KR102481615B1 - 데이터 수집 방법 및 시스템 - Google Patents

Abstract

다양한 실시예들에 따른 데이터 수집 방법이 제공된다. 데이터 수집 방법은 제1 및 제2 센서들을 포함하는 데이터 수집 장치가 타겟 지역 내를 이동하면서 상기 제1 및 제2 센서들을 통해 제1 및 제2 센서 데이터를 각각 수집하고, 상기 제1 및 제2 센서 데이터에 제1 및 제2 타임스탬프 값들을 각각 태깅하는 타임스탬핑 단계; 상기 데이터 수집 장치가 이동하면서 수집하는 상기 제1 센서 데이터를 기초로 상기 타겟 지역의 임시 지도 데이터 및 상기 제1 타임스탬프 값에 대응하는 시점의 임시 위치 데이터를 생성하는 데이터 생성 단계; 상기 데이터 수집 장치가 지나갔던 위치를 다시 방문하는 루프 클로져(loop closure)를 검출하는 검출 단계; 상기 루프 클로져의 검출에 응답하여, 상기 임시 위치 데이터를 보정하여 보정 위치 데이터를 생성하고, 상기 보정 위치 데이터를 기초로 이동 경로 정보 및 상기 타겟 지역의 지도 정보를 생성하는 루프 클로징 단계; 상기 이동 경로 정보를 기초로 상기 제2 타임스탬프 값에 대응하는 시점의 센싱 위치를 추정하고, 상기 센싱 위치를 상기 제2 센서 데이터에 태깅하는 태깅 단계; 및 상기 센싱 위치가 태깅된 상기 제2 센서 데이터를 저장하는 저장 단계를 포함한다.

Description

데이터 수집 방법 및 시스템{Method and system for collecting data}

본 개시는 데이터를 수집하는 방법 및 시스템에 관한 것으로서, 더욱 구체적으로는 실내 위치가 태깅된 센서 데이터를 수집하는 방법 및 시스템에 관한 것이다.

사용자에게 위치 기반 서비스를 제공하기 위해서는 사용자 또는 대상 물체의 정확한 위치 정보를 얻는 작업이 필요한데, 이러한 위치 정보는 일반적으로 GPS(Global Positioning System) 신호를 기반으로 획득한다. 그러나, 높은 건물들의 사이와 같은 GPS 신호의 음영 지역이나 건물의 내부와 같이 GPS 신호가 도달하기 어려운 공간에서는 사용자 또는 대상 물체의 위치를 측정하는데 많은 어려움이 있다.

건물 내부와 같이 GPS 신호가 도달하기 어려운 공간에서도 위치 기반 서비스를 제공하기 위한 방법으로, 한국공개특허공보 제10-2012-0029976호(공개일 2012년 03월 27일) "실내 무선 측위를 위한 기준 정보 수집 방법 및 장치, 실내에 설치된 복수의 액세스 포인트를 이용한 실내 무선 측위 서비스 방법"에는 실내의 액세스 포인트에 대한 스캔 정보를 수집하고, 적어도 하나 이상의 모니터링 액세스 포인트의 기 설정된 위치 정보를 이용하여 모니터링 액세스 포인트에 대한 스캔 정보를 실내 지도에 매핑하고, 상기 스캔 정보를 통해 획득된 적어도 하나 이상의 가상 액세스 포인트에 대한 스캔 정보를 이용하여 상기 가상 액세스 포인트에 대한 상기 실내 지도 상의 위치 정보를 생성하고, 상기 실내 지도에 기 설정되며 상기 모니터링 액세스 포인트 및 상기 가상 액세스 포인트를 포함하는 셀 각각에 대한 식별 정보를 생성하여, 실내 무선 측위를 위한 기준점 정보를 수집하는 방법이 개시되어 있다. 그러나, 이러한 방법은 실내 지도 정보가 미리 존재해야 한다는 문제가 있다.

본 개시의 다양한 실시예들이 해결하고자 하는 과제는 데이터 수집 장치를 이용하여 실내 공간을 이동하면서 주변을 탐색하면서 자신의 위치를 측정하고 지도를 작성함과 동시에, 센싱 위치가 태깅된 센서 데이터를 수집하는 방법을 제공하는 것이다.

상술한 기술적 과제들을 달성하기 위한 기술적 수단으로서, 본 개시의 제1 측면에 따른 데이터 수집 방법이 제공된다. 상기 데이터 수집 방법은 제1 및 제2 센서들을 포함하는 데이터 수집 장치가 타겟 지역 내를 이동하면서 상기 제1 및 제2 센서들을 통해 제1 및 제2 센서 데이터를 각각 수집하고, 상기 제1 및 제2 센서 데이터에 제1 및 제2 타임스탬프 값들을 각각 태깅하는 타임스탬핑 단계; 상기 데이터 수집 장치가 이동하면서 수집하는 상기 제1 센서 데이터를 기초로 상기 타겟 지역의 임시 지도 데이터 및 상기 제1 타임스탬프 값에 대응하는 시점의 임시 위치 데이터를 생성하는 데이터 생성 단계; 상기 데이터 수집 장치가 지나갔던 위치를 다시 방문하는 루프 클로져(loop closure)를 검출하는 검출 단계; 상기 루프 클로져의 검출에 응답하여, 상기 임시 위치 데이터를 보정하여 보정 위치 데이터를 생성하고, 상기 보정 위치 데이터를 기초로 이동 경로 정보 및 상기 타겟 지역의 지도 정보를 생성하는 루프 클로징 단계; 상기 이동 경로 정보를 기초로 상기 제2 타임스탬프 값에 대응하는 시점의 센싱 위치를 추정하고, 상기 센싱 위치를 상기 제2 센서 데이터에 태깅하는 태깅 단계; 및 상기 센싱 위치가 태깅된 상기 제2 센서 데이터를 저장하는 저장 단계를 포함한다.

본 개시의 제2 측면에 따른 데이터 수집 시스템은 제1 센서; 제2 센서; 상기 제1 및 제2 센서들을 통해 제1 및 제2 센서 데이터를 각각 수집하고, 상기 제1 및 제2 센서 데이터에 제1 및 제2 타임스탬프 값들을 각각 태깅하는 타임스탬핑 모듈; 상기 제1 센서 데이터를 기초로 타겟 지역의 임시 지도 데이터를 생성하고 상기 제1 타임스탬프 값에 대응하는 시점의 임시 위치 데이터를 생성하고, 이전에 지나갔던 위치를 다시 방문하는 루프 클로져(loop closure)를 검출하고, 상기 루프 클로져의 검출에 응답하여 상기 임시 위치 데이터를 보정하여 보정 위치 데이터를 생성하고 상기 보정 위치 데이터를 기초로 이동 경로 정보 및 타겟 지역의 지도 정보를 생성하는 SLAM(Simultaneous Localization and Mapping) 모듈; 상기 이동 경로 정보를 기초로 상기 제2 타임스탬프 값에 대응하는 시점의 센싱 위치를 추정하고, 상기 센싱 위치를 상기 제2 센서 데이터에 태깅하는 태깅 모듈; 및 상기 센싱 위치가 태깅된 상기 제2 센서 데이터를 저장하는 저장 모듈을 포함한다.

본 개시의 제3 측면에 따르면, 컴퓨터를 이용하여 전술한 데이터 수집 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램이 제공된다.

본 개시의 다양한 실시예들에 따르면, 데이터 수집 장치를 이용하여 타겟 건물의 실내 공간을 이동하면서 주변을 탐색하면서 자신의 위치를 측정하고 타겟 건물의 실내 지도를 작성함과 동시에, 센싱 위치가 태깅된 센서 데이터를 수집하는 방법을 제공하는 것이다. 센서 데이터를 수집하면서 타임스탬핑이 수행되고, 타임스탬프 값을 이용하여 센서 데이터의 센싱 위치가 추정되므로 정확한 센싱 위치를 얻을 수 있다. 또한, 본 개시의 다양한 실시예들에 따르면, 타겟 건물의 실내 지도를 작성함과 동시에 타겟 건물 내의 센서 데이터를 수집하기 때문에 센서 데이터를 수집하는데 드는 비용과 시간이 절감될 수 있다.

도 1은 일 실시예에 따른 전체 시스템 구성의 예를 도시한다.
도 2는 일 실시예에 따른 매핑 로봇의 내부 구성을 설명하기 위한 예시적인 블록도이다.
도 3은 일 실시예에 따른 매핑 로봇의 프로세서를 설명하기 위한 예시적인 블록도이다.
도 4 및 도 5는 일 실시예에 따른 매핑 로봇의 프로세서의 동작을 설명하기 위한 참조도이다.
도 6은 일 실시예에 따른 지도 클라우드 서버의 내부 구성을 설명하기 위한 예시적인 블록도이다.
도 7은 일 실시예에 따른 서비스 로봇의 내부 구성을 설명하기 위한 예시적인 블록도이다.

아래에서는 첨부한 도면을 참조하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 다양한 실시예들을 상세히 설명한다. 그러나 본 개시의 기술적 사상은 다양한 형태로 변형되어 구현될 수 있으므로 본 명세서에서 설명하는 실시예들로 제한되지 않는다. 본 개시의 다양한 실시예들을 설명함에 있어서 관련된 공지 기술을 구체적으로 설명하는 것이 본 개시의 기술적 사상의 요지를 흐릴 수 있다고 판단되는 경우 그 공지 기술에 대한 구체적인 설명을 생략한다. 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.

명세서 전체에서, 어떤 요소가 다른 요소와 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 요소를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 어떤 요소가 다른 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 요소 외에 또 다른 요소를 배제하는 것이 아니라, 또 다른 요소를 더 포함할 수 있는 것을 의미한다.

일부 실시예들은 기능적인 블록 구성들 및 다양한 처리 단계들로 설명될 수 있다. 이러한 기능 블록들의 일부 또는 전부는 특정 기능을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 본 개시의 기능 블록들은 다양한 프로그래밍 언어 또는 스크립트 언어(scripting language)로 구현될 수 있다. 본 개시의 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 본 개시의 기능 블록이 수행하는 기능은 복수의 기능 블록에 의해 수행되거나, 본 개시에서 복수의 기능 블록이 수행하는 기능들은 하나의 기능 블록에 의해 수행될 수도 있다.

도면에 도시된 요소들 간의 연결 선 또는 연결 부재들은 기능적 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것일 뿐이다. 실제 장치에서는 대체 가능하거나 추가되는 다양한 기능적 연결, 물리적 연결, 또는 회로적 연결에 의해 요소들 간의 연결이 구현될 수 있다.

도 1은 일 실시예에 따른 전체 시스템 구성의 예를 도시한다.

도 1을 참조하면, 매핑 로봇(100), 지도 클라우드 서버(200), 및 서비스 로봇들(300a, 300b, 300c)은 네트워크를 통해 서로 통신 가능하게 연결된다.

매핑 로봇(100) 및 서비스 로봇들(300a, 300b, 300c)은 GPS 신호를 수신할 수 없는 특정 건물의 실내에서 작동하는 장치일 수 있다. 본 명세서에서 매핑 로봇(100) 및 서비스 로봇들(300a, 300b, 300c)이 활동하는 특정 건물을 타겟 건물이라고 지칭한다. 타겟 건물의 내부 지도는 사전에 존재하지 않으며, 매핑 로봇(100)에 의해 타겟 건물의 실내 지도 정보가 생성될 수 있다.

이하에서는 설명의 편의를 위하여 매핑 로봇(100) 및 서비스 로봇(300)이 이동 플랫폼을 갖춘 로봇 장치인 경우를 상정하여 본 발명의 실시예들을 설명하지만, 본 발명이 이에 한정되지 않는다. 매핑 로봇(100) 및 서비스 로봇(300)은 센서를 포함하는 서비스 플랫폼들, 예컨대 휴대 단말, 노트북, 컴퓨터 등의 디바이스를 포함할 수 있다.

본 명세서에서 매핑 로봇(100)은 타겟 건물의 실내 지도 정보를 생성하는 장치로서, 데이터 수집 장치로 지칭될 수 있다. 본 명세서에서 데이터 수집 장치의 대표적인 예로서 매핑 로봇(100)이 제시되고 있지만, 본 발명은 이로 한정되지 않는다.

서비스 로봇들(300a, 300b, 300c)은 매핑 로봇(100)에 의해 생성되는 타겟 건물의 실내 지도 정보를 이용하여 자신의 위치를 파악하고 자신에게 부여된 서비스 기능을 수행할 수 있다. 서비스 로봇들(300a, 300b, 300c)은 타겟 건물의 실내 지도 정보를 이용하여 자신의 위치를 파악할 수 있을 뿐만 아니라 원하는 장소로 이동하기 위한 경로를 따라 자율주행을 할 수 있다. 서비스 로봇들(300a, 300b, 300c)은 자신에게 부여된 임무에 따라 물류 서비스, 고객 대상 안내 서비스, 보안 서비스 등을 수행할 수 있다. 도 1에 개시된 서비스 로봇들(300a, 300b, 300c)의 개수는 본 발명을 한정하지 않으며, 서비스 로봇들(300a, 300b, 300c)을 일반적으로 설명하는 경우에 서비스 로봇(300)으로 지칭되 수 있다.

지도 클라우드 서버(200)는 매핑 로봇(100)에 의해 생성되는 타겟 건물의 실내 지도 정보를 저장하고, 서비스 로봇(300)에게 실내 지도 정보를 제공하는 컴퓨팅 장치일 수 있다. 지도 클라우드 서버(200)는 서비스 로봇(300)이 이동할 경로를 연산하여 제공할 수도 있다. 도 1에서 지도 클라우드 서버(200)가 네트워크를 통해 매핑 로봇(100)에 연결되는 것으로 도시되어 있지만, 이는 예시적이다. 지도 클라우드 서버(200)가 매핑 로봇(100) 내에 배치되는 것으로 이해될 수 있으며, 이 경우, 지도 클라우드 서버(200)의 기능이 매핑 로봇(100)에 의해 수행될 수도 있다. 본 명세서에서 데이터 수집 장치는 매핑 로봇(100)과 지도 클라우드 서버(200)를 포괄하는 개념일 수 있다.

매핑 로봇(100), 지도 클라우드 서버(200), 및 서비스 로봇(300)은 네트워크를 이용하여 데이터를 송신 및 수신할 수 있다. 네트워크는 매핑 로봇(100) 및 서비스 로봇(300)과 연결되는 무선 통신망 및 지도 클라우드 서버(200)에 연결되는 유선 통신망을 포함할 수 있다. 무선 통신망은 이동 통신망, 무선 LAN, 근거리 무선 통신망 등을 포함할 수 있다. 무선 통신은 예컨대 LTE, LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications) 등 중 적어도 하나를 사용하는 셀룰러 통신을 포함할 수 있다. 일 예에 따르면, 무선 통신망은 WiFi(wireless fidelity), 블루투스, 블루투스 저전력(BLE), 지그비(Zigbee), NFC(near field communication), 또는 라디오 프리퀀시(RF) 중 적어도 하나를 포함할 수 있다. 유선 통신망은 예컨대 USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard-232), 전력선 통신, 또는 POTS(plain old telephone service) 등 중 적어도 하나를 포함할 수 있다.

네트워크는 텔레커뮤니케이션 네트워크, 예를 들면, 컴퓨터 네트워크, 인터넷, 또는 텔레폰 네트워크 중 적어도 하나를 포함할 수 있다. 네트워크는 PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 네트워크는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.

서비스 로봇(300)은 지도 클라우드 서버(200)로부터 제공되는 타겟 건물의 실내 지도 정보를 이용하여 자신의 위치를 확인할 수 있다. 실내 지도 정보는 타겟 건물의 실내 공간 정보뿐만 아니라, 서비스 로봇(300)이 자신의 위치를 확인할 수 있도록 하는 센서 데이터를 포함할 수 있다. 센서 데이터는 타겟 건물 내의 위치에 따라 다른 센서 값들을 포함할 수 있다. 예컨데, 센서 데이터는 타겟 건물 내의 다른 위치들에서 촬영한 영상 데이터들을 포함할 수 있다. 센서 데이터는 타겟 건물 내의 다른 위치들에서 측정한 무선 신호들(예컨대, WiFi 신호, 블루투스 신호, 지그비 신호 등)의 데이터들을 포함할 수 있다. 무선 신호들의 데이터는 무선 신호들의 종류와 세기를 포함할 수 있다. 센서 데이터는 타겟 건물 내의 다른 위치들에서 측정한 지자기 값들을 포함할 수 있다.

지도 클라우드 서버(200)로부터 제공되는 센서 데이터는 타겟 건물 내의 다른 위치마다 다른 값들을 가지며, 그 값에 대응되는 위치가 정확해야만 서비스 로봇(300)이 센서 데이터를 이용하여 자신의 위치를 정확하게 확인할 수 있다. 종래에는 타겟 건물의 특정 위치에 센서를 위치시킨 후 센서 출력을 측정하는 과정을 타겟 건물 내의 미리 설정한 모든 위치들에서 반복함으로써, 센서 데이터가 수집되었다. 이러한 과정을 통해 센서 데이터를 수집하는 경우, 센서를 미리 설정한 특정 위치에 정확히 위치시켜야 하는 어려움이 있고, 미리 설정한 모든 위치에서 센서 값들을 측정해야 하므로 시간이 많이 소요된다.

본 발명에 따른 매핑 로봇(100)은 타겟 건물 내를 이동하면서 제1 센서 데이터뿐만 아니라 제2 센서 데이터를 수집할 수 있다. 매핑 로봇(100)은 제1 및 제2 센서 데이터 각각에 제1 및 제2 타임스탬프 값을 태깅할 수 있다. 매핑 로봇(100)은 수집된 제1 센서 데이터를 이용하여 임시 지도 데이터와 임시 경로 정보를 생성하고, 루프 클로져가 검출되면 루프 클로징을 수행함으로써 임시 지도 데이터를 보정하여 타겟 건물의 실내 지도 정보를 생성하고 임시 경로 정보를 보정하여 이동 경로 정보를 생성할 수 있다. 제1 센서 데이터는 실내 지도 정보 및 이동 경로 정보를 생성하기 위한 데이터로서 공간 데이터로 지칭될 수 있다. 이동 경로 정보는 매핑 로봇(100)이 이동했던 경로에 관한 정보이다.

매핑 로봇(100)은 제1 및 제2 센서 데이터에 태깅된 제1 및 제2 타임스탬프 값들을 이용하여 제2 센서 데이터가 취득된 시점에 매핑 로봇(100)이 위치했던 센싱 위치 좌표를 정확히 추정할 수 있다. 매핑 로봇(100)는 이렇게 추정된 센싱 위치 좌표를 제2 센서 데이터에 태깅함으로써, 제2 센서 데이터와 이의 센싱 위치 좌표를 정확히 매핑시킬 수 있다. 따라서, 타겟 건물 내의 수 많은 위치들 각각에서 수집되는 제2 센서 데이터에 이의 정확한 센싱 위치 좌표를 태깅하여 저장할 수 있으며, 이러한 과정은 매핑 로봇(100)이 타겟 건물의 실내 지도 정보를 생성하는 시간 동안에 이루어지므로 추가적으로 소요되는 시간은 거의 없다.

도 1은 본 발명에 따른 데이터 수집 방법을 구현할 수 있는 시스템을 예시적으로 도시한 것이다. 본 발명에 따른 데이터 수집 방법이 예시적으로 도 1의 매핑 로봇(100)에서 수행되는 것으로 설명되지만, 본 발명에 따른 데이터 수집 방법은 스마트폰이나 노트북과 같은 휴대용 컴퓨팅 장치에서 수행될 수도 있다.

본 발명에 따른 데이터 수집 방법은 매핑 로봇(100)과 지도 클라우드 서버(200)에서 수행될 수도 있으며, 이 경우, 매핑 로봇(100)과 지도 클라우드 서버(200)가 하나의 데이터 수집 장치를 구성할 수 있다.

예를 들면, 매핑 로봇(100)이 이동하면서 제1 및 제2 센서들을 통해 제1 및 제2 센서 데이터를 각각 수집하고, 제1 및 제2 센서 데이터에 제1 및 제2 타임스탬프 값들을 각각 타임스탬핑할 수 있다. 매핑 로봇(100)은 제1 및 제2 타임스탬프 값들이 각각 타임스탬핑된 제1 및 제2 센서 데이터를 지도 클라우드 서버(200)에 제공할 수 있다.

지도 클라우드 서버(200)는 제1 센서 데이터를 기초로 임시 지도 데이터를 생성하고, 제1 타임스탬프 값에 대응하는 시점의 임시 위치 데이터를 생성할 수 있다. 지도 클라우드 서버(200)는 루프 클로져(loop closure)를 검출하고, 루프 클로져가 검출되면 임시 위치 데이터를 보정하여 보정 위치 데이터를 생성하고, 보정 위치 데이터를 기초로 이동 경로 정보 및 타겟 건물의 실내 지도 정보를 생성할 수 있다. 지도 클라우드 서버(200)는 이동 경로 정보를 기초로 제2 타임스탬프 값에 대응하는 시점의 센싱 위치를 추정하고, 센싱 위치를 상기 제2 센서 데이터에 태깅할 수 있다. 지도 클라우드 서버(200)는 센싱 위치가 태깅된 제2 센서 데이터를 저장할 수 있다.

한편, 보정 위치 및 센싱 위치는 방향 정보를 포함할 수 있다. 예컨대, 보정 위치 및 센싱 위치는 공간 상에서의 위치를 특정할 수 있는 위치 정보와, 해당 위치에서의 방향을 특정할 수 있는 방향 정보를 모두 포함하는 개념일 수 있다.

도 2는 일 실시예에 따른 매핑 로봇의 내부 구성을 설명하기 위한 예시적인 블록도이다.

도 2를 참조하면, 매핑 로봇(100)은 프로세서(110), 메모리(120), 제1 센서부(130), 제2 센서부(140), 통신부(150) 및 구동부(160)를 포함한다.

프로세서(110)는 메모리(120)에 저장된 코드에 따라 동작하며, 제1 센서부(130), 제2 센서부(140), 통신부(150) 및 구동부(160)의 전체적인 동작을 제어한다. 메모리(120)는 프로세서(110)를 동작시키기 위한 코드를 저장할 수 있으며, 프로세서(110)의 동작에 의해 생성되는 데이터를 저장할 수 있다. 프로세서(110)는 제1 센서부(130) 및 제2 센서부(140)로부터 수집되는 제1 및 제2 센서 데이터들을 이용하여 타겟 건물의 실내 지도 정보 및 자신의 이동 경로 정보를 생성하고, 센싱 위치가 태깅된 제2 센서 데이터를 생성할 수 있다. 프로세서(110)에 대하여 아래에서 더욱 자세히 설명한다.

제1 센서부(130)는 프로세서(110)가 타겟 건물의 실내 지도 정보 및 이동 경로 정보를 생성하는데 이용되는 공간 데이터(즉, 제1 센서 데이터)를 생성할 수 있다. 제1 센서부(130)는 레이저 스캐너, 카메라, RGBD 센서를 포함하는 그룹에서 선택되는 적어도 하나를 포함할 수 있다. 레이저 스캐너는 레이저 펄스를 발사하고 발사된 레이저 펄스가 주위의 대상 물체에서 반사되어 돌아오는 것을 받아 물체까지의 거리 등을 측정함으로써 주변의 모습을 정밀하게 그려내는 장치로서, 라이다(Lidar)를 포함할 수 있다. 레이저 스캐너는 3차원 레이저 스캐너일 수 있으며, 3차원 공간 데이터를 생성할 수 있다. 레이저 스캐너는 미리 설정된 주기로 3차원 공간 데이터를 생성할 수 있다. 매핑 로봇(100)이 이동하면 레이저 스캐너가 생성한 3차원 공간 데이터는 매 프레임마다 변하게 된다. 프로세서(110)는 프레임마다 변하는 3차원 공간 데이터의 특징점을 추출하고 특징점들을 정합시킴으로써, 매핑 로봇(100)의 위치 및 이동 경로를 파악하고 타겟 건물의 실내 지도 정보를 생성할 수 있다.

카메라는 예컨대 360도 카메라일 수 있으며, 매핑 로봇(100)의 위치에서 전후좌우상하 모든 방향을 촬영하는 장치일 수 있다. 카메라는 모든 방향을 촬영한 영상 데이터를 생성할 수 있다. 프로세서(110)는 프레임마다 변하는 영상 데이터의 특징점을 추출하고 특징점들을 정합시킴으로써, 매핑 로봇(100)의 위치 및 이동 경로를 파악하고 타겟 건물의 실내 지도 정보를 생성할 수 있다.

일 예에 따르면, 프로세서(110)는 카메라로부터 취득된 영상 데이터를 분석하여 평면(plane)을 식별하고, 평면들의 변화를 분석함으로써 3차원 지도 데이터를 생성할 수 있다. 또한, 프로세서(110)는 3차원 지도 데이터 내의 자신의 위치를 파악할 수 있다.

RGBD 센서는 카메라와 같이 RGB 영상을 촬영하는 센서의 기능과 주위의 대상 물체까지의 거리를 감지하는 깊이 센서의 기능이 결합된 센서이다. RGBD 센서는 주위 물체의 영상뿐만 아니라 주위 물체까지의 거리를 측정할 수 있다. 프로세서(110)는 RGBD 센서의 출력 데이터를 기초로 타겟 건물의 실내 지도 정보를 생성하고 자신의 위치를 파악할 수 있다.

제2 센서부(140)는 센싱 위치가 태깅된 제2 센서 데이터를 생성하기 위한 장치로서, 카메라, 와이파이 모듈, 블루투스 모듈, 지자기 센서를 포함하는 그룹에서 선택되는 적어도 하나를 포함할 수 있다. 센싱 위치는 제2 센서 데이터가 취득된 위치를 의미하며, 센싱 위치가 태깅된 제2 센서 데이터는 제2 센서 데이터와 함께 센싱 위치가 저장된다는 것을 의미한다. 센싱 위치는 제2 센서 데이터의 메타 데이터로 저장될 수 있다. 센싱 위치는 타겟 건물의 실내 지도 상의 좌표로 저장될 수 있다. 센싱 위치가 태깅된 제2 센서 데이터는 지도 클라우드 서버(200)에 저장되어 네트워크를 통해 타겟 건물의 실내 지도 정보의 일부로서 서비스 로봇(300)에게 제공될 수 있다. 센싱 위치가 태깅된 제2 센서 데이터는 매핑 로봇(100)의 메모리(120)에 저장될 수 있다.

제2 센서부(140)는 카메라, 와이파이 모듈, 블루투스 모듈, 지자기 센서를 포함하는 그룹에서 선택되는 복수의 센서들을 포함할 수 있다. 예컨대, 제2 센서부(140)는 카메라와 와이파이 모듈을 포함할 수 있다. 제2 센서부(140)는 2차원 레이저 스캐너를 포함할 수도 있다. 제2 센서부(140)는 2차원 카메라를 포함할 수 있다. 제2 센서부(140)의 센서 장치들은 제1 센서부(130)의 센서에 비해 저렴하고 낮은 성능을 가질 수 있다.

와이파이 모듈은 센싱 위치에서 감지되는 액세스 포인트들의 식별 정보 및 액세스 포인트들 각각으로부터 수신되는 와이파이 신호의 세기를 감지할 수 있다. 블루투스 모듈은 센싱 위치에서 감지되는 블루투스 장치들의 식별 정보 및 블루투스 장치들 각각으로부터 수신되는 와이파이 신호의 세기를 감지할 수 있다. 지자기 센서는 센싱 위치에서 지구의 자기장을 감지할 수 있다.

통신부(150)는 네트워크에 접속되어 지도 클라우드 서버(200) 및/또는 서비스 로봇(300)과 통신할 수 있다. 통신부(150)는 통신 인터페이스로 지칭될 수 있으며, 매핑 로봇(100)과 외부 장치, 예컨대, 지도 클라우드 서버(200) 간의 무선 통신을 설정할 수 있다. 무선 통신은 예컨대 LTE, LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications) 등 중 적어도 하나를 사용하는 셀룰러 통신을 포함할 수 있다. 일 예에 따르면, 무선 통신은 WiFi(wireless fidelity), 블루투스, 블루투스 저전력(BLE), 지그비(Zigbee), NFC(near field communication), 또는 라디오 프리퀀시(RF) 중 적어도 하나를 포함할 수 있다.

구동부(160)는 프로세서(110)에 의해 제어되며, 매핑 로봇(100)이 타겟 건물 내를 이동할 수 있는 수단을 제공한다. 구동부(160)는 모터 및 복수의 휠을 포함할 수 있다. 예를 들면, 구동부(160)는 모터 드라이버(Motor Drivers), 휠 모터, 및 회전 모터를 포함할 수 있다. 모터 드라이버는 매핑 로봇(100)의 주행을 위한 휠 모터를 구동하는 역할을 수행할 수 있다. 휠 모터는 매핑 로봇(100)의 주행을 위한 복수 개의 바퀴를 구동시킬 수 있다. 회전 모터는 매핑 로봇(100)의 바퀴의 방향 전환 또는 회전을 위하여 구동될 수 있다.

매핑 로봇(100)은 장애물 인식부를 더 포함할 수 있다. 장애물 인식부는 적외선 센서, 초음파 센서, 절벽 센서, 자세 센서, 충돌 센서 및 광류 센서 중 적어도 하나를 포함할 수 있다. 적외선 센서는 매핑 로봇(100)을 원격 조정하기 위한 적외선 리모콘의 신호를 수신하는 센서를 포함할 수 있다. 초음파 센서는 초음파 신호를 이용하여 장애물과 로봇 사이의 거리를 판단하기 위한 센서를 포함할 수 있다. 절벽 센서 는 360도 범위에서 낭떠러지 또는 절벽 등을 감지하기 위한 센서를 포함할 수 있다. 자세 센서(ARS ,Attitude Reference System)는 매핑 로봇(100)의 자세를 검출할 수 있는 센서를 포함할 수 있다. 자세 센서는 매핑 로봇(100)의 회전량 검출을 위한 가속도 3축 및 자이로 3축으로 구성되는 센서를 포함할 수 있다. 충돌 센서는 매핑 로봇(100)과 장애물 사이의 충돌을 감지하는 센서를 포함할 수 있다. 충돌 센서는 360도 범위에서 매핑 로봇(100)과 장애물 사이의 충돌을 감지할 수 있다. 광류 센서(OFS, Optical Flow Sensor는 매핑 로봇(100)의 주행 시 헛바퀴가 도는 현상 및 다양한 바닥 면에서 로봇의 주행거리를 측정할 수 있는 센서를 포함할 수 있다.

도 3은 일 실시예에 따른 매핑 로봇의 프로세서를 설명하기 위한 예시적인 블록도이다.

도 3을 참조하면, 프로세서(110)는 타임스탬핑 모듈(111), SLAM(Simultaneous Localization and Mapping) 모듈(112), 태깅 모듈(113) 및 저장 모듈(114)을 포함할 수 있다.

타임스탬핑 모듈(111)은 제1 센서부(130)을 통해 제1 센서 데이터를 수집하고, 제1 센서 데이터에 제1 타임스탬프 값들을 태깅할 수 있다. 타임스탬핑 모듈(111)은 제2 센서부(140)을 통해 제2 센서 데이터를 수집하고, 제2 센서 데이터에 제2 타임스탬프 값들을 태깅할 수 있다. 제1 센서부(130)는 3차원 레이저 스캐너이고, 제2 센서부(140)는 와이파이 모듈인 것으로 가정한다. 제1 센서 데이터는 제1 센서부(130)로 예시되는 3차원 레이저 스캐너로부터 수신되는 공간 데이터로 지칭될 수 있고, 제2 센서 데이터는 제2 센서부(140)로 예시되는 와이파이 모듈로부터 수신되는 센서 데이터로 지칭될 수 있다.

타임스탬핑이란 데이터를 수신한 시각에 해당하는 타임스탬프 값을 상기 데이터와 연관지어 저장하거나 상기 데이터의 메타데이터로 저장함으로써 상기 데이터에 태깅하는 것을 의미할 수 있다. 타임스탬프는 특정한 시각을 나타내기 위하여 일관성 있는 형식으로 표현되는 정보로서, 둘 이상의 시각을 비교하거나 기간을 계산할 때 편리하게 사용할 수 있다. 타임스탬프의 형식은 본 발명을 한정하지 않는다.

제1 센서부(130)와 제2 센서부(140)는 서로 독립적으로 동작할 수 있다. 따라서, 제1 센서부(130)(예컨대, 3차원 레이저 스캐너)의 제1 센서 데이터의 수집 주기와 제2 센서부(140)(예컨대, 와이파이 모듈)의 제2 센서 데이터의 수집 주기는 서로 독립적이다. 제1 센서 데이터의 수신 시각과 제2 센서 데이터의 수신 시각은 서로 동기화되지 않을 수 있다. 예컨대, 제1 센서 데이터는 대략 1ms에서 100ms 사이에서 선택되는 시간 간격으로 수신되고, 제2 센서 데이터는 대략 1ms에서 1sec 사이에서 선택되는 시간 간격으로 수신될 수 있다. 제1 및 제2 센서 데이터들 각각은 일정한 주기로 수신되지 않을 수 있다.

타임스탬핑 모듈(111)은 제1 타임스탬프 값이 태깅된 제1 센서 데이터와 제2 타임스탬프 값이 태깅된 제2 센서 데이터를 메모리(120)에 저장할 수 있다. 제1 및 제2 센서 데이터 각각은 매핑 로봇(100)이 이동하면서 순차적으로 수신되는 데이터들의 집합으로 이해될 수 있다.

SLAM 모듈(112)은 제1 센서 데이터를 기초로 동시 위치 추정 및 지도 작성 기능을 수행할 수 있으며, 매핑 로봇(100)이 이동한 경로를 추정할 수 있다. 제1 센서 데이터는 제1 타임스탬프 값들이 태깅되어 있으므로, SLAM 모듈(112)은 어떤 시각에 어떤 위치를 통과하였는지에 대한 정보를 파악할 수 있다. SLAM 모듈(112)의 동시 위치 추정 및 지도 작성 기능은 공지되어 있으므로, 동시 위치 추정 및 지도 작성 기능이 어떻게 수행될 수 있는지에 대하여 자세히 설명하지 않는다.

일 예에 따르면, SLAM 모듈(112)은 제1 센서 데이터를 기초로 임시 지도 데이터를 생성하면서 제1 타임스탬프 값에 대응하는 시점의 임시 위치 데이터를 생성할 수 있다. 임시 위치 데이터는 제1 타임스탬프 값에 대응하는 시점에 매핑 로봇(100)이 통과한 위치를 임시로 추정한 데이터를 의미한다. 제1 센서 데이터가 3차원 레이저 스캐너로부터 수신되는 3차원 이미지 데이터인 경우, SLAM 모듈(112)은 순차적으로 수신되는 3차원 이미지 데이터를 기초로 동시 위치 추정 및 지도 작성 기능을 수행할 수 있다. 이 단계에서 SLAM 모듈(112)이 임시로 작성한 지도 데이터 및 자신의 위치 데이터는 센싱 오차를 포함할 수 있으며, 센싱 오차는 시간이 지남에 따라 누적되어 점점 커질 수 있다. 임시 지도 데이터과 임시 위치 데이터는 이러한 센싱 오차가 제거되지 않은 데이터를 의미할 수 있다. 예컨대, 임시 지도 데이터와 임시 위치 데이터는 센싱 오차를 포함할 수 있다.

SLAM 모듈(112)은 센싱 오차를 제거하기 위한 방법으로서 루프 클로징 기능을 수행할 수 있다. SLAM 모듈(112)은 루프 클로져(loop closure)를 검출할 수 있다. 본 명세서에서 루프 클로져란 매핑 로봇(100)이 지나갔던 위치를 다시 방문하는 것을 의미한다. SLAM 모듈(112)은 현재 수신되는 제1 센서 데이터인 현재 데이터를 이전에 수신되었던 제1 센서 데이터인 이전 데이터와 비교하여, 이들 간의 유사도가 미리 설정한 임계치보다 클 경우, 루프 클로져가 발생하였다고 결정할 수 있다. 제1 센서부(130)가 3차원 레이저 스캐너인 경우, 동일 위치에서 취득한 3차원 이미지 데이터는 매우 유사할 수 있다. 3차원 레이저 스캐너로부터 수신되는 3차원 이미지 데이터는 서로 용이하게 비교될 있도록 매핑 로봇(100)의 자세에 따라 미리 설정한 좌표계로 변환될 수 있다. 매핑 로봇(100)이 지나갔던 위치를 다시 방문하는 것은 동일한 좌표에 재방문하는 것만을 포함하지 않고, 이전에 방문했던 위치에 인접한 위치에 다시 방문하는 것도 포함할 수 있다.

현재 데이터는 이전 데이터 모두와 비교되지 않고, 연산량을 줄이기 위해 일부의 이전 데이터와 비교될 수 있다. 비교의 대상이 되는 일부의 이전 데이터는 시작 지점의 이전 데이터 또는 교차로 위치의 이전 데이터일 수 있다. 비교의 대상이 되는 일부의 이전 데이터는 임시 위치 데이터를 기초로 예측된 이동 경로를 기초로 루프 클로져가 발생할 가능성이 있는 시점의 이전 데이터들일 수 있다.

다른 실시예에 따르면, SLAM 모듈(112)은 루프 클로져를 검출할 때 제2 센서 데이터도 이용할 수 있다. SLAM 모듈(112)은 현재 수신되는 제2 센서 데이터인 현재 데이터를 이전에 수신되었던 제2 센서 데이터인 이전 데이터와 비교하여, 이들 간의 유사도가 미리 설정한 임계치보다 클 경우, 루프 클로져가 발생하였다고 결정할 수 있다. 제2 센서부(140)가 와이파이 모듈인 경우, 동일 위치에서 취득한 무선 신호 데이터는 매우 유사할 수 있다. 제2 센서 데이터에 대해서도, 현재 데이터는 이전 데이터 모두와 비교되지 않고, 연산량을 줄이기 위해 일부의 이전 데이터와 비교될 수 있다.

SLAM 모듈(112)은 제1 센서 데이터를 기초로 루프 클로져를 검출한 경우, 제1 센서 데이터에 태깅된 제1 타임스탬프 값을 이용하여 현재 위치를 이전에 통과한 이전 통과 시점을 파악할 수 있다. 제1 센서 데이터를 이용하여 파악한 이전 통과 시점은 제1 이전 통과 시점으로 지칭한다. SLAM 모듈(112)은 제2 센서 데이터를 기초로 루프 클로져를 검출한 경우에도, 제2 센서 데이터에 태깅된 제2 타임스탬프 값을 이용하여 현재 위치를 이전에 통과한 이전 통과 시점을 파악할 수 있다. 제2 센서 데이터를 이용하여 파악되는 이전 통과 시점은 제2 이전 통과 시점으로 지칭한다. SLMA 모듈(112)은 제1 이전 통과 시점과 제2 이전 통과 시점의 차이가 미리 설정된 임계치보다 작은 경우에 최종적으로 루프 클로져가 발생한 것으로 결정할 수 있다.

SLAM 모듈(112)은 루프 클로져의 검출에 응답하여 임시 지도 데이터과 임시 위치 데이터에서 센싱 오차를 제거함으로써, 타겟 건물의 실내 지도 정보 및 매핑 로봇(100)이 이동했던 이동 경로 정보를 생성할 수 있다. SLAM 모듈(112)은 루프 클로져의 검출에 응답하여 임시 위치 데이터를 보정하여 보정 위치 데이터를 생성하고, 보정 위치 데이터를 기초로 이동 경로 정보를 생성할 수 있다. 또한, SLAM 모듈(112)은 루프 클로져가 검출되면 임시 지도 데이터에서 센싱 오차를 제거함으로써 타겟 건물의 실내 지도 정보를 생성할 수 있다.

일 예에 따르면, 루프 클로져가 검출된 현재 시점의 임시 위치 데이터와 제1 이전 통과 시점의 임시 위치 데이터의 차이는 제1 이전 통과 시점과 현재 시점 사이에 누적된 센싱 오차에 대응하므로, SLAM 모듈(112)은 루프 클로져가 검출된 현재 시점의 임시 위치 데이터와 제1 이전 통과 시점의 임시 위치 데이터를 일치시키면서, 루프 클로져가 검출된 현재 시점의 임시 위치 데이터와 제1 이전 통과 시점의 임시 위치 데이터의 차이를 기초로 센싱 오차에 관한 정보를 파악할 수 있다. SLAM 모듈(112)은 임시 위치 데이터에서 센싱 오차를 보정함으로써, 보정 위치 데이터를 생성할 수 있다. 보정 위치 데이터는 임시 위치 데이터에서 센싱 오차가 제거된 것으로 이해될 수 있다. 매핑 로봇(100)의 위치에 관한 보정 위치 데이터 역시 추정 오차를 포함하지만, 임시 위치 데이터에 비해 훨씬 작은 오차를 포함한다.

SLAM 모듈(112)은 보정 위치 데이터를 기초로 이동 경로 정보를 생성할 수 있다. 제1 센서 데이터는 제1 타임스탬프 값이 타임스탬핑되어 있으므로, 이동 경로 정보는 제1 타임스탬프 값에 대응하는 시점의 보정 위치 데이터를 포함한다. 즉, 이동 경로 정보는 매핑 로봇(100)이 이동한 경로에 관한 정보로서, 제1 타임스탬프 값이 태깅된 제1 센서 데이터로 인하여 실제로 통과한 시각과 위치에 관한 정보를 포함할 수 있다.

태깅 모듈(113)은 이동 경로 정보를 기초로 제2 타임스탬프 값에 대응하는 시점의 센싱 위치를 추정할 수 있다. 이동 경로 정보는 매핑 로봇(100)이 이동한 시각과 위치에 관한 정보를 포함하므로, 태깅 모듈(113)은 제2 타임스탬프 값에 대응하는 시점에 매핑 로봇(100)이 위치하였던 위치를 파악할 수 있다. 이 위치는 센싱 위치로 지칭될 수 있다. 일 예에 따르면, 태깅 모듈(113)은 제1 타임스탬프 값에 대응하는 시점의 보정 위치 데이터를 이용하여 내삽함으로써 제2 타임스탬프 값에 대응하는 시점의 센싱 위치를 추정할 수 있다. 제1 타임스탬프 값에 대응하는 시점은 제2 타임스탬프 값에 대응하는 시점과 정확히 일치하지 않을 수 있다. 제2 타임스탬프 값과 인접하는 2개의 제1 타임스탬프 값들이 선택될 수 있다. 2개의 제1 타임스탬프 값들에 대응하는 보정 위치 데이터가 결정될 수 있다. 2개의 제1 타임스탬프 값들에 대응하는 시점들 사이에 매핑 로봇(100)이 선형 등속 운동한 것으로 가정하여, 제2 타임스탬프 값과 인접하는 2개의 제1 타임스탬프 값들 사이의 차이를 기초로 내삽 연산을 수행함으로써, 제2 타임스탬프 값에 대응하는 시점의 센싱 위치를 추정할 수 있다.

매핑 로봇(100)이 인접한 2개의 제1 타임스탬프 값들에 대응하는 위치 사이에서 선형 등속 운동하는 것으로 가정하지 않을 수도 있다. 예를 들면, 매핑 로봇(100)은 불규칙하게 운동할 수 있다. 이 경우, 제2 타임스탬프 값에 대응하는 시점의 위치는 제2 타임스탬프 값에 인접하는 둘 이상의 제1 타임스탬프 값에 대응하는 시점의 위치들을 기초로 결정될 수 있다. 태깅 모듈(133)은 둘 이상의 제1 타임스탬프 값에 대응하는 시점의 위치들을 기초로 매핑 로봇(100)의 운동의 종류를 예상하고, 이 운동의 종류 및 제2 타임스탬프 값들에 대응하는 시점의 위치들을 기초로 제2 타임스탬프 값에 대응하는 시점의 위치를 추정할 수 있다.

태깅 모듈(113)은 제2 타임스탬프 값에 대응하는 시점에 매핑 로봇(100)이 위치하였던 위치를 기초로 센싱 위치를 추정할 수 있다. 엄밀하게 제2 타임스탬프 값에 대응하는 시점의 위치는 제1 센서부(130)의 위치를 의미한다. 반면에, 센싱 위치는 제2 센서부(140)의 위치를 의미할 수 있다.

제1 센서부(130)와 제2 센서부(140)는 매핑 로봇(100) 내에서 다른 위치에 존재할 수 있다. 프로세서(110)는 제1 센서부(130)와 제2 센서부(140) 간의 위치 관계에 관한 정보를 미리 저장할 수 있다. 프로세서(110)는 매핑 로봇(100)의 자세에 따라 제1 센서부(130)의 위치에 대한 제2 센서부(140)의 위치의 관계를 산출하고, 산출된 위치 관계를 이용하여 제1 센서부(130)의 위치로부터 제2 센서부(140)의 위치를 정확히 산출할 수 있다. 이를 통해, 태깅 모듈(133)은 제2 타임스탬프 값에 대응하는 시점에 제1 센서부(130)가 위치하였던 위치를 기초로 센싱 위치를 추정할 수 있다.

태깅 모듈(113)은 이와 같이 추정된 센싱 위치를 제2 타임스탬프 값이 타임스탬핑된 제2 센서 데이터에 태깅할 수 있다. 태깅 모듈(113)이 제2 센서 데이터 전부에 대하여 위와 같은 동작을 수행하므로써, 제2 센서 데이터는 모두 센싱 위치가 태깅될 수 있다. 제2 센서부(140)가 카메라인 경우, 센싱 위치가 태깅된 제2 센서 데이터는 카메라가 촬영한 영상 및 카메라의 위치를 포함할 수 있다. 제2 센서 데이터에 포함되는 카메라의 위치는 카메라의 촬영 방향을 포함할 수 있다. 고정식 카메라인 경우, 카메라의 촬영 방향은 매핑 로봇(100)의 자세를 통해 결정될 수 있다. 짐벌 카메라인 경우, 카메라의 촬영 방향은 매핑 로봇(100)의 자세 및 짐벌 각도를 기초로 결정될 수 있다.

저장 모듈(114)은 센싱 위치가 태깅된 제2 센서 데이터를 저장할 수 있다. 저장 모듈(114)은 센싱 위치가 태깅된 제2 센서 데이터를 메모리(120)에 저장할 수 있다. 저장 모듈(114)은 센싱 위치가 태깅된 제2 센서 데이터를 지도 클라우드 서버(200)에 저장할 수 있다. 저장 모듈(114)은 센싱 위치가 태깅된 제2 센서 데이터를 타겟 건물의 실내 지도 정보에 결합할 수 있다.

제2 센서부(140)가 복수 종류의 센서를 포함하는 경우, 제2 센서 데이터도 복수로 존재할 수 있으며, 센싱 위치가 각각 태깅된 복수의 제2 센서 데이터는 태깅 모듈(113)에 의해 생성될 수 있다. 타겟 건물의 실내 지도 정보는 복수의 제2 센서 데이터를 포함할 수 있다. 예컨대, 제2 센서부(140)가 카메라와 와이파이 모듈을 포함하는 경우, 제2 센서 데이터는 센싱 위치에서 카메라로 촬영한 영상 데이터 및 센싱 위치에서 수신되는 와이파이 신호들의 데이터를 포함할 수 있다.

프로세서(110)는 매핑 로봇(100)의 자율 주행을 위한 자율 주행 모듈을 더 포함할 수 있으며, 구동부(160)는 자율 주행 모듈의 제어에 의해 구동될 수 있다. 자율 주행 모듈은 매핑 로봇(100)이 이동할 경로를 직접 결정할 수 있다. 매핑 로봇(100)은 타겟 건물의 실내 지도 정보가 만들어지기 전에 타겟 건물을 탐색할 수 있다. 자율 주행 모듈은 타겟 건물을 탐색하기 위한 알고리즘을 가질 수 있다. 예를 들면, 자율 주행 모듈은 타겟 건물을 탐색하기 위하여 모든 교차로에서 특정 방향으로 회전하는 알고리즘을 갖거나, 미리 설정된 이동 거리 또는 시간이 되면 루프 클로져(loop closure)가 발생하도록 경로를 결정하는 알고리즘을 가질 수 있다.

다른 실시예에 따르면, 매핑 로봇(100)이 이동할 경로를 결정하는 기능은 지도 클라우드 서버(200)에서 수행될 수 있으며, 프로세서(110)는 지도 클라우드 서버(200)로부터 자신이 이동할 경로를 수신할 수 있다.

도 4 및 도 5는 일 실시예에 따른 매핑 로봇의 프로세서의 동작을 설명하기 위한 참조도이다.

*도 4 및 도 5를 참조하면, SLAM 모듈(112)의 루프 클로징 동작 이전의 임시 이동 경로(P1)과 루프 클로징 동작 이후에 추정한 추정 이동 경로(P2)가 도시된다. 매핑 로봇(100)은 좌측 하단에서 시작하여 직사각형 경로를 반시계 방향으로 이동한 것으로 가정한다. 도 5는 도 4의 참조도에서 A 부분을 확대한 것이다.

임시 이동 경로(P1)는 임시 위치 데이터(ei)를 기초로 결정될 수 있다. 임시 이동 경로(P1)에서 알 수 있다시피, 임시 위치 데이터(ei)는 매핑 로봇(100)이 이동함에 따라 센싱 오차가 누적되면서 실제 경로에서 점점 벗어날 수 있다.

루프 클로징 동작은 루프 클로져가 검출된 두 시점에서 임시 위치 데이터(ei)를 일치시키는 동작일 수 있다. 루프 클로징 동작에 의해 생성되는 보정 위치 데이터(ri)는 임시 위치 데이터(ei)에서 센싱 오차를 제거한 것으로 이해될 수 있다.

프로세서(110)가 제2 센서 데이터를 제2 센서부(140)로부터 수신될 때마다 센싱 위치를 결정하고, 결정된 센싱 위치를 제2 센서 데이터에 태깅할 경우, 제2 센서 데이터의 센싱 위치(mj)는 도 5에 도시된 바와 같이 임시 이동 경로(P1) 상의 위치로 결정되거나, 임시 이동 경로(P1) 상의 인접한 임시 위치 데이터(ei)의 위치로 결정될 수 있다. 프로세서(110)는 제1 센서 데이터를 기초로 현재 위치를 임시 위치 데이터(ei)와 같이 결정할 수 있으며, 프로세서(110)는 임시 위치 데이터(ei)를 기초로 제2 센서 데이터의 센싱 위치를 결정할 수 있다.

본 실시예들에 따르면, 제2 센서 데이터는 제2 타임스탬프 값이 타임스탬핑된다. 프로세서(110)는 제2 센서 데이터의 제2 타임스탬프 값을 이용하여 제2 센서 데이터의 센싱 위치를 추정 이동 경로(P2) 상의 위치로 결정할 수 있다. 그 결과, 제2 센서 데이터의 센싱 위치는 더욱 정확해질 수 있으며, 제2 센서 데이터의 센싱 위치를 파악하기 위해 추가로 투여해야하는 시간은 거의 없다. 뿐만 아니라, 타겟 건물 내에서 매핑 로봇(100)이 이동한 경로를 따라 매우 많은 수의 제2 센서 데이터가 취득될 수 있다. 타겟 건물 내의 매우 많은 센싱 위치에서 측정되는 제2 센서 데이터가 수집될 수 있다. 종래에는 작업자가 미리 설정된 위치로 센서 장치를 가지고 이동하여 센서 데이터를 수집하여야 하였으므로, 한정된 위치에 대해서만 센서 데이터를 수집할 수 있었지만, 본 실시예들에 따르면 타겟 건물 내에서 매핑 로봇(100)이 이동하는 경로 상에서 수 cm 정도의 간격으로 제2 센서 데이터을 수집할 수 있다.

도 6은 일 실시예에 따른 지도 클라우드 서버의 내부 구성을 설명하기 위한 예시적인 블록도이다.

도 6을 참조하면, 지도 클라우드 서버(200)는 프로세서(210), 메모리(220), 및 통신부(230)를 포함한다.

프로세서(110)는 메모리(120)에 저장된 코드에 따라 동작하며, 메모리(220) 및 통신부(230)를 포함한다. 메모리(220)는 프로세서(210)를 동작시키기 위한 코드를 저장할 수 있으며, 프로세서(210)의 동작에 의해 생성되는 데이터를 저장할 수 있다. 메모리(220)는 타겟 건물의 실내 지도 정보를 저장하는 저장 장치를 포함할 수 있다. 다른 예에 따르면, 메모리(220)는 네트워크를 통해 연결되는 별도의 저장 서버의 데이터베이스를 포함할 수 있으며, 타겟 건물의 실내 지도 정보는 데이터베이스에 저장될 수 있다.

프로세서(210)는 매핑 로봇(100)으로부터 타겟 건물의 실내 지도 정보를 수신할 수 있다. 실내 지도 정보는 타겟 건물의 3차원 지도를 포함할 수 있다. 실내 지도 정보는 센싱 위치가 태깅된 제2 센서 데이터를 포함할 수 있다. 센싱 위치는 타겟 건물의 실내 지도 정보 상의 위치로 특정될 수 있다.

프로세서(210)는 서비스 로봇(300)에게 타겟 건물의 실내 지도 정보를 제공할 수 있다. 서비스 로봇(300)은 타겟 건물의 실내 지도 정보에 포함되는 제2 센서 데이터를 이용하여 자신의 위치를 파악할 수 있다. 제2 센서 데이터에는 정확하게 추정된 센싱 위치가 태깅되어 있다. 서비스 로봇(300)은 타겟 건물 내에서 센서를 이용하여 측정한 값들을 제2 센서 데이터와 비교함으로써 자신의 위치를 추정할 수 있다.

다른 실시예에 따르면, 프로세서(210)는 매핑 로봇(100) 및/또는 서비스 로봇(300)으로부터 출발지 정보와 도착지 정보를 수신할 수 있다. 프로세서(210)는 타겟 건물의 실내 지도 정보를 이용하여 출발지에서 도착지까지 이동할 최적의 경로를 결정하고, 최적의 경로에 관한 정보를 매핑 로봇(100) 및/또는 서비스 로봇(300)에게 제공할 수 있다. 최적의 경로에 관한 정보를 수신한 매핑 로봇(100) 및/또는 서비스 로봇(300)은 최적의 경로에 따라 이동할 수 있다. 다른 예에 따르면, 매핑 로봇(100)은 자율 주행 모듈을 포함할 수 있으며, 자율 주행 모듈이 결정한 경로에 따라 이동할 수도 있다.

또 다른 실시예에 따르면, 프로세서(210)는 도 3의 SLAM 모듈(112), 태깅 모듈(113), 및 저장 모듈(114)의 기능을 수행할 수 있다. 예를 들면, 프로세서(210)는 매핑 로봇(100)으로부터 제1 및 제2 타임스탬프 값들이 각각 타임스탬핑된 상기 제1 및 제2 센서 데이터를 수신할 수 있다.

프로세서(210)는 제1 타임스탬프 값이 타임스탬핑된 제1 센서 데이터를 기초로 임시 지도 데이터를 생성하고, 제1 타임스탬프 값에 대응하는 시점의 임시 위치 데이터를 생성할 수 있다.

프로세서(210)는 매핑 로봇(100)이 지나갔던 위치를 다시 방문하는 루프 클로져(loop closure)를 검출할 수 있다. 프로세서(210)는 루프 클로져가 검출되면, 임시 위치 데이터를 보정하여 보정 위치 데이터를 생성하고, 보정 위치 데이터를 기초로 이동 경로 정보 및 타겟 건물의 실내 지도 정보를 생성할 수 있다.

프로세서(210)는 이동 경로 정보를 기초로 제2 타임스탬프 값에 대응하는 시점의 센싱 위치를 추정하고, 센싱 위치를 상기 제2 센서 데이터에 태깅할 수 있다. 프로세서(210)는 센싱 위치가 태깅된 제2 센서 데이터를 저장할 수 있다.

통신부(230)는 네트워크에 접속되어 매핑 로봇(100) 및/또는 서비스 로봇(300)과 통신할 수 있다. 통신부(230)는 통신 인터페이스로 지칭될 수 있으며, 매핑 로봇(100) 및/또는 서비스 로봇(300)과의 통신을 설정할 수 있다. 통신부(230)는 유선 통신을 통해 네트워크에 접속할 수 있다. 유선 통신은 LAN(Local Area Network), WAN(Wide Area Network), MAN(Metropolitan Area Network), ISDN(Integrated Service Digital Network) 등 중 적어도 하나를 포함할 수 있다.

도 7은 일 실시예에 따른 서비스 로봇의 내부 구성을 설명하기 위한 예시적인 블록도이다.

도 7을 참조하면, 서비스 로봇(300)은 프로세서(310), 메모리(320), 제2 센서부(330), 통신부(340) 및 구동부(350)를 포함한다.

프로세서(310)는 메모리(320)에 저장된 코드에 따라 동작하며, 메모리(320), 제2 센서부(330), 통신부(340) 및 구동부(350)의 전체적인 동작을 제어한다. 메모리(320)는 프로세서(310)를 동작시키기 위한 코드를 저장할 수 있으며, 프로세서(310)의 동작에 의해 생성되는 데이터를 저장할 수 있다. 프로세서(310)는 제2 센서부(330)로부터 수신되는 센서 데이터와 지도 클라우드 서버(200)에 저장되는 타겟 건물의 실내 지도 정보를 이용하여 타겟 건물 내의 자신의 위치를 추정할 수 있다. 프로세서(310)에 대하여 아래에서 더욱 자세히 설명한다.

제2 센서부(330)는 타겟 건물의 실내 지도 정보에 포함되는 제2 센서 데이터와 동일한 종류의 센서 데이터를 생성하는 센서를 포함할 수 있다. 제2 센서부(330)는 매핑 로봇(100)의 제2 센서부(140)에 대응될 수 있다. 예컨대, 매핑 로봇(100)의 제2 센서부(140)가 카메라, 와이파이 모듈, 블루투스 모듈, 지자기 센서를 포함하는 그룹에서 선택되는 적어도 하나를 포함하는 경우, 제2 센서부(330)도 제2 센서부(140)와 동일한 종류의 적어도 하나 센서를 포함할 수 있다. 매핑 로봇(100)의 제2 센서부(140)가 카메라와 와이파이 모듈을 포함하여, 타겟 건물의 실내 지도 정보에 카메라의 영상 데이터와 와이파이 모듈의 무선 신호 데이터가 포함되는 경우, 제2 센서부(330)는 카메라나 와이파이 모듈 하나만 포함하거나, 카메라와 와이파이 모듈 모두를 포함할 수 있다.

매핑 로봇(100)의 제1 센서부(130)의 센서는 제2 센서부(140)의 센서에 비해 고가이고 높은 성능을 가질 수 있다. 서비스 로봇(300)은 매핑 로봇(100)의 제1 센서부(130)와 같은 고가의 센서를 포함하지 않기 때문에, 매핑 로봇(100)에 비해 저렴하게 제작될 수 있으며, 각각의 기능에 맞게 다양한 종류로 제작될 수 있다.

통신부(340)는 네트워크에 접속되어 매핑 로봇(100), 지도 클라우드 서버(200) 및/또는 다른 서비스 로봇(300)과 통신할 수 있다. 통신부(340)는 무선 통신을 지원하는 통신 인터페이스로 지칭될 수 있다. 무선 통신은 셀룰러 통신, WiFi(wireless fidelity), 블루투스, 블루투스 저전력(BLE), 지그비(Zigbee), NFC(near field communication), 또는 라디오 프리퀀시(RF) 중 적어도 하나를 포함할 수 있다.

구동부(350)는 프로세서(310)에 의해 제어되며, 서비스 로봇(300)이 이동할 수 있는 수단을 제공한다. 구동부(350)는 모터 및 복수의 휠을 포함할 수 있다. 예를 들면, 구동부(350)는 모터 드라이버(Motor Drivers), 휠 모터, 및 회전 모터를 포함할 수 있다. 모터 드라이버는 서비스 로봇(300)의 주행을 위한 휠 모터를 구동하는 역할을 수행할 수 있다. 휠 모터는 서비스 로봇(300)의 주행을 위한 복수 개의 바퀴를 구동시킬 수 있다. 회전 모터는 서비스 로봇(300)의 바퀴의 방향 전환 또는 회전을 위하여 구동될 수 있다.

일 실시예에 따르면, 프로세서(310)는 제2 센서부(330)로부터 센서 데이터를 수신할 수 있다. 프로세서(310)는 지도 클라우드 서버(200)로부터 타겟 건물의 실내 지도 정보를 수신할 수 있다. 프로세서(310)는 타겟 건물의 실내 지도 정보에 포함되는 센싱 위치가 태깅된 제2 센서 데이터와 제2 센서부(330)로부터 수신된 센서 데이터를 비교하여 이들 간의 유사도를 판단할 수 있다. 프로세서(310)는 유사도가 높은 제2 센서 데이터를 추출하고, 제2 센서 데이터에 태깅된 센싱 위치를 기초로 서비스 로봇(300)의 현재 위치를 추정할 수 있다.

다른 실시예에 따르면, 프로세서(310)는 제2 센서부(330)로부터 센서 데이터를 수신하면, 센서 데이터를 지도 클라우드 서버(200)로 전송할 수 있다. 지도 클라우드 서버(200)는 서비스 로봇(300)로부터 수신되는 센서 데이터를 기초로 서비스 로봇(300)의 현재 위치를 추정하고, 현재 위치에 관한 정보를 서비스 로봇(300)에게 전송할 수도 있다.

타겟 건물 내에 매핑 로봇(100) 및 서비스 로봇(300)이 이동하는 경로가 지정된 경우, 매핑 로봇(100)은 이 경로 상의 모든 위치에서 제2 센서 데이터를 수신할 수 있다. 타겟 건물의 실내 지도 정보는 경로 상의 모든 위치에서 취득된 제2 센서 데이터를 포함할 수 있으며, 제2 센서 데이터는 정확한 센싱 위치가 태깅될 수 있다. 서비스 로봇(300)이 타겟 건물 내의 지정된 경로 상에 위치하는 경우, 제2 센서부(330)를 통해 수신되는 센서 데이터와 유사도가 매우 높은 제2 센서 데이터가 존재할 가능성이 높다. 따라서, 서비스 로봇(300)의 현재 위치는 매우 정확하게 추정될 수 있다.

이상 설명된 본 발명에 따른 실시예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.

이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.

따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (12)

1. 데이터 수집 장치에 구비되는 라이다(Lidar) 센서를 이용하여 지도 정보 및 이동 경로 정보를 생성하기 위한 공간 데이터를 수집하는 단계;
   상기 데이터 수집 장치에 구비되는 카메라 센서를 이용하여 복수의 방향에서 촬영한 영상 데이터와 상기 카메라 센서의 촬영 방향을 특정하는 방향 정보를 수집하는 단계;
   상기 공간 데이터에 상기 공간 데이터를 수집한 시점에 근거하여 제1 타임 스탬프 값을 스탬핑 하는 단계;
   상기 영상 데이터에 상기 영상 데이터를 수집한 시점에 근거하여 제2 타임 스탬프 값을 스탬핑 하는 단계;
   상기 공간 데이터 및 상기 제1 타임 스탬프 값을 이용하여, 임시 지도 데이터를 생성하고, 상기 공간 데이터를 수집한 시점에서의 상기 데이터 수집 장치의 위치에 해당하는 임시 위치 데이터를 생성하는 단계;
   상기 데이터 수집 장치가 상기 임시 위치 데이터에 대응되는 위치를 다시 방문하는 루프 클로져를 검출하는 단계;
   상기 데이터 수집 장치가 상기 위치를 다시 방문한 시점에 상기 라이다 센서로부터 수집되는 새로운 공간 데이터에 근거하여, 상기 임시 위치 데이터에서 센싱 오차를 제거하는 것을 통해 상기 데이터 수집 장치의 이동 경로 정보 및 지도 정보를 생성하는 단계;
   상기 데이터 수집 장치의 이동 경로 정보를 기반으로 상기 제2 타임 스탬프 값에 대응하는 시점에서의 센싱 위치를 추정하고, 상기 추정된 센싱 위치를 상기 영상 데이터에 태깅하는 단계; 및
   상기 추정된 센싱 위치가 태깅된 상기 영상 데이터와 상기 추정된 센싱 위치에서 상기 카메라 센서의 촬영 방향을 특정하는 방향 정보를 상기 지도 정보에 결합하는 단계;를 포함하는 지도 정보 작성 방법.
2. 제1항에 있어서,
   상기 촬영 방향이 특정된 상기 카메라 센서의 위치는 상기 추정된 센싱 위치로 결정되는 것을 특징으로 하는 지도 정보 작성 방법.
3. 제2항에 있어서,
   상기 데이터 수집 장치와 다른 장치에서 촬영된 이미지에 기반하여 건물에서 상기 다른 장치의 위치가 측정될 수 있도록,
   상기 지도 정보, 상기 추정된 센싱 위치가 태깅된 상기 영상 데이터, 및 상기 추정된 센싱 위치에서의 상기 카메라 센서의 방향 정보는 상기 건물에 대한 지도 데이터로서 저장되는 것을 특징으로 하는 지도 정보 작성 방법.
4. 제1항에 있어서,
   상기 이동 경로 정보는 보정 위치 데이터를 포함하고,
   상기 보정 위치 데이터는 상기 임시 위치 데이터에서 센싱 오차를 제거하여, 상기 제1 타임스탬프 값에 대응하는 시점을 기준으로 생성되고,
   상기 제2 타임스탬프 값에 대응하는 시점의 센싱 위치는 상기 제1 타임스탬프 값에 대응하는 시점의 보정 위치 데이터를 이용한 내삽을 통해 추정되는 것을 특징으로 하는 지도 정보 작성 방법.
5. 제4항에 있어서,
   상기 제2 타임스탬프 값에 대응하는 시점의 센싱 위치는 상기 복수의 방향에서 촬영한 영상 데이터 각각에 대하여 상기 제1 타임스탬프 값에 대응하는 시점의 보정 위치 데이터를 이용하여 추정되는 것을 특징으로 하는 지도 정보 작성 방법.
6. 제1항에 있어서,
   상기 카메라 센서의 촬영 방향을 특정하는 방향 정보는 상기 데이터 수집 장치의 자세 정보를 이용하여 설정되는 것을 특징으로 하는 지도 정보 작성 방법.
7. 제6항에 있어서,
   상기 카메라 센서는 고정식 카메라 또는 짐벌 카메라 중 적어도 하나를 구비하고,
   상기 고정식 카메라의 촬영 방향은 상기 데이터 수집 장치의 자세를 통하여 설정되고,
   상기 짐벌 카메라의 촬영 방향은 상기 데이터 수집 장치의 자세 및 상기 짐벌 카메라의 각도를 이용하여 설정되는 것을 특징으로 하는 지도 정보 작성 방법.
8. 제7항에 있어서,
   상기 데이터 수집 장치는 상기 데이터 수집 장치의 자세를 검출할 수 있는 자세 센서를 구비하는 것을 특징으로 하는 지도 정보 작성 방법.
9. 제1항에 있어서,
   상기 루프 클로져(loop closure)를 검출하는 단계는
   상기 공간 데이터 간의 유사도를 산출하는 단계;
   상기 영상 데이터 간의 유사도를 산출하는 단계; 및
   상기 공간 데이터 간의 유사도 및 상기 영상 데이터 간의 유사도를 기초로 상기 루프 클로져(loop closure)를 검출하는 단계를 포함하는 것을 특징으로 하는 지도 정보 작성 방법.
10. 제1항에 있어서,
    상기 데이터 수집 장치는 매핑 로봇을 구비하고,
    상기 라이다 센서 및 카메라 센서는 상기 매핑 로봇에 위치하고,
    상기 매핑 로봇은 네트워크에 접속되어 건물 내를 이동하면서 외부 장치와 통신을 수행하는 것을 특징으로 하는 특징으로 하는 지도 정보 작성 방법.
11. 지도 정보 및 이동 경로 정보를 생성하기 위한 공간 데이터를 수집하는 라이다 센서;
    복수의 방향에서 촬영된 영상 데이터를 획득하는 카메라 센서;
    상기 공간 데이터에 상기 공간 데이터를 수집한 시점에 근거하여 제1 타임 스탬프 값을 스탬핑 하고, 상기 영상 데이터에 상기 영상 데이터를 수집한 시점에 근거하여 제2 타임 스탬프 값을 스탬핑 하는 타임스탬핑 모듈;
    상기 공간 데이터 및 상기 제1 타임 스탬프 값을 이용하여, 임시 지도 데이터를 생성하고, 상기 공간 데이터를 수집한 시점에서의 임시 위치 데이터를 생성하고, 상기 임시 위치 데이터에 대응되는 위치를 다시 방문하는 루프 클로져를 검출하며, 상기 루프 클로져의 검출에 응답하여 상기 임시 위치 데이터를 보정하여 이동 경로 정보 및 지도 정보를 생성하는 SLAM(Simultaneous Localization and Mapping) 모듈;
    상기 이동 경로 정보를 기반으로 상기 제2 타임 스탬프 값에 대응하는 시점에서의 센싱 위치를 추정하고, 상기 추정된 센싱 위치를 상기 영상 데이터에 태깅하는 태깅 모듈; 및
    상기 카메라 센서의 촬영 방향을 특정하는 방향 정보를 수집하고, 상기 추정된 센싱 위치가 태깅된 상기 영상 데이터와 상기 추정된 센싱 위치에서 상기 카메라 센서의 촬영 방향을 특정하는 방향 정보를 상기 지도 정보에 결합하는 프로세서를 포함하는 데이터 수집 시스템.
12. 전자기기에서 하나 이상의 프로세스에 의하여 실행되며, 컴퓨터로 판독될 수 있는 매체에 저장된 프로그램으로서,
    상기 프로그램은,
    데이터 수집 장치에 구비되는 라이다(Lidar) 센서를 이용하여 지도 정보 및 이동 경로 정보를 생성하기 위한 공간 데이터를 수집하는 단계;
    상기 데이터 수집 장치에 구비되는 카메라 센서를 이용하여 복수의 방향에서 촬영한 영상 데이터와 상기 카메라 센서의 촬영 방향을 특정하는 방향 정보를 수집하는 단계;
    상기 공간 데이터에 상기 공간 데이터를 수집한 시점에 근거하여 제1 타임 스탬프 값을 스탬핑 하는 단계;
    상기 영상 데이터에 상기 영상 데이터를 수집한 시점에 근거하여 제2 타임 스탬프 값을 스탬핑 하는 단계;
    상기 공간 데이터 및 상기 제1 타임 스탬프 값을 이용하여, 임시 지도 데이터를 생성하고, 상기 공간 데이터를 수집한 시점에서의 상기 데이터 수집 장치의 위치에 해당하는 임시 위치 데이터를 생성하는 단계;
    상기 데이터 수집 장치가 상기 임시 위치 데이터에 대응되는 위치를 다시 방문하는 루프 클로져를 검출하는 단계;
    상기 데이터 수집 장치가 상기 위치를 다시 방문한 시점에 상기 라이다 센서로부터 수집되는 새로운 공간 데이터에 근거하여, 상기 임시 위치 데이터에서 센싱 오차를 제거하는 것을 통해 상기 데이터 수집 장치의 이동 경로 정보 및 지도 정보를 생성하는 단계;
    상기 데이터 수집 장치의 이동 경로 정보를 기반으로 상기 제2 타임 스탬프 값에 대응하는 시점에서의 센싱 위치를 추정하고, 상기 추정된 센싱 위치를 상기 영상 데이터에 태깅하는 단계; 및
    상기 추정된 센싱 위치가 태깅된 상기 영상 데이터와 상기 추정된 센싱 위치에서 상기 카메라 센서의 촬영 방향을 특정하는 방향 정보를 상기 지도 정보에 결합하는 단계를 수행하도록 하는 명령어들을 포함하는 것을 특징으로 하는 컴퓨터로 판독될 수 있는 매체에 저장된 프로그램.

Images