평면 랜드마크를 이용한 영상 기반 HMT-SLAM

Abstract

자율주행 로봇연구에서 SLAM(Simultaneous Localization And Mapping) 기술은 주요기술 중 하나로써, 단일 카메라를 이용하여 로봇과 랜드마크의 위치를 추정하고 동시에 지도를 작성하는 방법을 Mono-SLAM이라고 한다. 본 논문에서는 모노카메라를 통해 획득한 시점이 다른 두 영상의 SURF 특징점의 정합(Matching)을 이용하여 대응점(Correspondence)을 추출하고, 영상 내 같은 평면에 속하는 대응점을 분류하여 평면을 검출하여 SLAM의 랜드마크로 활용한다. 영상에서 쉽게 추출할 수 있는 랜드마크로는 점, 선 특징이 있지만 데이터 정합(Data association)이 어렵다는 문제가 있다. 검출된 평면 영역을 이용하면 다수의 특징점 정합을 통해 랜드마크를 인식하기 때문에 점, 선 특징에 비해 데이터 정합의 정확성이 높고, 안정된 정합을 위한 트래킹(Tracking) 등의 추가과정 없이 특징점의 정합만을 이용하여 쉽게 인식할 수 있다. 모노카메라를 이용한 랜드마크의 위치는 카메라 시점의 변위와 변화한 방위각을 이용하여 삼각법에 의해 추정할 수 있다. 본 논문에서는 평면의 위치를 추정하기 위하여 3자유도를 갖는 로봇의 변위와 평면 랜드마크의 변화한 방위각을 관측하여 평면의 위치를 확률 분포로 추정한다. 확률분포로 추정된 평면 랜드마크의 위치는 EKF(Extended Kalman Filter)기반 SLAM에서 관측거리와 관측 잡음의 관측모델에 바로 이용할 수 있으며, 이 관측정보를 통해 모든 상태를 갱신하게 된다. 관측 잡음으로 인한 위치분포의 불확실성을 줄여주기 위하여 다양한 위치에서 변화되는 방위각을 관측하고 불확실성의 확률 분포를 갱신한다. 제안한 방법을 통해 추출한 평면 랜드마크 기반의 수치지도(Metric Map)를 만드는 동시에 로봇의 위치를 추정한다. 평면을 기반으로 작성된 수치지도를 부분지도로 작성하고, 각 지역적인 부분지도의 기준 좌표를 위상지도(Topological Map)의 노드로 표현하여, 모든 랜드마크간의 상관관계(Correlation)를 부분지도 단위로 분리하여 독립시킨다. 이 방법을 통해 작성된 지도를 HMT(Hybrid Metric Topological)지도라고 하며, 노드간의 계층적 표현을 통해 HMT-SLAM을 구현하여 EKF-SLAM의 계산 복잡도 를 개선한다. EKF-SLAM에서 작성된 전체지도(Global map)는 새로운 환경에 대하여 증가하는 에러로 인하여 만들어지는 지도의 에러가 누적되는 문제점이 있으나, HMT지도에서 독립된 부분지도의 에러는 누적되는 에러와 독립됨으로써 더 정확한 위치추정이 가능하다. 본 논문의 실험에서는 평면 랜드마크를 이용한 비전기반 HMT-SLAM을 구현하고 작성된 지도를 이용하여 로봇의 주행이 가능함을 보이도록 하겠다.

| The SLAM(Simultaneous Localization And Mapping) is the important technique for mobile robot navigation. The successful solution of SLAM have concerned a robot that perceives the environment with a laser range finder. Recently, solutions to SLAM using vision have been proposed, so we called mono-SLAM. The camera sensor has the advantage of cheapness, small size and lightweight. In addition, the vision offer the benefit of providing plenty of information by analyzing the perceived scenes. Most of vision SLAM have used point features and line features recently. One of limitations to the SLAM based on natural landmark is the data association problem. However the plane carry more geometric information. This paper proposes a method to detect plane regions using the affine homography from image pairs. Using image pairs from monocular sequence, detecting points belonging to the same plane by using the reprojection error. A monocular camera can measure only bearing data. To estimate a range from a camera to landmarks two or more measurements are required. The location of landmarks is represented the gaussian distribution using a motion information from the odometry and the bearing data from a camera. This distribution contains an correlated uncertainty and is easy to use since the robot and landmarks state are represented Gaussian distribution in the kalman filtering based solution to SLAM. We build a landmarks based metric map by using estimated location of landmarks and EKF-SALM. We used the concept of MHT-SLAM to deal with SLAM problem which pursues robustness and accuracy in a large-scale environment. The HMT-map represents the topology of environments with nodes(area) and metric sub-maps by conditioning the belief distribution of map. The initial local coordinate of sub-map is the robot pose when system start to build a metric sub-map. Each of conditional independent metric sub-map contains small error. If a robot can move from sub-map to others, the robot estimate its pose more accurately in a sub-map. We proposed the vision based HMT-SLAM using planar landmarks to deal with the data association accurately. We demonstrated the performance of our method with a web camera equipped on Pioneer3-DX mobile robot in the corridor.; The SLAM(Simultaneous Localization And Mapping) is the important technique for mobile robot navigation. The successful solution of SLAM have concerned a robot that perceives the environment with a laser range finder. Recently, solutions to SLAM using vision have been proposed, so we called mono-SLAM. The camera sensor has the advantage of cheapness, small size and lightweight. In addition, the vision offer the benefit of providing plenty of information by analyzing the perceived scenes. Most of vision SLAM have used point features and line features recently. One of limitations to the SLAM based on natural landmark is the data association problem. However the plane carry more geometric information. This paper proposes a method to detect plane regions using the affine homography from image pairs. Using image pairs from monocular sequence, detecting points belonging to the same plane by using the reprojection error. A monocular camera can measure only bearing data. To estimate a range from a camera to landmarks two or more measurements are required. The location of landmarks is represented the gaussian distribution using a motion information from the odometry and the bearing data from a camera. This distribution contains an correlated uncertainty and is easy to use since the robot and landmarks state are represented Gaussian distribution in the kalman filtering based solution to SLAM. We build a landmarks based metric map by using estimated location of landmarks and EKF-SALM. We used the concept of MHT-SLAM to deal with SLAM problem which pursues robustness and accuracy in a large-scale environment. The HMT-map represents the topology of environments with nodes(area) and metric sub-maps by conditioning the belief distribution of map. The initial local coordinate of sub-map is the robot pose when system start to build a metric sub-map. Each of conditional independent metric sub-map contains small error. If a robot can move from sub-map to others, the robot estimate its pose more accurately in a sub-map. We proposed the vision based HMT-SLAM using planar landmarks to deal with the data association accurately. We demonstrated the performance of our method with a web camera equipped on Pioneer3-DX mobile robot in the corridor.