KR20090126414A - Robot and method for planning path of the same - Google Patents

Robot and method for planning path of the same Download PDF

Info

Publication number
KR20090126414A
KR20090126414A KR1020080052477A KR20080052477A KR20090126414A KR 20090126414 A KR20090126414 A KR 20090126414A KR 1020080052477 A KR1020080052477 A KR 1020080052477A KR 20080052477 A KR20080052477 A KR 20080052477A KR 20090126414 A KR20090126414 A KR 20090126414A
Authority
KR
South Korea
Prior art keywords
target position
robot
path
intermediate target
feature point
Prior art date
Application number
KR1020080052477A
Other languages
Korean (ko)
Inventor
이동훈
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020080052477A priority Critical patent/KR20090126414A/en
Publication of KR20090126414A publication Critical patent/KR20090126414A/en

Links

Images

Classifications

    • 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
    • B25J19/04—Viewing 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
    • 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

Abstract

PURPOSE: A robot and method for a route of the same are provided to increase a moving speed of a robot by expanding an acceleration/deceleration range by finding an intermediate position using a real time route creating algorithm based on GGM(Goal-oriented Geometric Model). CONSTITUTION: A robot and method for a route of the same is as follows. The travel cost of the route of a robot is obtained. An intermediate target position(g-1,g-2,g-3,g-4,g-5) is set up by searching feature point of the route. A route is created, on which the robot travels along the intermediate target position and reaches a final destination(g).

Description

로봇 및 그 경로생성방법{ROBOT AND METHOD FOR PLANNING PATH OF THE SAME}ROBOT AND METHOD FOR PLANNING PATH OF THE SAME}

본 발명은 로봇 및 그 경로생성방법에 관한 것으로, 더욱 상세하게는 로봇이 목표위치까지 실시간으로 빠르게 주행할 수 있는 최단거리의 경로를 생성하는 로봇 및 그 경로생성방법에 관한 것이다.The present invention relates to a robot and a path generation method, and more particularly, to a robot and a path generation method for generating a path of the shortest distance that the robot can travel in real time quickly to the target position.

일반적으로, 전기적 또는 자기적인 작용을 이용하여 인간의 동작과 닮은 운동을 행하는 기계장치를 로봇이라고 한다. 최근 들어 로봇은 센서 및 제어기의 발달로 다양한 분야에서 활용되고 있으며, 그 예로는 가정에서의 가사 도우미 로봇, 공공장소용 안내 로봇, 생산 현장에서의 반송 로봇, 작업자 지원 로봇 등이 있다. 이러한 로봇이 실제 환경에서 주행을 하기 위해서는 주변 환경에 대한 사전 정보 없이 자신의 위치를 인식하고, 환경에 대한 정보로부터 지도를 작성하여 목표위치까지 경로를 계획하는 과정이 필요하다. 특히 경로를 계획하는 과정은 그래디언트(Gradient) 방법을 기반으로 최적의 경로를 생성할 수 있는 LPN 알고리즘을 이용한다.In general, a machine that uses electric or magnetic action to perform a motion similar to a human's motion is called a robot. Recently, robots have been used in various fields due to the development of sensors and controllers. Examples of the robots include household housekeeping robots at home, guide robots for public places, transport robots at production sites, and worker support robots. In order for such a robot to drive in a real environment, it is necessary to recognize its location without prior information about the surrounding environment, to prepare a map from the information about the environment, and to plan a route to a target location. In particular, the path planning process uses an LPN algorithm that can generate an optimal path based on the gradient method.

Konolige에 의해서 제안된 그레디언트-방법(Gradient-Method)은 경로 생성 시 다양한 주행 환경의 특성에 따라 결정되는 고유비용(Intrinsic Cost), 그리고 목표위치와 로봇위치간의 주행거리에 해당하는 근접비용(Adjacency Cost)을 합하여 주행비용을 구하고, 이를 바탕으로 각 점 또는 셀의 주행 함수(Navigation Function)를 계산한다. 그리고 주행 함수가 감소하는 방향으로 설정된 기울기에 따라 목표위치까지의 경로를 구하게 되는데 이 경로가 최소비용을 갖는 최적경로에 해당하게 된다. 도 1은 종래 LPN 알고리즘의 비용 산출 예를 나타낸 도면으로, 최소의 주행비용을 산출함에 있어서 사용되는 대표적인 방법이다.The gradient-method proposed by Konolige is an intrinsic cost that is determined by the characteristics of various driving environments when creating a route, and an adjacency cost corresponding to the distance traveled between the target position and the robot position. ) To calculate the running cost, and calculate the navigation function of each point or cell based on this. The path to the target position is obtained according to the slope set in the direction in which the driving function decreases, and this path corresponds to the optimum path having the least cost. 1 is a diagram illustrating an example of cost calculation of a conventional LPN algorithm, and is a representative method used to calculate a minimum running cost.

도 1의 (A)는 LPN 알고리즘에서 확장하는 셀과 셀 사이의 거리를 유클리드 거리(Euclid Distance)로 계산하여 8방향으로 확장하며 비용을 갱신해 나가는 방법을 나타낸 것이고, 도 1의 (B)는 현재 셀의 고유 값이 0일 경우 인접한 8개 셀의 고유비용의 계산 결과를 나타낸 것이다.FIG. 1A illustrates a method of updating a cost by expanding the distance between a cell extending from an LPN algorithm and a cell as an Euclidean distance in eight directions and updating the cost. When the eigenvalue of the current cell is 0, this shows the result of calculating the intrinsic cost of eight adjacent cells.

도 1의 (B)에서, 셀이 로봇이 이동하기 불가능한 셀일 경우 연산에 포함하지 않거나 나중에 연산에서 제외하는 방법을 택하는 LPN 알고리즘을 이용하여 지도에 값을 적어보면 도 2와 같이 구해진다. 여기서 개념의 이해를 돕고자 기존의 8방향에서 상하좌우 4방향의 경우만 연산에 포함하여 작성하였다.In FIG. 1B, when a cell is a cell in which a robot cannot move, a value is written on the map using an LPN algorithm which does not include in a calculation or excludes a calculation later. Here, in order to help understand the concept, only the four directions of up, down, left, and right in the existing eight directions are included in the calculation.

도 2는 종래 LPN 알고리즘의 경로 생성 예를 나타낸 도면으로, 흰색 블록은 로봇이 주행 가능한 영역을 나타내고, 검은색 블록은 벽(또는 장애물)을 나타내며, ⓢ는 로봇의 현재위치를 나타내고, ⓖ는 목표위치를 나타낸다.2 is a view showing an example of the path generation of the conventional LPN algorithm, the white block represents the area that the robot can run, the black block represents the wall (or obstacle), ⓢ represents the current position of the robot, ⓖ is the target Indicates a location.

LPN 알고리즘을 간단히 적용해보면, 도 2의 (A)에 도시한 바와 같이 각각의 셀에 비용을 산출하여 비용을 최소화하는 방향으로 벡터를 형성하여 로봇을 이동시키는 경우, 로봇의 경로가 도 2의 (B)에 도시한 바와 같이 현재위치(ⓢ)에서 화살 표방향으로 주행하면서 목표위치(ⓖ)에 도달하게 된다. 이것이 가장 기본적인 경로생성의 방법이다. To apply the LPN algorithm briefly, as shown in (A) of FIG. 2, when a robot is moved by forming a vector in a direction that minimizes the cost by calculating the cost in each cell, the path of the robot is shown in FIG. As shown in B), the target position ⓖ is reached while traveling in the direction of the arrow from the current position ⓢ. This is the most basic way of generating paths.

그런데, 종래 경로생성방법은 도 2의 (B)에서 알 수 있듯이, 로봇의 주행에 있어서 45도, 90도 등의 각진 주행을 하므로 실질적인 최단거리보다 긴 주행거리를 가지게 되며, 또한 로봇은 현재의 셀에서 인접한 셀로만 목표위치가 주어지기 때문에 가감속구간이 짧아져 가감속과 최고속도 문제에 있어서 제한을 가지게 된다. 또한 알고리즘의 수행시간도 프로세서의 성능에 제한을 받는 로봇에 있어서, 동일한 결과를 출력하는 알고리즘의 경우 그 연산량을 줄일 수 있는 방법 또한 중요한 해결과제이다. However, in the conventional path generation method, as can be seen in FIG. 2 (B), since the angular travel such as 45 degrees, 90 degrees, etc. in driving of the robot, the driving distance is longer than the actual shortest distance. Since the target position is given only from the cell to the adjacent cell, the acceleration / deceleration section is shortened, which limits the acceleration and deceleration and the maximum speed problem. In addition, in robots whose execution time of the algorithm is limited by the performance of the processor, a method for reducing the amount of computation is also an important problem for an algorithm that outputs the same result.

본 발명은 상기와 같은 종래의 문제점을 해결하기 위한 것으로, 본 발명의 목적은 특징점 검색을 통한 GGM(Goal-oriented Geometric Model) 기반의 실시간 경로 생성 알고리즘을 이용하여 로봇이 목표위치까지 실시간으로 빠르게 주행할 수 있는 최단거리의 경로를 생성하는 로봇 및 그 경로생성방법을 제공하는데 있다.The present invention is to solve the conventional problems as described above, an object of the present invention using a real-time path generation algorithm based on the GGM (Goal-oriented Geometric Model) through the feature point search to move the robot to the target position in real time quickly It is to provide a robot and a path generation method for generating a path of the shortest possible distance.

상기 목적을 달성하기 위하여 본 발명의 로봇의 경로생성방법은 로봇이 주행하는 경로의 주행비용을 산출하고; 상기 경로의 특징점을 검색하여 중간 목표위치를 설정하고; 상기 중간 목표위치를 따라 주행하여 최종 목표위치에 도달하는 경로를 생성하는 것을 포함한다.In order to achieve the above object, a path generation method of a robot of the present invention calculates a running cost of a path on which the robot travels; Search for the feature points of the route and set an intermediate target position; Driving along the intermediate target position to generate a path to reach the final target position.

상기 주행비용을 산출하는 것은, 상기 경로의 주행 가능 영역에서 상기 로봇의 현재위치와 상기 최종 목표위치 사이의 주행비용을 산출하는 것을 특징으로 한 다.The calculating of the running cost is characterized by calculating the running cost between the current position of the robot and the final target position in the driveable area of the route.

상기 특징점은 상기 경로의 주행 가능 영역에서 코너에 해당하는 복수의 블록인 것을 특징으로 한다.The feature point may be a plurality of blocks corresponding to corners in the travelable area of the route.

상기 중간 목표위치는 상기 복수의 블록에서 상기 주행비용이 가장 작은 블록인 것을 특징으로 한다.The intermediate target position is a block having the smallest running cost in the plurality of blocks.

상기 주행 가능 영역은 상기 로봇의 현재위치와 상기 최종 목표위치 사이의 경로에 존재하는 장애물을 제외한 영역인 것을 특징으로 한다.The driving range is an area excluding an obstacle present in a path between the current position of the robot and the final target position.

상기 중간 목표위치를 설정하는 것은, 상기 최종 목표위치에 도달할 때까지 상기 특징점 검색을 통해 상기 중간 목표위치를 주기적으로 설정하는 것을 특징으로 한다.The setting of the intermediate target position is characterized in that the intermediate target position is periodically set through the feature point search until the final target position is reached.

상기 최종 목표위치에 도달하는 경로를 생성하는 것은, 주기적으로 설정되는 상기 중간 목표위치를 따라 주행하여 상기 최종 목표위치에 도달하는 최단거리의 경로를 실시간으로 생성하는 것을 특징으로 한다.Generating a path to reach the final target position is characterized by generating in real time the path of the shortest distance to reach the final target position by traveling along the intermediate target position that is periodically set.

또한, 본 발명의 로봇의 경로생성방법은 로봇의 현재위치에서 최종 목표위치까지의 주행비용을 산출하고; 상기 최종 목표위치를 향하여 주행하는 경로의 특징점을 검색하고; 상기 특징점으로부터 중간 목표위치를 설정하여 상기 중간 목표위치를 따라 주행하고; 상기 중간 목표위치를 주기적으로 설정하여 상기 최종 목표위치에 도달하는 경로를 생성하는 것을 포함한다.In addition, the path generation method of the robot of the present invention calculates the running cost from the current position of the robot to the final target position; Search for a feature point of a path traveling toward the final target position; Set an intermediate target position from the feature point and drive along the intermediate target position; And periodically setting the intermediate target position to generate a path to reach the final target position.

그리고, 본 발명의 로봇은 로봇이 주행하는 경로의 주행비용을 산출하는 영상처리부; 상기 경로의 특징점을 검색하여 중간 목표위치를 설정하고, 상기 중간 목표위치를 따라 주행하여 최종 목표위치에 도달하는 경로를 생성하는 제어부를 포함한다.In addition, the robot of the present invention includes an image processing unit for calculating the running cost of the route on which the robot travels; And a controller configured to search for the feature points of the route, set an intermediate target position, and generate a route reaching the final target position by traveling along the intermediate target position.

상기 제어부는 상기 최종 목표위치에 도달할 때까지 상기 특징점 검색을 통해 상기 중간 목표위치를 주기적으로 설정하여 상기 중간 목표위치를 따라 상기 로봇이 주행하도록 제어하는 것을 특징으로 한다.The controller may control the robot to move along the intermediate target position by periodically setting the intermediate target position through the feature point search until the final target position is reached.

이러한 본 발명에 의한 로봇 및 그 경로생성방법은 특징점 검색을 통한 GGM(Goal-oriented Geometric Model) 기반의 실시간 경로 생성 알고리즘을 이용하여 효과적인 중간 목표위치를 찾아냄으로서 가감속의 구간이 길어져 로봇의 이동속도가 빠르고, 또한 실질적인 최단거리에 가깝게 경로를 생성하여 로봇이 최종 목표위치까지 실시간으로 빠르게 주행할 수 있게 된다.The robot and its path generation method according to the present invention finds an effective intermediate target position by using a real-time path generation algorithm based on a GGM (Goal-oriented Geometric Model) through the feature point search, thereby increasing the duration of acceleration and deceleration. It creates a path that is fast and close to the actual shortest distance, allowing the robot to travel in real time quickly to its final target position.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세히 설명한다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 3는 본 발명의 실시예에 의한 로봇의 외관 구성도이다.3 is an external configuration diagram of a robot according to an embodiment of the present invention.

도 3에서, 본 발명의 로봇(10)은 로봇 본체(12)와, 로봇 본체(12)에 설치된 영상획득부(14)를 구비하여 가정이나 사무실 내에서 자율 주행하는 이동식 로봇이다.In FIG. 3, the robot 10 of the present invention is a mobile robot that has a robot body 12 and an image acquisition unit 14 installed in the robot body 12 to autonomously travel in a home or office.

영상획득부(14)는 벽이나 장애물이 있는 환경을 로봇(10)이 주행하면서 주행하는 경로 상의 영상을 촬영하여 경로 상에 위치하는 다양한 물체(예를 들어, 벽이나 장애물)의 영상정보를 초음파 센서, 전방위 센서, 스테레오 카메라, Time of Flight 카메라 등을 이용하여 획득한다.The image acquisition unit 14 captures an image on a path on which the robot 10 is traveling while driving in an environment where a wall or an obstacle is present, and ultrasounds image information of various objects (eg, walls or obstacles) located on the path. Acquire it using sensors, omnidirectional sensors, stereo cameras, time of flight cameras, etc.

도 4는 본 발명의 실시예에 의한 로봇의 제어 블록도로서, 영상획득부(14), 영상처리부(16), 저장부(20), 제어부(18) 및 구동부(22)를 포함한다.4 is a control block diagram of a robot according to an exemplary embodiment of the present invention, which includes an image acquisition unit 14, an image processing unit 16, a storage unit 20, a control unit 18, and a driver 22.

영상처리부(16)는 영상획득부(14)를 통해 획득된 영상정보를 입력받아 로봇(10)이 주행 가능한 영역 즉, 장애물(예를 들어, 벽)을 제외한 영역에서 그레디언트의 LPN 알고리즘을 이용하여 도 5에 도시한 바와 같이, 최종 목표위치(ⓖ)와 로봇(10)의 현재위치(ⓢ) 사이에 주행비용을 산출하고, 모든 벽을 원하는 만큼 영상처리의 확장필터 알고리즘을 이용하여 도 6에 도시한 바와 같이, 로봇(10)이 벽에 충돌하지 않는 격자 범위 내에서 확장을 시킨다. 여기서 개념의 설명을 돕고자 1블록을 확장하였으며 이에 따라 로봇(10)이 벽에 충돌하지 않고 안전하게 주행할 수 있는 영역이 도 6에 도시한 회색 영역으로 좁아짐을 알 수 있다.The image processor 16 receives the image information obtained through the image acquisition unit 14 and uses the LPN algorithm of the gradient in an area in which the robot 10 can run, that is, an area excluding an obstacle (for example, a wall). As shown in FIG. 5, the running cost is calculated between the final target position ⓖ and the current position ⓢ of the robot 10, and the extended filter algorithm of image processing is performed as shown in FIG. As shown, the robot 10 expands within a grating range that does not hit the wall. Here, one block was extended to help explain the concept, and accordingly, the area where the robot 10 can safely travel without colliding with the wall is narrowed to the gray area shown in FIG. 6.

제어부(18)는 영상처리부(16)를 통해 처리된 영상정보에 따라 로봇(10)이 안전하게 주행할 수 있는 회색 영역의 외곽선을 추출하여 도 7에 도시한 바와 같이, 코너에 해당하는 블록 즉, 특징점(ⓟ)을 검색하고, 검색된 특징점(ⓟ)을 바탕으로 네비게이션을 위한 중간 목표위치(ⓖ-1)를 찾아 설정한다. 이때 중간 목표위치(ⓖ-1)로 설정되는 특징점(ⓟ)은 아래의 조건을 만족해야 한다.The controller 18 extracts the outline of the gray area in which the robot 10 can safely drive based on the image information processed by the image processor 16, and as shown in FIG. 7, a block corresponding to a corner, that is, Search for the feature point (ⓟ), and find and set the intermediate target position (ⓖ-1) for navigation based on the found feature point (ⓟ). At this time, the feature point ⓟ set as the intermediate target position ⓖ-1 must satisfy the following condition.

먼저, 특징점(ⓟ)은 그레디언트 값을 가지고 있어야 하고(도 7 참조), 로봇(10)과 특징점(ⓟ) 사이에 GGM을 적용 시 장애물이 존재하지 않아야 하며(도 8 참조), 이들을 만족하는 특징점(ⓟ) 중에 가장 작은 값을 가지는 특징점을 선택하여 중간 목표위치(ⓖ-1)로 설정하는 것이다.First, the feature point ⓟ must have a gradient value (see FIG. 7), an obstacle must not exist when the GGM is applied between the robot 10 and the feature point ⓟ (see FIG. 8), and the feature point satisfying these It selects the feature point with the smallest value among (ⓟ) and sets it to the intermediate target position (ⓖ-1).

이러한 조건을 만족하는 중간 목표위치(ⓖ-1)는 로봇(10)이 최종 목표위치(ⓖ)까지 주행하는 경로상에서 꼭 거쳐야 할 위치이기 때문에 제어부(18)는 설정된 중간 목표위치(ⓖ-1)를 향하여 로봇(10)이 주행하도록 제어하며 로봇(10)이 가능한 주기마다 특징점(ⓟ) 검색을 통한 GGM 기반의 실시간 경로생성 알고리즘을 이용하여 중간 목표위치(ⓖ-1, ⓖ-2, ⓖ-3....)를 계속 설정하면서 로봇(10)의 주행을 제어한다.Since the intermediate target position ⓖ-1 satisfying such a condition is a position that must pass through the robot 10 to the final target position ⓖ, the controller 18 controls the set intermediate target position ⓖ-1. Control the robot 10 to move toward the center and the intermediate target position (ⓖ-1, ⓖ-2, ⓖ- using the GGM-based real-time path generation algorithm through the feature point search for each possible cycle 3 ....) to control the running of the robot 10 while continuing to set.

이러한 주행 제어를 반복하게 되면, 로봇(10)이 도 9에 도시한 바와 같이, 굵은 화살표 방향으로 주행하면서 최종 목표위치(ⓖ)에 도달하게 된다.When the driving control is repeated, the robot 10 reaches the final target position ⓖ while traveling in the direction of the thick arrow, as shown in FIG. 9.

또한, 제어부(18)는 도 9에 도시한 로봇(10)의 경로 주행 중에 도 10에 도시한 바와 같이, 장애물이 감지된 경우 이를 회피하기 위해 그레디언트의 LPN 알고리즘과 GGM(Goal-oriented Geometric Model) 기반의 실시간 경로 생성 알고리즘을 이용하여 로봇(10)의 위치를 변화시켜 안정되고 빠른 주행을 제어한다.In addition, as shown in FIG. 10 during the path driving of the robot 10 shown in FIG. 9, the controller 18 may use the gradient LPN algorithm and the GGM (Goal-oriented Geometric Model) to avoid the obstacles. By controlling the position of the robot 10 by using a real-time path generation algorithm based on the stable and fast running control.

저장부(20)는 영상처리부(16)를 통해 처리된 영상정보의 데이터와 제어부(18)를 통해 설정된 중간 목표위치(ⓖ-1, ⓖ-2, ⓖ-3....)를 저장하는 메모리로, 로봇(10)의 현재위치(ⓢ)와 최종 목표위치(ⓖ)를 저장하고 있어야 한다.The storage unit 20 stores data of the image information processed through the image processing unit 16 and intermediate target positions (ⓖ-1, ⓖ-2, ⓖ-3 ....) set through the controller 18. As a memory, the current position (ⓢ) and the final target position (ⓖ) of the robot 10 should be stored.

구동부(22)는 제어부(18)에서 생성된 주행 경로를 기반으로 하여 로봇(10)이 벽이나 장애물과의 충돌없이 주행 경로를 자율적으로 이동하도록 구동한다.The driver 22 drives the robot 10 to autonomously move the driving path without colliding with a wall or an obstacle based on the driving path generated by the controller 18.

이하, 상기와 같이 구성된 로봇 및 그 경로생성방법의 동작과정 및 작용효과를 설명한다.Hereinafter, the operation process and the effect of the robot and the path generation method configured as described above will be described.

본 발명에서 특징점(ⓟ) 검색을 통한 GGM 기반의 실시간 경로생성 알고리즘 은 종래 그레디언트의 LPN 알고리즘과 GGM의 상태를 결합하여 최종 목표위치(ⓖ)까지 실시간으로 최단거리의 주행 경로를 생성할 수 있는 알고리즘이다.In the present invention, the GGM-based real-time path generation algorithm through the feature point search is a combination of the conventional gradient LPN algorithm and the state of the GGM to generate the driving path of the shortest distance in real time to the final target position (ⓖ). to be.

도 11은 본 발명의 실시예에 의한 로봇이 도달해야 하는 목표위치와 GGM 상태를 나타낸 도면이다.11 is a view showing the target position and the GGM state that the robot according to the embodiment of the present invention.

도 11에서, 흰색 블록은 로봇(10)이 주행 가능한 영역을 나타내고, 검은색 블록은 벽(또는 장애물)을 나타내며, ⓢ는 로봇(10)의 현재위치 즉, 주행시작위치를 나타내고, ⓖ는 최종 목표위치를 나타낸다.In FIG. 11, a white block represents an area in which the robot 10 can travel, a black block represents a wall (or an obstacle), ⓢ represents a current position of the robot 10, that is, a driving start position, and ⓖ is the final position. Indicates the target position.

로봇(10)의 현재위치(ⓢ)와 최종 목표위치(ⓖ) 사이에 아무런 장애물도 존재하지 않는다면, 로봇(10)은 GGM(Goal-oriented Geometric Model)에 따라 최종 목표위치(ⓖ)까지 화살표 방향으로 최단거리의 경로를 주행하면 된다. 그러나 도 11과 같이 벽과 같은 장애물이 존재할 경우에는 장애물을 회피하는 최단거리의 주행 경로를 생성해야 하는데 이러한 최단거리의 주행 경로를 생성하는 방법을 본 발명에서 제안하고자 한다.If there is no obstacle between the current position (ⓢ) and the final target position (ⓖ) of the robot 10, the robot 10 moves in the direction of the arrow to the final target position (ⓖ) according to the GGM (Goal-oriented Geometric Model). You can drive the shortest route. However, when there is an obstacle such as a wall as shown in FIG. 11, the shortest driving path to avoid the obstacle should be generated. However, the present invention proposes a method for generating the shortest driving path.

