KR102302575B1 - 이동 로봇 및 그 제어방법 - Google Patents

이동 로봇 및 그 제어방법 Download PDF

Info

Publication number
KR102302575B1
KR102302575B1 KR1020190085477A KR20190085477A KR102302575B1 KR 102302575 B1 KR102302575 B1 KR 102302575B1 KR 1020190085477 A KR1020190085477 A KR 1020190085477A KR 20190085477 A KR20190085477 A KR 20190085477A KR 102302575 B1 KR102302575 B1 KR 102302575B1
Authority
KR
South Korea
Prior art keywords
mobile robot
node
data
map
area
Prior art date
Application number
KR1020190085477A
Other languages
English (en)
Other versions
KR20210009011A (ko
Inventor
최지은
Original Assignee
엘지전자 주식회사
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 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020190085477A priority Critical patent/KR102302575B1/ko
Priority to US16/929,423 priority patent/US20210018929A1/en
Priority to PCT/KR2020/009343 priority patent/WO2021010757A1/en
Priority to EP20839883.4A priority patent/EP3999286A4/en
Priority to JP2022502504A priority patent/JP7356567B2/ja
Publication of KR20210009011A publication Critical patent/KR20210009011A/ko
Application granted granted Critical
Publication of KR102302575B1 publication Critical patent/KR102302575B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/008—Manipulators for service tasks
    • B25J11/0085—Cleaning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/0003—Home robots, i.e. small robots for domestic use
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D2201/00—Application
    • G05D2201/02—Control of position of land vehicles
    • G05D2201/0215—Vacuum cleaner

Abstract

본 발명의 일 측면에 따른 이동 로봇은, 본체를 이동시키는 주행부, 상기 본체 외부의 지형 정보를 획득하는 라이다 센서 및 상기 라이다 센서가 센싱한 라이다 데이터를 기초로 노드 데이터를 생성하고, 상기 라이다 데이터 및 상기 노드 데이터를 기초로 그리드 맵을 생성하고, 상기 노드 데이터를 기초로 제1 맵 데이터를 생성하고, 상기 제1 맵 데이터를 기초로 상기 그리드 맵을 업데이트하고, 상기 업데이트한 그리드 맵을 이미지 처리하여 제2 맵 데이터를 생성하는 제어부를 포함함으로써, 노드 기반의 맵 생성 방법과 그리드 기반의 맵 생성 방법을 효과적으로 융합하여 빠르고 안전하면서도, 환경 제약을 받지 않고 맵 생성을 할 수 있다.

Description

이동 로봇 및 그 제어방법{Moving robot and control method thereof}
본 발명은 이동 로봇 및 그 제어 방법에 관한 것으로서, 더욱 상세하게는 이동 로봇이 자동으로 맵(map)을 생성하는 기술에 관한 것이다.
로봇은 산업용으로 개발되어 공장 자동화의 일 부분을 담당하여 왔다. 최근에는 로봇을 응용한 분야가 더욱 확대되어, 의료용 로봇, 우주 항공 로봇 등이 개발되고, 일반 가정에서 사용할 수 있는 가정용 로봇도 만들어지고 있다. 이러한 로봇 중에서 자력으로 주행이 가능한 것을 이동 로봇이라고 한다.
가정에서 사용되는 이동 로봇의 대표적인 예는 로봇 청소기로, 로봇 청소기는 일정 영역을 스스로 주행하면서, 주변의 먼지 또는 이물질을 흡입함으로써, 해당 영역을 청소하는 기기이다.
이동 로봇은, 스스로 이동이 가능하여 이동이 자유롭고, 주행 중 장애물 등을 피하기 위한 다수의 센서가 구비되어 장애물을 피해 주행할 수 있다.
청소 등 설정된 작업을 수행하기 위해서는 주행 구역의 맵(map)을 정확하게 생성하고, 주행 구역 내의 어느 위치로 이동하기 위해서 맵 상에서 이동 로봇의 현재 위치를 정확하게 파악할 수 있어야 한다.
이동 로봇의 현재 위치 인식을 위해, 이동 로봇의 연속적인 이동 중 자신의 직전 위치에서의 주행 정보(이동 방향 및 이동 속도에 대한 정보 또는 연속적으로 촬영되는 바닥사진 등의 비교 등)를 바탕으로 현재 위치를 지속적으로 파악하는 다양한 방법이 연구되어 왔다. 또한, 이동 로봇이 스스로 맵을 생성하고 학습하는 다양한 방법에 대한 연구들이 진행되고 있다.
예를 들면, 종래기술 1(한국 공개특허공보 제10-2010-0070582호)의 경우, 주변 환경의 거리 정보를 검출하는 거리 센서를 통해 초기 맵을 생성하고, 초기 맵의 픽셀 처리를 통해 노드를 설정함으로써 전역적 위상 맵(topological map)를 생성하는 기술을 개시한다.
예를 들면, 종래기술 2(한국 공개특허공보 제10-2010-0031878호)의 경우, 이동 로봇이 미지의 환경을 탐색할 때 획득되는 영상으로부터 추출되는 특징점들의 위치의 불확실도에 기반하는 경로를 생성하고, 생성된 경로에 따라 주행하는 기술을 개시한다. 특징점들의 불확실도에 기반하는 경로는 이동 로봇의 특징점 지도의 정확성을 높이거나 자기 위치 인식의 정확도를 높이기 위해 생성된다. 그러나 종래기술 1과 같은 종래 기술들은, 단순히 이동하는 동안 획득한 거리 정보에 기초하여 초기 맵을 전체적으로 생성하고, 생성된 초기 맵에 기초하여 노드를 결정함으로써 위상 맵을 생성하므로, 노드들 간의 전체 연결 관계가 다소 부정확한 단점이 있다.
또한, 거리 정보 획득 시 일시적으로 위치하던 동적 장애물과, 고정된 장애물을 정확하게 구부하여 처리하기 어렵고, 이동 경로가 교차되는 지점들에 대한 정보를 정확하게 획득하기 어려운 문제점이 있다.
종래기술 2와 같은 종래 기술들은, 특징점을 추출하여 탐색 경로를 생성하는데 특징이 적은 특정환경의 불확실도는 해당 영역의 탐색 여부와 상관없이 높을 수 있어 같은 영역을 계속해서 탐색할 수 있는 문제점이 있다.
또한, 기존 그리드 맵을 활용한 탐색주행의 경우 불확실성이 높은 지점을 특징점으로 이용함으로써 탐색한 빈(empty) 영역과 미탐색 영역 사이의 경계를 정확히 추출할 수 없는 문제점이 있다.
또한, 노드에 관한 정보만으로 맵 작성을 할 경우, 방향 제한으로 인해 특정 형태의 환경은 지도를 생성할 수 없는 문제점이 있다.
또한, 셀에 관한 정보만으로 맵 작성을 할 경우, 탐색 환경의 중앙으로 이동하지 않아 장애물과의 충돌 가능성이 높은 문제점 및 비효율적인 경로 반복이 발생할 수 있는 문제점이 있다.
KR 10-2010-0070582 A KR 10-2010-0031878 A
상기 문제점을 해결하기 위해 본 발명의 목적은, 위상 맵을 생성함에 있어서, 이동 로봇이 이동하는 동안 실시간으로 노드를 생성함으로써, 노드들 간의 연결 관계를 정확하게 설정할 수 있는 이동 로봇 및 그 제어방법을 제공함에 있다.
본 발명의 목적은, 그리드 맵에 대한 이미지 처리를 통해, 맵의 복잡성과 상관없이 탐색한 빈(empty) 영역과 미탐색 영역 사이의 경계를 신속하게 찾아내는 기술을 제공함에 있다.
본 발명의 다른 목적은, 노드에 대한 데이터를 이용한 노드 맵 작성과 셀에 대한 데이터를 이용한 그리드 맵 작성을 병행하여, 노드 맵의 장점과 그리드 맵의 장점을 융합한 최종 맵 데이터를 생성하는 기술을 제공함에 있다.
본 발명의 다른 목적은, 지정된 방향(4가지 혹은 8가지 방향)으로 움직인다는 가정하에, 노드 기반 맵 생성을 우선하고 그 후 생성된 맵을 토대로 셀 기반 맵 생성을 연속함으로써 모든 환경에 대한 맵 데이터를 생성하는 기술을 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 측면에 따른 이동 로봇은, 본체를 이동시키는 주행부, 상기 본체 외부의 지형 정보를 획득하는 라이다 센서 및 상기 라이다 센서가 센싱한 라이다 데이터를 기초로 노드 데이터를 생성하고, 상기 노드 데이터를 기반으로 제1 맵 데이터를 생성하고, 상기 제1 맵 데이터를 기반으로 그리드 맵을 생성하고, 상기 그리드 맵을 이미지 처리하여 제2 맵 데이터를 생성하는 제어부를 포함한다.
상기 목적을 달성하기 위한 본 발명의 일 측면에 따른 이동 로봇은, 제1 맵 데이터 생성이 종료된 시점의 그리드 맵을 기초로 제2 맵 데이터를 생성하는 제어부를 포함한다.
상기 목적을 달성하기 위한 본 발명의 일 측면에 따른 이동 로봇은, 라이더 센서를 통해 획득한 외부의 지형 정보에 기초하여, 기 설정된 복수의 이동 방향 각각에 대한 오픈(open) 여부를 판단하고, 판단 결과에 따라 새로운 노드를 생성하여, 제1 맵 데이터를 생성하는 제어부를 포함한다.
상기 목적을 달성하기 위한 본 발명의 일 측면에 따른 이동 로봇은, 라이다 데이터 및 노드 데이터에 기초하여, 기 설정된 복수의 이동 방향 중, 오픈(open)된 이동 방향이 적어도 하나 존재하는지 여부를 판단하고, 오픈(open)된 이동 방향이 적어도 하나 존재하는 경우, 기 설정된 조건에 따라, 노드 데이터에 새로운 노드를 생성하고, 오픈(open)된 이동 방향 중 어느 하나를, 본체가 이동하는 주행 방향으로 결정하고, 오픈(open)된 이동 방향이 존재하지 않는 경우, 노드 데이터에 기초하여, 적어도 하나의 노드 중 업데이트(update)가 필요한 노드가 적어도 하나 존재하는지 여부를 판단하고, 업데이트가 필요한 노드가 존재하는 경우, 업데이트가 필요한 노드 중 어느 하나로 이동 로봇이 이동하도록 주행부를 제어하고, 업데이트가 필요한 노드가 존재하지 않는 경우, 노드 데이터에 기초하여, 적어도 하나의 노드를 포함하는 제1 맵 데이터의 생성을 완료하는 제어부를 포함한다.
상기 목적을 달성하기 위한 본 발명의 일 측면에 따른 이동 로봇은, 그리드 맵을 제1 영역, 제2 영역 및 제3 영역으로 구분하여, 제1 영역과 제3 영역 사이 경계선을 생성하는 이미지 처리를 하고, 경계선을 판단하고, 경계선이 하나 이상이면 최적의 경계선을 선택하고, 최적의 경계선까지 경로 계획을 수행하고, 생성된 경로를 따라 이동하면서 상기 그리드 맵을 업데이트하여 제2 맵 데이터의 생성을 완료하는 제어부를 포함한다.
상기 목적을 달성하기 위한 본 발명의 일 측면에 따른 이동 로봇은, 상기 각 영역의 색상을 다르게 나타내되, 제1 영역의 색상과 제3 영역의 색상 차이를 가장 크게 나타내고, 제1 영역과 제3 영역 사이에 선분을 표시하는 이미지 처리를 통해 경계선을 생성하는 제어부를 포함한다.
상기 목적을 달성하기 위한 본 발명의 일 측면에 따른 이동 로봇은, 업데이트 된 그리드 맵 상에서 더 이상 경계선이 존재하지 않는 경우 제2 맵 데이터의 생성을 완료하고 최종 맵 데이터로 저장하는 제어부를 포함한다.
상기 목적을 달성하기 위한 본 발명의 일 측면에 따른 이동 로봇은, 라이다 센서와 함께 이종의 센서를 활용하여 획득한 이종 데이터를 상호 보완적으로 이용하여 환경 변화에 강인한 맵을 생성하고 맵 상 위치를 정확하게 인식할 수 있다.
본 발명에 따르면 다음과 같은 효과가 하나 혹은 그 이상 있다.
첫째, 제1 맵 데이터 생성 구성을 통해, 통로의 중앙을 판단하고, 실시간 센서를 활용하여 주행하므로, 안전하고 빠르게 맵 생성을 완료할 수 있는 효과가 있다.
둘째, 제1 맵 데이터를 기반으로 그리드 맵을 갱신하는 구성을 통해, 제1 맵 데이터 및 제2 맵 데이터 생성을 각각 수행할 경우의 단점을 극복할 수 있는 효과가 있다.
셋째, 제1 맵 데이터 생성을 우선하고 그 후 제2 맵 데이터 생성을 연속함으로써 환경 제약이 없는 모든 환경에 대한 맵 데이터를 생성할 수 있다.
한편, 본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1a 내지 1d는, 본 발명의 일 실시예에 따른, 이동 로봇 및 이동 로봇을 충전시키는 충전대의 외관을 도시한 도면이다.
도 2는, 본 발명의 다른 일 실시예에 따른, 이동 로봇의 예시를 도시한 도면이다.
도 3는, 본 발명의 실시예에 따른, 이동 로봇의 주요 구성들 간의 제어관계를 도시한 블록도이다.
도 4a는, 본 발명의 일 실시예에 따른, 이동 로봇에 구비된 라이다 센서의 설명에 참조되는 도면이고, 도 4b는, 본 발명의 일 실시예에 따른, 이동 로봇의 주행에 대한 설명에 참조되는 도면이다.
도 5는, 본 발명의 일 실시예에 따른, 이동 로봇의 맵 생성 과정에 대한 플로우 차트이다.
도 6a 내지 6j는, 본 발명의 일 실시예에 따른, 이동 로봇의 제1 맵 데이터 생성 과정을 나태내는 도면이다.
도 7은, 본 발명의 일 실시예에 따른, 이동 로봇의 제1 맵 데이터 생성 방법에 대한 순서도를 도시한 도면이다.
도 8a 및 8b는, 본 발명의 일 실시예에 따른, 이동 로봇의 제1 맵 데이터 생성 방법에 대한 순서도를 도시한 도면이다.
도 9는, 본 발명의 일 실시예에 따른, 이동 로봇의 제2 맵 생성 방법을 이해하는데 참조되는 플로우 차트이다.
도 10은, 본 발명의 일 실시예에 따른, 그리드 맵에 대한 이미지 처리 단계를 상세하게 나타내는 도면이다.
도 11은, 본 발명의 일 실시예에 따른, 그리드 웨이브 발생 단계를 이해하는데 도움이 되는 도면이다.
도 12a 내지 도 12f는 본 발명의 실시예에 따른 제2 맵 데이터 생성 과정을 나타내는 도면이다.
이하에서는 첨부한 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다. 그러나 본 발명이 이러한 실시예에 한정되는 것은 아니며 다양한 형태로 변형될 수 있음은 물론이다.
한편, 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 단순히 본 명세서 작성의 용이함만이 고려되어 부여되는 것으로서, 그 자체로 특별히 중요한 의미 또는 역할을 부여하는 것은 아니다. 따라서, 상기 "모듈" 및 "부"는 서로 혼용되어 사용될 수도 있다.
또한, 본 명세서에서, 다양한 요소들을 설명하기 위해 제1, 제2 등의 용어가 이용될 수 있으나, 이러한 요소들은 이러한 용어들에 의해 제한되지 아니한다. 이러한 용어들은 한 요소를 다른 요소로부터 구별하기 위해서만 이용된다.
본 발명의 일 실시예에 따른 이동 로봇(100)은 바퀴 등을 이용하여 스스로 이동이 가능한 로봇을 의미하고, 가정 도우미 로봇 및 로봇 청소기 등이 될 수 있다. 이하에서는, 도면들을 참조하여, 이동 로봇 중 청소 기능을 가지는 로봇 청소기를 예로 들어 설명하나, 본 발명은 이에 한정되지 않는다.
도 1a 내지 1d는, 본 발명의 일 실시예에 따른, 이동 로봇 및 이동 로봇을 충전시키는 충전대의 외관을 도시한 도면이다.
도 1a은 본 발명의 일 실시예에 따른 이동 로봇 및 이동 로봇을 충전시키는 충전대를 도시한 사시도이다. 도 1b는 도 1a에 도시된 이동 로봇의 상면부를 도시한 도이고, 도 1c은 도 1a에 도시된 이동 로봇의 정면부를 도시한 도이며, 도 1d는 도 1a에 도시된 이동 로봇의 저면부를 도시한 도이다.
도 1a 내지 1d를 참조하면, 이동 로봇(100)은, 예를 들면, 본체(110)를 이동시키는 적어도 하나의 구동 바퀴(136)를 포함할 수 있다. 구동 바퀴(136)는, 예를 들면, 구동 바퀴(136)에 연결된 적어도 하나의 모터(미도시)에 의해 구동되어 회전할 수 있다.
구동 바퀴(136)는, 예를 들면, 본체(110)의 좌, 우 측에 각각 구비될 수 있으며, 이하, 각각 좌륜(136(L))과 우륜(136(R))이라고 한다.
좌륜(136(L))과 우륜(136(R))은 하나의 구동 모터에 의해 구동될 수도 있으나, 필요에 따라 좌륜(136(L))을 구동시키는 좌륜 구동 모터와 우륜(136(R))을 구동시키는 우륜 구동 모터가 각각 구비될 수도 있다. 좌륜(136(L))과 우륜(136(R))의 회전 속도에 차이를 두어 좌측 또는 우측으로 본체(110)의 주행방향을 전환할 수 있다.
이동 로봇(100)은, 예를 들면, 이물질을 흡입하는 흡입 유닛(330), 비질을 수행하는 브러시(154, 155), 수거된 이물질을 저장하는 먼지통, 걸레질을 수행하는 걸레부 등을 포함할 수 있다.
예를 들면, 본체(110)의 저면부에는 공기의 흡입이 이루어지는 흡입구(150h)가 형성될 수 있으며, 본체(110) 내부에는 흡입구(150h)를 통해 공기가 흡입될 수 있도록 흡입력을 제공하는 흡입장치와, 흡입구(150h)를 통해 공기와 함께 흡입된 먼지를 집진하는 먼지통이 구비될 수 있다.
이동 로봇(100)은, 예를 들면, 이동 로봇(100)을 구성하는 각종 부품들이 수용되는 공간을 형성하는 케이스(111)를 포함할 수 있다. 케이스(111)에는 먼지통의 삽입과 탈거를 위한 개구부(미도시)가 형성될 수 있고, 개구부를 여닫는 먼지통 커버(112)가 케이스(111)에 대해 회전 가능하게 구비될 수 있다.
이동 로봇(100)은, 예를 들면, 흡입구(150h)를 통해 노출되는 솔들을 갖는 롤형의 메인 브러시(154)와, 본체(110)의 저면부 전방 측에 위치하며, 방사상으로 연장된 다수개의 날개로 이루어진 솔을 갖는 보조 브러시(155)를 구비할 수 있다. 이들 브러시(154, 155)들의 회전에 의해 주행 구역 내 바닥으로부터 먼지들이 분리되며, 이렇게 바닥으로부터 분리된 먼지들은 흡입구(150h)를 통해 흡입되고, 흡입 유닛(330)을 통해 먼지통으로 유입될 수 있다.
먼지통의 필터 내지는 사이클론을 거치면서 공기와 먼지가 상호 분리될 수 있고, 분리된 먼지는 먼지통에 집진되며, 공기는 먼지통에서 배출된 후 본체(110) 내부의 배기유로(미도시)를 거쳐 최종적으로 배기구(미도시)를 통하여 외부로 배출될 수 있다.
배터리(138)는, 예를 들면, 구동 모터 뿐만 아니라, 이동 로봇(100)의 작동 전반에 필요한 전원을 공급할 수 있다. 한편, 배터리(138)가 방전될 시, 이동 로봇(100)은 충전을 위해 충전대(200)로 복귀하는 주행을 실시할 수 있으며, 이러한 복귀 주행 중, 이동 로봇(100)은 스스로 충전대(200)의 위치를 탐지할 수 있다.
충전대(200)는, 예를 들면, 소정의 복귀 신호를 송출하는 신호 송출부(미도시)를 포함할 수 있다. 복귀 신호는, 예를 들면, 초음파 신호 또는 적외선 신호일 수 있으나, 반드시 이에 한정되는 것은 아니다.
이동 로봇(100)은, 예를 들면, 복귀 신호를 수신하는 신호 감지부(미도시)를 포함할 수 있다.
예를 들면, 신호 감지부는 적외선 신호를 감지하는 적외선 센서를 포함할 수 있고, 충전대(200)의 신호 송출부로부터 송출된 적외선 신호를 수신할 수 있다. 이때, 이동 로봇(100)은 충전대(200)로부터 송출된 적외선 신호에 따라 충전대(200)의 위치로 이동하여 충전대(200)와 도킹(docking)할 수 있다. 이러한 도킹에 의해 이동 로봇(100)의 충전 단자(133)와 충전대(200)의 충전 단자(210)가 접촉될 수 있고, 배터리(138)가 충전될 수 있다.
이동 로봇(100)은, 예를 들면, 이동 로봇(100)의 내/외부의 정보를 감지하는 구성을 구비할 수 있다.
이동 로봇(100)은, 예를 들면, 주행 구역에 대한 영상 정보를 획득하는 카메라(120)를 구비할 수 있다.
예를 들면, 이동 로봇(100)은, 본체(110) 전방의 영상을 획득하도록 구비되는 전면 카메라(120a)를 구비할 수 있다.
예를 들면, 이동 로봇(100)은, 본체(110)의 상면부에 구비되어, 주행 구역 내의 천장에 대한 영상을 획득하는 상부 카메라(120b)를 구비할 수 있다.
예를 들면, 이동 로봇(100)은, 본체(110)의 저면부에 구비되어, 바닥의 영상을 획득하는 하부 카메라(179)를 더 구비할 수 있다.
한편, 이동 로봇(100)에 구비된 카메라(120)의 개수, 배치되는 위치와, 촬영범위 등이 반드시 이에 한정되어야 하는 것은 아니며, 주행 구역에 대한 영상 정보를 획득하기 위해 다양한 위치에 배치될 수 있다.
예를 들면, 이동 로봇(100)은, 본체(110)의 일면에 대하여 경사지게 배치되어 전방과 상방을 함께 촬영하도록 구성된 카메라(미도시)를 포함할 수도 있다.
예를 들면, 이동 로봇(100)은, 전면 카메라(120a) 및/또는 상부 카메라(120b)를 복수개 구비할 수도 있고, 전방과 상방을 함께 촬영하도록 구성된 카메라를 복수개 구비할 수도 있다.
본 발명의 다양한 실시예에 따르면, 이동 로봇(100)의 일부 부위(ex, 전방, 후방, 저면)에 카메라(120)가 설치되어 있으며, 주행 시나 청소 시에 영상을 지속적으로 획득할 수 있다. 이러한 카메라(120)는 촬영 효율을 위해 각 부위별로 여러 개가 설치될 수도 있고, 카메라(120)에 의해 촬상된 영상은 해당 공간에 존재하는 먼지, 머리카락, 바닥 등과 같은 물질의 종류 인식, 청소 여부, 또는 청소 시점을 확인하는데 사용될 수 있다.
이동 로봇(100)은, 예를 들면, 레이저를 이용하여 본체(110) 외부의 지형 정보를 획득하는 라이다(light detection and ranging; LiDAR) 센서(175)를 포함할 수 있다.
라이다 센서(175)는, 예를 들면, 레이저를 출력하고, 객체로부터 반사된 레이저를 수신함으로써, 레이저를 반사시킨 객체와의 거리, 위치 방향, 재질 등의 정보를 획득할 수 있고, 주행 구역의 지형 정보를 획득할 수 있다. 이동 로봇(100)은, 예를 들면, 라이다 센서(175)를 통해 획득한 정보에 기초하여, 360도의 지형(geometry) 정보를 획득할 수 있다.
이동 로봇(100)은, 예를 들면, 이동 로봇(100)의 동작, 상태와 관련된 각종 데이터를 센싱하는 센서들(171, 172, 179)을 포함할 수 있다.
예를 들면, 이동 로봇(100)은, 전방의 장애물을 감지하는 장애물 감지센서(171), 주행 구역 내 바닥에 낭떠러지의 존재 여부를 감지하는 낭떠러지 감지센서(172) 등을 포함할 수 있다.
이동 로봇(100)은, 예를 들면, 이동 로봇(100)의 전원 온/오프(on/off) 등의 각종 명령을 입력할 수 있는 조작부(137)를 포함할 수 있고, 조작부(137)를 통해 이동 로봇(100)의 작동 전반에 필요한 각종 제어 명령을 입력받을 수 있다.
이동 로봇(100)은, 예를 들면, 출력부(미도시)를 포함할 수 있고, 예약 정보, 배터리 상태, 동작모드, 동작상태, 에러상태 등을 표시할 수 있다.
도 2는, 본 발명의 다른 일 실시예에 따른, 이동 로봇의 예시를 도시한 도면이다.
도 2는, 본 발명의 다른 일 실시예에 따른, 이동 로봇(100)의 예시를 도시한 도면이며, 도 2에 도시된 이동 로봇(100)은, 도 1a 내지 도 1d에 개시된 이동 로봇(100)과 동일 또는 유사한 구성들을 구비할 수 있으므로, 이에 대한 상세한 설명은 생략하도록 한다.
도 3는, 본 발명의 실시예에 따른, 이동 로봇의 주요 구성들 간의 제어관계를 도시한 블록도이다.
도 3을 참조하면, 이동 로봇(100)은, 예를 들면, 저장부(305), 영상 획득부(320), 입력부(325), 흡입 유닛(330), 제어부(350), 주행부(360), 센서부(370), 출력부(380), 및/또는 통신부(390)를 포함할 수 있다.
저장부(305)는, 예를 들면, 이동 로봇(100)의 제어에 필요한 각종 정보들을 저장할 수 있다.
저장부(305)는, 예를 들면, 휘발성 또는 비휘발성 기록 매체를 포함할 수 있다. 기록 매체는, 마이크로 프로세서(microprocessor)에 의해 읽힐 수 있는 데이터를 저장한 것으로, 그 종류나 구현 방식에 한정되지 않는다.
저장부(305)는, 예를 들면, 주행 구역에 대한 맵(map)을 저장할 수 있다. 저장부(305)에 저장되는 맵은, 예를 들면, 이동 로봇(100)과 유선 또는 무선 통신을 통해 정보를 교환할 수 있는 외부 단말기, 서버 등으로부터 입력된 것일 수도 있고, 이동 로봇(100)이 스스로 학습을 하여 생성한 것일 수도 있다.
저장부(305)는, 예를 들면, 노드(node)에 대한 데이터를 저장할 수 있다. 여기서, 노드는, 예를 들면, 주행 구역 상의 일 지점을 의미할 수 있다. 노드에 대한 데이터는, 예를 들면, 노드에 대한 주행 구역 상의 좌표, 노드에서의 복수의 이동 방향에 대한 정보, 다른 노드와의 관계에 대한 정보 등을 포함할 수 있다.
예를 들면, 맵에는 주행 구역 내의 방들의 위치가 표시될 수 있다. 또한, 이동 로봇(100)의 현재 위치가 맵 상에 표시될 수 있으며, 맵 상에서의 이동 로봇(100)의 현재의 위치는 주행 과정에서 갱신될 수 있다. 외부 단말기는 저장부(305)에 저장된 맵과 동일한 맵을 저장할 수 있다.
저장부(305)는, 예를 들면, 청소 이력 정보를 저장할 수 있다. 이러한 청소 이력 정보는 청소를 수행할 때마다 생성될 수 있다.
저장부(305)는, 예를 들면, 노드(node) 기반의 제1 맵 데이터, 그리드(grid) 기반의 제2 맵 데이터를 저장할 수 있다.
저장부(305)에 저장되는 주행 구역에 대한 맵(map)은, 예를 들면, 청소 중 주행에 사용되는 내비게이션 맵(navigation map), 위치 인식에 사용되는 슬램(simultaneous localization and mapping; SLAM) 맵, 장애물 등에 부딪히면 해당 정보를 저장하여 학습 청소 시 사용하는 학습 맵, 전역적 위치 인식에 사용되는 전역적 위상 맵(topological map), 셀 데이터 기반의 그리드 맵(grid map), 인식된 장애물에 관한 정보가 기록되는 장애물 인식 맵 등일 수 있다.
한편, 상술한 바와 같이, 용도별로 저장부(305)에 맵들을 구분하여 저장, 관리할 수 있지만, 맵이 용도별로 명확히 구분되지 않을 수도 있다. 예를 들어, 적어도 2 이상의 용도로 사용할 수 있도록 하나의 맵에 복수의 정보가 저장될 수도 있다.
영상 획득부(320)는, 예를 들면, 이동 로봇(100)의 주변의 영상을 획득할 수 있다. 영상 획득부(320)는, 예를 들면, 적어도 하나의 카메라(예: 도 1a의 카메라(120))를 구비할 수 있다. 이하, 영상획득부(320)를 통해 획득된 영상을 '획득영상'으로 명명할 수 있다.
영상 획득부(320)는, 예를 들면, 디지털 카메라를 포함할 수 있다. 디지털 카메라는, 적어도 하나의 광학렌즈와, 광학렌즈를 통과한 광에 의해 상이 맺히는 다수개의 광다이오드(photodiode, 예를 들어, pixel)를 포함하여 구성된 이미지센서(예를 들어, CMOS image sensor)와, 광다이오드들로부터 출력된 신호를 바탕으로 영상을 구성하는 디지털 신호 처리기(digital signal processor; DSP)를 포함할 수 있다. 디지털 신호 처리기는, 예를 들면, 정지영상은 물론이고, 정지영상으로 구성된 프레임들로 이루어진 동영상을 생성하는 것도 가능하다.
영상 획득부(320)는, 예를 들면, 이동 로봇(100)의 주행 방향 전면에 존재하는 장애물 또는 청소 영역의 상황을 촬영할 수 있다.
본 발명의 일 실시예에 따르면, 영상획득부(320)는 본체(110) 주변을 연속적으로 촬영하여 복수의 영상을 획득할 수 있고, 획득된 복수의 영상은 저장부(305)에 저장될 수 있다.
