In order to automate industrial inspection robots in repetitive pattern environments, robot localization and map building are necessary. A viable solution to address this issue is Simultaneous Localization and Mapping (SLAM), with visual SLAM specifically utilizing camera images. However, conventional visual SLAM techniques struggle in tile environments due to errors in feature matching caused by the presence of recurring similar patterns. To tackle this issue, a visual SLAM system based on Map Point Relation Extended Kalman Filter is proposed. The proposed system employs vertices of the patterns as map points for visual SLAM. The patterns in the image are detected using a Convolutional neural network based object detector. Subsequently, the vertices of the patterns are computed through postprocessing. The system tracks the detected patterns and matches their vertices for each image frame, effectively addressing feature matching errors that emerge in environments with repetitive patterns. The proposed Map Point Relation Extended Filter is an adaptation of the Extended Kalman Filter, with the inclusion of error covariance for map point relations, rendering it specifically tailored for repetitive pattern environments. Map Point Relation refers to the positional relationship between map points, established in this study based on the characteristics of repetitive pattern environments. Performance experiments conducted in simulation-based repetitive pattern environments demonstrate the effectiveness and noise robustness of the proposed system. Furthermore, the applicability of the proposed system to real-world robotic systems is verified through a simulation experiments with a shape similar to the actual industrial environment.
산업의 반복 패턴 환경 내 검사 로봇의 자동화를 위해서는 로봇의 위치 인식과 지도 작성이 필요하다. 위치 인식과 지도 작성을 위해 고려할 수 있는 해답은 동시적 위치 추정 및 지도 작성(슬램)이며 카메라 이미 지를 이용한 슬램을 시각적 슬램이라한다. 일반적으로 시각적 슬램 기법들은 반복패턴 환경에서 어려움을 겪는다. 반복적으로 등장하는 유사한 특징점으로 인해 특징점 매칭에 오류가 발생하기 때문이다. 이를 해결 하고 상태 추정 성능을 개선하기 위해 맵 포인트 관계 확장 칼만 필터기반 시각적 슬램 시스템을 제안한다. 제안하는 시스템은 시각적 슬램의 맵 포인트로 패턴의 정점을 사용한다. 이미지 내 패턴은 합성곱 신경망 기반 객체 검출기를 이용해 검출되며, 후처리를 통해 검출된 패턴의 정점들의 위치가 계산된다. 시스템은 매 이미지 프레임마다 검출된 패턴을 추적하고 패턴의 정점들을 매칭함으로써 반복 패턴 환경에서 발생하는 특징점 매칭 오류를 해결한다. 제안하는 맵 포인트 관계 확장 필터는 반복 패턴 환경에 특화된 확장 칼만 필터이다. 맵 포인트 관계는 반복적인 패턴 환경의 특성을 기반으로 정의된 정점 간의 위치 관계이며, 확장 칼만 필터에 맵 포인트 관계에 대한 공분산이 통합됨으로써 반복 패턴 환경에서의 상태 추정 오차가 크게 개선된다. 시뮬레이션 기반의 반복 패턴 환경들에서의 성능 실험 결과로부터 제안된 시스템이 효과적이고 잡음에 강함을 볼 수 있으며, 실제 산업 환경과 유사한 형상의 시뮬레이션 실험을 통해 실제 로봇 시스템으로 적용 가능성을 확인할 수 있다.
