[논문]군집 로봇의 동시적 위치 추정 및 지도 작성

문현수; 신상근; 주영훈

doi:10.5391/jkiis.2011.21.3.296

[국내논문] 군집 로봇의 동시적 위치 추정 및 지도 작성
Simultaneous Localization and Mapping For Swarm Robot 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.21 no.3, 2011년, pp.296 - 301

문현수 (군산대학교 제어로봇공학과) , 신상근 (한국폴리텍 김제대학) , 주영훈 (군산대학교 제어로봇공학과)

초록
AI-Helper

본 논문에서는 군집 로봇의 동시적 위치 추정 및 지도 작성 시스템을 제안하였다. 로봇은 실험환경에서 주변 환경을 인식하기 위해 초음파센서와 비젼 센서를 이용하였다. 실험환경을 3개의 영역으로 분할하였고, 로봇은 각 영역에서 초음파 센서로 주변 환경에 대한 거리 정보를 측정하였고, SURF 알고리즘을 이용하여 비젼 센서로부터 입력받은 영상과 landmark의 특징점을 정합하여 랜드마크를 인식하였다. 제안된 방법은 센서값들에 대한 오차에 민감하지 않고 실험환경에 비교적 정확한 지도를 작성함으로써 응용 가능성을 증명하였다.

Abstract ▼ AI-Helper

This paper deals with the simultaneous localization and mapping system using cooperative robot. For recognizing environment, swarm robot uses the ultrasonic sensors and vision sensor. Ultrasonic sensors measure the distance information, and vision sensor recognizes the predefined landmark. we used SURF with excellent quality and fast matching in order to recognize landmark. Due to measurement error of sensors, we fusion them using particle filter for accurate localization and mapping. Finally, we show the feasibility of the proposed method through some experiments.

Keyword

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 군집 로봇의 동시적 위치 추정 및 지도 작성 시스템을 제안하였다. 로봇은 실험환경에서 주변 환경을 인식하기 위해 초음파센서와 비젼 센서를 이용하였다.
본 논문에서는 실험환경에서 각 영역으로부터 센서값을 측정한 후 로봇이 각 영역에서 측정된 센서값들을 파티클 필터로 융합하는 시뮬레이션을 통하여 군집 로봇의 동시적 위치 추정 및 지도 작성 시스템을 구현하고자 한다. 제안하는 시스템의 구성은 그림 1과 같다.
본 논문에서 제안하는 군집 로봇의 동시적 위치 추정 및 지도 작성 시스템은 미지의 환경에서 로봇이 지닌 엔코더, 초음파 센서, 비젼 센서 값을 융합하는 시뮬레이션을 통해 로봇의 위치를 추정하며 동시적으로 지도를 작성하는 것이 목적이다. 본 논문에서 실험에 사용한 로봇은 그림 9와 같다.

제안 방법

본 논문에서는 초음파 센서와 비젼 센서를 융합을 이용하여 군집 로봇의 위치 추정 및 지도 작성을 수행한다. 실험환경의 각 영역에서 로봇은 초기 위치를 설정하여 PSO로 동정된 제어기를 기반으로 주행을 하였고[4-6], 로봇은 장착되어 있는 초음파 센서로 주변 환경에 대한 거리 정보를 측정을 하고, 비젼 센서로는 입력된 영상과 landmark의 특징점 정합을 이용하여 인식한다.
본 논문에서는 초음파 센서와 비젼 센서를 융합을 이용하여 군집 로봇의 위치 추정 및 지도 작성을 수행한다. 실험환경의 각 영역에서 로봇은 초기 위치를 설정하여 PSO로 동정된 제어기를 기반으로 주행을 하였고[4-6], 로봇은 장착되어 있는 초음파 센서로 주변 환경에 대한 거리 정보를 측정을 하고, 비젼 센서로는 입력된 영상과 landmark의 특징점 정합을 이용하여 인식한다. landmark를 인식하는데 우수한 성능을 지녀 많이 사용되는 SIFT는 연산량이 많다는 단점을 지니고 있어, SIFT와 비교하여 비슷한 성능을 갖지만 속도면에서 빠른 SURF(Speeded Up Robust Features) [8] 알고리즘 이용한다.
landmark를 인식하는데 우수한 성능을 지녀 많이 사용되는 SIFT는 연산량이 많다는 단점을 지니고 있어, SIFT와 비교하여 비슷한 성능을 갖지만 속도면에서 빠른 SURF(Speeded Up Robust Features) [8] 알고리즘 이용한다. 각 영역에서 측정된 센서값들은 로봇의 위치 추정에 많이 사용되는 파티클 필터 (Particle filter) [9~12]로 융합하는 시뮬레이션을 통해 각 영역에서 로봇의 위치를 추정하며 측정된 센서 값을 지도로 나타내어 지도를 작성함으로써 군집 로봇의 동시적 위치 추정 및 지도 작성을 수행한다.
먼저, 로봇은 각 영역으로부터 PSO로 동정된 퍼지 주행 제어기를 이용 하여 주행한다. 이 때, 로봇은 초음파 센서를 이용하여 주변 환경에 대한 거리 정보를 측정하게 되고, 비젼 센서는 미리 설정된 landmark를 인식하게 된다.
각 영역으로부터 주행하며 측정된 센서값들은 오차를 지니고 있다. 제안한 시스템에서는 센서값들에 의한 오차를 줄이기 위해 파티클 필터로 융합하는 시뮬레이션을 통해 군집 로봇의 동시적 위치 추정 및 지도 작성을 수행한다.
본 논문에서 사용하는 SURF(Speeded Up Robust Features)는 환경변화에 불변하는 특징점을 찾는 알고리즘 중 하나로 얻어진 그레이 영상으로부터 기하학적 관계에 기반을 둔 특징을 찾아내고, 서술자를 구성하여 특징점을 정합한다. 일반적으로 성능이 우수하다고 알려진 SIFT와 견줄만한 성능을 보이면서도 속도를 크게 향상시킨 알고리즘이다.
SURF는 회전성에 강인한 특징점을 추출하기 위하여 특징점의 방향성을 추출한다. 먼저, 특징점의 6s 반경 내의 픽셀 반경 내의 이웃 픽셀 밝기 값에 대한 x, y 방향에 Haar wavelet 응답을 계산한다. x방향의 Haar wavelet 응답은 dx, y방향의 Haar wavelet 응답은 dy이다.
1영역과 3영역에서는 벽면의 거리 정보가 부정확함을 알 수 있으며, 2영역에서는 로봇의 진행 정보에 대한 오차가 발생하여 작성된 지도의 정확성이 떨어짐을 알 수 있다. 센서 오차에 의해 정확성이 떨어지는 현상을 보완하고자 파티클 필터로 센서 값들을 융합하여 로봇의 위치 추정 후 지도를 작성하는 시뮬레이션을 수행하였다. 3개의 각 영역에 대한 로봇의 위치를 추정하기 위해 사용한 파티클의 수는 각 30개씩 90개를 사용하였다.
로봇은 실험환경에서 주변 환경을 인식하기 위해 초음파센서와 비젼 센서를 이용하였다. 실험 환경을 3개의 영역으로 분할하였고, 로봇은 각 영역에서 초음파 센서로 주변 환경에 대한 거리 정보를 측정하였고, SURF 알고리즘을 이용하여 비젼센서로부터 입력받은 영상과 landmark의 특징점을 정합하여 landmark를 인식하였다. 측정된 센서값에는 오차가 존재하기 때문에 로봇의 정확한 위치 추정 및 지도 작성을 하기 위해 파티클 필터를 이용하여 측정된 센서값을 융합하였다.
실험 환경을 3개의 영역으로 분할하였고, 로봇은 각 영역에서 초음파 센서로 주변 환경에 대한 거리 정보를 측정하였고, SURF 알고리즘을 이용하여 비젼센서로부터 입력받은 영상과 landmark의 특징점을 정합하여 landmark를 인식하였다. 측정된 센서값에는 오차가 존재하기 때문에 로봇의 정확한 위치 추정 및 지도 작성을 하기 위해 파티클 필터를 이용하여 측정된 센서값을 융합하였다. 파티클필터는 어떤 형태의 확률 분포도 표현할 수 있어 로봇의 위치 추정 과정에서 오차가 누적되지 않는다는 장점을 가지고 있어 가중치를 가진 다수의 파티클의 분포를 통해서 로봇의 위치를 비교적 정확하게 추정할 수 있어 측정된 센서값으로 지도를 작성하여 로봇의 협업으로 실험환경에 대한 지도가 작성되었다.

대상 데이터

본 논문에서는 군집 로봇의 동시적 위치 추정 및 지도 작성 시스템을 제안하였다. 로봇은 실험환경에서 주변 환경을 인식하기 위해 초음파센서와 비젼 센서를 이용하였다. 실험 환경을 3개의 영역으로 분할하였고, 로봇은 각 영역에서 초음파 센서로 주변 환경에 대한 거리 정보를 측정하였고, SURF 알고리즘을 이용하여 비젼센서로부터 입력받은 영상과 landmark의 특징점을 정합하여 landmark를 인식하였다.
본 논문에서 실험에 사용한 로봇은 한울 로보틱스에서 개발한 HANURI-RS2형 로봇으로 상부12개 하부 12개로 총 24개의 송수신겸용의 폴라로이드사의 실험용센서가 15°도 간격으로 배치되어 360°를 커버하도록 되어 있고, Zeca사의 33만 화소의 usb카메라를 지니고 있고, 실험 환경을 3개 영역으로 분할한 후 각 영역에서 로봇을 주행시켜 얻은 센서 측정값을 기반으로 융합하여 시뮬레이션을 하였다.
시뮬레이션을 하기 위해 미리 설정한 landmark와 로봇이 위치 추정 및 지도 작성을 하기 위해 3개의 영역으로 분할된 실험 환경은 10 × 5m이고 그림 10과 같다. 비젼 센서로부터 landmark를 인식하기 위하여 4개의 landmark를 임의의 위치에 설정하였다. 분할된 각 영역에서 로봇은 일정한 속도로 주행을 하면서 로봇 주위의 환경 데이터 값(센서 값)을 획득하였다.
로봇은 지도를 작성하기 위해 사용한 초음파 센서는 A9～A11만을 사용하였다. 엔코더를 통해서 로봇의 이동거리를 알 수 있지만, 바퀴의 미끄러짐 등의 오차가 발생한다.
센서 오차에 의해 정확성이 떨어지는 현상을 보완하고자 파티클 필터로 센서 값들을 융합하여 로봇의 위치 추정 후 지도를 작성하는 시뮬레이션을 수행하였다. 3개의 각 영역에 대한 로봇의 위치를 추정하기 위해 사용한 파티클의 수는 각 30개씩 90개를 사용하였다.

이론/모형

이 때, 로봇은 초음파 센서를 이용하여 주변 환경에 대한 거리 정보를 측정하게 되고, 비젼 센서는 미리 설정된 landmark를 인식하게 된다. landmark를 인식하는 경우 크기와 회전에 강인하며 빠른 속도를 지닌 SURF 알고리즘을 이용한다. 각 영역으로부터 주행하며 측정된 센서값들은 오차를 지니고 있다.
SURF는 근사화된 Hessian-Matrix를 적용하여 고속으로 특징점을 검출한다. 이 때 적분영상을 적용하여 크기 공간의 연산량을 효율적으로 감소시켰다.
SURF는 정밀도와 좋은 성능을 보유하는 Hessian matrix 기반의 검출기를 기반으로 한다. Determinant가 최대가 되는 점에서 Blob-like 구조를 추출함으로서 보다 정밀한 특징점을 추출할 수 있다.
실험 환경에 landmark가 있는 경우, SURF 알고리즘을 이용하여 인식하였다. 그림 11은 영역 1에서 측정된 센서값만을 기반으로 하여 로봇의 위치를 추정하며 지도 작성과정 중 landmark를 인식하였을 때의 그림을 나타낸다.

성능/효과

파티클필터는 어떤 형태의 확률 분포도 표현할 수 있어 로봇의 위치 추정 과정에서 오차가 누적되지 않는다는 장점을 가지고 있어 가중치를 가진 다수의 파티클의 분포를 통해서 로봇의 위치를 비교적 정확하게 추정할 수 있어 측정된 센서값으로 지도를 작성하여 로봇의 협업으로 실험환경에 대한 지도가 작성되었다. 제안된 방법은 센서값들에 대한 오차에 민감하지 않고 실험환경에 비교적 정확한 지도를 작성함으로써 응용 가능성을 증명하였다.
측정된 센서값을 기반으로 한 지도는 주변 환경에 대한 부정확한 거리 정보와 로봇의 진행방향을 손실하여 로봇의 상태 정보에 대한 오차가 누적되어 부정확한 지도가 작성되었지만 파티클 필터로 센서 값들을 융합하여 각 영역에서 로봇의 위치를 추정하며 작성된 지도는 손실된 로봇의 상태 정보에 대한 오차를 줄여줌으로써 로봇들의 정확한 위치를 추정할 수 있었으며 추정된 위치에서 센서값으로 지도를 작성함으로써 실험환경과 유사한 지도가 작성하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	현재 연구되어 개발된 지능형 로봇의 문제점은 무엇인가?	하지만 인구의 고령화와 저 출산으로 인하여 인간의 복지와 인간의 삶의 질을 향상시키기 위하여 로봇 산업은 서비스, 안전, 경비 등의 방향으로 변하고 있고, 각종 서비스를 위한 지능형 로봇에 관심도가 증가하게 되어 지능형 로봇에 대한 연구가 시작되었다. 하지만 지능형 서비스 로봇은 특정의 서비스와 기능에 대해서만 초점을 맞추어 연구가 진행되고 있으며, 지능형 서비스 로봇은 크기가 너무 크고, 환경 인식을 하기 위해서 다양한 센서가 필요하여 로봇의 단가가 비싸지는 단점이 있다. 최근 이러한 단점을 보완할 수 있도록 서비스 로봇 응용분야의 확장하여 로봇이 서로 협업을 하고 소형화하여 서비스를 수행 할 수 있도록 하는 군집 로봇 시스템에 대한 관심도가 증가하고 있다.
	로봇 산업의 초기에는 어떤 기술 개발에 집중하였는가?	특히 IT, BT, NT 기반 사업을 융합하는 분야 중의 하나가 로봇 관련 산업이다. 로봇 산업의 초기에는 산업용 로봇과 제조업용 로봇의 기술 개발에 집중하였다. 하지만 인구의 고령화와 저 출산으로 인하여 인간의 복지와 인간의 삶의 질을 향상시키기 위하여 로봇 산업은 서비스, 안전, 경비 등의 방향으로 변하고 있고, 각종 서비스를 위한 지능형 로봇에 관심도가 증가하게 되어 지능형 로봇에 대한 연구가 시작되었다.
	지능형 로봇에 대한 연구가 시작된 배경은 무엇인가?	로봇 산업의 초기에는 산업용 로봇과 제조업용 로봇의 기술 개발에 집중하였다. 하지만 인구의 고령화와 저 출산으로 인하여 인간의 복지와 인간의 삶의 질을 향상시키기 위하여 로봇 산업은 서비스, 안전, 경비 등의 방향으로 변하고 있고, 각종 서비스를 위한 지능형 로봇에 관심도가 증가하게 되어 지능형 로봇에 대한 연구가 시작되었다. 하지만 지능형 서비스 로봇은 특정의 서비스와 기능에 대해서만 초점을 맞추어 연구가 진행되고 있으며, 지능형 서비스 로봇은 크기가 너무 크고, 환경 인식을 하기 위해서 다양한 센서가 필요하여 로봇의 단가가 비싸지는 단점이 있다.

참고문헌 (12)

J. Stipes, R. Hawthorne. D. Scheidt, D. Pacifieo "Cooperative Localization and Mapping", Networking, Sensing and Control, 2006. ICNSC '06 Proceedings of the 2006 IEEE International Conference on, pp 596-601, 2006
T. Tong, H. Talou, Y. Jing, S. Fengchi, "Multi-robot Cooperative map Building in Unknown Environment Considering estimation Uncertainty", Control and Decision Conference, 2008, CCDC 2008. Chinese, pp 2896-2901, b
Primo Zingaretti, Emanuele Frontoni, "Vision and sonar fusion for mobile robot localization in aliased environments", Mechatronics and Embedded Systems and Applications, Proc. of the 2nd IEEE/ASME International Conference on, Aug, 2006
J. Kennedy and R. Eberhart ""Particle Swarm Optimization"", IEEE International conference on Neural Networks, Vol.4, pp.1942-1948, NOV. 1995.
문현수, 주영훈 "PSO를 이용한 지능형 로봇의 원격주행 제어", 한국 로봇 학회, vol. 5, No.1, pp64-69, 2010
A.A.A Esmin, A.R Aoki, and G. Lambert-Torres ""Particle Swarm Optimization For Fuzzy Membership Functions Optimization"", IEEE international Conference on Systems, Mans and Cybernetics, Vol.3, pp.6-13, Oct. 2002
D.G. Lowe, "Distinctive image features from scale invariant keypoints", International Journal of Computer Vision, vol. 60, No.2 pp. 91-110, 2004

상세보기
Herbert Bay, Andreas E, Tinne Tuytelaars and Luc Van Gool, "Speeded-Up Robust Features", Computer Vision and Image Understanding, Vol 110, Issue 3, pp 346-359, June 2008

상세보기
D. Fox, W. Burgard, F. Dellaert and S. Thrun, "Monte Carlo Localization : Efficient Position Estimation for Mobile Robots,", Proc. of the National Conference on Artificial Intelligence, 1999
C. Kwok, D. Fox, M. Meila, "Real-time particle filters", Proc of the IEEE, vol. 92, pp. 469-484 , 2004

상세보기
S. Thrun, D. Fox, W. Burgard and F. Dellaert "Robust Monte Carlo Localization for Mobile Robots", Artificial Intelligence, summer 2001
H. Zhou and S. Sakane "Sensor Planning for Mobile Robot Localization - A Hierarchical Approach Using Bayesian Network and a Particle Filter", IEEE Transactions on Robotics, vol. 24, no. 2, April, 2008

상세보기

저자의 다른 논문 :

LOADING...

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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