KR101868695B1 - 이동 로봇 제어 방법 - Google Patents

Abstract

본 발명은 이동로봇이 경로를 계획하는 데 있어서, 혼잡지도와 격자지도를 사용하는 과정과, 비용함수를 사용하여 경로를 계획하는 과정을 포함하는 안전 경로 계획 생성 방법을 제공한다.

Description

이동 로봇 제어 방법{METHOD FOR CONTROLLING MOBILE ROBOT UNIT BASED ON BAYESIAN NETWORK LEARNING}

본 발명에서는 실제 환경에서 발생할 수 있는 돌발 장애물과의 충돌을 방지하며, 인간의 보행에 불편함을 주지 않는 이동로봇의 지능적 경로계획법을 실행하는 이동 로봇 및 이의 제어 방법에 관한 것이다.

일반적으로 서비스 로봇은 안내, 운송, 업무 보조 등을 목적으로 개발된 로봇으로서, 주로 실내 환경에서 많이 이용된다. 일반적인 실내 환경은 사람들의 거주 및 이동 공간으로서, 한정된 공간에서 로봇이 다수의 이동 장애물인 인간과 공존하며 활동하기에는 많은 어려움이 존재하므로, 이에 대응하기 위해서는 실제 환경을 고려한 경로계획이 필요하다. 이러한 경로계획법은 로봇과 이동 장애물 간의 예상치 못한 충돌 가능성을 낮춤으로써 안정적인 이동을 돕는다.

뿐만 아니라, 경로계획은 인간의 사고방식과 유사한 방식으로 수행되어, 이동 효율성을 향상시킬 수 있다. 예를 들어, 인간은 자동차로 원하는 목적지까지 가기 위한 다양한 방식의 경로를 계획하게 된다. 여기서 인간은 단순히 거리만 가까운 경로가 아니라, 다양한 매체를 통해 얻은 여러 사전 정보를 바탕으로 교통량이 가장 적은 경로를 선택함으로써, 이동거리는 다소 늘어나도 원하는 목적지까지 보다 빠르고 안전하게 도착할 수 있다.

하지만, 기존의 방법들은 대부분 현재 위치에서 목적지까지의 최단거리 이동에만 초점이 맞춰져 있어, 생성된 경로로 이동 시 안정성이나 효율성을 고려하지 못한다. 인간과 공존하는 실생활에 로봇을 적용할 경우에는 여러 문제점이 발생할 수 있으며, 이 기술을 이용하여 길 안내를 받는 사용자 역시 사람이 붐비는 장소를 지나가는 경우에는 불편함을 느낄 수 있다.

실제 환경에는 사람들의 이동이 잦은 공간이나, 돌발 장애물들이 존재할 수 있는 영역들이 많이 존재한다. 만약 로봇이 앞서 설명한 환경적 특성을 무시하고 단순히 목적지까지의 최단경로로만 이동하게 된다면, 인간이나 이동 장애물과 충돌할 확률이 높아진다. 또한 인간을 고려하지 않는 로봇의 주행으로 인해 인간의 보행 불편을 야기할 수 있다.

따라서 이동 장애물이 많이 출현하는 영역을 사전에 우회하여 목적지까지 안전한 경로를 생성하는 경로계획법을 개발하고 이를 구현하는 이동 로봇 및 이동 로봇 제어 방법을 제공하는 것을 목적으로 한다.

즉, 본 발명은 로봇과 인간이 공존하는 환경에서 인간의 활동 영역을 고려한 안전한 경로계획을 실행하는 이동 로봇 및 이의 제어 방법에 대한 내용이다. 기존의 경로계획 기법은 주로 인간의 활동을 고려하지 않고, 단지 최단경로 생성 위주의 기법이 대부분이었다. 그러나 이렇게 생성된 경로는 장애물과의 충돌을 예방할 수 없어 로봇의 안전을 보장해 주지 못하게 된다. 본 발명은 인간의 활동이 활발한 영역이나 돌발 장애물이 출몰하는 영역들을 우회하는 경로를 생성하여 장애물과 만날 확률을 감소시킬 수 있고, 회피하는 움직임을 줄임으로써 효율적이고 안전한 주행을 가능하게 한다. 뿐만 아니라, 문이나 코너와 같은 위험지역에 대한 정보도 사전에 학습을 통해 생성되었으므로 충돌 가능성이 줄어든다. 이렇게 함으로써, 로봇은 돌발 장애물을 회피하기 위해 자주 이동 방향을 바꾸지 않고, 장애물이 없는 영역을 더 빠른 속도로 이동할 수 있다. 이 방법은 실제로 교통량이 적은 영역으로 우회하여 이동하는 것이 더 빠르게 목적지에 도착하는 것과 같이, 로봇 역시 목적지까지 더 빠른 시간 안에 도착할 수 있게 해준다. 따라서 로봇과 인간이 공존하는 환경에서 로봇은 사람들의 이동경로와 실시간으로 변하는 환경에 대해 학습하고, 이를 우회하는 경로를 생성하는 것이 필요하다. 예를 들어, 쇼핑몰이나 넓은 범위의 공원과 같은 환경에서는 사람들이 붐비는 특정한 지역을 우회하는 경로를 생성함으로써 사용자나 로봇이 좀 더 효율적이고 안전한 경로를 선택하여 이동할 수 있다.

본 발명에서는 실제 환경에서 발생할 수 있는 돌발 장애물과의 충돌을 방지하며, 인간의 보행에 불편함을 주지 않는 이동로봇의 지능적 경로계획법을 제시하고 이를 구현하는 이동 로봇 및 이의 제어 방법을 제공한다.

이를 위해 실시간 환경에 대한 변화를 감지 및 저장하고, 이를 경로계획 생성에 활용하였다. 생성된 경로는 장애물의 출현이 빈번한 장소 또는 돌발 장애물이 발생할 수 있는 사각지대를 우회하여 로봇을 목적지까지 안전하게 유도할 수 있다.

환경에 대한 정보를 작성하는 과정은 격자지도 작성과 장애물지도 작성으로 구성되며 장애물 지도 내지 장애물 지도 정보를 활용하여 혼잡지도가 작성된다. 격자지도는 경로 생성을 위한 기본적인 공간적 정보를 포함하는 지도이며, 장애물지도는 로봇 또는 사용자가 환경 내에서 움직이면서 얻어지는 감지부를 통한 감지 정보를 바탕으로 작성한 지도이다.

학습을 통해 얻어진 장애물지도는 베이지안 네트워크 기법으로 그래프화하고, 이를 바탕으로 혼잡지도로 작성된다. 작성된 혼잡지도와 격자지도를 융합하여 실시간 환경을 반영하는 지도를 작성할 수 있으며, 이 지도를 이용하여 좀 더 효율적이고 안전한 경로를 생성할 수 있다.

즉, 본 발명의 일면에 따르면, 본 발명은, 감지부의 감지 정보 및 저장부에 저장되고 주행 환경에 대한 격자의 정보를 포함하는 사전 설정 데이터를 이용하여 제어부가 로봇 구동부에 구동 제어 신호를 인가하여 주행을 제어하는 이동 로봇 주행 제어 방법으로서, 상기 사전 설정 데이터에 포함되는 주행 환경에 대한 격자 지도 정보와 상기 감지 정보를 이용하여 산출되는 혼잡 지도 정보를 이용하여 출발지로부터 목적지까지 이동 로봇의 주행 경로를 산출하는 경로 계획 단계(S10)와, 상기 경로 계획 단계(S10)에서 산출된 주행 경로를 따라 이동하되, 이동 과정 중 상기 감지부(10)에서 감지된 감지 정보를 이용하여 장애물 지도 정보를 포함하는 주행 환경 정보를 취득하고, 상기 주행 환경 정보를 이용하여 위치 추정하여 상기 출발지로부터 상기 목적지까지 이동 로봇을 주행시키는 주행 단계(S20)와, 상기 주행 단계(S20)가 완료된 후, 상기 주행 단계에서 취득된 주행 환경 정보 중 해당 격자의 장애물 유무 확률 정보를 포함하는 주행 비용 정보를 저장하는 주행 환경 데이터베이스를 이용하여 주행 환경에 대한 혼잡 지도를 작성하는 혼잡 지도 작성 산출 단계(S30)를 포함하는 것을 특징으로 하는 이동 로봇 주행 제어 방법을 제공한다.

상기 이동 로봇 주행 제어 방법에 있어서, 상기 주행 환경 데이터베이스에 포함되는 주행 비용 정보는: 상기 격자 정보에 포함되는 각 격자에 대하여 상기 주행 환경 내 위치 고정된 정적 장애물 정보가 비용으로 전환 저장된 고유 비용 정보와, 상기 격자 정보에 포함되는 각 격자에 대하여 상기 주행 환경 내 이동 가능한 동적 장애물 정보가 비용으로 전환 저장된 혼잡 비용 정보와, 출발지와 목적지가 설정되는 경우 상기 출발지에서 상기 목적지까지 이동하는 최소 경로의 격자 개수에 할당 저장된 인접 비용 정보를 포함할 수도 있다.

