• 인터넷정보학회논문지
• /
• 제11권1호
• /
• pp.27-33
• /
• 2010

본 논문은 실내 위치 인식을 위하여 ZigBee 이동 장치의 위치를 측정하였으며 Bayesian Markov 위치 추론 기법을 적용하였다. 정확도 분석을 위해 기존의 지도 기반의 위치 인식 기법과 비교하였는데 이 기법은 이미 지정된 위치에서의 RSSI 데이터를 데이터베이스화하여 참조하도록 하는 반면 Bayesian Markov 추론 방법은 시간, 방향, 거리의 변화에 영향을 받았다. 이 두가지 방법에 따른 측정은 지그비 모듈을 사용하여 RSSI를 측정한 결과를 토대로 이루어졌으며 그 결과 실내에서의 RSSI와 거리와의 관계로 접근하는 것이 바람직하며 Bayesian Markov에 의한 분석결과 기존의 지도 기반 위치 인식 기법에 비하여 높은 정확도를 보여주었다. 결과적으로 기존의 지도 기반 위치 인식 기법은 사전에 환경 요인에 대한 설정을 해주어야 하고, 보다 낮은 정확도를 가지고 있으므로 환경 변화가 잦은 실내에서는 부적합하다고 생각된다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2005년도 춘계학술대회 논문집
• /
• pp.1034-1039
• /
• 2005

SALM(Simultaneous localization and mapping) and AI(Artificial intelligence) have been active research areas in robotics for two decades. In particular, localization is one of the most important tasks in mobile robot research. Until now expensive sensors such as a laser sensor have been used for mobile robot localization. Currently, the proliferation of RFID technology is advancing rapidly, while RFID reader devices, antennas and tags are becoming increasingly smaller and cheaper. So, in this paper, the smart floor using passive RFID tags is proposed and, passive RFID tags are mainly used for identifying location of the mobile robot in the smart floor. We discuss a number of challenges related to this approach, such as tag distribution (density and structure), typing and clustering. In the smart floor using RFID tags, the localization error results from the sensing area of the RFID reader, because the reader just knows whether the tag is in the sensing range of the sensor and, until now, there is no study to estimate the heading of mobile robot using RFID tags. So, in this paper, two algorithms are suggested to. The Markov localization method is used to reduce the location(X,Y) error and the Kalman Filter method is used to estimate the heading($\theta$) of mobile robot. The algorithms which are based on Markov localization require high computing power, so we suggest fast Markov localization algorithm. Finally we applied these algorithms our personal robot CMR-P3. And we show the possibility of our probability approach using the cheap sensors such as odometers and RFID tags for mobile robot localization in the smart floor

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2001년도 ICCAS
• /
• pp.36.5-36
• /
• 2001

Localization is one of the key problems in the navigation of autonomous mobile robots. The probabilistic Markov localization approaches offer a good mathematical framework to deal with the uncertainty of environment and sensor readings but their use for realtime applications is limited by their computational complexity. This paper aims to reduce the high computational cost associated with the probabilistic Markov localization algorithm. We propose a hybrid landmark-based localization method combining triangulation and probabilistic approaches, which can efficiently update position probability grid, while the probabilistic framework allows to make use of any available sensor data to refine robot´s belief about its current location. The simulation results show the effectiveness and robustness of the method.

• International Journal of Control, Automation, and Systems
• /
• 제1권3호
• /
• pp.358-367
• /
• 2003

We consider discrete-time factorial Markov Decision Processes (MDPs) in multiple decision-makers environment for infinite horizon average reward criterion with a general joint reward structure but a factorial joint state transition structure. We introduce the "localization" concept that a global MDP is localized for each agent such that each agent needs to consider a local MDP defined only with its own state and action spaces. Based on that, we present a gradient-ascent like iterative distributed algorithm that converges to a local optimal solution of the global MDP. The solution is an autonomous joint policy in that each agent's decision is based on only its local state.cal state.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.1797-1801
• /
• 2005

SLAM(Simultaneous localization and mapping) and AI(Artificial intelligence) have been active research areas in robotics for two decades. In particular, localization is one of the most important issues in mobile robot research. Until now expensive sensors like a laser sensor have been used for the mobile robot's localization. Currently, as the RFID reader devices like antennas and RFID tags become increasingly smaller and cheaper, the proliferation of RFID technology is advancing rapidly. So, in this paper, the smart floor using passive RFID tags is proposed and, passive RFID tags are mainly used to identify the mobile robot's location on the smart floor. We discuss a number of challenges related to this approach, such as RFID tag distribution (density and structure), typing and clustering. In the smart floor using RFID tags, because the reader just can senses whether a RFID tag is in its sensing area, the localization error occurs as much as the sensing area of the RFID reader. And, until now, there is no study to estimate the pose of mobile robot using RFID tags. So, in this paper, two algorithms are suggested to. We use the Markov localization algorithm to reduce the location(X,Y) error and the Kalman Filter algorithm to estimate the pose(q) of a mobile robot. We applied these algorithms in our experiment with our personal robot CMR-P3. And we show the possibility of our probability approach using the cheap sensors like odometers and RFID tags for the mobile robot's localization on the smart floor.

• 제어로봇시스템학회논문지
• /
• 제15권2호
• /
• pp.203-210
• /
• 2009

The problem of outdoor localization can be practically solved by GPS. However, GPS is not perfect and some areas of outdoor navigation should consider other solutions. This research deals with outdoor localization using an elevation map without GPS. This paper proposes a novel feature, elevation moment of inertia (EMOI), which represents the distribution of elevation as a function of distance from a robot in the elevation map. Each cell of an elevation map has its own EMOI, and outdoor localization can be performed by matching EMOIs obtained from the robot and the pre-given elevation map. The experiments and simulations show that the proposed EMOI can be usefully exploited for outdoor localization with an elevation map and this feature can be easily applied to other probabilistic approaches such as Markov localization method.

• 제어로봇시스템학회논문지
• /
• 제17권9호
• /
• pp.916-921
• /
• 2011

Mobile robot localization is the task of estimating the robot pose in a given environment. This research deals with outdoor localization based on an elevation map. Since outdoor environments are large and contain many complex objects, it is difficult to robustly estimate the robot pose. This paper proposes a Hausdorff distance-based map matching method. The Hausdorff distance is exploited to measure the similarity between extracted features obtained from the robot and elevation map. The experiments and simulations show that the proposed Hausdorff distance-based map matching is useful for robust outdoor localization using an elevation map. Also, it can be easily applied to other probabilistic approaches such as a Markov localization method.

• 한국전자통신학회논문지
• /
• 제11권8호
• /
• pp.759-766
• /
• 2016

본 논문은 비정상 상황 시 발생하는 음원에 대해 주변 환경 음에 강인한 음원 구간을 검출하여, 구간내의 신호를 이용한 음원 인식 과 위치 추적 시스템 설계에 관한 연구이다. 강인한 음원 구간 검출은 수신되는 오디오 신호로부터 단 구간 가중 평균 델타 에너지를 계산하여, 저역 통과 필터에 입력 후, 출력되는 결과 값들의 비교를 통해 배경음에 강인한 구간을 정의 하며, 음원 인식은 검출된 구간 내 데이터로부터 종래의 인식 방법인 HMM(: Hidden Markov Model)을 이용해, 음원 인식 정보를 생성하여 학습 및 인식을 한다. 이는 주변 배경음이 포함된 음원 신호에 대해 기존 신호의 에너지를 이용해 구간을 검출 후, HMM을 통한 인식에 비해 3.94% 상향된 인식률을 보인다. 또한 인식 결과를 바탕으로 구간내의 신호간의 TDOA(: Time Delay of Arrival)를 이용한 위치 파악은 실제 발생 위치와의 각도와 97.44%일치함을 보인다.

• 한국통신학회논문지
• /
• 제41권9호
• /
• pp.1060-1068
• /
• 2016

연결정보만을 이용하는 range-free 측위 기법의 성능은 이동성을 갖는 무선 단말 움직임에 취약한 문제점이 있다. 본 논문은 실제 전파 환경을 고려한 실내 네트워크에서 베이지안 필터를 사용하여 실시간으로 움직이는 무선장치를 추적하는 두 가지 알고리즘을 제안하였다. 제안하는 알고리즘은 측정 모델의 선형성에 따라 Kalman filter 와 Markov Chain Monte Carlo (MCMC) particle filter를 적용하였다. Kalman과 MCMC particle filter 기반 알고리즘은 각각 무선단말 간 연결정보를, 이동 단말의 한 홉 간격 내 단말로부터 수신하는 신호의 세기 (RSS: received signal strength)와 연결정보를 혼합한 융합정보를 측정 모델로 사용하였다. 정확한 시뮬레이션을 위해 실내 쇼핑몰 지도를 구현한 네트워크 지형, 그리고 라디오 불규칙도 모델을 적용하였다. 또한, 장애물 존재 여부에 따라 라디오 불규칙도를 분류하였다. 성능평가를 위해 MATLAB 시뮬레이션을 수행하였으며, 기존 range-free 측위 기법보다 향상된 위치정확도를 확인하였다.

• 융합신호처리학회논문지
• /
• 제11권4호
• /
• pp.345-353
• /
• 2010

로봇의 대역적 자기 위치 추정에서의 일반적인 해법은 로봇의 자기 위치에서 복수의 가설을 생성하고, 관측된 랜드마크의 특정을 기초로 각 가설을 평가하여 가장 확실한 자기 위치를 구하는 것이다. 기존의 대표적인 방법인 ML이나 MCL은 랜드마크의 특징과 생성된 가설의 모든 조합을 평가하는 방법으로서 충분한 계산 자원에서는 최적의 방법이라 할 수 있다. 그러나, 일반적으로 계산량은 평가할 조합의 수에 비례하므로 다수의 조합이 존재하는 넓은 환경에서는 이러한 방법은 계산량이 아주 많아진다. 이러한 문제를 해결하기 위하여 본 논문에서는 확실하고 유망한 조합을 우선적으로 선택 평가하는 것으로, 계산시간을 효율적으로 이용하는 새로운 추정방법을 제안한다. 그 기본이 되는 방법으로는 RANSAC 알고리즘과 RANSAC 알고리즘의 효율화 방법인 Preemption scheme을 이용한다. 제안된 방법은 로봇이 관측할 때마다 계산량을 일정치 이하로 억제할 수가 있고, 또한 검증 실험에서 높은 추정 성능을 확인할 수 있었다.