We propose a stable Ceiling Vision SLAM (Ceiling Vision based Simultaneous Localization and Mapping) methods in the paper, where we measure saliency of multi features, like corner and circle, to improve the stability of our process.The algorithm of the methods we propose consists as follows. 1) Multi features are detected to make up a featured based map. 2) Due to different saliency of features, we sort several features which possess the top rank saliency. 3) We draw Delaunay triangles based on selected feature points and compose a hybrid map of feature triangulation map and grid mapping with LRF data. 4) We localize the robot based on the hybrid map and utilizes extended Kalman filter(EKF) to predict and update robot date and map data.Experiment results show the excellent effects of proposed methods on localization and navigation. Firstly, we reduce the computation by using our saliency measurement model and improve speed of program execution. Secondly, we get more stable feature by measuring saliency strength. Then, the result of localization and mapping is more accurate due to EKF. Finally, a hybrid map consists of feature triangulation map and grid map using LRF data.
본 논문에서는 더 안정화된 Ceiling Vision SLAM (Ceiling Vision based Simultaneous Localization and Mapping) 방법을 제안한다. 그 방법에서는 다양한 feature들(예를 들면, corner 와 circle)의 saliency값을 계산하는 것을 이용하여SLAM 과정의 안정도를 높인다.그 방법은 4가지 단계로 구성 되어있다. i ) 다양한 feature들을 검출하여 feature 기반으로 map을 구상한다. ii ) 서로 다른 feature들 다른 saliency 값을 가지고 있기 때문에, feature들은 saliency값이 높은 순으로 정렬할 수 있다. iii ) 선택된 feature point들 및 개 기초에 Delaunay Triangulation한 후, LRF 이용하여 얻은 grid map과 같이 hybrid map을 구성한다. iv ) 위 hybrid map 이용해서 이동 로봇의 위치인식하고 Extended Kalman Filter(EKF) 이용해서 로봇과 맵 정보를 업데이트 시킨다.시뮬레이션 및 실험 결과는 제안된 방법이 이동 로봇의 위치 인식 및 내비게이션에 효과적이었음을 보여준다. 먼전, saliency 계산 모텔 이용하여 계산양을 감소시켜서 프로그램 실행 속도를 높이고 더 안정된 feature를 얻을 수 있다. 그리고, EKF 때문에 로봇 위치인식 과 맵 구성 결과는 더 정확해진다. 마지막으로, feature triangulation map 과 grid map 같이 hybrid map 구성된다.