본 논문에서는 초음파와 전자나침반, 엔코더, 자이로센서를 복합적으로 구성하여 로봇의 SLAM 방법을 제시하였다. 일반적으로 전자 나침반과 엔코더, 자이로를 이용한 로봇의 위치측정은 작업공간에서의 상대위치만을 알 수 있다. 실제 로봇이 작업공간에서 작업을 하기 위해서는 로봇의 절대위치 정보를 알아야만 하며, 이는 SLAM으로 얻을 수 있다. 본 논문에서는SLAM 구현을 위하여 로봇의 작업공간을 초음파 센서를 이용하여 구조적 맵 생성 기법을 통해 맵을 생성한 후, 이를 특정 맵으로 변환하였다. 생성된 특정 맵과 맵 매핑을 활용하여 맵 상의 절대위치를 구한다. 실험은 직접 설계 및 제작한 로봇을 이용하였고, 실험 방법은 초기 좌표를 모르는 로봇을 임의의 장소에 위치 시키고 제안한 SLAM 알고리즘을 이용하여 로봇의 전역 좌표를 찾도록 하였다. 실험 결과, 제안한 SLAM 알고리즘을 이용하여 맵 상의 절대위치를 모두 찾음을 확인하였다.
본 논문에서는 초음파와 전자나침반, 엔코더, 자이로센서를 복합적으로 구성하여 로봇의 SLAM 방법을 제시하였다. 일반적으로 전자 나침반과 엔코더, 자이로를 이용한 로봇의 위치측정은 작업공간에서의 상대위치만을 알 수 있다. 실제 로봇이 작업공간에서 작업을 하기 위해서는 로봇의 절대위치 정보를 알아야만 하며, 이는 SLAM으로 얻을 수 있다. 본 논문에서는SLAM 구현을 위하여 로봇의 작업공간을 초음파 센서를 이용하여 구조적 맵 생성 기법을 통해 맵을 생성한 후, 이를 특정 맵으로 변환하였다. 생성된 특정 맵과 맵 매핑을 활용하여 맵 상의 절대위치를 구한다. 실험은 직접 설계 및 제작한 로봇을 이용하였고, 실험 방법은 초기 좌표를 모르는 로봇을 임의의 장소에 위치 시키고 제안한 SLAM 알고리즘을 이용하여 로봇의 전역 좌표를 찾도록 하였다. 실험 결과, 제안한 SLAM 알고리즘을 이용하여 맵 상의 절대위치를 모두 찾음을 확인하였다.
This paper is presented an simultaneous localization and mapping (SLAM) algorithm using ultrasonic for robot and electric compass, encoder, and gyro. Generally, localization based upon electric compass, encoder, and gyro can be measured just local position in workspace. However, actual robot must ne...
This paper is presented an simultaneous localization and mapping (SLAM) algorithm using ultrasonic for robot and electric compass, encoder, and gyro. Generally, localization based upon electric compass, encoder, and gyro can be measured just local position in workspace. However, actual robot must need an information of the absolute position in workspace to perform its mission, Absolute position in workspace could be calculated using SLAM algorithm. To implement SLAM in this paper, a map is built using ultrasonic sensor and hierarchical map building method. And then, we the map will be transformed into a feature map. The absolute position could be calculated using the feature map and map mapping method. As a test bed, we designed and construct an autonomous robot and showed the experimental performance of the proposed SLAM algorithm based on feature map. Experimental result, we verified that robot can found all absolute position on experiments using proposed SLAM algorithm.
This paper is presented an simultaneous localization and mapping (SLAM) algorithm using ultrasonic for robot and electric compass, encoder, and gyro. Generally, localization based upon electric compass, encoder, and gyro can be measured just local position in workspace. However, actual robot must need an information of the absolute position in workspace to perform its mission, Absolute position in workspace could be calculated using SLAM algorithm. To implement SLAM in this paper, a map is built using ultrasonic sensor and hierarchical map building method. And then, we the map will be transformed into a feature map. The absolute position could be calculated using the feature map and map mapping method. As a test bed, we designed and construct an autonomous robot and showed the experimental performance of the proposed SLAM algorithm based on feature map. Experimental result, we verified that robot can found all absolute position on experiments using proposed SLAM algorithm.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 엔코더, 자이로, 전자 나침반을 이용한 위 치측정 기술과 초음파를 이용한 특징 맵 기반 SLAM 에 대해 이야기한다.
제안 방법
이용하였다. SLAM을 구현하기 전 단계인 맵 생성을 위하여 로봇의 좌우 두 개의 초음파 센서의 거리 변화율을 이용하여 구조적 맵 생성 방법으로 맵을 생성하였다. 또한실시간 연산을 위해 적은 저장공간과 연산이 가능한 특징 맵 형태로 이용하였다.
자신의 각도를 계산한다. 그리고 초음파 센서 의거 리 값을 이용하여 상대적인 방향각을 계산한 후, 이 와전자나침 반을 통해 계산된 각도 값을 이용하여 맵 상에서 의 로봇의 상대적 인 방향각을 계산한다. 계산된 방향각과 초음파의 거리 값을 이용하여 로봇은 복도의 중앙으로 이동한다.
따라서 본 논문에서는 로봇이 주행 중에는 자이로를 이용하고, 주행하지 않을전자 나침반을자나침반을 사용하였 다.
하지만 이와 같이 그리드 형태로 맵을 표현할 경우에는 매우 큰 저장 공간을 필요로 하여 실시간 연산이 필요한 로봇에 적용이 어렵다. 따라서본 논문에서는 실시간 연산을 위해 특징 맵으로 변환하여 사용한다. .
SLAM을 구현하기 전 단계인 맵 생성을 위하여 로봇의 좌우 두 개의 초음파 센서의 거리 변화율을 이용하여 구조적 맵 생성 방법으로 맵을 생성하였다. 또한실시간 연산을 위해 적은 저장공간과 연산이 가능한 특징 맵 형태로 이용하였다. 실험 결과, 평균 10.
로봇의 위치측정과 맵 생성, 맵 매핑을 위해서 초음파 센서 5개와 엔코더 2개, 자이로, 전자 나침 반을 이용해 실제 무인 자율주행이 가능한 로봇을 직접 설계 및 제작하였다. 그림 1은 제작된 로봇의 시스템 구성을 보여준다.
본 논문에서 사용된 맵의 특징점들은 연속된 점들의 변화량의 크기인 작은 특징(문, 거울 등)과 큰 특징 (통로)으로 구성된다. 그림 10은 생성된 특징 맵을 보여준다.
실험 방법은 맵을 생성한 후, 생성된 맵 상의 임의의 위치 8 곳에 로봇을 두고, 로봇이 맵 상의 절대위치를 찾는 시간과 거리를 확인하였다. 그림 12는 실험한 로봇의 위 치 들을 보여준다.
실제로 180m 주행 후에 방향각과 거리 오차는 각각 약 6°와 20cm 정도 이였다. 이러한 문제들을 해결하기 위하여 본 논문에서는 그림 5와 같이 맵을 나누어 맵 생성을 하였다.
이는 변화량이 작은 것 (문, 거울 등)과 변화량이 큰 것(통로)으로 나뉜다. 찾아진 특징들은 각 특징들의 종류와 위치한 룩 업를 룩업 테이블로 저 장하여 SLAM에 사용하였다.
대상 데이터
구성된 시스템에 사용된 센서는 크게 맵 매핑을 위해 사용된 초음파 센서와 위치측정을 위한 엔코더, 자이로, 나침 반 센서가 사용되었다. 표 2는 위 센서 들의 주요사양을 보여준다.
본 논문에서 맵 생성 시에는 로봇의 좌우 두 개의 초음파만을 사용하였다. 일반적인 맵 생성의 경우에 로봇이 이동하는 모든 점들이 모여 맵을 생성하므로 중첩된 벽 이 발생될 뿐 아니라, 엔코더 와 자이로의 누적 오차에의 해 오차가 발생된다.
향하는 방향각이다. 본 논문에서 사용된 로봇은 그림 3과 같이 자전거 모델(bicyclemodel)으로 간단히 나타낼 수 있다.
본 논문은 로봇의 SLAM을 구현하기 위하여 초음파센서와 엔코더, 자이로, 전자나침반을 이용하였다. SLAM을 구현하기 전 단계인 맵 생성을 위하여 로봇의 좌우 두 개의 초음파 센서의 거리 변화율을 이용하여 구조적 맵 생성 방법으로 맵을 생성하였다.
성능/효과
맵 생성을 통해 찾은 특징은 중첩된 정보들을 모두 포함하여 총 780개 이고’ 중첩된 특징 들은 클러스터 링 방법을 이용하여 106개의 특징 개수로 줄였다. 이는 위쪽 가로 복도는 38개, 아래쪽 가로 복도는 28개, 왼쪽 세로 복도는 10개, 중앙 세로 복도는 14개, 오른쪽 세로 복도는 16개이다.
생 기 게 된다. 본 실험 환경에서의 시험 결과, 특징들의 오차는 평균 5.43cm이었으며 21.99cm의 분산을 가졌다.
실험 결과, 8번의 독립적인 실험에서 평균 10.7초 동안 평균 5개의 특징을 사용하여 평균 5.39m을 주행 후, 절대좌표를 찾았다. 그림 12에서 ® 위치에서 다른 위치의 실험결과에 비해 절대 좌표를 찾는 시간이 오래 걸렸다.
또한실시간 연산을 위해 적은 저장공간과 연산이 가능한 특징 맵 형태로 이용하였다. 실험 결과, 평균 10.7초 동안 평균 5개의 특징을 사용하여 평균 5.39m을 주행 후, 절대좌표를 찾을 수 있었다. 이는 실제 로봇에 적용하여 실험하여 실시간 연산으로 맵 상의 절대 좌표를 로봇이 찾을 수 있음을 확인하였다.
참고문헌 (8)
Trevor Davies, Amor Jnifene, "Multiple Waypoint Path Planning for a Mobile Robot using Genetic Algorithms," IEEE Conference on Virtual Environments, Human- Computer Interfaces, and Measurement Systems, pp.21-26, 2006
Momotaz Begum, George K. I. Mann, Raymond G. Gosine, "An Evolutionary SLAM Algorithm for Mobile Robots," Proc. of IEEE/RSJ Conference on Intelligent Robots and Systems, pp. 4066-4071, 2006
Ho-Duck Kim, Sang-Wook Seo, and Kwee-Bo Sim, "SLAM of Mobile Robot in the indoor Environment with Digital Magnetic Compass and Ultrasonic Sensors," Conference on Control, Automation and Systems, pp. 87-90, 2007
SungHwan Ahn, Jinwoo Choi, Nakju Lett Doh, Wan Kyun Chung "A practical approach for EKF-SLAM in an indoor environment: fusing ultrasonic sensors and stereo camera," LLC 2008, vol. 24, pp. 315-335, 2008
Michael Montemerlo, Sebastian Thrun, William Whittaker. "Conditional particle filters for simultaneous mobile robot locaization and people-tracking," Proceedings of the 2002 IEEE, International Conference on Robotics & Automation, Washington, pp. 695-701, 2002
Christian Brenneke, Oliver Wuif, Bernardo Wagner. "Using 3D Laser Range Data for SLAM in Outdoor Environments," Proceedings of the 2003 IEEE/RSJ, Conference on Intelligent Robots and Systems, pp. 188-193, 2003
Henrik Andreasson, Andre Treptow and Tom Duckett "Localization for mobile robots using panoramic vision, local features and particle filter," IEEE Conference on Robotics and Automation, Barcelona, pp. 3348-3353, 2005
Sunghwan Ahn and Wan Kun Chung, "Efficient SLAM Algorithm with Hybrid Visual Map in an Indoor Environment," Conference on Control, Automation and Systems, pp. 663-667, 2007
※ AI-Helper는 부적절한 답변을 할 수 있습니다.