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 논문에서는 경제적이며 정확한 자율항법을 수행하는 로봇 구현을 위한 위치결정 방법으로 키넥트 센서와 인공표식을 이용한 위치결정 기법을 제시하고 이를 실제 구현하여 검증한다. 제안하는 위치결정 방법은 먼저 키넥트 센서로 취득한 컬러영상과 깊이영상을 이용해 인공표식의 영상위에서 위치와 그 깊이정보를 구한다.
- 본 논문에서는 키넥트 센서와 인공표식을 이용한 위치결정 시스템을 제안하였다. 인공표식의 위치와 인공표식까지의 거리 측정치에 삼각측량법을 적용하여 위치를 결정한다.
가설 설정
- 이때 깊이정보 Dn 은 키넥트 센서좌표계의 Zc축과 같다[10]. \(C^b_c\)은 키넥트 센서좌표계에서 항체좌표계로의 변환으로 본 논문에서는 키넥트 센서는 항체의 중심에 설치되었다고 가정하고 회전만 고려한다.
제안 방법
- 3장의 오차해석의 타당성을 검증하기 위하여 오차해석 결과와 실제 환경의 수치를 이용하여 거리측정치 오차 예측치를 계산하고 실험에서 실제 발생된 거리측정치의 오차와 비교한다. 실제 환경에서 발생할 수 있는 초점거리 오차에 따라 발생하는 거리측정치의 오차 범위는 다음과 같이 구할 수 있다.
- 그림 10과 같이 3,500mm×3,000mm×2,500mm 공간의 벽에 총 72개의 인공표식을 부착하였다.
- 두 영상의 정확한 정합을 위해서는 두 영상의 초점거리를 맞추어야 한다. 깊이영상의 범위를 넓혀 맞추기 위해서는 보간 기법이 추가로 필요하므로본 논문에서는 컬러영상의 범위를 축소하여 깊이영상에 맞추는 방법을 사용한다. 제시한 정합방법은 두 카메라의 모델을 핀홀 카메라 모델로 정의하고 두 모델의 사이의 관계를 유도함으로써 컬러영상을 깊이영상의 초점거리에 맞춘다.
- 또한 깊이정보 D는 4,000mm, 실험공간의 크기는 3,500mm×3,000mm×2,500mm, xi는 320, yi는 240으로 두었다.
- 이 과정에서 키넥트 센서의 컬러영상과 깊이영상 부정합으로 발생하는 거리측정오차를 핀홀(pinhole) 모델을 이용해 제거하는 기법을 제시한다. 또한 삼각측량법에서 지면과의 수평 유지의 부정확함으로 인하여 발생하는 높이 오차를 영상에서 구한 높이로 보상하는 방법을 제안한다. 제안한 위치결정기법을 검증 하기 위하여 실제 환경에 2D 바코드를[8] 인공표식으로 구축하고 위치결정 실험을 수행한다.
- 이 과정에서 깊이영상과 컬러영상의 부정합을 해결하기 위한 핀홀 모델을 이용한 정합기법을 제시하고 적용하여 거리측정치 오차를 줄였다. 또한 키넥트 센서가 지면과 수평을 이루지 못하여 발생하는 높이오차의 영향을 줄이기 위하여 영상에서 실세계좌표와 항체좌표계의 관계로부터 새로운 높이 결정기법을 제안하였다. 추가로 거리측정치에 초점거리, 주점 및 깊이정보오차가 미치는 영향을 유도하고 분석하였다.
- 이는 키넥트 센서가 지면과 정확히 수평을 이루지 못해 발생되는 오차이며 이는 위치결정시 높이(Zw) 오차를 발생시킨다. 실제 적용에서 틸트(tilt) 모터의 움직임으로 인하여 키넥트 센서의 수평을 유지하기가 쉽지 않으므로 본 논문에서는 별도의 높이 보정기법을 적용하여 이 문제를 해결한다.
- 실험은 인공표식이 설치된 각각의 벽면을 바라보는 세 곳의 위치에서 항체가 정적인 상태일 때 위치를 추정하였다. 각 위치에서 200프레임의 영상 획득하고 처리하였다.
- 키넥트 센서의 깊이영상을 처리하여 거리측정치를 구하였다. 이 과정에서 깊이영상과 컬러영상의 부정합을 해결하기 위한 핀홀 모델을 이용한 정합기법을 제시하고 적용하여 거리측정치 오차를 줄였다. 또한 키넥트 센서가 지면과 수평을 이루지 못하여 발생하는 높이오차의 영향을 줄이기 위하여 영상에서 실세계좌표와 항체좌표계의 관계로부터 새로운 높이 결정기법을 제안하였다.
- 항체좌표계에서의 위치 벡터의 크기로부터 항체와 인공표식간의 거리를 구하고, 최종적으로 삼각측량법을 적용하여 실세계 좌표계에서 항체의 위치를 구하는 과정을 소개한다. 이 과정에서 키넥트 센서의 컬러영상과 깊이영상 부정합으로 발생하는 거리측정오차를 핀홀(pinhole) 모델을 이용해 제거하는 기법을 제시한다. 또한 삼각측량법에서 지면과의 수평 유지의 부정확함으로 인하여 발생하는 높이 오차를 영상에서 구한 높이로 보상하는 방법을 제안한다.
- 다음 단계에서는 컬러영상에서 2D 바코드 형태의 인공표식을 인식하고 인공표식의 ID를 추출한다. 인공표식 인식 및 ID 취득을 위한 많은 방법 공개되어 사용되고 있으며 본 논문에서 대표적인 방법인 2D 바코드와 인식 함수를 이용하여 구현한다[8]. 3개 이상의 표식이 취득되면 삼각측량법으로 항체의 위치를 구하고 최종적으로 높이 오차를 보정하여 정확한 위치를 구한다.
- 깊이영상의 범위를 넓혀 맞추기 위해서는 보간 기법이 추가로 필요하므로본 논문에서는 컬러영상의 범위를 축소하여 깊이영상에 맞추는 방법을 사용한다. 제시한 정합방법은 두 카메라의 모델을 핀홀 카메라 모델로 정의하고 두 모델의 사이의 관계를 유도함으로써 컬러영상을 깊이영상의 초점거리에 맞춘다. 핀홀 카메라 모델[15]은 핀홀을 통해 들어온 영상이 영상평면에 거꾸로 맺히는 원리를 이용해 카메라의 변수를 모델링 하는 방법으로 3차원의 위치가 2차원의 영상에 투영되는 것을 표현한다.
- 본 논문에서는 경제적이며 정확한 자율항법을 수행하는 로봇 구현을 위한 위치결정 방법으로 키넥트 센서와 인공표식을 이용한 위치결정 기법을 제시하고 이를 실제 구현하여 검증한다. 제안하는 위치결정 방법은 먼저 키넥트 센서로 취득한 컬러영상과 깊이영상을 이용해 인공표식의 영상위에서 위치와 그 깊이정보를 구한다. 이 정보를 이용하여 좌표계간의 변환 행렬을 정의하고, 이를 이용하여 영상좌표계의 인공표식의 위치를 항체 좌표계로 변환한다.
- 제안한 시스템의 위치결정 정확도를 검증하기 위해 알고리즘을 구현하고 실제 환경에서 실험하였다. 그림 10과 같이 3,500mm×3,000mm×2,500mm 공간의 벽에 총 72개의 인공표식을 부착하였다.
- 또한 삼각측량법에서 지면과의 수평 유지의 부정확함으로 인하여 발생하는 높이 오차를 영상에서 구한 높이로 보상하는 방법을 제안한다. 제안한 위치결정기법을 검증 하기 위하여 실제 환경에 2D 바코드를[8] 인공표식으로 구축하고 위치결정 실험을 수행한다. 키넥트 센서의 초점거리 (focal length), 주점(principal point) 및 깊이정보(depth) 오차가 거리측정치에 미치는 영향을 분석하고, 이 결과와 실험 결과를 비교하여 그 타당성을 검증한다.
- 또한 키넥트 센서가 지면과 수평을 이루지 못하여 발생하는 높이오차의 영향을 줄이기 위하여 영상에서 실세계좌표와 항체좌표계의 관계로부터 새로운 높이 결정기법을 제안하였다. 추가로 거리측정치에 초점거리, 주점 및 깊이정보오차가 미치는 영향을 유도하고 분석하였다. 이로부터 초점거리가 길수록, 영상의 중심에 가까울수록, 교정을 잘 할수록 거리오차가 줄어듦을 확인하였다.
- 키넥트 센서의 컬러영상을 처리하여 인공표식을 인식하고, 저장된 인식된 인공표식의 위치를 추출한다. 키넥트 센서의 깊이영상을 처리하여 거리측정치를 구하였다. 이 과정에서 깊이영상과 컬러영상의 부정합을 해결하기 위한 핀홀 모델을 이용한 정합기법을 제시하고 적용하여 거리측정치 오차를 줄였다.
- 제안한 위치결정기법을 검증 하기 위하여 실제 환경에 2D 바코드를[8] 인공표식으로 구축하고 위치결정 실험을 수행한다. 키넥트 센서의 초점거리 (focal length), 주점(principal point) 및 깊이정보(depth) 오차가 거리측정치에 미치는 영향을 분석하고, 이 결과와 실험 결과를 비교하여 그 타당성을 검증한다.
- 인공표식의 위치와 인공표식까지의 거리 측정치에 삼각측량법을 적용하여 위치를 결정한다. 키넥트 센서의 컬러영상을 처리하여 인공표식을 인식하고, 저장된 인식된 인공표식의 위치를 추출한다. 키넥트 센서의 깊이영상을 처리하여 거리측정치를 구하였다.
