• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.331-334
• /
• 2020

터틀봇3(Turtlebot3)을 제어하기 위하여 피시와 터틀봇3 각각에 ROS(Robot Operating System)을 설치하고 제어한다. 터틀봇3는 라즈베리파이 3 보드로 제어되는 오픈소스 로봇이다. 전세계에서 유명한 교육 및 연구용 로봇이지만 설치와 제어 과정에서 여러 오류를 경험하는 사용자들이 있다. 본 논문은 터틀봇3를 처음 사용하는 사용자들을 위하여 설치과정과 설치과정에서 발생하는 오류들에 대하여 다룬다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 춘계학술대회
• /
• pp.241-243
• /
• 2018

이 논문에서는 SLAM (Simultaneous Localization and Mapping)에서 로봇이 환경 맵을 획득하는 동시에 맵과 관련하여 로컬라이제이션을 수행합니다. 클라우드 기반 SLAM을 사용하면 환경 맵과 같은 리소스 및 데이터 공유를 최적화 할 수 있으므로 공유 가능한 온라인 맵 중 하나로 사용할 수 있습니다. 이렇게 하면 우리 환경에 중요한 변화를 추가하거나 제거하지 않으면 환경에 추가 된 새로운 모바일 로봇에 새로운 환경 맵 재구성의 본질이 생략되어 센서 추가 요구 사항이 줄어들게 됩니다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.28-30
• /
• 2021

본 논문에서는 YOLO (You Only Look Once) 라이브러리를 이용하여 사용자의 손가락 방향을 감지하는 알고리즘을 제안하였다. 제안한 손가락 방향감지 알고리즘의 처리단계는 학습 데이터 관리단계, 데이터 학습 단계, 그리고 손가락 방향감지 단계로 구성된다. 실험 결과, 카메라와 손가락간의 거리는 손가락 방향 감지 정확도에 매우 큰 영향을 미침을 알 수 있었다. 차후 제안 알고리즘의 정확도 및 신뢰도의 개선 후에 이 기능을 커틀봇3 (Turtlebot3)에 적용 할 예정이다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.335-338
• /
• 2020

주로 맵 빌딩 테스트는 불안정한 환경이 아닌 안정된 환경을 조성한 후에 이루어진다. 본 논문에서는 인위적인 안정된 환경이 아닌 불안정한 환경에서 맵 빌딩을 테스트한다. 맵 빌딩 테스트를 위하여 터틀봇3 버거를 사용한다. 터틀봇3의 라이더 센서를 이용하여 맵 빌딩을 진행한다. 터틀봇3는 라즈베리파이로 제어되며 맵 빌딩과 터틀봇3 제어를 위해서는 ROS를 사용한다. 터틀봇3는 우분투와 ROS가 설치된 컴퓨터와 네트워크 통신을 하며 맵 빌딩을 한다. 불안정한 환경에서 맵빌딩이 동작 및 오동작하는 모습을 확인하였으며, 향후 이를 보완하기 위한 방향을 제시한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제61차 동계학술대회논문집 28권1호
• /
• pp.289-290
• /
• 2020

본 논문에서는 Turtlebot burger3와 라즈베리파이의 OpenCV, OpenCR보드를 이용하여 ROS상에서 SLAM알고리즘을 구현하여 자율 주행 순찰이 가능한 로봇을 개발한다. 특히, 라즈베리파이 카메라에 OpenCV를 이용하여 사람 얼굴 인식이 가능하게 하여 순찰 시 카메라로 순찰 정보를 제공 할 수 있게 한다. 또한, 로봇에 탑재된 LiDAR는 SLAM 알고리즘을 이용하여 주변의 환경을 매핑하여 장애물을 회피할 수 있는 경로를 탐색할 수 있도록 한다. 개발 기술들을 통하여 사람 대신에 로봇이 경비 구역의 침입자 촬영을 하고, 원격제어가 가능한 시스템으로 다양한 분야에 로봇 제어 기술에 활용하고자 한다.

• 센서학회지
• /
• 제32권2호
• /
• pp.118-123
• /
• 2023

This study presents sensor system for autonomous mobile robot capable of floor-to-floor self-navigation. The robot was modified using the Turtlebot3 hardware platform and ROS2 (robot operating system 2). The robot utilized the Navigation2 package to estimate and calibrate the moving path acquiring a map with SLAM (simultaneous localization and mapping). For elevator boarding, ultrasonic sensor data and threshold distance are compared to determine whether the elevator door is open. The current floor information of the elevator is determined using image processing results of the ceiling-fixed camera capturing the elevator LCD (liquid crystal display)/LED (light emitting diode). To realize seamless communication at any spot in the building, the LoRa (long-range) communication module was installed on the self-navigating autonomous mobile robot to support the robot in deciding if the elevator door is open, when to get off the elevator, and how to reach at the destination.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.41-43
• /
• 2021

Robot Operating System (ROS) has been a prominent and successful framework used in robotics business and academia.. However, the framework has long been focused and limited to navigation of robots and manipulation of objects in the environment. This focus leaves out other important field such as speech recognition, vision abilities, etc. Our goal is to take advantage of ROS capacity to integrate additional libraries of programming functions aimed at real-time computer vision with a depth-image camera. In this paper we will focus on the implementation of an upgraded vision with the help of a depth camera which provides a high quality data for a much enhanced and accurate understanding of the environment. The varied data from the cameras are then incorporated in ROS communication structure for any potential use. For this particular case, the system will use OpenCV libraries to manipulate the data from the camera and provide a face-detection capabilities to the robot, while navigating an indoor environment. The whole system has been implemented and tested on the latest technologies of Turtlebot3 and Raspberry Pi4.

• 정보과학회 논문지
• /
• 제45권3호
• /
• pp.211-223
• /
• 2018

본 논문에서는 실내 서비스 로봇들을 위한 로봇 중심의 방향 관계 표현과 추론 방법을 제안한다. 정성적 공간 관계 추론에 관한 많은 기존 연구들에서는 기준 물체를 중심으로 대상 물체의 상대적 방향 관계를 판별할 때, 두 물체의 위치 정보만을 이용해왔다. 이러한 방향 관계 추론 방법들은 로봇 스스로가 기준 물체가 되어 다른 대상 물체들과의 방향 관계를 판별할 때, 로봇이 바라보고 있는 방향을 제대로 고려하지 않음으로써, 대상 물체의 방향 관계를 잘못 판별하는 사례들이 발생할 수 있다. 본 논문에서는 실내 환경에서 로봇을 중심으로 물체들의 상대적인 방향 관계를 판별할 때, 로봇의 위치 정보뿐만 아니라 로봇이 향하고 있는 방향 정보도 이용하는 로봇 중심의 방향 관계 표현과 방향 관계 추론 방법들을 제시한다. 로봇 중심의 방향 관계 추론 방법들은 두 물체의 위치 정보만을 이용해왔던 기존의 콘 기반 추론, 행렬 기반 추론, 그리고 혼합 추론 방법을 확장하여 구현하였다. 터틀봇과 시뮬레이션 로봇을 이용한 다양한 실험들을 통해, 본 논문에서 제안하는 방향 관계 표현과 추론 방법들의 높은 성능과 적용 가능성을 확인할 수 있었다.