KR100774515B1 - 격자기반 지도를 이용한 자율이동로봇의 위치추정 방법 - Google Patents

격자기반 지도를 이용한 자율이동로봇의 위치추정 방법 Download PDF

Info

Publication number
KR100774515B1
KR100774515B1 KR1020060055454A KR20060055454A KR100774515B1 KR 100774515 B1 KR100774515 B1 KR 100774515B1 KR 1020060055454 A KR1020060055454 A KR 1020060055454A KR 20060055454 A KR20060055454 A KR 20060055454A KR 100774515 B1 KR100774515 B1 KR 100774515B1
Authority
KR
South Korea
Prior art keywords
autonomous mobile
mobile robot
ultrasonic sensor
grid
predicted
Prior art date
Application number
KR1020060055454A
Other languages
English (en)
Inventor
조동우
정완균
임종환
이유철
Original Assignee
포항공과대학교 산학협력단
학교법인 포항공과대학교
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 포항공과대학교 산학협력단, 학교법인 포항공과대학교 filed Critical 포항공과대학교 산학협력단
Priority to KR1020060055454A priority Critical patent/KR100774515B1/ko
Application granted granted Critical
Publication of KR100774515B1 publication Critical patent/KR100774515B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

본 발명은 격자기반 지도에서 강인한 인식마크를 추출하고, 나아가 상기 인식마크 및 초음파 센서를 이용해 자율이동로봇의 위치를 추정하는 방법에 관한 것으로, 이러한 목적을 달성하기 위하여, 격자기반 지도에서 인식마크를 추출하는 단계와, 자율이동로봇에게 이동명령이 주어진 경우 상기 이동명령을 기초로 상기 자율이동로봇이 이동하는 위치를 예측하는 단계와, 상기 예측된 위치에서 초음파 센서의 측정값을 예측하는 단계와, 자율이동로봇의 실제 위치에서 초음파 센서의 측정값을 구하는 단계와, 상기 예측된 위치에서 초음파 센서의 측정값과 실제 위치에서 초음파 센서의 측정값을 비교하여, 자율이동로봇의 위치를 추정하는 단계를 포함한다.
상기 격자기반 지도에서 추출된 인식마크는 격자기반 지도의 격자로서, 상기 격자는 점유확률값이 크고, 둘 이상의 초음파 빔이 마주치는 곳으로 결정될 수 있다.
위치추정, 격자기반지도, 인식마크, 자율이동로봇, 초음파 센서

Description

격자기반 지도를 이용한 자율이동로봇의 위치추정 방법{Localization method of autonomous mobile robot using grid-based map}
도 1은 본 발명의 일실시예에 따른 위치추정 방법의 순서도이다.
도 2는 본 발명의 일실시예에 따라 격자기반 지도에서 인식마크를 추출하는 방법을 설명하기 위한 개념도이다.
도 3은 본 발명의 일실시예에 따라, 자율이동로봇에게 이동명령이 주어질 때, 상기 자율이동로봇의 위치를 예측하는 방법을 설명하기 위해 도시한 개념도이다.
도 4는 본 발명의 일실시예에 따라, 자율이동로봇 주행부의 엔코더를 통해 예측된 자율이동로봇 위치에서 초음파 센서의 측정값을 예측하는 방법을 설명하기 위해 도시한 개념도이다.
본 발명은 자율이동로봇(Autonomous mobile robot)의 제어에 관련된 것으로, 보다 상세하게는 격자기반 지도를 이용해 자율이동로봇의 위치를 추정하는 방법에 관한 것이다.
자율이동로봇은 미지의 환경에서 사전지식 없이 스스로 그 환경에 대처할 수 있는 능력을 가진 로봇을 말한다. 이와 같은 자율이동로봇은 여러 분야에 걸쳐 두루 사용되고 있는데, 가령 장애자를 도와주는 일, 공장에서의 물류이송 작업, 우주탐사, 핵폐기물 처리장 또는 심해와 같이 위험한 환경에서의 작업 등을 인간을 대신하여 수행하고 있다. 뿐만 아니라 무인청소기, 무인 잔디 깎기 등으로도 사용이 가능하다. 이러한 역할을 맡고 있는 자율이동로봇은 개인들에게는 생활의 윤택함을 제공하며, 기업들에게는 고부가가치의 시장을 제공해줄 것이다. 하지만, 현재까지 자율이동로봇의 인지능력과 추론 능력은 인간과 비교할 때 열등하기 때문에, 이의 기능은 매우 제한적이었다. 따라서 많은 분야에서 자율이동로봇의 지능을 높이기 위한 연구가 이루어지고 있다.
자율이동로봇의 가장 기본적인 기능은 원하는 목표지점까지 충돌 없이 이동할 수 있어야 하는 것이다. 자율이동로봇이 생활공간 속에서 자유롭게 이동하기 위해서는 스스로 자신이 어디에 있는지, 가령 거실에 있는지, 안방에 있는지, 부엌에 있는지, 화장실에 있는지 등을 판단할 수 있는 능력이 필요하다.
즉, 자율이동로봇에게 다른 위치로의 이동명령이 주어지는 경우, 상기 자율이동로봇은 현재 위치로부터 목표지점으로 이동하기 위한 경로를 계획하는데, 이를 위해서는 자율이동로봇 자신의 위치를 판단할 수 있는 능력이 필수적이다. 이를 당해 발명이 속하는 분야에서는 로컬리제이션(localization)이라 한다.
자율이동로봇이 자신의 위치를 추정하기 위해서는 주변 물체와의 거리가 측정될 수 있어야 한다. 이를 위해 적외선 센서와 반사용지(reflective sheet)에 반 응하는 광학스위치를 사용하는 간단한 기술, 초음파 센서를 사용한 기술, 레이저 거리 센서를 사용한 기술, 시각 센서를 사용한 기술 및 다수의 센서를 복합적으로 사용한 데이터 융합기술 등 다양한 기술들의 개발이 진행 중이다.
이중 초음파 센서는 조명의 변화에 무관하고 구조가 간단하며 비용이 저렴하고 장거리 인식도 가능하기 때문에 많이 사용되고 있다.
초음파 센서는 원리적으로 음파의 지향각이 상하좌우 약 15도 이상의 각도로 퍼지는 특성을 가지고 있어 한 지점에 대한 거리를 제공하기보다는 특정방향(영역)에서 가장 가까운 거리에 있는 물체까지의 거리를 제공한다. 이러한 초음파 센서가 장착된 자율이동로봇은 이동하면서 가장 가까운 거리에 있는 장애물이나 벽면까지의 거리 정보를 연속적으로 측정할 수 있고, 따라서 거칠지만 주위 환경에 대한 전반적인 정보를 제공해준다. 초음파 센서를 이용한 주위 환경에 대한 지도 작성 기술은 크게 형상기반과 격자기반으로 나눌 수 있다. 상기 격자기반 지도 작성법은 자율이동로봇의 주위 환경을 작은 격자(Grid)들로 나누어 각 격자에 물체가 있을 가능성을 확률적으로 표현하는 방법으로서 확률격자지도라고도 불린다.
자율이동로봇이 자신의 위치를 추정하기 위해서는 주변 물체와의 거리 측정기술뿐만 아니라 인식마크(land mark)의 추출 기술도 필요하다. 앞서 언급한 형상기반 지도를 이용한 인식마크 및 위치추정기술은 많은 연구자들이 발전시켜 왔다. 반면에 격자기반 지도는 인식마크의 추출이 쉽지 않아 위치추정 기술에 사용된 예가 거의 없었다.
그런데 격자기반 지도는 형상기반 지도와 비교하였을 때, 즉각적인 지도 갱 신 및 수정이 용이하며 물체의 형상에 관계없이 물체의 존재 유무를 효율적으로 표현할 수 있다는 장점을 가지고 있다. 따라서 이를 활용한 인식마크 추출 및 위치추정 기술의 필요성이 대두되고 있다.
이에 본 발명이 이루고자 하는 기술적 과제는 격자기반 지도에서 강인한 인식마크를 추출하고, 나아가 상기 인식마크 및 초음파 센서를 이용하여 자율이동로봇의 위치추정을 가능케 하는 방법을 제공하는 데 있다.
상기의 목적을 달성하기 위하여, 본 발명인 격자기반 지도를 이용한 자율이동로봇의 위치추정 방법은 (a) 격자기반 지도에서 인식마크를 추출하는 단계와, (b) 자율이동로봇에게 이동명령이 주어진 경우, 상기 이동명령을 기초로 상기 자율이동로봇이 이동하는 위치를 예측하는 단계와, (c) 상기 (b)단계를 통해 예측된 자율이동로봇의 위치에서 초음파 센서의 측정값을 예측하는 단계와, (d) 상기 자율이동로봇의 실제 위치에서 초음파 센서의 측정값을 구하는 단계와, (e) 상기 (c) 및 (d) 단계에서 측정된 초음파 센서의 측정값을 비교하여, 자율이동로봇의 위치를 추정하는 단계를 포함한다.
여기서, 상기 (a) 단계의 추출된 인식마크는 격자기반 지도의 격자로서, 상기 격자는 점유확률값이 크고, 둘 이상의 초음파 빔이 마주치는 곳으로 결정될 수 있다.
또한, 상기 (b)단계에서 자율이동로봇의 위치는 자율이동로봇 주행부의 엔코 더 정보를 이용하여 예측될 수 있다.
또한, 상기 (c)단계의 초음파 센서 측정값을 예측하는 단계는, 상기 (b)단계에서 예측된 자율이동로봇의 위치에서 상기 초음파 센서와 상기 인식마크 사이의 거리값을 구함으로써 이루어질 수 있다. 이때 상기 거리값은 소정의 수학식에 의해 예측될 수 있다.
이하, 첨부한 도면을 참조하여 본 발명의 실시예에 대하여 당해 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 또한 일반적으로 널리 알려져 있는 공지기술의 경우 그 구체적인 설명은 생략하도록 한다.
도 1은 본 발명의 일실시예에 따른 위치추정 방법의 순서도이다. 이를 참조하여, 격자기반 지도를 이용해 초음파 센서가 장착된 자율이동로봇의 위치를 추정하는 방법을 살펴보면 다음과 같다.
우선 격자기반 지도에서 인식마크를 추출한다(S10). 다음으로, 자율이동로봇에게 이동명령이 주어진 경우, 상기 이동명령을 기초로 상기 자율이동로봇이 이동하는 위치를 예측한다(S20). 그리고 예측된 자율이동로봇의 위치에서 초음파 센서의 측정값을 예측한다(S30). 이어서, 자율이동로봇의 실제 위치에서 초음파 센서의 측정값을 구한다(S40). 마지막으로, 예측된 위치에서의 초음파 센서 측정값과 실제위치에서의 초음파 센서 측정값을 비교하여, 자율이동로봇의 위치를 추정한다(S50). 자율이동로봇의 위치는 상기와 같은 과정을 반복함으로써 계속적으로 추 정될 수 있다.
이하, 상기 각 과정에 대하여 상세히 설명한다.
도 2는 본 발명의 일실시예에 따라 격자기반 지도에서 인식마크(land mark)를 추출하는 방법을 설명하기 위한 개념도이다. 격자기반 지도(110)는 자율이동로봇의 주위 환경을 작은 격자(Grid, 115)들로 나누어 각 격자(115)에 물체가 있을 가능성을 확률적으로 표현하는 방법으로서 확률격자지도라고도 불린다.
인식마크를 추출하기 위해서, 우선 복수의 초음파 센서(220)가 초음파 빔을 발신한다. 그리고 발신되는 두 개 이상의 초음파 빔이 마주치는 포인트(point)를 찾는다. 다음으로 상기 포인트가 놓여있는 격자(117)의 점유확률값을 분석한다. 점유확률값이 큰 경우, 그 격자(117)는 인식마크로 추출된다. 즉, 점유확률값이 큰 격자(117)에서 두 개 이상의 초음파 빔이 마주치게 되는 경우, 그 격자(117)가 인식마크가 된다. 여기서, 점유확률값은 격자(117)에 물체가 존재할 가능성을 의미한다. 일반적으로 점유확률값은 0 에서 1 사이의 값을 가지고 있으며, 0.5 이상의 값을 가질 때 격자(117)의 점유확률값은 크다고 한다. 이때 그 격자(117)에는 물체가 존재하는 것으로 본다.
도 3은 본 발명의 일실시예에 따라, 자율이동로봇에게 이동명령이 주어질 때, 상기 자율이동로봇의 위치를 예측하는 방법을 설명하기 위해 도시한 개념도이다.
자율이동로봇(210)의 위치예측을 위한 첫 단계는 이전 스텝(k step)에서의 자율이동로봇(210) 위치 정보로부터 다음 스텝(k+1 step)의 자율이동로봇(210) 위치를 예측하는 것이다. 우선 2차원 평면에서 k 번째 자율이동로봇(210)의 위치는 다음 수학식 1과 같이 x(k)좌표, y(k)좌표 및 자율이동로봇(210) 전반부의 방향각 θ(k)로 표현된다.
[수학식 1]
X(k)=[x(k), y(k), θ(k)]T
여기서, 상기 수학식 1의 기호 T는 전치행렬(transposed matrix)을 나타낸다.
그리고 k+1번째 자율이동로봇(210) 위치를 예측하는 과정에서 상기 자율이동로봇(210)이 얼마나 이동했는지 알기 위해서는 자율이동로봇(210) 주행부의 엔코더(도시되지 않음)로부터의 제어정보가 필요하다. 다음 수학식 2와 같이 제어정보는 이동한 거리 d(k)와 회전한 각도 Δθ(k)로 구성된다.
[수학식 2]
U(k)=[d(k), Δθ(k)]T
상기 수학식 1과 수학식 2를 이용하면 자율이동로봇(210)이 이동하는 기구학적 특성으로부터 k+1번째의 자율이동로봇(210) 위치가 예측될 수 있다. 자율이동로봇(210)이 k스텝의 위치에서 제어입력 U(k)를 받아 Δθ(k)만큼 회전한 후 d(k)만큼 이동한 경우, k+1번째 자율이동로봇(210) 위치는 다음 수학식 3과 같이 정의될 수 있다.
[수학식 3]
X(k+1)=f(X(k), U(k)) + v(k), v(k)~N(0,Q(k))
여기서 f(X(k), U(k))는 자율이동로봇(210)의 기구학적인 모델로 다음 수학 식 4와 같이 표현될 수 있다.
[수학식 4]
Figure 112006043170612-pat00001
또한, v(k)는 추측항법(dead reckoning)의 위치오차를 표현해주는 것으로서 평균이 0이고 공분산이 Q(k)인 가우시안 노이즈(zeron mean Gaussian noise)로 표현된다. 상기 수학식 4에서 유도한 f(X(k), U(k))를 이용하여 k번째 자율이동로봇(210)의 위치에서 예측한 k+1번째의 자율이동로봇(210) 위치는 다음 수학식 5와 같이 유도되며,
[수학식 5]
Figure 112006043170612-pat00002
그때의 자율이동로봇(210)의 위치오차는 공분산으로써 아래 수학식 6과 같이 표현된다.
[수학식 6]
C(k+1｜k)= ▽fㆍC(k｜k)ㆍ▽fT + Q(k)
도 4는 본 발명의 일실시예에 따라, 자율이동로봇 주행부의 엔코더를 통해 예측된 자율이동로봇 위치에서 초음파 센서의 측정값을 예측하는 방법을 설명하기 위해 도시한 개념도이다. 자율이동로봇(210)의 실제위치를 추정하기 위해서는 상기 수학식 5와 수학식 6을 통해 예측된 자율이동로봇의 위치에서 초음파 센서의 측정값 예측과정이 필요하다. 임의의 초음파 센서 i(220)가 탐지할 수 있는 인식마크의 총 개수가 r개라고 할 때 각 인식마크의 위치 T(k)를 다음 수학식 7과 같이 정의할 수 있다.
[수학식 7]
T(k)={(xtj(k), ytj(k)｜0≤j≤r}
xtj(k) 및 ytj(k)는 초음파 센서 i(220)에 의해 탐지 가능한 인식마크 중 임의의 j번째 인식마크의 위치이다. 상기 초음파 센서 i(220)가 초음파 빔을 발신한다면, 가장 가까운 인식마크(117)를 탐지할 것이다. 한편, 도 3에서 w는 초음파 센서 i(220)의 유효빔 폭을 나타낸다.
예측된 자율이동로봇(210)의 위치에서 인식마크(117)와 초음파 센서 i(220)사이의 거리값인 hi(X(k), T(k))를 예측할 수 있는 측정모델(measurement model)은 다음 수학식 8과 같다.
[수학식 8]
hi(X(k), T(k))= min{[(xs(k)-xtj(k))2 +(ys(k)-ytj(k))2]1/2 ｜1≤j≤r}
여기서, 상기 X(k)는 예측된 자율이동로봇의 위치이고, T(k)는 예측된 자율이동로봇의 위치에서 초음파 센서 i(220)에 의해 탐지 가능한 r개의 인식마크 위치이다. 그리고, xs(k) 및 ys(k)는 초음파 센서 i(220)의 위치이고, xtj(k) 및 ytj(k)는 초음파 센서 i(220)에 의해 탐지 가능한 인식마크 중 임의의 j번째 인식마크의 위치이다.