- 이 정보를 이용하여 좌표계간의 변환 행렬을 정의하고, 이를 이용하여 영상좌표계의 인공표식의 위치를 항체 좌표계로 변환한다. 항체좌표계에서의 위치 벡터의 크기로부터 항체와 인공표식간의 거리를 구하고, 최종적으로 삼각측량법을 적용하여 실세계 좌표계에서 항체의 위치를 구하는 과정을 소개한다. 이 과정에서 키넥트 센서의 컬러영상과 깊이영상 부정합으로 발생하는 거리측정오차를 핀홀(pinhole) 모델을 이용해 제거하는 기법을 제시한다.
대상 데이터
- 실험은 인공표식이 설치된 각각의 벽면을 바라보는 세 곳의 위치에서 항체가 정적인 상태일 때 위치를 추정하였다. 각 위치에서 200프레임의 영상 획득하고 처리하였다. 각 프레임으로부터 거리측정치는 항상 3개 이상 취득되었다.
이론/모형
- 식(3)을 이용하여 두 영상을 정합하기 위해서는 먼저 교정(calibration)을 통해 각 영상의 초점거리와 주점를 구해야 한다. 본 논문에서는 Bouguet의 체커보드를 이용한 방법[13]을 이용하여 카메라 교정을 수행한다. 교정에서 구해진 각 영상의 초점거리와 주점을 식(4)에 대입하고, 식(3)을 이용하여 컬러영상의 모든 좌표를 깊이영상의 좌표로 변환한다.
- 본 논문에서는 키넥트 센서와 인공표식을 이용한 위치결정 시스템을 제안하였다. 인공표식의 위치와 인공표식까지의 거리 측정치에 삼각측량법을 적용하여 위치를 결정한다. 키넥트 센서의 컬러영상을 처리하여 인공표식을 인식하고, 저장된 인식된 인공표식의 위치를 추출한다.
성능/효과
- 구현된 위치결정 시스템을 2D 바코드를 인공표식으로 구성한 실내 환경에서 실시한 실험결과 3개 이상의 인공표식이 존재할 때 3,500mm×3,000mm×2,500mm 공간에서 3cm 이내의 정확도로 위치를 구할 수 있음을 확인하였다.
- 구현된 위치결정 시스템을 2D 바코드를 인공표식으로 구성한 실내 환경에서 실시한 실험결과 3개 이상의 인공표식이 존재할 때 3,500mm×3,000mm×2,500mm 공간에서 3cm 이내의 정확도로 위치를 구할 수 있음을 확인하였다. 또한 오차해석의 결과가 실험과 일치함도 확인하였다. 이 결과로부터 키넥트 센서를 이용한 위치결정 시스템이 실내 환경에서 사용될 로봇에 효과적으로 적용될 수 있을 것으로 기대된다.
- 측정된 거리측정치 오차는 위치 2에서 최대로 발생했으며 그 값은 45mm이다. 이로부터 본 논문에서 제시한 오차해석과 실험이 일치함을 확인하였다.
- 추가로 거리측정치에 초점거리, 주점 및 깊이정보오차가 미치는 영향을 유도하고 분석하였다. 이로부터 초점거리가 길수록, 영상의 중심에 가까울수록, 교정을 잘 할수록 거리오차가 줄어듦을 확인하였다. 구현된 위치결정 시스템을 2D 바코드를 인공표식으로 구성한 실내 환경에서 실시한 실험결과 3개 이상의 인공표식이 존재할 때 3,500mm×3,000mm×2,500mm 공간에서 3cm 이내의 정확도로 위치를 구할 수 있음을 확인하였다.
- 표 1에 20개의 체커패턴 영상과 Bouguet의 기법을 이용하여 구한 정합 전 컬러 영상과 깊이영상 초점거리와 주점과 이 값을 이용하여 정합을 수행하여 구한 정합 후 컬러영상의 초점거리와 주점을 나타내었다. 정합 후 컬러영상의 초점거리 값과 깊이영상의 초점거리 값의 차이가 약 3픽셀 이내로 허용 오차범위에 포함되는 결과를 얻었다. 정합 후 컬러영상의 cx에 포함된 약 20픽셀가량의 오차는 오프셋(B)가 추가됨으로써 나타난 값이다.
- )가 원점에 가까울수록, 초점거리 값이 클수록 오차영향이 줄어든다. 즉 영상의 중심에 가까운 인공표식일수록, 카메라의 초점거리가 길수록, 교정을 잘 할수록 초점거리 오차에 의한 영향이 감소함을 알 수 있다.
후속연구
- 또한 오차해석의 결과가 실험과 일치함도 확인하였다. 이 결과로부터 키넥트 센서를 이용한 위치결정 시스템이 실내 환경에서 사용될 로봇에 효과적으로 적용될 수 있을 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.