KR100264395B1 - 초음파 센서를 이용한 물체 탐지방법 - Google Patents

Abstract

본 발명은 초음파 센서를 이용한 물체 탐지방법에 관한 것으로, 본 발명의 목적은 측정점 뿐만 아니라 측정 영역 내부의 셀들 중 측정 중심축에 있는 셀들에 대해서는 물체가 존재할 가능성인 확신도 값이 갱신되도록 하여 성능 저하 없이 빠른 속도로 장애물에 대한 탐지를 수행할 수 있는 초음파 센서를 이용한 물체 탐지방법을 제공하는데 있다.

이를 위해 본 발명은 격자지도의 각 셀의 크기를 결정하고, 격자 지도의 각 셀을 초기화한 다음, 상기 각 센서로부터 측정데이타가 입력되면 상기 각 센서의 위치와 방향을 계산하고, 상기 센서의 위치와 방향, 측정 데이타를 이용하여 측정점을 계산한다. 그리고, 상기 센서의 현재 위치와 상기 계산된 측정점의 위치를 상기 격자 지도의 해당되는 셀에 각각 표시하고, 상기 격자지도상의 센서가 위치한 셀과 상기 측정점이 위치한 셀을 일 직선상으로 잇는 측정 중심축상에 위치한 셀들을 확인한 다음, 각각의 확신도 값을 계산하여 상기 계산된 각각의 확신도 값을 상기 측정점에 해당하는 셀과 상기 측정 중심축상에 해당하는 셀들에 저장된 이전의 확신도 값과 결합하여 상기 갱신된 확신도 값을 상기 각각의 해당 셀들에 저장한다.

Description

초음파 센서를 이용한 물체 탐지방법

본 발명은 초음파 센서를 이용한 물체 탐지방법에 관한 것으로, 더욱 자세하게는 하나 또는 그 이상의 초음파 센서들에 의해 측정된 측정값이 연속적으로 입력될 때, 이들 측정값들을 격자 형태의 지도에 기록함에 있어, 측정점 뿐만 아니라 측정 영역 내부의 셀들 중 측정 중심축에 있는 셀들에 대해서는 확신도 값이 갱신되도록 함으로써, 성능의 저하 없이 빠른 속도로 장애물에 대한 탐지를 수행할 수 있는 초음파 센서를 이용한 물체 탐지방법에 관한 것이다.

일반적으로 이동 로봇과 같은 로보틱스 분야에서는 주위의 상황을 인지하기 위해 초음파 센서를 이용하고 있다.

이동 로봇에 부착된 다수개의 초음파 센서들로부터 입력된 데이타들을 이용하여 물체를 탐지하기 위해 측정 데이타를 융합하는 방법으로는 모라백(Moravec)과 엘패스(Elfes)에 의해 제안된 "확신도 격자(Certainty grid)" 방식이 널리 사용되고 있다. 이 방법에서는 로봇이 동작하는 작업 공간을 2차원의 사각형 격자로 분할한다. 이때, 사각형 하나를 셀(cell)이라고 하는데, 여기에는 이 셀이 차지하는 영역내에 장애물이 있을 가능성에 대한 척도(certainty value) 즉 확신도가 기록된다. 초음파 센서로부터 새로운 데이타가 입력될 때마다 각 셀에 저장된 확신도는 갱신되는데, 모든 확신도 격자 방법에서는 장애물이 있을 가능성 척도인 확신도를 갱신하는 방법에 차이가 있다.

확신도를 갱신하는 방법을 설명하기에 앞서 초음파 센서의 동작 특성을 도1을 참조하여 살펴본다.

도1은 초음파 센서의 동작 특성을 설명하기 위한 도면으로, 도면에 도시된 바와 같이 초음파 센서는 부채꼴 형태의 영역내에 있는 물체까지의 거리를 측정하는데, 여기서 초음파 센서의 퍼지는 성질로 인하여 측정 중심축 이외에 측정현 상의 모든 위치에 장애물이 존재할 가능성이 존재하게 된다.

확신도 격자 방식을 처음 제안한 엘패스 등은 이러한 성질을 이용하여 측정 내부의 영역내에 해당되는 셀들에 대해서는 장애물이 존재할 가능성인 확신도를 낮추고, 측정현에 해당되는 셀들에 대해서는 장애물이 존재할 가능성인 확신도를 높이도록 하였는데, 이때 이전까지 측정된 확신도와 새로 측정된 확신도 값을 통합하기 위하여 베이어스(Bayes)의 정의(theorem)를 사용하였다.

