선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
가설 설정
- Mappingbot이 실제로 사용될 곳은 에서 구축한 가상공간보다 복잡할 것이다.
제안 방법
- MappingBot이 지도를 만드는 과정을 확인하고, 설계된 주행 코드의 효율성 및 정확성을 테스트하기 위해 Gazebo에서 가상공간을 설계하였다. 시뮬레이션은 Gazebo시뮬레이터와 kinect 센서가 부착된 터틀봇 로봇을 사용하였다.
- 먼저, 핵심적인 SLAM(Simultaneous Localization And Mapping) 기능은 Kinect Depth camera 센서를 이용하여 구현하였다. 로봇의 전반적인 제어는 라즈베리 파이를 사용하였으며, 파이 내에 ROS(Robot Operating System)을 설치하여 개발하였다.
- 프로그램 MappingBot은 주행을 위한 move와 실시간 지도 데이터를 얻기 위한 getmap 노드를 갖는다. 로봇이 주행을 시작하면 먼저, kinect 센서와 적외선 센서를 이용해 전방 1m내에 장애물이 있는지 확인한다. 장애물이 없을 경우 Check_visited() 함수를 이용해 80% 이하로 탐색된 지역을 우선하여 찾아 0.
- 해당 필터는 기본적으로 Bayesian probability을 기반으로 한다. 먼저, 모델을 상정하고 이용하여 이전 상태로부터 현재 시점의 상태를 예측한다. 다음으로, 앞 단계의 예측 값과 외부 계측기로 얻은 실제 측정값 간의 오차를 이용하여 더 정확한 상태 값을 추정하는 보정 단계를 거치게 된다.
- 사람이 접근하기 어려운 위험지역 또는 재난지역의 지도를 원할 때, 자신의 위치를 알고 주행을 하며 지도를 생성하는 로봇이다. 먼저, 핵심적인 SLAM(Simultaneous Localization And Mapping) 기능은 Kinect Depth camera 센서를 이용하여 구현하였다. 로봇의 전반적인 제어는 라즈베리 파이를 사용하였으며, 파이 내에 ROS(Robot Operating System)을 설치하여 개발하였다.
- 본 논문은 위험지역을 탐사할 수 있는 로봇을 만들기 위해 새로운 환경에서 자신의 위치를 인식해야하는 환경 적응성에 대한 위치측정 기술과 거리 측정 센서를 이용한 맵 생성 기술을 융합한 SLAM 기술을 이용하였다. Mappingbot의 실용화를 위해서는 크게 주행기능과 맵핑 기능을 나누어 보완하여 작업의 효율성과 정확성을 높일 필요가 있다.
- 그런 환경에서 인간이 접근할 수 없는 위험 지역을 자율 탐사하고, 해당 지역의 영상정보를 받아 2D지도를 제작하는 재난 구조로봇이 Mappingbot이다. 비전 센서만을 이용하여 국내에서 잘 알려지지 않은 SLAM기술의 안정성이 크게 향상됨에 따라 라즈베리파이를 이용해 특별한 재난 구조로봇을 제작해본다.
- 지진, 화재와 같은 대형 재해에서 인간이 접근할 수 있는 지역은 크게 제한된다. 이 작품은 자율주행 기능을 기반으로 인간이 접근할 수 없는 위험지역을 자율 탐사하여 해당지역의 영상정보를 받아 지도를 제작한다. 이를 활용하면 재난상황에서 추가적 손실을 막을 수 있을 것이라고 본다.
- 원활한 자율주행기능을 구현하기 위해 적외선센서와 초음파센서 등을 장착하였고, 이를 통해 주행 중에 로봇 스스로 장애물을 인식하고 피해갈 수 있기 때문에 사람을 대신하여 위험지역을 탐사할 수 있다. 특히, 붕괴위험이 있는 장소나 사람이 접근하기 힘든 위험지역에 대한 작업을 수행하기 전에 우선적으로 현장에 투입되어 내부 환경을 조사하고 이에 대한 지형 및 내부 상황에 대한 정보를 실시간으로 출력하도록 설계하였다. Mappingbot을 통해 얻은 정보들을 활용해 내부 상황을 고려하여 작업을 계획할 수 있기 때문에 위험지역에서 작업함에 있어 인명피해를 최소화 할 수 있을 것으로 보인다.
