KR102169283B1 - 자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템 - Google Patents

자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템 Download PDF

Info

Publication number
KR102169283B1
KR102169283B1 KR1020190177274A KR20190177274A KR102169283B1 KR 102169283 B1 KR102169283 B1 KR 102169283B1 KR 1020190177274 A KR1020190177274 A KR 1020190177274A KR 20190177274 A KR20190177274 A KR 20190177274A KR 102169283 B1 KR102169283 B1 KR 102169283B1
Authority
KR
South Korea
Prior art keywords
map
change
robot
updated
location
Prior art date
Application number
KR1020190177274A
Other languages
English (en)
Inventor
장경석
장정인
이준구
Original Assignee
(주)원익로보틱스
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 (주)원익로보틱스 filed Critical (주)원익로보틱스
Priority to KR1020190177274A priority Critical patent/KR102169283B1/ko
Application granted granted Critical
Publication of KR102169283B1 publication Critical patent/KR102169283B1/ko
Priority to PCT/KR2020/018503 priority patent/WO2021137483A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템이 개시된다.
자율주행 로봇을 이용한 지도 업데이트 방법은, 공간에서 누적된 환경 변경에 따른 영역 별 변경 확률을 갖는 변경 확률 분포 지도에 기초하여 자율주행 로봇의 주행 경로를 설정하는 단계, 상기 주행 경로에 따라 2차원 레이저 스캐너에 의해 획득된 공간 정보로 지도를 생성하는 단계, 및 상기 생성된 지도에서 기존 지도와 상이한 환경 변경을 인지하면, 상기 생성된 지도로 상기 기존 지도를 업데이트하는 단계를 포함한다.

