KR20140045848A - Apparatus and method for localization and map building of a mobile robot - Google Patents

Apparatus and method for localization and map building of a mobile robot Download PDF

Info

Publication number
KR20140045848A
KR20140045848A KR1020120112099A KR20120112099A KR20140045848A KR 20140045848 A KR20140045848 A KR 20140045848A KR 1020120112099 A KR1020120112099 A KR 1020120112099A KR 20120112099 A KR20120112099 A KR 20120112099A KR 20140045848 A KR20140045848 A KR 20140045848A
Authority
KR
South Korea
Prior art keywords
mobile robot
beacon
information
particle
probability distribution
Prior art date
Application number
KR1020120112099A
Other languages
Korean (ko)
Other versions
KR101406175B1 (en
Inventor
고낙용
김태균
노성우
Original Assignee
조선대학교산학협력단
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 조선대학교산학협력단 filed Critical 조선대학교산학협력단
Priority to KR1020120112099A priority Critical patent/KR101406175B1/en
Publication of KR20140045848A publication Critical patent/KR20140045848A/en
Application granted granted Critical
Publication of KR101406175B1 publication Critical patent/KR101406175B1/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
    • B25J13/088—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices with position, velocity or acceleration sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • 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
    • 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
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion

Abstract

The present invention relates to a device and a method for tracking and mapping the location of a movable robot, capable of mapping external environments based on the locations of a movable robot and beacons while tracking the locations of the movable robot and the beacons in the light of the uncertain locations of the movable robot and the beacons and uncertain sensor signals caused by obstacles which may exist between the movable robot and the beacons, and also displaying the obstacles on the drawn map. The present invention can draw the map of the external environments containing the obstacles based on the locations of the movable robot and the beacons while tracking the locations of the movable robot and the beacons operated in unknown environments. Thus, the present invention can have a less calculation amount than a grid mapping method and can simply draw the map. [Reference numerals] (10) Beacon; (110) External sensor part; (120) Robot sensor part; (130) Position prediction part; (140) Reliability calculation part; (150) Particle regeneration part; (160) Location acquisition part; (170) Mapping part; (AA) Beacon signal

Description

이동로봇의 위치추정과 지도 작성 장치 및 방법{Apparatus and Method for Localization and Map Building of a Mobile Robot}Technical Field [0001] The present invention relates to a mobile robot,

본 발명은 위치 추정을 이용한 이동로봇의 지도 작성 장치 및 방법에 관한 것으로서, 더욱 상세하게는, 파티클 필터(Particle Filter)를 이용하여 이동로봇과 비컨(beacon)의 위치를 동시에 추정하고, 추정된 이동로봇 및 비컨의 위치를 중심으로 이동로봇의 외부환경에 대한 지도를 작성하되 그 작성한 지도에 벽이나 장애물까지도 표현할 수 있는 기하학적 지도를 작성하는 장치 및 방법에 관한 것이다.The present invention relates to an apparatus and a method for mapping a mobile robot using position estimation, and more particularly, to a method and apparatus for simultaneously estimating positions of a mobile robot and a beacon using a particle filter, And more particularly, to a device and a method for creating a map of the external environment of a mobile robot centering on the position of a robot and a beacon, and creating a geometric map capable of expressing walls and obstacles on the map.

본 발명은 교욱과학기술부 및 조선대학교 울대학교 산학협력단의 지역기초연구활성화(지역혁신인력양성) 사업의 일환으로 수행한 연구로부터 도출된 것이다.The present invention is derived from research carried out as part of the revitalization of regional basic research (training of regional innovation manpower) projects by the Ministry of Science and Technology and Chosun University, Ulsan University.

[과제고유번호: 1345135934, 연구과제명: 로봇의 자율주행 요소 기술 상용화 및 인력양성][Assignment number: 1345135934, Research title: commercialization of robot technology and manpower development of robot]

미지의 환경에 있는 이동로봇이 자율주행을 수행하기 위해서는 주행 환경에 대한 정보를 획득하여 자신의 위치를 추정하면서 목적지까지 이동해야 한다. 이를 위해 이동로봇은 정확한 지도를 작성하는 동시에 이동로봇 스스로 자신의 위치를 추정하는 기술이 필요하다.In order to perform autonomous mobile robots in an unknown environment, it is necessary to acquire information about the driving environment and move to the destination while estimating the position of the robot. For this purpose, the mobile robot needs a technology for creating accurate maps and estimating the position of the mobile robot itself.

이러한 기술을 구현하기 위해서는 지도 작성을 위해 이동로봇의 위치를 추정해야 하고, 이동로봇의 위치를 추정하기 위해서는 지도가 정확해야 한다. 하지만 실제 이동로봇이 주행하는 환경에서는 불확실성이 포함된 센서정보를 이용해 지도를 작성하고, 작성된 지도를 이용해 이동로봇 위치를 추정하기 때문에 나쁜 결과를 초래할 수 있다. In order to implement such a technique, the position of the mobile robot must be estimated in order to create a map, and the map must be accurate in order to estimate the position of the mobile robot. However, in an environment where an actual mobile robot travels, a map is created using sensor information including uncertainty, and the position of the mobile robot is estimated using the generated map, which may result in a bad result.

기존 이동로봇의 위치추정 및 지도작성에 대한 연구는 주로 확률적 접근 방법을 다루고 있다. 이와 같이 확률에 기반한 대표적인 방식으로는 EKF-SLAM, UKF-SLAM과 Fast SLAM 등이 있다. A study on the location estimation and mapping of existing mobile robots mainly deals with the probabilistic approach. Representative methods based on probability are EKF-SLAM, UKF-SLAM and Fast SLAM.

EKF-SLAM 방식은 확장 칼만 필터 기반으로 동작하는 SLAM 방식으로서, 비선형 시스템을 선형화하는 과정을 통해 비선형 시스템을 다룰 수 있다. 하지만 특징점들의 수가 많아짐에 따라 계산량이 증가하고, 선형화 과정으로 인해 비선형 시스템과의 선형화 오차가 발생하는 단점을 지니고 있다. UKF-SLAM 방식은 EKF-SLAM 방식의 선형화 오차를 해결하기 위해 제안된 방식이다. 이 방식은 무향 칼만필터에 기반한 것으로 선형화 과정 없이 비선형 시스템을 다루기 때문에 선형화 오차가 발생하지 않는 특징을 지닌다. FastSLAM 방식은 파티클 필터와 확장 칼만 필터를 융합한 방식이다. 이 방법은 파티클 필터 방식에 의해 이동로봇 위치를 예측하고, 확장 칼만 필터에 의해 특징점에 대한 위치를 예측하는 방식이다. 이와 같이 이동로봇과 특징점 위치 추정에 대하여 서로 다른 필터를 적용함으로써 계산의 효율성을 높이는 방법이 제안되었다..The EKF-SLAM scheme is a SLAM scheme that operates on an extended Kalman filter, and can handle nonlinear systems through the process of linearizing nonlinear systems. However, as the number of feature points increases, the amount of computation increases and linearization error occurs with the nonlinear system due to the linearization process. The UKF-SLAM scheme is proposed to solve the linearization error of the EKF-SLAM scheme. This method is based on an unoriented Kalman filter and is characterized by nonlinearity error because it deals with nonlinear system without linearization process. FastSLAM is a fusion of particle filter and extended Kalman filter. In this method, the position of the mobile robot is predicted by the particle filter method and the position of the feature point is predicted by the extended Kalman filter. In this way, a method of improving the efficiency of computation by applying different filters to the mobile robot and the feature point location estimation has been proposed.

한편, 이동로봇의 위치를 알아내기 위한 방법 중 하나인 삼변측량과 파티클 필터 방법을 비교하여 보면, 삼변 측량은 3변의 길이로부터 이동로봇의 위치(x,y)를 알아낼 수 있으나 이동로봇의 방향(θ)을 알 수 없고, 지도와 이동로봇 사이에 장애물이 존재할 경우 잘못된 위치를 추정할 수 있다. 반면에, 파티클 필터는 이동로봇의 위치와 방향뿐 아니라 이동로봇의 동작과 센서 신호원들의 불확실성이 고려되어 삼변 측량의 문제점을 해결할 수 있다.On the other hand, when comparing the trilateration and particle filter method, which is one of the methods for locating the mobile robot, the trilateration can find the position (x, y) of the mobile robot from the length of three sides, θ) can not be known, and an incorrect position can be estimated if an obstacle exists between the map and the mobile robot. On the other hand, the particle filter solves the problem of trilateration by taking into consideration not only the position and direction of the mobile robot but also the motion of the mobile robot and the uncertainty of the sensor signal sources.

본 발명이 해결하고자 하는 과제는, 이동로봇과 비컨 위치의 불확실성 및 이동로봇과 비컨 사이에 존재할 수 있는 장애물로 인한 센서 신호의 불확실성까지 함께 고려하여 이동로봇의 위치 및 비컨의 위치를 추정함과 동시에 추정된 이동로봇과 비컨의 위치를 중심으로 외부환경에 대한 지도를 작성하고, 작성된 지도에 장애물도 함께 표현할 수 있는, 이동로봇의 위치 추정과 지도 작성 장치 및 방법을 제공하는 데 있다.SUMMARY OF THE INVENTION It is an object of the present invention to estimate the position and beacon position of a mobile robot in consideration of uncertainty of a position of a mobile robot and beacon and uncertainty of a sensor signal due to an obstacle that may exist between the mobile robot and a beacon The present invention is to provide a position estimation and mapping apparatus and method of a mobile robot capable of creating a map of an external environment based on the estimated position of a mobile robot and a beacon and expressing an obstacle in the map.

상기한 과제를 해결하기 위해 본 발명에 따른 이동로봇의 위치 추정과 지도 작성 장치는, 이동로봇의 직진속도, 회전속도, 및 방향을 나타내는 속도정보를 획득하는 로봇센서부; 다수의 외부 비컨들이 송신하는 비컨신호를 센싱하여 각 비컨과 이동로봇 간의 거리정보를 획득하는 외부센서부; 속도정보 및 거리정보를 기초로 각 비컨 및 이동로봇의 예측 위치를 나타내는 제1 파티클을 생성하는 위치예측부; 생성된 제1 파티클에 대하여 신뢰도를 연산하는 신뢰도연산부; 생성된 제1 파티클을 연산된 신뢰도에 따라 재배치하여 제2 파티클을 생성하는 파티클 재생성부; 생성된 제2 파티클의 평균위치를 계산하고, 계산된 평균위치로서 각 비컨의 위치 및 이동로봇의 위치를 획득하는 위치획득부; 및 획득한 각 비컨과 이동로봇의 위치 및 이동로봇의 이동경로에 대한 정보를 포함하는 지도정보를 생성하는 지도작성부를 포함하는 것을 특징으로 한다.According to an aspect of the present invention, there is provided an apparatus for estimating and mapping a position of a mobile robot, the apparatus comprising: a robot sensor unit for obtaining velocity information indicating a linear velocity, a rotational velocity, and a direction of the mobile robot; An external sensor unit sensing a beacon signal transmitted from a plurality of external beacons and acquiring distance information between each beacon and the mobile robot; A position predictor for generating first beacons and first particles representing predicted positions of the mobile robot based on velocity information and distance information; A reliability calculator for calculating a reliability of the generated first particle; A particle regenerator for generating a second particle by rearranging the generated first particle according to the calculated reliability; A position acquiring unit for calculating an average position of the generated second particles, acquiring a position of each beacon and a position of the mobile robot as a calculated average position; And a map generating unit for generating map information including information on the obtained beacon, the position of the mobile robot, and the movement path of the mobile robot.

바람직하게는, 상기 신뢰도연산부는, 이동로봇과 각 비컨 사이의 거리에 대한 확률분포, 이동로봇과 각 비컨 사이에 존재하는 동적 장애물에 대한 확률분포, 비컨신호의 센싱 실패에 대한 확률분포, 및 반사나 혼선으로 이동로봇과 각 비컨 사이의 거리가 부정확한 경우에 대한 확률분포를 연산하고, 각 확률분포를 이용하여 제1 파티클의 신뢰도를 연산할 수 있다.Preferably, the reliability calculation unit calculates a probability distribution of a distance between the mobile robot and each beacon, a probability distribution of a dynamic obstacle existing between the mobile robot and each beacon, a probability distribution of sensing failure of the beacon signal, The probability distribution for the case where the distance between the mobile robot and each beacon is inaccurate due to the crosstalk is calculated, and the reliability of the first particle can be calculated using each probability distribution.

바람직하게는, 상기 위치획득부는, 동적 장애물에 대한 확률분포 및 이동로봇과 각 비컨 사이의 거리가 부정확한 경우에 대한 확률분포로부터 장애물에 대한 위치를 더 획득할 수 있다.Advantageously, the location acquiring unit is further capable of acquiring a location for the obstacle from a probability distribution for the dynamic obstacle and a probability distribution for the case where the distance between the mobile robot and each beacon is incorrect.

바람직하게는, 상기 지도작성부는, 장애물에 대한 위치를 더 포함하는 지도정보를 생성하되, 비컨과 이동로봇의 위치, 이동로봇의 이동경로, 및 장애물의 위치를 공간상에 기하학적으로 표현한 지도정보를 생성할 수 있다.Preferably, the map generating unit generates map information that further includes a position for an obstacle, and generates map information that geometrically represents the position of the beacon and the mobile robot, the movement path of the mobile robot, and the position of the obstacle on the space Can be generated.

또한, 상기한 과제를 해결하기 위해 본 발명에 따른 이동로봇의 위치 추정과 지도 작성 방법은, (a) 이동로봇의 직진속도, 회전속도, 및 방향을 나타내는 속도정보를 획득하는 단계; (b) 다수의 외부 비컨들이 송신하는 비컨신호를 센싱하여 각 비컨과 이동로봇 간의 거리정보를 획득하는 단계; (c) 속도정보 및 거리정보를 기초로 각 비컨 및 이동로봇의 예측 위치를 나타내는 제1 파티클을 생성하는 단계; (d) 생성된 제1 파티클에 대하여 신뢰도를 연산하는 단계; (e) 생성된 제1 파티클을 연산된 신뢰도에 따라 재배치하여 제2 파티클을 생성하는 단계; (f) 생성된 제2 파티클의 평균위치를 계산하고, 계산된 평균위치로서 각 비컨의 위치 및 이동로봇의 위치를 획득하는 단계; 및 (g) 획득한 각 비컨과 이동로봇의 위치 및 이동로봇의 이동경로에 대한 정보를 포함하는 지도정보를 생성하는 단계를 포함하는 것을 특징으로 한다.According to another aspect of the present invention, there is provided a method of estimating a position of a mobile robot, including the steps of: (a) acquiring velocity information indicating a linear velocity, a rotational velocity, and a direction of the mobile robot; (b) sensing a beacon signal transmitted from a plurality of external beacons to obtain distance information between each beacon and the mobile robot; (c) generating a first particle representing each beacon and a predicted position of the mobile robot on the basis of the velocity information and the distance information; (d) computing reliability for the generated first particle; (e) rearranging the generated first particles according to the calculated reliability to generate a second particle; (f) calculating an average position of the generated second particles, acquiring the position of each beacon and the position of the mobile robot as a calculated average position; And (g) generating map information including information about the obtained beacon, the position of the mobile robot, and the movement path of the mobile robot.

한편, 상기한 목적을 달성하기 위해서 본 발명은 상기 이동로봇의 위치 추정과 지도 작성 방법을 실현하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.According to another aspect of the present invention, there is provided a computer-readable recording medium on which a program for realizing the position estimation and mapping method of the mobile robot is recorded.

본 발명에 의하면, 미지의 환경에서 동작하는 이동로봇과 비컨의 위치를 추정함과 동시에 이동로봇과 비컨의 위치를 중심으로 장애물을 포함하는 외부환경에 대한 지도를 작성함으로써, 격자 지도 방법에 비해 연산량을 줄이는 동시에 간결하게 지도를 표현할 수 있는 효과를 지닌다.According to the present invention, the position of the mobile robot and the beacon operating in an unknown environment are estimated, and at the same time, a map of the external environment including the obstacle is generated centering on the position of the mobile robot and the beacon, And the map can be expressed concisely at the same time.

또한 본 발명에 의하면, 로봇의 위치와 방향뿐 아니라 이동로봇의 동작과 센서 신호원인 비컨들의 불확실성까지 고려함으로써, 이동로봇의 방향을 알 수 없는 문제점과 비컨과 이동로봇 사이에 장애물이 존재할 경우 잘못된 위치를 추정하거나 이동로봇의 방향을 알기가 힘든 삼변 측량의 문제점을 해결할 수 있다. According to the present invention, consideration is given to not only the position and direction of the robot but also the operation of the mobile robot and the uncertainty of the beacons that are caused by the sensor signals. Thus, when the obstacle exists between the beacon and the mobile robot, And it is difficult to know the direction of the mobile robot.

도 1은 본 발명에 따른 이동로봇의 위치 추정과 지도 작성 장치를 나타낸 도면.
도 2는 본 발명에 따른 이동로봇의 위치 추정과 지도 작성 방법을 나타낸 흐름도.
도 3은 특징점 위치의 불확실성에 대한 파티클 분포를 표현한 도면.
도 4 내지 도 6은 이동로봇의 위치 추정과 지도 작성 및 기하학적 지도 작성 과정을 실험을 통해 예시한 도면.BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is a view showing a position estimating and mapping apparatus of a mobile robot according to the present invention; FIG.
FIG. 2 is a flowchart illustrating a method of estimating a position of a mobile robot according to the present invention.
Fig. 3 is a representation of particle distribution for uncertainty of feature point location; Fig.
FIGS. 4 to 6 illustrate the position estimation, the map creation, and the geometric mapping process of the mobile robot through experiments.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.The present invention is capable of various modifications and various forms, and specific embodiments are illustrated in the drawings and described in detail in the text. It should be understood, however, that the invention is not intended to be limited to the particular forms disclosed, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention.

제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다. The terms first, second, etc. may be used to describe various components, but the components should not be limited by the terms. The terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component.

본 출원에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of the invention. Singular expressions include plural expressions unless the context clearly indicates otherwise. In the present application, the terms "comprising" or "having ", and the like, are intended to specify the presence of stated features, integers, steps, operations, elements, parts, or combinations thereof, But do not preclude the presence or addition of one or more other features, integers, steps, operations, elements, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs.

일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Terms such as those defined in commonly used dictionaries are to be interpreted as having a meaning consistent with the contextual meaning of the related art and are not to be construed as ideal or overly formal in meaning unless expressly defined in the present application .

본 발명은 파티클 필터(Particle Filter)를 이용하여 이동로봇과 비컨의 위치를 동시에 추정하고, 비컨과 이동로봇의 위치를 중심으로 지도정보를 작성하되 그 지도정보에 벽이나 장애물까지도 표현할 수 있는 장치 및 방법에 관한 것이다.The present invention relates to a device capable of simultaneously estimating the position of a mobile robot and a beacon using a particle filter, generating map information based on the position of a beacon and a mobile robot, and displaying walls and obstacles in the map information ≪ / RTI >

이하에서 첨부된 도면을 참조하여, 본 발명의 바람직한 실시예를 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다. Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. Like reference symbols in the drawings denote like elements.

도 1은 본 발명에 따른 이동로봇의 위치 추정과 지도 작성 장치를 나타낸 도면이다.1 is a diagram illustrating a position estimating and mapping apparatus of a mobile robot according to the present invention.

본 발명에 따른 이동로봇의 위치 추정과 지도 작성 장치(100)는 이동로봇에 장착되는 장치로서, 특징점인 비컨(10)과 이동로봇의 위치를 알지 못하는 환경에서 비컨(10)과 이동로봇의 위치를 추정함과 동시에 지도정보를 생성한다. 또한 본 발명에 따른 이동로봇의 위치 추정과 지도 작성 장치(100)는 이동로봇 및 외부의 비컨(10) 사이에 존재하는 장애물까지 고려하여 지도정보를 생성할 수 있다. 여기서, 장애물이란 규칙적으로 존재하는 벽과 같은 영구적 장애물 및 불규칙적으로 존재하는 일시적 장애물을 포함한다.The position estimating and mapping apparatus 100 for a mobile robot according to the present invention is an apparatus mounted on a mobile robot. The beacon 10 and the position of the mobile robot 10 in an environment where the position of the mobile robot is unknown, And generates map information at the same time. Also, the map estimating and mapping apparatus 100 according to the present invention can generate map information by taking into account obstacles existing between the mobile robot and the beacon 10 outside. Here, an obstacle includes permanent obstacles such as regularly existing walls and irregularly existing temporary obstacles.

도 1을 참조하면, 본 발명에 따른 이동로봇의 위치 추정과 지도 작성 장치(100)는 외부센서부(110), 로봇센서부(120), 위치예측부(130), 신뢰도연산부(140), 파티클재생성부(150), 위치획득부(160) 및 지도작성부(170)를 포함한다.Referring to FIG. 1, a mobile robot position estimating and mapping apparatus 100 according to the present invention includes an external sensor unit 110, a robot sensor unit 120, a position estimating unit 130, a reliability calculating unit 140, A particle regenerating unit 150, a position obtaining unit 160, and a map generating unit 170. [

외부센서부(110)는 외부에 존재하는 다수의 비컨(10)들이 송신하는 비컨신호를 센싱하여 각 비컨(10)과 이동로봇 간의 거리정보를 획득하는 역할을 수행한다. 이동로봇은 수시로 이동하기 때문에, 이동로봇과 비컨(10)의 위치를 파악하면서 이동로봇의 외부환경을 나타내는 지도정보를 생성하기 위해서는 이동로봇의 이동에 따라 변화하는 외부환경을 계속적으로 감지해야 한다. 이를 위해 외부센서부(110)는 다수의 비컨(10)들이 송신하는 비컨신호를 각 샘플링 시간마다 센싱하여 각 비컨(10)과 이동로봇 간의 거리정보를 획득한다.The external sensor unit 110 senses a beacon signal transmitted from a plurality of beacons 10 existing outside and acquires distance information between the beacons 10 and the mobile robot. In order to generate map information indicating the external environment of the mobile robot while grasping the position of the mobile robot and the beacon 10, the mobile robot must continuously detect the external environment that changes according to the movement of the mobile robot. To this end, the external sensor unit 110 acquires distance information between each beacon 10 and the mobile robot by sensing a beacon signal transmitted by a plurality of beacons 10 at each sampling time.

비컨(beacon, 10)은 이동로봇의 외부환경 측에 설치된 장치로서, 이동로봇이 지도정보를 작성하는데 있어서 기준점(이하 '특징점'이라고 함)이 된다. 비컨(10)은 외부로 무선신호인 비컨신호를 전송하며, 이동로봇의 외부센서부(110)는 각 비컨(10)이 송신하는 비컨신호를 센싱하여 각 비컨(10)과 이동로봇 간의 거리정보를 획득한다. The beacon 10 is a device installed on the external environment side of the mobile robot, and serves as a reference point (hereinafter, referred to as a "minutiae point") when the mobile robot creates map information. The beacon 10 transmits a beacon signal as a radio signal to the outside and the external sensor unit 110 of the mobile robot senses a beacon signal transmitted by each beacon 10 and obtains distance information between each beacon 10 and the mobile robot .

이동로봇의 위치 추정과 지도 작성 장치(100)는 이동로봇의 속도정보(회전속도, 직진속도 및 방향) 및 각 비컨(10)과 이동로봇 간의 거리정보를 바탕으로 이동로봇의 위치 및 각 비컨(10)의 위치를 추정하게 된다. 후술하겠지만, 이동로봇의 속도정보로 이동로봇의 위치 변화가 파악될 수 있으므로, 이동로봇의 위치 변화 및 각 비컨(10)과 이동로봇 간의 거리정보의 변화를 분석함으로써 각 비컨에 대한 이동로봇의 위치 및 이동로봇에 대한 각 비컨(10)의 위치가 함께 추정될 수 있다. 한편 비컨(10)이 송신하는 비컨신호로서 초음파신호나 레이저신호뿐만 아니라 적외선신호, RF신호, UWB신호, 및 지그비(Zigbee)신호 등의 무선신호도 이용될 수 있으며, 거리정보를 획득할 수 있는 무선신호면 어느 신호나 이용될 수 있다.The position estimating and mapping apparatus 100 of the mobile robot estimates the positions and the beacons of the mobile robots based on the speed information (rotation speed, linear velocity and direction) of the mobile robot and the distance information between the beacons 10 and the mobile robots 10). As described later, since the positional change of the mobile robot can be grasped by the speed information of the mobile robot, the positional change of the mobile robot and the change of the distance information between the beacon 10 and the mobile robot are analyzed, And the position of each beacon 10 with respect to the mobile robot can be estimated together. On the other hand, as beacon signals transmitted by the beacon 10, wireless signals such as an infrared signal, an RF signal, a UWB signal, and a Zigbee signal as well as an ultrasonic signal and a laser signal can be used, Any signal can be used as a wireless signal.

로봇센서부(120)는 이동로봇의 직진속도, 회전속도, 및 방향을 나타내는 속도정보를 획득하는 역할을 수행한다. 이를 위해 로봇센서부(120)는 이동로봇의 추진부(미도시)와 연결되고, 이동로봇의 자세, 이동방향, 및 이동속도(직진속도 및 회전속도)와 관련된 속도정보를 각 샘플링 시각마다 획득한다. 여기서 추진부란 이동로봇의 자세를 제어하는 자세 제어 장치 및 이동로봇의 이동방향과 이동속도를 제어하는 이동 제어 장치를 모두 의미한다.The robot sensor unit 120 plays a role of acquiring velocity information indicating a linear velocity, a rotation velocity, and a direction of the mobile robot. For this purpose, the robot sensor unit 120 is connected to the propulsion unit (not shown) of the mobile robot and acquires velocity information related to the posture, the moving direction, and the moving speed (linear velocity and rotational velocity) of the mobile robot at each sampling time do. Here, the propulsion means both an attitude control device for controlling the attitude of the mobile robot and a movement control device for controlling the moving direction and the moving speed of the mobile robot.

외부센서부(110)에서 획득한 거리정보 및 로봇센서부(120)에서 획득한 속도정보는 후술할 위치예측부(130)로 제공된다.The distance information acquired by the external sensor unit 110 and the velocity information acquired by the robot sensor unit 120 are provided to a position prediction unit 130 to be described later.

위치예측부(130)는 이동로봇의 속도정보 및 각 비컨(10)과 이동로봇의 거리정보를 기초로 이동로봇 및 각 비컨의 예측 위치를 나타내는 제1 파티클을 생성하는 역할을 수행한다. 물론 위치예측부(130)는 제1 파티클 생성시 이동로봇과 비컨의 예전 추정 위치를 고려하여 이동로봇과 비컨의 현재 위치를 예측한다.The position predicting unit 130 generates a first particle representing a predicted position of the mobile robot and each beacon on the basis of the speed information of the mobile robot and the distance information of each beacon 10 and the mobile robot. Of course, the position predicting unit 130 predicts the current position of the mobile robot and the beacon in consideration of the previous estimated position of the beacon and the mobile robot when generating the first particle.

제1 파티클이란 이동로봇 및 각 비컨이 존재할 가능성이 있는 위치와 이동로봇의 방향을 예측한 파티클들의 집합으로서, 제1 파티클은 이동로봇의 위치와 방향에 대해 예측한 정보(x,y,θ)뿐만 아니라 특징점인 각 비컨(10)들의 위치에 대해 예측한 정보(nmx,nmy)도 함께 표현한다. The first particle is a set of particles predicting the position of a mobile robot and each beacon and the direction of the mobile robot. The first particle is information (x, y, θ) predicted for the position and direction of the mobile robot, In addition, predicted information ( n mx, n my) about the position of each beacon 10, which is a feature point, is also expressed.

다시 말해, 제1 파티클은 이동로봇이 존재할 가능성이 있는 위치, 그 위치에서의 이동로봇의 방향, 및 각 비컨(10)이 존재할 가능성이 있는 위치를 예측적으로 표현한다. 여기서, x,y는 고정좌표계에서의 이동로봇의 위치를 의미하고, θ는 고정좌표계에서의 이동로봇의 방향을 의미하며, mx, my는 고정좌표계에서의 비컨(10)의 위치를 의미한다. 비컨(10)은 복수 개가 존재할 수 있으므로, 윗 첨자 n은 각 비컨(10)의 식별번호를 의미한다.In other words, the first particle predictively represents a position where the mobile robot may exist, a direction of the mobile robot at that position, and a position where each beacon 10 may exist. Here, x and y mean the position of the mobile robot in the fixed coordinate system, θ means the direction of the mobile robot in the fixed coordinate system, and mx and my mean the position of the beacon 10 in the fixed coordinate system. Since there may be a plurality of beacons 10, the superscript n means the identification number of each beacon 10.

이처럼 위치예측부(130)는 이동로봇과 비컨의 예전 추정 위치, 이동시의 속도정보, 및 각 비컨(10)까지의 거리정보로부터 각 샘플링 시간별로 제1 파티클을 생성한다. 생성된 제1 파티클은 신뢰도연산부(140)로 제공된다.As described above, the position estimating unit 130 generates the first particle for each sampling time from the previous estimated position of the mobile robot and the beacon, the velocity information at the time of movement, and the distance information to each beacon 10. The generated first particle is provided to the reliability calculation unit 140. [

신뢰도연산부(140)는 생성된 제1 파티클에 대하여 신뢰도를 연산하는 역할을 수행한다. 신뢰도연산부(140)는 외부센서부(110)에서 획득한 거리정보를 확률변수로 하여 제1 파티클에 대한 신뢰도를 연산하며, 연산된 신뢰도는 파티클재생성부(150)로 제공된다. 즉, 신뢰도연산부(140)는 제1 파티클을 구성하는 각 파티클들에 대한 신뢰도를 각각 연산한다. The reliability computation unit 140 computes the reliability of the generated first particle. The reliability computation unit 140 computes the reliability of the first particle with the distance information acquired by the external sensor unit 110 as a random variable, and the computed reliability is provided to the particle regenerating unit 150. That is, the reliability calculation unit 140 calculates the reliability of each particle constituting the first particle.

파티클재생성부(150)는 신뢰도를 기초로 제1 파티클을 재배치함으로써 제2 파티클을 생성하는 역할을 수행한다. 즉, 파티클재생성부(150)는 각 파티클에 대응하는 신뢰도에 따라 제1 파티클을 구성하는 각 파티클들을 재배치함으로써 재배치된 파티클들의 집합인 제2 파티클을 생성한다. The particle regenerator 150 performs a role of creating a second particle by relocating the first particle based on the reliability. That is, the particle regenerator 150 generates a second particle, which is a set of particles rearranged by rearranging the particles constituting the first particle according to the reliability corresponding to each particle.

위치획득부(160)는 생성된 제2 파티클의 평균위치를 계산하고, 계산된 평균위치로서 각 비컨(10)의 위치 및 이동로봇의 위치를 획득한다. The position acquiring unit 160 calculates an average position of the generated second particles and acquires the position of each beacon 10 and the position of the mobile robot as the calculated average position.

또한, 위치획득부(160)는 이동로봇과 비컨(10) 사이에 존재할 수 있는 장애물로 인한 센서 신호의 불확실성을 고려하여 비컨(10)과 이동로봇 사이에 존재할 수 있는 장애물에 대한 위치도 더 획득할 수 있다. 전술한 것처럼, 장애물이란 규칙적으로 존재하는 벽과 같은 영구적 장애물 및 불규칙적으로 존재하는 일시적 장애물을 포함한다.In addition, the position acquiring unit 160 may acquire a positional map of an obstacle that may exist between the beacon 10 and the mobile robot in consideration of the uncertainty of a sensor signal due to an obstacle that may exist between the mobile robot and the beacon 10 can do. As described above, an obstacle includes permanent obstacles such as regularly existing walls and irregularly existing temporary obstacles.

지도작성부(170)는 획득한 비컨(10)과 이동로봇의 위치를 중심으로 지도정보를 생성한다. 본 발명에서 지도정보란 이동로봇의 외부환경을 나타낸 정보로서, 이동로봇의 현재 위치, 특징점인 각 비컨의 위치, 및 이동로봇의 이동경로에 대한 정보를 포함한다. 한편, 지도정보는 각 비컨(10)과 이동로봇의 사이에 존재할 수 있는 장애물의 위치에 대한 정보를 더 포함할 수 있다. The map creator 170 generates map information around the acquired beacon 10 and the position of the mobile robot. In the present invention, the map information is information indicating the external environment of the mobile robot, and includes information on the current position of the mobile robot, the position of each beacon as a minutiae point, and the travel path of the mobile robot. The map information may further include information on the position of an obstacle that may exist between each beacon 10 and the mobile robot.

이러한 지도정보는 이동로봇과 각 비컨(10)의 위치, 장애물의 위치, 및 이동로봇의 이동경로가 각각 공간좌표로서 표현된 좌표정보의 집합일 수도 있고, 이러한 공간좌표들을 시각적으로 인지할 수 있도록 평면 또는 입체 공간상에 시각적으로 표현한 기하학적 지도일 수도 있다. The map information may be a set of coordinate information in which the position of the mobile robot, the beacon 10, the position of the obstacle, and the movement path of the mobile robot are expressed as spatial coordinates, It may be a geometric map that is visually expressed on a planar or cubic space.

이하에서는 본 발명에 따른 이동로봇의 위치 추정과 지도 작성 방법을 설명하도록 한다. 본 발명에 따른 이동로봇의 위치 추정과 지도 작성 방법은 본 발명에 따른 이동로봇의 위치 추정과 지도 작성 장치에 의해 수행되는 방법으로서 그 기능이 서로 본질적으로 동일하므로, 상세한 설명 및 중복되는 설명은 생략하도록 한다.Hereinafter, a method of estimating a position of a mobile robot according to the present invention will be described. The position estimation and the map generation method of the mobile robot according to the present invention are performed by the position estimation and map generation apparatus of the mobile robot according to the present invention and their functions are essentially the same, .

도 2는 본 발명에 따른 이동로봇의 위치 추정과 지도 작성 방법을 나타낸 흐름도이다.FIG. 2 is a flowchart illustrating a method of estimating a position of a mobile robot according to the present invention.

우선, 로봇센서부(120)는 이동로봇의 직진속도, 회전속도, 및 방향을 나타내는 속도정보를 획득한다(S101).First, the robot sensor unit 120 acquires velocity information indicating a straight-ahead velocity, a rotation velocity, and a direction of the mobile robot (S101).

그와 동시에 외부센서부(110)는 외부에 존재하는 다수의 비컨(10)들이 송신하는 비컨신호를 센싱하여 각 비컨(10)과 이동로봇 간의 거리정보를 획득한다(S102).At the same time, the external sensor unit 110 senses a beacon signal transmitted from a plurality of external beacons 10 to acquire distance information between the beacon 10 and the mobile robot (S102).

위치예측부(130)는 속도정보 및 거리정보를 기초로 이동로봇 및 각 비컨(10)의 예측 위치를 나타내는 제1 파티클을 생성한다(S103).The position predicting unit 130 generates a first particle representing a predicted position of the mobile robot and each beacon 10 based on the velocity information and the distance information (S103).

신뢰도연산부(140)는 S102 단계에서 획득한 거리정보를 바탕으로 제1 파티클에 대한 신뢰도를 연산한다(S104). 또한, 신뢰도연산부(140)는 이동로봇의 주변에 존재하는 장애물의 존재 가능성을 고려할 수 있다. The reliability computation unit 140 computes the reliability of the first particle based on the distance information acquired in step S102 (S104). In addition, the reliability calculation unit 140 may consider the existence of an obstacle existing around the mobile robot.

그리고 나서, 파티클재생성부(150)는 연산된 신뢰도를 기초로 제1 파티클을 재배치함으로써 제2 파티클을 생성한다(S105).Then, the particle regenerator 150 generates a second particle by rearranging the first particle based on the calculated reliability (S105).

위치획득부(160)는 생성된 제2 파티클의 평균위치를 계산하고, 계산된 평균위치로서 각 비컨의 위치 및 이동로봇의 위치를 최종적으로 획득한다(S106). The position obtaining unit 160 calculates the average position of the generated second particles, and finally obtains the position of each beacon and the position of the mobile robot as the calculated average position (S106).

지도작성부(170)는 획득한 비컨(10)과 이동로봇의 위치를 중심으로 지도정보를 생성한다(S107). 여기서, 지도정보란 이동로봇의 외부환경을 표현한 정보로서, 이동로봇의 현재 위치, 특징점인 각 비컨의 위치, 및 이동로봇의 이동경로에 대한 정보를 포함하며, 또한 각 비컨(10)과 이동로봇의 사이에 존재할 수 있는 장애물의 위치에 대한 정보를 더 포함할 수 있다.The map creator 170 generates map information around the acquired beacon 10 and the position of the mobile robot (S107). Here, the map information is information representing the external environment of the mobile robot, and includes information on the current position of the mobile robot, the position of each beacon as a minutiae point, and the movement path of the mobile robot, The location of the obstacles that may exist between the first location and the second location.

이러한 지도정보는 이동로봇과 각 비컨(10)의 위치, 장애물의 위치, 및 이동경로가 각각 공간좌표로서 표현된 좌표정보의 집합일 수도 있고, 이러한 공간좌표들을 시각적으로 인지할 수 있도록 평면 또는 입체 공간상에 시각적으로 표현한 기하학적 지도일 수도 있다.This map information may be a set of coordinate information in which the position of the mobile robot, the beacon 10, the position of the obstacle, and the movement path are expressed as spatial coordinates, and may be a plane or three- It may be a geometric map expressed visually in space.

이하에서는, 본 발명에 따른 이동로봇의 위치 추정과 지도 작성 장치를 구성하는 각 구성요소의 기능 및 본 발명에 따른 이동로봇의 위치 추정과 지도 작성 방법에서의 수행 과정들을 좀 더 상세히 설명하도록 한다.Hereinafter, the position estimation of the mobile robot according to the present invention, the functions of the respective components constituting the map generating apparatus, and the processes of the position estimating and mapping method of the mobile robot according to the present invention will be described in more detail.

위치예측부(130)의 위치 예측 과정(S103)은 이동로봇의 속도 명령과 불확실성 파라미터들로 이동로봇의 위치와 각 비컨의 위치를 예측하는 과정이다. The position predicting process (S103) of the position predicting unit 130 is a process of predicting the position of the mobile robot and the position of each beacon using the velocity command and the uncertainty parameters of the mobile robot.

기존 파티클 필터 방식에서는 이동로봇의 위치와 방향에 대한 정보(x,y,θ)만을 예측하였지만, 본 발명의 위치예측부(130)는 각 비컨의 위치에 대한 정보(nmx,nmy)도 예측할 수 있다. In the conventional particle filter method, only the information (x, y, θ) about the position and direction of the mobile robot is predicted. However, the position estimating unit 130 of the present invention calculates the information ( n mx, n my) Can be predicted.

다음의 [수학식 1]은 이동로봇의 속도정보에 불확실성을 포함시키는 과정이다. 직진속도 v 및 회전속도 w에 각각 불확실성이 포함된 직진속도

Figure pat00001
와 회전속도
Figure pat00002
, 그리고 로봇의 헤딩에 대한 불확실성
Figure pat00003
을 생성한다. 여기서, sample() 함수는 불확실성을 생성하는 함수로서 속도정보에 대한 불확실성 파라미터들인 α1~α6에 의해 이동로봇에 대한 속도정보의 불확실성이 결정된다.Equation (1) below is a process for including uncertainty in the speed information of the mobile robot. The straight forward speed v and the rotational speed w are respectively set to a straight forward speed
Figure pat00001
And rotation speed
Figure pat00002
, And uncertainty about the robot's heading
Figure pat00003
. Here, the sample () function is an uncertainty generating function, and the uncertainty of the speed information for the mobile robot is determined by the uncertainty parameters α1 to α6 on the speed information.

Figure pat00004
Figure pat00004

다음의 [수학식 2]는 [수학식 1]에 의해 불확실성이 포함된 속도정보를 바탕으로 이동로봇의 위치를 예측하는 과정이다. 여기서, x,y,θ는 시각 t-1에서 이동로봇의 위치와 방향에 대한 정보를 나타낸다.The following equation (2) is a process for estimating the position of the mobile robot based on the velocity information including the uncertainty according to Equation (1). Here, x, y, and θ represent information on the position and direction of the mobile robot at time t-1.

Figure pat00005
Figure pat00005

다음의 [수학식 3]은 비컨을 의미하는 특징점들에 대한 불확실성을 포함해서 각 특징점을 예측하는 과정이다. 특징점에 대한 불확실성 파라미터 α7에 의해 특징점들에 대한 각 파티클의 위치가 예측된다. 여기서, j는 특징점들의 개수, mx와 my는 특징점에 대한 파티클의 위치정보이다.Equation (3) below is a process for predicting each feature point including uncertainty about feature points denoting beacons. The position of each particle with respect to the feature points is predicted by the uncertainty parameter? 7 for the feature point. Here, j is the number of feature points, and mx and my are position information of the particle with respect to the feature point.

Figure pat00006
Figure pat00006

다음의 [수학식 4]는 [수학식 1] ~ [수학식 3]의 과정을 거쳐 예측된 하나의 파티클 xt를 나타낸 것이다. [수학식 4]와 같이 제안된 파티클 필터 방식을 이용하면, 기존의 이동로봇의 상태정보 뿐만 아니라 특징점에 대한 위치까지 표현된다. The following Equation (4) represents one particle x t predicted through the processes of Equations (1) to (3). Using the proposed particle filter method as shown in Equation (4), not only the state information of the existing mobile robot but also the location of the minutiae are expressed.

Figure pat00007
Figure pat00007

직진속도 파라미터 α1과 α2는 이동로봇의 직진 방향에 대한 파티클의 분포를 결정하게 된다. 이동로봇의 직진속도 파라미터 α1과 α2의 값이 작을 때는 파티클은 조밀한 분포도를 형성한다. 그러나, α1과 α2의 값이 크면 파티클은 직진방향으로 넓게 분산한다. The linear velocity parameters? 1 and? 2 determine the distribution of the particles with respect to the linear direction of the mobile robot. When the values of the linear velocity parameters alpha 1 and alpha 2 of the mobile robot are small, the particles form a dense distribution diagram. However, if the values of? 1 and? 2 are large, the particles disperse widely in the straight direction.

회전속도 파라미터 α3와 α4는 로봇의 회전 방향에 대한 파티클의 분포도를 결정한다. α3과 α4의 값이 작으면 로봇의 회전방향으로 파티클이 조밀하게 분포하고, 파라미터들의 값이 크면 파티클은 넓게 분포한다.The rotation speed parameters α3 and α4 determine the distribution of the particles with respect to the direction of rotation of the robot. If α3 and α4 are small, the particles are densely distributed in the direction of rotation of the robot. If the values of the parameters are large, the particles are widely distributed.

도 3은 특징점 위치의 불확실성에 대한 파티클 분포를 표현한 도면이다.Figure 3 is a representation of the particle distribution for uncertainty of the feature point location.

도 3을 참조하면, 특징점 파라미터인 α7 값에 따라 특징점의 불확실 분포 정도가 결정된다. 도 3의 a는 특징점 파라미터 값이 작을 때의 파티클 분포도로서 α7의 파라미터 값이 작으면 특징점 파티클은 각 특징점 주변에 조밀하게 분포하고, 파라미터 값이 크면 b와 같이 파티클이 넓게 분산된다Referring to FIG. 3, the degree of uncertainty distribution of the feature points is determined according to the feature point parameter? 7. 3 (a) is a particle distribution diagram when the feature point parameter value is small. When the parameter value of? 7 is small, the feature point particles are densely distributed around each feature point, and when the parameter value is large, the particles are dispersed widely

다음으로 신뢰도연산부(140)에서의 신뢰도 연산 과정(S104)을 설명하도록 한다. 본 발명에서의 신뢰도 연산 과정은 위치예측부(130)에서 예측한 각 파티클들에 대하여 외부센서부(110)에서 수신된 거리정보를 바탕으로 신뢰도를 각각 연산하는 과정이다.Next, the reliability calculation process (S104) in the reliability calculation unit 140 will be described. The reliability calculation process in the present invention is a process of calculating reliability based on distance information received from the external sensor unit 110 for each of the particles predicted by the position predictor 130.

장애물에 대한 확률분포에 대하여 기존의 Pshort대신 Plong을 제시하여 기존의 모델과 차이를 보이고 각각의 확률분포들과 함께 센서에 대한 신뢰도 연산 과정을 구체화한다.For the probability distribution of the obstacle, P long is presented instead of the existing P short to show the difference from the existing model, and the reliability calculation process for the sensor is specified along with the respective probability distributions.

신뢰도 연산 과정은 예측된 제1 파티클에 대하여 추정 신뢰도를 획득하는 과정이다. 신뢰도연산부(140)는 다음의 [수학식 5] ~ [수학식 8]과 같이 가우시안 확률분포 Phit, 지수 확률분포 Plong, 센싱 실패 확률분포 Pmax, 그리고 설명 불가능한 측정 확률분포 Prand들을 기초로 제1 파티클에 대한 신뢰도를 연산한다. The reliability calculation process is a process of obtaining estimated reliability for the predicted first particle. The reliability calculation unit 140 calculates the probability distribution P hit , the exponential probability distribution P long , the sensing failure probability distribution P max , and the unexplained measurement probability distribution P rand based on the Gaussian probability distribution P hit , the exponential probability distribution P max , To calculate the reliability of the first particle.

여기서, Zt k는 각 비컨(10)과 이동로봇 사이의 거리정보 (zt 1, zt 2,...., zt n)를 의미하고, η은 확률 밀도함수의 정규화 상수를 나타낸다.Here, Z t k denotes distance information (z t 1 , z t 2 , ...., z t n ) between each beacon 10 and the mobile robot, and η denotes a normalization constant of the probability density function .

Figure pat00008
Figure pat00008

Figure pat00009
Figure pat00009

Figure pat00010
Figure pat00010

Figure pat00011
Figure pat00011

[수학식 5]는 측정 잡음(measurement noise) 확률분포를 나타내며, 가우시안 확률분포로 표현된다. 이는 이동로봇과 외부 비컨(10) 사이의 거리데이터가 제대로 수신될 확률분포를 의미한다. 이 확률분포는 예측된 이동로봇과 특징점들 사이의 거리를 중심으로 표현할 수 있다. Equation (5) represents a measurement noise probability distribution and is expressed by a Gaussian probability distribution. This means a probability distribution in which the distance data between the mobile robot and the external beacon 10 is received correctly. This probability distribution can be expressed around the distance between the predicted mobile robot and the minutiae points.

[수학식 6]은 의외 대상물(unexpected object) 확률분포를 나타내며, 지수 확률분포로 표현된다. 이 확률분포는 이동로봇과 외부 비컨 사이에 불규칙하게 끼어드는 일시적 장애물 즉, 동적 장애물에 대한 확률분포를 나타낸다. 기존 레이저 센서를 이용하여 파티클 필터 방식을 적용한 연구들에서는 동적인 장애물들이 존재할 경우 수신된 거리데이터는 실제 거리데이터보다 짧게 수신되기 때문에 동적 장애물에 대한 확률분포를 Pshort로 나타낸다. 그러나, 초음파센서의 경우 로봇과 외부 비컨 사이에 동적 장애물이 존재하면 외부 비컨에서 송신된 초음파는 이동로봇에 설치된 수신기에 직접 수신되지 못하고 다른 곳으로 반사되어 수신기에 수신된다. 따라서 초음파의 센서 모델의 동적 장애물에 대한 확률분포 Plong은 [수학식 6]처럼 표현될 수 있다. Equation (6) represents an unexpected object probability distribution and is expressed by an exponential probability distribution. This probability distribution represents a probability distribution of a temporary obstacle, that is, a dynamic obstacle, irregularly interfering between a mobile robot and an external beacon. In the studies using the particle filter method using the existing laser sensor, when the dynamic obstacles are present, the received distance data is received shorter than the actual distance data, so the probability distribution for the dynamic obstacle is represented by P short . However, in the case of the ultrasonic sensor, if there is a dynamic obstacle between the robot and the external beacon, the ultrasonic wave transmitted from the external beacon is not directly received by the receiver installed in the mobile robot, but is reflected to another place and received by the receiver. Therefore, the probability distribution P long for the dynamic obstacle of the ultrasonic sensor model can be expressed as [Equation 6].

[수학식 7]은 센싱 실패(sensing failure) 확률분포를 나타낸다. 이 확률분포는 센서의 이상으로 인해 이동로봇에서 비컨신호가 수신되지 않거나 센서가 동작하지 않는 상황을 나타내는 확률분포이다. Equation (7) represents a probability distribution of sensing failure. This probability distribution is a probability distribution indicating a situation in which a beacon signal is not received by the mobile robot due to an abnormality of the sensor or the sensor is not operated.

[수학식 8]은 설명 불가능한 측정(unexplainable measurement) 확률분포를 나타낸다. 이 확률분포는 벽의 반사나 혼선으로 외부 비컨(10)과 이동로봇 사이의 거리 값이 올바르지 못한 경우를 나타낸다.Equation (8) represents a unexplainable measurement probability distribution. This probability distribution indicates a case where the distance between the external beacon 10 and the mobile robot is incorrect due to reflection or cross talk of the wall.

다음의 [수학식 9]는 센서 값의 불확실성들을 고려한 [수학식 5] ~ [수학식 8]을 하나의 확률분포로 나타낸 것이다.Equation (9) below represents Equation (5) to Equation (8) in consideration of uncertainties of the sensor value as one probability distribution.

Figure pat00012
Figure pat00012

[수학식 9]에서 나타낸 바와 같이 4개의 분포도를 가지고 이동로봇에 수신되는 거리데이터, 추정된 로봇 위치, 및 각 특징점 위치에 대한 파티클의 신뢰도를 계산할 수 있다. 여기서, Plong은 [수학식 6]에서 나타낸 바와 같이 기존의 Pshort대신 Plong의 확률분포를 이용하여 동적 장애물에 대한 확률분포를 나타낸다. 그리고, zhit, zlong, zmax, zrand는 각각의 확률분포에 대한 가중치이다.As shown in Equation (9), the distance data received by the mobile robot, the estimated robot position, and the reliability of the particle for each feature point position can be calculated using the four distribution maps. Here, P long represents a probability distribution for dynamic obstacles using the probability distribution of P long instead of the existing P short as shown in Equation (6). And, z hit , z long , z max , and z rand are weights for each probability distribution.

다음의 [표 1]은 [수학식 9]의 분포도를 이용하여 파티클에 대한 신뢰도를 추출하는 알고리즘을 표현한 것이다. The following Table 1 represents an algorithm for extracting the reliability of particles using the distribution diagram of Equation (9).

Figure pat00013
Figure pat00013

다음으로 파티클재생성부(150)에서 파티클을 재생성하는 과정(S105)을 설명하도록 한다. Next, the process of regenerating particles in the particle regenerator 150 (S105) will be described.

파티클 재생성은 이동로봇과 특징점의 위치를 추정하는 과정으로서, 신뢰도에 따라 제1 파티클을 구성하는 각 파티클을 재배치함으로써 제2 파티클을 생성하는 과정이다. 룰렛(Roulette) 방식과 확률론적 일반 샘플링(Stochastic Universal Sampling) 방식 등 다양한 방식이 이용될 수 있다.Particle regeneration is a process of estimating the position of a mobile robot and minutia points, and is a process of generating a second particle by rearranging each particle constituting the first particle according to reliability. Various methods such as a roulette method and a stochastic universal sampling method can be used.

도 4 내지 도 6은 이동로봇의 지도 작성 과정을 실험을 통해 예시하는 도면이다. FIGS. 4 to 6 illustrate the mapping process of the mobile robot through experiments.

도 4 내지 도 6의 실험에서 4개의 초음파 비컨이 이용되었으며, 각 비컨은 B1(0m, 0m), B2(5.8m, 0m), B3(5.8m, 5.6m), B4(0m, 5.6m)의 위치에 설치되었다. B4 (0m, 5.6m), B2 (5.8m, 0m), B3 (5.8m, 5.6m) and B4 (0m, 5.6m) were used for the beacons of the four ultrasonic beacons. .

그리고, 이동로봇은 4개의 경유점 WP1(1.7m, 1m), WP2(4.8m, 1m), WP3(4.8m, 4.6m), WP4(1m, 4.6m)을 각각 경유하여 이동하도록 제어되었다. 이동로봇은 경유점 WP1에서 WP4를 경유하고 다시 WP1으로 되돌아오며, 이러한 방법으로 5회 주행하였다.The mobile robot was controlled to move via four diesel points WP1 (1.7m, 1m), WP2 (4.8m, 1m), WP3 (4.8m, 4.6m) and WP4 (1m, 4.6m) respectively. The mobile robot moves from WP1 to WP4 and returns to WP1.

도 4에서, a는 284초에서의 비컨 및 이동로봇의 위치 추정 및 지도정보 작성 결과를, b는 338초에서의 비컨 및 이동로봇의 위치 추정 및 지도정보 작성 결과를 나타낸다. In FIG. 4, "a" represents the position estimation and map information creation result of the beacon and the mobile robot at 284 seconds, and "b" represents the position estimation and map information creation result of the beacon and the mobile robot at 338 seconds.

도 4의 a와 b에서 삼변 측량 결과인 LPS 위치는 이동로봇의 이동경로가 아닌 잘못된 위치를 추정하고 있다. 이러한 원인은 이동로봇에 수신되는 거리데이터의 에러가 크게 존재하기 때문이다. 따라서 삼변 측량을 이용하여 위치를 추정할 경우에는, 로봇과 외부 비컨들 사이에서 유효한 데이터가 있을 때만 올바른 위치 추정 결과를 얻을 수 있다. 또한 데드 레크닝 결과 DR은 센서 오차의 누적으로 인해 올바르지 못한 위치 추정 결과를 보이고 있다.4A and 4B, the LPS position, which is the result of the trilateration measurement, estimates the wrong position, not the movement path of the mobile robot. This is because there is a large error in the distance data received by the mobile robot. Therefore, when estimating the position using trilateration, the correct position estimation result can be obtained only when there is valid data between the robot and the external beacons. Also, the dead reckoning result DR shows incorrect position estimation results due to accumulation of sensor error.

도 5는 이동로봇이 주어진 이동경로를 따라 주행하기 시작한 후 478초 부터 563초까지의 5번째 왕복에 대한 일련의 과정을 예시한다. 5 illustrates a series of processes for the fifth round trip from 478 seconds to 563 seconds after the mobile robot starts traveling along a given movement route.

로봇은 경유점 WP1에서 WP4로 이동한후 다시 경유점 WP1으로 이동한다. The robot moves from the via point WP1 to WP4 and then to the passing point WP1.

도 5에서 a는 이동로봇이 이동하면서 자신의 위치를 추정하는 동시에 특징점인 비컨 위치를 추정하여 지도정보를 생성한 결과이다. In FIG. 5, a is a result of generating the map information by estimating the beacon position, which is a minutiae, while estimating the position of the mobile robot while moving.

도 5의 a 부분에서, PF는 이동로봇의 위치 추정 결과에 대한 평균을 의미하고, F1 ~ F4는 지도 작성 결과인 특징점들의 위치 추정 분포에 대한 결과이며, B1 ~ B4는 실제 특징점들인 각 비컨의 위치를 나타낸다. In FIG. 5A, PF denotes an average of the position estimation results of the mobile robot, F1 to F4 are the results of the position estimation distribution of the feature points, which are the map creation result, and B1 to B4, Position.

이동로봇의 위치 추정 결과를 나타내는 PF는 이동로봇 주행 경로의 주위에 분포되어져 있고, 특징점 4개에 대한 파티클도 각 특징점 주위에 분포되어 있어, 로봇의 위치와 특징점의 위치를 추정하고 있음을 보여준다. It is shown that the PF representing the position estimation result of the mobile robot is distributed around the travel path of the mobile robot and the particles for the four feature points are also distributed around each feature point to estimate the position of the robot and the position of the feature point.

도 5의 b는 도 5의 a를 바탕으로 480초부터 563초까지의 이동로봇 궤적과 영역센서를 이용하여 축적된 기하학적인 지도정보의 결과를 나타낸다.FIG. 5B shows the result of the geometric map information accumulated using the moving robot trajectory and the area sensor from 480 to 563 seconds based on FIG. 5A.

도 6은 도 5의 과정에 대한 최종적인 위치 추청 결과이다. 그림에서 표시된 PATH는 이동로봇이 주행한 주행경로이고, DR은 이동로봇의 데드레크닝 정보에 의한 궤적을 의미한다. PFRobot은 본 발명에 따른 이동로봇의 위치 추정 궤적, LPS는 삼변 측량에 의한 로봇의 위치 추정 결과이다. FIG. 6 is a result of the final position estimation for the process of FIG. The PATH shown in the figure is the travel route traveled by the mobile robot, and DR is the locus by the dead reckoning information of the mobile robot. PFRobot is the position estimation trajectory of the mobile robot according to the present invention, and LPS is the position estimation result of the robot by the trilateration.

그리고 PFBn은 추정된 외부 비컨 n번째의 위치, Bn은 실제 환경에 위치한 외부 비컨의 위치정보 좌표를 나타낸다. 도 6에서 보는 바와 같이 데드레크닝 결과는 센세오차의 누적으로 인해 이동로봇의 주행 경로를 벗어나 잘못된 궤적을 그리고 있다.PFBn represents the estimated position of the n-th beacon, and Bn represents the positional information coordinate of the beacon located in the real environment. As shown in Fig. 6, the dead reckoning results in an incorrect trajectory out of the traveling path of the mobile robot due to accumulated cumulative errors.

그리고 삼변 측량의 결과인 LPS는 이동로봇 주행 경로의 주변에 대부분 분포되어 있지만, 거리정보가 부정확할 때 LPS Poor 1~4처럼 잘못된 위치가 추정됨을 확인할 수 있다. 이는 외부 비컨에서부터 출력되는 비컨신호들이 적절하지 못할 때 나타나는 현상으로서, 비컨과 수신기 사이에 동적 및 정적인 장애물이 존재하거나, 센서신호에 에러가 많이 포함되어 있을 때 잘못된 위치가 추정된다. And the LPS which is the result of the trilateration survey is mostly distributed around the traveling path of the mobile robot, but it can be confirmed that the wrong position is estimated as LPS Poor 1 ~ 4 when the distance information is inaccurate. This is a phenomenon that occurs when the beacon signals output from the external beacon are not suitable, and a wrong position is estimated when dynamic and static obstacles exist between the beacon and the receiver or when the sensor signal contains a lot of errors.

하지만 본 발명에 따라 이동로봇의 위치를 추정한 PFRobot의 경우, 이동로봇의 이동 경로 주위에 파티클이 분포되어 데드레크닝과 삼변 측량 방법보다 좋은 결과를 보인다. 본 발명의 방법에 의해 추정된 외부 비컨 파티클은 설치된 비컨들 주변 B1~B4의 주변에 위치하고 있음을 확인할 수 있다. 여기서 PFB1이 B1으로 추정된 이유는 획득된 결과의 B1 지도정보를 원점으로 설정하였기 때문이다. 또한 B1과 B2의 사이의 각도만큼 회전시켜 데이터를 분석하였기 때문에 B2에 대한 지도정보가 축으로 분포된다.However, in the case of PFRobot, which estimates the position of the mobile robot according to the present invention, particles are distributed around the movement path of the mobile robot, which shows better results than the dead reckoning method and the trilateration method. It can be seen that the outer beacon particles estimated by the method of the present invention are located around the beacons B1 to B4 around the installed beacons. The reason why PFB1 is estimated as B1 is that the B1 map information of the obtained result is set as the origin. Also, since the data is analyzed by rotating by an angle between B1 and B2, the map information on B2 is distributed along the axis.

본 발명의 상기 방법은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.The method of the present invention can also be embodied as computer readable code on a computer readable recording medium. A computer-readable recording medium includes all kinds of recording apparatuses in which data that can be read by a computer system is stored. Examples of the computer-readable recording medium include a ROM, a RAM, a CD-ROM, a magnetic tape, a floppy disk, an optical data storage device, and the like, and may be implemented in the form of a carrier wave (for example, transmission via the Internet) . The computer readable recording medium can also be distributed over network coupled computer systems so that the computer readable code is stored and executed in a distributed fashion.

본 발명은 이동로봇의 위치와 상태뿐만 아니라 특징점인 비컨들의 위치를 일련의 파티클들로서 표현하고, 특징점들의 불확실성과 이동로봇 및 외부의 비컨 사이에 존재할 수 있는 장애물까지 고려하여 지도정보를 생성할 수 있다.The present invention can represent the position and the state of the mobile robot as well as the positions of beacons as feature points as a series of particles and generate the map information by taking into consideration the uncertainties of the feature points and the obstacles that may exist between the mobile robot and the beacons outside the robot .

본 발명에 의하면 미지의 환경에서 동작하는 이동로봇과 비컨의 위치를 추정함과 동시에 이동로봇과 비컨의 위치를 중심으로 장애물을 포함하는 외부환경에 대한 지도를 작성함으로써, 격자 지도 방법에 비해 연산량을 줄이는 동시에 간결하게 지도를 표현할 수 있는 효과를 지닌다.According to the present invention, by estimating the position of the mobile robot and the beacon operating in an unknown environment, and creating a map of the external environment including the obstacle around the position of the mobile robot and the beacon, It has the effect of expressing the map concisely at the same time.

또한 본 발명에 의하면, 로봇의 위치와 방향뿐 아니라 이동로봇의 동작과 센서 신호원인 비컨들의 불확실성까지 고려함으로써, 이동로봇의 방향을 알 수 없는 문제점과 비컨과 이동로봇 사이에 장애물이 존재할 경우 잘못된 위치를 추정하거나 이동로봇의 방향을 알기가 힘든 삼변 측량의 문제점을 해결할 수 있다. According to the present invention, consideration is given to not only the position and direction of the robot but also the operation of the mobile robot and the uncertainty of the beacons that are caused by the sensor signals. Thus, when the obstacle exists between the beacon and the mobile robot, And it is difficult to know the direction of the mobile robot.

이상에서는 도면에 도시된 구체적인 실시예를 참고하여 본 발명을 설명하였으나 이는 예시적인 것에 불과하므로, 본 발명이 속하는 기술 분야에서 통상의 기술을 가진 자라면 이로부터 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명의 보호 범위는 후술하는 특허청구범위에 의하여 해석되어야 하고, 그와 동등 및 균등한 범위 내에 있는 모든 기술적 사상은 본 발명의 보호 범위에 포함되는 것으로 해석되어야 할 것이다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, is intended to cover various modifications and equivalent arrangements included within the spirit and scope of the invention. Accordingly, the scope of protection of the present invention should be construed in accordance with the following claims, and all technical ideas within the scope of equivalents and equivalents thereof should be construed as being covered by the scope of the present invention.

100, 위치 추정을 이용한 이동로봇의 지도 작성 장치
110, 외부센서부 120, 로봇센서부
130. 위치예측부 140, 신뢰도연산부
150, 파티클재생성부 160, 위치획득부
170, 지도작성부100, Mapping device of mobile robot using position estimation
110, an external sensor unit 120, a robot sensor unit
130. A position predicting unit 140,
150, a particle regenerating unit 160,
170,

Claims (9)

이동로봇의 직진속도, 회전속도, 및 방향을 나타내는 속도정보를 획득하는 로봇센서부;
다수의 외부 비컨들이 송신하는 비컨신호를 센싱하여 각 비컨과 이동로봇 간의 거리정보를 획득하는 외부센서부;
상기 속도정보 및 거리정보를 기초로 각 비컨 및 이동로봇의 예측 위치를 나타내는 제1 파티클을 생성하는 위치예측부;
상기 생성된 제1 파티클에 대하여 신뢰도를 연산하는 신뢰도연산부;
상기 생성된 제1 파티클을 상기 연산된 신뢰도에 따라 재배치하여 제2 파티클을 생성하는 파티클 재생성부;
상기 생성된 제2 파티클의 평균위치를 계산하고, 상기 계산된 평균위치로서 각 비컨의 위치 및 이동로봇의 위치를 획득하는 위치획득부; 및
상기 획득한 각 비컨과 이동로봇의 위치 및 이동로봇의 이동경로에 대한 정보를 포함하는 지도정보를 생성하는 지도작성부를 포함하는, 이동로봇의 위치 추정과 지도 작성 장치.A robot sensor unit for acquiring velocity information indicating a linear velocity, a rotational velocity, and a direction of the mobile robot;
An external sensor unit sensing a beacon signal transmitted from a plurality of external beacons and acquiring distance information between each beacon and the mobile robot;
A position prediction unit generating a first particle representing a predicted position of each beacon and the mobile robot based on the speed information and the distance information;
A reliability calculator that calculates reliability of the generated first particles;
A particle regenerator configured to rearrange the generated first particles according to the calculated reliability to generate a second particle;
A position acquiring unit for calculating an average position of the generated second particles and acquiring a position of each beacon and a position of the mobile robot as the calculated average position; And
And a map generating unit for generating map information including information on the obtained beacon, the position of the mobile robot, and the travel path of the mobile robot. 제1항에 있어서, 상기 신뢰도연산부는,
이동로봇과 각 비컨 사이의 거리에 대한 확률분포, 이동로봇과 각 비컨 사이에 존재하는 동적 장애물에 대한 확률분포, 상기 비컨신호의 센싱 실패에 대한 확률분포, 및 반사나 혼선으로 이동로봇과 각 비컨 사이의 거리가 부정확한 경우에 대한 확률분포를 연산하고, 상기 각 확률분포를 이용하여 상기 제1 파티클의 신뢰도를 연산하는, 이동로봇의 위치 추정과 지도 작성 장치.The apparatus according to claim 1,
A probability distribution of the distance between the mobile robot and each beacon, a probability distribution of dynamic obstacles existing between the mobile robot and each beacon, a probability distribution of sensing failure of the beacon signal, and a reflection robot or a beacon And calculates the reliability of the first particle using each of the probability distributions. 2. The apparatus of claim 1, wherein the reliability of the first particle is calculated using the probability distribution. 제2항에 있어서, 상기 위치획득부는,
상기 동적 장애물에 대한 확률분포 및 상기 이동로봇과 각 비컨 사이의 거리가 부정확한 경우에 대한 확률분포로부터 장애물에 대한 위치를 더 획득하는, 이동로봇의 위치 추정과 지도 작성 장치.3. The apparatus according to claim 2,
And obtains the position of the obstacle from the probability distribution of the probability distribution of the dynamic obstacle and the distance between the mobile robot and each beacon is inaccurate. 제3항에 있어서, 상기 지도작성부는,
상기 장애물에 대한 위치를 더 포함하는 지도정보를 생성하되, 비컨과 이동로봇의 위치, 이동로봇의 이동경로, 및 장애물의 위치를 공간상에 기하학적으로 표현한 지도정보를 생성하는, 이동로봇의 위치 추정과 지도 작성 장치.The map generating apparatus according to claim 3,
And generating map information that further includes a position of the obstacle, wherein the beacon and the position of the mobile robot, the movement path of the mobile robot, and the position information of the obstacle are geometrically expressed on the space, And mapping device. (a) 이동로봇의 직진속도, 회전속도, 및 방향을 나타내는 속도정보를 획득하는 단계;
(b) 다수의 외부 비컨들이 송신하는 비컨신호를 센싱하여 각 비컨과 이동로봇 간의 거리정보를 획득하는 단계;
(c) 상기 속도정보 및 거리정보를 기초로 각 비컨 및 이동로봇의 예측 위치를 나타내는 제1 파티클을 생성하는 단계;
(d) 상기 생성된 제1 파티클에 대하여 신뢰도를 연산하는 단계;
(e) 상기 생성된 제1 파티클을 상기 연산된 신뢰도에 따라 재배치하여 제2 파티클을 생성하는 단계;
(f) 상기 생성된 제2 파티클의 평균위치를 계산하고, 상기 계산된 평균위치로서 각 비컨의 위치 및 이동로봇의 위치를 획득하는 단계; 및
(g) 상기 획득한 각 비컨과 이동로봇의 위치 및 이동로봇의 이동경로에 대한 정보를 포함하는 지도정보를 생성하는 단계를 포함하는, 이동로봇의 위치 추정과 지도 작성 방법.(a) obtaining velocity information indicating a straight-ahead velocity, a rotation velocity, and a direction of the mobile robot;
(b) sensing a beacon signal transmitted from a plurality of external beacons to obtain distance information between each beacon and the mobile robot;
(c) generating a first particle representing a predicted position of each beacon and the mobile robot based on the speed information and the distance information;
(d) calculating a reliability of the generated first particles;
(e) rearranging the generated first particles according to the calculated reliability to generate a second particle;
(f) calculating an average position of the generated second particles, and acquiring the position of each beacon and the position of the mobile robot as the calculated average position; And
(g) generating map information including information about the obtained beacon, the position of the mobile robot, and the movement path of the mobile robot. 제5항에 있어서, 상기 (d) 단계는,
(d1) 이동로봇과 각 비컨 사이의 거리에 대한 확률분포를 생성하는 단계;
(d2) 이동로봇과 각 비컨 사이에 존재하는 동적 장애물에 대한 확률분포를 생성하는 단계;
(d3) 상기 비컨신호의 센싱 실패에 대한 확률분포를 생성하는 단계; 및
(d4) 반사나 혼선으로 이동로봇과 각 비컨 사이의 거리가 부정확한 경우에 대한 확률분포를 생성하는 단계; 및
(d5) 상기 각 확률분포를 이용하여 상기 제1 파티클의 신뢰도를 연산하는 단계를 포함하는, 이동로봇의 위치 추정과 지도 작성 방법.6. The method of claim 5, wherein step (d)
(d1) generating a probability distribution on the distance between the mobile robot and each beacon;
(d2) generating a probability distribution of a dynamic obstacle existing between the mobile robot and each beacon;
(d3) generating a probability distribution of sensing failure of the beacon signal; And
(d4) generating a probability distribution for a case where the distance between the mobile robot and each beacon is incorrect due to reflection or crosstalk; And
(d5) calculating the reliability of the first particle using each of the probability distributions. 제6항에 있어서, 상기 (f) 단계는,
상기 동적 장애물에 대한 확률분포 및 상기 이동로봇과 각 비컨 사이의 거리가 부정확한 경우에 대한 확률분포로부터 장애물에 대한 위치를 획득하는 단계를 더 포함하는, 이동로봇의 위치 추정과 지도 작성 방법.7. The method of claim 6, wherein step (f)
Further comprising the step of obtaining a position of the obstacle from a probability distribution of the dynamic obstacle and a case where the distance between the mobile robot and each beacon is inaccurate. 제7항에 있어서, 상기 (g) 단계는,
상기 장애물에 대한 위치를 더 포함하는 지도정보를 생성하되, 비컨과 이동로봇의 위치, 이동로봇의 이동경로, 및 장애물의 위치를 공간상에 기하학적으로 표현한 지도정보를 생성하는, 이동로봇의 위치 추정과 지도 작성 방법.8. The method of claim 7, wherein step (g)
And generating map information that further includes a position of the obstacle, wherein the beacon and the position of the mobile robot, the movement path of the mobile robot, and the position information of the obstacle are geometrically expressed on the space, And how to map. 제5항 내지 제8항에 따른 방법을 실현하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.A computer-readable recording medium storing a program for realizing the method according to any one of claims 5 to 8.
KR1020120112099A 2012-10-09 2012-10-09 Apparatus and Method for Localization and Map Building of a Mobile Robot KR101406175B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120112099A KR101406175B1 (en) 2012-10-09 2012-10-09 Apparatus and Method for Localization and Map Building of a Mobile Robot

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120112099A KR101406175B1 (en) 2012-10-09 2012-10-09 Apparatus and Method for Localization and Map Building of a Mobile Robot

Publications (2)

Publication Number Publication Date
KR20140045848A true KR20140045848A (en) 2014-04-17
KR101406175B1 KR101406175B1 (en) 2014-06-13

Family

ID=50653120

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120112099A KR101406175B1 (en) 2012-10-09 2012-10-09 Apparatus and Method for Localization and Map Building of a Mobile Robot

Country Status (1)

Country Link
KR (1) KR101406175B1 (en)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101722339B1 (en) * 2015-11-18 2017-04-10 한양대학교 산학협력단 Navigation method and target position estimation apparatus for mobile robot
CN107908185A (en) * 2017-10-14 2018-04-13 北醒（北京）光子科技有限公司 A kind of robot autonomous global method for relocating and robot
WO2018227612A1 (en) * 2017-06-16 2018-12-20 Bayerische Motoren Werke Aktiengesellschaft Methods and apparatus for selecting a map for a moving object, system, and vehicle/robot
WO2019199112A1 (en) * 2018-04-13 2019-10-17 (주)랜도르아키텍쳐 Autonomous work system and method, and computer-readable recording medium
KR20190120108A (en) * 2018-04-13 2019-10-23 (주)랜도르아키텍쳐 Autonomous Working System, Method and Computer Readable Recording Medium
US10663972B2 (en) 2015-09-18 2020-05-26 Samsung Electronics Co., Ltd. Apparatus for localizing cleaning robot, cleaning robot, and controlling method of cleaning robot
US10860033B2 (en) 2016-12-16 2020-12-08 Samsung Electronics Co., Ltd. Movable object and method for controlling the same
CN112180910A (en) * 2019-06-18 2021-01-05 北京京东尚科信息技术有限公司 Obstacle sensing method and device for mobile robot
CN113252371A (en) * 2020-02-07 2021-08-13 株式会社安川电机 State estimation device, system and manufacturing method
KR20220006814A (en) * 2020-07-09 2022-01-18 엘지전자 주식회사 Control method for moving robot
KR20220120375A (en) * 2021-02-23 2022-08-30 현대자동차주식회사 Apparatus for estimating position, system having the same and method thereof
CN113252371B (en) * 2020-02-07 2024-04-26 株式会社安川电机 State estimation device, system and manufacturing method

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100834761B1 (en) * 2005-11-23 2008-06-05 삼성전자주식회사 Method and apparatus for reckoning position of moving robot
KR100776944B1 (en) * 2006-05-01 2007-11-21 주식회사 한울로보틱스 The map building method for mobile robot

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10663972B2 (en) 2015-09-18 2020-05-26 Samsung Electronics Co., Ltd. Apparatus for localizing cleaning robot, cleaning robot, and controlling method of cleaning robot
KR101722339B1 (en) * 2015-11-18 2017-04-10 한양대학교 산학협력단 Navigation method and target position estimation apparatus for mobile robot
US10860033B2 (en) 2016-12-16 2020-12-08 Samsung Electronics Co., Ltd. Movable object and method for controlling the same
US11391590B2 (en) 2017-06-16 2022-07-19 Bayerische Motoren Werke Aktiengesellschaft Methods and apparatus for selecting a map for a moving object, system, and vehicle/robot
WO2018227612A1 (en) * 2017-06-16 2018-12-20 Bayerische Motoren Werke Aktiengesellschaft Methods and apparatus for selecting a map for a moving object, system, and vehicle/robot
CN107908185A (en) * 2017-10-14 2018-04-13 北醒（北京）光子科技有限公司 A kind of robot autonomous global method for relocating and robot
WO2019199112A1 (en) * 2018-04-13 2019-10-17 (주)랜도르아키텍쳐 Autonomous work system and method, and computer-readable recording medium
KR20190120108A (en) * 2018-04-13 2019-10-23 (주)랜도르아키텍쳐 Autonomous Working System, Method and Computer Readable Recording Medium
KR102031348B1 (en) * 2018-04-13 2019-11-08 주식회사 랜도르아키텍쳐 Autonomous Working System, Method and Computer Readable Recording Medium
US11820001B2 (en) 2018-04-13 2023-11-21 Landor Architecture, Inc. Autonomous working system, method and computer readable recording medium
CN112180910A (en) * 2019-06-18 2021-01-05 北京京东尚科信息技术有限公司 Obstacle sensing method and device for mobile robot
CN113252371A (en) * 2020-02-07 2021-08-13 株式会社安川电机 State estimation device, system and manufacturing method
CN113252371B (en) * 2020-02-07 2024-04-26 株式会社安川电机 State estimation device, system and manufacturing method
KR20220006814A (en) * 2020-07-09 2022-01-18 엘지전자 주식회사 Control method for moving robot
US11669106B2 (en) 2020-07-09 2023-06-06 Lg Electronics Inc. Moving robot and control method thereof
KR20220120375A (en) * 2021-02-23 2022-08-30 현대자동차주식회사 Apparatus for estimating position, system having the same and method thereof

Also Published As

Publication number Publication date
KR101406175B1 (en) 2014-06-13

Similar Documents

Publication Publication Date Title
KR101406175B1 (en) Apparatus and Method for Localization and Map Building of a Mobile Robot
EP3336489A1 (en) Method and system for automatically establishing map indoors by mobile robot
Meyer-Delius et al. Temporary maps for robust localization in semi-static environments
US20040039498A1 (en) System and method for the creation of a terrain density model
CN109682368A (en) Robot and map constructing method, localization method, electronic equipment, storage medium
CN104536445A (en) Mobile navigation method and system
CN111487960A (en) Mobile robot path planning method based on positioning capability estimation
Lee et al. A reliable position estimation method of the service robot by map matching
Liu et al. Mobile robot localisation and navigation using lego nxt and ultrasonic sensor
Wasisto et al. Implementation of mobile sensor navigation system based on adaptive Monte Carlo localization
JP2019036192A (en) Mobile robot which simulates walking of pedestrian
CN114879660A (en) Robot environment sensing method based on target driving
Ruddick et al. Design and performance evaluation of an infotaxis-based three-dimensional algorithm for odor source localization
Zheng et al. A hierarchical approach for mobile robot exploration in pedestrian crowd
Schwertfeger et al. Using a fiducial map metric for assessing map quality in the context of robocup rescue
Camargo et al. Mobile robot autonomous exploration and navigation in large-scale indoor environments
Almanza-Ojeda et al. Occupancy map construction for indoor robot navigation
Naveed et al. Analysis of indoor robot localization using ultrasonic sensors
Kumar Development of SLAM algorithm for a Pipe Inspection Serpentine Robot
Yuan et al. Active exploration using a scheme for autonomous allocation of landmarks
Seenu et al. Autonomous cost-effective robotic exploration and mapping for disaster reconnaissance
Saputra Implementation 2d ekf-based simultaneous localisation and mapping for mobile robot
Suryaprakash et al. Development of an Indoor Navigation System for Mobile Robots Using Sensor Fusion and Path Planning Algorithms
Nakamura et al. Simplified SLAM using reflection intensity of laser range sensor with retro-reflective marker
Liu et al. Leveraging spatial model to improve indoor tracking

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180521

Year of fee payment: 5