초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 마커 인식을 이용한 깊이 영상 기반 군집로봇 대형제어 방법을 제안한다. 제안한 방법은 먼저, follower 로봇들의 입력 영상에서 마커 인식 알고리즘을 이용하여 마커를 인식 한 뒤 인식된 마커를 분석하여 등록된 ID를 찾는다. 검출된 마커의 ID가 leader로봇의 ID일 경우 해당 마커의 위치와 기울기 값을 깊이 영상 센서로부터들어오는 깊이 정보를 통해 계산 한 뒤 마커의 위치와 기울기를 이용하여 대형제어를 한다. 마지막으로 제안한 알고리즘을 실제 로봇을 이용한 대형 제어실험을 통해 응용 가능성을 증명한다.

본 논문에서는 마커 인식을 이용한 깊이 영상 기반 군집로봇 대형제어 방법을 제안한다. 제안한 방법은 먼저, follower 로봇들의 입력 영상에서 마커 인식 알고리즘을 이용하여 마커를 인식 한 뒤 인식된 마커를 분석하여 등록된 ID를 찾는다. 검출된 마커의 ID가 leader로봇의 ID일 경우 해당 마커의 위치와 기울기 값을 깊이 영상 센서로부터들어오는 깊이 정보를 통해 계산 한 뒤 마커의 위치와 기울기를 이용하여 대형제어를 한다. 마지막으로 제안한 알고리즘을 실제 로봇을 이용한 대형 제어실험을 통해 응용 가능성을 증명한다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 마커 인식을 이용한 깊이 영상 기반 군집로봇 대형제어 방법을 제안하였다. 제안한 방법은 먼저, follower 로봇들의 입력 영상에서 마커 인식 알고리즘을 이용하여 마커를 인식 한 뒤 인식된 마커를 분석하여 등록된 ID를 찾는다.
• 본 논문에서는 상기 문제점을 해결하고자 마커 인식 알고리즘을 이용한 깊이 영상 기반 군집 로봇의 대형제어를 제안한다. 제안하는 방법으로는 먼저 follower로봇이 마커인식 알고리즘을 이용하여 영상센서에 입력 된 이미지를 분석하여 마커를 인식한다.
• 하지만 이러한 방법은 네트워크 시스템이 사전에 구축되어 있어야하며 네트워크가 끊길시 작업수행을 더 이상 진행하기 힘들고 대형내의 모든 멤버가 자신의 위치를 정확하게 탐지하지 않으면 해당 오차만큼 대형에서 벗어나게 된다. 이러한 문제점을 해결하기 위해 본 논문에서는 마커 인식을 이용한 군집로봇의 leader-follower기반 대형 제어를 제안한다. leader-follower 대형 제어는 leader로봇을 기준으로 follower로봇들의 대형 위치를 계산하는 방법이다.

제안 방법

• 후보군들을 그림 3과 같이 6x6격자 모양으로 나누고 각각 격자안의 검은색 픽셀수를 세어 격자의 전체 픽셀수의 반 이상이면 1 그 이하면 0을 6x6행렬에 저장한다. 그 다음, 미리 등록해놓은 6x6행렬과 비교하여 등록된 값을 가질 경우 등록된 마커를 찾았다고 판단하고 찾은 마커의 윤곽선의 4개의 꼭지점의 3차원 좌표를 깊이 영상으로부터 가져온다. 그리고 꼭지점들의 3차원 좌표를 이용하여 교차하도록 두 개의 벡터를 만든 뒤 두 벡터의 외적을 통해 노멀벡터를 구하고 해당 노멀벡터의 z성분을 제외하고 x, y성분을 통하여 마커의 기울어진 각도θ_m를 계산한다.
• 하지만 영상센서는 로봇을 인식하여도 해당 로봇까지의 거리를 알기 힘들다. 그러므로 본 논문에서는 깊이 영상 센서를 이용한 로봇 ID 인식 및 위치를 파악 한다.
• follow로봇들은 마커를 찾기전 까지 대기상태를 유지하며 마커를 화각에서 발견 할 경우 마커의 4개의 꼭지점으로 교차된 벡터를 만들어 교차된 지점을 중심점으로 설정하여 탐지한 follow로봇과의 거리를 깊이 영상으로부터 불러오고 교차된 벡터를 외적하여 구해진 노멀 벡터의 x,y성분을 분석하여 기울어진 각도를 계산한다. 마커와의 거리와 기울어진 각도를 기준으로 대형을 만들기 위한 LP, RP 목표 위치를 계산 후 해당 위치로 0.5m/s의 속력을 유지하며 이동하였다. 이때, 대형은 LP와 RP은 leader로봇과 각각 45°각도를 유지하며 0.
• 먼저, leader로봇의 초기위치는 (1,1) 이며 (5,1)까지 0.3m/s의 속력으로 직선주행을 입력하였고 LP follower는 (2, 1.5)에 RP follower는 (3, 0.5)에서 대기를 하였다. follow로봇들은 마커를 찾기전 까지 대기상태를 유지하며 마커를 화각에서 발견 할 경우 마커의 4개의 꼭지점으로 교차된 벡터를 만들어 교차된 지점을 중심점으로 설정하여 탐지한 follow로봇과의 거리를 깊이 영상으로부터 불러오고 교차된 벡터를 외적하여 구해진 노멀 벡터의 x,y성분을 분석하여 기울어진 각도를 계산한다.
• 본 논문에서 제안한 방법을 검증하기 위해 두 개의 차동바퀴와 한 개의 지지용 바퀴를 가진 차륜로봇과 Microsoft Kincet 깊이 영상센서가 장착된 세 대의 로봇에 leader 로봇이 될 한 대의 로봇에는 후면에 마커를 부착된 로봇을 사용하여 마커인식을 이용한 군집로봇 대형 제어 실험을 진행하였다.
• 본 논문에서는 상기 문제점을 해결하고자 마커 인식 알고리즘을 이용한 깊이 영상 기반 군집 로봇의 대형제어를 제안한다. 제안하는 방법으로는 먼저 follower로봇이 마커인식 알고리즘을 이용하여 영상센서에 입력 된 이미지를 분석하여 마커를 인식한다. 인식한 마커가 리더로봇의 마커일 경우 해당 마커의 좌표와 회전한 각도를 영상의 깊이 정보를 이용해 찾은 뒤 마커의 좌표, 회전 각도를 이용하여 대형 제어를 한다.
• 본 논문에서는 마커 인식을 이용한 깊이 영상 기반 군집로봇 대형제어 방법을 제안하였다. 제안한 방법은 먼저, follower 로봇들의 입력 영상에서 마커 인식 알고리즘을 이용하여 마커를 인식 한 뒤 인식된 마커를 분석하여 등록된 ID를 찾는다. 검출된 마커의 ID가 leader로봇의 ID일 경우 해당 마커의 위치와 기울기 값을 깊이 영상 통해 계산 한 뒤 마커의 위치와 기울기를 이용하여 대형제어를 하였다.

대상 데이터

• 본 논문에서 사용된 로봇은 두 개의 구동바퀴가 독립적으로 구동하는 차륜 구동형 로봇이며 기구학적 모델은 다음과 같다.

이론/모형

• 하지만 이 방법은 유기적인 미션수행 또는 분산제어가 어렵다. 그러므로 본 논문에서는 leader-follower 기반 방법을 이용하여 대형제어를 한다[3]. 기존의 leader-follower 기반 대형 제어방법은 서로 위치를 공유해야 하므로 네트워크가 중요하다[3].
• 본 논문에서는 로봇의 ID를 인식하기 위해 마커 인식을 사용한다. 마커 인식은 인위적인 마커를 물건에 붙임으로 컴퓨터가 물건의 정보를 쉽게 읽을 수 있도록 하는 알고리즘이다[7].

성능/효과

• 검출된 마커의 ID가 leader로봇의 ID일 경우 해당 마커의 위치와 기울기 값을 깊이 영상 통해 계산 한 뒤 마커의 위치와 기울기를 이용하여 대형제어를 하였다. 마지막으로 제안한 알고리즘을 실제 로봇을 이용한 대형 제어실험을 통해 응용 가능성을 증명했다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기