최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기센서학회지 = Journal of the Korean Sensors Society, v.19 no.3, 2010년, pp.246 - 257
이승환 (서울대학교 전기컴퓨터공학부) , 이헌철 (서울대학교 전기컴퓨터공학부) , 이범희 (서울대학교 전기컴퓨터공학부)
Autonomous guided robot navigation which consists of following unknown paths and avoiding unknown obstacles has been a fundamental technique for unmanned robots in outdoor environments. The unknown path following requires techniques such as path recognition, path planning, and robot pose estimation....
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
초음파나 적외선 센서의 장단점은? | 거리센서에는 레이저 센서, 적외선 센서, 초음파 센서가 있고, 이들은 장단점을 가지고 있다. 레이저 센서는 성능이 뛰어나지만 가격이 비싸고, 초음파나 적외선 센서는 원거리의 정확도가 떨어지지만 가격이 싸다. 따라서 본 논문에서는 장애물 회피를 위해 비전 센서와 값이 싼 적외선 센서를 규칙 기반 방법을 이용하여 융합하였고, 비전 센서로 원거리 회피를 하였고 적외선 센서를 이용하여 근거리에서 반응성 장애물 회피를 수행하였다. | |
반응성 장애물 회피 방법의 장점은? | 일반 적으로 환경에 대한 정보가 없는 경우 로봇의 지도를 갱신하면서 장애물 회피를 하는 경우와 현재의 센서정보를 바탕으로 한 반응성 장애물 회피(reactive obstacle avoidance)를 수행하는 경우가 있다. 두 방법중 반응성 장애물 회피 방법은 지도 갱신없이 빠른 처리속도를 가지므로 경로상의 다양한 환경 변화에 빠르게 대응할 수 있다. 이 방법을 사용하기 위해서는 주로 거리 센서가 사용된다. | |
반응성 장애물 회피 방법을 사용하기 위해 주로 어떤 센서가 사용되는가? | 두 방법중 반응성 장애물 회피 방법은 지도 갱신없이 빠른 처리속도를 가지므로 경로상의 다양한 환경 변화에 빠르게 대응할 수 있다. 이 방법을 사용하기 위해서는 주로 거리 센서가 사용된다. 거리센서에는 레이저 센서, 적외선 센서, 초음파 센서가 있고, 이들은 장단점을 가지고 있다. |
K. Ohno and T. Tsubouchi, “A mobile robot campus walkway following with daylight-change-proof walkway color image segmentation”, Proceedings of the IEEE International Conference on Intelligent Robots and Systems, Hawaii, USA, 2001.
A. Diosi, A. Remazeilles, S. Segvic, and F. Chaumette, “Outdoor visual path following experiments”, IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS’ 07, San Diego, CA, USA, 29 October - 2 November 2007.
A. James and J. Baltes, “A path following system for autonomous robots with minimal computing power”, University of Auckland, Private Bag 92019, Auckland, New Zealand, 2001.
M. Sotelo, F. Rodriguez, L. Magdalena, L. Bergasa, and L. Boquete, “A color vision-based lane tracking system for autonomous driving on unmarked roads”, Autonomous Robots, vol. 16, no. 1, pp. 95-116, 2004.
K. Kluge and C. Thorpe, “Representation and recovery of road geometry in YARF”, Proceedings of the Intelligent Vehicles ‘92 Symposium, pp. 114-119, 1992.
Yunsu Bok, Youngbae Hwang, and InSo Kweon, “영상 매칭 및 자세 추정을 이용한 무인 차량의 위치 추정(UGV localization based on scene matching and pose estimation)”, 한국군사과학기술학회 종합학술대회, pp. 1144-1150, 2007.
K. Macek, B. Williams, S. Kolski, and R. Siegwart, “A lane detection vision module for driver assistance”, Proceedings of the IEEE/APS Conference on Mechatronics and Robotics, Aachen, Germany, 2004.
Andrew Reed Bacha, “Line detection and lane following for an autonomous mobile robot”, Master’s Thesis, Virginia Polytechnic Institute and State University, 2005.
McKeon, R.T, Paulik, M., and Krishnan, M, “Lane identification and path planning for autonomous mobile robots”, Proceedings of SPIE - The International Society for Optical Engineering, vol. 6384, 63840S, 2006.
Rezoug, A., Djouadi, and M.S, “Visual based lane following for non-holonomic mobile robot”, IEEE EUROCON 2009, no. 5167741, pp. 902-907, 2009.
J. Cao, X. Liao, and E. Hall, “Reactive navigation for autonomous guided vehicle using the neuro-fuzzy techniques”, Proceedings of SPIE - The International Society for Optical Engineering, vol. 3837, pp. 108-117, Boston, 1999.
Y.U Yim and S-Y Oh, “Three-feature based automatic lane detection algorithm(TFALDA) for autonomous driving”, IEEE Transactions on Intelligent Transportation Systems, pp. 219-225, 2003.
Li W, Lu G.T, and Wang Y. Q, “Recognizing white line markings for vision-guided vehicle navigation by fuzzy reasoning”, Pattern Recognition Letters, vol. 18, pp. 771-780, 1997.
Kahn P, Kitchen L, and Riseman E M, “A fast line finder for vision-guided robot navigation”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 12, no. 11, pp. 1098-1102, 1990.
Pinheiro, P, and Lima, P, “Bayesian sensor fusion for cooperative object localization and world modeling”, 8th Conference on Intelligent Autonomous Systems (IAS-8), Amsterdam, Netherlands, 2004.
Sasladek, J. Z and Q. Wang, “Sensor fusion based on fuzzy Kalman filtering for autonomous robot vehicle”, Proceedings of the IEEE. International Conference on Robotics and Automation, Detroit, Michigan, pp. 2970-2975, 1999.
Kam, M., Zhu, X., and Kalata, P, “Sensor fusion for mobile robot navigation”, Proceedings of the IEEE, vol. 85, pp. 108-119, 1997.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.