The self-localization is an important method that wheel based-service robots called “mobile robot” estimates its position and posture. When some tasks are in need of the mobile robot, the preferentially performing work is that the mobile robot is where it is. A number of sensors have been used for the self-localization, for example, the vision sensor, laser range finder, ultrasonic sensor, infrared sensors, and etc. Recently, the vision sensor and laser range finder are widely used for the estimation of its position and posture because of their high measurement accuracy. In the case of the localization using the vision sensor or laser range finder, it requires the feature extraction process from the sensing data of the navigation environment and needs a given map of the navigation environment. The localization is executed by matching the extracted features with the given map information. This technique is called the feature-based localization using the map of the navigation environment. However, since a prior map of the navigation environment is not given to the robot at all times, it is desired that the mobile robot generates the map for the navigation environment by itself and the localization is executed by using the generated map.
First, we assume the initially given map. The self-localization is accomplished by matching the environmental information extracted from the given map to the range data extracted from the navigation environment. The navigation environment is assumed that it is composed of some polygons, and the environmental features are easily extracted from the laser vision sensor. The laser vision sensor used in this paper has some range errors according to the distance between the mobile robot and the object. Therefore, we perform the error analysis for the self-localization how to propagate the measurement error.
When the map information of the navigation environment is fully unknown and the range of exploration is just given in unknown space, the mobile robot can navigate the exploration space with a sequential self-localization and autonomous map building. At initial position, the mobile robot measures the environment using the laser vision sensor, and constructs the partial map around it. Through a next sensor view planning technique for autonomous map building, a next sensing pose is determined and provided for the mobile robot. Then, the mobile robot moves to this position and measures the environment. Through the iterative process of the sensing, localization, next-view-planning, and map expanding, the robot gets the information and navigates on the exploration space. The mobile robot estimates its pose by matching the geometrical features measured from the environment in current step with ones obtained in the previous step. For showing the reliability and robustness of the proposed navigation strategy in unknown space, a series of simulations and experiments will be performed and discussed in detail.
자기 위치 추정은 이동 로봇이라 불리우는 바퀴 기반의 서비스 로봇의 위치와 자세를 추정하는 중요한 방법이다. 이동 로봇을 이용한 작업을 수행할 때, 가장 선행적으로 수행되어야 할 작업은 이동 로봇이 어디에 있는지를 아는 것이다. 예컨데 비전 센서, 레이저 거리계, 초음파 센서, 적외선 센서 등의 다양한 센서가 자기 위치 추정을 위해 사용되었다. 최근에는 측정 정밀도가 뛰어난 비전 센서와 레이저 거리계가 이동 로봇의 위치와 자세를 추정하기 위한 센서로써 널리 이용되고 있다. 비전 센서나 레이저 거리계를 이용하는 경우, 주행 환경의 측정 데이터로부터 특징치 추출이라는 과정과 주행 환경에 대해 주어지는 지도 정보가 필요하다. 위치 추정은 환경 지도 정보와 추출되는 특징치 간의 매칭에 의해 수행된다. 이러한 기법을 주행 환경의 지도 정보를 이용한 특징치 기반의 위치 추정이라 한다. 그러나 사전 지도 정보가 항상 주어지는 것은 아니기 때문에 이동 로봇 스스로 주행 환경에 대한 지도를 생성하고 작성된 지도 정보를 이용하여 위치 추정을 하는 것이 바람직하다.
우선, 초기에 주어지는 지도 정보를 가정한다. 자기 위치 추정은 주행 환경으로부터 추출되는 특징치 정보와 주행 환경 정보 간의 매칭에 의해 이루어진다. 주행 환경은 다면체로 구성되어 있다고 가정하고 환경 특징치는레이저 비전 센서에 의해 쉽게 추출될 수 있다. 본 논문에서 사용된 레이저 비전 센서는 센서와 측정 대상물 사이의 거리에 따른 거리 오차를 포함하고 있다. 따라서 센서 측정 오차가 위치 추정을 하는데 있어서 어떠한 영향을 미치는지에 대한 오차 분석을 수행한다.
주행 환경에 대한 지도 정보가 전혀 주어져 있지 않고 모르는 환경에 대한 탐험 영역만을 줄 때, 이동 로봇은 순차적인 자율 지도 작성과 자기 위치 추정에 의해 탐험 공간을 주행할 수 있다. 초기 위치에서 이동 로봇은 레이저 비전 센서로 환경을 측정하고 환경에 대한 부분적인 지도를 작성한다. 자율 지도 작성을 위한 차기 센서 위치 계획 방법을 통해 차기 센싱 위치를 결정하고 그 위치를 이동 로봇에 제공한다. 그런 다음, 이동 로봇은 차기 센싱 위치로 이동하고 환경을 측정한다. 연속적인 환경 측정, 위치 추정, 차기 센서 위치 계획, 그리고 지도 확장 과정을 통해 로봇은 주행 환경에 대한 정보를 얻게 되고 탐험 영역을 주행할 수 있게 된다. 이동 로봇은 이전 단계에서 얻은 환경의 지도 정보와 현재 단계의 주행 환경에서 얻은 기하학적인 특징치 간의 매칭에 의해 자신의 위치와 자세를 추정한다. 미지의 환경에 대한 제안된 주행 전략의 신뢰성과 강인성을 보이기 위해 일련의 모의 실험과 실제 실험을 수행하고 이에 대해 자세히 논의한다.
