자율주행차및다양한모바일로봇시장이확대되고있으나, 종래기술은동적인환경에서의위치인식기술의한계특징점이부족한환경에서위치인식오차가큼실외의경우대부분고가의센서필요저가의센서로다양한환경에서강인한위치인식및맵작성기술필요 기존기술 제안기술 사전맵구축필요 ( 추가비용 ) 맵생성기술 사전맵구축불필요 상용화어려움 다양한환경적용불가 맵유지관리어려움 동적환경위치인식기술 다양한센서융합 저가의장비활용 다양한환경적용가능 맵유지관리비용최소화
개발기관기술명개발내용비교정량적비교 KAIST ( 한국 ) Google ( 미국 ) 실내 / 외위치인식 (SLAM) 기술 실내 / 외위치인식기술 사람또는미지의물체가움직이는동적인환경에서실시간으로로봇의위치인식이가능한기술 특징점이없는곳에서는자기장왜곡을특징점으로이용 실외지도정보인구글맵스 (Google Maps) 에실내평면도를일치시키고, 실외에서는 GPS, 실내에서는 Wi-Fi 로위치를인식함 현재미국내공항이나쇼핑몰등에서서비스를하고있으며, 층을이동할때는자동으로해당층의평면도에현재위치를도시함 KAIST 이외의아래의기술들은대부분동적인물체나특징점이부족한곳에잘대처하지못함 실내위치인식을위해서는사전에 Wi-Fi 등에대한정보수집이필요하여제한된장소에서주로서비스됨. KAIST 는사전정보가필요없음. 위치오차 : 거리센서사용시평균 10cm 이내 (1m 이내로 99% 성공 ) 위치오차 : 수 m 단위 Oxford 대학 ( 영국 ) 영상기반실내장소인식기술 실내외장소별이미지를촬영하여주요특징점을추출하고, 이를사전형태 (BoW, Bag of Words) 로변환하는기술개발 기본적으로 BoW 와히스토그램매칭을하며, 정형화된공간에서성공률은 70 ~ 80% 정도됨 장소를인식하는기술로서위치인식기술의일부분만구현됨. KAIST 는위치인식전부를구현함. 장소인식성공률 : 70~80% Univ. of Freiburg ( 독일 ) 실내 / 외자동차위치인식기술 무인자동차의정밀실내 / 외위치인식을위한기술을개발하였으며, 실외는정밀한 DGPS 를사용하고실내의경우레이저와고가의관성센서를사용함 실제다층구조의주차공간에서도자동차의위치를정확하게추정하는시연을보임 고가의센서필요. KAIST 는상황에따라저가의센서사용가능. 위치오차 : 수십 cm 단위 Univ. of Freiburg ( 독일 ) Grid-SLAM (Gmapping) 레이저센서와파티클필터 (particle filter) 기반의위치인식알고리즘구현 지도형태는격자맵이며레이저센서의스캔매칭기술을이용 특징점을추출하는알고리즘은필요치않음 특징점이없는곳 ( 예 : 복도나대규모공간 ) 에서는오작동함. KAIST 는카메라 - 레이저융합으로대처가능. 위치오차 : 수십 cm 단위 Univ. of Washington and Intel Lab. ( 미국 ) RGB-D 3D- SLAM 깊이카메라를이용한 3D 위치인식기반실내 3D 모델링을연구 Microsoft 사의 Kinect 를사용하였으며, 위치인식알고리즘으로는그래프기반인 TORO 를사용 맵핑위주이며, 프레임당 6 초의시간이소요되어실시간성이보장되지않음. KAIST 는실시간연산가능 맵오차 : 수십 cm 단위
저가센서 (2D LiDAR, Magnetic, Camera) 퓨전으로다양한동적 (Low & High dynamic) 환경에대응가능한위치인식및맵작성기술 (SLAM) 그래프기반센서퓨전을통한각센서의단점을보완 실내외동적인환경및특징이부족한환경에서성능저하없이동작 저가형 SLAM 기술로추가적인 3D 맵작성및보정비용절감 센서퓨전을통하여성능향상및센서단가절감효과 ( 기존기술수십 cm ~ 수 m 오차 평균 10cm 이내오차 ) 실내외동적인환경및특징이부족한환경에서사용가능함 ( 기존기술은동작실패가능 ) 물류로봇시장 : AGV (Automated Guided Vehicle) 를자율주행으로대체가능. 2021 년 220 억불규모세계시장예측 ( 로봇생산규모 62 만대. 출처 : KEIT, Tractica) 물류로봇시장전망 ( 출처 : KEIT, Tractica) 자율주행차시장 : 세계시장규모가 2020 년 1,890 억달러, 2035 년 1 조 1,520 억달러로급성장예상 ( 국토교통부 ). Navigant Research 는 2035 년까지연간 9,500 만여대의자율주행차가생산되어승용차매출액의 75% 를차지하리라전망
High dynamic 사람및 low dynamic 물체의실시간인식 3D 특징점매칭과 LRF 스캔매칭을통한그래프구조기반 SLAM MCL (Monte-Carlo Localization) 기반위치인식동적인물체와의충돌회피가능한실시간경로계획 KAIST 지오센트리퓨지빌딩 (10 x 10m) 에서 low dynamic(2개 ), high dynamic(5개 ) 객체로성능평가완료
GP-SLAM (Grouping Nodes and Pruning Constraints) Covariance 분석을통한노드그룹화 Graph 분석을통한 false constraints 탐색 False constraints 제거 Donghwa Lee, Hyun Myung, "Solution to the SLAM Problem in Low Dynamic Environments Using a Pose Graph and an RGB-D Sensor," Sensors, vol.14, no.7, pp.12467-12496, [Link], July 2014.
