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

추천
검색

논문 기본 정보

자료유형
학위논문
저자정보

박경균 (광운대학교, 광운대학교 일반대학원)

지도교수
정문호
발행연도
2023
저작권
광운대학교 논문은 저작권에 의해 보호받습니다.

이용수0

표지
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
지도가 없는 상황에서 장애물 회피를 하기 위한 포텐셜 필드(Potential Field)는 이 분야에 가장 많이 사용되어온 방법이다. 하지만 포텐셜 필드 로 장애물을 판단하는 과정에서 거리 센서의 제한된 범위의 인식 문제와 Segmentation 과정에서 오류로 인해 장애물과 충돌할 수 있는 문제점이 있다. 이것은 장애물의 최근접 점을 실시간으로 계산해야 하는데 이를 위해 거리 센서 데이터 프로파일로부터 안정적으로 장애물 영역을 분할해야 하는 어려움이 있다. 이를 실제 환경에 적용하기 위해 선행되어야 하는 것은 장애물을 대표하는 한 점을 구하는 것이다. 즉, 센서 입력 데이터로부터 여러 장애물을 분할하고, 각 장애물의 경계점에서 로봇과 가장 가까운 한 점을 구하는 것이다
그리고 장애물이 거리 센서의 범위를 벗어났을 경우, 목표를 향해 회전할 때 충돌이 발생 할 수 있다. 장애물 회피 과정에서 로봇의 움직임으로 인해 실제로는 로봇 옆에 장애물이 존재하지만, 장애물이 거리 센서 범위 밖일 때, 장애물과 로봇이 충돌할 수 있다는 문제점이 있다. 따라서, 장애물을 인식하였다 사라지는 지점에서 추측 항법(Dead Reckoning)을 사용하여 추측 장애물에 대해 척력을 발생하여 장애물을 회피하는 방법을 고안했다.

목차

제 1 장 서론 1
제 2 장 포텐셜 필드(Potential Field) 4
제 3 장 Active Min-Depth Filter 8
제 4 장 추측 항법(Dead Reckoning) 17
제 5 장 적용 및 결과 21
제 5.1절 Active Min-Depth Filter를 이용한 결과 21
제 5.2절 추측 항법을 이용한 결과 24
제 5.3절 Active Min-Depth Filter와 추측 항법 동시 적용 25
제 5.4절 장애물 회피를 적용한 Caddy Robot 33
제 6장 결론 및 추후 연구 36
참고 문헌 38

최근 본 자료

전체보기

댓글(0)

0