이동 로봇(100)은, 예를 들면, 복수의 영상을 이용하여 장애물 인식의 정확성을 높이거나, 복수의 영상 중 하나 이상의 영상을 선택하여 효과적인 데이터를 사용함으로써 장애물 인식의 정확성을 높일 수 있다.
입력부(325)는, 예를 들면, 사용자 입력을 수신할 수 있는 입력 장치(예: 키, 터치 패널 등)을 구비할 수 있다. 예를 들면, 입력부(325)는, 이동 로봇(100)의 전원 온/오프(on/off) 등의 각종 명령을 입력할 수 있는 조작부(137)를 포함할 수 있다.
입력부(325)는, 예를 들면, 입력장치를 통해, 사용자 입력을 수신할 수 있고, 수신된 사용자 입력에 대응하는 명령을 제어부(350)에 전송할 수 있다.
흡입 유닛(330)은, 예를 들면, 먼지가 포함된 공기를 흡입할 수 있다. 흡입 유닛(330)은, 예를 들면, 이물질을 흡입하는 흡입 장치(미도시), 비질을 수행하는 브러시(154, 155), 흡입장치나 브러시(예: 도 1c의 브러시(154, 155))에 의해 수거된 이물질을 저장하는 먼지통(미도시), 공기의 흡입이 이루어지는 흡입구(예: 도 1d의 흡입구(150h)) 등을 포함할 수 있다.
주행부(360)는, 예를 들면, 이동 로봇(100)을 이동시킬 수 있다. 주행부(360)는, 예를 들면, 이동 로봇(100)을 이동시키는 적어도 하나의 구동 바퀴(예: 도 1c의 구동 바퀴(136))와, 구동 바귀를 회전시키는 적어도 하나의 모터(미도시)를 포함할 수 있다.
센서부(370)는 본체(110) 외부의 물체와의 거리를 측정하는 거리 측정 센서를 포함할 수 있다. 거리 측정 센서는 본체(110) 외부의 지형에 관한 정보를 획득하는 라이다 센서(175)를 포함할 수 있다. 이하 거리 측정 센서는, 라이다 센서(175)를 기준으로 이해될 수 있다.
센서부(370)는, 예를 들면, 이동 로봇(100)의 내/외부의 정보를 감지하는 다양한 센서를 포함할 수 있다.
센서부(370)는, 예를 들면, 레이저를 이용하여 본체(110) 외부의 지형 정보를 획득하는 라이다(LiDAR) 센서(예: 도 1a의 라이다 센서(175))를 포함할 수 있다.
센싱부(170)는 레이저를 이용하여 본체(110) 외부의 지형 정보를 획득하는 라이다 센서(175)를 포함할 수 있다.
라이다 센서(175)는 레이저를 출력하여 레이저를 반사시킨 객체의 거리, 위치 방향, 재질 등의 정보를 제공하며 주행 구역의 지형 정보를 획득할 수 있다. 이동 로봇(100)은 라이다 센서(175)로 360도의 지형(Geometry) 정보를 얻을 수 있다.
본 발명의 일 실시예에 따른 이동 로봇(100)은 라이다 센서(175)가 센싱한 객체들의 거리와 위치, 방향 등을 파악하여 맵을 생성할 수 있다.
본 발명의 일 실시예에 따른 이동 로봇(100)은 외부에서 반사되어 수신되는 레이저의 시간차 또는 신호 강도 등 레이저 수신 패턴을 분석하여 주행 구역의 지형 정보를 획득할 수 있다. 또한, 이동 로봇(100)은 라이다 센서(175)를 통하여 획득한 지형 정보를 이용하여 맵을 생성할 수 있다.
예를 들어, 본 발명에 따른 이동 로봇(100)은 라이다 센서(175)를 통하여 현재 위치에서 획득된 주변 지형 정보를 분석하여 이동 방향을 결정하는 라이다 슬램을 수행할 수 있다.
더욱 바람직하게는, 본 발명에 따른 이동 로봇(100)은 카메라를 이용하는 비전 기반의 위치 인식과 레이저를 이용하는 라이다 기반의 위치 인식 기술 및 초음파 센서를 통해 장애물을 효과적으로 인식하고 변화량이 작은 최적의 이동 방향을 추출하여 맵 생성을 수행할 수 있다.
센서부(370)는, 예를 들면, 전방의 장애물을 감지하는 장애물 감지센서(예: 도 1a의 장애물 감지센서(171)), 주행 구역 내 바닥에 낭떠러지의 존재 여부를 감지하는 낭떠러지 감지센서(예: 도 1d의 낭떠러지 감지센서(172)) 등을 포함할 수 있다.
장애물 감지센서(171)는, 예를 들면, 이동 로봇(100)의 외주면에 일정 간격으로 복수개 배치될 수 있다. 장애물 감지센서(171)는, 예를 들면, 적외선 센서, 초음파 센서, RF(radio frequency) 센서, 지자기 센서, PSD(position sensitive device) 센서 등을 포함할 수 있다.
장애물 감지센서(171)는, 예를 들면, 실내의 벽이나 장애물과의 거리를 감지하는 센서일 수 있고, 본 발명은 그 종류에 한정되지 않으나, 이하에서는 초음파 센서를 예시하여 설명한다.
장애물 감지센서(171)는, 예를 들면, 이동 로봇(100)의 주행(이동) 방향에 존재하는 물체, 특히 장애물을 감지하여 장애물 정보를 제어부(350)에 전달할 수 있다. 즉, 장애물 감지센서(171)는, 이동 로봇(100)의 이동 경로, 이동 로봇(100)의 전방이나 측면에 존재하는 돌출물, 집안의 집기, 가구, 벽면, 벽 모서리 등을 감지하여 그 정보를 제어부(350)에 전달할 수 있다.
센서부(370)는, 예를 들면, 이동 로봇(100)의 주행 동작을 감지하고 동작 정보를 출력하는 주행 감지 센서(미도시)를 더 포함할 수 있다. 주행 감지 센서는, 예를 들면, 자이로 센서(gyro sensor), 휠 센서(wheel sensor), 가속도 센서(acceleration sensor) 등을 포함할 수 있다.
자이로 센서는, 예를 들면, 이동 로봇(100)이 운전 모드에 따라 움직일 때 회전 방향을 감지하고 회전각을 검출할 수 있다. 자이로 센서는, 예를 들면, 이동 로봇(100)의 각속도를 검출하여 각속도에 비례하는 전압 값을 출력할 수 있다.
휠 센서는, 예를 들면, 구동 바퀴(136)(예: 도 1d의 좌륜(136(L))과 우륜(136(R)))에 연결되어 구동 바퀴(136)의 회전수를 감지할 수 있다. 여기서, 휠 센서는, 예를 들면, 엔코더(encoder)일 수 있다. 엔코더는 좌륜(136(L))과 우륜(136(R))의 회전수를 감지하여 출력할 수 있고,
가속도 센서는, 예를 들면, 이동 로봇(100)의 속도 변화를 검출할 수 있다. 가속도 센서는, 예를 들면, 구동 바퀴(136)의 인접한 위치에 부착될 수도 있고, 제어부(350)에 내장될 수도 있다.
출력부(380)는, 예를 들면, 오디오 신호를 출력하는 음향 출력부(381)를 포함할 수 있다. 음향 출력부는 제어부(350)의 제어에 따라 경고음, 동작모드, 동작상태, 에러상태 등의 알림 메시지, 사용자의 명령 입력에 대응하는 정보, 사용자의 명령 입력에 대응하는 처리 결과 등을 음향으로 출력할 수 있다.
음향 출력부(381)는, 예를 들면, 제어부(150)로부터의 전기 신호를 오디오 신호로 변환하여 출력할 수 있다. 이를 위해, 스피커 등을 구비할 수 있다.
출력부(380)는, 예를 들면, 사용자의 명령 입력에 대응하는 정보, 사용자의 명령 입력에 대응하는 처리 결과, 동작모드, 동작상태, 에러상태 등을 영상으로 표시하는 디스플레이(382)를 포함할 수 있다.
실시예에 따라서는, 디스플레이(382)는 터치패드와 상호 레이어 구조를 이루어 터치스크린으로 구성될 수 있다. 이 경우에, 터치스크린으로 구성되는 디스플레이(382)는 출력 장치 이외에 사용자의 터치에 의한 정보의 입력이 가능한 입력 장치로도 사용될 수 있다.
통신부(390)는, 예를 들면, 적어도 하나의 통신 모듈(미도시)을 구비할 수 있고, 외부 기기와 데이터를 송수신할 수 있다. 이동 로봇(100)과 통신하는 외부 기기 중 외부 단말기는, 예를 들면, 이동 로봇(100)을 제어하기 위한 애플리케이션을 구비하고, 애플리케이션의 실행을 통해 이동 로봇(100)이 청소할 주행 구역에 대한 맵을 표시하고, 맵 상에 특정 영역을 청소하도록 영역을 지정할 수 있다. 외부 단말기는, 예를 들면, 맵 설정을 위한 애플리케이션(application)이 탑재된 리모콘, PDA, 랩탑(laptop), 스마트 폰, 태블릿 등을 예로 들 수 있다.
통신부(390)는, 예를 들면, 와이파이(Wi-fi), 블루투스(bluetooth), 비콘(beacon), 지그비(zigbee), RFID(radio frequency identification) 등의 무선 통신 방식으로 신호를 송수신할 수 있다.
한편, 이동 로봇(100)은, 예를 들면, 충전 가능한 배터리(예: 도 1d의 배터리(138))를 구비하여 로봇 청소기 내로 전원을 공급하는 전원 공급부(미도시)를 포함할 수 있다.
전원 공급부는, 예를 들면, 이동 로봇(100)의 각 구성 요소들에 구동 전원과, 동작 전원을 공급할 수 있다.
이동 로봇(100)은, 예를 들면, 배터리(138)의 배터리 잔량, 충전 상태 등을 감지할 수 있고, 감지 결과를 제어부(350)에 전송하는 배터리 감지부(미도시)를 더 포함할 수 있다. 한편, 배터리 잔량에 대한 정보는, 예를 들면, 출력부(380)를 통해 출력될 수 있다.
제어부(350)는, 예를 들면, 이동 로봇(100)에 구비된 각 구성과 연결될 수 있다. 제어부(350)는, 예를 들면, 이동 로봇(100)에 구비된 각 구성과 상호 간에 신호를 송수신할 수 있고, 각 구성의 전반적인 동작을 제어할 수 있다.
제어부(350)는, 예를 들면, 센서부(370)를 통해 획득한 정보에 기초하여, 이동 로봇(100)의 내/외부에 대한 상태를 판단할 수 있다.
제어부(350)는, 예를 들면, 자이로 센서로부터 출력되는 전압 값을 이용하여 회전 방향 및 회전각을 산출할 수 있다.
제어부(350)는, 예를 들면, 휠 센서로부터 출력되는 회전수에 기초하여, 구동 바퀴(136)의 회전 속도를 연산할 수 있다. 또한, 제어부(350)는, 예를 들면, 좌륜(136(L))과 우륜(136(R))의 회전수 차이에 기초하여 회전각을 연산할 수도 있다.
제어부(350)는, 예를 들면, 가속도 센서로부터 출력되는 값에 기초하여, 이동 로봇(100)의 출발, 정지, 방향 전환, 물체와의 충돌 등과 같은 이동 로봇(100)의 상태 변화를 판단할 수 있다. 한편, 제어부(350)는, 예를 들면, 가속도 센서로부터 출력되는 값에 기초하여, 속도 변화에 따른 충격량을 검출할 수 있어, 가속도 센서는 전자식 범퍼 센서의 기능을 수행할 수도 있다.
제어부(350)는, 예를 들면, 초음파 센서를 통해 수신된 적어도 2 이상의 신호에 기초하여, 장애물의 위치를 감지하고, 감지된 장애물의 위치에 따라 이동 로봇(100)의 움직임을 제어할 수 있다.
실시예에 따라서는, 이동 로봇(100)의 외측면에 구비되는 장애물 감지 센서(131)는 발신부와 수신부를 포함하여 구성될 수 있다.
예를 들면, 초음파 센서는 적어도 하나 이상의 발신부 및 적어도 둘 이상의 수신부가 서로 엇갈리도록 구비될 수 있다. 이에 따라, 발신부는 다양한 각도로 초음파 신호를 방사할 수 있고, 장애물에 반사된 초음파 신호를 적어도 둘 이상의 수신부가 다양한 각도에서 수신할 수 있다.
실시예에 따라서는, 초음파 센서에서 수신된 신호는, 증폭, 필터링 등의 신호 처리 과정을 거칠 수 있고, 이후 장애물까지의 거리 및 방향이 산출될 수 있다.
한편, 제어부(350)는, 예를 들면, 주행제어모듈(351), 지도생성모듈(352), 위치인식모듈(353) 및/또는 장애물인식모듈(354)을 포함할 수 있다. 본 도면에서는, 설명의 편의상, 주행제어모듈(351), 지도생성모듈(352), 위치인식모듈(353) 및/또는 장애물인식모듈(354)으로 구분하여 설명하나, 본 발명이 이에 한정되는 것은 아니다.
예를 들어, 위치인식모듈(353)과 장애물인식모듈(354)은 하나의 인식기로써 통합되어 하나의 인식모듈(355)로 구성될 수 있다. 이 경우에, 머신 러닝 등의 학습 기법을 이용하여 인식기를 학습시키고, 학습된 인식기는 이후에 입력되는 데이터를 분류하여 영역, 사물 등의 속성을 인식할 수 있다.
실시예에 따라서, 지도생성모듈(352), 위치인식모듈(353), 및, 장애물인식모듈(354)이 하나의 통합모듈로 구성될 수도 있다.
주행제어모듈(351)은, 예를 들면, 이동 로봇(100)의 주행을 제어할 수 있고, 주행 설정에 따라 주행부(360)의 구동을 제어할 수 있다.
주행제어모듈(351)은, 예를 들면, 주행부(360)의 동작을 바탕으로 이동 로봇(100)의 주행 경로를 파악할 수 있다. 예를 들면, 주행제어모듈(351)은 구동 바퀴(136)의 회전속도를 바탕으로 이동 로봇(100)의 현재 또는 과거의 이동속도, 주행한 거리 등을 파악할 수 있으며, 이렇게 파악된 이동 로봇(100)의 주행 정보를 바탕으로, 맵 상에서 이동 로봇(100)의 위치가 갱신될 수 있다.
지도생성모듈(352)은, 예를 들면, 주행 구역에 대한 맵을 생성할 수 있다.
지도생성모듈(352)은, 예를 들면, 이동 로봇(100)이 주행하는 동안, 획득한 정보에 기초하여 맵을 실시간으로 생성 및/또는 갱신할 수 있다.
지도생성모듈(352)은, 예를 들면, 복수의 이동 방향을 설정할 수 있다. 예를 들면, 지도생성모듈(352)은, 주행 구역에 대한 맵을 생성하는 기능(이하, 맵 생성 기능)이 실행되는 경우, 기능이 실행되는 시점에 이동 로봇(100)의 전면이 향하는 방향을 제1 이동 방향으로 설정할 수 있다. 또한, 지도생성모듈(352)은, 예를 들면, 기능이 실행되는 시점에 이동 로봇(100)의 좌측면이 향하는 방향을 제2 이동 방향, 이동 로봇(100)의 우측면이 향하는 방향을 제3 이동 방향, 제1 방향의 반대 방향인 이동 로봇(100)의 후면이 향하는 방향을 제4 이동 방향으로 설정할 수 있다.
한편, 기 설정된 복수의 이동 방향은, 예를 들면, 맵을 생성하는 기능이 실행되는 동안, 이동 로봇(100)의 이동하거나, 회전하는 경우에도 변경되지 않고, 고정되어 설정될 수 있다.
예를 들면, 복수의 이동 방향이 설정된 후, 이동 로봇(100)이 반시계 방향으로 회전한 경우, 이동 로봇(100)의 전면이 향하는 방향은 제2 이동 방향이 될 수 있고, 이동 로봇(100)이 직진하는 경우, 이동 로봇(100)의 주행 방향은 제2 이동 방향일 수 있다.
한편, 본 도면에서는 복수의 이동 방향을 4개의 방향으로 설정되는 것으로 설명하나, 본 발명이 이에 한정되는 것은 아니며, 다양한 실시예에 따라, 8개, 16개 등 다양한 개수의 방향으로 설정될 수도 있다.
지도생성모듈(352)은, 예를 들면, 영상획득부(320)를 통해 획득한 영상에 기초하여, 맵을 작성할 수 있다. 예를 들면, 지도생성모듈(352)은, 이동 로봇(100)이 주행하는 동안 영상획득부(320)를 통해 획득한 획득 영상에 기초하여, 맵을 작성할 수 있다.
지도생성모듈(352)은, 예를 들면, 영상획득부(320)를 통해 획득한 획득 영상들 각각에 포함된, 주행 구역에 위치하는 조명, 경계(edge), 코너(corner), 얼룩(blob), 굴곡(ridge) 등의 여러가지 특징(feature)들을 검출할 수 있다.
지도생성모듈(352)은, 예를 들면, 획득 영상으로부터 특징을 검출하는 특징 검출기(feature detector)를 포함할 수 있다. 예를 들면, 특징 검출기는, Canny, Sobel, Harris&Stephens/Plessey, SUSAN, Shi&Tomasi, Level curve curvature, FAST, Laplacian of Gaussian, Difference of Gaussians, Determinant of Hessian, MSER, PCBR, Grey-level blobs 검출기 등을 포함할 수 있다.
지도생성모듈(352)은, 예를 들면, 획득 영상으로부터 검출한 주행 구역에 대한 특징들에 기초하여, 맵을 작성할 수 있다. 한편, 본 발명의 다양한 실시예에 따르면, 획득 영상으로부터 특징을 검출하는 동작은, 위치인식모듈(353)에서 수행될 수도 있다.
지도생성모듈(352)은, 예를 들면, 라이다 센서(175)를 통해 획득한 정보에 기초하여 맵을 작성할 수 있다.
예를 들면, 지도생성모듈(352)은, 라이다 센서(175)를 통해 출력되고, 외부 객체에서 반사되어 수신되는 레이저의 수신 시간차, 신호 강도와 같은 수신 패턴을 분석하여, 주행 구역의 지형 정보를 획득할 수 있다. 주행 구역의 지형 정보는, 예를 들면, 이동 로봇(100)의 주변에 존재하는 객체들의 위치, 거리, 방향 등을 포함할 수 있다.
지도생성모듈(352)은, 예를 들면, 라이다 센서(175)를 통해 획득한 주행 구역의 지형 정보에 기초하여, 노드를 생성할 수 있고, 생성된 노드를 포함하는 제1 맵 데이터를 생성할 수 있다.
지도생성모듈(352)은, 예를 들면, 라이다 센서(175)를 통해 장애물이 존재하는 영역과 존재하지 않는 영역에 대한 셀 데이터가 다른 그리드 맵을 생성할 수 있다.
지도생성모듈(352)은, 예를 들면, 라이다 센서(175)를 통해 제1 맵 데이터와 그리드 맵을 융합하여 제2 맵 데이터를 생성할 수 있다.
위치인식모듈(353)은, 예를 들면, 이동 로봇(100)의 위치를 판단할 수 있다. 위치인식모듈(353)은, 예를 들면, 이동 로봇(100)이 주행하는 동안, 이동 로봇(100)의 위치를 판단할 수 있다.
위치인식모듈(353)은, 예를 들면, 영상획득부(320)를 통해 획득한 획득 영상에 기초하여, 이동 로봇(100)의 위치를 판단할 수 있다.
예를 들면, 위치인식모듈(353)은, 이동 로봇(100)이 주행하는 동안, 획득 영상으로부터 검출한 주행 구역의 각 위치에 대한 특징들을, 지도생성모듈(352)에서 생성된 맵 데이터를 기초로 각 위치에 맵핑(mapping)시킬 수 있고, 맵의 각 위치에 맵핑된 주행 구역의 각 위치에 대한 특징들에 대한 데이터를 위치인식 데이터로 저장부(305)에 저장할 수 있다.
한편, 예를 들면, 위치인식모듈(353)은, 획득 영상으로부터 검출한 주행 구역에 대한 특징들과, 저장부(305)에 저장된 위치인식 데이터에 포함된, 주행 영역의 각각의 위치에 대한 특징들을 비교하여, 위치 별 유사도(확률)를 산출할 수 있고, 산출된 위치 별 유사도(확률)에 기초하여, 유사도가 가장 큰 위치를 이동 로봇(100)의 위치로 판단할 수 있다.
본 발명의 일 실시예에 따르면, 이동 로봇(100)은, 영상 획득부(320)를 통해 획득한 영상으로부터 특징을 추출하고, 상기 추출한 특징을 제1 맵 데이터에 맵핑(mapping)하고, 제1 맵 데이터에 맵핑(mapping)된 특징에 기초하여, 이동 로봇(100)의 위치를 판단할 수 있다.
본 발명의 일 실시예에 따르면, 이동 로봇(100)은, 영상 획득부(320)를 통해 획득한 영상으로부터 특징을 추출하고, 상기 추출한 특징을 제2 맵 데이터에 맵핑(mapping)하고, 제2 맵 데이터에 맵핑(mapping)된 특징에 기초하여, 이동 로봇(100)의 위치를 판단할 수 있다.
한편, 이동 로봇(100)은, 예를 들면, 위치인식모듈(353) 없이 주행제어모듈(351), 지도생성모듈(352) 및/또는 장애물인식모듈(354)을 통해, 맵을 학습하여, 현재 위치를 판단할 수도 있다.
장애물인식모듈(354)은, 예를 들면, 이동 로봇(100)의 주변의 장애물을 감지할 수 있다. 예를 들면, 장애물인식모듈(354)은, 영상 획득부(320)를 통해 획득한 획득 영상 및/또는 센서부(370)를 통해 획득한 센싱 데이터에 기초하여, 이동 로봇(100)의 주변의 장애물을 감지할 수 있다.
예를 들면, 장애물인식모듈(354)은, 라이다 센서(175)를 통해 획득한 주행 구역의 지형 정보에 기초하여, 이동 로봇(100)의 주변의 장애물을 감지할 수 있다.
장애물인식모듈(354)은, 예를 들면, 이동 로봇(100)이 주행하는 동안, 이동 로봇(100)의 주행을 방해하는 장애물이 존재하는지 여부를 판단할 수 있다.
장애물인식모듈(354)은, 예를 들면, 장애물이 존재하는 것으로 판단되는 경우, 장애물의 속성에 따라 직진, 회전 등의 주행 패턴을 결정할 수 있고, 결정된 주행 패턴을 주행제어모듈(351)로 전달할 수 있다.
예를 들면, 장애물의 속성이 이동 로봇(100)의 주행이 가능한 종류의 장애물(예: 바닥에 존재하는 돌출물 등)인 경우, 장애물인식모듈(354)은, 이동 로봇(100)이 계속 주행하도록, 주행 패턴을 결정할 수 있다.
또는, 예를 들면, 장애물의 속성이 이동 로봇(100)의 주행이 불가능한 종류의 장애물(예: 벽면, 가구 등)인 경우, 장애물인식모듈(354)은, 이동 로봇(100)이 회전하도록, 주행 패턴을 결정할 수 있다.
본 발명의 실시예에 따른 이동 로봇(100)은, 머신 러닝(machine learning) 기반의 사람, 사물 인식 및 회피를 수행할 수 있다. 여기서, 머신 러닝은 컴퓨터에게 사람이 직접 로직(Logic)을 지시하지 않아도 데이터를 통해 컴퓨터가 학습을 하고 이를 통해 컴퓨터가 알아서 문제를 해결하게 하는 것을 의미할 수 있다.
딥러닝(Deep Learning)은, 인공지능을 구성하기 위한 인공신경망(artificial neural networks; ANN)에 기반으로 해 컴퓨터에게 사람의 사고방식을 가르치는 방법으로 사람이 가르치지 않아도 컴퓨터가 스스로 사람처럼 학습할 수 있는 인공지능 기술을 의미할 수 있다.
인공신경망(ANN)은, 소프트웨어 형태로 구현되거나 칩(chip) 등 하드웨어 형태로 구현될 수 있다.
장애물인식모듈(354)은, 예를 들면, 장애물의 속성이 학습된 소프트웨어 또는 하드웨어 형태의 인공신경망(ANN)을 포함할 수 있다.
예를 들면, 장애물인식모듈(354)은 딥러닝으로 학습된 CNN(convolutional neural network), RNN(recurrent neural network), DBN(deep belief network) 등 심층신경망(deep neural network; DNN)을 포함할 수 있다.
장애물인식모듈(354)은, 예를 들면, 심층신경망(DNN)에 포함된 노드들 사이의 가중치(weight)들에 기초하여 입력되는 영상 데이터에 포함되는 장애물의 속성을 판별할 수 있다.
장애물인식모듈(354)은, 예를 들면, 영상획득부(320), 특히 전면 카메라 센서(120a)가 획득한 영상 전체를 사용하는 것이 아니라 일부 영역만을 사용하여 이동 방향에 존재하는 장애물의 속성을 판별할 수 있다.
또한, 주행제어모듈(351)은, 예를 들면, 인식된 장애물의 속성에 기초하여 주행부(360)의 구동을 제어할 수 있다.
저장부(305)에는, 예를 들면, 장애물 속성 판별을 위한 입력 데이터, 상기 심층신경망(DNN)을 학습하기 위한 데이터가 저장될 수 있다.
저장부(305)에는, 예를 들면, 영상획득부(320)가 획득한 원본 영상과 소정 영역이 추출된 추출 영상들이 저장될 수 있다.
저장부(305)에는, 예를 들면, 심층신경망(DNN) 구조를 이루는 웨이트(weight), 바이어스(bias)들이 저장될 수 있다.
예를 들면, 심층신경망 구조를 이루는 웨이트(weight), 바이어스(bias)들은, 장애물인식모듈(354)의 임베디드 메모리(embedded memory)에 저장될 수 있다.
장애물인식모듈(354)은, 예를 들면, 영상획득부(320)가 획득하는 영상의 일부 영역을 추출할 때마다 상기 추출된 영상을 트레이닝(training) 데이터로 사용하여 학습 과정을 수행하거나, 소정 개수 이상의 추출 영상이 획득된 후 학습 과정을 수행할 수 있다.
즉, 장애물인식모듈(354)은, 예를 들면, 장애물을 인식할 때마다 인식 결과를 추가하여 웨이트(weight) 등 심층신경망(DNN) 구조를 업데이트(update)하거나, 소정 횟수의 트레이닝 데이터가 확보된 후에 확보된 트레이닝 데이터로 학습 과정을 수행하여 웨이트(weight) 등 심층신경망(DNN) 구조를 업데이트할 수 있다.
또는, 이동 로봇(100)은, 예를 들면, 통신부(390)를 통하여 영상획득부(320)가 획득한 원본 영상 또는 추출된 영상을 소정 서버로 전송하고, 소정 서버로부터 머신 러닝과 관련된 데이터를 수신할 수 있다.
이 경우에, 이동 로봇(100)은, 소정 서버로부터 수신된 머신 러닝과 관련된 데이터에 기초하여 장애물인식모듈(354)을 업데이트(update)할 수 있다.
도 4a는, 본 발명의 일 실시예에 따른, 이동 로봇에 구비된 라이다 센서의 설명에 참조되는 도면이고, 도 4b는, 본 발명의 일 실시예에 따른, 이동 로봇의 주행에 대한 설명에 참조되는 도면이다.
도 4a를 참조하면, 라이다 센서(175)는, 예를 들면, 360도 전 방향에 대하여 레이저를 출력할 수 있고, 객체로부터 반사된 레이저를 수신함으로써, 레이저를 반사시킨 객체와의 거리, 위치 방향, 재질 등의 정보를 획득할 수 있고, 주행 구역의 지형 정보를 획득할 수 있다.
이동 로봇(100)은, 예를 들면, 라이다 센서(175)의 성능 및 설정에 따른, 일정 거리 이내의 지형 정보를 획득할 수 있다. 예를 들면, 이동 로봇(100)은, 라이다 센서(175)를 기준으로 일정 거리(610)의 반경을 가지는 원 영역 이내의 지형 정보를 획득할 수 있다.
이동 로봇(100)은, 예를 들면, 원 영역을 복수의 이동 방향에 따라 구분할 수 있다. 예를 들면, 복수의 이동 방향이 4개로 설정되는 경우, 원 영역을 제1 이동 방향(501) 내지 제4 이동 방향(504)에 대응하는 4개의 영역으로 구분할 수 있고, 주행 구역의 지형 정보를 각 영역에 대하여 구분할 수 있다.
도 4b는, 본 발명의 일 실시예에 따른, 이동 로봇의 주행에 대한 설명에 참조되는 도면이다.
도 4b를 참조하면, 이동 로봇(100)은, 주행 구역의 지형 정보를 획득할 수 있다. 예를 들면, 이동 로봇(100)은, 주행 명령에 따라 주행하는 동안, 라이다 센서(175)를 통해 주행 구역의 지형 정보를 획득할 수 있다.
이동 로봇(100)은, 라이다 센서(175)를 통해 획득한 4개의 이동 방향에 대한 지형 정보로부터, 자유 가장자리(free edge)를 추출할 수 있다. 여기서, 자유 가장자리(free edge)는, 예를 들면, 이동 로봇(100)의 주행이 가능한, 레이저를 반사시킨 객체들 사이의 공간에 대한 정보를 의미할 수 있다.
도 4b에 도시된 바와 같이, 이동 로봇(100)은, 각각의 이동 방향에 대해서, 이동 통로의 양 끝점과, 라이다 센서(175)를 기준으로 일정 거리의 반경을 가지는 원 영역에 의해 그려지는 호에 기초하여 자유 가장자리(free edge)를 추출할 수 있다.
자유 가장자리(E1, E2, E3)는, 각 이동 방향의 이동 통로의 넓이, 이동 통로의 위치 정보, 이동 통로의 중앙점에 대한 정보 등을 포함할 수 있으며, 이동 통로의 양 끝점과 이동 로봇(100)의 중심선 사이의 각도에 대한 정보도 포함할 수 있다. 여기서, 이동 로봇(100)의 중심선은, 예를 들면, 이동 로봇(100)을 기준으로, 복수의 이동 방향을 향해 연장한 직선을 의미할 수 있다.
한편, 이동 로봇(100)은, 자유 가장자리(free edge)에서 벽면과 같은 장애물에 대응하는 특징점(이하, 에지(edge))를 추출할 수 있다. 이때, 이동 로봇(100)은, 에지(edge) 간의 간격에 기초하여, 이동 통로의 너비, 장애물 사이의 간격 등을 판단할 수 있다.
한편, 이동 로봇(100)은, 이동 통로의 중앙을 따라 이동하기 위하여, 자유 가장자리(free edge)에 기초하여, 이동 통로의 중앙점을 검출할 수 있고, 중앙점에 따라 주행할 수 있다.
도 5는, 본 발명의 일 실시예에 따른, 이동 로봇의 맵 생성 과정에 대한 플로우 차트이다.
도 5를 참조하면, 이동 로봇(100)은, 이동하면서 노드 기반의 제1 맵 데이터 및 그리드 기반의 제2 맵 데이터를 생성할 수 있다.
이동 로봇(100)은, 노드 기반의 제1 맵 데이터와 그리드 기반의 제2 맵 데이터를 독립적으로 생성할 수 있다. 제1 맵 데이터 생성은, 도6a 내지 도 6j를 통해 이해될 수 있다. 제2 맵 데이터 생성은, 도 12a 내지 도 12f를 통해 이해될 수 있다.
이동 로봇(100)은, 노드 기반의 제1 맵 데이터와 그리드 기반의 제2 맵 데이터를 융합할 수 있다. 이동 로봇(100)은, 라이다 데이터를 수신 단계(S501), 노드 데이터 생성 단계(S502), 그리드 맵 생성 단계(S503), 제1 맵 데이터 생성 단계(S504), 그리드 맵 갱신 단계(S505), 제2 맵 데이터 생성 단계(S506)를 통해, 제1 맵 데이터와 제2 맵 데이터를 융합할 수 있다.
이하, 제1 맵 데이터와 제2 맵 데이터의 융합하는 방법에 대해 상세하게 설명한다.
라이다 데이터를 수신 단계(S501)는 제어부(350)가 거리 측정 센서 중 라이다 센서(175)를 통해 센싱한 라이다 데이터를 수신하는 과정일 수 있다. 라이다 센서(175)는 레이저를 출력하여 레이저를 반사시킨 객체의 거리, 위치 방향, 재질 등의 정보를 제공하며 주행 구역의 지형 정보를 획득할 수 있다.
본 발명의 일 실시예에 따른 라이다 데이터는 라이다 센서(175)가 센싱한 장애물들의 거리와 위치, 방향 등의 정보를 의미할 수 있다.
노드 데이터 생성 단계(S502)는, 라이다 데이터를 기초로 하여 노드에 대한 데이터인 노드 데이터를 생성하는 과정일 수 있다.
노드는, 예를 들면, 주행 구역 상의 일 지점을 의미할 수 있다. 노드에 대한 데이터는, 예를 들면, 노드 위치에 대한 주행 구역 상의 좌표, 노드에서의 복수의 이동 방향에 대한 정보, 다른 노드와의 관계에 대한 정보 등을 포함할 수 있다.
노드 데이터는, 적어도 하나의 노드 각각에 대하여, 노드 위치의 좌표 값과, 상기 복수의 이동 방향 각각에 대한 데이터 값을 포함할 수 있다. 복수의 이동 방향 각각에 대한 데이터 값은, 오픈(open)된 이동 방향을 나타내는 제1 데이터 값, 상기 이동 로봇의 주행이 불가능한 이동 방향을 나타내는 제2 데이터 값, 및 다른 노드를 나타내는 제3 데이터 값 중 어느 하나로 설정되는 것을 의미할 수 있다.
예를 들면, 오픈(open)된 이동 방향을 나타내는 제1 데이터 값은 -2, 상기 이동 로봇의 주행이 불가능한 이동 방향을 나타내는 제2 데이터 값은 -1, 및 다른 노드를 나타내는 제3 데이터 값은 노드 생성 순서에 따라 1, 2, 3 등일 수 있다.
그리드 맵 생성 단계(S503)는, 라이다 데이터 및 노드 데이터에 기초하여 셀 기반의 그리드 맵을 생성하는 과정일 수 있다.
그리드 맵은, 이동 로봇(100)의 주변 환경 인식을 위한 맵으로, 주변 공간을 동일한 크기의 격자 또는 셀(이하 셀)로 표현하고 각 셀에 물체의 유무를 표시한 맵을 의미할 수 있다. 이동 로봇(100)은 거리 측정 센서를 이용하여 주변 환경에 대한 그리드 맵을 생성할 수 있다.
그리드 맵(400)은 소정의 공간을 동일한 크기의 셀로 나누고 각 셀에 물체의 존재 유무를 표시한 지도가 될 수 있다. 물체의 존재 유무는 색상을 통해서 표시될 수 있다. 예를 들어, 흰색 셀은 물체가 없는 영역을, 회색 셀은 물체가 있는 영역을 나타낼 수 있다. 따라서, 회색 셀을 연결한 선은 어떠한 공간의 경계선(벽, 장애물 등)을 나타낼 수 있다. 셀의 색상은 이미지 처리 과정을 통해 바뀔 수 있다.
제어부(350)는, 노드를 생성하면서 동시에 그리드 맵을 생성할 수 있다.
제어부(350)는, 노드의 생성이 완료된 후에 그리드 맵을 생성할 수 있다.
이하 그리드 맵 생성 단계(S503)는, 노드를 생성하면서 동시에 그리드 맵을 생성하는 과정을 의미할 수 있다.
제어부(350)는, 노드 데이터를 생성하면서, 상기 노드 위치에 대한 좌표 값을 기준으로 상기 라이다 센서의 센싱 범위 내에서 상기 그리드 맵을 생성할 수 있다. 즉, 제어부(350)는, 노드가 생성되고, 생성된 노드로 이동하면서 라이다 센서의 센싱 범위 내에서 그리드 맵을 생성할 수 있다.
그리드 맵을 생성하는 경우의 라이다 센서의 센싱 범위는 노드 데이터를 생성하는 경우의 센싱 범위와 다를 수 있다. 예를 들어, 그리드 맵을 생성할 때의 라이다 센서의 센싱 범위는 11m 일 수 있다. 예를 들어, 노드 데이터를 생성하는 경우의 센싱 범위는 3m일 수 있다.
제어부(350)는 노드 데이터 기반으로 그리드 맵을 생성하는 경우, 센싱 범위를 노드 데이터를 생성하는 경우의 센싱 범위로 설정할 수 있다. 예를 들어, 제어부(350)는, 노드가 생성되고, 생성된 노드로 이동하면서 라이다 센서의 센싱 범위인 3m 내에서 그리드 맵을 생성할 수 있다.
제어부(350)는, 노드 기반의 제1 맵 데이터 생성이 완료될 때까지 노드 데이터 기반으로 그리드 맵을 생성할 수 있다. 제어부(350)는, 제1 맵 데이터의 생성이 완료되면 노드 데이터 기반의 그리드 맵을 최종적으로 갱신하고, 저장할 수 있다.
제1 맵 데이터 생성 단계(S504)는, 생성된 노드 데이터를 기반으로 하여, 노드에 관한 맵을 생성하는 과정일 수 있다.
제어부(350)는, 라이다 센서의 센싱 데이터인 라이다 데이터를 수신하고, 라이다 데이터 및 노드 데이터에 기초하여, 기 설정된 복수의 이동 방향 중, 오픈(open)된 이동 방향이 적어도 하나 존재하는지 여부를 판단할 수 있다.
제어부(350)는, 상기 복수의 이동 방향 중, 상기 이동 로봇(100)의 주행이 가능하고, 이동 로봇이 기 주행하지 않은 이동 방향을, 상기 오픈(open)된 이동 방향으로 판단할 수 있다.
제어부(350)는, 오픈(open)된 이동 방향이 적어도 하나 존재하는 경우, 기 설정된 조건에 따라, 노드 데이터를 업데이트하고, 상기 오픈(open)된 이동 방향 중 어느 하나를, 상기 본체(110)가 이동하는 주행 방향으로 결정할 수 있다.
노드 데이터를 업데이트 하는 것은, 새로운 노드를 생성하거나, 적어도 하나의 노드 각각에 대한 노드 위치의 좌표 값과, 복수의 이동 방향 각각에 대한 데이터 값을 갱신하는 것을 포함할 수 있다.
제어부(350)는, 오픈(open)된 이동 방향이 존재하지 않는 경우, 노드 데이터에 기초하여, 적어도 하나의 노드 중 업데이트(update)가 필요한 노드가 적어도 하나 존재하는지 여부를 판단할 수 있다.
제어부(350)는, 복수의 이동 방향 각각에 대한 데이터 값 중 적어도 하나가, 오픈(open)된 이동 방향을 나타내는 제1 데이터 값으로 설정된 노드를, 업데이트(update)가 필요한 노드로 판단할 수 있다.
제어부(350)는, 업데이트가 필요한 노드가 존재하는 경우, 업데이트가 필요한 노드 중 어느 하나로 이동 로봇(100)이 이동하도록 주행부(360)를 제어할 수 있다.
제어부(350)는, 업데이트가 필요한 노드가 존재하지 않는 경우, 노드 데이터에 기초하여, 적어도 하나의 노드를 포함하는 제2 맵 데이터의 생성을 완료할 수 있다.
제1 맵 데이터 생성 단계(S504)는, 이하 도 6a 내지 6j를 통해, 보다 상세하게 설명될 수 있다.
그리드 맵 갱신 단계(S505)는, 제1 맵 데이터의 생성이 완료되고, 노드 데이터 기반의 그리드 맵을 최종적으로 갱신하는 과정일 수 있다.
제어부(350)는 갱신된 노드 데이터 기반의 그리드 맵을 저장부(305)에 저장할 수 있다. 최종 갱신된 노드 데이터 기반의 그리드 맵은, 노드의 생성이 완료되어 있으며, 노드를 생성하기 위해 이동 로봇(100)이 이동하면서, 라이다 센서의 센싱 범위(예: 3m) 내에서 셀을 표시한 맵을 의미할 수 있다.
갱신된 그리드 맵은, 모든 영역이 탐색되어 있을 수 있다. 갱신된 그리드 맵은, 미탐색 영역이 존재할 수 있다. 탐색 영역과 미탐색 영역을 확인하고, 미탐색 영역에 대한 맵을 생성하기 위해, 상기 갱신된 그리드 맵을 기반으로 제2 맵 데이터 생성과정을 거칠 수 있다.
제2 맵 데이터 생성 단계(S506)는, 최종 갱신된 노드 데이터 기반의 그리드 맵을, 이미지 처리 과정을 통해 업데이트 하는 과정일 수 있다.
제어부(350)는, 갱신된 그리드 맵을, 라이다 센서가 센싱한 결과 빈 공간인 제1 영역, 라이다 센서가 센싱한 결과 장애물이 존재하는 공간인 제2 영역 및 라이다 센서가 센싱하지 않은 제3 영역으로 구분할 수 있다.
제어부(350)는, 제1 영역과 제3 영역의 사이에 경계선을 생성하는 이미지 처리를 할 수 있다.
제어부(350)는, 각 영역의 색상을 다르게 나타내되, 제1 영역의 색상과 제3 영역의 색상 차이를 가장 크게 나타내고, 제1 영역과 제3 영역 사이에 선분을 표시하는 이미지 처리를 할 수 있다.
제어부(350)는, 이미지 처리된 선분을 경계선으로 판단할 수 있다.
제어부(350)는, 경계선이 하나 이상이면 최적의 경계선을 선택하고, 최적의 경계선까지의 경로 계획을 수행하고, 경로를 따라 이동하면서 그리드 맵을 업데이트할 수 있다.
제어부(350)는, 더 이상 경계선이 존재하지 않는다고 판단하면, 그리드 맵을 저장하고 제2 맵 데이터를 생성을 완료할 수 있다.
제2 맵 데이터 생성 단계(S506)를 완료한 제2 맵 데이터는, 노드 기반의 제1 맵 데이터와 그리드 기반의 제2 맵 데이터가 융합된 맵 데이터 일 수 있다.
제2 맵 데이터 생성 단계(S506)는, 독립적으로 수행될 수 있다. 이하 도 12a 내지 도 12f를 통해, 보다 상세하게 설명될 수 있다.
제1 맵 데이터는, 빠르고 안전한 맵 데이터 생성이 장점인 노드 기반의 맵 생성 방법에 의해 생성될 수 있다. 제2 맵 데이터는, 제1 맵 데이터를 기반으로 환경 제약이 없는 맵 데이터 생성이 장점인 그리드 맵 생성 방법에 의해 생성될 수 있다.
즉, 최종적으로 생성된 제2 맵 데이터는 빠르고 안전하면서도, 환경 제약이 없는 노드 기반의 맵 생성 방법 및 그리드 기반의 맵 생성 방법이 융합된 맵 데이터 일 수 있다.
도 6a 내지 6j는, 본 발명의 일 실시예에 따른, 이동 로봇의 제1 맵 데이터 생성 과정을 나태내는 도면이다.
본 도면에서 설명하는 이동 로봇(100)의 동작은, 이동 로봇(100)에 구비된 구성들(예: 도 3의 제어부(350))의 동작으로 이해될 수 있다.
도 6a를 참조하면, 이동 로봇(100)은, 맵 생성 기능이 실행되는 경우, 복수의 이동 방향을 설정할 수 있다.
예를 들면, 이동 로봇(100)은, 맵 생성 기능이 실행되는 경우, 맵 생성 기능이 실행되는 시점에 이동 로봇(100)의 전면이 향하는 방향을 제1 이동 방향(501), 이동 로봇(100)의 좌측면이 향하는 방향을 제2 이동 방향(502), 이동 로봇(100)의 우측면이 향하는 방향을 제3 이동 방향(503), 제1 방향의 반대 방향인 이동 로봇(100)의 후면이 향하는 방향을 제4 이동 방향(504)으로 설정할 수 있다.
한편, 이동 로봇(100)은, 맵 생성 기능이 실행되는 경우, 이동 로봇(100)의 위치를 조정할 수 있고, 조정된 위치를 기준으로 복수의 이동 방향(501 내지 504)을 설정할 수 있다.
예를 들면, 이동 로봇(100)은, 주행 구역 내의 천장에 대한 영상을 획득하는 상부 카메라(예: 도 1a의 상부 카메라(120b))를 통해, 천장에 대한 영상의 특징(예: 천장 방향)을 검출할 수 있고, 검출된 특징에 기초하여, 이동 로봇(100)의 위치를 조정할 수 있다.
한편, 이동 로봇(100)은, 맵 생성 기능이 실행되는 경우, 현재 이동 로봇(100)의 위치에 대응하는 제1 노드(N1)를 생성할 수 있다. 예를 들면, 이동 로봇(100)은, 제1 노드(N1)의 좌표를 (0, 0)으로 설정할 수 있고, 이후 생성되는 노드의 좌표를 제1 노드(N1)의 좌표를 기준으로 설정할 수 있다. 여기서, 노드의 좌표는, 예를 들면, 좌표 평면 상의 좌표일 수 있다.
이동 로봇(100)은, 라이다 센서(예: 도 4a의 라이다 센서(175))를 통해, 복수의 이동 방향(501 내지 504) 중 오픈(open)된 이동 방향이 존재하는지 여부를 판단할 수 있다.
여기서 오픈(open)된 이동 방향은, 예를 들면, 이동 로봇(100)의 주행이 가능하고, 이동 로봇(100)이 기 주행하지 않은 이동 방향을 의미할 수 있다.
예를 들면, 이동 로봇(100)으로부터 일정 거리(예: 3 m) 이내에 이동 로봇(100)의 주행이 불가능한 종류의 장애물(예: 벽면)이 존재하거나, 이동 통로의 너비가 이동 로봇(100)의 주행이 가능한 소정 기준 너비 미만인 경우, 이동 로봇(100)은 주행이 불가능한 것으로 판단할 수 있다.
도 6b를 참조하면, 이동 로봇(100)은, 라이다 센서(175)를 통해 획득한, 일정 거리(610) 이내의 주행 구역의 지형 정보에 기초하여, 복수의 이동 방향(501 내지 504)에 대한 이동 통로의 너비를 각각 확인할 수 있다.
이동 로봇(100)은, 복수의 이동 방향(501 내지 504)에 대응하는 각각의 영역에서, 이동 통로의 너비 산출의 기준이 되는 에지(edge)를 결정할 수 있고, 각 에지 간의 간격에 기초하여, 이동 통로의 너비를 확인할 수 있다.
이때, 이동 통로의 너비가 기준 너비(예: 이동 로봇(100)의 직경) 이상인 경우, 이동 로봇(100)은 주행이 가능한 이동 통로인 것으로 판단할 수 있다.
이동 로봇(100)은, 제1 이동 방향(501)에 대응하는 영역에서 두 에지(e11, e12)를 결정할 수 있고, 두 에지(e11, e12) 간의 거리에 기초하여, 제1 이동 방향(501)에 대한 이동 통로의 너비(L1)가 기준 너비 이상인 것을 판단할 수 있다.
한편, 제3 이동 방향(503)에 대한 이동 통로의 너비(L3)는 기준 너비 이상이나. 이동 로봇(100)으로부터 일정 거리(610) 이내에 이동 로봇(100)의 주행이 불가능한 종류의 장애물(예: 벽면)이 존재하는 것을 확인할 수 있다.
또한, 제4 이동 방향(504) 역시, 이동 로봇(100)으로부터 일정 거리(610) 이내에 이동 로봇(100)의 주행이 불가능한 종류의 장애물(예: 벽면)이 존재하는 것을 확인할 수 있다.
따라서, 이동 로봇(100)은, 제1 이동 방향(501) 및 제2 이동 방향(502)을 오픈(open)된 이동 방향으로 판단할 수 있다.
이동 로봇(100)은, 예를 들면, 복수의 이동 방향(501 내지 504) 중 오픈(open)된 이동 방향이 존재하는지 여부를 판단하고, 판단 결과에 기초하여 노드를 생성할 수도 있다.
예를 들면, 이동 로봇(100)은, 오픈(open)된 이동 방향에 이동 로봇(100)의 현재 주행 방향이 포함되지 않은 경우, 또는 오픈(open)된 이동 방향에 이동 로봇(100)의 현재 주행 방향을 포함한 복수의 이동 방향이 포함된 경우, 노드를 생성할 수 있다.
한편, 예를 들면, 이동 로봇(100)의 현재 주행 방향으로 설정된 이동 방향만 오픈(open)된 경우, 이동 로봇(100)은, 노드를 생성하지 않고, 설정된 주행 방향에 따라 직진할 수 있다.
한편, 예를 들면, 이동 로봇(100)은, 현재 위치에 대응하는 노드가 존재하는 경우, 노드를 생성하지 않을 수 있다. 이때, 도 6a에서 제1 노드(N1)를 생성하였으므로, 이동 로봇(100)은 노드를 생성하지 않을 수 있다.
한편, 도 6a에서는, 맵 생성 기능이 실행되는 경우, 이동 로봇(100)이 현재 이동 로봇(100)의 위치에 대응하여 제1 노드(N1)를 생성하는 것으로 설명하였으나, 본 발명은 이에 한정되는 것은 아니다.
따라서, 맵 생성 기능이 실행되는 경우, 이동 로봇(100)의 주행 방향이 설정되지 않은 관계로, 오픈(open)된 이동 방향에 이동 로봇(100)의 현재 주행 방향이 포함되지 않은 경우에 해당하므로, 이동 로봇(100)은, 복수의 이동 방향(501 내지 504) 중 오픈(open)된 이동 방향이 존재하는지 여부를 판단한 후 제1 노드(N1)를 생성할 수도 있다.
이동 로봇(100)은, 예를 들면, 맵 생성 기능이 실행되는 시점에 이동 로봇(100)의 전면이 향하는 방향을 주행 방향으로 결정할 수도 있다.
이동 로봇(100)은, 예를 들면, 오픈(open)된 이동 방향 중 어느 하나를 주행 방향으로 결정할 수도 있다. 이동 로봇(100)은, 예를 들면, 오픈(open)된 이동 방향 각각의 비용(cost)을 확인할 수 있고, 오픈(open)된 이동 방향들의 비용을 비교하여, 주행 방향을 결정할 수 있다. 여기서, 비용(cost)은, 예를 들면, 오픈(open)된 이동 방향 각각에 대한 이동 통로의 너비, 현재 주행 방향으로 설정되어 있는지 여부 등을 포함할 수 있다.
예를 들면, 이동 로봇(100)은, 오픈(open)된 이동 방향 각각에 대한 이동 통로의 너비를 비교할 수 있고, 너비가 가장 넓은 이동 통로의 이동 방향을 주행 방향으로 결정할 수 있다. 본 도면에서는, 제1 이동 방향(501)에 대한 이동 통로의 너비(L1)가 가장 넓으므로, 제1 이동 방향(501)이 주행 방향으로 결정될 수 있다.
예를 들면, 이동 로봇(100)은, 오픈(open)된 이동 방향 중, 현재 주행 방향으로 설정된 이동 방향을 주행 방향으로 유지할 수도 있다.
한편, 이동 로봇(100)에 저장된 노드에 대한 데이터에 대해서 다음 표 1을 참조하여 설명하도록 한다.
노드 X 좌표
(cm)		 Y 좌표
(cm)		 제1이동방향
(501)		 제2이동방향
(502)		 제3이동방향
(503)		 제4이동방향
(504)
N1 0 0 -2(open) -2(open) -1 -1
표 1을 참조하면, 제1 노드(N1)의 좌표는 (0, 0)으로 설정될 수 있고, 제1 및 제2 이동 방향(501, 502)는 오픈(open)을 나타내는 -2, 제3 및 제4 이동 방향(503, 504)는 오픈(open)되지 않음을 나타내는 -1로 설정될 수 있다. 한편, 본 도면에서는, 좌표의 기준 수치를 센티미터(cm)로 설명하나, 본 발명이 이에 한정되는 것은 아니다. 한편, 제3 이동 방향(503)의 경우, 이동 로봇(100)으로부터 일정 거리(610) 이내에 이동 로봇(100)의 주행이 불가능한 종류의 장애물(예: 벽면)이 존재하나, 이동 통로의 너비(L3)가 기준 너비 이상이며, 이동 로봇(100)이 주행할 수 있는 영역이 존재하므로, 제1 노드(N1)로부터 제3 이동 방향(503)으로 소정 거리 이격된 위치에 제2 노드(N2)를 생성할 수 있다. 이때, 생성되는 노드의 위치는, 예를 들면, 이동 로봇(100)과 장애물 간의 거리(L4)를 고려하여 결정될 수 있다.
제1 노드(N1) 및 제2 노드(N2)에 대한 데이터는 다음 표 2와 같이 설정될 수 있다.
노드 X 좌표
(cm)		 Y 좌표
(cm)		 제1이동방향
(501)		 제2이동방향
(502)		 제3이동방향
(503)		 제4이동방향
(504)
N1 0 0 -2(open) -2(open) 2 -1
N2 0 -200 -1 1 -1 -1
표 2를 참조하면, 제1 노드(N1)의 제3 이동 방향(503)에 제2 노드(N2)가 생성됨에 따라, 제1 노드(N1)의 제3 이동 방향(503)에 대한 데이터 값은 제2 노드(N2)를 가리키는 2로 업데이트(update)될 수 있다.한편, 제2 노드(N2)의 좌표는 (0, -200)으로 설정될 수 있고, 제2 이동 방향(502)에 제1 노드(N1)가 위치함에 따라, 제2 노드(N2)의 제2 이동 방향(502)에 대한 데이터 값은 1로 설정될 수 있다.
이동 로봇(100)은, 주행 방향으로 결정된 제1 이동 방향으로 주행할 수 있다. 이동 로봇(100)은, 주행 방향의 이동 통로로 주행하는 동안, 이동 통로의 중앙을 따라 주행할 수 있다.
예를 들면, 이동 로봇(100)은, 주행 방향의 이동 통로로 주행하는 동안, 이동 통로의 너비 산출의 기준이 되는 에지(edge)에 기초하여 이동 통로의 중앙점을 검출할 수 있고, 중앙점에 따라 주행할 수 있다.
한편, 이동 로봇(100)은, 주행 방향의 이동 통로로 주행하는 동안, 복수의 이동 방향(501 내지 504) 중 오픈(open)된 이동 방향이 존재하는지 여부를 판단할 수 있다. 예를 들면, 이동 로봇(100)은, 주행 방향의 이동 통로로 주행하는 동안, 복수의 이동 방향(501 내지 504) 중 오픈(open)된 이동 방향이 존재하는지 여부를 소정 주기에 따라 지속적으로 판단할 수 있다.
도 6c를 참조하면, 제3 이동 방향(503)에 대한 이동 통로의 너비(L3)는 기준 너비 이상이나. 이동 로봇(100)으로부터 일정 거리(610) 이내에 이동 로봇(100)의 주행이 불가능한 종류의 장애물(e33)이 존재하는 것을 확인할 수 있다.
한편, 제4 이동 방향(504)은, 주행 방향의 반대 방향에 해당하여, 이동 로봇(100)이 기 주행한 이동 방향에 해당하므로, 이동 로봇(100)은, 오픈(open)되지 않은 이동 방향으로 판단할 수 있다.
따라서, 이동 로봇(100)은, 복수의 이동 방향(501 내지 504) 중 주행 방향인 제1 이동 방향(501)만 오픈(open)된 것을 확인할 수 있고, 현재 주행 방향으로 계속 주행할 수 있다.
도 6d를 참조하면, 이동 로봇(100)은, 주행 방향의 이동 통로로 주행하는 동안, 복수의 이동 방향(501 내지 504) 중, 제1 및 제2 이동 방향(501, 502)이 오픈(open)된 이동 방향인 것을 확인할 수 있다.
현재 주행 방향인 제1 주행 방향(501)을 포함한 복수의 이동 방향이 오픈(open)된 이동 방향에 해당하므로, 이동 로봇(100)은 제3 노드(N3)를 생성할 수 있다.
제1 노드(N1) 내지 제3 노드(N3)에 대한 데이터는 다음 표 3과 같이 설정될 수 있다.
노드 X 좌표
(cm)		 Y 좌표
(cm)		 제1이동방향
(501)		 제2이동방향
(502)		 제3이동방향
(503)		 제4이동방향
(504)
N1 0 0 3 -2(open) 2 -1
N2 0 -200 -1 1 -1 -1
N3 400 0 -2(open) -2(open) -1 1
표 3을 참조하면, 제1 노드(N1)의 제1이동 방향(501)에 제3 노드(N3)가 생성됨에 따라, 제1 노드(N1)의 제1 이동 방향(501)에 대한 데이터 값은 제3 노드(N3)를 가리키는 3으로 업데이트(update)될 수 있다.한편, 제3 노드(N3)의 좌표는, 이동 로봇(100)의 주행 거리에 기초하여, (400, 0)으로 설정될 수 있고, 제4 이동 방향(504)에 제1 노드(N1)가 위치함에 따라, 제3 노드(N3)의 제4 이동 방향(504)에 대한 데이터 값은 제1 노드(N1)를 가리키는 1로 설정될 수 있다.
이동 로봇(100)은, 오픈(open)된 제1 및 제2 이동 방향(501, 502) 각각에 대한 이동 통로의 너비(L1, L2)를 비교하여, 제1 이동 방향(501)을 주행 방향으로 결정할 수 있다.
도 6e를 참조하면, 이동 로봇(100)은, 주행 방향에 따라 주행하는 동안, 도 6d에서 제3 노드(N3)를 생성한 것과 동일하게, 제4 노드(N4)를 생성할 수 있다.
한편, 제1 노드(N1) 내지 제4 노드(N4)에 대한 데이터는 다음 표 4와 같이 설정될 수 있다.
노드 X 좌표
(cm)		 Y 좌표
(cm)		 제1이동방향
(501)		 제2이동방향
(502)		 제3이동방향
(503)		 제4이동방향
(504)
N1 0 0 3 -2(open) 2 -1
N2 0 -200 -1 1 -1 -1
N3 400 0 4 -2(open) -1 1
N4 800 0 -2(open) -2(open) -1 3
표 4를 참조하면, 제3 노드(N3)의 제1이동 방향(501)에 제4 노드(N4)가 생성됨에 따라, 제3 노드(N3)의 제1 이동 방향(501)에 대한 데이터 값은 제4 노드(N4)를 가리키는 4로 업데이트(update)될 수 있다.한편, 제4 노드(N4)의 좌표는, 이동 로봇(100)의 주행 거리에 기초하여, (800, 0)으로 설정될 수 있고, 제4 이동 방향(504)에 제3 노드(N3)가 위치함에 따라, 제4 노드(N4)의 제4 이동 방향(504)에 대한 데이터 값은 제3 노드(N3)를 가리키는 3으로 설정될 수 있다.
한편, 이동 로봇(100)은, 주행 방향에 따라 주행하는 동안, 주행 방향인 제1 이동 방향(501)에 대하여 일정 거리(610) 이내에 이동 로봇(100)의 주행이 불가능한 종류의 장애물(예: 벽면)이 존재하는 것을 확인할 수 있다.
이때, 이동 로봇(100)은, 주행 방향에 따라 주행하는 상태이며, 이동 통로의 너비(L1)가 기준 너비 이상이므로, 도 6b에서 제1 노드(N1)를 생성한 것과 달리, 장애물에 접근할 때까지 계속 이동할 수 있다.
이동 로봇(100)이 장애물에 접근하는 동안에도, 복수의 이동 방향(501 내지 504) 중 오픈(open)된 이동 방향이 존재하지 않는 경우, 이동 로봇(100)은, 장애물에 접근한 위치에 새로운 노드를 생성할 수 있다.
또한, 이동 로봇(100)은, 노드에 대한 데이터에 기초하여, 노드 중에서 업데이트(update)가 필요한 노드가 존재하는지 여부를 판단할 수 있다. 여기서, 업데이트(update)가 필요한 노드는, 예를 들면, 노드와 관련된 데이터 값 중에서, 오픈(open)을 나타내는 -2를 포함하는 노드가 존재하는 경우, 해당 노드는 업데이트(update)가 필요한 노드로 판단될 수 있다.
한편, 도 6f와 같이, 이동 로봇(100)이 장애물에 접근하는 동안, 복수의 이동 방향(501 내지 504) 중, 주행 방향인 제1 이동 방향(501)은 오픈(open)되지 않고, 다른 이동 방향(502)이 오픈(open)된 것을 확인하는 경우, 이동 로봇(100)은 제5 노드(N5)를 생성할 수 있다.
한편, 제1 노드(N1) 내지 제5 노드(N3)에 대한 데이터는 다음 표 5와 같이 설정될 수 있다.
노드 X 좌표
(cm)		 Y 좌표
(cm)		 제1이동방향
(501)		 제2이동방향
(502)		 제3이동방향
(503)		 제4이동방향
(504)
N1 0 0 3 -2(open) 2 -1
N2 0 -200 -1 1 -1 -1
N3 400 0 4 -2(open) -1 1
N4 800 0 5 -2(open) -1 3
N5 1100 0 -1 -2(open) -1 4
표 5를 참조하면, 제4 노드(N4)의 제1이동 방향(501)에 제5 노드(N5)가 생성됨에 따라, 제4 노드(N4)의 제1 이동 방향(501)에 대한 데이터 값은 제5 노드(N5)를 가리키는 5로 업데이트(update)될 수 있다.한편, 제5 노드(N5)의 좌표는, 이동 로봇(100)의 주행 거리에 기초하여, (1100, 0)으로 설정될 수 있고, 제4 이동 방향(504)에 제4 노드(N4)가 위치함에 따라, 제5 노드(N5)의 제4 이동 방향(504)에 대한 데이터 값은 제4 노드(N4)를 가리키는 4로 설정될 수 있다.
한편, 이동 로봇(100)은, 복수의 이동 방향(501 내지 504) 중 오픈(open)된 이동 방향인 제2 이동 방향(502)을 주행 방향으로 결정할 수 있고, 제2 이동 방향(502)으로 주행할 수 있다.
도 6g를 참조하면, 이동 로봇(100)은, 주행 방향에 따라 주행하는 동안, 도 6c 내지 6e에서 제3 노드(N3) 내지 제5 노드(N5)를 생성한 것과 동일하게, 제6 노드(N6) 내지 제9 노드(N9)를 생성할 수 있다.
이때, 본 발명의 도면에서는, 모든 공간의 입구에 설치된 문이 폐쇄되어 있는 것을 기준으로 설명하며, 문이 개방되어 있는 경우, 이동 로봇(100)의 이동 경로는 상이할 수 있다.
한편, 제1 노드(N1) 내지 제9 노드(N9)에 대한 데이터는 다음 표 6과 같이 설정될 수 있다.
노드 X 좌표
(cm)		 Y 좌표
(cm)		 제1이동방향
(501)		 제2이동방향
(502)		 제3이동방향
(503)		 제4이동방향
(504)
N1 0 0 3 9 2 -1
N2 0 -200 -1 1 -1 -1
N3 400 0 4 -2(open) -1 1
N4 800 0 5 -2(open) -1 3
N5 1100 0 -1 6 -1 4
N6 1100 450 -1 -1 5 7
N7 810 450 6 -1 -2(open) 8
N8 420 450 7 -1 -2(open) 9
N9 5 450 8 -1 1 -1
한편, 이동 로봇(100)은, 제9 노드(N9)에서 제3 이동 방향(503)으로 주행하는 동안, 제1 노드(N1)로 복귀하는 것을 확인할 수 있다.이동 로봇(100)은 제1 노드(N1)에 대응하는 위치에서 오픈(open)된 이동 방향이 존재하지 않음을 확인할 수 있다. 이때, 해당 위치에 제1 노드(N1)가 기 설정되어 있으므로, 이동 로봇(100)은 새로운 노드를 생성하지 않고, 노드에 대한 데이터에 기초하여, 노드 중에서 업데이트(update)가 필요한 노드가 존재하는지 여부를 판단할 수 있다.
이동 로봇(100)은, 업데이트(update)가 필요한 노드가 존재하는 경우, 업데이트(update)가 필요한 노드 중 어느 하나로 이동할 수 있다. 이때, 이동 로봇(100)은, 업데이트(update)가 필요한 노드 중, 이동 로봇(100)의 현재 위치로부터 최단 거리에 위치하는 노드를 결정할 수 있다.
예를 들면, 이동 로봇(100)은, 노드에 대한 데이터에 포함된 노드들 간의 거리를 확인할 수 있고, 이동 로봇(100)의 현재 위치로부터 최단 거리에 위치하는 노드를 결정할 수 있다.
한편, 이동 로봇(100)은, 업데이트(update)가 필요한 노드 중 어느 하나로 이동한 후, 복수의 이동 방향(501 내지 504) 중 오픈(open)된 이동 방향이 존재하는지 여부를 판단할 수 있다.
상기 표 6을 참조하면, 이동 로봇(100)은, 노드와 관련된 데이터 값에 오픈(open)을 나타내는 -2가 포함되어 있는 제3 노드(N3), 제4 노드(N4), 제7 노드(N7), 및 제8 노드(N8)를 업데이트(update)가 필요한 노드로 판단할 수 있다.
도 6h를 참조하면, 이동 로봇(100)은, 업데이트(update)가 필요한 노드 중, 최단 거리에 위치하는 제3 노드(N3)로 이동할 수 있고, 제3 노드(N3)에서 오픈(open)된 이동 방향인 제2 이동 방향(502)을 주행 방향으로 결정하여, 주행할 수 있다.
이동 로봇(100)은, 주행 방향인 제2 이동 방향(502)으로 주행하는 동안, 복수의 이동 방향(501 내지 504) 중 주행 방향인 제2 이동 방향(502)만 오픈(open)된 것을 확인할 수 있고, 제2 이동 방향(502)으로 계속 주행할 수 있다.
한편, 이동 로봇(100)은, 소정 거리 이상 주행 방향으로만 주행하는 경우, 소정 거리에 따라 새로운 노드를 생성할 수 있다.
이동 로봇(100)은, 주행 방향으로 주행하는 동안, 제10 노드(N10)를 생성할 수 있다.
예를 들면, 이동 로봇(100)은, 주행 방향으로 주행하는 동안, 소정 거리 이상 복수의 이동 방향(501 내지 504) 중 주행 방향만 오픈(open)된 경우, 새로운 노드를 생성하여, 보다 정확한 맵을 작성할 수 있다.
이동 로봇(100)은, 제8 노드(N8)에 대응하는 위치에 도착한 것을 확인할 수 있다.
한편, 제1 노드(N1) 내지 제10 노드(N10)에 대한 데이터는 다음 표 7과 같이 설정될 수 있다.
노드 X 좌표
(cm)		 Y 좌표
(cm)		 제1이동방향
(501)		 제2이동방향
(502)		 제3이동방향
(503)		 제4이동방향
(504)
N1 0 0 3 9 2 -1
N2 0 -200 -1 1 -1 -1
N3 400 0 4 10 -1 1
N4 800 0 5 -2(open) -1 3
N5 1100 0 -1 6 -1 4
N6 1100 450 -1 -1 5 7
N7 810 450 6 -1 -2(open) 8
N8 420 450 7 -1 10 9
N9 5 450 8 -1 1 -1
N10 400 220 -1 8 3 -1
이동 로봇(100)은 제8 노드(N8)에 대응하는 위치에서 오픈(open)된 이동 방향이 존재하지 않음을 확인할 수 있다. 이때, 해당 위치에 제8 노드(N8)가 기 설정되어 있으므로, 이동 로봇(100)은 새로운 노드를 생성하지 않고, 노드에 대한 데이터에 기초하여, 노드 중에서 업데이트(update)가 필요한 노드가 존재하는지 여부를 판단할 수 있다. 상기 표 7을 참조하면, 이동 로봇(100)은, 노드와 관련된 데이터 값에 오픈(open)을 나타내는 -2가 포함되어 있는 제4 노드(N4) 및 제7 노드(N7)를 업데이트(update)가 필요한 노드로 판단할 수 있다.
도 6i를 참조하면, 이동 로봇(100)은, 업데이트(update)가 필요한 노드 중, 최단 거리에 위치하는 제7 노드(N7)로 이동할 수 있고, 제7 노드(N7)에서 오픈(open)된 이동 방향인 제3 이동 방향(503)을 주행 방향으로 결정하여, 주행할 수 있다.
도 6h에서와 같이, 이동 로봇(100)은, 주행 방향인 제3 이동 방향(503)으로 주행하는 동안, 복수의 이동 방향(501 내지 504) 중 주행 방향인 제3 이동 방향(503)만 오픈(open)된 것을 확인할 수 있고, 현재 주행 방향으로 계속 주행할 수 있다.
한편, 이동 로봇(100)은, 주행 방향으로 주행하는 동안, 보다 정확한 맵 작성을 위해, 제11 노드(N11)를 생성할 수 있다.
이동 로봇(100)은, 제4 노드(N4)에 대응하는 위치에 도착한 것을 확인할 수 있고, 제4 노드(N4)에 대응하는 위치에서 오픈(open)된 이동 방향이 존재하지 않음을 확인할 수 있다. 또한, 해당 위치에 제4 노드(N4)가 기 설정되어 있으므로, 이동 로봇(100)은 새로운 노드를 생성하지 않고, 노드에 대한 데이터에 기초하여, 노드 중에서 업데이트(update)가 필요한 노드가 존재하는지 여부를 판단할 수 있다.
한편, 제1 노드(N1) 내지 제11 노드(N11)에 대한 데이터는 다음 표 8과 같이 설정될 수 있다.
노드 X 좌표
(cm)		 Y 좌표
(cm)		 제1이동방향
(501)		 제2이동방향
(502)		 제3이동방향
(503)		 제4이동방향
(504)
N1 0 0 3 9 2 -1
N2 0 -200 -1 1 -1 -1
N3 400 0 4 10 -1 1
N4 800 0 5 11 -1 3
N5 1100 0 -1 6 -1 4
N6 1100 450 -1 -1 5 7
N7 810 450 6 -1 11 8
N8 420 450 7 -1 10 9
N9 5 450 8 -1 1 -1
N10 400 220 -1 8 3 -1
N11 810 230 -1 7 4 -1
이동 로봇(100)은, 노드에 대한 데이터에 기초하여, 업데이트(update)가 필요한 노드가 더 이상 존재하지 않는 것을 확인할 수 있고, 생성된 전역적 위상 맵(topological map)을 저장부(305)에 저장하여 제1 맵 데이터 생성을 완료할 수 있다.도 6j를 참조하면, 이동 로봇(100)은, 생성된 전역적 위상 맵(topological map)에 기초하여, 노드들 간의 관계를 확인할 수 있고, 이동 경로를 결정할 수도 있다.
도면에 도시하지는 않았지만, 제어부(350)는, 각 노드를 생성하고, 노드 데이터에 기초하여 이동 로봇(100)을 이동시키면서, 동시에 그리드 맵을 생성할 수 있다.
그리드 맵 생성 방법은, 4방향 또는 8방향으로 기 설정된 노드 기반의 맵 생성 방법과 달리, 방향의 제한이 없어, 세 갈래 길과 같은 환경에서도 원활한 맵 생성이 가능할 수 있다.
그러나, 그리드 맵 기반의 맵 생성 방법에 따르면, 이동 로봇(100)은, 통로의 중앙으로 이동할 수 없고, 경로 반복으로 인한 맵 생성의 지연 가능성이 있는 바, 우선적으로 노드 기반의 제1 맵 데이터를 생성하고, 그 후 그리드 기반의 제2 맵 데이터를 생성할 수 있다.
도 7은, 본 발명의 일 실시예에 따른, 이동 로봇의 제1 맵 데이터 생성 방법에 대한 순서도를 도시한 도면이다.
도 7을 참조하면, 이동 로봇(100)은, S701 동작에서, 복수의 이동 방향(501 내지 504) 중 오픈(open)된 이동 방향이 존재하는지 여부를 판단할 수 있다.
예를 들면, 이동 로봇(100)은, 기 설정된 복수의 이동 방향(501 내지 504) 각각에 대해서, 이동 로봇(100)으로부터 일정 거리(예: 3 m) 이내에 이동 로봇(100)의 주행이 불가능한 종류의 장애물(예: 벽면)이 존재하지 않고, 이동 통로의 너비가 이동 로봇(100)의 주행이 가능한 소정 기준 너비 이상이며, 이동 로봇(100)이 기 주행하지 않은 방향인지 여부를 판단할 수 있다.
이동 로봇(100)은, S702 동작에서, 복수의 이동 방향(501 내지 504) 중 오픈(open)된 이동 방향이 존재하는 경우, 기 설정된 조건에 따라 노드를 생성할 수 있다.
예를 들면, 이동 로봇(100)은, 오픈(open)된 이동 방향에 이동 로봇(100)의 현재 주행 방향이 포함되지 않은 경우, 또는 오픈(open)된 이동 방향에 이동 로봇(100)의 현재 주행 방향을 포함한 복수의 이동 방향이 포함된 경우, 노드를 생성할 수 있다.
한편, 예를 들면, 이동 로봇(100)의 현재 주행 방향으로 설정된 이동 방향만 오픈(open)된 경우, 이동 로봇(100)은, 노드를 생성하지 않고, 설정된 주행 방향에 따라 직진할 수 있다.
한편, 예를 들면, 이동 로봇(100)은, 현재 위치에 대응하는 노드가 존재하는 경우, 노드를 생성하지 않을 수 있다.
한편, 노드에 대한 데이터는, 노드에 대응하는 위치에서 복수의 이동 방향(501 내지 504)이 오픈(open)인지 여부에 대한 데이터 값을 포함할 수 있다.
이동 로봇(100)은, S703 동작에서, 오픈(open)된 이동 방향 중 어느 하나를 이동 로봇(100)의 주행 방향으로 결정할 수 있다.
예를 들면, 이동 로봇(100)은, 오픈(open)된 이동 방향 각각에 대한 이동 통로의 너비를 비교할 수 있고, 너비가 가장 넓은 이동 통로의 이동 방향을 주행 방향으로 결정할 수 있다.
또는, 예를 들면, 이동 로봇(100)은, 오픈(open)된 이동 방향 중, 현재 주행 방향으로 설정된 이동 방향을 주행 방향으로 유지할 수도 있다.
이동 로봇(100)은, S704 동작에서, 주행 방향으로 결정된 이동 방향으로 이동할 수 있다.
이때, 이동 로봇(100)은, 주행 방향의 이동 통로로 주행하는 동안, 이동 통로의 중앙을 따라 주행할 수 있다.
예를 들면, 이동 로봇(100)은, 주행 방향의 이동 통로로 주행하는 동안, 이동 통로의 너비 산출의 기준이 되는 에지(edge)에 기초하여 이동 통로의 중앙점을 검출할 수 있고, 중앙점에 따라 주행할 수 있다.
한편, 이동 로봇(100)은, 주행 방향의 이동 통로로 주행하는 동안, 복수의 이동 방향(501 내지 504) 중 오픈(open)된 이동 방향이 존재하는지 여부를 지속적으로 판단할 수 있다.
한편, 이동 로봇(100)은, S705 동작에서, 복수의 이동 방향(501 내지 504) 중 오픈(open)된 이동 방향이 존재하지 않는 경우, 노드 중에서 업데이트(update)가 필요한 노드가 존재하는지 여부를 판단할 수 있다.
예를 들면, 이동 로봇(100)은, 각각의 노드에 대한 데이터 값을 확인하여, 복수의 이동 방향(501 내지 504)에 대한 데이터 값 중에서 오픈(open)된 이동 방향을 나타내는 데이터 값이 포함된 노드가 존재하는 경우, 해당 노드를 업데이트(update)가 필요한 노드로 판단할 수 있다.
이동 로봇(100)은, S706 동작에서, 업데이트(update)가 필요한 노드가 존재하는 경우, 업데이트(update)가 필요한 노드 중 어느 하나로 이동할 수 있다.
예를 들면, 이동 로봇(100)은, 업데이트(update)가 필요한 노드 중, 이동 로봇(100)의 현재 위치로부터 최단 거리에 위치하는 노드로 이동할 수 있다.
한편, 이동 로봇(100)은, S707 동작에서, 업데이트(update)가 필요한 노드가 존재하지 않는 경우, 생성된 전역적 위상 맵(topological map)을 저장부(305)에 저장하여 맵 생성을 완료할 수 있다.
도 8a 및 8b는, 본 발명의 일 실시예에 따른, 이동 로봇의 제1 맵 데이터 생성 방법에 대한 순서도를 도시한 도면이다.
도 8a를 참조하면, 이동 로봇(100)은, S801 동작에서, 맵 생성 기능을 실행할 수 있다. 예를 들면, 이동 로봇(100)은, 전원이 온(on)된 경우, 또는 사용자로부터 맵 생성 기능을 실행하는 명령이 입력되는 경우, 맵 생성 기능을 실행할 수 있다.
이동 로봇(100)은, S802 동작에서, 복수의 이동 방향(501 내지 504)를 설정할 수 있다.
예를 들면, 이동 로봇(100)은, 맵 생성 기능이 실행되는 경우, 맵 생성 기능이 실행되는 시점에 이동 로봇(100)의 전면이 향하는 방향을 제1 이동 방향(501), 이동 로봇(100)의 좌측면이 향하는 방향을 제2 이동 방향(502), 이동 로봇(100)의 우측면이 향하는 방향을 제3 이동 방향(503), 제1 방향의 반대 방향인 이동 로봇(100)의 후면이 향하는 방향을 제4 이동 방향(504)으로 설정할 수 있다.
이동 로봇(100)은, S803 동작에서, 복수의 이동 방향(501 내지 504) 중 오픈(open)된 이동 방향이 존재하는지 여부를 판단할 수 있다.
예를 들면, 이동 로봇(100)은, 기 설정된 복수의 이동 방향(501 내지 504) 각각에 대해서, 이동 로봇(100)으로부터 일정 거리(예: 3 m) 이내에 이동 로봇(100)의 주행이 불가능한 종류의 장애물(예: 벽면)이 존재하지 않고, 이동 통로의 너비가 이동 로봇(100)의 주행이 가능한 소정 기준 너비 이상이며, 이동 로봇(100)이 기 주행하지 않은 방향인지 여부를 판단할 수 있다.
도 8b를 참조하면, 이동 로봇(100)은, S804 동작에서, 오픈(open)된 이동 방향이 존재하는 경우, 오픈(open)된 이동 방향에 이동 로봇(100)의 현재 주행 방향이 포함되는지 여부를 확인할 수 있다.
이때, 맵 생성 기능이 실행되는 시점에는 주행 방향이 설정되지 않을 수 있고, 오픈(open)된 이동 방향에 이동 로봇(100)의 현재 주행 방향이 포함되지 않은 경우로 판단될 수 있다.
이동 로봇(100)은, S805 동작에서, 오픈(open)된 이동 방향에 이동 로봇(100)의 현재 주행 방향이 포함되지 않은 경우, 이동 로봇(100)의 현재 위치에 대한 노드를 생성할 수 있다.
이동 로봇(100)은, S806 동작에서, 오픈(open)된 이동 방향 중 어느 하나를 주행 방향으로 결정할 수도 있다.
예를 들면, 이동 로봇(100)은, 오픈(open)된 이동 방향 각각에 대한 이동 통로의 너비를 비교할 수 있고, 너비가 가장 넓은 이동 통로의 이동 방향을 주행 방향으로 결정할 수 있다.
이동 로봇(100)은, S807 동작에서, 주행 방향으로 결정된 이동 방향으로 이동할 수 있다.
이때, 이동 로봇(100)은, 주행 방향의 이동 통로로 주행하는 동안, 이동 통로의 중앙을 따라 주행할 수 있다.
예를 들면, 이동 로봇(100)은, 주행 방향의 이동 통로로 주행하는 동안, 이동 통로의 너비 산출의 기준이 되는 에지(edge)에 기초하여 이동 통로의 중앙점을 검출할 수 있고, 중앙점에 따라 주행할 수 있다.
한편, 이동 로봇(100)은, 주행 방향의 이동 통로로 주행하는 동안, 복수의 이동 방향(501 내지 504) 중 오픈(open)된 이동 방향이 존재하는지 여부를 지속적으로 판단할 수 있다.
한편, 이동 로봇(100)은, S808 동작에서, 오픈(open)된 이동 방향에 이동 로봇(100)의 현재 주행 방향이 포함된 경우, 현재 주행 방향만 오픈(open)된 이동 방향인지 여부를 확인할 수 있다.
이때, 현재 주행 방향을 포함한 복수의 오픈(open)된 이동 방향이 존재하는 경우, S805 동작으로 분기하여, 이동 로봇(100)의 현재 위치에 대한 노드를 생성할 수 있다.
한편, 복수의 이동 방향(501 내지 504) 중 현재 주행 방향만 오픈(open)된 이동 방향인 경우, S807 동작으로 분기하여, 주행 방향으로 결정된 이동 방향으로 계속 이동할 수 있다.
한편, 도 8a를 다시 참조하면, 이동 로봇(100)은, S809 동작에서, 오픈(open)된 이동 방향이 존재하지 않는 경우, 노드를 생성할 수 있다.
이때, 해당 위치에 노드가 기 설정되어 있는 경우, 이동 로봇(100)은 새로운 노드를 생성하지 않을 수 있다.
이동 로봇(100)은, S810 동작에서, 노드 중에서 업데이트(update)가 필요한 노드가 존재하는지 여부를 판단할 수 있다.
예를 들면, 이동 로봇(100)은, 각각의 노드에 대한 데이터 값을 확인하여, 복수의 이동 방향(501 내지 504)에 대한 데이터 값 중에서 오픈(open)된 이동 방향을 나타내는 데이터 값이 포함된 노드가 존재하는 경우, 해당 노드를 업데이트(update)가 필요한 노드로 판단할 수 있다.
이동 로봇(100)은, S811 동작에서, 업데이트(update)가 필요한 노드가 존재하는 경우, 업데이트(update)가 필요한 노드 중 어느 하나를 결정할 수 있다.
