1 |
1
특정 공간 지도로부터 노드를 선택하는 노드 선택부;상기 선택된 노드들 각각, 및 로봇의 자기 위치에서 전방향 영상을 획득하는 영상 획득부; 상기 선택된 노드 각각, 및 로봇의 자기 위치에서 전방향 거리 정보를 획득하는 거리정보 획득부; 상기 획득된 영상에서 특징점을 추출하는 특징점 추출부; 상기 거리 정보로부터 상기 추출된 특징점의 특징을 추출하는 특징 추출부; 상기 추출된 특징을 각 노드, 및 로봇의 자기 위치에서의 공간 표상 기술자(descriptor)로 각각 저장하는 기술자 저장부; 상기 로봇의 자기 위치에서의 공간 표상 기술자와, 상기 노드 각각에서의 공간 표상 기술자를 매칭하여 상기 로봇의 위치에 해당되는 후보 노드들을 선정하는 매칭부; 및상기 매칭된 후보 노드들 중 가장 유사한 노드를 선택하여 상기 로봇의 위치로 추정하는 로봇 위치 추정부를 포함하는 로봇의 전역적 자기 위치 추정 시스템
|
2 |
2
제1항에 있어서, 상기 특정 공간은 실내 공간인 것을 특징으로 하는 로봇의 전역적 자기 위치 추정 시스템
|
3 |
3
제1항에 있어서, 상기 공간 표상 기술자는, 상기 특징점의 각(angle) 자세(pose), 및 상기 특징점의 근사 거리값을 포함하는 것을 특징으로 하는 로봇의 전역적 자기 위치 추정 시스템
|
4 |
4
제3항에 있어서, 상기 매칭부는, 상기 로봇의 자기 위치에서의 특징점에 대한 공간 표상 기술자와, 상기 노드 각각에서의 특징점에 대한 공간 표상 기술자를 매칭하는 매칭 수행부; 상기 매칭된 특징점들에서 이상점(outlier)을 제거하는 이상점 제거부; 및상기 매칭된 특징점들의 매칭 점수(score)를 기준으로 후보 노드를 선정하는 후보노드 선정부를 포함하는 것을 특징으로 하는 로봇의 전역적 자기 위치 추정 시스템
|
5 |
5
제4항에 있어서, 상기 매칭 수행부는, 상기 로봇의 자기 위치에서의 특징점과 상기 노드 각각에서의 특징점의 페어(pair)를 생성하는 페어 생성부; 수퍼픽셀(superpixel) 정보를 이용하여 상기 특징점의 페어를 필터링하는 페어 필터링부; 및상기 필터링된 특징점의 페어에 대하여 유사도(similarity)를 바탕으로 매칭 페어를 선정하는 매칭페어 선정부를 포함하는 것을 특징으로 하는 로봇의 전역적 자기 위치 추정 시스템
|
6 |
6
제5항에 있어서, 상기 매칭페어 선정부는, 상기 특징점의 페어에 대하여 유사성 행렬(affinity matrix)을 생성하고, 생성된 유사성 행렬의 고유값(eigenvalue) 중 가장 큰 고유값에 해당되는 고유벡터(eigenvector)로부터 매칭페어를 선정하는 것을 특징으로 하는 로봇의 전역적 자기 위치 추정 시스템
|
7 |
7
제1항에 있어서, 상기 로봇 위치 추정부는, 상기 후보 노드들의 거리 정보를 바탕으로 매칭을 수행하여, 가장 유사한 노드를 선택하는 것을 특징으로 하는 로봇의 전역적 자기 위치 추정 시스템
|
8 |
8
