• 전자공학회논문지SC
• /
• 제49권4호
• /
• pp.90-101
• /
• 2012

단일 카메라 기반의 SLAM(Simultaneous Localization and Mapping)을 성공적으로 수행하기 위해서는 표식 선택이 매우 중요하다. 특히, 미지의 환경에서는 표식에 대한 사정정보가 없기 때문에 표식을 자동 선택하는 기술이 필요하다. 본 논문에서는 표식을 자동 선택하기 위해 인간의 시각 집중 방식을 모델링한 시각 집중 시스템을 이용한다. 기존의 시각 집중 시스템에서 윤곽선(Edge)는 시각 집중을 위한 중요한 요소 중 하나이다. 하지만 복잡한 실내 환경에서 윤곽선의 응답을 사용할 경우 정규화 연산으로 인해 정보가 많은 복잡한 영역의 윤곽선에 대한 응답은 낮아지고 특징이 없는 평면이나 평면들 간의 경계에서 높은 값을 가지게 된다. 또한 네 방향에 대한 응답 값을 사용하기 때문에 특징의 차원수가 증가해서 연산량도 증가한다. 본 논문에서는 앞에서 언급한 문제점들을 해결하기 위해 모서리 특징의 사용을 제안한다. 모서리 특징을 사용함으로써 정보가 많은 복잡한 영역을 우선 집중시켜 데이터 연관(Data association)의 정확도도 높일 수 있다. 최종적으로는 코너특징을 사용한 시각 집중 시스템을 이용함으로써 기존 방식보다 SLAM 결과가 향상 된다는 것을 실험으로 보이도록 하겠다.

• 로봇학회논문지
• /
• 제19권2호
• /
• pp.188-195
• /
• 2024

This paper proposes a photorealistic real-time dense 3D mapping system that utilizes a neural network-based image enhancement method and mesh-based map representation. Due to the characteristics of the underwater environment, where problems such as hazing and low contrast occur, it is hard to apply conventional simultaneous localization and mapping (SLAM) methods. At the same time, the behavior of Autonomous Underwater Vehicle (AUV) is computationally constrained. In this paper, we utilize a neural network-based image enhancement method to improve pose estimation and mapping quality and apply a sliding window-based mesh expansion method to enable lightweight, fast, and photorealistic mapping. To validate our results, we utilize real-world and indoor synthetic datasets. We performed qualitative validation with the real-world dataset and quantitative validation by modeling images from the indoor synthetic dataset as underwater scenes.

• 제어로봇시스템학회논문지
• /
• 제15권12호
• /
• pp.1246-1253
• /
• 2009

To be high efficient for a navigation of unmanned ground vehicle, it must be able to distinguish between safe and hazardous regions in its immediate environment. We present an advanced method using laser range finder for building global 2D digital maps that include environment information. Laser range finder is used for mapping of obstacles and driving environment in the 2D laser plane. Rotary encoders are used for localization of UGV. The main contributions of this research are the development of an algorithm for global 2D map building and it will turn a UGV navigation based on map matching into a possibility. In this paper, a map building algorithm will be introduced and an assessment of algorithm reliability is judged at an each environment.

• 대한임베디드공학회논문지
• /
• 제16권3호
• /
• pp.107-111
• /
• 2021

A 3D point cloud map is an essential elements in various fields, including precise autonomous navigation system. However, generating a 3D point cloud map using a single sensor has limitations due to the price of expensive sensor. In order to solve this problem, we propose a precise 3D mapping system using low-cost sensor fusion. Generating a point cloud map requires the process of estimating the current position and attitude, and describing the surrounding environment. In this paper, we utilized a commercial visual-inertial odometry sensor to estimate the current position and attitude states. Based on the state value, the 2D LiDAR measurement values describe the surrounding environment to create a point cloud map. To analyze the performance of the proposed algorithm, we compared the performance of the proposed algorithm and the 3D LiDAR-based SLAM (simultaneous localization and mapping) algorithm. As a result, it was confirmed that a precise 3D point cloud map can be generated with the low-cost sensor fusion system proposed in this paper.

• 한국건설관리학회논문집
• /
• 제17권3호
• /
• pp.32-42
• /
• 2016

현재 국내 대부분의 토목 건축 구조물이 BIM 정보가 부재한 상황에서 준공 BIM(as-built BIM)의 수요가 점차 증가하고 있다. 준공 BIM 구축을 위한 공간자료 취득에는 고밀도의 포인트 클라우드를 생성할 수 있는 레이저 스캐너가 주로 활용되고 있다. 하지만 기존의 고정식 스캔 시스템은 이동이 번거롭고, 정밀한 위치 선정이 필요 하며, 스캔 자료 정합을 위해 별도의 표지를 설치하거나 공액점을 추출하는 과정이 필요하다. 본 연구에서는 수작업을 최소화하기 위해 기존의 고정식 스캔 시스템을 대체할 수 있는 이동식 스캔 시스템을 제안하고자 하며, 기반 기술로 graph-based SLAM을 적용하였다. 테스트 장비는 총 세 개의 2차원 스캐너를 탑재하고 있으며, 중앙의 한 개는 수평으로 설치되어 graph 구축을 통한 이동경로취득에 사용되었고, 좌우 두 개는 수직으로 설치되어 시스템 진행의 연직 방향으로 주변 구조물에 대한 3차원 스캔 정보 취득에 사용되었다. 개발된 graph-based SLAM은 이동경로 상에 누적된 위치오차를 해소하기 위한 loop closure 처리 방법으로 Adaboost 기계학습을 적용하였다. 이는 특히 본 연구에서 사용한 장비와 같이 기계학습을 위한 다수의 feature 정보를 제공할 수 있는 멀티 스캐너 시스템에 적합한 방식이며, 두 실내공간을 대상으로 한 테스트에서 단일 스캐너 대비 false positive rate를 각각 7.9% 및 13.6%까지 줄일 수 있었다. 최종적으로 연구대상지역의 2차원 및 3차원 지도 구축을 통해 개발된 graph-based SLAM의 효용성을 확인하였다.

