초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

서비스 로봇 개발에서 보행자 감지 및 추적은 큰 비중을 차지하는 부분이고, 공공 규범을 준수하며 안전하게 운행할 수 있도록 구현되어야 한다. 로봇이 복잡한 환경에서 정확하고 안전하게 경로계획을 수행하고 또 서비스 로봇이 운행과정에서의 사람과의 협동능력을 향상시키기 위해 본 논문에서는 RGB 카메라 와 2D LiDAR 데이터를 통합하는 방식을 통하여 보행자를 인식하고 추적하는 방법을 제기하고자 한다. 본 논문에서의 RGB 카메라 와 2D LiDAR 센서 퓨전을 기반으로 하는 보행자 인식 및 추적은 주로 LiDAR ...

서비스 로봇 개발에서 보행자 감지 및 추적은 큰 비중을 차지하는 부분이고, 공공 규범을 준수하며 안전하게 운행할 수 있도록 구현되어야 한다. 로봇이 복잡한 환경에서 정확하고 안전하게 경로계획을 수행하고 또 서비스 로봇이 운행과정에서의 사람과의 협동능력을 향상시키기 위해 본 논문에서는 RGB 카메라 와 2D LiDAR 데이터를 통합하는 방식을 통하여 보행자를 인식하고 추적하는 방법을 제기하고자 한다. 본 논문에서의 RGB 카메라 와 2D LiDAR 센서 퓨전을 기반으로 하는 보행자 인식 및 추적은 주로 LiDAR 포인트 클라우드 데이터를 카메라에 투영하고 카메라에서는 보행자의 골격데이터를 추출하여 두 데이터의 교점을 추출함으로써 보행자의 위치를 확정하는 방식으로 구현 된다. LiDAR센서 데이터의 전처리과정에서는 SOR(Statistical Outlier Removal) 필터를 사용하였고 OGM(Occupancy Grid Mapping)을 적용하여 LiDAR 데이터에서 주위 환경과 장애물에 맺힌 정적 포인트 클라우드 데이터를 제거함으로써 보행자에 맺힌 포인트 클라우드만 남게 되는 필터링 방식을 선택하였다. 보행자 추적 부분에서는 칼만필터를 기반으로 하는 다중 객체 추적 알고리즘을 사용하였다. 최종적으로 실제 환경에서 보행자를 인식하고 추적하는 실험을 통하여 본 논문의 알고리즘 실시간 성능을 검증하였다.

Abstract ▼ AI-Helper

Pedestrian detection and tracking is a challenging task in service robot development, and it should be implemented to be able to operate in a manner that complies with public norms and safety. In order to enable the robot to perform robust route planning in crowded environments, and to improve the r...

Pedestrian detection and tracking is a challenging task in service robot development, and it should be implemented to be able to operate in a manner that complies with public norms and safety. In order to enable the robot to perform robust route planning in crowded environments, and to improve the robot's working ability and human collaboration ability, this paper proposes a method to track pedestrians by integrating sensor data from RGB camera and 2D LiDAR. The RGB camera and 2D LiDAR sensor-fusion based pedestrian detection proposed in this paper is mainly performed by projecting the lidar point cloud onto the camera image and extracting the intersection of the pedestrian's skeleton information and the point cloud from the camera image. In the lidar point cloud data processing part, the basic SOR (Statistical Outlier Removal) filter is used and then OGM (Occupancy Grid Mapping) is applied to remove the lidar point cloud formed on environmental obstacles not related to pedestrians. In the pedestrian tracking part, the multi-target tracking algorithm based on Kalman filter is used. Finally, we verified the real-time performance of our algorithm by successfully tracking pedestrians through real-world environments.

주제어