본 논문에서는 초음파 센서를 활용한 2D 실내 지도 작성을 위하여 회전형 모듈과 고정형 모듈을 개발하여 각 모듈의 가능성과 한계점을 확인하였으며, 초음파 센서를 활용하여 실내 지도 작성 시에 고려하여야 할 센서 특성 실험과 2D 실내 지도 작성 결과를 기술한다. 최근 실내 공간에서의 simultaneous localization and mapping(SLAM) 기술이 많은 주목을 받으면서 이와 더불어 실내 공간을 인식하여 지도정보로 만들기 위한 기술연구 또한 활발히 진행되고 있고, 이를 위한 기술로써 LiDAR, 초음파, 카메라 등이 많이 사용 되고 있다. 가장 좋은 성능을 지닌 LiDAR 기술의 경우 초음파에 비해 높은 해상력과 넓은 탐지범위를 가지고 있지만 모듈 크기의 한계, 높은 비용, 많은 연산량 그리고 비교적 다양한 매질에 따른 노이즈에 약한 특성이 있다. 이에 따라 본 논문에서는 초음파 센서를 활용하여, 레이저 센서의 취약점을 보완함과 동시에 비교적 적은 연산량을 가지며 최소한의 초음파 센서를 사용한 2D 실내 지도 작성 기법을 제안하며 실험을 통하여 이를 검증하였다.
본 논문에서는 초음파 센서를 활용한 2D 실내 지도 작성을 위하여 회전형 모듈과 고정형 모듈을 개발하여 각 모듈의 가능성과 한계점을 확인하였으며, 초음파 센서를 활용하여 실내 지도 작성 시에 고려하여야 할 센서 특성 실험과 2D 실내 지도 작성 결과를 기술한다. 최근 실내 공간에서의 simultaneous localization and mapping(SLAM) 기술이 많은 주목을 받으면서 이와 더불어 실내 공간을 인식하여 지도정보로 만들기 위한 기술연구 또한 활발히 진행되고 있고, 이를 위한 기술로써 LiDAR, 초음파, 카메라 등이 많이 사용 되고 있다. 가장 좋은 성능을 지닌 LiDAR 기술의 경우 초음파에 비해 높은 해상력과 넓은 탐지범위를 가지고 있지만 모듈 크기의 한계, 높은 비용, 많은 연산량 그리고 비교적 다양한 매질에 따른 노이즈에 약한 특성이 있다. 이에 따라 본 논문에서는 초음파 센서를 활용하여, 레이저 센서의 취약점을 보완함과 동시에 비교적 적은 연산량을 가지며 최소한의 초음파 센서를 사용한 2D 실내 지도 작성 기법을 제안하며 실험을 통하여 이를 검증하였다.
In this paper, we proposed ultrasonic radar module and fixed module for the 2D indoor map building and from each of the modules, we can see the possibilities, limitations and considerations. And finally show the result of building actual 2D indoor map from the modules. Recently there are lots of wor...
In this paper, we proposed ultrasonic radar module and fixed module for the 2D indoor map building and from each of the modules, we can see the possibilities, limitations and considerations. And finally show the result of building actual 2D indoor map from the modules. Recently there are lots of works for the building indoor map by spotlight on the simultaneous localization and mapping (SLAM). And the LiDAR, ultrasonic, camera sensors are usually used for this work. Especially the LiDAR sensor have a higher resolution and wider detection range more than the ultrasonic sensor, but also there are limitation in the size of module, higher cost, much more throughput of processing data, and weaker to use in various indoor environment noises. So from these reasons, in this paper we could verify that proposed modules and schemes have a enough performance to build the 2D indoor map instead of using LiDAR and camera sensor with minimum number of ultrasonic sensors and less throughput of processing data.
In this paper, we proposed ultrasonic radar module and fixed module for the 2D indoor map building and from each of the modules, we can see the possibilities, limitations and considerations. And finally show the result of building actual 2D indoor map from the modules. Recently there are lots of works for the building indoor map by spotlight on the simultaneous localization and mapping (SLAM). And the LiDAR, ultrasonic, camera sensors are usually used for this work. Especially the LiDAR sensor have a higher resolution and wider detection range more than the ultrasonic sensor, but also there are limitation in the size of module, higher cost, much more throughput of processing data, and weaker to use in various indoor environment noises. So from these reasons, in this paper we could verify that proposed modules and schemes have a enough performance to build the 2D indoor map instead of using LiDAR and camera sensor with minimum number of ultrasonic sensors and less throughput of processing data.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
또한 초음파 센서로 실내 공간의 어느 영역을 탐지해서 지도로 만들 것인지에 대한 계획이 필요한데, 기존의 연구에서는 주로 실내공간에 대한 모든 형상학적 데이터를 지도로 표현하기 위하여 높은 해상력의 센서를 사용하였고, 이런 경우 데이터 연산량과 센서 개수, 비용이 증가하게 되며 모듈의 크기 또한 커지게 되었다[6-8]. 본 논문에서는 이러한 특성들을 고려하여 최소한의 센서 개수와 연산량으로 2D 실내 지도를 작성하는 것을 목적으로 하여 모듈과 알고리즘을 구현하였다. 우선, 지도를 작성하기 위하여 탐지할 영역을 최소한으로 줄여 실내 공간상의 가장 중요한 정보인 벽에 대한 탐지와 빈 공간에 대한 탐지만을 설정하였다.
본 논문에서는 초음파 센서를 활용하여 회전형 Radar 모듈과 고정형 모듈을 제작하여 각 모듈이 가지는 특장점과 한계점을 분석하였다. 그림 3 (a)는 회전형 초음파 Radar 모듈로, 2cm to 500cm의 탐지범위를 가지며 40kHz로 동작하고 약 30°가량의 지향각을 가지는 HC-SR04 초음파 센서와, 0° to 180° 반경으로 동작하는 서보모터 NT-S0090을 결합하여 모듈을 구성하였다.
본 논문에서는 초음파 센서를 활용한 2D 실내 지도 작성을 위하여 회전형 Radar 모듈과 고정형 모듈을 개발하여 각 모듈의 가능성과 한계점을 확인하였으며, 제안 하는 기법과 초음파 센서를 활용하여 실내지도 작성 시에 고려하여야 할 센서 특성 실험과 2D 실내 지도 작성 결과를 확인하였다. 실험을 통하여, 회전형 Radar 모듈의 경우 한 개의 센서만을 사용하여 해상력과 주변의 다양한 정보를 수신하는데 한계가 있었지만, Lidar는 나타내지 못하는 어두운 환경이나 수중과 같은 다양한 매질에서 주변의 장애물에 대한 정보를 나타낼 수 있으므로 어두운 광산의 갱도 혹은 군사용 Drone에서의 장애물 탐지모듈로써의 활용이 가능할 것이라 기대한다.
회전형 초음파 Radar 모듈은 1개의 초음파 센서만을 장착하여 주변 환경을 탐지하여 그 정보를 실시간으로 사용자의 화면상에 시각화 해주는 것을 목적으로 하여 제작되었다. 실험을 통해 14cm*7.
가설 설정
최소 3-5cm, 최대 3-10m 정도이고 초음파의 주파수가 높아질수록 측정거리는 짧아지는 특성이 있으며 측위를 목적으로 사용되는 센서의 경우에는 일반적으로 40kHz 대역을 많이 사용한다. 두 번째로, 초음파 센서의 빔 각도이다. 빔 각도는 음파가 퍼지는 각도를 의미하는 것인데, 빔 각도가 퍼짐이 좁으면 직진성이 좋으며 넓은 범위에서의 감지가 어려워지는 특성을 지닌다.
제안 방법
2D 실내 지도 작성을 위한 선행 작업으로 우선 실제 지도와의 성능 비교모델이 필요하기 때문에 실제 실험 장소에 대한 지도 자료를 바탕으로 지도상의 시작 지점으로부터 끝 지점까지를 구간 별로 나누어 총 12구간 에 대한 좌표 정보를 벡터로 저장 해두었다. 또한 초음파 센서로 실내 공간의 어느 영역을 탐지해서 지도로 만들 것인지에 대한 계획이 필요한데, 기존의 연구에서는 주로 실내공간에 대한 모든 형상학적 데이터를 지도로 표현하기 위하여 높은 해상력의 센서를 사용하였고, 이런 경우 데이터 연산량과 센서 개수, 비용이 증가하게 되며 모듈의 크기 또한 커지게 되었다[6-8].
그림 2를 통하여, 본 논문에서 제안하는 모듈의 시스템 블록도를 확인 할 수 있다. 각 모듈별 특성 실험을 위하여 회전형 Radar 모듈과 고정형 모듈을 각각 구성하여 실험을 수행하였다. 회전형 Radar 모듈의 경우에는 한 개의 초음파 센서와 서보모터와의 결합을 통하여 0°부터 180°까지 1초에 한 번씩 주위 실내환경을 스캔하여 실시간으로 화면상에 주변 실내 환경에서의 장애물에 대한 정보를 나타낸다.
각각의 초음파 센서는 서로간의 신호 중첩을 피하기 위하여 각각의 센서가 가지는 30°가량의 지향각을 고려하여 배치하였다.
사용된 초음파 센서의 특성 상 탐지할 수 없는 거리에 대하여 3000cm이상의 노이즈 거리 값을 수신하는 것을 확인 할 수 있었기 때문에, 이를 En 벡터와 대응하여 0 일 때는 빈 공간으로 인식하며 1일 때는 탐지할 수 있는 구간, 즉 벽이 있는 공간으로 판단하였다. 또한, 전방이 100cm 이하로 가까워졌다면 막혀있는 벽으로 인식하여 코너 검출에 활용 할 수 있기 때문에, Cn 벡터와 대응하여, Fn이 100이하 이며 Cn이 0일 때 코너로 인식하고 1일 때 코너로 인식하지 않는 판단변수로 활용하였다.
표 2를 통하여, 다양한 물체의 크기별 측정된 거리 값의 오차평균 Average error와 최대오차 Maximum error를 확인 할 수 있다. 모듈을 한 위치에 고정시킨후, 세로 21cm, 가로 6cm 의 물병과 세로 12cm, 가로 6cm의 책, 세로 33cm, 가로 30cm 의 종이박스를50cm 거리부터 50cm 단위로 증가시키면서 400cm까지 실제거리와 모듈이 측정한 거리 값을 비교해 보았다.
또한 Fn값을 빈 공간에 대한 판단 혹은, 코너 검출에 대한 판단 변수로 사용한다. 사용된 초음파 센서의 특성 상 탐지할 수 없는 거리에 대하여 3000cm이상의 노이즈 거리 값을 수신하는 것을 확인 할 수 있었기 때문에, 이를 En 벡터와 대응하여 0 일 때는 빈 공간으로 인식하며 1일 때는 탐지할 수 있는 구간, 즉 벽이 있는 공간으로 판단하였다. 또한, 전방이 100cm 이하로 가까워졌다면 막혀있는 벽으로 인식하여 코너 검출에 활용 할 수 있기 때문에, Cn 벡터와 대응하여, Fn이 100이하 이며 Cn이 0일 때 코너로 인식하고 1일 때 코너로 인식하지 않는 판단변수로 활용하였다.
2D 실내 지도 작성을 위한 실험 환경은 가로 7280cm와 세로 1060cm의 너비를 가지고, 시작 지점과 종료 지점인 (a), (e), 긴 복도 구간 (b), (d), 1개의 홀 (c), 4개의 좁아지는 철문 구간 I(1-4)를 포함하고 있다. 실험은 실험자가 고정형 모듈을 소지한 채 시작 지점 (a)로부터 종료 지점 (e) 까지 각 구간을 통행하는 방식으로 진행 되었다.
본 논문에서는 이러한 특성들을 고려하여 최소한의 센서 개수와 연산량으로 2D 실내 지도를 작성하는 것을 목적으로 하여 모듈과 알고리즘을 구현하였다. 우선, 지도를 작성하기 위하여 탐지할 영역을 최소한으로 줄여 실내 공간상의 가장 중요한 정보인 벽에 대한 탐지와 빈 공간에 대한 탐지만을 설정하였다. 이렇게 탐지한 벽과 빈 공간에 대한 cm 단위의 거리 정보는 모듈의 좌, 우 양쪽의 센서와 전면에 배치한 센서를 통하여 수신되며, 그 각각의 거리정보를 벡터로 저장 하였다.
우선, 지도를 작성하기 위하여 탐지할 영역을 최소한으로 줄여 실내 공간상의 가장 중요한 정보인 벽에 대한 탐지와 빈 공간에 대한 탐지만을 설정하였다. 이렇게 탐지한 벽과 빈 공간에 대한 cm 단위의 거리 정보는 모듈의 좌, 우 양쪽의 센서와 전면에 배치한 센서를 통하여 수신되며, 그 각각의 거리정보를 벡터로 저장 하였다.
아래의 그림 1을 통하여 제안된 기법에 대한 순서도를 확인 할 수 있다. 초음파 고정형 모듈을 통하여 수집된 센서 값으로부터 주변 환경에 대한 벽을 최초진행 방향인 Y좌표로 그려나갈 것인지, X좌표로 그려나갈 것인지에 대한 판단을 도출한다.
대상 데이터
(a)는 회전형 초음파 Radar 모듈로, 2cm to 500cm의 탐지범위를 가지며 40kHz로 동작하고 약 30°가량의 지향각을 가지는 HC-SR04 초음파 센서와, 0° to 180° 반경으로 동작하는 서보모터 NT-S0090을 결합하여 모듈을 구성하였다.
데이터처리
표 5를 통하여 본 논문에서 제안하는 기법을 사용하여 작성한 2D 실내 지도와 실제 실험 환경과의 정확도 평가를 위한 실제 거리대비 측정된 거리 값의 오차평균과 표준편차를 확인 할 수 있다.
성능/효과
비교적 부피가 작은 물병의 경우 150cm 구간까지, 책의 경우 보다 먼 거리인 250cm, 가장 부피가 큰 종이박스는 350cm 까지 탐지가 되는 것을 확인 할 수 있었으며, 부피가 클수록 더욱 먼 거리까지 탐지가 가능하였으며 같은 구간대비 오차율도 낮다는 것을 확인 할 수 있었다.
실험 환경과 센서 특성을 고려하여 그 원인을 분석해본 결과, 사용한 HC-SR04 센서의 지향각이 30°가량으로, 센싱의 범위가 넓어짐에 따라 테스트 환경에서 제공한 14cm*7.5cm의 장애물의 크기가 충분히 크지 않아 주변 환경에서 제공된 장애물보다 에코 신호가 많이 돌아오는 물체를 우선적으로 나타내기 때문인 것으로 확인 하였다.
그림 7을 통하여 고정형 초음파 센서 모듈을 활용한 2D 실내 지도 작성 결과를 확인 할 수 있다. 실험을 통하여 건축 당시에 제공된 2차원 단면도와 달리,현재의 실내 환경에 대한 지도는 폭이나 길이정보에 있어 많은 차이가 있을 수 있음을 확인하였다. 제작한 고정형 초음파 모듈로 작성한 2D 실내 지도는 그림 7에서 볼 수 있다시피, 그림 6의 실제 실험 환경의 2차원 단면도에서는 나타나지 않았던 실제 좁아지는 철문 I(1-4)구간에 대한 표현이 반영된 것을 확인할수 있었다.
제작한 고정형 초음파 모듈로 거리별 오차 실험을 한 표 2를 통해서도 알 수 있다시피 2m 내의 거리 내에서는 탐지 최대 오차가 2cm로 오차가 비교적 작았지만, 실제 거리대비 측정된 거리 값의 전체 오차평균과 표준편차를 계산할 때 실제 환경에서 소화전이나 쓰레기통과 같은 물체로 인하여 비교적 높은 오차 평균과 표준편차를 가진 것을 확인할 수 있었다. 이는 실제 실험 환경에서 모듈로부터 모든 장애물에 대한거리는 개별적으로 계산할 수 없었기 때문인 것으로 확인하였으며, 벽에 대한 절대적인 거리 값만을 두고 계산하였기 때문에 나타난 오차인 것으로 확인하였다. 향후 연구에서는 이러한 점을 개선한다면 더욱 낮은 오차를 가질 것이다.
제작한 고정형 초음파 모듈로 거리별 오차 실험을 한 표 2를 통해서도 알 수 있다시피 2m 내의 거리 내에서는 탐지 최대 오차가 2cm로 오차가 비교적 작았지만, 실제 거리대비 측정된 거리 값의 전체 오차평균과 표준편차를 계산할 때 실제 환경에서 소화전이나 쓰레기통과 같은 물체로 인하여 비교적 높은 오차 평균과 표준편차를 가진 것을 확인할 수 있었다. 이는 실제 실험 환경에서 모듈로부터 모든 장애물에 대한거리는 개별적으로 계산할 수 없었기 때문인 것으로 확인하였으며, 벽에 대한 절대적인 거리 값만을 두고 계산하였기 때문에 나타난 오차인 것으로 확인하였다.
실험을 통하여 건축 당시에 제공된 2차원 단면도와 달리,현재의 실내 환경에 대한 지도는 폭이나 길이정보에 있어 많은 차이가 있을 수 있음을 확인하였다. 제작한 고정형 초음파 모듈로 작성한 2D 실내 지도는 그림 7에서 볼 수 있다시피, 그림 6의 실제 실험 환경의 2차원 단면도에서는 나타나지 않았던 실제 좁아지는 철문 I(1-4)구간에 대한 표현이 반영된 것을 확인할수 있었다.
후속연구
또한 고정형 모듈의 경우, 최소한의 센서 개수와 저렴한 모듈 제작비용으로 실내 지도 작성에 대한 가능성을 확인하였으며 건물의 건축 당시 제공되었던 실내 공간에 대한 설계도면이 이후 철문, 소화전과 같은 장애물로 인하여 실제와의 차이가 생겨 실내에서의 다양한 서비스에 한계가 있는 점을 본 논문에서 제안하는 2D 실내 지도 작성 기법을 통하여 보완 할 수 있을 것이다.
본 논문에서는 초음파 센서를 활용한 2D 실내 지도 작성을 위하여 회전형 Radar 모듈과 고정형 모듈을 개발하여 각 모듈의 가능성과 한계점을 확인하였으며, 제안 하는 기법과 초음파 센서를 활용하여 실내지도 작성 시에 고려하여야 할 센서 특성 실험과 2D 실내 지도 작성 결과를 확인하였다. 실험을 통하여, 회전형 Radar 모듈의 경우 한 개의 센서만을 사용하여 해상력과 주변의 다양한 정보를 수신하는데 한계가 있었지만, Lidar는 나타내지 못하는 어두운 환경이나 수중과 같은 다양한 매질에서 주변의 장애물에 대한 정보를 나타낼 수 있으므로 어두운 광산의 갱도 혹은 군사용 Drone에서의 장애물 탐지모듈로써의 활용이 가능할 것이라 기대한다.
추후 연구에서는 습기가 많은 환경, 연기가 많은 환경, 화재 시와 같은 다양한 채널 환경에서의 실험과 보다 높은 해상력의 지도를 위한 코너 검출 알고리즘 개발 및 센서 실험, 실시간 지도 작성을 위한 연구를 추가로 수행한다면, LiDAR 센서나 카메라 센서는 사용할 수 없는 연기와 누전으로 인하여 어둡고 습하며 복잡한 실내 구조를 가진 화재 진압 현장에서 소방관의 소방복이나 헬멧에 부착한 Wearable 디바이스 형태로써의 활용 등 보다 넓은 범위에서의 활용이 가능할 것이라 기대한다.
하지만 제안된 기법으로 실내 환경 상의 코너 검출과 보다 높은 해상도를 얻고자 할 때, 초음파 센서의 측정방식인 TOF의 특성상 측정 시에 일정 시간의 딜레이가 필수적이므로, 동일 측정 시간대비 많은 샘플파티클을 수집하기 어려운 한계점이 있었기 때문에보다 높은 해상도를 표현하는 것에 한계가 있었다. 해당 실험에서 구현된 모듈의 딜레이는 0.
하지만 제안된 기법으로 실내 환경 상의 코너 검출과 보다 높은 해상도를 얻고자 할 때, 초음파 센서의 측정방식인 TOF의 특성상 측정 시에 일정 시간의 딜레이가 필수적이므로, 동일 측정 시간대비 많은 샘플파티클을 수집하기 어려운 한계점이 있었기 때문에보다 높은 해상도를 표현하는 것에 한계가 있었다. 해당 실험에서 구현된 모듈의 딜레이는 0.3초로, 더 짧은 기간의 딜레이를 설정해준다면 더 많은 샘플 파티클을 얻을 수 있겠지만, 그만큼 다중경로현상과 같은 노이즈 또한 심해지기 때문에 추후 연구 에서는 보다 높은 해상도를 위해서 보다 지향각이 좁은 초음파 센서를 사용해야 할 것이다.