예를 들면, 이동 로봇(100)은, 업데이트(update)가 필요한 노드 중, 이동 로봇(100)의 현재 위치로부터 최단 거리에 위치하는 노드를 결정할 수 있다.
이동 로봇(100)은, S812 동작에서, S811 동작에서 결정된 노드로 이동할 수 있다.
예를 들면, 이동 로봇(100)은, 업데이트(update)가 필요한 노드 중, 이동 로봇(100)의 현재 위치로부터 최단 거리에 위치하는 노드로 이동할 수 있다.
한편, 이동 로봇(100)은, S813 동작에서, 업데이트(update)가 필요한 노드가 존재하지 않는 경우, 생성된 전역적 위상 맵(topological map)을 저장부(305)에 저장하여 맵 생성을 완료할 수 있다.
상기와 같이, 본 발명의 다양한 실시예에 따르면, 이동 로봇(100)이 이동하는 동안 실시간으로 노드를 생성할 수 있고, 노드들 간의 연결 관계를 정확하게 설정할 수 있다.
또한, 본 발명의 다양한 실시예에 따르면, 위상 맵을 생성하는 동안, 이동 로봇(100)이 이동 통로의 중앙을 따라 주행함으로써, 장애물을 회피하는 동작을 최소화하면서 이동할 수 있어, 보다 안정적인 이동 경로를 제공하는 위상 맵을 생성할 수 있다.
또한, 본 발명의 다양한 실시예에 따르면, 이동 로봇(100)은, 복수의 이동 방향(501 내지 504)에 대한 데이터 값과 같은, 노드들 각각에 대한 정보를 정확하게 설정할 수 있어, 보다 정확한 이동 경로를 제공하는 위상 맵을 생성할 수 있다.
도 9는, 본 발명의 일 실시예에 따른, 이동 로봇의 제2 맵 생성 과정을 이해하는데 참조되는 플로우 차트이다.
도 9를 참조하면, 이동 로봇(100)은 거리 측정 센서를 통해 외부의 물체와의 거리에 관한 센서 데이터를 수신하는 단계(S901), 상기 센서 데이터를 기반으로 셀 단위의 그리드 맵을 생성하는 단계(S902), 상기 그리드 맵에서 영역을 구분하고, 상기 영역 사이에 경계선을 생성하는 이미지 처리 단계(S903), 하나 이상의 경계선이 존재하는지 판단하는 단계(S904), 하나 이상의 상기 경계선이 존재하면 최적의 경계선을 선택하는 단계(S905), 상기 최적의 경계선까지 경로를 계획하는 단계(S906) 및 상기 계획된 경로를 따라 이동하면서 상기 그리드 맵을 업데이트하는 단계(S907)를 통해 자동으로 맵을 생성할 수 있다.
이동 로봇(100)은 하나 이상의 경계선이 존재하는지 판단하는 단계(S904)에서 하나 이상의 상기 경계선이 존재하지 않으면 맵 생성을 완료(S908)하고, 저장부(305)에 상기 완료된 맵을 저장할 수 있다.
도 9의 센서 데이터 수신 단계(S901)는, 도 5의 라이다 데이터 수신 단계(S501)를 포함할 수 있다. 상기 센서 데이터는 라이다 데이터와 함께, 라이다 데이터로 생성된 노드 데이터를 포함할 수 있다.
센서 데이터 수신 단계(S901)는 제어부(350)가 거리 측정 센서 중 라이다 센서(175)를 통해 센싱한 라이다 데이터를 수신하는 과정일 수 있다. 라이다 센서(175)는 레이저를 출력하여 레이저를 반사시킨 객체의 거리, 위치 방향, 재질 등의 정보를 제공하며 주행 구역의 지형 정보를 획득할 수 있다.
본 발명의 일 실시예에 따른 라이다 데이터는 라이다 센서(175)가 센싱한 장애물들의 거리와 위치, 방향 등의 정보를 의미할 수 있다.
도 9의 그리드 맵 생성 단계(S902)는, 도 5의 그리드 맵 생성 단계(S503) 및 그리드 맵 갱신 단계(S505)를 포함할 수 있다. 즉, 독립적인 그리드 맵 생성 단계(S902)는, 노드 기반의 맵과 그리드 기반의 맵이 융합된 맵 생성 과정에서의 그리드 맵 생성 단계(S503) 및 그리드 맵 갱신 단계(S505)를 포함할 수 있다.
도 9의 그리드 맵 생성 단계(S902)가 완료되면, 도 5의 그리드 맵 갱신 단계(S505)가 완료된 갱신된 그리드 맵이 생성될 수 있다.
그리드 맵에 대한 이미지 처리 단계(S903)는 그리드 맵의 영역을 구분하는 단계(S903-1), 구분된 영역에 대해 색상을 통해 이미지 처리를 하는 단계(S903-2) 및 제1 영역과 제3 영역 사이에 선분을 표시하는 이미지 처리 단계(S903-3)를 포함할 수 있다. 이하 상세한 설명은 도 10을 참고할 수 있다.
본 발명의 일 실시예에 따르면, 그리드 맵에 대한 이미지 처리 단계(S903)를 통해 그리드 맵은, 탐색된 빈 공간의 제1 영역, 탐색된 장애물이 존재하는 제2 영역 및 미탐색된 제3 영역으로 구분되고, 제1 영역은 흰색, 제2 영역은 회색, 제3 영역은 검은색으로 이미지 처리될 수 있다.
제어부(350)는, 제1 영역과 제3 영역 사이에 선분을 표시하는 이미지 처리를 할 수 있다. 제어부(350)는, 이미지 처리된 선분을 경계선으로 판단할 수 있다.
하나 이상의 경계선이 존재하는지 판단하는 단계(S400)는 선분을 통해 경계선의 개수를 판단하는 과정일 수 있다. 즉, 제어부(350)가 이미지 처리된 선분의 개수를 판단하는 것일 수 있다.
경계선이 하나 이상 존재하지 않으면, 제어부(350)는, 맵 생성을 완료하고 저장부(305)에 저장할 수 있다. 즉, 제2 맵 데이터 생성을 완료할 수 있다.
경계선이 하나 이상 존재하는 경우, 하나 이상의 경계선 중에서 최적의 경계선을 선택하는 단계(S905)로 넘어갈 수 있다. 최적의 경계선은, NBV(Next Best View)로 호칭될 수 있다.
최적의 경계선 선택 단계(S905)는, 코스트 함수(Cost function)을 이용할 수 있다. 코스트 함수는, R(f)로 표현되고 이하 수학식 1에 의해 계산될 수 있다.
[수학식 1]
Figure 112019072543410-pat00001
수학식 1을 참조하면, I(f)는 Information Cost이며, 어느 하나의 경계선으로 이동하여 얻을 수 있는 경계선 주의의 환경 정보(이하 제1 정보)에 관한 함수이다.
I(f)는 경계선의 길이 및 제3 영역의 셀의 개수 또는 비율에 의해 계산될 수 있다. 경계선의 길이(l)가 길면, 큰 공간일 가능성이 크고 코스트 값은 커질 수 있다. 일정 반경 내의 제3 영역의 셀의 개수(u)가 많으면, 미탐색 영역 비율이 크고 코스트 값은 커질 수 있다.
즉, I(f)는 하나 이상의 경계선 중 어느 하나의 경계선으로 이동하였을 때, 상기 어느 하나의 경계선 주위의 공간이 넓거나 미탐색 영역의 비율이 커서 우선적으로 탐색할 필요성이 있는 지를 결정하는 환경 정보에 관한 함수일 수 있다.
I(f)는 경계선의 길이(l) 및 일정 반경 내의 제3 영역의 셀의 개수(u)에 대한 가중치 함수(weight function)일 수 있다.
[수학식 2]
Figure 112019072543410-pat00002
N(f)는 Navigation Cost이며, 현재 이동 로봇(100)의 위치로부터 어느 하나의 경계선의 중심점까지의 거리 정보(제2 정보)에 관한 함수이다. 현재 이동 로봇(100)의 위치로부터 어느 하나의 경계선의 중심점까지의 거리가 가까울수록 N(f)의 값은 커질 수 있다.
N(f)가 클수록 코스트 값이 크다면, 현재 이동 로봇(100)의 위치에서 가까운 지점부터 맵 생성할 수 있다. 사용자의 관점에서는 N(f)가 일정 수준 이상 큰 것이 유리할 수 있다. 그러나 N(f)가 너무 커지면, 협소한 공간까지 구석구석 탐색을 할 가능성이 높기 때문에, 효율적인 맵 생성을 위해서 I(f)와 가중치를 두어 계산할 수 있다.
a는 I(f)와 N(f)의 가중치를 의미한다. 다시 말해, 코스트 함수는 상기 제1 정보 및 상기 제2 정보에 관한 가중치 함수(weight function)이고, 상기 코스트 값은, 상기 제1 정보 및 상기 제2 정보에 관한 가중치 함수(weight function)에 의해 결정될 수 있다. 가중치는 사용자의 입력 신호에 의해 선택될 수 있다.
사용자는, 큰 공간 중심으로 빠른 맵 생성을 위해서 I(f)에 가중치를 둘 수 있고, 가까운 공간 중심으로 구석구석의 맵 생성을 위해서 N(f)에 가중치를 둘 수 있다. 이러한 원리는 맵 생성뿐만 아니라, 청소를 수행하는 과정에서도 적용될 수 있다.
H는 Hysteresis Gain이며, 센싱 범위에 따라 경계선이 어디에 위치하고 있는지에 따른 이득을 의미한다. 라이다 센서(175)의 센싱 반경은 11m일 수 있다.
경계선이 현재 이동 로봇(100) 위치 기준으로 센싱 범위 안에 있으면 H > 1이고 센싱 범위 밖에 있으면 H = 1 이다. H는 로봇의 진행방향에 있는 경계선을 선택할 수 있게 하여 방향을 이리저리 바꿔가는 비효율적인 주행을 방지할 수 있게 할 수 있다.
도 12c를 참조하면, 이동 로봇(100)은, 최적의 경계선 선택 단계(S905)를 통해 복수의 경계선 중 코스트 값이 가장 큰 하나의 경계선을 선택할 수 있다. 제1 선분, 제2 선분 및 제3 선분 각각은 도시하지는 않았지만, 제어부(350)는, 상기 제1 선분, 제2 선분 및 제3 선분 각각을 제1 경계선(F1), 제2 경계선(F2) 및 제3 경계선(F3)으로 판단할 수 있다.
제1 경계선(F1)의 길이가 가장 길고, 제3 경계선(F3)의 길이가 가장 짧을 수 있다.
최적의 경계선은 코스트 함수를 통해 복수의 경계선 중 코스트 값이 가장 큰 제1 경계선(F1)으로 선택될 수 있다. N(f)값의 가중치를 크게 두지 않는다면, 제1 경계선(F1)의 길이가 가장 길어 I(f)값이 크기 때문이다.
경로 계획 단계(S906)는, 최적의 경계선(NBV)까지의 경로를 계획하는 과정일 수 있다. 상기 경로는 최적의 경계선(NBV)의 중심점을 설정하고, 현재 위치에서 상기 중심점까지의 경로를 의미할 수 있다.
최적의 경계선(NBV)의 중심점은 상기 경계선의 길이를 이등분하는 지점일 수 있다. 제어부(350)는 경계선의 길이를 이등분하는 지점을 중심점으로 설정하고, 현재 이동 로봇(100)의 위치에서 상기 중심점까지의 경로를 생성할 수 있다.
경로 계획 단계(S906)는, 경로 생성 단계를 포함할 수 있다.
도 11은, 본 발명의 일 실시예에 따른, 그리드 웨이브 발생 단계를 이해하는데 도움이 되는 도면이다.
도 11을 참조하면, 경로를 생성하는 단계는, 그리드 웨이브(1101)를 발생하여 상기 이동 로봇(100)이 위치할 공간이 존재하는지 여부를 우선적으로 확인하는 웨이브 발생 단계를 더 포함할 수 있다.
제어부(350)는, 그리드 웨이브가 닫지 않는 공간을 이동 로봇(100)이 위치할 수 없는 공간으로 판단하고, 상기 그리드 웨이브가 닫는 공간 내에서만 경로를 생성할 수 있다.
예를 들면, 도 11과 같이, 장애물(1102, 1103)에 의해서 웨이브가 끊겨 제1 공간(1104)으로 그리드 웨이브(1101)가 닫지 않을 수 있다. 그렇다면, 제1 공간 내에서의 경로 생성은 이루어지지 않을 수 있다.
제어부(350)는, 그리드 웨이브(1101)가 닫지 않는 공간을 이동 로봇(100)이 위치할 수 없는 공간으로 판단하고, 그리드 웨이브(1101)가 닫지 않는 공간에 있는 제1 영역과 제3 영역의 사이에 선분을 표시하는 이미지 처리 단계(S903-3)를 거치지 않을 수 있다. 즉, 제어부(350)는, 그리드 웨이브(1101)가 닫지 않는 공간에서 경계선을 판단할 수 없을 수 있다.
그리드 맵 업데이트 단계(S907)는, 생성된 경로를 따라 이동하면서 상기 그리드 맵을 업데이트하는 단계일 수 있다. 이동 로봇(100)은, 최적의 경계선(NBV)의 중심점까지의 계획된 경로를 따라 이동하지만, 기설정된 거리 전까지 이동할 수 있다.
예를 들면, 이동 로봇(100)은, 최적의 경계선(NBV)의 중심점 전 1m 까지만 이동할 수 있다.
라이다 센서(175)는, 그리드 맵을 생성하는 경우, 11m의 센싱 반경을 가질 수 있다. 라이다 센서(175)는, 제2 맵 데이터를 생성하는 경우, 11m의 센싱 반경을 가질 수 있다.
그러므로 이동 로봇(100)이 최적의 경계선(NBV)의 중심점 끝까지 이동하는 동작은, 불필요한 작업일 수 있다. 이동 로봇(100)은, 최적의 경계선(NBV)의 중심점으로부터 기설정된 거리 전까지 이동하여 이동 시간을 줄임으로써, 효율적인 맵 생성을 수행할 수 있다.
이동 로봇(100)은, 경로 계획 단계(S906)를 통해 생성된 경로를 따라 이동하면서, 그리드 맵을 업데이트할 수 있다. 즉, 이동 로봇(100)은, 최적의 경계선(NBV)으로부터 기설정된 거리 전까지 이동하면서 센싱한 라이다 데이터를 기반으로 그리드 맵을 업데이트할 수 있다.
이동 로봇(100)은, 업데이트된 그리드 맵을 다시 이미지 처리하고, 경계선을 판단하고, 최적의 경계선을 선택하여 경로 계획 및 맵을 업데이트하는 과정을 반복할 수 있다.
이동 로봇(100)은, 업데이트된 맵에서 하나 이상의 경계선이 존재하지 않는다고 판단하면 맵 생성을 완료하고, 업데이트된 맵을 저장부(305)에 저장할 수 있다. 즉, 이동 로봇(100)은, 하나 이상의 경계선이 존재하지 않을 때, 제2 맵 데이터 생성을 완료(S908)할 수 있다.
도 10은, 본 발명의 일 실시예에 따른, 그리드 맵에 대한 이미지 처리 단계를 상세하게 나타내는 도면이다.
도 10을 참조하면, 그리드 맵에 대한 이미지 처리 단계(S903)는 그리드 맵의 영역을 구분하는 단계(S903-1), 구분된 영역에 대해 색상을 통해 이미지 처리를 하는 단계(S903-2) 및 제1 영역과 제3 영역 사이에 선분을 통해 이미지 처리하는 단계(S903-3)를 포함할 수 있다.
그리드 맵의 영역을 구분하는 단계(S903-1)는, 그리드 맵 생성 단계(S902)에서 생성된 그리드 맵을 복수의 영역으로 구분하는 과정일 수 있다.
그리드 맵의 영역을 구분하는 단계(S903-1)는, 도 5의 그리드 맵 갱신 단계(S505)에서 갱신된 그리드 맵을 복수의 영역으로 구분하는 과정일 수 있다.
제어부(350)는, 그리드 맵을, 센서부(370)가 센싱한 결과 빈 공간이면 제1 영역, 센서부(370)가 센싱한 결과 장애물이 존재하는 공간이면 제2 영역, 센서부(370)가 센싱하지 아니한 미탐색 공간이면 제3 영역으로 구분할 수 있다. 상기 영역은 더 다양할 수 있다.
구분된 영역에 대해 색상을 통해 이미지 처리를 하는 단계(S903-2)는, 각 영역별 색상을 다르게 표시하는 과정일 수 있다. 상기 이미지 처리는 각 영역에 존재하는 셀에 색상을 표시하는 것일 수 있다. 이경우, 제1 영역과 제3 영역의 색상 차이는 다른 영역의 색상 차이보다 클 수 있다.
색상을 통한 이미지 처리는, 명도 차이를 통한 이미지 처리도 포함할 수 있다.
예를 들면, 그레이 스케일(Grey scale)을 통해 각 영역을 구분할 수 있다. 도 12c를 참조하면, 제1 영역(1201)은 흰색, 제2 영역(1202)은 회색, 제3 영역(1203)은 검은색으로 표시할 수 있다. 제1 영역(1201)과 제3 영역(1203)의 명도 차이는, 다른 영역의 명도 차이보다 클 수 있다.
제1 영역(1201)과 제3 영역(1203) 사이에 선분을 통해 이미지 처리하는 단계(S903-3)는, 제1 영역(1201)과 제3 영역(1203) 사이를 구분하는 선분을 그리는 과정일 수 있다.
제어부(350)는, 이미지 처리된 선분을 경계선으로 판단할 수 있다. 즉, 도 12c를 참조하면, 경계선은 제1 경계선(F1), 제2 경계선(F2), 제3 경계선(F3)이 존재할 수 있다.
선분을 통해 이미지 처리하는 단계(S903-3)는, 제1 영역과 제3 영역 사이의 길이와 상기 이동 로봇(100)의 폭을 비교하는 단계를 더 포함할 수 있다. 제어부(350)는, 제1 영역과 제3 영역 사이의 길이가 이동 로봇(100)의 폭보다 짧다고 판단하면, 제1 영역과 제3 영역 사이에 선분을 표시하는 이미지 처리를 수행하지 않을 수 있다.
제어부(350)는, 이동 로봇(100)의 폭보다 길이가 긴 제1 영역과 제3 영역 사이를 추출하여 선분을 표시하는 이미지 처리를 수행할 수 있다. 이로써, 이동 로봇(100)이 이동할 수 있는 공간만을 목표로 설정하여 효율적인 맵 생성을 수행할 수 있는 효과가 있다.
선분을 통한 이미지 처리 단계(S903-3)는, 그리드 웨이브를 발생하여 이동 로봇(100)이 위치할 공간이 존재하는지 여부를 확인하는 웨이브 발생 단계를 더 포함할 수 있다.
제어부(350)는, 그리드 웨이브가 닫지 않는 공간을 이동 로봇(100)이 위치할 수 없는 공간으로 판단하고, 상기 그리드 웨이브가 닫지 않는 공간 내의 제1 영역과 제3 영역 사이에는 선분을 표시하는 이미지 처리를 수행하지 않을 수 있다. 이로써, 이동 로봇(100)이 이동할 수 있는 공간만을 탐색하면서 효율적인 맵 생성을 수행할 수 있는 효과가 있다.
도 12a 내지 도 12f는 본 발명의 실시예에 따른 제2 맵 데이터의 생성 과정을 나타내는 도이다.
도 12a 내지 도 12f는, 시간의 흐름에 따라 탐색된 빈 공간인 제1 영역(1201), 탐색된 장애물이 존재하는 공간인 제2 영역(1202) 및 미탐색된 공간인 제3 영역(1203)이 변화하는 모습일 수 있다.
제1 영역(1201)은 흰색, 제2 영역(1202)은 회색, 제3 영역(1203)은 검은색은 표시될 수 있고, 제어부(350)는, 제1 영역(1201)과 제3 영역(1203) 사이의 이미지 처리된 선분을 통해 경계선(F1, F2, F3)을 판단할 수 있다.
도 12a는 이동 로봇(100)이 탐색을 시작하기 직전 단계를 나타낼 수 있다. 센싱을 시작하기 전이기 때문에 검은색의 제3 영역(1203)만 존재할 수 있다.
도 12b는 이동 로봇(100)이 탐색을 시작한 단계를 나타낼 수 있다. 제2 맵 데이터를 생성 단계(S506)에서, 라이더 센서의 센싱 반경은, 11m일 수 있다.
제어부(350)는, 업데이트된 그리드 맵을 이미지 처리하여, 흰색의 제1 영역(1201), 회색의 제2 영역(1202), 검은색의 제3 영역(1203)으로 구분할 수 있다.
또한, 제어부(350)는, 그리드 맵을 이미지 처리하는 과정을 통해, 제1 경계선(F1), 제2 경계선(F2), 제3 경계선(F3)을 판단할 수 있다.
최적의 경계선(NBV)은 코스트 값이 가장 높은 경계선일 수 있다. 예를 들면, 제어부(350)는, 경계선의 길이가 가장 긴 제1 경계선(F1)을 최적의 경계선으로 선택할 수 있다. 최적의 경계선은, 가중치를 어떻게 설정하는지에 따라 달라질 수 있다.
다음으로, 제어부(350)는 제1 경계선(F1)의 중심점까지 경로 계획을 세울 수 있다. 이경우, 그리드 웨이브를 통해 우선적으로 이동 로봇(100)이 위치할 수 있는 공간이 존재하는지를 판단할 수 있다.
도 12c는, 이동 로봇(100)이 계획된 경로를 따라 이동하면서 센싱한 데이터에 기반하여 그리드 맵을 업데이트한 결과를 나타낼 수 있다.
제어부(350)는, 업데이트된 그리드 맵을 이미지 처리하여, 흰색의 제1 영역(1201), 회색의 제2 영역(1202), 검은색의 제3 영역(1203)으로 구분할 수 있다.
또한, 제어부(350)는, 그리드 맵을 이미지 처리하는 과정을 통해, 제1 경계선(F1), 제2 경계선(F2), 제3 경계선(F3)을 판단할 수 있다. 이경우, 제1 영역(1201)과 제3 영역(1203) 사이에, 이동 로봇(100)의 폭보다 좁은 제4 경계(F4)가 존재할 수 있다.
제어부(350)는, 제4 경계(F4)에 선분을 표시하는 이미지 처리 단계(S903-3)를 생략할 수 있다. 제4 경계(F4)에는, 선분이 표시되지 않고, 제어부(350)는, 제4 경계(F4)를 경계선으로 판단하지 않을 수 있다.
최적의 경계선(NBV)은, 코스트 값이 가장 높은 경계선일 수 있다. 예를 들면, 제어부(350)는, 경계선의 길이가 가장 긴 제1 경계선(F1)을 최적의 경계선으로 선택할 수 있다.
다음으로, 제어부(350)는 제1 경계선(F1)의 중심점까지 경로 계획을 세울 수 있다. 이경우, 그리드 웨이브를 통해 우선적으로 이동 로봇(100)이 위치할 수 있는 공간이 존재하는지를 판단할 수 있다.
도 12d는, 이동 로봇(100)이 계획된 경로를 따라 이동하면서 센싱한 데이터에 기반하여 그리드 맵을 업데이트한 결과를 나타낼 수 있다.
제어부(350)는, 업데이트된 그리드 맵을 이미지 처리하여, 흰색의 제1 영역(1201), 회색의 제2 영역(1202), 검은색의 제3 영역(1203)으로 구분할 수 있다.
또한, 제어부(350)는 그리드 맵을 이미지 처리하는 과정을 통해, 제2 경계선(F2), 제3 경계선(F3)을 판단할 수 있다.
최적의 경계선(NBV)은 코스트 값이 가장 높은 경계선일 수 있다. 예를 들면, 제어부(350)는, 경계선의 길이가 가장 긴 제2 경계선(F2)을 최적의 경계선으로 선택할 수 있다.
라이더 센서의 센싱 반경은 11m일 수 있다. 그러므로, 제2 경계선(F2)의 중심점으로 경로 계획을 통해 이동하면서 제3 경계선(F3)의 위치까지 라이다 데이터를 수집할 수 있다.
이동 로봇(100)은 라이다 센서를 통해, 제3 경계선(F3)의 위치까지 가지 않고 그리드 맵을 생성함으로써, 효율적인 맵 생성을 수행할 수 있다.
다음으로, 제어부(350)는 제2 경계선(F2)의 중심점까지 경로 계획을 세울 수 있다. 이경우, 그리드 웨이브를 통해 우선적으로 이동 로봇(100)이 위치할 수 있는 공간이 존재하는지를 판단할 수 있다.
도 12e는, 이동 로봇(100)이 계획된 경로를 따라 이동하면서 센싱한 데이터에 기반하여 그리드 맵을 업데이트한 결과를 나타낼 수 있다.
제어부(350)는 업데이트된 그리드 맵을 이미지 처리하여, 흰색의 제1 영역(1201), 회색의 제2 영역(1202), 검은색의 제3 영역(1203)으로 구분할 수 있다.
또한, 제어부(350)는 그리드 맵을 이미지 처리하는 과정을 통해, 제2 경계선(F2)을 판단할 수 있다. 경계선의 개수가 하나이므로, 해당 경계선은 최적의 경계선(NBV)일 수 있다.
다음으로, 제어부(350)는 제2 경계선(F2)의 중심점까지 경로 계획을 수행할 수 있다. 이경우, 그리드 웨이브를 통해 우선적으로 이동 로봇(100)이 위치할 수 있는 공간이 존재하는지를 판단할 수 있다.
도 12f는, 이동 로봇(100)이 계획된 경로를 따라 이동하면서 센싱한 데이터에 기반하여 그리드 맵 생성을 완료한 단계를 나타낼 수 있다.
제어부(350)는, 업데이트된 그리드 맵을 이미지 처리하여, 흰색의 제1 영역(1201), 회색의 제2 영역(1202), 검은색의 제3 영역(1203)으로 구분할 수 있다. 이경우, 제1 영역(1201)과 제3 영역(1203) 사이 경계선이 더 이상 존재하지 않을 수 있다.
제어부(350)는, 제2 맵 데이터 생성을 완료하고, 제2 맵 데이터를 저장부(305)에 저장할 수 있다.
생성이 완료된 제2 맵 데이터는, 제2 영역(1202)이 폐루프를 형성하는 이미지를 포함할 수 있다. 생성이 완료된 제2 맵 데이터는, 선분을 통한 이미지 처리 단계(S903-3)를 생략한 제4 경계(F4) 및 제2 영역(1202)이 폐루프를 형성하는 이미지를 포함할 수 있다.
본 발명에 따른 이동 로봇은 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
마찬가지로, 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나, 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다.
한편, 본 발명의 실시예에 따른 이동 로봇의 제어 방법은, 프로세서가 읽을 수 있는 기록매체에 프로세서가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 프로세서가 읽을 수 있는 기록매체는 프로세서에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 또한, 인터넷을 통한 전송 등과 같은 캐리어 웨이브의 형태로 구현되는 것도 포함한다. 또한, 프로세서가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 프로세서가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.
이동 로봇: 100
본체: 110
저장부: 305
영상획득부: 320
입력부: 325
흡입유닛: 330
제어부: 350
주행부: 360
센서부: 370

Claims (20)

  1. 본체를 이동시키는 주행부;

    본체 외부의 물체와의 거리에 관한 데이터를 획득하는 거리 측정 센서; 및
    상기 거리 측정 센서가 센싱한 센서 데이터를 기초로 노드 데이터를 생성하고,
    상기 센서 데이터 및 상기 노드 데이터를 기초로 그리드 맵을 생성하고,
    상기 노드 데이터를 기초로 기 설정된 복수의 이동 방향 중, 오픈(open)된 이동 방향이 적어도 하나 존재하는지 여부에 따라 상기 노드 데이터를 업데이트하여 제1 맵 데이터를 생성하고,
    상기 제1 맵 데이터를 기초로 상기 그리드 맵을 업데이트하고,
    업데이트한 그리드 맵을 이미지 처리하여 제2 맵 데이터를 생성하는, 제어부;를 포함하는 이동 로봇.
  2. 제 1 항에 있어서,
    상기 노드 데이터는,
    복수의 노드 중 적어도 어느 하나의 노드에 대하여, 노드 위치에 대한 좌표 값과, 기 설정된 복수의 이동 방향 각각에 대한 데이터 값을 포함하는, 이동 로봇.
  3. 제 2 항에 있어서,
    상기 복수의 이동 방향 각각에 대한 데이터 값은,
    오픈(open)된 이동 방향을 나타내는 제1 데이터 값, 상기 이동 로봇의 주행이 불가능한 이동 방향을 나타내는 제2 데이터 값, 및 다른 노드를 나타내는 제3 데이터 값 중 어느 하나로 설정되는, 이동 로봇.
  4. 제 3 항에 있어서,
    상기 제어부는,
    상기 노드 데이터를 생성하면서, 상기 노드 위치에 대한 좌표 값을 기준으로 상기 센서의 센싱 범위 내에서 상기 그리드 맵을 생성하는, 이동 로봇.
  5. 제 4 항에 있어서,
    상기 이동 로봇은,
    상기 노드 데이터, 상기 제1 맵 데이터, 상기 그리드 맵 및 상기 제2 맵 데이터가 저장되는 저장부;를 더 포함하는, 이동 로봇.
  6. 제 5 항에 있어서,
    상기 본체의 외부의 영상을 획득하는 적어도 하나의 카메라를 구비하는 영상 획득부를 더 포함하고,
    상기 제어부는,
    상기 영상 획득부를 통해 획득한 영상으로부터 특징을 추출하고,
    상기 특징을 상기 제2 맵 데이터에 맵핑(mapping)하고,
    상기 제2 맵 데이터에 맵핑(mapping)된 특징에 기초하여, 상기 이동 로봇의 위치를 판단하는 것을 특징으로 하는 이동 로봇.
  7. 제 5 항에 있어서,
    상기 제어부는,
    상기 노드 데이터에 기초하여, 상기 기 설정된 복수의 이동 방향 중, 상기 오픈(open)된 이동 방향이 적어도 하나 존재하는지 여부를 판단하고,
    상기 오픈(open)된 이동 방향이 적어도 하나 존재하는 경우, 기 설정된 조건에 따라, 상기 노드 데이터에 새로운 노드를 생성하고,
    상기 오픈(open)된 이동 방향 중 어느 하나를, 상기 이동 로봇의 본체가 이동하는 주행 방향으로 결정하고,
    상기 오픈(open)된 이동 방향이 존재하지 않는 경우, 상기 노드 데이터에 기초하여, 업데이트(update)가 필요한 노드가 적어도 하나 존재하는지 여부를 판단하고,
    상기 업데이트가 필요한 노드가 존재하지 않는 경우, 상기 노드 데이터에 기초하여, 적어도 하나의 노드를 포함하는 상기 제1 맵 데이터를 생성하는, 이동 로봇.
  8. 제 7 항에 있어서,
    상기 제어부는,
    상기 업데이트가 필요한 노드가 존재하는 경우, 상기 업데이트(update)가 필요한 노드 중 어느 하나로 상기 이동 로봇이 이동하도록, 상기 주행부를 제어하고,
    상기 업데이트가 필요한 노드는,
    상기 복수의 이동 방향 각각에 대한 데이터 값 중 적어도 하나가, 상기 오픈(open)된 이동 방향을 나타내는 상기 제1 데이터 값으로 설정된 노드인, 이동 로봇.
  9. 제 7 항에 있어서,
    상기 제어부는,
    상기 복수의 이동 방향 각각에 대하여, 상기 이동 로봇의 주행이 가능한지 여부를 판단하고,
    상기 복수의 이동 방향 각각에 대하여, 상기 이동 로봇이 기 주행한 이동 방향인지 여부를 판단하고,
    상기 복수의 이동 방향 중, 상기 이동 로봇의 주행이 가능하고, 상기 이동 로봇이 기 주행하지 않은 이동 방향을, 상기 오픈(open)된 이동 방향으로 판단하는, 이동 로봇.
  10. 제 9 항에 있어서,
    상기 제어부는,
    상기 오픈(open)된 이동 방향이 적어도 하나 존재하는 경우, 상기 주행 방향으로 결정된 이동 방향이 상기 오픈(open)된 이동 방향에 해당하는지 여부를 판단하고,
    상기 주행 방향으로 결정된 이동 방향이 상기 오픈(open)된 이동 방향에 해당하지 않는 경우, 상기 새로운 노드를 생성하는, 이동 로봇.
  11. 제 10 항에 있어서,
    상기 제어부는,
    상기 주행 방향으로 결정된 이동 방향이 상기 오픈(open)된 이동 방향에 해당하는 경우, 상기 복수의 이동 방향 중, 상기 주행 방향으로 결정된 이동 방향만 상기 오픈(open)된 이동 방향에 해당하는지 여부를 판단하고,
    상기 주행 방향으로 결정된 이동 방향만 상기 오픈(open)된 이동 방향에 해당하는 경우, 상기 새로운 노드를 생성하지 않고, 상기 이동 로봇이 상기 주행 방향으로 이동하도록 상기 주행부를 제어하고,
    상기 주행 방향으로 결정된 이동 방향을 포함한 복수의 이동 방향이 상기 오픈(open)된 이동 방향에 해당하는 경우, 상기 새로운 노드를 생성하는 것을 특징으로 하는 이동 로봇.
  12. 제 11 항에 있어서,
    상기 제어부는,
    상기 새로운 노드를 생성하는 경우, 상기 노드 데이터에 포함된 상기 적어도 하나의 노드 각각의, 상기 복수의 이동 방향에 대한 데이터 값을 업데이트(update)하는 것을 특징으로 하는 이동 로봇.
  13. 제 5 항에 있어서,
    상기 제어부는,
    상기 센서 데이터를 기초로 생성된 그리드 맵을, 상기 센서가 센싱한 결과 빈 공간인 제1 영역, 상기 센서가 센싱한 결과 장애물이 존재하는 공간인 제2 영역 및 상기 센서가 센싱하지 않은 제3 영역으로 구분하고,
    상기 제1 영역과 상기 제3 영역의 사이에 경계선을 생성하는 상기 이미지 처리를 수행하고,
    상기 경계선이 하나 이상 존재하면 최적의 경계선을 선택하고,
    상기 최적의 경계선까지의 경로 계획(Path-plannig)을 수행하고,
    상기 경로를 따라 이동하면서 상기 그리드 맵을 업데이트하여 상기 제2 맵 데이터를 생성하는, 이동 로봇.
  14. 제 13 항에 있어서,
    상기 제어부는,
    상기 경계선이 존재하지 않는다고 판단하면 상기 제2 맵 데이터의 생성을 완료하고, 상기 제2 맵 데이터를 상기 저장부에 저장하는, 이동 로봇.
  15. 제 14 항에 있어서,
    상기 이미지 처리는,
    각 영역의 색상을 다르게 나타내되, 상기 제1 영역의 색상과 상기 제3 영역의 색상 차이를 가장 크게 나타내고,
    상기 제1 영역과 상기 제3 영역 사이에 선분을 표시하는 이미지 처리를 포함하고,
    상기 제어부는,
    상기 선분을 상기 경계선으로 판단하는, 이동 로봇.
  16. 제 15 항에 있어서,
    상기 제어부는,
    상기 제1 영역과 상기 제3 영역 사이의 길이와 상기 이동 로봇의 폭을 비교하고,
    상기 제1 영역과 상기 제3 영역 사이의 길이가 상기 이동 로봇의 폭보다 길다고 판단하면 상기 선분을 표시하는 이미지 처리를 수행하는, 이동 로봇.
  17. 제 13 항에 있어서,
    상기 최적의 경계선은,
    상기 하나 이상의 경계선 중 어느 하나의 경계선에서 획득할 수 있는 환경에 관한 정보인 제1 정보 및 상기 어느 하나의 경계선까지의 거리에 관한 정보인 제2 정보를 통해 계산한 코스트 값에 기초하여,
    상기 코스트 값이 최대인 상기 어느 하나의 경계선인, 이동 로봇.
  18. 제 17 항에 있어서,
    상기 코스트 값은,
    상기 제1 정보 및 상기 제2 정보에 관한 가중치 함수(weight function)에 의해 결정되는 값인, 이동 로봇.
  19. 제 13 항에 있어서,
    상기 제어부는,
    상기 최적의 경계선의 중심점을 설정하고,
    현재 위치에서 상기 중심점까지의 경로를 생성하여 상기 경로 계획을 수행하는, 이동 로봇.
  20. 제 19 항에 있어서,
    상기 제어부는,
    상기 경로를 생성하기 전에 그리드 웨이브를 발생하여 상기 이동 로봇이 위치할 공간이 존재하는지 여부를 확인하고,
    상기 그리드 웨이브가 닫는 공간 내에서만 경로를 생성하는, 이동 로봇.
KR1020190085477A 2019-07-16 2019-07-16 이동 로봇 및 그 제어방법 KR102302575B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020190085477A KR102302575B1 (ko) 2019-07-16 2019-07-16 이동 로봇 및 그 제어방법
US16/929,423 US20210018929A1 (en) 2019-07-16 2020-07-15 Mobile robot and control method thereof
PCT/KR2020/009343 WO2021010757A1 (en) 2019-07-16 2020-07-15 Mobile robot and control method thereof
EP20839883.4A EP3999286A4 (en) 2019-07-16 2020-07-15 Mobile robot and control method thereof
JP2022502504A JP7356567B2 (ja) 2019-07-16 2020-07-15 移動ロボット及びその制御方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190085477A KR102302575B1 (ko) 2019-07-16 2019-07-16 이동 로봇 및 그 제어방법

Publications (2)

Publication Number Publication Date
KR20210009011A KR20210009011A (ko) 2021-01-26
KR102302575B1 true KR102302575B1 (ko) 2021-09-14

Family

ID=74211050

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190085477A KR102302575B1 (ko) 2019-07-16 2019-07-16 이동 로봇 및 그 제어방법

Country Status (5)

Country Link
US (1) US20210018929A1 (ko)
EP (1) EP3999286A4 (ko)
JP (1) JP7356567B2 (ko)
KR (1) KR102302575B1 (ko)
WO (1) WO2021010757A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102647612B1 (ko) * 2023-11-13 2024-03-14 주식회사 코너스 비상 상황 발생 시 공간 내 인원에게 대피 경로를 안내하는 로봇 및 로봇 제어 방법

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11048268B2 (en) * 2011-08-11 2021-06-29 Chien Ouyang Mapping and tracking system for robots
US11274929B1 (en) * 2017-10-17 2022-03-15 AI Incorporated Method for constructing a map while performing work
CN108012326B (zh) * 2017-12-07 2019-06-11 珠海市一微半导体有限公司 基于栅格地图的机器人监视宠物的方法及芯片
CN110703747B (zh) * 2019-10-09 2021-08-03 武汉大学 一种基于简化广义Voronoi图的机器人自主探索方法
EP3851797A1 (en) * 2020-01-14 2021-07-21 Tata Consultancy Services Limited Systems and methods for performing inclusive indoor navigation
US11216005B1 (en) * 2020-10-06 2022-01-04 Accenture Global Solutions Limited Generating a point cloud capture plan
USD989426S1 (en) * 2021-01-20 2023-06-13 Vorwerk & Co. Interholding Gmbh Robot vacuum cleaner
KR20230015148A (ko) 2021-07-22 2023-01-31 엘지전자 주식회사 로봇 청소기 및 로봇 청소기의 제어방법
KR20230017060A (ko) * 2021-07-27 2023-02-03 삼성전자주식회사 로봇 및 그 제어 방법
EP4296014A1 (en) 2021-08-20 2023-12-27 Samsung Electronics Co., Ltd. Robot and control method therefor
KR20230028006A (ko) * 2021-08-20 2023-02-28 삼성전자주식회사 로봇 및 그 제어 방법
US20230061444A1 (en) * 2021-08-31 2023-03-02 Samsung Electronics Co., Ltd. Cleaning robot capable of obtaining map of indoor space and operating method thereof
CN113848943B (zh) * 2021-10-18 2023-08-08 追觅创新科技(苏州)有限公司 栅格地图的修正方法及装置、存储介质及电子装置
WO2023112515A1 (ja) * 2021-12-17 2023-06-22 株式会社クボタ 地図生成システムおよび地図生成方法
WO2023132638A1 (ko) * 2022-01-05 2023-07-13 삼성전자주식회사 로봇 및 로봇의 제어 방법
KR20230137080A (ko) 2022-03-21 2023-10-04 엘지전자 주식회사 이동 로봇
WO2023219058A1 (ja) * 2022-05-13 2023-11-16 ソニーグループ株式会社 情報処理方法、情報処理装置及び情報処理システム
CN114812539B (zh) * 2022-06-21 2022-11-18 杭州涂鸦信息技术有限公司 地图探索、地图使用方法、装置、机器人和存储介质
KR20240032216A (ko) * 2022-08-31 2024-03-12 삼성전자주식회사 전자 장치 및 그 제어 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100715609B1 (ko) * 2006-01-13 2007-05-07 학교법인 포항공과대학교 가정환경에서의 이동로봇의 위상학적 지도형성 및 자율주행방법
KR101179075B1 (ko) * 2012-02-28 2012-09-03 국방과학연구소 자율로봇의 경로계획방법 및 이를 구비한 경로계획장치
KR101427186B1 (ko) * 2013-06-12 2014-08-07 건국대학교 산학협력단 미지환경에서 지능형 로봇의 이동경로 생성을 위한 영역탐색 및 매핑 장치

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6728608B2 (en) * 2002-08-23 2004-04-27 Applied Perception, Inc. System and method for the creation of a terrain density model
KR100791384B1 (ko) * 2006-07-05 2008-01-07 삼성전자주식회사 특징점을 이용한 영역 구분 방법 및 장치와 이를 이용한이동 청소 로봇
KR101503903B1 (ko) 2008-09-16 2015-03-19 삼성전자 주식회사 이동 로봇의 지도 구성 장치 및 방법
KR101037379B1 (ko) 2008-12-18 2011-05-27 한국과학기술연구원 거리센서로부터 얻은 주변환경의 거리정보를 바탕으로 한 이동로봇탐사시스템 및 이를 이용한 탐사방법
KR101553654B1 (ko) * 2009-02-13 2015-10-01 삼성전자 주식회사 이동 로봇 및 이동 로봇의 이동 방법
US8948913B2 (en) 2009-10-26 2015-02-03 Electronics And Telecommunications Research Institute Method and apparatus for navigating robot
EP3550393B1 (en) * 2009-11-06 2023-03-01 iRobot Corporation Method and system for covering a surface by an autonomous robot
KR101761313B1 (ko) * 2010-12-06 2017-07-25 삼성전자주식회사 로봇 및 로봇의 경로생성방법
FR2977023B1 (fr) * 2011-06-24 2014-02-21 Univ Angers Generation de donnees de carte
US8798840B2 (en) * 2011-09-30 2014-08-05 Irobot Corporation Adaptive mapping with spatial summaries of sensor data
US10068373B2 (en) * 2014-07-01 2018-09-04 Samsung Electronics Co., Ltd. Electronic device for providing map information
US20170028556A1 (en) * 2015-07-28 2017-02-02 Harris Corporation Path-optimized manipulator reversing controller
JP6649743B2 (ja) * 2015-10-28 2020-02-19 シャープ株式会社 一致性評価装置および一致性評価方法
KR20170053351A (ko) 2015-11-06 2017-05-16 삼성전자주식회사 청소 로봇 및 그 제어 방법
CN108318046B (zh) * 2017-01-18 2020-12-15 华为技术有限公司 路径规划方法和装置
US20180290748A1 (en) * 2017-04-03 2018-10-11 Versatol, Llc Autonomous in-tunnel intelligence, surveillance, and reconnaissance drone
US10606270B2 (en) * 2017-10-18 2020-03-31 Luminar Technologies, Inc. Controlling an autonomous vehicle using cost maps
US11237004B2 (en) * 2018-03-27 2022-02-01 Uatc, Llc Log trajectory estimation for globally consistent maps

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100715609B1 (ko) * 2006-01-13 2007-05-07 학교법인 포항공과대학교 가정환경에서의 이동로봇의 위상학적 지도형성 및 자율주행방법
KR101179075B1 (ko) * 2012-02-28 2012-09-03 국방과학연구소 자율로봇의 경로계획방법 및 이를 구비한 경로계획장치
KR101427186B1 (ko) * 2013-06-12 2014-08-07 건국대학교 산학협력단 미지환경에서 지능형 로봇의 이동경로 생성을 위한 영역탐색 및 매핑 장치

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102647612B1 (ko) * 2023-11-13 2024-03-14 주식회사 코너스 비상 상황 발생 시 공간 내 인원에게 대피 경로를 안내하는 로봇 및 로봇 제어 방법

Also Published As

Publication number Publication date
JP2022540906A (ja) 2022-09-20
KR20210009011A (ko) 2021-01-26
EP3999286A4 (en) 2023-06-28
WO2021010757A1 (en) 2021-01-21
US20210018929A1 (en) 2021-01-21
EP3999286A1 (en) 2022-05-25
JP7356567B2 (ja) 2023-10-04

Similar Documents

Publication Publication Date Title
KR102302575B1 (ko) 이동 로봇 및 그 제어방법
KR102275300B1 (ko) 이동 로봇 및 그 제어방법
KR102243179B1 (ko) 이동 로봇 및 그 제어방법
AU2017316091B2 (en) Mobile robot and control method therefor
US10717193B2 (en) Artificial intelligence moving robot and control method thereof
US20210007572A1 (en) Mobile robot using artificial intelligence and controlling method thereof
US20220257074A1 (en) Mobile robot using artificial intelligence and controlling method thereof
KR20180023302A (ko) 이동 로봇 및 그 제어방법
JP7329125B2 (ja) 移動ロボット及びその制御方法
KR102147210B1 (ko) 인공지능 이동 로봇의 제어 방법
KR102147211B1 (ko) 인공지능 이동 로봇의 제어 방법
KR102361130B1 (ko) 이동 로봇 및 그 제어방법
US20220175208A1 (en) Robot cleaner using artificial intelligence and control method thereof
KR102500525B1 (ko) 이동 로봇
KR20230137080A (ko) 이동 로봇
KR20230015148A (ko) 로봇 청소기 및 로봇 청소기의 제어방법
KR20230161782A (ko) 이동 로봇 및 이동 로봇의 제어방법
KR20230143800A (ko) 이동 로봇 및 그의 제어 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant