It is very important for a mobile robot to estimate its current position. With precise information about the current position, the mobile robot can plan a path and execute its missions. Among many methods for self-localization, a vision-based approach is simple and flexible. In this thesis, a position estimation method using 1-D perspective invariant(Cross Ratio) is presented. Since this method uses a simple cross ratio, building and updating of map and database matching process become trivial tasks. The algorithm is based on two basic assumptions that the ground is flat and two locally parallel side lines are available. Intersection points between two locally parallel side lines and the vertical lines of doors, which are the given landmarks, are used as point features to compute cross ratio. As an off-line process, the database for matching, which consists of the cross ratios of the point features in the map database, is constructed. A mobile robot takes an image of corridors and computes the cross ratios for a set of point features in the image and a vanishing point which is the intersection point of two parallel side lines. Then, it searches for the matching point features using geometric hashing. Using the vanishing point and the corresponding point features, the mobile robot calculates its current orientation and position. We demonstrate the robustness and feasibilities of our algorithm through real world experiments in indoor environment.
본 논문은 복도 주행용 이동 로봇의 자기 위치 인식에 대한 연구이다. 주행 환경에서 자신의 위치 및 방향을 인식하는 일은 이동 로봇이 갖추어야 할 기본적인 능력 중의 하나이다. 자기 위치 인식에는 여러 가지 방법들이 적용되는데, 본 논문은 시각 센서를 이용하였다.
카메라로 부터 얻은 2차원의 영상 좌표를 이용해서 3차원의 실 공간을 분석하는데, 발생되는 하나의 문제점은 3차원 환경은 보는 카메라의 위치에 따라 달라진다는 것이다. 이러한 문제점은 투시 변환하에서의 영상 불변량을 통해 해결되어질 수 있다.
일반적으로 복도에는 양쪽 벽을 따라 문들이 나열되어 있으며, 이러한 복도 형상을 카메라로 보았을 때 Central projection에 의해 한 점, 즉 소실점을 쉽게 추출할 수 있다. 본 논문에서는 소실점 추출을 위하여 사용된 복도 바닥 선과 나열된 문들이 만나는 점들을 자기 위치 인식을 위한 특징점으로 사용하였다.
로봇의 방향은 추출된 소실점을 통하여 알 수 있다. 4개의 특징 점으로 계산된 영상 불변량들을 Geometric Hashing을 이용하여 데이터베이스를 구축한다. 임의의 위치에서 잡은 영상면에서 추출한 영상 불변량을 해당하는 Hashing table의 entry를 탐색함으로써 대응점을 찾아낸다. 따라서, 소실점과 대응점을 이용하면 투시 변환에 의해 로봇의 위치를 알 수 있다. 특히, 대응점을 찾을 때 5개의 특징 점을 사용하고 확률의 개념을 도입함으로써 강인성을 부여하였다. 본 논문에서는 실내 주행용 이동 로봇(KASIRI-2)을 이용하여 실제 복도에서 위의 알고리즘을 증명하였다.