도 12는 본 발명의 실시예에 의한 로봇의 경로생성방법을 도시한 동작 순서도이다.12 is an operation flowchart illustrating a path generation method of a robot according to an embodiment of the present invention.

도 12에서, 벽이나 장애물이 있는 실제 환경에서 로봇(10)이 주행을 시작하면(100), 로봇(10)이 주행하는 경로 상의 영상을 영상획득부(14)에서 촬영하여 경로 상에 위치하는 다양한 물체(예를 들어, 벽이나 장애물)의 영상정보를 획득한다(102).In FIG. 12, when the robot 10 starts to travel in a real environment having a wall or an obstacle (100), the image acquisition unit 14 captures an image on a path on which the robot 10 travels and is positioned on the path. Image information of various objects (eg, walls or obstacles) is acquired (102).

따라서, 영상처리부(16)는 영상획득부(14)를 통해 획득된 영상정보를 입력받 아 벽을 제외한 영역에서 LPN 알고리즘을 이용하여 도 5에 도시한 바와 같이, 최종 목표위치(ⓖ)와 로봇(10)의 현재위치(ⓢ) 사이에 주행비용을 산출하고(104), 모든 벽을 원하는 만큼 영상처리의 확장필터 알고리즘을 이용하여 도 6에 도시한 바와 같이, 로봇(10)이 벽에 충돌하지 않고 안전하게 주행할 수 있는 영역을 확장시킨다(106).Therefore, the image processing unit 16 receives the image information acquired through the image acquisition unit 14 and uses the LPN algorithm in the region excluding the wall, as shown in FIG. 5, the final target position ⓖ and the robot. The running cost is calculated between the current position (ⓢ) of (10) (104), and the robot 10 collides against the wall as shown in FIG. The area in which the vehicle can safely travel without expanding is expanded (106).

이후, 제어부(18)는 영상처리부(16)를 통해 처리된 영상정보에 따라 로봇(10)이 안전하게 주행할 수 있는 회색 영역의 외곽선을 추출하여 도 7에 도시한 바와 같이, 코너에 해당하는 블록 즉, 특징점(ⓟ)을 검색하고(108), 검색된 특징점(ⓟ)을 바탕으로 네비게이션을 위한 중간 목표위치(ⓖ-1)를 찾아 설정한다(110). 이때 중간 목표위치(ⓖ-1)로 설정되는 특징점(ⓟ)은 아래의 조건을 만족해야 한다.Subsequently, the controller 18 extracts the outline of the gray area in which the robot 10 can safely drive based on the image information processed by the image processor 16, and as shown in FIG. 7, the block corresponding to the corner. That is, the feature point ⓟ is searched (108), and an intermediate target position ⓖ-1 for navigation is found and set based on the found feature point ⓟ (110). At this time, the feature point ⓟ set as the intermediate target position ⓖ-1 must satisfy the following condition.

먼저, 특징점(ⓟ)은 그레디언트 값을 가지고 있어야 하고(도 7 참조), 로봇(10)과 특징점(ⓟ) 사이에 GGM을 적용 시 장애물이 존재하지 않아야 하며(도 8 참조), 이들을 만족하는 특징점(ⓟ) 중에 가장 작은 값을 가지는 특징점을 선택하여 중간 목표위치(ⓖ-1)로 설정하는 것이다.First, the feature point ⓟ must have a gradient value (see FIG. 7), an obstacle must not exist when the GGM is applied between the robot 10 and the feature point ⓟ (see FIG. 8), and the feature point satisfying these It selects the feature point with the smallest value among (ⓟ) and sets it to the intermediate target position (ⓖ-1).

이러한 조건을 만족하는 중간 목표위치(ⓖ-1)는 로봇(10)이 최종 목표위치(ⓖ)까지 주행하는 경로상에서 꼭 거쳐야 할 위치이기 때문에 제어부(18)는 구동부(22)를 제어하여 로봇(10)이 중간 목표위치(ⓖ-1)를 향하여 주행하도록 한다(112).Since the intermediate target position ⓖ-1 satisfying such a condition is a position that must pass through the robot 10 traveling to the final target position ⓖ, the controller 18 controls the driving unit 22 to control the robot ( 10) to drive toward the intermediate target position ⓖ-1 (112).

로봇(10)이 중간 목표위치(ⓖ-1)에 도달하면(114), 제어부(18)는 로봇(10)이 가능한 주기마다 특징점(ⓟ) 검색을 통한 GGM 기반의 실시간 경로생성 알고리즘을 이용하여 중간 목표위치(ⓖ-2)를 계속 설정하면서 다음 중간 목표위치(ⓖ-2)를 향하여 로봇(10)이 주행하도록 제어한다(116).When the robot 10 reaches the intermediate target position ⓖ-1 (114), the controller 18 uses the GGM-based real-time path generation algorithm through the feature point search for each possible cycle of the robot 10. While continuing to set the intermediate target position ⓖ-2, the robot 10 controls to move toward the next intermediate target position ⓖ-2 (116).

이러한 주행 제어를 통해 다음 중간 목표위치(ⓖ-2)에 도달하면(118), 제어부(18)는 위의 과정들을 반복하여 주행을 제어함으로서 로봇(10)이 도 9에 도시한 바와 같이, 굵은 화살표 방향으로 주행하면서 최종 목표위치(ⓖ)에 도달하게 된다.When the next intermediate target position (ⓖ-2) is reached through such driving control (118), the controller 18 controls the driving by repeating the above processes, so that the robot 10 is thick as shown in FIG. While driving in the direction of the arrow to reach the final target position (ⓖ).

따라서, 제어부(18)는 로봇(10)이 최종 목표위치(ⓖ)에 도달하였는가를 판단하여(120), 최종 목표위치(ⓖ)에 도달하지 않은 경우 다음 중간 목표위치(ⓖ-3)를 향하여 로봇(10)이 주행하도록 단계 116로 피드백하여 이후의 동작을 반복 진행한다.Therefore, the controller 18 determines whether the robot 10 has reached the final target position ⓖ (120), and if it does not reach the final target position ⓖ, it moves toward the next intermediate target position (ⓖ-3). The robot 10 feeds back to step 116 to drive the vehicle and repeats the following operation.

