[논문]동일한 형태의 특징점을 갖는 천장 영상 이용 이동 로봇 위치추정

노성우; 고낙용; 국태용

doi:10.5391/jkiis.2016.26.2.160

동일한 형태의 특징점을 갖는 천장 영상 이용 이동 로봇 위치추정
Localization of a Mobile Robot Using Ceiling Image with Identical Features 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.26 no.2, 2016년, pp.160 - 167

노성우 ((주)유프랜드) , 고낙용 (조선대학교 전자공학과) , 국태용 (성균관대학교 전자전기공학부)

초록
AI-Helper

본 논문은 천장 영상 정보를 이용한 이동 로봇 위치추정 방법을 제안한다. 지도상에 천장 영상의 랜드 마크의 위치는 미리 알고 있지만, 지도상의 랜드 마크와 감지된 랜드 마크 사이의 대응관계 정보는 주어지지 않는다. 단지, 로봇의 이동 시작 단계에서 랜드 마크들에 대한 상대적인 로봇의 위치가 주어진다. 로봇의 위치 및 천장 영상에서 감지된 특징점의 ID를 찾기 위해 파티클 필터 방법을 이용한다. 제안한 방법을 천장에 동일한 형태의 원형 랜드 마크를 가진 실내 환경에서 실험하여 성능을 검증하였다. 본 논문에서 제안한 위치추정 방법은 레이저 영역 센서에 의해 측정된 벽까지의 거리 또는 RF 나 초음파에 의해 측정된 비이컨까지의 거리 값에 큰 불확실성이 존재하는 물류 창고와 같은 환경에서 사용하기에 적합하다.

Abstract ▼ AI-Helper

This paper reports a localization method of a mobile robot using ceiling image. The ceiling has landmarks which are not distinguishablefrom one another. The location of every landmark in a map is given a priori while correspondence is not given between a detected landmark and a landmark in the map. Only the initial pose of the robot relative to the landmarks is given. The method uses particle filter approach for localization. Along with estimating robot pose, the method also associates a landmark in the map to a landmark detected from the ceiling image. The method is tested in an indoor environment which has circular landmarks on the ceiling. The test verifies the feasibility of the method in an environment where range data to walls or to beacons are not available or severely corrupted with noise. This method is useful for localization in a warehouse where measurement by Laser range finder and range data to beacons of RF or ultrasonic signal have large uncertainty.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문은 기존의 대부분의 방법들과 달리 서로 구분되지 않는 단일한 형태의 특징점들만을 가진 천장 환경에서위치를 추정하는 방법을 제안한다. 지도에는 단지 특징점들의 위치들만이 주어진다.
본 논문은 천장의 특징점들을 검출하여 로봇의 위치를 추정하는 방법을 제안하고 그 성능을 검증하였다. 특히 여러 형태의 특징점을 사용하지 않고 동일한 형태의 단일 특징 형상을 사용하였다.
또한 쌓인 화물들로 인하여 비이컨에서 발사되는 RF 신호나 초음파신호가 로봇에 도달하기까지 많은 간섭을 받아서 거리 정보에 의존한 위치 추정도 어렵다. 본 연구에서는 이러한 물류창고 환경에서 사용 가능한 천장 영상을 이용한 위치 추정방법을 제안한다.

제안 방법

따라서 로봇은 주행 중 영상 정보를 통해 동일한 형태의 특징점들이 검출되면 검출된 특징점에 대응하는 지도상의 특징점의 ID를 파티클 필터를 통해 찾아낸다. 그리고 내수용성 정보에 의해 로봇의선 속도와 회전 속도를 계산하여 로봇 위치 파티클들을 예측한다. 예측된 특징점과 예측된 로봇까지의 거리, 각도, 특징점의 ID와 검출된 특징점들을 비교하여 예측된 파티클 위치를 보정하고 신뢰도를 구하여 새로운 파티클 집합을 생성하여 로봇위치를 추정한다.
지도에는 단지 특징점들의 위치들만이 주어진다. 따라서 로봇은 주행 중 영상 정보를 통해 동일한 형태의 특징점들이 검출되면 검출된 특징점에 대응하는 지도상의 특징점의 ID를 파티클 필터를 통해 찾아낸다. 그리고 내수용성 정보에 의해 로봇의선 속도와 회전 속도를 계산하여 로봇 위치 파티클들을 예측한다.
천장의 높이가 높게 설정된 경우 렌즈를 통해 들어온 영상의 픽셀수가 많아지게 되어 실제 거리 값보다 길어진다. 따라서 본 논문에서는 동일한 천장 높이에서 실험을 수행 한다.
또한 RF나 초음파 비이컨에 의한 거리측정값도 높이 쌓여있는 화물들로 인하여 부정확하여 위치추정에 사용하기 어려운 환경이다. 본 논문에서 제안한 방법은 천장에 서로구분하기 어려운 단일한 형태의 전등 또는 규칙적인 형태를 보이는 특징점이 있는 환경에 적용하기가 유용하다.
본 연구에서 제안한 방법은 화물의 이적제가 빈번히 일어나고 높이 쌓인 화물이 많은 물류 창고에서 적용 가능하다. 레이저 영역센서, 초음파 또는 RF 비이컨에 의한 거리 측정 정보가 불안정하므로, 천장의 특징점들을 검출하여 위치 추정에 사용한다.
본 절에서는 동일한 형태를 갖는 특징점들을 이용하여 ID를 식별하는 방법을 설명한다. 특징점 ID 식별 방법은 예측된 로봇위치를 기준으로 천장 영상에서 감지된 특징점 주위에 파티클들을 이용한다.
파티클 기반 위치 추정 과정은 예측 단계와 보정 단계로 나뉘어진다. 예측 단계는 로봇에 장착된 엔코더 정보에 의하여 로봇의 선 속도와 회전 속도를 계산하여 파티클들의 위치를 예측한다. 보정 단계는 예측 단계에서 구해진 파티클들에 대하여영상 정보에서 검출한 특징점들의 방향각과 거리 값을 이용하여 신뢰도를 구하여 새로운 파티클 집합을 생성한다.
이러한 필터링 방법들은 예측과 보정단계를 통하여 위치를 추정한다. 예측 단계는 자기 수용성 정보들을 이용하여 로봇의 위치를 예측하고, 보정 단계는 예측된 로봇 위치를 외수용성 정보를 이용하여 보정하여 최종적으로 위치를 검출한다.
그리고 내수용성 정보에 의해 로봇의선 속도와 회전 속도를 계산하여 로봇 위치 파티클들을 예측한다. 예측된 특징점과 예측된 로봇까지의 거리, 각도, 특징점의 ID와 검출된 특징점들을 비교하여 예측된 파티클 위치를 보정하고 신뢰도를 구하여 새로운 파티클 집합을 생성하여 로봇위치를 추정한다.
지도에서 각각의 격자는 1m x 1m 의 크기를 갖는다. 위치 추정실험은 실선을 궤적으로 로봇을 주행시키며 조이스틱을 이용하여 궤적을 따라가도록 로봇을 제어하였다. 특히 경유점(w1~w7)을 정확히 통과하도록 한다.
잡음이 제거된 영상을 바탕으로 그레이 스케일 변환(이진화 처리)은 임계값(Threshold)을 기준으로 검정색과 흰색으로 나누어 특징점검출을 단순하게 한다. 이진화 처리에서 추출된 정보에 허프 변환을 적용하여 이용하여 원의 특징들을 추출한다[13]. 그리고 마지막단계로 추출된 원 형태의 특징점 위치를 영상좌표계에서 로봇좌표계로 변환하여 이동 로봇에서 특징점까지의 거리와 방향각을 구한다.
본 논문은 천장의 특징점들을 검출하여 로봇의 위치를 추정하는 방법을 제안하고 그 성능을 검증하였다. 특히 여러 형태의 특징점을 사용하지 않고 동일한 형태의 단일 특징 형상을 사용하였다. 확률적 모델을 사용하여 검출된 특징 점을 지도상의 특징점과 대응시키고, 로봇으로부터 특징점까지의 거리와 방향을 찾는다.
특히 여러 형태의 특징점을 사용하지 않고 동일한 형태의 단일 특징 형상을 사용하였다. 확률적 모델을 사용하여 검출된 특징 점을 지도상의 특징점과 대응시키고, 로봇으로부터 특징점까지의 거리와 방향을 찾는다. 실험에서 특징점을 이용한 파티클 필터 위치 추정 오차는 0.

대상 데이터

본 논문에서 제안한 방법이 적용될 수 있는 공간은 물류센터와 같이 화물의 재고 및 적재 상태에 따라 작업 환경이 수시로 바뀌는 곳이다. 물류센터는 작업 환경이 비정형이고 가변성이 있어서, 레이저 영역 센서에 의해 측정된 데이터의 불확실성이 높아 위치추정 효용성이 떨어진다.
그림 8은 경유점(w1~w7) 주행에 대해 매 샘플링 시각마다 감지된 특징점의 감지 횟수를 나타내었다. 실시간 영상 정보는 4400번의 영상 정보를 획득하였고 특징점 개수는 주행시 0~6개까지 감지되었다.
실험은 광주 가전로봇센터 1층에서 수행하였다. 그림 6은 실험을 실시한 작업 공간의 지도이다.
그림 6은 실험을 실시한 작업 공간의 지도이다. 영상의 특징점은 검은색으로 나타낸 포인트이며 총 297개가 표시 되었다. 그림 6에서 보여진 궤적에 따라 로봇이 이동 중 감지되는 특징점은 146개이다.
42m로 모든 작업 공간에서 동일하다. 특징점의 총 개수는 297개이다. 특징점들은 로봇이 주행하는 모든 위치에서 반드시 1개 이상이 검출되도록 설치하였다.

이론/모형

따라서 잡음 제거는 영상 처리에 있어 필요하다. 본 논문에서 잡음 가우시안 필터를 이용한다. 잡음이 제거된 영상은 주위 배경에 비해 물체의 색상이 뚜렷한 차이를 갖는다.

성능/효과

주행은 5회 실시하였다. 5회 주행시 계산된 평균 거리, 시간, 속도는 135m, 380sec, 0.36m/s이다.
1(m)로 나타났다. 또한 일시적으로 특징점이 검출되지 않거나 1개의 특징점만 검출되더라도 위치 추정이 가능함을 보였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	자율주행을 위한 필수 기술에 무엇이 있는가?	이동 로봇이 작업 공간 내에서 위치를 인지하는 위치 추정 기술은 자율주행을 위한 필수 기술이다. 위치 추정을 위해 로봇은 외부 환경에서 특정한 요소들을 인식하는 능력과 스스로 판단하는 능력을 가져야 한다.
	둔칼만 필터를 비선형 시스템에 적용한 것에는 무엇이 있는가?	자기 수용성정보와 외수용성 정보를 융합하는 대표적인방법들로는 베이스 필터(Bayes filter) 원리에 바탕을 둔칼만 필터(KF, Kalman filter) 방법과 파티클 필터(PF,Particle filter)등이 있다. KF를 비선형 시스템에 적용한 확장 칼만 필터(EKF), 무향 칼만 필터(UKF)도 많이 사용되고 있다[1]. 이러한 필터링 방법들은 예측과 보정단계를 통하여 위치를 추정한다.
	위치 추정을 위해 로봇은 무엇을 가져야 하는가?	이동 로봇이 작업 공간 내에서 위치를 인지하는 위치 추정 기술은 자율주행을 위한 필수 기술이다. 위치 추정을 위해 로봇은 외부 환경에서 특정한 요소들을 인식하는 능력과 스스로 판단하는 능력을 가져야 한다. 위치추정을 위해 자기수용성(Proprioceptive) 정보와 외수용성(Exteroceptive) 정보를 융합하는 방법들을 많이 사용한다.

참고문헌 (15)

J. Borenstein and L. Feng, "Measurement and correction of systematic odometry errors in mobile robots," IEEE Transactions on Robotics and Automation, Vol. 12, No. 6, pp. 869-880, Dec. 1996.

상세보기
S. I. Roumeliotis, and G. A. George, "Bayesian estimation and Kalman filtering: A unified framework for mobile robot localization," Robotics and Automation Proceedings, Vol.3, pp.2985-2992, 2000.
S. W. Noh, "Underwater Robot Localization Method Based on Bayes Filter Using Seabed Terrain information," Ph.D. Thesis, Chosun University, 2014.
C. H. Choi, X. Xiong and B. J. Choi, "Self-Localization of Mobile Robot Using Features on the Ceiling," Proceedings of KIIS Fall Conference, Vol. 20, No. 2, pp 370-372, 2010.
J. S. Lee, Y. C. Lim and Y. J. Ryoo, "Vision - based Self Localization Using Ceiling Artificial Landmark for Ubiquitous Mobile Robot," Journal of Korean Institute of Intelligent Systems, Vol. 15, No. 10, pp 560-566, 2005.

원문보기 상세보기
C. H Choi and B. J. Choi, "A Study on Fisheye Lens based Features on the Ceiling for Self-Localization," Journal of Korean Institute of Intelligent Systems, Vol. 21, No. 4, pp 442-448, 2011.

원문보기 상세보기
D. W. Kim, Y. Igor, E.S. Kang and S. Jung, "Design and Control of an Omni-directional Cleaning Robot Based on Landmarks," Journal of Korean Institute of Intelligent Systems, Vol. 23, No. 2, pp 100-106, 2013.

원문보기 상세보기
H. D. Choi, D. Y. Kim and J. P. Hwang, E. T. Kim, Y. O. Kim, "Ceiling Vision based SLAM using Optical Flow," Proceedings of KIIS Spring Conference 2009, Vol. 19, No. 1, pp 127-129, 2009.
H. D. Choi, D. Y. Kim, J. P. Hwang, E. T. Kim and Y. O. Kim, "Visual SLAM Using Ceiling Boundaries," Proceedings of KIIS Spring Conference 2009, Vol. 19, No. 2, pp 71-73, 2009.
H. Y. Chen, D. Sun, J. Yang and W. Shang, "Orientation correction based monocular SLAM for a mobile robot," Proceedings of the 2008 IEEE/ASME International Conference on Advanced Intelligent Mechatronics, pp 1378-1383, 2008.
M. K. Jung and J. B. Song, "Robust Global Localization based on Environment map through Sensor Fusion," The Journal of Korea Robotics Society, Vol. 9, No. 2, pp 96-103, 2014.

원문보기 상세보기
S. Y. Hwang and J. B. Song, "Monocular vision-based global localization using position and orientation of ceiling features," 2013 IEEE International Conference on Robotics and Automation (ICRA), pp 3785-3790, 2013.
R. O. Duda and P. E. Hart, "Use of the Hough transform to detect lines and curves in pictures," Communications of the ACM, Vol. 15, No. 1, pp. 11-15, 1972.

상세보기
H. D. Choi, D. Y. Kim, J. P. Hwang, E. T. Kim and Y. O. Kim, "A Study on Circular Features on Ceiling for SLAM," Proceedings of KIIS Spring Conference 2009, Vol. 19, No. 2, pp 74-76, 2009.
N. Y. Ko and T. G. Kim, "Indoor Localization of a Mobile Robot Using External Sensor," Journal of Institute of Control, Robotics and Systems, Vol. 16, No. 5, pp.420-427, 2010 .

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