[논문]센서 융합을 통한 환경지도 기반의 강인한 전역 위치추정

정민국; 송재복

doi:10.7746/jkros.2014.9.2.096

센서 융합을 통한 환경지도 기반의 강인한 전역 위치추정
Robust Global Localization based on Environment map through Sensor Fusion 원문보기

로봇학회논문지 = The journal of Korea Robotics Society, v.9 no.2, 2014년, pp.96 - 103

정민국 (Mechatronics, Korea University) , 송재복 (Mechanical Engineering, Korea University)

Abstract ▼ AI-Helper

Global localization is one of the essential issues for mobile robot navigation. In this study, an indoor global localization method is proposed which uses a Kinect sensor and a monocular upward-looking camera. The proposed method generates an environment map which consists of a grid map, a ceiling feature map from the upward-looking camera, and a spatial feature map obtained from the Kinect sensor. The method selects robot pose candidates using the spatial feature map and updates sample poses by particle filter based on the grid map. Localization success is determined by calculating the matching error from the ceiling feature map. In various experiments, the proposed method achieved a position accuracy of 0.12m and a position update speed of 10.4s, which is robust enough for real-world applications.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 대칭적이거나, 일부 환경이 변경된 장소, 특징 검출이 어려운 지역 등의 다양한 환경에서 전역 위치추정을 성공적으로 수행하기 위해 천장 지향 카메라와 키넥트 센서를 이용한 방법을 제안한다. 제안한 방법은 초기 지도 작성 작업을 통해 격자지도, 공간 특징지도, 천장 특징지도가 통합된 환경지도를 작성하고, 작성된 환경지도에서 로봇의 초기 위치를 추정하는 방법이다.
따라서 추정된 로봇의 위치는 실제 로봇의 위치와 다를 수 있다. 본 논문에서는 이를 개선하기 위해서 상대적으로 환경 변화가 작은 천장 특징지도를 이용하여 전역 위치추정 성공 여부를 판단한다.
본 논문에서는 천장 지향 카메라와 키넥트 센서를 이용하여 환경지도를 작성하고, 이를 이용한 전역 위치추정 방법에 대하여 제안하였다. 제안된 전역 위치추정 방법의 효용성은 실험을 통하여 입증하였으며, 다음과 같은 결론을 도출하였다.
본 논문에서는 환경에 대한 환경지도를 작성하고 변화된 환경에서 강인하게 위치추정이 가능한지를 실제 환경에서의 실험을 통해 검증하였다. 실험환경은 크기 10m x 10m이며, 로봇에는 전방의 키넥트 센서와 천장을 관측하는 모노카메라를 장착하였으며, 2.
본 연구에서는 일부 영역이 키넥트 센서 감지범위 내에 있다는 가정하에 센서융합을 이용한 전역 위치추정 방법을 제안하였다. 그러나 키넥트 센서의 감지거리보다 넓은 환경의 경우, 제자리 회전을 반복적으로 수행해야 하므로 전역 위치추정에 많은 시간이 소요되는 단점이 있다.

제안 방법

이 때 환경에 대한 모든 특징들을 추출하며, 많은 특징들과의 정합을 통하여 좀 더 신뢰성 있는 후보지를 추출할 수 있다. Fig. 6과 같이 로봇 주변의 공간 특징지도를 연결하여 하나의 특징영상(Feature image)을 만들고, 정합은 특징영상과 현재 키넥트로 관측한 영상을 이용하여 수행하였다.
제안한 방법을 시간에 무관하게 전역 위치추정 성공률을 측정하면, 반복적으로 알고리즘을 수행하여 모든 경우에 대하여 성공할 수 있다. 그러나 실제 환경에서 사용하기 위해서는 수행시간도 매우 중요하므로 시간을 한정하여 성공률을 결정하였다. 위치추정 정확성은 추정된 로봇의 위치와 실제 로봇의 위치를 비교하여 측정하였다.
계산된 정합 오차에 따라 로봇의 위치 후보지의 크기는 r₁으로 나타난다. 로봇은 제자리 회전을 하면서 다음 키넥트 영상과 특징영상간의 정합을 수행한다. 여기서 로봇의 회전을 고려하여, 로봇의 회전각 θ₁만큼 추출된 후보지도 회전시킨다.
전역 위치추정 과정은 후보지 선정과 로봇의 위치 갱신, 위치추정 성공 판단의 순으로 이루어진다. 먼저, 로봇의 초기 위치 후보지를 선정하는 과정에서는 로봇의 제자리 회전으로 주변환경에 대한 정보를 획득하여 로봇의 위치를 대략적으로 판별한다. 각 후보지들이 결정되면 해당 영역에 로봇의 샘플을 분포시키고 360° 거리정보를 이용하여 샘플들의 위치를 갱신한다.
본 논문에서 제안한 환경지도는 격자지도, 천장 특징지도 및 공간 특징지도로 구성된다. 천장 특징지도는 천장 지향 모노카메라를 이용하여 천장으로부터 영상특징을 추출하여 작성한 지도이다.
본 논문에서는 파티클 필터를 이용하여 정해진 후보지에 샘플을 분포시켜 로봇의 위치를 갱신하는 방법을 이용하였다^[2]. 그러나 키넥트 센서를 이용한 파티클 필터 기법은 키넥트 센서의 좁은 FOV로 인하여 부정확하게 위치를 추정하는 문제점이 있다.
각 후보지들이 결정되면 해당 영역에 로봇의 샘플을 분포시키고 360° 거리정보를 이용하여 샘플들의 위치를 갱신한다. 샘플이 수렴하여 로봇의 위치가 결정되면, 로봇의 추가적인 이동을 통하여 천장 특징 지도와 실제 환경을 비교하여 성공 여부를 확인한다. 로봇의 위치가 정확한 위치라고 판단되었을 때, 로봇의 주행을 시작한다.
그러나 실제 환경에서 사용하기 위해서는 수행시간도 매우 중요하므로 시간을 한정하여 성공률을 결정하였다. 위치추정 정확성은 추정된 로봇의 위치와 실제 로봇의 위치를 비교하여 측정하였다.
격자지도를 이용한 로봇의 위치 갱신은 파티클 필터 기반으로 수행되었으며, 실제 환경에서 강인하게 동작한다^[2]. 이 과정에서 실제 환경에서 얻어오는 넓은 범위의 거리정보를 필요하므로 가상지도의 개념을 활용하였다. 또한 제안한 방법은 Fig.
본 논문에서는 천장 지향 카메라와 키넥트 센서를 이용하여 환경지도를 작성하고, 이를 이용한 전역 위치추정 방법에 대하여 제안하였다. 제안된 전역 위치추정 방법의 효용성은 실험을 통하여 입증하였으며, 다음과 같은 결론을 도출하였다.
본 논문에서는 대칭적이거나, 일부 환경이 변경된 장소, 특징 검출이 어려운 지역 등의 다양한 환경에서 전역 위치추정을 성공적으로 수행하기 위해 천장 지향 카메라와 키넥트 센서를 이용한 방법을 제안한다. 제안한 방법은 초기 지도 작성 작업을 통해 격자지도, 공간 특징지도, 천장 특징지도가 통합된 환경지도를 작성하고, 작성된 환경지도에서 로봇의 초기 위치를 추정하는 방법이다. 격자지도는 거리정보만을 가진 2D지도이며, 천장 특징지도는 천장에 대한 특징정보를, 공간 특징지도는 공간에 대한 특징정보와 거리정보를 가진다.
제안한 전역 위치추정 알고리즘의 강인함을 실험하기 위해서 시간 및 환경에 변화를 주었다. 변경된 환경은 Fig.

대상 데이터

본 논문에서는 환경에 대한 환경지도를 작성하고 변화된 환경에서 강인하게 위치추정이 가능한지를 실제 환경에서의 실험을 통해 검증하였다. 실험환경은 크기 10m x 10m이며, 로봇에는 전방의 키넥트 센서와 천장을 관측하는 모노카메라를 장착하였으며, 2.4GHz CPU를 탑재한 임베디드 컴퓨터를 이용하였다. 전역 위치추정을 실험하기에 앞서, Fig.
이를 개선하기 위하여 본 논문에서는 후보지 선정 과정에서 키넥트 센서로부터 획득한 360°거리정보를 이용하였다.

이론/모형

SVD(singular value decomposition) 기법을 사용하여 다음과 같이 행렬 W를 분해한다.
의 차이다. 이 때, ray-tracing 방법을 이용하여 가상지도와 격자지도에서 거리정보를 추출한다. 식 (8)은 각 1도마다의 z_t와 o_t의 차이를 제곱한 값들의 합을 오차로 계산한 것이며, K는 360을 나타낸다.
천장 특징지도는 천장에서 추출되는 특징들로 구성된 지도이다. 이 지도에서는 코너 특징과 임의형상(Arbitrarily Shaped) 특징^[3]을 사용하였다. 임의형상 특징은 영역 기반의 특징으로서 코너 특징에 비해 조명변화 등에 강인한 특성이 있다.
임의형상 특징은 영역 기반의 특징으로서 코너 특징에 비해 조명변화 등에 강인한 특성이 있다. 천장 특징지도는 EKF 기반의 SLAM 과정을 통해 작성하며, 본 논문에서는 로봇의 국부 위치를 추정하는데 사용하였다. Fig.

성능/효과

1. 격자지도, 공간 특징지도, 천장 특징지도로 구성된 환경지도를 사용하여 환경이 일부 변화하더라도 강인하게 위치를 추정할 수 있었다.
2. 제안한 방법을 사용한 로봇 위치추정 시간은 1분 이내, 정확성은 90% 이상, 위치추정 정확도는 12cm, 8.4°의 성능을 보여주었다.
3. 저가센서의 융합을 통하여 기존의 단일 센서를 사용하는 방법에 비해서 다양한 환경에서도 안정적으로 전역 위치추정이 가능하다.
2와 같이 큰 가구가 사라져서 격자지도에 얻어지는 정보가 다르더라도 환경지도를 이용하여 로봇의 위치를 추정할 수 있다. 결과적으로, 본 논문에서 제안한 환경지도를 이용한 위치추정 방법은 다양한 지도 정보를 이용하여 환경의 일부가 변하더라도 강인한 위치추정이 가능하다.
제안한 방법을 시간에 무관하게 전역 위치추정 성공률을 측정하면, 반복적으로 알고리즘을 수행하여 모든 경우에 대하여 성공할 수 있다. 그러나 실제 환경에서 사용하기 위해서는 수행시간도 매우 중요하므로 시간을 한정하여 성공률을 결정하였다.

후속연구

그러나 키넥트 센서의 감지거리보다 넓은 환경의 경우, 제자리 회전을 반복적으로 수행해야 하므로 전역 위치추정에 많은 시간이 소요되는 단점이 있다. 따라서 추후 연구에서는 로봇이 이동하는 중에도 후보지를 추가할 수 있는 알고리즘을 연구할 예정이다. 이 과정을 통하여 넓은 환경에서도 빠르고 강인한 위치추정이 가능할 것이라고 판단한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	제안된 전역 위치추정 방법에 대한 실험을 통해 얻은 결론은?	1. 격자지도, 공간 특징지도, 천장 특징지도로 구성된 환경지도를 사용하여 환경이 일부 변화하더라도 강인하게 위치를 추정할 수 있었다. 2. 제안한 방법을 사용한 로봇 위치추정 시간은 1분 이내, 정확성은 90% 이상, 위치추정 정확도는 12cm, 8.4°의 성능을 보여주었다. 3. 저가센서의 융합을 통하여 기존의 단일 센서를 사용하는 방법에 비해서 다양한 환경에서도 안정적으로 전역 위치추정이 가능하다.
	로봇의 자율주행을 위해 필요한 기능은?	로봇의 자율주행을 위해서는 위치추정, 경로계획, 모션 제어 등이 필요하다[1]. 이러한 주행은 로봇의 위치 정보를 바탕으로 수행되므로 로봇의 정확한 초기 위치를 알아내는 전역위치추정 과정이 필요하다.
	천장을 향하는 단안 카메라 기반의 위치추정 방법의 특징은?	하지만 거리정보 기반의 위치추정 방법은 고가의 레이저 센서가 이용되며, 단순한 패턴의 거리 정보가 관측되는 곳에서는 적합하지 않다. 천장을 향하는 단안 카메라 기반의 위치추정 방법은 천장의 특징을 이용한 지역 위치추정이나 SLAM 작업에는 적합하지만, 단순한 특징을 이용하므로 비슷한 특징이 계속 반복되는 환경에서는 적합하지 않다[6]. 이 방법 이외에도 보조지도와 SIFT 인공표식을 이용하여 전역위치를 추정하는 방법이 있다[9].

참고문헌 (14)

R. Siegwart, and I. R. Nourbakhsh, "Introduction to Autonomous Mobile Robots," MIT Press, Cambridge, 2004.
D. Fox, W. Bugard, and S. Thrun, "Active Markov Localization for Mobile Robots," Robotics and Autonomous Systems, vol. 25, pp. 195-207, 1998.

상세보기
S. Y. Hwang, and J. B. Song, "Clustering and probabilistic matching of arbitrarily shaped ceiling features for monocular vision-based SLAM," Advanced Robotics, vol. 27, no. 10, pp. 739-747, 2013.

상세보기
M. Montemerlo, S. Thrun, D. Koller, and B. Wegbreit, "FastSLAM 2.0: An improved particle filtering algorithm for simultaneous localization and mapping that provably converges," Proc. of the 16th Int. Joint Conf. on Artificial Intelligence, 2003.
D. Xu, L. Han, M. Tan, and Y. F. Li, "Ceiling-Based Visual Positioning for an Indoor Mobile Robot With Monocular Vision," IEEE Trans. on Industrial Electronics, vol. 56, no. 5, pp. 1617-1628, 2009.

상세보기
S. Y. Hwang, and J. B. Song, "Monocular Vision-based Global Localization Using Position and Orientation of Ceiling Features," Proc. of the IEEE Int. Conf. on Robotics and Automation, 2013.
D. G. Lowe, "Distinctive image features from scaleinvariant keypoints," Int. Journal of Computer Vision, vol. 60, no. 2, pp. 91-110, 2004.

상세보기
R. Rusinkiewicz and M. Levoy, "Efficient Variants of the ICP Algorithm," Int. Conf. on 3D Digital Imaging and Modeling, pp. 145-153, 2001.
S. Se, D. G. Lowe, and J. J. Little, "Vision-based global localization and mapping for mobile robots," IEEE Trans. on Robotics, vol. 21, no. 3, pp. 364-375, 2005.

상세보기
M. Ocana, L.M. Bergasa, M.A. Sotelo, R. Flores, D.F. Llorca, D. Schleicher, "Automatic training method applied to a WiFi + ultrasound POMDP navigation system," Robotica, pp.1049-1061, 2009.
A. Elfes, "Using Occupancy grids for mobile robot perception and navigation," IEEE Journal of Computer, vol. 22, pp. 46-57, 1989.
S. Thrun, W. Burgard and D. Fox, Probabilistic Robotics, The MIT Press, Cambridge, 2005.
C. Nam, J. Kang, N. L. Doh, "A new Observation Model to Improve the Consistency of EKF-SLAM Algorithm in Large-scale Environments," Journal of Korea Robotics Society, vol. 7, no. 1, pp. 29-34, 2012.

원문보기 상세보기
S. Kim, J. Lee, "EKF based Mobile Robot Indoor Localization using Pattern Matching," Journal of Korea Robotics Society, vol. 7, no. 1, pp. 45-56, 2012.

원문보기 상세보기

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