$\require{mediawiki-texvc}$

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.

[국내논문] 이동로봇의 안전한 엘리베이터 탑승을 위한 RGB-D 센서 기반의 엘리베이터 인식 및 위치추정
Elevator Recognition and Position Estimation based on RGB-D Sensor for Safe Elevator Boarding 원문보기

로봇학회논문지 = The journal of Korea Robotics Society, v.15 no.1, 2020년, pp.70 - 76  

장민경 (Mechanical Engineering, Korea University) ,  조현준 (Mechanical Engineering, Korea University) ,  송재복 (Mechanical Engineering, Korea University)

Abstract ▼ AI-Helper 아이콘AI-Helper

Multi-floor navigation of a mobile robot requires a technology that allows the robot to safely get on and off the elevator. Therefore, in this study, we propose a method of recognizing the elevator from the current position of the robot and estimating the location of the elevator locally so that the...

주제어

#Elevator Recognition   #Elevator Position Estimation   #Multi-Floor Navigation   #RGB-D Sensor  

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 연구에서는 로봇이 엘리베이터를 바라보도록 도착한 대기 장소에서, 인공표식을 사용하지 않고 저가의 RGB-D 센서만으로 엘리베이터의 위치를 추정하는 방법을 제안한다. 이전에도 RGB-D 센서를 이용하여 엘리베이터 문의 중심을 추정하는 방법[6]이 제안되었으나, 이는 엘리베이터 좌우 벽면의 위치를 찾고 이에 대한 가중치로 엘리베이터의 중심 위치를 추정하였기 때문에 대략적인 엘리베이터의 위치 만을 추정할 수 있었다.

가설 설정

  • 로봇의 방위오차로 인해 엘리베이터 인식이 어려운 경우 점군을 기반으로 엘리베이터로 예상되는 위치를 추정하고, 이를 기반으로 센서가 엘리베이터를 향하도록 회전시키는 방법을 실험하였다. 앞선 엘리베이터 인식 실험 결과와 대기장소에 도착한 로봇의 방위오차가 20° 내외라는 가정을 바탕으로, [Fig. 8]의 각위치에서 시계 또는 반시계 방향으로 약 20°의 방위오차로 실험을 수행하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
스테레오 카메라의 좌우 영상 간의 변위지도(disparity map)를 통해 엘리베이터를 인식하는 방법의 단점은 무엇인가? 오히려 스테레오 카메라를 사용하는 것이 영상정보 및 3차원 거리 정보를 활용할 수 있으므로 물체를 인식하고 위치를 추정하는 데 적합하다. 그러나 스테레오 카메라의 좌우 영상 간의 변위지도(disparity map)를 통해 엘리베이터를 인식하는 방법은 엘리베이터 문과 같은 반사되는 표면에서 깊이 정보가 불완전하며, 조명에 따라 성능에 차이가 발생한다는 단점이 있다.
로봇이 안전하게 엘리베이터를 탑승하기 위해서 요구되는 것은 무엇인가? 그러나 주행 중 누적된 오차로 인해 로봇의 도착 위치에 오차가 존재하므로, 로봇이 엘리베이터에 탑승 시 장애물과 충돌하거나 진입 경로가 생성되지 못하는 문제를 초래하게 된다. 따라서 로봇이 안전하게 엘리베이터를 탑승하기 위해서는 엘리베이터와 로봇의 위치 관계를 정확히 추정하여야 한다.
레이저 센서가 엘리베이터를 인식하고 위치를 추정하는 방법에 적합하지 않은 이유는 무엇인가? 일반적으로 레이저 센서는 높은 정확도로 주변 환경에 대한 깊이 정보를 얻을 수 있다. 그러나 엘리베이터 문과 같은 금속 표면에 대해서는 정확한 거리 정보를 얻기 어려우므로[5] 엘리베이터 환경에 적합하지 않다. 오히려 스테레오 카메라를 사용하는 것이 영상정보 및 3차원 거리 정보를 활용할 수 있으므로 물체를 인식하고 위치를 추정하는 데 적합하다.
질의응답 정보가 도움이 되었나요?

참고문헌 (11)

  1. A. A. Abdulla, H. Liu, N. Stoll, and K. Thurow, "Multi-floor navigation method for mobile robot transportation based on StarGazer sensors in life science automation," 2015 IEEE International Instrumentation and Measurement Technology Conference, Pisa, Italy, pp. 428-433, 2015. 

  2. S. W. Ma, "Localization using Fiducial Markers and Elevator Door," M.S thesis, Inha University, Incheon, 2012. 

  3. J.-G. Kang, S.-Y. An, W.-S. Choi, and S.-Y. Oh, "Recognition and Path Planning Strategy for Autonomous Navigation in the Elevator Environment," International Journal of Control, Automation and Systems, vol. 8, no. 4, pp. 808-821, 2010. 

  4. J.Y. Baek and M.C. Lee, "A study on detecting elevator entrance door using stereo vision in multi floor environment," 2009 ICCAS-SICE, Fukuoka, Japan pp. 1370-1373, 2009. 

  5. W. Boehler, M. B. Vicent, and A. Marbs, "Investigating laser scanner accuracy," CIPA XIXth Int. Symposium, vol. 34, pp. 696-701, 2003. 

  6. D. H. Lee, "RGB-D Sensor based Elevator Recognition and Getting on and off an Elevator for Safe," M.S thesis, Korea University, Seoul, 2018. 

  7. S.-W. Ma, X. Cui, H.-H. Lee, H.-R. Kim, J.-H. Lee, and H.-I. Kim "Robust Elevator Door Recognition using LRF and Camera," Journal of Institute of Control, Robotics and Systems, vol. 18, no. 6, 2012. 

  8. C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens, and Z. Wojna, "Rethinking the Inception Architecture for Computer Vision," 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Las Vegas, NV, USA, pp. 2818-2826, 2016. 

  9. C. Szegedy, S. Ioffe, V. Vanhoucke, and A. Alemi, "Inception-v4, inception-resnet and the impact of residual connections on learning," arXiv:1602.07261, 2016. 

  10. A. Krizhevsky, I. Sutskever, and G. E. Hinton, "ImageNet Classification with Deep Convolutional Neural Networks," Communications of the ACM, May, 2017. 

  11. R. O. Duda and P. E. Hart, "Use of the Hough transform to detect lines and curves in pictures," Communications of the ACM, January, 1972. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
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