1 |
1
초음파 센서와 비젼 센서를 기반으로 하는 이동로봇의 확장된 칼만 필터 동시 위치인식 및 지도형성 방법에 있어서,초음파 센서를 이용한 피처(Feature)인식 방법은, 상기 초음파 센서로부터 얻은 데이터를 처리하여 점 피처와 선피처를 동시에 인식하며;비젼 센서를 이용한 물체인식 방법은,Multi-Scale Harris Corner(MSHC) 특징점 추출 방법을 사용하고; 이 특징점 추출은 다운 샘플링 방식을 사용하며; 각각의 특징점 주변의 영상 정보를 나타내는 특징량은 Scale Invariant Feature Transform(SIFT)을 사용하는 것을 특징으로 하는, 초음파 센서와 비젼 센서를 기반으로 하는 이동로봇의 확장된 칼만 필터 동시 위치인식 및 지도형성 방법
|
2 |
2
제1항에 있어서, 상기 이동로봇에 대한 인식된 물항 상기 MSHC 특징점에 영상의 정보를 정보를 측정하기 위하여, 하기 식의 앤트로피(H)를 사용하여, 특징점 추출과정에서 각각의 특징점 i 주변의 영상으로부터 엔트로피 Hi를 계산하고, 이 값이 기준값보다 작게 되면 물체인식에 사용되는 특징점에서 제외시키는 것을 특징으로 하는, 초음파 센서와 비젼 센서를 기반으로 하는 이동로봇의 확장된 칼만 필터 동시 위치인식 및 지도형성 방법
|
3 |
3
제1항에 있어서, 상기 물체인식은,가정환경에 존재하는 물체의 정확한 인식을 위해, 평면 물체 데이터베이스를 미리 구성하고, 현재의 영상 정보에서 물체를 인식하기 위하여 상기 평면 물체 데이터베이스 정보로부터 하기 식의 측정(measure)에 기반으로 하는 RANSAC 클러스터링(clustering) 방법을 사용하는 것을 특징으로 하는, 초음파 센서와 비젼 센서를 기반으로 하는 이동로봇의 확장된 칼만 필터 동시 위치인식 및 지도형성 방법
|
4 |
4
제1항에 있어서, 비젼 센서를 이용한 물체인식 방법은, 이동로봇의 자세와 랜드마크의 위치를 정확히 추정하기 위하여, 상기 이동로봇과 인식된 물체의 상대적인 거리를 사용하고, 상기 인식된 물체의 중심점의 깊이는 하기식에 의해 결정되는 것을 특징으로 하는, 초음파 센서와 비젼 센서를 기반으로 하는 이동로봇의 확장된 칼만 필터 동시 위치인식 및 지도형성 방법
|
5 |
5
제1항에 3있어서, 상기 점 피처를 인식하기 위하여, Triangulation-Based Fusion(TBF)방법에서, Stable intersection을 사용하는 것을 특징으로 하는, 초음파 센서와 비젼 센서를 기반으로 하는 이동로봇의 확장된 칼만 필터 동시 위치인식 및 지도형성 방법
|
6 |
6
제1항에 있어서, 상기 점 피처를 인식하기 위하여, Triangulation-Based Fusion(TBF)방법에서, 로봇의 위치 변화가 주어진 값보다 작은 경우에는 슬라이딩 윈도우의 가장 최근 센서 데이터만을 현재 센서 데이터로 교체하는 방법을 사용하는 것을 특징으로 하는, 초음파 센서와 비젼 센서를 기반으로 하는 이동로봇의 확장된 칼만 필터 동시 위치인식 및 지도형성 방법
|
7 |
7
제1항에 있어서, 상기 점 피처를 인식하기 위하여, Triangulation-Based Fusion(TBF)방법에서, 인접하는 초음파 센서에서의 거리 측정값과의 유사성을 이용하여 잘못된 점 피처를 제거하는 방법을 사용하는 것을 특징으로 하는, 초음파 센서와 비젼 센서를 기반으로 하는 이동로봇의 확장된 칼만 필터 동시 위치인식 및 지도형성 방법
|
8 |
8
제1항에 있어서, 인접한 초음파 센서에서의 거리 측정값을 이용하여, 상기 라인 피처를 인식하는 것을 특징으로 하는, 초음파 센서와 비젼 센서를 기반으로 하는 이동로봇의 확장된 칼만 필터 동시 위치인식 및 지도형성 방법
|