모서리 특징과 군집화를 이용한 시각 집중 기반의 SLAM

Abstract

이동 로봇이 실생활에 사용되기 위해 필요한 핵심 기술 중 로봇 스스로 자기위치를 추정을 하고 동시에 주변 환경에 대한 지도를 작성하는 SLAM(Simultaneous Localization and Mapping)이다. 카메라 센서 기반의 SLAM에서는 영상에서의 특징을 분석하여 데이터 연관을 수행하기 때문에 표식 선택(Landmark selection)이 매우 중요하다. 특히, 미지의 환경에서는 표식에 대한 사전정보가 없기 때문에 표식을 자동 선택하는 기술이 필요하다. 본 논문에서는 표식을 자동 선택하기 위해 인간의 시각 집중 방식을 모델링한 시각 집중(Visual attention) 시스템을 이용한다. 기존의 시각 집중 시스템에서 윤곽선은 시각 집중을 위한 세 가지 요소 중 하나이다. 하지만 복잡한 실내 환경에서 윤곽선의 응답 값은 정규화 연산으로 인해 정보가 많은 복잡한 영역의 윤곽선에 대한 응답은 낮아지고, 특징이 없는 평면이나 평면들 간의 경계에서 높은 값을 가지게 된다. 본 논문에서는 모서리 특징을 사용함으로써 정보가 많은 복잡한 영역을 우선 집중시킨다. 또한 주행을 통하여 현재 환경에 대한 정보를 수집한 후, 군집화를 통해 표식으로써 희소성이 큰 영역만을 선택적으로 시각집중 하여 데이터 연관의 정확도를 높인다. 실험결과, 모서리 특징을 이용한 시각 집중은 미세한 이동 혹은 빛과 같은 외부적인 환경 변화에서도 일정하고 고정된 영역을 집중하였으나, 기존방식에서는 산발적이고 일관성 없는 시각 집중을 하였다. 그 뿐만 아니라, 군집화를 통한 선택적인 시각집중을 통하여 희소성이 큰 표식을 등록 및 선택 할 수 있었으며, 그로인해 데이터 연관의 정확도가 높아져 기존 방식에 비해 SLAM 결과도 크게 향상 되는 것을 볼 수 있었다.