227 0

자가 교시 지형 분류와 3차원 지도 작성

Title
자가 교시 지형 분류와 3차원 지도 작성
Other Titles
Self-Supervised Terrain Classification and 3D Map Building
Author
송동희
Alternative Author(s)
Song, Donghui
Advisor(s)
최병욱
Issue Date
2012-02
Publisher
한양대학교
Degree
Master
Abstract
야외환경에서 비전 센서를 이용한 자율 로봇(Autonomous robot)의 경우, 원하는 장소까지 안전하게 이동하기 위해서는 로봇 스스로 주위 환경을 인지하는 기능, 즉 지형 분류(Terrain Classification), 혹은 지형이 인지된 지도가 필요하다. 본 논문은 다양한 외부 환경에서 사용자 도움 없이, 로봇이 스스로 환경에 적응하기 위해 주변의 사람 혹은 차량을 관찰하여 이동한 경로를 알아내고, 객체들이 지나간 영역과 그렇지 않은 영역을 학습함으로써 미지의 환경에서도 로봇이 이동할 수 있는 지형을 분류하는 방법과 로봇이 이동하며 그 지형이 분류된 결과를 이용하여 지형이 인지된 3차원 지도를 작성하는 방법을 제안한다. 제안하는 자가 교시 학습 시스템은 로봇이 정지한 상태에서 외형 정보를 이용하여 움직이는 사람과 차량을 관측하고, 객체를 크기와 위치 기반으로 추적하며 객체의 데이터를 저장한다. 그 저장된 데이터를 이용하여 사람과 차량이 이동한 경로를 생성하고, 생성된 경로를 통해 인도와 차도, 그 외의 지형으로 나눠 주변 환경을 학습한다. 그리고 제안하는 3차원 지도는 자가 교시를 한 후에, 로봇이 현 환경을 인지하며 이동하는 동시에 RGBD-ICP 알고리즘을 통해 인도와 차도, 그 외의 로봇이 갈 수 없는 지형이 인지된 3차원 지도를 제작한다. 실험을 통해 정답(Ground-truth) 이미지와 대비하여 사용자의 판단에 의한 교시학습(Supervised Learning)과 제안한 자가 교시(Self-Supervised) 방법을 비교하여 지형 분류 성능을 검증하였고, 약 0 - 11%정도 차이나는 것을 확인하였다. 또한 로봇이 이동하며 제작한 3D 지도는 실제 환경과 비교하여 지형이 분류되어 지도가 작성됨을 확인하였다.| When an autonomous robot needs to reach a destination, the most important and basic process before moving is assessing the safety of the surrounding environment and finding a safe path of movement. This process could incorporate GPS and mapping technology, but a GPS system is not accurate enough to identify an exact position, and maps do not include all objects, especially moving objects. For solving these problems, terrain classification is essential in finding a safe pathway to a destination. Terrain classification is based on learning, but robots can not store all types of image data because of a limit to memory. This paper presents a self-supervised classification approach to enable a robot to learn the visual appearance of terrain classes in various outdoor environments by observing moving objects, such as humans and vehicles, and to learn about the terrain, based on their paths of movement and a 3D map which show the class of terrains. We verified the performance of our proposed method experimentally and compared the results with those obtained using supervised classification. The difference in error rates between the self-supervised and the supervised methods was about 0-11%. Also, we showed a result of the proposed 3D map compared with real world images and maps.
When an autonomous robot needs to reach a destination, the most important and basic process before moving is assessing the safety of the surrounding environment and finding a safe path of movement. This process could incorporate GPS and mapping technology, but a GPS system is not accurate enough to identify an exact position, and maps do not include all objects, especially moving objects. For solving these problems, terrain classification is essential in finding a safe pathway to a destination. Terrain classification is based on learning, but robots can not store all types of image data because of a limit to memory. This paper presents a self-supervised classification approach to enable a robot to learn the visual appearance of terrain classes in various outdoor environments by observing moving objects, such as humans and vehicles, and to learn about the terrain, based on their paths of movement and a 3D map which show the class of terrains. We verified the performance of our proposed method experimentally and compared the results with those obtained using supervised classification. The difference in error rates between the self-supervised and the supervised methods was about 0-11%. Also, we showed a result of the proposed 3D map compared with real world images and maps.
URI
https://repository.hanyang.ac.kr/handle/20.500.11754/137125http://hanyang.dcollection.net/common/orgView/200000419259
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > INTELLIGENT ROBOT ENGINEERING(지능형로봇학과) > Theses (Master)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE