KR101912361B1 - 물류 자동화를 위한 자율주행 로봇 및 상기 로봇의 환경인식 및 자기위치 추정 방법 - Google Patents

Abstract

본 발명은, 물류창고에서 운행되는 자율주행 로봇의 환경인식 및 자기위치 추정 방법에 관한 것으로, 자율주행 로봇이 자율주행해야할 물류공간을 주행하면서 실측한 실측 거리정보를 이용하여 주변환경의 형태를 정보화한 격자기반의 실측지도를 작성하는 단계; 상기 실측지도상에 상기 자율주행 로봇의 주행을 제한하는 영역을 표시하는 가상벽을 추가하여 수정지도를 구성하는 단계; 상기 자율주행 로봇이 상기 물류공간을 실제 주행하는 경우, 상기 수정지도에서 자기위치의 후보지점을 N개 설정하고, 상기 설정된 N개의 후보지점 각각에서 상기 수정지도 내에서 특정 방향으로 계산된 계산 거리정보와 상기 거리센서에 의해 상기 특정 방향으로 실측한 실측 거리정보를 비교하여 n개의 후보지점을 선택하고, 상기 n개의 후보지점에 근거하여 자기위치를 추정하는 단계로 이루어진다.

Description

물류 자동화를 위한 자율주행 로봇 및 상기 로봇의 환경인식 및 자기위치 추정 방법{AUTONOMOUS MOBILE ROBOT TO IMPLEMENT LOGISTICS AUTOMATION SYSTEMS AND METHOD FOR MAP BUILDING AND LOCALIZATION OF THE ROBOT}

본 발명은 자율주행 로봇 및 상기 자율주행 로봇의 이동 제어에 관련된 것으로, 보다 상세하게는 환경 상황이 빈번하게 변하는 영역을 반영한 격자기반 지도를 기반으로 자율주행 로봇이 자신의 위치를 추정하는 방법 및 이러한 방법을 적용하여 자율주행하는 로봇에 관한 것이다.

물류 자동화를 위해 자율주행 로봇이 운행하게 되는 물류 현장은, 수많은 물건이 보관되는 창고일 수 있으며, 창고 안에 보관된 물건들이 외부로 반출되고 새로운 물건이 들여져 적재되는 일이 빈번하여 자율주행 로봇이 인식해야 하는 주변환경의 형태 변화가 매우 심하다.

따라서, 자율주행 로봇이, 물류 현장에서 특정 시점에서 실측한 정보를 이용하여 구성된 지도를 그대로 이용하게 되면, 물건의 위치가 변경된 경우에 자기위치를 식별하지 못하는 상황이 발생할 수 있다.

이러한 문제를 극복하기 위한 방법으로, 물류 현장의 공간 내에 인위적인 표식을 부착하고 이 표식을 인식하여 자율주행 로봇이 자신의 위치를 추정하게 하는 방법이 사용되고 있다. 하지만, 다수의 표식을 다수의 위치에 부착해야 하는 문제점 및 표식이 훼손되지 않도록 유지보수 해야 하는 문제점이 있다.

한편, 최근에 개발되고 있는 자율주행 로봇은, 중심으로부터 여러 각도로 레이저를 조사하여 해당 방향에서 물체까지의 거리를 측정하는 레이저 거리 센서를 구비하고, 측정된 거리정보를 사용하여 물체들 사이를 주행하도록 구성되고 있다. 이렇게 레이저 거리센서를 이용하는 경우에는, 주변 환경에 대응하는 지도를 미리 구비하고 있어야 하며, 측정된 거리정보에 근거하여 지도 내에서 자기위치를 실시간으로 추정하고, 추정된 자기위치에 근거하여 공간 내에서의 자율주행을 실행하도록 구성된다.

하지만, 이 경우에도, 주변 환경에서 물체의 위치가 변경되면, 자기위치를 정확하게 추정할 수 없다는 문제점은 여전하다. 따라서, 이동가능한 물체의 위치변경에 관계없이 지도 내에서 자신의 위치를 정확하게 추정할 수 있게 하는 향상된 자기위치 추정 알고리즘이 필요하다.

본 발명은 상술한 바와 같은 필요성에 의한 것으로서, 물건의 이동이 빈번한 물류 현장의 공간에서 자율주행 로봇이, 스스로 주변 환경에 대응하는 격자기반 지도를 작성하고, 작성된 지도가 물건의 이동을 감안하여 수정 보완되면, 이 수정 보완된 격자기반 지도와 레이저 거리센서를 이용하여 자기위치를 정밀도 높게 추정할 수 있게 하는 방법 및 이러한 방법을 적용하여 주행하는 자율주행 로봇을 제공하고자 한다.

본 발명은, 물류 창고 등에서 운행되는 자율주행 로봇의 환경인식 및 자기위치 추정 방법에 관한 것으로, 그 방법은: 레이저 거리센서를 가진 자율주행 로봇이 실제 주행을 통하여 획득한 거리정보를 축적하여 격자기반의 실측지도를 작성하는 단계와, 물건 위치가 변동하여 발생하는 주변환경의 변화에 강인하게 대처하기 위하여 물건의 위치가 변동되는 영역에 가상의 차단벽을 설정하여 격자기반의 실측지도를 수정하여 수정지도를 구성하는 단계와, 수정지도와 실시간으로 입력되는 실측된 거리정보를 서로 비교하여 자율주행 로봇이 현재의 자기위치를 추정하는 단계를 포함한다.

추가로, 가상벽이 설정된 영역에 자율주행 로봇이 위치하는 경우에는, 자율주행 로봇이 실측한 거리정보를 가상벽과 관련되도록 조정하고, 조정된 거리정보를 참고하여 자신의 위치를 추정한다.

더욱 상세하게는, 본 발명의 일 실시예에 따른 물류 자동화를 위한 자율주행 로봇의 환경인식 및 자기위치 추정 방법은: 물체까지의 거리를 측정하기 위한 거리센서 및 주행한 이동거리를 측정하기 위한 엔코더를 포함하는 자율주행 로봇이, 자율주행해야할 물류공간을 주행하면서 실측한 실측 거리정보를 이용하여 주변환경의 형태를 정보화한 격자기반의 실측지도를 작성하는 단계; 상기 실측지도상에 상기 자율주행 로봇의 주행을 제한하는 영역을 표시하는 가상벽을 추가하여 수정지도를 구성하는 단계; 상기 자율주행 로봇이 상기 물류공간을 실제 주행하는 경우, 상기 수정지도에서 자기위치의 후보지점을 N개 설정하고(상기 N은, 1 이상의 자연수), 상기 설정된 N개의 후보지점 각각에서 상기 수정지도 내에서 특정 방향으로 계산된 계산 거리정보와 상기 거리센서에 의해 상기 특정 방향으로 실측한 실측 거리정보를 비교하는 방식으로, 하나 또는 복수의 후보지점을 선택하고, 상기 선택된 하나 또는 복수의 후보지점에 근거하여 자기위치를 추정하는 단계를 포함할 수 있다.

여기서, 상기 자기위치를 추정하는 단계는: 상기 자율주행 로봇이 자율주행을 시작하는 초기위치를 결정하는 것; 상기 엔코더를 이용하여 상기 자율주행 로봇의 주행한 이동거리를 계산하고, 자율주행한 현재 위치에서 상기 특정 방향으로 실측 거리정보를 생성하는 것; 상기 초기위치에 상기 계산된 이동거리를 결합하고, 여기에 노이즈를 추가하여 상기 수정지도상에서 상기 후보지점을 N개 설정하는 것; 상기 설정된 N개의 후보지점들 각각에 대하여 상기 수정지도상에서 상기 특정 방향으로 계산 거리정보를 계산하고, 각각의 상기 후보지점들에 대하여 상기 계산된 계산 거리정보와 상기 실측 거리정보와의 차이를 계산하고, 상기 계산된 차이가 적은 순서로 상기 후보지점들 중 n개를 선택하는 것(상기 n은, 1≤n≤N인 자연수); 상기 선택된 n개의 후보지점들의 위치들을 조합한 위치를 상기 자율주행 로봇의 새로운 자기위치로서 결정하는 것을 포함할 수 있다.

또한, 상기 자기위치를 추정하는 단계는: 상기 새로운 자기위치가 결정된 후 그다음의 새로운 자기위치를 결정하기 위한 절차로서: 상기 계산된 차이가 적은 순서로 선택된 상기 n개의 후보지점들 각각에 대해 그다음의 이동거리 및 노이즈를 추가하여, 총 N개의 새로운 후보지점을 설정하는 것, 상기 N개의 새로운 후보지점의 각각으로부터 상기 특정 방향으로 상기 수정지도에서 상기 계산 거리정보들을 계산하고, 상기 계산된 계산 거리정보와 현재 위치에서의 상기 특정 방향으로의 실측 거리정보와의 차이를 계산하고, 상기 계산된 차이에 근거하여 선택되는 n개의 후보지점들에 근거하여 상기 자율주행 로봇의 그다음의 새로운 자기위치를 결정하는 것을 더 포함할 수 있다.

이때, 상기 가상벽은 상기 실측지도에서 고정된 물체들을 연결하는 형태로 구성되고, 상기 자율주행 로봇은, 상기 영역의 내부 또는 상기 가상벽까지의 거리가 측정되는 구간을 실제 주행하는 경우, 상기 가상벽을 향하는 상기 특정 방향의 근방을 실측하여 k개의 스캔 거리정보를 생성하고(상기 k는, 1 이상의 자연수), 상기 k개의 스캔 거리정보 각각에 대해 상기 특정 방향에 대한 거리성분을 계산하고, 상기 계산된 거리성분들 중 가장 짧은 하나를 상기 특정 방향으로의 실측 거리정보로서 결정할 수 있다.

또한, 상기 특정 방향은, 상기 자율주행 로봇의 정면방향, 좌측방향 및 우측방향일 수 있다.

본 발명의 또하나의 실시예에 따르면, 물류 현장 내의 물류공간에서 자율주행하도록 구현된 로봇을 개시하는데, 상기 로봇은: 특정 방향에 대하여 물체까지의 거리를 측정하기 위한 거리센서; 상기 로봇을 이동시키는 이동수단; 상기 로봇이 주행한 거리를 측정하기 위한 엔코더; 상기 이동수단의 동작을 제어하고, 상기 거리센서의 측정값에 근거하여 특정 방향에 대한 실측 거리정보를 생성하고, 상기 엔코더의 측정값에 근거하여 이동거리를 계산하고, 상기 물류공간을 주행하면서 실측한 상기 실측 거리정보를 이용하여 주변환경을 정보화한 격자기반의 실측지도를 작성하고, 상기 실측지도상에 주행이 제한된 영역을 표시하는 가상벽이 추가된 수정지도를 유지하고, 상기 로봇이 상기 물류공간을 실제 주행하는 경우, 상기 수정지도에서 자기위치의 후보지점을 N개 설정하고(상기 N은, 1 이상의 자연수), 상기 설정된 N개의 후보지점 각각에서 상기 특정 방향으로 계산된 계산 거리정보와 상기 생성한 실측 거리정보의 차이를 계산하고, 상기 계산된 차이가 적은 순서로 상기 후보지점들 중 n개를 선택하고(상기 n은, 1≤n≤N인 자연수), 상기 선택된 후보지점에 근거하여 자기위치를 추정하여 상기 이동수단을 제어하는 컴퓨터를 포함할 수 있다.

또한, 상기 로봇이 상기 영역의 내부 또는 상기 가상벽까지의 거리가 측정되는 구간을 실제 주행하는 경우, 상기 컴퓨터는: 상기 가상벽을 향하는 상기 특정 방향의 근방을 실측하여 k개의 스캔 거리정보를 생성하고(상기 k는, 1 이상의 자연수), 상기 k개의 스캔 거리정보 각각에 대해 상기 특정 방향에 대한 거리성분을 계산하고, 상기 계산된 거리성분들 중 가장 짧은 하나를 상기 특정 방향으로의 실측 거리정보로서 결정할 수 있다.

