최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국해양정보통신학회논문지 = The journal of the Korea Institute of Maritime Information & Communication Sciences, v.14 no.9, 2010년, pp.1987 - 1992
This paper deals with the method of using the three dimensional characteristic information to classify the front environment in travelling by using the images captured by a CCD camera equipped on a mobile robot. The images detected by the three dimensional characteristic information is divided into ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
이동 로봇을 사용하여 복도 환경을 인식하는 방법 중 시간 지연이 발생하고, 로봇 위치를 명확하게 하기 위해 별도의 장비가 요구되는 방법은 무엇인가? | 이동 로봇을 사용하여 복도 환경을 인식하는 방법에 대해서는 많은 선행 연구가 이루어져왔으며, 이는 다음의 두 가지로 나누어진다. 첫 번째는 현재의 입력 영상으 로부터 복도 환경을 인식하기 위하여, 미리 복도 환경에 대한 데이터를 저장한 후, 이를 기준으로 현재의 영상과 매핑을 통해 장애물 및 복도의 코너부분 등을 인식하는 방법이 사용되고 있다. 따라서, 이동 로봇의 정확한 현재 위치에 대한 파악이 중요하며, 복도 환경의 특징점들을 미리 저장하고 있어야만 현재 입력에 대한 매핑이 이루어 질 수 있다. | |
복도 내에서 주행하는 로봇에 탑재된 카메라로 입력된 영상이 3차원 특징정보에 의해 무엇으로 검출되어지는가? | 본 논문에서는 이동로봇에 장착된 CCD 카메라를 통해 입력되는 영상에서 3차원 물체가 가지는 특징정보를 분석 및 추출하여하여 주행전방의 환경을 구분하는데 적용하게 된다. 복도 내에서 주행하는 로봇에 탑재된 카메라로 입력된 영상은 3차원 특징정보에 의해 장애물과 복도의 코너, 문으로 검출되어진다. 바닥의 장애물 정보 인식을 통한 이동로봇의 주행경로를 구하는데 있어 이들 세 가지는 최적의 경로 생성과 장애물 회피를 위한 매우 중요한 정보로 사용될 수 있다. | |
복도의 벽면 혹은, 천정 부분에 특징점을 대신하는 표시를 부착한 후, 이를 기준으로 이동 로봇을 주행시키는 방법의 단점은 무엇인가? | 다른 하나의 방법은 복도의 벽면 혹은, 천정 부분에 특징점을 대신하는 표시(land mark)를 부착한 후, 이를 기준으로 이동 로봇을 주행시키는 것으로 로봇의 절대 위치에 대한 파악보다는 표시의 의미를 인식하는 부분이 중요하게 된다. 이러한 방법은 상대적으로 저가의 장비를 사용하여 고속으로 이동 로봇을 움직일 수 있는 장점을 가지는 반면, 이동 로봇의 범용성을 저하시키고, 이동 로봇이 주행 가능한 복도마다 표시를 부착하여 복도의 미관을 어지럽히는 단점을 가진다. 또한, 표식의 위치가 임의로 변경되면, 이에 대한 대처가 불가능하다[6,7,8]. |
Don Murray and Anup Basu, "Motion Tracking with an Active Camera," IEEE Trans. of Pattern Analysis and Machine Intelligence, Vol. 16, No. 5, pp. 449-459, May 1994.
Dinesh Nair, Jagdishkumar K. Aggarwal, "Moving Obstacle Detection Form a Navigating," IEEE Transactions on Robotics and Automation, Vol. 14, No 3, June 1998.
Li, Fuzzy-logic-based Reactive Behavior of an Autonomous Mobile system in Unknown Environments, Eng. Application Artificial Intelligent, 7(50), pp.521-531, 1994.
Marsland, S., Nehmzow, U., & Shapiro, J..On-line novelty detection for autonomous mobile robots. Robotics and Autonomous Systems, 51(2-3), 191-206, 2005.
Lewis, M. A., & Tan, K. H. High precision formation control of mobile robots using virtual structures. Autonomous Robots, 4(4), 387-403, 1997.
X. Yang, and M. Meng, Neural network approaches to dynamic collision-free trajectory generation, IEEE Trans. on Systems, Man, and Cybernetics, Part B, 31(3) pp.302-318, 2001.
A. Vasilyev and A. Kapishnikov, "Approximation of conditional probability function using artificial neural networks," in Int. Conference on Modelling and Simulation of Business Systems, pp. 79-81, 2003.
D. Nguyen and B. Widrow, "Improving the learning speed of two-layer neural networks by choosing initial values of the adaptive weights," in Int. Joint Conference on Neural Networks, pp. 21-261, 1990.
K. Mehrotra, C. Mohan, and S. Ranka, Elements of Artificial Neural Networks. Cambridge, MA, USA: MIT Press, 1997.
R. E. Fayek, R. Liscano and G. M. Karam, "A System Architecture for a Mobile Robot based on Activities and a Blackboard control unit," Proc. IEEE Int. Conf. on Robotics and Automation, pp. 267-274, 1993.
P. Stone, R. S. Sutton, and G. Kuhlmann, "Reinforcement learning for RoboCup-soccer keepaway," Adaptive Behavior, vol. 13, no. 3, pp. 165-188, 2005.
T. Nakashima and H. Ishibuchi, "Mimicking dribble trajectories by neural networks for RoboCup soccer simulation," in IEEE Multi-Conference on Systems and Control, pp. 658-663, 2007.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.