상기 이동 로봇 주행 제어 방법에 있어서, 상기 경로 계획 단계(S10)는: 상기 제어부(20)의 연산 제어 신호에 따라 출발지로부터 목적지까지 상기 주행 비용 정보를 연산부(40)가 연산하여 주행 비용을 산출하는 주행 비용 산출 단계(S11)와, 상기 주행 비용 산출 단계(S11)에서 산출된 주행 비용으로 사전 설정 저장되는 경로 산출법을 이용하여 출발지로부터 목적지까지의 주행 경로를 산출하는 주행 경로 산출 단계(S13)를 포함할 수도 있다.

상기 이동 로봇 주행 제어 방법에 있어서, 상기 주행 비용 산출 단계(S11)는, 상기 주행 환경 데이터베이스에 기초하여 베이즈 정리를 이용하는 베이지안 네트워크로부터 산출되는 상기 혼잡 비용 정보를 이용하여 상기 주행 비용을 산출할 수도 있다.

상기 이동 로봇 주행 제어 방법에 있어서, 상기 주행 환경 데이터베이스는 상기 격자에 대한 시간 정보별 장애물 유무 확률 정보를 구비하는 상기 장애물 지도 정보를 포함할 수도 있다.

상기 이동 로봇 주행 제어 방법에 있어서, 상기 시간 정보는 요일, 일자, 시간대의 정보를 포함하고, 상기 베이지안 네트워크에서 동일한 상기 격자에 대하여 상이한 시간 정보의 영향을 받는 상기 시간 정보의 단위 개수를 영향 시간 단위수라 하고, 상기 사전 설정 데이터는 상기 영향 시간 단위수를 포함할 수도 있다.

상기 이동 로봇 주행 제어 방법에 있어서, 상기 주행 비용 산출 단계(S11)는: 상기 영향 시간 단위수에 따라 상기 베이지안 네트워크를 통하여 산출되는 상기 격자에 대한 상기 혼잡 비용 정보를 이용하여 혼잡 비용을 산출하는 혼잡 비용 산출 단계(S110)와, 상기 격자 정보에 포함되는 각 격자에 대한 고유 비용 정보를 이용하여 고유 비용을 산출하는 고유 비용 정보 산출 단계(S120)와, 출발지와 목적지가 설정되는 경우 상기 출발지에서 상기 목적지까지 이동하는 최소 경로의 격자 개수에 할당 저장되는 인접 비용 정보를 이용하여 인접 비용을 산출하는 인접 비용 산출 단계(S130)와, 상기 격자에 대하여 상기 혼잡 비용과, 상기 고유 비용 및 상기 인접 비용을 연산하여 주행 비용을 연산하는 주행 비용 연산 단계(S140)를 포함할 수도 있다.

상기 이동 로봇 주행 제어 방법에 있어서, 상기 경로 산출법은 최소 경로 구배법이고, 상기 주행 비용 산출 단계에서 산출된 각 격자에 대한 주행 비용을 이용하여 출발지부터 목적지까지 최소 비용으로 이루어지는 주행 경로를 산출하는 주행 경로 산출 단계(S13)를 포함할 수도 있다.

상기 이동 로봇 주행 제어 방법에 있어서, 상기 주행 단계(S20)는: 상기 감지부(10)를 통하여 주행 환경에 대한 감지 정보를 감지하는 감지 단계(S21)와, 상기 감지 정보 및 상기 사전 설정 데이터를 이용하여 상기 제어부(20)가 현재 이동 로봇의 위치를 추정하는 위치 추정 단계(S23)와, 상기 위치 추정 단계(S23)에서 얻어진 현재 이동 로봇의 위치와 상기 감지 정보를 이용하여 주행 환경에 대한 장애물 정보를 산출 갱신하여 상기 장애물 지도 정보를 산출하는 장애물 지도 산출 단계(S25)와, 상기 제어부(20)가 이동 로봇의 로봇 구동부(63)에 목적지까지의 이동 제어 신호를 인가하여 이동하는 이동 제어 단계(S27)와, 상기 이동 제어 단계(S27)를 통하여 이동하는 이동 로봇의 목적지까지의 도달 여부를 확인하는 주행 완료 확인 단계(S28)와, 상기 주행 완료 확인 단계(S28)에서 주행이 완료된 것으로 판단되는 경우 상기 장애물 지도 정보를 이용하여 상기 주행 환경 데이터 베이스를 갱신하는 주행 환경 데이터 베이스 갱신 단계(S29)를 포함할 수도 있다.

상기 이동 로봇 주행 제어 방법에 있어서, 상기 시간 정보는 일자 및 시간대의 정보이고, 상기 혼합 지도 작성 산출 단계(S30)는: 상기 시간 정보 및 상기 영향 시간 단위수를 이용하여 상기 주행 환경 데이터 베이스로부터 현재 시간 및 일자에 대한 시간 정보별 장애물 유무 확률 정보를 갖는 주행 환경 선별 데이터 베이스를 선별 산출하는 주행 환경 데이터 베이스 선별 단계(S31)와, 상기 주행 환경 선별 데이터 베이스를 이용하여 베이지안 네트워크를 구성 연산하여 현재 시간 및 일자에 대한 상기 격자 내 장애물 유무 확률을 산출하는 베이지안 네트워크 산출 단계(S33)와, 상기 베이지안 네트워크 산출 단계(S33)에서 얻어진 상기 격자 내 장애물 유무 확률을 이용하여 혼합 지도를 작성 내지 갱신하는 혼합 지도 작성 단계(S35)를 포함할 수도 있다.

상기 이동 로봇 주행 제어 방법에 있어서, 상기 베이지안 네트워크 산출 단계(S33)는: 상기 주행 환경 선별 데이터 베이스를 이용하여 베이지안 네트워크를 구성하는 베이지안 네트워크 구성 단계(S331)와, 상기 베이지안 네트워크 구성 단계(S331)에서 구성된 베이지안 네트워크를 이용하여 상기 연산부(40)가 현재 시간 및 일자에 대한 상기 격자 내 장애물 유무 확률을 연산하는 베이지안 네트워크 연산 단계(S333)를 포함할 수도 있다.

본 발명의 경로계획은 서비스 로봇이 사용되는 모든 경우에 사용될 수 있다. 일반적으로 서비스 로봇은 안내, 운송, 업무 보조 등을 목적으로 개발된 로봇으로 다양한 장소에서 사용되고 있는데, 이와 같은 환경은 사람들의 거주 및 이동 공간을 포함하므로 로봇은 한정된 공간에서 다수의 이동 물체들과 공존하며 활동하기에는 많은 어려움이 존재하였으나, 본 발명은 이에 대응하여 실제 환경과 인간의 활동을 고려한 경로계획이 필요하며, 이를 통해 생성된 경로는 로봇에게 좀더 안정적이고 효율적인 주행을 보장하며, 인간에게는 편의를 제공할 수 있는 서비스 로봇이 될 수 있다.

또한 기존의 단순히 실시간으로 장애물을 회피하기 위한 지역 경로계획이나 항상 동일한 최단 경로를 생성하는 것이 아니라 실제 환경에 맞추어서 로봇의 이동경로를 자동적으로 변경하므로 항상 환경에 최적화된 경로생성이 가능하다.

병원과 같이 안정성을 요구하는 장소에서는 특히 이러한 기술이 필수적이다. 이러한 장소는 사람들이 로봇을 인지하거나 피하는 것이 어려울 수 있으므로 사전에 학습된 정보를 바탕으로 이러한 영역들을 우회하는 경로를 생성하는 것이 필요하다.

또한, 이러한 기술은 추후 유원지나 쇼핑몰과 같이 사람이 붐비는 지역에서 로봇뿐만 아니라, 사용자에게도 좋은 길을 안내해줄 수 있을 것이다. 현재 시간에 가장 붐비는 영역을 피해서 원하는 가게로 가는 길을 정확하게 제공해줄 것이다.

도 1은 환경 변화에 따른 격자지도와 장애물지도 대한 차이를 나타낸 모습이다.
도 2는 본 발명의 격자지도와 장애물지도 간의 관계를 나타낸 모습으로서, 본 발명의 장애물지도의 격자가 나타내는 확률과 확률에 따른 차이를 나타낸 모습이다.
도 3(a),(b)는 본 발명의 베이지안 네트워크를 이해하기 위한 기본 특성을 나타낸 예이다.
도 4(a)는 본 발명의 혼잡지도를 만들기 위해 도 2의 장애물지도 간의 관계를 3차원 형태의 베이지안 네트워크 구조로 나타낸 것이다.
도 4(b)는 도 4(a)의 모든 노드를 2차원의 베이지안 네트워크 구조로 나타낸 모습이다.
도 5는 장애물지도의 노드가 2개만 존재할 때, 시간의 흐름에 따른 노드 간의 베이지안 네트워크를 구성한 모습이다.
도 6은 도 5의 상황에서 각 시간대의 장애물지도의 노드 확률을 나타낸 표이다.
도 7, 8은 도 5의 상황에서 이전 시간과 다음 시간 간의 노드의 연관성에 대한 확률을 계산한 표이다.
도 9는 혼잡지도를 작성하기 위해 데이터베이스의 정보를 선택적으로 사용하는 모습이다.
도 10은 혼잡지도를 작성하기 위한 데이터베이스의 정보를 이용하여 베이지안 네트워크 작성한 모습이다.
도 11은 도 10의 관계를 좀 더 명확하게 표시한 베이지안 네트워크 구조도이다.
도 12는 도 11의 이해를 돕기 위해 이전 시간과 이전 날짜만을 고려하여 작성한 베이지안 네트워크 구조이다.
도 13은 도 12에서 기본이 되는 베이지안 네트워크 구조로서 이해를 돕기 위해 추가한 그림이다.
도 14(a)는 장애물이 존재하는 실제 환경을, 도 14(b)는 도 14(a)의 환경에서 작성한 장애물지도를, 도 9(c)는 장애물지도를 이용한 혼잡지도를 나타낸 모습이다.
도 15(a)는 장애물이 존재하지 않은 실제 환경을, 도 15(b)는 도 15(a)의 환경에서 작성한 장애물지도, 도 15(c)는 장애물지도를 이용한 혼잡지도를 나타낸 모습이다.
도 16, 도 17은 각각 고유비용과 인접비용을 나타낸 모습이다.
도 15은 혼잡지도를 혼잡비용으로 변환한 모습이다.
도 19 (a)는 환경에서 작성된 혼잡지도이고, 그림 16(b)는 혼잡지도를 개략적으로 변환시킨 혼잡비용의 모습이다.
도 20은 주행비용과 경로생성 모습이다.
도 21은 본 발명의 이동 로봇의 개략적인 블록 선도이다.
도 22 내지 도 25는 본 발명의 이동 로봇의 제어 방법을 도시하는 흐름도이다.

본 발명은 이동 로봇의 단순 최단 경로 주행이 아닌 정적 장애물 이외 동적 장애물의 변화를 포함하는 데이터 베이스를 이용하여 시계열적 요소를 고려한 최적화된 이동 경로를 산출하여 주행 제어하는 이동 로봇 주행 제어 방법을 제공한다.

이하에서는 도면을 참조하여 본 발명의 이동 로봇 및 이동 로봇 주행 제어 방법에 대하여 살펴본다.

먼저, 도 21에는 본 발명에 따른 이동 로봇(1)의 개략적인 구성도가 도시된다.

이동 로봇(1)은 감지부(10)와 제어부(20)와, 저장부(30)와 연산부(40)와 입력부(50) 및 출력부(60)를 포함한다. 감지부(10)는 이동 로봇에 장착되어 외부 주행 환경의 환경 정보를 감지하는데 사용된다. 감지부(10)는 카메라와 같은 영상 감지부(11), 장애물과의 거리 감지를 위한 초음파 센서와 같은 초음파 감지부(13), 거리 감지를 위한 레이저 스캐너와 같은 레이저 감지부(15) 및 3D 스캐너와 같은 라이다 감지부(17) 등 제어부(20)의 감지 제어 신호에 따라 작동하여 외부 주행 환경을 감지하여 주행 환경 감지 정보를 취득 가능한 범위에서 다양한 감지 장치가 사용될 수 있다.

저장부(30)는 제어부(20)와 연결되고 제어부(20)의 저장 제어 신호에 따라 감지 정보를 저장하거나 이동 로봇의 위치 추정에 사용되는 설정 데이터 내지 하기되는 주행 환경 데이터 베이스를 저장할 수 있다.

연산부(40)는 제어부(20)의 연산 제어 신호에 따라 소정의 연산 과정을 실행하는데, 본 실시예에서는 사전 설정된 영향 시간 단위수만큼 전후 관계의 시간 및 일자 내지 요일에 대한 하기되는 격자 지도 상의 격자 내 장애물의 점유 여부 확률을 이용하 현재 시간대, 즉 현재 시간 및 일자 내지 요일에 대한 격자 지도 상 격자 내 장애물 점유 여부 확률 및 이를 통한 비용값을 연산 산출하는 기능을 담당한다.

입력부(50)는 사용자에 의하여 이동 로봇 내지 이동 로봇을 운영하기 위한 장치를 통하여 입력되는 데이터 내지 사전 설정 데이터를 입력하는 기능을 수행한다.

출력부(60)는 이동 로봇(1)의 위치를 이동시키는 구동력을 생성 전달하는 로봇 구동부(63)를 구비하고, 그 밖에, 음향 출력부(65) 내지 디스플레이부(61) 등이 더 구비될 수도 있다.

한편, 앞서 기술한 저장부(30)에 사전 설정 저장되는 사전 설정 데이터에는 이동 로봇(1)이 주행하고자 하는 주변 환경에 대한 환경 정보로서 공간 정보인 격자 지도 정보, 즉 주행 환경에 대한 격자 정보가 포함된다. 하기되는 바와 같이, 본 발명의 이동 로봇이 주행하는 주행 환경에 대하여 격자 지도와 혼잡 지도 및 인접 지도가 구비되는데, 이중 격자 지도는 정적 장애물에 대한 환경 정보를 포함하과 장애물 지도를 이용하는 혼잡 지도는 동적 장애물에 대한 환경 정보를 포함한다.

즉, 본 발명의 격자지도는 환경을 동일한 크기의 격자로 나누고, 베이지안 갱신 규칙(Bayes update rule)에 기반하여 각 격자는 정적 장애물, 즉 공간 내 실질적으로 고정된 위치를 점유하는 정지 장애물에 의해서 위치 내지 공간이 점유되어 있을 가능성을 0과 1 사이의 점유확률로 표현될 수 있다. 정지 장애물에 의해서 점유된 격자는 1의 확률을 가지는 것으로, 그리고 점유되지 않은 격자는 0의 확률을 가지는 것으로 설정하고, 점유 여부에 대한 정보가 없는 경우에는 사전 설정 확률, 예를 들어 0.5의 확률이 부여될 수 있다.

이와 같은 격자지도는 도 1(a)와 같이 환경에 대한 모델링에만 중점을 두기때문에, 이동하는 장애물인 동적 장애물이 빈번하게 이동하여 지나가서 공간 내지 위치가 빈번하게 점유되는 격자일라도 해당 격자는 정적 장애물, 즉 정지 장애물이 없기 때문에 해당 격자에 대응하는 영역은 비점유 영역으로 표시된다. 이러한 격자 지도에 표현되는 장애물, 즉 정적 장애물은 벽과 같은 고정된 장애물만이 점유 영역으로 표현 표시된다.

따라서, 격자지도는 정지 장애물의 존재 내지 점유 유무만이 표현되는바, 실제 환경에 대한 정보가 반영되기 어렵다는 제약이 따르기 때문에, 격자지도만을 이용하여 목적지까지 안전한 경로를 생성하는 것은 매우 어려워 본 발명에서는 추가적 주변 환경 정보를 포함하는 환경 지도로서 장애물 지로를 활용한다.

즉, 본 발명에서의 장애물 지도는 장애물의 이동정보를 공간정보로 변경하여 작성한 지도로 정의된다. 따라서 장애물지도는 동적 장애물, 즉 이동하는 동작을 나타내는 이동 장애물이 특정 영역을 지나가는가 여부에 중점을 두며, 사람도 본 환경 지도하에서는 동적 장애물로 분류된다. 도 1(b)에 도시된 바와 같이 사람을 포함하는 이동 장애물이 특정 영역을 지나가면, 지나간 영역에 해당하는 격자에서의 격자에 대한 공간 점유 확률이 증가된다.

도 2에는 격자지도 위에 장애물지도가 중첩 표시된 지도 정보가 표시된다. 여기서, 장애물지도의 격자는 다양한 점유확률을 가진다. 또한, 본 발명에서는 도 2와 같이 장애물지도의 한 격자는 격자지도의 여러 격자로 구성될 수 있는데, 사람이나 이동 장애물의 움직임을 격자지도의 작은 격자의 크기로 정확하게 표현하기 어려우므로 좀 더 큰 격자를 사용하여 나타내기 위함이며 이러한 지도별 격자의 크기는 격자 정보로 사전 설정 데이터에 포함될 수도 있다. 예를 들어, 격자지도의 격자를 10x10cm, 장애물지도의 격자를 100x100cm로 설정한다면, 장애물지도의 한 격자는 격자지도 상의 격자가 100개 포함되는 관계가 형성된다.

본 발명에서의 장애물지도에서의 점유확률은 격자의 높이로 표현될 수도 있는데, 도 2의 P ₁, P ₂와 같이, 이미 격자지도에 존재하는 정지 장애물이나 새롭게 나타난 정지 장애물을 포함하는 장애물지도의 격자는 매우 높은 확률을 가지기 때문에 해당 격자에 포함되는 점유 확률의 표시는 매우 큰 높이를 형성하게 된다. 또한, 정지 장애물은 존재하지 않더라도 이동 장애물이 자주 지나다니는 장소도 높은 확률이 부여되는데, 예를 들어 격자 P ₄가 P ₃보다 이동 장애물의 빈도가 더 높으므로 높게 표시되어 있다. 이러한 환경의 예로는 사람들의 왕래가 빈번한 접수처나 엘리베이터 앞 등이 있다. 환경으로부터 정보를 얻지 못하는 격자는 0.5의 확률을 가지는 것으로 설정될 수도 있다. 또한, 장애물지도는 날짜, 시간 내지 요일에 따라 각각의 정보를 나누어서 저장부(30)에 데이터베이스, 즉 주행 환경 데이터베이스로 작성 저장될 수 있다.

