비전기반의 소실점을 이용한 실내환경에서의 구조적인 랜드마크 인식

Abstract

For mobile robot, the place that gives a decisive clue in finding robot’s location is called landmark. Especially, in indoor environments, junctions that are made by corridors and end of corridors are useful to depict the structure of the environment. And they can be exploited as a good landmark in case that there is only a few visual features around the environment as well. In this paper, based on vision sensors, we propose a method to recognize structural landmarks in indoor environment through multi-layered HMM modeling. Generally, indoor environments that are constructed by human are orthogonally structured. Structural characteristics of such an environment can be analyzed by estimating vanishing points on images of them. To quantify the aspect of feature, we extract feature vectors by calculating vanishing points on 3 images. Feature vectors are transformed into observations through clustering process and are learnt for landmark recognition in real. In the upper layer of HMM, whether the robot is located in one of landmarks or not is simply classified and, in the lower layer of HMM, the decision to specific landmark is accomplished in comparison with probabilities of each 6 HMM. We demonstrate the performance of our method with three consumer-level web cameras that are equipped on Pioneer-AT mobile robot in twelve buildings of Hanyang University. Results in upper layer which discriminates landmark and normal corridor show more than 90% of recognition performance and, in lower layer, results show more than 75% of recognition performance.; 이동로봇에게 있어서, 주어진 환경에서 자신의 위치인식에 대한 결정적인 도움을 주는 장소를 랜드마크라고 일컫는다. 특히 실내환경의 경우 복도와 복도가 만나는 지점과 복도가 끝나는 지점은 주어진 환경의 골격을 묘사하기 쉽게 할 뿐 아니라 환경을 구분 지을 특징적인 시각정보가 빈약한 경우에 유용한 랜드마크가 될 수 있다. 본 논문에서는 비전센서만을 기반으로, 다계층 HMM모델링을 통한 실내환경에서의 구조적인 랜드마크를 인식 방법을 제안한다. 대부분의 실내환경은 직선과 평면들의 수직적인 결합구조를 지닌다. 그러한 3차원 환경에 대한 이미지가 주어질 때, 소실점을 계산함으로써 환경의 특징이 분석될 수 있다. 우리는 매 프레임 3쌍의 이미지로부터의 소실점 계산을 통해 특징벡터를 획득한다. 특징벡터들은 군집화 과정에 의해 HMM의 관측값으로 변환되며 랜드마크 인식을 위해 학습된다. 상위 HMM계층에서는 현재 로봇의 위치가 평범한 복도인지 랜드마크 인지, 하위 HMM 계층에서는 구체적으로 어떤 랜드마크인지가 각각 확률적으로 평가된다. 제안된 방법에 대한 실험은 파이오니어 PA-3위에 탑재된 3개의 저가의 웹캠과 함께 한양대학교 내의12곳의 다양한 실내 환경에서 수행되었다. 실험결과를 통해, 상위 HMM 계층에서 보통의 복도와 랜드마크를 구분하는 능력은 90% 이상의 성능을, 하위 HMM계층에서 구체적인 랜드마크를 인식하는 능력은 평균 75% 이상의 인식 성능을 보여준다.