Simultaneous Localization And Mapping (SLAM), a key prerequisite for autonomous robot navigation, is the problem of concurrent determining a robot pose and building a geometric map from sensor data. Many vision-based approaches for SLAM have shown some limited successes only due to illumination changes, sparse feature region and dynamic environment.
In this thesis, we present robust SLAM frameworks to cope with the above mentioned problems. We first propose a map merging strategy that divides the global map into several local maps when it is difficult to estimate a current robot pose from images due to the data association problem or a uncertain robot pose. A subsequent map merging step using the scene features estimates a relative pose between local maps to generate a global map. A single camera catadioptric stereo vision system, which is composed of vertically aligned conic mirrors and a perspective camera, provides a full horizontal field of view (FOV) for robust. Because a conventional stereo camera has a narrow field of view, if the robot is faced with dynamic environment or sparse feature region, it is hard to find current features corresponding to the map features. However, the catadioptric stereo system uses a full field of view to perform SLAM robustly despite of partial occlusion by moving objects or featureless regions.
We analyze the proposed methodology through various experiments, and have shown the robustness of the proposed SLAM algorithm.
자동 로봇 주행을 위해 꼭 필요한 기술인 SLAM은 동시에 로봇의 위치를 알아내고, 센서로 부터 기하학적 지도를 작성하는 것을 의미한다. 많은 비전 기반의 SLAM은 조명 변화, 특징점이 없는 영역과 동적 환경에 의해 제안된 성능을 보인다. 이 논문에서는 위에서 언급한 문제를 극복할 수 있는 강인한 SLAM구조를 소개한다. 먼저 우리는 자료 연합 문제 또는 불확실한 로봇 자세 때문에 영상으로 부터 현재 로봇 자세를 추정하기 어려울 때 전역 지도를 몇개의 지역 지도로 분활하는 맵 융합 전략을 제안한다. 주변 특징점을 이용하여 다음의 맵 융합 단계에서 하나의 전역 지도를 자성하기 위해서 지역 지도들 사이에 자세를 추정한다. 두개의 원뿔 거울과 하나의 카메라를 수직으로 정렬한 전방향 스테레오 비전 시스템은 강인성을 위해 전방향을 시야각을 가진다. 일반적인 스테레오 카메라는 좁은 시야각으로 인해 로봇이 동적 환경 또는 특징점이 부족한 영역에 있을 때 지도의 특징점과 대응되는 현재의 특징점을 알아내기 어렵다. 하지만 전방향 스테레오 카메라의 경우 일부 영역이 움직이는 물체 또는 특징점이 없는 영역이 존재할 때에도 전방향의 시야각을 이용하여 SLAM을 강인하게 수행할 수 있다. 우리는 다양한 실험을 통하여 제안된 방법론을 분석하고, 제안된 알고리즘의 강인성을 보인다.