대상 데이터
- 작품의 시스템 구조도는 <그림3>과 같다. 먼저, 라즈베리 파이에 부착된 kinect와 적외선 센서로부터 센서 데이터를 받아온다. 동시에 파이에 설치된 ROS에서 slam_gmapping노드가 실행되어 미지의 환경에 대한 실시간 지도를 제작한다.
- MappingBot이 지도를 만드는 과정을 확인하고, 설계된 주행 코드의 효율성 및 정확성을 테스트하기 위해 Gazebo에서 가상공간을 설계하였다. 시뮬레이션은 Gazebo시뮬레이터와 kinect 센서가 부착된 터틀봇 로봇을 사용하였다. <그림6>은 Gazebo를 이용하여 설계한 가상공간을 보여준다.
이론/모형
- 지도 작성에 사용되는 센서로는 거리 센서의 결과물에 준하는 거리 값을 추출하는 Depth camera(Kinect)를 사용하였다. 그 결과로 얻은 데이터를 실제 slam에 사용되는 레이저스캔 데이터로 변환 후 지도를 작성하게 된다.
- 해당 필터는 기본적으로 Bayesian probability을 기반으로 한다. 먼저, 모델을 상정하고 이용하여 이전 상태로부터 현재 시점의 상태를 예측한다.
성능/효과
- 로봇에 장착된 Kinect 센서는 RGB 영상뿐만 아니라 특정한 적외선 점 패턴을 물체에 투영하여 반사된레이저 빔 포인트로 각 픽셀간 거리를 측정하여 지형, 물체 등을 인식할 수 있다. 또한, 물체에서 반사되어 돌아오는 적외선 패턴을 수광 센서로 검출하여 깊이 영상을 실시간으로 획득하는 것이 가능하며, 소리로 음성의 위치를 파악하고 주변 소음을 분리해낼 수 있는 마이크로폰이 내장되어 있어 소리를 이용한 탐사도 가능하다. 따라서 이를 이용하면 센서로부터 수집한 정보로 지도를 작성하는 동시에, 실시간으로 자신의 위치를 추정하여 탐사할 수 있어 고도의 임무 수행이 가능할 것이라고 생각한다.
후속연구
- 하지만 자율주행 로봇이 위치한 환경을 모두 이동하면서 맵을 생성하는 일반적인 방법은 센서들의 오차나 중첩된 벽들에 의해 정확한 맵을 생성하기 어렵다. 따라서 이 부분을 보완하여 정확한 지도 생성을 위한 지속적인 연구가 필요할 것이다.
- 또한, 물체에서 반사되어 돌아오는 적외선 패턴을 수광 센서로 검출하여 깊이 영상을 실시간으로 획득하는 것이 가능하며, 소리로 음성의 위치를 파악하고 주변 소음을 분리해낼 수 있는 마이크로폰이 내장되어 있어 소리를 이용한 탐사도 가능하다. 따라서 이를 이용하면 센서로부터 수집한 정보로 지도를 작성하는 동시에, 실시간으로 자신의 위치를 추정하여 탐사할 수 있어 고도의 임무 수행이 가능할 것이라고 생각한다.
- 또한, Kinect 센서는 가격이 저렴하여 카메라와 IR 센서 Microphone 등이 융합된 센서로 성능이 우수하기 때문에 각광 받고 있으며, 많은 연구가 이루어지고 있다. 따라서 향후 기술 개발에 따라 Mappingbot의 경쟁력은 더욱 강화될 것이라고 생각한다.
- 그렇기 때문에 위험지역 탐사에 요구되는 인건비등을 줄일 수 있다. 또한, 위험지역 내부의 상황을 분석한 후에 작업을 수행하면 효과적인 탐사가 가능하게 되어 탐사에 요구되는 절대비용을 절감할 수 있을 것이라 기대된다. 또한, Kinect 센서는 가격이 저렴하여 카메라와 IR 센서 Microphone 등이 융합된 센서로 성능이 우수하기 때문에 각광 받고 있으며, 많은 연구가 이루어지고 있다.
- 외계 공간에서는 GPS와 같은 위치를 인식할 수 없어 정해진 임무를 수행하기란 매우 어려운 일이다. 본 작품은 SLAM 기술을 사용하여 3차원 지도를 생성하고, 이를 기반으로 실시간으로 영상을 인식하여 위치를 파악한 후 외계 공간에서 로봇을 사용하여 자율 주행이 가능한 시스템에 대한 설계가 가능할 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.