레이저 스캐너와 비전 시스템을 이용한 장애물 감지
Obstacle Detection using Laser Scanner and Vision System
초록/요약
무인이동개체의 장애물 회피 및 용이한 경로 생성을 가능하게 하기 위한 요소로 장애물에 대한 정확한 판단이 필수적이다. 본 논문에서는 이를 위해 레이저 스캐너를 사용하여 장애물에 대한 정확한 판단을 위해 K-means클러스터링 알고리즘을 적용한다. 기존 K-means 알고리즘은 초기 설정된 클러스터의 중심값과 다른 데이터간의 거리값을 비교함으로써 특정 데이터가 어떤 클러스터에 포함되는지를 판단하는 방법으로 초기 중심값 설정이 가변적이라는 단점과 함께 중심값에 따른 계산속도의 차이가 발생하는 문제점을 가지고 있다. 따라서 본 논문에서는 레이저 스캐너로부터 획득한 위치데이터를 각도에 대해 미분함으로써 장애물의 존재유무를 판단하고 클러스터의 초기 중심값을 설정함으로써 기존의 K-means 알고리즘의 문제점을 해결한다. 또한 이차원적인 측정만이 가능한 레이저 스캐너의 단점으로 인해 발생할 수 있는 문제점을 해결하기 위해 비전 시스템을 적용한다. 레이저 스캐너와 비전 시스템의 데이터 융합을 통하여 이차원적인 감지만이 가능한 레이저 스캐너의 단점과 장애물에 대한 정확한 거리 측정이 어려우며 외부 환경 변화에 민감한 비전 시스템의 단점을 해결하여 장애물에 대한 정확한 측정을 가능하게 한다.
more초록/요약
This paper proposes object detection algorithm using laser scanner and vision system for the path planning of autonomous mobile agents. As the scanner-based method can observe the obstacles in only two dimensions, it is hard to detect the shape and the number of obstacles. On the other hand, vision-based method is sensitive to the environment and has its difficulty in the accurate distance measurement. Thus, we combine these two methods based on K-means algorithm such that the obstacle avoidance and optimal path planning of autonomous mobile agents can be achieved.
more목차
1. 서론 = 1
2. 본론 = 3
2.1 정보 수집(Data Acquisition) = 5
2.2 2.2 전처리(Pre-Processing) 과정 = 5
2.2.1 레이저 스캐너 = 5
2.2.2 비전 시스템 = 11
2.3 장애물 결정(Obstacle Decision) = 15
2.3.1 기존의 장애물 식별방법 = 16
2.3.2 제안된 장애물 식별방법 = 17
3. 실험 = 25
3.1 레이저 스캐너를 이용한 무인 ATV의 장애물 인식 = 25
3.2 특정한 상황에서 데이터융합을 통한 무인이동로봇의 장애물 인식 = 31
4. 결론 = 38
참고문헌 = 39
