최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.20 no.12, 2017년, pp.1865 - 1873
전현호 (Dept. of Mechatronics Eng., Graduate School, Chungnam National University) , 고윤호 (Dept. of Mechatronics Eng., Graduate School, Chungnam National University)
The feature-based visual SLAM requires 3D positions for the extracted feature points to perform 3D-2D motion estimation. LiDAR can provide reliable and accurate 3D position information with low computational burden, while stereo camera has the problem of the impossibility of stereo matching in simpl...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
동시적 위치 추정 및 지도작성은 어떤 분야에서 연구되고 있는가? | 로봇의 자율 주행을 위한 핵심 기술 중 하나인 동시적 위치 추정 및 지도작성(Simultaneous Localization and Mapping, SLAM)은 수년 전부터 컴퓨터 비전 및 로보틱스 분야에서 핵심 연구주제로서 연구되고 있다. SLAM 기술은 단순 GPS 정보보다 정확한 위치 추정이 가능하며 GPS 정보를 사용할 수 없는 실내, 우주, 심해 등에서도 자신의 위치를 추정할 수 있다는 큰 장점이 있다[1-3]. | |
SLAM 기술은 근래 어떤 분야에 적용이 시도되고있는가? | 예를 들어 서비스 로봇의 실내 위치 추정을 위해 인공적인 마커를 이용하여 동작시킬 수 있으나[4] 이러한 방법은 실외 환경에서는 사용하기 어렵고 별도의 마커 설치가 필요하다는 문제점이 있는데 SLAM을 통해 실내외 환경에 구애받지 않고 동작하는 위치 추정이 가능하다는 장점이 있다. 이러한 SLAM 기술은 자율 주행 차, 실내 서비스 로봇, 가상현실(Virtual Reality, VR), 증강현실(Augmented Reality, AR) 등에 적용되고 있으며 최근 드론(drone)이라 불리는 무인항공기(Unmanned Aerial Vehicle, UAV)에도 적용이 시도되고 있는 추세이다[5,6]. | |
visual SLAM 에서 직접적 영상 기반 방법의 특징점 기반 방법에 반대한 장점은 무엇인가? | 반면 직접적 영상 기반 방법은 영상에 존재하는 포토메트릭 오차를 최소화하는 방향으로 모션을 추정하며 대표적으로 LSD-SLAM[9]이 있다. 전통적으로 사용되던 특징점 기반 방법과 달리 직접적 영상 기반 방법은 상대적으로 최근에 제안되었으며 특징점 기반 방법이 가지는 대표적인 단점인 특징 의존성 문제를 해결할 수 있어 관련 연구가 활발히 진행 중에 있다[10,11]. 하지만 아직까지는 최신의 특징점 기반 방법의 성능을 넘어서지 못한 상태이며 이에 따라 특징점 기반 방법 역시 널리 사용되고 있으며 관련 연구 또한 활발히 진행 중에 있다[12]. |
R. Madhavan and E. Messina, "Iterative Registreation of 3D Lader Data for Autonomous Navigation," Proceedings of the IEEE Symposium on Intelligent Vehicles, pp. 156-191, 2003.
S. Thrun, W. Burgard, and D. Fox, Probabilistic Robotics, MIT Press, Cambridge, Massachusetts, 2005.
J.H. Kim, H.S. Kang, H.H. Jeon, and Y.H. Ko, "The Study on Robust Feature Selection and Management Techniques for Monocular Visual Odometry," Proceeding of Workshop on Image Processing and Image Understanding, pp. 366-369, 2016.
W.G. Aguilar, G.A. Rodriguez, L. Alvarez, S. Sandoval, F. Quisaguano, and A. Limaico, "Visual SLAM with a RGB-D Camera on a Quadrotor UAV Using on-Board Processing," Proceeding of International Work-Conference on Artificail Neural Networks, pp. 596-606, 2017.
G. Klein and D. Murray, "Parallel Tracking and Mapping for Small AR Workspace," Mixed and Augmented Reality, pp. 225-234, 2007.
A.J. Davison, I.D. Reid, N.D. Molton, and O. Stasse, “MonoSLAM: Real-time Single Camera SLAM,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 29, No. 6, pp. 1052-1067, 2007.
J. Engel, T. Schops, and D. Cremers, "LSD-SLAM: Large-scale Direct Monocular SLAM," Proceeding of European Conference on Computer Vision, pp. 834-849, 2014.
J. Engel, J. Stuckler, and D. Cremers, "Large-scale Direct SLAM with Stereo Cameras," Intelligent Robots and Systems, pp. 1935-1942, 2015.
J. Engel, V. Koltun, and D. Cremers, "Direct Sparse Odometry," http://arxiv.org/pdf/1607.02565.pdf, 2016.
A. Pumarola, A. Vakhitov, A. Agudo, A. Sanfeliu, and F. Moreno-Noguer, "PL-SLAM: Real-Time Monocular Visual SLAM with Points and Lines," Proceeding of International Conference on Robotics and Automation, pp. 4503-4508, 2017.
H.H. Jeon, J.H. Kim, and Y.H. Ko, "LiDAR Interpolation Algorithm for 3D-2D Frame to Frame Motion Estimation," Proceeding of the Spring Conference of the Korea Multimedia Society, pp. 690-693, 2017.
H.H. Jeon, J.H. Kim, T.W. Kim, and Y.H. Ko, "Robust Visual Odometry Using RAFSet Motion Estimation Method," Proceeding of Workshop on Image Processing and Image Understanding, pp. 198-201, 2017.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.