그 후에 패객(Pagac) 등은 통합의 성능을 향상시키기 위하여 베이어스의 정의 대신에 뎀프스터(Dempster)와 세이퍼(Shafer)가 제안한 증거형 추론(evidential reasoning) 방법을 이용하였다.

그런데, 이러한 종래의 장애물 탐지방법들은 이론적인 면에서는 우수하지만, 실제로 적용하기에는 처리 시간이 많이 걸린다는 단점이 있다.

이러한 단점을 개선하기 위해 보렌스테인(Borenstein) 등이 제안한 방법에서는 측정점에 해당하는 셀에 저장된 확신도 값만 임의의 상수만큼 증가시킴으로써, 처리 속도의 향상을 꾀하였다. 이 방법의 기본적인 아이디어는 엘패스 등이 제안한 방법에서와 같이 모든 셀들에 대해 확신도 값을 갱신하지 않더라도, 로봇이 이동하면서 계속적으로 측정을 수행하므로, 결국은 모든 셀들의 확신도 값이 변화된다는 것이다.

그러나, 이 방법에서는 확신도 표현 및 갱신 방법을 너무 단순화시켜, 측정점에 해당되는 셀에 대해서만 확신도 값을 갱신함에 따라, 측정된 결과가 에러에 민감하게 되고, 확신도가 확률 값이 아니라 계속 증가하는 값이므로, 크기의 직접적인 비교가 어렵다는 등의 성능 저하를 야기시키는 문제점이 있었다.

따라서, 본 발명은 상기와 같은 종래 기술의 문제점을 해결하기 위해 안출된 것으로, 본 발명의 목적은 측정점에 해당되는 셀 뿐만 아니라 측정 영역 내부의 셀들 중 로봇과 측정점을 잇는 측정 중심축에 있는 셀들에 대해서도 확신도 값이 갱신되도록 함으로써, 측정 성능의 저하 없이 빠른 속도로 장애물 탐지 기능을 수행할 수 있는 초음파 센서를 이용한 물체 탐지방법을 제공하는데 있다.

도1은 초음파 센서의 동작 특성을 설명하기 위한 도면.

도2는 본 발명이 적용되는 탐지장치의 개략적인 블럭 구성도.

도3은 본 발명에 따른 탐지방법의 전체 흐름도.

*도면의 주요 부분에 대한 부호의 설명

11 : 초음파 센서

12 : 초음파 센서 측정 보드

13 : 중앙처리장치

14 : 메모리

상기 목적을 달성하기 위한 본 발명은, 이동체에 결합된 다수개의 초음파 센서를 이용한 물체 탐지방법에 있어서, 격자지도의 각 셀의 크기를 결정하고, 격자 지도의 각 셀을 초기화하는 제1단계; 상기 각 센서로부터 측정데이타가 입력되면 상기 각 센서의 위치와 방향을 계산하는 제2단계; 상기 계산된 센서의 위치와 방향, 그리고 상기 센서에 의해 측정된 측정 데이타를 이용하여 측정점을 계산하는 제3단계; 상기 센서의 현재 위치와 상기 계산된 측정점의 위치를 상기 격자 지도의 해당되는 셀에 각각 표시하는 제4단계; 상기 격자지도상의 센서가 위치한 셀과 상기 측정점이 위치한 셀을 일 직선상으로 잇는 측정 중심축상에 위치한 셀들을 확인하는 제5단계; 상기 측정점에 대해서는 물체가 존재할 가능성의 척도인 확신도를 증가시키고, 상기 나머지 측정 중심축상에 대해서는 상기 확신도를 감소시키는 각각의 확신도 값을 계산하는 제6단계; 및 상기 계산된 각각의 확신도 값을 상기 측정점에 해당하는 셀과 상기 측정 중심축상에 해당하는 셀들에 저장된 이전의 확신도 값과 결합하여 상기 갱신된 확신도 값을 상기 각각의 해당 셀들에 저장하는 제7단계를 포함한 것을 특징으로 한다.

이하, 첨부된 도2 및 도3을 참조하여 본 발명의 일 실시예를 상세히 설명하기로 한다.

도2는 본 발명이 적용되는 초음파 센서를 이용한 물체 탐지장치의 개략적인 블럭 구성도로서, 도면에서 11은 초음파 센서, 12는 초음파 센서 측정보드, 13은 중앙처리장치, 14는 메모리를 각각 나타낸다.

다수개의 초음파 센서(11)로부터 측정된 센서와 물체와의 거리 정보는 초음파 센서 측정보드(12)에 의해 처리되어 전기신호로 버스를 통해 중앙처리장치(13)로 입력된다. 메모리(14)에는 2차원의 격자 지도가 형성되어 있으며, 중앙처리장치(13)는 초음파 센서 측정보드(12)로부터 입력된 데이타를 이용하여 각 측정 영역에서의 장애물이 존재할 가능성의 척도인 확신도를 계산하여 증거 추론 방법을 통해 메모리(14)의 각 셀에 저장된 이전 확신도 값을 갱신한다.

이와 같은 과정을 도3을 참조하여 보다 구체적으로 살펴본다.

도3은 본 발명에 따른 초음파 센서를 이용한 물체 탐지방법의 전체 흐름도이다.

일반적으로 컴퓨터 상에서 격자 지도는 2차원의 행렬로 구현된다. 각 셀이 차지하는 크기는 사용자가 임의로 정의할 수 있는데, 일반적으로 10cm에서 50cm 정도가 사용된다. 여기서, 격자 지도의 각 셀의 위치와 실제 공간상에서의 위치 간의 관계는 수학식 1과 같이 정의된다.

여기에서, x_g 는 격자 지도 내에서의 셀의 위치를 나타내고, x_w 는 실제 공간에서의 위치를 나타내며, x_o 는 실제 공간에서의 원점(0,0)이 속하는 셀의 위치를 나타낸다. 또한, S는 사용자가 정의한 셀의 크기이다.

따라서, 본 발명에서는 초기에 초기화 및 셀의 크기를 설정하고, 격자 지도의 각 셀들을 클리어(Clear)시킨다(101). 이 상태에서 각 초음파 센서로부터 측정데이타가 입력되면(102), 센서의 위치(x,y)와 센서의 방향(θ)을 계산한다(103). 일반적으로 초음파 센서로부터 입력되는 측정 데이타는 초음파 센서의 중심으로부터 물체까지의 거리값(d)을 의미한다. 또한, 초음파 센서의 중심위치( x_u )와 방향(θ)은 현재 로봇의 위치와 방향, 그리고 초음파 센서의 부착 위치에 대한 정보를 이용함으로써 계산할 수 있다.

이와 같이 센서의 위치(x,y)와 방향(θ)을 구한 다음, 초음파 센서로부터 입력된 거리값(d)과 센서의 위치(x, y) 및 방향 정보를 이용하여 측정점을 계산한다(104). 즉, 측정점(dx,dy)는 수학식 2와 같이 계산될 수 있다.

dx = x + d × cos(θ)

dy = y + d × sin(θ)

수학식 2를 통해 현재의 측정점을 계산한 다음, 현재 로봇의 위치와 현재의 측정점(dx, dy)을 격자 지도 상에 표현한다(105, 106). 현재 로봇의 위치와 측정점의 위치를 격자 지도상에 표현하는 방법은 일반적인 방법으로 수학식 1을 이용하여 격자 지도상의 해당 셀의 위치를 확인할 수 있다.

이와 같이 격자 지도상에서의 로봇의 위치와 측정점의 위치를 설정한 다음, 로봇과 측정점을 잇는 일 직선상에 위치한 셀의 위치를 확인한다(107). 즉, 측정 내부의 중심축 상의 점들은 측정점이 존재하는 셀과 초음파 센서가 위치한 셀을 직선으로 연결하는 셀이 되는데, 초음파 센서가 위치한 셀부터 측정점 셀까지 브레젠헴 알고리즘과 같이 직선을 잇는 방법을 이용하여 일 직선상에 위치한 셀들을 확인한다.

이렇게 확신도 값을 변경할 셀들을 결정한 다음, 측정점에 해당하는 셀에 대해서는 확신도 값을 증가시키고, 직선상에 위치한 나머지 셀들에 대해서는 확신도 값을 감소시킨 다음(108), 새롭게 계산된 확신도 값과 각 셀에 저장된 이전의 확신도 값을 결합하여 각 셀의 확신도 값을 갱신한다(109).

본 발명에서는 각 셀의 확신도 값을 결정하고, 갱신하기 위하여 증거형 추론 방법을 사용하는데, 이때 인식 프레임(FOD: Frame Of Discernment)은 Θ={E,O}로 정의한다. 여기에서 E는 셀에 아무런 물체도 없음을 나타내며, O는 무엇인가가 존재함을 나타낸다. 초음파 센서로부터 새로운 측정값이 입력될 때마다 위에서 설명한 방법으로 선택한 셀들의 확신도 값이 바뀌는데, 새로 입력된 측정값에 대한 확신도는 수학식 3과 같이 정의된다.

여기에서 P(O｜M)은 조건부 확률로서, 초음파 센서로 물체를 감지했을 때 실제로 물체가 있을 확률을 나타낸다. 이 값은 실험에 의해 통계적으로 구해진다. 이와 같이 새로 입력된 측정치에 대한 확신도가 결정되면 이전의 확신도 값과 결합되어야 하는데, 이때는 잘 알려진 뎀프스터(Dempster)의 결합 법칙이 사용된다.

상기와 같이 이루어지는 본 발명은 일부 셀들에 대한 가능성 값만을 변경하므로 처리 속도가 빠르다는 장점을 가지며, 증거적 추론 방법을 이용하므로 결과에 대한 신뢰성이 매우 우수하다. 또한 빈 공간과 아직 측정되지 않은 공간을 구분할 수 있으며, 기존의 방법들이 가지는 번짐 효과(물체만이 아니라 물체 주변의 셀들도 높은 가능성 값을 갖는 현상)도 거의 없다는 장점이 있다.

Claims (7)

1. 이동체에 결합된 다수개의 초음파 센서를 이용한 물체 탐지방법에 있어서,

   격자지도의 각 셀의 크기를 결정하고, 격자 지도의 각 셀을 초기화하는 제1단계;

   상기 각 센서로부터 측정데이타가 입력되면 상기 각 센서의 위치와 방향을 계산하는 제2단계;

   상기 계산된 센서의 위치와 방향, 그리고 상기 센서에 의해 측정된 측정 데이타를 이용하여 측정점을 계산하는 제3단계;

   상기 센서의 현재 위치와 상기 계산된 측정점의 위치를 상기 격자 지도의 해당되는 셀에 각각 표시하는 제4단계;

   상기 격자지도상의 센서가 위치한 셀과 상기 측정점이 위치한 셀을 일 직선상으로 잇는 측정 중심축상에 위치한 셀들을 확인하는 제5단계;

   상기 측정점에 대해서는 물체가 존재할 가능성의 척도인 확신도를 증가시키고, 상기 나머지 측정 중심축상에 대해서는 상기 확신도를 감소시키는 각각의 확신도 값을 계산하는 제6단계; 및

   상기 계산된 각각의 확신도 값을 상기 측정점에 해당하는 셀과 상기 측정 중심축상에 해당하는 셀들에 저장된 이전의 확신도 값과 결합하여 상기 갱신된 확신도 값을 상기 각각의 해당 셀들에 저장하는 제7단계

   를 포함한 것을 특징으로 하는 초음파 센서를 이용한 물체 탐지방법.
2. 제 1 항에 있어서,

   상기 센서의 위치와 방향은 상기 이동체의 현재 위치와 방향, 그리고 상기 이동체에 부착된 초음파 센서의 부착 위치에 대한 정보를 이용하여 계산되는 것을 특징으로 하는 초음파 센서를 이용한 물체 탐지방법.
3. 제 1 항에 있어서,

   상기 측정점(dx,dy)은 각각,

   dx = x + d × cos(θ), dy = y + d × sin(θ); (여기서, (x, y)는 센서의 현재 위치, d는 센서에 의해 측정된 거리, θ는 센서의 방향을 각각 나타냄)에 의해 계산되는 것을 특징으로 하는 초음파 센서를 이용한 물체 탐지방법.
4. 제 1 항 또는 제 3 항에 있어서,

   상기 센서의 현재 위치와 상기 계산된 측정점의 위치를 상기 격자 지도의 해당되는 셀에 각각 표시하는 단계는,

   (여기서, x_g 는 격자 지도 내에서의 셀의 위치, x_w 는 실제 공간에서의 위치, x_o 는 실제 공간에서의 원점(0,0)이 속하는 셀의 위치, S는 사용자가 정의한 셀의 크기를 각각 나타냄)에 의해 계산되어 이루어지는 것을 특징으로 하는 초음파 센서를 이용한 물체 탐지방법.
5. 제 4 항에 있어서,

   상기 제5단계는,

   브레젠헴 알고리즘을 이용하여 상기 격자지도상의 센서가 위치한 셀과 상기 측정점이 위치한 셀을 일 직선상으로 잇는 측정 중심축상에 위치한 셀들을 계산하는 것을 특징으로 하는 초음파 센서를 이용한 물체 탐지방법.
6. 제 4 항에 있어서,

   상기 확신도 값을 계산하고, 갱신하기 위해 증거형 추론 방법을 이용하는 것을 특징으로 하는 초음파 센서를 이용한 물체 탐지방법.
7. 제 4 항에 있어서,

   상기 새로 계산된 확신도 값과 상기 각 셀에 저장된 이전의 확신도 값은 뎀프스터(Dempster)의 결합법칙을 통해 결합된 후, 갱신되는 것을 특징으로 하는 초음파 센서를 이용한 물체 탐지방법.