KR101076008B1 - 자기장을 이용하여 경로계획을 생성하는 자율주행 로봇 - Google Patents

자기장을 이용하여 경로계획을 생성하는 자율주행 로봇 Download PDF

Info

Publication number
KR101076008B1
KR101076008B1 KR1020100069435A KR20100069435A KR101076008B1 KR 101076008 B1 KR101076008 B1 KR 101076008B1 KR 1020100069435 A KR1020100069435 A KR 1020100069435A KR 20100069435 A KR20100069435 A KR 20100069435A KR 101076008 B1 KR101076008 B1 KR 101076008B1
Authority
KR
South Korea
Prior art keywords
obstacle
potential field
magnetic field
robot
field
Prior art date
Application number
KR1020100069435A
Other languages
English (en)
Inventor
홍수연
Original Assignee
삼성탈레스 주식회사
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 삼성탈레스 주식회사 filed Critical 삼성탈레스 주식회사
Priority to KR1020100069435A priority Critical patent/KR101076008B1/ko
Application granted granted Critical
Publication of KR101076008B1 publication Critical patent/KR101076008B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/087—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices for sensing other physical parameters, e.g. electrical or chemical properties
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4093—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S901/00—Robots
    • Y10S901/01—Mobile robot

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • Geometry (AREA)
  • Manufacturing & Machinery (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

본 발명의 일실시예에 따른 자율주행 로봇은, 목표지점에 대한 인력 포텐셜 필드(Attractive Potential Field)를 생성하는 인력 포텐셜 필드 생성부; 장애물에 대한 척력 포텐셜 필드(Repulsive Potential Field)를 생성하는 척력 포텐셜 필드 생성부; 상기 장애물에 대한 가상 전류 및 이동 속도를 통해 상기 장애물에 대한 자기장(Magnetic Field)을 생성하는 자기장 생성부; 및 상기 인력 포텐셜 필드, 상기 척력 포텐셜 필드, 및 상기 자기장을 통해 상기 목표지점에 대한 이동경로를 생성하는 이동경로 생성부를 포함한다.

Description

자기장을 이용하여 경로계획을 생성하는 자율주행 로봇{AUTONOMOUS NAVIGATION ROBOT FOR PERFORMING MAGNETIC FIELD BASED PATH PLANNING}
본 발명은 자기장을 이용하여 경로계획을 수행하는 자율주행 로봇에 관한 것으로, 더욱 상세하게는 자율주행 로봇의 경로계획 기법 중 지역 경로 계획 기법인 포텐셜 필드(potential field) 알고리즘에 마그네틱 필드(magnetic field) 알고리즘을 적용함으로써, 포텐셜 필드(potential field)를 통한 지역 경로 계획 기법에서 발생할 수 있는 로컬 미니마(local minima) 현상을 최소화하고 장애물과의 충돌을 보다 효과적으로 회피하면서 목표 지점에 신속히 도달할 수 있도록 하는 자기장을 이용하여 경로계획을 수행하는 자율주행 로봇에 관한 것이다.
자율 주행 로봇은 초음파, CCD/IR 카메라, 2D/3D LIDAR, GPS/INS 등의 다양한 센서 정보를 이용하여 로봇의 주변 환경을 분석하고 스스로 원하는 목적지로의 이동이 가능한 이동형 플랫폼이다.
경로 계획은 이동 로봇이 주행 가능한 영역을 통과하면서 주변 장애물과 충돌하지 않고 목적지에 도달할 수 있는 최적의 이동 경로를 확보하는 기술이다. 경로 계획 기법은 크게 '전역 경로 계획(Global Path Planning)'과 '지역 경로 계획(Local Path Planning)'의 두 가지 분야로 구분된다.
전역 경로 계획 기법의 경우, 사전에 지도와 DEM 정보 등으로부터 주변 환경에 대한 정보를 이미 보유하고 있으며 오프라인 상에서 완벽하게 최적 상태의 이동 경로를 판단함을 목적으로 한다.
반면, 지역 경로 계획 기법은 센서 신호 처리를 통하여 주변 환경을 실시간으로 분석하고 판단함으로써 고속으로 이동 경로를 생성하는 것을 목적으로 한다. 지역 경로 계획 기법의 경우, 사전 정보 없이 센서 입력을 통하여 실시간으로 동작하는 것이 가능하다는 장점이 있으나, 로컬 미니마(Local Minima) 현상에 의하여 최종 목적지에 도달하지 못한다는 치명적인 단점이 있다.
이에, 지역 경로 계획 기법에 있어서 로컬 미니마(Local Minima) 현상을 최소화하여 보다 정확하고 신속하게 목표 지점에 도달할 수 있도록 하는 기술의 개발이 요구되고 있다.
본 발명은 상기와 같은 종래 기술을 개선하기 위해 안출된 것으로서, 자율주행 로봇의 경로계획 기법 중 지역 경로 계획 기법인 포텐셜 필드(potential field) 알고리즘에 마그네틱 필드(magnetic field) 알고리즘을 적용함으로써, 포텐셜 필드(potential field)를 통한 지역 경로 계획 기법에서 발생할 수 있는 로컬 미니마(local minima) 현상을 최소화하고 장애물과의 충돌을 보다 효과적으로 회피하면서 목표 지점에 신속히 도달할 수 있도록 하는 자기장을 이용하여 경로계획을 수행하는 자율주행 로봇을 제공하는 것을 목적으로 한다.
상기의 목적을 이루고 종래기술의 문제점을 해결하기 위하여, 본 발명의 일실시예에 따른 자율주행 로봇은, 목표지점에 대한 인력 포텐셜 필드(Attractive Potential Field)를 생성하는 인력 포텐셜 필드 생성부; 장애물에 대한 척력 포텐셜 필드(Repulsive Potential Field)를 생성하는 척력 포텐셜 필드 생성부; 상기 장애물에 대한 가상 전류 및 이동 속도를 통해 상기 장애물에 대한 자기장(Magnetic Field)을 생성하는 자기장 생성부; 및 상기 인력 포텐셜 필드, 상기 척력 포텐셜 필드, 및 상기 자기장을 통해 상기 목표지점에 대한 이동경로를 생성하는 이동경로 생성부를 포함한다.
본 발명의 자율주행 로봇에 따르면, 포텐셜 필드(potential field)를 통한 지역 경로 계획 기법에서 발생할 수 있는 로컬 미니마(local minima) 현상을 최소화하여 장애물과의 충돌을 보다 효과적으로 피하면서 목표 지점에 신속히 도달할 수 있도록 하는 효과를 얻을 수 있다.
도 1은 본 발명의 일실시예에 따른 자율주행 로봇의 경로계획에 대한 일부 구성을 도시한 블록도이다.
도 2는 포텐셜 필드(potential field) 기법에 따른 로컬 미니마(local minima) 현상을 도시한 도면이다.
도 3은 본 발명의 일실시예에 따라 이동하는 로봇의 속도 벡터에 따라 장애물 주변에 생성되는 자기력(Magnetic Force)을 도시한 도면이다.
도 4는 본 발명의 일실시예에 따라 이동하는 로봇의 속도 벡터와 장애물 주변에 지정되는 가상 전류로 인해 발생하는 자기력에 따라 이동 경로를 계획하는 일례를 도시한 도면이다.
도 5는 본 발명의 일실시예에 따라 자기장(Magnetic Field)을 포텐셜 필드(Potential Field)를 기반으로 한 Elastic Strip 알고리즘에 적용한 이동경로 생성의 시뮬레이션 결과를 도시한 도면이다.
이하에서는 첨부된 도면을 참조하여 본 발명의 실시예를 상세히 설명한다.
도 1은 본 발명의 일실시예에 따른 자율주행 로봇의 경로계획에 대한 일부 구성을 도시한 블록도이다.
본 발명의 일실시예에 따른 자율주행 로봇의 경로계획에 대한 구성(100)은, 인력 포텐셜 필드(Attractive Potential Field) 생성부(110), 척력 포텐셜 필드(Repulsive Potential Field) 생성부(120), 이동경로 생성부(130), 및 자기장(Magnetic Field) 생성부(140)를 포함한다.
인력 포텐셜 필드(Attractive Potential Field) 생성부(110)는 목표지점에 대한 인력 포텐셜 필드(Attractive Potential Field)를 생성한다. 척력 포텐셜 필드(Repulsive Potential Field) 생성부(120)는 장애물에 대한 척력 포텐셜 필드(Repulsive Potential Field)를 생성한다.
자율주행 로봇의 이동경로를 생성하는 지역 경로 계획 기법으로는 리얼타임 랜덤 트리(Real-time Random Tree) 알고리즘과, 포텐셜 필드(Potential Field) 등의 알고리즘이 있다.
Real-time Random Tree(RRT) 알고리즘은 임의의 크기의 벡터를 임의의 방향으로 생성하여 로봇의 장애물과의 충돌여부를 검토하고 유효한 경로를 Tree 구조의 구조체에 추가함으로써 가장 짧은 거리를 갖도록 tree내의 경로를 선택한다. 단순한 영역에서의 RRT는 실시간으로 좋은 성능을 보여준다. 하지만, 주변 환경의 복잡도가 증가하면 그 수행 속도가 극단적으로 증가하는 단점이 있다.
포텐셜 필드(potential field) 알고리즘은 전자기학의 Potential Field 이론을 활용한 것으로서 포텐셜이 높은 곳에서 낮은 곳으로 흐르는 위치에너지를 로봇의 경로계획에 응용한 기술이다. 현재 로봇이 위치한 지점은 고도가 높은 지형으로 정의하고, 도달해야 하는 목표지점은 고도가 낮은 곳으로 정의하면 로봇은 높은 현재 위치에서 고도가 낮은 위치로 이동하려는 가상의 힘, 인력(attractive force)을 생성하게 된다.
이와 더불어, 로봇이 이동하는 중에 충돌을 발생할 수 있는 장애물은 이론적으로 포텐셜이 무한대 크기인 아주 높은 고도의 지형으로 묘사하여 장애물과의 충돌을 피하기 위한 가상의 힘, 척력(repulsive force)을 생성한다. 포텐셜 필드(potential field) 알고리즘은 인력(attractive force)과 척력(repulsive force)를 합한 힘을 로봇에 가하여 이동 경로를 생성한다. 가장 기본적인 포텐셜 필드(potential field) 이론은 수학식 1 및 수학식 2를 통해 구현될 수 있다.
Figure 112010046341890-pat00001
Figure 112010046341890-pat00002
Figure 112010046341890-pat00003
Figure 112010046341890-pat00004
수학식 1은 Attractive Potential Field인 Ua를 나타내고 있고, 수학식 2는 Repulsive Potential Field인 Ur를 나타내고 있다. 이러한 경우, 실제 로봇을 움직이기 위한 힘은 두 개의 서로 다른 Potential Field의 합에 대한 negative gradient를 통하여 그 이동 경로의 계산이 가능하다.
포텐셜 필드(potential field) 알고리즘은 센서 정보를 기반으로 한 실시간 경로계획 기술로서 널리 활용되고 있으나, Local Minima라는 치명적인 단점을 갖고 있다. 도 2에 도시된 바와 같이, 포텐셜 필드(potential field)에서 로컬 미니마(Local Minima)는 인력(attractive force)과 척력(repulsive force)이 동일한 크기를 가지면서, 반대 방향으로 동작하는 지점에서 발생할 수 있다. 이러한 지점에서는 서로 다른 두 힘이 상대 힘을 서로 상쇄시켜 로봇에 작용하는 총 힘이 zero가 된다. 즉, 로봇은 목표점에 도달하지 못하였음에도 불구하고, 그에 작용하는 총 합이 '0'인 상태가 되어 목표점에 도달하지 못했음에도 불구하고 더 이상의 경로 계획을 진행하지 못한 채 종료될 수 있다.
이에, 자기장(Magnetic Field) 생성부(140)는 장애물에 대한 가상 전류를 통해 상기 장애물에 대한 자기장(magnetic field)을 생성한다. 자기장(Magnetic Field) 생성부(140)는 상기 장애물과 상기 자율주행 로봇 간의 거리(r), 상기 자율주행 로봇의 속도(v), 상기 장애물 표면에 흐르는 가상 전류(l)를 수학식 3에 따른 알고리즘에 적용하여 상기 장애물에 대한 자기장을 생성할 수 있다.
Figure 112010046341890-pat00005
수학식 3의 자기장
Figure 112010046341890-pat00006
이 본 발명에서 제안하는 자기장을 의미한다. 도 4의 (a)에 도시된 바와 같이, 본 발명에서 제안하는 자기장
Figure 112010046341890-pat00007
는 실제 전자기학의 맥스웰(Maxwell) 방정식과는 다소 변형된 형태로 구현될 수 있다. 즉, 도 4의 (b)에 도시된 바와 같이, 로봇의 이동 속도(
Figure 112010046341890-pat00008
)와 장애물(300) 주위를 선회하는 가상 전류(l)와의 외적을 통하여 장애물과 충돌하지 않기 위한 수직방향의 자기장을 생성할 수 있다. 즉, 자기장(Magnetic Field) 생성부(140)는 장애물 주변에 흐르는 가상 전류와 자율주행 로봇의 이동속도 벡터의 외적을 통해 자기장을 산출할 수 있다.
이동경로 생성부(140)는 상기 장애물 주변에 흐르는 가상 전류를 통해 생성한 상기 자기장과 자율주행 로봇의 이동속도 벡터의 외적을 통하여 상기 장애물에 대해 작용하는 자기력(Magnetic Force)을 생성한다. 이동경로 생성부(140)는 상기 장애물에 대한 자기장 벡터와 상기 자율주행 로봇의 이동속도 벡터 간의 외적(Cross Product)을 수학식 4의 알고리즘에 적용하여 상기 장애물에 대해 작용하는 자기력(Magnetic Force)을 생성할 수 있다.
Figure 112010046341890-pat00009
이동경로 생성부(140)는 수학식 4의 알고리즘에 따라 자기장 벡터를 자율주행 로봇의 이동속도 벡터와 함께 외적하여 장애물 표면을 따라 이동하는 힘, Fm을 생성함으로써 Local Minima의 발생을 근본적으로 예방할 수 있다. 이때, 생성된 자기력(Magnetic Force)은 자율주행 로봇과의 거리와 반비례하므로, 자율주행 로봇이 장애물과 가까워질수록 회피하고자 하는 힘이 강하게 작용하게 된다.
또한, 자율주행 로봇이 실제 이동 중이 아닌 경우, 자기장(Magnetic Field) 생성부(140)는 이동속도 벡터를 다음 수학식 5의 알고리즘에 따라 생성하여 본 알고리즘에 적용할 수 있다.
Figure 112010046341890-pat00010
이동경로 생성부(130)는 상기 인력 포텐셜 필드, 상기 척력 포텐셜 필드, 및 상기 자기장을 통해 상기 목표지점에 대한 이동경로를 생성한다.
이동경로 생성부(130)는 선정된 포텐셜 필드(potential field) 알고리즘을 통해, 상기 인력 포텐셜 필드(Attractive Potential Field) 및 상기 척력 포텐셜 필드(Repulsive Potential Field)의 합에 대한 네거티브 그래디언트(negative gradient)를 산출하여 전기력(Potential Force)을 생성한다. 이동경로 생성부(130)는 상기 자기장 및 상기 자율주행 로봇의 이동 속도를 통해 상기 장애물에 대해 작용하는 자기력(Magnetic Force)을 생성한다.
이동경로 생성부(130)는 상기 전기력(Potential Force) 및 상기 자기력(Magnetic Force)의 합을 통해 상기 이동경로를 생성할 수 있다. 즉, 이동경로 생성부(130)는 인력 포텐셜 필드(Attractive Potential Field)와 척력 포텐셜 필드(Repulsive Potential Field)를 통해 자율주행 로봇의 이동경로를 생성하는 지역 경로 계획 기법인 포텐셜 필드(Potential Field) 등의 알고리즘에, 상기 생성한 상기 전기력(Potential Force) 및 상기 자기력(Magnetic Force)의 합을 적용하여 자율주행 로봇의 이동경로를 생성할 수 있다.
도 3은 본 발명의 일실시예에 따라 이동하는 로봇의 속도 벡터에 따라 장애물 주변에 생성되는 자기력(Magnetic Force)을 도시한 도면이다.
자율주행 로봇이 장애물 건너편에 위치하는 목표지점에 대한 인력에 의해 장애물을 향하여 이동하는 경우, 목표지점에 대한 인력의 크기와 장애물에 대한 척력의 크기가 같아지는 지점에서 로컬 미니마 현상이 발생하여 자율주행 로봇이 목표점에 도달하지 못했음에도 불구하고 더 이상의 경로 계획을 진행하지 못한 채 종료될 수 있다.
그러나, 본 발명에 따른 자율주행 로봇은 도 3에 도시된 바와 같이 장애물 주변에 가상 전류를 임의로 지정하고, 상기 가상 전류에 따른 자기장을 통해 상기 장애물 벽을 따라 이동하는 자기력을 생성하며, 상기 자기력을 이동경로 생성에 반영함으로써, 상술한 로컬 미니마 현상을 사전에 예방하여 보다 효율적인 자율주행 로봇의 이동경로를 계획할 수 있다.
도 5는 본 발명의 일실시예에 따라 자기장(Magnetic Field)을 포텐셜 필드(Potential Field)를 기반으로 한 Elastic Strip 알고리즘에 적용한 이동경로 생성의 시뮬레이션 결과를 도시한 도면이다.
도 5에서, 일반적인 포텐셜 필드(Potential Field) 기반의 경로 생성 알고리즘에서는 자율주행 로봇이 장애물 영역 그리드에 대한 Local Mimima 현상에 의하여 좌우로 진동할 뿐 경로 계획을 완성하지 못하게 된다.
그러나, 본 발명에서 제안하는 마그네틱 필드(Magnetic Field) 알고리즘을 포텐셜 필드(potential field)를 기반으로 한 Elastic Strip 알고리즘에 적용하면, 장애물 영역 그리드의 경계를 따라 발생하는 자기력 필드를 추가로 발생시켜 이동경로 생성에 반영함으로써, Local Minima 현상을 근본적으로 방지하면서 동시에 센서 정보를 기반으로 실시간 경로계획을 생성할 수 있음을 나타내고 있다
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
100: 자율주행 로봇
110: 인력 포텐셜 필드 생성부
120: 척력 포텐셜 필드 생성부
130: 이동경로 생성부
140: 자기장 생성부

Claims (5)

  1. 삭제
  2. 삭제
  3. 목표지점에 대한 인력 포텐셜 필드를 생성하는 인력 포텐셜 필드 생성부;
    장애물에 대한 척력 포텐셜 필드를 생성하는 척력 포텐셜 필드 생성부;
    자율주행 로봇의 이동 속도, 상기 자율주행 로봇과 상기 장애물 사이의 거리 및 상기 장애물 표면에 흐르는 가상 전류를 이용하여 하기 수학식에 따라 상기 장애물에 대한 자기장을 생성하는 자기장 생성부; 및
    선정된 포텐셜 필드 알고리즘을 통해 상기 인력 포텐셜 필드 및 상기 척력 포텐셜 필드의 합에 대한 네거티브 그래디언트를 산출하여 전기력을 생성하고, 상기 생성된 자기장 및 상기 자율주행 로봇의 이동 속도를 통해 상기 장애물에 대해 작용하는 자기력을 생성하며, 상기 전기력 및 상기 자기력의 합을 통해 이동경로를 생성하는 이동경로 생성부;를 포함하는 것을 특징으로 하는 자율주행 로봇.
    [수학식]
    Figure 112011051969837-pat00019

    이때, 상기
    Figure 112011051969837-pat00020
    는 상기 자기장, 상기
    Figure 112011051969837-pat00021
    는 마그네틱 상수, 상기 r은 상기 자율주행 로봇과 상기 장애물 사이의 거리, 상기
    Figure 112011051969837-pat00022
    은 상기 가상 전류의 미소 성분, 상기
    Figure 112011051969837-pat00023
    는 상기 자율주행 로봇의 이동속도를 나타낸다.
  4. 제3항에 있어서, 상기 이동경로 생성부는,
    상기 생성된 자기장과 상기 자율주행 로봇의 이동 속도를 외적(Cross Product)하여 상기 장애물에 대해 작용하는 자기력을 생성하는 것을 특징으로 하는 자율주행 로봇.
  5. 삭제
KR1020100069435A 2010-07-19 2010-07-19 자기장을 이용하여 경로계획을 생성하는 자율주행 로봇 KR101076008B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100069435A KR101076008B1 (ko) 2010-07-19 2010-07-19 자기장을 이용하여 경로계획을 생성하는 자율주행 로봇

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100069435A KR101076008B1 (ko) 2010-07-19 2010-07-19 자기장을 이용하여 경로계획을 생성하는 자율주행 로봇

Publications (1)

Publication Number Publication Date
KR101076008B1 true KR101076008B1 (ko) 2011-10-21

Family

ID=45033245

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100069435A KR101076008B1 (ko) 2010-07-19 2010-07-19 자기장을 이용하여 경로계획을 생성하는 자율주행 로봇

Country Status (1)

Country Link
KR (1) KR101076008B1 (ko)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104317292A (zh) * 2014-09-16 2015-01-28 哈尔滨恒誉名翔科技有限公司 一种复杂形状机器人避碰路径的方法
CN104503461A (zh) * 2014-12-11 2015-04-08 西北工业大学 一种远程自主水下航行器的多载荷布放控制方法
CN105511457A (zh) * 2014-09-25 2016-04-20 科沃斯机器人有限公司 机器人静态路径规划方法
CN106020197A (zh) * 2016-06-30 2016-10-12 苏州坤厚自动化科技有限公司 一种基于势能场的机器人路径跟踪算法
CN104390648B (zh) * 2014-12-22 2017-07-11 中国矿业大学 一种基于人工势场的煤矿救灾机器人路径规划方法
CN109407665A (zh) * 2018-09-28 2019-03-01 浙江大学 一种小型半自动无人驾驶配送车及配送路径规划方法
CN109434836A (zh) * 2018-12-14 2019-03-08 浙江大学 一种结合球树模型的机械手人工势场空间路径规划方法
CN111923904A (zh) * 2020-08-13 2020-11-13 西安理工大学 一种无人驾驶电动汽车的自主避障方法
CN113485353A (zh) * 2021-07-23 2021-10-08 江南大学 基于rrt算法与人工势场法相结合的微机器人避障方法
CN116202550A (zh) * 2023-05-06 2023-06-02 华东交通大学 融合改进势场与动态窗口的汽车路径规划方法
CN116352714A (zh) * 2023-04-11 2023-06-30 广东工业大学 一种机械臂避障路径规划方法
CN116872212A (zh) * 2023-08-14 2023-10-13 山东工商学院 一种基于A-Star算法和改进人工势场法的双机械臂避障规划方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006350776A (ja) * 2005-06-17 2006-12-28 Honda Motor Co Ltd 移動体の経路生成装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006350776A (ja) * 2005-06-17 2006-12-28 Honda Motor Co Ltd 移動体の経路生成装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문.2004*

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104317292A (zh) * 2014-09-16 2015-01-28 哈尔滨恒誉名翔科技有限公司 一种复杂形状机器人避碰路径的方法
CN105511457A (zh) * 2014-09-25 2016-04-20 科沃斯机器人有限公司 机器人静态路径规划方法
CN104503461A (zh) * 2014-12-11 2015-04-08 西北工业大学 一种远程自主水下航行器的多载荷布放控制方法
CN104503461B (zh) * 2014-12-11 2017-04-05 西北工业大学 一种远程自主水下航行器的多载荷布放控制方法
CN104390648B (zh) * 2014-12-22 2017-07-11 中国矿业大学 一种基于人工势场的煤矿救灾机器人路径规划方法
CN106020197A (zh) * 2016-06-30 2016-10-12 苏州坤厚自动化科技有限公司 一种基于势能场的机器人路径跟踪算法
CN109407665A (zh) * 2018-09-28 2019-03-01 浙江大学 一种小型半自动无人驾驶配送车及配送路径规划方法
CN109434836A (zh) * 2018-12-14 2019-03-08 浙江大学 一种结合球树模型的机械手人工势场空间路径规划方法
CN111923904A (zh) * 2020-08-13 2020-11-13 西安理工大学 一种无人驾驶电动汽车的自主避障方法
CN111923904B (zh) * 2020-08-13 2024-03-08 西安理工大学 一种无人驾驶电动汽车的自主避障方法
CN113485353A (zh) * 2021-07-23 2021-10-08 江南大学 基于rrt算法与人工势场法相结合的微机器人避障方法
CN113485353B (zh) * 2021-07-23 2024-03-15 江南大学 基于rrt算法与人工势场法相结合的微机器人避障方法
CN116352714A (zh) * 2023-04-11 2023-06-30 广东工业大学 一种机械臂避障路径规划方法
CN116352714B (zh) * 2023-04-11 2023-09-26 广东工业大学 一种机械臂避障路径规划方法
CN116202550A (zh) * 2023-05-06 2023-06-02 华东交通大学 融合改进势场与动态窗口的汽车路径规划方法
CN116872212A (zh) * 2023-08-14 2023-10-13 山东工商学院 一种基于A-Star算法和改进人工势场法的双机械臂避障规划方法

Similar Documents

Publication Publication Date Title
KR101076008B1 (ko) 자기장을 이용하여 경로계획을 생성하는 자율주행 로봇
KR102492242B1 (ko) 지형 인식 스텝 플래닝 시스템
KR101048098B1 (ko) 로봇의 경로계획 장치 및 방법
JP7271702B2 (ja) 深層強化学習に基づく自律走行エージェントの学習方法およびシステム
Guldenring et al. Learning local planners for human-aware navigation in indoor environments
Ferrer et al. Proactive kinodynamic planning using the extended social force model and human motion prediction in urban environments
Matthies et al. Stereo vision-based obstacle avoidance for micro air vehicles using disparity space
KR101262778B1 (ko) 경로 계획 장치, 및 자율 이동 장치
CN106371445A (zh) 一种基于拓扑地图的无人车规划控制方法
CN106569225A (zh) 一种基于测距传感器的无人车实时避障方法
Abbadi et al. Safe path planning using cell decomposition approximation
KR20090126414A (ko) 로봇 및 그 경로생성방법
Juniastuti et al. Crowd navigation using leader-follower algorithm based Reciprocal Velocity Obstacles
Mrudul et al. An efficient path planning algorithm for biped robot using fast marching method
Lee et al. Random force based algorithm for local minima escape of potential field method
CN114442628B (zh) 基于人工势场法的移动机器人路径规划方法、装置及系统
Hellström Robot navigation with potential fields
Hoang et al. A shortest smooth-path motion planning for a mobile robot with nonholonomic constraints
Kolling et al. Fast guaranteed search with unmanned aerial vehicles
Alagić et al. Design of mobile robot motion framework based on modified vector field histogram
Garrido et al. Smooth path planning for non-holonomic robots using fast marching
Barak et al. Two Dimensional Mapping by using Single Ultrasonic Sensor.
Ko et al. Implementing indoor navigation of a mobile robot
Sulkowski et al. Dynamic trajectory planning for autonomous driving based on fluid simulation
Guo et al. Autonomous navigation in dynamic environments with multi-modal perception uncertainties

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated 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: 20140929

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20150930

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160929

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20170928

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20181001

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20191001

Year of fee payment: 9