KR101789217B1 - 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치 및 방법 - Google Patents

기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치 및 방법 Download PDF

Info

Publication number
KR101789217B1
KR101789217B1 KR1020150183947A KR20150183947A KR101789217B1 KR 101789217 B1 KR101789217 B1 KR 101789217B1 KR 1020150183947 A KR1020150183947 A KR 1020150183947A KR 20150183947 A KR20150183947 A KR 20150183947A KR 101789217 B1 KR101789217 B1 KR 101789217B1
Authority
KR
South Korea
Prior art keywords
map
feature point
point
mobile robot
feature
Prior art date
Application number
KR1020150183947A
Other languages
English (en)
Other versions
KR20170074542A (ko
Inventor
김성신
조현학
이한수
김은경
장은석
Original Assignee
부산대학교 산학협력단
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 부산대학교 산학협력단 filed Critical 부산대학교 산학협력단
Priority to KR1020150183947A priority Critical patent/KR101789217B1/ko
Publication of KR20170074542A publication Critical patent/KR20170074542A/ko
Application granted granted Critical
Publication of KR101789217B1 publication Critical patent/KR101789217B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003—Maps
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1671—Programme controls characterised by programming, planning systems for manipulators characterised by simulation, either to verify existing program or to create and verify new program, CAD/CAM oriented, graphic oriented programming systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1679—Programme controls characterised by the tasks executed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D5/00—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Mathematical Physics (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

본 발명은 무인 로봇이 오염된 공간이나, 특수 환경 등의 사람이 탐색하기 힘든 공간을 탐색(원자력 발전소 폭발 시, 심해 탐사, 오염 공간 등)하면서 맵을 생성하여 정보를 전달하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치 및 방법을 제공하기 위한 것으로서, 환경 인지센서에서 감지된 데이터 분석을 통해 추출된 기하학적 특징을 갖는 라인을 추출하여 현재 위치를 측정하는 제 1 위치 측정부와, 레이저 거리 측정기(Laser Range Finder), 엔코더(Encoder), 자이로스코프(Gyroscope) 중 적어도 하나의 센서에서 감지된 데이터를 확률론적 방법을 이용하여 모바일 로봇의 주행 데이터 분석하여 현재 위치를 측정하는 제 2 위치 측정부와, 상기 레이저 거리 측정기를 이용하여 판별된 주행 중인 모바일 로봇 주변의 동적 장애물을 이용하여 맵 환경에서 변경된 정적 장애물을 확인하는 장애물 판별부와, 상기 장애물 판별부에서 확인된 정적 장애물을 기반으로 후보 특징점을 검출한 후, 상기 제 1 위치 측정부 및 제 2 위치 측정부에서 측정되는 현재 위치를 이용하여 후보 특징점의 위치 정보에서 현재 특징점을 추출하는 특징점 추출부와, 기존의 맵과 상기 특징점 추출부에서 추출된 현재 특징점 간의 맵핑을 수행하여 맵을 생성하는 특징점 매핑부를 포함하여 구성되는데 있다.

Description

기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치 및 방법{Apparatus and Method for Building Indoor Map using Geometric Features and Probability Method}
본 발명은 미지의 환경을 무인로봇이 탐색하면서 해당 환경의 맵을 생성하는 SLAM의 기술에 관한 것으로, 특히 무인 로봇이 오염된 공간이나, 특수 환경 등의 사람이 탐색하기 힘든 공간을 탐색(원자력 발전소 폭발 시, 심해 탐사, 오염 공간 등)하면서 맵을 생성하여 정보를 전달하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치 및 방법에 관한 것이다.
환경인지 센서를 이용하여 주변 환경을 탐색할 수 이용하여 주변 환경을 탐색할 수 있는 기술/환경인지 센서의 데이터를 분석/해당 환경을 특징점으로 분류 방법/현재 위치측정 기술이 필요하다.
해당 기술은 SLAM 기술의 한 종류로 SLAM 기술은 크게 맵 생성 방법에 따라 성능이 좌우된다. 따라서 본 발명에서는 환경의 기구학적 특징과 센서의 확률론적 특징을 이용하여 맵 생성 및 매핑 위치측정 기술을 이용한 지도 생성에 관한 기술이다.
모바일 로봇이 주행을 하기 위해서는 유도라인 또는 위치측정이 선행 작업으로 필요하다. 특히 모바일 로봇이 자율 주행을 위해서는 위치측정이 필수적이다. 레이저 네비게이션(Laser Navigation), 스타게이져(Stargazer), 울트라사운드(Ultrasound) GPS 등 다양한 센서가 환경 내에서 모바일 로봇의 위치측정에 이용된다.
하지만, 이러한 경우에는 랜드마크 등의 추가적인 설치물이 필요하게 되며, 모바일 로봇이 주행해야할 환경의 정보가 없다면 이는 이용할 수 없다. 따라서 환경 정보를 모르는 경우에는 SLAM 알고리즘과 같은 환경 정보를 인식하고, 이를 바탕으로 휘치를 측정하는 방법이 이용된다.
환경의 맵을 생성 시에는 여러 환경을 인식하여, 인식된 맵을 연결을 하여야 한다. 하지만 모바일 로봇의 현재 위치를 계산할 시에 주변 환경의 크기가 작은 경우에는 문제가 되지 않을 수 있지만, 환경의 크기가 크고 분기점과 같은 특징점이 많은 환경에서는 계산 시간이 많이 걸리게 된다. 따라서 효율적으로 특징점을 줄일 수 있는 방법이 필요하다.
등록특허공보 제10-1539270호 (등록일자 2015.07.20) 등록특허공보 제10-0255022호 (등록일자 2000.02.09)
따라서 본 발명은 상기와 같은 문제점을 해결하기 위해 안출한 것으로서, 무인 로봇이 오염된 공간이나, 특수 환경 등의 사람이 탐색하기 힘든 공간을 탐색(원자력 발전소 폭발 시, 심해 탐사, 오염 공간 등)하면서 맵을 생성하여 정보를 전달하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치 및 방법을 제공하는데 그 목적이 있다.
본 발명의 다른 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치의 특징은 환경 인지센서에서 감지된 데이터 분석을 통해 추출된 기하학적 특징을 갖는 라인을 추출하여 현재 위치를 측정하는 제 1 위치 측정부와, 레이저 거리 측정기(Laser Range Finder), 엔코더(Encoder), 자이로스코프(Gyroscope) 중 적어도 하나의 센서에서 감지된 데이터를 확률론적 방법을 이용하여 모바일 로봇의 주행 데이터 분석하여 현재 위치를 측정하는 제 2 위치 측정부와, 상기 레이저 거리 측정기를 이용하여 판별된 주행 중인 모바일 로봇 주변의 동적 장애물을 이용하여 맵 환경에서 변경된 정적 장애물을 확인하는 장애물 판별부와, 상기 장애물 판별부에서 확인된 정적 장애물을 기반으로 후보 특징점을 검출한 후, 상기 제 1 위치 측정부 및 제 2 위치 측정부에서 측정되는 현재 위치를 이용하여 후보 특징점의 위치 정보에서 현재 특징점을 추출하는 특징점 추출부와, 기존의 맵과 상기 특징점 추출부에서 추출된 현재 특징점 간의 맵핑을 수행하여 맵을 생성하는 특징점 매핑부를 포함하여 구성되는데 있다.
바람직하게 상기 추출되는 특징점은 위치와 각도를 의미하며, 상기 각도는 특징점 집합의 중심을 기준으로 각 특징점이 회전된 각도인 것을 특징으로 한다.
바람직하게 상기 특징점 매핑부는 모바일 로봇을 기준으로 좌측과 우측을 분할하여 모바일 로봇이 회전 시 중복되는 특징점을 제거하는 제 1 제거부와, 모바일 로봇을 기준으로 360도 회전 시 중복되는 특징점을 제거하는 제 2 제거부와, 상기 제 1 제거부 및 제 2 제거부에서 제거된 특징점을 합쳐서 특징점 간의 맵핑을 수행하는 맵핑부를 포함하여 구성되는 것을 특징으로 한다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 방법의 특징은 (A) 기하학적 특징과 확률론적 기법을 이용하여 모바일 로봇의 주행 데이터를 분석하여 모바일 로봇의 현재 위치를 측정하는 단계와, (B) 레이저 거리 측정기를 이용하여 판별된 주행 중인 모바일 로봇 주변의 동적 장애물을 이용하여 맵 환경에서 변경된 정적 장애물을 기반으로 후보 특징점을 검출하고, 상기 측정되는 현재 위치를 이용하여 상기 검출된 후보 특징점의 위치 정보에서 현재 특징점을 생성하는 단계와, (C) 특징점 매핑부를 통해 기존의 맵과 상기 생성된 현재 특징점 간의 맵핑을 수행하여 기존의 특징점 재배치 또는 새로운 특징점을 추가하여 맵을 생성하는 단계를 포함하여 이루어지는데 있다.
바람직하게 상기 (A) 단계에서 상기 기하학적 특징 및 확률론적 기법을 이용한 모바일 로봇의 주행 데이터의 분석은 제 1 위치 측정부를 통해 환경 인지센서에서 감지된 데이터 분석을 통해 추출된 기하학적 특징을 갖는 라인을 추출하는 단계와, 제 2 위치 측정부를 통해 레이저 거리 측정기(Laser Range Finder), 엔코더(Encoder), 자이로스코프(Gyroscope)의 센서 중 적어도 하나에서 감지된 데이터를 기반으로 모바일 로봇의 운동 방정식에 의한 좌표를 확률론적 방법을 이용하여 분석하여 모바일 로봇의 현재 위치를 측정하는 단계를 포함하여 이루어지는 것을 특징으로 한다.
바람직하게 상기 (B) 단계는 (B1) 0~180도를 1도 간격으로 181개의 후보 특징점 위치 정보를 추출하는 단계와, (B2) 상기 후보 특징점 위치 정보 중 연속되는 1, 2번 데이터 추가하는 단계와, (B3) 초기 i 값을 3으로 정의하고, i 값을 1씩 증가시키며 i 값이 181보다 같거나 클 때까지 다음 단계를 반복하는 단계와, (B4) 상기 i 값이 181보다 작으면, i, j, j-1 3점이 이루는 각도가 수직인지를 판단하는 단계와, (B5) 상기 (B4)의 판단결과 각도가 수직이면, i, j점의 거리가 5cm 이하인지를 측정하는 단계와, (B6) 상기 (B5)의 측정결과 i, j점의 거리가 5cm 이하이면, i, j점의 평균점을 j의 특징점으로 설정하고, i, j점의 거리가 5cm를 초과하면, i점을 특징점으로 추가하는 단계와, (B7) 상기 (B4)의 판단결과 각도가 수직이 아니면, i, j, j-1 3점이 이루는 각도가 수평인지를 판단하는 단계와, (B8) 상기 (B7)의 판단결과 각도가 수평이면, j점 정보를 i점으로 갱신하는 단계와, (B9) 상기 (B7)의 판단결과 각도가 수평이 아니면, i, j점의 거리가 5cm 이상 차이가 발생하는지 측정하는 단계와, (B10) 상기 (B9)의 측정결과 i, j점의 거리가 5cm 이상이면, 임의의 수직점을 추가한 후, 추가된 수직점을 i점으로 하여 특징점으로 추가하고, 측정결과 i, j점의 거리가 5cm 미만이면, i점을 특징점으로 바로 추가하는 단계를 포함하여 이루어지며, 이때, 상기 i 는 현재 특징점으로 추출을 할지 말지를 결정할 점을 의미하는 인덱스를 나타내고, 상기 j는 후보 특징점 위치 정보 중 추가된 1번 데이터이고, 상기 j-1은 후보 특징점 위치 정보 중 추가된 2번 데이터인 것을 특징으로 한다.
바람직하게 상기 (B4) 단계에서 수직의 판별은 90-T <
Figure 112015125887113-pat00001
< 90+T 일 때, 수직으로 판단하며, 이때, 상기
Figure 112015125887113-pat00002
는 이동 로봇의 전방을 향하는 방향각이며, 상기 T는 미리 정의되는 여유 오류각인 것을 특징으로 한다.
바람직하게 상기 (B7) 단계에서 수평의 판별은 |
Figure 112015125887113-pat00003
| < T 일 때, 수평으로 판별하며, 이때, 상기
Figure 112015125887113-pat00004
는 이동 로봇의 전방을 향하는 방향각이고, 상기 T는 미리 정의되는 여유 오류각인 것을 특징으로 한다.
바람직하게 상기 (C) 단계는 (C1) 생성된 현재 특징점의 1번 프레임을 기존의 맵과 맵핑을 수행하는 단계와, (C2) 기존의 맵과 현재 프레임을 서로 비교하여 유사한 정보를 검색하는 단계와, (C3) 상기 (C2)의 검색결과, 유사한 정보가 검색되지 않으면 기존의 맵 정보에 진행 방향에 따라 현재 프레임을 추가하는 단계와, (C4) 상기 (C2)의 검색결과 유사한 정보로 검색되면, 기존의 맵 인덱스(I)가 기존의 맵 특징점 개수(Size1)보다 작거나(I<Size1) 또는 현재 프레임 인덱스(J)가 현재 프레임 특징점 개수(Size2)보다 작은지(J<Size2)를 판단하는 단계와, (C5) 상기 (C4)의 판단결과, 기존의 맵 인덱스(I)가 기존의 맵 특징점 개수(Size1)보다 작거나(I<Size1) 또는 현재 프레임 인덱스(J)가 현재 프레임 특징점 개수(Size2)보다 작은것(J<Size2)으로 판단되면, 새로운 맵 정보의 진행방향에 따라서 기존의 맵 정보를 새로운 맵에 추가하거나 또는 현재 프레임 정보를 새로운 맵 정보에 추가하는 단계를 포함하여 이루어지는 것을 특징으로 한다.
바람직하게 상기 (C5) 단계는 기존의 맵에서 직선상의 정보를 가지는 시작점과 끝점이 있으면 임의의 변수 A를 1로, 없으면 임의의 변수 A를 0으로 설정하는 단계와, 현재의 프레임에서 직선상의 정보를 가지는 시작점과 끝점이 있으면 임의의 변수 B를 1로, 없으면 임의의 변수 B를 0으로 설정하는 단계와, 상기 임의의 변수 A가 1이고, B가 1이면 끝점의 평균값을 새로운 맵 정보에 추가하고, 상기 임의의 변수 A가 1이고, B가 0이면 기존의 맵 점을 새로운 맵 정보에 추가하고, 상기 임의의 변수 A가 0이고, B가 0이면 현재 프레임 점을 새로운 맵 정보에 추가하고, 상기 임의의 변수 A가 0이고, B가 0이면 새로운 맵 정보에 추가하지 않는 단계를 포함하여 이루어지는 것을 특징으로 한다.
바람직하게 |
Figure 112015125887113-pat00005
|이 T보다 작으면 직선이고, |
Figure 112015125887113-pat00006
|이 T보다 크거나 같으면 직선이 아닌 것인 것을 특징으로 하며, 이때, 상기
Figure 112015125887113-pat00007
는 현재점(t), 이전점(t-1), 이이전점(t-2)의 각도인 것을 특징으로 한다.
바람직하게 상기 (C2) 단계에서 유사한 정보는 기준 1. Framet < 90, 기준 2. |(Mapd1 - Framed1)| < 15mm, |(Mapd2 - Framed2)| < 15mm, |(Mapd3 - Framed3)| < 15mm, 기준 3. |(Mapt - Framet)| < 1° 일 때, 상기 기준 1, 2, 3이 모두 해당되는 경우에 유사한 정보인 것을 특징으로 하며, 이때, 상기 Mapd1, Mapd2, Mapd3 및 Mapt는 맵의 특징점 3점간의 거리(d1, d2, d3) 및 각도(t)이고, 상기 Framed1, Framed2, Framed3 및 Framet는 현재 프레임에서 추출된 특징점의 3점간의 거리(d1, d2, d3) 및 각도(t)인 것을 특징으로 한다.
바람직하게 상기 (C) 단계는 맵 생성 시 모바일 로봇을 기준으로 좌측과 우측을 분할해서 모바일 로봇이 360도 미만으로 회전 시 중복되는 특징점을 제거하는 단계와, 맵 생성 시 모바일 로봇을 기준으로 모바일 로봇이 360도 회전한 경우에 중복되는 특징점을 제거하는 단계를 포함하여 이루어지는 것을 특징으로 한다.
바람직하게 상기 모바일 로봇이 360도 미만으로 회전 시 이동 로봇의 진행 방향에 따라서 겹치는 영역이 없는 경우는 좌측 또는 우측의 특징점을 제거하고, 겹치는 영역이 존재하는 경우는 합쳐서 중복되는 특징점을 제거하는 것을 특징으로 한다.
바람직하게 상기 모바일 로봇이 360도 회전한 경우에 중복되는 문제로 인해 특징점을 합칠 때, 시계 방향으로의 회전은 우측 특징점을 좌측 특징점으로 옮기고, 반시계 방향으로의 회전은 좌측 특징점을 우측 특징점으로 옮기는 것을 특징으로 한다.
이상에서 설명한 바와 같은 본 발명에 따른 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치 및 방법은 다음과 같은 효과가 있다.
첫째, 기학학적 특징과 확률론적 기법을 이용한 지도 생성 기술은 주변 환경의 기하학적 특징을 분석하여 효율적으로 맵을 생성하는 기술이며, 기하학적 특징과 확률론적 기법을 이용하여 모바일 로봇의 현재 위치를 정밀하게 측정할 수 있다.
둘째, 모바일 로봇의 유도를 위해서는 유선/무선 타입의 유도 시스템이 필요하지만, 환경의 조건에 따라 시스템을 이용할 수 없는 환경이 존재하며, 주변 환경의 외란 등에 의해 이용할 수 없는 경우에 해당 방법을 모바일 로봇에 적용할 수 있다. 예로서, 반도체 공장 등에서는 유선/무선 타입 사용이 불가능함으로 주변 환경을 인식하여 로봇을 유도해야 한다.
도 1 은 본 발명의 실시예에 따른 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치의 구성을 나타낸 블록도
도 2 는 도 1의 특징점 매핑부의 구성을 상세히 나타낸 블록도
도 3 은 본 발명의 실시예에 따른 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 방법을 설명하기 위한 흐름도
도 4 는 기하학적 특징 및 확률론적 기법을 이용한 모바일 로봇의 주행 데이터의 분석을 설명하기 위한 이동 로봇의 좌표계를 도시한 도면
도 5 는 도 3에서 현재 특징점을 추출하는 방법을 설명하기 위한 흐름도
도 6 은 도 3에서 기존의 맵과 현재 추출된 특징점 간의 맵핑을 수행하는 과정을 설명하기 위한 흐름도
도 7(a)(b)는 도 3에서 중복되는 문제로 인해 모바일 로봇이 360도 미만으로 회전 시 중복되는 특징점을 제거하는 방법을 설명하기 위한 도면
도 8(a)(b)는 도 3에서 중복되는 문제로 인해 모바일 로봇이 360도로 회전 시 중복되는 특징점을 제거하는 방법을 설명하기 위한 도면
도 9 는 도 8에서 중복되는 문제로 인해 특징점을 합칠 때, 8가지 방향으로 분류하여 특징점을 옮기는 예시를 나타낸 도면
도 10 은 도 6에서 기존의 맵의 특징점과 추출된 특징점 간의 유사한 정보로 판별하는 기준을 설명하기 위한 도면
본 발명의 다른 목적, 특성 및 이점들은 첨부한 도면을 참조한 실시예들의 상세한 설명을 통해 명백해질 것이다.
본 발명에 따른 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치 및 방법의 바람직한 실시예에 대하여 첨부한 도면을 참조하여 설명하면 다음과 같다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예는 본 발명의 개시가 완전하도록하며 통상의 지식을 가진자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
도 1 은 본 발명의 실시예에 따른 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치의 구성을 나타낸 블록도이다.
도 1에서 도시하고 있는 것과 같이, 환경 인지센서에서 감지된 데이터 분석을 통해 추출된 기하학적 특징을 갖는 라인을 추출하여 현재 위치를 측정하는 제 1 위치 측정부(10)와, 레이저 거리 측정기(Laser Range Finder), 엔코더(Encoder), 자이로스코프(Gyroscope) 등의 센서에서 감지된 데이터를 확률론적 방법을 이용하여 모바일 로봇의 주행 데이터 분석하여 현재 위치를 측정하는 제 2 위치 측정부(20)와, 상기 레이저 거리 측정기를 이용하여 판별된 주행 중인 모바일 로봇 주변의 동적 장애물을 이용하여 맵 환경에서 변경된 정적 장애물을 확인하는 장애물 판별부(30)와, 상기 장애물 판별부(30)에서 확인된 정적 장애물을 기반으로 후보 특징점을 검출한 후, 상기 제 1 위치 측정부(10) 및 제 2 위치 측정부(20)에서 측정되는 현재 위치를 이용하여 후보 특징점의 위치 정보에서 현재 특징점을 추출하는 특징점 추출부(40)와, 기존의 맵과 상기 특징점 추출부(40)에서 추출된 현재 특징점 간의 맵핑을 수행하여 맵을 생성하는 특징점 매핑부(50)로 구성된다.
이때, 상기 특징점 매핑부(50)는 도 2에서 도시하고 있는 것과 같이, 모바일 로봇을 기준으로 좌측과 우측을 분할하여 모바일 로봇이 회전 시 중복되는 특징점을 제거하는 제 1 제거부(51)와, 모바일 로봇을 기준으로 360도 회전 시 중복되는 특징점을 제거하는 제 2 제거부(52)와, 상기 제 1 제거부(51) 및 제 2 제거부(52)에서 제거된 특징점을 합쳐서 특징점 간의 맵핑을 수행하는 맵핑부(53)로 구성된다.
그리고 상기 추출되는 특징점은 위치와 각도를 의미하며, 상기 각도는 특징점 집합의 중심을 기준으로 각 특징점이 회전된 각도를 말한다.
이와 같이 구성된 본 발명에 따른 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치의 동작을 첨부한 도면을 참조하여 상세히 설명하면 다음과 같다. 도 1 또는 도 2와 동일한 참조부호는 동일한 기능을 수행하는 동일한 부재를 지칭한다.
도 3 은 본 발명의 실시예에 따른 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 방법을 설명하기 위한 흐름도이다.
도 3을 참조하여 설명하면, 먼저 기하학적 특징과 확률론적 기법을 이용하여 모바일 로봇의 주행 데이터를 분석하여 모바일 로봇의 현재 위치를 측정한다(S100).
이때, 상기 기하학적 특징 및 확률론적 기법을 이용한 모바일 로봇의 주행 데이터의 분석은 제 1 위치 측정부(10)를 통해 환경 인지센서에서 감지된 데이터 분석을 통해 추출된 기하학적 특징을 갖는 라인을 추출한 후, 제 2 위치 측정부(20)를 통해 레이저 거리 측정기(Laser Range Finder), 엔코더(Encoder), 자이로스코프(Gyroscope) 등의 센서에서 감지된 데이터를 기반으로 모바일 로봇의 운동 방정식에 의한 좌표를 확률론적 방법을 이용하여 분석하여 모바일 로봇의 현재 위치를 측정하게 된다.
도면을 참조하여 좀 더 상세히 설명하면 다음과 같다.
도 4 는 상기 기하학적 특징 및 확률론적 기법을 이용한 모바일 로봇의 주행 데이터의 분석을 설명하기 위한 이동 로봇의 좌표계를 도시한 도면이다. 이때, X1-Y1 좌표계 시스템은 이동 로봇의 외관에 관한 기준을 가지는 절대 좌표계 시스템이다. 그리고 X1-Y1 좌표계 시스템에서 시작은 이동 로봇의 원점이고, X2 축은 이동 로봇의 방향이다. 참고로 도 4에서 나타내고 있는 이동 로봇은 설명을 위해 간략하게 만든 일 실시예로서, 이에 한정되지는 않는다.
도 4를 참조하여 설명하면, 이동 로봇의 자세(P)는 다음 수학식 1과 같이 정의할 수 있다.
Figure 112015125887113-pat00008
이때, 상기
Figure 112015125887113-pat00009
는 이동 로봇에 대한 원점의 좌표이며, 상기
Figure 112015125887113-pat00010
는 이동 로봇의 전방을 향하는 방향각이다.
한편, 이동 로봇의 바퀴 모두의 각속도를
Figure 112015125887113-pat00011
라고 할 때, 좌우 바퀴의 속도(
Figure 112015125887113-pat00012
)(
Figure 112015125887113-pat00013
)로는 다음 수학식 2로 계산된다.
Figure 112015125887113-pat00014
상기 수학식 2에 따르면, 상기
Figure 112015125887113-pat00015
과
Figure 112015125887113-pat00016
은 좌우 바퀴 각각의 선속도이다. 그리고 바퀴의 반지름이
Figure 112015125887113-pat00017
이라 할 때, 각속도(
Figure 112015125887113-pat00018
)와 바퀴의 속도(
Figure 112015125887113-pat00019
)는 다음 수학식 3과 같이 계산할 수 있다.
Figure 112015125887113-pat00020
이때, 상기
Figure 112015125887113-pat00021
는 이동 로봇의 중심에 대한 선속도이고, 상기
Figure 112015125887113-pat00022
은 좌우 바퀴간의 거리를 나타낸다.
상기 수학식 3과 연관된 2-D 평면을 운동 방정식에 의한 좌표로 나타내면 다음 수학식 4와 같이 나타낼 수 있다.
Figure 112015125887113-pat00023
그리고 이렇게 분석된 결과를 이용하여 모바일 로봇의 현재 위치를 측정한다.
즉, 다음 수학식 5 내지 수학식 9는 모바일 로봇의 현재 위치를 계산하기 위한 수식이다.
Figure 112015125887113-pat00024
Figure 112015125887113-pat00025
Figure 112015125887113-pat00026
Figure 112015125887113-pat00027
수학식 8에서처럼, 상기
Figure 112015125887113-pat00028
는 갱신되게 된다.
상기 수학식 5에서 LMS는 레이저 거리 측정기(Laser Range Finder)를 의미하며, 이에 따라 상기
Figure 112015125887113-pat00029
는 LMS의 정면을 기준으로 0~180도 측정하였을 때에 해당 각도를 의미하고, 상기
Figure 112015125887113-pat00030
는 해당 각도에서 장애물 또는 환경을 인지한 물체(특징점)까지의 거리를 의미한다. 즉, 수학식 10에서 Lengthi가
Figure 112015125887113-pat00031
와 같으면,
Figure 112015125887113-pat00032
i가
Figure 112015125887113-pat00033
와 같다. 그리고 상기 Feature는 특징점을 의미하며, 이에 따라 상기
Figure 112015125887113-pat00034
및 상기
Figure 112015125887113-pat00035
는 전체 맵 환경에서 특징점의 x좌표 및 y좌표를 의미한다. 이때, 해당 값은 수학식 10을 이용해 계산되며, Ix가
Figure 112015125887113-pat00036
, Iy가
Figure 112015125887113-pat00037
를 의미한다. 또한 상기
Figure 112015125887113-pat00038
는 해당 특징점을 계측할 당시에 모바일 로봇의 각도를 의미한다.
그리고 상기 수학식 6, 7, 8을 이용하여 모바일 로봇의 현재 위치정보(
Figure 112015125887113-pat00039
)는 다음 수학식 9와 같이 계산할 수 있다.
Figure 112015125887113-pat00040
이어, 레이저 거리 측정기를 이용하여 판별된 주행 중인 모바일 로봇 주변의 동적 장애물을 이용하여 맵 환경에서 변경된 정적 장애물을 기반으로 후보 특징점을 검출하고, 상기 측정되는 현재 위치를 이용하여 상기 검출된 후보 특징점의 위치 정보에서 현재 특징점을 생성한다(S200).
도 5 는 현재 특징점을 추출하는 방법을 설명하기 위한 흐름도로서, 도 5를 참조하여 설명하면, 먼저 0~180도를 1도 간격으로 181개의 후보 특징점 위치 정보를 추출한다(S201).
그리고 상기 후보 특징점 위치 정보 중 연속되는 1, 2번 데이터 추가한 후(S202), 초기 i 값을 3으로 정의하고, i 값을 1씩 증가시키며 i 값이 181보다 같거나 클 때까지 다음 단계를 반복한다(S203). 이때, 상기 i 는 i 번째 각도를 나타낸다.
즉, i 값이 181보다 작으면(S203), i, j, j-1 3점이 이루는 각도가 수직인지를 판단한다(S204). 이때, 상기 수직의 판별은 90-T <
Figure 112015125887113-pat00041
< 90+T 일 때, 수직으로 판단한다. 한편, 상기
Figure 112015125887113-pat00042
는 이동 로봇의 전방을 향하는 방향각이며, 상기 j는 후보 특징점 위치 정보 중 추가된 1번 데이터이고, 상기 j-1은 후보 특징점 위치 정보 중 추가된 2번 데이터이다. 그리고 상기 T는 미리 정의되는 여유 오류각으로서, 그 값이 약 15인 것이 바람직하다.
이때, 상기 판단결과(S204) 도 11에서 도시하고 있는 것과 같이 각도가 수직인 경우는 i, j점의 거리가 5cm 이하인지를 측정한다(S205).
상기 i, j점의 거리를 측정하는 방법을 도면을 참조하여 상세히 설명하면 다음과 같다.
즉, 도 11에서 도시하고 있는 레이저 계측기는 0~180도까지의 181개의 거리 값을 출력으로 가진다. 이때, 레이저 계측기를 기준으로 우측에서 좌측으로 0~180도(1도 간격) 마다 물체까지의 거리를 계측하여 해당 값을 전송한다.
이러한 경우에 물체의 좌표값은 다음 수학식 10과 같이 계산된다.
Figure 112015125887113-pat00043
이때, i와 j의 유클라디안 거리가 i와 j점의 거리를 의미한다.
특징점을 추출할 시에 0도부터 180도까지 순차적으로 진행하게 되며, j의 의미는 해당 i번째 이전에 특징점으로 추출된 점을 의미하는 인덱스이다. i는 현재 특징점으로 추출을 할지 말지를 결정할 점을 의미하는 인덱스이다. 특징점 추출은 3개의 점을 이용하기 때문에, 0도, 1도의 값은 초기 설정값으로 무조건 추가한다.
예를 들어, 특징점 추출 시 초기에는 0도와 1도의 값은 추가되어 있기 때문에, i : 2, j : 1, -j : 0번째의 값으로 시작하게 되며, 3개의 점이 이루는 각도를 이용하여 특징점을 추출하게 된다.
이때, 3점이 이루는 각도가 수평에 가깝다면, i점은 특징점으로 추출되지 않고 다음으로 넘어가게 된다. 다음 점으로 넘어갈 때 i : 3, j : 1, -j : 0으로 설정된다.
또한, 3점이 이루는 각도가 수직에 가깝다면, i점은 특징점으로 추가되고 다음으로 넘어가게 된다. 다음 점으로 넘어갈 때 i : 3, j : 2, -j : 1로 설정된다.
따라서, 상기 측정결과(S205) i, j점의 거리가 5cm 이하이면, i, j점의 평균점을 j의 특징점으로 설정하고(S206), i, j점의 거리가 5cm를 초과하면, i점을 특징점으로 추가한다(S207).
한편, 상기 판단결과(S204) 각도가 수직이 아닌 경우는 다시 i, j, j-1 3점이 이루는 각도가 수평인지를 판단한다(S208). 이때, 상기 수평의 판별은 |
Figure 112015125887113-pat00044
| < T 일 때, 수평으로 판별한다. 이때, 상기
Figure 112015125887113-pat00045
는 이동 로봇의 전방을 향하는 방향각이고, 상기 T는 미리 정의되는 여유 오류각으로서, 그 값이 약 15인 것이 바람직하다.
그리고 상기 판단결과(S208) 각도가 수평인 경우는 j점 정보를 i점으로 갱신한다(S209).
또한 상기 판단결과(S208) 각도가 수평이 아닌 경우는 i, j점의 거리가 5cm 이상 차이가 발생하는지 측정한다(S210).
그리고 측정결과(S210) i, j점의 거리가 5cm 이상이면, 임의의 수직점을 추가한 후(S211), 추가된 수직점을 i점으로 하여 특징점으로 추가한다(S212). 또한 i, j점의 거리가 5cm 미만이면, i점을 특징점으로 바로 추가한다(S212).
한편, 상기 1씩 증가되는 i 값이 181보다 같거나 크면 다음 단계를 종료한다.
이와 같은 방법으로 현재 특징점의 생성이 완료되면(S200), 특징점 매핑부(50)를 통해 기존의 맵과 상기 추출된 현재 특징점 간의 맵핑을 수행하여 기존의 특징점 재배치 또는 새로운 특징점을 추가하여 맵을 생성한다(S300).
도 6 은 기존의 맵과 현재 추출된 특징점 간의 맵핑을 수행하는 과정을 설명하기 위한 흐름도이다.
도 6을 참조하여 설명하면, 먼저 추출된 현재 특징점의 1번 프레임을 기존의 맵과 무조건 맵핑을 수행한다(S310).
이어, 기존의 맵과 현재 프레임을 서로 비교하여 유사한 정보를 검색한 후(S320), 유사한 정보가 검색되지 않으면 기존의 맵 정보에 진행 방향에 따라 현재 프레임을 추가한다(S340).
이때, 기존의 맵의 특징점과 추출된 특징점 간의 유사한 정보로 판별하는 기준은 도 10을 참조하여 설명하면 다음과 같다.
먼저 맵의 특징점 3점간의 거리(d1, d2, d3) 및 각도(t)를 각각 Mapd1, Mapd2, Mapd3 및 Mapt라고 정의하고, 현재 프레임에서 추출된 특징점의 3점간의 거리 및 각도를 각각 Framed1, Framed2, Framed3 및 Framet라고 정의한다.
이때, 다음 기준 3가지에 모두 해당하는 시에 유사한 정보인 것으로 판별한다.
기준 1. Framet < 90
기준 2. |(Mapd1 - Framed1)| < 15mm
|(Mapd2 - Framed2)| < 15mm
|(Mapd3 - Framed3)| < 15mm
기준 3. |(Mapt - Framet)| < 1°
그리고 상기 검색결과 유사한 정보로 검색되면(S330), 기존의 맵 인덱스(I)가 기존의 맵 특징점 개수(Size1)보다 작거나(I<Size1) 또는 현재 프레임 인덱스(J)가 현재 프레임 특징점 개수(Size2)보다 작은지(J<Size2)를 판단한다(S350).
상기 판단결과(S350), 기존의 맵 인덱스(I)가 기존의 맵 특징점 개수(Size1)보다 작거나(I<Size1) 또는 현재 프레임 인덱스(J)가 현재 프레임 특징점 개수(Size2)보다 작은것(J<Size2)으로 판단되면, 새로운 맵 정보의 진행방향에 따라서 기존의 맵 정보를 새로운 맵에 추가하거나 또는 현재 프레임 정보를 새로운 맵 정보에 추가한다(S360).
상기 S360 단계를 좀 더 상세히 설명하면, 먼저 기존의 맵에서 직선상의 정보를 가지는 시작점과 끝점이 있으면 임의의 변수 A를 1로, 없으면 임의의 변수 A를 0으로 설정한다(S361). 그리고 현재의 프레임에서 직선상의 정보를 가지는 시작점과 끝점이 있으면 임의의 변수 B를 1로, 없으면 임의의 변수 B를 0으로 설정한다(S362).
이때, |
Figure 112015125887113-pat00046
|이 T보다 작으면 직선이고, |
Figure 112015125887113-pat00047
|이 T보다 크거나 같으면 직선이 아닌 것으로 정의된다. 그리고 상기
Figure 112015125887113-pat00048
는 현재점(t), 이전점(t-1), 이이전점(t-2)의 각도를 나타낸다.
이어, 상기 임의의 변수 A가 1이고, B가 1이면 끝점의 평균값을 새로운 맵 정보에 추가하고, 상기 임의의 변수 A가 1이고, B가 0이면 기존의 맵 점을 새로운 맵 정보에 추가하고, 상기 임의의 변수 A가 0이고, B가 0이면 현재 프레임 점을 새로운 맵 정보에 추가하고, 상기 임의의 변수 A가 0이고, B가 0이면 새로운 맵 정보에 추가하지 않는다(S363).
한편, 상기 맵 생성 시 모바일 로봇을 기준으로 좌측과 우측을 분할해서 맵을 생성하기 때문에 모바일 로봇이 360도 미만으로 회전 시 중복되는 도 7에서 도시하고 있는 것과 같이 특징점을 제거하여야 한다.
도 7(a)(b)에서 도시하고 있는 것과 같이, 중복되는 문제로 인해 특징점 제거 또는 좌측 특징점의 정보를 우측 특징점의 정보로 이용하는 방식으로, 모바일 로봇이 360도 미만으로 회전 시 중복되는 특징점을 제거한다. 이때, 도 7(a)는 좌측 특징점을 나타낸 도면이고, 도 7(b)는 우측 특징점을 나타낸 도면이다.
즉, 이동 로봇의 진행 방향에 따라서 겹치는 영역이 없는 경우는 좌측 또는 우측의 특징점을 제거하고, 겹치는 영역이 존재하는 경우는 합쳐서 중복되는 특징점을 제거한다.
또한, 상기 맵 생성 시 모바일 로봇을 기준으로 모바일 로봇이 360도 회전한 경우에도 도 8에서 도시하고 있는 것과 같이 중복되는 특징점을 제거한다. 이때, 도 8(a)는 좌측 특징점을 나타낸 도면이고, 도 8(b)는 우측 특징점을 나타낸 도면이다.
즉, 도 9에서 도시하고 있는 것과 같이 중복되는 문제로 인해 특징점을 합칠 때, 8가지 방향으로 분류하여 특징점을 옮긴다. 먼저, 1,2,3,4의 방향은 우측 특징점을 좌측 특징점으로 옮기고, 5,6,7,8의 방향은 좌측 특징점을 우측 특징점으로 옮긴다.
상기에서 설명한 본 발명의 기술적 사상은 바람직한 실시예에서 구체적으로 기술되었으나, 상기한 실시예는 그 설명을 위한 것이며 그 제한을 위한 것이 아님을 주의하여야 한다. 또한, 본 발명의 기술적 분야의 통상의 지식을 가진자라면 본 발명의 기술적 사상의 범위 내에서 다양한 실시예가 가능함을 이해할 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (15)

  1. 환경 인지센서에서 감지된 데이터 분석을 통해 추출된 기하학적 특징을 갖는 라인을 추출하여 현재 위치를 측정하는 제 1 위치 측정부와,
    레이저 거리 측정기(Laser Range Finder), 엔코더(Encoder), 자이로스코프(Gyroscope) 중 적어도 하나의 센서에서 감지된 데이터를 확률론적 방법을 이용하여 모바일 로봇의 주행 데이터 분석하여 현재 위치를 측정하는 제 2 위치 측정부와,
    상기 레이저 거리 측정기를 이용하여 판별된 주행 중인 모바일 로봇 주변의 동적 장애물을 이용하여 맵 환경에서 변경된 정적 장애물을 확인하는 장애물 판별부와,
    상기 장애물 판별부에서 확인된 정적 장애물을 기반으로 후보 특징점을 검출한 후, 상기 제 1 위치 측정부 및 제 2 위치 측정부에서 측정되는 현재 위치를 이용하여 후보 특징점의 위치 정보에서 현재 특징점을 추출하는 특징점 추출부와,
    기존의 맵과 상기 특징점 추출부에서 추출된 현재 특징점 간의 맵핑을 수행하여 맵을 생성하는 특징점 매핑부를 포함하여 구성되는 것을 특징으로 하고,
    이때, 상기 특징점 추출부에서 추출되는 특징점은 위치와 각도를 의미하며, 상기 각도는 특징점 집합의 중심을 기준으로 각 특징점이 회전된 각도인 것을 특징으로 하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치.
  2. 삭제
  3. 제 1 항에 있어서, 상기 특징점 매핑부는
    모바일 로봇을 기준으로 좌측과 우측을 분할하여 모바일 로봇이 회전 시 중복되는 특징점을 제거하는 제 1 제거부와,
    모바일 로봇을 기준으로 360도 회전 시 중복되는 특징점을 제거하는 제 2 제거부와,
    상기 제 1 제거부 및 제 2 제거부에서 제거된 특징점을 합쳐서 특징점 간의 맵핑을 수행하는 맵핑부를 포함하여 구성되는 것을 특징으로 하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치.
  4. (A) 기하학적 특징과 확률론적 기법을 이용하여 모바일 로봇의 주행 데이터를 분석하여 모바일 로봇의 현재 위치를 측정하는 단계와,
    (B) 레이저 거리 측정기를 이용하여 판별된 주행 중인 모바일 로봇 주변의 동적 장애물을 이용하여 맵 환경에서 변경된 정적 장애물을 기반으로 후보 특징점을 검출하고, 상기 측정되는 현재 위치를 이용하여 상기 검출된 후보 특징점의 위치 정보에서 현재 특징점을 생성하는 단계와,
    (C) 특징점 매핑부를 통해 기존의 맵과 상기 생성된 현재 특징점 간의 맵핑을 수행하여 기존의 특징점 재배치 또는 새로운 특징점을 추가하여 맵을 생성하는 단계를 포함하여 이루어지고,
    이때, 상기 (B) 단계는
    (B1) 0~180도를 1도 간격으로 181개의 후보 특징점 위치 정보를 추출하는 단계와,
    (B2) 상기 후보 특징점 위치 정보 중 연속되는 1, 2번 데이터 추가하는 단계와,
    (B3) 초기 i 값을 3으로 정의하고, i 값을 1씩 증가시키며 i 값이 181보다 같거나 클 때까지 다음 단계를 반복하는 단계와,
    (B4) 상기 i 값이 181보다 작으면, i, j, j-1 3점이 이루는 각도가 수직인지를 판단하는 단계와,
    (B5) 상기 (B4)의 판단결과 각도가 수직이면, i, j점의 거리가 5cm 이하인지를 측정하는 단계와,
    (B6) 상기 (B5)의 측정결과 i, j점의 거리가 5cm 이하이면, i, j점의 평균점을 j의 특징점으로 설정하고, i, j점의 거리가 5cm를 초과하면, i점을 특징점으로 추가하는 단계와,
    (B7) 상기 (B4)의 판단결과 각도가 수직이 아니면, i, j, j-1 3점이 이루는 각도가 수평인지를 판단하는 단계와,
    (B8) 상기 (B7)의 판단결과 각도가 수평이면, j점 정보를 i점으로 갱신하는 단계와,
    (B9) 상기 (B7)의 판단결과 각도가 수평이 아니면, i, j점의 거리가 5cm 이상 차이가 발생하는지 측정하는 단계와,
    (B10) 상기 (B9)의 측정결과 i, j점의 거리가 5cm 이상이면, 임의의 수직점을 추가한 후, 추가된 수직점을 i점으로 하여 특징점으로 추가하고, 측정결과 i, j점의 거리가 5cm 미만이면, i점을 특징점으로 바로 추가하는 단계를 포함하여 이루어지며,
    이때, 상기 i 는 현재 특징점으로 추출을 할지 말지를 결정할 점을 의미하는 인덱스를 나타내고, 상기 j는 후보 특징점 위치 정보 중 추가된 1번 데이터이고, 상기 j-1은 후보 특징점 위치 정보 중 추가된 2번 데이터인 것을 특징으로 하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 방법.
  5. 제 4 항에 있어서,
    상기 (A) 단계에서 상기 기하학적 특징 및 확률론적 기법을 이용한 모바일 로봇의 주행 데이터의 분석은
    제 1 위치 측정부를 통해 환경 인지센서에서 감지된 데이터 분석을 통해 추출된 기하학적 특징을 갖는 라인을 추출하는 단계와,
    제 2 위치 측정부를 통해 레이저 거리 측정기(Laser Range Finder), 엔코더(Encoder), 자이로스코프(Gyroscope)의 센서 중 적어도 하나에서 감지된 데이터를 기반으로 모바일 로봇의 운동 방정식에 의한 좌표를 확률론적 방법을 이용하여 분석하여 모바일 로봇의 현재 위치를 측정하는 단계를 포함하여 이루어지는 것을 특징으로 하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 방법.
  6. 삭제
  7. 제 4 항에 있어서,
    상기 (B4) 단계에서 수직의 판별은 90-T <
    Figure 112017036755222-pat00049
    < 90+T 일 때, 수직으로 판단하며,
    이때, 상기
    Figure 112017036755222-pat00050
    는 이동 로봇의 전방을 향하는 방향각이며, 상기 T는 미리 정의되는 여유 오류각인 것을 특징으로 하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 방법.
  8. 제 4 항에 있어서,
    상기 (B7) 단계에서 수평의 판별은 |
    Figure 112017036755222-pat00051
    | < T 일 때, 수평으로 판별하며,
    이때, 상기
    Figure 112017036755222-pat00052
    는 이동 로봇의 전방을 향하는 방향각이고, 상기 T는 미리 정의되는 여유 오류각인 것을 특징으로 하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 방법.
  9. 제 4 항에 있어서, 상기 (C) 단계는
    (C1) 생성된 현재 특징점의 1번 프레임을 기존의 맵과 맵핑을 수행하는 단계와,
    (C2) 기존의 맵과 현재 프레임을 서로 비교하여 유사한 정보를 검색하는 단계와,
    (C3) 상기 (C2)의 검색결과, 유사한 정보가 검색되지 않으면 기존의 맵 정보에 진행 방향에 따라 현재 프레임을 추가하는 단계와,
    (C4) 상기 (C2)의 검색결과 유사한 정보로 검색되면, 기존의 맵 인덱스(I)가 기존의 맵 특징점 개수(Size1)보다 작거나(I<Size1) 또는 현재 프레임 인덱스(J)가 현재 프레임 특징점 개수(Size2)보다 작은지(J<Size2)를 판단하는 단계와,
    (C5) 상기 (C4)의 판단결과, 기존의 맵 인덱스(I)가 기존의 맵 특징점 개수(Size1)보다 작거나(I<Size1) 또는 현재 프레임 인덱스(J)가 현재 프레임 특징점 개수(Size2)보다 작은것(J<Size2)으로 판단되면, 새로운 맵 정보의 진행방향에 따라서 기존의 맵 정보를 새로운 맵에 추가하거나 또는 현재 프레임 정보를 새로운 맵 정보에 추가하는 단계를 포함하여 이루어지는 것을 특징으로 하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 방법.
  10. 제 9 항에 있어서, 상기 (C5) 단계는
    기존의 맵에서 직선상의 정보를 가지는 시작점과 끝점이 있으면 임의의 변수 A를 1로, 없으면 임의의 변수 A를 0으로 설정하는 단계와,
    현재의 프레임에서 직선상의 정보를 가지는 시작점과 끝점이 있으면 임의의 변수 B를 1로, 없으면 임의의 변수 B를 0으로 설정하는 단계와,
    상기 임의의 변수 A가 1이고, B가 1이면 끝점의 평균값을 새로운 맵 정보에 추가하고, 상기 임의의 변수 A가 1이고, B가 0이면 기존의 맵 점을 새로운 맵 정보에 추가하고, 상기 임의의 변수 A가 0이고, B가 0이면 현재 프레임 점을 새로운 맵 정보에 추가하고, 상기 임의의 변수 A가 0이고, B가 0이면 새로운 맵 정보에 추가하지 않는 단계를 포함하여 이루어지는 것을 특징으로 하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 방법.
  11. 제 10 항에 있어서,
    |
    Figure 112015125887113-pat00053
    |이 T보다 작으면 직선이고, |
    Figure 112015125887113-pat00054
    |이 T보다 크거나 같으면 직선이 아닌 것인 것을 특징으로 하며,
    이때, 상기
    Figure 112015125887113-pat00055
    는 현재점(t), 이전점(t-1), 이이전점(t-2)의 각도인 것을 특징으로 하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 방법.
  12. 제 9 항에 있어서, 상기 (C2) 단계에서 유사한 정보는
    기준 1. Framet < 90
    기준 2. |(Mapd1 - Framed1)| < 15mm
    |(Mapd2 - Framed2)| < 15mm
    |(Mapd3 - Framed3)| < 15mm
    기준 3. |(Mapt - Framet)| < 1° 일 때,
    상기 기준 1, 2, 3이 모두 해당되는 경우에 유사한 정보인 것을 특징으로 하며,
    이때, 상기 Mapd1, Mapd2, Mapd3 및 Mapt는 맵의 특징점 3점간의 거리(d1, d2, d3) 및 각도(t)이고,
    상기 Framed1, Framed2, Framed3 및 Framet는 현재 프레임에서 추출된 특징점의 3점간의 거리(d1, d2, d3) 및 각도(t)인 것을 특징으로 하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 방법.
  13. 제 4 항에 있어서, 상기 (C) 단계는
    맵 생성 시 모바일 로봇을 기준으로 좌측과 우측을 분할해서 모바일 로봇이 360도 미만으로 회전 시 중복되는 특징점을 제거하는 단계와,
    맵 생성 시 모바일 로봇을 기준으로 모바일 로봇이 360도 회전한 경우에 중복되는 특징점을 제거하는 단계를 포함하여 이루어지는 것을 특징으로 하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 방법.
  14. 제 13 항에 있어서,
    상기 모바일 로봇이 360도 미만으로 회전 시 이동 로봇의 진행 방향에 따라서 겹치는 영역이 없는 경우는 좌측 또는 우측의 특징점을 제거하고, 겹치는 영역이 존재하는 경우는 합쳐서 중복되는 특징점을 제거하는 것을 특징으로 하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 방법.
  15. 제 13 항에 있어서,
    상기 모바일 로봇이 360도 회전한 경우에 중복되는 문제로 인해 특징점을 합칠 때, 시계 방향으로의 회전은 우측 특징점을 좌측 특징점으로 옮기고, 반시계 방향으로의 회전은 좌측 특징점을 우측 특징점으로 옮기는 것을 특징으로 하는 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 방법.
KR1020150183947A 2015-12-22 2015-12-22 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치 및 방법 KR101789217B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150183947A KR101789217B1 (ko) 2015-12-22 2015-12-22 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150183947A KR101789217B1 (ko) 2015-12-22 2015-12-22 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20170074542A KR20170074542A (ko) 2017-06-30
KR101789217B1 true KR101789217B1 (ko) 2017-10-23

Family

ID=59279467

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150183947A KR101789217B1 (ko) 2015-12-22 2015-12-22 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101789217B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200066881A (ko) * 2018-12-03 2020-06-11 전자부품연구원 실내상황 통합제어 시스템 및 방법

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3527938A1 (en) * 2018-02-15 2019-08-21 Leica Geosystems AG Distance measuring system with layout generation functionality
KR102296908B1 (ko) 2019-03-19 2021-09-02 한국전자통신연구원 특징점 지도 관리방법 및 장치
CN111337941B (zh) * 2020-03-18 2022-03-04 中国科学技术大学 一种基于稀疏激光雷达数据的动态障碍物追踪方法
CN114683270A (zh) * 2020-12-30 2022-07-01 深圳乐动机器人有限公司 一种基于机器人的构图信息采集方法及机器人系统
CN113075933B (zh) * 2021-03-30 2023-08-29 北京布科思科技有限公司 机器人通行控制方法和装置及设备
KR20240020880A (ko) * 2022-08-09 2024-02-16 삼성전자주식회사 마스크 맵을 이용하여 주행을 수행하는 로봇 및 그의 주행 방법
KR20240032216A (ko) * 2022-08-31 2024-03-12 삼성전자주식회사 전자 장치 및 그 제어 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101503903B1 (ko) * 2008-09-16 2015-03-19 삼성전자 주식회사 이동 로봇의 지도 구성 장치 및 방법
KR101539270B1 (ko) * 2015-02-27 2015-07-24 군산대학교산학협력단 충돌회피 및 자율주행을 위한 센서융합 기반 하이브리드 반응 경로 계획 방법, 이를 수행하기 위한 기록 매체 및 이동로봇

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101503903B1 (ko) * 2008-09-16 2015-03-19 삼성전자 주식회사 이동 로봇의 지도 구성 장치 및 방법
KR101539270B1 (ko) * 2015-02-27 2015-07-24 군산대학교산학협력단 충돌회피 및 자율주행을 위한 센서융합 기반 하이브리드 반응 경로 계획 방법, 이를 수행하기 위한 기록 매체 및 이동로봇

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200066881A (ko) * 2018-12-03 2020-06-11 전자부품연구원 실내상황 통합제어 시스템 및 방법
KR102125759B1 (ko) * 2018-12-03 2020-06-23 전자부품연구원 실내상황 통합제어 시스템 및 방법

Also Published As

Publication number Publication date
KR20170074542A (ko) 2017-06-30

Similar Documents

Publication Publication Date Title
KR101789217B1 (ko) 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치 및 방법
Wang et al. Keyframe based large-scale indoor localisation using geomagnetic field and motion pattern
KR101311100B1 (ko) 천장 임의 형상 특성 활용 이동 로봇 위치 인식 방법
KR101439921B1 (ko) 비젼 센서 정보와 모션 센서 정보를 융합한 모바일 로봇용 ｓｌａｍ 시스템
JP2017223511A (ja) 道路構造化装置、道路構造化方法、及び道路構造化プログラム
KR20120046974A (ko) 이동 로봇 및 이동 로봇의 위치인식 및 지도작성 방법
CN111279154B (zh) 导航区域识别和拓扑结构匹配以及相关联的系统和方法
JP2008126401A (ja) パーティクルフィルター基盤の移動ロボットの姿勢推定方法、装置及び媒体
KR20110091316A (ko) 주행 경로 계획 장치 및 방법
TWI772743B (zh) 資訊處理裝置以及移動機器人
CN111487960A (zh) 一种基于定位能力估计的移动机器人路径规划方法
Cho et al. Map based indoor robot navigation and localization using laser range finder
JP5287060B2 (ja) 経路計画装置及び自律移動装置
JP2017526083A (ja) 位置特定およびマッピングの装置ならびに方法
KR101738751B1 (ko) 실내 자기장을 이용한 이동 로봇의 위치 인식 방법 및 장치
KR101552773B1 (ko) 인공 표식을 이용한 이동 로봇의 위치 추정 방법
Donoso-Aguirre et al. Mobile robot localization using the Hausdorff distance
CN105538309B (zh) 一种有限传感能力的机器人障碍物动态识别算法
Alempijevic High-speed feature extraction in sensor coordinates for laser rangefinders
AU2021273605B2 (en) Multi-agent map generation
Hui et al. Motion planning for AmigoBot with line-segment-based map and Voronoi diagram
CN114489050A (zh) 沿直线行驶的避障路线控制方法、装置、设备及存储介质
CN112180947A (zh) 一种移动机器人初始行进方向选择方法及其设备
CN109959935B (zh) 一种地图建立方法、地图建立装置及机器人
KR20150115282A (ko) 2ｄ 레이저 거리 측정기를 이용한 3ｄ 맵 생성 장치 및 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