비전을 이용한 이동로봇의 자가측위와 VRML과의 영상 오버레이 = The Localization of Mobile Robot using Vision and Overlay with VRML

다국어 초록 (Multilingual Abstract)

Inaccurate localization exposes a robot to many dangerous conditions. It could make a robot be moved to wrong direction or damaged by collision with surrounding obstacles. There are numerous approaches to self-positioning, and there are different modalities as well (vision, laser range finders, ultrasonic sonars). Since sensor information is generally uncertain and contains noise, there are many researches to reduce the noise. But, the correctness is limited because most researches are based on statistical approach.
The goal of our research is to measure more exact robot location by matching between built 3D model and real vision image. To determine the position of mobile robot, landmark-localization technique is applied. Landmarks are any detectable structure in the physical environment. Some use vertical lines, others use specially designed markers, e.g., crosses or patterns of concentric circles. In this paper, specially designed markers are used as landmarks. Given known focal length and a single image of three landmarks it is possible to compute the angular separation between the lines of sight of the landmarks. If the world positions of the landmarks are known the angular separations can be used to compute the robot position and heading relative to a 2D floor map. The robot, That is, identifies landmarks in the environment and carries out the self-positioning. The image-processing and neural network pattern matching techniques are employed to recognize landmarks placed in a robot working environment. After self-positioning, the 2D scene of the vision is overlaid with the VRML scene. This paper describes how to realize the self-positioning and shows the result of overlapping between the 2D scene and VRML scene. In addition we describe the advantage expected from overlapping both scenes.

목차 (Table of Contents)

• 1. 서 론 = 1
• 1.1 연구 배경 = 1
• 1.2 논문 구성 = 3
• 2. Linear Position Estimation Algorithm = 4
• 2.1 기존 Triangulation 기법 = 4
• 2.1.1 3개의 Landmark에 의한 Triangulation = 4
• 2.1.2 개의 Landmark에 의한 Triangulation() = 5
• 2.2 Linear Position Estimation = 8
• 3. Landmark 추출 및 인식 = 15
• 3.1 이미지 프로세싱 절차 = 15
• 3.1.1 히스토그램 평활화 = 15
• 3.1.2 칼라영상 이진화 = 18
• 3.1.3 이진화 된 영상 노이즈 제거 = 20
• 3.1.4 경계추적 알고리즘 = 21
• 3.1.5 에러 제거 및 중앙 마크 분리 = 25
• 3.2 feature 정의 = 26
• 3.2.1 feature 값 추출 = 26
• 3.2.2 feature 스케일링 = 28
• 3.3 신경회로망 = 29
• 3.3.1 신경회로망의 개요 = 29
• 3.3.2 역전파 알고리즘(Back-propagation Algorithm) = 30
• 3.3.3 패턴인식 신경회로망 구성 = 32
• 3.3.4 패턴인식 신경회로망 학습 = 33
• 4. VRML과 3차원 영상구현 = 35
• 4.1 VRML 개요 = 35
• 4.1.1 VRML의 특징 = 36
• 4.1.2 VRML 문법 = 37
• 4.1.3 VRML의 필드와 노드 = 40
• 4.1.4 IndexedFaceSet 노드 = 43
• 4.1.5 자바 EAI와 VRML 제어 = 44
• 4.2 3차원 영상구현 = 47
• 4.2.1 3차원 컴퓨터 그래픽스 소개 = 48
• 4.2.2 관측방향에 따른 좌표변환 = 49
• 4.2.3 원근투영 = 52
• 4.3 VRML의 3차원 영상 구현 = 55
• 5. 로봇 측위 시스템과 3차원 영상과의 Overlay = 56
• 5.1 시스템의 개요 = 56
• 5.2 영상 내 세로선 추출 = 59
• 5.3 시스템에 대한 고찰 = 61
• 6. 시뮬레이션 = 62
• 6.1 시뮬레이션 환경 = 62
• 6.1.1 실험 장비 = 62
• 6.1.2 로봇 작업 환경구축 = 62
• 6.1.3 좌표계 = 64
• 6.2 신경회로망 패턴인식률 실험 = 65
• 6.2.1 feature 추출 및 패턴인식률 측정 실험 방법 = 65
• 6.2.2 신경회로망 패턴인식률 실험결과 = 66
• 6.3 Landmark-Localization 실험 = 68
• 6.3.1 Landmark-Localization 실험 방법 = 68
• 6.3.2 Landmark-Localization 실험 결과 = 69
• 6.4 VRML과의 영상 오버레이와 위치 보정 결과 = 71
• 6.4.1 VRML과의 영상 오버레이 = 71
• 6.4.2 VRML을 이용한 위치 보정 = 72
• 7. 결 론 = 77
• 7.1 결 론 = 77
• 7.2 차후과제 = 78