몬테카를로 위치추정 알고리즘을 이용한 수중로봇의 위치추정 = Localization on an Underwater Robot Using Monte Carlo Localization Algorithm

국문 초록 (Abstract)

본 논문에서는 몬테 카를로 방법을 사용한 수중로봇의 위치추정 방법을 제안한다. 수중로봇의 위치추정은 자율 주행을 위한 기본 기능의 하나이다. 제안된 알고리즘에 의하면 추측항법(데드 레크닝 방법)의 약점인 위치 오차 누적 문제를 해결할 수 있다. 제안된 방법은 확률적인 방법으로 로봇 동작의 불확실성과 센서 정보의 불확실성을 처리한다. 특히 칼만 필터 방법과 달리, 로봇의 비선형 운동 특성과 센서의 비가우시안 출력 분포 특성을 모델링할 수 있다. 본 논문에서는 수중로봇 위치 추정에 몬테카를로 위치추정(Monte Carlo Localization : MCL, 이하 MCL로 표기함) 알고리즘을 적용하기 위하여 오일러각을 이용하여 모션모델을 구하였다. 또한 수중로봇에 모션모델과 센서모델을 적용하여 시뮬레이션을 구현하고, 이를 통해 수중로봇에 MCL 알고리즘의 적용 가능성을 보였다.

다국어 초록 (Multilingual Abstract)

The paper proposes a localization method of an underwater robot using Monte Carlo Localization(MCL) approach. Localization is one of the fundamental basics for autonomous navigation of an underwater robot. The proposed method resolves the problem of accumulation of position error which is fatal to dead reckoning method. It deals with uncertainty of the robot motion and uncertainty of sensor data in probabilistic approach. Especially, it can model the nonlinear motion transition and non Gaussian probabilistic sensor characteristics. In the paper, motion model is described using Euler angles to utilize the MCL algorithm for position estimation of an underwater robot. Motion model and sensor model are implemented and the performance of the proposed method is verified through simulation.

참고문헌 (Reference)

1 김태균, "유비쿼터스 센서 환경에서의 이동로봇 위치추정" 조선대학교 2009

2 강철우, "변형된 오일러각 기반의 칼만필터를 이용한 자세 추정 성능 향상" 제어·로봇·시스템학회 14 (14): 881-885, 2008

3 Borenstein, J, "Where am I? Sensors and Methods for Mobile Robot Positioning" 130-131, 1996

4 D. H. Titterton, "Strapdown Inertial Navigation Technology Stevenage" Peregrinus 1997

5 Sebastian Thrun, "Probabilistic Robotics" MIT Press 2005

6 P. Corke, "Experiments with Underwater Robot Localization and Tracking" 556-4561, 2007

7 J. J. Leonard, "Autonomous underwater vehicle navigation" MIT Marine Robotics Laboratory, Technical Memo 98-91, 1998

8 박찬국, "A Leveling Algorithm for an Underwater Vehicle Using Extended Kalman Filter" 280-285, 1998