• 한국측량학회지
• /
• 제37권2호
• /
• pp.45-53
• /
• 2019

RGB-D SLAM (Simultaneous Localization and Mapping) refers to the technology of using deep camera as a visual sensor for SLAM. In view of the disadvantages of high cost and indefinite scale in the construction of maps for laser sensors and traditional single and binocular cameras, a method for creating three-dimensional map of indoor environment with deep environment data combined with RGB-D SLAM scheme is studied. The method uses a mobile robot system equipped with a consumer-grade RGB-D sensor (Kinect) to acquire depth data, and then creates indoor three-dimensional point cloud maps in real time through key technologies such as positioning point generation, closed-loop detection, and map construction. The actual field experiment results show that the average error of the point cloud map created by the algorithm is 0.0045m, which ensures the stability of the construction using deep data and can accurately create real-time three-dimensional maps of indoor unknown environment.

• 제어로봇시스템학회논문지
• /
• 제13권10호
• /
• pp.1025-1031
• /
• 2007

GPS is widely used for positioning applications and attitude of a vehicle can be found also with multiple antennas. However, extremely weak signal level prevents GPS from indoor operation. DR with accelerometers and gyros and landmark based localization method used for indoor applications increase complexity and cost. In this paper, a simple but very efficient ultrasound based attitude determination system which determines both position and attitude in WSN is given. The range between transmitter and receivers are measured using the arrival time difference between ultrasound and RF signal. The 3 dimensional positions can be found using more than 3 range measurements. Furthermore, if more than 2 transmitters are used, the attitude can be determined using the baseline vectors obtained by differencing transmitter and receiver positions. The prototype system is implemented to evaluate the performance of the proposed method. In addition, an error analysis shows the relation between the attitude error and basel me length, quality of measurement and orientation of a vehicle. The static and dynamic experiments performed by micro mobile robot shows accurate position with less than 1.5cm error and attitude with less than 1 degree error can be obtained continuously with 20cm baseline. It is expected that these results can be adapted without modification to indoor applications such as home cleaning robot and autonomous wheelchair maneuvering.

• 대한원격탐사학회지
• /
• 제38권6_3호
• /
• pp.1827-1836
• /
• 2022

재난은 돌발적으로 발생하여 예측하기가 쉽지 않고 그 규모도 과거에 비해 커지고 있어 피해가 증가하고 있으며, 하나의 재난이 2차 재난으로 발전하는 경우가 많다. 재난관리의 4가지 단계 중 응급상황이 발생하는 대응단계에서 행해지는 수색과 구조 과정에서, 현장에 투입되는 인원들은 많은 위험을 감수하고 현장에 투입되고 있다. 이러한 점에서 로봇은 재난현장의 초기 대응과정에서 인명 및 재산의 피해를 줄일 수 있는 가능성이 높은 기술이다. 또한, Light Detection And Ranging (LiDAR)는 레이저를 이용하여 비교적 넓은 범위의 3차원 정보를 획득하고 정확도 및 정밀도가 높아 재난 현장의 특징을 생각할 때 매우 유용한 센서이다. 이에 본 연구에서는 로봇이 재난 현장에서 활용될 수 있도록 LiDAR와 Inertial Measurement Unit (IMU) 센서에 실시간 모니터링을 위한 컴퓨팅 보드를 결합하여 하나의 다중센서모듈 및 조사로봇 맞춤형 Simultaneous Localization and Mapping (SLAM) 알고리즘을 개발하였다. 다중센서모듈이 재난 현장에서 최적의 정확도를 유지할 수 있도록 조사로봇에 안정적으로 탑재하는 방안에 대해 연구하였고, 모듈의 성능을 확인하기 위해 재난건축물 실내에서 SLAM 맵핑을 수행하여 다양한 SLAM알고리즘과 거리 비교를 수행하였다. 그 결과, 본 연구에서 개발한 PackSLAM이 낮은 오차를 나타내어 활용 가능성을 보였다. 향후 재난현장에서의 적용성을 더욱 높이기 위해 장애물이 많은 험지환경을 구축하여 다양한 실험을 수행할 예정이다.

• 로봇학회논문지
• /
• 제7권3호
• /
• pp.205-215
• /
• 2012

A GPS sensor is widely used in many areas such as navigation, or air traffic control. Particularly, the car navigation system is equipped with GPS sensor for locational information. However, when a car goes through a tunnel, forest, or built-up area, GPS receiver cannot get the enough number of satellite signals. In these situations, a GPS receiver does not reliably work. A GPS error can be formulated by sum of bias error and sensor noise. The bias error is generated by the geometric arrangement of satellites and sensor noise error is generated by the corrupted signal noise of receiver. To enhance GPS sensor accuracy, these two kinds of errors have to be removed. In this research, we make the road database which includes Road Database File (RDF). RDF includes road information such as road connection, road condition, coordinates of roads, lanes, and stop lines. Among the information, we use the stop line coordinates as a feature point to correct the GPS bias error. If the relative distance and angle of a stop line from a car are detected and the detected stop line can be associated with one of the stop lines in the database, we can measure the bias error and correct the car's location. To remove the other GPS error, sensor noise, the Kalman filter algorithm is used. Additionally, using the RDF, we can get the information of the road where the car belongs. It can be used to help the GPS correction algorithm or to give useful information to users.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권11호
• /
• pp.4084-4104
• /
• 2021

Visual place recognition (VPR) is a fundamental yet challenging task of mobile robot navigation and localization. The existing VPR methods are usually based on some pairwise similarity of image descriptors, so they are sensitive to visual appearance change and also computationally expensive. This paper proposes a simple yet effective four-step method that achieves adaptive convolutional neural network (CNN) landmark matching for VPR. First, based on the features extracted from existing CNN models, the regions with higher significance scores are selected as landmarks. Then, according to the coordinate positions of potential landmarks, landmark matching is improved by removing mismatched landmark pairs. Finally, considering the significance scores obtained in the first step, robust image retrieval is performed based on adaptive landmark matching, and it gives more weight to the landmark matching pairs with higher significance scores. To verify the efficiency and robustness of the proposed method, evaluations are conducted on standard benchmark datasets. The experimental results indicate that the proposed method reduces the feature representation space of place images by more than 75% with negligible loss in recognition precision. Also, it achieves a fast matching speed in similarity calculation, satisfying the real-time requirement.

• 전자공학회논문지
• /
• 제52권8호
• /
• pp.132-139
• /
• 2015

카메라를 이용하는 시각(visual) SLAM(Simultaneous Localization And Mapping)은 로봇의 위치 등을 파악하는데 널리 이용되고 있다. 일반적으로 시각 SLAM은 움직임이 없는 고정된 특징점을 대상으로 연속적인 시퀀스 상에서 카메라의 움직임을 추정한다. 따라서 이동하는 객체가 많이 존재하는 상황에서는 안정적인 결과를 기대하기 어렵다. 본 논문에서는 이동 객체가 많은 상황에서 스테레오 카메라를 이용한 SLAM을 안정화하는 방법을 제안한다. 먼저, 스테레오 카메라를 이용하여 깊이영상을 추출하고 옵티컬 플로우를 계산한다. 그리고 좌우 영상의 옵티컬 플로우를 이용하여 시차변화(disparity change)를 계산한다. 그리고 깊이 영상에서 사람과 같이 움직이는 객체에 대한 ROI(Region Of Interest)를 구한다. 실내 상황에서는 벽과 같은 정적인 평면들이 움직이는 영역으로 잘못 판단되는 경우가 자주 발생한다. 이런 문제점을 해결하기 위해 깊이 영상을 X-Z 평면으로 사영하고 허프(hough) 변환하여 장면을 구성하는 평면을 결정한다. 앞의 과정에서 판단된 이동 객체 중에서 벽과 같은 장면 요소를 제외한다. 제안된 방법을 통해 정적인 특징점이 요구되는 SLAM의 성능을 보다 안정화할 수 있음을 확인하였다.

• 한국건설관리학회논문집
• /
• 제17권3호
• /
• pp.32-42
• /
• 2016

현재 국내 대부분의 토목 건축 구조물이 BIM 정보가 부재한 상황에서 준공 BIM(as-built BIM)의 수요가 점차 증가하고 있다. 준공 BIM 구축을 위한 공간자료 취득에는 고밀도의 포인트 클라우드를 생성할 수 있는 레이저 스캐너가 주로 활용되고 있다. 하지만 기존의 고정식 스캔 시스템은 이동이 번거롭고, 정밀한 위치 선정이 필요 하며, 스캔 자료 정합을 위해 별도의 표지를 설치하거나 공액점을 추출하는 과정이 필요하다. 본 연구에서는 수작업을 최소화하기 위해 기존의 고정식 스캔 시스템을 대체할 수 있는 이동식 스캔 시스템을 제안하고자 하며, 기반 기술로 graph-based SLAM을 적용하였다. 테스트 장비는 총 세 개의 2차원 스캐너를 탑재하고 있으며, 중앙의 한 개는 수평으로 설치되어 graph 구축을 통한 이동경로취득에 사용되었고, 좌우 두 개는 수직으로 설치되어 시스템 진행의 연직 방향으로 주변 구조물에 대한 3차원 스캔 정보 취득에 사용되었다. 개발된 graph-based SLAM은 이동경로 상에 누적된 위치오차를 해소하기 위한 loop closure 처리 방법으로 Adaboost 기계학습을 적용하였다. 이는 특히 본 연구에서 사용한 장비와 같이 기계학습을 위한 다수의 feature 정보를 제공할 수 있는 멀티 스캐너 시스템에 적합한 방식이며, 두 실내공간을 대상으로 한 테스트에서 단일 스캐너 대비 false positive rate를 각각 7.9% 및 13.6%까지 줄일 수 있었다. 최종적으로 연구대상지역의 2차원 및 3차원 지도 구축을 통해 개발된 graph-based SLAM의 효용성을 확인하였다.