KR101242252B1

KR101242252B1 - Method for building simantic grid map and method for exploring an environment using simantic grid map

Info

Publication number: KR101242252B1
Application number: KR1020110012061A
Authority: KR
Inventors: 송재복; 박중태
Original assignee: 고려대학교 산학협력단
Priority date: 2011-02-10
Filing date: 2011-02-10
Publication date: 2013-03-11
Also published as: KR20120091937A

Abstract

본 발명은, 이동 로봇 장치에 장착된 레이저 스캐너를 포함하는 감지부로부터 대상 영역의 환경 정보를 취득하는 감지 단계와, 상기 환경 정보에 기초하여 특징을 추출하고 상기 특징을 이용하여 시맨틱 인덱스로 지시되는 시맨틱 격자 지도를 생성하는 시맨틱 격자 지도 생성 단계를 구비하는 시맨틱 격자 지도 생성 방법을 제공한다.The present invention provides a sensing step of acquiring environmental information of a target area from a sensing unit including a laser scanner mounted to a mobile robot device, extracting a feature based on the environment information, and indicating the semantic index using the feature. A semantic grid map generation method comprising generating a semantic grid map is provided.

Description

METHODE FOR BUILDING SIMANTIC GRID MAP AND METHOD FOR EXPLORING AN ENVIRONMENT USING SIMANTIC GRID MAP}

본 발명은 지도 작성 및 이를 이용한 탐사 방법에 관한 것으로, 보다 정확한 지도 작성을 가능하게 하는 지도 작성 및 작성된 지도를 활용한 탐사 방법에 관한 것이다.The present invention relates to a mapping method and an exploration method using the same, and more particularly, to an exploration method using a map creation and a created map that enables more accurate mapping.

로봇에 대한 수요는 산업용으로서 뿐만 아니라 가정용에 대한 수요도 증대되고 있고, 이에 따라 로봇 연구가 활발하게 진행되고 있다. 특히, 종래의 위치 고정된 로봇과는 달리 이동 가능한 이동 로봇에 대한 연구가 활발하게 진행되고 있는데, 이동 가능한 이동 로봇은 주변 환경을 사용하여 자신의 위치를 정확하게 인식하는 기술 및 이를 위하여 기준이 되는 표식을 기점으로 자신의 위치 파악을 가능하게 하는 지도 작성에 대한 기술의 연구가 진행되고 있다. The demand for robots is not only for industrial use, but also for home use, and accordingly, research on robots is actively progressing. In particular, unlike conventional position-fixed robots, researches on mobile robots that can be moved are being actively conducted, and the mobile robots can recognize their position accurately using the surrounding environment and marks for reference. Starting from now, researches on techniques for making maps that enable one's own location are underway.

특히, 주변 환경으로부터 취득되는 정보 중 꼭지점 또는 직선과 같이 특정한 모양을 구비하는 정보를 특징(feature)으로 명명하며, 이들은 이용하여 작성된 지도를 특징 지도(feature map)라고 한다. 특징은 환경 내에서 로봇의 위치를 인식하기 위한 표식으로 사용되기 때문에 어떠한 특징을 추출하여 이를 사용할 것인지 그리고 추출된 특징이 주변 환경의 변화에 따라 강인한 특성을 갖는지 등과 같은 사항이 정확한 특징 지도를 작성하는데 중요한 인자가 된다. In particular, information having a specific shape, such as a vertex or a straight line, among information obtained from the surrounding environment is named as a feature, and these maps created using the feature map are called feature maps. Since the feature is used as a marker for recognizing the robot's position in the environment, it is important to create an accurate feature map such as what features to use and how to extract them, and whether the extracted features have robust characteristics according to changes in the surrounding environment. This is an important factor.

종래 기술에 따른 특징 지도 작성에 있어 거리 센서 등을 이용하여 취득한 정보에 기초하여 주변의 장애물과 같은 주위 환경에 대한 정보가 저장되어 특징 지도, 즉 격자 지도를 생성할 수 있는데, 격자 지도는 사전 설정된 격자 크기로 분할하여 각각의 격자에 장애물, 벽 등과 같은 특징을 각각의 격자에 저장한다. 이러한 저장에 있어 격자가 점유될 확률 값을 사용한다.In creating a feature map according to the related art, information on the surrounding environment such as an obstacle around the user may be stored based on information acquired using a distance sensor or the like to generate a feature map, that is, a grid map. By dividing by grid size, features such as obstacles, walls, etc. are stored in each grid. For this storage we use the probability value that the grid will occupy.

하지만, 종래 기술에 따른 격자 지도는 지도 내의 격자가 점유 또는 비점유되어 있는 것만 알 수 있으며, 점유된 격자가 실제 환경에서 어떠한 상태인지 알 수 없다는 단점이 있다. 또한, 종래 기술에 따른 다양한 환경 상태를 파악하기 위한 방안이 있었으나, 이는 메모리의 용량을 증대시켜 이동 환경이 증대되는 경우 용량 부하를 상당히 증가시키는 문제점이 있었다.However, the grid map according to the prior art can only know that the grid in the map is occupied or not occupied, there is a disadvantage that the state of the occupied grid in the actual environment is not known. In addition, there has been a method for grasping various environmental conditions according to the prior art, but this has a problem of significantly increasing the capacity load when the mobile environment is increased by increasing the capacity of the memory.

또한, 종래 기술에 따른 이동 로봇은 자율적 주행을 위하여 미지의 환경에서 지도를 작성하기 위하여 탐사 기술이 필요한데, 이동 로봇은 종래의 격자 지도를 활용할 경우 자율적 주행 경로 확보에 있어 위험성, 예를 들어 문 등의 주위에서 충돌등과 같은 예상치 못한 상황과 같은 위험성을 저감시키지 못하는 문제점이 수반되었다.In addition, the mobile robot according to the prior art requires an exploration technique in order to create a map in an unknown environment for autonomous driving. When using a conventional grid map, the mobile robot has a risk in securing an autonomous driving route, for example, a door. Along with the problem was the inability to reduce risks such as unexpected situations such as collisions.

본 발명은 상기한 바와 같은 문제점을 해결하여, 저장부의 용량 부하 증대없이 안정적이고 명확한 격자 지도 작성 및 이를 활용한 탐사 방법을 제공하는 것을 목적으로 한다. An object of the present invention is to solve the problems as described above, to provide a stable and clear grid mapping and exploration method using the same without increasing the capacity load of the storage unit.

전술한 목적을 달성하기 위한 본 발명은, 이동 로봇 장치에 장착된 레이저 스캐너를 포함하는 감지부로부터 대상 영역의 환경 정보를 취득하는 감지 단계와, 상기 환경 정보에 기초하여 특징을 추출하고 상기 특징을 이용하여 시맨틱 인덱스로 지시되는 시맨틱 격자 지도를 생성하는 시맨틱 격자 지도 생성 단계를 구비하는 시맨틱 격자 지도 생성 방법을 제공한다.According to an aspect of the present invention, a sensing step of obtaining environmental information of a target area from a sensing unit including a laser scanner mounted on a mobile robot device, extracting a feature based on the environmental information, and extracting the feature. A semantic lattice map generation method comprising generating a semantic lattice map indicated by a semantic index using the present invention is provided.

상기 시맨틱 격자 지도 생성 방법에 있어서, 상기 시맨틱 격자 지도 생성 단계는:상기 환경 정보에 기초하여 상기 시맨틱 격자 지도의 격자에 대한 점유 확률을 조정하는 점유 확률 조정 단계와, 상기 환경 정보로부터 특징을 확인하는 특징 확인 단계와, 상기 특징 확인 단계에서 확인된 특징 및 저장부에 사전 설정된 시맨틱 인덱스에 기초하여 상기 시맨틱 격자 지도를 갱신하는 시맨틱 인덱스 갱신 단계를 구비할 수도 있다.In the method for generating a semantic grid map, the semantic grid map generating step may include: an occupation probability adjusting step of adjusting an occupation probability of a grid of the semantic grid map based on the environment information, and identifying a feature from the environment information; And a semantic index updating step of updating the semantic grid map based on the semantic index preset in the feature and the storage unit identified in the feature checking step.

상기 시맨틱 격자 지도 생성 방법에 있어서, 상기 특징 확인 단계는: 상기 환경 정보로부터 문(門)에 대한 문 특징을 확인하는 문 특징 확인 단계와, 상기 환경 정보로부터 추락 지역에 대한 추락 지역 특징을 확인하는 추락 지역 특징 확인 단계를 포함할 수도 있다.In the method for generating a semantic grid map, the feature checking step may include: a door feature checking step of checking a door feature of a door from the environment information, and identifying a fall zone feature of the crashed area from the environment information; Fall area characterization may be included.

상기 시맨틱 격자 지도 생성 방법에 있어서, 상기 문 특징 확인 단계는: 저장부에 사전 설정되어 저장된 사전 설정 직선 특징 거리에 배치되는 직선군을 추출하는 직선군 추출 단계와, 상기 직선군 내 직선 특징의 개수와 상기 저장부에 사전 설정 저장된 사전 설정 직선군 직선 개수를 비교하는 직선군 직선 개수 비교 단계와, 상기 직선군 직선 개수 비교 단계에서 상기 직선군 내 직선 특징의 개수가 상기 사전 설정 직선군 직선 개수 이상인 경우, 상기 직선군 내 이격되어 동일 선상에 대향 배치되는 직선의 대향 종점 간의 대향 종점 거리차(dt)와 상기 저장부에 사전 설정 저장된 사전 설정 직선 거리차(ds)를 비교하는 직선 대향 종점 거리차 비교 단계와, 상기 직선 대향 종점 거리차 비교 단계에서 상기 대향 종점 거리차(dt)와 상기 저장부에 사전 설정 저장된 사전 설정 직선 거리차(ds) 이상인 경우, 상기 직선군 내 직선 특징 간의 사이각을 연산하는 직선 특징 사이각 연산 단계와, 상기 직선 특징 사이각 연산 단계에서 연산된 직선 특징 사이각이 상기 저장부에 사전 설정된 사전 설정 사이각 이하인 경우, 상기 직선군을 문 특징으로 설정하는 문 특징 설정 단계를 포함할 수도 있다.In the method of generating a semantic grid map, the door feature checking step may include: a straight line group extracting step of extracting a straight line group disposed at a preset straight line feature distance pre-set and stored in a storage unit, and the number of straight line features in the straight line group; And a straight group straight line number comparing step for comparing the number of preset straight line group straight lines stored in the storage unit, and the number of straight line features in the straight line group is equal to or greater than the preset straight line group number in the comparing step. In this case, a straight line opposite end point distance difference comparing the opposite end point distance difference dt between the opposite end points of straight lines spaced apart in the straight line group and arranged on the same line and a preset straight line distance difference ds previously stored in the storage unit. A preset step in which the opposite end point distance difference dt and the storage unit are preset in a comparing step and comparing the straight opposite end point distances; If the stored preset linear distance difference (ds) or more, the angle between the linear feature angle calculation step for calculating the angle between the linear features in the straight line group, and the angle between the linear feature calculated in the linear feature angle calculation step is the storage unit The method may further include a door feature setting step of setting the straight line group as a door feature when the preset angle is less than or equal to a preset preset angle.

상기 시맨틱 격자 지도 생성 방법에 있어서, 상기 감지부는 상기 이동 로봇의 하부에 배치되고 지면을 향하여 배치되는 하방 거리 센서를 구비하고, 상기 추락 지역 특징 확인 단계는: 상기 하방 거리 센서로부터 감지되는 신호에 기초하여 하방 거리를 산출하는 하방 거리 산출 단계와, 상기 산출된 하방 거리와 상기 저장부에 사전 설정 저장된 기준 하방 거리를 비교하는 하방 거리 비교 단계와, 상기 하방 거리 비교 단계에서 상기 산출된 하방 거리가 상기 기준 하방 거리보다 큰 경우, 상기 이동 로봇의 제어부가 상기 이동 로봇에 배치되는 구동부의 가동을 정지시키는 구동 제어 신호를 인가하는 이동 주행 정지 단계와, 상기 제어부가 상기 하방 거리 센서가 사전 설정된 스캔 영역을 스캐닝하도록 상기 하방 거리 센서로 스캔 제어 신호를 인가하는 하방 스캔 단계와, 상기 하방 스캔 단계에서 감지된 하방 스캔 데이터에 기초하여 상기 추락 지역 범위를 설정하는 추락 지역 범위 설정 단계를 포함할 수도 있다.In the method for generating the semantic grid map, the sensing unit has a downward distance sensor disposed below the mobile robot and disposed toward the ground, and the falling region feature checking step includes: based on a signal detected from the downward distance sensor A downward distance calculation step of calculating a downward distance by the step; a downward distance comparison step of comparing the calculated downward distance with a reference downward distance preset in the storage unit; and the calculated downward distance in the downward distance comparison step; A movement driving stop step of applying a driving control signal for stopping the operation of the driving unit disposed in the moving robot when the control unit of the moving robot is larger than a reference down distance; Applying a scan control signal to the downward distance sensor to scan And a fall region range setting step of setting the fall region range based on the down scan step and the down scan data detected in the down scan step.

본 발명의 다른 일면에 따르면, 이동 로봇 장치에 장착된 레이저 스캐너를 포함하는 감지부로부터 대상 영역의 환경 정보를 취득하는 감지 단계와, 상기 환경 정보에 기초하여 특징을 추출하고 상기 특징을 이용하여 시맨틱 인덱스로 지시되는 시맨틱 격자 지도를 생성하는 시맨틱 격자 지도 생성 단계와, 상기 시맨틱 격자 지도의 완성 여부를 판단하여 완성 여부에 따라 사전 설정된 결정 모드를 실행하는 탐사 결정 실행 단계를 구비하고, 상기 탐사 결정 실행 단계는: 상기 시맨틱 지도 내 상기 이동 로봇이 이동하여야 할 탐사 후보 노드를 추출하는 탐사 후보 노드 추출 단계와, 상기 탐사 후보 노드 추출 단계에서 추출된 탐사 후보 노드의 유무를 판단하는 탐사 후보 노드 유무 확인 단계를 구비하는 시맨틱 격자 지도 기반 탐사 방법을 제공한다.According to another aspect of the present invention, a sensing step of acquiring environmental information of a target area from a sensing unit including a laser scanner mounted on a mobile robot device, extracting a feature based on the environmental information, and using the feature to obtain semantics A semantic lattice map generation step of generating a semantic lattice map indicated by an index; and an exploration decision execution step of determining whether or not the semantic lattice map is completed and executing a predetermined determination mode according to completion; The method may include: an exploration candidate node extraction step of extracting an exploration candidate node to be moved by the mobile robot in the semantic map, and an exploration candidate node presence step of determining whether there is an exploration candidate node extracted in the exploration candidate node extraction step; It provides a semantic grid map-based exploration method comprising a.

상기 시맨틱 격자 지도 기반 탐사 방법에 있어서, 상기 탐사 후보 노드 추출 단계는: 상기 시맨틱 격자 지도 내 미지 영역과 기지 영역을 구부하는 경계면을 추출하는 경계면 추출 단계와, 상기 경계면 추출 단계에서 추출된 경계면을 군집화시켜 경계면 군을 형성하는 경계면 군집화 단계와, 상기 경계면 군집화 단계에서 군집된 경계면 군의 무게 중심을 연산하는 무게 중심 산출 단계와, 상기 산출된 무게 중심을 탐사 후보 노드로 설정하는 탐사 후보 노드 설정 단계를 구비할 수도 있다.In the semantic grid map-based exploration method, the exploration candidate node extracting step includes: an interface extraction step for extracting an interface that bends an unknown area and a known area in the semantic grid map; and clustering the interface extracted in the interface extraction step; A boundary clustering step of forming an interface group, a center of gravity calculation step of calculating a center of gravity of the interface groups clustered in the boundary surface clustering step, and an exploration candidate node setting step of setting the calculated center of gravity as an exploration candidate node; It may be provided.

상기 시맨틱 격자 지도 기반 탐사 방법에 있어서, 상기 탐사 후보 노드 유무 확인 단계에서 탐사 후보 노드가 존재하는 것으로 판단되는 경우, 상기 이동 로봇을 상기 탐사 후보 노드 중의 하나로 이동시키는 탐사 주행 모드 단계를 실행할 수도 있다.In the semantic grid map-based exploration method, when it is determined that an exploration candidate node exists in the exploration candidate node presence step, an exploration driving mode step of moving the mobile robot to one of the exploration candidate nodes may be executed.

상기 시맨틱 격자 지도 기반 탐사 방법에 있어서, 상기 탐사 주행 모드 단계는: 상기 탐사 후보 노드가 배치되는 검색 영역을 설정하는 검색 영역 설정 단계와, 상기 검색 영역 설정 단계에서 설정된 검색 영역 내에서의 탐사 후보 노드를 상기 저장부에 사전 설정되어 저장된 정렬 기준 데이터에 기초하여 정렬시키는 영역 탐사 후보 노드 정렬 단계와, 상기 저장부에 사전 설정되어 저장된 선택 기준 데이터에 기초하여 상기 영역 탐사 후보 노드 정렬 단계에서 정렬된 탐사 후보 노드 중 하나를 선택하는 영역 탐사 후보 노드 선택 단계와, 상기 탐사 후보 노드 선택 단계에서 선택된 영역 탐사 선택 노드로 상기 이동 로봇을 이동시키도록 제어부가 구동 제어 신호를 구동부로 인가하는 탐사 노드 이동 단계를 포함할 수도 있다.In the semantic grid map-based exploration method, the exploration driving mode step may include: a search region setting step of setting a search area in which the search candidate node is disposed, and an exploration candidate node in the search area set in the search area setting step; A region exploration candidate node sorting step of sorting the data based on the sorting reference data preset and stored in the storage unit; An area exploration candidate node selection step of selecting one of the candidate nodes, and an exploration node moving step of applying a driving control signal to a driving unit by a control unit to move the mobile robot to the area exploration selection node selected in the exploration candidate node selection step; It may also include.

상기 시맨틱 격자 지도 기반 탐사 방법에 있어서, 상기 검색 영역 설정 단계는: 상기 탐사 후보 노드가 배치되는 상기 이동 로봇의 전방 영역을 상기 저장부에 사전 설정 저장되는 사전 설정 분할 기준에 기초하여 영역을 분할하는 영역 분할 단계와, 상기 저장부에 사전 설정 저장된 사전 설정 영역 확인 기준에 기초하여 상기 영역 분할 단계에서 분할된 분할 영역에 대하여 상기 탐사 후보 노드가 존재하는지 여부를 확인하고 탐사될 영역을 확정하는 검색 영역 확정 단계를 구비할 수도 있다.In the semantic grid map-based exploration method, the search region setting step may include: dividing the region based on a preset division criterion, which is pre-stored and stored in the storage unit, in front of the mobile robot in which the exploration candidate node is disposed. A retrieval area for confirming whether or not the exploration candidate node exists in the divided area divided in the area dividing step based on an area dividing step and a preset area checking criterion previously stored in the storage; A confirmation step may be provided.

상기한 바와 같은 구성을 갖는 본 발명에 따른 시맨틱 격자 지도 생성 방법 및 이를 활용하는 시맨틱 격자 지도 기반 탐사 방법은 다음과 같은 효과를 갖는다. The semantic grid map generation method and the semantic grid map based exploration method using the same according to the present invention having the configuration as described above have the following effects.

첫째, 본 발명에 따른 시맨틱 격자 지도 생성 방법 및 이를 활용하는 시맨틱 격자 지도 기반 탐사 방법은, 점유 내지 비점유 이외 점유 공간 내지 비점유 공간에 대하여도 보다 구체적으로 특성을 구분하여 시맨틱 인덱스를 부여하여 보다 정확한 지도 작성을 실행할 수 있다.First, the semantic lattice map generation method and the semantic lattice map-based exploration method using the semantic lattice map according to the present invention are more specifically assigned to semantic indices by assigning semantic indexes to the occupied to non-occupied spaces other than occupied to unoccupied spaces. Accurate mapping can be performed.

둘째, 본 발명에 따른 시맨틱 격자 지도 생성 방법 및 이를 활용하는 시맨틱 격자 지도 기반 탐사 방법은, 문과 추락지역 특징 및 이의 외곽 영역에 대한 주변 영역을 분리함으로써 격자 지도에 대한 보다 정확한 구분을 통하여 이동 로봇의 자율 주행시 보다 안정적인 가동 경로 확보 및 주행을 이루도록 할 수도 있다.Secondly, the semantic grid map generation method and the semantic grid map-based exploration method using the semantic grid map according to the present invention, by separating the characteristics of the door and the fall area and the surrounding area for the outer area of the mobile robot through a more accurate classification of the grid map In the autonomous driving, it is possible to achieve a more stable movement path and driving.

셋째, 본 발명에 따른 시맨틱 격자 지도 생성 방법 및 이를 활용하는 시맨틱 격자 지도 기반 탐사 방법은, 시맨틱 격자 지도를 활용하여 미지 영역과 기지 영역 간의 경계를 통한 탐사 경로 확보를 이루어 보다 정확하고 안정적인 가동을 이룰 수 있다. Third, the semantic grid map generation method and the semantic grid map-based exploration method using the same according to the present invention, by using the semantic grid map to secure the exploration path through the boundary between the unknown area and the base area to achieve a more accurate and stable operation Can be.

본 발명은 도면에 도시된 일실시예들을 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허 청구 범위의 기술적 사상에 의해 정해져야 할 것이다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it will be understood by those of ordinary skill in the art that various changes in form and details may be made therein without departing from the scope of the present invention. Accordingly, the true scope of the present invention should be determined by the technical idea of the appended claims.

도 1은 본 발명의 일실시예에 따른 시맨틱 격자 지도 생성하는 이동 로봇에 대한 개략적인 블록 선도이다.
도 2는 본 발명의 일실시예에 따른 시맨틱 격자 지도 생성 방법의 개략적인 흐름도이다.
도 3은 본 발명의 일실시예에 따른 시맨틱 격자 지도 생성 방법의 시맨틱 격자 지도 생성 단계의 흐름도이다.
도 4는 본 발명의 일실시예에 따른 시맨틱 격자 지도 생성 방법의 시맨틱 격자 지도 생성 단계 중 특징 확인 단계의 흐름도이다.
도 5a는 본 발명의 일실시예에 따른 시맨틱 격자 지도 생성 방법의 특징 확인 단계 중 문 특징 추출 단계의 흐름도이다.
도 5b는 본 발명의 일실시예에 따른 시맨틱 격자 지도 생성 방법의 특징 확인 단계 중 추락 지역 특징 단계의 흐름도이다.
도 6a는 본 발명의 다른 실시예에 따른 시맨틱 격자 지도 기반 탐사 방법의 탐사 결정 실행 단계의 흐름도이다.
도 6b는 본 발명의 다른 실시예에 따른 시맨틱 격자 지도 기반 탐사 방법의 탐사 결정 실행 단계의 탐사 후보 노드 추출 단계의 흐름도이다.
도 7은 본 발명의 시맨틱 격자 지도 생성 방법을 실행하는 실제 환경의 개략적인 상태도이다.
도 8은 본 발명의 시맨틱 격자 지도 생성 방법을 실행하는 과정의 초기 상태의 격자 지도이다.
도 9는 본 발명의 시맨틱 격자 지도 생성 방법을 실행하는 실제 환경에서의 이동 로봇의 감지 상태를 나타내는 개략적인 상태도이다.
도 10은 본 발명의 시맨틱 격자 지도 생성 방법을 실행하는 실제 환경에성의 이동 로봇의 감지를 통하여 얻어진 문특징을 구성하는 직선군에 대한 개략적인 상태도이다.
도 11은 본 발명의 시맨틱 격자 지도 생성 방법을 실행하는 추락지역에서의 하방 거리 감지를 실행하는 하방 거리 센서에 대한 개략적인 상태도이다.
도 12는 본 발명의 시맨틱 격자 지도 생성 방법을 실행하는 추락지역에서의 이동 로봇의 감지 상태를 나타내는 개략적인 상태도이다.
도 13은 본 발명의 시맨틱 격자 지도 생성 방법의 하방 스캔 과정을 실행하는 이동 로봇의 개략적인 상태도이다.
도 14는 본 발명의 시맨틱 격자 지도 생성 방법의 추락 지역 특징 추출 단계에서 설정되는 추락지역을 나타내는 상태도이다.
도 15 내지 도 17은 본 발명의 시맨틱 격자 지도 생성 방법을 통한 시맨틱 지도 생성 과정을 나타내는 종래 격자 지도와의 비교 관계를 나타내는 모식도이다.
도 18은 본 발명의 시맨틱 격자 지도 생성 방법을 통하여 얻어지는 시맨틱 격자 지도의 일예를 나타내는 모식도이다.
도 19는 본 발명의 다른 실시예에 따른 시맨틱 격자 지도 기반 탐사 방법의 탐사 결정 실행 단계의 탐사 종료 확인 단계에 대한 흐름도이다.
도 20은 본 발명의 다른 실시예에 따른 시맨틱 격자 지도 기반 탐사 방법의 탐사 결정 실행 단계의 과정을 나타내는 개략적인 흐름도이다.
도 21 내지 도 24는 본 발명의 다른 실시예에 따른 시맨틱 격자 지도 기반 탐사 방법의 탐사 결정 실행 단계의 탐사 주행 모드의 과정을 나타내는 개략적인 상태도이다.1 is a schematic block diagram of a mobile robot generating a semantic grid map according to an embodiment of the present invention.
2 is a schematic flowchart of a method for generating a semantic grid map according to an embodiment of the present invention.
3 is a flowchart of a semantic grid map generation step of the method for generating a semantic grid map according to an embodiment of the present invention.
4 is a flowchart of a feature verification step of the semantic grid map generation step of the method for generating a semantic grid map according to an embodiment of the present invention.
5A is a flowchart of a door feature extraction step of the feature verification step of the method for generating a semantic grid map according to an embodiment of the present invention.
5B is a flowchart of a crash area feature step of the feature check step of the method for generating a semantic grid map according to an embodiment of the present invention.
6A is a flowchart of an exploration determination execution step of a semantic grid map based exploration method according to another embodiment of the present invention.
6B is a flowchart of an exploration candidate node extraction step of an exploration determination execution step of the semantic grid map based exploration method according to another embodiment of the present invention.
7 is a schematic state diagram of a real environment implementing the method of generating a semantic grid map of the present invention.
8 is a grid map of an initial state of a process of executing the semantic grid map generation method of the present invention.
9 is a schematic state diagram illustrating a sensing state of a mobile robot in a real environment in which the semantic grid map generation method of the present invention is executed.
10 is a schematic state diagram of a straight line group constituting a door feature obtained through the detection of a mobile robot of a real environment executing the semantic grid map generation method of the present invention.
FIG. 11 is a schematic state diagram of a downward distance sensor for performing downward distance detection in a crashed area for implementing the semantic grid map generation method of the present invention.
FIG. 12 is a schematic state diagram illustrating a sensing state of a mobile robot in a crashed area in which the semantic grid map generation method of the present invention is executed.
FIG. 13 is a schematic state diagram of a mobile robot executing a downward scanning process of the method for generating a semantic grid map of the present invention. FIG.
14 is a state diagram illustrating a crash zone set in the crash zone feature extraction step of the semantic grid map generation method of the present invention.
15 to 17 are schematic diagrams illustrating a comparative relationship with a conventional grid map showing a process of generating a semantic map using the semantic grid map generation method of the present invention.
18 is a schematic diagram illustrating an example of a semantic grid map obtained through the semantic grid map generation method of the present invention.
19 is a flowchart illustrating an exploration end confirmation step of an exploration decision execution step of the semantic grid map based exploration method according to another embodiment of the present invention.
20 is a schematic flowchart illustrating a process of performing an exploration determination step of a semantic grid map based exploration method according to another embodiment of the present invention.
21 to 24 are schematic state diagrams illustrating a process of an exploration driving mode of an exploration determination execution step of a semantic grid map based exploration method according to another embodiment of the present invention.

이하에서는 시맨틱 격자 지도 생성 방법 및 이를 활용하는 시맨틱 격자 지도 기반 탐사 방법에 대하여 도면을 참조하여 설명하기로 한다. Hereinafter, a semantic grid map generation method and a semantic grid map based exploration method using the same will be described with reference to the drawings.

도 1에는 본 발명의 일실시예에 따른 시맨틱 격자 지도 생성하는 이동 로봇에 대한 개략적인 블록 선도가 도시되고, 도 2에는 본 발명의 일실시예에 따른 시맨틱 격자 지도 생성 방법의 개략적인 흐름도가 도시되고, 도 3에는 본 발명의 일실시예에 따른 시맨틱 격자 지도 생성 방법의 시맨틱 격자 지도 생성 단계의 흐름도가 도시되고, 도 4에는 본 발명의 일실시예에 따른 시맨틱 격자 지도 생성 방법의 시맨틱 격자 지도 생성 단계 중 특징 확인 단계의 흐름도가 도시되고, 도 5a에는 본 발명의 일실시예에 따른 시맨틱 격자 지도 생성 방법의 특징 확인 단계 중 문 특징 추출 단계의 흐름도가 도시되고, 도 5b에는 본 발명의 일실시예에 따른 시맨틱 격자 지도 생성 방법의 특징 확인 단계 중 추락 지역 특징 단계의 흐름도가 도시되고, 도 6a에는 본 발명의 다른 실시예에 따른 시맨틱 격자 지도 기반 탐사 방법의 탐사 결정 실행 단계의 흐름도가 도시되고, 도 6b에는 본 발명의 다른 실시예에 따른 시맨틱 격자 지도 기반 탐사 방법의 탐사 결정 실행 단계의 탐사 후보 노드 추출 단계의 흐름도가 도시되고, 도 7에는 본 발명의 시맨틱 격자 지도 생성 방법을 실행하는 실제 환경의 개략적인 상태도가 도시되고, 도 8에는 본 발명의 시맨틱 격자 지도 생성 방법을 실행하는 과정의 초기 상태의 격자 지도가 도시되고, 도 9에는 본 발명의 시맨틱 격자 지도 생성 방법을 실행하는 실제 환경에서의 이동 로봇의 감지 상태를 나타내는 개략적인 상태도가 도시되고, 도 10에는 본 발명의 시맨틱 격자 지도 생성 방법을 실행하는 실제 환경에서의 이동 로봇의 감지를 통하여 얻어진 문특징을 구성하는 직선군에 대한 개략적인 상태도가 도시되고, 도 11에는 본 발명의 시맨틱 격자 지도 생성 방법을 실행하는 추락지역에서의 하방 거리 감지를 실행하는 하방 거리 센서에 대한 개략적인 상태도가 도시되고, 도 12에는 본 발명의 시맨틱 격자 지도 생성 방법을 실행하는 추락지역에서의 이동 로봇의 감지 상태를 나타내는 개략적인 상태도가 도시되고, 도 13에는 본 발명의 시맨틱 격자 지도 생성 방법의 하방 스캔 과정을 실행하는 이동 로봇의 개략적인 상태도가 도시되고, 도 14에는 본 발명의 시맨틱 격자 지도 생성 방법의 추락 지역 특징 추출 단계에서 설정되는 추락지역을 나타내는 상태도가 도시되고, 도 15 내지 도 17에는 본 발명의 시맨틱 격자 지도 생성 방법을 통한 시맨틱 지도 생성 과정을 나타내는 종래 격자 지도와의 비교 관계를 나타내는 모식도가 도시되고, 도 18에는 본 발명의 시맨틱 격자 지도 생성 방법을 통하여 얻어지는 시맨틱 격자 지도의 일예를 나타내는 모식도가 도시되고, 도 19에는 본 발명의 다른 실시예에 따른 시맨틱 격자 지도 기반 탐사 방법의 탐사 결정 실행 단계의 탐사 종료 확인 단계에 대한 흐름도가 도시되고, 도 20에는 본 발명의 다른 실시예에 따른 시맨틱 격자 지도 기반 탐사 방법의 탐사 결정 실행 단계의 과정을 나타내는 개략적인 흐름도가 도시되고, 도 21 내지 도 24에는 본 발명의 다른 실시예에 따른 시맨틱 격자 지도 기반 탐사 방법의 탐사 결정 실행 단계의 탐사 주행 모드의 과정을 나타내는 개략적인 상태도가 도시된다.1 is a schematic block diagram of a mobile robot generating a semantic grid map according to an embodiment of the present invention, and FIG. 2 is a schematic flowchart of a method of generating a semantic grid map according to an embodiment of the present invention. 3 is a flowchart illustrating a semantic lattice map generation step of the semantic lattice map generation method according to an embodiment of the present invention, and FIG. 4 is a semantic lattice map of the semantic lattice map generation method according to an embodiment of the present invention. A flow chart of the feature check step is shown in the generating step, FIG. 5A shows a flow chart of the door feature extraction step among the feature check step of the semantic grid map generation method according to an embodiment of the present invention, and FIG. A flowchart of a fall area feature step is shown in the feature verification step of the semantic grid map generation method according to the embodiment, and FIG. A flowchart of an exploration decision execution step of the semantic grid map based exploration method according to another embodiment is shown, and FIG. 6B is an exploration candidate node extraction step of the exploration determination execution step of a semantic grid map based exploration method according to another embodiment of the present invention. 7 is a schematic state diagram of a real environment for executing the method of generating the semantic grid map of the present invention, and FIG. 8 is a grid of an initial state of the process of executing the method of generating the semantic grid map of the present invention. A map is shown, FIG. 9 is a schematic state diagram showing the detected state of a mobile robot in a real environment executing the semantic lattice map generation method of the present invention, and FIG. 10 executes the semantic lattice map generation method of the present invention. Outline of the straight line group constituting the door feature obtained by the detection of the mobile robot in real environment A state diagram is shown, and FIG. 11 is a schematic state diagram for a down distance sensor that performs down distance detection in a crashed region for executing the semantic grid map generation method of the present invention, and FIG. 12 shows a semantic grid map of the present invention. A schematic state diagram showing a detection state of a mobile robot in a crashed area executing the generation method is shown, and FIG. 13 is a schematic state diagram of a mobile robot executing a downward scanning process of the semantic grid map generation method of the present invention. FIG. 14 is a state diagram illustrating a crashed area set in the crash area feature extraction step of the semantic grid map generation method of the present invention, and FIGS. 15 to 17 show a semantic map generation process through the semantic grid map generation method of the present invention. A schematic diagram showing a comparison relationship with a conventional lattice map showing Is a schematic diagram showing an example of a semantic lattice map obtained through the semantic lattice map generation method of the present invention, and FIG. 19 is an exploration end confirmation of an exploration determination execution step of a semantic lattice map based exploration method according to another embodiment of the present invention A flowchart of the steps is shown, and FIG. 20 is a schematic flowchart showing a process of performing an exploration decision execution step of a semantic grid map based exploration method according to another embodiment of the present invention, and FIGS. 21 to 24 show a flowchart of the present invention. A schematic state diagram illustrating a process of an exploration driving mode of an exploration determination execution step of a semantic grid map based exploration method according to another embodiment is shown.

먼저, 본 발명의 일실시예에 따른 시맨틱 격자 지도 생성 이동 로봇(10)은 영상 입력부(100)와, 저장부(400)와, 제어부(300)를 포함하고 소정의 제어 과정을 수행하고, 엔코더 감지부(200) 및 연산부(500) 및 구동부(600)를 포함하고, 시맨틱 격자 지도 생성 이동 로봇 위치 인식 방법을 통하여 정확하고 신속한 격자 지도를 생성하여 시맨틱 격자 지도에 따른 이동 위치 인식을 이루며 자율 주행을 이룰 수 있다. First, the semantic grid map generation mobile robot 10 according to an embodiment of the present invention includes an image input unit 100, a storage unit 400, and a control unit 300 to perform a predetermined control process, and to perform an encoder. It includes a sensing unit 200, the calculation unit 500 and the driving unit 600, generates a accurate and rapid grid map through the semantic grid map generation mobile robot location recognition method to achieve the movement position recognition according to the semantic grid map autonomous driving Can be achieved.

제어부(300)는 다른 구성요소들과 전기적 소통을 이루어 입력 신호를 전달받고 각각의 구성요소로 제어 신호를 인가할 수 있다. 감지부(100)는 거리 센서(120)를 포함하는데, 본 실시예에서 거리 센서(120)는 레이저 스캐너로 구현된다. 레이저 스캐너로 구현되는 거리 센서(120)를 통하여 전방 영역을 감지한다. The controller 300 may be in electrical communication with other components to receive an input signal and apply a control signal to each component. The sensing unit 100 includes a distance sensor 120. In the present embodiment, the distance sensor 120 is implemented by a laser scanner. The front area is detected through the distance sensor 120 implemented by the laser scanner.

감지부(100)는 영상 입력부(110)를 구비할 수 있는데, 영상 입력부(110)는 다양한 구성이 가능한데, 본 실시예에서 영상 입력부(100)는 단안 카메라로 구성될 수도 있고 스테레오 카메라로 구현될 수도 있는 등 구성의 변형이 가능하다. 연산부(500)는 제어부(300)의 제어 신호에 따라 소정의 연산 과정을 수행하며, 저장부(400)는 사전 설정된 다양한 값들을 기저장하고 제어부(300)의 제어 신호에 따라 필요한 영상 정보 내지 위치 정보들을 저장한다. 구동부(600)는 전기 모터 등으로 구현되고, 제어부(300)의 제어 신호에 따라 구동되어 시맨틱 격자 지도 생성 이동 로봇(10)을 원하는 위치로 이동시킬 수 있는 구동력을 제공한다. 엔코더 감지부(200)는 구동부(300)에 의하여 구동되는 구동륜(미도시)의 회전수 및 회전 각도 등을 감지하는데, 회전 각도는 각각의 구동륜의 회전수의 차이에 따라 연산되어 도출되는 과정을 통하여 이루어질 수도 있다. The detector 100 may include an image input unit 110. The image input unit 110 may be configured in various ways. In the present embodiment, the image input unit 100 may be configured as a monocular camera or a stereo camera. Such configuration may be modified. The calculation unit 500 performs a predetermined calculation process according to the control signal of the control unit 300, and the storage unit 400 pre-stores various preset values and stores necessary image information or position according to the control signal of the control unit 300. Save the information. The driving unit 600 is implemented by an electric motor or the like, and is driven according to a control signal of the control unit 300 to provide a driving force for moving the semantic grid map generation mobile robot 10 to a desired position. The encoder detecting unit 200 detects a rotation speed and a rotation angle of a driving wheel (not shown) driven by the driving unit 300, and the rotation angle is calculated and derived according to the difference in the rotation speed of each driving wheel. It may be through.

또한, 감지부(100)의 레이저 스캐너의 거리 센서(120) 및/또는 영상 입력부(110)의 감지 방향을 변형하기 위한 장치로서 틸팅부(140)가 더 구비될 수 있는데, 틸팅부(130)는 전기 모터로 구현되어 제어부(300)로부터의 틸팅 제어 신호에 따라 가동되어 레이저 스캐너의 거리 센서(120) 및/또는 영상 입력부(110)를 가동시켜 소정의 틸팅 가동을 실행하여 전방 영역 중 하방 영역에 대한 거리 감지 기능, 보다 구체적으로 추락 영역 여부를 파악하기 위한 기능을 실행할 수도 있다. 이와 같은 틸팅부(130)의 가동을 통하여 격자 지도 작성을 위한 대상 영역에 대한 감지 기능을 3차원 정보로 확장시킬 수도 있다. In addition, the tilting unit 140 may be further provided as a device for modifying the sensing direction of the distance sensor 120 and / or the image input unit 110 of the laser scanner of the sensing unit 100, and the tilting unit 130. Is implemented as an electric motor and is operated according to a tilting control signal from the controller 300 to operate the distance sensor 120 and / or the image input unit 110 of the laser scanner to execute a predetermined tilting operation so as to perform a predetermined tilting operation. The distance detection function for, and more specifically, the function to determine whether the fall region may be executed. Through the operation of the tilting unit 130 as described above, the sensing function of the target area for preparing the grid map may be extended to 3D information.

한편, 본 실시예에서 하방 영역의 추락 지역 특징을 확인하기 위한 거리 정보는 별도의 구성을 통하여 얻어지는 구조를 취한다. 즉, 감지부(100)는 별도의 하방 거리 센서(140)를 구비하고, 하방 거리 센서(140)로부터 감지되는 거리 정보를 통하여 환경 중 추락 지역 특징의 유무 및 이의 해당 영역을 감지하기 위한 스캔 기능을 실행한다. 본 실시예의 하방 거리 센서(140)의 좌우 스캔 범위는 각각 90도를 이루도록 설정된다. 스캔 기능을 실행하기 위한 별도의 좌우 가동 액추에이터가 구비될 수도 있고 경우에 따라 별도의 액추에이터없이 해당 하방 좌우 영역의 스캔 기능을 실행하는 구조의 하방 거리 센서가 구비될 수도 있다. Meanwhile, in the present embodiment, the distance information for confirming the fall area characteristic of the lower region has a structure obtained through a separate configuration. That is, the detection unit 100 includes a separate downward distance sensor 140 and a scan function for detecting the presence or absence of a fall area feature in the environment and the corresponding area through the distance information detected by the downward distance sensor 140. Run The left and right scan ranges of the downward distance sensor 140 of the present embodiment are set to form 90 degrees, respectively. A separate left and right movable actuator may be provided for executing the scan function, or in some cases, a downward distance sensor having a structure for executing a scan function of the corresponding lower left and right regions without a separate actuator may be provided.

본 발명에 따른 시맨틱 격자 지도 생성 이동 로봇(10)을 통하여 실행되는 시맨틱 격자 지도 생성 방법은 도 2에 도시된 바와 같이 초기화 단계(S10)와, 감지 단계(S20)와, 시맨틱 격자 지도 생성 단계(S30)를 포함하는데, 이와 같은 방법을 통하여 생성되는 시맨틱 격자 지도는 시맨틱 격자 지도 생성 이동 로봇(10)의 자율 이동시 보다 정확하면서도 의미있는 시맨틱 격자 지도를 통하여 보다 안전하고 신속한 자율 주행을 이룰 수 있다. Semantic grid map generation method according to the present invention is executed in the semantic grid map generation method as shown in Figure 2 initialization step (S10), the detection step (S20), and the semantic grid map generation step ( S30), the semantic grid map generated through this method can achieve safer and faster autonomous driving through a more accurate and meaningful semantic grid map when the semantic grid map generation mobile robot 10 moves.

먼저, 제어부(300)는 초기화 단계(S10)를 실행한다. 초기화 단계(S10)에서 제어부(300)는 환경을 사전 설정된 크기의 격자로 분할하고 각각의 격자에 초기 점유 확률 0.5를 부여한다. 여기서, 점유 확률이란 감지부(100)의 거리 센서(120)로부터 얻어진 거리 정보를 포함하는 환경 정보를 통하여 격자 지도를 갱신하는 과정 상 해당 격자 내 장애물과 같은 물체가 존재할 확률을 나타내는 것으로, 점유 확률은 0 내지 1의 값을 갖는데, 0에 가까운 점유 확률이 격자에 부여될수록 격자에는 빈공간일 확률이 커지는 것을 의미하고 1에 가까운 점유 확률이 격자에 부여될수록 격자에 장애물과 같은 물체가 공간을 점유할 확률이 커지는 것을 의미한다. First, the controller 300 executes an initialization step S10. In the initialization step S10, the controller 300 divides the environment into a grid having a predetermined size and gives an initial occupation probability of 0.5 to each grid. Here, the occupancy probability refers to the probability that an object such as an obstacle in the grid exists in the process of updating the grid map through the environment information including the distance information obtained from the distance sensor 120 of the detector 100. Has a value between 0 and 1, where the probability of occupancy close to zero is given to the lattice, which means that the probability of empty space in the grid increases. It means that the probability to do it increases.

본 실시예에서 환경에 대한 분할되는 격자 크기는 10cm×10cm의 크기로 설정하였으나, 이는 정확한 시맨틱 격자 지도를 얻도록 하는 범위에서 다양한 설정이 가능하다.In the present embodiment, the grid size divided for the environment is set to a size of 10cm × 10cm, but it is possible to set variously in the range to obtain an accurate semantic grid map.

그런 후, 제어부(300)는 감지부(100)에 감지 제어 신호를 인가하여 대상 영역인 환경에 대한 감지 기능을 실행하는 감지 단계(S20)를 실행한다. 감지 단계(S20)에서 제어부(300)의 감지 제어 신호에 따라 거리 센서(120)는 시맨틱 격자 지도 생성 이동 로봇(10)의 주행을 이루기 위한 전방 영역을 감지하여 장애물 여부 등의 감지한다. 본 발명에 따른 감지부(100)의 레이저 스캐너로 구현되는 거리 센서(120)는 2차원 정보를 취득하는데, 감지부(100)는 틸팅부(140)를 통하여 가동되는 구조를 취함으로써 2차원 환경 정보가 3차원 환경 정보로 변환될 수 있다. Thereafter, the controller 300 applies a sensing control signal to the sensing unit 100 to execute a sensing step S20 of executing a sensing function for an environment that is a target area. According to the detection control signal of the control unit 300 in the detection step (S20), the distance sensor 120 detects the front area for the driving of the semantic grid map generation mobile robot 10 to detect whether there is an obstacle. The distance sensor 120 implemented by the laser scanner of the sensing unit 100 according to the present invention acquires two-dimensional information, and the sensing unit 100 takes a structure that is operated through the tilting unit 140, thereby obtaining a two-dimensional environment. The information can be converted into three-dimensional environment information.

감지 단계(S20)에서 거리 센서(120)로부터의 거리 감지를 포함하는 감지 기능을 실행하여 환경 정보 취득이 완료된 후, 제어부(300)는 제어 흐름을 단계 S30으로 전환한다. 시맨틱 격자 지도 생성 단계(S30)에서 제어부(300)는 단계 S20에서 감지된 환경 정보에 기초하여 특징을 추출하고 특징을 이용하여 시맨틱 인덱스로 지시되는 시맨틱 격자 지도를 생성한다. 여기서, 시맨틱 인덱스란 각각의 격자에 할당되어 특징을 포함한 격자 지도를 보다 정확하게 분류하여 자율 주행시 신속하고 안정적인 이동 동작을 이루도록 하기 위하여 사전 설정되어 저장부(400)에 저장되는 격자 특성을 나타내는 인덱스를 의미한다. After the sensing function including the sensing of the distance from the distance sensor 120 is executed in the sensing step S20 and the environment information acquisition is completed, the control unit 300 switches the control flow to step S30. In operation S30 of generating a semantic grid map, the controller 300 extracts a feature based on the environmental information detected in step S20 and generates a semantic grid map indicated by a semantic index using the feature. Here, the semantic index means an index indicating a grid characteristic that is preset and stored in the storage unit 400 so as to more accurately classify a grid map including a feature assigned to each grid to achieve a fast and stable movement during autonomous driving. do.

시맨틱 격자 지도 생성 단계(S30)는 점유 확률 조정 단계(S31)와 특징 확인 단계(S32)와 시맨틱 인덱스 갱신 단계(S33)를 포함한다. 점유 확률 조정 단계(S31)에서는 감지 단계(S20)에서 취득된 환경 정보에 기초하여 공간에 해당하는 격자에 대한 점유 확률을 조정하고, 특징 확인 단계(S32)에서 제어부(300)는 환경 정보로부터 특징을 확인하고 시맨틱 인덱스 갱신 단계(S33)에서는 특징 확인 단계(S32)에서 확인된 특징 및 저장부(400)에 사전 설정된 시맨틱 이인덱스에 기초하여 시맨틱 격자 지도를 갱신한다. The semantic grid map generation step S30 includes an occupation probability adjustment step S31, a feature check step S32, and a semantic index update step S33. In the occupancy probability adjusting step S31, the occupancy probability for the grid corresponding to the space is adjusted based on the environmental information acquired in the sensing step S20, and in the feature checking step S32, the controller 300 is characterized by the environmental information. Next, the semantic index update step S33 updates the semantic grid map based on the feature identified in the feature check step S32 and the semantic index index preset in the storage unit 400.

먼저, 점유 확률 조정 단계(S31)에서 제어부(300)는 감지부(100)를 통하여 취득된 환경 정보에 기초하여 환경에 할당된 격자에 대한 점유 상태를 확인하고 이를 통하여 해당 격자에 대한 점유 확률을 갱신 조정한다. 도 7과 같은 탁자, 침대, 벽 등의 장애물과 문, 계단이 배치되는 공간을 구비하는 환경이 배치되는 경우, 감지부(100)의 거리 센서(120)를 통하여 취득된 환경 정보의 거리 정보에 기초하여 제어부(300)는 각각의 격자에 대한 공간의 점유 확률을 갱신한다. 도 8의 격자 지도에서 하얀색 공간은 점유 확률이 0인 격자를, 그리고 검정색 공간은 점유 확률이 1인 공간을 의미한다. First, in the occupation probability adjusting step (S31), the control unit 300 checks the occupation state of the grid allocated to the environment based on the environment information acquired through the detection unit 100, and thereby determines the occupation probability of the corresponding grid. Adjust the renewal. When an environment including an obstacle such as a table, a bed, a wall, and the like, and a space in which a door and a staircase are arranged, the distance information of the environmental information acquired through the distance sensor 120 of the sensing unit 100 is arranged. Based on this, the controller 300 updates the occupation probability of the space for each grid. In the grid map of FIG. 8, the white space means a grid having an occupancy probability of 0, and the black space means a space having an occupancy probability of 1. FIG.

그런 후, 제어부(300)는 특징 확인 단계(S32)를 실행하는데, 특징 확인 단계(S32)는 문 특징 확인 단계(S35)와 추락 지역 특징 확인 단계(S36)를 포함한다. 문 특징 확인 단계(S35)에서 제어부(300)는 감지부(100)를 통하여 취득된 환경에 대한 환경 정보로부터 문(門,door)에 대한 특징을 확인한다. 문 특징을 확인하여 제어부(300)는 이를 저장부(400)에 저장하고 차후 시맨틱 인덱스 갱신 단계(S33)에서 문 특징에 대응되는 시맨틱 인덱스로 문 특징에 해당하는 격자에 대한 정보를 갱신한다. Thereafter, the control unit 300 executes the feature checking step S32, and the feature checking step S32 includes a door feature checking step S35 and a fall area feature checking step S36. In the door feature checking step S35, the controller 300 checks a feature of a door from environment information about the environment acquired through the detector 100. The controller 300 checks the door feature and stores it in the storage unit 400 and updates information on the grid corresponding to the door feature with a semantic index corresponding to the door feature in a subsequent semantic index update step S33.

본 실시예에 따른 문 특징 확인 단계(S35)는 직선군 추출 단계(S351)와 직선군 직선 개수 비교 단계(S352)와 직선 대향 종점 거리차 비교 단계(S353)와 직선 특징 사이각 연산 단계(S354)와 문 특징 설정 단계(S356)를 포함한다. In the door feature checking step S35 according to the present exemplary embodiment, the straight line group extracting step S351 and the straight line group number comparing step S352 and the straight line opposite end point distance difference comparing step S353 and the straight line feature calculating step S354 ) And a door feature setting step S356.

먼저, 직선군 추출 단계(S351)에서 제어부(300)는 환경 정보로부터 저장부(400)에 사전 설정 저장된 사전 설정 직선 특징 거리(ds)에 배치되는 직선군을 추출한다. 직선 특징 추출 과정은 통상적인 직선 특징 추출 과정을 사용하는데, 제어부(300)는 추출된 직선 특징 중 복수 개의 직선이 구성하는 직선군을 추출한다. 복수 개의 직선이 구성하는 직선군의 여부는 저장부(400)에 사전 설정되어 저장된 사전 설정 직선 특징 거리(ds)를 통하여 비교될 수 있는데, 제어부(30)는 복수 개의 직선의 무게 중심을 산출하고 무게 중심 간의 이격 거리가 사전 설정 직선 특징 거리(ds) 미만인 경우 제어부(300)는 해당 직선이 서로 근접하여 하나의 직선군으로 포함될 수 있다고 판단한다. 반면, 해당 직선 간의 이격 거리가 사전 설정 직선 특징 거리(ds) 이상인 경우 제어부(300)는 해당 직선이 서로 상당히 멀리 떨어져 하나의 직선군으로 군집시키기 어렵다고 판단하여 개별적인 직선으로 판단한다. First, in the straight line group extracting step S351, the controller 300 extracts a straight line group disposed at a preset straight line feature distance ds stored in the storage unit 400 from the environment information. The straight line feature extraction process uses a conventional straight line feature extraction process, and the controller 300 extracts a straight line group formed by a plurality of straight lines among the extracted straight line features. Whether the group of straight lines constituted by the plurality of straight lines may be compared using a preset straight line feature distance ds stored in the storage unit 400. The controller 30 calculates the center of gravity of the plurality of straight lines. When the separation distance between the centers of gravity is less than the preset linear feature distance ds, the controller 300 determines that the straight lines are close to each other and may be included as one straight group. On the other hand, when the separation distance between the straight lines is greater than or equal to the preset straight feature distance ds, the controller 300 determines that the straight lines are far from each other and difficult to cluster into a straight line group, and thus determine the individual straight lines.

단계 S351에서 직선군이 추출된 경우, 제어부(300)는 해당 직선군이 문 특징에 해당하는지 여부를 판단하기 위한 과정을 실행하는데, 제어부(300)는 직선군 개수 비교 단계(S352)를 실행한다. 직선군 개수 비교 단계(S352)에서 제어부(300)는 직선군으로 판단된 해당 직선군 내 직선의 개수(N)를 비교하는데, 제어부(300)는 저장부(400)에 사전 설정되어 저장된 사전 설정 직선군 직선 개수(Nd)와 직선군으로 판단된 해당 직선군 내 직선의 개수(N)를 비교한다. 단계 S352에서 직선군으로 판단된 해당 직선군 내 직선의 개수(N)가 사전 설정 직선구 직선 개수(Nd) 이상인 경우, 해당 직선군 내 직선의 문특징일 가능성을 가지고 후속적으로 다른 판단 단계를 실행한다. 반면, 단계 S352에서 직선군으로 판단된 해당 직선군 내 직선의 개수(N)가 사전 설정 직선구 직선 개수(Nd) 미만인 경우, 해당 직선군 내 직선의 문특징이 아니라고 판단하고 복수 개의 직선이 단순 근접 배치된 것 또는 감지부의 감지 오차라고 판단하고 각각의 신호를 개별 직선 특징으로 파악하는 직선 특징 설정 단계(S357)로 제어 흐름을 전달한다. When the straight line group is extracted in step S351, the control unit 300 executes a process for determining whether the corresponding straight line group corresponds to the door feature, and the control unit 300 executes the step of comparing the number of straight line groups (S352). . In the comparison of the number of straight line groups (S352), the control unit 300 compares the number N of straight lines in the corresponding straight line group determined as the straight line group, and the control unit 300 is preset and stored in the storage unit 400. The number of straight lines Nd of the straight line group and the number N of straight lines in the straight line group determined as the straight line group are compared. If the number N of straight lines in the straight line group determined as the straight line group in step S352 is equal to or greater than the preset number of straight-line straight lines Nd, another judgment step is subsequently performed with the possibility that it is a door feature of the straight lines in the straight line group. Run On the other hand, if the number N of straight lines in the straight line group determined as the straight line group in step S352 is less than the preset straight line straight line number Nd, it is determined that the door feature of the straight lines in the straight line group is not the plurality of straight lines and the simple The control flow is transmitted to a straight line feature setting step (S357) for determining that the signal is in close proximity or a sensing error in the sensing unit and identifying each signal as an individual straight line feature.

한편, 단계 S352에서 직선군으로 판단된 해당 직선군 내 직선의 개수(N)가 사전 설정 직선구 직선 개수(Nd) 이상인 경우, 제어부(300)는 제어 흐름을 단계 S353으로 진행한다. 직선 대향 종점 거리차 단계(S353)에서 제어부(300)는 직선군으로 판단된 해당 직선군 내 직선 중 이격되어 동일 선상에서 대향 배치되는 직선의 대향 종점 간의 대향 종점 거리차(dt)와 저장부(400)에 사전 설정 저장된 사전 설정 직선 거리차(ds)를 비교하는데, 대향 종점 거리차(dt)가 사전 설정 직선 거리차(ds) 이상인 경우 제어부(300)는 해당 직선군 내 직선이 문특징일 가능성이 있다고 보고 후속적인 판단 단계를 실행하도록 제어 흐름을 단계 S354로 진행한다. 반면, 대향 종점 거리차(dt)가 사전 설정 직선 거리차(ds) 미만인 경우 제어부(300)는 해당 직선군 내 직선이 문특징이 아닌 근접한 동일 직선 군내 단순 직선이라고 판단하고, 제어 흐름을 단계 S357로 진행하여 직선 특징 설정 단계(S357)를 실행한다. 본 실시예에서 사전 설정 직선 거리차(ds)는 90cm로 설정되었으나, 이동 로봇이 이동하는 장소의 유형, 예를 들어 사무 실내 또는 공장 실내 등의 유형에 따라 다양한 값이 설정될 수 있다. 또한, 대향 종점 거리차가 연산되는 두 개의 이격된 직선이 동일선 상에 존재하는지 여부를 이격된 두 개의 직선이 이루는 직선간 최소거리가 사전 설정되어 저장부에 저장되는 사전 설정 직선간 최소거리보다 작은 경우에 동일선상에 배치된 것으로 판단할 수도 있다.On the other hand, when the number N of straight lines in the straight line group determined as the straight line group in step S352 is equal to or greater than the preset straight line straight line number Nd, the controller 300 proceeds to step S353. In step S353, the control unit 300 separates the distance between the opposite end point distances dt between the opposite end points of the straight lines that are spaced apart from the straight lines in the corresponding straight line group determined as the straight line group and arranged on the same line. Compared to the preset linear distance difference (ds) stored in the preset 400, if the opposite end distance difference (dt) is greater than or equal to the preset linear distance difference (ds), the control unit 300 determines that the straight line in the line group If there is a possibility, the control flow proceeds to step S354 to execute the subsequent judgment step. On the other hand, when the opposite end point distance difference dt is less than the preset linear distance difference ds, the controller 300 determines that the straight line in the straight line group is a simple straight line in the same straight line group, not a door feature, and determines the control flow in step S357. The process proceeds to step S357 to execute the straight line feature setting step. Although the preset linear distance difference ds is set to 90 cm in this embodiment, various values may be set according to the type of the place where the mobile robot moves, for example, an office room or a factory room. In addition, the minimum distance between the straight lines formed by the two separated straight lines is smaller than the minimum distance between the preset straight lines stored in the storage unit whether or not two spaced straight lines for which the opposite end distance differences are calculated exist on the same line. It may be determined that they are arranged in the same line.

대향 종점 거리차(dt)가 사전 설정 직선 거리차(ds) 이상인 경우 제어부(300)는 직선 특징 사이각 연산 단계(S354)를 실행하는데, 직선 특징 사이각 연산 단계(S354)는 예를 들어 동일 직선군 내 두 개의 직선이 사전 설정 직선 거리차(ds) 이상의 일정거리만큼 이격되어 있는 경우 제어부(300)가 이들 직선이 이루는 사이각을 연산하여 산출하도록 한다. 즉, 도 9에 도시된 바와 같이 감지부(100)의 거리 센서(120)를 통하여 감지된 거리 신호를 통하여 실제 영역에 대하여 거리 정보를 포함하는 환경 정보가 취득되는데, 취득된 거리 정보를 포함하는 환경 정보는 도 10에 도시된 바와 같이 문(door)이 배치되는 위치에서 3개의 직선 특징(직선 A,B,c)이 추출되고 이로부터 상기의 일련의 비교 판단 단계를 거친 후, 직선 특징 사이각 연산 단게(S354)가 실행되는데, 직선 특징 사이각 연산 단계(S354)에서 동일 직선군 내 직선 특징 간의 사이각이 연산 산출된다. 이들 동일군 내 직선 특징 간의 사이각(θAB,θBC,θCA)는 각각 사전 설정되어 저장부(400)에 저장된 사전 설정 사이각(θs) 이하인 경우, 제어부(300)는 직선 특징 사이각 비교 단계(S355)를 실행한다. 직선 특징 사이각 비교 단계(S355)에서 이들 동일군 내 직선 특징 간의 사이각(θAB,θBC,θCA)이 사전 설정되어 저장부(400)에 저장된 사전 설정 사이각(θs) 이하라고 판단된 경우, 제어부(300)는 이들 직선군은 문특징이라고 판단하고, 반대로 이들 동일군 내 직선 특징 간의 사이각(θAB,θBC,θCA) 중 어느 하나라도 사전 설정 사이각(θs)보다 큰 경우 이들 직선 특징을 구비하는 직선군은 문특징이 아니라고 판단한다. 본 실시예에서 사전 설정 사이각(θs)은 5도로 설정되었으나 이는 일예일뿐 작업 환경 내지 설계 사양에 따라 다양한 변형이 가능하다.When the opposite end point distance difference dt is equal to or greater than the preset linear distance difference ds, the controller 300 executes the linear feature angle calculation step S354. The linear feature angle calculation step S354 is, for example, the same. When two straight lines in the straight line group are spaced apart by a predetermined distance more than a predetermined linear distance difference ds, the controller 300 calculates and calculates an angle formed between these straight lines. That is, as shown in FIG. 9, environmental information including distance information with respect to the actual area is obtained through the distance signal detected by the distance sensor 120 of the sensing unit 100, which includes the acquired distance information. As shown in FIG. 10, three linear features (straight lines A, B, and C) are extracted at a position where a door is disposed, and after the above-described series of comparison judgment steps, the environmental information is divided between the linear features. Each operation step S354 is executed, and the angle between the linear features in the same straight line group is calculated and calculated in the linear feature inter-angle calculation step S354. When the angles θAB, θBC, θCA between the linear features in the same group are each preset or less than the preset angle θs stored in the storage 400, the control unit 300 compares the angles between the linear features ( S355) is executed. If the angle between the linear features in the same group (θAB, θBC, θCA) is preset in the comparison between the linear feature angles (S355) and is determined to be equal to or less than the preset angle (θs) stored in the storage unit 400, The control unit 300 determines that these straight line groups are door features, and conversely, if any one of the angles between the straight line features θAB, θBC, θCA is larger than the preset angular angle θs, It is judged that the straight group provided is not a door feature. In the present embodiment, the preset angle θs is set to 5 degrees, but this is only an example, and various modifications may be made depending on a work environment or a design specification.

따라서, 단계 S355에서 동일군 내 직선 특징 간의 사이각(θAB,θBC,θCA)이 사전 설정 사이각(θs) 이하인 경우 제어 흐름을 단계 S356으로 진행시켜 해당 직선군의 직선 특징을 문특징을 설정하는 문특징 설정 단계(S356)를 실행하고, 단계 S355에서 동일군 내 직선 특징 간의 사이각(θAB,θBC,θCA)이 사전 설정 사이각(θs)보다 큰 경우 제어부(300)는 해당 직선군 내 직선 특징은 단순 직선 특징이라고 판단한다(S357). Therefore, when the angle θAB, θBC, θCA between the linear features in the same group is equal to or less than the preset angle θs in step S355, the control flow advances to step S356 to set the door feature of the linear features of the straight line group. When the door feature setting step S356 is executed, and the step angle θAB, θBC, θCA between the linear feature in the same group is greater than the preset angle θs in step S355, the control unit 300 performs the straight line in the straight line group. The feature is determined to be a simple straight line feature (S357).

경우에 따라 거리 센서를 통하여 얻어진 거리 정보를 포함하는 환경 정보로부터 상기와 같은 문특징을 확인한 후, 영상 입력부로부터의 영상 정보를 사용하여 확인된 문특징이 실제 문(door)인지 여부를 판단하기 위한 별도의 판단 과정이 더 구비될 수도 있다. In some cases, after confirming the door feature from the environment information including the distance information obtained through the distance sensor, and using the image information from the image input unit to determine whether the identified door feature is an actual door (door) A separate determination process may be further provided.

문특징 확인 단계(S35)가 완료된 후, 제어부(300)는 추락 지역 특징 확인 단계(S36)를 실행한다. 추락 지역 특징 확인 단계(S36)는 하방 거리 산출 단계(S361)와 하방 거리 비교 단계(S363)와 이동 주행 정지 단계(S365)와 하방 스캔 단계(S36)와 추락 지역 버위 설정 단계(S369)를 포함한다. 감지부(100)의 하방 거리 센서(140)는 이동 로봇(10)의 하부에 배치되어 지면을 향하여 거리 감지 기능을 실행한다. 도 11에 도시된 바와 같이 하방 거리 센서(140)는 이동 로봇(10)의 하단으로 지면을 향하여 감지 신호를 조사하도록 배치된다. 도 12에 도시된 바와 같이 하방 거리 센서(140)에 의하여 감지된 하방 거리 정보는 감지 단계(S10)에서 취득될 수 있다. After the door feature check step S35 is completed, the controller 300 executes the fall area feature check step S36. Falling area feature checking step (S36) includes a downward distance calculation step (S361) and a downward distance comparison step (S363), the moving driving stop step (S365), the downward scanning step (S36) and the fall zone level setting step (S369) do. The downward distance sensor 140 of the sensing unit 100 is disposed under the mobile robot 10 to execute a distance sensing function toward the ground. As shown in FIG. 11, the downward distance sensor 140 is disposed to irradiate a detection signal toward the ground toward the bottom of the mobile robot 10. As shown in FIG. 12, the downward distance information detected by the downward distance sensor 140 may be acquired in the sensing step S10.

하방 거리 산출 단계(S361)에서 제어부(300)는 하방 거리 센서(140)로부터 감지되는 신호인 하방 거리 신호에 기초하여 하방 거리를 산출한다. 그런 후, 제어부(300)는 산출된 하방 거리와 사전 설정되어 저장부(400)에 저장된 기준 하방 거리를 비교한다(S363). 즉, 기준 하방 거리는 이동 로봇(10)에 장착된 하방 거리 센서(140)로부터 지면까지의 거리를 나타내는데, 하방 거리 비교 단계(S363)에서 하방 거리 센서(140)로부터 지면까지의 거리(le)가 기준 하방 거리(lh)보다 큰 값이라고 판단한 경우, 제어부(300)는 해당 영역에 계단과 같은 추락 지역 특성이 존재하는 것으로 판단하고 이동 로봇(10)의 주행을 중지시키는 이동 주행 정지 단계(S365)를 실행한다. 반면, 하방 거리 비교 단계(S363)에서 하방 거리 센서(140)로부터 지면까지의 거리(le)가 기준 하방 거리(lh) 이하라고 판단한 경우, 제어부(300)는 추락 지역 특징 확인 단계를 종료시키는 제어 흐름을 실행한다. In a downward distance calculation step S361, the controller 300 calculates a downward distance based on a downward distance signal that is a signal detected by the downward distance sensor 140. Thereafter, the controller 300 compares the calculated downward distance with a reference downward distance that is preset and stored in the storage 400 (S363). That is, the reference downward distance represents the distance from the downward distance sensor 140 mounted on the mobile robot 10 to the ground. In the distance comparison step S363, the distance le from the downward distance sensor 140 to the ground is If it is determined that the value is larger than the reference down distance lh, the controller 300 determines that the fall area characteristic such as a staircase exists in the corresponding area, and stops driving of the mobile robot 10 (S365). Run On the other hand, if it is determined in the lower distance comparison step (S363) that the distance (le) from the lower distance sensor 140 to the ground is less than the reference lower distance (lh), the control unit 300 terminates the fall zone feature check step Run the flow.

한편, 이동 주행 정지 단계(S365) 후 제어부(300)는 정지된 상태에서 하방 거리 센서(140)에 스캔 제어 신호를 인가하여 사전 설정된 스캔 영역을 스캐닝하도록 한다. 도 13에 도시된 바와 같이 하방 스캔 단계(S367)에서 제어부(300)의 스캔 제어 신호에 따라 하방 거리 센서(140)는 사전 설정된 스캔 영역으로 감지 신호를 조사하여 각각의 거리 신호를 취득한다. 사전 설정된 스캔 영역은 본 실시예에서 좌우 90도의 범위로 설정되는데, 경우에 따라 사전 설정된 스캔 영역의 각도 범위는 조정될 수도 있다. Meanwhile, after the movement driving stop step S365, the controller 300 applies a scan control signal to the downward distance sensor 140 in the stopped state to scan the preset scan area. As shown in FIG. 13, the downward distance sensor 140 irradiates a detection signal to a preset scan area and acquires each distance signal according to the scan control signal of the controller 300 in the downward scan step S367. The preset scan area is set to a range of 90 degrees left and right in this embodiment. In some cases, the angle range of the preset scan area may be adjusted.

그런 후, 제어부(300)는 취득된 하방 스캔 데이터에 기초하여 추락 지역 범위를 설정하는 추락 지역 범위 설정 단계(S369)를 실행한다. 즉, 하방 스캔 데이터로부터 스캔되어 취득된 거리 정보를 기준 하방 거리와 비교하여 해당 격자가 지면보다 낮은 높이를 갖는 영역인지 여부를 판단하여 지면보다 낮은 높이를 갖는 격장 대하여 추락 지역 특징으로 설정한다. 여기서, 하방 거리 센서의 조사 각도 및 조사 범위 등이 존재하므로 기준 하방 거리는 이들 기하 조건을 만족하는 범위 데이터로 설정될 수도 있는 등 다양한 변형이 가능하다. Thereafter, the control unit 300 executes the falling area range setting step S369 of setting the falling area range based on the acquired downward scan data. That is, by comparing the distance information scanned from the downward scan data with the reference downward distance, it is determined whether the grid is an area having a height lower than the ground, and set as a fall zone feature for a space having a height lower than the ground. Here, since the irradiation angle, irradiation range, and the like of the downward distance sensor exist, the reference downward distance may be set as range data satisfying these geometric conditions, and various modifications are possible.

이와 같이 추락 지역 특징 확인 단계(S36)가 완료된 후, 제어부(300)는 시맨틱 인덱스 갱신 단계(S33)을 실행한다. 시맨틱 인덱스 갱신 단계(S33)에서 제어부(300)는 특징 확인 단계(S32)에서 확인된 특징 및 저장부(400)에 사전 설정된 시맨틱 인덱스에 기초하여 시맨틱 격자 지도를 갱신한다. 시맨틱 인덱스는 본 실시예에서 0 내지 6사이의 정수로 설정되는데, 점유 확률과 시맨틱 인덱스의 관계는 다음의 표 1과 같다.After the fall region feature checking step S36 is completed, the control unit 300 executes the semantic index updating step S33. In the semantic index update step S33, the controller 300 updates the semantic grid map based on the feature identified in the feature check step S32 and the semantic index preset in the storage 400. The semantic index is set to an integer between 0 and 6 in this embodiment. The relationship between the occupation probability and the semantic index is shown in Table 1 below.

대상 특징Target feature 시맨틱 인덱스Semantic index 점유 확률Occupancy 빈공간empty place 00 00 물체에 의하여 점유된 공간Space occupied by objects 1One 1One 미지 영역Unknown area 22 0.50.5 문특징Door 33 1One 문특징 주변Around door 44 00 추락지역특징Fall Area Features 55 00 추락지역특징 주변Fall Area Features 66 00

여기서, 문특징 주변과 추락지역특징 주변은 각각의 문특징 및 추락지역특징에 해당하는 격자에 대하여 사전 설정된 방식에 따른 사전 설정 주변 범위에 해당하는 격자에 대하여 설정된다. 즉, 문특징의 경우 확인된 문특징의 무게중심을 산출하고 문특징의 무게중심으로부터 사전 설정 주변 범위만큼의 영역 내 배치되는 격자로 점유확률이 0인 빈공간에 대하여 시맨틱 인덱스 "4"를 부여하고, 추락지역 특징의 경우 추락 지역의 외곽에 배치되는 사전 설정 주변 범위만큼의 영역 내 배치되는 격자로 점유 확률이 0인 빈공간에 대하여 시맨틱 인덱스 "6"을 부여하고, 이러한 조건에 해당하지 않는 종래의 빈공간은 시맨틱 인덱스 "0"을 부여하고, 점유 확률이 0.5인 미지의 영역은 시맨틱 인덱스 "2"를 부여하여 소정의 실제 상태에 따라 공간을 구분한다. 이와 같은 시맨틱 인덱스를 통하여 문특징 또는 추락지역특징의 주변 영역의 격자에 대하여도 별도의 기호를 부여하여 다른 빈공간과 구별함으로써 이동 로봇이 자율 주행을 이루는 경우 추후 경로 계획이나 이동 로봇의 이동 속도를 상황에 따라 조정하도록 할 수 있다. 예를 들어 문특징의 주변 지역을 이동하는 경우 문특징에 해당하는 실제 문(door)을 통하여 사람 또는 물체가 이동되는 경우 보다 세심한 주의를 기울이도록 하는 구성을 취함으로써 소정의 안전 사고 발생 가능성도 저감시킬 수 있고 안정적인 주행을 이루도록 할 수 있다. 도 15에는 종래의 단순한 격자 지도가 도시되고, 도 16 및 도 17에는 상기와 같은 각각의 단계를 통하여 격자 지도에 대하여 소정의 시맨틱 인덱스를 갱신하여 시맨틱 격자 지도를 생성하는 과정이 도시되는데, 도 18에는 이와 같은 시맨틱 인덱스 갱신 단계를 거쳐 최종적으로 도출되는 시맨틱 격자 지도가 도시된다. 즉, 문특징 또는 추락지역특징의 종래 벽과 같은 장애물과의 구별과 더불어 계단과 같은 추락지역특징에 대한 종래 빈공간과의 구별 및 추락지역특징의 주변으로의 시맨틱 인덱스 부여를 통하여, 이와 같은 시맨틱 격자 지도에 기초하여 이동 로봇이 자율 주행을 이루는 경우 다양한 환경 특징에 적응하여 안정적인 가동을 이루도록 할 수도 있다. 상기 실시예에서 시맨틱 인덱스는 문/추락지역 특징을 중심으로 설정되었으나, 이에 국한되지 않고 격자 지도를 형성함에 이용되는 다른 특징을 포함하여 설정될 수도 있는 등 다양한 구성이 가능하다.
Here, the periphery of the door feature and the periphery of the fall zone feature are set for the lattice corresponding to the preset periphery range according to the preset scheme for the lattice corresponding to the respective door feature and the fall zone feature. That is, in the case of the door feature, the center of gravity of the identified door feature is calculated and the semantic index "4" is given to the empty space with zero occupancy probability as a grid arranged in the area of the preset distance from the center of the door feature. In the case of the fall zone feature, a grid disposed in an area of a preset periphery area disposed outside the crash area is given a semantic index "6" for an empty space having an occupancy probability of 0, and does not correspond to these conditions. In the conventional empty space, the semantic index "0" is assigned, and the unknown area having an occupancy probability of 0.5 is assigned the semantic index "2" to distinguish the space according to a predetermined actual state. The semantic index gives a distinctive symbol to the grid of the surrounding area of the door feature or the falling area feature and distinguishes it from other empty spaces. You can make adjustments depending on the situation. For example, if you move the area around the door feature, take a more careful configuration when people or objects are moved through the actual door corresponding to the door feature to reduce the possibility of a predetermined safety accident. Can make a stable running. 15 illustrates a conventional simple grid map, and FIGS. 16 and 17 illustrate a process of generating a semantic grid map by updating a predetermined semantic index with respect to the grid map through each of the above-described steps. Shows a semantic grid map finally derived through such a semantic index update step. That is, the semantics are distinguished by distinguishing them from obstacles such as doors or crashed area features, and distinguishing them from conventional empty spaces such as stairs, and assigning semantic indexes to the surroundings of crashed area features. When the mobile robot performs autonomous driving based on the grid map, it may be adapted to various environmental features to achieve stable operation. In the above embodiment, the semantic index is set based on the door / fall region feature, but is not limited thereto, and may be set to include other features used to form a grid map.

한편, 본 발명은 시맨틱 격자 지도에 기초하여 탐사를 실시하는 시맨틱 격자 지도 기반 탐사 방법을 제공할 수도 있다. 즉, 본 발명에 따른 시맨틱 격자 지도 기반 탐사 방법은 초기화 단계(S10)와 감지 단계(S20)와 시맨틱 격자 지도 생성 단계(S30)와 탐사 결정 실행 단계(S40)를 포함하는데, 상기 단계 S10 내지 S30은 상기와 동일한바 이에 대한 중복된 기술은 생략하고 상기로 대체한다. Meanwhile, the present invention may provide a semantic grid map-based exploration method for performing an exploration based on a semantic grid map. That is, the semantic grid map-based exploration method according to the present invention includes an initialization step (S10), a detection step (S20), a semantic grid map generation step (S30) and an exploration determination execution step (S40). Is the same as above, and duplicate description thereof is omitted and replaced by the above.

시맨틱 격자 지도가 생성된 후, 제어부(300)는 탐사 결정 실행 단계(S40)를 실행하는데, 시맨틱 격자 지도에 기초하여 사전 설정된 모드, 즉 탐사 주행 모드를 실행시키거나 또는 탐사를 종료하고 이동 로봇(10)을 대기시키는 탐사 종료 모드를 실행한다. After the semantic grid map is generated, the control unit 300 executes the exploration determination execution step S40, which executes the preset mode, that is, the exploration driving mode, or terminates the exploration based on the semantic grid map. Initiate an exploration end mode that awaits 10).

먼저, 탐사 결정 실행 단계(S40)는 탐사 후보 노드 추출 단계(S41)와 탐사 후보 노드 유무 확인 단계(S43)를 포함한다. 탐사 후보 노드 추출 단계(S41)에서 제어부(300)는 시맨틱 격자 지도 내 이동 로봇(10)이 이동하여야 할 탐사 후보 노드를 추출한다. 탐사 후보 노드 추출 단계(S41)는 경계면 추출 단계(S411)와 경계면 군집화 단계(S412)와 무게 중심 산출 단계(S413)와 탐사 후보 노드 설정 단계(S414)를 포함한다. First, the exploration determination execution step S40 includes an exploration candidate node extraction step S41 and an exploration candidate node presence step S43. In the exploration candidate node extraction step (S41), the controller 300 extracts an exploration candidate node to which the mobile robot 10 in the semantic grid map should move. The exploration candidate node extraction step S41 includes an interface extraction step S411, an interface clustering step S412, a center of gravity calculation step S413, and an exploration candidate node setting step S414.

도 20에는 탐사 후보 노드를 추출하는 과정이 도시되는데, 도 20의 (a)와 (b)는 각각 감지 단계(S20)에서 얻어진 거리 정보를 포함하는 환경 정보에 기초하여 산출된 거리 정보를 통하여 시맨틱 격자 지도 상에서 기지 영역과 미지 영역이 분리될 수 있고 미지 영역과 기지 영역은 본 실시예에서 확인된 장애물 또는 벽과 같은 구조를 사이에 두고 경계 배치된다. 이런 경우 제어부(300)는 미지 영역과 기지 영역 사이에 배치되는 경계 영역에 대한 경계면을 추출한다(S411).20 illustrates a process of extracting an exploration candidate node. FIGS. 20A and 20B are semantic through distance information calculated based on environment information including distance information obtained in the sensing step S20, respectively. The known area and the unknown area may be separated on the grid map, and the unknown area and the known area are arranged in a boundary with a structure such as an obstacle or a wall identified in the present embodiment. In this case, the controller 300 extracts a boundary surface for the boundary region disposed between the unknown region and the known region (S411).

그런 후, 제어부(300)는 추출된 경계면을 군집화하여 경계면 군을 형성하는 경계면 군집화 단계(S412)를 실행하는데, 경계면의 군집화는 인접한 경계면 들간의 거리가 사전 설정되어 저장부(400)에 저장된 사전 설정 거리 이내에 근접하였는지를 판단하여 결정할 수 있다. 이러한 경계면의 이격 거리는 각각의 경계면의 중심 간의 유클라디언 거리를 사용할 수도 있다.Then, the control unit 300 executes the boundary grouping step (S412) of clustering the extracted boundary surfaces to form a boundary group, in which the distance between adjacent boundary surfaces is preset and stored in the storage unit 400. It may be determined by determining whether the vehicle is within a set distance. The spacing of these interfaces may use the Eucladian distance between the centers of the respective interfaces.

단계 S412가 완료된 후 제어부(300)는 단계 S413을 실행하여 군집된 경계면 군의 무게 중심을 연산한다. 즉, 도 20의 (d) 및 (f)에 도시된 바와 같이 경계면 군1,2의 무게 중심을 각각 산출하는데, 이러한 무게 중심은 각각의 경계면 군에 대한 영역 중심으로 설정될 수 있다. After the step S412 is completed, the control unit 300 executes the step S413 to calculate the center of gravity of the clustered boundary group. That is, as shown in (d) and (f) of FIG. 20, the centers of gravity of the interface groups 1 and 2 are respectively calculated, and the center of gravity may be set as the region center for each interface group.

그런 후, 제어부(300)는 단계 S413에서 연산 산출된 경계면 군의 무게 중심을 탐사 후보 노드로 설정하는 탐사 후보 노드 설정 단계(S414)를 실행한다. 즉, 도 20의 (f)에서 산출된 경계면 군의 무게 중심을 제어부(300)는 탐사 후보 노드로 설정한다.Thereafter, the control unit 300 executes an exploration candidate node setting step S414 for setting the center of gravity of the boundary group computed and calculated in step S413 as the exploration candidate node. That is, the controller 300 sets the center of gravity of the boundary plane group calculated in FIG. 20F as an exploration candidate node.

이와 같은 탐사 후보 노드 추출 단계(S41)가 완료된 후, 제어부(300)는 탐사 후보 노드 유무 확인 단계(S43)에서 탐사 후보 노드가 존재하는지 여부를 판단하여 존재하지 않는 것으로 확인되는 경우 제어부(300)는 탐사 종료 모드(S48)로 설정하고 탐사 결정 실행 단계를 종료한다.After the exploration candidate node extraction step S41 is completed, the controller 300 determines whether the exploration candidate node exists in the exploration candidate node presence step S43, and when it is determined that the exploration candidate node does not exist, the control unit 300. Sets to the exploration end mode S48 and ends the exploration decision execution step.

반면, 탐사 후보 노드 유무 확인 단계(S43)에서 탐사 후보 노드가 존재하는 것으로 제어부(300)가 판단하는 경우, 제어부(300)는 탐사 후보 노드에 대한 탐사를 위한 탐사 주행 모드(S44)를 실행한다. 탐사 주행 모드(S44)에서 제어부(300)는 구동부(600)에 구동 제어 신호를 인가하여 이동 로봇(10)을 해당 탐사 후보 노드로 이동시키는데, 먼저 탐사 후보 노드의 우선 순위를 결정한다. 즉, 탐사 후보 노드가 한 개인 경우 해당 탐사 후보 노드로 이동하면 되나, 복수 개의 탐사 후보 노드가 존재하는 경우 탐사 후보 노드로의 이동 경로를 효율적으로 설정하기 위한 탐사 후보 노드로의 이동에 대한 우선 순위가 설정될 수 있는데, 탐사 주행 모드(S44)는 검색 영역 설정 단계(S45)와 영역 탐사 후보 노드 정렬 단계(S46)와 영역 탐사 후보 노드 선택 단계(S47)와 탐사 노드 이동 단계(S49)를 포함한다. On the other hand, if the control unit 300 determines that there is an exploration candidate node in the exploration candidate node check step (S43), the control unit 300 executes an exploration driving mode (S44) for exploration of the exploration candidate node. . In the exploration driving mode S44, the controller 300 applies a driving control signal to the driver 600 to move the mobile robot 10 to the corresponding exploration candidate node. First, the priority of the exploration candidate node is determined. That is, if there is only one exploration candidate node, it may move to the corresponding exploration candidate node, but if there are a plurality of exploration candidate nodes, the priority for moving to the exploration candidate node to efficiently set the moving path to the exploration candidate node is given. Can be set, the exploration driving mode (S44) includes a search area setting step (S45), the area search candidate node alignment step (S46), the area search candidate node selection step (S47) and the exploration node moving step (S49). do.

먼저, 제어부(300)는 검색 영역 설정 단계(S45)를 실행하는데, 검색 영역 설정 단계(S45)에서 제어부(300)는 탐사 후보 노드가 배치되는 검색 영역을 설정한다. 도 21에 도시된 바와 같이 이동 로봇(10)을 기준으로 전방 영역을 사전 설정되어 저장부(400)에 저장되는 사전 설정 분할 기준에 따라 영역 분할을 실행하는데 본 실시예에서 사전 설정 분할 기준은 45도로써 좌우 각각 90도씩 영역에 대하여 이를 45도씩 분할하는 영역 분할 단계(S451)를 실행하고, 각각의 분할된 영역 내 상기 탐사 후보 노드가 배치되는지 여부를 판단하여 탐사 후보 노드가 배치되는 영역을 검색 영역으로 설정하고 탐사될 영역으로 확정하는 검색 영역 확정 단계(S453)를 실행한다. 즉, 도 21의 경우 원으로 표시되는 탐사 후보 노드는 분할된 영역 중 영역 1,영역 3, 영역 4에 각각 배치되고 영역 1,3,4를 탐사될 검색 영역으로 확정한다. First, the controller 300 executes a search region setting step S45. In the search region setting step S45, the controller 300 sets a search region in which an exploration candidate node is disposed. As shown in FIG. 21, the front region is preset based on the mobile robot 10 and the segmentation is performed according to a preset segmentation criterion stored in the storage unit 400. As a result, an area division step (S451) of dividing the area by 45 degrees from the left and right by 90 degrees is performed, and the area in which the exploration candidate node is located is determined by determining whether the exploration candidate node is disposed in each divided area. A search area determination step S453 is executed in which the area is set and the area to be explored is determined. That is, in FIG. 21, the exploration candidate nodes represented by circles are arranged in regions 1, 3, and 4 of the divided regions, and determine regions 1, 3, and 4 as search regions to be explored.

그런 후, 제어부(300)는 영역 탐사 후보 노드 정렬 단계(S46)를 실행하는데, 영역 탐사 후보 노드 정렬 단계(S46)에서 제어부(300)는 검색 영역 내에서의 탐사 후보 노드를 저장부(400)에 사전 설정되어 저장된 정렬 기준 데이터에 기초하여 정렬시킨다. 정렬 기준 데이터는 최단 거리가 될 수도 있고, 이동 로봇(10)의 전방 영역을 향한 선분에 수직한 수평선과 이동 로봇의 위치와 검색 영역 내 탐사 후보 노드을 연결하는 선분이 이루는 최소각을 기준으로 할 수도 있는 등 다양한 구성이 가능하나, 본 실시예에서는 최단 거리와 최소각을 1차 및 2차 우선 순위로 정하였다. 또한, 본 실시예에서는 검색 영역이 복수 개인 경우 검색 영역의 우선 순위는 우측부터 반시계 방향으로 진행하여 검색 영역을 선택하도록 정렬 기준 데이터를 설정하였다. 즉, 도 24에 도시된 바와 같이 영역 1에 탐사 후보 노드가 존재하지 않으므로 영역 2에 대한 탐사 후보 노드 존재 여루를 확인하고, 영역 2에도 탐사 후보 노드가 존재하지 않기 때문에, 영역 3에 대한 탐사 후보 노드 존재 여부를 확인함으로써 최우선하여 검색 탐사되어야 할 검색 영역으로 영역 3을 설정하고, 영역 3 내의 탐사 후보 노드에 대한 정렬을 실행한다. Thereafter, the controller 300 executes the area search candidate node sorting step S46. In the area search candidate node sorting step S46, the controller 300 stores the search candidate node in the search area. The sorting is performed based on the sorting reference data preset and stored in. The sorting reference data may be the shortest distance, or may be based on the minimum angle formed by a horizontal line perpendicular to the line segment facing the front region of the mobile robot 10 and the line segment connecting the position of the mobile robot and the exploration candidate node in the search region. Various configurations are possible, such as, but in this embodiment, the shortest distance and the minimum angle are set as the primary and secondary priorities. In addition, in the present embodiment, when there are a plurality of search areas, the priority of the search areas is set in order to select the search area by going counterclockwise from the right. That is, as shown in FIG. 24, since there is no exploration candidate node in the region 1, the existence of the exploration candidate node in the region 2 is confirmed, and since the exploration candidate node does not exist in the region 2, the exploration candidate for the region 3 is determined. By checking the existence of the node, area 3 is set as a search area to be searched and searched first, and the search candidate nodes in the area 3 are sorted.

해당 검색 영역 내 탐사 후보 노드가 복수 개인 경우 정렬 기준 데이터를 활용한다. 도 22에 도시된 바와 같이, 검색 영역으로 설정된 영역 1 내 탐사 후보 노드 (1) 및 (2)가 배치되는데, 제어부(300)는 연산부(500)로 하여금 탐사 후보 노드 (1)과 탐사 후보 노드 (2)에 대한 본 실시예에서의 최단 거리를 제 1 우선 순위로 하는 정렬 기준 데이터에 따라 정렬하도록 한다. If there are multiple exploration candidate nodes in the search region, the sorting criteria data is used. As shown in FIG. 22, the exploration candidate nodes 1 and 2 in the area 1 set as the search area are arranged, and the control unit 300 causes the calculation unit 500 to perform the exploration candidate node 1 and the exploration candidate node. The shortest distance in this embodiment with respect to (2) is sorted according to the sorting reference data having the first priority.

그런 후, 제어부(300)는 영역 탐사 후보 노드 선택 단계(S47)에서 최단 거리를 제 1 우선 순위로 하는 정렬 기준 데이터에 따라 영역 1 내 탐사 후보 노드 (1)을 최우선적으로 탐사되어야 할 영역 탐사 후보 노드로 설정한다. Thereafter, the control unit 300 detects an area to be firstly probed for the exploration candidate node 1 in the area 1 according to the sorting reference data having the shortest distance as the first priority in the area exploration candidate node selection step S47. Set to the candidate node.

그런 후, 제어부(300)는 영역 탐사 후보 노드로 이동 로봇(10)이 이동하도록 구동부(600)에 구동 제어 신호를 인가하여 이동시키는 탐사 노드 이동 단계(S49)를 실행한다. 이러한 이동이 완료된 후 제어부(300)는 제어 흐름을 단계 S20을 전환하여 소정의 단계를 반복적으로 실행하여 해당 영역 탐사 후보 노드에서의 시맨틱 격자 지도를 갱신하여 미지의 영역을 해소시키고 탐사 결정 실행 단계를 반복한다. Thereafter, the control unit 300 executes the exploration node moving step S49 for applying the driving control signal to the driving unit 600 to move the moving robot 10 to the area exploration candidate node. After the movement is completed, the controller 300 switches the control flow to step S20 to repeatedly execute a predetermined step to update the semantic lattice map at the corresponding area exploration candidate node, thereby eliminating the unknown area and executing the exploration decision execution step. Repeat.

한편, 탐사 결정 실행 단계(S40)의 탐사 후보 노드 유무 확인 단계(S43)에서 어떠한 탐사 후보 노드도 존재하지 않는 경우 상기한 바와 같이 탐사 종료 모드(S48)를 실행하여 탐사 결정 실행 단계를 종료시키는데, 이전에 탐사 종료 확인 단계(S42)를 더 구비할 수도 있다. 즉, 도 19에 도시된 바와 같이 탐사 종료 확인 단계(S42)는 회전 플랙 확인 단계(S421)를 포함할 수 있는데, 회전 플랙 확인 단계(S421)에서 회전 플랙이 1인지 여부를 판단한다. 즉, 회전 플랙은 이동 로봇(10)이 전방에 탐사 후보 노드가 존재하지 않는 것으로 판단하는 경우 후방 영역에 탐사 후보 노드 존재 여부를 확인하기 위하여 이동 로봇(10)이 제자리 180도 회전했는지 여부를 판단하기 위한 플랙으로 초기화된 회전 플랙은 0이다. 따라서, 제어부(300)는 회전 플랙 확인 단계(S421)에서 회전 여부를 확인하여 회전 플랙이 0인 경우 이동 로봇(10)을 180도 회전시키도록 하는 구동 제어 신호를 구동부(600)에 인가하는 180도 회전 단계(S423)를 실행한다. 180도 회전 단계에서 회전이 이루어진 후 또는 회전 전 또는 회전과 동시에 회전 플랙을 1로 전환시킨다. 180도 회전 단계(S423)가 완료된 후 제어부(300)는 제어 흐름을 단계 S41로 전환하여 탐사 후보 노드 추출 단계(S41)를 반복한다. On the other hand, if no exploration candidate node exists in the exploration candidate node check step (S43) of the exploration determination execution step (S40), the exploration determination execution step is terminated by executing the exploration termination mode (S48) as described above. The exploration end confirmation step (S42) may be further provided. That is, as shown in FIG. 19, the exploration end checking step S42 may include a rotating flag checking step S421, and it is determined whether the rotating flag is 1 in the rotating flag checking step S421. That is, when the mobile flag 10 determines that there is no exploration candidate node in the front, the rotation flag determines whether the mobile robot 10 is rotated by 180 degrees in order to check whether the exploration candidate node exists in the rear region. The rotation flag initialized with the flag to be zero is zero. Therefore, the controller 300 checks whether the rotation flag is rotated in the rotation flag check step (S421), and applies a driving control signal to the driver 600 to rotate the mobile robot 10 by 180 degrees when the rotation flag is 0. The degree of rotation step S423 is executed. The rotation flag is switched to 1 after or at the same time as the rotation in the 180 degree rotation step. After the 180 degree rotation step S423 is completed, the control unit 300 switches the control flow to step S41 and repeats the exploration candidate node extraction step S41.

만약, 단계 S421에서 회전 플랙이 1이라고 판단된 경우 반복적인 회전은 더이상 필요없다고 제어부(300)가 판단하고, 제어부(300)는 회전 플랙을 0으로 초기화시키는 회전 플랙 초기화 단계(S425)를 실행하고 제어 흐름을 단계 S48로 진행하여 소정의 탐사 과정을 종료시킨다. If it is determined in step S421 that the rotation flag is 1, the controller 300 determines that the repeated rotation is no longer necessary, and the controller 300 executes the rotation flag initialization step S425 for initializing the rotation flag to 0. The control flow proceeds to step S48 to terminate the predetermined exploration process.

상기 실시예들은 본 발명을 설명하기 위한 일예들로, 본 발명이 이에 국한되는 것은 아니다. 시맨틱 격자 지도를 작성하는 생성 방법 그리고 작성된 시맨틱 격자 지도에 기초하여 탐사 결정을 실행하는 시맨틱 격자 지도 기반 탐사 방법을 제공하는 범위에서 다양한 변형이 가능하다. The above embodiments are examples for describing the present invention, but the present invention is not limited thereto. Various modifications are possible in a range that provides a generation method for creating a semantic grid map and a semantic grid map-based exploration method for performing exploration decisions based on the created semantic grid map.

10...시맨틱 격자 지도 생성 이동 로봇 100...감지부
110...영상 입력부 120...거리 센서
130...틸팅부 140...하방 거리 센서
200...엔코더 감지부 300...제어부
400...저장부 500...연산부
600...구동부10 ... Semantic Grid Map Generation Mobile Robot 100 ... Sensing Unit
110 Video input 120 Distance sensor
130.Tilt section 140 ... Down distance sensor
200 encoder encoder 300 controller
400 storage 500 operation
600 ... Driver

Claims

A sensing step of acquiring environmental information of a target area from a sensing unit including a laser scanner mounted on the mobile robot device, and extracting a feature based on the environmental information and using the feature to generate a semantic grid map indicated by a semantic index. Generating a semantic grid map generation step;
The semantic grid map generation step is:
Occupancy probability adjustment step of adjusting the occupancy probability for the grid of the semantic grid map, a feature confirmation step of confirming a feature from the environment information, the feature and storage unit confirmed in the feature confirmation step And updating the semantic grid map based on a preset semantic index.

delete

The method of claim 1,
The feature checking step is:
A door feature checking step of checking a door feature for the door from the environment information;
And a crash area feature checking step of identifying a crash area feature of the crash area from the environment information.

The method of claim 3, wherein
Steps to verify the door features:
A straight line group extracting step of extracting a straight line group disposed at a preset straight line feature distance stored in advance in a storage unit;
Comparing the number of straight line straight lines in the straight line group with the number of straight line straight line groups preset in the storage unit;
When the number of straight line features in the straight line group is greater than or equal to the predetermined number of straight line groups in the straight line group comparing step, the opposite end point distance difference between opposite end points of straight lines spaced apart in the straight line group and arranged on the same line (dt) And a straight line opposite end point distance difference comparison step of comparing the preset straight line distance difference ds previously stored in the storage unit with
A straight line feature for calculating an angle between the straight line points in the straight line group when the opposite end point distance difference dt is greater than or equal to a preset straight line distance difference ds previously stored in the storage unit in the step of comparing the straight line end point distances; The angle calculation step,
And a door feature setting step of setting the straight line group as a door feature when the straight line feature angle calculated in the straight line feature angle calculation step is equal to or less than a preset preset angle set in the storage unit. How to create a map.

The method of claim 3, wherein
The sensing unit has a downward distance sensor disposed below the mobile robot and disposed toward the ground,
The falling area feature identification step is:
A downward distance calculating step of calculating a downward distance based on a signal sensed by the downward distance sensor;
A downward distance comparison step of comparing the calculated downward distance with a reference downward distance preset in the storage unit;
A moving travel stop step of applying, by the controller of the mobile robot, a driving control signal to stop the operation of the driving unit disposed in the mobile robot when the calculated downward distance is greater than the reference downward distance in the downward distance comparing step;
A downward scanning step of the control unit applying a scan control signal to the downward distance sensor so that the downward distance sensor scans a preset scan area;
And a fall area range setting step of setting the fall area range based on the down scan data detected in the down scan step.

A sensing step of acquiring environmental information of a target area from a sensing unit including a laser scanner mounted on the mobile robot device, and extracting a feature based on the environmental information and using the feature to generate a semantic grid map indicated by a semantic index. A step of generating a semantic grid map to generate, and an exploration decision executing step of determining whether or not the semantic grid map is completed and executing a predetermined determination mode according to completion;
The exploration determination execution step may include: an exploration candidate node extraction step for extracting an exploration candidate node to which the mobile robot should move in the semantic map, and an exploration candidate for determining whether there is an exploration candidate node extracted in the exploration candidate node extraction step; Node presence check step,
The exploration candidate node extraction step may include: an interface extraction step for extracting an interface that bends an unknown area and a known area in the semantic grid map, and an interface clustering step for clustering the interface extracted in the interface extraction step to form an interface group; Based on the semantic lattice map characterized in that it comprises a step of calculating the center of gravity of the clustered boundary group in the boundary clustering step, and the exploration candidate node setting step of setting the calculated center of gravity as an exploration candidate node Exploration method.

delete

The method according to claim 6,
And if it is determined that an exploration candidate node exists in the step of confirming whether the exploration candidate node exists, an exploration driving mode step of moving the mobile robot to one of the exploration candidate nodes is executed.

The method of claim 8,
The exploration driving mode step is:
A search region setting step of setting a search region in which the exploration candidate node is disposed;
An area exploration candidate node sorting step of sorting an exploration candidate node in a search area set in the search area setting step based on the sorting reference data preset and stored in the storage unit;
An area exploration candidate node selection step of selecting one of the exploration candidate nodes arranged in the area exploration candidate node sorting step based on the selection criteria data preset and stored in a storage unit;
And an exploration node moving step of applying, by a control unit, a driving control signal to a driving unit to move the mobile robot to the area exploration selection node selected in the exploration candidate node selection step.

The method of claim 9,
The search area setting step is:
An area dividing step of dividing an area based on a preset dividing criterion pre-stored in the storage area in the front area of the mobile robot in which the exploration candidate node is disposed;
And a retrieval area determination step of confirming whether or not the exploration candidate node exists in the divided area divided in the area dividing step and determining the area to be explored based on preset area confirmation criteria preset in the storage unit. Semantic grid map-based exploration method, characterized in that.