특정 공간에 대한 지도를 생성하는 단계; 및 전역적 자기 위치를 추정하는 단계를 포함하고, 상기 지도를 생성하는 단계는, 노드 선택부가 특정 공간 지도로부터 노드를 선택하는 단계, 영상 획득부가 상기 선택된 노드에서 전방향 영상을 획득하는 단계, 특징점 추출부가 상기 획득 영상에서 특징점을 추출하는 단계, 거리 정보 획득부가 상기 선택된 노드에서 전방향 거리 정보를 획득하는 단계, 특징 추출부가 상기 추출된 특징점의 특징을 추출하는 단계, 및 기술자 저장부가 상기 특징을 공간 표상 기술자로 저장하는 단계를 포함하고, 상기 전역적 자기 위치를 추정하는 단계는, 상기 영상 획득부 및 상기 거리정보 획득부가 로봇의 자기 위치에서 영상 및 거리 정보를 각각 획득하는 단계, 상기 기술자 저장부가 상기 자기 위치에서의 특징 추출을 통해 공간 표상 기술자를 생성하는 단계, 매칭부가 상기 로봇의 자기 위치에서의 특징과 상기 노드에서의 특징을 매칭하여 후보 노드들을 선정하는 단계, 및 로봇 위치 추정부가 상기 후보 노드들 중 가장 유사한 노드를 선택하여 로봇의 위치를 추정하는 단계를 포함하는 로봇의 전역적 자기 위치 추정방법
|
9 |
9
제8항에 있어서, 상기 획득 영상에서 특징점을 추출하는 단계는, 상기 획득 영상에서 수직 에지(edge)를 추출하는 단계; 상기 수직 에지와 상기 획득 영상의 광학 수평선(horizontal optical center line)의 접점을 특징점으로 선정하는 단계; 및상기 특징점 주위에 수퍼픽셀(superpixel)을 생성하는 단계를 포함하는 로봇의 전역적 자기 위치 추정방법
|
10 |
10
제8항에 있어서, 상기 추출된 특징점의 특징을 추출하는 단계는, 상기 특징점의 각(angle) 자세(pose)를 추정하는 단계; 및상기 특징점의 근사 거리값을 획득하는 단계를 포함하는 것을 특징으로 하는 로봇의 전역적 자기 위치 추정방법
|
11 |
11
제8항에 있어서, 상기 후보 노드들을 선정하는 단계는, 상기 로봇의 자기 위치에서의 특징에 대한 공간 표상 기술자와, 상기 노드들 각각의 특징에 대한 공간 표상 기술자를 매칭하는 단계; 상기 매칭된 특징점들에서 이상점(outlier)을 제거하는 단계; 및상기 매칭된 특징점들의 매칭 점수(score)를 기준으로 후보 노드를 선정하는 단계를 포함하는 것을 특징으로 하는 로봇의 전역적 자기 위치 추정방법
|
12 |
12
제11항에 있어서, 상기 공간 표상 기술자를 매칭하는 단계는, 상기 로봇의 자기 위치에서의 특징점과 상기 노드 각각에서의 특징점의 페어(pair)를 생성하는 단계; 수퍼픽셀 정보를 이용하여 상기 특징점들 사이의 거리를 계산하여 페어를 필터링하는 단계; 및상기 필터링된 페어들에 대하여 유사도(similarity)를 바탕으로 매칭 페어를 선정하는 단계를 포함하는 것을 특징으로 하는 로봇의 전역적 자기 위치 추정방법
|
13 |
13
제12항에 있어서, 상기 유사도를 바탕으로 매칭 페어를 선정하는 단계는, 상기 필터링된 페어들에 사이의 유사도를 계산하는 단계; 상기 유사도를 바탕으로 유사성 행렬(affinity matrix)을 생성하는 단계; 상기 유사성 행렬의 고유값(eigenvalue) 및 고유벡터(eigenvector)를 연산하는 단계; 상기 고유값 중 가장 큰 고유값에 해당되는 고유벡터를 획득하는 단계; 상기 고유벡터를 이진화하는 단계; 및상기 고유벡터를 이용하여 매칭된 페어를 선정하는 단계를 포함하는 것을 특징으로 하는 로봇의 전역적 자기 위치 추정방법
|
14 |
14
제8항에 있어서, 상기 로봇의 위치를 추정하는 단계는, 상기 후보 노드들의 거리 정보를 리딩(reading)하는 단계; 상기 거리 정보를 매칭하는 단계; 및상기 거리 정보에 대한 매칭 점수를 기준으로 상기 후보 노드들 중 가장 유사한 노드를 선택하는 단계를 포함하는 것을 특징으로 하는 로봇의 전역적 자기 위치 추정방법
|