이는 실제 실험 환경에서 모듈로부터 모든 장애물에 대한거리는 개별적으로 계산할 수 없었기 때문인 것으로 확인하였으며, 벽에 대한 절대적인 거리 값만을 두고 계산하였기 때문에 나타난 오차인 것으로 확인하였다. 향후 연구에서는 이러한 점을 개선한다면 더욱 낮은 오차를 가질 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
초음파 센서란?
초음파 센서는 음파의 속도를 이용하여 음파가 물체에 반사되어 돌아오는 시간을 측정함으로써 거리를 계산하는 센서이다. 음파의 속도는 온도에 따라 다소 차이가 있지만 대개 15°의 온도에서 334m/s 정도의 전파속도를 가지며 일정하게 유지된다
초음파 센서를 선택할 때의 고려 할 사항 두 가지는 무엇인가?
초음파 센서를 선택할 때의 고려 할 사항은 크게두 가지가 있다. 첫 번째로, 초음파 센서의 측정거리이다. 최소 3-5cm, 최대 3-10m 정도이고 초음파의 주파수가 높아질수록 측정거리는 짧아지는 특성이 있으며 측위를 목적으로 사용되는 센서의 경우에는 일반적으로 40kHz 대역을 많이 사용한다. 두 번째로, 초음파 센서의 빔 각도이다. 빔 각도는 음파가 퍼지는 각도를 의미하는 것인데, 빔 각도가 퍼짐이 좁으면 직진성이 좋으며 넓은 범위에서의 감지가 어려워지는 특성을 지닌다. 반대로 퍼짐이 넓으면 직진성이 나쁘기 때문에 반사되어 돌아오는 신호가 어디에서 왔는지를 추측하기가 어렵다
LiDAR 기술의 장단점은?
최근 실내 공간에서의 simultaneous localization and mapping(SLAM) 기술이 많은 주목을 받으면서 이와 더불어 실내 공간을 인식하여 지도정보로 만들기 위한 기술연구 또한 활발히 진행되고 있고, 이를 위한 기술로써 LiDAR, 초음파, 카메라 등이 많이 사용 되고 있다. 가장 좋은 성능을 지닌 LiDAR 기술의 경우 초음파에 비해 높은 해상력과 넓은 탐지범위를 가지고 있지만 모듈 크기의 한계, 높은 비용, 많은 연산량 그리고 비교적 다양한 매질에 따른 노이즈에 약한 특성이 있다. 이에 따라 본 논문에서는 초음파 센서를 활용하여, 레이저 센서의 취약점을 보완함과 동시에 비교적 적은 연산량을 가지며 최소한의 초음파 센서를 사용한 2D 실내 지도 작성 기법을 제안하며 실험을 통하여 이를 검증하였다.
참고문헌 (8)
P. Yang, "Efficient particle filter algorithm for ultrasonic sensor-based 2D range-only simultaneous localization and mapping application," IET Wireless Sensor Systems, vol. 2, no. 4, pp. 394-401, Dec. 2012.
H. M. Han and J. B. Song, "Robust map building in narrow environments based on combination of sonar and IR sensors," J. KRS, vol. 6. no. 1, pp. 42-48 Mar. 2011.
M. H, Lee and W. Cho, "Real-time measurement model of indoor environment using ultrasonic sensor," J. KICS, vol. 30, no. 6A, pp. 481-487, Jun. 2005.
Y. S. Kim, S. H. Kim, and S. W. Ra, "An indoor location aware system using ultrasonic," in Proc. KICS Int. Conf. Commun., pp. 183-186, Yeosu, Korea, Apr. 2004.
J. J. Park, D. H. Lee, and S. Y. Mun, "A study on the recognizing range expansion techniques of the ultrasonic location awareness system for the ubiquitous computing," J. KICS, vol. 31, no. 7B, pp. 595-601, Jul. 2006.
T. S. Jin and J. M. Lee, "Localization and navigation of a mobile robot using single ultrasonic sensor module," J. IEEK, vol. 42, no. 2, pp. 1-10, Mar. 2005.
G. Gallegos and P. Rives, "Indoor SLAM based on composite sensor mixing laser scans and omnidirectional images," ICRA, pp. 3519-3524, May 2010.
B. J. Park, S. J. Lee, W. K. Chung, and D. W. Cho, "Development of grid observation model for particle filter-based mobile robot localization using sonar grid map," J. Korean Soc. Precis. Eng., vol. 30. no. 3, pp. 308-316, Mar. 2013.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.