MCL을 이용한 이동로봇 위치추정의 구현 ( Mobile robot localization using monte carlo localization ) 한양대학교 전자전기전공 이용학.

Presentation on theme: "MCL을 이용한 이동로봇 위치추정의 구현 ( Mobile robot localization using monte carlo localization ) 한양대학교 전자전기전공 이용학."— Presentation transcript:

1 MCL을 이용한 이동로봇 위치추정의 구현 ( Mobile robot localization using monte carlo localization )
한양대학교 전자전기전공 이용학

2 For Navigation 기존의 Markov Localization 및 여러 방법 제 시 많은 계산 량과 복잡한 연산과정
Particle Filter를 적용시킨 Monte Carlo Localization 에 Kalman Filter를 이용하여 정 확도를 높인 Localization

3 Application (Particle filter)
Random 한 방향으로 뿌린 Particle로 인해서 위치추정 과정의 순서도 이 과정을 반복함으로써 Localization을 수행하게 된다.

4 Application (Particle filter)

5 Application (Particle filter)

6 Application (Kalman filter)
엔코더 값과 센서값을 이용하여 두 정보를 이용하여 측정을 반복하며 정확도를 높인다.

7 Application 이번의 실험 연구는 Particle Filter을 기본으로 한 Monte Carlo Localization을 기본 알고리즘으로 채택한 후 Kalman Filter를 이용하여 정확도를 높이는데 초점을 두어 이동로봇의 주행을 구현하였다.

8 실험 환경 Laser Range Sensor 재원 : 한국생산기술연구원 “SEROPI” 에 적용 URG04-LX DC 5V
종 류 URG04-LX 전원 전압 DC 5V 소비전류 500mA 측정범위 mm 240 degree 각도 분해가능 0.36 degree 주사시간 100ms/scan 재원 : 한국생산기술연구원 “SEROPI” 에 적용

9 실험 결과 40m x 30m 지도에서 한 셀의 크기가 10cm x 10cm인 격자 지도 사용 Laser Finder
Sonar Sensor Laser Finder

10 실험 결과 Laser Finder 를 이용하여 Localization Simulation

11 결론 확률론을 기초로 하고있는 Localization이 주를 이루고 있 다.
불확실한 센서 정보로 인한 문제를 좀더 보완하고자 하는 목적으로 발전된 형태 Particle filter를 적용하여 메모리 양을 줄이고 계산시간을 단축한 후 Kalman filter로 한번 더 위치추정을 해줌으로써 보다 더 정확한 위치추정을 이룰 수 있도록 한다. 확률론에 기초한 방식들은 처리시간이 오래 걸리므로 적 절한 Sample 을 사용해야 한다.