The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Object Detection Method on Vision Robot using Sensor Fusion

센서 융합을 이용한 이동 로봇의 물체 검출 방법

  • 김상훈 (한경대학교 정보제어공학과)
  • Published : 2007.08.31
Download PDF
⟨ Previous Next ⟩

Abstract

A mobile robot with various types of sensors and wireless camera is introduced. We show this mobile robot can detect objects well by combining the results of active sensors and image processing algorithm. First, to detect objects, active sensors such as infrared rays sensors and supersonic waves sensors are employed together and calculates the distance in real time between the object and the robot using sensor's output. The difference between the measured value and calculated value is less than 5%. We focus on how to detect a object region well using image processing algorithm because it gives robots the ability of working for human. This paper suggests effective visual detecting system for moving objects with specified color and motion information. The proposed method includes the object extraction and definition process which uses color transformation and AWUPC computation to decide the existence of moving object. Shape information and signature algorithm are used to segment the objects from background regardless of shape changes. We add weighing values to each results from sensors and the camera. Final results are combined to only one value which represents the probability of an object in the limited distance. Sensor fusion technique improves the detection rate at least 7% higher than the technique using individual sensor.

본 논문에서는 초음파 및 적외선 센서와 무선 카메라를 장착한 소형 이동 로봇의 물체 검출 방법을 제시한다. 전방 물체의 존재 여부를 판단하기 위해, 초음파 센서는 초음파 발생 신호의 귀환시간, 적외선 센서는 감지한 적외선 아날로그신호의 양, 카메라는 영상 데이터 중 물체의 특징 등을 추출하여 그 결과를 융합함으로써 물체의 유무 또는 이동 로봇과 물체와의 거리를 판단하여 로봇의 움직임을 제어하는데 사용한다. 초음파와 적외선 센서는 물체의 유무와 물체의 대략의 거리를 예측하는 1차 센서로 사용되며 거리 계산결과와 실제 거리 값과의 오차는 5%이내이다. 영상처리에 의해 2차의 섬세한 물체 검출 및 추적을 수행하여 최종적으로 센서 융합에 의한 물체 검출율을 개선하였다. 영상처리방법은 물체와 배경 및 유사잡음들과의 강인한 분리를 위하여 고유색상정보와 움직임 정보 등의 사전정보를 활용하였으며, 형태의 변화가 수반되는 경우에도 유연한 대처능력을 갖도록 하기 위해 시그니처를 이용한 영역분할 방법을 통해 모든 후보영역내의 물체의 존재를 확인하고 목표 물체영역만을 검출하였다. 세가지 센서에 의한 대상 물체 검출 결과의 합은 최종적인 검출을 결정하는데 확률적 근거로 활용되며 각 개별 센서를 사용한 경우보다 최소 7% 이상의 검출율이 개선되었다.

Keywords

References

  1. 정보통신연구진흥원, IT 차세대 성장 동력 기획보고서(지능형 서비스로봇), 2003. 12
  2. Marchand. E, Bouthemy. P., Chaumette. F., and Moreau. V., Robust Real-Time Visual Tracking using a 2D-3D Model Based Approach, Proc. of the Seventh IEEE International Conference on Computer Vision. Vol.1, (1999), pp. 262-268 https://doi.org/10.1109/ICCV.1999.791229
  3. 목임수, 이동 물체에서의 초음파 센서 기술, www.autocontrol.co.kr/magazine, 2006.10
  4. G.D.Finlayson, Color Normalization for Object Recognition, ATR Symposium on Face and Object Recognition, Japan, (1998), pp.47-48, April
  5. H. Gharavi ad Mike Mills, Blockmatching Motion Estimation Algorithm - New Results, IEEE Trans. Circuits and System, vol.37, no. 5, May, (1990) https://doi.org/10.1109/31.55010
  6. Jibe Yang and Alex Waybill, Tracking Human Faces in Real Time, Technical Report CMU-CS-95-210, Carnage Melon University, (1995)
  7. Han. K. B., Yang. J.W., Baek. Y. S. Real Time 3D Motion Estimation using Vision System, 2002
  8. G. Hager and P. Belhumeur, Real-time tracking of image regions with changes in geometry and illumination, in Proc. IEEE Conf. on Computer Vision and Pattern Recognition, San Francisco, CA, 1996, pp. 403-410 https://doi.org/10.1109/CVPR.1996.517104
  9. K.Sobottka and I.Patas, Segmentation and Tracking of Faces in Color Images, Proc. Int'I Conf. Face and Gesture Recognition, Vermont(U.S.A), pp. 236-241, Oct. 1996 https://doi.org/10.1109/AFGR.1996.557270
  10. 한규범, 백윤수, 동적윤곽모델을 이용한 동적 물체 추적, 대한기계학회논문집 A권, 27권 5호, pp697-704, 2003
  11. D. Comaniciu and P. Meer, Mean shift: A robust approach toward feature space analysis, IEEE Trans. Pattern Anal. Machine Intell., vol. 24, no. 5, pp. 603-619, 2002 https://doi.org/10.1109/34.1000236