로보틱 매핑

Robotic mapping

로봇 매핑은 컴퓨터[1] 비전 및 지도 제작과 관련된 분야입니다.자율 로봇의 목표는 지도(야외 사용) 또는 평면도(야외 사용)를 제작(또는 사용)할 수 있고 자체 및 충전 기반 또는 비콘의 위치를 파악하는 것입니다.로보틱 매핑은 지도/도면에서의 현지화 및 자율로봇에 의한 지도 또는 평면도 작성에 관한 연구 및 응용을 다루는 부문입니다.

진화적인 형태의 맹목적인 행동은 일부 동물들을 살리기에 충분할 수 있다.예를 들어 일부 곤충의 경우 환경이 지도로 해석되지 않고 트리거된 응답을 통해서만 생존합니다.조금 더 정교한 내비게이션 전략은 로봇의 기능을 획기적으로 향상시킵니다.인지 지도는 현재의 지각, 기억된 사건 및 예상되는 결과의 계획과 사용을 가능하게 한다.

작동

그 로봇은 두 가지 정보 소스를 가지고 있다: 바보 같은 정보 소스와 동소적인 정보 소스.로봇이 움직이면 휠의 회전수를 추적하는 것과 같은 데드 어카운팅 방법을 사용할 수 있습니다. 이는 바보 같은 소스에 해당하며 로봇의 절대 위치를 제공할 수 있지만 누적 오차가 발생하여 빠르게 커질 수 있습니다.

알티메틱 소스는 카메라, 마이크, 레이저, 라이더 또는 [citation needed]음파탐지기와 같은 로봇의 센서에 대응합니다.여기서의 문제는 "perceptical aliasing"입니다.즉, 두 개의 다른 장소가 동일하게 인식될 수 있습니다.예를 들어, 건물에서는 모든 복도가 [2]같아 보이기 때문에 시각 정보만으로 위치를 결정하는 것은 거의 불가능하다. 로봇 환경의 3차원 모델은 거리 이미징[3] 센서나 3D [4][5]스캐너를 사용하여 생성할 수 있다.

지도 표현

지도의 내부 표현은 "측정" 또는 "토폴로지"[6]일 수 있습니다.

  • 미터법 프레임워크는 인간에게 가장 흔하며 물체를 배치하는 2차원 공간을 고려합니다.객체는 정확한 좌표로 배치됩니다.이 표현은 매우 유용하지만 소음에 민감하여 거리를 정확하게 계산하기 어렵다.
  • 토폴로지 프레임워크는 이들 사이의 장소와 관계만을 고려합니다.종종 장소 사이의 거리가 저장됩니다.그러면 맵은 그래프가 됩니다.여기서 노드는 장소에 대응하고 호는 경로에 대응합니다.

많은 기법은 불확실성을 처리하기 위해 지도의 확률적 표현을 사용한다.

지도 표현에는 자유 공간 지도, 객체 지도 및 복합 지도의 세 가지 주요 방법이 있습니다.이들은 그리드의 개념을 사용하지만, 그리드의 분해능을 변화시켜 더 많은 정확도가 필요한 경우에는 더 미세해지고 지도가 균일한 경우에는 더 거칠어질 수 있다.

지도 학습

지도 학습은 현지화 프로세스와 분리할 수 없으며 현지화 오류가 지도에 포함되면 문제가 발생합니다.이 문제는 일반적으로 동시 현지화 및 매핑(SLAM)이라고 불립니다.

중요한 추가 문제는 로봇이 이미 저장된 환경에 있는지 또는 방문한 적이 없는지를 확인하는 것입니다.이 문제를 해결하는 한 가지 방법은 전기 비콘, 근거리 통신(NFC), WiFi, 가시광선 통신(VLC), Li-Fi 및 블루투스를 사용하는 것입니다.[7]

패스 플래닝

경로 계획은 로봇이 A 지점에서 B 지점으로 이동할 수 있도록 하기 때문에 중요한 문제입니다.경로 계획 알고리즘은 계산 복잡도에 따라 측정됩니다.실시간 모션 계획의 실현 가능성은 지도(또는 평면도)의 정확성, 로봇 위치 및 장애물 수에 따라 달라집니다.토폴로지적으로 패스 플래닝의 문제는 그래프 내의 2개의 노드 간의 루트를 찾는 최단 패스 문제와 관련되어 있습니다.

로봇 내비게이션

주요 기사: 로봇 내비게이션

야외 로봇은 자동차 내비게이션과 비슷한 방식으로 GPS를 사용할 수 있다.

대체 시스템은 실내 로봇용 지도 대신 현지화 [8]무선 하드웨어와 함께 평면도와 비콘을 사용할 수 있습니다.전기 비콘은 값싼 로봇 내비게이션 시스템에 도움이 될 수 있다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Fernández-Madrigal, Juan-Antonio (30 September 2012). Simultaneous Localization and Mapping for Mobile Robots: Introduction and Methods: Introduction and Methods. IGI Global. ISBN 978-1-4666-2105-3.
  2. ^ 필리아, 데이비드, 그리고 장 아르카디 마이어."모바일 로봇의 지도 기반 내비게이션: I. 현지화 전략 검토"인지 시스템 연구 4.4 (2003) : 243-282.
  3. ^ 젠슨, 비욘 등모바일 로봇을 사용한 레이저 범위 이미징:부터 3D-models에 추정 포즈를 취하고 있다.ETH-Zürich, 2005년, 2005년.
  4. ^ Surmann, 1948, 안드레아스 Nüchter, 요아힘 Hertzberg."실내 환경의 3D탐험과 디지털 화의에 대한 3D레이저 거리 측정기의 한 자율 이동 로봇.".로봇 공학과 자치 시스템 45.3-4(2003년):181-198.
  5. ^ Malik, Aamir Saeed (30 November 2011). Depth Map and 3D Imaging Applications: Algorithms and Technologies: Algorithms and Technologies. IGI Global. ISBN 978-1-61350-327-0.
  6. ^ 지금, 세바스찬."실내 이동 로봇 항해에metric-topological 지도를 배우는 것은.".인공 지능 99.1(1998년):21-71.
  7. ^ https://www.indooratlas.com/
  8. ^ "An Autonomous Passive RFID-Assisted Mobile Robot System for Indoor Positioning" (PDF). Retrieved 19 October 2015.