단계 120의 판단결과, 로봇(10)이 최종 목표위치(ⓖ)에 도달한 경우 제어부(18)는 구동부(22)를 통해 로봇(10)의 주행을 완료하면서 동작을 종료한다.As a result of the determination of step 120, when the robot 10 reaches the final target position ⓖ, the controller 18 ends the operation while completing the driving of the robot 10 through the driving unit 22.

도 13 내지 도 15는 시뮬레이션 상에서 본 발명의 GGM 기반의 실시간 경로 생성 알고리즘과 종래의 LPN 알고리즘에 따르는 경로 결과를 나타낸 것이다.13 to 15 show the results of the path according to the GGM-based real-time path generation algorithm of the present invention and the conventional LPN algorithm in the simulation.

도 13은 로봇이 맵을 알지 못하고 주행하는 경우에 있어서 (A)는 본 발명의 주행 경로를 나타낸 것이고, (B)는 종래의 주행 경로를 나타낸 것이다.Fig. 13 shows a case where the robot travels without knowing the map (A) shows the travel route of the present invention, and (B) shows a conventional travel route.

도 14는 로봇이 주행한 맵을 알고 주행하는 경우에 있어서 (A)는 본 발명의 주행 경로를 나타낸 것이고, (B)는 종래의 주행 경로를 나타낸 것이다.Fig. 14 shows a travel route of the present invention in the case where the robot knows the map traveled, and (B) shows a conventional travel route.

도 15는 로봇이 맵을 완전히 알고 주행하는 경우에 있어서 (A)는 본 발명의 주행 경로를 나타낸 것이고, (B)는 종래의 주행 경로를 나타낸 것이다.Fig. 15 shows the traveling route of the present invention in the case where the robot fully knows the map and travels, and (B) shows the conventional traveling route.

도 13 내지 도 15에서 보듯이, 본 발명의 알고리즘은 효과적인 중간 목표위 치(ⓖ-1, ⓖ-2, ⓖ-3....)를 찾아내고 가감속의 구간이 길어져 로봇(10)의 이동속도가 빠르고, 또한 실질적인 최단거리에 가깝게 경로를 생성함을 알 수 있다.As shown in Figures 13 to 15, the algorithm of the present invention finds the effective intermediate target position (ⓖ-1, ⓖ-2, ⓖ-3 ....) and the period of acceleration and deceleration is long, the movement of the robot 10 It can be seen that the speed is high and the path is generated close to the practical shortest distance.

한편, 본 발명의 실시예에서는 바퀴 등을 설치한 이동식 로봇(10)을 예로 들어 설명하였으나, 본 발명은 이에 한정되지 않고 인간과 유사한 관절체계를 가지고 인간의 작업 및 생활공간에 용이하게 두 발로 걸을 수 있는 인간형 로봇(Humanoid robot)에서도 본 발명과 동일한 목적 및 효과를 달성할 수 있음은 물론이다.On the other hand, in the embodiment of the present invention has been described as an example of the mobile robot 10 installed wheels, but the present invention is not limited to this and has a joint system similar to humans easily walk on two feet in human work and living space Humanoid robot that can achieve the same object and effect as the present invention, of course.

도 1은 종래 LPN 알고리즘의 비용 산출 예를 나타낸 도면이다.1 is a diagram illustrating an example of cost calculation of a conventional LPN algorithm.

도 2는 종래 LPN 알고리즘의 경로 생성 예를 나타낸 도면이다.2 is a diagram illustrating a path generation example of a conventional LPN algorithm.

도 3는 본 발명의 실시예에 의한 로봇의 외관 구성도이다.3 is an external configuration diagram of a robot according to an embodiment of the present invention.

도 4는 본 발명의 실시예에 의한 로봇의 제어 블록도이다.4 is a control block diagram of a robot according to an embodiment of the present invention.

도 5는 본 발명의 실시예에 의한 LPN 알고리즘의 비용 산출 예를 나타낸 도면이다.5 is a diagram illustrating an example of cost calculation of an LPN algorithm according to an embodiment of the present invention.

도 6은 본 발명의 실시예에 의한 영상처리 확장필터 알고리즘의 영역 확장 예를 나타낸 도면이다.6 is a diagram illustrating an area extension example of an image processing extension filter algorithm according to an embodiment of the present invention.

도 7은 본 발명의 실시예에 의한 특징점 검색 예를 나타낸 도면이다.7 is a diagram illustrating an example of a feature point search according to an embodiment of the present invention.

도 8은 도 7의 특징점을 바탕으로 중간 목표위치를 설정하는 예를 나타낸 도면이다.8 is a diagram illustrating an example of setting an intermediate target position based on the feature point of FIG. 7.

도 9는 본 발명의 실시예에 의한 GGM 기반의 실시간 경로 생성 알고리즘의 경로 생성 예를 나타낸 도면이다.9 is a diagram illustrating a path generation example of a GGM-based real-time path generation algorithm according to an embodiment of the present invention.

도 10은 도 9의 경로 주행 중에 장애물이 감지된 경우의 경로 생성 예를 나타낸 도면이다.FIG. 10 is a diagram illustrating an example of path generation when an obstacle is detected while driving on the path of FIG. 9.

도 11은 본 발명의 실시예에 의한 로봇이 도달해야 하는 목표위치와 GGM 상태를 나타낸 도면이다.11 is a view showing the target position and the GGM state that the robot according to the embodiment of the present invention.

도 12는 본 발명의 실시예에 의한 로봇의 경로생성방법을 도시한 동작 순서도이다.12 is an operation flowchart illustrating a path generation method of a robot according to an embodiment of the present invention.

도 13은 로봇이 맵을 알지 못하고 주행하는 경우에 있어서 (A)는 본 발명의 주행 경로를 나타낸 것이고, (B)는 종래의 주행 경로를 나타낸 것이다.Fig. 13 shows a case where the robot travels without knowing the map (A) shows the travel route of the present invention, and (B) shows a conventional travel route.

도 14는 로봇이 주행한 맵을 알고 주행하는 경우에 있어서 (A)는 본 발명의 주행 경로를 나타낸 것이고, (B)는 종래의 주행 경로를 나타낸 것이다.Fig. 14 shows a travel route of the present invention in the case where the robot knows the map traveled, and (B) shows a conventional travel route.

도 15는 로봇이 맵을 완전히 알고 주행하는 경우에 있어서 (A)는 본 발명의 주행 경로를 나타낸 것이고, (B)는 종래의 주행 경로를 나타낸 것이다.Fig. 15 shows the traveling route of the present invention in the case where the robot fully knows the map and travels, and (B) shows the conventional traveling route.

*도면의 주요부분에 대한 부호 설명** Description of symbols on the main parts of the drawings *

10 : 로봇 14 : 영상획득부10: robot 14: image acquisition unit

16 : 영상처리부 18 : 제어부16: image processing unit 18: control unit

20 : 저장부 22 : 구동부20: storage unit 22: drive unit

Claims (15)

로봇이 주행하는 경로의 주행비용을 산출하고;Calculating a running cost of a path on which the robot travels; 상기 경로의 특징점을 검색하여 중간 목표위치를 설정하고;Search for the feature points of the route and set an intermediate target position; 상기 중간 목표위치를 따라 주행하여 최종 목표위치에 도달하는 경로를 생성하는 것을 포함하는 로봇의 경로생성방법.And generating a path reaching the final target position by traveling along the intermediate target position. 제1항에 있어서,The method of claim 1, 상기 주행비용을 산출하는 것은,Calculating the running cost, 상기 경로의 주행 가능 영역에서 상기 로봇의 현재위치와 상기 최종 목표위치 사이의 주행비용을 산출하는 로봇의 경로생성방법.And calculating a running cost between the current position of the robot and the final target position in the travelable area of the path. 제2항에 있어서,The method of claim 2, 상기 특징점은 상기 경로의 주행 가능 영역에서 코너에 해당하는 복수의 블록인 로봇의 경로생성방법.The feature point is a path generation method of the robot is a plurality of blocks corresponding to the corner in the runable region of the path. 제3항에 있어서,The method of claim 3, 상기 중간 목표위치는 상기 복수의 블록에서 상기 주행비용이 가장 작은 블록인 로봇의 경로생성방법.The intermediate target position is a path generation method of the robot is the block with the smallest running cost in the plurality of blocks. 제3항에 있어서,The method of claim 3, 상기 주행 가능 영역은 상기 로봇의 현재위치와 상기 최종 목표위치 사이의 경로에 존재하는 장애물을 제외한 영역인 로봇의 경로생성방법.The driving range is a path generation method of the robot except an obstacle existing in the path between the current position of the robot and the final target position. 제3항에 있어서,The method of claim 3, 상기 중간 목표위치를 설정하는 것은,Setting the intermediate target position, 상기 최종 목표위치에 도달할 때까지 상기 특징점 검색을 통해 상기 중간 목표위치를 주기적으로 설정하는 로봇의 경로생성방법.And periodically setting the intermediate target position through the feature point search until the final target position is reached. 제6항에 있어서,The method of claim 6, 상기 최종 목표위치에 도달하는 경로를 생성하는 것은,Generating a path to reach the final target position, 주기적으로 설정되는 상기 중간 목표위치를 따라 주행하여 상기 최종 목표위치에 도달하는 최단거리의 경로를 실시간으로 생성하는 로봇의 경로생성방법.The path generation method of the robot which travels along the intermediate target position which is periodically set and generates a path of the shortest distance reaching the final target position in real time. 로봇의 현재위치에서 최종 목표위치까지의 주행비용을 산출하고;Calculating a running cost from the current position of the robot to the final target position; 상기 최종 목표위치를 향하여 주행하는 경로의 특징점을 검색하고;Search for a feature point of a path traveling toward the final target position; 상기 특징점으로부터 중간 목표위치를 설정하여 상기 중간 목표위치를 따라 주행하고;Set an intermediate target position from the feature point and drive along the intermediate target position; 상기 중간 목표위치를 주기적으로 설정하여 상기 최종 목표위치에 도달하는 경로를 생성하는 것을 포함하는 로봇의 경로생성방법.And periodically setting the intermediate target position to generate a path reaching the final target position. 제8항에 있어서,The method of claim 8, 상기 특징점은 상기 경로의 주행 가능 영역에서 코너에 해당하는 복수의 블록인 로봇의 경로생성방법.The feature point is a path generation method of the robot is a plurality of blocks corresponding to the corner in the runable region of the path. 제9항에 있어서,The method of claim 9, 상기 중간 목표위치는 상기 복수의 블록에서 상기 주행비용이 가장 작은 블록인 로봇의 경로생성방법.The intermediate target position is a path generation method of the robot is the block with the smallest running cost in the plurality of blocks. 제8항에 있어서,The method of claim 8, 상기 최종 목표위치에 도달하는 경로를 생성하는 것은,Generating a path to reach the final target position, 주기적으로 설정되는 상기 중간 목표위치를 따라 주행하여 상기 최종 목표위치에 도달하는 최단거리의 경로를 실시간으로 생성하는 로봇의 경로생성방법.The path generation method of the robot which travels along the intermediate target position which is periodically set and generates a path of the shortest distance reaching the final target position in real time. 로봇이 주행하는 경로의 주행비용을 산출하는 영상처리부;An image processor which calculates a running cost of a path on which the robot travels; 상기 경로의 특징점을 검색하여 중간 목표위치를 설정하고, 상기 중간 목표위치를 따라 주행하여 최종 목표위치에 도달하는 경로를 생성하는 제어부를 포함하는 로봇.And a controller configured to search for the feature points of the route, set an intermediate target position, and generate a route reaching the final target position by traveling along the intermediate target position. 제12항에 있어서,The method of claim 12, 상기 제어부는 상기 최종 목표위치에 도달할 때까지 상기 특징점 검색을 통해 상기 중간 목표위치를 주기적으로 설정하여 상기 중간 목표위치를 따라 상기 로봇이 주행하도록 제어하는 로봇.The controller controls the robot to travel along the intermediate target position by periodically setting the intermediate target position through the feature point search until the final target position is reached. 제12항에 있어서,The method of claim 12, 상기 특징점은 상기 경로의 주행 가능 영역에서 코너에 해당하는 복수의 블록인 로봇.And the feature point is a plurality of blocks corresponding to corners in the travelable area of the path. 제14항에 있어서,The method of claim 14, 상기 중간 목표위치는 상기 복수의 블록에서 상기 주행비용이 가장 작은 블록인 로봇.The intermediate target position is a block having the smallest running cost in the plurality of blocks.
KR1020080052477A 2008-06-04 2008-06-04 Robot and method for planning path of the same KR20090126414A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080052477A KR20090126414A (en) 2008-06-04 2008-06-04 Robot and method for planning path of the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080052477A KR20090126414A (en) 2008-06-04 2008-06-04 Robot and method for planning path of the same

Publications (1)

Publication Number Publication Date
KR20090126414A true KR20090126414A (en) 2009-12-09

Family

ID=41687537

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080052477A KR20090126414A (en) 2008-06-04 2008-06-04 Robot and method for planning path of the same

Country Status (1)

Country Link
KR (1) KR20090126414A (en)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101234371B1 (en) * 2010-12-21 2013-02-18 고려대학교 산학협력단 Method for planing optimal path of mobile robot and mobile robot using the same
KR101303650B1 (en) * 2009-12-18 2013-09-04 한국전자통신연구원 Method for building spatial map, method for searching optimum traveling path using spatial map and robot control device using the same
KR20140130054A (en) * 2013-04-30 2014-11-07 쿠카 레보라토리즈 게엠베하 Automated guided vehicle, system with a computer and an automated guided vehicle, method for planning a virtual track and method for operating an automated guided vehicle
WO2015167220A1 (en) * 2014-05-02 2015-11-05 한화테크윈 주식회사 Device for planning path of mobile robot and method for planning path of mobile robot
KR20170140561A (en) 2016-06-13 2017-12-21 한국전자통신연구원 Apparatus and method for controlling driving of multi-robot
KR20180078808A (en) 2016-12-30 2018-07-10 한국생산기술연구원 Mobile robot and method for planing path of mobile robot considering driving environment
CN111089593A (en) * 2019-12-24 2020-05-01 山东科技大学 Robot path planning method based on pigeon swarm algorithm
CN111300409A (en) * 2020-02-16 2020-06-19 上海柴孚机器人有限公司 Industrial robot path planning method
CN112757294A (en) * 2020-12-28 2021-05-07 华南理工大学 Robot path transit point searching method based on reachability ball
WO2021182857A1 (en) * 2020-03-10 2021-09-16 엘지전자 주식회사 Mobile robot and control method therefor

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101303650B1 (en) * 2009-12-18 2013-09-04 한국전자통신연구원 Method for building spatial map, method for searching optimum traveling path using spatial map and robot control device using the same
KR101234371B1 (en) * 2010-12-21 2013-02-18 고려대학교 산학협력단 Method for planing optimal path of mobile robot and mobile robot using the same
KR20140130054A (en) * 2013-04-30 2014-11-07 쿠카 레보라토리즈 게엠베하 Automated guided vehicle, system with a computer and an automated guided vehicle, method for planning a virtual track and method for operating an automated guided vehicle
WO2015167220A1 (en) * 2014-05-02 2015-11-05 한화테크윈 주식회사 Device for planning path of mobile robot and method for planning path of mobile robot
US10369695B2 (en) 2014-05-02 2019-08-06 Hanwha Defense Co., Ltd. Device for planning path of mobile robot and method for planning path of mobile robot
KR20170140561A (en) 2016-06-13 2017-12-21 한국전자통신연구원 Apparatus and method for controlling driving of multi-robot
KR20180078808A (en) 2016-12-30 2018-07-10 한국생산기술연구원 Mobile robot and method for planing path of mobile robot considering driving environment
CN111089593A (en) * 2019-12-24 2020-05-01 山东科技大学 Robot path planning method based on pigeon swarm algorithm
CN111300409A (en) * 2020-02-16 2020-06-19 上海柴孚机器人有限公司 Industrial robot path planning method
WO2021182857A1 (en) * 2020-03-10 2021-09-16 엘지전자 주식회사 Mobile robot and control method therefor
US11625040B2 (en) 2020-03-10 2023-04-11 Lg Electronics Inc. Moving robot and controlling method
CN112757294A (en) * 2020-12-28 2021-05-07 华南理工大学 Robot path transit point searching method based on reachability ball

Similar Documents

Publication Publication Date Title
KR20090126414A (en) Robot and method for planning path of the same
KR101262778B1 (en) Route planning unit, and autonomous mobile device
JP6606442B2 (en) Mobile route plan generation device
JP5402057B2 (en) Mobile robot control system, route search method, route search program
Hornung et al. Anytime search-based footstep planning with suboptimality bounds
KR101179075B1 (en) Path planning method for autonomous robot and path planning system thereof
Pratama et al. Positioning and obstacle avoidance of automatic guided vehicle in partially known environment
JP2003241836A (en) Control method and apparatus for free-running mobile unit
KR102595187B1 (en) route planning
JP2010092279A (en) Autonomous mobile body and movement control method for the autonomous mobile body
Setiawan et al. Experimental comparison of A* and D* lite path planning algorithms for differential drive automated guided vehicle
JP2015111336A (en) Mobile robot
Hornung et al. Adaptive level-of-detail planning for efficient humanoid navigation
Farooq et al. Fuzzy logic based path tracking controller for wheeled mobile robots
Gu et al. Path planning for mobile robot in a 2.5‐dimensional grid‐based map
JP2007249631A (en) Polygonal line following mobile robot, and control method for polygonal line following mobile robot
Zhuang et al. Mobile robot hybrid path planning in an obstacle-cluttered environment based on steering control and improved distance propagating
Cheein et al. Autonomous Simultaneous Localization and Mapping driven by Monte Carlo uncertainty maps-based navigation
Mitschke et al. Online coverage path planning for a mobile robot considering energy consumption
Bayoumi et al. Learning foresighted people following under occlusions
JP6589578B2 (en) Travel amount estimation device, autonomous mobile body, and travel amount estimation method
Korkmaz Human-aware dynamic path planning
JP6751469B2 (en) Map creation system
Alagić et al. Design of mobile robot motion framework based on modified vector field histogram
JP2022013243A (en) Mobile body controller, map generation method and map generation program

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application