지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이지홍
- 발행연도
- 2013
- 저작권
- 충남대학교 논문은 저작권에 의해 보호받습니다.
이용수5
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Outdoor mobile robots are faced with various terrain types having different characteristics. To run safely and carry out the mission, mobile robot should recognize terrain types, physical and geometric characteristics and so on. It is essential to control appropriate motion for each terrain characteristics. One way to determine the terrain types is to use non-contact sensor data such as vision and laser sensor. Another way is to use contact sensor data such as slope of body, vibration and current of motor that are reaction data from the ground to the tire. In this paper, we presented experimental results on terrain classification using contact sensor data. We made a mobile robot for collecting contact sensor data and collected data from four terrains we chose for experimental terrains. Through analysis of the collecting data, we suggested a new method of terrain feature extraction considering physical characteristics and confirmed that the proposed method can classify the four terrains that we chose for experimental terrains. We can also be confirmed that terrain feature extraction method using Fast Fourier Transform (FFT) typically used in previous studies and the proposed method have similar classification performance through back propagation learning algorithm. However, both methods differ in the amount of data including terrain feature information. So we defined an index determined by the amount of terrain feature information and classification error rate. And the index can evaluate classification efficiency. We compared the results of each method through the index. The comparison showed that our method is more efficient than the existing method.
목차
1. 서 론 12. 접촉식 센서 데이터의 수집 및 분석 41) 접촉식 센서 데이터를 수집하는 로봇 시스템 설계 42) 실험 지질 선정 53) 지질별 수집 데이터 분석 63. 지질 특성정보 추출 101) 피크분산을 이용한 지질 특성정보 추출 방법 102) 센서별 지질 특성 추출결과 124. 신경망 알고리즘을 이용한 지질 특성 추출방법에 따른 지질 분류 성능비교 161) 고속 퓨리에 변환 특성정보를 이용한 지질 분류 162) 피크분산 특성정보를 이용한 지질 분류 183) 실시간성을 고려한 분류 효율성 비교 205. 결론 및 추후 연구 23참고문헌 24Abstract 26
최근 본 자료
댓글(0)
0