$\require{mediawiki-texvc}$

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] SLAM을 이용한 카메라 기반의 실내 배송용 자율주행 차량 구현
Implementation of Camera-Based Autonomous Driving Vehicle for Indoor Delivery using SLAM 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.17 no.4, 2022년, pp.687 - 694  

김유중 (상명대학교 휴먼지능로봇공학과) ,  강준우 (상명대학교 휴먼지능로봇공학과) ,  윤정빈 (상명대학교 휴먼지능로봇공학과) ,  이유빈 (상명대학교 휴먼지능로봇공학과) ,  백수황 (상명대학교 휴먼지능로봇공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 Visual 동시적 위치추정 및 지도작성(SLAM : Simultaneous Localization and Mapping)기술을 응용하여 실내에서 생성된 SLAM 맵을 기반으로 지정된 목적지에 물건을 배달하는 자율주행 차량 플랫폼을 제안하였다. 실내에서 SLAM 맵을 생성하기 위해 소형 자율주행 차량 플랫폼의 상단에 SLAM 맵 생성을 위한 심도 카메라를 설치하고 SLAM 맵 속에서의 정확한 위치추정을 하기 위해 추적 카메라를 장착하여 구현하였다. 또한, 목적지의 표찰을 인식하기 위해 합성곱 신경망(CNN : Convolutional neural network)을 사용하여 목적지에 정확하게 도착할 수 있도록 주행 알고리즘을 적용하여 설계하였다. 실내 배송 자율주행 차량을 실제로 제작하였고 SLAM 맵의 정확도 확인과 CNN을 통한 목적지 표찰 인식 실험을 수행하였다. 결과적으로 표찰 인식의 성공률을 향상시켜 구현한 실내 배송용 자율주행 차량의 활용 적합성 여부를 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we proposed an autonomous vehicle platform that delivers goods to a designated destination based on the SLAM (Simultaneous Localization and Mapping) map generated indoors by applying the Visual SLAM technology. To generate a SLAM map indoors, a depth camera for SLAM map generation was...

Keyword

#자율주행   #합성곱 신경망   #딥러닝   #실내 위치 측위   #동시적 위치 추정 및 지도 작성  

표/그림 (12)

참고문헌 (12)

  1. J. Oh, P. Lee, S. Kim, and W. Lee, "A Study on the Delvelopment of In door Autonomous Mobile Robots," J. of Institute of Control, Robotics and Systems, vol 24, no. 9, 2018, pp. 814-821. 

  2. J. Kim, J. Heo, S. Jung, and S. Kim, "Path-planning using Modified Genetic Algorithm and SLAM based on Feature Map for Autonomous Vehicle," J. of the Korean Institute of Intelligent Systems, vol. 19, no. 3, 2009, pp. 381-387. 

  3. J. Han, J. Hwang, S. Hong, and Y. Ryuh, "Complementary Filtering for the Self-Localization of Indoor Autonomous Mobile Robots," J. of Institute of Control, Robotics and Systems, vol. 16, no. 11, 2010, pp. 1110-1116. 

  4. W. Lee and S. Yun, "Estimation of optimal position of a mobile robot using object recognition and hybrid thinning method," J. of the Korea Institute of Information and Communication Engineering, vol. 25, no.6, 2021, pp. 785-791. 

  5. J. Shin, J. Yoo, J. Han, I. Hwang, and H. Park, "A Study on Basic Technology for Autonomous-Driving Using RC car," J. of the Korea Institute of Electronic Communication Sciences, vol. 17. no. 1, Feb. 2022, pp. 49-58. 

  6. J. Kim, Y. Ju, and E. Kim, "Object Recognition Technology using LiDAR Sensor for Obstacle Detection of Agricultural Autonomous Robot," J. of the Korea Institute of Electronic Communication Sciences, vol. 16. no. 3, June 2021, pp. 565-570. 

  7. U. Kim, B. Kim, and I. Kim, "Implementation of Serving Mobile Robot Using ROS," The J. of Korean Institute of Information Technology, vol. 17, no. 2, 2019, pp. 33-43. 

  8. J. Kim and E. Kim, "Agricultural Autonomous Robots System for Automatic Transfer of Agricultural Harvests," J. of the Korea Institute of Electronic Communication Sciences, vol. 16. no. 4, Aug. 2021, pp. 749-754. 

  9. D. Choi and J. Jang, "A Study on the Development of a Program to Body Circulation Measurement Using the Machine Learning and Depth Camera," Int. J. of Internet, Broadcasting and Communication, vol. 12, no. 1, 2020, pp. 122-129. 

  10. Y. Chen, J. Tang, C. Jiang, L. Zhu, M. Lehtomaki, H. Kaartinen, R. Kaijaluoto, Y. Wang, J. Hyyppa, H. Hyyppa, H. Zhou, L. Pei, and R. Chen, "The Accuracy Comparison of Three Simultaneous Localization and Mapping(SLAM)-Based Indoor Mapping Technologies," Sensors, vol. 18, no. 10, 2018, pp. 1-25. 

  11. K. Shokhrukh and J. Yoo, "Lightweight Residual Layer Based Convolutional Neural Networks for Traffic Sign Recognition," J. of the Korea Institute of Electronic Communication Sciences, vol. 17. no. 1, Feb. 2022, pp. 105-110. 

  12. S. Chen, B. Zhou, C. Jiang, W. Xue, and Q. Li, "A LiDAR/Visual SLAM Backend with Loop Closure Detection and Graph Optimization," Remote Sensing, vol. 13, no. 14, 2720, 2021, pp. 1-29. 

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 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