예측된 자율이동로봇(210)의 위치에서 상기 초음파 센서 i(220)의 측정값은 상기 수학식 8의 측정모델을 활용함으로써 예측될 수 있다. 이는 다음 수학식 9에 의한다.
[수학식 9]
Figure 112006043170612-pat00003
다음으로, 자율이동로봇(210)의 실제 위치를 추정하기 위하여, 상기 수학식 9를 통해 예측한 측정값이 자율이동로봇(210)의 실제 위치에서의 측정값에 어느 정도 부합하는지 살펴보아야 한다. 이를 위해 예측된 자율이동로봇(210)의 위치에서 초음파 센서 i(220)의 측정값인
Figure 112006043170612-pat00004
와, 자율이동로봇(210)의 실제 이동한 위치에서 초음파 센서 i(220)의 측정값인 zi(k+1)와의 차이를 구한다. 이는 다음 수학식 10에 의하여 구할 수 있는데, 구해진 값을 소위 이노베이션(innovation)이라고 한다.
[수학식 10]
Figure 112006043170612-pat00005
자율이동로봇(210)의 k+1 스텝에서 초음파 센서 i(220)의 측정 오차는 ωi(k+1)로서 평균이 0이고 공분산이 Ri(k+1)인 가우시안 노이즈로 표시된다. 그리고 식(10)에서 얻어지는 이노베이션의 공분산 행렬은 수학식 11과 같다.
[수학식 11]
si(k+1)= ▽hiㆍC(k+1｜k)ㆍ▽hT i + Ri(k+1)
상기 수학식 10에 의한 이노베이션과, 상기 수학식 11에 의한 이노베이션의 공분산 행렬을 이용하여 예측된 초음파 센서 i(220)의 측정값과 실제 초음파 센서 i(220)의 측정값이 잘 매칭 되었는지는 다음 수학식 12를 통하여 평가될 수 있다.
[수학식 12]
Figure 112006043170612-pat00006
상기 수학식 12에서 e는 경계 에러 값으로서 미리 정해주는 매개변수이다. 상기 수학식 12를 만족한다면 매칭이 성공적임을 의미한다. 여러 개의 초음파 센서 i(220)를 동시에 사용하는 경우, 상기 수학식 12를 만족하는 n개의 초음파 센서 i(220)가 있을 수 있다. 이때, 합성이노베이션(composite innovation)은 다음 수학식 13과 같다.
[수학식 13]
Figure 112006043170612-pat00007
그리고 초음파 센서 i(220)의 합성측정모델(composite measurement model)의 자코비언 값은 다음 수학식 14와 같이 표현된다.
[수학식 14]
Figure 112006043170612-pat00008
상기 수학식 14를 이용하여 다음 수학식 15와 같이 합성이노베이션 공분산 행렬을 구할 수 있다.
[수학식 15]
S(k+1)=▽HㆍC(k+1｜k)ㆍ▽HT+R(k+1),R(k+1)=diag{Ri(k+1)｜1≤i≤n}
상기 수학식 15에서 R(k+1)은 n개의 초음파 센서 i(220)에 대한 가우시안 노이즈이다. 상기 수학식 13에서 구한 합성이노베이션을 이용하여, 최종적으로 자율이동로봇(210)의 위치와 그것의 공분산 행렬을 갱신하는 것이다. 이때, 칼만 이득(Kalman gain)을 이용하는데, 이는 다음 수학식 16과 같다.
[수학식 16]
W(k+1)= C(k+1｜k)ㆍ▽HTㆍS-1(k+1)
상기 수학식 15의 합성이노베이션 공분산 행렬과, 상기 수학식 16의 칼만 이득을 이용하여 자율이동로봇(210)의 추정된 위치와, 추정된 위치의 공분산은 다음 수학식 17 및 수학식 18을 통하여 갱신될 수 있다.
[수학식 17]
Figure 112006043170612-pat00009
[수학식 18]
C(k+1｜k+1)= C(k+1｜k) - W(k+1)S(k+1)WT(k+1)
한편, 본 발명은 상술한 실시예에 한정되지 않고, 본 발명의 사상을 벗어나지 않는 범위 내에서 당해 분야에서 통상의 지식을 가진 자에 의해 그 변형이나 개량이 가능함은 명백하다.
상술한 바와 같이 본 발명은 격자기반 지도에서 강인한 인식마크를 추출할 수 있는 방법을 제공한다. 그리고 본 발명은 추출된 인식마크와, 구조가 간단하고 비용이 저렴한 초음파 센서만을 이용해 자율이동로봇의 위치추정을 가능케 한다. 즉, 본 발명은 초음파 센서를 장착한 자율이동로봇이 격자기반 지도만으로 자신의 위치를 추정할 수 있도록 한다.
이러한 본 발명은 장애물 회피와, 경로계획 그리고 지도 작성 등 자율이동로봇 전반에 폭넓게 활용될 수 있다.

Claims (5)

  1. 격자기반 지도를 이용해 초음파 센서가 장착된 자율이동로봇의 위치를 추정하는 방법에 있어서,
    (a) 상기 격자기반 지도에서 인식마크를 추출하는 단계;
    (b) 자율이동로봇에게 이동명령이 주어진 경우, 상기 이동명령을 기초로 상기 자율이동로봇이 이동하는 위치를 예측하는 단계;
    (c) 상기 (b)단계를 통해 예측된 자율이동로봇의 위치에서 초음파 센서의 측정값을 예측하는 단계;
    (d) 상기 자율이동로봇의 실제 위치에서 초음파 센서의 측정값을 구하는 단계; 및
    (e) 상기 (c) 및 (d) 단계에서 측정된 초음파 센서의 측정값을 비교하여, 자율이동로봇의 위치를 추정하는 단계를 포함하며,
    상기 (c)단계의 초음파 센서 측정값을 예측하는 단계는, 상기 초음파 센서와 상기 인식마크 사이의 거리값을 구함으로써 이루어지는 자율이동로봇의 위치추정 방법.
  2. 제 1 항에 있어서,
    상기 (a) 단계의 추출된 인식마크는 격자기반 지도의 격자로서, 상기 격자는 점유확률값이 0.5 이상이고, 둘 이상의 초음파 빔이 마주치는 곳으로 정의되는 자율이동로봇의 위치추정 방법.
  3. 제 2 항에 있어서,
    상기 (b)단계에서 자율이동로봇의 위치는 자율이동로봇 주행부의 엔코더 정보를 이용하여 예측되는 자율이동로봇의 위치추정 방법.
  4. 삭제
  5. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 예측된 자율이동로봇의 위치에서 상기 초음파 센서와 상기 인식마크 사이의 거리값은 하기식에 의해 예측될 수 있는 자율이동로봇의 위치추정 방법.
    hi(X(k), T(k))= min{[(xs(k)-xtj(k))2 +(ys(k)-ytj(k))2]1/2 ｜1≤j≤r}
    (여기서, hi(X(k), T(k))는 거리값이고,
    xs, ys는 예측된 로봇의 위치에서 초음파 센서 i의 위치이며,
    xtj, ytj는 예측된 로봇의 위치에서 초음파 센서 i가 탐지 가능한 인식마크 중 임의의 j번째 인식마크의 위치임.)
KR1020060055454A 2006-06-20 2006-06-20 격자기반 지도를 이용한 자율이동로봇의 위치추정 방법 KR100774515B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020060055454A KR100774515B1 (ko) 2006-06-20 2006-06-20 격자기반 지도를 이용한 자율이동로봇의 위치추정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020060055454A KR100774515B1 (ko) 2006-06-20 2006-06-20 격자기반 지도를 이용한 자율이동로봇의 위치추정 방법

Publications (1)

Publication Number Publication Date
KR100774515B1 true KR100774515B1 (ko) 2007-11-08

Family

ID=39061275

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020060055454A KR100774515B1 (ko) 2006-06-20 2006-06-20 격자기반 지도를 이용한 자율이동로봇의 위치추정 방법

Country Status (1)

Country Link
KR (1) KR100774515B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02203A (ja) * 1987-10-28 1990-01-05 Nippon Shinyaku Co Ltd 薬物担体
KR19990085551A (ko) * 1998-05-19 1999-12-06 윤덕용 초음파 센서를 이용한 물체 탐지방법
US6205380B1 (en) 1996-07-02 2001-03-20 Siemens Aktiengesellschaft Process for preparing an area plan having a cellular structure and comprising a unit moving automatically and positioned in said area using sensors based on wave reflection
US6393370B1 (en) 1996-10-07 2002-05-21 Siemens Aktiengesellschaft Method for assessing the measuring accuracy of a sensor designed to measure the distance on an off-line mobile system
KR20050095384A (ko) * 2004-03-26 2005-09-29 삼성전자주식회사 로봇의 전역 위치 추정 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02203A (ja) * 1987-10-28 1990-01-05 Nippon Shinyaku Co Ltd 薬物担体
US6205380B1 (en) 1996-07-02 2001-03-20 Siemens Aktiengesellschaft Process for preparing an area plan having a cellular structure and comprising a unit moving automatically and positioned in said area using sensors based on wave reflection
US6393370B1 (en) 1996-10-07 2002-05-21 Siemens Aktiengesellschaft Method for assessing the measuring accuracy of a sensor designed to measure the distance on an off-line mobile system
KR19990085551A (ko) * 1998-05-19 1999-12-06 윤덕용 초음파 센서를 이용한 물체 탐지방법
KR20050095384A (ko) * 2004-03-26 2005-09-29 삼성전자주식회사 로봇의 전역 위치 추정 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
전자공학회논문지, 장애물의 의도 추론에 기초한 이동 로봇의 지능적 주행, 2002.03.

Similar Documents

Publication Publication Date Title
KR100823739B1 (ko) 주변 환경 변화에 신속하게 적응하여 환경 지도를 작성할수 있는 이동체의 환경 지도 작성 장치 및 그 방법
Manikas et al. Genetic algorithms for autonomous robot navigation
Fox Markov localization-a probabilistic framework for mobile robot localization and navigation.
Jensfelt Approaches to mobile robot localization in indoor environments
Salichs et al. Navigation of mobile robots: open questions
Tornatis et al. Hybrid simultaneous localization and map building: Closing the loop with multi-hypotheses tracking
KR101505129B1 (ko) 레이저 스캐너를 이용한 위치인식 및 맵핑 시스템을 이용한 위치인식 방법
Di Marco et al. A set theoretic approach to dynamic robot localization and mapping
Paull et al. An information gain based adaptive path planning method for an autonomous underwater vehicle using sidescan sonar
Najjaran et al. Real-time motion planning of an autonomous mobile manipulator using a fuzzy adaptive Kalman filter
Lee et al. A reliable position estimation method of the service robot by map matching
Yatim et al. Particle filter in simultaneous localization and mapping (Slam) using differential drive mobile robot
Caglioti et al. Cooperative, distributed localization in multi-robot systems: a minimum-entropy approach
Akdeniz et al. Exploration and topological map building in unknown environments
KR100774515B1 (ko) 격자기반 지도를 이용한 자율이동로봇의 위치추정 방법
Garulli et al. Simultaneous localization and map building using linear features
Higuchi et al. Road and intersection detection using convolutional neural network
KR100772654B1 (ko) 격자기반 지도 작성방법
Lee et al. Sonar grid map based localization for autonomous mobile robots
Feder et al. Adaptive concurrent mapping and localization using sonar
Luo et al. Boundary aware navigation and mapping for a mobile automaton
Naveed et al. Analysis of indoor robot localization using ultrasonic sensors
Tungadi et al. Discovering and restoring changes in object positions using an autonomous robot with laser rangefinders
Ibrahim et al. Evolving decision-making functions in an autonomous robotic exploration strategy using grammatical evolution
Duckett et al. Self-localisation and autonomous navigation by a mobile robot

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20110916

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20121011

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee