[논문]이동 로봇의 상대적 위치 추정을 위한 직사각형 기반의 기하학적 방법

이주행; 이재연; 이아현; 김재홍

doi:10.7746/jkros.2016.11.1.009

[국내논문] 이동 로봇의 상대적 위치 추정을 위한 직사각형 기반의 기하학적 방법
Geometric Formulation of Rectangle Based Relative Localization of Mobile Robot 원문보기

로봇학회논문지 = The journal of Korea Robotics Society, v.11 no.1, 2016년, pp.9 - 18

이주행 (Human Robot Interaction Lab, ETRI, Computer Software, Korea University of Science and Technology) , 이재연 (Human Robot Interaction Lab, ETRI) , 이아현 (Human Robot Interaction Lab, ETRI) , 김재홍 (Human Robot Interaction Lab, ETRI)

Abstract ▼ AI-Helper

A rectangle-based relative localization method is proposed for a mobile robot based on a novel geometric formulation. In an artificial environment where a mobile robot navigates, rectangular shapes are ubiquitous. When a scene rectangle is captured using a camera attached to a mobile robot, localization can be performed and described in the relative coordinates of the scene rectangle. Especially, our method works with a single image for a scene rectangle whose aspect ratio is not known. Moreover, a camera calibration is unnecessary with an assumption of the pinhole camera model. The proposed method is largely based on the theory of coupled line cameras (CLC), which provides a basis for efficient computation with analytic solutions and intuitive geometric interpretation. We introduce the fundamentals of CLC and describe the proposed method with some experimental results in simulation environment.

Keyword

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 이동 로봇이 작업 환경의 특징을 이용하여 자기 위치를 상대적으로 추정함에 있어^[1] 단일 영상 기반에서 장면의 직사각형 특징을 활용하는 새로운 기법을 제시한다. 이동 로봇의 작업 환경이 실내이거나 인공물이 많은 공간일 경우 사각형 특징을 갖는 표식물이 존재할 가능성이 높다.
본 논문에서는 이동 로봇의 위치 추정을 위해서 계산 량이 적고 장치적 부담이 적어야 한다는 제약조건을 만족시키는 새로운 방법을 제시한다. 즉, 카메라에서 취득한 단일 영상에서 종횡비가 알려져 있지 않은 사각형을 추출하여 이를 복원하고 그에 상대적으로 카메라의 위치와 방위를 계산할 수 있는 방법이다.
본 논문에서 다루는 이동 로봇의 위치 추정 문제는 평면에서 이동하는 로봇에 부착된 카메라로 촬영한 영상 한장에서 사각형 영역을 추출하여 이에 해당하는 장면내 직사각형으로부터 로봇까지의 상대적인 거리 및 방위를 계산하는 것이다. Fig.

가설 설정

본 연구에서는 이동 로봇의 상대적 위치를 2차원 평면상에서 계산하는 경우를 가정한다. 따라서 추가적으로 아래의 기하학적인 방법을 적용한다.
계산 시간은 Qg가 추출된 이후부터 위치 추정을 위한 방위 Ψ와 거리 dg,f를 계산할 때까지 0.001초 미만으로(2.8 GHz Intel Core i7프로세서 기준), 실제 로봇 하드웨어에서 실시간에 계산하기에 무리가 없을 것이다.
6(b)는 구글 이미지 검색을 통해 얻었으며 촬영한 카메라 정보는 알려져 있지 않다. 선분 카메라쌍의 가정에 따라 주축이 영상의 중심을 통과하는 핀홀 카메라 모델로 가정하였다.
시뮬레이션에 사용한 이동 로봇은 가상의 로봇으로 전방향 이동이 가능하다고 가정한다. 로봇의 전면 상단에 카메라가 부착되어 있고 이를 통해 장면에 직사각형(붉은색 문)에 대한 영상을 촬영하여 사각형을 검출하게 된다.

제안 방법

제안된 방법은 기존의 기하학적 컴퓨터 비젼에서 주로 활용하고 있는 절대 코닉(absolute conic)이나 호모그라피 방법^[7,8]이 아닌 선분 카메라쌍(coupled line cameras, CLC)이라는 새로운 도구를 이용하고 있다^[9,10,11,12]. 특히, 선분 카메라쌍은 직사각형 기반의 투사구조에 특화 되어 있기 때문에 유도된 해석해가 단순하여 구현이 매우 용이하다.
이 절에서는 카메라의 주축이 장면 직사각형 G와 이미지 사각형 Q의 중심을 통과하는 특수한 경우에 대해서 선분 카메라쌍을 정의하고 그 자세식을 이용하여 관찰된 이미지 사각형 Q의 속성 (l_i와 d)에서 알려지지 않은 장면 직사각형 G를 복원하고 카메라의 위치 p_c를 계산하는 방법을 설명하였다.
이를 위한 구체적인 계산 방법은 본 논문의 주제에서 벗어나서 구체적으로 다루지는 않다^{[15,16,17,18]}. 본 논문에서는 자동 사각형 검출을 위해서 선분 검출^[19]와 보로노이 다이어그램을 이용한 기하학적 방법을 적용하고 있다. Fig.
이동 로봇에 부착된 카메라로 장면에 존재하는 직사각형 특징을 촬영하고 이를 이용하여 이동 로봇의 상대적 위치를 추정하는 기하학적 방법을 제안하였다. 특히, 장면내 직사각형의 종횡비를 모르는 경우에도 캘리브레이션되어 있지 않은 카메라로 촬영한 한장의 영상을 통해 위치를 추정할 수 있음을 보였다.
제안 방법은 기하학적 컴퓨터 비젼 분야의 선분 카메라쌍 이론에 근거하므로 직관적인 기하학적 해석이 가능하고 간단한 대수해에 기반하므로 계산이 효율적이다. 실험에서는 실제 이미지 및 시뮬레이션에 제안 방법을 적용해 보았다.

성능/효과

(a)로부터 복원된 직사각형과의 종횡비(≈1.6916)를 비교했을 때 0.4%의 차이가 발생 하여, 제안된 전반적인 계산은 신뢰할 수 있다고 볼 수 있다.
제안된 방법은 간단한 대수적 해를 갖는 선분 카메라쌍 기반 장면 복원 방법에 몇 가지 벡터 연산을 추가하여 이동 로봇의 상대 위치를 계산할 수 있으므로 전체적인 계산은 매우 효율적이다. 아래에서는 본 방법을 적용한 실험 결과를 소개한다.
4%의 차이가 발생 하여, 제안된 전반적인 계산은 신뢰할 수 있다고 볼 수 있다. 다만 이 예에서는 인터넷에서 구한 영상을 사용하였기 때문에 실제 카메라의 위치를 알 수 없지만 다음절의 시뮬레이션 실험에서 계산의 정확성을 확인 할 수 있었다.
본 시뮬레이션은 제안 방법을 고안하게 된 주요 동기가 되는 시나리오에 기반한다. 즉, 물류로봇이 전역지도나 명시적 마커에 의존하지 않고 엘리베이터와 같은 출입문으로 진입함에 있어 출입문을 표현하는 직사각형을 검출하여 제안 방법을 이용하여 상대 위치를 추정하고 비주얼 서보잉 방식으로 경로추종을 할 수 있음을 보인다. 시뮬레이션은 4.
이동 로봇에 부착된 카메라로 장면에 존재하는 직사각형 특징을 촬영하고 이를 이용하여 이동 로봇의 상대적 위치를 추정하는 기하학적 방법을 제안하였다. 특히, 장면내 직사각형의 종횡비를 모르는 경우에도 캘리브레이션되어 있지 않은 카메라로 촬영한 한장의 영상을 통해 위치를 추정할 수 있음을 보였다. 제안 방법은 기하학적 컴퓨터 비젼 분야의 선분 카메라쌍 이론에 근거하므로 직관적인 기하학적 해석이 가능하고 간단한 대수해에 기반하므로 계산이 효율적이다.
특히, 장면내 직사각형의 종횡비를 모르는 경우에도 캘리브레이션되어 있지 않은 카메라로 촬영한 한장의 영상을 통해 위치를 추정할 수 있음을 보였다. 제안 방법은 기하학적 컴퓨터 비젼 분야의 선분 카메라쌍 이론에 근거하므로 직관적인 기하학적 해석이 가능하고 간단한 대수해에 기반하므로 계산이 효율적이다. 실험에서는 실제 이미지 및 시뮬레이션에 제안 방법을 적용해 보았다.

후속연구

위와 같은 명시적인 사각형 외에도 선분 패턴이나 소실선 등에 의해 묵시적인 사각형이 정의되기도 한다^[5]. 이러한 사각형 특징을 이용하여 이동 로봇의 위치를 추정할 수 있다면 명시적으로 부착한 특별한 표식자나 센서에 대한 의존도를 줄일 수 있을 것이다.
향후에는 실제 이동 로봇에 제안 방법을 적용하여 위치 추정 및 주행에 활용할 계획이다^[20,21]. 이를 위해서는 우선 영상내 사각형 특징을 실시간에 추출할 수 있는 정확하면서도 효율적인 방법을 발굴하여 결합하는 것이 필요하다.
또한, 제안된 직사각형 기반의 위치 추정 기법은 방법은 팬-틸트 모터로 제어되는 기구부와 결합한 카메라-프로젝터 시스템의 캘리브레이션과 제어에도 활용될 예정이다^[25]

질의응답

핵심어	질문	논문에서 추출한 답변
	이동 로봇의 작업 환경이 실내이거나 인공물이 많은 공간일 경우 어떤 가능성이 높아지는가?	본 논문에서는 이동 로봇이 작업 환경의 특징을 이용하여 자기 위치를 상대적으로 추정함에 있어[1] 단일 영상 기반에서 장면의 직사각형 특징을 활용하는 새로운 기법을 제시한다. 이동 로봇의 작업 환경이 실내이거나 인공물이 많은 공간일 경우 사각형 특징을 갖는 표식물이 존재할 가능성이 높다. 예를 들어, 실내의 경우 출입문이나 가구, 실외의 경우 간판, 외벽이나 창문이 이에 해당한다[2,3,4].
	이동 로봇의 작업 환경이 실내일 경우, 사각형 특징을 갖는 표식물의 종류에는 무엇이 있는가?	이동 로봇의 작업 환경이 실내이거나 인공물이 많은 공간일 경우 사각형 특징을 갖는 표식물이 존재할 가능성이 높다. 예를 들어, 실내의 경우 출입문이나 가구, 실외의 경우 간판, 외벽이나 창문이 이에 해당한다[2,3,4]. 위와 같은 명시적인 사각형 외에도 선분 패턴이나 소실선 등에 의해 묵시적인 사각형이 정의되기도 한다[5].
	장면내 사각형을 이용하여 이동 로봇의 위치를 추정하기 위해서는 계산이 간단하고 정확해야 하는데, 그 이유는 무엇인가?	우선 계산이 간단하고 정확해야 한다. 만약, 단일 영상에서 추출한 하나의 사각형에 간단한 대수식을 적용하여 위치를 추정할 수 있다면 바람직할 것이다. 반대로 bundle adjustment와 같은 방법은 특징의 기하학적 형태에 대한 사전 조건없이(예, 특징이 직사각형이라는 사실) 일반적인 상황에서 장면을 복원하여 위치를 추정할 수 있지만 계산량이 매우 많은 방법으로 이동 로봇에는 적합하지 않을 수 있다[6,7]. 또한, 장치적인 부담이 적어야 한다.

참고문헌 (25)

Se, Stephen, David Lowe, and Jim Little, "Mobile robot localization and mapping with uncertainty using scaleinvariant visual landmarks." The international Journal of robotics Research, vol. 21, no. 8, pp. 735-758, 2002.

상세보기
Shaw, David, and Nick Barnes, "Perspective Rectangle Detection," In Proc. of the Workshop of the Application of Computer Vision, in conjunction with ECCV 2006, 2006.
Hartl, Andreas, and Gerhard Reitmayr, "Rectangular target extraction for mobile augmented reality applications." In Pattern Recognition (ICPR), 2012 21st International Conference on, pp. 81-84. IEEE, 2012.
Korah, Thommen, and Christopher Rasmussen, "2D lattice extraction from structured environments." In Image Processing, 2007. ICIP 2007. IEEE International Conference on, vol. 2, pp. II-61. IEEE, 2007.
Elloumi, Wael, Sylvie Treuillet, and Remy Leconge, "Realtime camera orientation estimation based on vanishing point tracking under Manhattan World assumption." Journal of Real-Time Image Processing, pp. 1-16, 2014.
Triggs, Bill, Philip F. McLauchlan, Richard I. Hartley, and Andrew W. Fitzgibbon. "Bundle adjustment-a modern synthesis." In Vision algorithms: theory and practice, pp. 298-372. Springer Berlin Heidelberg, 2000.
Szeliski, R. 2010, Computer Vision: Algorithms and Applications, Springer.
Hartley, R. and Zisserman, A., 2003, Multiple View Geometry in Computer Vision, Cambridge University Press.
J.-H. Lee, 2012, "Camera Calibration from a Single Image based on Coupled Line Cameras and Rectangle Constraint," In Pattern Recognition (ICPR), 2012 21st International Conference on, pp. 758-762.
J.-H. Lee, "A New Solution for Projective Reconstruction Based on Coupled Line Cameras," ETRI Journal, vol. 35, no. 5, pp. 939-942, 2013.

원문보기 상세보기
J.-H. Lee, "New Geometric Interpretation and Analytic Solution for Quadrilateral Reconstruction," In Pattern Recognition (ICPR), 2014 22nd International Conference on, pp. 4015-4020, 2014.
J.-H. Lee, "Single View Reconstruction of Cuboids and Transformation in Perspective," ETRI Technical Report, 2015.
J.-H. Lee, "An Asnalytic Solution to Projector Pose Estimation Problem," ETRI Journal, vol. 34, no. 6, pp. 978-981, 2012.

원문보기 상세보기
J. Lee, J.-H. Lee, and J. Kim, "Analysis on Coupled Line Cameras using Projective Geometry," In PSIVT Workshop on Vision Meets Graphics, Nov., 2015.
Lagunovsky, Dmitry, and Sergey Ablameyko. "Straightline- based primitive extraction in grey-scale object recognition." Pattern Recognition Letters 20, no. 10, pp. 1005-1014, 1999.

상세보기
C. R. Jung and R. Schramm, "Rectangle Detection Based On A Windowed Hough Transform," In Proc. 17th SIBGRAPI, pp.113 -120, 2004.
Zhang, Zhengyou, and Li-wei He. "Note-taking with a camera: whiteboard scanning and image enhancement." In Acoustics, Speech, and Signal Processing, 2004. Proceedings.(ICASSP'04). IEEE International Conference on, vol. 3, pp. iii-533. IEEE, 2004.
Keller, Christoph Gustav, Christoph Sprunk, Claus Bahlmann, Jan Giebel, and Gregory Baratof. "Real-time recognition of US speed signs." In Intelligent Vehicles Symposium, 2008 IEEE, pp. 518-523. IEEE, 2008.
von Gioi, Rafael Grompone, et al. "LSD: A Fast Line Segment Detector With A False Detection Control," IEEE Transactions on Pattern Analysis & Machine Intelligence, 4 (2008): 722-732.
M.-K. Jung and J.-B. Song, "Robust Global Localization based on Environment map through Sensor Fusion," Journal of Korea Robotics Society, vol. 9, no. 2, pp. 96-103, 2014.

원문보기 상세보기
H. Hwan and J.-B. Song, "Global Localization Based on Ceiling Image Map," Journal of Korea Robotics Society, vol. 9, no. 3, pp. 170-177, 2014.

원문보기 상세보기
Lee, J.-H., "Geometric Method for Detection of Image Quadrilateral," In Circuits/Systems, Computers and Communications (ITC-CSCC), 2015 the 30th International Technical Conference on, pp. 482-48.
Doucet, Arnaud, Simon Godsill, and Christophe Andrieu, "On sequential Monte Carlo sampling methods for Bayesian filtering," Statistics and computing, vol. 10, no. 3 pp. 197-208, 2000.
Pomarico-Franquiz, Juan, Sanowar H. Khan, and Yuriy S. Shmaliy, "Combined extended FIR/Kalman filtering for indoor robot localization via triangulation." Measurement 50, pp. 236-243, 2014.

상세보기
A. Lee, J.-H. Lee, J.-H., and Lee, "Sampling-based Control of SAR System Mounted on A Simple Manipulator," Transactions of the Society of CAD/CAM Engineers, vol. 19, no 4, pp. 356-367, 2014.

원문보기 상세보기

LOADING...

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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