KR101441187B1 - 자율 보행 로봇 경로 계획 방법 - Google Patents

자율 보행 로봇 경로 계획 방법 Download PDF

Info

Publication number
KR101441187B1
KR101441187B1 KR1020120078999A KR20120078999A KR101441187B1 KR 101441187 B1 KR101441187 B1 KR 101441187B1 KR 1020120078999 A KR1020120078999 A KR 1020120078999A KR 20120078999 A KR20120078999 A KR 20120078999A KR 101441187 B1 KR101441187 B1 KR 101441187B1
Authority
KR
South Korea
Prior art keywords
path
information
macro
robot
node
Prior art date
Application number
KR1020120078999A
Other languages
English (en)
Other versions
KR20140012358A (ko
Inventor
유수현
도낙주
강연식
유범재
Original Assignee
고려대학교 산학협력단
재단법인 실감교류인체감응솔루션연구단
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 고려대학교 산학협력단, 재단법인 실감교류인체감응솔루션연구단 filed Critical 고려대학교 산학협력단
Priority to KR1020120078999A priority Critical patent/KR101441187B1/ko
Priority to US13/731,719 priority patent/US9069354B2/en
Publication of KR20140012358A publication Critical patent/KR20140012358A/ko
Application granted granted Critical
Publication of KR101441187B1 publication Critical patent/KR101441187B1/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
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

본 발명은, 환경 지도 정보를 이용하여 자율 보행을 이루는 자율 보행 로봇의 경로 계획 방법으로서, 출발지 정보와, 목적지 정보와, 환경 지도 정보를 이용하여 상기 자율 보행 로봇의 경로 입력 정보를 초기화하는 초기화 단계와, 상기 경로 입력 정보를 이용하여 상기 자율 보행 로봇의 반경 및 회전 반경을 고려한 가상 로봇 정보를 포함하는 가상 로봇을 형성하는 입력 정보 변환 단계와, 상기 가상 로봇 정보 및 상기 출발지 정보, 목적지 정보 및 환경 지도 정보를 이용하여 상기 가상 로봇의 경로를 생성하는 경로 생성 단계와, 상기 경로 생성 단계에서 생성된 상기 가상 로봇의 경로로부터 상기 자율 보행 로봇의 경로를 변환하는 출력 정보 변환 단계를 포함하는 자율 보행 로봇 경로 계획 방법을 제공한다.

Description

자율 보행 로봇 경로 계획 방법{METHOD FOR PLANNING PATH FOR A HUMANOID ROBOT}
본 발명은 휴머노이드 로봇의 경로 계획법에 대한 것으로, 더욱 상세하게는 시간 기준의 선형 경로를 생성하며, 경로 추종 시에 발생할 수 있는 예외적인 상황에서도 더욱 강인하게 경로를 생성하도록 하는 휴머노이드 로봇의 경로 계획법에 관한 것이다.
과거 산업용 고정 로봇에 수요가 집중되었던 것과 달리, 최근에는 가정용 로봇 시장의 수요가 증대됨에 따라 이동 로봇의 연구가 활발히 진행되고 있다.
이러한 이동 로봇의 경우 원반형 청소기와 같은 이동 로봇의 경우 경로 계획이 단순하고 간단하나 보행 운동을 이루는 휴머노이드 로봇에 동일한 경로 계획을 적용하기 어렵다.
이러한 휴머노이드 로봇의 경로 관련하여, 종래기술은 환경의 특성이나 거리 등을 기준으로 경로를 계획하였으며, 이를 위해 A* 알고리즘을 주로 사용함에 따라 회전수가 많은 경로를 생성하였다. 하지만, 이러한 종래 방식에 따라 생성된 경로는 회전이 빈번히 발생하는 곡선형 경로와 더불어 사람이 보기에 자연스럽지 않다. 또한 기구학이 복잡한 휴머노이드 로봇이 추종하기 쉽지 않다. 추종이 복잡함은 환경의 변화와 각종 잡음이 발생하는 실제 환경에서 목적지에서의 큰 위치 오차를 발생하였다.
또한, 종래 기술에 따른 휴머노이드 로봇의 경로를 생성함에 있어 가시성 그래프를 사용하였는데, 로봇의 중심과 로봇의 회전 중심의 불일치로 인하여 종래의 가시성 그래프를 단순하게 사용하는 경우 장애물과의 충돌 가능성이 높아지는 등 신뢰성있는 경로 생성이 어려웠다.
따라서, 본 발명은 상기와 같은 종래 기술의 문제점들을 해결하기 위한 것으로,
본 발명은 상기와 같은 문제점들을 해결하고자 하는 것으로, 기존의 가시성 그래프의 변형하여 휴머노이드 로봇의 특성을 반영한 시간 기준의 선형 경로를 목적으로 한다. 또한, 경로 추종 시에 발생하는 예외적인 상황에서도 강인하게 경로를 생성하는 것을 목적으로 한다.
전술한 목적을 달성하기 위한 본 발명은, 환경 지도 정보를 이용하여 자율 보행을 이루는 자율 보행 로봇의 경로 계획 방법으로서, 출발지 정보와, 목적지 정보와, 환경 지도 정보를 이용하여 상기 자율 보행 로봇의 경로 입력 정보를 초기화하는 초기화 단계와, 상기 경로 입력 정보를 이용하여 상기 자율 보행 로봇의 반경 및 회전 반경을 고려한 가상 로봇 정보를 포함하는 가상 로봇을 형성하는 입력 정보 변환 단계와, 상기 가상 로봇 정보 및 상기 출발지 정보, 목적지 정보 및 환경 지도 정보를 이용하여 상기 가상 로봇의 경로를 생성하는 경로 생성 단계와, 상기 경로 생성 단계에서 생성된 상기 가상 로봇의 경로로부터 상기 자율 보행 로봇의 경로를 변환하는 출력 정보 변환 단계를 포함하는 자율 보행 로봇 경로 계획 방법을 제공한다.
상기 자율 보행 로봇 경로 계획 방법에 있어서, 상기 입력 변환 단계는: 상기 자율 보행 로봇의 반경 및 상기 자율 보행 로봇의 중심으로부터 상기 자율 보행 로봇의 회전 중심으로부터의 회전 반경을 더한 값을 갖는 가상 로봇 반경을 포함하는 가상 로봇 정보를 구비하는 가상 로봇 형성 단계와, 상기 환경 지도 정보로부터 장애물의 장애물 확장 영역을 형성하는 장애물 확장 영역 형성 단계를 포함할 수도 있다.
상기 자율 보행 로봇 경로 계획 방법에 있어서, 상기 경로 생성 단계는: 상기 출발지 정보로부터 상기 목적지 정보까지의 매크로 경로 후보군을 산출하고, 상기 매크로 경로 후보군을 이동하는 시간 비용을 산출하고, 상기 매크로 후보군에 대한 시간 비용 중 최소 시간 비용을 갖는 매크로 경로를 산출하는 매크로 경로 생성 단계와, 상기 매크로 경로를 이용하여 경로 연장선 상의 교차점을 경유하는 대안 경로를 산출하고 시간 비용을 비교하여 상기 매크로 경로를 조정하는 마이크로 경로 조정 단계를 포함할 수도 있다.
상기 자율 보행 로봇 경로 계획 방법에 있어서, 상기 매크로 경로 생성 단계는: 상기 출발지 정보, 목적지 정보 및 환경 지도 정보 및 상기 장애물 확장 영역을 이용하여 상기 출발지 정보로부터 상기 목적지 정보까지 상기 장애물 확장 영역의 외부를 경유하는 경로인 상기 매크로 후보군을 형성하는 매크로 후보군 형성 단계와, 상기 매크로 경로 후보군의 각각의 매크로 경로 후보의 노드 간 경로의 보행 유형(s), 상기 노드간 경로 이동 거리(l), 상기 노드의 전후 보행 유형을 고려한 노드 회전 각도 정보(θtot=θ+△θ)을 이용한 상기 매크로 경로 후보군에 대한 시간 비용이 산출되는 매크로 경로 후보군 시간 비용 산출 단계와, 상기 매크로 경로 후보군 시간 비용 산출 단계에서 산출된 시간 비용을 비교하여 최소 시간 비용을 이루는 매크로 경로 후보를 최종적인 매크로 경로로 선택하는 매크로 경로 선택 단계를 포함할 수도 있다.
상기 자율 보행 로봇 경로 계획 방법에 있어서, 상기 노드 회전 각도 정보(θtot=θ+△θ)는: 상기 노드를 중심으로 이전 노드와의 노드 경로 상 상기 자율 보행 로봇의 보행 유형(sprev)이 전방 스텝(FS)이고, 상기 노드를 중심으로 차후 노드와의 경로 상 상기 자율 보행 로봇의 보행 유형(snext)이 전방 스텝(FS)인 경우를 기준으로 하는 노드 회전 기본 각도 정보(θ)와, 상기 노드를 중심으로 이전 노드와의 노드 경로 상 상기 자율 보행 로봇의 보행 유형(sprev)과, 차후 노드와의 경로 상 상기 자율 보행 로봇의 보행 유형(snext)에 따른 노드 회전 스텝 각도 정보(△θ)를 포함할 수도 있다.
상기 자율 보행 로봇 경로 계획 방법에 있어서, 상기 마이크로 경로 조정 단계는: 상기 매크로 경로 중 연속적인 3개 단위의 에지를 선택하는 에지 선택 단계와, 상기 에지 선택 단계에서 선택된 에지의 외곽 에지에 대한 상기 매크로 경로에 대한 경로 연장선을 산출하는 경로 연장선 산출 단계와, 상기 경로 연장선의 교차점을 산출하는 교차점 산출 단계와, 상기 외곽 에지와 상기 교차점이 이루는 대안 경로를 산출하는 대안 경로 산출 단계와, 상기 대안 경로와 상기 에지 선택 단계에서 선택된 에지를 포함하는 매크로 경로의 비용 함수를 산출하는 단계와, 상기 대안 경로 상기 에지 선택 단계에서 선택된 에지를 포함하는 매크로 경로의 비용을 비교하여 최소값의 경로를 조정 경로로 선택하고, 상기 조정 경로를 상기 선택된 에지에 대한 상기 가상 로봇의 경로로 설정하는 조정 경로 선택 단계를 포함할 수도 있다.
상기한 바와 같은 구성을 갖는 본 발명에 따른 이동 로봇의 지도 형성 방법 및 위치 인식 방법 및 평면 특징 추출 방법은 다음과 같은 효과를 갖는다.
첫째, 본 발명에 따른 자율 보행 로봇의 경로 계획 방법은, 가상 로봇의 개념을 도입하고 가시성 그래프를 변형 사용함으로써 휴머노이드 로봇의 특성을 반영한 경로생성을 가능케 한다.
둘째, 본 발명에 따른 자율 보행 로봇의 경로 계획 방법은, 확장 가시성 그래프를 사용하고 시간을 기준으로 경로를 생성함으로써 선형적이며 회전수가 적은, 사람의 눈에 자연스러운 경로를 생성 가능하게 한다.
셋째, 본 발명에 따른 자율 보행 로봇의 경로 계획 방법은, 매크로 경로 생성과 마이크로 경로 조정을 통하여 보다 정밀하고 안정적이며 최소 시간을 형성하는 경로 계획을 가능하게 한다.
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.
도 1은 본 발명의 일실시예에 따른 자율 보행 로봇의 개략적인 선도이다.
도 2는 본 발명의 일실시예에 따른 자율 보행 로봇의 개략적인 블록 선도이다.
도 3은 본 발명의 일실시예에 따른 자율 보행 로봇의 개략적인 경로 계획 방법의 흐름도이다.
도 4 및 도 5는 자율 보행 로봇의 구속 조건을 도시하는 선도이다.
도 6은 종래의 가시성 그래프를 사용하는 경우 발생하는 문제점을 도시하는 선도이다.
도 7은 본 발명의 일실시예에 따른 자율 보행 로봇의 개략적인 가상 로봇의 선도이다.
도 8은 본 발명의 일실시예에 따른 자율 보행 로봇 경로 계획 방법의 경로 생성 단계에 대한 세부 흐름도이다.
도 9는 본 발명의 일실시예에 따른 자율 보행 로봇 경로 계획 방법의 장애물을 회피하여 출발지로부터 목적지까지의 매크로 경로 후보군을 생성하는 과정을 도시하는 개략적인 개념도이다.
도 10은 본 발명의 일실시예에 따른 자율 보행 로봇 경로 계획 방법의 매크로 경로의 생성 과정을 도시하는 선도이다.
도 11은 본 발명의 일실시예에 따른 자율 보행 로봇 경로 계획 방법의 매크로 경로 후보 상의 보행 유형에 따른 매크로 경로 후보 상 노드에 대한 노드 회전 각도 정보를 나타내는 선도이다.
도 12는 본 발명의 일실시예에 따른 자율 보행 로봇 경로 계획 방법의 마이크로 경로 조정 단계의 과정을 설명하는 선도이다.
도 13은 본 발명의 일실시예에 따른 자율 보행 로봇 경로 계획 방법의 마이크로 경로 조정 단계의 세부 흐름도이다.
도 14는 본 발명의 일실시예에 따른 자율 보행 로봇 경로 계획 방법의 마이크로 경로 조정 단계를 통하여 얻어진 최종 경로를 도시하는 선도이다.
이하에서는 자율 보행 로봇의 경로 계획 방법에 대하여 도면을 참조하여 설명하기로 한다.
본 발명의 일실시예에 따른 자율 보행 로봇의 경로 계획은 초기화 단계와, 입력 정보 변환 단계와, 경로 생성 단계와, 출력 정보 변환 단계를 포함한다. 자율 보행 로봇(1)은 감지부(10)와, 제어부(20)와, 저장부(30)와, 연산부(40)와 그리고 구동부(50)를 포함하는데, 감지부(10)는 환경 정보를 취득하는 레이저 거리 센서와 위치 인식 센서를 포함하는데, 레이저 거리 센서(Laser Range Finder)는 조사되는 레이저를 통하여 주변 환경의 장애물 등의 환경 정보를 취득하고, 스타게이저(StarGazer)와 같은 위치 인식 센서는 자율 보행 로봇이 보행하는 환경의 천장에 배치되는 태그를 통하여 위치 인식 정보 등의 환경 정보를 취득하는데, 레이저 거리 센서는 자율 보행 로봇의 몸체 쪽에 배치되고 위치 인식 센서는 자율 보행 로봇의 두부 측에 배치될 수 있다.
제어부(20)는 감지부(10), 연산부(20) 및 저장부(30)와 연결되고, 저장부(30)에는 감지부(10)에서 감지하는 환경 정보 및 자율 보행 로봇(1)의 지도 형성 및 위치 인식을 위한 사전 설정 데이터를 저장하고, 연산부(40)는 제어부(20)의 연산 제어 신호에 따라 소정의 연산 과정을 통하여 환경 정보로부터 특징을 추출하고 교합하여 환경 지도 정보를 작성 내지 작성하고, 구동부(50)는 제어부(20)의 환경 지도 정보에 기초하여 출발지로부터 목적지까지의 경로를 따른 보행 제어 신호가 인가되는 경우 가동되어 자율 보행 로봇(1)의 경로를 따른 보행을 가능하게 한다.
자율 보행 로봇(1)의 보행 중 감지 및 환경 지도 정보의 작성 내지 갱신은 자율 보행 로봇의 보행 중 지속적으로 이루어지는데, 본 발명은 환경 지도 정보를 이용하여 자율 보행 로봇의 경로를 계획하는 자율 보행 로봇의 경로 계획 방법을 중심으로 설명한다.
먼저, 본 발명의 자율 보행 로봇 경로 계획 방법은 초기화 단계(S10)와 입력 정보 변환 단계(S20)와, 경로 생성 단계와(S30)와, 출력 정보 변환 단계(S40)를 포함하는데, 초기화 단계(S10)에서 출발지 정보(S)와 목적지 정보(G)와 환경 지도 정보를 이용하여 제어부(20)는 자율 보행 로봇(1)의 경로 입력 정보를 초기화 한다. 즉, 자율 보행 로봇(1)의 제어부(20)는 저장부(30)에 저장되는 출발지 정보(S)와 목적지 정보(G)와 자율 보행을 통하여 형성 내지 갱신된 주변 환경에 대한 환경 지도 정보를 통하여 종전에 계획되었던 보행 경로를 초기화하고 새로운 경로를 생성하도록 준비하는데, 출발지 정보(S)와 목적지 정보(G)는 저장부(30)에 저장된 구조일 수도 있고 경우에 따라서는 별도의 입력부를 통한 관리자에 의하여 입력되는 정보일 수도 있는 등 다양한 변형이 가능하다. 즉, 도 1에 도시되는 바와 같이 장애물(OB)에 대한 환경 정보는 환경 정보 지도에 저장되어 있고, 출발지 정보(S)와 목적지 정보(G) 및 장애물 정보 등의 환경 정보를 포함하는 환경 지도 정보를 통하여 새로운 경로(Path)를 형성할 수 있도록 장치의 제공 내지 준비 상태를 형성하는데, 경로 입력 정보는 출발지 정보(S)와, 목적지 정보(G) 및 자율 보행 로봇(1)의 반경 및 자율 보행 로봇(1)의 중심과 다른 지점을 중심으로 이루는 회전 반경에 대한 정보를 포함하고, 이를 초기화 확인하여 새로운 경로(Path)를 형성할 수 있도록 한다.
그런 후, 제어부(20)는 초기화 단계(S10)에서 입력된 경로 입력 정보를 이용하여 자유 보행 로봇(1)의 가상 로봇(VR)을 형성하는 입력 정보 변환 단계를 실행하도록 한다.
입력 정보 변환 단계(S20)는 가상 로봇 형성 단계(S21)와 장애물 영역 형성단계(S23)를 포함할 수 있는데, 가상 로봇 형성 단계(S21)에서 제어부(20)는 자율 보행 로봇(1)의 반경(rc) 및 자율 보행 로봇(1)의 중심(Prc)으로부터 자율 보행 로봇(1)의 회전 중심(Pvc)로부터의 회전 반경(vc)을 더한 값을 갖는 가상 로봇 반경(rvc)과, 자율 보행 로봇(1)의 중심을 가상 로봇 반경(rvr)의 중심으로 이전시켰을 때 갖는 자율 보행 로봇(1)의 배향과 동일한 배향을 갖는 가상 로봇 기본 배향(θi)을 포함하는 가상 로봇 정보가 형성 구비된다. 여기서, 가상 로봇 기본 배향은 출발지와 목적지의 배향 정보를 나타낸다.
종래의 통상적인 자율 보행 로봇, 예를 들어 원반형 청소기 로봇과 같은 경우 로봇의 중심과 회전 중심을 거의 일치하여 구동모터를 통한 휠 구동을 이루어 주행에 따른 상이점이 발생하지 않으나 본 발명의 자율 보행 로봇(1)과 같은 보행 로봇은 도 4 및 도 5에 도시된 바와 같은 보행 상의 구속 조건이 부가되는데, 보행의 유형에 따라 1단위의 보행 거리가 상이하고 보행 로봇의 중심이 회전 중심과 불일치하여 정위치에서의 회전시 원호 운동을 이룬다.
도 6에는 이러한 보행 로봇의 구속 조건에 따른 문제점이 도시되는데, 도 6에서 짙은 회색선은 가시성 그래프(visibility graph)를 이용하여 형성된 보행 로봇의 경로를 나타내고, 검은 선은 가시성 그래프를 이용하여 보행 로봇의 이동하는 경우 회전으로 인하여 발생하는 경로를 나타내고, 옅은 회색선은 보행 로봇이 경로를 따라 이동하는 경우 점유되는 경로 상의 공간을 나타낸다.
도 6의 (a)에 도시된 바와 같이 가시성 그래프를 통하여 얻어진 경로 상에서는 장애물을 회피한 경로가 얻어지나 실제 보행 로봇의 구속 조건으로 인하여 장애물을 회피하는 경우 회전 반경이 보행 로봇의 중심과 불일치하여 발생하는 회전 상의 오차로 인하여 장애물과 충돌하는 경우가 발생할 수 있고, 도 6의 (b) 및 (c)에 도시된 바와 같이 보행 로봇이 가시성 그래프를 통하여 얻어진 경로를 이동하는 경우 최종 목적지에서 자율 보행 로봇의 배향을 일치시키기 위한 회전 동작으로 인하여 인하여 위치 오차가 발생하거나 또는 위치 오차를 방지하기 위하여 회전하지 않는 경우 배향 오차가 발생할 수 있다.
따라서, 본 발명은 이와 같은 보행 로봇의 구속 조건으로 인한 문제점을 해소하기 위하여 확장 가시성 그래프(extended visibility graph)인 가상 로봇(Virtual robot)을 생성함으로써, 회전으로 인한 장애물과의 충돌 가능성을 회피하고, 위치 오차 내지 배향 오차를 방지할 수 있는 경로를 제공할 수 있다.
가상 로봇(VR)은 도 7에 도시된 바와 같이 자율 보행 로봇(1)의 회전 반경을 고려하여 실제 자율 보행 로봇(1)이 차지하는 공간보다 확장된 가상의 점유 공간을 형성하는데, 실제 자율 보행 로봇(1)의 반경을 rc, 자율 보행 로봇(1)의 회전 반경을 vc, 자율 보행 로봇(1)의 중심을 Prc, 자율 보행 로봇(1)의 회전 중심을 Pvc라 할 때, 도시된 바와 같이 가상 로봇이 점유하는 공간의 반경은 자율 보행 로봇(1)의 반경(rc)에 회전 반경(vc)을 더한 값을 갖는데, 도 7의 가상 로봇은 이해를 용이하게 하기 위하여 대비적으로 도시된 것으로 실제의 경우 자율 보행 로봇(1)의 회전 중심(Pvc)와 자율 보행 로봇(1)의 중심(Prc) 간의 거리는 대체적으로 자율 보행 로봇(1)의 반경(rc)보다 작은 값을 갖는다.
즉, 입력 변환 단계(S20)에서 제어부(20)는 연산부(40)로 하여금 경로 입력 정보에 포함되는 자율 보행 로봇의 정보인 회전 중심(Pvc), 중심(Prc), 반경(rc), 회전 반경(vc)의 정보를 이용하여 가상 로봇(VR)을 형성하도록 한다. 이러한 가상 로봇(VR)에 있어 자율 보행 로봇(1)에 대한 출발지 정보(S)와 목적지 정보(G)도 변환될 수 있는데, 자율 보행 로봇(1)에 대한 출발지 정보(S)와 목적지 정보(G)는 도 10에 도시되는 바와 같이 배향(orientation) 정보를 포함하여, 자율 보행 로봇(1)의 중심(Prc)로부터 가상 로봇(VR)의 중심(Pvc)으로 이동한 중심을 구비하되, 동일한 배향 정보를 갖는 가상 로봇(VR)에 대한 출발지 정보(S')와 목적지 정보(G')로 맵핑된다. 이러한 맵핑 과정은 역과정을 거침으로써 하기되는 출력 정보 변환 단계(S40)가 이루어질 수도 있다.
입력 변환 단계(S20)는 장애물 확장 영역 형성 단계(S23)을 포함할 수 있는데, 장애물 확장 영역 형성 단계(S23)에서 환경 지도 정보로부터 얻어지는 장애물을 중심으로 확장된 영역을 형성한다. 즉, 입력 변환 단계(S20)에서 제어부(20)는 환경 지도 정보 내의 장애물에 대한 정보를 이용하여 장애물과 자율 보행 로봇(1)의 충돌을 회피하기 위한 경로 설정시 필요한 장애물의 확장 영역을 산출할 수 있는데, 환경 지도 정보 상에서 자율 보행 로봇(1)의 보행시 충돌 가능한 장애물에 대하여 확장 영역(도 9 참조)이 산출되는데, 예를 들어 장애물의 꼭지점(vertice)을 중심으로 가상 로봇(VR)의 반경(rvr=rc+vc)만큼 회전시켜 꼭지점을 중심으로 꼭지점 확장 영역을 형성하고 장애물의 모서리를 확장 평행 이동시켜 가상 로봇(VR)의 반경만큼 회전되어 형성된 꼭지점 확장 영역과 접하도록 형성하여 모서리 확장 영역을 형성하여, 장애물 주변의 확장 영역을 형성할 수 있는데, 가상 로봇(VR)의 경로 생성시 가상 로봇(VR)의 중심(Pvc)이 장애물의 확장 영역의 내측으로 진입하지 않고 외면과 접하거나 또는 외면을 따라 이동하도록 함으로써 실제 자율 보행 로봇(1)이 장애물과 충돌되는 것을 방지할 수 있다.
입력 정보 변환 단계(S20)가 완료된 후, 제어부(20)는 경로 생성 단계(S30)를 실행하는데, 경로 생성 단계(S30)에서 제어부(20)는 가상 로봇 정보 및 출발지 정보(S) 및 목적지 정보(G) 및 환경 지도 정보를 이용하여 가상 로봇(VR)의 경로를 생성하는데, 경로 생성 단계(S30)는 매크로 경로 생성 단계(S31) 및 마이크로 경로 조정 단계(S33)를 포함한다.
매크로 경로 생성 단계(S31)에서 제어부(20)는 출발지 정보(S)로부터 목적지 정보(G)까지의 매크로 경로 후보군을 산출하고, 매크로 경로 후보군을 따라 이동하는데 소요되는 시간 비용을 산출하고, 매크로 후보군에 대한 시간 비용 중 최소 시간 비용을 갖는 매크로 경로를 산출하고, 마이크로 경로 조정 단계(S33)에서 제어부(20)는 매크로 경로 생성 단계(S31)에서 생성된 매크로 경로를 이용하여 경로 상의 경로 연장선 상의 교차점을 경유하는 대안 경로를 산출하고 각각의 시간 비용을 산출 비교하여 매크로 경로를 조정한다.
매크로 경로 생성 단계(S31)는 매크로 경로 후보군 형성 단계(S311)와, 매크로 경로 후보군 시간 비용 산출 단계(S313)와, 매크로 경로 선택 단계(S315)를 포함한다. 매크로 경로 후보군 형성 단계(S311)에서 제어부(20)는 출발지 정보(S), 목적지 정보(G) 및 장애물 정보을 포함하는 환경 지도 정보 및 장애물 정보에 대한 장애물 확장 영역을 이용하여 출발지 정보(S)로부터 목적지 정보(G)까지 장애물 확장 영역의 외부를 경유하는 경로인 매크로 후보군을 생성한다.
도 9에는 출발지 정보(S)와 목적지 정보(G)의 사이에 배치되는 장애물(Ob)를 회피하는 경로를 추출하는 과정이 도시되고, 도 10에는 장애물 내지 장애물 확장 영역을 회피하는 매크로 경로 후보군의 설정에 대한 예시적 상황이 도시된다.
먼저, 제어부(20)는 저장부(30)에 저장된 데이터 및 연산부(40)를 통하여 매크로 경로 후보군을 산출한다. 도 9에 도시된 바와 같이 장애물(Ob)의 장애물 확장 영역(Ob')은 앞서 설명한 바와 같이, 장애물(Ob)의 꼭지점(Pob)를 중심으로 가상 로봇(VR)의 반경(rvr=rc+vc)만큼 회전 확장시키고 장애물(Ob)의 꼭지점을 연결하는 모서리(Lob)를 평행 확장시켜 장애물(Ob)의 꼭지점(Pob)를 중심으로 가상 로봇(VR)의 반경(rvr=rc+vc)만큼 회전 확장된 영역과 접하는 선분을 형성하여 확장된 영역을 형성한다. 본 실시예에서 장애물 확장 영역은 꼭지점을 중심으로 가상 로봇의 반경만큼의 확장 및 모서리의 평행 접선 확장 방식을 취하였으나, 이는 일예로서 장애물 영역(Ob)의 전체 면적을 확장시키는 방식을 취할 수도 있는 등 설계 사양에 따라 다양한 방식을 취할 수 있다.
자율 보행 로봇(1)의 출발지 정보(S)와 목적지 정보(G)는 가상 로봇(VR)에 대한 맵핑을 통하여 출발지 정보(S') 및 목적지 정보(G')로 갱신된다. 맵핑된 출발지 정보(S')와 목적지 정보(G') 사이의 직선 경로 상에 장애물 확장 영역(Ob')의 내부 영역과 교차하는 경우 제어부(20)는 장애물 확장 영역(Ob')의 외부를 경유하는 경로를 형성하는데, 제어부(20)는 맵핑된 출발지 정보(S') 및 목적지 정보(G')로부터 장애물 확장 영역(Ob')과 접하는 선분(선 a, 선 b, 선 c, 선 d)를 형성하고, 선분 간의 교차점 내지 선분과 장애물 확장 영역의 접점을 이용하여 하나 이상의 매크로 경로 후보군을 생성한다.
예를 들어, 선 a와 선 b가 장애물 확장 영역(Ob')와 접하는 선분을 이룰 때, 이들 선분의 교차점(C')이 형성되는데, 경로 S'-C'-G'이 하나의 매크로 경로 후보를 형성할 수 있다.
이와 같이 형성된 매크로 경로 후보군에 포함되는 매크로 경로 후보의 일예가 도 10에 도시되는데, 도 10의 (a)에서 가상 로봇(VR)에 대하여 출발지 정보(S) 및 목적지 정보 등의 경로 입력 정보가 입력 정보 변환되어 경로 생성을 위하여 준비된다. 이 때, 맵핑된 출발지 정보(S')와 목적지 정보(G')에는 출발지 정보(S) 및 목적지 정보(G)에 포함되는 배향 정보(화살표 표시)가 동일하게 포함되어 있다. 출발지 정보(S)와 목적지 정보(G)는 각각 가상 로봇(VR)에 대하여 맵핑된 출발지 정보(S')와 목적지 정보(G')로 변환된 상태를 형성한다. 도 9에서 와 같이 형성된 매크로 경로 후보군 중의 하나의 매크로 경로 후보가 도 10의 (b)에 도시되는데, 이는 맵핑된 출발지 정보(S')와 목적지 정보(G') 간의 포인트의 위치 이동 만을 도시한 것이고, 도 10의 (c)에서와 같이 출발지 정보(S') 및 목적지 정보(G')에 포함되는 배향 정보 내지 회전 각도 정보를 고려하여 회전이 완료된 상태의 정확한 매크로 경로 후보(굵은 선; θ1-l1-θtot-l2-θ3)를 나타낸다. 여기서, l1,l2는 경로 상의 트랜스레이션(translation) 이동 거리를 나타내고 θ1,θ3는 출발지과 목적지에서의 배향 정보를 나타내고, θtot는 경로 상의 경유점(노드)에서의 로테이션(rotation)에 대한 노드 회전 각도 정보(θtot)를 나타내는데 이에 대하여는 하기된다.
이와 같은 매크로 경로 후보를 포함하는 매크로 경로군이 형성된 경우, 제어부(20)는 매크로 경로 후보군에 대한 시간 비용을 산출하는 매크로 경로 후보군 시간 비용 산출 단계(S313)를 실행한다.
매크로 경로 후보군 시간 비용 산출 단계(S313)는 매크로 후보군에 대한 시간 비용을 산출하는 단계로서, 시간 비용은 각각의 매크로 경로 후보를 따라 가상 로봇이 이동하는 경우 소요되는 시간을 나타낸다. 매크로 경로 후보군 시간 비용 산출 단계(S313)는 경롱 대한 시간 비용 함수(J(path)를 통하여 산출되는데, 시간 비용 함수(J(path))는 트랜스레이션 시간 비용 함수(g(l,s))와 로테이션 시간 비용 함수(h(θ ,sprev,snext)의 합으로 형성된다.
Figure 112012057927377-pat00001
여기서,
Figure 112012057927377-pat00002
,
Figure 112012057927377-pat00003
,
Figure 112012057927377-pat00004
및 s0=FS이다. 또한, l은 이동 거리를, s는 보행(스텝) 유형(전진(FS), 후진(BS), 우행(RS), 좌행(LS))를, lmax는 스텝 유형에 따른 최대 스텝 거리를, vini는 자율 보행 로봇의 초기 속도를 나타낸다.
스텝 유형에 따른 스텝 실행 시간(execution time)은 자율 보행 로봇의 초기 속도(vini)와 스텝 유형의 함수로 형성되는데, 보행을 시작하는 처음 스텝에 대한 FS 및 BS의 경우 초기 속도를 영이라 할 때 스텝 실행 시간(tf), 연속적인 보행시 FS 및 BS의 경우 스텝 실행 시간(tc), 횡보인 LS 및 RS의 경우 스텝 실행 시간(ts)라 할 때, 트랜스레이션 시간 비용 함수(g(l,s))는 다음과 같다.
Figure 112012057927377-pat00005
여기서,
Figure 112012057927377-pat00006
는 라운드업 오퍼레이터(round-up operator)를 나타낸다.
또한, 로테이션 비용 함수(h)도 노드 회전 각도 정보(θtot=θ+△θ)의 함수로 형성되는데, 노드 회전 각도 정보(θtot)는 매크로 경로 후보군 내 각각의 매크로 경로 후보가 이루는 경로 상 노드에 대한 전후 보행 유형을 고려한 회전 각도 정보이다.
도 10의 (c)에 도시된 바와 같이 가상 로봇(VR)의 매크로 경로 후보 군 내 매크로 경로 후보는 복수 개의 노드를 이루고 노드에서는 가상 로봇의 회전 운동이 발생하는데, 이러한 회전 운동은 단지 두 개의 노드 간의 노드 경로에서의 보행 유형에 의하여 결정되지 않고 노드의 전후 경로 상에서의 보행 유형의 변화 여부에 따라 결과를 달리한다. 즉, 노드 상에서의 노드 회전 각도 정보는 노드 경로 상에서의 현재의 보행(스텝) 유형에만 의존하지 않고 보행(스텝) 유형의 변화에 의존하며, 이러한 보행(스텝) 유형의 변화에 의한 해당 노드 상에서의 회전 각도 정도는 노드 회전 스텝 각도 정보(△θ)로 나타내며 이러한 노드 회전 스텝 각도 정보는 해당 노드를 중심으로 전후 노드와의 노드 경로 상에서의 이전 스텝 유형과 차회 스텝 유형의 변화에 따라 다음의 표 1과 같이 나타낸다.
sprev snext FS BS LS RS
SF 0 π -π/2 π/2
BS -π 0 π/2 -π/2
LS π/2 -π/2 0 π
RS -π/2 π/2 -π 0
여기서, 반시계 방향으로의 회전이 +의 값을 갖는다.
도 11에는 상이한 보행(스텝) 유형에 대한 자율 보행 로봇의 각도 변화가 도시되는데, 도 11의 (a)에는 FS만의 스텝 유형으로 이동하는 경우가 도시되는데, 매크로 경로 후보 상의 노드 P를 전후하여 이전 노드와의 노드 경로 상에서 보행 유형(sprev)이 FS(전방 스텝)이고, 차후 노드와의 노드 경로 상의 보행 유형(snext)이 FS(전방 스텝)인 경우로서, 노드 P에서의 노드 회전 각도 정보(θtot=θ+△θ)는 노드 회전 기본 각도 정보(θ)와 노드 회전 스텝 각도 정보(△θ)를 포함한다. 달리 표현하면, 노드 회전 기본 각도 정보(θ)는 자율 보행 로봇(1)이 노드를 거치면서 지속적으로 전방 스텝(FS)을 유지할 때 해당 노드 전후 노드에서의 배향 차이 내지 회전 각도의 차이를 나타내고 노드 회전 스텝 각도 정보(△θ)는 해당 노드를 거치면서 보행 유형이 변화하는 경우를 보정하는 각도를 보정하는 각도 정보이다. 노드 P의 전후 노드를 각각 S'과 G'이라고 하고, 각각의 노드에서의 자율 보행 로봇(1)의 배향 내지 회전 각도 정보가 θ1와 θ2라고 할 때, 해당 노드(P)에서의 노드 회전 각도 정보는 θtot=θg-θs=θ+△θ이다. 따라서, 도 11의 (a)에서의 sprev 및 snext가 모두 FS이므로, 자율 보행 로봇(1)의 노드 회전 각도 정보(θtot)는 θ+△θ=θ+0=θ= -π/4를 가진다. 반면, 도 11의 (b)의 경우 스텝 유형이 sprev는 FS, snext는 RS이어서 스텝 유형 변화에 따른 노드 회전 스텝 각도 정보(△θ)는 π/2의 값을 가지므로 θtot=θ2-θ1=θ+△θ=θ+π/2= π/4의 값을 가지게 된다.
이와 같은 매크로 경로 후보 상의 노드에서의 노드 회전 각도 정보를 고려한 로테이션 시간 비용 함수(h)는 다음과 같이 표현된다.
Figure 112012057927377-pat00007
여기서, mod는 -π부터 π까지의 변조 함수(modulation function)을 나타낸다. 매크로 경로 후보군의 매크로 경로 후보 상의 각각의 경유점(노드)에는 앞서 도 10 및 도 11에서 언급한 바와 같은 모든 가능한 노드 회전 각도 정보가 포함되는데, 종래의 가시성 그래프의 경우((a)) 단지 노드 간의 거리 정보만이 구비되나, 본 발명의 가상 로봇을 형성하는 확장 가시성 그래프의 경우에는 각각의 노드에 있어 주변 노드점과 이루는 경로가 형성하는 노드 회전 각도 정보를 포함한다.
이와 같은 트랜스레이션 비용 함수 및 로테이션 비용 함수를 사용하여 매크로 경로 후보군의 모든 매크로 경로 후보에 대한 시간 비용 산출이 완료된 후, 제어부(20)는 매크로 경로 선택 단계(S315)를 실행하는데, 매크로 경로 선택 단계(S315)에서 제어부(20)는 단계 S313에서 산출된 매크로 경로 후보군에 대한 시간 비용 중 가장 작은 시간 비용을 갖는 매크로 경로 후보를 최종적인 매크로 경로로 선택한다. 즉, 시간 비용이 가장 작은 매크로 경로 후보가 이동 과정 중 시간이 가장 적게 소요된다고 제어부(20)가 판단하고, 이를 최종적인 매크로 경로로 선택한다.
그런 후, 제어부(20)는 마이크로 경로 조정 단계(S33)를 실행한다. 도 12에는 마이크로 경로 조정 단계(S33)의 세부 흐름이 도시되고, 도 12에는 이와 같은 마이크로 경로 조정 단계(S33)의 과정이 설명되고, 도 14에는 마이크로 경로 조정 단계를 통하여 조정된 조정 경로 및 이를 통한 최종 경로의 예가 도시된다.
마이크로 경로 조정 단계(S33)는 에지 선택 단계(S331)와 경로 연장선 산출 단계(S333)와 교차점 산출 단계(S335)와, 대안 경로 산출 단계(S337)와, 경로 비용 산출 단계(S338)와, 조정 경로 선택 단계(S339)를 포함하고, 이러한 과정은 매크로 경로 생성 단계(S31)에서 생성된 매크로 경로 상 순차적으로 선택되는 3개의 모든 에지에 대하여 완료된 후 이러한 과정이 전체 에지 조합에 대하여 실행되어 매크로 경로가 조정된 후 종료된다.
먼저, 제어부(20)는 에지 선택 단계(S331)에서 매크로 경로 중 연속적인 3개 단위의 에지를 선택한다. 여기서, 에지는 매크로 경로 중 장애물 등의 영역을 경유하는 경로 중 장애물 등을 침범하지 않는 장애물 영역의 반대측으로 돌출된 노드를 지칭한다. 도 13에 도시된 바와 같이, 3개의 연속적인 에지(Pk-1,Pk,Pk+1)가 선택된다. 즉, 매크로 경로는 Pk-1,Pk,Pk+1의 순서를 이룬다.
그런 후, 제어부(20)는 경로 연장선 산출 단계(S333)을 실행하는데, 에지 선택 단계에서 선택된 에지의 외곽 에지(Pk-1 및 Pk+1)에 대한 매크로 경로에 대한 경로 연장선(Lk-1,Lk+1)를 산출하고, 제어부(20)는 교차점 산출 단계(S335)에서 경로 연장선(Lk-1,Lk+1)이 이루는 교차점(Palt)를 산출한다.
교차점(Palt)이 산출된 후, 제어부(20)는 연산부(40)로 하여금 대안 경로 산출 단계(S337)를 실행하여 교차점(Palt)과 외곽 에지(Pk-1 및 Pk+1)이 이루는 대안 경로(Pk-1 - Palt - Pk+1)를 산출하고, 대안 경로(Pk-1 - Palt - Pk+1)와 에지에 대한 원래의 매크로 경로(Pk-1 - Pk - Pk+1)가 이루는 시간 비용을 산출하는 경로 비용 산출 단계(S338)를 실행한다. 각각의 세부 경로에 대한 시간 비용은 앞서 서술된 시간 비용 함수를 사용하여 산출되는데, 단계 S339에서 제어부(20)는 산출되는 각각의 세부 경로에 대한 시간 비용을 비교하여 작은 값을 갖는 경로를 조정 경로로 선택한다(S339).
그런 후, 제어부(20)는 전체 매크로 경로에 대하여 세부 경로 조정이 완료되었는지를 판단하고 완료되지 않은 것으로 판단되는 경우 단계 S33의 제어 흐름을 반복하고, 완료된 것으로 판단되는 경우 제어 흐름을 종료하고 조정 경로로 세부 경로가 조정된 매크로 경로를 최종 경로로 확정하고, 제어부(20)는 단계 S40으로 진행하고 구동부(50)에 명령하여 소정의 보행을 지속하도록 한다. 보다 구체적으로, 단계 S339의 완료 후 제어부(20)는 에지를 선택하는데 사용되는 인자(k)를 매크로 경로가 이루는 모든 에지의 개수(N)를 이용하여 설정되는 값(N-1) 이하 여부를 판단하는 단계 S340을 실행하고 단계 S340에서 예라고 판단된 경우 인자(k)를 1만큼 증분시키고(S341) 제어 흐름을 단계 S331로 복귀시킨다. 반면, 단계 S340에서 아니오 라고 판단된 경우 제어부(20)는 매크로 경로에 대한 모든 세부 경로가 조정된 것으로 판단하고 제어 흐름을 단계 S40으로 전환한다.
도 14에는 마이크로 경로 조정 단계를 통하여 매크로 경로에 대한 일부 대안 경로를 통한 조정 경로 형성이 이루어진 결과가 도시되는데, 매크로 경로는 P1-P2-P3-P7-P4-P5-P6의 경로(점선)를 취하였으나, P1-P2-P3에 있어 Palt1가, P7-P4-P5에 있어 Palt2의 경로 연장 교차점이 생성되고, P1-P2-P3의 시간 비용보다 P1-Palt1-P3의 시간 비용, 그리고 P7-P4-P5의 시간 비용보다 P7-Palt2-P5의 시간 비용이 더 작고 이 더 작아 최종적으로 경로가 조정되어, 매크로 경로 생성 및 마이크로 경로 조정 단계를 거친 최종 경로는 P1-Palt1-P3-P7-Palt2-P5-P6의 경로를 형성하게 된다.
한편, 출력 정보 변환 단계(S40)는 단계 S30에서 산출된 최종 경로를 실제 자율 보행 로봇(1)의 경로 정보로 변환한다. 즉, 단계 S30에서 산출된 최종 경로는 가상 로봇(VR)에 대한 경로인바, 제어부(20)는 이를 실제 자율 보행 로봇(1)의 보행을 위한 경로 정보로 변환하여 출발지 정보로부터 목적지 정보까지의 실제 경로 정보를 산출하고, 이를 이용하여 구동부(50)에 구동 제어 신호를 인가하여 자율 보행 동작을 이루도록 한다.
상기 실시예들은 본 발명을 설명하기 위한 일예들로, 본 발명이 이에 국한되지 않고 다양한 변형이 가능하다.
1...자율 보행 로봇 10...감지부
20...제어부 30...저장부
40...연산부 50...구동부

Claims (6)

  1. 환경 지도 정보를 이용하여 자율 보행을 이루는 자율 보행 로봇의 경로 계획 방법으로서,
    출발지 정보와, 목적지 정보와, 환경 지도 정보를 이용하여 상기 자율 보행 로봇의 경로 입력 정보를 초기화하는 초기화 단계와, 상기 경로 입력 정보를 이용하여 상기 자율 보행 로봇의 반경 및 회전 반경을 고려한 가상 로봇 정보를 포함하는 가상 로봇을 형성하는 입력 정보 변환 단계와, 상기 가상 로봇 정보 및 상기 출발지 정보, 목적지 정보 및 환경 지도 정보를 이용하여 상기 가상 로봇의 경로를 생성하는 경로 생성 단계와, 상기 경로 생성 단계에서 생성된 상기 가상 로봇의 경로로부터 상기 자율 보행 로봇의 경로를 변환하는 출력 정보 변환 단계를 포함하고,
    상기 입력 정보 변환 단계는: 상기 자율 보행 로봇의 반경 및 상기 자율 보행 로봇의 중심으로부터 상기 자율 보행 로봇의 회전 중심으로부터의 회전 반경을 더한 값을 갖는 가상 로봇 반경을 포함하는 가상 로봇 정보를 구비하는 가상 로봇 형성 단계와, 상기 환경 지도 정보로부터 장애물의 장애물 확장 영역을 형성하는 장애물 확장 영역 형성 단계를 포함하는 것을 특징으로 하는 자율 보행 로봇 경로 계획 방법.
  2. 삭제
  3. 제 1항에 있어서,
    상기 경로 생성 단계는:
    상기 출발지 정보로부터 상기 목적지 정보까지의 매크로 경로 후보군을 산출하고, 상기 매크로 경로 후보군을 이동하는 시간 비용을 산출하고, 상기 매크로 후보군에 대한 시간 비용 중 최소 시간 비용을 갖는 매크로 경로를 산출하는 매크로 경로 생성 단계와,
    상기 매크로 경로를 이용하여 경로 연장선 상의 교차점을 경유하는 대안 경로를 산출하고 시간 비용을 비교하여 상기 매크로 경로를 조정하는 마이크로 경로 조정 단계를 포함하는 것을 특징으로 하는 자율 보행 로봇 경로 계획 방법.
  4. 제 3항에 있어서,
    상기 매크로 경로 생성 단계는:
    상기 출발지 정보, 목적지 정보 및 환경 지도 정보 및 상기 장애물 확장 영역을 이용하여 상기 출발지 정보로부터 상기 목적지 정보까지 상기 장애물 확장 영역의 외부를 경유하는 경로인 상기 매크로 후보군을 형성하는 매크로 후보군 형성 단계와,
    상기 매크로 경로 후보군의 각각의 매크로 경로 후보의 노드 간 경로의 보행 유형(s), 상기 노드간 경로 이동 거리(l), 상기 노드의 전후 보행 유형을 고려한 노드 회전 각도 정보(θtot=θ+△θ)을 이용한 상기 매크로 경로 후보군에 대한 시간 비용이 산출되는 매크로 경로 후보군 시간 비용 산출 단계와,
    상기 매크로 경로 후보군 시간 비용 산출 단계에서 산출된 시간 비용을 비교하여 최소 시간 비용을 이루는 매크로 경로 후보를 최종적인 매크로 경로로 선택하는 매크로 경로 선택 단계를 포함하는 것을 특징으로 하는 자율 보행 로봇 경로 계획 방법.
  5. 제 4항에 있어서,
    상기 노드 회전 각도 정보(θtot=θ+△θ)는:
    상기 노드를 중심으로 이전 노드와의 노드 경로 상 상기 자율 보행 로봇의 보행 유형(sprev)이 전방 스텝(FS)이고, 상기 노드를 중심으로 차후 노드와의 경로 상 상기 자율 보행 로봇의 보행 유형(snext)이 전방 스텝(FS)인 경우를 기준으로 하는 노드 회전 기본 각도 정보(θ)와,
    상기 노드를 중심으로 이전 노드와의 노드 경로 상 상기 자율 보행 로봇의 보행 유형(sprev)과, 차후 노드와의 경로 상 상기 자율 보행 로봇의 보행 유형(snext)에 따른 노드 회전 스텝 각도 정보(△θ)를 포함하는 것을 특징으로 하는 자율 보행 로봇 경로 계획 방법.
  6. 제 3항에 있어서,
    상기 마이크로 경로 조정 단계는:
    상기 매크로 경로 중 연속적인 3개 단위의 에지를 선택하는 에지 선택 단계와,
    상기 에지 선택 단계에서 선택된 에지의 외곽 에지에 대한 상기 매크로 경로에 대한 경로 연장선을 산출하는 경로 연장선 산출 단계와,
    상기 경로 연장선의 교차점을 산출하는 교차점 산출 단계와,
    상기 외곽 에지와 상기 교차점이 이루는 대안 경로를 산출하는 대안 경로 산출 단계와,
    상기 대안 경로와 상기 에지 선택 단계에서 선택된 에지를 포함하는 매크로 경로의 비용 함수를 산출하는 단계와,
    상기 대안 경로 상기 에지 선택 단계에서 선택된 에지를 포함하는 매크로 경로의 비용을 비교하여 최소값의 경로를 조정 경로로 선택하고, 상기 조정 경로를 상기 선택된 에지에 대한 상기 가상 로봇의 경로로 설정하는 조정 경로 선택 단계를 포함하는 것을 특징으로 하는 자율 보행 로봇 경로 계획 방법.




KR1020120078999A 2012-07-19 2012-07-19 자율 보행 로봇 경로 계획 방법 KR101441187B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020120078999A KR101441187B1 (ko) 2012-07-19 2012-07-19 자율 보행 로봇 경로 계획 방법
US13/731,719 US9069354B2 (en) 2012-07-19 2012-12-31 Method for planning path for autonomous walking humanoid robot

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120078999A KR101441187B1 (ko) 2012-07-19 2012-07-19 자율 보행 로봇 경로 계획 방법

Publications (2)

Publication Number Publication Date
KR20140012358A KR20140012358A (ko) 2014-02-03
KR101441187B1 true KR101441187B1 (ko) 2014-09-18

Family

ID=49947228

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120078999A KR101441187B1 (ko) 2012-07-19 2012-07-19 자율 보행 로봇 경로 계획 방법

Country Status (2)

Country Link
US (1) US9069354B2 (ko)
KR (1) KR101441187B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200105284A (ko) * 2019-02-28 2020-09-07 광주과학기술원 비행체 및 비행체를 위한 경로결정시스템

Families Citing this family (69)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9956687B2 (en) 2013-03-04 2018-05-01 Microsoft Technology Licensing, Llc Adapting robot behavior based upon human-robot interaction
CN105563449B (zh) * 2014-10-13 2017-10-24 航天科工智能机器人有限责任公司 一种移动机器人道路跟随方法
CN104589348B (zh) * 2014-12-25 2016-04-13 北京理工大学 一种仿人机器人多模态运动转换方法
DE102015006014A1 (de) * 2015-05-13 2016-11-17 Universität Bielefeld Bodenbearbeitungsgerät und Verfahren zu dessen Navigation sowie Schwarm von Bodenbearbeitungsgeräten und Verfahren zu deren gemeinsamer Navigation
US10114618B2 (en) * 2015-06-08 2018-10-30 Cisco Technology, Inc. Autonomous mobile sensor movement path simulation with an integrated developer environment
US9744668B1 (en) * 2015-08-21 2017-08-29 X Development Llc Spatiotemporal robot reservation systems and method
US11429105B2 (en) * 2016-06-10 2022-08-30 Duke University Motion planning for autonomous vehicles and reconfigurable motion planning processors
CN106483943B (zh) * 2016-10-13 2019-05-03 北京京东尚科信息技术有限公司 机器人的调度方法、装置以及计算机可读存储介质
US11042161B2 (en) 2016-11-16 2021-06-22 Symbol Technologies, Llc Navigation control method and apparatus in a mobile automation system
US10726273B2 (en) 2017-05-01 2020-07-28 Symbol Technologies, Llc Method and apparatus for shelf feature and object placement detection from shelf images
US11367092B2 (en) 2017-05-01 2022-06-21 Symbol Technologies, Llc Method and apparatus for extracting and processing price text from an image set
WO2018204342A1 (en) 2017-05-01 2018-11-08 Symbol Technologies, Llc Product status detection system
US11978011B2 (en) 2017-05-01 2024-05-07 Symbol Technologies, Llc Method and apparatus for object status detection
US11449059B2 (en) 2017-05-01 2022-09-20 Symbol Technologies, Llc Obstacle detection for a mobile automation apparatus
US10949798B2 (en) 2017-05-01 2021-03-16 Symbol Technologies, Llc Multimodal localization and mapping for a mobile automation apparatus
US11600084B2 (en) 2017-05-05 2023-03-07 Symbol Technologies, Llc Method and apparatus for detecting and interpreting price label text
US11009886B2 (en) 2017-05-12 2021-05-18 Autonomy Squared Llc Robot pickup method
CN107544497B (zh) * 2017-09-07 2018-10-12 南京昱晟机器人科技有限公司 一种自主运行机器远程运行节点控制方法
US11360475B2 (en) * 2017-12-05 2022-06-14 Waymo Llc Real-time lane change selection for autonomous vehicles
WO2019139815A1 (en) 2018-01-12 2019-07-18 Duke University Apparatus, method and article to facilitate motion planning of an autonomous vehicle in an environment having dynamic objects
TWI822729B (zh) 2018-02-06 2023-11-21 美商即時機器人股份有限公司 用於儲存一離散環境於一或多個處理器之一機器人之運動規劃及其改良操作之方法及設備
PL3769174T3 (pl) 2018-03-21 2022-10-24 Realtime Robotics, Inc. Planowanie przemieszczania robota do różnych środowisk i zadań oraz jego ulepszone działanie
US11327504B2 (en) 2018-04-05 2022-05-10 Symbol Technologies, Llc Method, system and apparatus for mobile automation apparatus localization
US10823572B2 (en) 2018-04-05 2020-11-03 Symbol Technologies, Llc Method, system and apparatus for generating navigational data
US10832436B2 (en) 2018-04-05 2020-11-10 Symbol Technologies, Llc Method, system and apparatus for recovering label positions
US10809078B2 (en) * 2018-04-05 2020-10-20 Symbol Technologies, Llc Method, system and apparatus for dynamic path generation
US10740911B2 (en) 2018-04-05 2020-08-11 Symbol Technologies, Llc Method, system and apparatus for correcting translucency artifacts in data representing a support structure
KR102249808B1 (ko) 2018-04-06 2021-05-10 엘지전자 주식회사 이동 로봇 시스템 및 이동 로봇 시스템의 제어 방법
KR20190123673A (ko) * 2018-04-06 2019-11-01 엘지전자 주식회사 이동 로봇 및 그 제어방법
US20190314983A1 (en) * 2018-04-17 2019-10-17 Sony Corporation Recording medium, information processing apparatus, and information processing method
US11199840B2 (en) * 2018-07-03 2021-12-14 Panasonic Intellectual Property Management Co., Ltd. Mover control system, mover system, mover control method, and non-transitory storage medium
CN109144067B (zh) * 2018-09-17 2021-04-27 长安大学 一种智能清洁机器人及其路径规划方法
CN109471429A (zh) * 2018-09-29 2019-03-15 北京奇虎科技有限公司 一种机器人清扫方法、装置及电子设备
US11506483B2 (en) 2018-10-05 2022-11-22 Zebra Technologies Corporation Method, system and apparatus for support structure depth determination
US11010920B2 (en) 2018-10-05 2021-05-18 Zebra Technologies Corporation Method, system and apparatus for object detection in point clouds
US11090811B2 (en) 2018-11-13 2021-08-17 Zebra Technologies Corporation Method and apparatus for labeling of support structures
US11003188B2 (en) 2018-11-13 2021-05-11 Zebra Technologies Corporation Method, system and apparatus for obstacle handling in navigational path generation
US11416000B2 (en) 2018-12-07 2022-08-16 Zebra Technologies Corporation Method and apparatus for navigational ray tracing
US11079240B2 (en) 2018-12-07 2021-08-03 Zebra Technologies Corporation Method, system and apparatus for adaptive particle filter localization
US11100303B2 (en) 2018-12-10 2021-08-24 Zebra Technologies Corporation Method, system and apparatus for auxiliary label detection and association
US11015938B2 (en) 2018-12-12 2021-05-25 Zebra Technologies Corporation Method, system and apparatus for navigational assistance
US10731970B2 (en) 2018-12-13 2020-08-04 Zebra Technologies Corporation Method, system and apparatus for support structure detection
CA3028708A1 (en) 2018-12-28 2020-06-28 Zih Corp. Method, system and apparatus for dynamic loop closure in mapping trajectories
CN109885068B (zh) * 2019-03-30 2021-12-24 骞一凡 一种机器人行进的控制方法及其系统
US11960286B2 (en) 2019-06-03 2024-04-16 Zebra Technologies Corporation Method, system and apparatus for dynamic task sequencing
US11080566B2 (en) 2019-06-03 2021-08-03 Zebra Technologies Corporation Method, system and apparatus for gap detection in support structures with peg regions
US11341663B2 (en) 2019-06-03 2022-05-24 Zebra Technologies Corporation Method, system and apparatus for detecting support structure obstructions
WO2020247207A1 (en) 2019-06-03 2020-12-10 Realtime Robotics, Inc. Apparatus, methods and articles to facilitate motion planning in environments having dynamic obstacles
US11662739B2 (en) 2019-06-03 2023-05-30 Zebra Technologies Corporation Method, system and apparatus for adaptive ceiling-based localization
US11402846B2 (en) 2019-06-03 2022-08-02 Zebra Technologies Corporation Method, system and apparatus for mitigating data capture light leakage
US11151743B2 (en) 2019-06-03 2021-10-19 Zebra Technologies Corporation Method, system and apparatus for end of aisle detection
US11200677B2 (en) 2019-06-03 2021-12-14 Zebra Technologies Corporation Method, system and apparatus for shelf edge detection
US11673265B2 (en) 2019-08-23 2023-06-13 Realtime Robotics, Inc. Motion planning for robots to optimize velocity while maintaining limits on acceleration and jerk
US11507103B2 (en) 2019-12-04 2022-11-22 Zebra Technologies Corporation Method, system and apparatus for localization-based historical obstacle handling
US11107238B2 (en) 2019-12-13 2021-08-31 Zebra Technologies Corporation Method, system and apparatus for detecting item facings
CN114902017A (zh) * 2020-01-03 2022-08-12 上海诺基亚贝尔股份有限公司 获取导航路径
TW202146189A (zh) 2020-01-22 2021-12-16 美商即時機器人股份有限公司 於多機器人操作環境中之機器人之建置
US11822333B2 (en) 2020-03-30 2023-11-21 Zebra Technologies Corporation Method, system and apparatus for data capture illumination control
CN111523441B (zh) * 2020-04-21 2023-09-26 南京工程学院 水下机器人复杂水下环境自主探测方法
US11450024B2 (en) 2020-07-17 2022-09-20 Zebra Technologies Corporation Mixed depth object detection
US11593915B2 (en) 2020-10-21 2023-02-28 Zebra Technologies Corporation Parallax-tolerant panoramic image generation
US11392891B2 (en) 2020-11-03 2022-07-19 Zebra Technologies Corporation Item placement detection and optimization in material handling systems
US11847832B2 (en) 2020-11-11 2023-12-19 Zebra Technologies Corporation Object classification for autonomous navigation systems
JP7257433B2 (ja) * 2021-03-04 2023-04-13 三菱重工業株式会社 ビークルの経路生成方法、ビークルの経路生成装置、ビークル及びプログラム
US11954882B2 (en) 2021-06-17 2024-04-09 Zebra Technologies Corporation Feature-based georegistration for mobile computing devices
US11833680B2 (en) * 2021-06-25 2023-12-05 Boston Dynamics, Inc. Robot movement and online trajectory optimization
CN113515127B (zh) * 2021-07-23 2022-09-13 华北电力大学（保定） 一种移动机器人路径规划方法及系统
KR20230050958A (ko) 2021-10-08 2023-04-17 현대자동차주식회사 로봇의 경로 계획 장치 및 그 방법
CN114859942B (zh) * 2022-07-06 2022-10-04 北京云迹科技股份有限公司 一种机器人运动控制方法、装置、电子设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100994075B1 (ko) * 2008-07-08 2010-11-12 한국과학기술연구원 보행로봇의 최적경로 계획방법
KR101146942B1 (ko) * 2010-02-04 2012-05-22 한국과학기술연구원 이동로봇의 경로생성 장치, 이를 구비하는 이동로봇 및 이동로봇의 경로생성 방법

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003061917A1 (fr) * 2002-01-18 2003-07-31 Honda Giken Kogyo Kabushiki Kaisha Dispositif de commande pour robot bipede
JP3945279B2 (ja) * 2002-03-15 2007-07-18 ソニー株式会社 障害物認識装置、障害物認識方法、及び障害物認識プログラム並びに移動型ロボット装置
US6963185B2 (en) * 2002-04-26 2005-11-08 Honda Giken Kogyo Kabushiki Kaisha System for estimating attitude of leg type moving robot itself
EP1554639B1 (de) * 2002-10-23 2007-12-12 Siemens Aktiengesellschaft Verfahren und anordnung sowie computerprogramm mit programmcode-mitteln und computerprogramm-produkt zur bildung einer graphenstruktur zur beschreibung einer fläche mit einer freifläche und einer belegtfläche
US7805149B2 (en) * 2004-01-16 2010-09-28 Adidas Ag Location-aware fitness training device, methods, and program products that support real-time interactive communication and automated route generation
US7805220B2 (en) * 2003-03-14 2010-09-28 Sharper Image Acquisition Llc Robot vacuum with internal mapping system
US7373270B2 (en) * 2003-03-26 2008-05-13 Sony Corporation Diagnosing device for stereo camera mounted on robot, and diagnostic method of stereo camera mounted on robot apparatus
KR101121020B1 (ko) * 2004-01-13 2012-03-15 혼다 기켄 고교 가부시키가이샤 이동 로봇의 보용생성 장치
US7689321B2 (en) * 2004-02-13 2010-03-30 Evolution Robotics, Inc. Robust sensor fusion for mapping and localization in a simultaneous localization and mapping (SLAM) system
JP2006068872A (ja) * 2004-09-03 2006-03-16 Honda Motor Co Ltd 脚式移動ロボット
JP4729723B2 (ja) * 2004-09-14 2011-07-20 国立大学法人 奈良先端科学技術大学院大学 触覚センサ、摩擦検査装置、把持装置及び滑り余裕計測方法
JP4348276B2 (ja) * 2004-11-02 2009-10-21 本田技研工業株式会社 ロボット制御装置
US7474945B2 (en) * 2004-12-14 2009-01-06 Honda Motor Company, Ltd. Route generating system for an autonomous mobile robot
JP4621073B2 (ja) * 2005-05-23 2011-01-26 本田技研工業株式会社 ロボット制御装置
JP4645601B2 (ja) * 2007-02-13 2011-03-09 トヨタ自動車株式会社 環境地図の生成方法及び移動ロボット
EP1972416B1 (en) * 2007-03-23 2018-04-25 Honda Research Institute Europe GmbH Robots with occlusion avoidance functionality
JP4328819B2 (ja) * 2007-11-30 2009-09-09 本田技研工業株式会社 移動装置およびその制御プログラム
CN101581936B (zh) * 2008-05-16 2012-01-25 深圳富泰宏精密工业有限公司 利用手机控制两足式机器人的系统及方法
KR20120069924A (ko) * 2010-12-21 2012-06-29 삼성전자주식회사 보행 로봇 및 그 제어 방법
KR102015307B1 (ko) * 2010-12-28 2019-08-28 삼성전자주식회사 로봇 및 그 제어 방법
JP5715840B2 (ja) * 2011-02-04 2015-05-13 本田技研工業株式会社 軌道計画方法、軌道制御方法、軌道計画システム及び軌道計画・制御システム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100994075B1 (ko) * 2008-07-08 2010-11-12 한국과학기술연구원 보행로봇의 최적경로 계획방법
KR101146942B1 (ko) * 2010-02-04 2012-05-22 한국과학기술연구원 이동로봇의 경로생성 장치, 이를 구비하는 이동로봇 및 이동로봇의 경로생성 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200105284A (ko) * 2019-02-28 2020-09-07 광주과학기술원 비행체 및 비행체를 위한 경로결정시스템
KR102314821B1 (ko) * 2019-02-28 2021-10-19 광주과학기술원 비행체 및 비행체를 위한 경로결정시스템

Also Published As

Publication number Publication date
KR20140012358A (ko) 2014-02-03
US9069354B2 (en) 2015-06-30
US20140025201A1 (en) 2014-01-23

Similar Documents

Publication Publication Date Title
KR101441187B1 (ko) 자율 보행 로봇 경로 계획 방법
JP6136543B2 (ja) 自律移動体
KR101196374B1 (ko) 이동 로봇의 경로 생성 시스템
JP4682973B2 (ja) 移動経路作成方法、自律移動体および自律移動体制御システム
Hildebrandt et al. Real-time path planning in unknown environments for bipedal robots
WO2014178273A1 (ja) 自律移動体の移動制御装置、自律移動体及び移動制御方法
DK3070563T3 (en) Independent vehicle on wheels, data structure for scheduled movement time data and movement rendering method
JP6032163B2 (ja) 三次元物体認識装置、三次元物体認識方法、及び移動体
JP6448118B2 (ja) 移動体の経路計画方法と装置
KR101664575B1 (ko) 모바일 로봇의 장애물 회피 시스템 및 방법
JP4738472B2 (ja) 障害物回避機能を有する移動制御装置
Mastalli et al. On-line and on-board planning and perception for quadrupedal locomotion
KR20150121931A (ko) 하이브리드 경로 생성 방법을 이용한 무인 지상 차량 경로 제어 시스템
JP2015111336A (ja) 移動ロボット
Hornung et al. Adaptive level-of-detail planning for efficient humanoid navigation
JP6217089B2 (ja) ロボット制御システム、ロボット、ロボット制御方法及びプログラム
JP7369626B2 (ja) ビークルの制御システム、ビークルの制御方法及びプログラム
JP2009258779A (ja) 移動ロボット及び足跡計画方法
JP2008129695A (ja) 移動体の経路生成システム及び経路生成方法
JP4577247B2 (ja) 移動体及びその制御方法
Zhou et al. Exploiting the redundancy for humanoid robots to dynamically step over a large obstacle
Kumagai et al. Achievement of recognition guided teleoperation driving system for humanoid robots with vehicle path estimation
JP7139018B2 (ja) 自律走行型墨打ちロボット
CN116009558A (zh) 一种结合运动学约束的移动机器人路径规划方法
JP6589578B2 (ja) 移動量推定装置、自律移動体、及び移動量の推定方法

Legal Events

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

Payment date: 20170707

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180723

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190808

Year of fee payment: 6