본 발명의 이동 로봇의 제어 방법을 실행함에 있어 제어부(20)는 연산부(40)를 통하여 연산 제어 신호를 인가하여 감지부(10) 및 입력부(50)와 저장부(30)에서의 감지 정보, 사전 설정 데이터 및 주행 환경 데이터베이스를 이용하여 현재 시간, 일자 등에 대한 이동 로봇의 경로를 계획하여 이동 주행을 제어한다.

이러한 이동 로봇의 주행 경로를 계획함에 있어, 본 발명은 베이지안 네티워크를 이용한다. 즉, 종래의 단순 격자 지도 내에서의 최소 이동 경로 산출을 통한 단순 이동 경로 설정을 벗어나 시계열적 요소에 대한 동적 장애물의 영향을 최소화시키는 주행 경로를 산출하도록 베이지안 네트워크를 이용하여 단순 격자 지도 정보 이외 장애물 지도를 활용한 혼잡 지도를 추가로 작성 활용한다.

즉, 본 발명에서의 혼잡 지도는 축적된 장애물지도를 바탕으로 작성한 지도로, 해당 지역에 장애물의 존재 여부를 예측하는 지도를 의미한다. 혼잡지도는 감지부(10)가 제어부(20)의 감지 제어 신호에 의하여 주변 환경 정보를 감지하여 취득한 감지 정보에 기반하여 작성되는 장애물지도를 바탕으로 형성되므로, 장애물지도와 동일한 크기의 격자를 가진다. 즉, 장애물 지도는 해당 격자에 대한 해당 시간 정보, 즉 해당 일시, 해당 일자, 해당 요일에서의 그 당시 그 시간 정도에서 감지되어 작성되는 동적 장애물에 대한 정보를 포함하는 지도를 의미하고, 혼잡지도는 각각의 영향 시간 단위수에 따라 얻고자 하는 현재 시간 정보, 즉 현재 시간, 일자, 요일로부터 영향 시간 단위수에 따른 범위 내의 해당 일시들, 해당 일자들, 해당 요일들에 대한 장애물 지도들의 정보를 이용하여 도출되는 지도 정보를 의미한다. 본 발명에서 혼잡지도의 작성은 축적된 장애물지도 간의 베이지안 네트워크를 이용하여 구할 수 있다.

일반적인 베이지안 네트워크(GBN: General Bayesian Network)는 본 발명에서의 개개의 격자에 대응하는 노드 간 상호의존성을 표현할 수 있는 가장 자연스러운 방법으로, 장애물지도를 바탕으로 혼잡지도를 만들기에 적합하다. 베이지안 네트워크는 조건부 확률 계산에 베이즈 정리를 이용하며, 다음과 같은 관계식을 만족한다. 조건부 확률의 성질에 의해서 식 (2)가 성립하고, 곱의 법칙에 의해서 식 (3)이 성립한다.

(2)

(3)

예를 들어, 도 3(a)와 같은 베이지안 네트워크가 구성되었다면, A, B는 독립적이며, C는 A, B에 의존하므로 다음 관계 (4)가 성립된다.

(4)

또한, 도 3(b)와 같이 베이지안 네트워크가 구성되었다면, C는 B에 의존하고, B는 A에 의존하므로 체인룰에 의하여 다음 관계 (5)가 성립된다.

(5)

혼잡지도는 도 3과 같은 기본 원리를 바탕으로 축적된 동적 장애물의 환경 정보를 포함하는 장애물 지도 간의 베이지안 네트워크를 작성하고 해당 격자의 확률을 계산하여 작성된다.

혼잡지도는 장애물의 유무를 확률로 나타내는데, 이전 시간 t-1, ... , t-n까지 총 n개의 축적된 정보를 이용하여 작성된 베이지안 네트워크는 도 4와 같다. 앞서 기술한 바와 같이, 장애물지도에서의 격자는 도 4와 같이 하나의 노드로 표현된다.

도 4(a)의 시간 t에서의 해당 격자에 대응하는 녹색 노드 A는 이전 시간 t-1의 주변부 격자(빨간색 노드 중 실선으로 연결된 노드)의 확률로부터 얻을 수 있고, 시간 t-1에서의 빨간색 노드는 시간 t-2에서의 파란색 노드의 확율로부터 얻을 수 있다. 예를 들어 시간 t에서의 해당 격자에 대응하는 녹색 노드 A의 확률에 영향을 미치는 이전 시간 t-1의 주변부 격자(빨간색 노드 중 실선으로 연결된 노드) 중 하나인 흰색 노드 B는 이전 시간 t-2의 주변부 격자(파란색 노드 중 실선으로 연결된 노드)의 확률로부터 얻을 수 있다. 이와 같이, 모든 노드는 이전 시간대의 노드들과 관계를 맺고 있으며, 노드 간의 베이지안 네트워크를 구성하면, 도 4(b)와 같이 나타낼 수 있다.

대상인 시간대의 해당 노드에 영향을 미치는 이전 시간대의 노드는 해당 노드의 인접한 영역의 노드로 설정되는데, 이러한 영향 노드(격자)의 영향 범위는 설계사양에 따라 범위를 확대할 수도 있으나, 본 실시예에서는 해당 노드(격자)의 직접적인 인접 노드(격자)로 설정하였다.

도 5에는 도 4에서 사용된 베이지안 네트워크를 이해하기 위한 조금 더 간단한 일예가 도시된다. 도 5에서 장애물지도는 총 2개의 격자, 즉, 총 2개의 노드로 구성되는 경우를 예로 설명한다. 각각의 격자에 대응하는 노드는 이전 시간대의 노드와 연관이 되어 있으며, 축적된 장애물지도는 시간 t-2에서의 장애물 지도 및 시간 t-1에서의 장애물 지도를 포함하여 총 2개이다.

현재 시간 t에서 혼잡지도에 있는 노드의 확률은 2개의 장애물지도를 이용하여 계산된다. 한 예로 혼잡지도의 노드 A와 B 중에 노드 B에 대한 확률을 먼저 산출한다. 각 시간에서 장애물지도에 있는 노드의 확률은 도 6에 도시된 바와 같다.

도 7은 도 6을 바탕으로 t-2 시간에 장애물이 존재할 때, t-1 시간에 장애물의 존재 여부에 대한 산출된 확률을 도시하는 도표이다. 도 7의 시간 간의 관계는 P(B _{t -1}|A _{t -2},B _{t -2})를 나타내며, 도 7에서 0은 해당 노드에 장애물이 존재하지 않는 경우를 나타내며, 1은 장애물이 존재하는 경우를 나타낸다. 예를 들어, t-2 시간의 노드 A에서 장애물이 존재할 확률은 도 6의 정보에 의하여 2/10의 확률을 가진다. 반대로 t-2 시간의 노드 A에서 장애물이 존재하지 않을 확률은 도 6의 정보를 바탕으로 8/10임을 알 수 있다. 이와 같이 t-2시간의 노드 B에 장애물이 있을 확률은 7/10이고, 장애물이 없을 확률은 3/10이다. 식 (6)은 P(B _{t -1}|A _{t - 2},B _{t - 2})를 계산한 식의 예 중 하나로, t-2 시간에서 노드 A, B에 장애물이 존재하지 않을 때 t-1 시간의 노드에 장애물이 존재하지 않을 확률을 나타난다.

또 다른 예로 식 (7),(8),(9)이 있다. 도 7은 이와 같은 방식으로 모든 장애물 유무에 따른 관계를 계산한 것이다.

(6)

(7)

(8)

(9)

도 7과 같이 이전 시간과 다음 시간 간의 노드의 연광성에 대한 확률의 계산이 완료되면, 이 표의 확률을 시간 흐름에 따른 노드 간의 일반적인 확률로 가정하고 혼잡지도에 사용한다. 이 결과로부터 현재 시간 t에서 혼잡지도의 격자가 가지는 장애물이 존재할 확률은 다음 식과 같이 나타낼 수 있다.

(10)

이 관계식을 풀어서 나타내면 다음 식과 같다.

(11)

현재 혼잡지도의 노드 B에서 동적 장애물의 장애물이 존재할 확률은 다음과 같이 0.624이다.

(12)

이와 같은 방식으로 혼잡지도의 노드 A의 경우에는 다음 관계식으로 계산하면 0.2의 확률을 가진다.

(13)

이 때 사용한 시간 흐름에 대한 노드간의 관계는 도 8과 같이 나타낸다.

혼잡지도의 노드가 가지는 확률을 계산하는 방법은 위에서 간략화된 예시에 대하여 기술된 바와 같다. 본 발명에서는 실제 환경에서의 실질적인 혼잡지도 작성을 이루는데, 이의 경우 베이지안 네트워크에 사용되는 정보를 날짜와 시간 범위와 같은 시간 정보를 포함한 정보로 확장된다.

예를 들어, 현재 날짜 15일 2시, 시간 t의 혼잡지도를 작성할 때에는 도 9와 같이 많은 데이터베이스 중에 붉은 색 점선으로 표시한 정보를 선택하여 선정된 주행 환경 데이터 베이스를 선별하여 사용한다(도 25의 단계 S31 참조).

동일 격자에 대하여 상이한 시간 정보의 영향을 받는 시간 정보의 단위 개수를 영향 시간 단위수만큼의 노드에 대한 데이터 베이스를 사용한다. 즉, 본 발명에서 사용되는 주행 환경 데이터 베이스는 산출 대상인 격자를 중심으로 사전 설정된 개수, 즉 해당 노드의 현재 시간 정보인 현재 시간대, 일자, 요일 등을 중심으로 사전 설정된 영향 시간 단위수만큼의 전후 시간대, 일자, 요일에 대한 데이터 베이스가 선별되어 사용되는데, 이 과정에서 사용되는 데이터베이스의 구체적인 범위는 다음과 같이 예시될 수 있다. 날짜의 경우 대상일자의 격자인 노드를 중심으로 전후 2일의 영향 시간 단위수로 설정될 경우 현재 일자가 15일이라 할 경우 15일을 기준으로 13, 14, 15, 16, 17의 총 5개의 노드에 대한 정보를 사용하며, 시간의 경우는 대상시간대의 격자인 노드를 중심으로 전후 1시간의 영향 시간 단위수를 설정할 경우 현재 시간대가 2시라 할 경우 현재 시간 2시를 기준으로 시간인 1, 2, 3시의 정보를 사용한다. 예시화된 현재시간 15일 2시의 격자(노드)에서의 장애물 존재 확률을 산출함에 있어, 상기 언급된 현재 시간 15일 2시를 제외하고는 각 시간에 저장되어 있는 모든 정보를 사용하며, 15일 2시의 정보는 이전 시간 t-1, ... , t-n의 정보를 이용한다. 이 정보를 이용하여 작성한 베이지안 네트워크의 모습은 도 10과 같다.

도 11에는 도 10의 관계가 좀 더 명확하게 표시되어 있다. 여기서 G는 도 4와 같이 베이지안 네트워크를 이용하여 장애물지도의 노드 간의 관계를 계산한 결과이며, 이 정보는 각각의 독립적인 정보이므로 하나의 기호로 표시하여 구분하였다.

본 실시예에서 노드 간의 모든 관계에 대한 수식을 설명하기 위해, 사용되는 데이터베이스의 날짜와 시간을 이전 시간과 이전 날짜로만 국한시켜서 예를 들어 설명하나, 이에 국한되지 않고 요일로 선택될 수도 있고, 공간에 대한 선택이 이루어질 수도 있는 등 다양한 선택이 가능하다. 현재 시간이 15일 2시이면, 사용되는 데이터베이스는 이전 시간을 포함한 1, 2시이며, 날짜는 14, 15일이다. 베이지안 네트워크는 이 정보를 이용하여 도 12와 같이 구성할 수 있다.

(14)

식 (14)는 도 12의 베이지안 네트워크를 식으로 나타낸 것이다. 여기서 수식의 표현을 쉽게 나타내기 위해 변수를 변경하여 표시하였다. 여기서 혼잡지도의 최종 노드 C는 노드 E, F, I, J와 연관되어 있으며, 체인 룰에 의하여 식 (14)와 같이 나타낼 수 있다. 여기서 베이지안 네트워크 구성식이 이전 계산과 다르게 나타난 이유는 도 12의 E->F와 같은 노드 연결선이 존재하기 때문이다. 도 13은 이해를 돕기 위해 도 12의 E->F에 대한 내용만 따로 표시한 그림이다. 도 13을 식으로 나타내면 식 (15)와 같다. 이 식은 식 (9)와 달리 종속 항이 존재하므로 P(F|E)로 항이 변경되었다. 이 식을 전개하여 나타내면 식 (16)과 같다. 이 식의 계산을 확장하면 도 11에 대한 혼잡지도를 작성할 수 있다.

(15)

(16)

위의 간단한 예들을 통하여 혼잡지도의 날짜, 시간에 따른 데이터베이스의 선택하는 범위를 결정하는 방법, 데이터베이스를 이용한 베이지안 네트워크 구성하는 방법 및 계산 방법을 살펴보았다.

이 방법을 실제 환경에 적용하면 도 14, 도 15와 같다. 현재 환경은 도 14(a)와 같이 표시된 사각형 지역 A에 다수의 장애물이 움직이고 있다. 로봇은 특정 지점(B와 C) 간을 왕복하여 움직이는 과정에서 도 14(b)와 같이 장애물지도들을 작성한다. 이 정보들 간의 베이지안 네트워크를 작성하여 혼잡지도를 작성하면 도 14(c)와 같다. 만약, 잠시 후에 장애물이 도 15(a)와 같이 사라지게 된다면, 장애물지도는 도 15(b)와 같이 변경되어 저장된다. 저장된 모든 정보들을 바탕으로 혼잡지도를 작성하게 되면 도 15(c)와 같다. 도 14(c)와 도 15(c)를 비교해보면, 혼잡지도의 확률은 이전보다 더 낮아져서 일부 영역들이 흐리게 표현되는 것을 확인할 수 있다.

상기와 같이 산출되는 혼잡 지도를 이용하여 본 발명의 이동 로봇의 주행 경로를 계획될 수 있는데, 이러한 과정은 격자 지도, 장애물 지도를 포함하는 혼잡 지도 및 인접 지도 등의 격자 지도 정보, 혼잡 지도 정보 및 인접 지도 정보를 이용하여 비용함수 산출을 통한 경로 생성 방법을 사용한다.

본 발명에서는 구배법(gradient method)을 사용하는데, 구배법에서 사용되는 비용함수를 기반으로 함으로써 이동 로봇의 주행 경로를 도출하는 경로계획을 수행한다. 본 발명에서 사용하는 구배법은 출발지로부터 목표점까지의 최적 경로의 생성을 위해 주행비용이라는 개념을 사용한다. 주행비용은 출발점에서 도착점까지 경로를 생성했을 때 소요되는 가상의 비용으로 이동거리에 비례하는 인접비용, 장애물과 같이 주행을 방해하는 영역에 부여되는 고유비용의 합으로 구성된다. 여기에 본 기술에서는 혼잡비용의 함수를 추가하여 주행 비용을 구성하였다.

(1) 고유비용

고유비용은 환경과 관련하여 설정되는 영역의 특성을 나타내는 비용이다. 대표적인 요소로 주행 환경인 격자 상에서의 장애물, 미끄러운 바닥, 요철이 심한 바닥, 정보가 불확실한 미지의 영역 등을 고려할 수 있다. 즉, 이동 로봇이 주행 중에 회피하기를 원하는 이들 영역에 속하는 셀, 즉 격자에 높은 고유비용을 부여함으로써, 실제 경로계획에서 이들 영역을 회피할 수 있도록 한다.

도 16(a)에 도시된 바와 같이 장애물로부터 거리가 멀수록 더 작은 비용이 부여된다. 예를 들어, 장애물에 가까운 영역을 100이 부여되고, 좀 더 멀리 떨어진 영역에는 10이 부여된다. 도 16(b)는 지도 전체에 고유비용을 부여한 것을 나타낸 그림이다.

(2) 인접비용

인접비용은 두 점 간의 이동에 관련된 경로비용으로, 대부분의 경우에 이동거리에 비례하여 경로비용을 부여한다. 즉, 목표점을 한 점으로 설정하면, 목표점으로부터 거리에 비례하여 증가되는 비용을 각 격자에 부여한다. 도 17(a)와 같이 한 격자를 이동하는 데 증가하는 비용은 1로 설정된다. 그러므로 점 A에서 B까지 이동하는 비용은 총 2가 되고, 그 값이 격자의 인접비용이 된다. 도 17(b)는 목표점으로부터 로봇의 위치까지의 인접비용을 나타낸 것이다.

(3) 혼잡비용

혼잡비용은 장애물에 의해 혼잡할 것으로 예상되는 영역에 부여되는 비용으로, 혼잡지도를 이용하여 계산된다. 이 비용은 장애물이 존재할 것이라고 예상되는 지역에는 더 높은 비용을 부여하는데, 이는 많은 사람들이 존재하는 지하철과 같은 공간에서 사람들 사이에서 걷는 것과 마찬가지로 장애물 예측 지역을 통과하는 데에 더 많은 에너지를 소비하게 되기 때문이다. 따라서 이 방법은 필요에 따라 이 지역을 지나갈 수는 있으나, 최대한 우회하여 원하는 장소로 접근하도록 돕는다. 도 18에서 보듯이, 혼잡비용은 확률을 가지는 혼잡지도를 정수 형태의 비용으로 계산하기 위해서 일정한 비율로 변환시킨 결과이다. 도 19(a)는 환경에서 작성된 혼잡지도를 나타낸 것이다. 도 19(b)는 혼잡지도를 혼잡비용으로 변환시켜 표현한 예이다. 이 예에서는 비용을 9로 동일하게 부여하였다. 장애물 예측 영역은 다른 지역에 비해 더 높은 혼잡비용이 부가되는 것을 확인할 수 있다.

경우에 따라 혼잡지도의 확률화된 정보는 다른 비용, 즉 고유 비용, 인접 비용 등과의 산술적 결합을 위한 가중치가 반영될 수도 있다. 즉, 도 18에는 혼잡지도 정보로부터 혼잡비용이 산출되는 관계도가 도시된다. 앞서 기술된 방식으로부터 산출되는 혼잡지도 정보인 혼잡지도 내 각 격자 내 장애물이 존재할 확률은 0.5~0.9의 값을 가진다고 할 때, 가중치 변수 w에 따라 혼잡지도의 비용 C(p _i )이 식 (1)과 같이 표현 산출될 수 있고 이러한 관계식을 통하여 혼잡비용이 산출될 수 있다. 여기서 p _i 는 i 번째 격자를 나타내며, P _G (p _i )는 혼잡지도의 i 번째 격자의 확률, P _min 은 혼잡지도의 최소 확률, P _max 는 최대 확률, w는 가중치 변수이다. 도 18은 식 (1)을 이용하여 혼잡지도를 혼잡비용(congestion cost)으로 변환시켜 나타낸 것이다. 여기서 사용된 가중치 변수 w는 8로 가정하였으나 이는 일예로서 가중치 변수는 설계 환경에 따라 다양한 값이 선정될 수 있다.

(1)

이와 같이 정의되는 총 3가지의 비용값을 이용하여 이동 로봇의 출발지로부터 목적지까지의 주행 비용이 산출되고 이로부터 아래와 같이 이동 로봇의 주행 경로가 생성 선정될 수 있다.

(4) 주행비용을 이용한 경로생성

일반적인 구배법에서 주행비용은 고유비용과 인접비용의 합으로 국한되나, 본 발명에서의 주행비용은 고유비용, 인접비용, 혼잡비용의 합으로 이루어진다. 도 20은 모든 격자에 대한 주행비용을 나타낸 모습이다. 계산된 주행비용에 기초하여 시작점에서 목표점까지 가는 경로를 생성하게 되는데, 그 방법으로 주행비용이 가장 빠르게 감소하는 방향으로 경로를 생성한다. 도 20와 같이 로봇 위치를 시작으로 주변의 주행비용들을 비교하여 최소가 되는 격자로 경로가 선택된다. 그러므로 주행비용이 11이 되는 격자가 선택된다. 주행비용에 기초하여 로봇을 이동시키면, 시작점에서 목표점까지 생성되는 경로는 비용이 최소가 되는 최적경로가 된다.

본 발명의 주행 비용의 산출 과정에서 주행 비용함수의 계산을 다음과 같이 이루어진다. 즉, 목표점까지의 경로를 P로 정의한다면, P는 지도상의 주행 가능한 경로점들의 집합으로 이루어지는데, p _i 는 경로상의 경로점을 의미하며, N은 시작점과 목표점을 포함한 경로상의 모든 경로점의 개수를 나타낸다. 경로 상의 경로점 중의 마지막 점인 p _N 은 목표점, 즉 목적지에 해당한다.

P={p ₁ , p ₂ , p ₃ , ... , p _N }

현재 위치에서 목표점으로 가는 경로를 결정하는 방법으로 주행비용(navigation cost)의 개념을 사용한다. 주행비용은 시작점으로부터 목표점까지 존재하는 다수의 경로 중 최소의 비용을 가진 경로를 선택하기 위해 사용된다. 경로 P의 주행비용 Navi(P)는 다음과 같이 표현할 수 있다.

(2)

여기서 I(p _i )는 점 p _i 에서의 고유비용, A(p _i , p _{i+ 1})는 점 p _i 에서 점 p _{i+ 1}까지의 이동에 대한 근접비용, C(p _i )는 점 p _i 에서의 혼잡비용을 각각 나타낸다. 도 20에서와 같이 시작점에서 목표점까지 주행하는 경로는 다수 개가 존재할 수 있으므로 이들 경로 중에서 최소의 비용을 갖는 경로를 선택하는 것이 필요하다.

이하에서는 상기한 구체적인 기술사항과 도면을 참조하여 본 발명의 이동 로봇 주행 제어 방법의 구체적 과정을 설명한다.

도 22에는 본 발명의 일실시예에 따른 이동 로봇 주행 제어 방법의 일실시예에 대한 흐름도가 도시되고, 도 23 내지 도 도 25에는 보다 구체적인 세부 흐름도가 도시된다.

본 발명의 이동 로봇 제어 방법의 개략적인 제어 과정은 다음과 같다. 본 발명의 이동 로봇 제어 방법은, 경로 계획 단계(S10)와 주행 단계(S20)와 혼잡 지도 작성 산출 단계(S30)를 포함하며, 반복적 동작을 이룰 수 있다.

경우에 따라 경로 계획 단계(S10)에 앞서 초기값으로서의 사전 설정 데이터 내지 입력부(50)를 통한 입력값의 입력을 위한 초기화 단계(S1)가 더 구비될 수도 있다.

먼저, 경로 계획 단계(S10)에서 제어부(20)는 저장부(30)에 저장되거나 입력부(50)를 통하여 입력된 사전 설정 데이터에 포함되는 주행 환경에 대한 격자 지도 정보와 감지부(10)에서 감지 취득된 감지 정보를 이용하여 산출되는 혼잡 지도 정보를 이용하여 출발지로부터 목적지까지 이동 로봇의 주행 경로를 산출한다.

그런 후, 주행 단계(S20)가 실행되는데, 주행 단계(S20)에서는 제어부(20)가 경로 계획 단계(S10)에서 산출된 주행 경로를 따라 이동하되, 이동 과정 중 감지부(10)에서 감지된 감지 정보를 이용하여 장애물 지도 정보를 포함하는 주행 환경 정보를 취득하고, 취득된 주행 환경 정보를 이용하여 위치 추정하여 출발지로부터 목적지까지 이동 로봇의 주행이 이루어진다.

그런 후, 혼잡 지도 작성 산출 단계(S30)가 실행되는데, 혼잡 지도 작성 산출 단계(S30)는 주행 단계(S20)가 완료된 후, 주행 단계에서 취득된 주행 환경 정보 중 해당 격자의 장애물 유무 확률 정보를 포함하는 주행 비용 정보를 저장하는 주행 환경 데이터베이스를 이용하여 주행 환경에 대한 혼잡 지도를 작성한다.

앞서 기술한 바와 같이 저장부(30)에 저장되는 주행 환경 데이터베이스에 포함되는 주행 비용 정보는 고유 비용 정보와, 혼잡 비용 정보 및 인접 비용 정보를 포함한다. 고유 비용 정보는 격자 정보에 포함되는 각 격자에 대하여 주행 환경 내 위치 고정된 정적 장애물 정보가 비용으로 전환 저장되는 비용 정보를 지칭하는 것으로, 앞서 기술된 도 16(a) 및 (b)의 예시와 같다.

혼잡 비용 정보는, 격자 정보에 포함되는 각 격자에 대하여 주행 환경 내 이동 가능한 동적 장애물 정보, 즉 보행자 등의 이동에 다른 점유 확률이 비용으로 전환 저장된 것으로, 도 19에서와 같은 확률적 선도로서의 혼잡 지도가 정수형태의 혼잡 비용으로 전환된 정보이다.

인접 비용 정보는, 출발지와 목적지가 설정되는 경우 출발지에서 목적지까지 이동하는 최소 경로의 격자 개수에 할당 저장된 비용 정보로서, 앞서 도 17 (a) 및 (b)에 예시된 바와 같다.

보다 구체적으로, 경로 계획 단계(S10)는 주행 비용 산출 단계(S11)와, 주행 경로 산출 단계(S13)를 포함한다.

주행 비용 산출 단계(S11)에서는 제어부(20)의 연산 제어 신호에 따라 출발지로부터 목적지까지 주행 비용 정보를 연산부(40)가 연산하여 주행 비용이 산출된다.

또한, 주행 경로 산출 단계(S13)에서 제어부(20)는 주행 비용 산출 단계(S11)에서 산출된 주행 비용으로 사전 설정 저장되는 경로 산출법을 이용하여 출발지로부터 목적지까지의 주행 경로를 산출한다.

먼저, 주행 비용 산출 단계(S11)에서 이루어지는 주행 비용 산출은 베이지안 네트워크를 통하여 이루어진다. 즉, 주행 비용 산출 단계(S11)는 주행 비용 중 하나를 구성하는 혼잡 비용 산출 과정을 포함하는데, 본 발명의 혼잡 비용은 각 격자에 대하여 시간별로 저장되는 정보를 포함하는 주행 환경 데이터베이스에 기초하여 베이즈 정리를 이용하는 베이지안 네트워크로부터 산출된다.

이러한 주행 환경 데이터베이스는 격자에 대한 시간 정보별 장애물 유무 확률 정보가 구비되는 장애물 지도를 포함한다. 즉, 앞서 기술한 바와 같이, 주행 환경상 격자 지도에서의 각 공간으로서의 격자 공간에 대하여 시간으로서의 격자, 즉 앞서 설명한 노드에 대한 시간별 데이터베이스가 저장되는데, 각각의 시간 정보별 노드에는 시간 정보별 장애물 유무가 포함된다.

이러한 시간 정보는 앞서 예시된 일자, 시간대의 정보가 포함되고, 경우에 따라 요일 정보가 포함될 수도 있다.

본 발명의 베이지안 네트워크에서 동일한 위치, 즉 주행 환경 상에서의 동일 격자에 대하여 상이한 시간 정보의 영향을 받는 시간 정보의 단위 개수를 영향 시간 단위수라 하고, 사전 설정 데이터는 상기 영향 시간 단위수를 포함한다.

즉, 앞서 예시된 바와 같이, 15일 2시를 전후로 일자 상으로 2일, 시간대 상으로 1시간씩의 현재 해당 시간, 일자의 현재 격자에서의 장애물의 점유 확률을 산출하는데 사용되는 영향 시간 단위수로 사용되었으며, 영향 시간 단위수의 개수가 증가할수록 보다 정확한 확률 산출이 가능하나 연산 부하 증대로 인한 신속한 연산 도출에 제약이 된다는 점에서 적정한 값의 선정을 통한 신속성과 신뢰성을 확보하도록 선택될 수 있다 .

한편, 본 발명의 주행 비용 산출 단계(S11)는 앞서 기술한 바와 같이 혼잡 비용 산출 단계(S110)와, 고유 비용 정보 산출 단계(S120)와, 인접 비용 산출 단계(S130)와, 주행 비용 연산 단계(S140)를 포함한다.

혼잡 비용 산출 단계(S110)에서 제어부(20)는 앞서 기술한 영향 시간 단위수에 따라 베이지안 네트워크를 통하여 산출되는 격자에 대한 혼잡 비용 정보를 이용하여 혼잡 비용을 산출한다. 앞서 기술한 바와 같이, 현재 이동 로봇이 위치한 현재 격자에서의 현재 시간, 일자에 대하여 영향 시간 단위수만큼의 앞선 전후 시간, 일자에서의 동일 격자에 대한 점유 확률을 이용하여 현재 점유 확률이 산출되어 혼잡지도를 구성하는 혼잡 비용 정보가 산출되는데, 앞서 기술한 바와 같이 식(1)과 같은 연산과정을 통하여 혼잡 비용정보로부터 실제 정수화되는 혼잡 비용이 산출될 수 있다.

또한, 고유 비용 정보 산출 단계(S120)에서 제어부(20)는 격자 정보에 포함되는 각 격자에 대한 고유 비용 정보를 이용하여 고유 비용을 산출하는데 이는 앞서 기술한 바와 동일하다.

그런 후, 인접 비용 산출 단계(S130)에서 제어부(20)가 출발지와 목적지에 대한 격자지도의 격자 수를 통하여 인접도에 따른 값을 산출한다. 즉, 출발지와 목적지가 설정되는 경우 출발지에서 목적지까지 이동하는 최소 경로의 격자 개수에 할당 저장되는 인접 비용 정보를 이용하여 도 17에 도시된 바와 같이 목표점인 목적지에 가까울수록 낮은 비용을 그리고 멀수록 격자 개수만큼의 높은 비용이 할당되도록 한다.

그런 후, 제어부(20)는 이들 비용을 이용하여 최종적인 주행 비용을 산출하는 주행 비용 연산 단계(S140)를 실행한다. 주행 비용 연산 단계(S140)에서 제어부(20)는 격자에 대하여 혼잡 비용과, 고유 비용 및 인접 비용을 연산하여 주행 비용을 연산하는데, 연산 과정은 앞서 기술한 바와 동일하다.

한편, 주행 경로 산출 단계(S13)에서 제어부(20)가 주행 비용으로 경로 산출법을 이용하여 주행 경로를 산출하는데, 본 발명의 일실시예에 따른 경로 산출법은최소 경로 구배법는 주행 비용 산출 단계(S11)에서 산출된 주행 비용으로 사전 설정 저장되는 경로 산출법을 이용하여 출발지로부터 목적지까지의 주행 경로를 산출한다.

여기서, 경로 산출법은 구배법(gradient method)이 사용되는데, 본 실시예에서는 목표지까지의 최적 경로 생성을 위해 산출된 주행 비용이 가장 빠르게 감소하는 방향으로 경로를 생성하도록 하는 최소 경로 구배법을 사용한다. 즉, 도 20에 도시된 바와 같이 주변의 격자에 대한 주행 비용을 비교하여 최소가 되는 격자로 경로를 선택하는데, 이와 같이 주행 비용에 기초하여 이동 로봇을 이동시키기 위한 경로를 산출하면, 출발지에서 목적지까지 생성되는 경로는 주행 비용이 최소가 되는 최적 경로가 도출될 수 있다.

앞서 기술한 바와 같이, 주행 단계(S20)에서는 제어부(20)가 경로 계획 단계(S10)에서 산출된 주행 경로를 따라 이동하되, 이동 과정 중 감지부(10)에서 감지된 감지 정보를 이용하여 장애물 지도 정보를 포함하는 주행 환경 정보를 취득하고, 취득된 주행 환경 정보를 이용하여 위치 추정하여 출발지로부터 목적지까지 이동 로봇의 주행이 이루어지는데,

주행 단계(S20)는 감지 단계(S21)와, 위치 추정 단계(S23)와, 장애물 지도 산출 단계(S25)와, 이동 제어 단계(S27)와, 주행 환경 데이터 베이스 갱신 단계(S29)를 포함한다.

먼저, 감지 단계(S21)에서 제어부(20)는 감지부(10)에 감지 제어 신호를 인가하여 감지부(10)를 통하여 주행 환경에 대한 감지 정보를 감지 취득한다. 이러한 감지 단계에서 감지된 정보를 이용하여 돌발적인 장애물 등의 동적 장애물이 발생하는 경우 이동 로봇의 주행 과정 상에서의 충돌을 회피 하는 동작 구현되 실행될 수 있다.

위치 추정 단계(S23)에서 제어부(20)는 감지부(10)를 통하여 감지된 감지 정보 및 저장부(30)에 저장되는 사전 설정 데이터를 이용하여 현재 이동 로봇의 위치를 추정한다. 이러한 위치 추정은 특징을 이용하는데 본 발명에서 위치 추정 자체는 핵심 사항이 아니므로 위치 추정 방법에 대한 설명은 생략하며, 본 발명에서는 일반적인 위치 추정 방법이 사용될 수 있다.

그런 후 장애물 지도 산출 단계(S25)가 실행되는데, 장애물 지도 산출 단계(S25)에서 제어부(20)는 위치 추정 단계(S23)에서 얻어진 현재 이동 로봇의 위치와 감지 정보를 이용하여 주행 환경에 대한 장애물 정보를 산출 갱신하여 장애물 지도 정보를 산출한다. 즉, 감지부(10)를 통하여 감지되는 통행하는 사람 등의 장애물 정보는 감지 시점에서의 장애물 지도로 산출되어 저장부(30)에 저장되어 혼잡 지도 생성에 사용될 수 있다.

이동 제어 단계(S27)에서 제어부(20)는 이동 로봇의 로봇 구동부(63)에 목적지까지의 이동 제어 신호를 인가하여 이동 로봇을 이동시킨다.

주행 완료 확인 단계(S28)에서는 제어부(20)가 현재 이동 로봇이 목적지까지의 이동이 완료되었는지 여부를 확인하고, 제어부(20)가 현재 이동 로봇이 목적지까지 이동하지 않은 것으로 판단한 경우 제어 흐름을 단계 S21로 전환하여 일련의 과정 수행을 반복한다.

반면, 제어부(20)가 현재 이동 로봇이 목적지까지 이동한 것으로 판단한 경우 제어부는 제어 흐름을 단계 S29로 진행시킨다.

주행 환경 데이터 베이스 갱신 단계(S29)에서 제어부(20)는 주행 완료 확인 단계(S28)에서 주행이 완료된 것으로 판단되는 경우 장애물 지도 정보를 이용하여 주행 환경 데이터 베이스를 갱신하여 혼잡 지도 정보로부터 혼잡 비용 산출 및 이로부터 주행 비용 산출을 가능하게 한다.

그런 후, 혼잡 지도 작성 단계(S30)가 실행되는데, 혼잡 지도 작성 단계(S30)는 주행 환경 데이터 베이스 선별 단계(S31)와, 베이지안 네트워크 산출 단계(S33)와, 혼합 지도 작성 단계(S35)를 포함한다.

주행 환경 데이터 베이스 선별 단계(S31)에서 제어부(20)는 시간 정보 및 영향 시간 단위수를 이용하여 주행 환경 데이터 베이스로부터 현재 시간 및 일자에 대한 시간 정보별 장애물 유무 확률 정보를 갖는 주행 환경 선별 데이터 베이스를 선별 산출한다. 상기한 바와 같이 본 발명의 일실시예에서 시간 정보는 일자 및 시간대가 사용되는데, 경우에 따라 요일 등의 시간 정보를 사용할 수도 있는 등 설계 사양에 따라 다양한 선택이 가능하다.

그런 후, 베이지안 네트워크 산출 단계(S33)기 실행되는데, 주행 환경 선별 데이터 베이스를 이용하여 베이지안 네트워크를 구성 연산하여 현재 시간 및 일자에 대한 격자 내 장애물 유무 확률을 산출한다.

베이지안 네트워크 산출 단계(S33)는 베이지안 네트워크 구성 단계(S331)와, 베이지안 네트워크 연산 단계(S333)를 포함한다. 베이지안 네트워크 구성 단계(S331)는 주행 환경 선별 데이터 베이스를 이용하여 베이지안 네트워크를 구성한다. 베이지안 네트워크 연산 단계(S333)는 베이지안 네트워크 구성 단계(S331)에서 구성된 베이지안 네트워크를 이용하여 연산부(40)가 현재 시간 및 일자에 대한 격자 내 장애물 유무 확률을 연산한다.

그런 후, 혼합 지도 작성 단계(S35)가 실행되는데, 제어부(20)는 베이지안 네트워크 산출 단계(S33)에서 얻어진 격자 내 장애물 유무 확률을 이용하여 혼합 지도를 작성 내지 갱신하여 혼잡 지도를 산출하고, 이는 혼잡 비용으로 전환되어 경로 계획 단계(S10)에서 주행 비용을 산출하는데 활용된다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (11)

1. 감지부의 감지 정보를 그리고 저장부에 저장되고 주행 환경에 대한 격자의 정보를 포함하는 사전 설정 데이터를 이용하여, 제어부가 로봇 구동부에 구동 제어 신호를 인가하여 주행을 제어하는 이동 로봇 주행 제어 방법으로서, 상기 사전 설정 데이터에 포함되는 주행 환경에 대한 격자 지도 정보와 상기 감지 정보를 이용하여 산출되는 혼잡 지도 정보를 이용하여 출발지로부터 목적지까지 이동 로봇의 주행 경로를 산출하는 경로 계획 단계(S10)와, 상기 경로 계획 단계(S10)에서 산출된 주행 경로를 따라 이동하되, 이동 과정 중 상기 감지부(10)에서 감지된 감지 정보를 이용하여 장애물 지도 정보를 포함하는 주행 환경 정보를 취득하고, 상기 주행 환경 정보를 이용하여 위치 추정하여 상기 출발지로부터 상기 목적지까지 이동 로봇을 주행시키는 주행 단계(S20)와, 상기 주행 단계(S20)가 완료된 후, 상기 주행 단계에서 취득된 주행 환경 정보 중 해당 격자의 장애물 유무 확률 정보를 포함하는 주행 비용 정보를 저장하는 주행 환경 데이터베이스를 이용하여 주행 환경에 대한 혼잡 지도를 작성하는 혼잡 지도 작성 산출 단계(S30)를 포함하고,
   상기 주행 환경 데이터베이스에 포함되는 주행 비용 정보는: 상기 격자 정보에 포함되는 각 격자에 대하여 상기 주행 환경 내 위치 고정된 정적 장애물 정보가 비용으로 전환 저장된 고유 비용 정보와, 상기 격자 정보에 포함되는 각 격자에 대하여 상기 주행 환경 내 이동 가능한 동적 장애물 정보가 비용으로 전환 저장된 혼잡 비용 정보와, 출발지와 목적지가 설정되는 경우 상기 출발지에서 상기 목적지까지 이동하는 최소 경로의 격자 개수에 할당 저장된 인접 비용 정보를 포함하고,
   상기 경로 계획 단계(S10)는: 상기 제어부(20)의 연산 제어 신호에 따라 출발지로부터 목적지까지 상기 주행 비용 정보를 연산부(40)가 연산하여 주행 비용을 산출하는 주행 비용 산출 단계(S11)와, 상기 주행 비용 산출 단계(S11)에서 산출된 주행 비용으로 사전 설정 저장되는 경로 산출법을 이용하여 출발지로부터 목적지까지의 주행 경로를 산출하는 주행 경로 산출 단계(S13)를 포함하고,
   상기 주행 비용 산출 단계(S11)는, 상기 주행 환경 데이터베이스에 기초하여 베이즈 정리를 이용하는 베이지안 네트워크로부터 산출되는 상기 혼잡 비용 정보를 이용하여 상기 주행 비용을 산출하고,
   상기 주행 환경 데이터베이스는 상기 격자에 대한 시간 정보별 장애물 유무 확률 정보를 구비하는 상기 장애물 지도 정보를 포함하고,
   상기 시간 정보는 요일, 일자, 시간대의 정보를 포함하고, 상기 베이지안 네트워크에서 동일한 상기 격자에 대하여 상이한 시간 정보의 영향을 받는 상기 시간 정보의 단위 개수를 영향 시간 단위수라 하고, 상기 사전 설정 데이터는 상기 영향 시간 단위수를 포함하고,
   상기 주행 비용 산출 단계(S11)는: 상기 영향 시간 단위수에 따라 상기 베이지안 네트워크를 통하여 산출되는 상기 격자에 대한 상기 혼잡 비용 정보를 이용하여 혼잡 비용을 산출하는 혼잡 비용 산출 단계(S110)와, 상기 격자 정보에 포함되는 각 격자에 대한 고유 비용 정보를 이용하여 고유 비용을 산출하는 고유 비용 정보 산출 단계(S120)와, 출발지와 목적지가 설정되는 경우 상기 출발지에서 상기 목적지까지 이동하는 최소 경로의 격자 개수에 할당 저장되는 인접 비용 정보를 이용하여 인접 비용을 산출하는 인접 비용 산출 단계(S130)와, 상기 격자에 대하여 상기 혼잡 비용과, 상기 고유 비용 및 상기 인접 비용을 연산하여 주행 비용을 연산하는 주행 비용 연산 단계(S140)를 포함하는 것을 특징으로 하는 이동 로봇 주행 제어 방법.
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 삭제
7. 삭제
8. 제 1항에 있어서,
   상기 경로 산출법은 최소 경로 구배법이고,
   상기 주행 비용 산출 단계에서 산출된 각 격자에 대한 주행 비용을 이용하여 출발지부터 목적지까지 최소 비용으로 이루어지는 주행 경로를 산출하는 주행 경로 산출 단계(S13)를 포함하는 것을 특징으로 하는 이동 로봇 주행 제어 방법.
9. 제 8항에 있어서,
   상기 주행 단계(S20)는:
   상기 감지부(10)를 통하여 주행 환경에 대한 감지 정보를 감지하는 감지 단계(S21)와,
   상기 감지 정보 및 상기 사전 설정 데이터를 이용하여 상기 제어부(20)가 현재 이동 로봇의 위치를 추정하는 위치 추정 단계(S23)와,
   상기 위치 추정 단계(S23)에서 얻어진 현재 이동 로봇의 위치와 상기 감지 정보를 이용하여 주행 환경에 대한 장애물 정보를 산출 갱신하여 상기 장애물 지도 정보를 산출하는 장애물 지도 산출 단계(S25)와,
   상기 제어부(20)가 이동 로봇의 로봇 구동부(63)에 목적지까지의 이동 제어 신호를 인가하여 이동하는 이동 제어 단계(S27)와,
   상기 이동 제어 단계(S27)를 통하여 이동하는 이동 로봇의 목적지까지의 도달 여부를 확인하는 주행 완료 확인 단계(S28)와,
   상기 주행 완료 확인 단계(S28)에서 주행이 완료된 것으로 판단되는 경우 상기 장애물 지도 정보를 이용하여 상기 주행 환경 데이터 베이스를 갱신하는 주행 환경 데이터 베이스 갱신 단계(S29)를 포함하는 것을 특징으로 하는 이동 로봇 주행 제어 방법.
10. 제 9항에 있어서,
    상기 시간 정보는 일자 및 시간대의 정보이고, 상기 혼잡 지도 작성 산출 단계(S30)는:
    상기 시간 정보 및 상기 영향 시간 단위수를 이용하여 상기 주행 환경 데이터 베이스로부터 현재 시간 및 일자에 대한 시간 정보별 장애물 유무 확률 정보를 갖는 주행 환경 선별 데이터 베이스를 선별 산출하는 주행 환경 데이터 베이스 선별 단계(S31)와,
    상기 주행 환경 선별 데이터 베이스를 이용하여 베이지안 네트워크를 구성 연산하여 현재 시간 및 일자에 대한 상기 격자 내 장애물 유무 확률을 산출하는 베이지안 네트워크 산출 단계(S33)와,
    상기 베이지안 네트워크 산출 단계(S33)에서 얻어진 상기 격자 내 장애물 유무 확률을 이용하여 혼합 지도를 작성 내지 갱신하는 혼합 지도 작성 단계(S35)를 포함하는 것을 특징으로 하는 이동 로봇 주행 제어 방법.
11. 제 10항에 있어서,
    상기 베이지안 네트워크 산출 단계(S33)는:
    상기 주행 환경 선별 데이터 베이스를 이용하여 베이지안 네트워크를 구성하는 베이지안 네트워크 구성 단계(S331)와,
    상기 베이지안 네트워크 구성 단계(S331)에서 구성된 베이지안 네트워크를 이용하여 상기 연산부(40)가 현재 시간 및 일자에 대한 상기 격자 내 장애물 유무 확률을 연산하는 베이지안 네트워크 연산 단계(S333)를 포함하는 것을 특징으로 하는 이동 로봇 주행 제어 방법.

Images