본 발명에 의하면, 자율주행 로봇이 주변환경의 물체의 위치가 자주 변경되는 물류환경에서도 자신의 위치를 정확히 식별하여, 안전한 경로를 추종하여 이동할 수 있게 된다. 이를 바탕으로 물류환경에서 물체의 이동을 자율주행 로봇이 스스로 처리할 수 있어, 안전한 물류 운반을 지원할 수 있게 된다.

도 1은 본 발명에 따른 자율주행 로봇의 구성 및 외형을 개략적으로 도시한 도면이다.
도 2는 본 발명에 따른 자율주행 로봇의 환경인식 및 자기위치 추정 방법의 개략적인 단계를 도시한다.
도 3은 격자기반의 초기실측지도의 예를 도시한다.
도 4는 물건들이 빈번하게 반출 및 반입되는 영역(A)을 도시한다.
도 5는 초기실측지도에 가상벽이 추가된 수정지도를 도시한다.
도 6은 자기위치 추정 방법의 구체적인 단계를 도시한다.
도 7은 자기위치 추정 방법의 개념을 설명하는 도면이다.
도 8은 자율주행 로봇이 영역(A)을 지날 때 왼쪽 방향의 가상벽까지의 거리정보를 계산하는 방법을 도시한다.

먼저, 도 1을 참조하여 본 발명에 따른 물류 자동화를 위하여 물류 공간을 자율주행하는 로봇의 구성 및 형태를 개략적으로 설명한다.

자율주행 로봇(100)은, 크게, 레이저 거리센서(110)와 주행수단(125)과 엔코더(120)와 컴퓨터(150)를 포함할 수 있다.

자율주행 로봇(100)은, 물류 공간을 자율주행하여 물건을 운반하기 위한 것으로서, 상부에 물건을 올려놓을 수 있는 형태이거나, 다른 운반차를 견인할 수 있는 형태로 구현될 수 있다.

레이저 거리센서(110)는 로봇(100)의 전후좌우 상하 방향에 대하여 물체, 물건, 또는 장애물을 식별하고 거기까지의 거리를 측정하기 위한 수단이다. 레이저 거리센서(110)는 레이저를 이용하여 거리를 측정하지만, 이는 단지 예시일 뿐으로서, 초음파, 음파, 자외선, 적외선, 촬영된 영상 등 다양한 방식의 거리센서를 포함할 수 있을 것이다.

일반적인 레이저 거리센서(110)는, 향하는 방향의 좌우로 약 270° 범위를 매 0.5° 마다 레이저를 조사하고, 측정된 거리를 나타내는 거리정보를 출력하도록 구성될 수 있다. 하지만, 본 발명에서는, 도 1(a)에 도시된 바와 같이, 수평방향으로의 왼쪽(0°), 전방(90°) 및 오른쪽(180°)의 거리정보만을 사용하는 것으로 가정하여 설명한다.

주행수단(125)은, 예를 들면, 하나 또는 복수의 바퀴 또는 캐터필러 또는 다리(足)와 이를 회전 또는 구동시키기 위한 모터 또는 링크를 포함할 수 있다.

엔코더(120)는 모터 또는 바퀴의 회전량, 다리의 동작 거리를 측정하여 이동거리 정보를 생성할 수 있다. 또는, 엔코더(120)는 주변을 촬영한 이미지를 직접 분석하여 이동거리를 계산할 수도 있다.

컴퓨터(150)는, 레이저 거리센서(110)를 제어하여 생성되는 실측 거리정보를 획득하고, 주행수단(125)의 동작을 제어하여 로봇(100)을 자율주행시키고, 엔코더(120)로부터 이동거리 정보를 획득하고, 후술하는 본 발명에 따른 환경인식 및 자기위치 추정 방법을 처리하여 자율주행 로봇(100)의 현재 자기위치를 추정하는 기능을 수행한다.

도 1(b)은 본 발명에 따른 물류 자동화를 위한 자율주행 로봇의 예시적인 형태를 보여준다.

자율주행 로봇(100)은 상부에는 물건을 올려놓을 수 있는 받침대가 구비될 수 있다. 받침대의 근방에는 물건을 선반으로 이송하거나 선반으로부터 가져오기 위한 이송기구가 배치될 수도 있다(도시하지 않음).

자율주행 로봇(100)의 적어도 전방에 레이저 거리센서(110)가 배치될 수 있다.

자율주행 로봇(100)의 내부에 컴퓨터가 탑재될 수 있다. 또는, 컴퓨터에서 수행하는 자기위치 추정 기능과 주행수단 제어 기능 등은, 네트워크를 통해 연결된 서버(도시하지 않음)에서 전송되는 명령에 의해 처리되는 방식으로 구현될 수도 있다.

이하에서는, 본 발명에서 제안하는 자율주행 로봇의 환경인식 및 자기위치 추정 방법의 구체적인 내용을 설명한다.

먼저, 본 발명에 따른 자율주행 로봇(100)의 환경인식 및 자기위치 추정 방법은, 도 2에 도시된 바와 같이, 자율주행 로봇(100)이 임의의 이동과정에서 축적된 레이저 거리센서(110)에 의한 거리정보를 이용하여 물류 공간(S)의 주변환경에 관련한 격자기반의 초기실측지도를 작성하는 단계와; 물건의 이동이 빈번한 공간에 대한 사전정보를 바탕으로 격자기반 초기실측지도를 수정 및 보완하여 수정지도를 구성하는 단계와; 자율주행 로봇(100)이 레이저 거리센서(110)에 의해 실시간으로 측정되는 실측된 거리정보와 상기 수정지도를 참고하여 계산된 거리정보를 상호 비교하여 현재의 자기위치를 추정하고, 추정된 자기위치에 근거하여 실제 물류 공간(S) 내부를 자율주행하는 단계를 포함할 수 있다.

자율주행 로봇(100)이 환경을 인식하기 위하여 격자기반 지도를 구성하고 격자기반 지도에 근거하여 자기위치를 추정하는 방법의 첫번째 단계는, 자율주행 로봇(100)이 관리자의 수동 조종 또는 다른 제어 시스템에 의한 자동 유도에 의하여 주행하거나 또는 공간에 미리배치된 임의의 표식을 따라 주행하면서, 이동 과정에서 레이저 거리센서에 의해 실측되는 거리정보를 이용하여 주변환경의 벽면, 가구, 기둥, 물건들 또는 장애물을 구분하여 표시하는 격자기반의 초기실측지도를 작성하는 것을 포함한다.

초기실측지도는 임의의 축척을 갖는 격자들로 구성된 격자기반 지도로서, 자율주행 로봇(100)이 움직이는 공간(S)을 작은 격자들로 나누고, 각 격자에는 벽이나 물류 장비, 물품과 같이 자율주행 로봇이 회피해야 하는 물체가 있을 가능성이 확률로 표시된다(후술하는 수정지도 역시 이와 동일한 격자기반 지도일 수 있다). 이와 같이, 격자기반으로 구성된 지도는 실제 주변 형태를 2차원으로 배치된 격자와 각 격자의 값(예를 들면, 1비트 또는 4비트 등의 값을 가짐)으로 단순하게 표시할 수 있으므로, 자율주행 로봇에 장착된 레이저 거리측정 센서의 장점을 살릴 수 있고 환경의 변화를 빠르게 지도에 반영할 수 있는 장점이 있다. 2차원적인 격자로 구성된 격자기반 지도의 각 격자의 값은 자율주행 로봇(100)이 이동하면서 받아들인 주변환경에서 각 물체까지의 거리정보를 축적하여 지속적으로 갱신될 수 있다.

격자기반 지도에서 각 격자를 m으로 표시하고, 격자들은 m₁, m₂, ... m_N의 N개의 격자로 구성되어 있다고 설정한다. 각각의 격자 m_i는 0과 1 사이의 확률값을 가질 수 있으며 이 확률값은 p(m_i)으로 표시될 수 있다. 격자에 있어서 p(m_i)가 0에 가까울수록 장애물이 없는 빈 공간일 가능성이 크며, 1에 가까울수록 장애물이 있는 공간일 가능성이 크다.

자율주행 로봇(100)의 위치와 방향을 상태변수 x, 레이저 거리센서의 측정값을 z로 표시하면, 시간 t까지 누적된 상태변수와 측정값은 각각 x_1:t, z_{1 :t}로 표시될 수 있다. 따라서 격자기반 지도의 각 격자의 확률값은 다음과 같이 표시될 수 있다.

t=1인 초기상태의 경우에는, 격자기반 지도의 각 격자에 대하여 사전에 입력된 어떠한 정보도 없으므로, 모든 격자에 관하여 확률의 중간값인 0.5가 지정된다.

이후, 자율주행 로봇(100)이 주행하면서 실측한 거리정보를 적용하여 각 격자의 확률값이 조정되고, 그 결과로 실측지도를 생성하게 된다.

위와 같은 과정을 거쳐서 완성된 초기실측지도의 예시는 도 3과 같다.

여기서, 흰색의 공간은 확률이 0.5 미만인 격자들에 의한 것으로서, 벽이나 장애물이 존재하지 않는 위치로 간주될 수 있고, 자율주행 로봇이 자유로이 이동할 수 있는 영역이 된다. 한편, 검은색의 공간은 확률이 0.5 초과인 격자들에 의한 것으로서, 레이저 거리센서로부터 장애물이 검출된 위치를 의미하고, 자율주행 로봇(100)의 이동에 대한 장애물이 된다. 실측 거리정보가 없는 부분은 확률이 0.5를 그대로 유지하며 회색 또는 검은색으로 표시될 수 있다. 확률이 0.5인 위치도 자율주행 로봇(100)이 주행할 수 없도록 할 수 있다.

자율주행 로봇의 환경인식 및 자기위치 추정 방법의 두번째 단계는, 자율주행 로봇(100)의 실측에 의해 만들어진 초기실측지도를, 물류환경의 변동성을 고려하여 수정하는 작업을 포함한다.

물류현장은 일반적으로 기둥에 의해 받쳐지는 다수의 선반을 구비하고, 물건들은 선반에 놓여 보관된다. 이 물건들은 자율주행 로봇이 다른 위치를 주행하고 있는 도중에도 선반으로부터 수시로 반출되거나 보충될 수 있으며, 이와 같이 물건의 이동이 발생하게 되면, 물건의 이동이 발생하기 전에 작성하여 저장하고 있는 지도와 물건의 이동이 발생한 이후의 실측 거리정보 간에 차이가 발생하게 될 것이다.

자율주행 로봇(100)은 실시간으로 측정되는 거리정보를 저장하고 있는 지도에 적용하여 자기위치를 추정하여 이동할 수 있는데, 물건의 이동에 의한 환경의 변화가 발생하면, 실측된 거리정보를 저장하고 있는 지도에 적용할 때 그 지도상에서 자기위치를 정확히 특정할 수 없게 될 가능성이 있다.

따라서, 물건의 이동이 발생할 수 있는 영역에 대해서는, 초기실측지도의 실측된 장애물 중에서 물건의 이동이 발생하더라도 꾸준하게 변경되지 않는 고정 기물을 기준으로 하는 가상의 차단벽(또는, 가상벽)을, 초기실측지도에 추가로 설정할 수 있다. 이러한 가상벽의 설정은 자율주행 로봇(100)의 관리자에 의해 수동조작으로 이루어지거나, 자율주행 로봇(100)에 탑재된 컴퓨터(150) 또는 자율주행 로봇(100)과 네트워크 연결된 제어 서버의 자체 판단에 의해 자동으로 이루어질 수 있다. 여기서, 초기실측지도에 가상벽이 추가된 지도를 수정지도라고 칭한다.

본 발명에서 자율주행 로봇은, 바람직하게는 수정지도에 의해 주행하게 된다.

가상벽은, 물류 환경에서의 예를 들면, 선반의 기둥을 연결하여 설정될 수 있다. 도 4는 초기실측지도에서 물건들이 빈번하게 반출 및 반입될 수 있는 선반을 포함하는 영역(A)을 표시하고 있다. 여기서, 사각형으로 표시된 영역(A) 내부에 점형태로 표시된 부분은 선반의 기둥이 실측된 것으로서, 이 점들을 연결하거나 점의 연장선을 정의하여 가상벽을 구성할 수 있다.

도 5는 도 4의 영역(A)에 가상벽(B)이 설정된 것을 도시한다. 자율주행 로봇(100)은, 수정지도에 의해 주행하게 될 것이고, 가상벽(B)이 설정된 영역(A)을 주행할 때에는 가상벽(B)은 장애물로 인식되므로 이를 통과하지 못하고, 가상벽 사이의 긴 통로를 통해서만 이동하게 될 것이다.

한편, 이렇게 가상벽(B)이 설정된 영역(A)에서는, 레이저 거리센서(110)에 의한 실측된 거리정보와 수정지도에서 계산된 계산 거리정보가 서로 달라서, 주행 로봇(100)이 자기위치를 특정할 수 없게 될 수 있다. 따라서, 자율주행 로봇(100)은 영역(A)을 이동할 때에는 다른 방식으로 자기위치를 추정해야한다. 이에 대해서는 후술한다.

자율주행 로봇의 환경인식 및 자기위치 추정 방법의 세번째 단계는, 자율주행 로봇(100)이, 수정된 격자기반 지도(즉, 수정지도)에서 현재의 자기위치에 대한 복수의 후보지점을 설정하고 설정된 후보지점들로부터 계산된 계산 거리정보와 실시간 측정되는 레이저 거리센서(110)의 실측 거리정보를 비교하여 후보지점들 중 하나 또는 복수에 근거하여 자기위치를 실시간으로 추정하면서 주행하는 것을 포함한다.

자율주행 로봇(100)의 격자기반 지도에 의한 자율주행은, 기본적으로 몬테카를로 위치추정 방법(Monte Carlo Localization)에 기반하고 있다. 이 방법은 파티클 필터(partie filter) 방식을 주요 알고리즘으로 사용하고 있으며 다음의 단계들을 포함한다.

즉, 자율주행 로봇(100)은, 도 6에 도시된 바와 같이, 전원이 인가된 후에 초기화되고(initialize)(S10), 이후, 매 제어주기마다 자기위치에 대한 복수의 후보지점을 예측하고(predict)(S20) → 각 후보지점들을 갱신하고(update)(S30) → 하나 또는 복수의 후보지점을 선택하여 자신의 위치 및 자세를 추정하고(pose estimate)(S40) → 계속하여 그 다음번 위치를 추정하기 위하여 추정된 위치에 근거하여 다시 복수의 후보지점을 재샘플링하는(resample)(S50) 단계들을 수행하게 된다. 특히, 단계(S20) 내지 단계(S50)를 반복하게 될 것이다. 이 절차에 의하여, 로봇(100)은 수정지도상에서의 자기위치를 추정할 수 있고, 수정지도를 참고하여 이동방향 및 이동거리 등을 결정하고 주행수단(125)의 동작을 제어함으로써, 물류 공간(S)을 자율주행할 수 있게 된다.

도 6을 참조한 자기위치 추정 방법은, 이하의 설명 및 도 7의 개념도를 참조하여 이해할 수 있다.

(1) 초기화(initialize) 단계

초기화 단계는, 자율주행 로봇(100)이 정지상태에서 전원이 인가되면 현재 자기위치를 미리정의된 초기 위치(예를 들면, 충전 장소)로 특정한다.

(2) 예측(predict) 단계

자율주행 로봇(100)이 임의의 방향으로 임의의 거리만큼 움직였을 때, 자율주행 로봇(100)의 바퀴에 장착된 엔코더(120)의 측정값을 참고하여 이동거리를 계산할 수 있다. 이 계산된 이동거리는, 오도메트리(odometry) 정보라고 하고

로 표시한다.

오도메트리 정보는, 초기 위치 또는 이전의 위치추정계산 주기에서 결정된 자율주행 로봇(100)의 위치에 결합될 수 있다. 그리고 이전의 위치에 오도메트리 정보가 결합된 새로운 위치에, 가우시안 랜덤(Gaussian Random) 함수에 의한 노이즈를 추가하여, N개의 파티클을 구성한다. 이 노이즈를

라고 하면, 각 파티클은 다음과 같이 계산된다. 여기서, 노이즈가 추가됨으로써, 오도메트리 정보가 결합된 위치의 주변에 설정된 가상의 파티클들이 자기위치의 후보지점으로 설정된다.

본 발명의 일 실시예에 따른 자율주행 로봇(100)의 경우 N개(예를 들면, 50개)의 파티클을 사용한다고 가정한다. 각 파티클은 자율주행 로봇(100)의 아직 확정되지 않았지만 실제 위치와 근접한 위치와 자세를 의미할 수 있다.

이때, 시간 t에서의 i번째 파티클을

라 하고, 그 파티클의 가중치를

라 하고, 자율주행 로봇(100)의 격자기반 지도상의 위치좌표를

,

라 하고, 평면상의 자세를

라 하면, 시간 t에서의 가중치가 포함된 파티클들 S_t를 다음과 같이 표시할 수 있다.

초기 상태에서 자율주행 로봇(100)의 위치는 사전에 주어진 위치일 것이며, 최초에 생성된 파티클들의 가중치는 모두 동일하다. 즉, 초기상태에서 최초 생성된 N개, 즉, 50개의 파티클들 각각의 가중치는 모두 동일할 것이다.

(3) 갱신(update) 단계

예측 단계에서 추정된 자율주행 로봇(100)의 위치와 자세의 후보들, 즉, 50개의 파티클들 중에서, 현재의 레이저 거리센서(110)의 측정값에 부합하는 정도에 따라 각 파티클의 가중치를 변경하고, 가중치의 순서에 따라 자기위치에 근접한 하나 또는 복수의 파티클을 선택한다.

자율주행 로봇(100)에 장착된 레이저 거리센서(110)는 통상적으로 감지 범위가 수평 방향으로 180도 이상이며 대략 270도에 이르는 넓은 각도 범위에 걸쳐 있다. 또한, 이러한 통상적인 레이저 거리센서(110)는 감지 범위 전체에 대해서 각도 1°마다 수 개 내지 수십 개 정도로 세분화하여 측정하게 되므로, 감지범위 전체에 대한 한 번의 측정에서도 수백 내지 수천 개의 거리정보가 생성될 수 있다. 또한, 레이저 거리센서(110)는 감지범위 전체에 대한 측정을 매 초당 수 내지 수십 회 반복할 수 있으므로, 이렇게 생성되는 모든 거리정보를 이용하여 자기위치를 추정하는 것은 자율주행 로봇의 컴퓨터(150)에 큰 부담이 된다.

이러한 이유로, 본 발명의 일 실시예에 따른 자율주행 로봇(100)은, 왼쪽 방향(예를 들면, 0°), 정면 방향(예를 들면, 90°) 및 오른쪽 방향(예를 들면, 180°)의 3방향에서 측정된 거리정보만을 사용할 수 있다.

한편, 자율주행 로봇(100)이 이동하여 현재 도달한 위치를 추정하기 위하여, 이전의 위치에 그다음 오도메트리 정보를 결합하여 생성한 새로운 위치에 노이즈를 추가하여 50개의 파티클들(파티클들이 처음 생성될 때에는 동일한 가중치가 설정됨)을 생성하였고, 각 파티클의 위치를 수정지도에서 특정하고, 특정된 위치들을 중심으로 수정지도에서 3방향 거리정보를 계산한다(즉, 계산 거리정보). 50개의 계산 거리정보가 계산될 수 있다.

그리고, 자율주행 로봇(100)이 현재 실측한 3방향 거리정보와 각각의(예를 들면, 50개 각각) 계산 거리정보를 비교하여, 그 오차(또는, 거리차이)의 정도에 따라서 각 파티클들의 가중치를 조정한다. 예를 들면, 오차가 적을수록 가중치를 크게 조정할 수 있다.

자율주행 로봇(100)이 주행중에 측정한 실측 거리값 중에서 전방방향의 거리를 l_front라 하고, 오른쪽 방향의 거리를 l_right, 왼쪽 방향의 거리를 l_left라 설정한다. 그리고, 수정지도에서 각 파티클에서 계산되는 계산 거리정보(전방, 오른쪽, 왼쪽)를 vl_front, vl_right vl_left라고 설정한다. 그렇다면, 현재의 자율주행 로봇(100)의 위치에서의 실측 거리정보와 임의의 파티클(

)과의 거리차이

은 다음과 같이 계산할 수 있다.

거리차이가 계산되면 파티클의 집합 S_i는 아래와 같이 정리할 수 있다.

다음으로, 가중치를 계산한다. 가중치

는 거리차이

에 의하여 결정된다. 거리차이가 작은 파티클은 가중치가 크고, 거리차이가 큰 파티클의 가중치가 작다. 가중치가 큰 파티클의 위치가 자율주행 로봇(100)의 현재 위치일 가능성이 크다.

(4) 자세추정(pose estimate) 단계

갱신 단계에서 각 파티클의 가중치가 계산되면, N개의 파티클 중에서 가장 가중치가 높은 상위 n개의 파티클을 선정할 수 있다. n은 N보다 작은 값으로써 1/10 정도일 수 있다. 이 선정된 n개(예를 들면, 5개)의 파티클들의 각각의 위치를 평균하고, 그 평균값을 자율주행 로봇(100)의 현재 위치 및 자세로 결정할 수 있다. 자세추정 단계를 거침으로서 자율주행 로봇(100)의 현재 위치에 대한 추정이 완료된다.

(5) 재샘플링(resample) 단계

재샘플링은, 현재 추정된 자기위치에서 로봇(100)이 더 진행한 경우의 새로운 위치(이전에 추정된 자기위치로부터의 그다음 위치)를 추정하기 위한 것으로서, 이전의 위치에 그다음 오도메트리 정보를 결합하고 여기에 노이즈를 추가하여 새로운 파티클들을 생성하는 단계이다. 즉, 자세추정 단계에서 가중치가 낮은 파티클을 삭제하고, 가중치가 높아서 삭제되지 않은 파티클(즉, 평균 계산에 사용된 파티클들)로부터 새로운 파티클을 만들어내는 단계이다.

즉, 앞서 선정된 n개의 파티클을 남겨놓고 나머지 (N-n)개의 파티클을 삭제하고, 선정된 n개의 파티클 각자를 이용하여 오도메트리 정보와 노이즈를 결합하여 복수개의 파티클들을 생성하고, 총 N개의 새로운 파티클을 생성한다. 이렇게 생성된 N개의 파티클에는 다시 동일한 가중치가 설정되고, 자율주행 로봇(100)의 새로운 위치 후보로 사용된다. 그리고 갱신 단계로부터 반복한다.

예를 들면, 최초 50개의 파티클 중에서 가중치가 높은 상위 5개의 파티클을 선정하여 평균값에 의해 현재 위치를 결정하였을 때, 나머지 45개의 파티클들은 삭제된다. 그리고, 자율주행 로봇(100)의 오도메트리 정보를 획득하고, 획득한 오도메트리 정보를 선정된 5개의 파티클 각각에 대하여 결합하여 5개의 새로운 위치들을 생성한다. 그리고, 각 새로운 위치들마다 노이즈를 추가하여 10개씩의 새로운 파티클을 생성함으로써, 총 50개의 파티클을 생성하게 된다. 이후, 각 파티클들로부터 계산 거리정보를 계산할 수 있으며, 이 값들은 레이저 거리센서(110)의 측정 거리정보와 비교되어 가중치가 조정될 수 있다. 마침내, 가중치가 높은 5개의 파티클을 선정하고, 이를 근거로 새로운 자기위치를 추정한다.

자율주행 로봇(100)은, 상기한 바와 같은, 예측 → 갱신 → 자세추정 → 재샘플링 단계를 반복하면서 수정지도상에서의 자기위치를 실시간으로 및 연속적으로 추정하고, 추정된 자기위치를 근거로 이동방향 및 이동거리를 설정하여 자율주행하게 된다.

다음은, 본 발명에 있어서 수정지도의 영역(A)에 가상벽(B)이 추가된 경우에, 실측 거리정보와 계산 거리정보의 차이를 보상하여 자기위치를 정확하게 추정할 수 있는 방법에 대해서 설명한다.

본 발명의 일 실시예에 따른 자율주행 로봇(100)은, 전방, 오른쪽, 왼쪽의 3방향 거리정보를 이용한다. 하지만, 가상벽(B)이 설정된 영역(예를 들면 영역(A))으로 진입하였거나 상기 3방향 중 하나가 가상벽(B)까지 연장되는 경우에는 좀 더 넓은 범위의 추가 방향으로의 거리정보를 더 이용한다. 특히, 추가 방향의 거리정보는, 추가 방향에서 측정된 거리를 3방향 중 관련된 방향의 연장선으로 수선의 발을 내리고, 거리센서(110)로부터 수선의 발까지의 거리를 3방향 중 관련된 방향의 거리정보로 간주하는 방식으로 활용된다.

예를 들면, 도 8에 도시된 바와 같이, 자율주행 로봇(100)의 왼쪽에 가상벽(B)이 위치하는 상황이라고 가정할 수 있다. 가상벽(B)은 수정지도에서 선반의 기둥 위치를 따라서 설정되었기 때문에, 가상벽(B)이 존재하는 영역(A)을 주행하는 자율주행 로봇(100)은 선반의 기둥을 식별하고 그 기둥을 기준으로 왼쪽의 거리를 다시 계산하여야 한다.

만일, 선반의 안쪽에 물건이 없는 경우에는, 왼쪽 방향(0°)으로의 실측 거리정보는, 가상벽(B)까지의 거리 또는 선반의 기둥까지의 거리를 측정하지 못하고, 선반의 안쪽에서 물건이 있던 부분을 통과하여 더 멀리에 있는 물체까지의 거리를 측정하게 될 것이다.

따라서, 가상벽(B)의 근방을 지날 경우에는 다른 각도 방향에서 측정된 거리정보를 참고하여야 한다. 다른 각도는, 예를 들면, 왼쪽 방향에 가상벽이 있다고 하면, 0°, 5°, 10°, 15° 등과 같이 일정한 간격 또는 0°, 2°, 5°, 10° 등과 같이 임의의 간격을 갖는 방향으로 거리를 측정할 수 있다. 그리고, 여러 방향으로부터 획득된 복수의 거리정보를 이용하여, 가상벽(B)이 설정된 기준인 선반 기둥을 식별하고, 식별된 선반 기둥까지의 가상의 거리를 측정된 거리정보로 간주하는 것이다.

다시 설명하면, 자율주행 로봇(100)의 왼쪽 0° 방향으로부터 임의의 각도 범위 내에서 k개의 거리정보가 획득되었다고 가정한다. 이때, i번째 거리 정보의 거리가 length_i이고 각도가 α_i라고 가정한다. 그렇다면, k개의 각 거리정보로부터 0° 방향의 직선에 내린 수선의 발까지의 거리는 다음과 같이 계산할 수 있다.

이때, 자율주행 로봇(100)의 왼쪽 방향의 거리 l_left는 p₁, p₂, ... p_k 중에서 최소인 값으로 설정될 수 있다.

수선의 발이 가장 짧다는 것은 l_left가 가장 짧다는 것을 의미할 수 있으며, l_left가 가장 짧다는 것은 왼쪽에서 선반의 기둥이 감지되었음을 의미할 수 있다. 따라서, 여기서는, 자율주행 로봇(100)이 자신의 왼쪽 방향을 폭넓게 센싱한 후 감지되는 선반의 기둥을 기반으로 가상벽(B)까지의 거리를 계산하고, 계산된 거리를 참고하여 자신의 위치를 추정하는 방식을 이용하는 것이다.

자율주행 로봇의 전방 또는 오른쪽 방향으로도 가상벽이 존재한다면 마찬가지의 방식으로 계산하여 l_front, l_right를 계산할 수 있다.

일단, 레이저 거리센서 측정값으로부터 l_front, l_right, l_left를 계산하면, 상술한 바와 같은 단계들에 따라서 자율주행 로봇의 자기위치를 추정할 수 있다.

이상에서 설명된 본 발명의 실시예들은 본 발명의 기술 사상을 예시적으로 보여준 것에 불과하며, 본 발명의 보호 범위는 이하 특허청구범위에 의하여 해석되어야 마땅할 것이다. 또한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것인 바, 본 발명과 균등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (7)

1. 물체까지의 거리를 측정하기 위한 거리센서 및 주행한 이동거리를 측정하기 위한 엔코더를 포함하는 자율주행 로봇에 의해 수행되는 환경인식 및 자기위치 추정 방법으로서,
   자율주행해야할 물류공간을 주행하면서 실측한 실측 거리정보를 이용하여 주변환경의 형태를 정보화한 격자기반의 실측지도를 작성하는 단계;
   상기 실측지도의 고정된 물체들을 연결한 형태로서 상기 실측지도상에 상기 자율주행 로봇의 주행을 제한하는 영역을 표시하는 가상벽을 추가하여, 수정지도를 구성하는 단계;
   상기 자율주행 로봇이 상기 물류공간을 실제 주행하는 경우, 상기 수정지도에서 자기위치의 후보지점을 N개 설정하고(상기 N은, 1 이상의 자연수), 상기 설정된 N개의 후보지점 각각에서 상기 수정지도 내에서 특정 방향으로 계산된 계산 거리정보와 현재 위치에서 상기 거리센서에 의해 상기 특정 방향으로 실측한 실측 거리정보를 비교하여 하나 또는 복수의 후보지점을 선택하고, 상기 선택된 하나 또는 복수의 후보지점에 근거하여 자기위치를 추정하면서 주행을 계속하는 단계를 포함하고,
   상기 주행을 계속하는 단계는,
   상기 자율주행 로봇이, 상기 가상벽까지의 거리가 측정되는 구간을 실제 주행하는 경우,
   현재 위치에서 상기 가상벽을 향하는 상기 특정 방향의 근방을 실측하여 k개의 스캔 거리정보를 생성하고(상기 k는, 1 이상의 자연수),
   상기 k개의 스캔 거리정보 각각에 대해 상기 특정 방향에 대한 거리성분을 계산하고, 그리고
   상기 계산된 거리성분들 중 가장 짧은 하나를 상기 특정 방향으로의 실측 거리정보로서 결정하여 주행을 계속하는 것을 더 포함하는, 물류 자동화를 위한 자율주행 로봇의 환경인식 및 자기위치 추정 방법.
2. 제1항에 있어서,
   상기 자기위치를 추정하는 단계는,
   상기 자율주행 로봇이:
   자율주행을 시작하는 초기위치를 결정하는 것;
   상기 엔코더를 이용하여 상기 자율주행 로봇의 주행한 이동거리를 계산하고, 자율주행한 현재 위치에서 상기 특정 방향으로 실측 거리정보를 생성하는 것;
   상기 초기위치에 상기 계산된 이동거리를 결합하고, 여기에 노이즈를 추가하여 상기 수정지도상에서 상기 후보지점을 N개 설정하는 것;
   상기 설정된 N개의 후보지점들 각각에 대하여 상기 수정지도상에서 상기 특정 방향으로 계산 거리정보를 계산하고, 각각의 상기 후보지점들에 대하여 상기 계산된 계산 거리정보와 상기 실측 거리정보와의 차이를 계산하고, 상기 계산된 차이가 적은 순서로 상기 후보지점들 중 n개를 선택하는 것(상기 n은, 1≤n≤N인 자연수);
   상기 선택된 n개의 후보지점들의 위치들을 조합한 위치를 상기 자율주행 로봇의 새로운 자기위치로서 결정하는 것을 포함하는, 물류 자동화를 위한 자율주행 로봇의 환경인식 및 자기위치 추정 방법.
3. 제2항에 있어서,
   상기 새로운 자기위치가 결정된 후 그다음의 새로운 자기위치를 결정하기 위한 절차로서:
   상기 계산된 차이가 적은 순서로 선택된 상기 n개의 후보지점들 각각에 대해 그다음의 이동거리 및 노이즈를 추가하여, 총 N개의 새로운 후보지점을 설정하는 것,
   상기 N개의 새로운 후보지점의 각각으로부터 상기 특정 방향으로 상기 수정지도에서 상기 계산 거리정보들을 계산하고, 상기 계산된 계산 거리정보와 현재 위치에서의 상기 특정 방향으로의 실측 거리정보와의 차이를 계산하고, 상기 계산된 차이에 근거하여 선택되는 n개의 후보지점들에 근거하여 상기 자율주행 로봇의 그다음의 새로운 자기위치를 결정하는 것을 포함하는, 물류 자동화를 위한 자율주행 로봇의 환경인식 및 자기위치 추정 방법.
4. 삭제
5. 제1항에 있어서,
   상기 특정 방향은, 상기 자율주행 로봇의 정면방향, 좌측방향 및 우측방향인 것을 특징으로 하는, 물류 자동화를 위한 자율주행 로봇의 환경인식 및 자기위치 추정 방법.
6. 물류 현장 내의 물류공간에서 자율주행하도록 구현된 로봇으로서:
   특정 방향에 대하여 물체까지의 거리를 측정하기 위한 거리센서;
   상기 로봇을 이동시키는 이동수단;
   상기 로봇이 주행한 거리를 측정하기 위한 엔코더;
   상기 이동수단의 동작을 제어하고, 상기 거리센서의 측정값에 근거하여 특정 방향에 대한 실측 거리정보를 생성하고, 상기 엔코더의 측정값에 근거하여 이동거리를 계산하고, 상기 물류공간을 주행하면서 실측한 상기 실측 거리정보를 이용하여 주변환경을 정보화한 격자기반의 실측지도를 작성하고, 상기 실측지도의 고정된 물체들을 연결한 형태로서 상기 실측지도상에 주행이 제한된 영역을 표시하는 가상벽이 추가된 수정지도를 유지하고, 상기 로봇이 상기 물류공간을 실제 주행하는 경우, 상기 수정지도에서 자기위치의 후보지점을 N개 설정하고(상기 N은, 1 이상의 자연수), 상기 설정된 N개의 후보지점 각각에서 상기 특정 방향으로 계산된 계산 거리정보와 현재 위치에서 생성한 실측 거리정보의 차이를 계산하고, 상기 계산된 차이가 적은 순서로 상기 후보지점들 중 n개를 선택하고(상기 n은, 1≤n≤N인 자연수), 상기 선택된 후보지점에 근거하여 자기위치를 추정하면서 상기 이동수단을 제어하는 컴퓨터를 포함하고,
   상기 컴퓨터는, 상기 로봇이 상기 가상벽까지의 거리가 측정되는 구간을 실제 주행하는 경우:
   현재 위치에서 상기 가상벽을 향하는 상기 특정 방향의 근방을 실측한 k개의 스캔 거리정보를 생성하고(상기 k는, 1 이상의 자연수), 상기 k개의 스캔 거리정보 각각에 대해 상기 특정 방향에 대한 거리성분을 계산하고, 그리고 상기 계산된 거리성분들 중 가장 짧은 하나를 상기 특정 방향으로의 실측 거리정보로 결정하여 상기 이동수단을 제어하는 것을 특징으로 하는, 환경인식 및 자기위치 추정 기능을 구비한 물류 자동화를 위한 자율주행 로봇.
7. 삭제

Images