$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

LRF 기반의 스캔매칭을 위한 회전오차에 강인한 대응점 탐색 기법
Searching Methods of Corresponding Points Robust to Rotational Error for LRF-based Scan-matching 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.26 no.6, 2016년, pp.505 - 510  

장은석 (부산대학교 전기전자컴퓨터공학과) ,  조현학 (부산대학교 로봇관련협동과정) ,  김은경 (부산대학교 전기전자컴퓨터공학과) ,  김성신 (부산대학교 전기전자컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 모바일 로봇의 SLAM(Simultaneous Localization and Mapping) 구현 시 사용되는 스캔매칭을 위한 회전오차에 강인한 대응점 탐색 기법을 제시한다. 많은 모바일 로봇의 연구에 차동구동방식의 구동부가 사용되는데, 이는 곡선 주행이나 제자리 회전을 위해 두 모터의 속력을 다르게 하거나, 반대 방향으로 제어하게 된다. 이러한 경우 직선 주행에 비해 비교적 바퀴의 미끄러짐 현상(Wheel Slip)을 심화시켜 모바일 로봇의 누적 위치 오차를 증가시키는 요인이 된다. 따라서 본 논문에서는 모바일 로봇의 회전 반경을 기반으로 최근접점을 추출하는 대응점 탐색 기법을 통해 스캔매칭 성능을 향상시키고자 한다. 제안된 방법의 검증을 위해 LRF(Laser Range Finder)를 이용해 실험을 진행하였으며, 기존 알고리즘에 주로 적용되는 유클리디안 최근접점 기반의 대응점 탐색 알고리즘과 비교한 결과, 제안된 대응점 탐색 기법이 보다 정확하게 대응점 집합을 추출하는 것을 확인했다.

Abstract AI-Helper 아이콘AI-Helper

This paper presents a searching method of corresponding points robust to rotational error for scan-matching used for SLAM(Simultaneous Localization and Mapping) in mobile robot. A differential driving mechanism is one of the most popular type for mobile robot. For driving curved path, this type cont...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 일반적으로, 다양한 스캔매칭 알고리즘에 적용하기 위해서는 각 지역좌표계의 지도 데이터에서 대응점에 해당하는 쌍들을 정확히 추출해 내는 것이 매우 중요하다. 따라서 본 논문에는 차동구동방식의 모바일 로봇의 회전 주행 시 발생하는 누적오차에 강인한 대응점 탐색을 위해, 모바일 로봇의 회전 반경을 기반으로 하는 대응점 탐색 기법을 제안한다. 제안된 방법의 검증을 위해 LRF(LMS200)를 통해 계측한 2차원 지도 데이터를 사용해 실험을 진행하였으며, 기존 스캔매칭 알고리즘에 적용되는 유클리디안 최근접점 기반의 대응점 탐색 방법과 그 성능을 비교하였다 [12-13].
  • 하지만 기존의 ICP 알고리즘에 주로 사용되는 유클리디안 최근접점 기반의 대응점 탐색 기법은 반복적인 기법에 대응하기 위한 알고리즘으로, 추출된 대응점의 정확도가 다소 떨어진다는 단점을 갖는다. 따라서 본 논문에서는 제안된 대응점 생성 기법을 통해 위 단점을 극복하고, 그 성능을 검증하기 위하여 해당 스캔매칭 알고리즘을 사용하고자 한다.
  • 본 논문에서는 스캔매칭의 성능 향상을 위한 대응점 생성 기법에 대해 제안하였다. 제안된 방법은 기존 유클리디안 최근접점을 기반으로 하는 방법에서 모바일 로봇의 회전반경을 기반으로 하는 오차범위 내의 영역으로 대응점 후보군을 축소한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
유클리디안 최근접점 기반의 대응점 탐색 기법의 단점은 무엇인가? 이는 비 반복적 기법을 사용함으로써 SLAM의 실시간성 효율을 증진시키지만, 초기 1회에 추출된 대응점 집합만을 사용하므로, 정확한 대응점 집합의 추출이 매우 중요하게 된다. 하지만 기존의 ICP 알고리즘에 주로 사용되는 유클리디안 최근접점 기반의 대응점 탐색 기법은 반복적인 기법에 대응하기 위한 알고리즘으로, 추출된 대응점의 정확도가 다소 떨어진다는 단점을 갖는다. 따라서 본 논문에서는 제안된 대응점 생성 기법을 통해 위 단점을 극복하고, 그 성능을 검증하기 위하여 해당 스캔매칭 알고리즘을 사용하고자 한다.
차동구동방식의 단점은 무엇인가? 이러한 연구에 사용되는 대부분의 모바일 로봇에는 주로 그림 1과 같은 차동구동방식의 구동부가 적용된다. 해당 방식은 양 바퀴의 속도를 다르게 제어하게 되는데, 특히 곡선 주행 시 바퀴의 미끄러짐 현상(Wheel Slip)이 심화되어 누적 위치오차를 발생 시킨다 [9-10]. 이에 따라 모바일 로봇의 주행 간 생성되는 각 지역좌표계의 데이터들의 대응점 쌍을 기반으로 두 좌표계를 보정 및 정합하는 스캔매칭에 관련한 다양한 연구들이 진행되어 왔다 [11].
다양한 스캔매칭 알고리즘에 적용하기 위해 어떤 것이 중요한가? 일반적으로, 다양한 스캔매칭 알고리즘에 적용하기 위해서는 각 지역좌표계의 지도 데이터에서 대응점에 해당하는 쌍들을 정확히 추출해 내는 것이 매우 중요하다. 따라서 본 논문에는 차동구동방식의 모바일 로봇의 회전 주행 시 발생하는 누적오차에 강인한 대응점 탐색을 위해, 모바일 로봇의 회전 반경을 기반으로 하는 대응점 탐색 기법을 제안한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. J. H. Joseph Yun, et al., "The relationship between technology, business model, and market in autonomous car and intelligent robot industries," Technological Forecasting and Social Change, vol. 103, pp. 142-155, 2016. 

  2. P. Pavlinek, "The internationalization of corporate R&D and the automotive industry R&D of East-Central Europe," Economic Geography, vol. 88, no. 3, pp. 279-310, 2012. 

  3. T. G. Kim, N. Y. Ko, and S. W. Noh, "Simultaneous estimation of landmark localization and robot pose using particle filter method," Journal of Korean Institute of Intelligent System, vol. 22, no. 3, pp. 353-360, 2012. 

  4. C. H. Choi, and B. J. Lee, "A study on fisheye lens based features on the ceilling for self-localization," Journal of Korean Institute of Intelligent System, vol. 21, no. 4, pp. 442-448, 2011. 

  5. H. Durrant-Whyte and T. Bailey, "Simultaneous localization and mapping: part 1," IEEE Robotics & Automation Magazine, vol. 13, no. 2, pp. 99-110, 2006. 

  6. O. S. Kwon, B. Y. Hyeon, and K. S. Seo, "An improved FastSLAM algorithm using fitness sharing technique," Journal of Korean Institute of Intelligent System, vol. 22, no. 4, pp. 487-493, 2012. 

  7. H. D. Kim, et al., "Simultaneous localization and mapping of mobile robot using digital magnetic compass and ultrasonic sensors," Journal of Korean Institute of Intelligent System, vol. 17, no. 4, pp. 506-510, 2007. 

  8. C. H. Han, and K. B. Sim, "Real-time mapping of mobile robot on stereo vision," Journal of Korean Institute of Intelligent System, vol. 20, no. 1, pp. 60-65, 2010. 

  9. H. H. S. Liu and G. K. H. Pang, "Acclerometer for mobile robot positioning," IEEE Transactions on Industry Applications, vol. 37, no. 3, pp. 812-819, 2001. 

  10. F. Gustafsson, "Slip-based tire-road friction estimation," Automatica, vol. 33, no. 6, pp. 1087-1099, 1997. 

  11. J. A. Willians and M. Bennamoun, "Evaluation of a novel multiple point set registration algorithm," Proc. 15th International Conference on Patterns Recognition, IEEE, vol. 1, pp. 1007-1010, 2000. 

  12. P. J. Besl and N. D. McKay, "A Method for registration of 3-D shapes," Robotics-DL tentative, International Society for Optics and Photonics, pp. 586-606, 1992. 

  13. P. Bergstrom and O. Edlund, "Robust registration of point sets using iteratively reweighted least squares," Computational Optimization and Applications, vol. 58, no. 3, pp. 543-561, 2014. 

  14. R. Sanz-Cortiella, et al., "Characterisation of the LMS200 laser beam under the influence of blockage surface. Influence on 3D scanning of tree orchards," Sensors, vol. 11, no. 3, pp. 2751-2772, 2011. 

  15. K. S. Arun, T. S. Huang, and S. D. Blostein, "Least-squares fitting of two 3-D point sets," IEEE Transactions on pattern analysis and machine intelligence, no. 5, pp. 698-700, 1987. 

저자의 다른 논문 :

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로