최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기제어·로봇·시스템학회 논문지 = Journal of institute of control, robotics and systems, v.20 no.9, 2014년, pp.957 - 963
허신녕 (부산대학교 로봇협동과정) , 이장명
This paper proposes a predictive control for an efficient human following robot using Kinect sensor. Especially, this research is focused on detecting of foot-end-point and foot-vector instead of human body which can be occluded easily by the obstacles. Recognition of the foot-end-point by the Kinec...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
Kinect 센서의 장점은 무엇인가? | 따라서 이동로봇에 대한 연구는 많은 센서들을 사용해 온 것이 관례적이나, 현재에는 저가형 Kinect 센서를 바탕으로 센서 사용을 줄이며 다양한 정보를 획득하기 위한 로봇이 개발 중에 있다. 특히 Kinect 센서는 가격이 저렴하며 카메라와 IR 센서 Microphone 등이 융합된 센서로 성능이 우수하기 때문에 각광 받고 있으며, 많은 연구가 이루어 지고 있다. Kinect 센서는 사람의 신체부위 및 움직임을 인식할 수 있기 때문에 센서와 사람 사이의 거리, 각 관절 값 등을 추종하는데 높은 성능을 보여준다. 현재는 많은 학습 알고리즘을 통해 인체의 특징 점은 물론 동작패턴 및 손가락 모양까지도 검출이 가능하다[4]. | |
이동로봇이 임무 수행 중 고려하는 사항은 무엇인가? | 이동로봇은 주행을 하며 주어진 임무를 수행하는 로봇으로 위치측정, 속도 및 가속도, 장애물 인식, 이동경로설정 등의 복합적인 사항을 고려하게 된다[3]. 따라서 이동로봇에 대한 연구는 많은 센서들을 사용해 온 것이 관례적이나, 현재에는 저가형 Kinect 센서를 바탕으로 센서 사용을 줄이며 다양한 정보를 획득하기 위한 로봇이 개발 중에 있다. | |
발 벡터를 이용한 발 끝점 추종 방법을 적용한 이동로봇의 장점은 무엇인가? | 이 방법은 발을 추종 할 수 없는 경우를 제외한 상황에서 몸 중심점 추종 방법과 비교해 일반적인 상황에서의 장점이 크다는 것을 알 수 있었다. 키에 대한 오차 및 사람의 신체 조건에 대한 오차가 줄어 들었으며, 발 움직임의 큰 변화폭에 의한 빠른 센싱, 두 점 추종으로 인한 데이터 오류 효과 개선 등의 장점을 보유하고 있다. 제안된 방법을 적용시킨 이동로봇의 실험에서 보듯이 주행 중 급격한 수평이동 발생 시 이동 경로를 예측하여 곡선으로 주행하면서 이동거리의 줄이는 효과를 볼 수 있었다. |
T.-S. Jin and J.-M. Lee, "Object position estimation and optimal moving planning of mobile manipulator based on active camera," The Transactions of the Korean Institute of Electrical Engineers, vol. 42, no. 5, pp. 1-12, Sep. 2005.
Microsoft Research Kinect for Windows SDK Programming guide
G. Bradski, The OpenCV Library. Dr. Dobb's Journal of Software Tools, 2000.
V. Ganapathi, C. Plagemann, D. Koller, and S. Thrun, "Real time motion capture using a single time-of-flight camera," Proc. of CVPR, pp. 755-762, 2010.
Y. Amit and D. Geman, "Shape quantization and recognition with randomized trees," Neural Computation, vol. 9, no. 7, pp. 1545-1588, 1997.
G. Mori and J. Malik, "Recovering 3D human body configurations using shape contexts," Pattern Analysis and Machine Intelligence, vol. 28, no. 7, pp. 1052-1062, Jul. 2006.
C. Plagemann, V. Ganapathi, D. Koller, and S. Thrun, "Real-time identification and localization of body parts from depth images," In Proc. ICRA, pp. 3108-3113, 2010.
C. Bregler and J. Malik, "Tracking people with twists and exponential maps," Proc. of CVPR, pp. 8-15, 1998.
A. Carballo, A. Ohya, and S. Yuta, "Fusion of double layered multiple laser range finders for people detection from a mobile robot," Proc. of IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems, pp. 677-682, 2008.
C. Barron and I. A. Kakadiaris, "Estimating anthropometry and pose from a single image," Proc. of CVPR, pp. 1669-1676, 2000.
D. Comaniciu and P. Meer, "Mean shift: A robust approach toward feature space analysis," IEEE Trans. PAMI, vol. 24, no. 5, 2002.
J. Shotton, A. Fitzgibbon, M. Cook, T. Sahrp, M. Finocchio, R. Moore, A. Kipman, and A. Blake, "Real-time human pose recognition in parts from signle depth images," Proc. of CVPR, pp. 1297-1304, 2011.
D. Ramanan and D. A. Forsyth, "Finding and tracking people from the bottom up," In CVPR (2), pp. 467-474, 2003.
P. A. Viola and M. J. Jones, "Rapid object detection using a boosted cascade of simple features," Proc. of CVPR (1), pp. 511-518, 2001.
P. Udsatid, N. Niparnan, and A. Sudsang, "Human position tracking for side by side walking mobile robot using foot positions," Proc. of the 2012 IEEE International Conference on Robotics and Biomimetics, pp. 1374-1378, Dec. 2012.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.