KR20090039115A - 로봇의 자율주행을 위한 의미적 지도 - Google Patents

로봇의 자율주행을 위한 의미적 지도 Download PDF

Info

Publication number
KR20090039115A
KR20090039115A KR1020070104567A KR20070104567A KR20090039115A KR 20090039115 A KR20090039115 A KR 20090039115A KR 1020070104567 A KR1020070104567 A KR 1020070104567A KR 20070104567 A KR20070104567 A KR 20070104567A KR 20090039115 A KR20090039115 A KR 20090039115A
Authority
KR
South Korea
Prior art keywords
information
robot
map
cell
layer
Prior art date
Application number
KR1020070104567A
Other languages
English (en)
Other versions
KR100919513B1 (ko
Inventor
백문홍
백승호
박재한
고재한
Original Assignee
한국생산기술연구원
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 한국생산기술연구원 filed Critical 한국생산기술연구원
Priority to KR1020070104567A priority Critical patent/KR100919513B1/ko
Publication of KR20090039115A publication Critical patent/KR20090039115A/ko
Application granted granted Critical
Publication of KR100919513B1 publication Critical patent/KR100919513B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • 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
    • B25J9/16—Programme controls
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003—Maps
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S901/00—Robots
    • Y10S901/01—Mobile robot

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

본 발명은 이동 로봇의 자율주행에 사용되는 지도에 관한 것으로, 이동 로봇의 작업환경인 가정, 사무실, 빌딩, 공공기관 건물 등의 다양한 넓이와 종류의 공간을 표현할 수 있고, 동시에 단순히 노드(node)와 에지(edge)로서 인식하는 것이 아니라, 문, 자동문, 방, 복도 등과 같은 구체적인 하위 개념의 의미를 포함할 수 있어 지능적 주행이 가능하며, 복잡하고 동적이며 넓은 환경에서도 로봇의 자기위치인식 및 자율주행이 신뢰성 있게 이루어질 수 있도록 하는 지도를 제공하는 것을 목적으로 한다.
상기 목적을 달성하기 위한 본 발명에 따른 지도는, 로봇의 이동 공간을 구분한 셀(cell)의 종류와 이름에 대한 정보를 갖는 시맨틱(semantic) 계층과, 셀의 위치와 크기에 대한 정보를 갖는 메트릭(metric) 계층과, 다른 셀과의 연결점에 대한 정보를 갖는 커넥션(connection) 계층과, 로봇의 현재 위치를 결정하기 위한 로컬라이제이션(localization) 정보 계층을 포함하는데 구성적 특징이 있다.
로봇, 의미적 지도

Description

로봇의 자율주행을 위한 의미적 지도 {SEMANTIC MAP FOR AUTONOMOUS NAVIGATION OF ROBOT}
본 발명은 이동 로봇의 자율주행에 사용되는 지도에 관한 것으로, 보다 구체적으로는 로봇의 이동 공간을 구분한 셀(cell)의 종류와 이름에 대한 정보를 갖는 시맨틱(semantic) 계층과, 이동 로봇이 이동하는 공간의 위치와 크기에 대한 정보를 갖는 메트릭 계층과, 공간과 공간의 연결점에 대한 정보를 갖는 커넥션 계층과, 이동 로봇의 현재 위치를 결정하기 위한 로컬라이제이션(localization) 정보 계층을 포함한 의미적 지도(semantic map)에 관한 것이다.
이동 로봇의 자율주행 기술은 최근 관심이 고조되고 있는 지능형 서비스 로봇의 기반이 되는 중요한 기술이다.
지능형 서비스 로봇으로서 적절히 기능하기 위해서, 로봇은 센서를 이용하여 주위환경을 파악하고 자율적으로 상황에 대처하며 주행할 수 있어야 하는데, 이러한 자율주행 기술은 1980년대 이후로 활발하게 연구되어 왔지만 실제 환경에 적용하기에는 아직도 많은 해결과제를 안고 있다.
이동 로봇의 자율 주행을 위하여 요구되는 기술은, 크게 로봇의 현재 위치를 정확히 알아내는 『위치결정 기술』, 작업 중인 현재의 환경을 파악하여 지도를 형성하는 『지도형성 기술』, 및 작업수행을 위한 이동 경로를 생성한 후 안전하게 이동을 수행하도록 하는 『경로작성 기술』로 구분될 수 있다.
한편, 이동 로봇의 자율 주행에 필요한 지도(map)란 로봇이 움직이고 작업하는 주변 환경을 데이터화한 정보를 의미하며, 지도의 표현 형태는 메트릭(metric)과 토폴러지(topology)의 두 가지 형태로 구분된다.
이중 메트릭(metric) 형태는, 로봇의 주변환경을 점유/비점유 형태로 정밀하게 표현하는 방식으로, 로봇이 자체 센서를 이용하여 환경을 인지하고 그 정보를 바탕으로 지도를 형성하는 SLAM(Simultaneous Localization And Mapping) 방식에서 많이 사용되며, 센서에서 발생하는 불확실성을 확률적으로 모델링하여 지도를 업데이트하는 방식이다. 이 형태의 지도는 미지의 환경에서 로봇이 스스로 환경을 인식하고 작성할 수 있는 형태이며, 작성된 지도 정보를 이용하여 로봇의 위치추정이 가능한 장점이 있으나, 지도 작성에 많은 메모리가 요구되고 환경을 점유/비점유로만 표현하기 때문에, 예를 들어 공간을 연결하는 부분을 문, 계단, 복도 등과 같은 의 의미적 정보로 표현할 수 없는 문제점이 있다.
상기 토폴러지(topology) 형태는, 환경을 그래픽 형태로 간단명료하게 표현하는 방식으로, 작은 메모리로 넓은 공간을 효율적으로 표현할 수 있으며 주행을 위한 경로계획이 간단해지는 이점이 있으나, 로봇이 스스로 토폴러지(topology) 정보를 찾기 어렵고 지도 정보만으로 로봇의 위치를 추정하기 어려운 문제점이 있다.
본 발명은 전술한 종래의 로봇용 지도 구조의 문제점을 해결하기 위해 창안된 것으로, 이동 로봇의 작업환경인 가정, 사무실, 빌딩, 공공기관 건물 등의 다양한 넓이와 종류의 공간을 표현할 수 있고, 동시에 단순히 노드(node)와 에지(edge)로서 인식하는 것이 아니라, 문, 자동문, 방, 복도 등과 같은 구체적인 하위 개념의 의미를 포함할 수 있어 지능적 주행이 가능하며, 복잡하고 동적이며 넓은 환경에서도 로봇의 자기위치인식 및 자율주행이 신뢰성 있게 이루어질 수 있도록 하는 지도를 제공하는 것을 목적으로 한다.
또한 본 발명의 또 다른 목적은, 로봇 간에 공유할 수 있어서 환경에 처음 들어온 로봇도 별도의 탐사과정 없이 지도 정보의 전달만으로도 자율주행이 가능한 지도를 제공하는 것이다.
전술한 목적을 달성하기 위한 본 발명에 따른 지도는, 로봇의 이동 공간을 구분한 셀(cell)의 종류와 이름에 대한 정보를 갖는 시맨틱(semantic) 계층과, 셀의 위치와 크기에 대한 정보를 갖는 메트릭(metric) 계층과, 다른 셀과의 연결점에 대한 정보를 갖는 커넥션(connection) 계층과, 로봇의 현재 위치를 결정하기 위한 로컬라이제이션(localization) 정보 계층을 포함하는 구조로 되어 있는데 구성적 특징이 있다.
본 발명에 따른 지도에서는 전체 환경에서 구분될 수 있는 공간을 셀(cell) 이라는 기본 단위로 나타내어지며, 전체 환경은 각 단위 셀(cell)의 집합체로 표현 된다.
상기 시맨틱(semantic) 계층은 각 셀(cell)의 종류와 이름에 대한 정보를 가지고 있기 때문에, 이 계층의 정보를 통해 로봇이 현재 위치하는 공간이 어디인지 의미적으로 알 수 있게 된다. 이에 따라, 종래 이동 로봇에게 위치와 방향(x,y,q) 형태로 지시하는 것과 달리, 본 발명에 따른 지도에 의하면 로봇에게 이동 목적지를 '101호 연구실'과 같은 의미적인 이름으로 지시하는 것이 가능해진다.
