[논문]자율 이동로봇의 경로추정을 위한 적응적 공간좌표 검출 기법

이정석; 고정환

문제 정의

따라서, 본 논문에서는 스테레오 비젼의 양안시차 원리를 이용하여 정상적인 조명하의 다양한 환경에서도 전방에 존재하는 보행자 및 지형지물의 인식을 통해 자율 이동로봇의 적응적인 경로 탐색이 가능한 2차원 공간좌표 검출 기법을 제안하였다. 즉, 1단계에서는 실시간으로 입력되는 좌, 우 영상 중 좌 영상에서 YCbCr 컬러 모델 및 무게 중심법을 이용하여 움직이는 보행자의 얼굴 영역과 중심좌표를 검출하여, 검출된 위치좌표에 따라 이동로봇에 장착된 스테레오 카메라의 능동적인 제어를 통해 보행자의 얼굴을 카메라 시야(FOV; field of view)의 중앙으로 놓기 위한 추적 제어가 이루어진다.
본 논문에서 제안된 알고리듬의 효용성을 분석하기 위한 실험 시나리오는 평행식 스테레오 카메라가 장착된 자율 이동로봇 시스템을 이용하여 로봇 시스템을 중심으로 카메라 시야에 나타나는 보행자 및 측면에 존재하는 장애물 각각의 절대 좌표 및 상대좌표 검출을 통해 로봇의 충돌 위기를 조기에 대처하며, 적응적인 경로 계획의 수립을 목적으로 하는 것이다.
본 논문에서는 지능적인 자율 이동 로봇의 경로 주정을 위한 스테레오 카메라 기반의 공간좌표 검출 기법을 제안하였다. 제안된 기법을 통해 산출된 2차원 공간좌표는 검출된 보행자의 위치좌표와의 관계를 통해 이동 로봇 시스템과 전방에 존재하는 장애물간의 거리 및 보행자와 장애물간 상대 거리의 계산치와 측정치간의 오차가 평균 2.

제안 방법

검출된 깊이지도에 따라 이동 로봇의 전방 시야에 존재하는 장애물의 위치 판별이 선행되어야 하므로 가까운 물체부터 먼 거리의 물체까지의 거리 검출이 필수적이다. 따라서 본 논문에서는 그림 10 (b), ("와 같이 검출된 깊이 지도의 각각의 열에 존재하는 최소 깊이 값을 이용하여 이동 로봇으로부터 떨어진 장애물의 거리 산출을 수행하였으며, 깊이 정보의 값이 갑자기 커지거나 작아지는 경우엔 이전 프레임 간의 픽셀 값을 이용하여 보간(interpolation)을 수행하였다. 그림 10 (b), (e)에서 이동 로봇으로부터 가장 가까운 거리에 존재한 장애물의 경우 횐색으로 표현된 95cm이었으며, 가장 먼 거리에 있는 장애물의 경우, 3m로 검출되었음을 알 수 있으며, 3m를 초과하는 경우에는 현재 프레임에서 결정할 수 없는 배경영상으로 간주하여, 현재 프레임의 장애물 통과 후 검출 대상 영역으로 설정하였다.
여기서, 광도는 Y로 기호화되고, 푸른 정보는 Cb, 붉은 정보는 Cr을 의미한다[3]. 따라서 정지된 배경 영역을 포함한 검출된 모든 피부색 영역을 토대로 영상 차분필터와 논리곱 연산(AND operation)을 이용하여 공통된 움직임을 추출함으로써 보행자로 판단하게 되며, 이에 따라 추출된 얼굴 영역의 중심좌표를 스테레오 카메라가 탑재된 이동로봇 시스템의 응용 가능한 각도 값으로 변환하여 주적을 수행하게 된다. 따라서, 두 사람 이상의 보행자가 출현하였을 경우에도 얼굴 피부색 검출과 움직임 추정을 통해 적응적으로 위치 검출이 가능하게 되며, 본 논문에서는 스테레오 카메라로부터 처음 획득된 영상을 중심으로 이동 로봇 시스템을 구동하여 보행자검출 및 추적 기능을 수행하였다.
따라서 정지된 배경 영역을 포함한 검출된 모든 피부색 영역을 토대로 영상 차분필터와 논리곱 연산(AND operation)을 이용하여 공통된 움직임을 추출함으로써 보행자로 판단하게 되며, 이에 따라 추출된 얼굴 영역의 중심좌표를 스테레오 카메라가 탑재된 이동로봇 시스템의 응용 가능한 각도 값으로 변환하여 주적을 수행하게 된다. 따라서, 두 사람 이상의 보행자가 출현하였을 경우에도 얼굴 피부색 검출과 움직임 추정을 통해 적응적으로 위치 검출이 가능하게 되며, 본 논문에서는 스테레오 카메라로부터 처음 획득된 영상을 중심으로 이동 로봇 시스템을 구동하여 보행자검출 및 추적 기능을 수행하였다.
사용하였다. 또한, 일반적으로 스테레오 영상은 좌, 우 카메라의 이격 거리가 현격이 떨어지지 않는 한 거의 유사하므로, 한쪽 영상에서 표적물체를 추출하여 카메라 시야의 중앙으로 이동시키는 추적 제어를 수행한 뒤, 시차 검출 연산을 수행하였다. 따라서, 이동 로봇에 의해 X축 상으로 추적 제어된 스테레오 카메라의 좌, 우 영상은 식 ⑺과 같이 SAD(sum of absolute difference) 비용 함수를 이용하여 블록 간의 정합 과정을 수행한 뒤, 시차지도를 검출하게 된다.
본 논문에서는 Kanatani의 영상보정 알고리듬[6]을 응용하여 2차원 영상평면에서 검출된 보행자 얼굴 좌표값을 이동로봇의 제어각도로 변환하였다. 즉, 2차원 영상 평면에 투영되는 현재 영상과 이전 영상에서의 점을 각각 Pc(x t, y 와 그리고 팬/틸트 시스템의 초기 각도를 a라고 하면, Murray의 배경정합 알고리듬[6]에 의해 식 ⑵와 (3)으부터 좌표점을 복원할 수 있다는 것을 알 수 있다.
본 논문에서는 그림 2와 같이 1차적으로 YCbCr 체계의칼라 모델을 이용하여 일반적인 조명상태에서의 피부색과 피부색이 아닌 영역으로 보행자의 얼굴영역을 분리하게 된다. 여기서, 광도는 Y로 기호화되고, 푸른 정보는 Cb, 붉은 정보는 Cr을 의미한다[3].
본 논문에서는 실시간으로 획득되는 스테레오 입력 영상 시퀀스에 대해 장애물 검출 및 경로 추정 성능을 검증하기 위해 두 사람의 보행자를 중심으로 640x480 픽셀의 해상도를 갖는 스테레오 입력영상을 초당 15 프레임의 속도로 처리하여 총 240프레임의 테스트 영상을 가지고 실험을 수행하였다. 그림 8은 전체 240 프레임의 테스트 실험 영상 중 이동 로봇의 1, 2차 주행 통과 실험을 위한 초기프레임에 대한 좌, 우 스테레오 입력영상 샘플을 나타낸 것이다.
스테레오 카메라인 Point Grey Inc.의 Bumblebee와 512MB 메모리와 펜티엄 2.6GHz의 CPU로 구성된 개인용 컴퓨터를 탑재하여 640x480 픽셀의 해상도와 30 frame/sec의 촬영속도를 가지고 실험을 수행하였다. 특히, 이동 로봇으로 사용된 Pioneer3-DX는 자체 배터리 3개(각 12V)로 구동되고 있으며, 전체적인 시스템을 구동시키기 위해 12V에 400W를 가지고 있는 자체 배터리를 가지고 실험에 사용하였다.
일반적으로, 인간의 시각 시스템(HVS; human visual system)은 대부분 수평시차에 의해 물체의 원근을 감지하게 되므로, 본 논문에서는 이상적으로 수직시차가 거의 없고 수평 시차만이 존재하는 평행식 스테레오 카메라를 사용하였다. 또한, 일반적으로 스테레오 영상은 좌, 우 카메라의 이격 거리가 현격이 떨어지지 않는 한 거의 유사하므로, 한쪽 영상에서 표적물체를 추출하여 카메라 시야의 중앙으로 이동시키는 추적 제어를 수행한 뒤, 시차 검출 연산을 수행하였다.
흐름도를 나타낸 것이다. 즉, 1단계에서는 스테레오 입력 영상 중 좌측 영상에 YCbCr 컬러 모델과 무게 중심법을 이용하여 보행자의 얼굴 영역에 대한 위치좌표를 검출한 다음, 스테레오 카메라 시야의 중앙으로 놓기 위한 추적 제어를 통해 이동하는 보행자를 실시간으로 추적하게 되며, 2단계에서는 이동 로봇에 장착된 스테레오 카메라에 의해 추적 제어된 좌, 우 영상간의 시차지도 검출 및 카메라 좌표계와 영상 좌표 계간의 원근 변환을 이용하여 깊이 정보 검출 및 3차원적 실제 좌표에 대한 산출이 이루어지며, 검출된 얼굴 영역의 깊이 .정보에 대한 임계값 할당을 통해 보행자 영역만을 분할함으로써 보행자의 전체 폭을 추정하게 된다.

대상 데이터

2단계에서는 스테레오 카메라에 의해 추적 제어된 좌, 우영상의 시차지도 및 깊이 정보가 검출되고, 검출된 깊이 정보와 스테레오 카메라의 기하학적인 관계를 이용하여 실제 좌표에 대한 2차원 공간좌표를 구성하게 되며, 이를 바탕으로 이동 로봇의 장애물 회피를 통한 경로 설정의 판단 기준 및 주행 경로를 추정하는데 이용된다. 실시간으로 이동하는 로봇 시스템의 전방시야에 2단계에 걸친 장애물을 설치하여 스테레오 카메라로 부터 입력되는 240 프레임의 스테레오 영상을 사용하여 실험하였다.
6GHz의 CPU로 구성된 개인용 컴퓨터를 탑재하여 640x480 픽셀의 해상도와 30 frame/sec의 촬영속도를 가지고 실험을 수행하였다. 특히, 이동 로봇으로 사용된 Pioneer3-DX는 자체 배터리 3개(각 12V)로 구동되고 있으며, 전체적인 시스템을 구동시키기 위해 12V에 400W를 가지고 있는 자체 배터리를 가지고 실험에 사용하였다.

성능/효과

이상의 실험결과, 본 논문에서 새로이 제시된 평행식 스테레오 카메라 기반의 이동 로봇 시스템 역시 전방 시야에 존재하는 물체들의 적응적인 인식 및 낮은 오차율의 3차원 위치 좌표 검출을 통해 효율적인 주행을 위한 경로 추정이 가능함을 분석하게 되었고, 이를 통해 본 논문에서 제안한 3차원 물체 인식을 위한 스테레오 카메라 기반의 이동 로봇 시스템의 구현 가능성을 제시하였다.
제안된 기법을 통해 산출된 2차원 공간좌표는 검출된 보행자의 위치좌표와의 관계를 통해 이동 로봇 시스템과 전방에 존재하는 장애물간의 거리 및 보행자와 장애물간 상대 거리의 계산치와 측정치간의 오차가 평균 2.19%와 1.52% 이하로 각각 유지되었으며, 보행자와 물체들 상호간의 상대적인 거리까지도 분석이 가능하고, 무인 로봇 시스템의 충돌위험을 조기에 대처할 수 있는 효율적인 주행 경로 계획을 추정함으로써 공간좌표 검출에 기반을 둔 실질적인 지상용 무인로봇의 구현 가능성을 제시하였다.
표 :1, 2와 표 3에서보면, 본 논문에서 제안한 깊이 정보와 카메라 내부 변환관계를 통해 검출된 2차원 공간지도의 오차는 평균 2% 미만의 작은 오차가 존재함을 알 수 있는 더】, 이는 불규칙한 조명, 동일하지 않은 영상밝기 및 좌, 우 영상 간에 존재하는 폐색영역에 따른 오류를 감안할 때, 우수한 실험 결과로 분석된다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

자율 이동로봇의 경로추정을 위한 적응적 공간좌표 검출 기법
Adaptive Spatial Coordinates Detection Scheme for Path-Planning of Autonomous Mobile Robot 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

자율 이동로봇의 경로추정을 위한 적응적 공간좌표 검출 기법 Adaptive Spatial Coordinates Detection Scheme for Path-Planning of Autonomous Mobile Robot 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

이정석 (10)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

자율 이동로봇의 경로추정을 위한 적응적 공간좌표 검출 기법
Adaptive Spatial Coordinates Detection Scheme for Path-Planning of Autonomous Mobile Robot 원문보기

AI 본문요약
AI-Helper