In mobile robot application, many map building algorithms using ultra-sonic sensors were introduced. In this paper, a new feature extraction method using neural networks is proposed. In indoor environments, the ultrasonic sensor system has some uncertainties in its data. To overcome this situation, a neural network approach is used. The up-date region is changeable according to distance data of sensors for the symmetry of the location of sensors. Target differentiation method is implemented using fewer ultrasonic sensors. The reflection wave data patterns are learned using neural networks. Therefore, with neural net-works the targets are classified to plane, corner and edge roughly that frequently occur in indoor environment. We construct our own robot system for the experiments and some experiments are carried out to show its performance.
이동 로봇의 이용에 있어서 주변 환경을 인식하는 것은 필수적인 문제이다. 이러한 작업을 하는데 있어서 로봇이 센서를 이용하여 작업하는 것이 대부분이며 여기에서 초음파 센서를 많이 이용하게 된다. 초음파 센서는 가격이 싸고 크기가 작고 구성이 쉬운 등 많은 장점이 있지만 센서 자체가 특정한 각을 가지는 영역에서 물체를 인식하므로 그 영역 안에서의 정확한 위치를 찾기가 힘들게 된다.
이를 개선하기 위하여 신경망을 이용한 초음파 센서 데이터를 처리하는 방법이 제안되었다. 신경망은 기본적으로 실내 환경에서 많이 발견되는 평면과 구석과 모서리를 학습을 시켜 그 특징들의 정확한 위치를 추정하는 역할을 하게 된다. 여기서 다른 논문들과는 차별적으로 식별하려는 물체의 중심이 초음파 센서의 중심에 없어도 되는 일반적인 경우를 고려하였다. 이를 위해 중심점과 벽을 이용하여 목표를 표현하였다. 본 신경망은 개발된 로봇의 특정한 구조를 가지는 센서에 대해서 적용을 하였으며 5개의 센서들이 하나의 그룹을 이루어 동작을 하며 센서 배치의 대칭성을 이용하여 보다 많은 센서들로의 확장이 가능하다. 이러한 방법들로 신경망을 재사용 할 수 있으며 비교적 간단한 연산을 통해 처리시간이 단축될 수 있다.
실제로 실험을 통해 기본적인 평면, 구석, 벽에 대한 실험을 하여 그 성능을 알아 보았으며 이웃하는 그룹들이 사이에 있는 특징들을 추출함을 찾아내는 것을 확인할 수 있었다. 결과적으로 신경망을 사용하여 몇 군데의 위치에서의 정보를 추출하여 국부지도(LocalMap)를 작성할 수 있었다.
