KR20100031878A

KR20100031878A - 이동 로봇의 지도 구성 장치 및 방법

Info

Publication number: KR20100031878A
Application number: KR1020080090727A
Authority: KR
Inventors: 공동건; 이형기
Original assignee: 삼성전자주식회사
Priority date: 2008-09-16
Filing date: 2008-09-16
Publication date: 2010-03-25
Also published as: KR101503903B1; US20100070078A1; US8306738B2

Abstract

특징점 지도 및 장애물 지도를 정확하게 생성하기 위한 지도 구성 장치 및 방법이 제공된다. 본 발명의 일 실시예에 따르면, 이동 로봇이 미지의 환경을 탐색할 때 획득되는 영상으로부터 추출되는 특징점들의 위치의 불확실도에 기반하는 경로를 생성하고, 생성된 경로에 따라 주행한다. 특징점들의 불확실도에 기반하는 경로는 이동 로봇의 특징점 지도의 정확성을 높이거나 자기 위치 인식의 정확도를 높이기 위해 생성된다.

장애물 지도, 특징점 지도, 슬램, 위치 인식, 이동 로봇

Description

이동 로봇의 지도 구성 장치 및 방법{Apparatus and method for building map used in mobile robot}

본 발명은 지도 구성 장치 및 방법에 관한 것으로, 미지의 환경에 대한 지도 작성시 정확성을 높이기 위한 지도 구성 장치 및 방법에 관한 것이다.

자율 이동 로봇의 가장 기본적인 기능은 원하는 목표지점까지 충돌없이 이동할 수 있어야 하는 것이다. 이러한 기능들은 자율이동로봇의 위치측정(localization) 기술 및 지도 구성(mapping) 기술에 의해 수행된다. 지도 구성과 함께 자신의 위치를 인식하는 방법 중 하나로 슬램(SLAM; Simultaneous Localization And Mapping) 알고리즘이 이용된다. 슬램 알고리즘은 어떤 위치에서 주변 환경의 지도를 구성하고, 구성된 지도를 바탕으로 다시 이동한 로봇의 위치를 알아내는 과정을 반복하여 로봇의 위치와 주변 환경의 지도를 동시에 추정할 수 있는 알고리즘이다.

이동 로봇은 지도 구성을 위해 전형적으로 레이저 스캐너 또는 카메라와 주행거리계를 이용하여 거리를 측정한다. 그러나, SLAM 알고리즘의 수행 과정에서 다양한 예측하기 어려운 변수들 예를 들어, 특징점 추출 에러, 오도메트리 에 러(Unknown Odometry Error), 카메라 지오메트리 에러(Camera Geometry Error) 등에 의하여 오차가 누적되게 되는 문제점이 있다.

이동 로봇이 미지의 환경에 대한 장애물 지도 및 특징점 지도를 구성할 때 이동 로봇의 경로를 제어하여 지도를 정확하고 신속하게 작성하는 지도 구성 장치 및 방법이 제공된다.

본 발명의 일 양상에 따른 지도 구성 장치는 감지된 장애물 감지 정보에 기초하여 장애물 지도를 구성하는 장애물 지도 구성부; 이동 로봇이 이동함에 따라 획득되는 자세 변화량 및 영상에 기초하여 복수개의 특징점, 각 특징점의 위치 정보 및 각 특징점에 대한 불확실도를 나타내는 정보를 포함하는 특징점 지도를 구성하고 자기 위치를 인식하는 제어부; 이동 로봇이 획득하는 특징점에 대한 불확실도에 기초하여 이동 경로를 생성하는 경로 생성부; 및 생성된 이동 경로에 따라 주행하도록 제어하는 주행 제어부를 포함하고, 특징점 지도 및 장애물 지도는 생성된 경로를 주행하면서 획득되는 자세 변화량, 영상 및 장애물 감지 정보에 기초하여 갱신된다.

상기 경로 생성부는 특징점에 대한 불확실도에 기초하여 각 특징점의 불확실도를 낮추기 위한 탐험 경로 및 이동 로봇의 자기 위치의 불확실도를 낮추기 위한 자기 위치 향상 경로 중 적어도 하나의 경로를 생성할 수 있다.

상기 경로 생성부는 탐험 경로를 생성할 때, 특징점들 중 불확실도가 제1 임계값 이상되는 특징점들을 검색하고, 검색된 특징점들의 위치를 중간 경로 지점으로 포함하며 현재 위치에서 이동 목표로 하는 목표점까지의 경로를 생성할 수 있다. 여기에서, 목표점은 구성되고 있는 장애물 지도에서 미지의 영역과 장애물이 없는 빈 영역의 경계 중 하나의 지점일 수 있다.

한편, 특징점들 중 불확실도가 제1 임계값 이상되는 특징점들이 복수 개 존재하는 경우, 경로 생성부는, 복수 개의 특징점들이 존재하는 공간을 적어도 2개 이상의 공간으로 분할하고, 각 분할된 공간에 존재하는 특징점들의 평균 위치를 중간 경로 지점으로 포함하며 현재 위치에서 이동 목표로 하는 목표점까지의 경로를 생성할 수 있다.

또한, 제어부는 특징점의 위치를 추정하기 위해 칼만 필터를 이용하는 경우, 오차 공분산 행렬을 이용하여 각 특징점들의 불확실도를 계산할 수 있다. 제어부는 탐험 경로를 주행함에 따라 획득되는 영상으로부터 특징점들을 추출하고, 특징점 지도에서 추출되는 특징점들과 매칭되는 특징점들을 검색하고, 검색된 특징점들의 위치 정보를 갱신할 수 있다.

또한, 경로 생성부는 이동 로봇의 현재 위치에 대한 불확실도가 제2 임계값 이상이라고 결정되는 경우, 특징점들에 대한 불확실도가 제3 임계값보다 낮은 특징점들을 검색하고, 검색된 특징점들을 중간 경로 지점으로 포함하며 현재 위치를 목표점으로 하는 폐경로를 자기 위치 향상 경로로서 생성할 수 있다. 이때, 제어부는 이동 로봇의 현재 위치를 추정하기 위하여 칼만 필터를 이용하는 경우, 추정된 현재 위치에 대한 공분산을 이용하여 현재 위치의 불확실도를 계산할 수 있다. 제어부는 이동 로봇의 위치를 추정하기 위해 파티클 필터를 이용하는 경우, 이동 로봇의 위치를 나타내는 가설적 샘플인 파티클들의 평균 위치에 비하여 각 파티클들이 분산되어 있는 정도를 나타내는 값을 계산하고, 계산된 값에 기초하여 위치의 불확실도를 계산할 수 있다.

제어부는 폐경로를 주행하면서 획득되는 위치 정보를 이용하여 현재 위치를 갱신할 수 있다.

상기 경로 생성부는 탐험 경로를 주행 도중 자기 위치의 불확실도가 제2 임계값 이상인 경우 탐험 경로 주행을 중지하고, 자기 위치의 불확실도를 낮추기 위한 자기 위치 향상 경로를 생성하여 자기 위치 향상 경로를 주행하도록 주행 제어부를 제어하고, 자기 위치 향상 경로를 주행하여 자기 위치의 불확실도가 낮아지면, 중지된 탐험 경로 주행을 진행하도록 주행 제어부를 제어할 수 있다.

본 발명의 다른 양상에 따른 지도 구성 방법은 감지된 장애물 감지 정보에 기초하여 이동 로봇의 장애물 지도를 구성하는 단계; 이동 로봇이 이동함에 따라 획득하는 자세 변화량 및 영상으로부터 복수개의 특징점, 각 특징점의 위치 정보 및 각 특징점에 대한 불확실도를 나타내는 정보를 포함하는 특징점 지도를 구성하는 단계; 이동 로봇이 획득하는 특징점에 대한 불확실도에 기초하여 이동 경로를 생성하는 단계; 및 생성된 이동 경로에 따라 주행하는 단계를 포함하고, 특징점 지도 및 장애물 지도는 생성된 이동 경로를 주행하면서 획득되는 자세 변화량, 영상 및 장애물 감지 정보에 기초하여 구성된다.

본 발명의 일 실시예에 따르면, 주변 환경을 탐색하면서 특징점 지도 및 장애물 지도를 구성할 때, 이동 로봇이 영상으로부터 추출되는 특징점과 이동 로봇의 위치의 정확도를 고려하는 경로를 주행함으로써 더욱 정확한 특징점 지도 및 장애물 지도를 구성할 수 있다.

이하, 첨부된 도면을 참조하여 본 발명의 일 실시예를 상세하게 설명한다. 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

도 1은 본 발명의 일 실시예에 따른 지도 구성 장치의 구성은 나타내는 블록도이다.

본 발명의 일 실시예에 따른 지도 구성 장치(100)는 주행부(110), 영상 획득부(120), 감지부(130), 장애물 지도 구성부(140), 제어부(150), 이동 경로 생성부(160) 및 주행 제어부(170)를 포함한다. 이하에서는 지도 구성 장치(100)가 미지의 환경에서 특징점 지도 및 장애물 지도를 구성하는 이동 로봇(100)으로 가정하고 설명한다.

주행부(110)는 이동 로봇(100)을 주행시키기 위하여 복수 개의 바퀴와 같은 주행 수단과, 주행 수단에 구동력을 제공하기 위한 구동원을 포함할 수 있다.

영상 획득부(120)는 외부의 이미지를 포착하여 포착된 이미지를 디지털 신호로 변환한다. 영상 획득부(120)는 CCD(Charge Coupled Device) 모듈이나 CMOS(Complementary Metal Oxide Semiconductor) 모듈을 포함하여 구성될 수 있다.

감지부(130)는 이동 로봇(100)에 장착되어 이동 로봇(100)의 이동량 및 회전량을 감지한다. 이를 위해, 감지부(130)는 인코더 또는 자이로 센서를 포함할 수 있다. 예를 들어, 인코더에 의해 움직인 거리 및 방향을 적분함으로써 현재 이동 로봇(100)의 평면상의 2차원 좌표계상의 위치(position) 및 방향각 즉, 자세(pose) 추정이 가능한다. 통상적으로, 인코더는 짧은 구간에서는 비교적 정확하지만 적분을 계속 수행해 나감에 따라 오차가 누적된다. 한편, 감지부(130)는 장애물과의 거리를 감지하기 위하여 적외선, 레이저 또는 초음파 센서를 포함할 수 있다.

이동 로봇(100)이 출발하는 위치 및 출발시 방향각을 기준값으로 설정할 수 있다. '자세'는 이동 로봇(100)의 2차원 평면상에서의 위치 및 방향각을 추정함을 의미한다. 이동 로봇(100)의 자세에 대한 기준은 지도(map) 상에 존재하는 특징점(Feature)이 될 수 있다. 따라서, 이동 로봇(100)의 자세는 이동 로봇(100)이 인식한 특징점을 기준으로 한 이동 로봇(100)의 위치 및 방향각을 말한다.

여기에서 특징점은 사물의 모서리 또는 코너와 같이 형상을 특정시킬 수 있는 점을 의미한다. 이러한 특징점은 지도 생성(map building)의 기초가 되는데 랜드마크(landmark)라고도 한다. 또한, 특징점은 닫힌 영역(closed region)의 윤곽선에서 추출된 라인 또는 점이 될 수 있다. 예를 들어, 실내의 천장에서 천장 영 상 중에서 조명 등의 원형이나 사각형의 윤곽선으로부터 라인이나 점을 추출하여 특징점으로 사용할 수 있다.

제어부(150)는 이동 로봇(100)의 각 구성요소 간 데이터 송수신을 제어하여 이동 로봇(100)의 전반적인 동작을 제어한다. 또한, 제어부(150)는 지도 구성과 자신의 위치를 인식하는 동작을 수행한다. 일 실시예에 따르면, 제어부(150)는 주변 환경의 지도를 구성하고, 구성된 지도를 바탕으로 다시 이동한 로봇의 위치를 알아내는 과정을 반복하여 로봇의 위치와 주변 환경의 지도를 동시에 추정하는 슬램 알고리즘을 수행할 수 있으며 다양한 방법으로 특징점 지도 및 위치 인식을 수행할 수 있다. 제어부(150)는 특징점 정보를 처리하여 특징점 지도를 구성하기 위한 특징점 지도 구성부(190)를 포함할 수 있다.

특징점 지도 구성부(190)는 이동 로봇(100)이 이동 경로에 따라 이동함으로써 획득되는 자세 변화량 및 영상에 기초하여 복수개의 특징점, 각 특징점의 위치 정보 및 각 특징점에 대한 불확실도를 나타내는 정보를 포함하는 특징점 지도를 구성한다. 특징점 지도 구성부(190)는 각 특징점들의 위치를 추정하기 위해 칼만 필터를 이용하는 경우, 오차 공분산 행렬을 이용하여 특정점들의 불확실도를 계산할 수 있다. 이외에도 각 특징점들의 불확실도를 결정하기 위한 다양한 방법이 이용될 수 있다.

일 실시예에 따르면, 특징점 지도 구성부(190)는 각 특징점들에 대한 불확실도 뿐만 아니라 특징점 지도 이동 로봇(100)의 현재 위치에 대한 불확실도룰 계산하여, 경로 생성부(160)에 전달할 수 있다. 특징점 지도 구성부(190)는 이동 로 봇(100)의 현재 위치에 대한 불확실도를 계산할 때, 추정된 현재 위치에 대한 공분산을 이용하여 현재 위치의 불확실도를 계산할 수 있다. 또한, 특징점 지도 구성부(190)는 이동 로봇(100)의 현재 위치를 추정하기 위해 파티클 필터를 이용하는 경우, 파티클들의 평균 위치에 비하여 각 파티클들이 분산되어 있는 정도를 나타내는 값을 이용하여 특징점들의 불확실도를 계산할 수 있다.

장애물 지도 구성부(140)는 감지된 장애물 감지 정보(또는 장애물 감지 센서 값)에 기초하여 장애물 지도를 구성한다. 장애물 지도는 통상 그리드 맵(grid map) 또는 확률 격자 지도라고 하며 자율이동로봇의 주위 환경을 작은 격자들(grids)로 나누어 각 격자에 물체가 있을 가능성을 확률적으로 표현한 지도이다. 장애물 지도 구성부(140)는 제어부(150)에서의 슬램 수행 결과 추정되는 이동 로봇(100)의 위치(또는 자세) 및 감지부(130)로부터의 장애물 감지 정보를 이용하여 구성될 수 있다.

경로 생성부(160)는 장애물 지도 구성부(140)에 의해 구성된 장애물 지도에 기초하여 장애물의 피하는 경로를 생성할 수 있다. 일예로 경로 생성부(160)는 장애물 지도 상에서 목표점까지 경로를 생성하는 A 스타 알고리즘을 이용하여 경로를 생성할 수 있다.

일 실시예에 따르면, 경로 생성부(160)는 이동 로봇(100)이 획득하는 특징점에 대한 불확실도에 기초하여 이동 경로를 생성할 수 있다. 경로 생성부(160)는 특징점에 대한 불확실도에 기초하여 각 특징점의 불확실도를 낮추기 위한 탐험 경로 및 자기 위치의 불확실도를 낮추기 위한 자기 위치 향상 경로 중 적어도 하나의 경로를 생성할 수 있다.

경로 생성부(160)는 특징점 지도의 정확성을 높이기 위하여 특징점들 중 불확실도가 제1 임계값 이상되는 특징점들을 검색하고, 검색된 특징점들의 위치를 중간 경로 지점으로 포함하는 현재 위치에서 이동 목표로 하는 목표점까지의 탐험 경로를 생성한다. 여기에서, 제1 임계값은 각 특징점의 위치의 불확실도가 불확실하고 결정되는 기준이 되는 소정의 값일 수 있다. 또한, 목표점은 구성되고 있는 장애물 지도에서 미지의 영역과 장애물이 없는 빈 영역의 경계 중 하나의 지점일 수 있다.

또한, 경로 생성부(160)는 이동 로봇(100)의 현재 위치에 대한 불확실도가 제2 임계값 이상이라고 결정되는 경우, 특징점들에 대한 불확실도가 제3 임계값보다 낮은 특징점들을 검색하고, 검색된 특징점들을 중간 경로 지점으로 포함하며 현재 위치를 목표점으로 하는 폐경로를 자기 위치 향상 경로로서 생성할 수 있다. 여기에서, 제2 임계값은 이동 로봇(100)의 현재 추정 위치가 불확실하다고 결정되는 소정의 값일 수 있으며, 제3 임계값은 각 특징점의 위치의 불확실도가 낮다고 결정될 수 있는 소정의 값을 가리킨다.

경로 생성부(160)는 탐험 경로를 주행 도중 자기 위치의 불확실도가 소정의 임계값 이상 높아지는 경우 탐험 경로 주행을 중지하고, 자기 위치의 불확실도를 낮추기 위한 자기 위치 향상 경로를 생성하여 주행 제어부(170)를 제어하여 자기 위치 향상 경로를 주행하도록 할 수 있다. 자기 위치 향상 경로 주행을 통해 자기 위치의 불확실도가 낮아지면, 경로 생성부(160)는 중지된 탐험 경로 주행을 계속하 여 진행하도록 주행 제어부(170)를 제어할 수 있다.

주행 제어부(170)는 생성된 이동 경로에 따라 주행하도록 주행부(110)를 제어한다. 주행 제어부(170)는 경로 생성부(160)에서 생성된 경로를 주행하도록 주행부(110)를 제어할 수 있다. 특징점 지도 및 장애물 지도는 이동 로봇(100)이 생성된 경로를 주행하면서 획득되는 자세 변화량, 영상 및 장애물 감지 정보에 기초하여 갱신될 수 있다.

일 실시예에 따르면, 특징점 지도 구성부(190)는 주행 경로에 따라 획득되는 영상으로부터 특징점들을 추출하고, 특징점 지도에서 추출되는 특징점들과 매칭되는 특징점들을 검색하고, 검색된 특징점들의 위치 정보를 갱신함으로써 특징점 지도를 갱신할 수 있다. 또한, 장애물 지도 구성부(140)는 갱신된 이동 로봇(100)의 자기 위치 정보에 기초하여 감지된 장애물 정보를 이용하여 장애물 지도를 갱신할 수 있다.

이와 같은 일 실시예에 따르면, 이동 로봇이 미지의 환경에 대한 장애물 지도 및 특징점 지도를 구성할 때 이동 로봇의 경로를 제어하여 지도를 정확하고 신속하게 작성할 수 있다.

도 2는 도 1의 지도 구성 장치의 특징점 지도 구성부의 구성을 나타내는 블록도이다.

특징점 지도 구성부(190)는 특징점 추출부(192), 특징점 매칭부(194), 특징점 처리부(196) 및 저장부(198)를 포함할 수 있다.

특징점 추출부(192)는 획득된 영상으로부터 특징점을 추출한다. 특징점 추 출부(192)는 SITF(Scale Invariant Feature Transform) 방법, MSER(Maximally Stable Extremal Region) 기법, 또는 해리스 코너 검출(Harris Corner Detector) 방법 등과 같이 다양한 특징점 추출 알고리즘을 이용하여 특징점 및 각 특징점을 구별할 수 있는 특징점 기술자를 생성할 수 있다.

특징점 매칭부(194)는 이동 로봇(100)이 이동 후에 획득된 영상으로부터 감지된 특징점들(현재 특징점들)을 저장부(198)에 저장된 이전의 특징점들과 비교하여, 동일하다고 판단되는 특징점들을 구한다. 특징점 매칭은 각 특징점의 특징점 기술자를 비교함으로써 수행될 수 있다.

특징점 처리부(196)는 현재 시간 단계(t)에서 추출된 특징점들이 이전 시간 단계(t-1)에서 추출된 특징점들과 동일하다고 판단되면, 현재 추출된 특징점들을 이용하여 이전 특징점들의 위치를 갱신하고, 동일하지 않은 특징점들은 새로운 특징점들로서 저장부(198)에 저장한다. 또한, 특징점 처리부(196)는 각 특징점의 위치에 대한 불확실도를 계산한다.

특징점의 위치에 대한 불확실도는 예를 들어, 칼만 필터의 오차 공분산 행렬로부터 계산될 수 있다.

칼만 필터의 경우에는, 특징점이 소정의 위치에 있을 확률은 가우션 분포 형 태를 가지는 것으로 가정할 수 있다. 이 경우, Pxx는 x축의 좌표에 대한 특징점의 공분산 값을 나타내고, Pyy는 y축 좌표에 대한 특징점의 공분산 값을 나타내고, Pzz는 z축의 좌표에 대한 특징점을 공분산 값을 나타낸다. Pxy는 x축과 y축 좌표에 대한 특징점의 상관관계 계수(correlation coefficient)를 나타낸다.

이 경우, 특징점의 위치에 대한 불확실도는 칼만 필터의 오차 공분산 행렬의 주대각 엘리먼트를 이용하여 다음의 수학식 2와 같이 정해질 수 있다.

그러나, 특징점의 위치에 대한 불확실도는 z축의 좌표에 대한 불확실도가 가장 높은 점을 고려하여, Pzz의 값을 이용하여 계산될 수 있으며, 다른 다양한 수식이 적용될 수 있다.

한편, 이동 로봇(100)의 현재 위치에 대한 불확실도를 획득하기 위하여 상술한 칼만 필터의 오차 공분산 행렬를 이용하여 특징점의 위치의 불확실도를 계산하는 방법과 유사하게 계산될 수 있다. 일 실시예에 따르면, 확장 칼만 필터(Extended Kalman Filter)를 이용하여 이동 로봇(100)의 현재 위치 및 획득된 영상들로부터의 특징점을 처리하는 경우, 확장 칼만 필터의 수행 결과로 생성되는 오차 공분산 행렬로부터 이동 로봇의 추정 위치에 대한 공분산, 각 특징점들의 위치에 대한 공분산 값이 도출될 수 있다. 확장 칼만 필터를 이용하는 경우 로봇 위치에 대한 공분산, 각 특징점들에 대한 공분산 값이 도출되는 과정은 공지되어 있는 바 자세한 설명은 생략한다.

도 3은 본 발명의 일 실시예에 따른 특징점 지도의 정확도를 향상시키기 위한 경로 생성 방법을 나타내는 도면이다.

공간(310)은 장애물 지도(10)상에 현지 이동 로봇(100)의 위치를 나타내고 있다. 지도를 작성하는 이동 로봇(100)은 공간(310)에 도시된 바와 같이 목표점(301)을 선정한다. 목표점(301)은 구성되고 있는 장애물 지도(10)에서 미지의 영역과 장애물이 없는 빈 영역의 경계 중 하나의 지점일 수 있다. 그런 다음, 공간(320)에 도시되어 있는 이동 로봇(100)은 특징점 지도에 등록되어 있는 특징점들 중 불확실도가 제1 임계값 이상되는 특징점(302, 303, 304, 305)들을 검색한다. 그리고, 공간(330)에 도시되어 있는 바와 같이, 이동 로봇(100)은 검색된 특징점들(302, 303, 304, 305)의 위치(예를 들어, 이동 로봇(100)이 움직이는 2차원 공간상의 위치)를 중간 경로 지점으로 포함하며 현재 위치에서 이동 목표로 하는 목표점까지의 탐험 경로를 생성한다.

그러면, 이동 로봇(100)은 탐험 경로에 따라 주행하면서 획득되는 영상으로부터 특징점들을 추출하고, 특징점 지도에서 추출되는 특징점들과 매칭되는 특징점들을 검색하고, 검색된 특징점들의 위치 정보를 갱신할 수 있다. 즉, 이전 등록된 이동 로봇(100)의 위치 정보 및 현재 추출된 특징점을 이용하여 예측되는 이동 로봇(100)의 위치 정보를 이용하여 특징점의 위치 정보를 갱신할 수 있다. 이동 로봇(100)의 위치 불확실성이 낮은 경우에 이 경로를 주행하면 특징점의 불확실성이 줄어들어 정확한 특징점 위치를 얻을 수 있다. 그 이유는 단일 카메라 영상으로는 거리 정보를 얻을 수 없지만 로봇의 이동과 다수의 카메라 영상에 의해서 거리를 추정할 수 있기 때문이다.

이와 같은 본 발명의 일 실시예에 따르면, 이동 로봇은 본 발명의 일 실시예에 따른 경로를 주행하는 동안 특징점의 정확도를 개선하면서 특징점 지도를 구성하게 되므로, 특징점 지도를 정확하고 효율적으로 구성할 수 있게 된다. 또한, 이동 로봇이 이동 경로를 생성하는데 기초가 되는 장애물 지도를 작성할 때, 전술한 바와 같이 정확해진 특징점 지도에 기반하여 더욱 정확하게 추정된 이동 로봇의 자기 위치 정보를 이용함으로써 장애물 지도의 정확성을 또한 높일 수 있다.

도 4는 본 발명의 다른 실시예에 따른 특징점 지도의 정확도를 향상시키기 위한 경로 생성 방법을 나타내는 도면이다.

도 4는 다수의 불확실성이 높은 특징점이 존재하는 경우에 경로 생성 방법을 나타낸다. 공간(410)에는 목표점(401), 특징점들(402, 403, 404)를 포함한 복수개의 특징점들 및 장애물(a, b, c, d)이 도시되어 있다. 특징점들(402, 403, 404)를 포함한 공간(410)상에 도시된 특징점들은 불확실도가 제1 임계값 이상되는 특징점들을 나타낸다.

그런 다음, 공간(420)에 도시된 바와 같이, 장애물 지도 공간을 소정의 개수로 분할한 다음, 각 분할된 영역에 포함된 특징점들(402, 403, 404)의 평균위치를 구한다. 도 4에는 장애물 지도 공간이 8등분한 경우를 나타낸다.

특징점들(402, 403, 404)의 평균 위치는 도면부호 411에 도시된 바와 같이 계산될 수 있고, 나머지 영역들에서의 특징점들의 평균 위치가 도면부호 412 내지 416에 도시된 바와 같이 계산될 수 있다.

공간(430)에 도시된 바와 같이, 이동 로봇(100)은 평균 위치들(411 내지 416)의 위치를 중간 경로 지점으로 포함하는 현재 위치에서 이동 목표로 하는 목표점까지의 탐험 경로를 생성할 수 있다. 이 경우에, 특징점의 평균 위치 중 위치(411)는 장애물 위치와 겹치므로, 공간(430)에 도시된 바와 같이 장애물을 회피하는 경로를 생성할 수 있다. 장애물을 회피하는 경로를 생성하기 위하여 A 스타(A star)와 같은 장애물 회피 경로 생성 알고리즘이 적용될 수 있다.

도 5는 본 발명의 일 실시예에 따른 이동 로봇의 자기 위치의 정확도를 향상시키기 위한 경로 생성 방법을 나타내는 도면이다.

지도를 작성하는 이동 로봇(100)은 공간(510)에 도시된 바와 같이 자기 인식 위치의 불확실도가 제2 임계값보다 높게 되어 자기 위치가 불확실하다고 판단되는 경우에는 공간(520)에 도시된 바와 같이 불확실성이 제3 임계값보다 낮은 특징점들(501, 502, 503)을 검색하여 그 위치로 이동함으로써 자기 위치의 불확실성을 낮출 수 있다. 이동 로봇(100)의 현재 위치를 추정하기 위하여 칼만 필터를 이용하는 경우, 추정된 현재 위치에 대한 공분산을 이용하여 현재 위치의 불확실도를 획득할 수 있다. 그런 다음, 공간(530)에 도시된 바와 같이 검색된 특징점들을 중간 경로 지점으로 포함하며 현재 위치를 목표점으로 하는 폐경로를 생성할 수 있다. 이동 로봇(100)이 경로를 주행하면 정확도가 높은 특징점들 다시 보게 되어 자기 위치의 불확실성을 낮출 수 있게 되어 자기 위치를 정확하게 인식할 수 있다.

이와 같은 본 발명의 일 실시예에 따르면, 이동 로봇의 자기 위치의 불확실 성이 커졌다고 판단되는 경우, 불확실도가 낮은 특징점을 경유하는 경로를 생성하여 주행함으로써, 이동 로봇의 자기 위치의 불확실성을 낮출 수 있다. 즉, 미지의 환경에서 이동 로봇의 자기 위치의 정확도를 높임으로써 이동 로봇은 특징점 지도 및 장애물 지도를 정확하게 생성할 수 있고, 자율 주행을 위한 정확한 이동 경로를 생성할 수 있다.

도 6은 본 발명의 일 실시예에 따른 지도 구성 방법을 나타내는 순서도이다.

이동 로봇(100)의 장애물 지도를 구성을 시작한다(S 610). 이동 로봇(100)은 장애물 지도를 기반으로 하여 목표점을 설정한 다음, 설정된 목표점으로 이동하면서, 이동 경로에 따라 획득되는 자세 변화량 및 영상으로부터 복수개의 특징점, 각 특징점의 위치 정보 및 각 특징점에 대한 불확실도를 나타내는 정보를 포함하는 특징점 지도를 구성한다(S 620). 장애물 지도를 구성하는 단계 S 610과 특징점 지도를 구성하는 단계 S 620는 순차적으로 수행되는 것을 나타내기 위한 것이 아니고, 이동 로봇(100)이 경로 생성을 위해 필요한 장애물 지도 및 특징점 지도를 함께 구성하는 것을 나타낸다.

이동 로봇(100)은 획득하는 특징점에 대한 불확실도에 기초하여 이동 경로를 생성한다(S 630). 생성된 이동 경로에 따라 주행한다(S 640).

생성된 이동 경로에 따라 주행하는 과정에서 획득되는 자세 변화량, 영상 및 장애물 감지 정보에 기초하여 단계 S 610에 구성중인 특징점 지도 및 단계 S 620에서 구성중인 장애물 지도를 갱신한다(S 650). 특징점 지도 및 장애물 지도를 갱신하는 단계 S 650 또한 이동 경로에 따라 주행이 완료되면 수행되는 것을 나타내기 위한 것이 아니고, 특징점 지도 및 장애물 지도의 구성은 이동 로봇(100)이 이동함에 따라 정보 즉, 영상, 자세 변화량 및 장애물 감지 정보 등이 획득됨과 동시에 작성되고 있는 특징점 지도 및 장애물 지도에 반영되는 것을 의미한다.

도 7은 본 발명의 일 실시예에 따른 경로 생성에 따른 경로 이동 방법을 나타내는 순서도이다.

이동 로봇(100)은 탐색 목표점을 찾는다(S 702). 목표점은 구성되고 있는 장애물 지도에서 미지의 영역과 장애물이 없는 빈 영역의 경계 중 하나의 지점일 수 있다. 목표점이 존재하면(S 704), 탐험 경로 생성 단계로 들어간다.

탐험 경로 생성을 위해 이동 로봇(100)은 불확실성이 높은 영상 특징점을 선택한다(S 706). 이동 로봇(100)이 선택한 특징점을 경유지로 하는 목표점까지의 경로를 생성한다(S 708). 그런 다음 이동 로봇(100)은 목표점에 도달하기 위하여 생성된 경로에 따라 이동한다(S 710). 이와 같이, 이동 로봇(100)이 이동함에 따라 장애물 지도 및 특징점 지도가 계속하여 구성된다. 이동 로봇(100)이 경로를 이동하면서 얻은 특징점 정보를 이용하여 특징점 지도를 갱신하고, 갱신된 특징점 지도에 기초하여 장애물 지도가 보정되면서 작성될 수 있다.

탐험 경로에 대한 이동이 완료되면(S 712), 이동 로봇(100)은 새로운 목표점을 찾아 이동 경로를 생성하기 위해 탐색 목표점을 찾는 단계로 되돌아간다(S 702).

한편, 탐험 경로에 대한 이동이 진행중인 경우(S 712), 탐색 목표점까지의 이동 로봇(100)의 현재 위치에 대한 부정확도가 소정의 임계값 이내여서 현재 인식 위치가 정확한지 여부를 결정한다(S 714). 이동 로봇(100)의 현재 위치가 정확하다고 결정되면(S 714), 목표점까지의 생성된 이동 경로에 따른 이동을 계속하고(S 712), 그에 따라 특징점 지도 및 장애물 지도를 갱신하면서 계속하여 작성한다. 이동 로봇(100)의 현재 위치에 대한 부정확도가 소정의 임계값을 넘어서 현재 위치가 부정확하다고 결정되는 경우에는(S 712), 단계 S 708에서 생성된 목표점까지 도달하기 위한 경로의 이동을 중지하고, 자기 위치 인식을 향상시키기 위한 경로 생성 과정으로 들어갈 수 있다.

이를 위해, 이동 로봇(100)은 불확실성이 낮은 영상 특징점을 선택하고(S 716), 선택 특징점을 경유지로 하고 현재 불확실하다고 결정된 위치를 목표점으로 하는 폐경로를 자기 위치 향상 경로로서 생성한다(S 718). 그런 다음, 이동 로봇(100)은 생성된 자기 위치 향상 경로에 따라 이동한다(S 720). 생성된 자기 위치 향상 경로에 대한 이동이 완료되면(S 722), 이동 로봇(100)은 중지되었던 단계 S 708에서 생성된 목표점까지의 탐험 경로에 따른 이동을 계속한다(S 710).

본 발명은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 상기의 프로그램을 구현하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크 등을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드로 저장되고 실행될 수 있다.

이상의 설명은 본 발명의 일 실시예에 불과할 뿐, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 본질적 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현할 수 있을 것이다. 따라서, 본 발명의 범위는 전술한 실시예에 한정되지 않고 특허 청구범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.

도 1은 본 발명의 일 실시예에 따른 지도 구성 장치의 구성은 나타내는 블록도이고,

도 2는 도 1의 지도 구성 장치의 특징점 지도 구성부의 구성을 나타내는 블록도이고,

도 3은 본 발명의 일 실시예에 따른 특징점 지도의 정확도를 향상시키기 위한 경로 생성 방법을 나타내는 도면이고,

도 4는 본 발명의 다른 실시예에 따른 특징점 지도의 정확도를 향상시키기 위한 경로 생성 방법을 나타내는 도면이고,

도 5는 본 발명의 일 실시예에 따른 이동 로봇의 자기 위치의 정확도를 향상시키기 위한 경로 생성 방법을 나타내는 도면이고,

도 6은 본 발명의 일 실시예에 따른 지도 구성 방법을 나타내는 순서도이고,

Claims

감지된 장애물 감지 정보에 기초하여 장애물 지도를 구성하는 장애물 지도 구성부;

이동 로봇이 이동함에 따라 획득되는 자세 변화량 및 영상에 기초하여 복수개의 특징점, 각 특징점의 위치 정보 및 각 특징점에 대한 불확실도를 나타내는 정보를 포함하는 특징점 지도를 구성하고 자기 위치를 인식하는 제어부;

상기 이동 로봇이 획득하는 특징점에 대한 불확실도에 기초하여 이동 경로를 생성하는 경로 생성부; 및

상기 생성된 이동 경로에 따라 상기 이동 로봇이 주행하도록 제어하는 주행 제어부를 포함하고,

상기 특징점 지도 및 상기 장애물 지도는 상기 생성된 경로를 주행하면서 획득되는 자세 변화량, 영상 및 상기 장애물 감지 정보에 기초하여 갱신되는 지도 구성 장치.
제1항에 있어서,

상기 경로 생성부는 상기 특징점에 대한 불확실도에 기초하여 상기 각 특징점의 불확실도를 낮추기 위한 탐험 경로 및 상기 자기 위치의 불확실도를 낮추기 위한 자기 위치 향상 경로 중 적어도 하나의 경로를 생성하는 지도 구성 장치.
제2항에 있어서,

상기 경로 생성부는 상기 탐험 경로를 생성할 때, 상기 특징점들 중 불확실도가 제1 임계값 이상되는 특징점들을 검색하고, 상기 검색된 특징점들의 위치를 중간 경로 지점으로 포함하며 현재 위치에서 이동 목표로 하는 목표점까지의 경로를 생성하는 지도 구성 장치.
제3항에 있어서,

상기 목표점은 상기 구성되고 있는 장애물 지도에서 미지의 영역과 장애물이 없는 빈 영역의 경계 중 하나의 지점인 지도 구성 장치.
제3항에 있어서,

상기 특징점들 중 불확실도가 제1 임계값 이상되는 특징점들이 복수 개 존재하는 경우, 상기 경로 생성부는, 상기 복수 개의 특징점들이 존재하는 공간을 적어도 2개 이상의 공간으로 분할하고, 각 분할된 공간에 존재하는 특징점들의 평균 위치를 중간 경로 지점으로 포함하며 현재 위치에서 이동 목표로 하는 목표점까지의 경로를 생성하는 지도 구성 장치.
제1항에 있어서,

상기 제어부는 특징점의 위치를 추정하기 위해 칼만 필터를 이용하는 경우, 오차 공분산 행렬을 이용하여 상기 각 특징점들의 불확실도를 계산하는 지도 구성 장치.
제3항에 있어서,

상기 제어부는 상기 탐험 경로를 주행함에 따라 획득되는 영상으로부터 특징점들을 추출하고, 상기 특징점 지도에서 상기 추출되는 특징점들과 매칭되는 특징점들을 검색하고, 상기 검색된 특징점들의 위치 정보를 갱신하는 지도 구성 장치.
제2항에 있어서,

상기 경로 생성부는 상기 이동 로봇의 현재 위치에 대한 불확실도가 제2 임계값 이상이라고 결정되는 경우, 상기 특징점들에 대한 불확실도가 제3 임계값보다 낮은 특징점들을 검색하고, 상기 검색된 특징점들을 중간 경로 지점으로 포함하며 현재 위치를 목표점으로 하는 폐경로를 상기 자기 위치 향상 경로로서 생성하는 지도 구성 장치.
제8항에 있어서,

상기 제어부는 이동 로봇의 현재 위치를 추정하기 위하여 칼만 필터를 이용하는 경우, 추정된 현재 위치에 대한 공분산을 이용하여 상기 현재 위치의 불확실도를 계산하는 지도 구성 장치.
제8항에 있어서,

상기 제어부는 이동 로봇의 위치를 추정하기 위해 파티클 필터를 이용하는 경우, 이동 로봇의 위치를 나타내는 가설적 샘플인 파티클들의 평균 위치에 비하여 각 파티클들이 분산되어 있는 정도를 나타내는 값을 계산하고, 상기 계산된 값에 기초하여 상기 위치의 불확실도를 계산하는 지도 구성 장치.
제8항에 있어서,

상기 제어부는 상기 폐경로를 주행하면서 획득되는 위치 정보를 이용하여 상기 현재 위치를 갱신하는 지도 구성 장치.
제2항에 있어서,

상기 경로 생성부는 상기 탐험 경로를 주행 도중 자기 위치의 불확실도가 제2 임계값 이상인 경우 상기 탐험 경로 주행을 중지하고, 자기 위치의 불확실도를 낮추기 위한 자기 위치 향상 경로를 생성하여 상기 자기 위치 향상 경로를 주행하도록 상기 주행 제어부를 제어하고,

상기 자기 위치 향상 경로를 주행하여 자기 위치의 불확실도가 낮아지면, 상기 중지된 탐험 경로 주행을 진행하도록 상기 주행 제어부를 제어하는 지도 구성 장치.
감지된 장애물 감지 정보에 기초하여 이동 로봇의 장애물 지도를 구성하는 단계;

이동 로봇이 이동함에 따라 획득하는 자세 변화량 및 영상으로부터 복수개의 특징점, 각 특징점의 위치 정보 및 각 특징점에 대한 불확실도를 나타내는 정보를 포함하는 특징점 지도를 구성하는 단계;

상기 이동 로봇이 획득하는 특징점에 대한 불확실도에 기초하여 이동 경로를 생성하는 단계; 및

상기 생성된 이동 경로에 따라 주행하는 단계를 포함하고,

상기 특징점 지도 및 상기 장애물 지도는 상기 이동 경로를 주행하면서 획득되는 자세 변화량, 영상 및 장애물 감지 정보에 기초하여 구성되는 지도 구성 방법.
제13항에 있어서,

상기 이동 경로를 생성하는 단계에서, 상기 특징점에 대한 불확실도에 기초하여 상기 각 특징점의 불확실도를 낮추기 위한 탐험 경로 및 상기 자기 위치의 불확실도를 낮추기 위한 자기 위치 향상 경로 중 적어도 하나의 경로를 생성하는 지도 구성 방법.
제14항에 있어서,

상기 탐험 경로를 생성하는 단계는,

상기 특징점들 중 불확실도가 제1 임계값 이상되는 특징점들을 검색하는 단계; 및

상기 검색된 특징점들의 위치를 중간 경로 지점으로 포함하며 현재 위치에서 이동 목표로 하는 목표점까지의 경로를 생성하는 단계를 포함하는 지도 구성 방법.
제15항에 있어서,

상기 목표점은 상기 구성되고 있는 장애물 지도에서 미지의 영역과 장애물이 없는 빈 영역의 경계 중 하나의 지점인 지도 구성 방법.
제13항에 있어서,

상기 특징점의 불확실도는 이동 로봇의 특징점의 위치를 추정하기 위해 칼만 필터를 이용하는 경우, 오차 공분산 행렬을 이용하여 계산되는 지도 구성 방법.
제14항에 있어서,

상기 자기 위치 향상 경로를 생성하는 단계는,

상기 이동 로봇의 현재 위치에 대한 불확실도가 제2 임계값 이상인지 결정하는 단계;

상기 불확실도가 제2 임계값 이상이라고 결정되는 경우, 상기 특징점들에 대한 불확실도가 제3 임계값보다 낮은 특징점들을 검색하는 단계; 및

상기 검색된 특징점들을 중간 경로 지점으로 포함하며 현재 위치를 목표점으로 하는 폐경로를 상기 자기 위치 향상 경로로서 생성하는 단계를 포함하는 지도 구성 방법.
제18항에 있어서,

상기 폐경로를 주행하는 단계를 더 포함하고,

상기 특징점 지도를 갱신하는 단계는, 상기 주행 경로를 주행하면서 획득되는 위치 정보를 이용하여 상기 현재 위치를 갱신하는 지도 구성 방법.
제14항에 있어서,

상기 탐험 경로를 주행 도중 자기 위치의 불확실도가 제2 임계값 이상인 경우 상기 탐험 경로 주행을 중지하는 단계;

자기 위치의 불확실도를 낮추기 위한 자기 위치 향상 경로를 주행하여 자기 위치의 불확실도를 낮추는 단계; 및

상기 중지된 탐험 경로 주행을 진행하는 단계를 포함하는 지도 구성 방법.