Mobile robots의 속도제어 및 위치추적을 위하여 Kalman filter와 optical flow를 사용한 이미지 특징점 매칭

국문 초록 (Abstract)

본 논문에서는 이동로봇으로 물체의 위치를 탐색하고 추적하기 위해서 Kalman Filter와 Optical Flow를 사용한다. 단순히 Optical Flow만을 사용해서 물체의 위치를 추적할 경우, 여러 가지 오차가 발생 할 수 있다. 이에 Kalman Filter를 사용해서 초기값을 설정해 준 다음, 이를 Optical Flow에 적용시켜 이미지의 특징점(feature point)을 결정한다.
따라서 본 논문에서는 Optical Flow의 three step methods를 사용해서 이미지의 특정점을 찾아내고, RANSAC(Ransom Sample Consensus)을 통해서 물체의 outlier를 제거해 보다 선명한 이미지의 특징점을 결정한다. 위의 Kalman Filter와 Optical Flow를 합성함으로써, 이동로봇이 물체의 위치를 정확하게 파악하고 추적 할 수 있다.

목차 (Table of Contents)

• 제 1장 서론 1
• 제 2장 Kalman Filter와 Optical Flow 4
• 2.1 Kalman Filter 4
• 2.1.1 Kalman Filter 정의 및 초기 값 선정의 중요성 4
• 2.1.1.1 Kalman Filter의 정의 4
• 2.1.1.2 Kalman Filter 초기 값 선정의 중요성 6
• 2.1.2 Kalman Filter 초기 값에 의한 물체의 추적 7
• 2.2 Optical Flow 9
• 2.2.1 Optical Flow를 사용한 특징 점 매칭 및 동작추정, Velocity Algorithm 10
• 2.2.2 Optical Flow Equations 12
• 2.2.3 Optical Flow를 사용한 물체의 추적 16
• 2.2.3.1 UKF-OKF 방법을 사용한 물체의 추적 16
• 2.2.3.2 Optical Flow 물체의 추적 19
• 2.2.4 RANSAC 알고리즘 21
• 2.2.4.1 RANSAC 이해 21
• 2.2.4.2 RANSAC 활용 22
• 제 3장 Kalman Filter-Optical Flow 합성에 의한 알고리즘 제안 및 분석 23
• 3.1 Optical Flow two step methods 23
• 3.1.1 First step 24
• 3.1.2 Second step 25
• 3.2 Kalman Filter-Optical Flow 합성 알고리즘 제안 및 분석 27
• 3.2.1 Optical Flow 27
• 3.2.2 Kalman Filter 28
• 3.2.3 Kalman Filter-Optical Flow 29
• 제 4장 Simulation 및 실험 결과 31
• 제 5장 결론 및 향후 방안 35
• 참고문헌(Reference) 36
• Abstract 39