$\require{mediawiki-texvc}$

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.

동시적 위치 추정 및 지도 작성에서 Variational Autoencoder 를 이용한 루프 폐쇄 검출
Loop Closure Detection Using Variational Autoencoder in Simultaneous Localization and Mapping 원문보기

한국방송공학회 2017년도 하계학술대회, 2017 June 21, 2017년, pp.250 - 253  

신동원 (광주과학기술원 전기전자컴퓨터공학부) ,  호요성 (광주과학기술원 전기전자컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 동시적 위치 추정 및 지도 작성 (simultaneous localization and mapping)에서 루프 폐쇄 검출을 딥러닝 방법의 일종인 variational autoencoder 를 이용하여 수행하는 방법에 대해 살펴본다. Autoencoder 는 비감독 학습 방법의 일종으로 입력 영상이 신경망을 통과하여 얻은 출력 영상과 동일하도록 신경망을 학습시키는 모델이다. 이 때 autoencoder 중간의 병목 지역을 통과함에도 불구하고 입력과 동일한 영상을 계산해야 하는 제약조건이 있기 때문에 이는 차원 축소나 데이터 추상화의 목적으로 많이 사용된다. 여기서 한 단계 더 발전된 variational autoencoder 는 기존의 autoencoder 가 가진 단점인 입력 변수의 분포와 잠재 변수의 분포 사이에 상관관계가 없다는 단점을 해결하기 위해 Kullback-Leibler divergence 를 활용한 손실 함수를 정의하여 사용했다. 실험결과에서는 루프 폐쇄 검출에서 많이 사용되는 City-Centre 와 New College 데이터 집합을 사용하여 평가하였으며 루프 폐쇄 검출의 결과는 정밀도와 재현율을 계산하여 나타냈다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • AE 모델의 목표는 입력 변수 xi와 출력 변수 yi사이의 차이를 최소화하는 신경망 모델을 학습하는데 있다. 다시 말해 입력 그 자체를 출력으로 내놓는 신경망 모델을 학습하는 것이다.
  • 본 논문에서는 SLAM 시스템에서의 루프 폐쇄 검출을 위해 variational autoencoder를 활용하는 방법에 대해서 연구했다. 장소 인식에 중점을 둔 Places 데이터 집합을 제안하는 VAE 신경망 모델에 입력하여 학습시켰다.
  • 전단부는 센서로부터 측정된 데이터를 3 차원 점군으로 만들고 정합하는 과정을 담당하며 후단부는 루프 폐쇄 검출, 변형 처리, 환경 맵 최적화 등의 과정을 수행한다. 본 논문에서는 전반적인 SLAM 알고리즘의 후단부에서 중요한 부분을 차지하고 있는 루프 폐쇄 검출에 대해 연구를 수행했다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
동시적 위치 추정 및 지도 작성은 무엇인가? 동시적 위치 추정 및 지도 작성 (simultaneous localization and mapping, SLAM)이란 카메라와 같은 센서를 가진 로봇의 주변 환경을 3 차원 모델로 복원함과 동시에 3 차원 공간상에서 로봇의 위치를 추정하는 기술을 말한다. 정확한 3 차원 환경 맵과 로봇의 위치를 예측하는 것은 증강현실, 로보틱스, 자율주행과 같은 응용에서 필수적이다.
루프 폐쇄 검출은 무엇인가? 루프 폐쇄 검출(loop closure detection)이란 로봇의 이동 궤적상에서 현재의 위치가 이전에 방문했던 위치인지를 판단하는 것으로 검출된 결과를 환경 맵 최적화 단계에서 제약조건으로 활용하도록 하여 SLAM 알고리즘의 로봇 표류 문제를 해결한다. 그림 1 에서 보이는 바와 같이 삼각형이 일련의 로봇 궤적이라고 가정하고 동그란 점이 실제로는 동일한 위치라고 하면 그림 1(a)의 루프 폐쇄 검출을 사용하지 않은 경우 누적된 궤적 오차 때문에 예측된 로봇의 궤적이 심하게 뒤틀리는 것을 확인할 수 있다.
동시적 위치 추정 및 지도 작성이 증강현실, 로보틱스, 자율주행과 같은 응용에서 필수적인 이유는 무엇인가? 정확한 3 차원 환경 맵과 로봇의 위치를 예측하는 것은 증강현실, 로보틱스, 자율주행과 같은 응용에서 필수적이다. 첫번째로 증강현실이란 가상의 객체를 사용자가 바라보고 있는 실제 공간에 합성하여 실제로 존재하는 것처럼 느끼도록 하는 기술인데 이는 3 차원 환경 맵의 정확한 복원과 사용자가 바라보는 시점의 정확한 예측이 이루어져야 비로소 가능하다. 두번째로 로보틱스에서는 로봇이 특정한 작업(물체 이동, 분류, 수거 등)을 성공적으로 수행하도록 하기 위해서 로봇 주변의 환경 맵과 로봇의 위치가 반드시 필요하다. 세번째로 자율주행에서는 운송수단이 사고 없이 안전하게 목적지로 탑승자를 이동시키기 위해 SLAM 기술이 활용될 수 있다. 그 외에도 더 많은 응용에서 활용이 가능하며 전단부에서 입력되는 센서(vision, depth, Lidar, fusion)의 종류에 따라 구분되기도 한다.
질의응답 정보가 도움이 되었나요?

관련 콘텐츠

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