[논문]로봇 위치 예측에 기반을 둔 ICP 알고리즘을 이용한 지도 작성

노성우; 김태균; 고낙용

doi:10.13067/jkiecs.2013.8.4.575

[국내논문] 로봇 위치 예측에 기반을 둔 ICP 알고리즘을 이용한 지도 작성
Map Building Using ICP Algorithm based a Robot Position Prediction 원문보기 논문타임라인

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.8 no.4, 2013년, pp.575 - 582

노성우 (조선대학교 정보통신공학과) , 김태균 (조선대학교 제어계측공학과) , 고낙용 (조선대학교 제어계측로봇공학과)

초록
AI-Helper

본 논문에서는 로봇 위치 예측 기반을 둔 ICP 알고리즘을 이용한 지도를 작성한다. 제안한 방법은 데드레크닝으로 로봇 위치를 예측하고 ICP 알고리즘으로 지도를 작성 한다. 기존 방법은 기준데이터와 새 데이터의 센서 값만을 이용하여 로봇의 위치와 지도를 작성한다. 기존 방법은 현재 데이터와 기준 값과의 간격의 차이가 조금만 멀어져도 보정하기가 어렵다. 하지만 제안한 방법으로 지도를 작성할 경우에는 지도의 틀어진 정도가 기존 방법으로는 지도를 보정 할 수 없지만 제안한 방법은 지도 보정을 할 수 있음을 실제 실험을 통해 나타내었다.

Abstract ▼ AI-Helper

This paper proposes a map building using the ICP algorithm based robot localization prediction. Proposed method predicts a robot location to dead reckoning, makes a map in the ICP algorithm. Existing method makes a map building and robot position using a sensor value of reference data and current data. In this case, a large interval of the difference of the reference data and the current data is difficult to compensate. The proposed method can map correction through practical experiments.

주제어

AI 본문요약
AI-Helper

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

문제 정의

실험환경은 실제 도면을 이용하여 지도를 작성 할 수 없기 때문에 정량적으로 표현 하지는 않는다. 단, 데드레크닝과 ICP 방법을 사용할 때, 지도 작성 표현이 어떻게 이루어지는지 보는 실험이다.
본 논문에서는 로봇 위치 예측 기반을 둔 ICP 알고리즘을 이용한 지도를 작성하였다. 기존 방법인 기준데이터와 새 데이터의 센서 값만을 이용하여 로봇의 위치 및 지도를 작성하였을 때, 로봇의 위치와 기준값과의 간격의 차이가 조금만 멀어져도 보정하기가 어렵다.
본 논문에서는 로봇 위치 예측 기반을 하고 스캔매칭 방법인 ICP 알고리즘을 이용하여 지도 작성 방법을 제안한다. 이 방법은 로봇이 이동하기 전의 위치에서 스캔한 기준 데이터는 정확하다고 가정한다.
본 실험에서는 로봇 이동 속도에 따른 지도 작성 성능을 비교한다. 실험 환경은 실험 2의 작업 공간 환경과 동일하다.
본 절에서는 데드레크닝과 ICP 알고리즘을 이용한 지도작성 실험이다. 본 실험환경은 그림 7에서 보인 조선대학교 전자정보공과대학 6122호 자율로봇 실험실에서 수행하였다.

가설 설정

검은색은 지도 점 데이터를 나타낸다. 이 경우는 (a)방법보다 실제 환경과 유사하게 보인다. 하지만 실제 환경과는 차이가 있다.
본 논문에서는 로봇 위치 예측 기반을 하고 스캔매칭 방법인 ICP 알고리즘을 이용하여 지도 작성 방법을 제안한다. 이 방법은 로봇이 이동하기 전의 위치에서 스캔한 기준 데이터는 정확하다고 가정한다. 그리고 로봇을 이동시킨 후, 스캔한 새 데이터는 기준 데이터와 비교하여 로봇위치를 보정하고 동시에 지도를 작성한다.

제안 방법

이 방법은 로봇이 이동하기 전의 위치에서 스캔한 기준 데이터는 정확하다고 가정한다. 그리고 로봇을 이동시킨 후, 스캔한 새 데이터는 기준 데이터와 비교하여 로봇위치를 보정하고 동시에 지도를 작성한다. 다시 말하면, 스캔 매칭은 모션모델의 불확실성을 센서모델들의 매칭기법으로 로봇의 회전 오차, 직진 오차를 구함으로써 로봇의 위치 오차를 보정하고 지도를 작성하게 된다.
본 실험에서는 3가지 형태로 실험을 진행하였다. 실험 1은 데드레크닝 방법과 ICP 알고리즘을 적용한 지도 작성 방법을 비교 분석하고 실험2는 데드레크닝, 기존 ICP방법 , 제안한 방법을 비교 분석한다.
실험 환경은 실험 2의 작업 공간 환경과 동일하다. 본 실험에서는 로봇의 직진속도 0.4m/s, 회전속도 0.6rad/s로 구성하고 기존에 사용된 ICP 방법과 제안한 ICP 방법을 비교 실험한다. 그림 12는 기존 ICP 방법을 이용한 실험 결과이다.
실험 공간 환경의 격자는 1m 이고 총 크기는 가로(4m), 세로(5m)이다. 본 실험에서는 파란색 화살표로 방향으로 1번, 빨간색 화살표 방향으로 1번 로봇을 이동하면서 수행하였다.
본 절에서는 데드레크닝으로 로봇 위치를 예측하고 ICP 알고리즘 기반으로 하는 이동로봇 지도 작성 방법을 다룬다. 기존 방법은 기준데이터와 새 데이터의 센서 데이터 값만을 이용하여 로봇의 위치 및 지도를 작성하였다.
본 환경에서 이동로봇은 1회 왕복하여 지도를 작성하였다. 그림 8의 격자의 단위는 가로, 세로 1m이다.
본 실험에서는 3가지 형태로 실험을 진행하였다. 실험 1은 데드레크닝 방법과 ICP 알고리즘을 적용한 지도 작성 방법을 비교 분석하고 실험2는 데드레크닝, 기존 ICP방법 , 제안한 방법을 비교 분석한다. 실험3은 기존 ICP방법, 제안한 방법으로 속도에 따른 지도 작성을 분석한다.
실험 2에서는 지도 작성을 정량적으로 표현하기 위해 직접 실험환경을 구성하였다. 그림 10은 실험을 수행한 조선대학교 전자정보공과대학 6103호 컴퓨터 실험실 환경이다.
실험 방법은 데드레크닝, ICP 알고리즘 방법, 제안한 방법을 수행하였다. 그림 11은 각각의 방법에 대한 실험 결과를 나타낸다.
실험 1은 데드레크닝 방법과 ICP 알고리즘을 적용한 지도 작성 방법을 비교 분석하고 실험2는 데드레크닝, 기존 ICP방법 , 제안한 방법을 비교 분석한다. 실험3은 기존 ICP방법, 제안한 방법으로 속도에 따른 지도 작성을 분석한다.
제안한 방법은 데드레코닝 정보를 이용하여 예측된 위치를 기반으로 새 데이터와 기준 데이터를 비교하여 로봇의 위치를 보정하면서 지도를 작성한다. 이는 기존 방법보다 효율적으로 지도를 작성할 수 있다.

대상 데이터

본 절에서는 데드레크닝과 ICP 알고리즘을 이용한 지도작성 실험이다. 본 실험환경은 그림 7에서 보인 조선대학교 전자정보공과대학 6122호 자율로봇 실험실에서 수행하였다.
(a)는 실험 공간을 나타내었고 (b)는 실험공간의 평면도이다. 실험 공간 환경의 격자는 1m 이고 총 크기는 가로(4m), 세로(5m)이다. 본 실험에서는 파란색 화살표로 방향으로 1번, 빨간색 화살표 방향으로 1번 로봇을 이동하면서 수행하였다.

이론/모형

이때, 계산 복잡도는 O(N2)이 되어 많은 수행시간이 필요하다. 따라서, 이러한 단점을 극복하기 위해 Kd tree 검색 방법을 이용한다[11].
아래 그림은 이동 로봇의 제원을 나타내었다. 지도를 작성하기 위한 거리 센서는 Sick社에서 개발한 LMS-511이다.

성능/효과

실험을 통해 알 수 있는 결과로서, 기존의 방법은 이동로봇 속도가 빠를 경우나 기준데이터와 새 데이터간의 간격이 커질 경우 로봇의 보정 및 지도를 작성할 수 없음을 실험을 통해 알 수 있다. 하지만 제안된 방법은 이동속도나 비교할 데이터 간격이 커지더라도 로봇의 위치 보정 및 지도를 작성 할 수 있었다.
실험을 통해 알 수 있는 결과로서, 기존의 방법은 이동로봇 속도가 빠를 경우나 기준데이터와 새 데이터간의 간격이 커질 경우 로봇의 보정 및 지도를 작성할 수 없음을 실험을 통해 알 수 있다. 하지만 제안된 방법은 이동속도나 비교할 데이터 간격이 커지더라도 로봇의 위치 보정 및 지도를 작성 할 수 있었다.
기존 방법인 기준데이터와 새 데이터의 센서 값만을 이용하여 로봇의 위치 및 지도를 작성하였을 때, 로봇의 위치와 기준값과의 간격의 차이가 조금만 멀어져도 보정하기가 어렵다. 하지만 제안한 방법을 이용하였을 경우는 데 드레크닝 정보를 이용하여 예측된 위치를 기반으로 새 데이터와 기준 데이터를 비교하여 로봇의 위치를 보정하면서 지도를 작성하였기 때문에 기존 방법보다 지도 정확성이 향상되었고 수행 시간도 단축할 수 있었다.

후속연구

향후 과제는 로봇 이동 속도에 따른 지도 작성 가능 유무를 정량적으로 표현 가능토록 수치화한다. 또한, 기존 ICP 알고리즘에서 기준데이터와 새 데이터를 비교할 수 있도록 제안된 Kd-tree 방법을 시간 단축을 위해 새로운 방법을 고안할 예정이다.
향후 과제는 로봇 이동 속도에 따른 지도 작성 가능 유무를 정량적으로 표현 가능토록 수치화한다. 또한, 기존 ICP 알고리즘에서 기준데이터와 새 데이터를 비교할 수 있도록 제안된 Kd-tree 방법을 시간 단축을 위해 새로운 방법을 고안할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	기존의 이동로봇을 위한 지도 작성은 어떻게 나눌 수 있나?	기존의 이동로봇을 위한 지도 작성은 센서와 데이터저장 방법에 따라 점유 격자지도(Occupancy grid map), 특이점 지도(Feature based map), 위상지도 (Topological map), 스캔 매칭지도(Scan matching map)로 나눌 수 있다[2-8].
	자율주행 이동로봇가 목적지까지 스스로 주행하기 위해 반드시 필요한 것은?	자율주행 이동로봇은 다양한 외부 환경 변화를 인지하여 자신의 위치를 파악하고 장애물을 회피하며 경로를 생성하여 목적지까지 스스로 주행해야 한다. 이를 위해서는 지도정보가 반드시 필요하다.
	ICP 알고리즘이 주행 알고리즘에 적용되면서 어떻게 변화하였나?	ICP 알고리즘은 영상처리에서 사용되던 기술로서, 이를 주행 알고리즘에 적용하면서 가장 대표적인 점과 점 스캔 매칭 알고리즘으로 발전되었다. ICP는 거리 센서에 의해서 얻은 새 데이터와 기준 데이터에서 유클리드 거리가 가장 가까운 데이터들을 일치 쌍을 계산한다.

참고문헌 (14)
타임라인 바로가기

T. Tsubouch, "Nowadays trends in map generation for mobile robots," IEEE International conference on Intelligents Robots and Systems, pp. 828-833, 1996.

인용구절

인용 구절

이동로봇은 주위에 관한 정보를 이미 알고 있거나 인식할 수 있는 형태의 정보로 제공되더라도 지도를 개선, 변형, 확장하는 것은 중요하다[1].
J. Borenstein and L. Feng, "Measurement and Correction of Systematic Odometry Errors in Mobile Robots," IEEE Trans. on Robotics and Automation, Vol. 12, No. 6, pp. 869-880, 1996.

상세보기
인용구절

인용 구절

기존의 이동로봇을 위한 지도 작성은 센서와 데이터저장 방법에 따라 점유 격자지도(Occupancy grid map), 특이점 지도(Feature based map), 위상지도 (Topological map), 스캔 매칭지도(Scan matching map)로 나눌 수 있다[2-8].
K. Lee, C. Chung, and W. Chung, "Accurate Calibration of Kinematic Parameters for Two Wheel Differential Mobile Robots," Journal of Mechanical Science and Technology, Vol. 25, No. 6, pp. 1603-1611, 2011.

원문보기 상세보기 타임라인에서 보기
인용구절

인용 구절

기존의 이동로봇을 위한 지도 작성은 센서와 데이터저장 방법에 따라 점유 격자지도(Occupancy grid map), 특이점 지도(Feature based map), 위상지도 (Topological map), 스캔 매칭지도(Scan matching map)로 나눌 수 있다[2-8].
권용관, "가상 탄성력을 이용한 자율이동로봇 경로생성 방법", 한국전자통신학회논문지, 8권, 2호, pp. 149-157, 2013.

원문보기 상세보기 타임라인에서 보기
인용구절

인용 구절

기존의 이동로봇을 위한 지도 작성은 센서와 데이터저장 방법에 따라 점유 격자지도(Occupancy grid map), 특이점 지도(Feature based map), 위상지도 (Topological map), 스캔 매칭지도(Scan matching map)로 나눌 수 있다[2-8].
문용선, 노상현, 조광훈, 배영철, "정밀 GPS 기반의 실외환경에서의 로봇 위치 추정 및 openRTM을 이용한 모니터링", 한국전자통신학회논문지, 7권, 2호, pp. 425-432, 2012.

인용구절

인용 구절

기존의 이동로봇을 위한 지도 작성은 센서와 데이터저장 방법에 따라 점유 격자지도(Occupancy grid map), 특이점 지도(Feature based map), 위상지도 (Topological map), 스캔 매칭지도(Scan matching map)로 나눌 수 있다[2-8].
권태범, 송재복, 강신천, "실외 이동로봇의 고도지도 기반 위치인식을 위한 고도관성모멘트 추출 및 정합", 제어.로봇.시스템회논문지, l5권, 2호, pp. 203-210, 2009.

원문보기 상세보기 타임라인에서 보기
인용구절

인용 구절

기존의 이동로봇을 위한 지도 작성은 센서와 데이터저장 방법에 따라 점유 격자지도(Occupancy grid map), 특이점 지도(Feature based map), 위상지도 (Topological map), 스캔 매칭지도(Scan matching map)로 나눌 수 있다[2-8].
윤강섭, "초음파 위성 시스템을 위한 개선된 위치추정 알고리즘", 한국전자통신학회논문지, 6권, 5호, pp. 775-781, 2011.

인용구절

인용 구절

기존의 이동로봇을 위한 지도 작성은 센서와 데이터저장 방법에 따라 점유 격자지도(Occupancy grid map), 특이점 지도(Feature based map), 위상지도 (Topological map), 스캔 매칭지도(Scan matching map)로 나눌 수 있다[2-8].
G. Casella and R. L. Berger, Statistical Inference, Duxbuty, 2002.

인용구절

인용 구절

기존의 이동로봇을 위한 지도 작성은 센서와 데이터저장 방법에 따라 점유 격자지도(Occupancy grid map), 특이점 지도(Feature based map), 위상지도 (Topological map), 스캔 매칭지도(Scan matching map)로 나눌 수 있다[2-8].
F.Lu, E.Milions, "Robot pose estimation in unknown environments by matching 2d range scan.", Journal of Intelligent and Robotic Systems, Vol. 18, pp. 249-275, 1992.
Moore, A. W., "An Introductory Tutorial on Kd- Trees," Extract from Efficient Memory based Learning for Robot Control(Technmical Report 209), Computer Laboratory, University of Cambridge, 1991.

인용구절

인용 구절

그리고 F.Lu가 제안한 closed-form solution 방법은 현재 로봇의 정확한 위치를 보정하고 지도를 작성한다[10].
Chen, Y. and Medioni, G. "Object Modeling by Registration of Multiple Range Images," Proc. IEEE Conf. on Robotics and Automation, 1991.

인용구절

인용 구절

따라서, 이러한 단점을 극복하기 위해 Kd tree 검색 방법을 이용한다[11].
김태균, "유비쿼터스 센서 환경에서의 이동로봇 위치추정", 조선대학교 석사학위논문, 2009.

인용구절

인용 구절

기준데이터 q_i, 입력 데이터(새 데이터) p_i, 기준데이터의 법선 벡터 n_i 를 알고 있다면, 입력 데이터가 모델 데이터에 에러 e를 최소화 하는 회전행렬 R과 이동 벡터 값 t를 식 1과 같이 구할 수 있다[12].
S. Thrun, W. Burgard, and D. Fox, "Probabilistic Robotics", MIT Press, 2005.

인용구절

인용 구절

차륜형 이동로봇에 대한 속도 정보는 식 7과 같이 그림 5의 파라미터들을 이용하여 정의될 수 있다[13].
http://www.redone-technologies.com/

인용구절

인용 구절

이동로봇의 직진속도 v와 회전속도 w를 알 수 있을 때 t시간의 이동로봇 위치(xt, yt, ɵt)는 다음과 같이 예측할 수 있다[14].

저자의 다른 논문 :

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