KR101538775B1 - 전방 영상을 이용한 위치 인식 장치 및 방법 - Google Patents

전방 영상을 이용한 위치 인식 장치 및 방법 Download PDF

Info

Publication number
KR101538775B1
KR101538775B1 KR1020080090292A KR20080090292A KR101538775B1 KR 101538775 B1 KR101538775 B1 KR 101538775B1 KR 1020080090292 A KR1020080090292 A KR 1020080090292A KR 20080090292 A KR20080090292 A KR 20080090292A KR 101538775 B1 KR101538775 B1 KR 101538775B1
Authority
KR
South Korea
Prior art keywords
mobile robot
image
forward image
ceiling
extracted
Prior art date
Application number
KR1020080090292A
Other languages
English (en)
Other versions
KR20100031277A (ko
Inventor
이수진
정우연
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to KR1020080090292A priority Critical patent/KR101538775B1/ko
Priority to US12/382,681 priority patent/US8380384B2/en
Publication of KR20100031277A publication Critical patent/KR20100031277A/ko
Application granted granted Critical
Publication of KR101538775B1 publication Critical patent/KR101538775B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Image Analysis (AREA)

Abstract

전방 영상을 이용한 이동 로봇의 위치 인식 장치 및 방법이 제안된다. 본 발명의 일 실시예에서 이동 로봇이 전방 영상을 촬영한 위치에 따른 추출된 특징점들 및 특징점들에 대한 특징점 기술자를 포함하는 전방 영상 지도를 구성하고, 새로 입력되는 전방 영상으로부터 추출된 특징점들과 구성된 전방 영상 지도에 기초하여 이동 로봇의 위치가 추정된다.
위치 인식, 슬램, 파티클 필터, 특징점, 이동 로봇

Description

전방 영상을 이용한 위치 인식 장치 및 방법{Apparatus and method for localization using forward images}
본 발명은 이동 로봇의 위치 인식 장치 및 방법에 관한 것이다.
자율이동로봇의 가장 기본적인 기능은 원하는 목표지점까지 충돌없이 이동할 수 있어야 하는 것이다. 이러한 기능들은 자율이동로봇의 위치측정(localization) 기술 및 지도 구성(mapping) 기술에 의해 수행된다. 지도 구성과 함께 자신의 위치를 인식하는 방법으로 슬램(SLAM; Simultaneous Localization And Mapping) 알고리즘이 이용된다. 슬램 알고리즘은 어떤 위치에서 주변 환경의 지도를 구성하고, 구성된 지도를 바탕으로 다시 이동한 로봇의 위치를 알아내는 과정을 반복하여 로봇의 위치와 주변 환경의 지도를 동시에 추정할 수 있는 알고리즘이다.
천장 영상을 이용한 SLAM 방법은 천장을 바라보는 한 대의 카메라만으로 뛰어난 위치 인식 성능을 나타낸다. 그러나, 전체 지도가 만들어진 상황에서 로봇을 임의의 위치로 옮기고 지도에서의 로봇의 위치를 추정하는 리로케이션(relocation)을 수행할 때, 초기에 로봇의 위치를 모르는 경우에 로봇의 위치를 알아내기 힘든 경우가 많다.
천장 영상을 이용하여 위치 인식이 어려운 경우에도 위치 인식 성능이 높은 위치 인식 장치 및 방법이 제안된다. 또한, 전방 영상 및 천장 영상을 이용하여 위치 인식 성능을 높일 수 있는 위치 인식 장치 및 방법이 제안된다.
본 발명의 일 양상에 따른 이동 로봇의 위치를 인식하는 장치는, 이동 로봇이 획득하는 전방 영상으로부터 전방 영상을 촬영한 위치별로 추출된 특징점 및 추출된 특징점에 대한 특징점 기술자를 포함하는 전방 영상 지도를 구성하는 전방 영상 지도 처리부; 및 새로운 전방 영상이 입력되면, 새로운 전방 영상으로부터 추출된 특징점과 전방 영상 지도에 기초하여 이동 로봇의 위치를 인식하는 위치 인식부를 포함한다.
상기 전방 영상 지도 처리부는 새로운 전방 영상에서 추출된 특징점에 매칭하는 이전 전방 영상의 특징점 및 매칭된 전방 영상의 특징점을 포함하는 전방 영상을 촬영한 위치 정보를 전방 영상 지도로부터 검색하고, 검색된 결과를 이용하여 이동 로봇의 추정 위치를 계산할 수 있다. 또한, 전방 영상 지도 처리부는 이동 로봇이 일정 거리 이동하는 경우, 전방 영상 지도를 갱신할 수 있다. 여기에서, 전방 영상으로부터 추출된 특징점은 스케일에 무관하게 추출될 수 있다.
상기 전방 영상 지도 처리부는 검색된 이전 영상의 특징점의 크기와 추출된 특징점의 크기를 비교하여 이동 로봇의 추정 위치를 보정하고, 위치 인식부는 보정 된 위치에 기반하여 파티클들에 가중치를 부여할 수 있다.
위치 인식부는 이동 로봇의 가상적 위치를 나타내는 샘플인 파티클들을 설정하고, 이동 로봇의 추정 위치에 기초하여 파티클들에 대한 가중치를 부여하고, 파티클들에 부여된 가중치에 기초하여 파티클들을 리샘플링할 수 있다. 위치 인식부는 이동 로봇의 추정 위치와 일정 거리 이내에 존재하고, 이동 로봇이 바라보는 각도와의 차이가 일정 각도 이하인 파티클들의 가중치를 증가시킬 수 있다.
일 양상에 따른 위치 인식 장치는 천장 영상에 기반한 위치 인식 및 지도 작성을 수행하는 천장 슬램 수행부를 더 포함하고, 천장 슬램 수행부는, 천장 영상으로부터 추출된 특징점 및 특징점 기술자를 추출하고, 추출된 특징점에 대한 특징점 기술자를 생성하는 천장 특징점 처리부; 및 추출된 천장 영상 특징점 정보에 기초하여 천장 영상 지도를 구성하는 천장 영상 지도 구성부를 포함할 수 있다.
천장 슬램 수행부는 새로 입력되는 천장 영상으로부터 추출된 특징점과 매칭되는 천장 영상 특징점을 천장 영상 지도로부터 검색하고, 검색된 결과를 이용하여 이동 로봇의 추정 위치를 계산하고, 위치 인식부는 전방 영상의 특징점으로부터 계산된 이동 로봇의 추정 위치 및 천장 영상의 특징점으로부터 계산된 이동 로봇의 추정 위치에 기초하여 파티클들에 대한 가중치를 부여할 수 있다. 위치 인식부는 파티클들에 가중치를 부여할 때, 전방 영상의 특징점으로부터 계산된 이동 로봇 추정 위치에 기반하여 가중치가 부여되는 파티클들의 범위는 천장 영상의 특징점으로부터 계산되는 이동 로봇의 추정 위치에 기반하여 가중치가 부여되는 파티클의 범위보다 넓을 수 있다. 또한, 위치 인식부는 전방 영상의 특징점을 이용한 이동 로 봇의 추정 위치에 기반하여 가중치가 부여된 파티클들과 천장 영상의 특징점을 이용한 이동 로봇의 추정 위치에 기반하여 가중치가 부여되는 파티클들의 교집합에 해당하는 파티클들의 가중치를 증가시킬 수 있다.
상기 전방 영상 지도 처리부는 천장 슬램 수행부가 구성한 천장 영상 지도에 기반하여 추정된 이동 로봇의 위치에 기초하여 구성될 수 있다.
다를 양상에 따른 이동 로봇의 위치를 인식하는 방법은, 이동 로봇이 획득하는 전방 영상으로부터 전방 영상을 촬영한 위치별로 추출된 특징점 및 추출된 특징점에 대한 특징점 기술자를 포함하는 전방 영상 지도를 구성하는 단계; 및 새로운 전방 영상이 입력되면, 새로운 전방 영상으로부터 추출된 특징점과 전방 영상 지도에 기초하여 이동 로봇의 위치를 인식하는 단계를 포함한다.
본 발명의 일 양상에 따르면, 전방 영상을 이용한 전방 영상 지도를 구성하여 자기 위치 인식(Relocalization) 성능을 향상시킬 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시예를 상세하게 설명한다. 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 이동 로봇의 위치를 인식하는 장치를 나타내는 블록도이다.
본 발명의 일 실시예에 따른 이동 로봇의 위치를 인식하는 장치(100)는 주행부(110), 센서부(120), 영상 획득부(130), 슬램 수행부(140), 전방 영상 지도 처리부(150) 및 위치 인식부(160)를 포함한다. 이하에서는, 위치를 인식하는 장치(100)는 로봇 등과 같이 영상을 촬영하면서 이동할 수 있는 이동 로봇으로 구현된 예를 설명한다.
주행부(110)는 이동 로봇을 주행시키기 위하여 복수 개의 바퀴와 같은 주행 수단과, 주행 수단에 구동력을 제공하기 위한 구동원을 포함할 수 있다.
센서부(120)는 이동 로봇(100)에 장착되어 이동 로봇(100)의 이동량 및 회전량을 감지한다. 이를 위해, 센서부(120)는 인코더 또는 자이로 센서를 포함할 수 있다. 예를 들어, 인코더에 의해 움직인 거리 및 방향을 적분함으로써 현재 이동 로봇의 평면상의 2차원 좌표계상의 위치(position) 및 방향각 추정이 가능하다. 통상적으로, 인코더는 짧은 구간에서는 비교적 정확하지만 적분을 계속 수행해 나감에 따라 오차가 누적된다. 한편, 센서부(130)는 장애물 지도를 작성하는데 이용되는 장애물 감지 정보를 감지하기 위하여 적외선, 레이저 또는 초음파 센서를 포함할 수 있다.
이동 로봇(100)이 출발하는 위치 및 출발시 방향각을 기준값으로 설정할 수 있다. 이동 로봇의 위치를 추정한다는 것은 이동 로봇의 2차원 평면상에서의 위치 및 방향각을 추정함을 의미한다. 이동 로봇(100)의 위치에 대한 기준은 지도(map) 상에 존재하는 특징점(Feature)이 될 수 있다. 따라서, 이동 로봇(100)의 위치 정보는 이동 로봇(100)이 인식한 피처를 기준으로 한 이동 로봇(100)의 위치 및 방향각을 포함하는 의미이다.
여기에서 특징점은 사물의 모서리 또는 코너와 같이 형상을 특정시킬 수 있는 점을 의미한다. 이러한 특징점은 지도 생성(map building)의 기초가 되는데 랜드마크(landmark)라고도 한다. 또한, 특징점은 닫힌 영역(closed region)의 윤곽선에서 추출된 라인 또는 점이 될 수 있다. 예를 들어, 실내의 천장에서 천장 영상 중에서 조명 등의 원형이나 사각형의 윤곽선으로부터 라인이나 점을 추출하여 특징점으로 사용할 수 있다.
영상 획득부(130)는 외부의 이미지를 포착하여 포착된 이미지를 디지털 신호로 변환한다. 영상 획득부(130)는 CCD(Charge Coupled Device) 모듈이나 CMOS(Complementary Metal Oxide Semiconductor) 모듈을 포함하여 구성될 수 있다. 영상 획득부(130)는 이동 로봇(100)이 주행하는 평면과 평행한 전방 영상 및 주행하는 평면에 수직한 상방 영상을 획득할 수 있다. 영상 획득부(130)는 전방 영상을 촬영하는 카메라 및 상방 영상을 촬영하는 카메라를 각각 포함할 수 있다. 또는 영상 획득부(130)는 전방 영상 및 상방 영상이 함께 촬영되도록 이동 로봇(100)에 수직 상방향을 향하는 카메라를 설치한 다음, 획득된 영상으로부터 이미지 트랜스폼(image transform)을 이용하여 전방 영상 및 상방 영상을 획득할 수도 있다.
슬램 수행부(140)는 주행부(110) 및 센서부(120)로부터 획득되는 오도메트리 정보, 각속도, 가속도 등의 정보를 이용하여 전방 영상 지도 처리부(150)가 전방 영상 지도를 구성할 때 필요한 이동 로봇(100)의 위치 정보를 제공한다. 슬램은 어떤 위치에서 주변 환경의 지도를 구성하고 구성된 지도를 바탕으로 다시 이동한 로봇의 위치를 알아내는 과정을 반복하여 로봇의 위치와 주변 환경의 지도를 동시에 추정할 수 있는 알고리즘이다. 슬램 수행부(140)는 장애물 지도 또는 천장 영상을 기반으로 위치를 인식할 수 있으며, 위치 인식과 지도 구성을 수행하는 한 다양한 구조를 가질 수 있다.
슬램 수행부(140)는 이동 로봇(100)의 추정 위치가 일정한 거리 또는 각도 이상 변경되었는지 판단하고, 일정한 거리 또는 각도 이상 변경될 때마다 전방 영상 지도 처리부(150)가 전방 영상 지도를 구성하도록 제어할 수 있다. 이동 로봇(100)이 미세하게 움직인 경우에 이동 전후 획득되는 전방 영상의 차이가 거의 없을 수 있으므로 일정 거리 이상 움직인 경우에만 전방 영상 지도 처리부(150)가 전방 영상 지도를 구성하도록 제어할 수 있다.
전방 영상 지도 처리부(150)는 이동 로봇(100)이 전방 영상을 촬영한 위치별 전방 영상으로부터 추출된 특징점들, 추출된 특징점들에 대한 특징점 기술자를 포함하는 전방 영상 지도를 구성하고 저장할 수 있다. 일 실시예에 따른 전방 영상 지도는, 이동 로봇(100)이 전방 영상을 촬영한 위치 예를 들어, 2차원상의 위치 및 이동 로봇(100)이 전방 영상을 촬영한 각도별로, 획득되는 전방 영상으로부터 추출된 특징점 및 각 특징점을 식별하는 특징점 기술자를 포함할 수 있다. 특징점 기술자는 특징점을 구별할 수 있는 특징점별 로컬 영상, 영상의 방향성 정보 또는 벡터 정보 등이 될 수 있다. 전방 영상 지도를 저장하는 저장 공간(도시되지 않음) 은 전방 영상 지도 처리부(150)내에 포함될 수도 있고 외부의 공간에 존재할 수도 있다.
이와 같은 전방 영상 지도를 구성하기 위해, 전방 영상 지도 처리부(150)는 전방 특징점 처리부(152) 및 전방 영상 지도 구성부(154)를 포함할 수 있다.
우선, 본 발명의 일 실시예에 따른 전방 영상 지도 처리부(150)가 전방 영상을 구성하는 동작을 설명한다.
전방 특징점 처리부(152)는 영상 획득부(130)로부터 획득되는 전방 영상으로부터 추출된 특징점 및 특징점 기술자를 생성한다. 또한, 전방 특징점 처리부(152)는 위치 인식 과정에서 추출된 특징점과 등록되어 있는 특징점을 비교하여 등록되어 있던 특징점 중 동일한 특징점을 찾아낸다. 동일한 특징점을 포함한 영상을 촬영한 이동 로봇(100)의 위치 정보는 위치 인식부(160)에서 이동 로봇(100)의 자기 위치를 인식하는데 이용된다.
전방 영상으로부터 추출된 특징점은 이동 로봇(100)의 위치에 따라 특징점들의 크기가 달라질 것이므로, 스케일에 무관하게 추출되는 특성을 가져야 한다. 일 실시예에 따르면, 전방영상의 특징점은 SIFT(Scale Invariant Feature Transform) 특징점일 수 있다.
전방 영상 지도 구성부(154)는 이동 로봇(100)의 전방 영상을 촬영한 위치에 따른 추출된 특징점들에 대한 특징점 기술자를 포함하는 전방 영상 지도를 구성한다. 구성된 전방 영상 지도는 이동 로봇(100)이 각 특징점에 대하여 전방 영상을 촬영한 위치 정보 및 특징점 기술자를 포함하는 정보를 포함하도록 구성될 수 있 다.
이동 로봇(100)이 일정 거리 또는 일정 각도 이상 움직이지 않으면 전방 영상은 크게 변하지 않으므로, 이동 로봇(100)이 일정 거리 또는 일정 각도 이상 움직인 경우에 획득되는 전방 영상으로부터 특징점을 추출하고 처리하여 전방 영상 지도가 구성될 수 있다. 즉, 전방 영상 지도 구성부(154)는 이동 로봇(100)이 일정 거리 또는 일정 각도 이상 이동하는 경우, 이동된 위치 및 이동된 위치에서 획득된 전방 영상으로부터 추출된 특징점 및 특징점 기술자를 포함하는 전방 영상 지도를 구성할 수 있다.
이하에서는, 본 발명의 일 실시예에 따라 구성된 전방 영상 지도를 이용하여, 이동 로봇(100)이 전방 영상이 구성된 임의의 공간으로 이동된 경우 위치를 인식하는 동작에 대하여 설명한다.
전방 특징점 처리부(152)는 이전에 저장된 전방 영상이 저장되어 있는 경우, 이전 전방 영상 지도에 등록되어 저장된 특징점들과 현재 추출되는 특징점을 매칭하여 매칭되는 특징점을 검색할 수 있다. 이미 등록된 특징점들의 특징점 기술자와 현재 추출되는 특징점들의 특징점 기술자를 비교하여 상관 관계를 계산하는 방법에 의해 양 특징점들이 동일한지 여부를 판단할 수 있다. 따라서, 전방 특징점 처리부(152)에서 전방 영상에서 추출된 특징점에 매칭하는 이전 전방 영상의 특징점과 이전 영상의 특징점을 포함하는 전방 영상을 촬영한 위치 정보를 전방 영상 지도로부터 검색하며, 검색된 특징점을 촬영한 이동 로봇(100)의 추정 위치를 계산할 수 있다.
한편, 전방 특징점 처리부(152)는 검색된 이전 영상의 특징점의 크기와 추출된 특징점의 크기를 비교하여 추정된 위치를 보정하여 현재 이동 로봇(100)의 개략적인 위치를 파악할 수 있다. 예를 들어, 현재 입력된 전방 영상에서 추출된 특징점에 대한 영상 크기와 전방 영상 지도로부터 추출된 특징점에 매칭되는 특징점에 대한 영상의 크기를 비교하여, 추출된 특징점에 대한 영상의 크기가 매칭되는 특징점에 대한 영상의 크기보다 작으면, 매칭된 특징점을 촬영한 위치보다 현재 이동 로봇(100)의 위치가 전방으로부터 더 멀리 떨어져 있음을 알 수 있으므로, 이러한 사실을 이용하여 이동 로봇(100)의 위치를 보정할 수 있다.
위치 인식부(160)는 입력되는 전방 영상으로부터 추출된 특징점들과 구성된 전방 영상 지도에 기초하여 이동 로봇의 위치를 인식한다. 위치 인식부(160)는 이미 만들어진 지도 상에서 이동 로봇(100)이 지도 상의 각 위치에서 존재할 확률을 가중치를 가지는 파티클들로 표현하여 가장 확률이 높은 위치를 찾는 MCL(Monte-Carlo Localization) 방법을 이용하여 위치를 인식할 수 있다.
위치 인식부(160)는 추출된 특징점들의 특성을 이용하여 추정가능한 이동 로봇(100)의 위치 및 방향, 즉 이동 로봇(100)의 자세에 대한 가중치를 계산하고, 이들로부터 최적의 자세를 추정할 수 있다. 여기에서, 가중치는 이동 로봇(100)의 자세 추정이 정확할수록 높아지는 값을 의미한다. 도 1에는, 위치 인식부(160)가 슬램 수행부(140)와 별개의 블록으로 도시되어 있으나, 위치 인식부(160)가 슬램 수행부(140)와 통합되어 구성될 수 있는 등 이동 로봇(100)의 구조는 다양하게 변형되어 이용될 수 있다.
도 1에 도시된 바와 같이, 위치 인식부(160)는 파티클 설정부(162), 가중치 계산부(164) 및 샘플링부(166)를 포함할 수 있다.
파티클 설정부(162)는 센서부(120)에서 감지된 위치(또는 자세) 변화량을 기초로 이동 로봇(100)의 가상적 위치를 나타내는 샘플인 파티클들의 자세를 설정한다. 가중치 계산부(164)는 추출된 특징점을 기초로 각 파티클들에 부여될 가중치를 조정한다. 샘플링부(166)는 파티클들에 부여된 가중치에 기초하여 설정된 파티클들을 리샘플링한다.
샘플링부(166)는 가중치가 큰 파티클들 주위에 많은 파티클들을 생성하고, 가중치가 작은 파티클들 주위에는 파티클들을 적게 생성하여, 파티클들을 이용하여 예상된 이동 로봇(100)의 위치와 실체 이동 로봇(100)의 위치가 비슷한 위치의 파티클들로 수렴하도록 한다. 이와 같은 파티클들의 설정, 가중치 부여, 및 리샘플링을 반복적으로 수행함으로써 이동 로봇(100)의 자세가 정확하게 추정될 수 있다.
일 실시예에 따르면, 가중치 계산부(164)는 전방 특징점 처리부(152)에서 전방 영상 지도로부터 추출된 전방 영상 특징점으로부터 추정된 이동 로봇(100)의 추정 위치에 기초하여 가중치를 조정할 수 있다. 전술한 바와 같이, 전방 영상 지도로부터 획득되는 이동 로봇(100)의 추정 위치가 보정된 경우에는, 보정된 위치에 기반하여 파티클들에 가중치를 부여할 수 있다. 이를 위해, 위치 인식부(160)는 추정된 위치와 일정 거리 범위 이내에 존재하고, 이동 로봇(100)이 바라보는 각도(heading angle)와의 차이가 일정 각도 범위 이하인 파티클들의 가중치를 증가시킬 수 있다.
이와 같이, 본 발명의 일 실시예에 따른 위치 인식 방법은 이동 로봇의 전방영상 촬영 위치별 전방 영상으로부터 얻은 특징점 정보를 포함하는 전방 영상 지도를 구성하여 이용함으로써, 전방 영상을 이용하여 위치를 인식할 수 있다. 일 예로, 이동 로봇(100)이 지도가 작성되어진 상황에서 임의의 공간에 위치되어 초기 위치를 모르고, 이동 로봇(100)이 천장 영상만으로 위치를 인식하는 경우, 이동 로봇(100)의 이동 공간에서 천장의 형태가 유사하거나 천장이 특징점이 추출되기 어려운 상황에서는 예측된 이동 로봇(100)의 위치가 여러 곳으로 수렴하게 되므로 위치 인식이 어렵다. 그러나, 본 발명의 일 실시예에 따라 천장에 비하여 위치에 따른 모양의 변화가 큰 전방 영상을 이용하면, 이동 로봇(100)의 위치에 따른 특징점의 변화가 명확하므로 이동 로봇(100)의 위치를 쉽게 인식할 수 있다. 즉, 전방 영상 특징점을 이용하여 이동 로봇의 리로케이션 성능을 향상시킬 수 있다.
도 2는 본 발명의 다른 실시예에 따른 이동 로봇의 위치를 인식하는 장치를 나타내는 블록도이다.
도 2의 이동 로봇의 위치를 인식하는 장치(200)는, 슬램 수행부(140)가 천장 슬램 수행부(240)로 대체된 것을 제외하고 도 1의 위치 인식 장치(100)와 거의 유사하다. 주행부(210), 센서부(220), 영상 획득부(230) 및 전방 영상 지도 처리부(250)의 구성은 도 1의 위치 인식 장치(100)의 주행부(110), 센서부(120), 영상 획득부(130) 및 전방 영상 지도 처리부(150)와 같으므로 상세한 설명은 생략한다.
천장 슬램 수행부(240)는 천장 영상을 이용하여 위치를 인식하고 지도를 구성한다. 천장 슬램 수행부(240)는 천장 특징점 처리부(242) 및 천장 영상 지도 구 성부(244)를 포함할 수 있다.
천장 특징점 처리부(242)는 천장 영상으로부터 추출된 특징점들 및 특징점 기술자를 추출하고, 추출된 특징점들에 대한 특징점 기술자를 생성한다. 천장 특징점 처리부(242)는 SIFT, MSER(Maximally Stable Extremal Region) 기법, 또는 해리스 코너 검출(Harris Corner Detector) 방법 등과 같은 다양한 특징점 추출 알고리즘을 이용하여 특징점 및 특징점 기술자를 생성할 수 있다. 천장 영상 지도 구성부(244)는 추출된 천장 영상 특징점, 특징점 기술자 및 각 특징점의 위치 정보에 기초하여 천장 영상 지도를 구성한다.
위치 인식부(260)는 전방 영상으로부터 추출된 특징점들뿐 아니라 천장 영상으로부터 추출된 특징점들에 기초하여 위치를 인식한다. 상세하게는, 전방 특징점 처리부(252)는 새로 입력되는 전방 영상으로부터 추출된 특징점들과 매칭되는 특징점들을 구성된 전방 영상 지도로부터 검색하고, 천장 특징점 처리부(242)는 새로 입력되는 천장 영상으로부터 추출된 특징점들과 매칭되는 특징점들을 구성된 천장 영상 지도로부터 검색한다. 그런 다음, 전방 특징점 처리부(252)는 검색된 전방 영상 특징점들을 이용하여 이동 로봇(200)의 추정 위치를 계산하고, 천장 특징점 처리부(242)는 검색된 천장 영상 특징점들로부터 이동 로봇(200)의 추정 위치를 계산할 수 있다.
그러면, 위치 인식부(260)는 천장 영상 특징점들로부터 계산된 이동 로봇(200)의 추정 위치와 전방 영상 특징점들로부터 계산된 이동 로봇(200)의 추정 위치에 기반하여 위치를 인식할 수 있다. 위치 인식부(260)는 도 1의 위치 인식 부(160)와 같이 파티클 설정부(262), 가중치 계산부(264) 및 샘플링부(266)를 포함할 수 있다.
파티클 설정부(262)는 센서부(220)에서 감지된 자세 변화량에 기초하여 이동 로봇(200)의 가상적 위치를 나타내는 샘플인 파티클들을 설정헌다. 가중치 계산부(264)는 천장 영상 특징점들로부터 계산된 이동 로봇(200)의 추정 위치와 전술한 전방 영상 특징점들로부터 계산된 이동 로봇(200)의 추정 위치에 기반하여 파티클들에 대한 가중치를 부여할 수 있다. 샘플링부(266)는 파티클들에 부여된 가중치에 기초하여 설정된 파티클들을 리샘플링한다. 파티클들의 설정, 가중치 부여, 및 리샘플링을 반복적으로 수행할 수 있다.
가중치 계산부(264)는 천장 영상으로부터 계산된 이동 로봇(200)의 추정 위치로부터 일정 거리 내에 있고 이동 로봇(200)이 바라보는 각도와 일정 각도 범위 내에 포함되는 파티클들에 가중치를 높게 부여할 수 있다. 한편, 천장 영상 특징점들에 대해서는 각 특징점별 위치 정보를 획득할 수 있으므로, 전방 영상 특징점들을 이용하여 이동 로봇(200)의 위치를 추정할 때보다 좀 더 정확한 위치를 추정할 수 있다. 따라서, 가중치 계산부(264)는 천장 영상 특징점으로부터 추정된 위치에 기반하여 가중치가 부여되는 파티클들의 범위를 전방 영상 특징점으로부터 추정된 위치로부터 가중치가 부여되는 파티클들의 범위보다 작은 범위로 설정할 수 있다. 또한, 가중치 계산부(264)는 전방 영상의 특징점의 위치에 기반하여 가중치가 증가된 파티클들과 천장 영상의 특징점의 위치에 기반하여 가중치가 증가되는 파티클들의 교집합에 해당하는 파티클들의 가중치를 다른 경우보다 더 크게 부여할 수 있다.
이와 같은 동작을 통해 위치 인식부(260)는 전방 영상의 특징점의 위치에 기반하여 이동 로봇(200)의 대략적인 위치를 인식할 수 있고, 전방 영상의 특징점에 비하여 정확한 위치가 예측될 수 있는 천장 영상의 특징점을 이용하여 이동 로봇(200)의 대략적인 위치내에서 더 정확한 위치를 인식할 수 있다.
한편, 전방 영상 지도 처리부(250)는 전방 영상 지도를 구성할 때 천장 슬램 수행부(240)가 구성한 천장 영상 지도에 기반하여 인식된 이동 로봇(200)의 위치에 기초하여 구성될 수 있다.
이와 같은 본 발명의 다른 실시예에 따르면, 이동 로봇의 전방영상 촬영 위치에 따른 특징점 정보를 포함하는 전방 영상 지도를 구성하여 이용함으로써, 전방 영상을 이용하여 위치를 인식할 수 있을 뿐 아니라, 천장 영상으로부터 추출된 특징점에 기초하여서도 가중치를 조정함으로써 좀 더 정확하게 이동 로봇의 위치를 인식하는 것이 가능해진다.
도 3은 본 발명의 일 실시예에 따른 각 파티클들에 대한 가중치를 부여하는 방법을 설명하기 위한 특징점들을 나타내는 지도이다.
도 3은 이동 로봇의 가상적 위치에 대한 샘플인 파티클들, 전방 영상으로부터 추출된 전방 영상 특징점을 저장(또는 등록)한 로봇의 위치, 및 천장 영상으로부터 추출된 천장 영상 특징점들, 천장 영상 특징점들로부터 추정한 로봇의 위치 및 장애물 지도를 하나의 공간에 표시한 도면이다. 장애물 지도(310)는 이동 로봇의 주위 환경을 작은 격자들(grids)로 나누어 각 격자에 물체가 있을 가능성을 확 률적으로 표현하는 방법으로 그리드 맵 또는 확률격자지도라고도 한다.
예를 들어, 이동 로봇에서 현재 입력되는 전방 영상으로부터 추출된 특징점들이 전방 영상 특징점들로부터 추정된 로봇의 위치가 a, b인 경우에는, 추정된 로봇 위치(a, b)로부터 일정 거리 내에 있는 공간(330, 340) 내에 추정한 로봇의 전방 영상을 바라보는 각도와의 차이가 일정 각도 내에 포함되는 파티클들에 각각 W2 및 W3의 가중치를 부여할 수 있다. 또한, 이동 로봇에서 현재 입력되는 천장 영상으로부터 추정한 로봇 위치(c)로부터 일정 거리 내에 있고 이동 로봇이 바라보는 각도와의 차이가 일정 각도 내에 있는 공간(320)내에 포함되는 파티클들에 가중치(W1)를 부여할 수 있다.
천장 영상으로부터 추정한 로봇 위치(c)에 대한 공간(320)을 설정할 때에는, 천장 영상 특징점을 이용한 위치 추정이 전방 영상을 이용한 위치 추정보다 더 정확할 수 있음을 고려하여, 전방 영상으로부터 추정한 로봇 위치(a, b)에 대한 공간(330, 340)를 설정할 때보다 더 작은 공간을 설정할 수 있으며, 파티클들에 부여되는 가중치(W1)는 가중치(W2 또는 W3)보다 큰 값일 수 있다. 또한, 공간(320)과 공간(330)에 모두 포함되는 즉, 교집합에 해당하는 부분에 속하는 파티클들에는 가중치(W1, W2, 또는 W3) 보다 더 큰 가중치를 부여할 수도 있다.
도 4는 본 발명의 일 실시예에 따른 이동 로봇의 위치를 인식하는 방법을 나타내는 순서도이다.
이동 로봇이 획득하는 전방 영상으로부터 전방 영상을 촬영한 위치별로 추출된 특징점 및 추출된 특징점에 대한 특징점 기술자를 포함하는 전방 영상 지도를 구성한다(S 410). 구성된 전방 영상 지도는 소정의 저장 공간에 저장될 수 있다. 전방 영상 지도는 이동 로봇이 일정 거리 이동할 때마다 갱신되어 완성될 수 있다. 전방 영상으로부터 추출되는 영상으로부터 추출된 특징점은 스케일에 무관하게 추출되는 특징점일 수 있다. 또한, 전방 영상 지도는 전방 영상 지도는 천장 슬램에 의하여 구성된 천장 영상 지도에 기반하여 인식된 이동 로봇의 위치에 기초하여 구성될 수 있다.
새로운 전방 영상이 입력되면, 새로운 전방 영상으로부터 추출된 특징점과 전방 영상 지도에 기초하여 이동 로봇의 위치를 인식한다(S 420). 위치를 인식하기 위한 과정을 수행하는 단계에서, 새로 입력되는 전방 영상으로부터 추출된 특징점과 매칭되는 이전 전방 영상 특징점을 이용하여 이동 로봇의 추정 위치를 계산할 수 있다.
위치를 인식하는 단계(S 420)는, 다음과 같은 과정을 반복 수행하여 이루어질 수 있다. 우선, 이동 로봇의 가상적 위치를 나타내는 샘플인 파티클들을 설정한다. 입력되는 전방 영상으로부터 추출된 특징점과 매칭되는 전방 영상 지도상의 특정점들을 검색한다. 그런 다음, 검색 결과를 이용하여 이동 로봇의 추정 위치를 계산하고, 이동 로봇의 추정 위치에 기초하여 파티클들에 대한 가중치를 부여한다. 파티클들에 부여된 가중치에 기초하여 파티클들을 리샘플링한다.
파티클들에 대한 가중치를 부여할 때, 이동 로봇의 추정 위치와 일정 거리 이내에 존재하고, 이동 로봇이 바라보는 각도와의 차이가 일정 각도 이하인 파티클들의 가중치를 증가시킬 수 있다. 천장 슬램에 의해 이동 로봇의 추정 위치가 계 산되는 경우에는, 전방 영상의 특징점으로부터 계산된 이동 로봇의 추정 위치 및 천장 영상의 특징점으로부터 계산된 이동 로봇의 추정 위치에 기초하여 파티클들에 대한 가중치를 부여할 수 있다.
도 5는 본 발명의 일 실시예에 따른 전방 영상을 이용하여 위치를 인식하는 방법을 상세하게 나타내는 순서도이다.
전방 영상에서 SIFT 특징점들을 추출한다(S 510). 전방 영상 지도에 등록되어 있는 SIFT 특징점들 중 추출된 SIFT 특징점들과 매칭되는 특징점들을 검색한다(S 520).
매칭된 SIFT 특징점들의 저장 위치로부터 이동 로봇의 추정 위치를 계산한다(S 530).
추정 위치와 각 파티클 간의 위치 차이를 계산한다(S 540). 추정 위치와 일정 거리 및 일정 각도 이내에 있는 파티클들을 검색한다(S 550). 추정 위치와 일정 거리 및 일정 각도 이내에 있는 파티클들에 가중치를 증가시키고, 리샘플링을 수행한다(S 560). 단계 S 510 내지 단계 S 560을 반복하여 이동 로봇(100)의 최적화된 위치를 인식한다.
도 6은 본 발명의 일 실시예에 따른 천장 영상을 이용하여 위치를 인식하는 방법을 상세하게 나타내는 순서도이다.
천장 영상에서 특징점들을 추출한다(S 610). 천장 영상 지도에 등록되어 있는 특징점들 중 추출된 특징점들과 매칭되는 특징점들을 검색한다(S 620).
매칭된 특징점들의 위치로부터 이동 로봇의 추정 위치를 계산한다(S 630).
추정 위치와 각 파티클 간의 위치 차이를 계산한다(S 640). 추정 위치와 일정 거리 및 일정 각도 이내에 있는 파티클들을 검색한다(S 650). 추정 위치와 일정 거리 및 일정 각도 이내에 있는 파티클들에 가중치를 증가시키고, 리샘플링을 수행한다(S 660). 단계 S 610 내지 단계 S 660을 반복하여 이동 로봇의 최적화된 위치를 인식한다. 전술한 바와 같이, 전방 영상을 위치를 인식하는 방법 및 천장 영상을 이용하여 위치를 인식하는 방법이 함께 이용되어 이동 로봇의 위치를 신속하고 정확하게 인식할 수 있다.
본 발명은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 상기의 프로그램을 구현하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크 등을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드로 저장되고 실행될 수 있다.
이상의 설명은 본 발명의 일 실시예에 불과할 뿐, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 본질적 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현할 수 있을 것이다. 따라서, 본 발명의 범위는 전술한 실시예에 한정되지 않고 특허 청구범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 이동 로봇의 위치를 인식하는 장치를 나타내는 블록도이고,
도 2는 본 발명의 다른 실시예에 따른 이동 로봇의 위치를 인식하는 장치를 나타내는 블록도이고,
도 3은 본 발명의 일 실시예에 따른 각 파티클들에 대한 가중치를 부여하는 방법을 설명하기 위한 특징점들을 나타내는 지도이고,
도 4는 본 발명의 일 실시예에 따른 이동 로봇의 위치를 인식하는 방법을 나타내는 순서도이고,
도 5는 본 발명의 일 실시예에 따른 전방 영상을 이용하여 위치를 인식하는 방법을 상세하게 나타내는 순서도이고,
도 6은 본 발명의 일 실시예에 따른 천장 영상을 이용하여 위치를 인식하는 방법을 상세하게 나타내는 순서도이다.

Claims (20)

  1. 이동 로봇의 위치를 인식하는 장치에 있어서,
    이동 로봇이 획득하는 전방 영상으로부터 전방 영상을 촬영한 위치별로 추출된 특징점 및 상기 추출된 특징점에 대한 특징점 기술자를 포함하는 전방 영상 지도를 구성하고, 새로운 전방 영상에서 추출된 특징점에 매칭하는 이전 전방 영상의 특징점 및 상기 매칭된 전방 영상의 특징점을 포함하는 전방 영상을 촬영한 위치 정보를 상기 전방 영상 지도로부터 검색하고 검색 결과를 이용하여 상기 이동 로봇의 추정 위치를 계산하는 전방 영상 지도 처리부;
    새로 입력되는 천장 영상으로부터 추출된 특징점과 매칭되는 천장 영상 특징점을 천장 영상 지도로부터 검색하고, 검색된 결과를 이용하여 이동 로봇의 추정 위치를 계산하는 천장 슬램 수행부; 및
    새로운 전방 영상이 입력되면, 상기 새로운 전방 영상으로부터 추출된 특징점과 상기 전방 영상 지도에 기초하여 상기 이동 로봇의 위치를 인식하는 위치 인식부를 포함하고,
    상기 위치 인식부는 상기 이동 로봇의 가상적 위치를 나타내는 샘플인 파티클들을 설정하고, 상기 전방 영상 지도 처리부에 의해 계산된 이동 로봇의 추정 위치에 기반하여 상기 파티클들에 가중치를 부여하고, 상기 천장 슬램 수행부에 의해 계산된 이동 로봇의 추정 위치를 기초로 상기 파티클들의 가중치를 조정하는 위치 인식 장치.
  2. 삭제
  3. 제1항에 있어서,
    상기 전방 영상 지도 처리부는 상기 이동 로봇이 일정 거리 이동하는 경우, 상기 전방 영상 지도를 갱신하는 위치 인식 장치.
  4. 제1항에 있어서,
    상기 전방 영상으로부터 추출된 특징점은 스케일에 무관하게 추출되는 위치 인식 장치.
  5. 제1항에 있어서,
    상기 위치 인식부는 상기 파티클들에 부여된 가중치에 기초하여 상기 파티클들을 리샘플링하는 위치 인식 장치.
  6. 제1항에 있어서,
    상기 전방 영상 지도 처리부는 상기 검색된 이전 영상의 특징점의 크기와 상기 새로운 전방 영상으로부터 추출된 특징점의 크기를 비교하여 상기 이동 로봇의 추정 위치를 보정하고,
    상기 위치 인식부는 상기 보정된 위치에 기반하여 상기 파티클들에 가중치를 부여하는 위치 인식 장치.
  7. 제1항에 있어서,
    상기 위치 인식부는 상기 이동 로봇의 추정 위치와 일정 거리 이내에 존재하고, 상기 이동 로봇이 바라보는 각도와의 차이가 일정 각도 이하인 파티클들의 가중치를 증가시키는 위치 인식 장치.
  8. 제1항에 있어서,
    상기 천장 슬램 수행부는,
    천장 영상으로부터 추출된 특징점 및 특징점 기술자를 추출하고, 상기 추출된 특징점에 대한 특징점 기술자를 생성하는 천장 특징점 처리부; 및
    상기 추출된 천장 영상 특징점 정보에 기초하여 천장 영상 지도를 구성하는 천장 영상 지도 구성부를 포함하는 위치 인식 장치.
  9. 삭제
  10. 제1항에 있어서,
    상기 위치 인식부는 파티클들에 가중치를 부여할 때, 상기 전방 영상의 특징점으로부터 계산된 이동 로봇 추정 위치에 기반하여 가중치가 부여되는 파티클들의 범위는 천장 영상의 특징점으로부터 계산되는 이동 로봇의 추정 위치에 기반하여 가중치가 부여되는 파티클의 범위보다 넓은 위치 인식 장치.
  11. 제1항에 있어서,
    상기 위치 인식부는 상기 전방 영상의 특징점을 이용한 이동 로봇의 추정 위치에 기반하여 가중치가 부여된 파티클들과 상기 천장 영상의 특징점을 이용한 이동 로봇의 추정 위치에 기반하여 가중치가 부여되는 파티클들의 교집합에 해당하는 파티클들의 가중치를 증가시키는 위치 인식 장치.
  12. 제8항에 있어서,
    상기 전방 영상 지도 처리부는 상기 천장 슬램 수행부가 구성한 천장 영상 지도에 기반하여 추정된 상기 이동 로봇의 위치에 기초하여 구성되는 위치 인식 장치.
  13. 이동 로봇의 위치를 인식하는 방법에 있어서,
    이동 로봇이 획득하는 전방 영상으로부터 전방 영상을 촬영한 위치별로 추출된 특징점 및 상기 추출된 특징점에 대한 특징점 기술자를 포함하는 전방 영상 지도를 구성하는 단계; 및
    새로운 전방 영상이 입력되면, 상기 새로운 전방 영상으로부터 추출된 특징점과 상기 전방 영상 지도에 기초하여 상기 이동 로봇의 위치를 인식하는 단계를 포함하고,
    상기 위치를 인식하는 단계는
    새로운 전방 영상에서 추출된 특징점에 매칭하는 이전 전방 영상의 특징점 및 상기 매칭된 이전 전방 영상의 특징점을 포함하는 영상을 촬영한 위치 정보를 상기 전방 영상 지도로부터 검색하는 단계;
    상기 검색 결과를 이용하여 상기 이동 로봇의 추정 위치를 계산하는 단계;
    상기 이동 로봇의 가상적 위치를 나타내는 샘플인 파티클들을 설정하는 단계;
    상기 이동 로봇의 추정 위치에 기초하여 상기 파티클들에대한 가중치를 부여하는 단계;
    입력되는 천장 영상으로부터 추출된 특징점과 매칭되는 천장 영상 특징점을 천장 영상 지도로부터 검색하고, 검색된 결과를 이용하여 이동 로봇의 추정 위치를 계산하는 단계; 및
    상기 천장 영상 특징점에 기반하여 계산된 이동 로봇의 추정 위치를 기초로 상기 파티클들에 대한 가중치를 조정하는 단계를 포함하는 이동 로봇의 위치 인식 방법.
  14. 삭제
  15. 제13항에 있어서,
    상기 전방 영상 지도를 구성하는 단계는,
    상기 이동 로봇이 일정 거리 이동하는 경우, 상기 전방 영상 지도를 갱신하는 위치 인식 방법.
  16. 제13항에 있어서,
    상기 전방 영상으로부터 추출된 특징점은 스케일에 무관하게 추출되는 위치 인식 방법.
  17. 제13항에 있어서,
    상기 위치를 인식하는 단계는,
    상기 파티클들에 부여된 가중치에 기초하여 상기 파티클들을 리샘플링하는 단계를 더 포함하는 위치 인식 방법.
  18. 제17항에 있어서,
    상기 위치를 인식하는 단계는 상기 이동 로봇의 추정 위치와 일정 거리내에 존재하고, 상기 이동 로봇이 바라보는 각도와의 차이가 일정 각도 이하인 파티클들의 가중치를 증가시키는 위치 인식 방법.
  19. 제17항에 있어서,
    천장 영상으로부터 각각 특징점을 추출하고, 상기 추출된 특징점에 대한 특징점 기술자를 생성하는 단계; 및
    상기 전방 영상에서 추출된 특징점에 기초하여 천장 영상 지도를 구성하는 단계를 더 포함하는 위치 인식 방법.
  20. 제19항에 있어서,
    상기 전방 영상 지도를 구성하는 단계에서, 상기 전방 영상 지도는 상기 구성된 천장 영상 지도에 기반하여 추정된 상기 이동 로봇의 위치에 기초하여 구성되는 위치 인식 방법.
KR1020080090292A 2008-09-12 2008-09-12 전방 영상을 이용한 위치 인식 장치 및 방법 KR101538775B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020080090292A KR101538775B1 (ko) 2008-09-12 2008-09-12 전방 영상을 이용한 위치 인식 장치 및 방법
US12/382,681 US8380384B2 (en) 2008-09-12 2009-03-20 Apparatus and method for localizing mobile robot

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080090292A KR101538775B1 (ko) 2008-09-12 2008-09-12 전방 영상을 이용한 위치 인식 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20100031277A KR20100031277A (ko) 2010-03-22
KR101538775B1 true KR101538775B1 (ko) 2015-07-30

Family

ID=42007938

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080090292A KR101538775B1 (ko) 2008-09-12 2008-09-12 전방 영상을 이용한 위치 인식 장치 및 방법

Country Status (2)

Country Link
US (1) US8380384B2 (ko)
KR (1) KR101538775B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210119133A (ko) 2020-03-24 2021-10-05 연세대학교 산학협력단 딥러닝 기반의 자세 추정을 이용한 3차원 전역 위치 인식 장치 및 이동 로봇
KR102316097B1 (ko) * 2021-04-27 2021-10-26 주식회사 모빌테크 라이다 좌표를 이용하여 맵 정보의 동기화를 수행하는 맵 정보 제공 시스템

Families Citing this family (62)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9250081B2 (en) * 2005-03-25 2016-02-02 Irobot Corporation Management of resources for SLAM in large environments
KR101570377B1 (ko) * 2009-03-31 2015-11-20 엘지전자 주식회사 단일 카메라를 장착한 로봇 청소기의 3차원 환경 인식 방법
CN102596517B (zh) * 2009-07-28 2015-06-17 悠进机器人股份公司 移动机器人定位和导航控制方法及使用该方法的移动机器人
JP2013503404A (ja) * 2009-08-31 2013-01-31 ニート ロボティックス，インコーポレイティド 移動ロボット環境の同時局在化およびマッピング方法および装置
KR101065960B1 (ko) * 2009-11-18 2011-09-19 인하대학교 산학협력단 이동체의 위치를 인식하는 이동 시스템 및 위치 추정 방법
KR101686170B1 (ko) * 2010-02-05 2016-12-13 삼성전자주식회사 주행 경로 계획 장치 및 방법
KR101782057B1 (ko) * 2010-05-03 2017-09-26 삼성전자주식회사 지도 생성 장치 및 방법
WO2011163454A1 (en) * 2010-06-25 2011-12-29 Trimble Navigation Ltd. Method and apparatus for image-based positioning
KR101813922B1 (ko) * 2010-07-12 2018-01-02 엘지전자 주식회사 로봇 청소기 및 이의 제어 방법
KR101677634B1 (ko) * 2010-07-12 2016-11-18 엘지전자 주식회사 로봇 청소기 및 이의 제어 방법
US9429438B2 (en) * 2010-12-23 2016-08-30 Blackberry Limited Updating map data from camera images
KR101165335B1 (ko) * 2011-04-19 2012-07-18 전남대학교산학협력단 지수함수 기반의 입자 리샘플링 방법 및 그 방법을 이용한 영상객체 추적방법
KR101311100B1 (ko) 2011-08-27 2013-09-25 고려대학교 산학협력단 천장 임의 형상 특성 활용 이동 로봇 위치 인식 방법
KR101241171B1 (ko) * 2011-11-22 2013-03-11 현대자동차주식회사 영상센서를 이용한 ｇｐｓ 위치정보 보정방법
GB201202344D0 (en) * 2012-02-10 2012-03-28 Isis Innovation Method of locating a sensor and related apparatus
GB2501466A (en) 2012-04-02 2013-10-30 Univ Oxford Localising transportable apparatus
KR101380123B1 (ko) * 2012-04-27 2014-04-01 전자부품연구원 스마트 로봇용 위치 인식 장치
US8874265B2 (en) 2012-08-27 2014-10-28 International Business Machines Corporation Robot-based material removal in unstable static equilibrium system
KR101364047B1 (ko) * 2012-11-05 2014-02-27 재단법인대구경북과학기술원 물체인식을 바탕으로 한 칼만필터를 이용한 이동체의 자기위치 추정방법 및 장치
KR101415016B1 (ko) * 2012-11-07 2014-07-08 한국과학기술연구원 영상기반 실내 위치 검출방법 및 이를 이용한 휴대용 단말기
US8942863B2 (en) * 2012-11-15 2015-01-27 Caterpillar Inc. Worksite position control system having integrity checking
WO2015016406A1 (ko) * 2013-08-01 2015-02-05 자동차부품연구원 차량용 절대측위 보정 시스템 및 방법
US20150336575A1 (en) * 2014-05-21 2015-11-26 GM Global Technology Operations LLC Collision avoidance with static targets in narrow spaces
EP3161572B1 (en) * 2014-06-27 2019-01-23 Crown Equipment Corporation Lost vehicle recovery utilizing associated feature pairs
CN105224582B (zh) * 2014-07-03 2018-11-09 联想(北京)有限公司 信息处理方法和设备
KR101629649B1 (ko) 2014-09-30 2016-06-13 엘지전자 주식회사 로봇 청소기 및 로봇 청소기의 제어방법
KR101620427B1 (ko) * 2014-10-14 2016-05-12 엘지전자 주식회사 로봇 청소기의 제어방법
US9632504B1 (en) * 2015-04-30 2017-04-25 X Development Llc Robotic navigation based on building surface contours
KR102203434B1 (ko) * 2016-04-22 2021-01-14 엘지전자 주식회사 로봇 청소기 및 로봇 청소기의 제어방법
DE112017002154B4 (de) 2016-04-25 2020-02-06 Lg Electronics Inc. Mobiler Roboter und Steuerverfahren für einen mobilen Roboter
US11547261B2 (en) 2016-04-29 2023-01-10 Lg Electronics Inc. Moving robot and control method thereof
US10453213B2 (en) 2016-08-29 2019-10-22 Trifo, Inc. Mapping optimization in autonomous and non-autonomous platforms
US10162362B2 (en) 2016-08-29 2018-12-25 PerceptIn, Inc. Fault tolerance to provide robust tracking for autonomous positional awareness
US10410328B1 (en) 2016-08-29 2019-09-10 Perceptin Shenzhen Limited Visual-inertial positional awareness for autonomous and non-autonomous device
US10571926B1 (en) 2016-08-29 2020-02-25 Trifo, Inc. Autonomous platform guidance systems with auxiliary sensors and obstacle avoidance
US11314262B2 (en) 2016-08-29 2022-04-26 Trifo, Inc. Autonomous platform guidance systems with task planning and obstacle avoidance
US10402663B1 (en) 2016-08-29 2019-09-03 Trifo, Inc. Visual-inertial positional awareness for autonomous and non-autonomous mapping
US10571925B1 (en) 2016-08-29 2020-02-25 Trifo, Inc. Autonomous platform guidance systems with auxiliary sensors and task planning
US10395117B1 (en) 2016-08-29 2019-08-27 Trifo, Inc. Visual-inertial positional awareness for autonomous and non-autonomous tracking
US10043076B1 (en) 2016-08-29 2018-08-07 PerceptIn, Inc. Visual-inertial positional awareness for autonomous and non-autonomous tracking
US10503998B2 (en) 2016-11-07 2019-12-10 Gracenote, Inc. Recurrent deep neural network system for detecting overlays in images
CN106646441A (zh) * 2016-11-16 2017-05-10 杭州国辰牵星科技有限公司 结合环境信息的室内移动机器人定位系统及方法
KR102172602B1 (ko) * 2017-10-23 2020-11-02 주식회사 유진로봇 라이다를 이용한 위치 인식 및 지도 작성에 관한 방법 및 장치
US10962647B2 (en) 2016-11-30 2021-03-30 Yujin Robot Co., Ltd. Lidar apparatus based on time of flight and moving object
US20190333239A1 (en) * 2016-12-02 2019-10-31 Cloudminds (Shenzhen) Robotics Systems Co., Ltd. Positioning method and device
KR102529903B1 (ko) * 2016-12-14 2023-05-08 현대자동차주식회사 차량의 위치 추정 장치 및 방법
US10444761B2 (en) 2017-06-14 2019-10-15 Trifo, Inc. Monocular modes for autonomous platform guidance systems with auxiliary sensors
US10496104B1 (en) 2017-07-05 2019-12-03 Perceptin Shenzhen Limited Positional awareness with quadocular sensor in autonomous platforms
JP6761786B2 (ja) * 2017-08-10 2020-09-30 本田技研工業株式会社 天井地図作成方法、天井地図作成装置及び天井地図作成プログラム
US11579298B2 (en) 2017-09-20 2023-02-14 Yujin Robot Co., Ltd. Hybrid sensor and compact Lidar sensor
KR102024094B1 (ko) * 2017-12-21 2019-09-23 엘지전자 주식회사 인공지능을 이용한 이동 로봇 및 그 제어방법
CN108415413B (zh) * 2018-03-28 2021-03-30 华南农业大学 一种基于圆形有用域的智能叉车局部避障路径规划方法
US11874399B2 (en) 2018-05-16 2024-01-16 Yujin Robot Co., Ltd. 3D scanning LIDAR sensor
US10935378B2 (en) * 2018-05-21 2021-03-02 Tusimple, Inc. System and method for angle measurement
CN110956660B (zh) * 2018-09-26 2023-10-10 深圳市优必选科技有限公司 定位方法、机器人以及计算机存储介质
US11774983B1 (en) 2019-01-02 2023-10-03 Trifo, Inc. Autonomous platform guidance systems with unknown environment mapping
KR102255273B1 (ko) * 2019-01-04 2021-05-24 삼성전자주식회사 청소 공간의 지도 데이터를 생성하는 장치 및 방법
KR102314537B1 (ko) * 2019-06-18 2021-10-18 엘지전자 주식회사 이동 로봇 및 그 제어방법
CN112212871A (zh) * 2019-07-10 2021-01-12 阿里巴巴集团控股有限公司 一种数据处理方法、装置及机器人
CN113848872B (zh) * 2020-06-28 2024-03-15 苏州科瓴精密机械科技有限公司 自动行走设备及其控制方法及可读存储介质
CN112129283A (zh) * 2020-10-09 2020-12-25 灵起科技(深圳)有限公司 一种足式桌面宠物机器人自主导航方法
US11821994B2 (en) * 2021-06-29 2023-11-21 New Eagle, Llc Localization of autonomous vehicles using camera, GPS, and IMU

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060085751A (ko) * 2005-01-25 2006-07-28 삼성전자주식회사 상향 영상을 이용한 이동체의 위치 추정 및 지도 생성장치 및 방법과 그 장치를 제어하는 컴퓨터 프로그램을저장하는 컴퓨터로 읽을 수 있는 기록 매체
KR20080024407A (ko) * 2006-09-13 2008-03-18 삼성전자주식회사 이동 로봇의 자세 추정 장치 및 방법

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4933864A (en) 1988-10-04 1990-06-12 Transitions Research Corporation Mobile robot navigation employing ceiling light fixtures
AU2001262962A1 (en) * 2000-05-01 2001-11-12 Irobot Corporation Method and system for remote control of mobile robot
KR100564236B1 (ko) 2001-09-26 2006-03-29 현대중공업 주식회사 이동 로봇의 자기위치인식 장치 및 방법
KR100485696B1 (ko) 2003-02-07 2005-04-28 삼성광주전자 주식회사 로봇청소기의 위치인식표지 검출방법 및 이 검출방법을적용한 로봇청소기
KR100586648B1 (ko) 2003-07-21 2006-06-07 주식회사 한울로보틱스 천장 영상을 이용한 청소용 로봇의 자기위치 추정방법
US20050234679A1 (en) * 2004-02-13 2005-10-20 Evolution Robotics, Inc. Sequential selective integration of sensor data
KR20050108923A (ko) 2004-05-14 2005-11-17 삼성광주전자 주식회사 모빌로봇, 모빌로봇 시스템, 및 그 경로보정방법
JP4300199B2 (ja) * 2005-06-13 2009-07-22 株式会社東芝 移動ロボット、移動ロボットの位置姿勢算出方法、移動ロボットの自律走行システム
EP2050544B1 (en) * 2005-09-30 2011-08-31 iRobot Corporation Robot system with wireless communication by TCP/IP transmissions
KR100854653B1 (ko) 2006-05-12 2008-08-27 주식회사 한울로보틱스 충전스테이션을 이용한 이동로봇의 위치 인식장치
JP2007316966A (ja) 2006-05-26 2007-12-06 Fujitsu Ltd 移動ロボット、その制御方法及びプログラム
KR100785784B1 (ko) * 2006-07-27 2007-12-13 한국전자통신연구원 인공표식과 오도메트리를 결합한 실시간 위치산출 시스템및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060085751A (ko) * 2005-01-25 2006-07-28 삼성전자주식회사 상향 영상을 이용한 이동체의 위치 추정 및 지도 생성장치 및 방법과 그 장치를 제어하는 컴퓨터 프로그램을저장하는 컴퓨터로 읽을 수 있는 기록 매체
KR20080024407A (ko) * 2006-09-13 2008-03-18 삼성전자주식회사 이동 로봇의 자세 추정 장치 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210119133A (ko) 2020-03-24 2021-10-05 연세대학교 산학협력단 딥러닝 기반의 자세 추정을 이용한 3차원 전역 위치 인식 장치 및 이동 로봇
KR102316097B1 (ko) * 2021-04-27 2021-10-26 주식회사 모빌테크 라이다 좌표를 이용하여 맵 정보의 동기화를 수행하는 맵 정보 제공 시스템

Also Published As

Publication number Publication date
US8380384B2 (en) 2013-02-19
KR20100031277A (ko) 2010-03-22
US20100070125A1 (en) 2010-03-18

Similar Documents

Publication Publication Date Title
KR101538775B1 (ko) 전방 영상을 이용한 위치 인식 장치 및 방법
KR101503903B1 (ko) 이동 로봇의 지도 구성 장치 및 방법
CN110411441B (zh) 用于多模态映射和定位的系统和方法
CN110807350B (zh) 用于面向扫描匹配的视觉slam的系统和方法
EP2495632B1 (en) Map generating and updating method for mobile robot position recognition
KR101782057B1 (ko) 지도 생성 장치 및 방법
CN106780608B (zh) 位姿信息估计方法、装置和可移动设备
KR101686170B1 (ko) 주행 경로 계획 장치 및 방법
EP2144131B1 (en) Apparatus and method of building map for mobile robot
KR101572851B1 (ko) 동적 환경에서 모바일 플랫폼의 지도 작성방법
KR101776621B1 (ko) 에지 기반 재조정을 이용하여 이동 로봇의 위치를 인식하기 위한 장치 및 그 방법
CN110850863B (zh) 自主移动装置、自主移动方法以及存储介质
KR101072876B1 (ko) 이동 로봇에서 자신의 위치를 추정하기 위한 방법 및 장치
US20110205338A1 (en) Apparatus for estimating position of mobile robot and method thereof
KR20180125010A (ko) 이동 로봇 및 이동 로봇의 제어방법
KR20110011424A (ko) 이동 로봇의 위치 인식 및 주행 제어 방법과 이를 이용한 이동 로봇
KR102092392B1 (ko) 실 공간에서 관심지점 관련 정보를 자동으로 수집 및 업데이트하는 방법 및 시스템
KR20110134228A (ko) 영상 및 거리 데이터를 이용한 위치 인식 장치 및 방법
WO2018207426A1 (ja) 情報処理装置、情報処理方法、及びプログラム
Tamjidi et al. 6-DOF pose estimation of a portable navigation aid for the visually impaired
JP6410231B2 (ja) 位置合わせ装置、位置合わせ方法及び位置合わせ用コンピュータプログラム
WO2018228258A1 (zh) 一种移动电子设备以及该移动电子设备中的方法
KR102189926B1 (ko) 관심 영역 변화를 검출하는 방법 및 시스템
JP7354528B2 (ja) 自律移動装置、自律移動装置のレンズの汚れ検出方法及びプログラム
KR100949116B1 (ko) 이동 로봇의 위치 인식 및 지도 작성 방법

Legal Events

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

Payment date: 20180620

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190619

Year of fee payment: 5