상기 메트릭(metric) 계층은 각 셀(cell)의 위치, 크기 정보를 가지고 있기 때문에, 메트릭 계층의 정보는, 로봇이 경로계획을 설정할 때 목적지의 위치 (x,y)가 어느 셀(cell)에 속하는지 검색할 수 있도록 하며, 또한 경로계획 설정 후 실제 거리를 계산하는데 사용된다.
상기 커넥션(connection) 계층은, 각 셀(cell)에 있어서 하나 이상의 다른 셀(cell)과 연결되는 연결점에 대한 정보로서 단순한 연결정보 외에 연결점의 종류를 나타내는 토폴로지컬(topological) 정보를 가지는데, 이를 통해 로봇은 현재 경유하는 연결점이 어떤 연결점인지를 알 수 있으므로 그에 따른 지능적 처리를 수행할 수 있게 된다. 예를 들어 로봇이 자동문을 통과할 때는 앞에서 문이 열릴 때까지 기다렸다가 통과하거나, 일반 문이면 손잡이를 인식하여 문을 여는 동작을 하거나, 또는 소리로서 문을 여는 요청을 하여 문을 통과하는 등 종래의 지도로는 구현하기 어려웠던 지능적인 자율주행이 본 발명에 따른 지도로는 가능하게 된다.
상기 로컬라이제이션(localization) 계층은 로봇이 자체 센서 외에 외부로부터 자신의 현재 위치정보를 획득할 수 있는 수단에 대한 정보를 보유한 계층이다. 이와 같이, 본 발명에 따른 지도에서는 외부 환경에 설치된 로봇의 위치인식수단의 정보를 제공함으로써, 로봇에 설치된 자체 센서에 의한 위치인식의 오류를 외부 환경에 설치된 로봇의 위치인식수단을 통해 정정할 수 있도록 하여, 넓은 지역에서도 신뢰성이 있는 자기위치인식과 자율주행이 가능하게 된다.
로봇의 위치인식수단으로는 환경에 설치된 로봇의 위치인식 센서일 수 있으며, 이 경우 로컬라이제이션 정보는 위치인식에 관한 정보(센서가 설치된 위치, 방향 (x,y,q) 정보 외에도 로봇이 센서 네트워크를 통해 위치인식 센서와 연결하기 위한 네트워크 주소 등)를 포함할 수 있다. 이러한 정보를 통해, 로봇은 이동하면서 연결하거나 끊어야 할 위치인식 센서를 지능적으로 판단하여 위치정보를 받을 수 있게 되며, 많은 센서가 설치된 넓은 공간에서도 본 발명에 따른 지도 정보를 참조하여 신뢰성 있는 위치정보를 획득할 수 있게 된다.
또한, 본 발명에 따른 지도는 추가로 각 셀 내에 위치하는 고정 물체에 대한 정보를 갖는 물체(object) 계층을 포함할 수 있다. 상기 물체 계층에는 물체의 위치, 방향 (x,y,q) 정보와 물체의 인식정보(예컨대, 최대 128비트의 RFID 고유 번호)가 저장될 수 있다. 이러한 정보를 통해, 로봇의 이동 목적지를 물체의 ID나 이름으로 부여할 수 있게 되며, 로봇이 최초로 들어간 환경에서도 서버로부터 본 발명에 지도 정보를 부여받으면 별도의 탐사작업 없이 자율 주행 가능하게 된다.
또한, 위치센서가 구비되어 있지 않은 환경이나, 위치센서의 오작동 또는 고장으로 인해 로봇이 외부로부터 자신의 위치정보를 획득할 수 없을 때는, 상기 물체 정보가 로봇의 현재 위치정보를 제공하는 백업 수단이 될 수 있다. 예를 들어, 물체정보로부터 3 이상의 물체의 위치를 파악하고, 로봇에 구비된 거리 측정 수단을 통해 상기 물체와의 거리를 파악한 후, 물체의 위치와 로봇과 물체 간의 거리를 기초로 연산하면 로봇의 현재 위치를 파악할 수 있다.
본 발명에 따른 지도는, 가정, 사무실, 빌딩, 공공기관 건물 등 다양한 넓이의 영역을 용이하게 표현할 수 있어, 이동 로봇의 작업환경에 적합하다.
또한, 본 발명에 따른 지도는, 단순히 노드(node)와 에지(edge)로서 인식하는 것이 아니라, 문, 자동문, 방, 복도 등과 같은 구체적인 개념의 의미를 포함할 수 있기 때문에, 복잡하고 동적인 환경에서도 로봇의 동작을 지능적으로 구현시킬 수 있다.
또한, 본 발명에 따른 지도에 의하면, 넓은 지역에서도 환경에 설치된 위치인식센서의 정보 또는 물체 정보를 통해 신뢰성 있게 위치정보를 획득할 수 있기 때문에, 효율적이고 신뢰성 있는 로봇의 자율 주행이 가능하게 된다.
또한, 본 발명에 따른 지도는 환경에 대한 거의 모든 정보를 포함하기 때문에, 환경에 처음 들어온 로봇도 별도의 탐사과정 없이 단지 지도 정보의 전달만으로도 곧바로 자율 주행을 할 수 있게 된다.
이하, 본 발명의 실시예를 참조하여 본 발명에 대해 보다 구체적으로 설명한다. 그러나 하기 실시예는 단지 예시에 불과한 것으로서, 본 발명을 한정하는 것으로 해석되어서는 안 된다.
본 발명의 실시예에 따른 의미적 지도(semantic map)에서, 환경에서 구분될 수 있는 공간의 최소 단위를 셀(cell)로 설정하였고, 단위 셀(cell)은 도 1에 도시된 바와 같이, 사각형의 공간으로 표현되며 내부에는 다른 공간과 연결되는 연결점, 로봇에 구비되어 있는 식별자(indicator)를 인식하여 로봇의 현재 위치를 알려주는 위치인식 센서, 그리고 랜드마크(landmark)로 사용할 수 있는 고정 물체로 구성되어 있다고 정의하였다.
그리고 상기 단위 셀에 대해서는 시맨틱(semantic), 메트릭(metric), 연결점(connections), 센서(sensors) 및 물체(objects)의 5 계층의 자료 구조로 이루어지도록 모델링하였으며, 각 계층의 구체적인 구성은 하기 표 1과 같이 하였다.
본 발명의 실시예에 따른 의미적 지도의 자료 구조
계층 정보 의미 구체적인 예
시맨틱 타입(type) 현재 셀의 종류 방, 복도
명칭(name) 셀의 명칭 102호
메트릭 위치(position) 셀의 중심위치 x, y
크기(size) 셀의 크기(폭, 높이) w, h
커넥션 수(number) 셀의 연결점 수 n ≥ 1
단위 연결점[n] 연결점의 형태
연결점의 위치, 방향
연결된 셀의 ID
센서 수(number) 설치된 센서의 수 m ≥ 0
단위 센서[m] 설치된 센서의 위치, 방향
설치된 센서의 네트워크 주소
물체 수(number) 단위 셀 내의 물체의 개수 j ≥ 0
단위 물체[j] 물체의 위치, 방향
물체의 RFID 코드
표 1에 제시된 바와 같이, 본 발명의 실시예에 따른 의미적 지도의 자료구조 중, 시맨틱 계층은 셀의 종류와 명칭에 대한 정보를 가지고 있으며, 이는 로봇이 현재 위치한 공간이 어디인지 알 수 있도록 한다. 또한 로봇에게 이동 목적지를 종래 위치와 방향(x,y,q) 형태로 지시하는 것과 달리 “101호 연구실”같은 의미적인 이름으로 지시하는 것이 가능하게 한다.
상기 메트릭 계층은 셀의 위치 및 크기 정보를 가지고 있는 계층으로, 본 발명의 실시예에 따른 셀은 단위 셀이 사각형으로 모델링되어 있기 때문에, 위치는 x, y좌표로, 크기는 폭(width)과 높이(height)로 표현된다. 이와 같은, 메트릭 계층은 로봇이 경로를 계획할 때, 목적지의 위치(x,y)가 어느 셀에 속하는지 검색할 수 있도록 하며, 경로계획 후 실제 거리를 계산하는데 사용된다.
상기 커넥션 계층은 다른 셀과 연결되는 연결점에 대한 정보를 갖는데, 이는 곧 각 셀 간 토폴로지컬(topological) 정보를 갖는 것을 의미한다. 커넥션 계층의 연결점은 하나 이상이며 단순한 연결정보 이외에 연결점의 종류 정보(예컨대, 개방된 문, 일반문, 여닫이문, 자동문, 엘리베이터 등)를 가지고 있어 로봇이 지금 경유하는 연결점이 어떤 연결점인지를 알 수 있도록 하고, 각 연결점의 종류에 맞추어 예를 들어 로봇이 자동문을 통과할 때는 앞에서 문이 열릴 때까지 기다렸다가 통과할 수 있으며, 일반 문이면 손잡이를 인식하여 문을 여는 동작을 하거나 아니면 소리로서 문을 열어달라는 요청을 하여 문을 통과하는 등의 지능적인 자율주행을 가능하게 한다.
상기 센서 계층은 셀 내에 설치된 위치인식 센서의 정보를 가지는데, 상기 센서의 정보에는 단위 셀에 설치된 위치인식 센서의 수(number), 센서가 설치된 위치 및 방향은 물론, 로봇이 센서 네트워크를 통해 위치정보를 받을 수 있도록 통신 연결을 위한 센서의 네트워크 주소가 포함된다. 이와 같은 센서 계층의 정보를 통해, 로봇은 이동하면서 연결을 생성하거나 끊어야 할 위치인식 센서를 지능적으로 판단하여 위치정보를 받을 수 있게 되므로, 많은 센서가 설치된 넓은 공간에서도 본 발명의 실시예에 따른 지도 정보를 참조하여 위치를 정확하게 인식할 수 있게 된다.
상기 물체 계층은 각 셀 내에 위치하고 있는 고정형 물체들의 정보를 가진다. 상기 정보는 각 셀 내에 위치한 고정형 물체의 수(number), 각 물체의 위치와 방향, 그리고 각 고정형 물체에 부착되어 있는 최대 128비트의 RFID 코드를 포함한다. 이러한 정보를 통해, 로봇은 구비된 RFID 리더를 통해 인식된 RFID 코드와 일치하는 물체의 위치와 방향 등을, 지도 정보로부터 획득할 수 있기 때문에, 최초로 진입한 환경이라도 별도의 별도 탐사작업 없이 자율주행이 가능하게 된다. 또한, RFID 코드는 각 물체별로 고유의 정보가 되므로, 이를 이용하면 지도정보가 없을 때 서버를 통해 적합한 지도정보를 전달받을 수 있는 키(key) 값이 될 수 있다. 그리고 고장이나 미설치 등으로 인해 위치인식센서로부터 로봇이 위치인식센서를 이용할 수 없고, 단위 셀 내에 적어도 3개의 고정형 물체가 있는 경우, 로봇은 자신과 각 물체 간의 거리정보를 측정하여, 각 물체의 위치정보와의 연산을 통해, 정확한 현재 위치를 파악할 수도 있다. 즉, 본 발명에 따른 물체의 정보는 센서 계층의 백업용으로도 사용될 수 있다.
이상과 같이 본 발명의 실시예에 따른 의미적 지도는 계층별로 구성되어 있으므로 각 계층의 정보 수준에 따른 경로계획 요청이 가능하다. 최종적인 경로계획은 커넥션(connections) 계층에서 이루어지지만, 목적지가 위치 및 방향으로 제시되는 일반적인 (x,y,q) 형식의 메트릭 계층에서의 경로계획 요청, 목적지가 "101호 연구실", "작은 방"과 같은 형식의 시맨틱 계층의 경로계획 요청, 또는 "00FF312310FC - 작은방 테이블"과 같은 형식의 물체 계층의 경로계획 요청 등 다양한 형태의 경로계획 요청이 가능하다.
또한, 요청된 경로계획에는 모든 계층의 정보, 시맨틱, 메트릭, 커넥션 정보를 모두 포함하게 되며, 이들 정보는 각 계층을 거치면서 차례로 추가된다. 요청된 경로계획을 의미적 경로를 설정하는 개략적인 흐름은 다음과 같다.
예를 들어, 시맨틱 수준의 경로계획을 요청하면, 도 3에 화살표로 표시된 바와 같이, 시맨틱 계층에서 메트릭 수준에 적합한 위치정보로 변환해서 내려주고, 메트릭 계층에서는 다시 커넥션 계층에 맞도록 위치를 셀 정보로 변환해서 내려주며, 최종적으로 커넥션 계층에서 토폴로지컬 경로를 계산하게 된다. 계산된 토폴로지컬 경로는 단순한 연결정보만으로 구성되는데, 이는 다시 메트릭 계층을 통해 위치정보 및 연결점 간의 실제 거리 등의 경로정보가 부가되며, 최종적으로 시맨틱 계층을 지나면서 의미적 정보가 더해져, 의미적 경로가 도출된다.
마찬가지로, 도 3에 도시된 바와 같이, 경로계획이 물체 계층 수준으로 요청된 경우, 시맨택 계층과 동일하게, 물체 계층 → 메트릭 계층 → 커넥션 계층 → 메트릭 계층 → 시맨틱 계층을 거치면서 의미적 경로가 설정되고, 경로계획이 메트릭 계층 수준으로 요청된 경우, 메트릭 계층 → 커넥션 계층 → 메트릭 계층 → 시맨틱 계층을 거치면서 의미적 경로가 설정된다.
본 발명에 따른 의미적 지도를 이용하여 의미적 경로를 설정하는 방법에 대해 도 4를 참조로 하여 보다 구체적으로 설명한다.
먼저, 로봇에 환경에 대한 의미적 지도를 로딩한 후, 로봇에게 경로계획(목적지)을 요청하면(S101), 목적지가 물체(object) 정보로 된 것인지를 판단하여(S102), 물체 정보인 경우에는 상기 의미적 지도의 물체 계층 정보를 통해 메트릭 정보를 추출한다(S103).
만약, 목적지가 물체(object) 정보가 아닌 경우에는 목적지가 시맨틱(semantic) 정보로 된 것인지를 판단하여(S104), 시맨틱 정보인 경우에는 상기 의미적 지도의 시맨틱 정보 계층을 통해 메트릭 정보를 추출한다(S105).
또한, 목적지가 시맨틱 정보가 아닌 경우에는 메트릭 정보로 된 것인지를 판단하고(S106), 메트릭 정보가 아닌 경우에는 "알 수 없는 형식의 목적지" 라는 메세지를 출력하여 오류로 처리한다(S107)
이상과 같은 단계를 통해, 목적지의 메트릭 정보(x,y)를 획득하게 되면, 로봇은 로딩된 의미적 지도의 메트릭 계층 정보를 활용하여 셀(cell) 정보를 추출한다(S108).
이어서, 로봇은 자체 내에 보유한 센서를 통해 자체의 현재 위치를 인식하고 상기 의미적 지도의 메트릭 계층 정보를 활용하여 셀(cell) 정보를 추출하여, 로봇의 의미적 경로를 설정하기 위한 초기화, 즉 출발지와 목적지에 대한 설정을 완료하게 된다(S109).
초기화가 된 상태에서는, 의미적 경로의 마지막 셀이 목적지 셀인지를 판단하여(S110), 목적지 셀이 아닌 경우에는 상기 의미적 지도의 커넥션 계층 정보를 활용하여 마지막 셀에 연결된 셀을 추가하고(S111), 목적지 셀이 맞는 경우에는 커넥션 계층 정보를 활용한 탐색을 종료한다(S112).
탐색이 종료된 커넥션 정보는 상기 의미적 지도의 메트릭 계층 정보를 활용하여, 각 연결점의 위치정보를 부가하고(S113), 다시 메트릭 계층 정보를 활용하여 시맨틱 정보를 부가하여(S114), 최종적으로 의미적 경로(semantic path)를 완성함으로써(S115), 작업을 종료한다.
이상과 같은 본 발명에 따른 의미적 지도를 이용한 의미적 경로계획 설정 로직을 프로그램화한 후, 도 2a 및 2b에 도시된 바와 같이, 다양한 형태의 셀(cell)과 일반문, 자동문, 복도, 엘리베이터 등 다양한 연결점으로 구성되어 있는 실제 환경에 적용하였다.
먼저, 하기 표 2와 같이, 상기 도 2b에 도시된 공간을 6개의 셀로 구분하여 모델링하였으며, 엘리베이터 복도, 중앙홀 및 복도에 각각 1개씩 총 3개의 위치인식 센서를 설치하였다.
본 발명의 실시예에 따른 의미적 지도(semantic map)의 모델링
셀 형태 위치/크기 센서 수
바깥 현관 홀 x, y = 0, -1194 w, h = 640, 200 0
실내 현과 홀 x, y = 0, -977 w, h = 440, 234 0
엘리베이터 복도 복도 x, y = 0, -430 w, h = 440, 860 1
중앙 홀 홀 x, y = 0, 432 w, h = 1872, 865 1
복도 복도 x, y = 1400, 125 w, h = 928, 250 1
101호 연구실 방 x, y = 1400, 557 w, h = 928, 615 0
시작점과 도착점은 경유점이 가장 많은 위치로 선정하였는데, 시작점인 로봇의 현재위치는 "101호 연구실"이 되도록 하였고, 목적지는 "바깥 현관"으로 지정하여, 의미적(semantic) 수준으로 경로계획을 요청하였다.
도 5는 전술한 흐름도의 로직을 구현할 수 있는 프로그램을 통해, 본 발명의 실시예에 따른 의미적 지도를 이용하여 계산된 경로 정보를 나타낸다.
도시된 바와 같이, 시작점인 "101호 연구실"에서 도착점인 "바깥 현관"으로 가기 위해서는 5개의 경유점을 지나서 최종 목적지에 도착하게 되며 첫 번째와 다섯 번째 경유점은 "문"이며, 네 번째 경유점은 "자동문"임을 알 수 있다. 따라서 본 발명의 실시예에 따른 의미적 지도를 통해 로봇은 다른 경유점들은 열린 공간이므로 그대로 통과할 수 있고, 첫 번째, 네 번째, 다섯 번째 경유점에서는 적절한 조치를 취해야만 그 지점을 통과할 수 있음을 인식하게 된다. 또한 경로 정보를 보면 통과해야 하는 셀, 경유점의 실제 위치 및 거리정보도 함께 있음을 확인할 수 있다.
한편, 도 6은 본 발명의 실시예에 따른 의미적 지도 정보만을 이용하여 구성한 그림 지도와 계산된 경로정보를 함께 나타낸 것이다. 이로부터 실제 정보는 상기 표 2와 같이 간단하지만 구성된 그림 지도는 도 2b의 도면과 매우 유사함을 알 수 있다.
다음으로, 이상과 같은 의미적 지도를 활용한 경로계획을 통해, 실제 환경에서의 자율주행을 수행하였다.
이동 로봇의 자율주행에는 공지의 리액티브(reactive) 방식의 알고리즘을 사용하였으며, 상기 알고리즘을 구현하기 위하여 이동 로봇의 전방에 7개의 초음파센서 모듈을 장착함으로써, 동적 환경에 대응할 수 있도록 하였다.
로봇의 위치인식과 관련하여, 로봇이 센서 계층의 위치인식센서 정보로부터 최적의 센서를 검색하여, 현재의 위치를 측정하는 방법은 다음과 같다.
먼저 로봇은 현재 위치하고 있는 셀을 판단한 후, 현재 셀과 인접한 모든 셀에 배치된 위치인식 센서를 최적센서 탐색을 위한 후보집합에 넣는다. 그리고 현재 로봇이 위치한 셀과 인접한 셀 안에 있는 모든 위치센서를 포함하는 N개의 멤버로 구성된 후보 집합 S = S1, S2, ..., SN에서 하기 식[1]에 의해 가장 가까운 거리의 위치인식 센서를 선택한다.
[식 1]
Figure 112007074305718-PAT00001
(Xs: 후보센서의 공간상 위치, Xr: 로봇의 절대공간에서의 위치)
도 7은 의미적 지도를 이용하여 로봇이 최적의 센서를 탐색하는 예를 개략적으로 도시한 도면이다. 도 7에 도시된 바와 같이, 로봇의 현재 위치는 셀 C3이다. 따라서 C3에 인접한 셀인 C2, C3, C4, C5가 탐색 대상이 되며 그 셀에 배치된 위치인식센서 후보 집합 S = S1, S2, S3에서 상기 식[1]에 의해 최적센서가 결정된다. 이때 로봇은 결정된 최적센서의 주소와 현재 연결된 센서의 주소를 비교한 후, 만약 현재의 센서와 다르다면 현재 센서와의 연결을 끊고 최적 센서와의 접속을 시도하여, 최적 센서로부터 로봇의 현재 위치에 대한 정보를 통해 기존의 위치정보를 갱신한다.
이에 따라, 본 발명에 따른 로봇의 주행방법에 의하면, 로봇이 여러 영역을 주행하더라도 위치 정보에 대한 오차가 축적되지 않게 되며 로봇이 주행하는 영역의 대소와 관계없이 신뢰성 있는 자기위치 인식이 가능하게 된다. 따라서 다양한 환경에서의 주행이 무리없이 수행될 수 있다.
도 8은 전술한 시작점과 도착점의 조건에서 이동 로봇이 자율주행을 수행한 결과를 나타낸다. 매회 주행을 시도할 때마다 장애물의 위치 및 실험자가 로봇 앞을 막는 등 동적인 환경을 연출하여 로봇이 이에 대응하느라 경로는 모두 다르지만 결과에서 목적지에 성공적으로 도착했음을 알 수 있다.
도 1은 본 발명의 실시예에 따른 의미적 지도에서 모델링한 단위 셀의 구조를 나타내는 도면이다.
도 2a 및 2b는 각각 본 발명의 실시예에 따른 의미적 지도의 환경을 촬영한 사진과 환경의 평면도이다.
도 3은 본 발명에 따른 의미적 지도를 기반으로 하여 경로계획을 설정하는 과정에 대한 개략도이다.
도 4는 본 발명의 실시예에 따른 의미적 지도를 활용하여 경로계획을 설정하는 과정을 나타내는 흐름도이다.
도 5는 본 발명의 실시예에 따른 의미적 지도를 활용하여, 로봇이 도출된 "101호 연구실"에서 "바깥현관"까지의 경로계획을 나타낸 컴퓨터 화면이다.
도 6은 본 발명의 실시예에 따른 의미적 지도를 활용하여 작성된 그래픽 지도와 설정된 경로계획을 나타내는 컴퓨터 화면이다.
도 7은 의미적 지도를 이용하여 로봇이 최적의 센서를 탐색하는 예를 개략적으로 도시한 도면이다.
도 8은 본 발명의 실시예에 따른 의미적 지도를 활용하여, 로봇이 실제로 주행한 결과를 나타내는 컴퓨터 화면이다.

Claims (5)

  1. 로봇의 지능적 자율주행을 위한 지도로서,
    로봇의 이동 공간을 구분한 셀(cell)의 종류와 이름에 대한 정보를 갖는 시맨틱(semantic) 계층과,
    셀의 위치와 크기에 대한 정보를 갖는 메트릭(metric) 계층과,
    다른 셀과의 연결점에 대한 정보를 갖는 커넥션(connection) 계층과,
    로봇의 현재 위치를 결정하기 위한 로컬라이제이션(localization) 정보 계층을 포함하는 구조로 이루어진 지도.
  2. 제 1 항에 있어서, 상기 지도는 추가로 각 셀 내에 위치하는 고정 물체에 대한 정보를 갖는 물체(object) 계층을 포함하는 것을 특징으로 하는 지도.
  3. 제 1 항 또는 제 2 항에 있어서, 상기 연결점에 대한 정보는 연결점의 구조 및 개폐방식에 대한 정보를 포함하는 것을 특징으로 하는 지도.
  4. 제 1 항 또는 제 2 항에 있어서, 상기 로컬라이제이션 정보는 각 셀에 배치된 위치인식센서에 대한 정보인 것을 특징으로 하는 지도.
  5. 제 2 항에 있어서, 상기 물체 계층의 정보는, 상기 로봇에 구비된 RFID 리더 를 통해 상기 물체에 부착된 RFID 태그를 인식한 정보를 포함하는 것을 특징으로 하는 지도.
KR1020070104567A 2007-10-17 2007-10-17 로봇의 자율주행을 위한 의미적 지도 KR100919513B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020070104567A KR100919513B1 (ko) 2007-10-17 2007-10-17 로봇의 자율주행을 위한 의미적 지도

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070104567A KR100919513B1 (ko) 2007-10-17 2007-10-17 로봇의 자율주행을 위한 의미적 지도

Publications (2)

Publication Number Publication Date
KR20090039115A true KR20090039115A (ko) 2009-04-22
KR100919513B1 KR100919513B1 (ko) 2009-09-28

Family

ID=40763038

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070104567A KR100919513B1 (ko) 2007-10-17 2007-10-17 로봇의 자율주행을 위한 의미적 지도

Country Status (1)

Country Link
KR (1) KR100919513B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107491489A (zh) * 2017-07-18 2017-12-19 深圳天珑无线科技有限公司 一种地图搜索方法、装置及计算机可读存储介质
US9983592B2 (en) 2013-04-23 2018-05-29 Samsung Electronics Co., Ltd. Moving robot, user terminal apparatus and control method thereof
CN113505646A (zh) * 2021-06-10 2021-10-15 清华大学 一种基于语义地图的目标搜索方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11316858A (ja) * 1998-05-06 1999-11-16 Nippon Telegr & Teleph Corp <Ntt> 仮想物体の配置方法及びこの方法を記録した記録媒体
JP4176455B2 (ja) * 2002-11-28 2008-11-05 株式会社バンダイナムコゲームス プログラム、情報記憶媒体及び画像生成装置
KR100748245B1 (ko) * 2005-12-09 2007-08-10 한국전자통신연구원 인공표식과 지역좌표계를 이용한 이동로봇의 환경지도 작성방법 및 이동 방법
KR100794226B1 (ko) * 2006-09-11 2008-01-21 주식회사 마이크로로봇 절대좌표 버츄얼 맵핑방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9983592B2 (en) 2013-04-23 2018-05-29 Samsung Electronics Co., Ltd. Moving robot, user terminal apparatus and control method thereof
CN107491489A (zh) * 2017-07-18 2017-12-19 深圳天珑无线科技有限公司 一种地图搜索方法、装置及计算机可读存储介质
CN113505646A (zh) * 2021-06-10 2021-10-15 清华大学 一种基于语义地图的目标搜索方法
CN113505646B (zh) * 2021-06-10 2024-04-12 清华大学 一种基于语义地图的目标搜索方法

Also Published As

Publication number Publication date
KR100919513B1 (ko) 2009-09-28

Similar Documents

Publication Publication Date Title
KR100955655B1 (ko) 로봇의 자율 주행 방법
US8214079B2 (en) Central information processing system and method for service robot having layered information structure according to recognition and reasoning level
Lu et al. A foundation for efficient indoor distance-aware query processing
Jensfelt Approaches to mobile robot localization in indoor environments
KR100748245B1 (ko) 인공표식과 지역좌표계를 이용한 이동로봇의 환경지도 작성방법 및 이동 방법
Karimi et al. An ontology-based approach to data exchanges for robot navigation on construction sites
CN112015187A (zh) 一种用于智能移动机器人的语义地图构建方法及系统
Scholz et al. An indoor navigation ontology for production assets in a production environment
CN106767755A (zh) 用于规划自主移动式设备工作点的方法及装置
CN111836199A (zh) 一种室内导航动态避障寻径方法
CN112650244A (zh) 基于特征点匹配的楼宇内移动机器人多楼层自动建图方法
CN106782030A (zh) 用于生成具有语义描述的室内地图的方法及装置
KR100919513B1 (ko) 로봇의 자율주행을 위한 의미적 지도
CN106782029A (zh) 室内地图生成方法及装置
Liu et al. A Floyd-Dijkstra hybrid application for mobile robot path planning in life science automation
CN118258407B (zh) 基于分层场景图谱的导航方法、系统、终端及存储介质
CN106814734A (zh) 使用计算设备控制自主移动式设备的方法及系统
CN112987720A (zh) 一种用于移动机器人的多尺度地图构建方法及构建装置
Turek et al. On human-centric and robot-centric perspective of a building model
CN116718189A (zh) 移动机器人及用于其的跨楼栋路径规划方法
Park et al. An intelligent navigation method for service robots in the smart environment
Oberlander et al. A region-based SLAM algorithm capturing metric, topological, and semantic properties
Wijewardena et al. Towards indoor localization and navigation independent of sensor based technologies
Mahida et al. Dynapath: Dynamic learning based indoor navigation for vip in iot based environments
KR20060064908A (ko) Ｒｆｉｄ 를 이용한 이동로봇 위치 인식 및 주행방법과,이를 적용한 이동로봇 시스템

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20120710

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20130725

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20150612

Year of fee payment: 6

R401 Registration of restoration
FPAY Annual fee payment

Payment date: 20150908

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20160701

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20170703

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20180702

Year of fee payment: 10