반 SLAM은 무인 시스템이 영상 정보를 활용하여 미지의 환경에 대한 지도를 구축함과 동시에 자신의 위치를 결정해 나가는 기술로, 정확히 알지 못하는 환경에서 무인차량이나 무인기를 운용하는데 필수적이다. 이러한 기술들이 적용된 해외의 연구 사례들을 살펴봄으로써 영상기반 항법기술의 동향을 파악할 수 있었다.

• 전자공학회논문지SC
• /
• 제48권1호
• /
• pp.55-60
• /
• 2011

이동로봇의 동시 위치인식 및 지도작성 (Simultaneous Localization And Mapping, SLAM) 에서 가장 기본이 되는 알고리즘은 확장 칼만 필터 SLAM(Extended Kalman Filter SLAM, EKF-SLAM)이다. 하지만 칼만 필터를 사용할 때, 시스템 설계자는 외부 입력에 대한 시스템적 특성과 외부 노이즈의 확률적 모델을 알고 있어야 하나, 실제 환경에서는 이를 정확히 파악할 수 없는 한계가 있다. 이에, 칼만 필터를 불확실성이 심한 실제 환경에 적용할 경우 내부 변수의 변화에 민감하게 반응하거나, 필터의 수학적 일관성이 지켜지지 않거나 또는 부정확한 상태 변수값을 추정하기도 한다. 이에 비해 $H_{\infty}$ 필터는 외부 모델에 대한 상세한 정보가 없을지라도 강인하게 상태를 예측할 수 있다는 장점을 가지고 있다. 본 논문에서는 이러한 $H_{\infty}$ 필터의 특성이 이용로봇의 SLAM 알고리즘의 성능 향상에 도움이 될 것이라는 아이디어에 착안하여 $H_{\infty}$ 필터에 가번한 SLAM 알고리즘을 제안하고 이를 모의 실험에 적용해 보았다. 이를 통해 불확실성이 큰 환경에서는 제안된 알고리즘이 기존의 EKF-SLAM에 비해 다소 우수한 예측 성능을 보임을 확인할 수 있었다.

• 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.

• ETRI Journal
• /
• 제43권4호
• /
• pp.577-579
• /
• 2021

• 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.

• 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.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2012년도 춘계학술대회 논문집
• /
• pp.45-46
• /
• 2012

• ETRI Journal
• /
• 제43권4호
• /
• pp.630-639
• /
• 2021

Autonomous driving requires a computerized perception of the environment for safety and machine-learning evaluation. Recognizing semantic information is difficult, as the objective is to instantly recognize and distinguish items in the environment. Training a model with real-time semantic capability and high reliability requires extensive and specialized datasets. However, generalized datasets are unavailable and are typically difficult to construct for specific tasks. Hence, a light detection and ranging semantic dataset suitable for semantic simultaneous localization and mapping and specialized for autonomous driving is proposed. This dataset is provided in a form that can be easily used by users familiar with existing two-dimensional image datasets, and it contains various weather and light conditions collected from a complex and diverse practical setting. An incremental and suggestive annotation routine is proposed to improve annotation efficiency. A model is trained to simultaneously predict segmentation labels and suggest class-representative frames. Experimental results demonstrate that the proposed algorithm yields a more efficient dataset than uniformly sampled datasets.