In recent years, the research of 3D mapping technique in urban environments obtained by mobile robots equipped with multiple sensors for recognizing the robot’s surroundings is being studied actively. However, the map generated by simple integration of multiple sensors data only gives spatial information to robots. To get a semantic knowledge to help an autonomous mobile robot from the map, the robot has to convert low-level map representations to higher-level ones containing semantic knowledge of a scene. Given a 3D point cloud of an urban scene, this research proposes a method to recognize the objects effectively using 3D graph model for autonomous mobile robots. The proposed method is decomposed into three steps: sequential range data acquisition, normal vector estimation and incremental graph-based segmentation. This method guarantees the both real-time performance and accuracy of recognizing the objects in real urban environments. Also, it can provide plentiful data for classifying the objects. To evaluate a performance of proposed method, computation time and recognition rate of objects are analyzed. Experimental results show that the proposed method has efficiently in understanding the semantic knowledge of an urban environment.
최근 들어 로봇의 주변 환경 인식을 위하여 다양한 센서들을 탑재한 이동형 로봇을 이용하여 획득한 도시 환경에서의 3차원 맵핑 기술에 관한 연구가 활발히 진행되고 있다. 하지만, 단순히 다양한 센서들을 통하여 획득한 정보의 융합을 통하여 제작한 지도는 로봇에게 공간적인 정보만 제공한다. 자율 주행 로봇을 위하여 지도로부터 의미 있는 정보를 획득하기 위하여, 로봇은 낮은 수준의 지도 표현 방법에서 환경의 의미 있는 정보를 포함한 높은 수준의 지도 표현 방법으로 변경할 수 있어야한다. 제안한 방법은 세 가지 단계로 나누어진다: 연속적인 거리 정보의 획득, 법선 벡터의 추출 그리고 점진적 그래프 기반 분할 방법. 이 방법은 실제 실외 환경에서 실시간성과 물체 인식의 정확성 모두를 보장한다. 또한, 제안한 방법은 물체를 분류하기 위한 풍부한 정보를 제공할 수 있다. 제안한 방법의 성능을 평가하기 위하여, 연산 시간과 물체의 인식률을 분석하였다. 실험 결과는 제안한 방법이 도시 환경에서의 의미 있는 정보를 이해하는데 효과적임을 보여준다.
