메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
Sang Hyeon Oh (Hyundai Motor Company) Kwak Dong Hwan (Hyundai Motor Company) Hyun Tek Lim (Hyundai Motor Company)
저널정보
제어로봇시스템학회 제어로봇시스템학회 국제학술대회 논문집 ICCAS 2023
발행연도
2023.10
수록면
1,904 - 1,907 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
The SLAM algorithm has been extensively researched and has gained significant relevance in our daily lives, particularly with the advancements in robot technology and autonomous driving. Currently, SLAM can be largely divided into 2D SLAM and 3D SLAM. In the case of 2D SLAM, accurate mapping and localization of the plane can be achieved with low computational requirements. However, it has the limitation of not considering 3D information. In contrast, 3D SLAM can generate maps and perform localization in complex indoor spaces with obstacles by incorporating 3D data on objects. However, it may face challenges in real-time implementation in embedded systems due to high computational demands. In this paper, we propose a 2.5D SLAM using the Life Long Feature(LLF) algorithm. First, 2.5D SLAM is a projection of 3D camera feature points that are not perceived by the 2D-Lidar onto the 2D-Lidar plane. The transformation matrix to project camera feature to 2D-Lidar plane is calculated by optimizing least-square problem of the same points recognized by the camera and 2D-Lidar. Additionally, the LLF algorithm enables the updating and maintenance of camera feature points based on the robot"s current position, even when the camera is not perceiving objects. The difference in Field Of View(FOV) between the camera and the LiDAR causes the problem of being recognized as a dynamic object and removing feature points. The LLF algorithm can solve this problem even when the object is within the range of the 2D-LiDAR but not visible in the camera"s FOV. In experiment, we confirmed our proposed 2.5D SLAM with LLF algorithm show better performance in detecting 3D objects and Mapping than pervious 2D SLAM.
#SLAM #Visual SLAM #Sensor Fusion #2.5D SLAM

목차

Abstract
1. INTRODUCTION
2. PROPOSED METHOD
3. EXPERIMENT
4. CONCLUSION
REFERENCES

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Multi-Layered 3D NDT Scan Matching 방법의 불확실성을 가진 Layer 식별 및 제거 방법
김태호 ,  전하늘 ,  최해겸 외 3명 대한기계학회 춘추학술대회 2023 .05
Development of an Autonomous Mobile Robot in the Outdoor Environments with a Comparative Survey of LiDAR SLAM
Minsu Kim ,  Miaojun Zhou ,  Seoungwoo Lee 외 1명 제어로봇시스템학회 국제학술대회 논문집 2022 .11
Lidar SLAM Comparison in a Featureless Tunnel Environment
Iulian Filip ,  Juhyun Pyo ,  Meungsuk Lee 외 1명 제어로봇시스템학회 국제학술대회 논문집 2022 .11
Semantic SLAM-based Autonomous Tributary Navigation System Using 3D LiDAR Point Cloud for UAV
Jeonghyeon Pak ,  Hyoung Il Son 제어로봇시스템학회 국제학술대회 논문집 2022 .11
2D Lidar 센서 기반 Semantic Feature 를 이용한 위치인식
최준현 ,  배상현 ,  안예찬 외 2명 제어로봇시스템학회 국내학술대회 논문집 2022 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088266679