http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
ROS 기반의 실내자율 주행 로봇의 자기위치 인식 및 딥러닝에 의한 제어 시스템
박동규(Dong Gyu Park),김규리(Kyu Ree Kim),장진우(Jin Woo Jang),김동환(Dong Hwan Kim) 대한기계학회 2021 大韓機械學會論文集A Vol.45 No.12
본 연구는 물류 센터 무인화를 위해 상자를 지역, 회사에 따라 분류하고 장애물을 실시간으로 회피하며 목표지점까지 운송하는 로봇 시스템을 개발하는 것을 목표로 하고 있다. 전체 제어 시스템은 ROS(robot operating system)로 구성하였으며, 모터 제어 및 기타 센서 처리를 위해 하부제어기로 OpenCR을 추가하였다. 또한 IMU 센서와 encoder를 결합한 odometry를 기반으로 AMCL(adaptive Monte Carlo localization) 알고리즘을 사용하여 로봇 위치를 추정 및 보정하였다. 또한 이를 LiDAR와 결합하여 맵핑 및 주행(navigation)을 진행하였다. 상자 분류는 YOLO를 통해 진행하였다. 그 결과 상자 분류를 통해 스스로 목표지점을 설정하고 라이더로 장애물을 인식하여 실시간으로 회피하는 자율주행 로봇을 구현하였다. In this study, an indoor self-driving automated guided vehicle that recognizes objects in a logistics center and transports them to their destinations is introduced. The robot must be aware of its location while it moves and must be able to recognize its surroundings in real time to operate in the self-driving mode. The control system is composed of a robot operating system (ROS) with OpenCR used as a lower controller for motor control and other sensor processing. The robot position is estimated by combining the adaptive Monte Carlo localization algorithm (AMCL) with odometry using an inertial measurement unit sensor and an encoder, and mapping and navigation are performed by combining it with LiDAR. In addition, box classification is conducted through you-only-look-once (YOLO) object detection. Consequently, we implement a self-driving robot that sets its own target point through box classification and avoids obstacles in real time by recognizing obstacles with LiDAR.