수풀 혹은 수목 지형과 같은 비구조화 된 지형으로부터 얻은 3차원 점 군 데이터를 이용해 외부 환경을 인식하는 문제는 무인 로봇 등이 성공적 임무를 수행하기 위해서 풀어야 하는 중요한 연구 주제이다. 하지만 비구조화 지형의 특성 상 모델링의 어려움과 방대한 데이터 처리 등으로 인해 비구조화 지형 인식은 어려운 문제로 남아 있다. 이 논문에서는 점 군 데이터를 복셀화한 후 다변량 가우시안 클러스터링 기법을 이용해 외부 환경을 모델링하고 이로부터 무인 로봇 등이 지나갈 수 있는 지면을 인식하는 방법론을 제안한다. 제안된 알고리즘은 수집된 3차원 점군 데이터를 이용하여 데이터의 위치, 공간적 분포 경향을 고려하고 이들을 가우시안 분포로 나타냄으로써 지면과 그렇지 않은 부분을 구분하는 것을 시도한다. 최종적으로 제안된 알고리즘의 성능 평가를 위하여 다양한 외부 환경 속에서 획득한 데이터를 이용하여 지면 추출 성능을 확인한다.
Understanding the unstructured terrain environment, such as grasses, trees or forest, through 3D point cloud data is one of challenging issues in unnamed field robotics applications. However, due to the difficulty of modeling and large data processing, the recognition of unstructured area still remains a difficult problem. This paper proposes an algorithm that models the unstructured area by voxelization using multivariate Gaussian clustering method. The proposed algorithm analyzes collected 3D point cloud data to detect ground surface regions based on the mean and covariance of point cloud data. The proposed algorithm was tested using data obtained from various outdoor environments for performance evaluation.
