서지주요정보
애매성 복셀과 컨텍스트 정보를 이용하는 도시환경에서의 로봇을 위한 3차원 맵 생성 방법 및 구조물 인식 = 3D Mapping and classification in urban environment using ambiguity voxel list and contextual information
서명 / 저자 애매성 복셀과 컨텍스트 정보를 이용하는 도시환경에서의 로봇을 위한 3차원 맵 생성 방법 및 구조물 인식 = 3D Mapping and classification in urban environment using ambiguity voxel list and contextual information / 나현준.
저자명 나현준 ; Na, hyun jun
발행사항 [대전 : 한국과학기술원, 2015].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8027632

소장위치/청구기호

학술문화관(문화관) 보존서고

MEE 15036

SMS전송

도서상태

이용가능

대출가능

반납예정일

초록정보

Researches about 3D mapping and classification using the data acquired from range sensors has been widely studied. Especially, 3D Voxel map has been studied for autonomous robot because it can increase memory efficiency also it can represent 3D objects more accurately. But when 3D voxel map is used, there are two problems. One is a high quantization error made by quantizing point clouds into voxel. And the other is an under-segmentation problem. This thesis proposes the algorithm reducing the problems and increases classification rates. The proposed algorithm is decomposed into four steps. At first ambiguity voxel is found. The way finding ambiguity voxel is proposed using Laplacian of Gaussian as cost function. Then moving ambiguity voxel locally, we change ambiguity voxel into maximum hit voxel which is the voxel having largest point clouds. Then we segment this voxel followed by two steps i.e. over-segmentation and merging. Finally, we classify this segmented cluster using Voxel-based CRF(Conditional Random Field) which is CRF model only using features acquired from voxel not point cloud. To show the superiority of the proposed algorithm, voxel density and classification accuracy are analyzed. Experimental result shows the proposed method enhances voxel density and classification accuracy.

거리센서에 의해 획득된 데이터를 이용해 3차원 맵을 만들고 분류를 하는 연구가 많이 수행되어져 왔다. 특히 3차원 복셀지도는 3차원 물체를 정확히 표현하면서도 메모리 효율이 좋아 연구가 활발히 이루어져 왔다.하지만 기존의 3차원 복셀지도는 점군데이터를 복셀로 변환하는 과정에서 높은 양자화 오류를 만드는 문제와, 분할하는 과정에서 저분할(under-segmentation) 되는 문제를 가지고 있다. 따라서 본 논문에서는 언급한 두가지 문제를 줄이고, 분류율을 높일 수 있는 지도를 제안한다. 본 논문에서 제안한 알고리즘은 크게 4가지의 단계로 구성된다. 첫번째 단계로 애매성 복셀을 검출한다. 애매성 복셀을 검출하기 위해서는 Laplacian of Gaussian 함수를 비용함수로 사용하였다. 그 후 애매성 복셀을 지역적으로 움직이면서 애매성복셀을 최대점유복셀로 변환시키는 과정을 수행한다. 최대점유복셀은 지역적으로 가장 많은 점군을 포함하는 위치의 복셀이다. 다음으로 분할을 수행하기 위해서 과분할(over-segmentation)과 과분할된 클러스터를 합치는 과정(merge)을 수행한다. 마지막으로 분할된 클러스터를 분류하기 위해 Voxel-based CRF(Conditional Random Field)방법을 이용해서 분류한다. Voxel-based CRF 는 오직 복셀로부터 추출할 수 있는 특징값만을 사용한 확률 그래프 모델이다. 알고리즘의 우수성을 보이기 위해 복셀맵밀도와 분류율을 측정하였고, 실험결과 제안한 방법이 기존의 방법보다 복셀맵밀도도와 분류율을 향상시키는 것을 보였다.

서지기타정보

서지기타정보
청구기호 {MEE 15036
형태사항 53 : 삽도 ; 30 cm
언어 한국어
일반주기 저자명의 영문표기 : hyun jun Na
지도교수의 한글표기 : 정명진
지도교수의 영문표기 : Myung Jin Chung
부록 수록
학위논문 학위논문(석사) - 한국과학기술원 : 전기및전자공학과,
서지주기 참고문헌 : p.
주제 3차원 복셀 지도
애매성복셀
최대점유복셀
컨텍스트 정보
3D Voxel map
Laplacian of Gaussian
ambiguity voxel list
maximum hit voxel
contextual information
Voxel-based CRF
QR CODE qr code