KR102183830B1 - The route control apparatus of automatic guided vehicle and route controlling method of thereof - Google Patents
The route control apparatus of automatic guided vehicle and route controlling method of thereof Download PDFInfo
- Publication number
- KR102183830B1 KR102183830B1 KR1020200048204A KR20200048204A KR102183830B1 KR 102183830 B1 KR102183830 B1 KR 102183830B1 KR 1020200048204 A KR1020200048204 A KR 1020200048204A KR 20200048204 A KR20200048204 A KR 20200048204A KR 102183830 B1 KR102183830 B1 KR 102183830B1
- Authority
- KR
- South Korea
- Prior art keywords
- search algorithm
- algorithm
- route
- environment
- path
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000010845 search algorithm Methods 0.000 claims abstract description 133
- 230000008859 change Effects 0.000 claims abstract description 29
- 230000003068 static effect Effects 0.000 claims abstract description 29
- 230000007613 environmental effect Effects 0.000 claims abstract description 27
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
Description
본 발명은 무인 자율주행차량의 경로제어장치 및 경로제어방법에 관한 것으로서, 보다 구체적으로 공장 내부 환경에 따라 경로 탐색 알고리즘을 유연하게 적용하여 무인 자율주행차량의 경로를 탐색할 수 있는 무인 자율주행차량의 경로제어장치 및 경로제어방법에 관한 것이다.The present invention relates to a path control device and a path control method of an unmanned autonomous vehicle, and more specifically, an unmanned autonomous vehicle capable of searching the path of an unmanned autonomous vehicle by flexibly applying a path search algorithm according to the internal environment of a factory. It relates to a path control device and a path control method of.
최근 대형 공장에서는 제조 설비 또는 창고 주변의 자재 이동을 위해 무인 자율주행차량(automated guided vehicle: AGV)이 사용되고 있다. 일반적으로 무인 자율주행차량은 지면 하단이나 공중에 설치된 와이어, 지면이나 벽면에 설치된 광학 또는 마그네틱 테이프 등으로 구현되는 다양한 방식의 가이드라인을 따라 주행할 수 있다. Recently, in large factories, automated guided vehicles (AGVs) are used to move materials around manufacturing facilities or warehouses. In general, an unmanned autonomous vehicle can drive according to various types of guidelines implemented by wires installed under the ground or in the air, optical or magnetic tapes installed on the ground or wall.
레이저나 마그네틱 테이프 기반 방식의 경우, 공장 내에서의 완전 자율주행 실행에 제약이 존재한다. 예를 들어, 레이저는 대상이 되는 물체의 반사율에 따른 오차가 클 수 있고, 마그네틱 테이프는 공장 레이아웃 변경 또는 설비 배치 변경 시 전면 재설치가 필요하다.In the case of laser or magnetic tape-based methods, there are restrictions on the execution of fully autonomous driving in the factory. For example, a laser may have a large error depending on the reflectance of a target object, and a magnetic tape requires a full reinstallation when a factory layout is changed or a facility layout is changed.
반면, R_CNN, YOLO, SSD 기반 객체 인식과 Lidar 좌표 정보를 결합한 자율주행 방식은 상기의 초기 인프라 도입 비용을 줄일 수 있다. 그러나, 일반적인 R-CNN 기반의 객체 인식은 정확도는 높으나 2000개에 달하는 영역(region)에 대해 각각 연산이 이루어져 하므로 경로 탐색에 시간이 오래 걸리는 문제점이 존재한다. On the other hand, the autonomous driving method that combines R_CNN, YOLO, and SSD-based object recognition and Lidar coordinate information can reduce the initial infrastructure introduction cost. However, although general R-CNN-based object recognition has high accuracy, there is a problem in that it takes a long time to search a path since each operation is performed on up to 2000 regions.
따라서, 경로 탐색을 위해 필요한 연산량을 줄이면서도, 무인 자율주행차량 도착점까지 효과적으로 도달할 수 있는 경로를 탐색할 수 있는 경로 탐색 알고리즘이 요구된다.Accordingly, there is a need for a route search algorithm capable of searching for a route that can effectively reach the destination of an unmanned autonomous vehicle while reducing the amount of computation required for route search.
본 발명이 해결하고자 하는 과제는, 경로 탐색에 요구되는 연산량을 줄이면서도, 무인 자율주행차량 도착점까지 효과적으로 도달 가능한 경로를 탐색할 수 있는 무인 자율주행차량의 경로제어장치 및 경로제어방법을 제공하는 것이다.The problem to be solved by the present invention is to provide a route control device and a route control method for an unmanned autonomous vehicle capable of searching for a route that can effectively reach the destination of an unmanned autonomous vehicle while reducing the amount of computation required for route search. .
또한, 본 발명이 해결하고자 하는 과제는, 제조 공장의 정적 환경과 동적 환경 정도에 따라 다른 형태의 경로 탐색 알고리즘을 적용해 연산의 효율성을 높일 수 있는 무인 자율주행차량의 경로제어장치 및 경로제어방법을 제공하는 것이다.In addition, the problem to be solved by the present invention is a route control device and a route control method for an unmanned autonomous vehicle that can increase the efficiency of calculation by applying different types of route search algorithms according to the degree of static and dynamic environments of manufacturing plants. Is to provide.
나아가, 본 발명이 해결하고자 하는 과제는, 5G 이상 통신 환경에서 공장복잡도에 따른 무인 자율주행차량의 유연한 경로 탐색을 수행할 수 있는 무인 자율주행차량의 경로제어장치 및 경로제어방법을 제공하는 것이다.Further, the problem to be solved by the present invention is to provide a path control device and a path control method for an unmanned autonomous vehicle capable of performing a flexible path search of an unmanned autonomous vehicle according to factory complexity in a communication environment of 5G or higher.
본 발명의 일 실시 예에 의한 무인 자율주행차량의 경로제어장치는, 상기 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 상기 환경정보에 기초하여 내부변화도를 산정하는 측정부;와, 상기 내부변화도에 기초하여 설정되는 하이브리드 경로 탐색 알고리즘에 의해 상기 무인 자율주행차량의 주행 경로를 계산하는 경로 산출부;및 상기 내부변화도와 제1기준값을 비교하여 상기 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단하고, 상기 동적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하고, 상기 정적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제2 경로 탐색 알고리즘으로 구성하는 제어부를 포함하되, 상기 제1 경로 탐색 알고리즘은 하나의 목적지로 가는 모든 최단 경로를 구하는 알고리즘이고, 상기 제2 경로 탐색 알고리즘은, 하나의 정점에서 다른 하나의 정점까지의 최단 경로를 구하는 알고리즘인 것을 특징으로 할 수 있다.A path control apparatus for an unmanned autonomous vehicle according to an embodiment of the present invention includes: a measuring unit configured to detect environmental information inside a factory in which the unmanned autonomous vehicle travels, and calculate an internal degree of change based on the environmental information; And, a route calculation unit that calculates the driving route of the unmanned autonomous vehicle by a hybrid route search algorithm set based on the internal gradient; And by comparing the internal change degree and a first reference value, the interior of the factory is a dynamic environment or A control unit that determines whether it corresponds to a static environment, and if it corresponds to the dynamic environment, configures the hybrid route search algorithm as a first route search algorithm, and if it corresponds to the static environment, configures the hybrid route search algorithm as a second route search algorithm Including, wherein the first route search algorithm is an algorithm that obtains all shortest routes to one destination, and the second route search algorithm is an algorithm that obtains a shortest route from one vertex to another vertex. You can do it.
상기 무인 자율주행차량의 경로제어장치에 있어서, 상기 제1 경로 탐색 알고리즘은, 디스타 알고리즘인 것을 특징으로 할 수 있다. In the route control apparatus for the unmanned autonomous vehicle, the first route search algorithm may be a dista algorithm.
상기 무인 자율주행차량의 경로제어장치에 있어서, 상기 제2 경로 탐색 알고리즘은, 에이스타 알고리즘인 것을 특징으로 할 수 있다.In the route control apparatus for the unmanned autonomous vehicle, the second route search algorithm may be an A-Star algorithm.
