• 전자공학회논문지
• /
• 제54권3호
• /
• pp.108-118
• /
• 2017

본 논문은 수중 로봇 항법에 사용하기 위한 영상 소나 기반 SLAM (simultaneous localization and mapping) 방법을 제안하고, 성능 평가를 위해 실제 로봇에 탑재하여 실험한 내용을 소개한다. 일반적인 수중 항법은 관성 센서에서 출력되는 정보를 바탕으로 로봇의 위치 및 자세(x,y,z,${\phi}$,${\theta}$,${\psi}$)를 추정한다. 하지만, 장시간 주행할 경우 위치 오차의 누적으로 인하여 정확도가 감소하게 된다. 이에 본 논문에서는 영상 소나로부터 얻을 수 있는 외부 정보를 바탕으로 관성 항법의 위치 추정 성능을 높이고 지도 작성을 수행할 수 있는 SLAM 방법을 제안하고자 한다. 영상 소나를 위한 인공 표식물과 확률 기반 물체 인식 구조를 통해 인공 표식물의 인식 성능을 높이고, 이를 통해 얻게 된 인공 표식물의 위치 정보를 활용하여 관성 항법의 누적 오차를 줄이고자 한다. 항법 알고리즘으로는 확장형 칼만 필터(Extended Kalman Filter, EKF)를 적용하여 로봇의 위치 및 자세를 추정하고 지도를 작성한다. 제안한 방법은 선박해양플랜트연구소에서 보유 중인 수중 로봇 'yShark'에 탑재하여 대형 수조에서 실시간 검증을 수행하였다.

• 대한공간정보학회지
• /
• 제21권3호
• /
• pp.55-62
• /
• 2013

본 연구에서는 전방위 카메라(Omni-directional Camera)를 이용하여 과속방지턱(Speed Bump)을 탐지하고 Vision Based Approach 통한 실시간 과속 방지턱 데이터의 갱신 방안을 제시하는 것을 목적으로 한다. 카메라 영상정보에서 과속 방지턱을 검출하기 위해 잡음을 제거하고 이를 구성하는 형상과 패턴으로 여겨지는 점들을 우선적으로 탐지하여야 한다. 과속방지턱은 일정한 폭과 규칙적인 형태를 유지하며 흰색과 노란색의 영역을 가지고 있음에 착안하여 침식과 팽창을 이용한 형태학적 연산과 HSV칼라 모델을 적용하여 도로상의 과속방지턱을 추출하였다. 카메라에서 거대한 이미지 데이터를 수집하여 대상 객체를 검출하고 GPS 위치 정보를 이용하였다. 마지막으로 동시적 위치추정 및 지도작성 (SLAMs :Simultaneous Localization And Mapping) 시스템을 구현하여 탐지알고리즘과 취득결과의 정확성을 평가하였다.

• 한국지능시스템학회논문지
• /
• 제26권6호
• /
• pp.505-510
• /
• 2016

본 논문은 모바일 로봇의 SLAM(Simultaneous Localization and Mapping) 구현 시 사용되는 스캔매칭을 위한 회전오차에 강인한 대응점 탐색 기법을 제시한다. 많은 모바일 로봇의 연구에 차동구동방식의 구동부가 사용되는데, 이는 곡선 주행이나 제자리 회전을 위해 두 모터의 속력을 다르게 하거나, 반대 방향으로 제어하게 된다. 이러한 경우 직선 주행에 비해 비교적 바퀴의 미끄러짐 현상(Wheel Slip)을 심화시켜 모바일 로봇의 누적 위치 오차를 증가시키는 요인이 된다. 따라서 본 논문에서는 모바일 로봇의 회전 반경을 기반으로 최근접점을 추출하는 대응점 탐색 기법을 통해 스캔매칭 성능을 향상시키고자 한다. 제안된 방법의 검증을 위해 LRF(Laser Range Finder)를 이용해 실험을 진행하였으며, 기존 알고리즘에 주로 적용되는 유클리디안 최근접점 기반의 대응점 탐색 알고리즘과 비교한 결과, 제안된 대응점 탐색 기법이 보다 정확하게 대응점 집합을 추출하는 것을 확인했다.

• 제어로봇시스템학회논문지
• /
• 제14권8호
• /
• pp.745-751
• /
• 2008

This paper presents a framework for GPS/INS/Vision based navigation system of helicopters. GPS/INS coupled algorithm has weak points such as GPS blockage and jamming, while the helicopter is a speedy and high dynamical vehicle amenable to lose the GPS signal. In case of the vision sensor, it is not affected by signal jamming and also navigation error is not accumulated. So, we have implemented an GPS/INS/Vision aided navigation system providing the robust localization suitable for helicopters operating in various environments. The core algorithm is the vision based simultaneous localization and mapping (SLAM) technique. For the verification of the SLAM algorithm, we performed flight tests. From the tests, we confirm the developed system is robust enough under the GPS blockage. The system design, software algorithm, and flight test results are described.

• 한국전자통신학회논문지
• /
• 제15권2호
• /
• pp.237-244
• /
• 2020

본 논문은 2차원 공간에서 SLAM(: Simultaneous Localization and Mapping)의 구현을 설명한다. 본 논문에서 사용한 방법은 불변량이라고 하는 변수가 일정하게 유지 될 때 변환된 변수가 선형 공간을 구성하도록 상태 변수와 측정 변수를 변환하는 IEKF(: Invariant extended Kalman filter)를 사용한다. 따라서, IEKF는 불변량이 일정하게 유지되는 경우 수렴을 보장한다. 제안된 IEKF 접근법 중 변환을 하는 과정에서는 리군(Lie group) 행렬을 사용한다. 이 방법은 시뮬레이션을 통해 테스트 되었으며 결과는 선형 칼만 필터의 경우와 마찬가지로 칼만 이득이 일정하다는 것을 보여준다. 즉, 시뮬레이션 결과 이동체의 추정된 위치와 검출된 물체들 사이의 일관성을 보였다.

• 디지털융복합연구
• /
• 제12권11호
• /
• pp.357-364
• /
• 2014

기존 증강현실 콘텐츠 경우 고정된 마커를 빠르게 이동시키면 가시화에 끊김 현상이 발생하게 된다. 따라서 동적 마커를 사용할 경우에도 콘텐츠가 끊어짐 없이 사용자에게 제공되는 방법이 요구된다. 카메라에 입력된 한 장의 이미지 내에 두 개 이상의 마커가 존재할 경우 기존의 이미지 기반 마커와 SLAM(Simultaneous Localization & Mapping) 방식을 통해서는 각각의 마커를 동시에 추적할 수 없다. 본 논문은 각 마커 위에 정합된 객체들 간의 상호작용은 불가능하다는 점을 극복함은 물론, 빠르게 움직이는 마커를 실시간으로 추적하여 그 위에 원하는 객체를 정확하게 증강 가시화하는 방법론을 제안한다. 이를 위해, 주행형 로봇과 시범 콘텐츠의 가상로봇을 동기화하여, 주행형 로봇 상에 콘텐츠가 가시화되도록 하였다. 그리고 카메라 한 대로 다중 동적객체를 추적하여 서로 상호작용하는 기술을 제안하였다. 결과적으로 가상로봇과 실제로봇을 연동하여 상호작용하도록 함으로써 실시간 동적객체 추적 및 가시화 기술의 유용성을 검증하였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.1797-1801
• /
• 2005

SLAM(Simultaneous localization and mapping) and AI(Artificial intelligence) have been active research areas in robotics for two decades. In particular, localization is one of the most important issues in mobile robot research. Until now expensive sensors like a laser sensor have been used for the mobile robot's localization. Currently, as the RFID reader devices like antennas and RFID tags become increasingly smaller and cheaper, the proliferation of RFID technology is advancing rapidly. So, in this paper, the smart floor using passive RFID tags is proposed and, passive RFID tags are mainly used to identify the mobile robot's location on the smart floor. We discuss a number of challenges related to this approach, such as RFID tag distribution (density and structure), typing and clustering. In the smart floor using RFID tags, because the reader just can senses whether a RFID tag is in its sensing area, the localization error occurs as much as the sensing area of the RFID reader. And, until now, there is no study to estimate the pose of mobile robot using RFID tags. So, in this paper, two algorithms are suggested to. We use the Markov localization algorithm to reduce the location(X,Y) error and the Kalman Filter algorithm to estimate the pose(q) of a mobile robot. We applied these algorithms in our experiment with our personal robot CMR-P3. And we show the possibility of our probability approach using the cheap sensors like odometers and RFID tags for the mobile robot's localization on the smart floor.

• 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.

• 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.

• 제어로봇시스템학회논문지
• /
• 제20권11호
• /
• pp.1098-1102
• /
• 2014

Localization of aerial vehicles and map building of flight environments are key technologies for the autonomous flight of small UAVs. In outdoor environments, an unmanned aircraft can easily use a GPS (Global Positioning System) for its localization with acceptable accuracy. However, as the GPS is not available for use in indoor environments, the development of a SLAM (Simultaneous Localization and Mapping) system that is suitable for small UAVs is therefore needed. In this paper, we suggest a vision-based SLAM system that uses vision sensors and an AHRS (Attitude Heading Reference System) sensor. Feature points in images captured from the vision sensor are obtained by using GPU (Graphics Process Unit) based SIFT (Scale-invariant Feature Transform) algorithm. Those feature points are then combined with attitude information obtained from the AHRS to estimate the position of the small UAV. Based on the location information and color distribution, a Gaussian process model is generated, which could be a map. The experimental results show that the position of a small unmanned aircraft is estimated properly and the map of the environment is constructed by using the proposed method. Finally, the reliability of the proposed method is verified by comparing the difference between the estimated values and the actual values.