Odometry only 그래프구조 ( 좌 : 기존 SLAM, 우 : 제안방법 ) Conventional SLAM 로봇궤적 Proposed method
(a) (b) (c) (a) Max-mixture algorithm (Univ. Michigan) (b) Vertigo algorithm (TU Chemnitz, Germany) (c) Dynamic covariance scaling (DCS)-based algorithm (Univ. Freiburg, Germany)
실내지구자기장신호왜곡을특징점으로고려한 SLAM 파티클필터구조의 Vector field SLAM 및그래프구조를이용한 sequence 기반 SLAM 소규모및대규모공간에서성능평가, 0.28±0.19m 오차 Seung-Mok Lee, Jongdae Jung, Hyun Myung, "DV-SLAM (Dual-sensor-based Vector-field SLAM) and Observability Analysis," IEEE Trans. Industrial Electronics, vol.62, no.2, pp.1101-1112, [DOI], Feb. 2015.
지구자기장 sequence 기반의 loop-closing Gaussian process 를이용한지구자기장 map 생성및강인한매칭
로봇위치추정 위치인식 (KI building) 지구자기장맵 - Cyan: reference (SICK Gmapping) - Magenta: wheel odometry - Blue: optimized pose graph Information matrix Constraints 개수 Jongdae Jung, Taekjun Oh, and Hyun Myung, "Magnetic field constraints and sequence-based matching for indoor pose graph SLAM," Robotics and Autonomous Systems, vol.70, pp.92-105, [DOI], Aug. 2015
Tilted 2D LiDAR 를이용하여 3 차원위치인식및맵작성 (SLAM) 계층적구조기반최적화를통한정확도향상 센서시스템및데이터축적방법 Local point cloud map 결과 Global optimization 이전 Global optimization 결과 계층적그래프최적화방법 Super node generation Super node 정확도향상 최종맵생성결과
각센서의특징점부족환경에강인한그래프구조기반센서퓨전 센서의특성에따라부족한정보보완을통한매칭성능향상 ex1) 2D LiDAR + 2D camera = 3차원매칭추정 ex2) Magnetic feature + 2D LiDAR = 평면상의위치오차보상
No. 논문지게재일명칭 1 IEEE RA-L (Robotics and Automation Letters) 2017 Robust Vehicle Localization using Entropy-weighted Particle Filter-based Data Fusion of Vertical and Road Intensity Information for a Large Scale Urban Area 2 Robotics and Autonomous Systems 2015 Magnetic field constraints and sequence-based matching for indoor pose graph SLAM 3 IEEE Trans. Instrumentation & Measurement 2015 Indoor Mobile Robot Localization and Mapping Based on Ambient Magnetic Fields and Aiding Radio Sources 4 IEEE Trans. Industrial Electronics 2015 DV-SLAM (Dual-sensor-based Vector-field SLAM) and Observability Analysis 5 Sensors 2014 Solution to the SLAM Problem in Low Dynamic Environments Using a Pose Graph and an RGB- D Sensor No. 국가 출원번호 명칭 1 대한민국 1490055 ( 등록 ) 이동로봇의위치와지도를추정하는방법및이를수행하는장치들 2 대한민국 10-2017-0051631 저가의 2차원레이저스캐너를이용한계층적그래프구조기반의 3차원고정밀맵제작방법 3 대한민국 10-2016-0181389 QR 마커와레이저스캐너를이용하여광범위실내공간에서로봇의위치를인식하기위한방법및장치 4 대한민국 10-2015-0083520 지구자기장과바이큐빅보간법을이용한이동로봇의위치추정방법및장치 5 6 7 대한민국 US 유럽 10-2015-0088589 15087070 PCT/KR2015/013570 실내자기장을이용한이동로봇의위치인식방법및장치 Method and Apparatus for Relocation of Mobile Robot in Indoor Environment Method and Apparatus for Relocation of Mobile Robot in Indoor Environment
No. 계약체결연도계약형태계약조건기술명 1 2017 통상실시선급금 1 억 + 매출액의 2% 2 2017 통상실시선급금 1 억 + 매출액의 2% 이동로봇의자율주행을위한위치인식및매핑기술 이동로봇의자율주행을위한위치인식및매핑기술 No. 계약형태계약조건기술명 1 통상실시선급금 1 억 + 매출액의 2% 이동로봇의자율주행을위한위치인식및매핑기술