상기 무인 자율주행차량의 경로제어장치에 있어서, 상기 측정부는, 상기 환경정보에 기초하여 공간복잡도를 산정하고, 상기 제어부는, 상기 공간복잡도와 제2기준값을 비교하여 상기 공장 내부가 단순한 환경 또는 복잡한 환경에 해당하는지 판단하고, 상기 단순한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제3 경로 탐색 알고리즘으로 구성하되, 상기 제3 경로 탐색 알고리즘은, 하나의 정점에서 다른 모든 정점까지의 최단 경로를 구하는 알고리즘인 것을 특징으로 할 수 있다.In the route control device of the unmanned autonomous vehicle, the measurement unit calculates a spatial complexity based on the environmental information, and the control unit compares the spatial complexity and a second reference value to provide a simple environment or a complex interior of the factory. It determines whether it corresponds to the environment, and if it corresponds to the simple environment, the hybrid path search algorithm is configured as a third path search algorithm, and the third path search algorithm is an algorithm that obtains the shortest path from one vertex to all other vertices. It can be characterized by being.
상기 무인 자율주행차량의 경로제어장치에 있어서, 상기 제3 경로 탐색 알고리즘은, 다익스트라 알고리즘인 것을 특징으로 할 수 있다.In the route control apparatus for the unmanned autonomous vehicle, the third route search algorithm may be a Dijkstra algorithm.
본 발명의 다른 실시 예에 의한 무인 자율주행차량의 경로제어방법에 있어서, 상기 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 상기 환경정보에 기초하여 내부변화도를 산정하는 단계; 및 상기 내부변화도에 기초하여 설정되는 하이브리드 경로 탐색 알고리즘에 의해 상기 무인 자율주행차량의 주행 경로를 계산하는 단계를 포함하되, 상기 내부변화도와 제1기준값을 비교하여 상기 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단하고, 상기 동적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하고, 상기 정적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제2 경로 탐색 알고리즘으로 구성하며, 상기 제1 경로 탐색 알고리즘은 하나의 목적지로 가는 모든 최단 경로를 구하는 알고리즘이고, 상기 제2 경로 탐색 알고리즘은, 하나의 정점에서 다른 하나의 정점까지의 최단 경로를 구하는 알고리즘인 것을 특징으로 할 수 있다. In the route control method of an unmanned autonomous vehicle according to another embodiment of the present invention, the method comprising: sensing environmental information inside a factory in which the unmanned autonomous vehicle travels, and calculating an internal degree of change based on the environmental information; And calculating a driving route of the unmanned autonomous vehicle by a hybrid route search algorithm set based on the internal gradient, wherein the interior of the factory is dynamic or static by comparing the internal change degree and a first reference value. It determines whether it corresponds to an environment, and if it corresponds to the dynamic environment, configures the hybrid route search algorithm as a first route search algorithm, and if it corresponds to the static environment, configures the hybrid route search algorithm as a second route search algorithm, and the The first route search algorithm may be an algorithm for obtaining all shortest routes to one destination, and the second route search algorithm may be an algorithm for obtaining a shortest route from one vertex to another.
본 발명의 또 다른 실시 예에 의한 무인 자율주행차량의 경로제어방법을 수행하는 컴퓨터로 판독가능한 기록매체에 있어서, 상기 무인 자율주행차량의 경로제어방법은, 상기 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 상기 환경정보에 기초하여 내부변화도를 산정하는 단계; 및 상기 내부변화도에 기초하여 설정되는 하이브리드 경로 탐색 알고리즘에 의해 상기 무인 자율주행차량의 주행 경로를 계산하는 단계를 포함하되, 상기 내부변화도와 제1기준값을 비교하여 상기 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단하고, 상기 동적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하고, 상기 정적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제2 경로 탐색 알고리즘으로 구성하며, 상기 제1 경로 탐색 알고리즘은 하나의 목적지로 가는 모든 최단 경로를 구하는 알고리즘이고, 상기 제2 경로 탐색 알고리즘은, 하나의 정점에서 다른 하나의 정점까지의 최단 경로를 구하는 알고리즘인 것을 특징으로 할 수 있다. In a computer-readable recording medium for performing a path control method of an unmanned autonomous vehicle according to another embodiment of the present invention, the path control method of the unmanned autonomous vehicle comprises: an interior of a factory in which the unmanned autonomous vehicle runs Sensing the environmental information of, and calculating an internal degree of change based on the environmental information; And calculating a driving route of the unmanned autonomous vehicle by a hybrid route search algorithm set based on the internal gradient, wherein the interior of the factory is dynamic or static by comparing the internal change degree and a first reference value. It determines whether it corresponds to an environment, and if it corresponds to the dynamic environment, configures the hybrid route search algorithm as a first route search algorithm, and if it corresponds to the static environment, configures the hybrid route search algorithm as a second route search algorithm, and the The first route search algorithm may be an algorithm for obtaining all shortest routes to one destination, and the second route search algorithm may be an algorithm for obtaining a shortest route from one vertex to another.
본 발명의 실시예에 따르면, 경로 탐색에 요구되는 연산량을 줄이면서도 도착점까지 효과적으로 도달할 수 있는 경로 탐색 알고리즘을 제공할 수 있다.According to an embodiment of the present invention, it is possible to provide a path search algorithm capable of effectively reaching an arrival point while reducing the amount of computation required for path search.
또한, 본 발명의 실시예에 따르면, 5G 이상 통신 환경에서 공장복잡도에 따른 무인 자율주행차량의 유연한 경로 탐색을 수행할 수 있다.In addition, according to an embodiment of the present invention, it is possible to perform flexible route search of an unmanned autonomous vehicle according to factory complexity in a communication environment of 5G or higher.
나아가, 본 발명의 실시예에 따르면, 공장 내부 환경에 따라 유연한 경로 탐색 알고리즘을 적용함으로써 메모리 로드는 크지 않으면서도 실시간으로 최적화된 경로 탐색이 가능할 수 있다.Further, according to an embodiment of the present invention, by applying a flexible path search algorithm according to the internal environment of a factory, it is possible to perform an optimized path search in real time without a large memory load.
도 1은 본 발명에 따른 무인 자율주행차량의 경로제어장치의 구성을 도시한 블록도이다.
도 2a와 도 2b는 본 발명에 따른 무인 자율주행차량의 경로제어장치가 경로 탐색 알고리즘을 구성하는 일 실시예를 설명하기 위한 도면이다.
도 3a와 도 3b는 본 발명에 따른 무인 자율주행차량의 경로제어장치가 경로 탐색 알고리즘을 구성하는 다른 실시예를 설명하기 위한 도면이다.
도 4a와 도 4b는 본 발명에 따른 무인 자율주행차량의 경로제어장치가 경로 탐색 알고리즘을 구성하는 또 다른 실시예를 설명하기 위한 도면이다.
도 5는 본 발명에 따른 무인 자율주행차량의 경로제어과정을 도시한 도면이다.
도 6은 본 발명의 실시예에 따른 무인 자율주행차량의 경로제어를 수행하는 컴퓨팅 장치를 나타내는 도면이다.1 is a block diagram showing the configuration of a path control apparatus for an unmanned autonomous vehicle according to the present invention.
2A and 2B are diagrams for explaining an embodiment in which a route control apparatus for an unmanned autonomous vehicle according to the present invention configures a route search algorithm.
3A and 3B are diagrams for explaining another embodiment in which a route control apparatus for an unmanned autonomous vehicle according to the present invention configures a route search algorithm.
4A and 4B are views for explaining another embodiment in which a route control apparatus for an unmanned autonomous vehicle according to the present invention configures a route search algorithm.
5 is a diagram showing a path control process of an unmanned autonomous vehicle according to the present invention.
6 is a diagram illustrating a computing device that performs path control of an unmanned autonomous vehicle according to an embodiment of the present invention.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art may easily implement the present invention. However, the present invention may be implemented in various different forms and is not limited to the embodiments described herein. In the drawings, parts irrelevant to the description are omitted in order to clearly describe the present invention, and similar reference numerals are assigned to similar parts throughout the specification.
본 명세서에서, 동일한 구성요소에 대해서 중복된 설명은 생략한다.In this specification, redundant descriptions of the same components are omitted.
또한 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.In addition, in the present specification, when a component is referred to as being'connected' or'connected' to another component, it may be directly connected or connected to the other component, but other components in the middle It should be understood that may exist. On the other hand, in the present specification, when it is mentioned that a certain element is'directly connected' or'directly connected' to another element, it should be understood that no other element exists in the middle.
또한, 본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용되는 것으로써, 본 발명을 한정하려는 의도로 사용되는 것이 아니다.In addition, terms used in the present specification are only used to describe specific embodiments, and are not intended to limit the present invention.
또한 본 명세서에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. In addition, in the present specification, a singular expression may include a plurality of expressions unless the context clearly indicates otherwise.
또한 본 명세서에서, '포함하다' 또는 '가지다' 등의 용어는 명세서에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품, 또는 이들을 조합한 것이 존재함을 지정하려는 것일 뿐, 하나 또는 그 이상의 다른 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 할 것이다.In addition, in the present specification, terms such as'include' or'have' are only intended to designate the existence of features, numbers, steps, actions, components, parts, or a combination thereof described in the specification, and one or more It is to be understood that the presence or addition of other features, numbers, steps, actions, components, parts, or combinations thereof, does not preclude in advance the possibility of being excluded.
또한 본 명세서에서, '및/또는' 이라는 용어는 복수의 기재된 항목들의 조합 또는 복수의 기재된 항목들 중의 어느 항목을 포함한다. 본 명세서에서, 'A 또는 B'는, 'A', 'B', 또는 'A와 B 모두'를 포함할 수 있다.In addition, in this specification, the term'and/or' includes a combination of a plurality of listed items or any of a plurality of listed items. In the present specification,'A or B'may include'A','B', or'both A and B'.
또한 본 명세서에서, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략될 것이다.In addition, in this specification, detailed descriptions of known functions and configurations that may obscure the subject matter of the present invention will be omitted.
도 1은 본 발명에 따른 무인 자율주행차량의 경로제어장치의 구성을 도시한 블록도이다.1 is a block diagram showing the configuration of a path control apparatus for an unmanned autonomous vehicle according to the present invention.
본 발명에 따른 무인 자율주행차량의 경로제어장치(100)는 공장 내부가 정적 환경 또는 동적 환경인지 여부 및 공간 복잡도에 따라 유연하게 경로 탐색 알고리즘을 적용할 수 있다. The
여기서, 무인 자율주행차량(Automatic Guided Vehicle: AGV)은 운전자없이 자동으로 움직이는 산업용 차량을 지칭한다. AGV는 제조 시설이나 유통 센터 등에서 자재를 자동으로 이동시키는 대표적인 솔루션으로서, 반복적인 재료 이동을 효율적으로 대체할 수 있다.Here, an automatic guided vehicle (AGV) refers to an industrial vehicle that automatically moves without a driver. AGV is a representative solution that automatically moves materials in manufacturing facilities or distribution centers, and can effectively replace repetitive material movement.
본 발명에 따른 무인 자율주행차량의 경로제어장치(100)는 측정부(110), 경로 산출부(120) 및 제어부(130)를 포함하여 구성될 수 있다.The
측정부(110)는 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 상기 환경정보에 기초하여 내부변화도 및 공간복잡도를 산정할 수 있다. The
이 경우, 환경정보는 내부 설비 배치, 작업 종류, 작업 동선 등을 포함할 수 있다. 내부변화도는 작업자의 이동여부 및 이동빈도, 작업 동선의 변화 정도, 장애물의 발생여부 및 발생빈도 등을 포함할 수 있다. 공간복잡도는 공간내에 배치된 설비의 개수, 단순한 경로 또는 복잡한 경로를 가지는지 여부, 공간 규모 등을 포함할 수 있다.In this case, the environmental information may include the arrangement of internal facilities, the type of work, and the work movement. The internal degree of change may include whether or not the worker moves and the frequency of movement, the degree of change in the work movement line, whether or not an obstacle occurs, and the frequency of occurrence. The spatial complexity may include the number of facilities arranged in the space, whether it has a simple path or a complex path, and a space scale.
측정부(110)는 환경정보를 수집하기 위한 다양한 종류의 센서를 포함할 수 있다. 구체적으로, 측정부(110)는 카메라, 이미지 센서, 라이다 센서, 레이더 센서, 거리 센서, 깊이 센서, 온도 센서, 습도 센서 등을 포함하여 구성될 수 있다.The
경로 산출부(120)는 하이브리드 경로 탐색 알고리즘에 의해 무인 자율주행차량의 주행 경로를 계산할 수 있다. 여기서, 하이브리드 경로 탐색 알고리즘은 공장 내부 환경에 대응하여 적절한 경로 탐색 알고리즘으로 구성될 수 있다.The
제어부(130)는 내부변화도와 제1기준값을 비교하여, 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단할 수 있다.The
또한, 제어부(130)는 공간복잡도와 제2기준값을 비교하여, 공장 내부가 단순한 환경 또는 복잡한 환경에 해당하는지 판단할 수 있다. 예를 들어, 창고 등에 물류시스템을 구축하고 무인 자율주행차량을 이용하여 물건을 적재 또는 운반하는 경우, 창고내에 선반들이 복잡하게 배치된 경우 내부 환경은 복잡한 환경에 해당할 수 있다. In addition, the
제어부(130)는 내부변화도 및 공간복잡도 중 적어도 하나에 기초하여 하이브리드 경로 탐색 알고리즘을 구성할 수 있다. 이 경우, 제어부(130)는 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘과 제2 경로 탐색 알고리즘 및 제3 경로 탐색 알고리즘 중 적어도 어느 하나로 구성할 수 있다. The
일 실시 예에 의하면, 제어부(130)는 공장 내부가 동적 환경에 해당하는 경우 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하고, 공장 내부가 정적 환경에 해당하는 경우 하이브리드 경로 탐색 알고리즘을 제2 경로 탐색 알고리즘으로 구성할 수 있다. 여기서, 제1 경로 탐색 알고리즘은 하나의 목적지로 가는 모든 최단 경로를 구하는 알고리즘일 수 있다. 예를 들어, 제1 경로 탐색 알고리즘은, 디스타 알고리즘(D* algorithm)일 수 있다. 제2 경로 탐색 알고리즘은 하나의 정점에서 다른 하나의 정점까지의 최단 경로를 구하는 알고리즘일 수 있다. 예를 들어, 제2 경로 탐색 알고리즘은 에이스타 알고리즘(A* algorithm)일 수 있다.According to an embodiment, the
다른 실시 예에 의하면, 제어부(130)는 공장 내부가 단순한 환경으로 구성되는 경우 하이브리드 경로 탐색 알고리즘을 제3 경로 탐색 알고리즘으로 구성할 수 있다. 이 경우, 제3 경로 탐색 알고리즘은 하나의 정점에서 다른 모든 정점까지의 최단 경로를 구하는 알고리즘일 수 있다. 예를 들어, 제3 경로 탐색 알고리즘은 다익스트라 알고리즘(Dijkstra algorithm)일 수 있다.According to another embodiment, the
경로를 제어하는데 많이 쓰이는 알고리즘은 다익스트라 알고리즘, 에이스타 알고리즘, 디스타 알고리즘 등으로 각각 다음과 같은 특징을 가진다. Algorithms commonly used to control paths are Dijkstra's algorithm, A-Star's algorithm, and Dista's algorithm, and each has the following characteristics.
다익스트라 알고리즘은 기본 형태의 알고리즘으로 가장 많이 사용되나, 노드가 많은 복잡한 환경에서는 연산이 오래 걸리는 단점이 있다. Dijkstra's algorithm is most commonly used as a basic type of algorithm, but it takes a long time in a complex environment with many nodes.
에이스타 알고리즘은 다익스트라 알고리즘만큼 연산이 오래 걸리지는 않으나, 항상 최단 경로를 보장하지는 못하며, 동적인 환경에서는 멈추고 재연산을 하기 때문에 효율성이 떨어진다.The A-Star algorithm does not take as long as the Dijkstra algorithm, but it does not always guarantee the shortest path, and it stops and recalculates in a dynamic environment, so its efficiency is inferior.
디스타 알고리즘은 동적인 환경에서도 멈추지 않고 백 포인터(back pointer) 정보를 활용해 실시간 연산이 가능하나, 메모리 소비가 크다.The dista algorithm can perform real-time computation using back pointer information without stopping even in a dynamic environment, but memory consumption is high.
따라서, 본 발명에서는 각각의 경로 탐색 알고리즘의 특성을 고려하여, 공장 내부가 정적 환경 또는 동적 환경인지 여부 및 공간 복잡도에 따라 유연하게 경로 탐색 알고리즘을 적용한다. 즉, 정적 환경에서는 에이스타 알고리즘을, 동적 환경에서는 디스타 알고리즘을, 소규모이거나 단순한 경로를 가지는 공간 복잡도가 낮은 환경에서는 다익스트라 알고리즘을 적용하는 하이브리드 형태의 경로 제어를 수행하고, 이를 통해 자율주행 하는 AGV의 제어 효율성을 높일 수 있다.Accordingly, in the present invention, in consideration of the characteristics of each route search algorithm, the route search algorithm is flexibly applied according to whether the factory interior is a static environment or a dynamic environment and spatial complexity. In other words, in a static environment, the A-Star algorithm, in a dynamic environment, the Dista algorithm, and in an environment with small or simple paths with low spatial complexity, a hybrid type of route control is performed, and autonomous driving is performed through this. It can increase the control efficiency of AGV.
도 2a와 도 2b는 본 발명에 따른 무인 자율주행차량의 경로제어장치가 경로 탐색 알고리즘을 구성하는 일 실시예를 설명하기 위한 도면이다.2A and 2B are diagrams for explaining an embodiment in which a route control apparatus for an unmanned autonomous vehicle according to the present invention configures a route search algorithm.
무인 자율주행차량의 경로제어장치(100)는 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단하고, 이에 기초하여 하이브리드 경로 탐색 알고리즘을 구성할 수 있다.The
도 2a는 동적 환경인 경우이다. 공장 내부가 동적 환경을 가지면, 하이브리드 경로 탐색 알고리즘은 제1 경로 탐색 알고리즘으로 구성될 수 있다. 여기서, 제1 경로 탐색 알고리즘은 하나의 목적지로 가는 모든 최단 경로를 구하는 알고리즘으로서, 예를 들어, 디스타 알고리즘일 수 있다.2A is a case of a dynamic environment. If the inside of the factory has a dynamic environment, the hybrid path search algorithm may be configured as a first path search algorithm. Here, the first route search algorithm is an algorithm for obtaining all the shortest routes to one destination, and may be, for example, a dista algorithm.
디스타 알고리즘(D*, Dynamic A*)은 부분적으로만 알고 있는 환경에서 주행하는 경우를 고려하기 때문에, 에이스타 알고리즘에 비해 동적환경에 유리하다. 주행 도중에 새로운 환경이 등장할 경우, 에이스타 알고리즘은 정지 후 현재 위치를 시작점으로 경로를 다시 계산하지만, 디스타 알고리즘은 Back pointer 정보들을 최대한 이용하여 계산량을 줄인다.Because the dista algorithm (D*, Dynamic A*) considers driving in a partially known environment, it is advantageous in a dynamic environment compared to the A-Star algorithm. When a new environment emerges during driving, the A-Star algorithm recalculates the route from the current position to the starting point after stopping, but the Dista algorithm uses the back pointer information as much as possible to reduce the amount of calculation.
도 2a에 도시된 바와 같이, 주행대상 AGV(210)는 공장 내부의 현재 위치(source)에서 목적지(destination)까지 주행한다. 공장 내부에는 복수개의 작업대(201, 202, 203, 204)가 배치되어 있다. 또한, 복수개의 다른 AGV(220, 230, 240, 250)가 내부 공간 내에서 자율주행 하고 있다.As shown in FIG. 2A, the
도시되어 있지는 않지만, 무인 자율주행차량의 경로제어장치(100)는 공장 내부의 소정 위치에 배치된다. 이 경우, 무인 자율주행차량의 경로제어장치(100)는 내부변화도를 산정한다. 예를 들어, 주행 중 장애물의 발생 여부 및 발생 빈도 등을 예측하여 수치로 계산할 수 있다. 계산된 수치값은 제1기준값과 비교되고, 이에 기초하여 내부 환경이 동적 환경인지 또는 정적 환경인지 판단한다.Although not shown, the
도 2a에서는 복수개의 다른 AGV(220, 230, 240, 250)가 실시간으로 이동하고 있으므로, 이에 의해 주행 중 장애물의 발생 빈도는 높아진다. 따라서, 내부 공간은 실시간으로 변화하는 동적 환경에 해당한다. 이 경우, 디스타 알고리즘을 적용하여 경로를 탐색하게 된다.In FIG. 2A, since a plurality of
도 2b는 정적 환경인 경우이다. 공장 내부가 정적 환경을 가지면, 하이브리드 경로 탐색 알고리즘은 제2 경로 탐색 알고리즘으로 구성될 수 있다. 여기서, 제2 경로 탐색 알고리즘은 하나의 정점에서 다른 하나의 정점까지의 최단 경로를 구하는 알고리즘으로, 예를 들어, 에이스타 알고리즘일 수 있다.2B is a case of a static environment. If the inside of the factory has a static environment, the hybrid path search algorithm may be configured as a second path search algorithm. Here, the second path search algorithm is an algorithm for obtaining the shortest path from one vertex to another vertex, and may be, for example, an A-Star algorithm.
에이스타 알고리즘은 휴리스틱(h) 값을 이용해 최단 경로를 추정해나가는 방식을 사용한다. 여기서, 휴리스틱은 경험에 기반해 현재 노드에서 목표 노드까지 가는 최단 경로의 비용을 추정하는 것이다. 이 경우, 추정값이기 때문에, 실제로 이동해보면 그 값처럼 되지 않을 수도 있다.The A-Star algorithm uses a heuristic (h) value to estimate the shortest path. Here, the heuristic is to estimate the cost of the shortest path from the current node to the target node based on experience. In this case, since it is an estimated value, it may not be the same when you actually move it.
도 2b에 도시된 바와 같이, 주행대상 AGV(210)는 공장 내부의 현재 위치(source)에서 목적지(destination)까지 주행한다. 공장 내부에는 복수개의 작업대(201, 202, 203, 204)가 배치되어 있다. 도 2a와는 달리, 내부 공간을 자율주행 중인 다른 AGV는 없다.As shown in FIG. 2B, the
도 2b에서 복수개의 작업대(201, 202, 203, 204)는 고정되어 있고, 주행중인 다른 AGV는 존재하지 않으므로, 주행 시 장애물이 발생할 가능성은 낮다. 따라서, 내부 공간은 정적 환경에 해당한다. 이 경우, 에이스타 알고리즘을 사용하여 경로를 탐색하게 된다.In FIG. 2B, the plurality of
도 3a와 도 3b는 본 발명에 따른 무인 자율주행차량의 경로제어장치가 경로 탐색 알고리즘을 구성하는 다른 실시예를 설명하기 위한 도면이다.3A and 3B are diagrams for explaining another embodiment in which a route control apparatus for an unmanned autonomous vehicle according to the present invention configures a route search algorithm.
무인 자율주행차량의 경로제어장치(100)는 공장 내부의 공간 복잡도를 판단하고, 이에 기초하여 하이브리드 경로 탐색 알고리즘을 구성할 수 있다.The
도 3a는 공간 복잡도가 높은 경우이다. 공장 내부가 복잡한 환경을 가지는 경우, 불확실한 정보나 예측 불가능한 정보가 많이 존재한다. 이러한 불확실한 정보나 예측 불가능한 정보는 동적 정보로 분류될 수 있다. 따라서, 공간 복잡도가 높은 환경은 동적 환경과 유사한 것으로 간주될 수 있다. 이 경우, 도 2a에서와 같이, 하이브리드 경로 탐색 알고리즘은 제1 경로 탐색 알고리즘으로 구성될 수 있다. 여기서, 제1 경로 탐색 알고리즘은 하나의 목적지로 가는 모든 최단 경로를 구하는 알고리즘으로서, 예를 들어, 디스타 알고리즘일 수 있다.3A shows a case of high spatial complexity. When the interior of the factory has a complex environment, there is a lot of uncertain or unpredictable information. Such uncertain or unpredictable information can be classified as dynamic information. Therefore, an environment with high spatial complexity can be regarded as similar to a dynamic environment. In this case, as in FIG. 2A, the hybrid path search algorithm may be configured as a first path search algorithm. Here, the first route search algorithm is an algorithm for obtaining all the shortest routes to one destination, and may be, for example, a dista algorithm.
도 3a에 도시된 바와 같이, 주행대상 AGV(210)는 공장 내부의 현재 위치(source)에서 목적지(destination)까지 주행한다. 공장 내부에는 복잡한 형태의 벽이 설치되어 있다.As shown in FIG. 3A, the
무인 자율주행차량의 경로제어장치(100)는 공간복잡도를 산정한다. 예를 들어, 주행 공간 상의 벽의 존재여부, 벽의 배치 형태 등을 계측하여 수치로 계산할 수 있다. 계산된 수치값은 제2기준값과 비교되고, 이에 기초하여 내부 환경이 복잡한 공간인지 단순한 공간인지 판단한다.The path control
도 3a에서는 주행 공간 상에 벽(310)이 존재하고, 벽(310)이 복잡한 형태로 배치되어 있으므로, 내부 공간은 복잡한 환경에 해당하는 것으로 볼 수 있다. 따라서, 도 2a의 동적 환경과 유사하게, 디스타 알고리즘을 적용하여 경로를 탐색하게 된다.In FIG. 3A, since the
도 3b는 공간복잡도가 낮은 경우이다. 공장 내부의 공간복잡도가 낮거나 내부 공간이 단순한 환경에 해당하면, 하이브리드 경로 탐색 알고리즘은 제3 경로 탐색 알고리즘으로 구성될 수 있다. 여기서, 제3 경로 탐색 알고리즘은, 하나의 정점에서 다른 모든 정점까지의 최단 경로를 구하는 알고리즘으로, 예를 들어, 다익스트라 알고리즘일 수 있다.3B shows a case of low spatial complexity. When the spatial complexity inside the factory is low or the interior space corresponds to a simple environment, the hybrid path search algorithm may be configured with a third path search algorithm. Here, the third path search algorithm is an algorithm that obtains the shortest path from one vertex to all other vertices, and may be, for example, a Dijkstra algorithm.
다익스트라 알고리즘은 가장 기본적인 경로 탐색 알고리즘이다. 에이스타 알고리즘은 휴리스틱(h) 값을 이용해 최단 경로를 추정하므로, 실제로 이동해보면 그 값처럼 되지 않을 수도 있다는 단점이 있다. 디스타 알고리즘을 사용하게 되면 메모리 로드가 증가한다. 따라서, 단순한 경로를 가지는 공간복잡도가 낮은 환경에서는 다익스트라 알고리즘을 사용함으로써, 메모리 로드를 감소시키는 것과 동시에 보다 확실한 최단 경로를 탐색할 수 있게 한다.Dijkstra's algorithm is the most basic path search algorithm. The A-Star algorithm estimates the shortest path using a heuristic (h) value, so there is a disadvantage that it may not be the same as the value when actually moved. Using the dista algorithm increases the memory load. Accordingly, in an environment having a simple path and low spatial complexity, the Dijkstra algorithm is used to reduce memory load and to search for a more reliable shortest path.
도 3b에 도시된 바와 같이, 주행대상 AGV(210)는 공장 내부의 현재 위치(source)에서 목적지(destination)까지 주행한다. 공장 내부에는 단순한 형태의 벽이 설치되어 있다.As shown in FIG. 3B, the
도 3b의 경우 단순한 형태의 벽(320)에 의해, 주행 경로는 단순한 형태가 된다. 따라서, 내부 공간은 단순한 환경에 해당한다고 볼 수 있다. 이 경우, 다익스트라 알고리즘을 적용하여 경로를 탐색하게 된다.In the case of FIG. 3B, by the
도 4a와 도 4b는 본 발명에 따른 무인 자율주행차량의 경로제어장치가 경로 탐색 알고리즘을 구성하는 또 다른 실시예를 설명하기 위한 도면이다.4A and 4B are views for explaining another embodiment in which a route control apparatus for an unmanned autonomous vehicle according to the present invention configures a route search algorithm.
무인 자율주행차량의 경로제어장치(100)는 공장 내부의 규모에 기초하여 공간복잡도를 판단하고, 이에 기초하여 하이브리드 경로 탐색 알고리즘을 구성할 수 있다. 구체적으로, 공장 내부 규모가 대규모이면 공간복잡도가 높은 것으로 판단하고, 공장 내부 규모가 소규모이면 공간복잡도가 낮은 것으로 판단할 수 있다.The
도 4a 및 도 4b에 도시된 바와 같이, 도 4a에 도시된 내부 공간의 크기보다 도 4b에 도시된 내부 공간의 크기가 작다. 이 경우, 내부 공간의 규모나 크기가 작을수록, 공간복잡도는 낮은 것으로 간주될 수 있다. 따라서, 도 4a의 경우 내부 공간의 공간복잡도가 높으므로 디스타 알고리즘을 사용하여 경로를 탐색하고, 도 4b의 경우 내부 공간의 공간복잡도가 낮으므로 다익스트라 알고리즘을 사용하여 경로를 탐색하게 된다.As shown in FIGS. 4A and 4B, the size of the inner space shown in FIG. 4B is smaller than the size of the inner space shown in FIG. 4A. In this case, the smaller the size or size of the internal space, the lower the spatial complexity can be considered. Accordingly, in the case of FIG. 4A, since the spatial complexity of the inner space is high, the path is searched using the dista algorithm, and in the case of FIG. 4B, the spatial complexity of the inner space is low, so that the path is searched using the Dijkstra algorithm.
한편, 공간복잡도가 높거나 낮은 경우 각각에 있어서 하이브리드 경로 탐색 알고리즘을 구성하는 방법은 도 3a 및 도 3b와 동일하므로 이하에서는 설명을 생략한다.On the other hand, when the spatial complexity is high or low, the method of configuring the hybrid path search algorithm is the same as in FIGS. 3A and 3B, and thus a description thereof will be omitted.
도 5는 본 발명에 따른 무인 자율주행차량의 경로제어과정을 도시한 도면이다.5 is a diagram showing a path control process of an unmanned autonomous vehicle according to the present invention.
무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지한다(S501).Environmental information inside the factory in which the unmanned autonomous vehicle is running is sensed (S501).
감지된 환경정보에 기초하여 내부변화도를 산정한다(S502).The degree of internal change is calculated based on the sensed environmental information (S502).
구체적으로, 무인 자율주행차량의 경로제어장치(100)는 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 환경정보에 기초하여 내부변화도를 산정할 수 있다.Specifically, the
이 경우, 환경정보는 내부 설비 배치, 작업 종류, 작업 동선 등을 포함할 수 있다. 내부변화도는 작업자의 이동여부 및 이동빈도, 작업 동선의 변화 정도, 장애물의 발생여부 및 발생빈도 등을 포함할 수 있다.In this case, the environmental information may include the arrangement of internal facilities, the type of work, and the work movement. The internal degree of change may include whether or not the worker moves and the frequency of movement, the degree of change in the work movement line, whether or not an obstacle occurs, and the frequency of occurrence.
내부변화도와 제1기준값을 비교하여 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단한다(S503).It is determined whether the interior of the factory corresponds to a dynamic environment or a static environment by comparing the internal change degree and the first reference value (S503).
이 경우, 무인 자율주행차량의 경로제어장치(100)는 인공지능에 의한 학습을 수행하고, 학습 결과에 기초하여 동적 환경 또는 정적 환경에의 해당 여부를 판단할 수 있다. 여기서, 인공지능에 의한 학습은 딥러닝, 머신 러닝 등의 학습 방법을 포함할 수 있다. In this case, the
구체적으로, 주행 중 예상치 못한 장애물을 만나거나 주행중인 다른 AGV를 만나게 되면, 회피 주행을 위해 실시간으로 경로를 변경해야 한다. 따라서, 동적 환경에 해당할 수 있다. 이 경우, 실시간으로 경로를 변경하기 위하여, 동적 환경에 최적화된 경로 탐색 알고리즘을 사용할 수 있다.Specifically, when encountering an unexpected obstacle while driving or encountering another AGV while driving, the route must be changed in real time for avoidance driving. Therefore, it may correspond to a dynamic environment. In this case, in order to change the route in real time, a route search algorithm optimized for a dynamic environment can be used.
만일, 동적 환경에 해당하는 경우(S504), 하이브리드 경로 탐색 알고리즘을, 하나의 목적지로 가는 모든 최단 경로를 구하는 제1 경로 탐색 알고리즘으로 구성한다(S505). 예를 들어, 제1 경로 탐색 알고리즘은, 디스타 알고리즘(D* algorithm)일 수 있다. 즉, 동적 환경에서는 실시간의 빠른 연산 및 경로 제어를 위해 디스타 알고리즘을 사용한다.If it corresponds to a dynamic environment (S504), the hybrid route search algorithm is configured as a first route search algorithm that obtains all shortest routes to one destination (S505). For example, the first path search algorithm may be a dista algorithm (D* algorithm). That is, in a dynamic environment, the dista algorithm is used for fast real-time operation and path control.
반면, 정적 환경에 해당하는 경우(S514), 하이브리드 경로 탐색 알고리즘을, 하나의 정점에서 다른 하나의 정점까지의 최단 경로를 구하는 제2 경로 탐색 알고리즘으로 구성한다(S515). 예를 들어, 제2 경로 탐색 알고리즘은 에이스타 알고리즘(A* algorithm)일 수 있다. 이와 같이, 정적 환경에서는 D* 알고리즘을 사용하여 메모리 로드를 증가시키는 대신, A* 알고리즘을 활용한다.On the other hand, in the case of a static environment (S514), the hybrid path search algorithm is configured as a second path search algorithm that obtains the shortest path from one vertex to another (S515). For example, the second path search algorithm may be an A* algorithm. In this way, instead of increasing the memory load using the D* algorithm in a static environment, the A* algorithm is used.
하이브리드 경로 탐색 알고리즘에 의해 무인 자율주행차량의 주행 경로를 계산한다(S506).The driving route of the unmanned autonomous vehicle is calculated by the hybrid route search algorithm (S506).
무인 자율주행차량의 주행 경로는 무인 자율주행차량의 경로제어장치(100)에 탑재된 소프트웨어에 의해 계산될 수 있다. 이러한 소프트웨어는 트래픽, 이동 거리 및 기타 변수를 기반으로 지능적으로 선택해 각 AGV를 가장 효율적인 경로로 라우팅할 수 있다. 또한, 사람이나 다른 AGV에 의해 경로가 차단되면, 다른 경로로의 변경을 지시할 수 있다.The driving path of the unmanned autonomous vehicle may be calculated by software installed in the
주행 경로에 따라, 무인 자율주행차량의 이동을 제어한다(S507).The movement of the unmanned autonomous vehicle is controlled according to the driving route (S507).
도 6은 본 발명의 실시예에 따른 무인 자율주행차량의 경로제어를 수행하는 컴퓨팅 장치를 나타내는 도면이다. 6 is a diagram illustrating a computing device that performs path control of an unmanned autonomous vehicle according to an embodiment of the present invention.
도 6의 컴퓨팅 장치(TN100)는 본 명세서에서 기술된 장치일 수 있다. The computing device TN100 of FIG. 6 may be the device described herein.
도 6의 실시예에서, 컴퓨팅 장치(TN100)는 적어도 하나의 프로세서(TN110), 송수신 장치(TN120), 및 메모리(TN130)를 포함할 수 있다. 또한, 컴퓨팅 장치(TN100)는 저장 장치(TN140), 입력 인터페이스 장치(TN150), 출력 인터페이스 장치(TN160) 등을 더 포함할 수 있다. 컴퓨팅 장치(TN100)에 포함된 구성 요소들은 버스(bus)(TN170)에 의해 연결되어 서로 통신을 수행할 수 있다.In the embodiment of FIG. 6, the computing device TN100 may include at least one processor TN110, a transmission/reception device TN120, and a memory TN130. In addition, the computing device TN100 may further include a storage device TN140, an input interface device TN150, an output interface device TN160, and the like. Components included in the computing device TN100 may be connected by a bus TN170 to communicate with each other.
프로세서(TN110)는 메모리(TN130) 및 저장 장치(TN140) 중에서 적어도 하나에 저장된 프로그램 명령(program command)을 실행할 수 있다. 프로세서(TN110)는 중앙 처리 장치(CPU: central processing unit), 그래픽 처리 장치(GPU: graphics processing unit), 또는 본 발명의 실시예에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 프로세서(TN110)는 본 발명의 실시예와 관련하여 기술된 절차, 기능, 및 방법 등을 구현하도록 구성될 수 있다. 프로세서(TN110)는 컴퓨팅 장치(TN100)의 각 구성 요소를 제어할 수 있다.The processor TN110 may execute a program command stored in at least one of the memory TN130 and the storage device TN140. The processor TN110 may mean a central processing unit (CPU), a graphics processing unit (GPU), or a dedicated processor on which methods according to an embodiment of the present invention are performed. The processor TN110 may be configured to implement procedures, functions, and methods described in connection with an embodiment of the present invention. The processor TN110 may control each component of the computing device TN100.
메모리(TN130) 및 저장 장치(TN140) 각각은 프로세서(TN110)의 동작과 관련된 다양한 정보를 저장할 수 있다. 메모리(TN130) 및 저장 장치(TN140) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(TN130)는 읽기 전용 메모리(ROM: read only memory) 및 랜덤 액세스 메모리(RAM: random access memory) 중에서 적어도 하나로 구성될 수 있다. Each of the memory TN130 and the storage device TN140 may store various information related to an operation of the processor TN110. Each of the memory TN130 and the storage device TN140 may be configured with at least one of a volatile storage medium and a nonvolatile storage medium. For example, the memory TN130 may be composed of at least one of a read only memory (ROM) and a random access memory (RAM).
송수신 장치(TN120)는 유선 신호 또는 무선 신호를 송신 또는 수신할 수 있다. 송수신 장치(TN120)는 네트워크에 연결되어 통신을 수행할 수 있다. The transmission/reception device TN120 may transmit or receive a wired signal or a wireless signal. The transmission/reception device TN120 may be connected to a network to perform communication.
한편, 본 발명의 실시예는 지금까지 설명한 장치 및/또는 방법을 통해서만 구현되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 상술한 실시예의 기재로부터 본 발명이 속하는 기술 분야의 통상의 기술자라면 쉽게 구현할 수 있는 것이다. Meanwhile, the embodiment of the present invention is not implemented only through the apparatus and/or method described so far, but may be implemented through a program that realizes a function corresponding to the configuration of the embodiment of the present invention or a recording medium in which the program is recorded. In addition, such an implementation can be easily implemented by a person skilled in the art from the description of the above-described embodiments.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 통상의 기술자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.Although the embodiments of the present invention have been described in detail above, the scope of the present invention is not limited thereto, and various modifications and improvements of the skilled person using the basic concept of the present invention defined in the following claims are also present. It is within the scope of the invention.
100: 무인 자율주행차량의 경로제어장치
110: 측정부 120: 경로 산출부
130: 제어부100: route control device for unmanned autonomous vehicles
110: measurement unit 120: path calculation unit
130: control unit
Claims (7)
상기 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 상기 환경정보에 기초하여 내부변화도 및 공간복잡도를 산정하는 측정부;
상기 내부변화도 및 상기 공간복잡도에 기초하여 설정되는 하이브리드 경로 탐색 알고리즘에 의해 상기 무인 자율주행차량의 주행 경로를 계산하는 경로 산출부; 및
상기 내부변화도와 제1기준값을 비교하여 상기 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단하고, 상기 동적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하고, 상기 정적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제2 경로 탐색 알고리즘으로 구성하며, 상기 공간복잡도와 제2기준값을 비교하여 상기 공장 내부가 단순한 환경 또는 복잡한 환경에 해당하는지 판단하고, 상기 단순한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제3 경로 탐색 알고리즘으로 구성하고 상기 복잡한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 상기 제1 경로 탐색 알고리즘으로 구성하는 제어부를 포함하되,
상기 제1 경로 탐색 알고리즘은 하나의 목적지로 가는 모든 최단 경로를 구하는 알고리즘이고,
상기 제2 경로 탐색 알고리즘은, 하나의 정점에서 다른 하나의 정점까지의 최단 경로를 구하는 알고리즘이며,
상기 제3 경로 탐색 알고리즘은, 하나의 정점에서 다른 모든 정점까지의 최단 경로를 구하는 알고리즘이고,
상기 환경정보는 내부 설비 배치, 작업 종류 및 작업 동선 중 적어도 하나를 포함하고,
상기 내부변화도는 작업자의 이동여부와 이동빈도, 작업 동선의 변화 정도, 장애물의 발생여부 및 발생빈도 중 적어도 하나를 포함하며,
상기 공간복잡도는 공간내에 배치된 설비의 개수, 단순한 경로 또는 복잡한 경로를 가지는지 여부, 주행 공간 상의 벽의 존재여부, 벽의 배치 형태 및 공간 규모 중 적어도 하나를 포함하는 것을 특징으로 하는, 무인 자율주행차량의 경로제어장치.In the route control device of an unmanned autonomous vehicle,
A measurement unit detecting environmental information inside a factory in which the unmanned autonomous vehicle is traveling, and calculating an internal gradient and spatial complexity based on the environmental information;
A route calculator configured to calculate a driving route of the unmanned autonomous vehicle using a hybrid route search algorithm set based on the internal gradient and the spatial complexity; And
By comparing the internal change degree and a first reference value, it is determined whether the interior of the factory corresponds to a dynamic environment or a static environment, and if it corresponds to the dynamic environment, the hybrid path search algorithm is configured as a first path search algorithm, and the static environment If applicable, the hybrid route search algorithm is configured as a second route search algorithm, and it is determined whether the interior of the factory corresponds to a simple environment or a complex environment by comparing the spatial complexity and a second reference value, and if it corresponds to the simple environment, the hybrid And a control unit configured to configure the route search algorithm as a third route search algorithm and, if it corresponds to the complex environment, configure the hybrid route search algorithm as the first route search algorithm,
The first route search algorithm is an algorithm for obtaining all the shortest routes to one destination,
The second path search algorithm is an algorithm for obtaining a shortest path from one vertex to another vertex,
The third path search algorithm is an algorithm that finds the shortest path from one vertex to all other vertices,
The environmental information includes at least one of an internal facility arrangement, a work type, and a work movement,
The internal degree of change includes at least one of whether or not the worker moves and the frequency of movement, the degree of change in the work movement line, whether or not an obstacle occurs, and the frequency of occurrence,
The spatial complexity is characterized in that it includes at least one of the number of facilities arranged in the space, whether it has a simple or complex path, the presence of a wall on the driving space, the arrangement shape of the wall, and the size of the space. Route control device of a traveling vehicle.
상기 제1 경로 탐색 알고리즘은,
디스타 알고리즘인 것을 특징으로 하는, 무인 자율주행차량의 경로제어장치.The method of claim 1,
The first route search algorithm,
A route control device for an unmanned autonomous vehicle, characterized in that it is a dista algorithm.
상기 제2 경로 탐색 알고리즘은,
에이스타 알고리즘인 것을 특징으로 하는, 무인 자율주행차량의 경로제어장치.The method of claim 1,
The second route search algorithm,
A path control device for an unmanned autonomous vehicle, characterized in that the A-Star algorithm.
상기 제3 경로 탐색 알고리즘은,
다익스트라 알고리즘인 것을 특징으로 하는, 무인 자율주행차량의 경로제어장치.The method of claim 1,
The third route search algorithm,
A route control device for an unmanned autonomous vehicle, characterized in that it is a Dijkstra algorithm.
상기 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 상기 환경정보에 기초하여 내부변화도 및 공간복잡도를 산정하는 단계; 및
상기 내부변화도 및 상기 공간복잡도에 기초하여 설정되는 하이브리드 경로 탐색 알고리즘에 의해 상기 무인 자율주행차량의 주행 경로를 계산하는 단계를 포함하되,
상기 내부변화도와 제1기준값을 비교하여 상기 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단하고,
상기 동적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하고, 상기 정적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제2 경로 탐색 알고리즘으로 구성하고,
상기 공간복잡도와 제2기준값을 비교하여 상기 공장 내부가 단순한 환경 또는 복잡한 환경에 해당하는지 판단하고,
상기 단순한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제3 경로 탐색 알고리즘으로 구성하고 상기 복잡한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 상기 제1 경로 탐색 알고리즘으로 구성하며,
상기 제1 경로 탐색 알고리즘은 하나의 목적지로 가는 모든 최단 경로를 구하는 알고리즘이고,
상기 제2 경로 탐색 알고리즘은, 하나의 정점에서 다른 하나의 정점까지의 최단 경로를 구하는 알고리즘이며,
상기 제3 경로 탐색 알고리즘은, 하나의 정점에서 다른 모든 정점까지의 최단 경로를 구하는 알고리즘이고,
상기 환경정보는 내부 설비 배치, 작업 종류 및 작업 동선 중 적어도 하나를 포함하고,
상기 내부변화도는 작업자의 이동여부와 이동빈도, 작업 동선의 변화 정도, 장애물의 발생여부 및 발생빈도 중 적어도 하나를 포함하며,
상기 공간복잡도는 공간내에 배치된 설비의 개수, 단순한 경로 또는 복잡한 경로를 가지는지 여부, 주행 공간 상의 벽의 존재여부, 벽의 배치 형태 및 공간 규모 중 적어도 하나를 포함하는 것을 특징으로 하는, 무인 자율주행차량의 경로제어방법.In the route control method of an unmanned autonomous vehicle,
Sensing environmental information inside a factory in which the unmanned autonomous vehicle is traveling, and calculating an internal gradient and spatial complexity based on the environmental information; And
Computing a driving route of the unmanned autonomous vehicle by a hybrid route search algorithm set based on the internal gradient and the spatial complexity,
By comparing the internal change degree and the first reference value, it is determined whether the interior of the factory corresponds to a dynamic environment or a static environment,
If it corresponds to the dynamic environment, the hybrid path search algorithm is configured as a first path search algorithm, and if it corresponds to the static environment, the hybrid path search algorithm is configured as a second path search algorithm,
It is determined whether the interior of the factory corresponds to a simple environment or a complex environment by comparing the spatial complexity and a second reference value,
If it corresponds to the simple environment, the hybrid path search algorithm is configured as a third path search algorithm, and if it corresponds to the complex environment, the hybrid path search algorithm is configured as the first path search algorithm,
The first route search algorithm is an algorithm for obtaining all the shortest routes to one destination,
The second path search algorithm is an algorithm for obtaining a shortest path from one vertex to another vertex,
The third path search algorithm is an algorithm that finds the shortest path from one vertex to all other vertices,
The environmental information includes at least one of an internal facility arrangement, a work type, and a work movement,
The internal degree of change includes at least one of whether or not the worker moves and the frequency of movement, the degree of change in the work movement line, whether or not an obstacle occurs, and the frequency of occurrence,
The spatial complexity is characterized in that it includes at least one of the number of facilities arranged in the space, whether it has a simple or complex path, the presence of a wall on the driving space, the arrangement shape of the wall, and the size of the space. Route control method of a traveling vehicle.
상기 무인 자율주행차량의 경로제어방법은,
상기 무인 자율주행차량이 주행하는 공장 내부의 환경정보를 감지하고, 상기 환경정보에 기초하여 내부변화도 및 공간복잡도를 산정하는 단계; 및
상기 내부변화도 및 상기 공간복잡도에 기초하여 설정되는 하이브리드 경로 탐색 알고리즘에 의해 상기 무인 자율주행차량의 주행 경로를 계산하는 단계를 포함하되,
상기 내부변화도와 제1기준값을 비교하여 상기 공장 내부가 동적 환경 또는 정적 환경에 해당하는지 판단하고,
상기 동적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제1 경로 탐색 알고리즘으로 구성하고, 상기 정적 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제2 경로 탐색 알고리즘으로 구성하고,
상기 공간복잡도와 제2기준값을 비교하여 상기 공장 내부가 단순한 환경 또는 복잡한 환경에 해당하는지 판단하고,
상기 단순한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 제3 경로 탐색 알고리즘으로 구성하고 상기 복잡한 환경에 해당하면 상기 하이브리드 경로 탐색 알고리즘을 상기 제1 경로 탐색 알고리즘으로 구성하며,
상기 제1 경로 탐색 알고리즘은 하나의 목적지로 가는 모든 최단 경로를 구하는 알고리즘이고,
상기 제2 경로 탐색 알고리즘은, 하나의 정점에서 다른 하나의 정점까지의 최단 경로를 구하는 알고리즘이며,
상기 제3 경로 탐색 알고리즘은, 하나의 정점에서 다른 모든 정점까지의 최단 경로를 구하는 알고리즘이고,
상기 환경정보는 내부 설비 배치, 작업 종류 및 작업 동선 중 적어도 하나를 포함하고,
상기 내부변화도는 작업자의 이동여부와 이동빈도, 작업 동선의 변화 정도, 장애물의 발생여부 및 발생빈도 중 적어도 하나를 포함하며,
상기 공간복잡도는 공간내에 배치된 설비의 개수, 단순한 경로 또는 복잡한 경로를 가지는지 여부, 주행 공간 상의 벽의 존재여부, 벽의 배치 형태 및 공간 규모 중 적어도 하나를 포함하는 것을 특징으로 하는, 무인 자율주행차량의 경로제어방법을 수행하는 컴퓨터로 판독가능한 기록매체.In a computer-readable recording medium that performs a route control method of an unmanned autonomous vehicle,
The route control method of the unmanned autonomous vehicle,
Sensing environmental information inside a factory in which the unmanned autonomous vehicle travels, and calculating internal gradient and spatial complexity based on the environmental information; And
Computing a driving route of the unmanned autonomous vehicle by a hybrid route search algorithm set based on the internal gradient and the spatial complexity,
By comparing the internal change degree and the first reference value, it is determined whether the interior of the factory corresponds to a dynamic environment or a static environment,
If it corresponds to the dynamic environment, the hybrid path search algorithm is configured as a first path search algorithm, and if it corresponds to the static environment, the hybrid path search algorithm is configured as a second path search algorithm,
It is determined whether the interior of the factory corresponds to a simple environment or a complex environment by comparing the spatial complexity and a second reference value,
If it corresponds to the simple environment, the hybrid path search algorithm is configured as a third path search algorithm, and if it corresponds to the complex environment, the hybrid path search algorithm is configured as the first path search algorithm,
The first route search algorithm is an algorithm for obtaining all the shortest routes to one destination,
The second path search algorithm is an algorithm for obtaining a shortest path from one vertex to another vertex,
The third path search algorithm is an algorithm that finds the shortest path from one vertex to all other vertices,
The environmental information includes at least one of an internal facility arrangement, a work type, and a work movement,
The internal degree of change includes at least one of whether or not the worker moves and the frequency of movement, the degree of change in the work movement line, whether or not an obstacle occurs, and the frequency of occurrence,
The spatial complexity is characterized in that it includes at least one of the number of facilities arranged in the space, whether it has a simple or complex path, the presence of a wall on the driving space, the arrangement shape of the wall, and the size of the space. A computer-readable recording medium that performs a route control method of a traveling vehicle.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200048204A KR102183830B1 (en) | 2020-04-21 | 2020-04-21 | The route control apparatus of automatic guided vehicle and route controlling method of thereof |
| PCT/KR2021/004986 WO2021215813A1 (en) | 2020-04-21 | 2021-04-21 | Path control apparatus and path control method for automated guided vehicle |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200048204A KR102183830B1 (en) | 2020-04-21 | 2020-04-21 | The route control apparatus of automatic guided vehicle and route controlling method of thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102183830B1 true KR102183830B1 (en) | 2020-11-27 |
Family
ID=73641554
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200048204A KR102183830B1 (en) | 2020-04-21 | 2020-04-21 | The route control apparatus of automatic guided vehicle and route controlling method of thereof |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102183830B1 (en) |
| WO (1) | WO2021215813A1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021215813A1 (en) * | 2020-04-21 | 2021-10-28 | 호서대학교 산학협력단 | Path control apparatus and path control method for automated guided vehicle |
| KR102335369B1 (en) * | 2021-06-11 | 2021-12-06 | 주식회사 알씨테크 | Machine learning based automatic routing method and apparatus for semiconductor equipment |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050024840A (en) * | 2003-09-05 | 2005-03-11 | 학교법인 인하학원 | Path planning method for the autonomous mobile robot |
| KR20160021161A (en) * | 2016-02-01 | 2016-02-24 | 고려대학교 산학협력단 | Method for planning path for avoiding collision between multi-mobile robot |
| KR102043143B1 (en) | 2019-05-20 | 2019-11-11 | 호서대학교 산학협력단 | Method and apparatus for driving control of automated guided vehicle by using artificial neural network |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012056023A (en) * | 2010-09-09 | 2012-03-22 | Toyota Motor Corp | Action generating system and method for robot |
| JP6640777B2 (en) * | 2017-03-17 | 2020-02-05 | 株式会社東芝 | Movement control system, movement control device and program |
| KR102183830B1 (en) * | 2020-04-21 | 2020-11-27 | 호서대학교 산학협력단 | The route control apparatus of automatic guided vehicle and route controlling method of thereof |
-
2020
- 2020-04-21 KR KR1020200048204A patent/KR102183830B1/en active IP Right Grant
-
2021
- 2021-04-21 WO PCT/KR2021/004986 patent/WO2021215813A1/en active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050024840A (en) * | 2003-09-05 | 2005-03-11 | 학교법인 인하학원 | Path planning method for the autonomous mobile robot |
| KR20160021161A (en) * | 2016-02-01 | 2016-02-24 | 고려대학교 산학협력단 | Method for planning path for avoiding collision between multi-mobile robot |
| KR102043143B1 (en) | 2019-05-20 | 2019-11-11 | 호서대학교 산학협력단 | Method and apparatus for driving control of automated guided vehicle by using artificial neural network |
Non-Patent Citations (1)
| Title |
|---|
| 비특허문헌 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021215813A1 (en) * | 2020-04-21 | 2021-10-28 | 호서대학교 산학협력단 | Path control apparatus and path control method for automated guided vehicle |
| KR102335369B1 (en) * | 2021-06-11 | 2021-12-06 | 주식회사 알씨테크 | Machine learning based automatic routing method and apparatus for semiconductor equipment |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021215813A1 (en) | 2021-10-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Vasiljević et al. | High-accuracy vehicle localization for autonomous warehousing | |
| Motlagh et al. | Development of a new minimum avoidance system for a behavior-based mobile robot | |
| US8849559B2 (en) | Apparatus and method for generating and using a grid map path | |
| Fulgenzi et al. | Probabilistic motion planning among moving obstacles following typical motion patterns | |
| KR102183830B1 (en) | The route control apparatus of automatic guided vehicle and route controlling method of thereof | |
| EP4007977B1 (en) | Methods for risk management for autonomous devices and related node | |
| US11802933B2 (en) | Systems and methods for WiFi mapping in an industrial facility | |
| CN111033426A (en) | Moving object, position estimation device, and computer program | |
| WO2023036044A1 (en) | Global path planning method, motion control method and computer program product | |
| Diéguez et al. | Deliberative on-line local path planning for autonomous mobile robots | |
| CN118092451A (en) | Position compensation method for factory robot target searching process | |
| Han et al. | An enhanced adaptive 3D path planning algorithm for mobile robots with obstacle buffering and improved Theta* using minimum snap trajectory smoothing | |
| US20220382286A1 (en) | Managing conflicting interactions between a movable device and potential obstacles | |
| CN116576847A (en) | Automatic navigation system, navigation method, equipment and medium of mobile robot | |
| Cimurs et al. | Information-based heuristics for learned goal-driven exploration and mapping | |
| Bošnak et al. | Obstacle avoidance for line-following AGV with local maps | |
| CN115338841A (en) | Scene-discriminating hybrid motion control for robots | |
| US20220300002A1 (en) | Methods and systems for path planning in a known environment | |
| Tsai et al. | Cooperative localization using fuzzy decentralized extended information filtering for homogenous omnidirectional mobile multi-robot system | |
| Li et al. | Comparison and evaluation of SLAM algorithms for AGV navigation | |
| Abi-Char et al. | A collision-free path planning algorithm for non-complex ASRS using heuristic functions | |
| Roesler et al. | Evaluation of slam algorithms for highly dynamic environments | |
| Van et al. | Constructing an intelligent navigation system for autonomous mobile robot based on deep reinforcement learning | |
| Hidaka et al. | Hybrid sensor-based and frontier-based exploration algorithm for autonomous transport vehicle map generation | |
| Coleman et al. | O3: An optimal and opportunistic path planner (with obstacle avoidance) using voronoi polygons |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |