최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기韓國軍事科學技術學會誌 = Journal of the KIMST, v.12 no.4, 2009년, pp.516 - 523
진강규 (한국해양대학교) , 이현식 (국방기술품질원) , 이윤형 (한국항만연수원 부산연수원) , 이영일 (국방과학연구소) , 박용운 (국방과학연구소)
Recently, the applications of unmanned robots are increasing in various fields including surveillance and reconnaissance, planet exploration and disaster relief. To perform their missions with success, the robots should be able to evaluate terrain's characteristics quantitatively and identify traver...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
3D 월드모델에 기초한 Binary 장애지형 판정에 따른 주행가, 주행불가는 어떻게 사용되는가? | 3(a)의 모든 패치에 대해 진행되며 패치 지형이 주행에 장애가 되는 환경 요소를 가지고 있는 지의 유무 즉, ‘주행가(Traversable)’ 또는 ‘주행불가(Non-Traversable)’를 판단하게 된다. 이 정보는 지형정보 추출과 주행성분석 및 속도추정 모듈의 동작여부를 결정하는데 사용된다. ‘주행가’이면 이후의 두 모듈에 의해 속도가 추정되지만, ‘주행불가’이면 해당 패치에서의 속도는 0이 되고 장애지형 판정은 다음 패치로 넘어가게 된다. | |
주행성 분석은 어떻게 구분되는가? | 주행성 분석은 크게 전역 주행성 분석(GTA : Global Traversability Analysis)과 지역 주행성 분석(LTA : Local Traversability Analysis)으로 구분된다. GTA는 위성, 레이더 등으로부터 입수되는 계획된 지역의 광역 스케일의 저해상도 지형도로부터 로봇이 통과하기 어려운 산, 호수, 골짜기, 숲 등의 지역을 오프라인적으로 식별하는 것이고, LTA는 반경 수 미터에서 수 십 미터이내의 지역에 대해 스테레오 비전 카메라나 레이저 거리측정기 등으로 얻어진 고해상도 영상정보를 기반으로 해당 지형의 통과가능 여부를 온라인적으로 판단하는 것이다. | |
GTA는 무엇인가? | 주행성 분석은 크게 전역 주행성 분석(GTA : Global Traversability Analysis)과 지역 주행성 분석(LTA : Local Traversability Analysis)으로 구분된다. GTA는 위성, 레이더 등으로부터 입수되는 계획된 지역의 광역 스케일의 저해상도 지형도로부터 로봇이 통과하기 어려운 산, 호수, 골짜기, 숲 등의 지역을 오프라인적으로 식별하는 것이고, LTA는 반경 수 미터에서 수 십 미터이내의 지역에 대해 스테레오 비전 카메라나 레이저 거리측정기 등으로 얻어진 고해상도 영상정보를 기반으로 해당 지형의 통과가능 여부를 온라인적으로 판단하는 것이다. 특히 LTA는 근거리 지역을 커버하기 때문에 안전주행을 판단하는 중요한 요소이고 지형들의 물리적, 기하학적 성질에 좌우되게 되므로 기울기(Slope)와 거칠기(Roughness)가 주 연구 대상이었다. |
D. Langer, J. K. Rosenblatt and M. Hebert, 'A Behavior-Based System for Off-Road Navigation', IEEE Trans. Robotics and Automation, Vol. 10, No. 6, pp. 776-783, 1994
R. Hoffman and E. Krotkov, 'Terrain Roughness Measurements from Elevation Maps', SPIE Mobile Robots, Vol. 1195, 1989
N. Yokoya and K. Yamamoto, 'Fractal-Based Analysis and Interpolation of 3D Natural Surfaces and Their Application to Terrain Modeling', Computer Vision, Graphics, and Image Processing, Vol. 46, pp. 284-302, 1989
E. Tunstel, A. Howard and H. Seraji, 'Rule-Based Reasoning and Neural Network Perception for Safe Off Road Robot Mobility', Expert Systems, Vol. 19, No. 4, pp. 191-200, 2002
M. J. Procopio, T. Strohmann, A. R. Bates, G. Grudic and J. Mulligan, 'Using Binary Classifiers to Augment Stereo Vision for Enhanced Autonomous Robot Navigation', University of Colorado at Boulder, Tech. Report, 2007
T. Chang, T. Hong, S. Legowik and M. N. Abrams, 'Concealment and Obstacle Detection for Autonomous Driving', Int. Association of Science and Tech. for Development 1999 Conf. on Robotics and Applications, Santa Barbara, CA, 1999
A. Rankin, A. Huertas and L. H. Matthies, 'Nighttime Negative Obstacle Detection for Off- Road Autonomous Navigation,' SPIE Defense & Security Symposion: Unmanned Systems Technology IX Conference, 2007
진강규, 이현식, 이윤형 et al., '지형 고도 맵으로 부터 기울기와 거칠기 추출 방법', 제어.로봇.시스템학회 논문지, 제14권, 제9호, pp. 909-915, 2008
※ AI-Helper는 부적절한 답변을 할 수 있습니다.