Description

자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템{METHOD OF UPDATING MAP USING AUTONOMOUS ROBOT AND SYSTEM IMPLEMENTING THE SAME}
본 개시는 자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템에 대한 것이며, 보다 구체적으로는 지도 업데이트의 효율성 및 편의성을 향상시키는 자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템에 대한 것이다.
자율주행 로봇은 스스로 주변을 파악하여 장애물을 감지하면서 바퀴 등의 구동 수단을 이용하여 목적지까지 자율적으로 이동한다. 자율주행 로봇은 최근에 기차역, 버스터미널, 공항과 같은 공공 장소, 컨벤션, 쇼핑 센터, 호텔, 리조트 등의 대형 공간에서 특정 개소에 대한 음성, 화면 또는 동반 등의 안내, 물건 배달 등의 다양한 서비스를 공간 이용자에게 제공한다. 또한, 자율주행 로봇은 자신의 위치 인지와 서비스 제공을 위해 기반이 되는 지도 제작을 병행한다.
자율주행 로봇은 미지의 환경에서 이동하기 위해서는 주변환경에 관한 정보가 없으므로, 센서정보를 이용하여 환경에 관한 지도를 작성하고, 작성된 지도로부터 이동체의 현재 위치를 추정한다. 자율주행 로봇을 이용한 지도 작성법은 주로 로봇의 위치 추정과 동시에 지도를 생성하는 방법이다.
한편, 특정 장소와 관련된 공간은 대부분의 경우 시간과 함께 실내외 공간에서 시설물의 배치나 형상이 변경됨으로 인해, 시간이 경과하면서 상이한 환경을 갖는다. 이에 따라, 로봇이 과거에 작성한 지도를 지속적으로 업데이트할 필요가 있다. 로봇을 이용한 통상적인 업데이트는 해당 공간에 로봇을 위치시킨 후, 상술한 동시 위치 추정 및 지도 생성의 프로세스를 적용하고 있다. 이러한 프로세스는 기존 지도에서 일부 영역의 변경만 수행되면 충분함에도 불구하고, 최근에 작성된 지도를 활용한 경로 설정이나 일부 사용 등이 없이 새로이 지도를 작성하여 기존 지도를 전부 대체한다.
이러한 업데이트 프로세스는 기둥, 벽, 상시적인 구조물 등과 같은 고정 시설물로 구성된 공간에서 많은 불편함을 유발하지 않으나, 박람회를 위한 임시 부스, 임시 휴식 공간, 임시 매표소, 각종 대형 장식물 등의 유동 시설물의 위치가 자주 변하는 컨벤션, 공항 등의 대형 공간에서는 효율성이 매우 저하된다.
이러한 비효율성은 업데이트 시점에서 유동 시설물은 존재하지 않을 수도 있어, 고정 시설물의 위치만을 저장한 기존 지도만으로 로봇의 경로가 설정되거나, 일부 영역의 환경 변화에도 전 영역의 지도로 작성하여 업데이트함에 있어서 매우 많은 시간이 소요되는데 기인한다.
이를 해소하기 위해, 업데이트 시간을 단축하면서 정밀도 높은 지도의 업데이트를 위한 다양한 방법이 시도되고 있는 실정이다.
본 개시의 기술적 과제는 지도 업데이트시마다 누적된 영역별 변경 확률 분포에 기반한 주행 경로에 따라 자율주행 로봇의 지도 업데이트를 실행함으로써, 효율성 및 편의성이 향상된 자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템을 제공하는 것이다.
본 개시의 다른 기술적 과제는 공간에서 환경이 자주 가변 되는 영역을 추출함과 아울러서, 해당 영역에 위치되는 객체의 정보를 파악하여, 공간의 활용 경향성을 파악할 수 있는 자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템을 제공하는 것이다.
본 개시의 또 다른 기술적 과제는 지도 서비스 제공자가 공간의 일부 지역에 대한 환경 변화를 명확하게 인지하고 있는 경우에, 변화가 발생한 지역부터 지도의 업데이트를 개시하여 업데이트의 효율성과 정밀도를 보다 높이는 자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템을 제공하는 것이다.
본 개시에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시의 일 양상에 따르면, 자율주행 로봇을 이용한 지도 업데이트 방법이 제공될 수 있다. 상기 자율주행 로봇을 이용한 지도 업데이트 방법은, 공간에서 누적된 환경 변경에 따른 영역 별 변경 확률을 갖는 변경 확률 분포 지도에 기초하여 자율주행 로봇의 주행 경로를 설정하는 단계, 상기 주행 경로에 따라 2차원 레이저 스캐너에 의해 획득된 공간 정보로 지도를 생성하는 단계, 및 상기 생성된 지도에서 기존 지도와 상이한 환경 변경을 인지하면, 상기 생성된 지도로 상기 기존 지도를 업데이트하는 단계를 포함한다.
본 개시의 다른 실시예에 따르면, 상기 주행 경로를 설정하는 단계는 상기 변경 확률 분포 지도에서 최저의 변경 확률의 영역들을 연결하여 상기 주행 경로를 설정할 수 있다.
본 개시의 다른 실시예에 따르면, 상기 주행 경로를 설정하는 단계 전에, 상기 변경 확률 분포 지도를 생성하는 단계를 더 포함하고, 상기 변경 확률 분포 지도를 생성하는 단계는, 상기 공간의 누적된 환경 변경에 의한 지도 갱신시마다 누적되어 업데이트된 지도들을 수집하는 단계, 누적 업데이트된 지도들을 분석하여 상기 영역별 변경 확률을 추론하는 단계, 및 상기 영역별 변경 확률이 반영된 상기 변경 확률 분포 지도를 작성하는 단계를 포함할 수 있다.
또한, 상기 영역별 변경 확률을 추론하는 단계는 상기 누적 업데이트된 지도들에 대하여 기계 학습을 수행하고, 상기 기계 학습은 마지막으로 업데이트된 시간의 최직전 지도로 접근할수록 높은 가중치를 부여하여 상기 누적 업데이트된 지도들에 학습을 수행할 수 있다.
아울러, 상기 영역별 변경 확률을 추론하는 단계는 상기 누적 업데이트된 지도에서 상시적으로 배치된 것으로 판별된 고정 시설물의 위치를 분석함과 아울러서, 상기 누적된 환경 변경에 따른 변경 확률을 산출하며, 상기 변경 확률 분포 지도는 상기 고정 시설물의 위치와 상기 영역별 변경 확률이 반영될 수 있다.
본 개시의 또 다른 실시예에 따르면, 상기 업데이트 지도는 업데이트 당시의 환경 변경과 관련되어 갱신된 객체 정보와 함께, 기존 지도에서 갱신되지 않은 객체 정보를 상기 영역과 연계하여 포함할 수 있다.
본 개시의 또 다른 실시예에 따르면, 상기 지도를 생성하는 단계는 위치 알림 장치가 부착된 시설물의 위치 변경을 감지하여 상기 지도를 생성하고, 상기 기존 지도를 업데이트 단계는 상기 위치 알림 장치에 의해 상기 위치 변경을 감지한 시설물을 적어도 반영하여 생성된 지도로 상기 기존 지도를 업데이트할 수 있다.
또한, 상기 지도를 생성하는 단계는 상기 위치 알림 장치가 부착된 시설물의 위치 변경을 감지한 경우에, 상기 주행 경로는 상기 위치 변경된 시설물 측으로 주행 경로를 변경할 수 있다.
이에 더하여, 상기 위치 알림 장치는 상기 로봇이 소정 거리 범위에 접근한 경우에 상기 시설물을 인지가능한 모듈을 구비하며, 상기 모듈은 근거리 무선 통신 모듈, 적외선 신호 송출 모듈, 초음파 송출 모듈, RF 신호 송출 모듈, 광대역 신호 송출 모듈, 지그비 신호 송출 모듈, 레이저 신호 모듈 중 적어도 어느 하나일 수 있다.
본 개시의 또 다른 실시예에 따르면, 상기 지도를 생성하는 단계는 시설물을 포함한 공간 정보의 영상 데이터를 획득하는 단계를 더 포함하고, 상기 지도를 생성하는 단계 후에, 상기 영상 데이터로부터 상기 지도의 위치별 시설물과 관련된 객체 정보를 분석하는 단계, 및 상기 기존 지도의 업데이트에 따라 환경 변경이 발생된 위치의 존재 및 상기 기존 지도에서 상기 환경 변경이 미발생된 위치에서의 객체의 변경 중 적어도 어느 하나가 충족되면, 충족된 적어도 어느 하나에 따라 갱신된 객체 정보정보와 함께, 갱신된 객체 위치 정보로서의 랜드마크를 시설물의 위치와 연계하여 편입하는 단계를 더 포함할 수 있다.
본 개시의 또 다른 실시예에 따르면, 상기 주행 경로를 설정하는 단계 전에, 상기 공간의 일부 지역의 환경 변화를 인지한 조작자에 의해 최신으로 업데이트된 최직전 지도에서 상기 환경 변화와 관련된 일부 지역의 삭제 요청을 접수하는 단계와, 상기 지도에서 삭제된 지역 부근의 미삭제 지역으로 추정되는 위치에서 상기 로봇의 주행 개시 요청을 접수하는 단계를 더 포함하고, 상기 주행 경로를 설정하는 단계는 상기 변경 확률 분포 지도의 삭제된 지역에서 최저의 변경 확률의 영역들을 연결하여 상기 주행 경로를 설정할 수 있다.
또한, 상기 지도를 생성하는 단계는 상기 로봇이 상기 삭제된 지역에 진입하는 경우에 실행되며, 상기 업데이트하는 단계는 상기 미삭제된 지역의 기존 지도와 상기 삭제된 지역에 대해 업데이트되어 생성된 지도를 결합할 수 있다.
본 개시의 다른 양상에 따르면, 자율주행 로봇을 이용한 지도 업데이트 시스템이 제공될 수 있다. 상기 자율주행 로봇을 이용한 지도 업데이트 시스템에 있어서, 상기 자율주행 로봇은 공간에서 누적된 환경 변경에 따른 영역 별 변경 확률을 갖는 변경 확률 분포 지도에 기초하여 자율주행 로봇의 주행 경로를 설정하는 경로 설정부, 상기 주행 경로에 따라 2차원 레이저 스캐너에 의해 획득된 공간 정보로 지도를 생성하는 지도 처리부, 및 상기 생성된 지도에서 기존 지도와 상이한 환경 변경을 인지하면, 상기 생성된 지도로 상기 기존 지도를 업데이트하는 업데이트부를 포함한다.
본 개시에 대하여 위에서 간략하게 요약된 특징들은 후술하는 본 개시의 상세한 설명의 예시적인 양상일 뿐이며, 본 개시의 범위를 제한하는 것은 아니다.
본 개시에 따르면, 기존에 갱신시마다 누적된 공간의 지도에서 시설물 가변 빈도와 관련된 영역별 변경 확률 분포 등에 기반한 주행 경로에 따라 자율주행 로봇의 업데이트를 실행함으로써, 지도 업데이트의 효율성 및 편의성을 향상시킬 수 있다.
본 개시의 다른 관점에 따르면, 공간에서 환경이 자주 가변되는 영역을 추출함과 아울러서, 해당 영역에 위치되는 객체의 정보를 파악하여, 공간의 활용 경향성을 파악할 수 있다.
