비전 기반 휴머노이드 위치추정(aMCL)과 데이터 연관 최적화 연구

Vision-based humanoid localization using aMCL and data association optimization

연구 내용

휴머노이드의 카메라 흔들림과 동적 환경 노이즈를 고려하여 aMCL 기반 위치추정을 수행하고, 객체 검출 및 헝가리안 알고리즘으로 데이터 연관을 개선하는 연구

휴머노이드의 위치추정은 보행의 불안정성과 카메라 프레임 진동으로 인해 기존 모바일 로봇 수준의 정밀도를 확보하기 어렵습니다. 본 연구는 비전 기반 Augmented Monte-Carlo localization(aMCL)을 적용하고, 신뢰도에 따른 적응형 입자 분포와 키포인트 인식 기반의 관측 강건성을 결합하여 위치추정 안정성을 높입니다. 또한 랜드마크 식별을 위해 딥러닝 기반 객체 검출을 사용하고, 데이터 연관 단계에서 nearest neighbor 대신 Hungarian algorithm을 적용하여 잘못된 대응을 줄입니다. 동적 장애물과 시각 가림이 포함된 시나리오에서 위치추정 정확도와 안정성을 함께 평가합니다.

관련 프로젝트

0건

연구 흐름

2023년에는 성인 사이즈 휴머노이드의 위치 정확도를 목표로 vision-based aMCL 구조를 구성하고, 객체 검출로 랜드마크를 식별한 뒤 데이터 연관을 Hungarian algorithm으로 개선하는 접근을 제안하였습니다. 이후 2025년에는 동적이고 노이즈가 큰 환경에서의 실패 요인을 분석하고, reliability 기반 적응형 particle distribution과 향상된 keypoint 인식 기법을 결합한 enhanced particle filter 형태로 확장하였습니다. RoboCup 계열의 동적 장면에서 장애물, 장애물 기반 시각 가림, 미끄러짐 등 변동 조건을 두고 성능을 검증하는 흐름으로 이어졌습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

RoboCup 유사 환경 실시간 위치추정
카메라 진동 보정이 반영된 내비게이션
동적 장애물 환경에서의 재국소화
비전 랜드마크 기반 관측 모델
헝가리안 데이터 연관 모듈
키포인트 인식 기반 관측 강건성
입자 필터 신뢰도 기반 최적화
휴머노이드 제어와 연동되는 상태추정
실내 스포츠/게임 로봇 위치추정
시각 장애 상황의 위치추정 안정성 강화