[논문]로봇 주행을 위한 세개의 카메라를 사용한 광류 정보 활용

이수용

doi:10.5302/j.icros.2012.18.2.110

Abstract ▼ AI-Helper

This paper describes a new design of optical flow estimation system with three cameras. Optical flow provides useful information of camera movement; however a unique solution is not usually available for unknowns including the depth information. A camera and two tilted cameras are used to have diffe...

This paper describes a new design of optical flow estimation system with three cameras. Optical flow provides useful information of camera movement; however a unique solution is not usually available for unknowns including the depth information. A camera and two tilted cameras are used to have different view of angle and direction of movement to the camera axis. Geometric analysis is performed for cases of several independent movements. The ideas of taking advantage of the extra information for robot navigation are discussed with experimental results.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 광류정보를 로봇의 주행에 활용하기위하여 3개의 카메라를 사용하여 각각 광류를 계산하고 이 정보들을 활용하는 방법에 대하여 소개한다. 광류를 구하는 구체적인 방법은 기존의 발표된 방법을 사용하였고, 카메라의 움직임에 따른 광류의 영향 해석, 3개 카메라로부터 얻은 광류 정보의 활용 등이 본 논문의 주 내용이다.
이러한 다양한 생물체의 능력들 중에서 본 논문에서는 곤충의 시각정보활용, 특히 광류(光流, optical flow) 정보를 이용하는 능력을 로봇 주행에 활용하는 연구에 대하여 서술하였다. 잠자리나 꿀벌은 물체까지의 정확한 거리를 인지하지 않으면서도 장애물과의 충돌을 회피하며 날 수 있는 능력을 갖고 있으며 특히 꿀벌의 경우 곤충학자들의 연구 대상으로 다양한 연구 결과가 발표되었다.

가설 설정

이 예에서 알 수 있듯이, 광류는 물체까지의 거리뿐 만 아니라 카메라의 움직임 방향, 카메라의 중심 방향, 확장 초점으로부터의 거리 등 다양한 요소의 영향을 받는다. 본 논문에서는 이미지의 좌, 우 방향 움직임만을 고려하며 모든 물체는 고정된 것으로 가정한다. 위 그림 2와 같이 이미지의 좌표축이 정의되었으며 원점은 이미지의 중앙에 위치한다.

제안 방법

광류를 구하는 구체적인 방법은 기존의 발표된 방법을 사용하였고, 카메라의 움직임에 따른 광류의 영향 해석, 3개 카메라로부터 얻은 광류 정보의 활용 등이 본 논문의 주 내용이다. II 장에서는 광류 연산 방법에 대한 기본 이론이 소개되었고, III 장에서는 카메라 움직임에 따른 광류의 변화를 다양한 경우에 대하여 각각 기하학적 해석을 통하여 변수들의 영향을 살펴보았다. IV 장에서는 본 논문에서 제안하는 3개의 카메라를 사용한 광류 추정 시스템에 대한 소개와 실험 결과, 시스템의 활용방법 등을 논의하였다.
본 논문에서는 광류정보를 로봇의 주행에 활용하기위하여 3개의 카메라를 사용하여 각각 광류를 계산하고 이 정보들을 활용하는 방법에 대하여 소개한다. 광류를 구하는 구체적인 방법은 기존의 발표된 방법을 사용하였고, 카메라의 움직임에 따른 광류의 영향 해석, 3개 카메라로부터 얻은 광류 정보의 활용 등이 본 논문의 주 내용이다. II 장에서는 광류 연산 방법에 대한 기본 이론이 소개되었고, III 장에서는 카메라 움직임에 따른 광류의 변화를 다양한 경우에 대하여 각각 기하학적 해석을 통하여 변수들의 영향을 살펴보았다.
본 연구에서는 세개의 카메라를 그림 6과 같이 중앙의 카메라와 좌, 우 카메라의 이미지 획득영역의 공통부분이 존재하도록 설치하였다. 그 이유는 다양한 거리에 위치하는 특정 화소의 광류 값만으로는 거리를 구하였을 때 그 정확성을 보장하기 어려우므로 이를 보완하기 위함이다.
세 카메라를 사용하여 각각 카메라의 움직임에 대한 광류를 계산하여 이 정보를 로봇의 주행에 활용하는 방법을 제안하였다. 하나의 카메라를 사용하여 계산한 광류값을 사용하는 것에 비하여 이미지 공간을 공유하는 다수의 카메라를 사용하였을 때의 장점에 대하여 논의하였다.
특히 각 카메라의 거리 추정 결과에 대하여 화소의 위치에 따라 신뢰도가 다르므로 가중최소제곱법(weighted least squared)을 사용하여 최적해를 구한다[13]. 중앙 카메라 이미지에서 추정한 특정 화소의 거리 값을 d_c로 표현하고, 좌측카메라 이미지에서 추정한 거리 값을 d_l로 표현하여, 이 두가지 값으로부터 좀 더 정확한 거리 값을 얻는 방법에 대하여 서술한다. 다음과 같이 변수들을 정의하고
하나의 카메라를 사용하여 계산한 광류값을 사용하는 것에 비하여 이미지 공간을 공유하는 다수의 카메라를 사용하였을 때의 장점에 대하여 논의하였다. 카메라의 움직임, 다양한 환경변수들의 광류값에 대한 영향을 기하학적 해석을 통하여 검증하였다.
세 카메라를 사용하여 각각 카메라의 움직임에 대한 광류를 계산하여 이 정보를 로봇의 주행에 활용하는 방법을 제안하였다. 하나의 카메라를 사용하여 계산한 광류값을 사용하는 것에 비하여 이미지 공간을 공유하는 다수의 카메라를 사용하였을 때의 장점에 대하여 논의하였다. 카메라의 움직임, 다양한 환경변수들의 광류값에 대한 영향을 기하학적 해석을 통하여 검증하였다.

대상 데이터

본 연구에 사용된 실험장치는 그림 6과 같이 w =16cm , φ = 30° 이다.

이론/모형

이미지 내에서 밝기패턴의 변화가 연속적으로 변한다는 제한 조건을 제안한 Horn & Schunck [12]의 방법이 본 논문에서는 사용되었다.
특히 각 카메라의 거리 추정 결과에 대하여 화소의 위치에 따라 신뢰도가 다르므로 가중최소제곱법(weighted least squared)을 사용하여 최적해를 구한다[13]. 중앙 카메라 이미지에서 추정한 특정 화소의 거리 값을 d_c로 표현하고, 좌측카메라 이미지에서 추정한 거리 값을 d_l로 표현하여, 이 두가지 값으로부터 좀 더 정확한 거리 값을 얻는 방법에 대하여 서술한다.

성능/효과

결과가 보여주듯이 확장촛점 문제는 없으며 다만 카메라가 우측으로 30도 기울어졌고( φ = 30° ), 카메라의 화각은 60도 ( α =30° ) 이므로 이미지의 좌측 끝 부분은 전체 카메라 시스템의 Z좌표축과 평행하여 광류 크기값이 매우 작다.
즉, 거리뿐만 아니라 균일 표면을 갖는 물체나 확장 초점 부근의 물체에 의하여 생기는 광류값의 부정확성을 보완해 줄 수 있다. 또한 각 카메라에서 추정한 거리 정보를 동일한 공간에 투영하여 상호교차 관련 값을 계산하여 거리값의 정확도를 향상시킬 수 있다. 즉, 유사한 광류 크기값을 갖는 서로 이웃한 화소들을 동일한 물체로 분리한 정보를 세가지 각도에서 각각 구하여 이를 융합하면 하나의 카메라를 사용한 경우의 단점을 보완 할 수 있을 것으로 생각된다.
따라서 충분히 정확하지 않은 정보의 신뢰도를 높이고 활용성을 높이기 위한 방법을 몇 가지 제안한다. 첫째, 서로 어긋나는 시각을 갖는 세 카메라를 사용함으로써 확장 초점을 카메라 움직임의 종류에 관계없이 쉽게 구할 수 있으며, 이것이 제안한 카메라 시스템의 가장 큰 장점이다. 또한 세 카메라가 이미지 영역을 일부 공유함으로써 거리 추정의 직관성을 높여준다.

후속연구

일반적인 장애물 회피 주행의 경우 거리센서값으로 로봇 주변의 장애물 위치를 판단하고 충돌 없는 경로를 생성하는 것이 대분분의 경우이다. 그러나 높은 분해능의 광역 거리센서는 고가의 레이져 스캐너만이 현재의 가용한 센서이나 본 연구에서 제안한 광류 측정 시스템이 경로 생성용 센서의 대안으로 사용될 수 있다. 물론 본 논문에 설명된 내용은 모든 주변 물체는 움직이지 않으며 카메라의 움직임이 있을 때만 사용 가능한 방법인 제한을 갖는다.
그러나 높은 분해능의 광역 거리센서는 고가의 레이져 스캐너만이 현재의 가용한 센서이나 본 연구에서 제안한 광류 측정 시스템이 경로 생성용 센서의 대안으로 사용될 수 있다. 물론 본 논문에 설명된 내용은 모든 주변 물체는 움직이지 않으며 카메라의 움직임이 있을 때만 사용 가능한 방법인 제한을 갖는다.
또한 각 카메라에서 추정한 거리 정보를 동일한 공간에 투영하여 상호교차 관련 값을 계산하여 거리값의 정확도를 향상시킬 수 있다. 즉, 유사한 광류 크기값을 갖는 서로 이웃한 화소들을 동일한 물체로 분리한 정보를 세가지 각도에서 각각 구하여 이를 융합하면 하나의 카메라를 사용한 경우의 단점을 보완 할 수 있을 것으로 생각된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	잠자리나 꿀벌은 어떤 능력을 가지고 있는가?	이러한 다양한 생물체의 능력들 중에서 본 논문에서는 곤충의 시각정보활용, 특히 광류(光流, optical flow) 정보를 이용하는 능력을 로봇 주행에 활용하는 연구에 대하여 서술하였다. 잠자리나 꿀벌은 물체까지의 정확한 거리를 인지하지 않으면서도 장애물과의 충돌을 회피하며 날 수 있는 능력을 갖고 있으며 특히 꿀벌의 경우 곤충학자들의 연구 대상으로 다양한 연구 결과가 발표되었다. Esch [5]는 꿀벌 눈의 구조를 연구하고 이를 사용하여 물체까지의 거리를 측정하는 방법을 발표하였다.
	광류 정보의 로봇분야 응용이 주로 이루어지는 분야는 무엇인가?	광류 정보의 로봇분야 응용은 주로 주행로봇의 위치추정 분야에서 이루어졌다. Lee [10]는 컴퓨터용 광학마우스를 주행 로봇에 부착하여 주행로봇의 움직임을 측정하여 이로부터 로봇의 위치를 구하는 방법을 제안하였다.
	곤충의 감각이나 운동원리를 모방하여 기계에 적용하는 기술 연구의 예는?	빠른 과학기술의 발전으로 다양한 최첨단 기술이 적용된 로봇들이 많이 개발되고 있으나 한편으로는 인간에 비하여 낮은 지능과 진화 정도가 떨어지는 동물, 특히 곤충의 감각이나 운동원리를 모방하여 기계에 적용하는 기술에 대한 연구가 활발히 진행되고 있다. 예를 들어 곤충의 눈이나 도마뱀의 발, 부엉이의 청각기능, 홍합의 족사(足絲), 빈대의 높이 뛰기능력 등이 많은 관심을 받고 있다[1,2]. 생체 모방형 로봇 물고기의 개발[3]이나 생체 모방 가변형 초점 렌즈시스템의 연구[4]도 활발히 진행되고 있다.

참고문헌 (13)

A. Guillot and J.-A. Meyer, How to Catch a Robot Rat: When Biology Inspires Innovation, MIT Press, 2010.
M. Franz and H. Mallot, "Biomimetic robot navigation," Robotics and Autonomous Systems, vol. 30, no. 1-2, pp. 133-153, 2000.

상세보기
C.-H. Chung, S.-H. Lee, K.-S. Kim, Y.-S. Cha, and Y.-S. Ryuh, "Optimization of input parameters by using DOE for dynamic analysis of bio-inspired robotic fish 'ichthus'," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 16, no. 8, pp. 799-803, 2010.

원문보기 상세보기
J.-H. Seo, H.-M. Son, and Y.-J. Lee, "New gel-type biomimetic variable-focus lens system," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 16, no. 11, pp. 1082- 1088, 2010.

원문보기 상세보기
H. E. Esch and J. E. Burns, "Distance estimation by foraging honeybees," Journal of Experimental Biology 199, no. 1, pp. 155-162, 1996

상세보기
K. Hausen, "The decoding of retinal image flow in insects. in visual motion and its role in the stabilization of gaze," (ed. F. A. Miles and J. Wallman), Amsterdam: Elsevier, pp. 203-235, 1993.
A. Si, M. Srinivasan, and S. W. Zhang, "Honeybee navigation: properties of the visually driven 'odometer'," Journal of Experimental Biology 206, no. 8, pp. 1265-1273, 2003.

상세보기
M. Dacke and M. V. Srinivasan, "Honeybee navigation: distance estimation in the third dimension," Journal of Experimental Biology 210, no. 5, pp. 845-853, 2007.

상세보기
S. Vedula, S. Baker, P. Rander, R. Collins, and T. Kanade, "Three-dimensional scene flow," The Proc. of the Seventh IEEE International Conference on Computer Vision, vol. 2, pp. 722- 729, 1999.
S. Lee and J.-B. Song, "Mobile robot localization using optical flow sensors," International Journal of Control, Automation, and Systems, vol. 2, no. 4, pp. 485-493, 2004.

원문보기 상세보기
B. K. P. Horn, Robot Vision, MIT Press, 1986.
B. K. P. Horn and B.G. Schunck, "Determining optical flow," Artificial Intelligence, vol. 17, no. 1-3, pp. 185-203, Aug. 1981.

상세보기
R. Siegwart, I. Nourbakhsh, and D. Scaramuzza, Introduction to Autonomous Mobile Robots, 2nd edition, MIT Press, 2011.

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

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

로봇 주행을 위한 세개의 카메라를 사용한 광류 정보 활용
Use of Optical Flow Information with three Cameras for Robot Navigation 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

로봇 주행을 위한 세개의 카메라를 사용한 광류 정보 활용 Use of Optical Flow Information with three Cameras for Robot Navigation 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

이수용 (22)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

로봇 주행을 위한 세개의 카메라를 사용한 광류 정보 활용
Use of Optical Flow Information with three Cameras for Robot Navigation 원문보기

AI 본문요약
AI-Helper