본 개시의 또 다른 관점에 따르면, 지도 서비스 제공자가 공간의 일부 지역에 대한 환경 변화를 명확하게 인지하고 있는 경우에, 변화가 발생한 지역부터 지도의 업데이트를 개시하여 업데이트의 효율성과 정밀도를 보다 높일 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 자율주행 로봇을 이용한 지도 업데이트 시스템을 개략적으로 도시한 도면이다.
도 2는 공간에서 지도 작성 및 업데이트를 포함한 다양한 서비스를 제공가능한 자율주행 로봇의 구성을 나타내는 블록도이다.
도 3은 자율주행 로봇과 연계 동작하는 클라우드 서버의 구성을 나타내는 블록도이다.
도 4는 변경 확률 분포 지도를 생성하는 과정에 관한 순서도이다.
도 5는 변경 확률 분포 지도의 생성, 주행 경로 설정 및 주행 경로에 따른 업데이트를 지도 별로 예시한 도면이다.
도 6은 본 발명의 일 실시예로서 변경 확률 분포 지도에 기반한 주행 경로를 따라 지도 업데이트 방법을 나타내는 순서도이다.
도 7a 및 도 7b는 본 발명의 다른 실시예로서, 시설물에 부착된 위치 알림 장치와 연계된 지도 업데이트 방법을 나타내는 순서도이다.
도 8은 자율주행 로봇이 위치 알림 장치를 통해 시설물의 위치 변경을 인지한 것을 예시한 도면이다.
도 9는 본 발명의 또 다른 실시예로서, 주변 환경으로부터 획득된 영상 데이터에 기초한 시설물의 객체 정보 및 객체 위치 정보로서의 랜드마크를 지도에 편입하는 과정을 나타내는 순서도이다.
도 10은 본 발명의 또 다른 실시예로서, 지도의 일부 지역이 변경된 경우의 지도 업데이트 방법을 나타내는 순서도이다.
도 11은 일부 영역이 삭제된 최직전 지도 및 삭제 영역이 업데이트된 지도를 예시한 도면이다.
이하에서는 첨부한 도면을 참고로 하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나, 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
본 개시의 실시 예를 설명함에 있어서 공지 구성 또는 기능에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우에는 그에 대한 상세한 설명은 생략한다. 그리고, 도면에서 본 개시에 대한 설명과 관계없는 부분은 생략하였으며, 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 개시에 있어서, 어떤 구성요소가 다른 구성요소와 "연결", "결합" 또는 "접속"되어 있다고 할 때, 이는 직접적인 연결 관계뿐만 아니라, 그 중간에 또 다른 구성요소가 존재하는 간접적인 연결관계도 포함할 수 있다. 또한 어떤 구성요소가 다른 구성요소를 "포함한다" 또는 "가진다"고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 배제하는 것이 아니라 또 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 개시에 있어서, 제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용되며, 특별히 언급되지 않는 한 구성요소들 간의 순서 또는 중요도 등을 한정하지 않는다. 따라서, 본 개시의 범위 내에서 일 실시 예에서의 제1 구성요소는 다른 실시 예에서 제2 구성요소라고 칭할 수도 있고, 마찬가지로 일 실시 예에서의 제2 구성요소를 다른 실시 예에서 제1 구성요소라고 칭할 수도 있다.
본 개시에 있어서, 서로 구별되는 구성요소들은 각각의 특징을 명확하게 설명하기 위함이며, 구성요소들이 반드시 분리되는 것을 의미하지는 않는다. 즉, 복수의 구성요소가 통합되어 하나의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있고, 하나의 구성요소가 분산되어 복수의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있다. 따라서, 별도로 언급하지 않더라도 이와 같이 통합된 또는 분산된 실시 예도 본 개시의 범위에 포함된다.
본 개시에 있어서, 다양한 실시 예에서 설명하는 구성요소들이 반드시 필수적인 구성요소들은 의미하는 것은 아니며, 일부는 선택적인 구성요소일 수 있다. 따라서, 일 실시 예에서 설명하는 구성요소들의 부분집합으로 구성되는 실시 예도 본 개시의 범위에 포함된다. 또한, 다양한 실시 예에서 설명하는 구성요소들에 추가적으로 다른 구성요소를 포함하는 실시 예도 본 개시의 범위에 포함된다.
이하, 첨부한 도면을 참조하여 본 개시의 실시 예들에 대해서 설명한다.
도 1 내지 도 3을 참조하여, 본 발명의 일 실시예에 따른 자율주행 로봇을 이용한 지도 업데이트 시스템에 대하여 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 자율주행 로봇을 이용한 지도 업데이트 시스템을 개략적으로 도시한 도면이다. 도 2는 공간에서 지도 작성 및 업데이트를 포함한 다양한 서비스를 제공가능한 자율주행 로봇의 구성을 나타내는 블록도이다. 도 3은 자율주행 로봇과 연계 동작하는 클라우드 서버의 구성을 나타내는 블록도이다.
자율주행 로봇을 이용한 지도 업데이트 시스템(10)은 지도 작성, 업데이트를 포함한 실내외 공간의 이용자에게 다양한 서비스를 제공하는 자율주행 로봇(100) 및 지도 작성, 업데이트 및 다양한 서비스를 요청하거나 로봇(100)에 수행한 작업(task)의 결과를 수신 분석하기 위해, 로봇(100)을 제어하는 클라우드 서버(200)를 포함한다.
여기서, 공간은 고정 시설물과 유동 시설물이 포함된 구조물을 갖는 유형의(tangible) 공간이며, 예컨대 대형 공간에서 실내 구조물 및 실외 구조물 중 적어도 어느 하나일 수도 있으며, 임시 가판대와 같은 유동 시설물 및 고정 시설물이 혼재된 특정 범위의 실외 장소 등일 수도 있다.
대형 공간은 기차역, 버스터미널, 공항과 같은 공공 장소, 컨벤션, 쇼핑 센터, 호텔, 리조트 등일 수 있다. 고정 시설물은 대형 실내외 공간에서 기둥, 벽, 상시적인 설치물 등일 수 있다. 유동 시설물은 임시 부스, 임시 휴식 시설물, 임시 매표소, 각종 대형 장식물 등일 수 있다. 본 명세서에서 고정 시설물과 유동 시설물은 시설물로 칭하나, 실시예들에 따라 고정 시설물 및 유동 시설물을 구분하여 기재한다. 고정 시설물에서도 시간이 경과함에 따라, 상시적인 설치물은 소멸, 형태 변경 및 신규의 구축 등이 될 수 있다. 자율주행 로봇(100)은 미리 정의된 방식으로 이동 가능하도록 설계된 장치이며, 바퀴, 보행용 다리 등과 같은 이동 수단을 이용하여 실내외 공간에서 이동할 수 있다. 자율주행 로봇(100)은 센서 등을 이용하여 주변 환경의 정보를 수집한 후 수집된 정보에 따라 이동할 수도 있으며, 서비스 제공하는 조작자에 의한 별도의 명령으로 이동할 수 있다.
자율주행 로봇(100)은 기차역, 버스터미널, 공항과 같은 공공 장소, 컨벤션, 쇼핑 센터, 호텔, 리조트, 공장 등과 같이 매우 많은 공간 이용자가 활용하는 실내외를 주행하면서 다양한 서비스를 제공한다. 지도 작성, 업데이트 외의 서비스는 공간 이용자가 요청한 특정 개소에 대한 음성, 화면 또는 동반 등의 안내, 물건 배달 등의 다양한 서비스를 공간 이용자에게 제공한다. 즉, 자율주행 로봇(100)은 지도 작성, 업데이트 작업을 소정의 공간에서 수행함과 아울러서, 해당 공간의 이용자의 요청에 따른 서비스를 수행한다.
구체적으로 자율주행 로봇(100)은 센서부(102), 지도 수신부(104), 구동부(106), 통신부(108), 제어부(110)를 포함할 수 있다.
센서부(102)는 공간의 주변 환경에 대한 센싱 데이터를 획득하며, 2차원 레이저 스캐너(112), 오도미터(odometer; 114), 외부 검지부(116) 및 카메라(118)를 포함할 수 있다.
2차원 레이저 스캐너(112)는 로봇(100)이 위치한 공간을 스캔하여 2차원 점군 데이터 형태의 2차원의 공간 정보를 획득한다. 2차원 공간 정보는 환경에 대한 높이 정보없이 소정 평면을 기준으로 작성되는 공간의 레이아웃이다. 2차원 레이저 스캐너(112)는 전방향 또는 일부 영역의 거리 정보를 획득할 수 있으며, 2차원 라이다(Lidar)로 구현될 수 있다. 2차원 라이다는 레이저 신호를 방출하고 반사되어 복귀하는 시간을 측정하며, 광의 속도를 이용하여 반사체의 거리 정보를 측정한다. 레이저 신호는 포토 다이오드를 통하여 전기적인 신호로 변경되며, 레이저 신호는 기 설정된 파장 대역을 가질 수 있다.
오도미터(114)는 2차원 레이저 스캐너(112)의 거리 정보와 함께, 로봇(100)의 오도메트리(odometry) 정보를 획득할 수 있다. 오도미터(114)는 로봇(100)의 구동부(106)에 연결된 엔코더 또는 IMU(Inertial Measurement Unit) 센서로부터 회전수, 기울기, 회전량 등의 오도메트리 정보를 획득하여, 공간에서의 로봇(100)의 위치와 자세 데이터를 획득할 수 있다. IMU 센서는 가속도 센서 및 자이로 센서 등으로 구현될 수 있다.
외부 검지부(116)는 공간의 환경을 구성하는 고정 시설물과 유동 시설물 중 예컨대 자주 가변되는 유동 시설물에 부착된 위치 알림 장치로부터 송출되는 신호를 감지하며, 감지된 신호에 따라 로봇(100)과 유동 시설물 간의 거리를 계측할 수 있다.
위치 알림 장치는 로봇(100)이 소정 거리 범위에 접근한 경우에 시설물을 인지가능한 모듈을 구비하며, 모듈은 근거리 무선 통신 모듈, 적외선 신호 송출 모듈, 초음파 송출 모듈, RF 신호 송출 모듈, 광대역 신호 송출 모듈, 지그비 신호 송출 모듈, 레이저 신호 모듈 중 적어도 어느 하나일 수 있다.
이에 따라, 외부 검지부(116)는 위치 알림 장치가 부착된 시설물과 통신 가능한 거리 범위로 로봇(100)이 투입되면, 상술한 모듈의 신호를 수신하여 상대적 거리를 산출할 수 있을 뿐만 아니라, 지도 생성 중에 제작된 지도 내에 시설물의 위치를 파악하여 지도 처리부(126) 및 업데이트부(128)에 전달할 수 있다.
카메라(118)는 로봇(100)의 주행 중에 시설물을 포함한 공간 정보의 영상 데이터를 획득하여 클라우드 서버(200)의 객체 분석부(206)에 전송한다. 영상 데이터는 객체 분석부(206)에서 기계 학습된 이미지 데이터베이스의 객체 정보에 기반한 분석이 수행된다. 이에 따라, 시설물의 종류, 예컨대 임시 부스, 매표소, 임시 벤치와 같은 휴식 시설물 등의 객체 종류, 형태, 색상 등의 객체 정보가 객체 분석부(206)에서 생성될 수 있다.
지도 수신부(104)는 조작자가 지도 업데이트를 희망하는 공간에서 로봇(100)의 주행이 시작되면, 서버(200)의 지도 저장부(202)에 저장된 마지막으로 업데이트된 최직전의 지도 및 공간의 변경 확률 분포 지도를 수신한다. 변경 확률 분포 지도는 공간에서 누적된 환경 변경에 따른 영역별 변경 확률을 갖는다. 이에 대한 자세한 설명은 후술한다. 만약 로봇(100)이 새로운 공간의 환경에 대한 지도를 생성하면, 지도 수신부(104)는 서버(200)로부터 해당 공간의 지도를 수신하지 않고, 지도 처리부(126)는 통상적인 지도 작성법에 따라, 로봇(100)의 주행에 따라 위치 추정과 동시에 공간에서의 환경의 지도를 생성하며, 신규 공간의 지도는 서버(200)에 전송하여 지도 저장부(202)에 저장한다.
구동부(106)는 자율주행 로봇(100)의 이동을 위하나 바퀴나 다리 등의 형태를 구비하기 위한 장치를 포함할 수 있다.
통신부(108)는 센서부(102)를 통해 센싱된 데이터, 업데이트 지도를 네트워크를 통해 클라우드 서버(200)로 전송하며, 서버(200)로부터 명령, 변경 확률 분포 지도 등을 수신하기 위한 통신 기능을 포함할 수 있다.
제어부(110)는 자율주행 로봇(100)에 내장된 물리적인 프로세스일 수 있으며, 초기 위치 추정부(120), 경로 설정부(122), 센싱 데이터 처리부(124), 지도 처리부(126), 업데이트부(128), 및 로봇 제어부(130)를 포함할 수 있다. 여기서, 제어부(110)가 포함하는 구성요소들은 물리적인 프로세서로서 제어부(110)가 수행하는 서로 다른 기능들의 표현들일 수 있다. 예를 들어, 제어부(110)는 OS나 펌웨어와 같은 컴퓨터 프로그램의 코드에 따른 제어 명령에 따라 다양한 기능들을 처리할 수 있다.
초기 위치 추정부(120)는 로봇(100)의 주행 개시 지점에서 생성된 지도와 지도 수신부(104)로부터 수신된 최직전 지도 간의 상대적인 회전, 이동 등과 같은 지도의 기하학적 매칭을 통한 스캔 매칭에 의해 최직전 지도 상에서 로봇(100)의 초기 위치를 추정한다.
경로 설정부(122)는 경로 추정부(216)로부터 입수된 변경 확률 분포 지도 및 경로 추정에 기초하여 자율주행 로봇의 주행 경로를 설정한다. 변경 확률 분포 지도는 서버(200)의 지도 저장부(202)에서 누적 업데이트된 지도에서, 상시적으로 배치된 것으로 판별된 고정 시설물의 위치와 누적된 환경 변경에 따른 영역별 변경 확률을 반영하고 있다. 경로 설정부(122)는 변경 확률 분포 지도에서 고정 시설물의 위치를 회피함과 동시에 최저의 변경 확률의 영역들을 연결하여 주행 경로를 설정할 수 있다. 경로 설정부(122)는 최초 설정된 주행 경로에 따른 로봇(100)의 이동 중에 주행 경로 상에 신규의 시설물으로 인한 변경된 환경에서 시설물을 회피하면서 중간 노드마다의 세부 주행 경로를 변경할 수 있다.
센싱 데이터 처리부(124)는 2차원 레이저 스캐너(112)로부터 획득된 주변 환경의 2차원 포인트 클라우드와 관련된 확률 정보에 칼만 필터(Kalman filter)를 적용하여 2차원 포인트 클라우드와 관련된 파티클(particle)의 가중치를 갱신하여, 로봇(100)의 위치와 2차원 포인트 클라우드와 연관된 파티클을 보정한다. 또한, 센싱 데이터 처리부(124)는 로봇(100)의 위치를 계측한 오도메트리 정보가 바퀴 등의 슬립(slip)으로 인해 발생하는 오도메트리 오류를 2차원 포인트 클라우드에 기반한 지도의 스캔 매칭에 의해 보정한다.
지도 처리부(126)는 로봇(100)의 주행 중에 획득되는 2차원 포인트 클라우드에 기반한 공간 정보로부터 지도를 생성한다. 지도의 생성에서 발생하는 파티클 필터링 및 오도메트리 정보 등과 관련된 오차 보정 결과는 센싱 데이터 처리부(124)로부터 수신하여 지도에 반영한다.
지도 처리부(126)는 2차원 포인트 클라우드에 기반한 공간 정보를 2차원 격자(grid) 형태로 투영하여 지도를 생성할 수 있다.
지도 서비스를 제공하는 조작자가 공간의 일부 지역의 환경 변화를 인지하여 최직전의 업데이트된 지도에서 일부 지역을 삭제 요청을 접수하면, 지도 처리부(126)는 로봇(100)이 삭제 지역에 진입한 시점부터 지도를 생성한다.
업데이트부(128)는 생성된 지도를 최직전 지도와 비교한 결과, 시설물을 포함한 공간의 환경 변화를 인지하면, 생성된 지도로 최직전 지도를 업데이트한다. 또한, 업데이트부(128)는 지도의 업데이트 이벤트를 서버(200)로 통지하면서 업데이트된 지도를 서버(200)로 전송하여 지도 저장부(202)에 해당 공간의 이전의 지도들과 함께 누적 저장한다. 본 실시예에서는 업데이트부(128)가 로봇(100)에 내장되는 예로 설명하고 있으며, 이는 생성된 지도 등의 많은 양의 데이터를 서버(200)로 전달하는데 따르는 전송 지연을 방지하고, 지연으로 인한 오류를 차단하기 위함이다. 그러나, 다른 실시예에서는 업데이트부(128)의 기능이 클라우드 서버(200)에 내장될 수도 있다.
로봇 제어부(130)는 서버(200)로부터 다양한 서비스의 요청에 따라 로봇(100)의 각 구성요소를 실행하도록 제어한다. 예컨대, 서버(200)로부터 지도 작성 혹은 업데이트의 요청이 있는 경우에, 센서부(102)를 활성화시킴과 아울러서, 경로 설정부 및 구동부(106)를 제어하여 주행 경로에 따라 로봇(100)을 이동시키면서 지도 작성을 실행시킨다.
로봇 제어부(130)는 서버(200)로부터 전송되는 지도 외의 다양한 서비스 요청을 접수하여 요청에 적합하도록 로봇(100)을 제어할 수 있다.
한편, 클라우드 서버(200)는 하나 이상의 물리적인 서버 장치들로 구현될 수 있으며, 지도 저장부(202), 변경 확률 분포 지도 생성부(204), 객체 분석부(206), 제어 명령부(208) 및 서버 통신부(210)를 포함할 수 있다.
지도 저장부(202)는 공간 별로 업데이트된 지도들을 누적 저장한다. 로봇(100)으로부터 업데이트 이벤트를 통지받은 업데이트 지도도 함께 저장한다. 또한, 지도 저장부(202)는 업데이트 당시의 환경 변경, 예컨대 시설물의 위치 변경과 관련되어 갱신된 객체 정보와 함께, 기존 지도에서 갱신되지 않은 객체 정보를 영역과 연계하여 포함하는 업데이트 지도를 저장할 수 있다. 물론, 지도 저장부(202)는 최초 생성된 지도의 영역마다 당시의 객체 정보를 연계하여 저장하고 있으며, 업데이트 시마다 업데이트 지도에 객체 정보를 포함하여 저장할 수 있다. 공항, 기차역, 버스 터미널과 같은 공공 장소 또는 컨벤션 등의 대형 공간에서 환경이 자주 가변되는 영역은 동일한 경우가 빈번하다. 예를 들어, 컨벤션의 행사장에 설치되는 임시 부스, 임시 휴식 시설물 등은 이전 행사장과 상이한 형상의 시설물을 사용할 뿐 이전의 영역을 참조하여 동일 영역에 설치되는 경우가 빈번하다. 이에 따라, 공간에서 환경이 자주 가변되는 영역을 추출하여, 해당 영역에 위치되는 객체의 정보를 파악함으로써, 예컨대 실내 공간에 시설물을 설치하려는 기획자에게 실내 공간의 활용 경향성을 파악할 수 있도록 기여한다.
변경 확률 분포 지도 생성부(204)는 공간에서 누적된 환경 변경에 따른 영역 별 변경 확률을 갖는 변경 확률 분포 지도를 생성한다. 구체적으로, 변경 확률 분포 지도 생성부(204)는 수집부(212), 추론부(214)및 경로 추정부(216)를 포함할 수 있다.
수집부(212)는 동일 공간에서 환경 변경에 의한지도 갱신시마다 누적되며 업데이트된 지도들을 지도 저장부(202)로부터 수집한다.
추론부(214)는 누적 업데이트된 지도들을 분석하여 영역별 변경 확률을 추론한다. 구체적으로, 추론부(214)는 누적 업데이트된 지도에서 상시적으로 배치된 것으로 판별된 고정 시설물의 위치를 분석함과 아울러서, 누적된 환경 변경에 따른 변경 확률을 산출한다. 이에 의해, 추론부(214)에서 산출되는 변경 확률 분포 지도는 고정 시설물의 위치와 영역별 변경 확률을 반영할 수 있다. 추론부(214)는 누적 업데이트된 지도들에 대하여 기계 학습을 수행하여 변경 확률을 추론하며, 기계 학습은 예컨대, 딥러닝, CNN 등의 기법일 수 있다. 기계 학습은 최근 지도에 가까울수록 현 업데이트 당시의 환경과 유사하다는 점을 감안하여, 마지막으로 업데이트된 시간의 최직전 지도로 접근할수록 높은 가중치를 부여하여 누적 업데이트된 지도들에 학습을 수행할 수 있다.
경로 추정부(216)는 고정 시설물의 위치를 회피하면서 변경 확률 분포 지도에서 최저의 변경 확률의 영역들을 서로 연결하여 추정된 최적의 주행 경로를 업데이트 요청시에 로봇(100)에 전달할 수 있다.
객체 분석부(206)는 카메라(118)로부터 획득된 공간의 영상 데이터로부터 지도의 위치별 시설물과 관련된 객체 정보를 분석한다. 객체 분석부(206)는 영상 데이터에 표현된 시설물의 특징점을 추출하며, 기계 학습된 이미지 데이터베이스의 객체와 특징점 등으로 대조하여 시설물의 종류를 추정한다. 시설물의 종류는 임시 부스, 벤치 등의 휴식 시설물, 매표소 등으로 구분될 수 있다. 객체 분석부(206)는 시설물의 종류 외에도 보다 정밀한 분석으로 객체의 색상, 표시된 텍스트, 질감 등을 추출하여 관련 특징들을 객체 정보로 포함시킬 수 있다.
객체 분석부(206)는 최직전 지도의 업데이트에 따라 환경 변경이 발생된 위치가 존재하는지 여부 및 최직전 지도에서 환경 변경이 발생되지 않은 위치에서 객체만 이 변경되었는지 여부 중에 적어도 어느 하나가 발생되면, 발생한 경우에 따라 갱신된 객체 정보를 시설물의 위치와 연계한다. 환경 변경이 발생되지 않은 위치에서 객체만 변경되는 경우는 예컨대 2차원 포인트 클라우드의 공간 정보를 통해 실질적으로 동일한 형태로 인식된 시설물, 예컨대 임시 부스, 매표소 등이나, 시설물의 외벽을 통해 인식된 텍스트를 통해 기존 지도의 객체 정보와 상이한 행사명으로 인식되는 상황 등일 수 있다. 이 경우에, 행사 기획자가 임시 시설물이 위치되는 공간의 영역 등을 용이하게 확인할 수 있을 뿐만 아니라, 객체 정보에 포함된 상세 데이터에 의해 행사 종류 등까지도 파악할 수 있다.
이에 더하여, 객체 분석부(206)는 갱신된 객체 정보와 함께, 최직전 지도에서 갱신되지 않은 객체 정보와 함께, 객체 위치 정보로서의 랜드마크를 지도 저장부(202)에 저장된 업데이트 지도의 해당 시설물의 위치에 대응하여 기록한다. 랜드마크는 지도 생성 과정에서 생성된 해당 객체의 위치에 기초하여 산출될 수 있다. 제어 명령부(208)는 공간 이용자 또는 지도 서비스 제공자 등이 요청한 서비스를 로봇(100)에 해당 명령을 전송하고, 서비스에 따른 결과를 수신하여 서버(200)의 구성요소에서 결과에 따른 처리를 제어할 수 있다.
서버 통신부(210)는 로봇(100)의 통신부(108)와 네트워크를 통해 통신하면서 양자 간의 데이터를 교환시킨다.
이하에서는, 도 4 및 도 5를 참조하여 본 발명의 일 실시예에 따른 자율주행 로봇을 이용한 지도 업데이트 방법에 적용되는 변경 확률 분포 지도의 생성 과정에 대해 설명하기로 한다. 도 4는 변경 확률 분포 지도를 생성하는 과정에 관한 순서도이다. 이는 클라우드 서버(200)의 변경 확률 분포 지도 생성부(204)에서 수행된다. 도 5는 변경 확률 분포 지도의 생성, 주행 경로 설정 및 주행 경로에 따른 업데이트를 지도 별로 예시한 도면이다.
먼저, 변경 확률 분포 지도 생성부(204)의 수집부(212)는 동일 공간에서 환경 변경에 의한 지도 갱신시마다 누적되며 업데이트된 지도들을 지도 저장부(202)로부터 수집한다(S405).
도 5(a)에서와 같이, 환경 변경에 의해 업데이트된 지도들이 수집되어 추론부(214)로 전달된다.
다음으로, 추론부(214)는 누적 업데이트된 지도들을 기계 학습을 통해 분석하여 영역별 변경 확률을 추론하며, 상시적으로 배치된 것으로 판별된 고정 시설물의 위치를 분석한다(S410).
변경 확률 변경 지도의 생성에서 활용되는 영역별 변경 확률은 지도 갱신의 횟수에 따라 영역마다 환경 변경 정도를 나타내는 것으로서, 공간의 복수 영역 중 하나의 영역에서 환경 변경이 발생한 경우라도, 지도는 업데이트되며 갱신 횟수도 증가한다. 영역별 변경 확률의 추론은 공간의 시설물의 위치와 형상을 포함하면서 누적 업데이트된 지도들을 하나의 공간 정보로 융합하고, 단일 공간 정보의 영역마다 2차원 포인트 클라우드의 변화 정도, 예컨대 포인트 클라우드에 따른 기하하적 형상 또는 복수의 특징점들이 동일한지 혹은 변동하는지 여부를 분석하고, 변화 정도와 갱신 횟수의 상관 관계를 이용하여 변경 확률이 도 5(b)와 같이, 영역마다 산출된다.
포인트 클라우드에 따른 기하하적 형상에 따른 변화로 해당 영역에서의 시설물의 위치 및/또는 형상 변경을 분석하는데 있어서, 기계 학습이 적용될 수 있다. 또한, 변화 정도와 갱신 횟수의 상관 관계를 추론함에 있어서도, 기계 학습이 적용되어 변경 확률이 영역마다 계산될 수 있다.기계 학습은 예컨대, 딥러닝, CNN 등의 기법일 수 있다. 기계 학습은 최근 지도에 가까울수록 현 업데이트 당시의 환경과 유사할 가능성이 높으므로, 누적 업데이트된 지도들이 융합된 공간 정보에 있어서, 최직전 지도로 접근할수록 높은 가중치를 부여하여 학습을 수행할 수 있다.
도 5(b)에서와 같이, 누적된 업데이트 지도들의 기하를 매칭하여 하나의 공간 정보에 융합한 후에, 영역 별로 환경 변화에 따른 변경 확률(22)이 기계 학습에 의해 산출된다. 도 5(b)에서 적색 산포 패턴은 해당 영역에서 시설물이 자주 변경하여 다른 영역보다 높은 변경 확률을 나타내며, 녹색 산포 패턴은 다른 영역보다 낮은 변경 확률을 나타내는 것을 예시하고 있다. 도 5(b)에서 알 수 있듯이, 누적된 지도에서 위치 변경없이 상시적으로 설치된 고정 시설물의 위치도 분석된다.
이어서, 추론부(214)는 고정 시설물의 위치와 영역별 변경 확률이 반영된 변경 확률 분포 지도를 생성하여 지도 저장부(202)에 저장된다(S415).
이에 더하여, 경로 추정부(216)는 도 5(c)에서와 같이, 고정 시설물의 위치를 회피하면서 변경 확률 분포 지도에서 최저의 변경 확률의 영역들을 서로 연결하여 추정된 최적의 주행 경로(26)를 변경 확률 분포 지도에 미리 포함시킬 수 있다.
이하에서는, 도 6을 참조하여 본 발명의 일 실시예로서 변경 확률 분포 지도에 기반한 주행 경로를 따라 지도 업데이트 방법에 대해 설명하기로 한다.
도 6은 본 발명의 일 실시예로서 변경 확률 분포 지도에 기반한 주행 경로를 따라 지도 업데이트 방법을 나타내는 순서도이다.
우선, 조작자의 지도 업데이트 요청을 접수한 제어 명령부(208)의 지시에 의해 로봇 제어부(130)가 구동부(106)를 제어하여 조작자가 지도 생성 및 업데이트를 희망하는 공간에서 로봇(100)의 주행을 시작한다(S605).
다음으로, 지도 수신부(104)는 서버(200)의 지도 저장부(202)에 저장되어 있으며 마지막으로 업데이트된 최직전의 지도 및 공간의 변경 확률 분포 지도를 수신한다(S610). 변경 확률 분포 지도는 공간에서 누적된 환경 변경에 따른 영역별 변경 확률과 고정 시설물의 위치가 반영될 수 있다. 변경 확률 분포 지도는 경로 추정부(216)에 의해 추정된 최적의 주행 경로도 포함될 수 있다.
이어서, 초기 위치 추정부(120)는 로봇(100)의 주행 개시 지점에서 생성된 지도와 지도 수신부(104)로부터 수신된 최직전 지도 간의 스캔 매칭에 의해 로봇(100)의 초기 위치를 추정한다(S615).
스캔 매칭은 양 지도 간의 상대적인 회전, 이동 등과 같은 지도의 기하학적 매칭 과정일 수 있다.
다음으로, 로봇(100)의 경로 설정부(122)는 변경 확률 분포 지도에 기초하여 고정 시설물을 회피하면서 최저의 변경 확률의 영역을 서로 연결한 주행 경로를 설정한다(S620).
주행 경로의 설정은 경로 설정부(122)에 의해 실행될 수도 있으며, 서버(200)의 경로 추정부(216)에서 이미 추정된 주행 경로를 기반으로 수행될 수도 있다. 주행 경로(26)는 도 5(c)에 예시된 바와 같이 설정될 수 있다. 경로 설정부(122)는 최초 설정된 주행 경로 상에서 장애물이 있는 경우에 중간 노드들 간의 이동에 적합한 수정 주행 경로를 결정할 수 있다.
이어서, 지도 처리부(126)는 로봇(100)의 주행 중에 2차원 레이저 스캐너(112)의 공간에 대한 스캐닝에 의해 획득되는 2차원 포인트 클라우드에 기반한 공간 정보로부터 지도를 생성한다(S625). 지도의 생성에서 발생하는 파티클 필터링 및 오도메트리 정보 등과 관련된 오차 보정 결과는 센싱 데이터 처리부(124)로부터 수신하여 지도에 반영한다. 지도 처리부(126)는 2차원 포인트 클라우드에 기반한 공간 정보를 2차원 격자(grid) 형태로 투영하여 지도를 생성할 수 있다.
다음으로, 업데이트부(128)는 생성된 지도를 최직전 지도와 비교한 결과(S630), 시설물을 포함한 환경 변화를 인지하면, 생성된 지도로 최직전 지도를 업데이트한다(S635). 또한, 업데이트부(128)는 지도의 업데이트 이벤트를 서버(200)로 통지하면서 업데이트된 지도를 서버(200)로 전송하여 지도 저장부(202)에 해당 공간의 이전의 지도들과 함께 누적 저장한다.
본 실시예에 따르면, 기존에 갱신시마다 누적된 공간의 지도에서 영역마다 산출한 시설물의 가변 빈도와 관련된 영역별 변경 확률 분포 등에 기반한 주행 경로에 따라 자율주행 로봇의 업데이트를 실행함으로써, 지도 업데이트의 효율성 및 편의성을 향상시킬 수 있다. 공공 장소, 컨벤션 등의 공간에서 시설물의 변경이 빈번하게 발생하는 영역은 도 5(b)에서와 같이 상당 정도 동일하다는 점을 추론할 수 있어, 이를 감안하여 시설물이 설치 빈도가 매우 낮은 영역으로 지도 업데이트의 주행 경로를 설정하면, 시설물의 회피 동작 또는 변경된 시설물로의 장거리 이동 등으로 인한 업데이트의 불필요한 시간 소요를 방지할 수 있다. 또한, 로봇(100)이 환경의 변경 확률이 높은 영역에 인접하여 주행함으로써, 2차원 레이저 스캐너(112)가 변경 확률이 높은 영역에서 변화된 시설물을 보다 정밀하게 스캐닝 하여 2차원 포인트 클라우드의 정밀도가 양호하게 된다.
이하에서는, 도 7a 및 도 7b를 참조하여 본 발명의 다른 실시예로서, 시설물에 부착된 위치 알림 장치와 연계된 지도 업데이트 방법에 대해 설명하기로 한다.
도 7a 및 도 7b는 본 발명의 다른 실시예로서, 시설물에 부착된 위치 알림 장치와 연계된 지도 업데이트 방법을 나타내는 순서도이다. 본 실시예에서는 도 6과 실질적 동일한 단계에 대한 상세한 설명은 생략하고, 차이점을 위주로 설명한다. 이에 따라, 도 7a의 S705~S725 단계는 도 6의 S605~S625 단계와 실질적으로 동일하여 생략하고, 차이점을 갖는 도 7b를 위주로 설명한다.
도 7b에서, 외부 검지부(116)는 유동가능한 시설물에 부착된 위치 알림 장치로부터 송출되는 신호를 감지하며, 감지된 신호에 따라 로봇(100)과 유동 시설물 간의 거리를 계측하여 시설물의 위치 변경 여부를 검지한다(S730).
유동가능한 시설물은 기둥, 벽, 상시적인 구조물과 같은 고정 시설물과 달리, 임시 부스, 임시 휴식 시설물, 임시 매표소, 각종 대형 장식물 등일 수 있다.
도 8은 자율주행 로봇이 위치 알림 장치를 통해 시설물의 위치 변경을 인지한 것을 예시한 도면이다.
도 8과 같이, 위치 알림 장치(302)는 로봇(100)이 소정 거리 범위에 접근한 경우에 시설물(300)을 인지가능한 모듈을 구비하며, 모듈은 근거리 무선 통신 모듈, 적외선 신호 송출 모듈, 초음파 송출 모듈, RF 신호 송출 모듈, 광대역 신호 송출 모듈, 지그비 신호 송출 모듈, 레이저 신호 모듈 중 적어도 어느 하나일 수 있다.
외부 검지부(116)는 위치 알림 장치(302)가 부착된 시설물(300)과 통신 가능한 거리 범위로 로봇(100)이 투입되면, 상술한 모듈의 신호를 수신하여 상대적 거리를 산출한다.
검지한 결과, 외부 알림 장치가 부착된 시설물이 위치 변경되면, 경로 설정부(122)는 시설물의 위치 변경과 같은 환경 변화를 보다 신속하게 획득하도록 위치 변경된 시설물 측으로 주행 경로를 변경한다(S735).
이에 더하여, 외부 검지부(116)는 지도 생성 중에 제작된 지도 내에서 시설물의 위치를 파악하여 지도 처리부(126) 및 업데이트부(128)에 전달할 수 있다.
한편, 업데이트부(128)는 위치 알림 장치가 미부착된 시설물을 포함한 공간의 환경 변화 여부를 판단한다(S740). 이는 S630 단계와 실질적으로 동일하며, 업데이트부(128)가 생성된 지도를 최직전 지도와 비교하여 미부착 시설물의 변경을 검출한다.
S735 단계 및 S740 단계의 Y로 이행되면, 업데이트부(128)는 생성된 지도로 최직전 지도를 업데이트하며, 업데이트된 지도를 서버(200)로 전송하여 지도 저장부(202)에 해당 공간의 이전의 지도들과 함께 누적 저장한다(S745).
도 7a 및 도 7b에 따른 실시예에서는 위치 알림 장치(302)가 부착된 시설물(300)의 위치 변경을 감지한 경우에, 경로 설정부(122)가 위치 변경된 시설물 측으로 주행 경로를 변경하는 S735 단계를 포함하고 있다. 그러나, 다른 실시예에서는 S735 단계에 따른 주행 경로의 변경없이 외부 검지부(116)에 의해 산출된 거리와 애초의 주행 경로에 따라 획득된 위치 변경의 시설물(300)의 2차원 포인트 클라우드에 기반하여, 적어도 위치 변경된 시설물(300)을 반영하여 생성된 지도로 최직전 지도를 업데이트할 수도 있다.
이하에서는, 도 9를 참조하여 본 발명의 또 다른 실시예로서, 주변 환경으로부터 획득된 영상 데이터에 기초한 시설물의 객체 정보를 지도에 편입하는 과정에 대해 설명하기로 한다.
도 9는 본 발명의 또 다른 실시예로서, 주변 환경으로부터 획득된 영상 데이터에 기초한 시설물의 객체 정보 및 객체 위치 정보로서의 랜드마크를 지도에 편입하는 과정을 나타내는 순서도이다.
우선, 카메라(118)는 로봇(100)의 도 6, 도 7a, 도 7b 및 도 10에 따른 주행에 따른 지도 생성 중에 시설물을 포함한 공간 정보의 영상 데이터를 획득하여 클라우드 서버(200)의 객체 분석부(206)에 전송한다(S905).
다음으로, 객체 분석부(206)는 기계 학습에 의해 지도의 위치별 시설물과 관련된 객체 정보를 분석한다(S910).
객체 분석부(206)는 영상 데이터에 표현된 시설물의 특징점을 추출하며, 기계 학습된 이미지 데이터베이스의 객체와 특징점 등으로 대조하여 시설물의 종류를 추정한다. 시설물의 종류는 임시 부스, 벤치 등의 휴식 시설물, 매표소 등으로 구분될 수 있다. 객체 분석부(206)는 시설물의 종류 외에도 보다 정밀한 분석으로 객체의 색상, 표시된 텍스트, 질감 등을 추출하여 관련 특징들을 객체 정보로 포함시킬 수 있다.
다음으로, 객체 분석부(206)는 최직전 지도의 업데이트에 따라 환경 변경이 발생된 위치가 존재하는지 여부 및 최직전 지도에서 환경 변경이 발생되지 않은 위치에서 객체만 변경되었는지 여부 중에 적어도 어느 하나가 발생한지를 판단한다(S915).
환경 변경이 발생되지 않은 위치에서 객체만 변경되는 경우는 예컨대 2차원 포인트 클라우드의 공간 정보를 통해 실질적으로 동일한 형태로 인식된 시설물, 예컨대 임시 부스, 매표소 등이나, 시설물의 외벽을 통해 인식된 텍스트를 통해 기존 지도의 객체 정보와 상이한 행사명으로 인식되는 상황 등일 수 있다.
상술한 2 개의 상황 중 적어도 하나가 발생한 경우, 객체 분석부(206)는 갱신된 객체 정보와 함께, 객체 위치 정보로서의 랜드마크를 시설물의 위치와 연계한다(S920). 랜드마크는 도 6, 도 7a, 도 7b 및 도 10에 따른 지도 생성 과정에서 생성된 해당 객체의 위치에 기초하여 산출될 수 있다.
객체 분석부(206)는 갱신된 객체 정보, 랜드마크와 함께, 최직전 지도에서 갱신되지 않은 객체 정보, 랜드마크를 지도 저장부(202)에 저장된 업데이트 지도의 해당 시설물의 위치에 대응하여 기록한다.
본 실시예에 따르면, 공간에서 환경이 자주 가변되는 영역을 추출함과 아울러서, 해당 영역에 위치되는 객체의 정보를 파악하여, 공간의 활용 경향성을 파악할 수 있다.
이하에서는, 도 10 및 도 11을 참조하여 본 발명의 또 다른 실시예로서, 지도의 일부 지역이 변경된 경우의 지도 업데이트 방법에 대해 설명하기로 한다.
도 10은 본 발명의 또 다른 실시예로서, 지도의 일부 지역이 변경된 경우의 지도 업데이트 방법을 나타내는 순서도이다. 도 11은 일부 영역이 삭제된 최직전 지도 및 삭제 영역이 업데이트된 지도를 예시한 도면이다.
우선, 기존 제작된 지도에서 일부 지역의 환경 변화를 인지하고 있는 조작자의 요청에 따라, 지도 저장부(202)는 기존의 최직전 지도에서 요청한 일부 지역을 삭제한다(S1005).
도 11(a)와 같이, 조작자가 서버(200)에 요청하여 업데이트가 필요한 지역을 삭제하고, 불필요한 지역은 유지시킨다.
다음으로, 조작자가 로봇(100)을 삭제된 지역 부근의 미삭제 지역으로 추정되는 위치에 배치시킨 후에 주행을 요청하면, 제어 명령부(208)의 지시에 의해 로봇 제어부(130)가 구동부(106)를 제어하여 조작자가 배치시킨 위치에서 로봇(100)의 주행을 시작한다(S1010).
이어서, 지도 수신부(104)는 서버(200)의 지도 저장부(202)에 저장된 공간의 변경 확률 분포 지도와 함께, 일부 지역이 삭제되어 저장된 최직전의 업데이트 지도를 수신한다(S1015). 변경 확률 분포 지도는 S610 단계에서 설명과 실질적으로 동일하다.
이어서, 초기 위치 추정부(120)는 로봇(100)의 미삭제 지역의 위치에서 생성된 지도와 지도 수신부(104)로부터 수신된 최직전 지도 간의 스캔 매칭에 의해 로봇(100)의 초기 위치를 추정한다(S1020).
다음으로, 경로 설정부(122)는 삭제된 지역의 변경 확률 분포 지도에 기초하여 고정 시설물을 회피하면서 최저의 변경 확률의 영역을 서로 연결한 주행 경로를 설정한다(S1025).
삭제된 지역에서도 변경 확률 분포 지도에 기반하여 주행 경로를 설정하는 이유는 해당 지역에서 시설물의 변경이 빈번하게 발생하는 영역이 변경 확률 분포 지도에 나타나는 영역일 가능성이 상당히 높은데 기인한다.
이어서, 지도 처리부(126)는 로봇(100)이 삭제 지역에 진입한지 여부를 판단하여(S1030), 진입으로 판별되면, 삭제 지역부터 주변 환경에 대한 2차원 레이저 스캐너(112)의 스캐닝으로 획득된 2차원 포인트 클라우드에 기반한 공간 정보를 생성하여, 지도를 생성하며, 업데이트부(128)는 도 11(b)에서와 같이, 최직전 지도에서 삭제된 지역을 생성된 지도로 결합한다(S1035).
또한, 업데이트부(128)는 지도 결합으로 인한 업데이트 이벤트를 서버(200)로 통지하면서 업데이트된 지도를 서버(200)로 전송하여 지도 저장부(202)에 해당 공간의 이전의 지도들과 함께 누적 저장한다.
본 실시예에 따르면, 지도 서비스 제공자가 공간의 일부 지역에 대한 환경 변화를 명확하게 인지하고 있는 경우에, 변화가 발생한 지역부터 지도의 업데이트를 개시하여 업데이트의 효율성과 정밀도를 보다 증대시킬 수 있다.
한편, 이상의 실시예들에서는 주로 실내 공간의 지도 업데이트를 예시하여 설명하고 있다. 그러나 이상에서 설명한 본 실시예들은 공간이 고정 시설물과 유동 시설물이 포함된 구조물을 갖는 공간이라면 적용가능하다. 구체적으로, 실내외 구조물을 갖는 공간에서 조작자가 희망하는 실내 및 실외 중 적어도 어느 하나에 대해 자율주행 로봇(100)이 주행하면서 본 실시예들에 따른 지도 생성 및 업데이트가 가능하다. 물론, 본 실시예들은 임시 가판대와 같은 유동 시설물 및 고정 시설물이 혼재된 특정 범위의 실외 장소에서도 적용될 수 있다.
본 개시의 예시적인 방법들은 설명의 명확성을 위해서 동작의 시리즈로 표현되어 있지만, 이는 단계가 수행되는 순서를 제한하기 위한 것은 아니며, 필요한 경우에는 각각의 단계가 동시에 또는 상이한 순서로 수행될 수도 있다. 본 개시에 따른 방법을 구현하기 위해서, 예시하는 단계에 추가적으로 다른 단계를 포함하거나, 일부의 단계를 제외하고 나머지 단계를 포함하거나, 또는 일부의 단계를 제외하고 추가적인 다른 단계를 포함할 수도 있다.
본 개시의 다양한 실시 예는 모든 가능한 조합을 나열한 것이 아니고 본 개시의 대표적인 양상을 설명하기 위한 것이며, 다양한 실시 예에서 설명하는 사항들은 독립적으로 적용되거나 또는 둘 이상의 조합으로 적용될 수도 있다.
또한, 본 개시의 다양한 실시 예는 하드웨어, 펌웨어(firmware), 소프트웨어, 또는 그들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 하나 또는 그 이상의 ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), FPGAs(Field Programmable Gate Arrays), 범용 프로세서(general processor), 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
본 개시의 범위는 다양한 실시 예의 방법에 따른 동작이 장치 또는 컴퓨터 상에서 실행되도록 하는 소프트웨어 또는 머신-실행가능한 명령들(예를 들어, 운영체제, 애플리케이션, 펌웨어(firmware), 프로그램 등), 및 이러한 소프트웨어 또는 명령 등이 저장되어 장치 또는 컴퓨터 상에서 실행 가능한 비-일시적 컴퓨터-판독가능 매체(non-transitory computer-readable medium)를 포함한다.
10: 자율주행 로봇을 이용한 지도 업데이트 시스템
100: 자율주행 로봇 102: 센서부
104: 지도 수신부 106: 구동부
108: 통신부 110: 제어부
112: 2차원 레이저 스캐너 114: 오도미터
116: 외부 검지부 118: 카메라
120: 초기 위치 추정부 122: 경로 설정부
124: 센싱 데이터 처리부 126: 지도 처리부
128: 업데이트부 130: 로봇 제어부
200: 클라우드 서버 202: 지도 저장부
204: 변경 확률 분포 지도 생성부 206: 객체 분석부
208: 제어 명령부 210: 서버 통신부

Claims (13)

  1. 공간에서 누적된 환경 변경에 따른 영역 별 변경 확률을 갖는 변경 확률 분포 지도에 기초하여 자율주행 로봇의 주행 경로를 설정하는 단계;
    상기 주행 경로에 따라 2차원 레이저 스캐너에 의해 획득된 공간 정보로 지도를 생성하는 단계; 및
    상기 생성된 지도에서 기존 지도와 상이한 환경 변경을 인지하면, 상기 생성된 지도로 상기 기존 지도를 업데이트하는 단계를 포함하되,
    업데이트 지도는 업데이트 당시의 환경 변경과 관련되어 갱신된 객체 정보와 함께, 기존 지도에서 갱신되지 않은 객체 정보를 상기 영역과 연계하여 포함하며, 상기 객체 정보는 상기 공간에 위치된 시설물의 상세 정보를 포함하고,
    상기 주행 경로를 설정하는 단계 전에,
    상기 공간의 일부 지역의 환경 변화를 인지한 조작자에 의해 최신으로 업데이트된 최직전 지도에서 상기 환경 변화와 관련된 일부 지역의 삭제 요청을 접수하는 단계와,
    상기 지도에서 삭제된 지역 부근의 미삭제 지역으로 추정되는 위치에서 상기 로봇의 주행 개시 요청을 접수하는 단계를 더 포함하고,
    상기 주행 경로를 설정하는 단계는 상기 변경 확률 분포 지도의 삭제된 지역에서 최저의 변경 확률의 영역들을 연결하여 상기 주행 경로를 설정하고,
    상기 지도를 생성하는 단계는 상기 로봇이 상기 삭제된 지역에 진입하는 경우에 실행되며, 상기 업데이트하는 단계는 상기 미삭제된 지역의 기존 지도와 상기 삭제된 지역에 대해 업데이트되어 생성된 지도를 결합하는 자율주행 로봇을 이용한 지도 업데이트 방법.
  2. 제 1 항에 있어서,
    상기 주행 경로를 설정하는 단계는 상기 변경 확률 분포 지도에서 최저의 변경 확률의 영역들을 연결하여 상기 주행 경로를 설정하는 자율주행 로봇을 이용한 지도 업데이트 방법.
  3. 제 1 항에 있어서,
    상기 주행 경로를 설정하는 단계 전에, 상기 변경 확률 분포 지도를 생성하는 단계를 더 포함하고,
    상기 변경 확률 분포 지도를 생성하는 단계는,
    상기 공간의 누적된 환경 변경에 의한 지도 갱신시마다 누적되어 업데이트된 지도들을 수집하는 단계,
    누적 업데이트된 지도들을 분석하여 상기 영역별 변경 확률을 추론하는 단계, 및
    상기 영역별 변경 확률이 반영된 상기 변경 확률 분포 지도를 작성하는 단계를 포함하는 자율주행 로봇을 이용한 지도 업데이트 방법.
  4. 제 3 항에 있어서,
    상기 영역별 변경 확률을 추론하는 단계는 상기 누적 업데이트된 지도들에 대하여 기계 학습을 수행하고, 상기 기계 학습은 마지막으로 업데이트된 시간의 최직전 지도로 접근할수록 높은 가중치를 부여하여 상기 누적 업데이트된 지도들에 학습을 수행하는 자율주행 로봇을 이용한 지도 업데이트 방법.
  5. 제 3 항에 있어서,
    상기 영역별 변경 확률을 추론하는 단계는 상기 누적 업데이트된 지도에서 상시적으로 배치된 것으로 판별된 고정 시설물의 위치를 분석함과 아울러서, 상기 누적된 환경 변경에 따른 변경 확률을 산출하며, 상기 변경 확률 분포 지도는 상기 고정 시설물의 위치와 상기 영역별 변경 확률이 반영되는 자율주행 로봇을 이용한 지도 업데이트 방법.
  6. 삭제
  7. 제 1 항에 있어서,
    상기 지도를 생성하는 단계는 위치 알림 장치가 부착된 시설물의 위치 변경을 감지하여 상기 지도를 생성하고, 상기 기존 지도를 업데이트 단계는 상기 위치 알림 장치에 의해 상기 위치 변경을 감지한 시설물을 적어도 반영하여 생성된 지도로 상기 기존 지도를 업데이트하는 자율주행 로봇을 이용한 지도 업데이트 방법.
  8. 제 7 항에 있어서,
    상기 지도를 생성하는 단계는 상기 위치 알림 장치가 부착된 시설물의 위치 변경을 감지한 경우에, 상기 주행 경로는 상기 위치 변경된 시설물 측으로 주행 경로를 변경하는 자율주행 로봇을 이용한 지도 업데이트 방법.
  9. 제 7 항에 있어서,
    상기 위치 알림 장치는 상기 로봇이 소정 거리 범위에 접근한 경우에 상기 시설물을 인지가능한 모듈을 구비하며, 상기 모듈은 근거리 무선 통신 모듈, 적외선 신호 송출 모듈, 초음파 송출 모듈, RF 신호 송출 모듈, 광대역 신호 송출 모듈, 지그비 신호 송출 모듈, 레이저 신호 모듈 중 적어도 어느 하나인 자율주행 로봇을 이용한 지도 업데이트 방법.
  10. 제 1 항에 있어서,
    상기 지도를 생성하는 단계는 시설물을 포함한 공간 정보의 영상 데이터를 획득하는 단계를 더 포함하고,
    상기 지도를 생성하는 단계 후에,
    상기 영상 데이터로부터 상기 지도의 위치별 시설물과 관련된 객체 정보를 분석하는 단계, 및
    상기 기존 지도의 업데이트에 따라 환경 변경이 발생된 위치의 존재 및 상기 기존 지도에서 상기 환경 변경이 미발생된 위치에서의 객체의 변경 중 적어도 어느 하나가 충족되면, 충족된 적어도 어느 하나에 따라 갱신된 객체 정보와 함께, 갱신된 객체 위치 정보로서의 랜드마크를 시설물의 위치와 연계하여 편입하는 단계를 더 포함하는 자율주행 로봇을 이용한 지도 업데이트 방법.
  11. 삭제
  12. 삭제
  13. 자율주행 로봇을 이용한 지도 업데이트 시스템에 있어서, 상기 자율주행 로봇은
    공간에서 누적된 환경 변경에 따른 영역 별 변경 확률을 갖는 변경 확률 분포 지도에 기초하여 자율주행 로봇의 주행 경로를 설정하는 경로 설정부;
    상기 주행 경로에 따라 2차원 레이저 스캐너에 의해 획득된 공간 정보로 지도를 생성하는 지도 처리부; 및
    상기 생성된 지도에서 기존 지도와 상이한 환경 변경을 인지하면, 상기 생성된 지도로 상기 기존 지도를 업데이트하는 업데이트부를 포함하되,
    상기 공간의 일부 지역의 환경 변화를 인지한 조작자에 의해 최신으로 업데이트된 최직전 지도에서 상기 환경 변화와 관련된 일부 지역의 삭제 요청을 접수하는 지도 저장부, 및
    상기 지도에서 삭제된 지역 부근의 미삭제 지역으로 추정되는 위치에서 상기 로봇의 주행 개시 요청을 접수하는 제어 명령부를 더 포함하고,
    상기 경로 설정부는 상기 변경 확률 분포 지도의 삭제된 지역에서 최저의 변경 확률의 영역들을 연결하여 상기 주행 경로를 설정하고,
    상기 지도 처리부는 상기 로봇이 상기 삭제된 지역에 진입하는 경우에 실행되며, 상기 업데이트부는 상기 미삭제된 지역의 기존 지도와 상기 삭제된 지역에 대해 업데이트되어 생성된 지도를 결합하고,
    업데이트 지도는 업데이트 당시의 환경 변경과 관련되어 갱신된 객체 정보와 함께, 기존 지도에서 갱신되지 않은 객체 정보를 상기 영역과 연계하여 포함하며, 상기 객체 정보는 상기 공간에 위치된 시설물의 상세 정보를 포함하는 자율주행 로봇을 이용한 지도 업데이트 시스템.
KR1020190177274A 2019-12-30 2019-12-30 자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템 KR102169283B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190177274A KR102169283B1 (ko) 2019-12-30 2019-12-30 자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템
PCT/KR2020/018503 WO2021137483A1 (ko) 2019-12-30 2020-12-17 자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190177274A KR102169283B1 (ko) 2019-12-30 2019-12-30 자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR102169283B1 true KR102169283B1 (ko) 2020-10-23

Family

ID=73039430

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190177274A KR102169283B1 (ko) 2019-12-30 2019-12-30 자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템

Country Status (2)

Country Link
KR (1) KR102169283B1 (ko)
WO (1) WO2021137483A1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112462758A (zh) * 2020-11-06 2021-03-09 深圳市优必选科技股份有限公司 一种建图方法、装置、计算机可读存储介质及机器人
CN112965063A (zh) * 2021-02-11 2021-06-15 深圳市安泽智能机器人有限公司 一种机器人建图定位方法
WO2021137483A1 (ko) * 2019-12-30 2021-07-08 (주)원익로보틱스 자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템
KR20220142865A (ko) * 2021-04-15 2022-10-24 주식회사 솔루더스 이동형 로봇을 이용한 무인 국사 모니터링 시스템 및 그 방법
KR20220152451A (ko) 2021-05-07 2022-11-16 휴림로봇 주식회사 Slam 기반 이동로봇의 자연사물을 이용한 로봇의 위치추종 방법 및 장치, 컴퓨터 판독가능 기록 매체 및 컴퓨터 프로그램
US11967157B2 (en) 2021-08-20 2024-04-23 Samsung Electronics Co., Ltd. Robot and method for controlling thereof

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11466992B2 (en) * 2020-03-02 2022-10-11 Beijing Baidu Netcom Science And Technology Co., Ltd. Method, apparatus, device and medium for detecting environmental change
CN113624222A (zh) * 2021-07-30 2021-11-09 深圳市优必选科技股份有限公司 一种地图的更新方法、机器人及可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090047639A (ko) * 2007-11-08 2009-05-13 한국전자통신연구원 인공 표식물의 위치 획득 장치 및 그 방법
JP2017521761A (ja) * 2014-06-05 2017-08-03 ソフトバンク・ロボティクス・ヨーロッパＳｏｆｔｂａｎｋ Ｒｏｂｏｔｉｃｓ Ｅｕｒｏｐｅ 自律ロボットの障害物の不在および存在の一方の確率のマップを構築する方法
KR20190047479A (ko) * 2017-10-27 2019-05-08 주식회사 지오로봇기술 무인 이동체의 실내 지도 갱신 방법
KR20190123673A (ko) * 2018-04-06 2019-11-01 엘지전자 주식회사 이동 로봇 및 그 제어방법

Family Cites Families (3)

* 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
KR101440842B1 (ko) * 2012-07-19 2014-10-07 네이버비즈니스플랫폼 주식회사 무선 액세스 포인트 정보 수집 방법 및 장치
KR102169283B1 (ko) * 2019-12-30 2020-10-23 (주)원익로보틱스 자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090047639A (ko) * 2007-11-08 2009-05-13 한국전자통신연구원 인공 표식물의 위치 획득 장치 및 그 방법
JP2017521761A (ja) * 2014-06-05 2017-08-03 ソフトバンク・ロボティクス・ヨーロッパＳｏｆｔｂａｎｋ Ｒｏｂｏｔｉｃｓ Ｅｕｒｏｐｅ 自律ロボットの障害物の不在および存在の一方の確率のマップを構築する方法
KR20190047479A (ko) * 2017-10-27 2019-05-08 주식회사 지오로봇기술 무인 이동체의 실내 지도 갱신 방법
KR20190123673A (ko) * 2018-04-06 2019-11-01 엘지전자 주식회사 이동 로봇 및 그 제어방법

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021137483A1 (ko) * 2019-12-30 2021-07-08 (주)원익로보틱스 자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템
CN112462758A (zh) * 2020-11-06 2021-03-09 深圳市优必选科技股份有限公司 一种建图方法、装置、计算机可读存储介质及机器人
CN112462758B (zh) * 2020-11-06 2022-05-06 深圳市优必选科技股份有限公司 一种建图方法、装置、计算机可读存储介质及机器人
CN112965063A (zh) * 2021-02-11 2021-06-15 深圳市安泽智能机器人有限公司 一种机器人建图定位方法
KR20220142865A (ko) * 2021-04-15 2022-10-24 주식회사 솔루더스 이동형 로봇을 이용한 무인 국사 모니터링 시스템 및 그 방법
KR102592291B1 (ko) * 2021-04-15 2023-10-20 주식회사 솔루더스 이동형 로봇을 이용한 무인 국사 모니터링 시스템 및 그 방법
KR20220152451A (ko) 2021-05-07 2022-11-16 휴림로봇 주식회사 Slam 기반 이동로봇의 자연사물을 이용한 로봇의 위치추종 방법 및 장치, 컴퓨터 판독가능 기록 매체 및 컴퓨터 프로그램
US11967157B2 (en) 2021-08-20 2024-04-23 Samsung Electronics Co., Ltd. Robot and method for controlling thereof

Also Published As

Publication number Publication date
WO2021137483A1 (ko) 2021-07-08

Similar Documents

Publication Publication Date Title
KR102169283B1 (ko) 자율주행 로봇을 이용한 지도 업데이트 방법 및 시스템
US11927450B2 (en) Methods for finding the perimeter of a place using observed coordinates
CN112739244B (zh) 移动机器人清洁系统
KR102060715B1 (ko) 이동 로봇 및 그 제어방법
US10620636B2 (en) Method of identifying functional region in 3-dimensional space, and robot implementing the method
JP6445995B2 (ja) センサデータの空間的集約を用いる適応マッピング
JP5296746B2 (ja) マップ作成方法および装置とそのマップを利用した定位方法
Kümmerle et al. Autonomous robot navigation in highly populated pedestrian zones
Kümmerle et al. A navigation system for robots operating in crowded urban environments
KR102096875B1 (ko) 자율 주행 기술을 응용한 3차원 실내 정밀 지도 자동 생성 로봇 및 로봇의 제어 방법
JP2018067314A (ja) 室内自律走行ロボットのための制御方法及びシステム
KR20190131402A (ko) 카메라와 라이다를 이용한 융합 센서 및 이동체
KR20120036207A (ko) 이동 로봇 및 그 지도 작성 방법
CN109917791B (zh) 移动装置自动探索构建地图的方法
CN104813365A (zh) 基于图像的室内位置确定
KR101319525B1 (ko) 이동 로봇을 이용하여 목표물의 위치 정보를 제공하기 위한 시스템
WO2022027611A1 (zh) 移动机器人的定位方法、构建地图的方法及移动机器人
CN112033390B (zh) 机器人导航纠偏方法、装置、设备和计算机可读存储介质
US11785430B2 (en) System and method for real-time indoor navigation
KR102112162B1 (ko) 자율 주행 기술을 응용한 3차원 실내 정밀 지도 자동 생성 로봇 및 로봇의 제어 방법
KR101319526B1 (ko) 이동 로봇을 이용하여 목표물의 위치 정보를 제공하기 위한 방법
KR20220005025A (ko) 동시 위치인식 및 지도작성 방법
KR20210133579A (ko) 자율주행 로봇을 이용한 사물주소 기반의 배달 방법 및 장치
KR102262378B1 (ko) 지도 관리 방법 및 시스템
Lee et al. Localization method for mobile robots moving on stairs in multi-floor environments

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant