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
- 본 논문은 여러 개의 실내 조명등을 사용하여 이동로봇의 위치를 추정하는 방법을 새로이 제안한다. 먼저, 어안렌즈를 사용하여 천장 전체의 영상을 획득하고, 각 조명등의 위치를 추출한다.
가설 설정
- 위 실험에서는 획득한 영상의 중심을 로봇의 위치라 가정한다. 로봇의 위치를 추정하는 과정은 다음과 같다.
제안 방법
- 카메라 행렬을 핀홀 카메라 모델에 투영 변환하여 월드 좌표계의 3D 포인트를 2D 영상 평면으로 투영하고, 2D 영상 평면은 다시 픽셀 좌표계로 변환하는 방식이다. OpenCV의 함수를 사용하여 체스보드 형태의 보드를 다양한 각도에서 방사 왜곡 계수와 접선 왜곡 계수 값을 획득하여 영상을 보정하였다. 그림 2는 어안렌즈를 통해 받은 왜곡된 영상과 그 영상을 보정한 영상이다.
- 흰색으로 식별된 영역들에 대하여 픽셀 수와 가로 세로 비율 등 기하학적 특성치를 구하여, 기준 값을 만족하는 영역을 조명등 영역으로 판정한다. 각 조명등 영역에 대한 경계선 추적을 통하여 조명등의 중심 위치와 각도를 추출한다.
- 조명등 개수에 따라 조명등 3개인 환경을 A, 조명등이 8개인 환경을 B로 나누었다. 각각의 환경에서 천장의 크기와 단위 픽셀 당 거리, 카메라를 통해 입력받은 픽셀수를 비교하였다.
- 그림 8은 SIFT 알고리즘으로 실험한 결과이다. 각도가 유사한 두 영상을 이용하여 비교한다. 위에 있는 기준 영상에서 아래에 있는 비교하려는 영상에서 같은 특징 점을 찾고, 특징 점이 어느 방향으로 변화하였는지 파악하여 거리를 계산한다.
- 기존의 방법과 비교하여 다수의 천장 조명등과 천장 경계선을 영상 처리 기법을 적용하여 실내용 이동 로봇이 자신의 위치를 스스로 파악하는 방법을 제안하였다. 이 방법은 기존의 인공 표식과 비교하여 따로 표식을 부착하지 않으므로 더 편리하고, SIFT 알고리즘과 비교하여 정확도와 수행 시간이 향상되었다.
- 엣지 검출이 용이하도록, 입력된 컬러영상의 HSV 성분 중 V 성분의 영상을 그레이영상으로 사용하였다. 또한 엣지 검출 후, 가우시안 필터 [18]를 사용한 필터링을 통하여 잡음성 엣지를 제거하였다.
- 본 논문은 여러 개의 실내 조명등을 사용하여 이동로봇의 위치를 추정하는 방법을 새로이 제안한다. 먼저, 어안렌즈를 사용하여 천장 전체의 영상을 획득하고, 각 조명등의 위치를 추출한다. 조명등은 각각의 아이디가 있어 절대 위치의 정보를 가지고 있다.
- 그림 6은 8개의 조명등이 있는 공간에서 실험 환경이다. 실내 바닥에 각각의 샘플을 표시하고 실제 거리를 계산하였다. 제안 방법은 SIFT 알고리즘과 비교하기 위해 30개의 샘플 위에서 천장 영상을 2회 반복해 영상을 획득하였다.
- 영상의 중심 좌표와 조명등의 중심 좌표의 X값, Y값의 차이를 계산하여 거리를 구한다.
- 왜곡 보정된 영상으로부터 각 조명등의 중심위치를 구하는 단계이다. 우선 조명등과 배경을 분리시키기 위하여 이진화를 수행한다. 그레이영상을 이진영상으로 변환하기 위하여 많이 사용되는 Otsu 이진화 방법 [18]을 적용하였다.
- 각도가 유사한 두 영상을 이용하여 비교한다. 위에 있는 기준 영상에서 아래에 있는 비교하려는 영상에서 같은 특징 점을 찾고, 특징 점이 어느 방향으로 변화하였는지 파악하여 거리를 계산한다. 조명등이 많을수록 특징 점의 개수가 더 많아진다.
- 조명등의 실제 값은 조명등의 아이디에 따라 부여받은 절대 값으로 구할 수 있다. 조명등의 위치와 영상의 중심 위치를 비교하여 조명등의 실제 값에 앞서 구한 X, Y값 차이를 더하거나 빼서 실제 이동 로봇의 위치를 계산한다.
- 천장경계선을 추출하기 위하여, 우선 영상의 엣지를 검출한다. 왜곡 보정된 그레이영상에 대하여 엣지 검출을 수행하며, 캐니(Canny) 엣지 검출법 [18]을 적용하였다.
대상 데이터
- 실험에 사용된 CCD 카메라는 하이비젼 시스템 사의 HVR- 2300R이고, 화각이 170°인 어안렌즈를 사용하였다.
- 엣지 검출이 용이하도록, 입력된 컬러영상의 HSV 성분 중 V 성분의 영상을 그레이영상으로 사용하였다. 또한 엣지 검출 후, 가우시안 필터 [18]를 사용한 필터링을 통하여 잡음성 엣지를 제거하였다.
- 실내 바닥에 각각의 샘플을 표시하고 실제 거리를 계산하였다. 제안 방법은 SIFT 알고리즘과 비교하기 위해 30개의 샘플 위에서 천장 영상을 2회 반복해 영상을 획득하였다. SIFT 알고리즘은 하나의 물체가 다른 영역에 있을 때 특징점의 변화를 찾아 영상의 위치 변화를 찾는 방법이다.
- 제안된 시스템의 구현을 위하여, 다수의 천장 조명등 및 천장 경계선을 영상으로 획득하여야 한다. 카메라에 어안렌즈를 부착하여 천장 및 벽면의 영상을 획득한다. 어안렌즈를 사용하는 경우, 위치 측정을 위하여 왜곡보정이 필요하다.
데이터처리
- 표 3. 제안방법과SIFT 알고리즘의 수행시간평균.
- 표 2. 제안방법과SIFT 알고리즘의위치오차평균.
이론/모형
- 우선 조명등과 배경을 분리시키기 위하여 이진화를 수행한다. 그레이영상을 이진영상으로 변환하기 위하여 많이 사용되는 Otsu 이진화 방법 [18]을 적용하였다. Otsu 이진화는 영상 히스토그램이 두 개의 정규분포를 갖는 경우 잘 적용될 수 있다.
- 천장경계선을 추출하기 위하여, 우선 영상의 엣지를 검출한다. 왜곡 보정된 그레이영상에 대하여 엣지 검출을 수행하며, 캐니(Canny) 엣지 검출법 [18]을 적용하였다. 캐니 엣지 검출법은 영상의 구조적 특성을 그대로 유지하면서 데이터를 단축시킨다는 측면에서 널리 활용되고 있다.
- 검출된 엣지 데이터로부터 직선 데이터를 추출한다. 직선 파라메터의 추출을 위하여 허프 변환(hough transformation) [18]을 사용하였다. 허프 변환은 영상 엣지 좌표로부터 빈도수를 카운트하여 직선 파라메터 (거리 및 각도)를 추정해내는 방법이다.
성능/효과
- 그림 7은 제안 방법을 사용하여 실제 천장 영상을 테스트한 실험 결과이다. 결과 영상은 실제 위치에서 가장 가까운 조명등까지의 거리를 직선으로 나타내었다. 그림 8은 SIFT 알고리즘으로 실험한 결과이다.
- 기존의 방법과 비교하여 다수의 천장 조명등과 천장 경계선을 영상 처리 기법을 적용하여 실내용 이동 로봇이 자신의 위치를 스스로 파악하는 방법을 제안하였다. 이 방법은 기존의 인공 표식과 비교하여 따로 표식을 부착하지 않으므로 더 편리하고, SIFT 알고리즘과 비교하여 정확도와 수행 시간이 향상되었다.
- 제안 방법은 SIFT 알고리즘에 비해 위치 오차는 약 23 cm 감소하고, 수행 시간은 SIFT 알고리즘의 1/3로 감소하였다. 실제 각도와 측정 각도의 오차는 3° 미만으로 각도의 변화에 우수하였다.
- 제안 방법의 평균 수행 시간은 약 1.3ms, SIFT 알고리즘의 평균은 4.1ms이다. 제안 방법의 수행 시간이 SIFT 알고리즘의 수행 시간이 약 1/3 소요된다.
- 제안 방법의 평균 위치 오차는 23.6 cm, SIFT 알고리즘의 평균은 45.9 cm이다. 제안 방법이 SIFT 알고리즘에 비해 약 23 cm 위치 오차가 더 적다.
- 9 cm이다. 제안 방법이 SIFT 알고리즘에 비해 약 23 cm 위치 오차가 더 적다.
- 마지막으로, 로봇의 이동 중 가장 가까운 조명등을 기준점으로 하여 현재 위치를 추정한다. 제안된 방법은 천장 조명등 영상획득이 양호한 환경에서, 기존 방법 대비 상대적으로 정확하고 빠른 위치추정이 가능하다.
후속연구
- 또한 천장과 벽의 색깔이 비슷하면 천장의 경계선을 찾는 방법을 보완되어야 한다. 그리고 조명등이 꺼졌을 경우에는 이 방법을 적용할 수 없고, 이동 로봇이 사각 지대에 있으면 천장 조명등과 천장의 경계선을 확보하지 못하므로 위치 추정 방법에 대한 지속적인 연구가 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.