[논문 리뷰] Metric Map Merging using RFID Tags & Topological Information.

Emmanouil Tsardoulias, Aristeidis G. Thallas외 1명|arXiv (Cornell University)|2017. 11. 17.

Robotics and Sensor-Based Localization참고 문헌 5인용 수 3

한 줄 요약

이 논문은 RFID 태그와 지형적 특징을 활용하여 다중 로봇 시스템의 국소 점유 격자 지ap(OGM)를 정렬하는 메트릭 맵 병합 기법을 제안한다. 장애물과 RFID 자세 정렬을 통해 근사적인 회전을 계산하고, 가장 정밀하게 국소화된 RFID 쌍을 이용해 이동을 추정하며, ICP를 통해 정렬을 정밀하게 보정함으로써 평균 제곱 오차가 거의 0에 가까운 거의 완벽한 맵 융합을 달성하며, 병합당 평균 실행 시간은 18초 이내이다.

ABSTRACT

A map merging component is crucial for the proper functionality of a multi-robot system performing exploration, since it provides the means to integrate and distribute the most important information carried by the agents: the explored-covered space and its exact (depending on the SLAM accuracy) morphology. Map merging is a prerequisite for an intelligent multi-robot team aiming to deploy a smart exploration technique. In the current work, a metric map merging approach based on environmental information is proposed, in conjunction with spatially scattered RFID tags localization. This approach is divided into the following parts: the maps approximate rotation calculation via the obstacles poses and localized RFID tags, the translation employing the best localized common RFID tag and finally the transformation refinement using an ICP algorithm.

연구 동기 및 목표

• 다중 로봇 탐색 시스템에서 여러 로봇으로부터 생성된 국소 메트릭 맵 융합의 과제를 해결한다.
• 오ド메트리나 글로벌 위치 기반 시스템에 의존하지 않고 환경 기반의 지표를 활용하여 정확한 맵 병합을 가능하게 한다.
• 분산 로봇 시스템에서 공통 기준 프레임 부족 문제를 RFID 태그와 지형적 특징을 통해 해결한다.
• 장애물의 기하학적 제약(장애물 방향), RFID 국소화 및 반복 정밀 조정을 조합하여 맵 정렬 정밀도를 향상시킨다.
• 이산 격자 표현 방식으로 인한 융합 맵의 일관성 문제를 수정된 블러링 과정을 통해 최소화한다.

제안 방법

• 환경 장애물의 방향 벡터를 이용해 국소 OGM 간의 상대적 회전을 추정한다. 이때 장애물이 상호 수직이라고 가정한다.
• 공통 RFID 태그 자세 간의 RANSAC 기반 지형 정렬을 통해 회전 쿼터니언을 계산한다.
• 두 맵 간에 가장 정밀하게 국소화된 공통 RFID 태그 쌍을 이용해 이동을 결정한다.
• 초기 변환을 반복 최소 제곱(Iterative Closest Point, ICP) 알고리즘을 사용해 정밀하게 보정하여 고정밀 정렬을 달성한다.
• 변환 후 이산 격자 표현 방식으로 인한 일관성 문제를 해결하기 위해 수정된 블러링 과정을 적용한다.
• 균일한 전방향 안테나 반응을 가정한 확률적 베이지안 필터를 사용해 RFID 태그 국소화를 수행한다.

실험 결과

연구 질문

• RQ1 RFID 태그와 지형적 특징을 활용해 다중 로봇 시스템에서 메트릭 맵 병합을 위한 공통 기준 프레임을 효과적으로 설정할 수 있는가?
• RQ2 장애물 기하학적 특징과 RFID 태그 자세를 이용해 두 개의 국소 OGM 간의 상대적 회전을 얼마나 정확하게 추정할 수 있는가?
• RQ3 가장 정밀하게 국소화된 RFID 쌍을 사용할 경우 맵 병합에서 이동 추정 정확도에 어떤 영향을 미치는가?
• RQ4 기하학적 및 RFID 기반 방법에 비해 ICP 보정이 맵 정렬 정확도 향상에 얼마나 기여하는가?
• RQ5 실제 조건에서 실행 시간과 오차 지표(예: MSE) 측면에서 제안된 방법의 성능은 어떠한가?

주요 결과

• 첫 번째 방법—변환에 오직 RFID 태그 트리플릿만 사용한 경우—매우 큰 평균 제곱 오차(MSE)를 보이며 심각한 정렬 오류가 발생했다.
• 두 번째 방법—장애물 방향 벡터와 가장 정밀하게 국소화된 RFID 쌍을 조합한 경우—MSE가 크게 감소했고, 장애물의 정렬이 시각적으로 올바르게 이루어졌다.
• 세 번째 방법—초기 변환 후 ICP 보정을 추가한 경우—거의 0에 가까운 MSE를 달성하여 거의 완벽한 맵 정렬을 확인할 수 있었다.
• 정밀도가 높을수록 실행 시간이 증가했다: 첫 번째 방법은 약 0.02 ms, 두 번째 방법은 RANSAC로 인해 약 10초, 세 번째 방법은 ICP로 인해 약 18초가 소요되었다.
• 알고리즘이 높은 각도 정확도를 보였으며, 평균 회전 편차는 ±1.1196°였고, 95.45%는 ±2σ 이내에 포함되어 있어 강력한 일관성을 보였다.
• 더 긴 실행 시간에도 불구하고 ICP를 통한 정밀 보정이 높은 정밀도를 제공함으로써 오프라인 맵 융합에 있어 계산 비용을 감당할 수 있음을 확인하여, 이 방법이 더 바람직하다고 판단되었다.