[논문]스테레오 비전 센서를 이용한 실내 모바일 로봇 충돌 회피

권기현; 남시병; 이세헌

doi:10.5762/kais.2013.14.5.2400

초록
AI-Helper

본 연구에서는 스테레오비전 센서의 거리 정보와 컬러이미지를 합성하여 일정 거리 안에 있는 장애물을 탐색하는 방법을 제시하였다. 스테레오 비전 센서로 부터 취득한 깊이이미지(depth image)를 이용하여 거리 정보를 구하고 컬러 이미지와의 합성을 통해 모바일로봇 이동에 방해되는 장애물을 검출하였다. 검출된 장애물 정보는 모바일 로봇에 송신되어 무인이동장치로써 지역을 탐색하게 하여 깊이이미지 응용에 적용가능성을 평가하였다. 스테레오 비전 센서를 이용하는 무인이동장치의 성능을 평가하기 위해 장애물간의 거리에 대한 성능 평가를 하고 컬러이미지, 깊이이미지 그리고 합성이미지 유형에 따른 성능과 취득된 이미지 프레임의 수에 따른 성능도 살펴보았다. 처리 결과 깊이이미지에 비해 합성된 이미지가 개선된 성능을 보였다.

Abstract ▼ AI-Helper

We detect the obstacle for the UGV(unmanned ground vehicle) from the compound image which is generated by stereo vision sensor masking the depth image and color image. Stereo vision sensor can gathers the distance information by stereo camera. The obstacle information from the depth compound image c...

We detect the obstacle for the UGV(unmanned ground vehicle) from the compound image which is generated by stereo vision sensor masking the depth image and color image. Stereo vision sensor can gathers the distance information by stereo camera. The obstacle information from the depth compound image can be send to mobile robot and the robot can localize the indoor area. And, we test the performance of the mobile robot in terms of distance between the obstacle and the robot's position and also test the color, depth and compound image respectively. Moreover, we test the performance in terms of number of frame per second which is processed by operating machine. From the result, compound image shows the improved performance in distance and number of frames.

주제어

AI 본문요약
AI-Helper

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

문제 정의

무인이동장치에 스테레오비전 센서를 이용하여 장애물 탐색 성능이 어느 정도 향상되는지 살펴보았다. 스테레오비전 센서는 컬러 이미지 외에 깊이 이미지도 취득할 수 있기 때문에 거리계산이 가능하다는 장점이 있다.
본 연구에서는 Kinect 센서를 사용하여 깊이 이미지와 컬러 이미지를 취득하고 합성된 깊이 이미지 기반으로 장애물 정보를 획득하여 충돌을 회피하는 방법을 제시한다.
그러나 스테레오비전 센서의 깊이 정보를 활용하면 특징점 또는 장애물 검출이용이해진다. 본 연구에서는 스테레오비전 센서의 거리 정보와 컬러이미지를 합성하여 일정 거리 안에 있는 장애물을 탐색하는 방법을 제시하였다.

가설 설정

무인이동장치 이동 중에 깊이 이미지 인식거리를 실험하기 위해 실험 환경을 고려하여 Fig. 10과 같이 무인이동장치와 첫 번째 장애물과 거리는 1.4m, 두 번째 장애물과 거리는 1.1m로 정하였다. 무인이동장치 주행 중 Kinect 센서가 장애물을 인식하는 인식거리는 0.

제안 방법

1m로 정하였다. 무인이동장치 주행 중 Kinect 센서가 장애물을 인식하는 인식거리는 0.85m, 0.95m, 1.1m로 정하고, 초당 3프레임 설정으로 각각 100회씩 회피 테스트를 하였다. 장애물을 피하지 못하면 0%, 한 개를 피하면 50% 그리고 두 개를 피하면 100%로 표시하였다.
무인이동장치를 주행시키면서 깊이 이미지와 깊이, 컬러 이미지를 합성한 이미지에서 장애물을 검출하고 회피하는 테스트를 수행하였다.
성능을 평가하기 위해 장애물과의 거리, 이미지 유형, 그리고 초당 프레임 수에 따라 어떤 성능을 보이는지 결과를 제시하였다. 깊이, 컬러 합성이미지가 더 개선된 결과를 보였으며 거리 0.
초당 이미지 프레임 수를 3, 5, 7 프레임으로 변화시켜 가면서 실험을 진행 하였다. 이때 장애물 식별 거리는 0.95m로 지정하였으며, 깊이 이미지와 합성 이미지 모두를 이용해 장애물을 검출 하였다.
장애물은 무인이동장치가 이동하는데 방해가 되는 물체를 의미하며 피할 수 없는 큰 장애물과 돌아서 갈 수 있는 장애물 두 가지로 구분하였다.
13에서는 무인이동장치를 주행시켜 이미지 프레임별 장애물 회피 성능을 살펴보았다. 초당 이미지 프레임 수를 3, 5, 7 프레임으로 변화시켜 가면서 실험을 진행 하였다. 이때 장애물 식별 거리는 0.
컬러 이미지와 깊이 이미지를 합성한 이미지에 잡음을 제거하기 위해 침식 알고리즘을 적용한 개선된 Median 필터를 사용하여 0인 픽셀수가 기준치(하나) 이상 검출되면 해당 위치 픽셀 값을 0으로 만드는 필터를 구현하여 사용하였다. Fig.

이론/모형

깊이 이미지와 컬러 이미지를 합성한 깊이 이미지의 잡음을 제거하기 위해, Median 필터에 침식 알고리즘(Erosion Algorithm)[8]을 적용한 개선된 Median 필터를 사용하였다. 이진 침식 알고리즘 AΘB는 B에 의한 A의 침식으로, AΘB = {Z |B_z ⊆ A }으로 정의하며 픽셀 위치 z의 집합이 된다.

성능/효과

성능을 평가하기 위해 장애물과의 거리, 이미지 유형, 그리고 초당 프레임 수에 따라 어떤 성능을 보이는지 결과를 제시하였다. 깊이, 컬러 합성이미지가 더 개선된 결과를 보였으며 거리 0.95m, 초당 5프레임 조건에서 가장 좋은 결과를 보였다.
무인이동장치에 스테레오비전 센서를 탑재하여 실험한 결과 깊이 이미지와 컬러 이미지를 함께 사용하는 경우 장애물 탐색 성능이 개선됨을 확인 할 수 있었다.
12는 깊이 이미지만 사용한 경우와 합성 이미지를 이용한 경우 장애물 회피 성공률을 보여주고 있다. 전자의 경우 82%의 성공률, 후자의 경우 88%의 성공률을 보여 합성 이미지가 깊이이미지만을 사용한 경우에 비해 성능이 개선됨을 보였다.

후속연구

향후 연구로 컬러이미지와 깊이이미지 합성 알고리즘을 개선과 3D 모델링연구를 통해 SLAM(Simultaneous Localization and Mapping)을 구현하는 것이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	무인이동장치에서 가장 중요한 기능은 무엇인가?	최근 무인이동장치에 대한 연구가 여러 분야의 산업 현장에서 주목 받고 있다. 무인이동장치에서 가장 중요한 기능은 장애물 정보를 확보하여 이동 경로를 탐색하는 능력이며 불안정한 상태에서 벗어나기 위해 지속적인 피드백 또한 중요 고려사항이다.
	무인이동장치의 가장 중요한 장애물 정보를 확보하여 이동 경로를 탐색하는 능력 기능을 제공하기 위해 진행된 연구는 무엇이 있는가?	이러한 기능을 제공하기 위해 레이저, 초음파, 자외선, 영상 등 다양한 센서[1-3]들을 사용한 연구가 진행되어왔으며 [4]에서 스테레오 비전 카메라인 마이크로소프트 Kinect[5] 센서가 이동장치에 적용 가능함을 보였다.
	마이크로소프트 Kinect 센서가 깊이 이미지와 컬러 이미지를 초당 30프레임의 속도록 취득할 수 있는 이유는 무엇인가?	마이크로소프트 Kinect 센서[5]는 적외선 레이저 방출기, 2개의 적외선카메라 그리고 RGB카메라를 가지고 있어서 깊이 이미지와 컬러 이미지를 초당 30프레임의 속도록 취득할 수 있다.

참고문헌 (8)

Pravitra, C.; Chowdhary, G.; Johnson, E.; , "A compact exploration strategy for indoor flight vehicles," Decision and Control and European Control Conference (CDC-ECC), 2011 50th IEEE Conference on , vol., no., pp.3572-3577, 12-15 Dec. 2011. DOI: http://dx.doi.org/10.1109/CDC.2011.6161200
Ruijie He; Prentice, S.; Roy, N.; , "Planning in info space for a quad rotor helicopter in a GPS-denied environment," Robotics and Automation, 2008. ICRA 2008. IEEE International Conference on, vol., no., pp.1814-1820, 19-23 May 2008. DOI: http://dx.doi.org/10.1109/ROBOT.2008.4543471
Grzonka, S.; Grisetti, G.; Burgard, W.; , "Towards a navigation system for autonomous indoor flying," Robotics and Automation, 2009. ICRA '09. IEEE International Conference on, vol., no., pp.2878-2883, 12-17 May 2009. DOI: http://dx.doi.org/10.1109/ROBOT.2009.5152446
Stowers, J.; Hayes, M.; Bainbridge-Smith, A.; , "Altitude control of a quadrotor helicopter using depth map from MS Kinect sensor," Mechatronics (ICM), 2011 IEEE International Conference on, vol., no., pp.358-362, 13-15 April 2011. DOI: http://dx.doi.org/10.1109/ICMECH.2011.5971311
Kinect. http://www.xbox.com/en-us/kinect/ March 2011.
Freedman, B., Shpunt, A., Machline, M., Arieli, Y., "Depth mapping using projected patterns", Prime Sense Ltd, United States 2010.
D. S. Bolme, J. R. Beveridge, M. Teixeira, and B. A. Draper, "The CSU Face Identification Evaluation System: Its Purpose, Features, and Structure", in ICVS Graz, Ausstria, 2003.
van den Boomgard, R, and R. van Balen, "Methods for Fast Morphological Image Transforms Using Bitmapped Images," Computer Vision, Graphics, and Image Processing: Graphical Models and Image Processing, vol. 54, no 3, pp.254-258, May 1992. DOI: http://dx.doi.org/10.1016/1049-9652(92)90055-3

상세보기

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

스테레오 비전 센서를 이용한 실내 모바일 로봇 충돌 회피
Collision Avoidance for Indoor Mobile Robotics using Stereo Vision Sensor 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

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

스테레오 비전 센서를 이용한 실내 모바일 로봇 충돌 회피 Collision Avoidance for Indoor Mobile Robotics using Stereo Vision Sensor 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

권기현 (31) 남시병 (7)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

스테레오 비전 센서를 이용한 실내 모바일 로봇 충돌 회피
Collision Avoidance for Indoor Mobile Robotics using Stereo Vision Sensor 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper