KR20130112507A - Safe path planning method of a mobile robot using s× algorithm - Google Patents
Safe path planning method of a mobile robot using s× algorithm Download PDFInfo
- Publication number
- KR20130112507A KR20130112507A KR1020120034930A KR20120034930A KR20130112507A KR 20130112507 A KR20130112507 A KR 20130112507A KR 1020120034930 A KR1020120034930 A KR 1020120034930A KR 20120034930 A KR20120034930 A KR 20120034930A KR 20130112507 A KR20130112507 A KR 20130112507A
- Authority
- KR
- South Korea
- Prior art keywords
- node
- area
- mobile robot
- safety
- danger
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000012502 risk assessment Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 230000001149 cognitive effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 208000027744 congestion Diseases 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 231100001261 hazardous Toxicity 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
- B25J9/1666—Avoiding collision or forbidden zones
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
- B25J9/1676—Avoiding collision or forbidden zones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
Description
본 발명은 이동 로봇의 안전경로계획에 관한 것으로, 더 상세하게는, 자율주행로봇이 목표지점까지 충돌없이 최적의 경로로 이동할 수 있도록 하기 위하여, 지역폐쇄성을 고려하여 위험지역을 정의하고, S* 알고리즘을 이용하여 최적의 안전한 경로계획을 수행하도록 하는 방법에 관한 것이다.
The present invention relates to a safety path planning of a mobile robot, and more particularly, in order to allow an autonomous robot to move to an optimal path without collision to a target point, a dangerous area is defined in consideration of local closure, and S * The present invention relates to a method for performing optimal safe route planning using an algorithm.
최근, 로봇 기술이 발달함에 따라, 앞으로의 미래에는 인간과 로봇이 공존하면서 사회 구성원으로써 인간과 로봇이 소통해야 하는 협업의 시대가 다가오고 있다.
Recently, with the development of robot technology, in the future, an era of collaboration in which humans and robots should communicate as a member of society while humans and robots coexist.
즉, 산업화의 진행과 함께, 노령화 문제, 3D업종의 경시 및 위험한 산업현장의 안전 문제에 대한 해결방안으로, 인간을 대신하여 작업을 수행하는 로봇의 투입이 증가하고 있으며, 이와 같이 로봇이 인간의 작업을 대신하기 위하여는 로봇 스스로가 목적지로 이동 가능하도록 지능적인 자율주행 기술이 필요하다.
In other words, with the progress of industrialization, as a solution to the aging problem, the disregard of the 3D industry and the safety of dangerous industrial sites, the input of robots performing tasks on behalf of humans is increasing. In order to do the job, intelligent self-driving technology is needed so that the robot can move to its destination.
또한, 자율주행 로봇이 갖추어야 할 기본적인 주행능력은 원하는 목표지점까지 충돌없이 최적의 경로로 이동할 수 있는 지능적 항법 능력이며, 이러한 지능적 항법을 위해서는 경로계획 기술과 위치인식 요소기술이 필요하다.
In addition, the basic driving ability of the autonomous robot is the intelligent navigation ability that can move to the optimum target without collision to the desired target point, and the route planning technique and the position recognition element technique are required for such intelligent navigation.
여기서, 경로계획 기술은, 전역 경로계획과 지역 경로계획 기술로 나누어지며, 먼저, 전역 경로계획은, 주어진 환경지도를 이용하여 출발점에서 목표 지점까지의 최적의 경로를 탐색하는 것이고, 지역 경로계획은, 동적 환경에서 실시간성을 고려한 장애물 회피를 의미한다.
Here, the route planning technique is divided into a global route plan and a local route plan technique. First, the global route plan is to search for an optimal route from a starting point to a target point using a given environment map. For example, obstacle avoidance considering real-time in a dynamic environment.
아울러, 위치인식 기술은, 주행시 로봇의 현재 위치를 지도상에서 알아내는 위치결정 기술이다.
In addition, the position recognition technology is a positioning technology that finds out the current position of the robot on the map while driving.
상기한 바와 같은 전역 경로계획 방법에 대한 종래기술의 예로서, 대표적으로, 예를 들면, "A note on two problems in connexion with graphs(E. W. Dijkstra, Numerische Mathematik, Volume 1, Number 1, 269-271, 1959)"에 게시된 바와 같은 "Dijkstra 알고리즘"이 있다.
As an example of the prior art for the global route planning method as described above, representatively, for example, "A note on two problems in connexion with graphs (EW Dijkstra, Numerische Mathematik,
더 상세하게는, 상기한 Dijkstra 알고리즘은, 최초의 경로계획으로 제시되어 현재까지 여러 분야에서 많이 사용되고 있으나, 모든 공간을 탐색하므로 많은 연산시간이 요구된다는 단점이 있다.
More specifically, the Dijkstra algorithm has been proposed as the first route plan and has been widely used in various fields until now, but it requires a lot of computation time since all spaces are searched.
또한, 상기한 바와 같은 전역 경로계획 방법에 대한 종래기술의 다른 예로서, 예를 들면, "A Formal Basis for the Heuristic Determination of Minimum Cost Paths in Graphs_A star(PETER E. HART, VOL. ssc-4 ,NO 2, 1968)"에 게시된 바와 같은 A* 알고리즘이 있다.
In addition, as another example of the prior art for the global path planning method as described above, for example, "A Formal Basis for the Heuristic Determination of Minimum Cost Paths in Graphs_A star (PETER E. HART, VOL. Ssc-4,
더 상세하게는, 상기한 A* 알고리즘은, Dijkstra 알고리즘의 보완 형태로, 평가함수를 추가함으로써 깊이 탐색과 넓이 탐색을 기반으로 Dijkstra 알고리즘에 비해 더 빠른 탐색 시간을 달성하였으나, 실시간성에 문제가 있는 것이었다.
More specifically, the A * algorithm, which is a complement to the Dijkstra algorithm, achieves faster searching time than the Dijkstra algorithm based on depth search and breadth search by adding an evaluation function, but has a problem in real time. .
아울러, 상기한 바와 같은 전역 경로계획 방법에 대한 종래기술의 다른 예로서, 예를 들면, "The Focussed D Algorithm for Real-Time Replanning(Stentz, Anthony, Proceedings of the International Joint Conference on Artificial Intelligence, 1652-1659, 1995)"에 게시된 바와 같은 D* 알고리즘이 있다.
In addition, as another example of the prior art for the global route planning method as described above, for example, "The Focussed D Algorithm for Real-Time Replanning (Stentz, Anthony, Proceedings of the International Joint Conference on Artificial Intelligence, 1652-). 1659, 1995).
더 상세하게는, 상기한 D* 알고리즘은, 종래의 실시간성 문제를 해결함으로써 현재까지 가장 널리 사용되는 전역 경로계획 알고리즘으로 알려져 있다.
More specifically, the D * algorithm is known as the most widely used global path planning algorithm to date by solving the conventional real-time problem.
더욱이, 상기한 방법들 외에도, 예를 들면, "Gross Motion Planning-A survey(Y.K Hwang and N. Ahuja, ACM computing Surveys, Vol.24 No.3, September 1992)"에 게시된 바와 같이, 양방향 검색(Bi-direction Search) 및 A* 기반의 수정된 알고리즘을 이용하여 경로를 찾아내는 방법 등이 제안된바 있다.
Furthermore, in addition to the methods described above, bidirectional search, for example, as published in "Gross Motion Planning-A survey (YK Hwang and N. Ahuja, ACM computing Surveys, Vol. 24 No. 3, September 1992)". (Bi-direction Search) and a method of finding a route using A * based modified algorithm have been proposed.
상기한 바와 같이, 종래, 거리와 시간에 따른 비용 문제를 최적화하기 위하여 경로계획 알고리즘에 대하여 많은 연구가 이루어졌으며, 그러한 연구들을 통하여 최소의 거리와 시간 비용은 도출되었지만, 계획된 경로 상에서 이동중에 다른 이동물체나 장애물 등과의 충돌 가능성에 대하여는 고려된 바가 없었다.
As described above, in the past, many studies have been conducted on route planning algorithms in order to optimize the cost problem over distance and time. Although such a minimum distance and time cost has been derived from such studies, other movements during the movement on the planned route have been performed. The possibility of collision with an object or obstacle was not considered.
즉, 상기한 바와 같은 종래의 경로계획 방법들은, 단지 최단 거리와 시간만을 고려하여 경로를 계획할 뿐, 장애물의 유무에 따른 회피 경로나 충돌 방지와 같은 안전 문제에 대하여는 고려하지 않고 있으므로, 진정한 의미로 최적의 경로계획을 이룰 수 없다는 문제가 있는 것이었다.
That is, the conventional path planning methods as described above are only planning the path by considering only the shortest distance and time, and do not consider safety issues such as avoiding paths or collision avoidance according to the presence or absence of obstacles. The problem was that they could not achieve optimal route planning.
즉, 로봇 시야는 지역 폐쇄성에 기인하여 제한되게 되며, 이러한 시야 제한의 문제로 인해 미리 준비된 경로가 아닌 실제의 도로와 같은 경우는 이동로봇의 자율주행이 어려울 뿐 아니라, 충돌 문제를 피할 수 없으며, 따라서 상기한 바와 같은 종래기술의 방법들로는 최적의 자율주행을 이룰 수 없게 된다.
In other words, the visibility of the robot is limited due to the area closure, and due to the problem of view limitation, the autonomous driving of the mobile robot is difficult in case of the actual road, not the prepared route, and the collision problem cannot be avoided. Therefore, the above-described methods of the prior art do not achieve optimal autonomous driving.
따라서 상기한 바와 같은 종래기술의 경로계획의 문제점을 해결하기 위하여는, 최단거리와 최단시간을 위한 경로뿐만 아니라, 이동중에 장애물의 존재 유무를 파악하여 이에 대한 회피계획을 수립하여 충돌을 방지함으로써 이동로봇의 안전한 주행을 가능하게 하는 새로운 이동로봇의 경로계획 알고리즘을 제공하는 것이 바람직하나, 아직까지 그러한 요구를 모두 만족시키는 장치나 방법은 제공되지 못하고 있는 실정이다.
Therefore, in order to solve the problems of the prior art route planning as described above, as well as the route for the shortest distance and the shortest time, to determine the presence of obstacles during the movement and to avoid the collision by establishing a avoidance plan for the movement It is desirable to provide a path planning algorithm for a new mobile robot that enables the safe driving of the robot, but there is no device or method that satisfies all such requirements.
본 발명은 상기한 바와 같은 종래기술의 문제점을 해결하고자 하는 것으로, 따라서 본 발명의 목적은, 종래의 경로계획 방법들은 단순히 최단 거리와 시간만을 고려하여 경로를 계획할 뿐, 장애물의 유무에 따른 회피 경로나 충돌 방지와 같은 안전 문제에 대하여는 고려하지 않았으므로, 실제의 도로 주행시 충돌 문제를 피할 수 없어 이동로봇의 자율주행이 어려웠던 문제점을 해결하기 위해, 이동로봇이 최적의 경로로 안전하게 충돌을 회피하면서 자율주행하여 목적지에 도착할 수 있도록 하는 S* 알고리즘을 이용한 이동로봇의 안전경로계획 수립방법을 제공하고자 하는 것이다.
The present invention is to solve the problems of the prior art as described above, the object of the present invention, the conventional route planning methods simply plan the route considering only the shortest distance and time, avoiding the presence or absence of obstacles Since safety issues such as paths and collision avoidance were not taken into consideration, in order to solve the problem that autonomous driving of the mobile robot was inevitable due to the collision problem during the actual road driving, the mobile robot safely avoided collision with the optimal path. The purpose of the present invention is to provide a safety route planning method of a mobile robot using an S * algorithm that enables autonomous driving to reach a destination.
상기한 바와 같은 목적을 달성하기 위해, 본 발명에 따르면, 이동로봇이 목표지점까지 충돌없이 최적의 경로로 이동할 수 있도록 하기 위한 이동로봇의 안전경로계획 수립방법에 있어서, 출발 지점과 목표 지점을 포함하는 지역의 전역지도를 읽어들이고 읽어들인 지도에 셀 분해법을 이용하여 격자지도를 구성하는 지도구성단계; 지역 폐쇄성에 기인하여 충돌위험성이 있는 지역을 위험지역으로 정의하고, 사고가 빈번한 지역이나 정체구간을 긴급지역으로 정의하여 상기 격자지도상에 반영하는 지역정의단계; 시작점과 도착점이 주어지면, 시작 노드에서부터 목표 노드까지 현재의 노드에서 인접한 노드들 중 가장 안전한 노드를 찾는 동작을 반복하여 상기 시작점에서 상기 도착점까지 가장 안전한 경로를 찾는 경로탐색단계; 및 상기 경로탐색단계에서 탐색된 경로를 저장하고 처리를 종료하는 단계를 포함하여 구성된 것을 특징으로 하는 이동로봇의 안전경로계획 수립방법이 제공된다.
In order to achieve the above object, according to the present invention, in the safety path planning method of the mobile robot for allowing the mobile robot to move in the optimal path without collision to the target point, including the starting point and the target point A map constructing step of constructing a lattice map by reading a global map of an area and using a cell decomposition method on the read map; A region definition step of defining an area having a risk of collision due to area closure as a danger area, and defining an area where an accident occurs frequently or a congestion section as an emergency area and reflecting it on the grid map; Given a starting point and an arrival point, repeating an operation of finding the safest node among adjacent nodes from the current node to the target node to find the safest path from the starting point to the arrival point; And storing the path searched in the path search step and ending the process. The safety path planning method of the mobile robot is provided.
여기서, 상기 지역정의단계는, 코너 지역, 교차점 및 문이 있는 지역을 상기 위험지역으로 정의하는 것을 특징으로 한다.
Here, the area definition step, characterized in that defining the area with the corner area, the intersection and the door as the dangerous area.
또한, 상기 지역정의단계는, 상기 격자지도의 각 격자마다 시작점, 목표점, 장애물이나 벽, 상기 위험지역의 위험도, 상기 긴급지역 및 상기 이동로봇이 이동 가능한 지점을 각각 의미하는 정보를 입력하여 상기 격자지도를 구성하는 것을 특징으로 한다.
In addition, the local definition step, the grid by inputting the information means the starting point, the target point, the obstacle or wall, the danger of the danger zone, the emergency zone and the point where the mobile robot can move for each grid of the grid map; Characterized in constructing the map.
아울러, 상기 위험지역의 위험도는 이하의 위험도 평가함수 R(nc)를 이용하는 것을 특징으로 한다.
In addition, the risk of the danger zone is characterized by using the following risk assessment function R (n c ).
(여기서, r은 위험지역의 인접 노드(셀 공간의 특정 위치) 간의 거리, θ는 코너의 각도, α는 충돌사고 빈도에 따른 위험지역 상수 값이며, 또한, θ의 범위는 0˚ < θ < 180˚이다.)
Where r is the distance between adjacent nodes in the danger zone (a specific location in the cell space), θ is the angle of the corner, α is the danger zone constant value according to the frequency of the collision, and θ is in the range of 0˚ <θ < 180˚.)
더욱이, 상기 경로탐색단계는, 탐색하지 않은 노드들을 기록하는 오픈 리스트(Open List)에 시작 노드로부터 인접한 노드들 추가하는 단계; 및 검색이 완료된 노드는 이미 탐색한 노드를 기록하는 폐쇄 리스트(Closed List)에 추가하여 더 이상 검색하지 않도록 하는 단계를 더 포함하는 것을 특징으로 한다.
Further, the path searching step includes the steps of adding adjacent nodes from the start node to an Open List that records the nodes that have not been searched; And the searching completed node is added to a closed list which records the node which has already been searched so that the searching is no longer performed.
또한, 상기 경로탐색단계는, 상기 시작 노드에서 현재 노드까지의 거리함수, 위험도 평가함수 및 현재 노드에서 목표 노드까지의 추정 예상비용에 근거하여 각 노드의 안전비용을 평가하고, 상기 안전비용이 가장 작은 노드들을 선택하여 최적의 경로를 설정하는 것을 특징으로 한다.
In addition, the path search step may evaluate the safety cost of each node based on the distance function from the start node to the current node, the risk evaluation function, and the estimated estimated cost from the current node to the target node, and the safety cost is the most. It is characterized by selecting the small nodes to set the optimal path.
여기서, 상기 안전비용의 평가는, 이하의 수학식을 이용하는 것을 특징으로 한다.
Here, the evaluation of the safety cost is characterized by using the following equation.
(여기서, C(ns, nc)는 시작 노드에서 현재 노드까지의 거리이고, R(nc)는 현재 노드에서 인접 노드 사이의 위험도이며, G(nc, ng)는 현재 노드에서 목표 노드까지의 추정 예상비용이다.)
(Where C (n s , n c ) is the distance from the starting node to the current node, R (n c ) is the risk between the current node and its neighbors, and G (n c , n g ) is the current node Estimated estimated cost to target node.)
또한, 상기 시작 노드에서 현재 노드까지의 거리를 계산하는 함수 C(ns, nc)는, 이하의 수학식을 이용하는 것을 특징으로 한다.
In addition, the function C (n s , n c ) for calculating the distance from the start node to the current node is characterized by the following equation.
아울러, 상기 현재 노드에서 목표 노드까지의 추정 예상비용을 평가하는 함수G(nc, ng)는, 이하의 수학식을 이용하는 것을 특징으로 한다.
In addition, the function G (n c , n g ) for evaluating the estimated estimated cost from the current node to the target node is characterized by using the following equation.
상기한 바와 같이, 본 발명에 따르면, 안전한 자율주행을 이루기 위하여 전역경로에 대한 위험지역을 정의하고, 인지 제한영역의 반발함수를 이용하여 격자지도를 완성하며, 위험도에 따른 위험 반발력과 S* 알고리즘을 이용하여 최적의 안전한 경로계획을 수립할 수 있는 S* 알고리즘을 이용한 이동로봇의 안전경로계획 수립방법을 제공할 수 있다.
As described above, according to the present invention, in order to achieve safe autonomous driving, a risk area for the global path is defined, a grid map is completed using the repulsion function of the cognitive restriction area, and the risk repulsive force and the S * algorithm according to the risk Using this method, we can provide a safety route planning method of mobile robot using S * algorithm that can establish the optimal route planning.
따라서 본 발명에 따르면, 단순히 최단 거리와 시간만을 고려하여 경로를 계획할 뿐, 장애물의 유무에 따른 회피 경로나 충돌 방지와 같은 안전 문제에 대하여는 고려하지 않음으로 인해 실제의 도로와 같은 경우 이동로봇의 자율주행이 어렵고 충돌 문제를 피할 수 없었던 종래의 경로계획 방법들의 문제점을 해결하여, 이동로봇이 최적의 경로로 안전하게 충돌을 회피하면서 자율주행하여 목적지에 도착할 수 있도록 하는 S* 알고리즘을 이용한 이동로봇의 안전경로계획 수립방법을 제공할 수 있다.
Therefore, according to the present invention, only the shortest distance and time to plan the route, but do not consider safety issues such as avoidance paths or collision avoidance according to the presence of obstacles in the case of the actual road, such as It solves the problem of the conventional route planning methods that autonomous driving is difficult and the collision problem could not be avoided, so that the mobile robot can reach the destination by autonomous driving safely avoiding collision with the optimal route. Provide a way to plan safety pathways.
도 1은 위험지역의 정의를 설명하기 위한 도면이다.
도 2는 위험영역에서의 반발력을 나타내는 도면이다.
도 3은 위험지역이 정의된 격자지도의 구성예를 나타내는 도면이다.
도 4는 본 발명에 따른 S* 알고리즘의 구체적인 구성을 나타내는 플로차트이다.
도 5는 본 발명에 따른 S* 알고리즘의 성능을 검증하기 위한 모의실험에 사용되는 격자지도를 나타내는 도면이다.
도 6은 A* 알고리즘의 위험지역에 대한 실험 결과를 나타내는 도면이다.
도 7은 본 발명에 따른 S* 알고리즘의 위험지역에 대한 실험 결과를 나타내는 도면이다.
도 8은 A* 알고리즘의 위험지역 및 긴급지역에 대한 실험 결과를 나타내는 도면이다.
도 9는 본 발명에 따른 S* 알고리즘의 위험지역 및 긴급지역에 대한 실험 결과를 나타내는 도면이다. 1 is a view for explaining the definition of the danger zone.
2 is a view showing the repulsive force in the danger zone.
3 is a diagram illustrating an example of the configuration of a grid map in which a danger zone is defined.
4 is a flowchart showing a specific configuration of an S * algorithm according to the present invention.
5 is a diagram showing a grid map used in the simulation for verifying the performance of the S * algorithm according to the present invention.
Fig. 6 is a diagram showing the results of experiments on the danger zone of the A * algorithm.
7 is a view showing the experimental results for the dangerous zone of the S * algorithm according to the present invention.
8 is a diagram showing the results of experiments on the danger zone and the emergency zone of the A * algorithm.
9 is a view showing the results of experiments in the dangerous zone and emergency zone of the S * algorithm according to the present invention.
이하, 첨부된 도면을 참조하여, 본 발명에 따른 S* 알고리즘을 이용한 이동로봇의 안전경로계획 수립방법의 상세한 내용에 대하여 설명한다.
Hereinafter, with reference to the accompanying drawings, the details of the safety path planning method of the mobile robot using the S * algorithm according to the present invention will be described.
여기서, 이하에 설명하는 내용은 본 발명을 실시하기 위한 실시예일 뿐이며, 본 발명은 이하에 설명하는 실시예의 내용으로만 한정되는 것은 아니라는 사실에 유념해야 한다.
Here, it should be noted that the contents described below are only examples for carrying out the present invention, and the present invention is not limited to the contents of the embodiments described below.
즉, 본 발명은, 후술하는 바와 같이, 단순히 최단 거리와 시간만을 고려하여 경로를 계획함으로 인해 실제의 도로에서는 충돌 문제를 피할 수 없었던 종래의 경로계획 방법들의 문제점을 해결하여, 이동로봇이 충돌을 회피하면서 안전하게 최적의 경로로 자율주행하여 목적지에 도착할 수 있도록 하는 S* 알고리즘을 이용한 이동로봇의 안전경로계획 수립방법에 관한 것이다.
That is, the present invention solves the problems of the conventional route planning methods, in which the collision problem cannot be avoided on the actual road by simply planning the route by considering only the shortest distance and time, as described below. The present invention relates to a safety path planning method of a mobile robot using an S * algorithm that autonomously drives to an optimal path while avoiding it and arrives at a destination.
이를 위해, 본 발명은, 코너와 합류점, 동적 환경에 대한 위험지역의 정의를 내리고, 인지 제한영역의 반발함수를 이용하여 격자지도를 완성하며, 위험영역에서 정의된 함수를 이용하여 S* 알고리즘을 제안하였다.
To this end, the present invention defines the danger zones for corners, confluence points, and dynamic environments, completes the grid map using the repulsion function of the cognitive constraint area, and uses the S * algorithm using functions defined in the danger zone. Suggested.
또한, 본 발명은, 안전한 자율주행을 이루기 위하여, 전역경로에 대한 위험지역을 정의하고, 위험도에 따른 위험 반발력과 S* 알고리즘을 이용하여 안전한 경로계획을 수립하여, 모의실험을 통해 상기한 알고리즘의 타당성을 증명하였다.
In addition, the present invention, in order to achieve a safe autonomous driving, to define the danger zone for the global path, to establish a safe path plan using the risk repulsion force and S * algorithm according to the risk, the simulation of the above algorithm through the simulation The validity was proved.
따라서 본 발명은, 지역 폐쇄성을 고려하여 위험지역을 정의하고, S* 알고리즘을 이용하여 최적의 안전한 경로계획을 수행하도록 구성된 것을 특징으로 하는 것이다.
Therefore, the present invention is characterized in that it is configured to define a danger zone in consideration of local closure and to perform an optimal safe route planning using the S * algorithm.
계속해서, 상기한 바와 같은 본 발명에 따른 S* 알고리즘을 이용한 이동로봇의 안전경로계획 수립방법의 구체적인 내용에 대하여 설명한다.
Subsequently, the specific contents of the safety path planning method of the mobile robot using the S * algorithm according to the present invention as described above will be described.
먼저, 자율주행로봇의 경로계획법에 있어서, 상기한 바와 같은 전역 경로계획과 더불어, 예를 들면, "Occlusions in obstacle detection for safe navigation(Sadou, M., Anthony, Intelligent Vehicles Symposium, 2004 IEEE, vol., no., pp. 716-721, 14-17, 2004)"에 게시된 바와 같이, 정적 및 동적 장애물의 회피와 센서의 불확실성에 기인한 장애물 회피방법 또한 연구되어 왔다.
First, in the path planning method of an autonomous driving robot, in addition to the global path planning described above, for example, "Occlusions in obstacle detection for safe navigation (Sadou, M., Anthony, Intelligent Vehicles Symposium, 2004 IEEE, vol. , no., pp. 716-721, 14-17, 2004). Obstacle avoidance methods due to static and dynamic obstacle avoidance and sensor uncertainty have also been studied.
그러나 실제 충돌 위험성은, 예상치 못한 지역 폐쇄성에 기인한 경우가 대부분이며, 센서 인식범위에 따라 인지할 수 있는 영역이 제한되므로 충돌 위험성이 증가된다.
However, the actual collision risk is mostly due to unexpected local closure, and the risk of collision is increased because the perceivable area is limited according to the sensor recognition range.
위험지역의 정의에 앞서 로봇의 자율주행을 위해 극복해야 할 문제점들을 나열하면 다음과 같다.
Before defining the danger zone, the problems to overcome for autonomous driving of the robot are listed as follows.
1) 인지영역의 제한성 1) limitation of cognitive domain
2) 센서 불확실성 2) Sensor uncertainty
3) 예기치 않은 동적 물체 3) unexpected dynamic objects
4) 바닥면과의 슬립 4) Slip with bottom
5) 기구학 및 동역학적
5) Kinematics and Dynamics
먼저, 인지영역의 제한성은, 예를 들면, "Safe and high speed navigation of a patrol robot in occluded dynamic obstacles(MinKi Choi, Proceedings of the 17th IFAC World Congress, 2008, Volume 17, Part 1, 2008)"에 게시된 바와 같이, 로봇의 시야의 제한성이다.
First, the limitations of cognitive domains are described, for example, in "Safe and high speed navigation of a patrol robot in occluded dynamic obstacles (MinKi Choi, Proceedings of the 17th IFAC World Congress, 2008, Volume 17,
더 상세하게는, 이동로봇의 자율주행시, 센서의 성능에 따라 볼 수 있는 영역이 다르게 되며, 따라서 조금이라도 더 멀리 볼 수 있는 로봇이 충돌 위험을 그만큼 미리 인지하고 안전하게 주행할 수 있다.
More specifically, when the autonomous driving of the mobile robot, the viewable area is different according to the performance of the sensor, so that the robot, which can see even a little further, can safely recognize the collision risk in advance.
또한, 센서의 불확실성으로 인하여 충돌 위험성이 증가될 수 있으며, 동적 장애물에 의한 충돌은 가장 큰 잠재 위험성을 가지고 있다.
In addition, the risk of collision can be increased due to the uncertainty of the sensor, and the collision by the dynamic obstacle has the greatest potential risk.
아울러, 바닥면과 바퀴의 조건에 따라 슬립이 발생함으로 인해, 위험지역을 감지했을지라도 정지거리가 증가하여 충돌 위험성이 증가된다.
In addition, the slip occurs according to the condition of the floor surface and wheels, even if the danger zone is detected, the stopping distance is increased to increase the risk of collision.
마지막으로, 기구학 및 동역학적 문제로 충돌 위험성이 더욱 증가될 수 있으며, 즉, 바퀴의 뒤틀림이나, 양 바퀴의 공기압, 그리고 관성 문제 등의 비선형적인 문제로 인해 위험성이 증가되므로, 안전한 자율주행을 이룰 수 없게 된다.
Finally, the kinematics and dynamics can increase the risk of collision, ie the risk is increased due to nonlinear problems such as wheel warpage, pneumatic pressure on both wheels, and inertia, resulting in safe autonomous driving. It becomes impossible.
따라서 본 발명은, 안전한 경로계획을 위해, 상기한 바와 같은 위험지역의 인지 제한성 문제를 고려함으로써 안전한 자율주행을 달성하고자 하는 것으로, 즉, 본 발명은, 로봇의 시야의 제한성을 고려하지 않을 경우의 충돌 위험성이 나머지 위험성을 모두 고려하지 않은 것보다 더욱 위험할 수 있음을 감안하여, 이동로봇의 자율주행에 있어서 극복해야 할 상기한 바와 같은 문제들 중 인지영역의 제한성을 해결하는 것을 주된 목적으로 하는 것이다.
Accordingly, the present invention aims to achieve safe autonomous driving by considering the cognitive limitation problem of the dangerous area as described above for safe route planning, that is, the present invention does not take into account the limitation of the field of view of the robot. Given that collision risks may be more dangerous than not considering all other risks, the main objective is to address the limitations of cognitive domain among the above-mentioned problems to overcome in autonomous driving of mobile robots. will be.
계속해서, 도 1을 참조하여, 상기한 바와 같은 본 발명에 따른 S* 알고리즘을 이용한 이동로봇의 안전경로계획 수립방법의 구체적인 내용에 대하여 설명한다.
Subsequently, with reference to FIG. 1, the specific contents of the safety path planning method of the mobile robot using the S * algorithm according to the present invention as described above will be described.
도 1을 참조하면, 도 1은 위험지역의 정의를 설명하기 위한 도면으로, 즉, 본 발명에서는, 도 1에 나타낸 바와 같이, 인지영역의 제한성에 따른 코너와 교차점 그리고 닫힌 문을 위험지역이라 정의한다.
Referring to FIG. 1, FIG. 1 is a view for explaining a definition of a danger zone, that is, in the present invention, as shown in FIG. 1, a corner, an intersection point, and a closed door according to limitations of a cognitive area are defined as a danger zone. do.
더 상세하게는, 도 1의 (a)에 나타낸 바와 같이, 이동로봇이 코너 지역에 진입할 때 시야에 보이지 않는 사각지대가 형성되므로 이러한 사각지대를 위험지역으로 정의하고, 또한, 도 1의 (b)에 나타낸 바와 같이, 이동로봇이 교차점에 진입할 때 충돌위험성, 정체 및 사각지대가 증가하므로 이러한 교차 지점을 위험지역으로 정의하며, 아울러, 도 1의 (c)에 나타낸 바와 같이, 문이 있는 경우, 문이 닫혀 있다가 열리거나 또는 열린 상태에서라도 열린 문으로 다른 동적 객체가 갑자기 나오게 되면 충돌 위험성이 있으므로, 이러한 지역 또한 위험지역으로 정의한다.
More specifically, as shown in (a) of FIG. 1, since the blind spot is not visible when the mobile robot enters the corner area, the blind spot is defined as a dangerous area, and also, as shown in FIG. As shown in b), since the collision risk, congestion and blind spots increase when the mobile robot enters the intersection, this intersection is defined as a danger zone, and as shown in (c) of FIG. If so, this area is also defined as a danger zone because there is a risk of collision if the door is closed and then opened or if another dynamic object suddenly comes out of the open door.
즉, 예를 들면, 사무실과 같이, 벽이 존재하는 공간을 이동로봇이 이동할 때 대부분 코너가 존재하는 공간을 이동하게 되며, 이때, 이동로봇에 주행에 필요한 센서가 설치되어 있더라도, 상기한 바와 같이 센서 정보를 이용할 수 없는 코너점이 존재하게 된다.
That is, for example, when the mobile robot moves a space where a wall exists, such as an office, the space moves mostly in a space where a corner exists. In this case, even if a sensor necessary for driving is installed in the mobile robot, as described above. There is a corner point where sensor information is not available.
아울러, 교차점 또한 상기한 바와 같은 코너에서의 위험성이 중첩되어 정체 및 충돌사고의 위험성이 내재되어 있는 공간이며, 더욱이, 사무실 공간의 경우, 문이 닫혀 있으면 문을 벽으로 인식하게 되나, 문이 열리면 문에 의해 코너 점이 나타나게 되고, 이러한 급작스러운 코너의 발생은 사고의 위험성을 더욱 증가시키는 환경이 된다.
In addition, the intersection is also a space in which the risks at the corners as described above overlap, and there is a risk of congestion and collision accidents. Moreover, in the case of an office space, when the door is closed, the door is recognized as a wall, but when the door is opened The corner points appear by the door, and the occurrence of such a sudden corner becomes an environment that further increases the risk of an accident.
그러나 상기한 바와 같이 정의된 위험지역은 센서에 의존하여 즉각적으로 대처할 수 있는 부분이 아니며, 이와 같이 지역 폐쇄성에 기인한 위험지역이 존재하게 되면 이동로봇은 돌발상황에 대비하여 서행하거나 해당 지역을 우회하는 등으로 안전한 주행 경로계획을 수립할 필요가 있다.
However, as defined above, the hazardous area is not a part that can be immediately responded to by relying on the sensor, and if there is a dangerous area due to local closure, the mobile robot will slow down or bypass the area. It is necessary to establish a safe driving route plan.
상기한 바와 같이, 현재 위치에서 목표 위치까지 최적의 경로를 계획하는 일은 거리나 시간의 비용뿐만 아니라 안전문제를 함께 고려해야만 하며, 따라서 본 발명에서 제시되는 S* 알고리즘을 이용한 이동로봇의 안전경로계획에서 'S'의 의미는 'Safe', 즉, 안전에 중점을 둔 경로계획방법을 의미한다.
As described above, the planning of the optimal path from the current position to the target position must consider not only the cost of distance or time, but also safety issues, and therefore, the safety path planning of the mobile robot using the S * algorithm proposed in the present invention. 'S' in the context means 'Safe', that is, a route planning method focused on safety.
또한, 본 발명에 사용되는 S* 알고리즘은, 기존에 많이 사용되는 A* 알고리즘을 기반으로 하는 것이나, 본 발명은, 기존의 전역경로 계획방법은 최적의 경로를 제공하지만 안전문제를 고려하지 않음으로 인해 가정이나 사무실 환경에서 사용하기에 무리가 있었던 문제를 해결하기 위하여, 인지제한 영역에서의 반발력함수를 이용하여 지도를 생성하고, 안전을 기반으로 하는 S* 알고리즘을 이용하여 경로계획을 실시한다.
In addition, the S * algorithm used in the present invention is based on the conventionally used A * algorithm, but the present invention, the existing global path planning method provides an optimal path, but does not consider safety issues In order to solve the problem that it is difficult to use in home or office environment, map is created by using repulsive function in cognitive restriction area and route planning is performed using S * algorithm based on safety.
여기서, 상기한 인지제한 영역에서의 반발력에 대하여 설명하면 일반적으로, 이동로봇의 안전한 경로계획을 위해서는 충분한 주행 정보가 필요하며, 예를 들면, 시각적인 정보의 제한성과 같이, 센서정보를 획득할 수 없는 경우는 더 이상 주행이 불가능하게 된다.
Here, when the repulsive force in the cognitive restriction area is described, in general, sufficient driving information is required for the safe route planning of the mobile robot. For example, sensor information may be acquired, such as the limitation of visual information. If not, it will no longer be possible to drive.
이와 같이 충분한 주행정보를 얻기 어려운 지역을 위험지역이라 하며, 이러한 위험지역을 회피하기 위하여는 주어진 지도에서 코너 및 합류점을 영상처리기법을 이용하여 추출하고, 그 특징점에서 반발력을 생성한다.
The area where it is difficult to obtain sufficient driving information is called a danger area. In order to avoid such a danger area, corners and confluence points are extracted from a given map using image processing techniques, and a repulsive force is generated at the feature points.
여기서, 위험지역을 추출하는 방법으로는, 예를 들면, "Chain Code 발생빈도를 이용한 삼각형 및 사각형의 꼭지점 인식 알고리즘(김선일, 손주리, 박찬웅, 대한전기학회 학술대회 논문집, pp. 1343~1346, 1987)"에 게시된 바와 같은 내용을 참조할 수 있으며, 상기한 바와 같이 하여 추출된 위험지역은 안전경로계획을 위한 전역경로계획 지도에 사용된다.
Here, as a method of extracting a dangerous area, for example, "a triangle and square vertex recognition algorithm using the chain code generation frequency (Kim Sun-il, Son Joo-ri, Park Chan-woong, Proceedings of the Korean Institute of Electrical Engineers, pp. 1343-1346, 1987), and the risk areas extracted as described above are used in the global route planning map for safety route planning.
또한, 이하의 [수학식 1]은 상기한 바와 같이 하여 추출된 코너에서의 위험도 평가함수이다.
In addition,
[수학식 1] [Equation 1]
[수학식 1]에 있어서, R(nc)은 위험도의 평가함수, r은 위험지역 인접 노드(셀 공간의 특정 위치) 간의 거리, θ는 코너의 각도,α는 충돌사고 빈도에 따른 통계적 자료를 기반으로 하는 위험지역 상수 값이다.
In
또한, [수학식 1]에 있어서, 상기한 각도의 범위는 0˚ < θ < 180˚이며, 각도가 작아질 수로 위험도는 증가하고, 아울러, 반발력의 크기는 0 < R(n) < 1의 값을 가지며, 1에 가까운 값을 가질 경우 장애물과 같은 영역으로 인식한다.
In
다음으로, 도 2를 참조하면, 도 2는 위험영역에서의 반발력을 나타내는 도면으로, 코너의 각도에 따른 위험 반발력을 나타내고 있다.
Next, referring to FIG. 2, FIG. 2 is a view showing the repulsive force in the dangerous area, and shows the dangerous repulsive force according to the angle of the corner.
즉, 도 2에 나타낸 바와 같이, 코너의 각도가 증가함에 따라 위험 반발력이 증가함을 알 수 있다.
That is, as shown in Figure 2, it can be seen that the risk repulsive force increases as the angle of the corner increases.
더 상세하게는, 예를 들면, 복도와 같이, 코너가 없는 곳일 경우 벽과 이루는 각은 180˚이며, 이때, 실제 보이는 이동로봇의 센서 정보의 시야각은 충분한 주행정보를 획득할 수 있다.
More specifically, for example, when there is no corner, such as a corridor, the angle formed with the wall is 180 degrees, and at this time, the viewing angle of the sensor information of the mobile robot that is actually visible can obtain sufficient driving information.
그러나 이동중 180˚보다 작은 코너가 있는 지형을 주행할 경우, 센서 정보의 부족현상으로 인해 충돌위험성이 증가하며, 코너가 작으면 작을수록 위험 반발력은 증가하고, 충돌확률은 증가하게 된다.
However, when driving on terrain with corners smaller than 180 ° during movement, the risk of collision increases due to lack of sensor information. The smaller the corner, the higher the risk repulsion and the higher the probability of collision.
따라서 이동로봇은, 이러한 위험 반발력을 이용하여 충돌 위험성이 작은 곳을 검색함으로써 안전한 경로계획을 수립할 수 있다.
Therefore, the mobile robot can make a safe route plan by searching for the place where the risk of collision is small by using this risk repulsion force.
계속해서, 상기한 바와 같이 위험 반발력을 이용하여 얻어진 위험정보를 반영하여 격자지도를 구성하는 내용에 대하여 설명한다.
Subsequently, a description will be given of the contents of the grid map reflecting the risk information obtained by using the risk repulsive force as described above.
즉, 이동로봇이 안전경로계획을 수립하기 위해서는 먼저 격자화된 지도가 필요하며, 이는, 각 격자 내에 비용 정보를 입력하여 안전경로계획을 수립할 수 있도록 준비해야 하며, 일반적으로, 격자의 크기는 경로계획 대상 지역의 크기, 이동로봇의 크기, 센서의 성능을 고려하여 선정한다.
In other words, in order for a mobile robot to establish a safety route plan, a gridized map is first required, and it is necessary to prepare a safety route plan by inputting cost information into each grid. The route planning target area size, mobile robot size, and sensor performance are selected.
아울러, 이동로봇이 이동하면서 격자지도상의 각 노드마다 안전한 경로로 이동하도록 하기 위해서는, 각 노드의 크기가 작으면 작을수록 좋지만, 이러한 경우 연산의 양이 늘어남으로 인해 전체적인 경로계획의 수행시간이 늘어나게 된다.
In addition, in order for the mobile robot to move in a safe path for each node on the grid map, the smaller the size of each node is, the better, but in this case, the execution time of the overall route plan is increased due to the increase in the amount of computation. .
따라서 이하의 설명에서 사용되는 격자의 크기는, 로봇의 크기를 고려하여 30cm×30cm의 크기로 하였으며, 격자지도의 표현 형태는 이하의 [수학식 2]와 같다.
Therefore, the size of the grid used in the following description, the size of the robot in consideration of the size of the 30cm × 30cm, the expression form of the grid map is represented by the following [Equation 2].
[수학식 2] &Quot; (2) "
[수학식 2]에 있어서, 시작점(S)은 2이고, 목표점(G)은 3으로 정의하며, 장애물이나 벽은 1로 표현하고, 위험지역의 위험성에 대한 반발력은 0 < R(n) < 1 사이의 값이며, 이동로봇이 이동할 수 있는 공간은 0으로 정의한다.
In [Equation 2], the starting point (S) is 2, the target point (G) is defined as 3, the obstacle or the wall is represented by 1, and the repulsive force against the danger in the danger zone is 0 <R (n) < The value is between 1 and the space within which the mobile robot can move is defined as 0.
또한, 도 3을 참조하면, 도 3은 상기한 바와 같이 하여 위험지역이 정의된 격자지도의 구성예를 나타내고 있으며, 즉, 도 3에 나타낸 바와 같이, 격자 내에 문자를 표시하는 것만으로 위험정보를 반영한 격자지도를 구성할 수 있다.
In addition, referring to FIG. 3, FIG. 3 shows a configuration example of a grid map in which a danger zone is defined as described above. That is, as shown in FIG. 3, dangerous information is displayed only by displaying characters in the grid. The reflected grid map can be constructed.
다음으로, 도 4를 참조하여, 상기한 바와 같이 하여 위험정보를 이용한 S* 알고리즘의 상세한 내용에 대하여 설명한다.
Next, with reference to Fig. 4, the details of the S * algorithm using the risk information as described above will be described.
도 4를 참조하면, 도 4는 본 발명에 따른 S* 알고리즘의 구체적인 구성을 나타내는 플로차트이다.
Referring to FIG. 4, FIG. 4 is a flowchart showing a specific configuration of an S * algorithm according to the present invention.
즉, 본 발명은, 상기한 바와 같이 위험에 대한 정의와 함께 위험지역의 안전문제를 고려하여 격자화된 지도를 이용하여, 도 4에 나타낸 바와 같은 S* 알고리즘을 제안하는 것이다.
That is, the present invention proposes an S * algorithm as shown in FIG. 4 by using a grid map in consideration of the safety problem of the danger zone together with the definition of the risk as described above.
더 상세하게는, 본 발명에 따른 S* 알고리즘은, 도 4에 나타낸 바와 같이, 먼저, 해당 지역의 전역지도를 읽어들이고(S1), 읽어들인 지도에 셀 분해법을 이용하여 격자지도를 구성한다(S2).
More specifically, the S * algorithm according to the present invention, as shown in Figure 4, first read the global map of the region (S1), and constructs a grid map using the cell decomposition method on the read map ( S2).
다음으로, 상기한 바와 같이 하여 지역 폐쇄성에 기인하여 충돌위험성이 있는 지역을 위험지역으로 정의하고(S3), 사고가 빈번한 지역이나 정체구간을 긴급지역으로 정의하여 격자지도상에 반영한다(S4).
Next, as described above, an area with a risk of collision due to area closure is defined as a danger area (S3), and an area with frequent accidents or a congestion area is defined as an emergency area and reflected on the grid map (S4). .
이어서, 시작점과 도착점이 주어지면(S5), 탐색하지 않은 노드들을 기록하고 있는 오픈 리스트(Open List)에 시작 노드로부터 인접한 노드들 추가한다(S6).
Subsequently, if a starting point and an arrival point are given (S5), adjacent nodes from the starting node are added to an open list in which nodes that have not been searched are recorded (S6).
이어서, 시작 노드에서 현재 노드까지의 거리함수, 위험도 평가함수 및 현재 노드에서 목표 노드까지의 추정 예상비용을 통해 해당 노드의 안전비용을 평가하는 안전비용 평가함수에 근거하여, 현재 노드에서 인접한 노드들 중 안전비용이 가장 작은 노드들을 선택하여 가장 안전한 노드를 찾는다(S7).
Subsequently, adjacent nodes in the current node are based on a safety cost evaluation function that evaluates the safety cost of the node through the distance function from the starting node to the current node, the risk assessment function, and the estimated estimated cost from the current node to the target node. Among the nodes with the lowest safety cost, the most secure node is found (S7).
이때, 검색이 완료된 노드는 이미 탐색한 노드를 기록하는 폐쇄 리스트(Closed List)에 추가하여 더 이상 검색하지 않도록 한다(S8).
At this time, the search is completed, the node is added to the closed list (Closed List) recording the already searched node so that no more search (S8).
여기서, 최적의 경로 설정을 위한 안전비용 평가함수는 이하의 [수학식 3]과 같다.
Here, the safety cost evaluation function for the optimal path setting is as shown in
[수학식 3] &Quot; (3) "
상기한 바와 같이, 본 발명에 따른 S* 알고리즘의 안전비용 평가함수는 세 개의 함수 C(ns, nc), R(nc), G(nc, ng)로 구성되어 있다.
As described above, the safety cost evaluation function of the S * algorithm according to the present invention consists of three functions C (n s , n c ), R (n c ), and G (n c , n g ).
여기서, C(ns, nc)는 시작 노드에서 현재 노드까지의 거리를 계산하는 함수이고, R(nc)는 현재 노드에서 인접 노드 사이의 위험도를 평가하는 함수이며, G(nc, ng)는 현재 노드에서 목표 노드까지의 추정 예상비용이다.
Where C (n s , n c ) is a function that calculates the distance from the starting node to the current node, and R (n c ) is a function that evaluates the risk between the current node and adjacent nodes, and G (n c , n g ) is the estimated estimated cost from the current node to the target node.
더 상세하게는, C(ns, nc)는, 시작노드에서 현재 노드까지의 경로비용으로, 이동로봇의 주행거리의 합을 의미하며, 이하의 [수학식 4]와 같이 나타낼 수 있다.
In more detail, C (n s , n c ) means the sum of the traveling distances of the mobile robots as the path cost from the start node to the current node, and can be expressed as
[수학식 4] &Quot; (4) "
또한, G(nc, ng)는 현재노드에서 목표점까지의 최단거리를 의미하는 유클리디언 거리 값으로, 이하의 [수학식 5]와 같이 나타낼 수 있다.
In addition, G (n c , n g ) is a Euclidean distance value representing the shortest distance from the current node to the target point, and may be expressed as in
[수학식 5] &Quot; (5) "
즉, 상기한 [수학식 5]에 나타낸 바와 같이, 이동로봇이 목표점까지 이동할 때 직선거리에 해당하는 노드의 가중치 값을 선택하게 함으로써 빠른 탐색을 유도할 수 있다.
That is, as shown in
계속해서, 나머지 조사하지 않은 노드에 대하여도, 도착지점에 도달할 때까지(S9), 상기한 바와 같이 안전비용이 가장 작은 노드들을 선택하여 가장 안전한 노드를 찾는 동작을 반복하여 가장 안전한 경로를 설정한다(S10).
Subsequently, for the remaining non-investigated nodes, until the arrival point is reached (S9), as described above, the nodes having the least safety cost are selected to repeat the operation of finding the most secure node to set the most secure path. (S10).
다음으로, 상기한 바와 같이 하여 선택된 경로를 저장하고 알고리즘을 종료한다(S11).
Next, the selected path is saved as described above and the algorithm is terminated (S11).
상기한 바와 같이 하여 잠재적 위험을 기반으로 하는 S* 알고리즘을 구현할 수 있다.
As described above, the S * algorithm based on the potential risk can be implemented.
따라서 상기한 바와 같이 구성된 S* 알고리즘을 이용하여 현재 노드에서 계산된 이웃 노드들의 안전비용 함수의 값이 가장 작은 값을 최적의 노드로 선정함으로써, 최단거리와 시간 및 안전을 동시에 고려한 이동로봇의 안전경로계획을 수립할 수 있다.
Therefore, using the S * algorithm configured as described above, the safety node of the neighbor node computed at the current node with the smallest value is selected as the optimal node, so the safety of the mobile robot considering the shortest distance, time and safety at the same time Develop a route plan.
다음으로, 상기한 바와 같은 본 발명에 따른 S* 알고리즘 실제 사례에 적용한 실험 결과에 대하여 설명한다.
Next, the experimental results applied to the actual case of the S * algorithm according to the present invention as described above will be described.
즉, 본 발명자들은, 상기한 바와 같은 S* 알고리즘을 이용한 전역경로계획의 성능을 검증하기 위하여 매트랩(Matlab)을 이용하여 모의실험을 진행하였다.
That is, the present inventors conducted a simulation using Matlab to verify the performance of the global path plan using the S * algorithm as described above.
더 상세하게는, 전역경로를 생성하기 위해서는 먼저 상기한 바와 같이 위험지역과 긴급지역을 표현한 격자화된 지도가 필요하며, 본 실험에 사용된 격자지도는 도 5에 나타낸 바와 같다.
More specifically, in order to generate a global path, a gridized map representing a danger zone and an emergency zone is required as described above. The grid map used in this experiment is shown in FIG. 5.
도 5에 있어서, 검은색 사각형은 고정 장애물이며, 빨간색 원은 코너 지점에서의 위험률이 반영된 위험지역이고, 또한, E(Emergency) 지역은 긴급지역으로, 정체구간 또는 사고 등을 통계적으로 수집하여 긴급지역으로 정의하고 지도에 반영하였다.
In FIG. 5, the black square is a fixed obstacle, the red circle is a dangerous area reflecting the risk rate at the corner point, and the E (Emergency) area is an emergency area and statistically collects a congestion section or an accident. Defined as a region and reflected on the map.
상기한 바와 같이 구성된 격자지도를 이용하여, 전역경로 계획방법 중 가장 많이 사용되는 A* 알고리즘과 본 발명에 제시된 S* 알고리즘의 처리 결과를 비교하였으며, 이때, 지도의 사이즈는 50 cell × 50 cell이고, 로봇의 크기를 고려하여 한 셀의 크기는 30cm의 정사각형으로 하였다.
Using the grid map constructed as described above, the processing results of the A * algorithm, which is used most among the global path planning methods, and the S * algorithm presented in the present invention were compared, and the size of the map was 50 cells × 50 cells. Considering the size of the robot, the size of one cell was set to 30 cm square.
또한, 도 6 및 도 7은 각각 종래의 A* 알고리즘과 본 발명에 따른 S* 알고리즘의 모의실험 결과를 나타내는 도면이다.
6 and 7 are diagrams showing simulation results of the conventional A * algorithm and the S * algorithm according to the present invention, respectively.
여기서, 이동로봇의 출발점은 (6, 45)이며, 도착점은 (46, 6)이고, 작은 빨간 원으로 표기된 곳은 위험평가 함수를 이용한 위험지역이며, 파란색 라인은 이동로봇의 이동경로를 나타낸다.
Here, the starting point of the mobile robot is (6, 45), the arrival point is (46, 6), and the small red circle indicates the danger area using the risk assessment function, and the blue line represents the moving path of the mobile robot.
도 6에 나타낸 바와 같이, A* 알고리즘은 시작점으로부터 목표점까지 위험지역으로 표시된 빨간 원을 가로지르며 최소의 거리비용으로 주행하였으나, 반면 본 발명에 따른 S* 알고리즘은, 도 7에 나타낸 바와 같이, 위험지역을 부드럽게 우회 하며 안전한 주행을 이루었음을 나타내고 있다.
As shown in FIG. 6, the A * algorithm traveled at a minimum distance cost across the red circle marked as the danger zone from the starting point to the target point, whereas the S * algorithm according to the present invention, as shown in FIG. It smoothly bypassed the area, indicating safe driving.
따라서 도 6 및 도 7에 나타낸 바와 같이, 종래의 A* 알고리즘에 의한 경로는 위험지역을 무시하고 단지 시작점에서 목표점까지의 최단거리를 나타내는 경로계획이나, 본 발명에 따른 S* 알고리즘에 의한 경로는, 도 7에 나타낸 바와 같이, 위험지역을 우회하여 안전하게 목표점에 도달하는 경로계획임을 알 수 있다.
Therefore, as shown in Figs. 6 and 7, the conventional A * algorithm path is a path plan that represents the shortest distance from the starting point to the target point ignoring the danger zone, but the path according to the S * algorithm according to the present invention As shown in Figure 7, it can be seen that the route plan to bypass the danger zone to reach the target safely.
다음으로, 도 8 및 도 9를 참조하면, 도 8 및 도 9는 각각 긴급지역을 포함한 A* 알고리즘과 S*알고리즘의 모의실험 결과를 나타내는 도면이다.
Next, referring to FIGS. 8 and 9, FIGS. 8 and 9 are diagrams showing simulation results of an A * algorithm and an S * algorithm, respectively, including an emergency zone.
도 8 및 도 9에 있어서, 이동로봇의 출발점은 (5, 5)이며, 도착점은 (45, 45)이고, 긴급지역은 사고 다발지역으로서 E로 표기하였다.
In FIG. 8 and FIG. 9, the starting point of the mobile robot is (5, 5), the arrival point is (45, 45), and the emergency area is designated as E as the accident occurrence area.
도 8 및 도 9에 나타낸 바와 같이, 긴급지역을 포함한 전역경로계획에 있어서도, 본 발명에 따른 S* 알고리즘은 긴급지역을 안전하게 우회할 뿐만 아니라 최적의 경로를 생성하여 이동하는 결과를 보여주고 있으나, A* 알고리즘은 긴급지역을 무시하고 이동하고 있다.
8 and 9, even in the global route plan including the emergency zone, the S * algorithm according to the present invention shows a result of not only safely bypassing the emergency zone but also generating an optimal route and moving it. The A * algorithm ignores the emergency area and is moving.
여기서, A* 알고리즘의 거리와 시간비용은 19.95m/2.3s 이고, S* 알고리즘의 거리와 시간비용은 23.12m/3.4s 이며, 즉, 경로계획의 비용 산정의 기준을 시간과 거리에만 둔다면 A* 알고리즘이 최적의 전역경로계획일 것이나, 도 8 및 도 9의 주행결과에서 확인된 바와 같이, 위험지역에 대한 고려 없이 최단거리로만 이동할 경우 로봇이 위험에 노출되게 되어, A* 알고리즘은 아예 목표 지점에 도달하지 못할 수도 있는 문제점이 있는 것이다.
Here, the distance and time cost of the A * algorithm is 19.95 m / 2.3 s, and the distance and time cost of the S * algorithm is 23.12 m / 3.4 s. * Algorithm may be the best global route plan, but as confirmed in the driving results of Figs. 8 and 9, if the robot is exposed to the shortest distance without considering the danger zone, the robot is exposed to danger. There is a problem that may not reach the point.
이에 비하여, 본 발명에 따른 S* 알고리즘은, 위험지역과 긴급지역을 정의하여 전역경로계획을 수립함으로써 안전한 주행결과를 나타냄을 알 수 있다.
In contrast, the S * algorithm according to the present invention, by defining the dangerous zone and the emergency zone, it can be seen that a safe driving results by establishing a global route plan.
따라서 상기한 바와 같이, 본 발명에 따르면, 이동로봇이 인식할 수 없는 코너점, 교차점, 닫힌 문 등을 전역지도상에 위험지역으로 정의하고, 이러한 잠재적 충돌위험성으르 고려하여 최적의 경로계획을 수립하는 S* 알고리즘이 제공된다.
Therefore, as described above, according to the present invention, a corner point, an intersection point, a closed door, and the like which are not recognized by the mobile robot are defined as a danger zone on the global map, and an optimal route plan is established in consideration of the potential collision risk. An S * algorithm is provided.
즉, 본 발명에 따른 S* 알고리즘은, 기존의 A* 알고리즘이 거리와 시간비용에 대한 결과는 우수하지만 잠재적 충돌위험성에 대한 고려가 없었던 문제점을 보완하여, 위험지역과 긴급지역을 안전하게 우회하며 목표 지점까지 주행할 수 있는 최적의 경로를 제공할 수 있다.
That is, the S * algorithm according to the present invention solves the problem that the existing A * algorithm has excellent results on distance and time cost, but does not consider potential collision risks, and safely bypasses dangerous and emergency areas. It can provide an optimal route to travel to the point.
이상, 상기한 바와 같은 본 발명의 실시예를 통하여 본 발명에 따른 S* 알고리즘을 이용한 이동로봇의 안전경로계획 수립방법의 상세한 내용에 대하여 설명하였으나, 본 발명은 상기한 실시예에 기재된 내용으로만 한정되는 것은 아니며, 따라서 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 설계상의 필요 및 기타 다양한 요인에 따라 여러 가지 수정, 변경, 결합 및 대체 등이 가능한 것임은 당연한 일이라 하겠다.
As described above, the details of the safety path planning method of the mobile robot using the S * algorithm according to the present invention have been described through the embodiments of the present invention as described above, but the present invention is only described in the above embodiments. The present invention is not limited, and therefore, it is obvious that various modifications, changes, combinations, and substitutions may be made by those skilled in the art according to design needs and various other factors. I will say.
Claims (9)
출발 지점과 목표 지점을 포함하는 지역의 전역지도를 읽어들이고 읽어들인 지도에 셀 분해법을 이용하여 격자지도를 구성하는 지도구성단계;
지역 폐쇄성에 기인하여 충돌위험성이 있는 지역을 위험지역으로 정의하고, 사고가 빈번한 지역이나 정체구간을 긴급지역으로 정의하여 상기 격자지도상에 반영하는 지역정의단계;
시작점과 도착점이 주어지면, 시작 노드에서부터 목표 노드까지 현재의 노드에서 인접한 노드들 중 가장 안전한 노드를 찾는 동작을 반복하여 상기 시작점에서 상기 도착점까지 가장 안전한 경로를 찾는 경로탐색단계; 및
상기 경로탐색단계에서 탐색된 경로를 저장하고 처리를 종료하는 단계를 포함하여 구성된 것을 특징으로 하는 이동로봇의 안전경로계획 수립방법.
In the safety path planning method of the mobile robot to allow the mobile robot to move to the target point in the optimal path without collision,
A map construction step of reading a global map of a region including a starting point and a target point and constructing a grid map by using cell decomposition on the read map;
A region definition step of defining an area having a risk of collision due to area closure as a danger area, and defining an area where an accident occurs frequently or a congestion section as an emergency area and reflecting it on the grid map;
Given a starting point and an arrival point, repeating an operation of finding the safest node among adjacent nodes from the current node to the target node to find the safest path from the starting point to the arrival point; And
And storing the searched route in the route search step and ending the process.
상기 지역정의단계는, 코너 지역, 교차점 및 문이 있는 지역을 상기 위험지역으로 정의하는 것을 특징으로 하는 이동로봇의 안전경로계획 수립방법.
The method of claim 1,
Wherein the step of defining the area, the corner area, the intersection and the area with the door, the safety path planning method of the mobile robot, characterized in that defining the dangerous area.
상기 지역정의단계는,
상기 격자지도의 각 격자마다 시작점, 목표점, 장애물이나 벽, 상기 위험지역의 위험도, 상기 긴급지역 및 상기 이동로봇이 이동 가능한 지점을 각각 의미하는 정보를 입력하여 상기 격자지도를 구성하는 것을 특징으로 하는 이동로봇의 안전경로계획 수립방법.
The method of claim 2,
The regional definition step,
The grid map is configured for each grid of the grid map by inputting information representing a starting point, a target point, an obstacle or a wall, a danger level of the danger zone, an emergency zone, and a point at which the mobile robot can move. How to develop a safety path plan for a mobile robot.
상기 위험지역의 위험도는 이하의 위험도 평가함수 R(nc)를 이용하는 것을 특징으로 하는 이동로봇의 안전경로계획 수립방법.
(여기서, r은 위험지역의 인접 노드(셀 공간의 특정 위치) 간의 거리, θ는 코너의 각도, α는 충돌사고 빈도에 따른 위험지역 상수 값이며, 또한, θ의 범위는 0˚ < θ < 180˚이다.)
The method of claim 3, wherein
The risk level of the dangerous area is a safety path planning method of the mobile robot, characterized in that using the following risk assessment function R (n c ).
Where r is the distance between adjacent nodes in the danger zone (a specific location in the cell space), θ is the angle of the corner, α is the danger zone constant value according to the frequency of the collision, and θ is in the range of 0˚ <θ < 180˚.)
상기 경로탐색단계는,
탐색하지 않은 노드들을 기록하는 오픈 리스트(Open List)에 시작 노드로부터 인접한 노드들 추가하는 단계; 및
검색이 완료된 노드는 이미 탐색한 노드를 기록하는 폐쇄 리스트(Closed List)에 추가하여 더 이상 검색하지 않도록 하는 단계를 더 포함하는 것을 특징으로 하는 이동로봇의 안전경로계획 수립방법.
5. The method of claim 4,
The path search step,
Adding adjacent nodes from the start node to an Open List that records the nodes that have not been discovered; And
The method of claim 1, further comprising the step of not searching any more by adding the node which has already been searched to the closed list which records the already searched node.
상기 경로탐색단계는,
상기 시작 노드에서 현재 노드까지의 거리함수, 위험도 평가함수 및 현재 노드에서 목표 노드까지의 추정 예상비용에 근거하여 각 노드의 안전비용을 평가하고, 상기 안전비용이 가장 작은 노드들을 선택하여 최적의 경로를 설정하는 것을 특징으로 하는 이동로봇의 안전경로계획 수립방법.
6. The method of claim 5,
The path search step,
Evaluate the safety cost of each node based on the distance function from the start node to the current node, the risk assessment function, and the estimated estimated cost from the current node to the target node, and select the nodes with the lowest safety cost to select the optimal path. Safety path planning method of a mobile robot, characterized in that setting the.
상기 안전비용의 평가는, 이하의 수학식을 이용하는 것을 특징으로 하는 이동로봇의 안전경로계획 수립방법.
(여기서, C(ns, nc)는 시작 노드에서 현재 노드까지의 거리이고, R(nc)는 현재 노드에서 인접 노드 사이의 위험도이며, G(nc, ng)는 현재 노드에서 목표 노드까지의 추정 예상비용이다.)
The method according to claim 6,
The evaluation of the safety cost, safety path planning method of the mobile robot, characterized in that the following equation.
(Where C (n s , n c ) is the distance from the starting node to the current node, R (n c ) is the risk between the current node and its neighbors, and G (n c , n g ) is the current node Estimated estimated cost to target node.)
상기 시작 노드에서 현재 노드까지의 거리를 계산하는 함수 C(ns, nc)는, 이하의 수학식을 이용하는 것을 특징으로 하는 이동로봇의 안전경로계획 수립방법.
8. The method of claim 7,
The function C (n s , n c ) for calculating the distance from the start node to the current node uses the following equation.
상기 현재 노드에서 목표 노드까지의 추정 예상비용을 평가하는 함수G(nc, ng)는, 이하의 수학식을 이용하는 것을 특징으로 하는 이동로봇의 안전경로계획 수립방법.
8. The method of claim 7,
The function G (n c , n g ) for evaluating the estimated estimated cost from the current node to the target node uses the following equation.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120034930A KR20130112507A (en) | 2012-04-04 | 2012-04-04 | Safe path planning method of a mobile robot using s× algorithm |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120034930A KR20130112507A (en) | 2012-04-04 | 2012-04-04 | Safe path planning method of a mobile robot using s× algorithm |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20130112507A true KR20130112507A (en) | 2013-10-14 |
Family
ID=49633504
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120034930A KR20130112507A (en) | 2012-04-04 | 2012-04-04 | Safe path planning method of a mobile robot using s× algorithm |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20130112507A (en) |
Cited By (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104519322A (en) * | 2014-12-24 | 2015-04-15 | 安徽科鸣三维科技有限公司 | Machine vision target tracking system |
| KR101598385B1 (en) | 2014-11-11 | 2016-03-02 | 한양대학교 산학협력단 | Autonomous driving method and robot using recognition scene based on straight line information |
| CN106444776A (en) * | 2016-10-28 | 2017-02-22 | 中国舰船研究设计中心 | Method for evaluating autonomous performance of unmanned boats |
| CN107139171A (en) * | 2017-05-09 | 2017-09-08 | 浙江工业大学 | A kind of industrial robot collision free trajectory method based on Torque Control |
| CN107861508A (en) * | 2017-10-20 | 2018-03-30 | 纳恩博（北京）科技有限公司 | A kind of mobile robot local motion method and device for planning |
| US10054447B2 (en) | 2016-08-17 | 2018-08-21 | Sharp Laboratories Of America, Inc. | Lazier graph-based path planning for autonomous navigation |
| CN108818532A (en) * | 2018-06-25 | 2018-11-16 | 广州视源电子科技股份有限公司 | Motion planning method, device, equipment and computer readable storage medium |
| CN109213151A (en) * | 2018-08-07 | 2019-01-15 | 北京云迹科技有限公司 | A kind of paths planning method and distributed robot |
| KR101993635B1 (en) * | 2018-03-16 | 2019-06-27 | 충북대학교 산학협력단 | Cause tracing system for intelligent autonomous system |
| 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 |
| KR102021979B1 (en) * | 2018-06-28 | 2019-09-18 | (주)아레스 | ABM-based route search method and system for emergency response of radiation accident |
| WO2019184126A1 (en) * | 2018-03-25 | 2019-10-03 | Mitac International Corp. | Method of route planning and handling prohibited complex driving maneuvers |
| WO2019224162A1 (en) | 2018-05-22 | 2019-11-28 | Starship Technologies Oü | Method and system for analyzing robot surroundings |
| CN111736524A (en) * | 2020-07-17 | 2020-10-02 | 北京布科思科技有限公司 | Multi-robot scheduling method, device and equipment based on time and space |
| WO2021006553A1 (en) * | 2019-07-05 | 2021-01-14 | Lg Electronics Inc. | Moving robot and control method thereof |
| KR20210007361A (en) * | 2019-07-11 | 2021-01-20 | 엘지전자 주식회사 | Moving robot and control method thereof |
| US11073828B2 (en) | 2017-12-08 | 2021-07-27 | Samsung Electronics Co., Ltd. | Compression of semantic information for task and motion planning |
| CN113252026A (en) * | 2021-06-03 | 2021-08-13 | 炬星科技（深圳）有限公司 | Cross-scene navigation method, equipment and storage medium |
| CN113447029A (en) * | 2021-08-31 | 2021-09-28 | 湖北第二师范学院 | Safe path searching method based on large satellite map |
| CN114413902A (en) * | 2021-11-08 | 2022-04-29 | 北京航天世景信息技术有限公司 | Method for realizing off-line mobile terminal navigation technology |
| WO2022093650A1 (en) * | 2020-10-26 | 2022-05-05 | Realtime Robotics, Inc. | Safety systems and methods employed in robot operations |
| KR20220073604A (en) * | 2020-11-26 | 2022-06-03 | 주식회사 클로봇 | Method and Server for Automatic Travel Control of Moving Vehicle |
| US11373412B2 (en) | 2019-02-14 | 2022-06-28 | Hanwha Defense Co., Ltd. | Obstacle map generating method and apparatus |
| US11429105B2 (en) | 2016-06-10 | 2022-08-30 | Duke University | Motion planning for autonomous vehicles and reconfigurable motion planning processors |
| US11623346B2 (en) | 2020-01-22 | 2023-04-11 | Realtime Robotics, Inc. | Configuration of robots in multi-robot operational environment |
| US11634126B2 (en) | 2019-06-03 | 2023-04-25 | Realtime Robotics, Inc. | Apparatus, methods and articles to facilitate motion planning in environments having dynamic obstacles |
| US11673265B2 (en) | 2019-08-23 | 2023-06-13 | Realtime Robotics, Inc. | Motion planning for robots to optimize velocity while maintaining limits on acceleration and jerk |
| US11674809B2 (en) | 2019-07-05 | 2023-06-13 | Lg Electronics Inc. | Moving robot and control method thereof |
| US11700989B2 (en) | 2019-07-11 | 2023-07-18 | Lg Electronics Inc. | Mobile robot using artificial intelligence and controlling method thereof |
| US11738457B2 (en) | 2018-03-21 | 2023-08-29 | Realtime Robotics, Inc. | Motion planning of a robot for various environments and tasks and improved operation of same |
| US11745346B2 (en) | 2018-02-06 | 2023-09-05 | Realtime Robotics, Inc. | Motion planning of a robot storing a discretized environment on one or more processors and improved operation of same |
| CN117196352A (en) * | 2023-11-07 | 2023-12-08 | 天泽智慧科技(成都)有限公司 | Pipeline planning optimization algorithm considering risk and cost |
| US11970161B2 (en) | 2022-02-28 | 2024-04-30 | Duke University | Apparatus, method and article to facilitate motion planning of an autonomous vehicle in an environment having dynamic objects |
-
2012
- 2012-04-04 KR KR1020120034930A patent/KR20130112507A/en not_active Application Discontinuation
Cited By (47)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| KR101598385B1 (en) | 2014-11-11 | 2016-03-02 | 한양대학교 산학협력단 | Autonomous driving method and robot using recognition scene based on straight line information |
| CN104519322B (en) * | 2014-12-24 | 2017-08-18 | 芜湖林一电子科技有限公司 | A kind of machine vision Target Tracking System |
| CN104519322A (en) * | 2014-12-24 | 2015-04-15 | 安徽科鸣三维科技有限公司 | Machine vision target tracking system |
| US11429105B2 (en) | 2016-06-10 | 2022-08-30 | Duke University | Motion planning for autonomous vehicles and reconfigurable motion planning processors |
| US10054447B2 (en) | 2016-08-17 | 2018-08-21 | Sharp Laboratories Of America, Inc. | Lazier graph-based path planning for autonomous navigation |
| CN106444776A (en) * | 2016-10-28 | 2017-02-22 | 中国舰船研究设计中心 | Method for evaluating autonomous performance of unmanned boats |
| CN107139171B (en) * | 2017-05-09 | 2019-10-22 | 浙江工业大学 | A kind of industrial robot collision free trajectory method based on Torque Control |
| CN107139171A (en) * | 2017-05-09 | 2017-09-08 | 浙江工业大学 | A kind of industrial robot collision free trajectory method based on Torque Control |
| CN107861508A (en) * | 2017-10-20 | 2018-03-30 | 纳恩博（北京）科技有限公司 | A kind of mobile robot local motion method and device for planning |
| WO2019076044A1 (en) * | 2017-10-20 | 2019-04-25 | 纳恩博（北京）科技有限公司 | Mobile robot local motion planning method and apparatus and computer storage medium |
| CN107861508B (en) * | 2017-10-20 | 2021-04-20 | 纳恩博（北京）科技有限公司 | Local motion planning method and device for mobile robot |
| US11073828B2 (en) | 2017-12-08 | 2021-07-27 | Samsung Electronics Co., Ltd. | Compression of semantic information for task and motion planning |
| US11745346B2 (en) | 2018-02-06 | 2023-09-05 | Realtime Robotics, Inc. | Motion planning of a robot storing a discretized environment on one or more processors and improved operation of same |
| KR101993635B1 (en) * | 2018-03-16 | 2019-06-27 | 충북대학교 산학협력단 | Cause tracing system for intelligent autonomous system |
| US11738457B2 (en) | 2018-03-21 | 2023-08-29 | Realtime Robotics, Inc. | Motion planning of a robot for various environments and tasks and improved operation of same |
| US11964393B2 (en) | 2018-03-21 | 2024-04-23 | Realtime Robotics, Inc. | Motion planning of a robot for various environments and tasks and improved operation of same |
| WO2019184126A1 (en) * | 2018-03-25 | 2019-10-03 | Mitac International Corp. | Method of route planning and handling prohibited complex driving maneuvers |
| WO2019224162A1 (en) | 2018-05-22 | 2019-11-28 | Starship Technologies Oü | Method and system for analyzing robot surroundings |
| US11741709B2 (en) | 2018-05-22 | 2023-08-29 | Starship Technologies Oü | Method and system for analyzing surroundings of an autonomous or semi-autonomous vehicle |
| CN108818532B (en) * | 2018-06-25 | 2021-11-09 | 广州视源电子科技股份有限公司 | Motion planning method, device, equipment and computer readable storage medium |
| CN108818532A (en) * | 2018-06-25 | 2018-11-16 | 广州视源电子科技股份有限公司 | Motion planning method, device, equipment and computer readable storage medium |
| KR102021979B1 (en) * | 2018-06-28 | 2019-09-18 | (주)아레스 | ABM-based route search method and system for emergency response of radiation accident |
| CN109213151A (en) * | 2018-08-07 | 2019-01-15 | 北京云迹科技有限公司 | A kind of paths planning method and distributed robot |
| US11373412B2 (en) | 2019-02-14 | 2022-06-28 | Hanwha Defense Co., Ltd. | Obstacle map generating method and apparatus |
| US11634126B2 (en) | 2019-06-03 | 2023-04-25 | Realtime Robotics, Inc. | Apparatus, methods and articles to facilitate motion planning in environments having dynamic obstacles |
| KR20210005443A (en) * | 2019-07-05 | 2021-01-14 | 엘지전자 주식회사 | Moving robot and control method thereof |
| US11774976B2 (en) | 2019-07-05 | 2023-10-03 | Lg Electronics Inc. | Moving robot and control method thereof |
| WO2021006553A1 (en) * | 2019-07-05 | 2021-01-14 | Lg Electronics Inc. | Moving robot and control method thereof |
| US11674809B2 (en) | 2019-07-05 | 2023-06-13 | Lg Electronics Inc. | Moving robot and control method thereof |
| US11700989B2 (en) | 2019-07-11 | 2023-07-18 | Lg Electronics Inc. | Mobile robot using artificial intelligence and controlling method thereof |
| KR20210007361A (en) * | 2019-07-11 | 2021-01-20 | 엘지전자 주식회사 | Moving robot and control method thereof |
| US11774982B2 (en) | 2019-07-11 | 2023-10-03 | Lg Electronics Inc. | Moving robot and control method thereof |
| WO2021006693A3 (en) * | 2019-07-11 | 2021-02-18 | Lg Electronics Inc. | Moving robot and control method thereof |
| US11673265B2 (en) | 2019-08-23 | 2023-06-13 | Realtime Robotics, Inc. | Motion planning for robots to optimize velocity while maintaining limits on acceleration and jerk |
| US11623346B2 (en) | 2020-01-22 | 2023-04-11 | Realtime Robotics, Inc. | Configuration of robots in multi-robot operational environment |
| CN111736524A (en) * | 2020-07-17 | 2020-10-02 | 北京布科思科技有限公司 | Multi-robot scheduling method, device and equipment based on time and space |
| WO2022093650A1 (en) * | 2020-10-26 | 2022-05-05 | Realtime Robotics, Inc. | Safety systems and methods employed in robot operations |
| KR20220073604A (en) * | 2020-11-26 | 2022-06-03 | 주식회사 클로봇 | Method and Server for Automatic Travel Control of Moving Vehicle |
| CN113252026A (en) * | 2021-06-03 | 2021-08-13 | 炬星科技（深圳）有限公司 | Cross-scene navigation method, equipment and storage medium |
| CN113252026B (en) * | 2021-06-03 | 2021-10-08 | 炬星科技（深圳）有限公司 | Cross-scene navigation method, equipment and storage medium |
| CN113447029A (en) * | 2021-08-31 | 2021-09-28 | 湖北第二师范学院 | Safe path searching method based on large satellite map |
| CN113447029B (en) * | 2021-08-31 | 2021-11-16 | 湖北第二师范学院 | Safe path searching method based on large satellite map |
| CN114413902A (en) * | 2021-11-08 | 2022-04-29 | 北京航天世景信息技术有限公司 | Method for realizing off-line mobile terminal navigation technology |
| US11970161B2 (en) | 2022-02-28 | 2024-04-30 | Duke University | Apparatus, method and article to facilitate motion planning of an autonomous vehicle in an environment having dynamic objects |
| CN117196352A (en) * | 2023-11-07 | 2023-12-08 | 天泽智慧科技(成都)有限公司 | Pipeline planning optimization algorithm considering risk and cost |
| CN117196352B (en) * | 2023-11-07 | 2024-02-06 | 天泽智慧科技(成都)有限公司 | Pipeline planning optimization algorithm considering risk and cost |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20130112507A (en) | Safe path planning method of a mobile robot using s× algorithm | |
| Orzechowski et al. | Tackling occlusions & limited sensor range with set-based safety verification | |
| Hubmann et al. | Decision making for autonomous driving considering interaction and uncertain prediction of surrounding vehicles | |
| Petereit et al. | Application of hybrid A* to an autonomous mobile robot for path planning in unstructured outdoor environments | |
| Xie et al. | A path planning approach based on multi-direction A* algorithm for ships navigating within wind farm waters | |
| Bouton et al. | Scalable decision making with sensor occlusions for autonomous driving | |
| US10352711B2 (en) | Computer-implemented method and a system for guiding a vehicle within a scenario with obstacles | |
| Kushleyev et al. | Time-bounded lattice for efficient planning in dynamic environments | |
| Narayanan et al. | Anytime safe interval path planning for dynamic environments | |
| Ardiyanto et al. | Real-time navigation using randomized kinodynamic planning with arrival time field | |
| Owen et al. | Motion planning in dynamic environments using the velocity space | |
| Velasco et al. | The use of intent information in conflict detection and resolution models based on dynamic velocity obstacles | |
| Mouhagir et al. | A markov decision process-based approach for trajectory planning with clothoid tentacles | |
| Lin et al. | Motion planning and coordination for mobile construction machinery | |
| Schmidt et al. | Construction site navigation for the autonomous excavator Thor | |
| Gu et al. | Path planning for mobile robot in a 2.5‐dimensional grid‐based map | |
| Xu et al. | Potential gap: A gap-informed reactive policy for safe hierarchical navigation | |
| Yoon et al. | Collaborative mission and route planning of multi-vehicle systems for autonomous search in marine environment | |
| Yu et al. | A time dimension-added multiple obstacles avoidance approach for unmanned surface vehicles | |
| Marbate et al. | Role of voronoi diagram approach in path planning | |
| Piccinelli et al. | Hybrid motion planner integrating global voronoi diagrams and local velocity obstacle method | |
| Althoff | Safety assessment for motion planning in uncertain and dynamic environments | |
| CN106020213B (en) | A kind of two-dimentional Route planner that UUV detours to rectangular obstruction geometry | |
| Firoozi et al. | Occlusion-aware MPC for guaranteed safe robot navigation with unseen dynamic obstacles | |
| Xiang et al. | Variable-resolution velocity roadmap generation considering safety constraints for mobile robots |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |