[논문]이동 로봇의 강인한 위치 추정을 통한 실내 SLAM

모세현; 유동현; 박종호; 정길도

doi:10.5302/j.icros.2016.16.8004

이동 로봇의 강인한 위치 추정을 통한 실내 SLAM
Robust Mobile-Robot Localization for Indoor SLAM 원문보기

제어·로봇·시스템학회 논문지 = Journal of institute of control, robotics and systems, v.22 no.4, 2016년, pp.301 - 306

모세현 (전북대학교 전자정보공학부) , 유동현 (전북대학교 전자정보공학부) , 박종호 (서남대학교 전기전자공학과) , 정길도 (전북대학교 전자정보신기술연구소)

Abstract ▼ AI-Helper

This paper presents the results of a study for robust self-localization and indoor slam using external cameras (such as a CCTV) and odometry of mobile robot. First, a position of mobile robot was estimated by using maker and odometry. This data was then fused with camera data and odometry data using an extended kalman filter. Finally, indoor slam was realized by applying the proposed method. This was demonstrated in the actual experiment.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 이러한 단점을 보완하고 보다 정확하고 강인한 위치 추정을 위하여 외부 카메라를 이용한 위치 정보와 이동 로봇의 오도메트리(Odometry)를 함께 사용하는 방법을 제안한다. 외부 카메라 정보와 이동 로봇의 오도메트리 위치정보를 융합하기 위하여 확장 칼만 필터(EKF)를 이용하였고 이를 통하여 보다 강인한 위치 추정이 가능하게 되었으며 이동 로봇의 실내 SLAM에 적용하였으며, 실제 실험을 통하여 그 결과를 확인하였다.
융합한 로봇의 X, y좌표 데이터는 기존의 알고리즘에 비해 보다 강인한 위치 추정 성능을 보였다. 본 연구에서는 실제 실험을 통해 제안한 알고리즘에 대한 결과를 확인하였다. 또한 제안한 위치 추정 방법을 이동 로봇에 적용하여 Lidar 센서를 이용한 실내 SLAM을 구현하였다.

제안 방법

2.2와 2.3절에서 설명한 위치 추정을 기법을 확장 칼만 필터를 이용하여 외부 카메라의 제한된 측정 범위를 보완하고 이동 로봇의 오도메트리 오차를 보정하였다. 확장 칼만 필터는 4단계 과정을 걸친다.
이동 로봇의 오도메트리를 이용하였다. 두 개의 위치정보는 확장 칼만 필터(EKF)를 이용하여 융합하였다. 융합한 로봇의 X, y좌표 데이터는 기존의 알고리즘에 비해 보다 강인한 위치 추정 성능을 보였다.
본 연구에서는 실제 실험을 통해 제안한 알고리즘에 대한 결과를 확인하였다. 또한 제안한 위치 추정 방법을 이동 로봇에 적용하여 Lidar 센서를 이용한 실내 SLAM을 구현하였다.
또한, 외부 카메라의 화각을 보완하기 위하여 이동로봇의 오도메트리를 사용하였다.
본 논문에서는 외부 카메라의 제한된 측정 범위를 보완하고자 오도메트리를 사용하였다. 그림 7과 그림 8은 오도메트리를 이용한 이동 로봇의 위치를 나타낸 것으로 실험 환경은 외부 카메라를 이용한 위치 추정 방법과 동일한 환경에서 실험을 진행되었다.
본 논문에서는 외부 환경 변화에 대한 영향을 적게 받을 수 있는 외부 영상 정보를 활용하여 이동 로봇의 위치를 추정하였다. 또한, 외부 카메라의 화각을 보완하기 위하여 이동로봇의 오도메트리를 사용하였다.
본 논문에서는 월드 좌표계를 이용하여 마커의 절대 좌표표현을 이용하였다. 식 (5)는 마커 좌표계를 월드 좌표로 바꾸기 위한 회전 행렬이다.
본 논문에서는 이러한 외부 카메라의 단점을 보완하기 위해서 이동 로봇의 오도메트리를 이용하였다. 두 개의 위치정보는 확장 칼만 필터(EKF)를 이용하여 융합하였다.
외부 카메라 정보와 이동 로봇의 오도메트리 위치정보를 융합하기 위하여 확장 칼만 필터(EKF)를 이용하였고 이를 통하여 보다 강인한 위치 추정이 가능하게 되었으며 이동 로봇의 실내 SLAM에 적용하였으며, 실제 실험을 통하여 그 결과를 확인하였다.
외부 카메라 정보와 이동 로봇의 오도메트리 정보를 확장 칼만 필터를 사용하여 융합하였고 이를 활용하여 이동 로봇의 자기 위치 추정 실험을 수행하고 이동 로봇의 Lidar 센서와 함께 실내 SLAM을 수행하였다.

데이터처리

그림 10은 실제 이동 로봇의 실내 SLAM을 위한 실험 환경으로써 지도 작성을 위한 소프트웨어로는 리눅스의 Rviz와 Matlab을 이용하여 실험을 수행하였다.

이론/모형

본 논문에서 외부 카메라를 이용한 위치 추정 방법은 마커 추정을 통한 이동 로봇의 자기 위치 추정 방법을 이용하였다. 이런 마커 추정 기법은 핀 홀 카메라 원리를 기초로 마커의 ・ 마커 좌표 => 픽셀 좌표(이미지 좌표) 절대 좌표를 변환하여 이동 로봇의 절대 위치를 추정하게 한다[4].

성능/효과

두 개의 위치정보는 확장 칼만 필터(EKF)를 이용하여 융합하였다. 융합한 로봇의 X, y좌표 데이터는 기존의 알고리즘에 비해 보다 강인한 위치 추정 성능을 보였다. 본 연구에서는 실제 실험을 통해 제안한 알고리즘에 대한 결과를 확인하였다.
로봇의 실내 SLAM을 구현한 결과이다. 이동 로봇의 슬립 현상과 오도메트리의 누적 오차가 발행하여 이동 로봇과 장애물 간의 거리가 정확하게 측정되지 않아 지도가 거칠게 나타나고 부정확한 정보를 표시하고 있는 것을 확인할 수 있다.
환경에서 진행하였다. 제안한 위치 추정 방법으로 실험한 결과, 실제 벽과 장애물과의 거리 정보와의 제안한 위치추정 알고리즘으로 인한 위치 오차는 0.05m 이내로 매우 정확한 실내 지도 작성을 수행하였다.
하지만 본 논문에서 제안한 위치 추정 방법을 적용하면 보다 좋은 신뢰도와 정확한 지도를 획득할 수 있다.

후속연구

본 논문에서 제안한 방법은 외부 카메라가 일정하게 설치되어 있는 공장, 학교, 사무실 등에서 활용되어 서비스 로봇에 사용되는 이동 객체에 적용하여 활용할 수 있을 것이다. 추후 본 연구를 좀 더 발전시키고 실제 산업환경에 적용될 수 있도록 하기 위해서 실내에 일정하게 설치된 외부 카메라를 이용하여 로봇의 자기 위치 추정 오차를 파악하고 보완할 수 있는 연구를 진행하고자 한다.
것이다. 추후 본 연구를 좀 더 발전시키고 실제 산업환경에 적용될 수 있도록 하기 위해서 실내에 일정하게 설치된 외부 카메라를 이용하여 로봇의 자기 위치 추정 오차를 파악하고 보완할 수 있는 연구를 진행하고자 한다.

참고문헌 (15)

J. Farrell and M. Barth, "The global positioning systems and inertial navigation," Nature, vol. 135, pp. 18-27, Jul. 1990.
Y. P. Jeon, J. H. Park, S. T. Lim, and K. T. Chong, "Research for robot kidnap problem in the indoor of utilizing external image information and the absolute spatial coordinates," Journal of the Korea Academia-Industrial Cooperation Society (in Korean), vol. 16, no. 3, pp. 149-156, 2008.
S. G. Yoo and K. T. Chong, "Implementation of the SLAM system using a single vision and distance sensors," The Institute of Electronics Engineers of Korea (in Korean), vol. 45, no. 6, pp. 1234-1245, Dec. 1993.
S. H. Kang, M. S. Jang, D. K. Lee, and E. H. Lee, "A study on the compensating of the dead-reckoning based on SLAM using the inertial sensor," Journal of the Institute of Electronics Engineers of Korea (in Korean), vol. 46, no. 2, pp. 124-131, 2009.
Y. J. Heo, J. H. Lim, and S. J. Lee, "EKF-based SLAM using sonar salient feature and line feature for mobile robots," Journal of the Korean Society for Precision Engineering (in Korean), vol. 28, no. 10, pp. 1174-1180, 2011.
S. P. Kim, "Essential Kalman filter," Pat. no. 9788957613047, 2010.
Y. J. Han and T. H. Park, "Localization of a mobile robot using multiple ceiling lights," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 19, no. 4, pp. 379-384, 2013.

원문보기 상세보기
Y. Zhao, S. L. BeMent, and J. Borenstein, "Dynamic path planning for mobile robot real-time navigation," Proceedings of the Twelfth IASTED International Symposium on Robotics and Manufacturing, Santa Barbara, California, pp. 162-166, Nov. 1989.
S. E. Lee and B. K. Kim, "3D Simultaneous Localization and Map Building (SLAM) using a 2D laser range finder based on vertical/horizontal planar polygons," Journal of institute of Control, Robotics and Systems (in Korean), vol. 20, no. 11, pp. 1153-1163, 2014.

원문보기 상세보기
J. B. Song and S. Y. Hwang, "Past and state-of-the-Art SLAM technologies," Journal of institute of Control, Robotics and Systems (in Korean), vol. 20, no. 3, pp. 372-379, 2014.

원문보기 상세보기
K. Lee and W. K. Chung, "Effective maximu likelihood grid map with conflict evaluation filter using sonar sensors," IEEE Transactions on Robotics, vol. 25, no. 4, pp. 887-901, 2009.

상세보기
A. Kelly, "Linearuzed errir propagation in odometry," International Journal of Robotics Research, vol. 23, no. 2, pp. 179-218, 2004.

상세보기
H. Durrant-Whyte and T. Bailey, "Simultaneous localization and mapping: Part I,II," IEEE Robotics & Automation Magazine, 2006.
S. Thrun, W. Burgard, and D. Fox, Probabilistic Robotics, Mit Press, 2005.
http://darkpgmr.tistory.com/84

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