The value of mobile robots are getting higher, because many researchers work on autonomous navigation.. In this thesis, A fast and accurate polygon based SLAM is developed for indoor mobile robot. A pose of mobile robot has 3 degree of freedom [x,y,$\theta$] and 3D map composes polygons.
A row plane[정경우][1] is a concept that divide 3D points cloud data to 2D points cloud data on row plane[1]. Proposed algorithm in this paper changes 3D data to 2D data groups which conduct fast and accurate 3D map building. From each row plane[1]’s 3D points cloud, line features are extracted by the bidirectional line segmentation[2]. For plane fitting by lines[3], It is needed that grouping the lines. At this point, efficient line grouping algorithm is proposed which is using the geometric feature of indoor environment. The polygon is fitted from the line groups and planes[3].
From kinect scan data, scan vectors are successively extracted in accordance with the movement of the mobile robot. And theses successive scan vectors are included into corresponding polygon groups. To compare with map polygon, scan data matching algorithm is proposed. Also, map building algorithm which merges matched map polygon and scan polygon is proposed. For localization of a mobile robot, 2D localization algorithm based on vector matching[손희진][4] is extended to perform 3D map. Finally, the performance of the proposed algorithm is presented by simulation and experiment.
모바일 로봇은 그 쓰임새와 중요성이 점점 높아지면서 자율 주행에 관한 많은 연구가 진행되어지고 있다. 그러므로, 위치인식 및 지도 작성은 필수적이다. 2차원 환경에서의 SLAM에 관한 연구는 성공적으로 수행되어져 왔으며 최근에는 3차원 환경에서의 SLAM 또한 활발하게 이루어지고 있다. 본 논문에서는 실내 환경 이동로봇의 다각평면 기반 위치추정 및 3차원 지도작성에 관한 문제를 다루었다. 3자유도의 pose를 가지는 이동로봇을 이용하여 실내환경에서의 주요한 feature인 다각평면을 이용한 3차원 지도 작성 방법을 제안하였다.
3D points cloud data를 2D points cloud data on row plane[1] 으로 분리하는 개념인 row plane[1] 은 [정경우] 가 제안한 것이다. 본 논문은 이를 바탕으로 3D data를 2D data 그룹들로 변환하여 빠르고 정확한 3D 지도작성을 수행하는 알고리즘들을 제안 한다. 본 논문의 알고리즘은 3자유도의 pose를 가지는 이동로봇을 이용하여 실내환경에서 수행된다. 각각의 row plane[1] 위에 놓여져 있는 3D 점들을 bidirectional line segmentation[2] 을 통하여 lines 를 추출한다. line 들로부터 plane을 fitting 하기 위하여, line들을 grouping 해주어야 한다. 이때, 실내환경의 기하학적 특징을 이용하여 빠르고 효율적인 line grouping 방법을 제안하였다. 그 line groups을 기반으로 plane fitting을 하고, line groups 와 plane으로부터 다각평면을 구성하게 된다. 모바일 로봇이 이동하면서 얻은 Kinect depth data로부터 연속적으로 scan vector를 추출한다. 이 연속적인 scan vector들은 추출된 다각평면의 그룹들로 나뉘게 되며 맵 다각평면의 그룹에 새로운 scan vector를 추가하기 위해서 map matching 알고리즘을 제안하였다. 또한, matching 된 map data와 scan data 들을 merging하는 map building 알고리즘을 제안하였다. 모바일 로봇의 위치추정을 위해서는 존재하는 위치추정알고리즘 [손희진][5]를 사용하였다.
수직평면은 2D localization[5] 에 사용되고 그 출력은 다각평면을 보정하는데 사용된다. 다각평면은 matching 과 map building 단계를 거쳐서 최종 map을 구성하게된다.
