메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김선우 (부산대학교) 이장명 (부산대학교)
저널정보
제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제23권 제7호
발행연도
2017.7
수록면
583 - 589 (7page)
DOI
10.5302/J.ICROS.2017.17.0011

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In this paper, a method using MLESAC(Maximum Likelihood Estimation SAmple Consensus) algorithm is proposed to improve positioning accuracy of the curved section when building 3D map using 2D LRF(Laser Range Finder). RANSAC(RANdom SAmple Consensus) algorithm predicts the solution by iteratively extending a consistent set of data to derive a reasonable result. When the mobile robot suddenly rotates within one frame of measurement of the LRF using a servo motor, positioning accuracy of the curved section in 3D map is degraded. In this case, RANSAC algorithm can be used to improve positioning accuracy of the curved section in 3D map by iteratively classifying the data received from outside of measurement area as outliers and isolating them. RANSAC algorithm defines a loss function as zero if the error is less than noise threshold and as positive constant if the error is greater than noise threshold. Therefore, a limitation exists in reflecting the form of data densification as it approaches a specific model within noise threshold, such as Gaussian distribution. In case of MLESAC algorithm, finding the densest data set helps improving positioning accuracy by showing smaller loss values as the data approach the particular model. The proposed method using MLESAC algorithm is experimentally validated.
#3D map building #mobile robot #LRF #RANSAC #MLESAC

목차

Abstract
Ⅰ. 서론
Ⅱ. 시스템의 구성 및 모델링
Ⅲ. 데이터 측정 방법과 곡선 구간 정밀도 저하의 문제점
Ⅳ. RANSAC 알고리즘과 MLESAC 알고리즘
Ⅴ. 실험
Ⅵ. 결론
REFERENCES

참고문헌 (21)

참고문헌 신청
D. Gwon and B. Kim, “Localization and 3D polygon map building method with kinect depth sensor for indoor mobile robots,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 22, no. 9, pp. 745-752, 2016. W. Hess, D. Kohler, H. Rapp, and D. Andor, “Real-time loop closure in 2D LIDAR SLAM,” Proc. of IEEE International Conference on Robotics and Automation, pp. 1271-1278, 2016. Y. Hwang, D. Lee, H. Yu, and J. Lee, “2D grid map compensation using ICP algorithm based on feature points,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 21, no. 10, pp. 965-971, 2015. S. Lee and B. Kim, “3D simultaneous localization and map building (SLAM) using a 2D laser range finder based on vertical/horizontal planar polygons,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 20, no. 11, pp. 1153-1163, 2014. M. Mirkhani, R. Forsati, A. M. Shahri, and A. Moayedikia, “A novel efficient algorithm for mobile robot localization,” Robotics and Autonomous Systems, vol. 61, no. 9, pp. 920-931, 2013.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-003-000982638