전파를 이용한 실내 위치인식 기술은 현재 다양한 환경에서 연구되고 있다. 그 중 철골구조로 이루어진 선박은 전파의 반사에 의해 수신율은 높지만 레인징 오차가 크게 발생한다. 이러한 환경에서 발생하는 위치측정 오차를 줄이기 위하여 본 연구에서는 IEEE 802.15.4a의 CSS 기반으로 변형 이변측위와 초전센서를 이용한 선내 위치인식보정 알고리즘을 제안한다. 제안한 시스템은 선내 복도와 같은 좁은 통로에서 CSS의 특성분석을 통하여 이동노드와 고정노드 사이의 적합한 수신거리를 추정하여 고정노드의 수를 줄이고 또한 전파의 반사와 회절에 의한 레인징 오차가 크게 변동하는 코너영역에서 제안한 변형 이변측위기법과 초전센서를 이용하여 이동구간을 추적하여 위치를 인식하였다. 실험결과 제안한 알고리즘이 일반적인 방법 대비 86.2 %의 선내 위치인식 정확도와 효율이 향상됨을 확인하였다.

Multi-floor navigation of a mobile robot requires a technology that allows the robot to safely get on and off the elevator. Therefore, in this study, we propose a method of recognizing the elevator from the current position of the robot and estimating the location of the elevator locally so that the robot can safely get on the elevator regardless of the accumulated position error during autonomous navigation. The proposed method uses a deep learning-based image classifier to identify the elevator from the image information obtained from the RGB-D sensor and extract the boundary points between the elevator and the surrounding wall from the point cloud. This enables the robot to estimate the reliable position in real time and boarding direction for general elevators. Various experiments exhibit the effectiveness and accuracy of the proposed method.

This paper presents a 6-DOF relocalization using a 3D laser scanner and a monocular camera. A relocalization problem in robotics is to estimate pose of sensor when a robot revisits the area. A deep convolutional neural network (CNN) is designed to regress 6-DOF sensor pose and trained using both RGB image and 3D point cloud information in end-to-end manner. We generate the new input that consists of RGB and range information. After training step, the relocalization system results in the pose of the sensor corresponding to each input when a new input is received. However, most of cases, mobile robot navigation system has successive sensor measurements. In order to improve the localization performance, the output of CNN is used for measurements of the particle filter that smooth the trajectory. We evaluate our relocalization method on real world datasets using a mobile robot platform.

최근 초고층 및 초장대와 같은 대형 구조물들이 시공되고 있으며, 이에 대한 구조물 건전성 모니터링 기술들이 연구되고 있다. 하지만 기존의 기술들은 계측 센서의 관리와 센서로부터 계측된 데이터에 효율적으로 access하지 못하고 있다. 본 논문에서는 구조물 건전성 모니터링을 위한 증강현실 기반 센서 위치인식 및 데이터 시각화 기술을 소개한다. 모바일 디바이스에 내장된 GPS를 통하여 센서와 사용자 간의 거리를 파악하게 된다. 뿐만 아니라, 센서로부터 계측된 데이터는 위치정보시스템 서버에 저장되며, RSS방식을 통해 전송되어 사용자가 모바일 디바이스를 통해 쉽게 계측 데이터를 가시화 할 수 있게 된다. 이 기술을 이용하여 사용자는 센서의 위치인식을 통해 계측센서를 관리하고, 계측 데이터를 시각화하여 시간과 공간에 제약 없이 구조물의 건전성을 모니터링 할 수 있게 된다.

This paper proposes a low-complexity indoor localization method of mobile robot under the dynamic environment by fusing the landmark image information from an ordinary camera and the distance information from sensor nodes in an indoor environment, which is based on sensor network. Basically, the sensor network provides an effective method for the mobile robot to adapt to environmental changes and guides it across a geographical network area. To enhance the performance of localization, we used an ordinary CCD camera and the artificial landmarks, which are devised for self-localization. Experimental results show that the real-time localization of mobile robot can be achieved with robustness and accurateness using the proposed localization method.