지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 서일홍
- 발행연도
- 2018
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 모바일 로봇의 비전센서로 카메라, 레이저, 적외선 등의 다양한 센서들이 사용된다. 이 중, RGB-D 센서라 불리는 RGB 카메라와 적외선 카메라를 사용한 3차원 센서는 비교적 저렴한 가격으로 많은 연구에 사용된다. 하지만 카메라의 시야(Field of View)가 약 60도로 다른 센서에 비해 작기 때문에, 일반적으로 다수의 카메라를 연결하여 이를 보완한다.
다수의 카메라를 사용하기 위해선 서로의 기하학적인 관계를 알아야한다. 이 기하학적인 관계는 회전과 평행이동으로 이루어진 외부 파라미터(extrinsic parameter)로 불리고 이를 찾는 과정을 캘리브레이션(calibration)이라 한다. 외부 파라미터 캘리브레이션의 일반적인 방법은 체스보드 패턴을 사용하는 것이다. 하지만 이 방법은 사용하는 카메라들의 시야가 겹치지 않을 경우 불가능하다.
따라서 본 논문에서는 Simultaneous Localization And Mapping (SLAM) 기술을 이용하여 이 문제를 해결한다. 먼저 각 카메라의 독립적으로 SLAM을 수행하여 3차원 랜드마크(landmark)로 이루어진 지도를 복원한다. 그 뒤, 복원된 지도들의 랜드마크의 유사도(similarity)를 조사하고, 이를 통해 3D-3D 카메라 포즈 추정을 통해 카메라간의 외부 파라미터 추정을 한다.
마지막으로 카메라와 지면과의 기하학적인 관계를 구해 최종적인 외부 파라미터를 추정한다. 본 논문에서는 RANdom SAmple Consensus (RANSAC)를 사용하여 지면의 평면방정식을 찾고, 평면의 포인트 클라우드(point cloud) 데이터를 이용하여 최종적으로 카메라와 지면과의 관계를 추정한다.
다수의 카메라를 사용하기 위해선 서로의 기하학적인 관계를 알아야한다. 이 기하학적인 관계는 회전과 평행이동으로 이루어진 외부 파라미터(extrinsic parameter)로 불리고 이를 찾는 과정을 캘리브레이션(calibration)이라 한다. 외부 파라미터 캘리브레이션의 일반적인 방법은 체스보드 패턴을 사용하는 것이다. 하지만 이 방법은 사용하는 카메라들의 시야가 겹치지 않을 경우 불가능하다.
따라서 본 논문에서는 Simultaneous Localization And Mapping (SLAM) 기술을 이용하여 이 문제를 해결한다. 먼저 각 카메라의 독립적으로 SLAM을 수행하여 3차원 랜드마크(landmark)로 이루어진 지도를 복원한다. 그 뒤, 복원된 지도들의 랜드마크의 유사도(similarity)를 조사하고, 이를 통해 3D-3D 카메라 포즈 추정을 통해 카메라간의 외부 파라미터 추정을 한다.
마지막으로 카메라와 지면과의 기하학적인 관계를 구해 최종적인 외부 파라미터를 추정한다. 본 논문에서는 RANdom SAmple Consensus (RANSAC)를 사용하여 지면의 평면방정식을 찾고, 평면의 포인트 클라우드(point cloud) 데이터를 이용하여 최종적으로 카메라와 지면과의 관계를 추정한다.
목차
차 례 ⅰ그림 차례 ⅲ표 차례 ⅳ국문요지 ⅴ제 1 장 서 론 11.1 배경 및 목표 11.2 논문의 구성 4제 2 장 배경 연구 52.1. 좌표계 52.2. 카메라 내부 파라미터 72.3. 카메라 외부 파라미터 82.4. 문제 정의 8제 3 장 전처리 과정 103.1. 시스템 구성 103.2. Registration 11제 4 장 각 카메라의 독립적인 SLAM 지도 작성 144.1. 키프레임 연결 및 상대 변환 추정 154.2. 모션 추정 174.3. 키프레임 및 랜드마크 등록 194.4. Bundle Adjustment 204.5. Loop Closure & Pose Optimization 21제 5 장 카메라간 외부 파라미터 추정 225.1. SLAM 지도간 유사도 찾기 225.2. SVD를 이용한 외부 파라미터 추정 22제 6 장 카메라와 지면간 외부 파라미터 추정 256.1. RANSAC을 이용한 평면 감지 256.2. PCA를 이용한 외부 파라미터 추정 27제 7 장 실험 및 결과 297.1. 실험 플랫폼 297.2. 실험 결과 30제 8 장 결론 및 향후 과제 39참고문헌 40Abstract 43
최근 본 자료
댓글(0)
0