• 로봇학회논문지
• /
• 제14권4호
• /
• pp.293-300
• /
• 2019

In this paper, an Embedded solution for fast navigation and precise positioning of mobile robots by floor features is introduced. Most of navigation systems tend to require high-performance computing unit and high quality sensor data. They can produce high accuracy navigation systems but have limited application due to their high cost. The introduced navigation system is designed to be a low cost solution for a wide range of applications such as toys, mobile service robots and education. The key design idea of the system is a simple localization approach using line features of the floor and delayed localization strategy using topological map. It differs from typical navigation approaches which usually use Simultaneous Localization and Mapping (SLAM) technique with high latency localization. This navigation system is implemented on single board Raspberry Pi B+ computer which has 1.4 GHz processor and Redone mobile robot which has maximum speed of 1.1 m/s.

• 한국측량학회지
• /
• 제37권2호
• /
• pp.45-53
• /
• 2019

RGB-D SLAM (Simultaneous Localization and Mapping) refers to the technology of using deep camera as a visual sensor for SLAM. In view of the disadvantages of high cost and indefinite scale in the construction of maps for laser sensors and traditional single and binocular cameras, a method for creating three-dimensional map of indoor environment with deep environment data combined with RGB-D SLAM scheme is studied. The method uses a mobile robot system equipped with a consumer-grade RGB-D sensor (Kinect) to acquire depth data, and then creates indoor three-dimensional point cloud maps in real time through key technologies such as positioning point generation, closed-loop detection, and map construction. The actual field experiment results show that the average error of the point cloud map created by the algorithm is 0.0045m, which ensures the stability of the construction using deep data and can accurately create real-time three-dimensional maps of indoor unknown environment.

• 제어로봇시스템학회논문지
• /
• 제21권3호
• /
• pp.265-275
• /
• 2015

This paper describes extraction methods of five different types of geometrical features (line, arc, corner, polynomial curve, NURBS curve) from the obtained raw data by using a two-dimensional laser range finder (LRF). Natural features with their covariance matrices play a key role in the realization of feature-based simultaneous localization and mapping (SLAM), which can be used to represent the environment and correct the pose of mobile robot. The covariance matrices of these geometrical features are derived in detail based on the raw sensor data and the uncertainty of LRF. Several comparison are made and discussed to highlight the advantages and drawbacks of each type of geometrical feature. Finally, the extracted features from raw sensor data obtained by using a LRF in an indoor environment are used to validate the proposed extraction methods.

• 한국산학기술학회논문지
• /
• 제21권1호
• /
• pp.768-773
• /
• 2020

국토자원의 합리적 이용과 관리를 위한 대규모 국토개발은 효율적인 사업관리를 위해 공간정보의 활용이 필수적이다. 최근 택지조성이나 노천광산과 같은 대규모 개발지역의 효과적인 공간정보 구축 방안으로 드론 LiDAR(Light Detection And Ranging)가 주목 받고 있다. 드론 LiDAR는 크게 SLAM(Simultaneous Localization And Mapping) 기술이 적용된 방식과 GNSS(Global Navigation Satellite System)/IMU(Inertial Measurement Unit) 방식으로 구분할 수 있는데 드론 LiDAR의 적용이나 각 방식의 특징에 대한 분석적 연구는 부족한 실정이다. 이에 본 연구에서는 SLAM 및 GNSS/IMU 방식의 드론 LiDAR를 이용한 데이터 취득, 처리 및 분석을 수행하고, 각각의 특징과 활용성을 평가하고자 하였다. 연구결과, 드론 LiDAR의 높이 방향 정확도는 -0.052~0.044m로 지도제작을 위한 공간정보의 허용 정확도를 만족하는 것으로 나타났다. 또한 데이터 취득 및 처리 과정의 비교를 통해 각각의 방법에 대한 특징을 제시하였다. 드론 LiDAR를 통해 구축된 공간정보는 거리, 면적, 경사의 측정 등 다양한 활용이 가능하며, 이러한 정보를 기반으로 대규모 개발지역의 안전도를 평가하는 것이 가능하기 때문에 향후 국토개발 현장에서 효과적인 공간정보 구축 방안으로 활용이 기대된다.

• 대한임베디드공학회논문지
• /
• 제3권2호
• /
• pp.102-108
• /
• 2008

This paper describes a mapping and localization based on wave algorithm[11] and Kalman filter for effective SLAM. Each robot in a multi robot system has its own task such as building a map for its local position. By combining their data into a shared map, the robot scans actively seek to verify their relative locations. For simultaneous localization the algorithm which is well known as Kalman Filter (KF) is used. For modelling the robot position we wish to know three parameters (x, y coordinates and its orientation) which can be combined into a vector called a state variable vector. The Kalman Filter is a smart way to integrate measurement data into an estimate by recognizing that measurements are noisy and that sometimes they should ignored or have only a small effect on the state estimate. In addition to an estimate of the state variable vector, the algorithm provides an estimate of the state variable vector uncertainty i.e. how confident the estimate is, given the value for the amount of error in it.