선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 특히, 본 논문과 관련 깊은 연구로서, Sohn은 레이저 레인지 파인더 데이터로부터 순차적 최소 제곱(sequential least squares) 알고리즘을 통하여 선분 벡터를 추출해 내어 지역, 전역 위치 추정 및 SLAM을 수행하였고[6], Bae는 Sohn의 연구에서 레이저 레인지 파인더 데이터로부터 원을 추출하는 방법을 추가하고 이를 통한 위치 추정과 GPS, 모터 엔코더 센서와 융합을 통한 실외 위치 추정에 관한 연구를 하였다[7]. 본 논문에서는 레이저 레인지 파인더와 모터엔코더를 통한 실외 위치 추정 과정에서 기존의 선분과 원 만을 이용한 방법[7]을 확장하여 호 개체를 추가하여 위치 추정을 하는 알고리즘을 제안한다. 호 개체를 추가함으로써 기존의 방법으로는 로봇의 위치 추정이 불가한 경우(singular case)를 더욱 줄이고 정확도 높은 위치 추정이 되도록 하였고, 시뮬레이션을 통하여 알고리즘을 검증하였다.
가설 설정
- 결과를 나타내기 위하여, 시뮬레이션에서 오도메트리를 통한 위치인, 오차가 비교적 큰 직전의 위치는 주어져 있다고 가정을 하였고 이를 오도메트리 위치(Odometry Pose)라 명명하였다. 그리고 오도메트리 위치로부터 레이저 레인지 파인더 스캔 데이터를 이용한 최종적으로 업데이트 되는 위치를 판정 pose라 명명하였다.
- 그리고 오도메트리 위치로부터 레이저 레인지 파인더 스캔 데이터를 이용한 최종적으로 업데이트 되는 위치를 판정 pose라 명명하였다. 레이저 레인지 파인더의 거리 데이터 오차는 2 cm라 가정하고, 로봇의 위치는 그림 9와 같이 선분, 호, 원이 모두 추출될 수 있는 위치에서, 10번의 위치 업데이트 시뮬레이션을 수행해 본 결과는 표 1과 같다. 여기서 X(m), Y(m)는 그림 8의 지도상의 위치이고, θ는 X축을 0도로 하여 반시계 방향으로 360도까지 증가하는 것으로 하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.