[논문]수중 구조물 형상의 영상 정보를 이용한 수중로봇 위치인식 기법

정종대; 최수영; 최현택; 명현

doi:10.5574/ksoe.2015.29.5.392

수중 구조물 형상의 영상 정보를 이용한 수중로봇 위치인식 기법
Localization of AUV Using Visual Shape Information of Underwater Structures 원문보기

韓國海洋工學會誌 = Journal of ocean engineering and technology, v.29 no.5, 2015년, pp.392 - 397

정종대 (KAIST 미래도시로봇연구실) , 최수영 (KAIST 미래도시로봇연구실) , 최현택 (선박해양플랜트연구소 해양시스템연구부) , 명현 (KAIST 미래도시로봇연구실)

Abstract ▼ AI-Helper

An autonomous underwater vehicle (AUV) can perform flexible operations even in complex underwater environments because of its autonomy. Localization is one of the key components of this autonomous navigation. Because the inertial navigation system of an AUV suffers from drift, observing fixed objects in an inertial reference system can enhance the localization performance. In this paper, we propose a method of AUV localization using visual measurements of underwater structures. A camera measurement model that emulates the camera’s observations of underwater structures is designed in a particle filtering framework. Then, the particle weight is updated based on the extracted visual information of the underwater structures. The proposed method is validated based on the results of experiments performed in a structured basin environment.

주제어

AI 본문요약
AI-Helper

문제 정의

본 연구에서는 수중 환경의 시계가 어느 정도 확보되어 있다는 가정 하에서 구조물 형상이 추출된 전체 영상을 이용하여 로봇의 위치를 보정하는 방법을 소개한다. 또한 제안된 방법을 실제 수조 환경에서의 실험을 통해 검증하고자 한다.
본 논문에서는 수중 인공구조물 주변을 유영하는 자율 유영 로봇의 위치인식을 위해 인공구조물로부터 획득된 비전 정보 중 구조물의 형상 정보를 사용하는 방법을 제시하였다. 또한 실제 실내 수조 실험을 통해 제안된 방법이 관성항법의 누적 오차를 보정할 수 있음을 확인하였다.
, 2004) 등이 있다. 본 연구에서는 수중 환경의 시계가 어느 정도 확보되어 있다는 가정 하에서 구조물 형상이 추출된 전체 영상을 이용하여 로봇의 위치를 보정하는 방법을 소개한다. 또한 제안된 방법을 실제 수조 환경에서의 실험을 통해 검증하고자 한다.

가설 설정

수중로봇의 경우 3차원에서 움직이기 때문에 위치에 대한 상태변수는 일반적으로 SE(3) 그룹(Special euclidean group of dimension 3)에서 정의된다. 본 연구에서는 수식의 단순화와 연산량 감소를 위해 로봇의 Roll과 Pich모션은 수평으로 유지된다고 가정하고 로봇의 상태변수를 SE(2) 그룹(Special euclidean group of dimension 2)내에서 정의하고 수심(Depth)을 추가하였다. 따라서 로봇의 상태변수 x는 전역좌표계상에서 정의된 3차원 병진 벡터(Translation vector) T = [xR, yR, zR]T와 Yaw 회전각 θR의 합인 x = [xR, yR, zR, θR]T이 된다.

대상 데이터

, 2014)을 사용하여 실제 KIRO 내 수조 실험데이터를 획득, 오프라인으로 결과를 분석하였다. 로봇에는 Sidus 사의 SS440 수중카메라가 설치되어 있다. Fig.
실험결과는 저장된 데이터를 오프라인으로 처리하여 생성하였다. 오프라인 분석에는 Intel i7-4770 CPU (3.4GHz) 기반 데스크탑 PC가 사용되었으며, 데이터 처리 시간은 파티클 500개 사용 기준으로 1회의 필터링 수행에 평균 57 msec이 소요되었다.
제안된 알고리즘의 성능을 검증하기 위해 KIRO에서 개발한 P-SURO II 수중 로봇 플랫폼(Li et al., 2014)을 사용하여 실제 KIRO 내 수조 실험데이터를 획득, 오프라인으로 결과를 분석하였다. 로봇에는 Sidus 사의 SS440 수중카메라가 설치되어 있다.

이론/모형

이러한 카메라 관측모델은 연산량이 매우 많기 때문에 실시간성이 떨어진다. 때문에 관측모델에 대한 데이터베이스를 미리 생성해 놓고 룩업테이블을 이용하여 접근하는 방법을 사용한다. 데이터베이스는 다음과 같은 과정으로 생성한다: (1) 임의의 수조 공간에 대해 카메라가 위치할 영역을 유한개의 3차원 셀로 나눈다.
위치인식 시스템 설계에 있어 먼저 각 센서의 측정값들을 확률적으로 융합할 수 있는 프레임워크의 선정이 필요하다. 본 연구에서는 베이지안 필터 중 하나인 파티클 필터(Particle filter)를 기본 프레임워크로 사용하였다(Thrun et al., 2005). Fig.
5(d)의 방법은 모두 컬러 공간에서 클러스터링을 수행하는 것인데 전자는 단순히 화소값들을 적절한 컬러 공간으로 변환한 후에 K-means와 같은 클러스터링 기법을 적용한 것이며 후자는 화소값 뿐 아니라 화소의 위치 벡터도 고려한 입력값을 이용하여 클러스터링을 수행한 결과이다. 본 연구의 최종 실험에서는 적응형 이진화 기법을 적용하였다.
파티클의 모션 업데이트는 본 연구에서 사용된 P-SURO II 수중로봇의 관성항법을 이용하는데(Li et al., 2014), 로봇 내의 단일보드 컴퓨터(Single board computer, SBC) 내에서 자체적으로 계산된 관성항법 결과를 이용하여 i번째 시간 단계에서 모션 업데이트에 사용될 오도메트리 입력값 u를 아래와 같이 생성한다.

성능/효과

본 논문에서는 수중 인공구조물 주변을 유영하는 자율 유영 로봇의 위치인식을 위해 인공구조물로부터 획득된 비전 정보 중 구조물의 형상 정보를 사용하는 방법을 제시하였다. 또한 실제 실내 수조 실험을 통해 제안된 방법이 관성항법의 누적 오차를 보정할 수 있음을 확인하였다. 추후 연구 내용으로는 데이터베이스 간의 보간을 통한 정확도 향상 및 본 연구에서는 고려하지 않은 Roll, Pitch 모션에 대한 추정을 위한 호모그래피 기법의 적용 등이 있다.
절대 위치인식 시스템의 부재로 추정 경로의 절대오차는 구할 수 없었으나 정성적인 평가는 가능하였다. 즉, 관성항법(INS)의 경우 드리프트로 인해 오차가 누적되어 로봇의 경로가 수조 밖으로 벗어나는 반면, 구조물 영상 기반의 파티클 필터(INS+Vision)는 수조 내에서 지속적으로 경로를 생성함을 확인할 수 있다. 차후 절대 위치인식시스템을 이용하여 좀 더 정량적인 평가를 할 예정이다.

후속연구

즉, 관성항법(INS)의 경우 드리프트로 인해 오차가 누적되어 로봇의 경로가 수조 밖으로 벗어나는 반면, 구조물 영상 기반의 파티클 필터(INS+Vision)는 수조 내에서 지속적으로 경로를 생성함을 확인할 수 있다. 차후 절대 위치인식시스템을 이용하여 좀 더 정량적인 평가를 할 예정이다.
또한 실제 실내 수조 실험을 통해 제안된 방법이 관성항법의 누적 오차를 보정할 수 있음을 확인하였다. 추후 연구 내용으로는 데이터베이스 간의 보간을 통한 정확도 향상 및 본 연구에서는 고려하지 않은 Roll, Pitch 모션에 대한 추정을 위한 호모그래피 기법의 적용 등이 있다.

참고문헌 (10)

Achanta, R., Shaji, A., Smith, K., Lucchi, A., Fua, P.S.,üSstrunk, S., 2012. SLIC Superpixels Compared to State-of-the-art Superpixel Methods. IEEE Transactions on Pattern Analysis and Machine Intelligence, 34(11), 2274-2282.

상세보기
Fernandez-Madrigeal, J., Claraco, J.L., 2013. Simultaneous Localization and Mapping for Mobile Robots: Introduction and Methods. Information Science Reference, Hershey, PA.
Kim, D., Lee, D., Myung, H., Choi, H.-T., 2014. Artificial Landmark-based Underwater Localization for AUV Using Weighted Template Matching. Journal of Intelligent Service Robots, 7(3), 175-184.

상세보기
Kondo, H., Maki, T., Ura, T., Nose, Y., Sakamaki, T., Inaishi, M., 2004. Relative Navigation of an Autonomous Underwater Vehicle Using a Light-section Profiling System. Proceedings of IEEE International Conference on Intelligent Robots and Systems, 1103-1108.
Kondo, H., Ura, T., Nose, Y., Akizono, J., Sakai, H., 2003. Visual Investigation of Underwater Structgures by the AUV and Sea Trials. Proceedings of OCEANS, 1, 340-345.
Lee, D., Kim, G., Kim, D., Myung, H., Choi, H.-T., 2012. Vision-based Object Detection and Tracking for Autonomous Navigation of Underwater Robots. Ocean Engineering, 48, 59-68.

상세보기
Li, J., Lee, M., Kim, J.-G., Kim, J.-T., Suh, J., 2014. Development of P-SURO II Hybrid AUV and Its Experimental Study. Proceedings of MTS/IEEE OCEANS, Bergen, 1-6.
Meyer, F., Beucher, S., 1990. Morphological Segmentation. Journal of Visual Communication and Image Representation, 1(1) 21-46.

상세보기
Paull, L, 2014. AUV Navigation and Localization: A Review. IEEE Oceanic Engineering, 93(1), 131-149.
Thrun, S., Burgard, W., Fox, D., 2005. Probabilistic Robotics. MIT Press, Cambridge.

저자의 다른 논문 :

LOADING...

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