KR20140108821A

KR20140108821A - 이동 로봇 및 이동 로봇의 위치 추정 및 맵핑 방법

Info

Publication number: KR20140108821A
Application number: KR1020130022466A
Authority: KR
Inventors: 김인주; 이승목; 김신; 명현; 박별터; 박지은; 정종대
Original assignee: 삼성전자주식회사; 한국과학기술원
Priority date: 2013-02-28
Filing date: 2013-02-28
Publication date: 2014-09-15
Also published as: US20140244094A1; EP2772815A3; EP2772815A2; CN104316050B; CN104316050A; US9164509B2

Abstract

본 발명은 이동 로봇 및 이동 로봇의 위치 추정 및 맵핑 방법에 관한 것으로, 복수의 벡터 필드 센서를 이용하여 상대 좌표의 누적 오차를 보상하도록 함으로써 이동 로봇의 위치 추정 및 맵핑에서의 위치 오차를 크게 개선할 수 있도록 하는데 그 목적이 있다. 이를 위해 본 발명에 따른 이동 로봇의 위치 추정 및 맵핑 방법은, 인코더를 이용하여 이동 공간 내에서의 상대 좌표를 획득하고; 복수의 벡터 필드 센서를 이용한 신호의 세기와 방향 가운데 적어도 하나의 검출을 통해 이동 공간 내에서의 절대 좌표를 획득하며; 이동 공간의 표면에 복수의 가상 셀들을 정의하되 복수의 셀 각각이 미리 정해진 위치를 갖는 복수의 노드를 갖도록 정의하고; 인코더를 통해 획득한 상대 좌표와 복수의 벡터 필드 센서를 통해 획득한 상대 좌표를 이용하여 하나 이상의 셀의 복수의 노드들의 위치 정보를 업데이트하면서 이동 공간 내에서의 위치 추정 및 맵핑을 수행하되, 이동 중에 새로운 노드의 위치 정보를 추정하면서 이전 노드의 위치 정보를 확정한다.

Description

이동 로봇 및 이동 로봇의 위치 추정 및 맵핑 방법{MOBILE ROBOT AND METHOD OF LOCALIZATION AND MAPPING OF MOBILE ROBOT}

본 발명은 이동 로봇의 위치 추정 및 맵핑에 관한 것으로, 이동 로봇이 자신의 현재 위치를 추정하고, 이를 바탕으로 맵(Map)을 생성하는 방법에 관한 것이다.

이동 로봇의 위치 추정 및 맵핑 기술의 하나인 SLAM(Simultaneous Localization and Mapping) 기술은 크게 다음의 두 가지로 구분할 수 있다. 첫 번째는, 이동 로봇이 인식할 수 있는 특정 표식(예를 들면 Landmark나 Beacon)이 있는 환경에서 위치를 인식하는 방법이다. 두 번째는, 특정 표식이 없는 일반적인 환경에서 위치를 인식할 수 있는 방법이다. 두 번째 방법의 경우, 특정 표식이 없는 환경에서는 위치를 인식하기 위해 다양한 센서를 사용하게 된다. 이 때 사용되는 대표적인 센싱 방식으로는, 영상이나 레이저, 초음파 등을 활용하는 센싱 방식을 들 수 있다. 기존에는 이러한 센싱 방식들을 활용하여 다른 위치와 구별되는 특징이 되는 지점(Landmark)을 찾고, 이 지점들을 불연속적으로(Discrete) 생성하여 위치를 인식한다. 근래에는, 위치 파악 및 맵핑에서의 오차를 줄이기 위해 불연속적인 랜드마크를 확장하여 연속적인 벡터 필드(Continuous Vector Field)를 활용하는 방법이 연구되고 있다.

그러나 벡터 필드를 활용하는 경우, 단수의 센서만을 이용하여 벡터 필드를 생성하게 되면, 이동 로봇이 벡터 필드를 구성하는 기본 셀(Cell)을 비껴 나가거나, 이동 로봇이 셀의 경계 지점을 따라 이동하는 경우에 각 노드(Node)(Cell의 경계)들의 정보가 충분히 업데이트되지 않아 위치 오차가 개선되지 않는 문제가 발생한다. 특히 이동 로봇의 속도가 빠를 경우 위치 오차 문제는 더 심각해진다.

본 발명은, 이동 로봇의 위치 추정 및 맵핑에 있어서, 복수의 벡터 필드 센서를 이용하여 상대 좌표의 누적 오차를 보상하도록 함으로써 이동 로봇의 위치 추정 및 맵핑에서의 위치 오차를 크게 개선할 수 있도록 하는데 그 목적이 있다.

본 발명에 따른 이동 로봇의 위치 추정 및 맵핑 방법은, 인코더를 이용하여 이동 공간 내에서의 상대 좌표를 획득하고; 복수의 벡터 필드 센서를 이용한 신호의 세기와 방향 가운데 적어도 하나의 검출을 통해 이동 공간 내에서의 절대 좌표를 획득하며; 이동 공간의 표면에 복수의 가상 셀들을 정의하되 복수의 셀 각각이 미리 정해진 위치를 갖는 복수의 노드를 갖도록 정의하고; 인코더를 통해 획득한 상대 좌표와 복수의 벡터 필드 센서를 통해 획득한 상대 좌표를 이용하여 하나 이상의 셀의 복수의 노드들의 위치 정보를 업데이트하면서 이동 공간 내에서의 위치 추정 및 맵핑을 수행하되, 이동 중에 새로운 노드의 위치 정보를 추정하면서 이전 노드의 위치 정보를 확정한다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 이동 로봇이 복수의 셀 가운데 어느 하나의 셀 안에 위치할 때, 노드의 위치 정보를 업데이트한다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 이동 로봇이 복수의 셀 가운데 어느 하나의 셀 안에 위치할 때, 노드의 가중치를 계산하여 적용하는 것을 더 포함한다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 이동 로봇이 복수의 셀 가운데 어느 하나의 셀에서 다른 새로운 셀로 이동할 때, 확장될 노드와 연결되는 노드를 초기화한다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 연결되는 노드의 초기화는 연결되는 노드의 평균 값(mean value)과 공분산 값(covariance value)을 기반으로 이루어진다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 위치 추정 및 맵핑은 고속 SLAM(Fast Simultaneous Localization and Mapping) 이론을 적용하여 이루어진다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 복수의 벡터 필드 센서를 통해 획득한 상대 좌표를 이용하여 인코더를 통해 획득한 상대 좌표의 오차를 보정한다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 상대 좌표는 이동 로봇의 x축 좌표와 y축 좌표, 진행 방향의 각도를 포함하는 오도메트리 좌표이다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 복수 셀들이 서로 연속성을 갖는다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 복수 셀 각각을 구성하는 복수의 노드가 서로 연속성을 갖는다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 복수의 벡터 필드 센서가 자기장 센서이다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 복수의 벡터 필드 센서가 와이-파이 신호 검출기이다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 복수의 벡터 필드 센서가 FM 수신기이다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 복수의 벡터 필드 센서가 이동 로봇의 진행 방향을 따라 전방과 후방에 적어도 두 개가 마련된다.

본 발명에 따른 이동 로봇은, 이동 공간 내에서의 상대 좌표를 획득하기 위한 인코더와; 신호의 세기 및 방향 가운데 적어도 하나의 검출을 통해 이동 공간 내에서의 절대 좌표를 획득하기 위한 복수의 벡터 필드 센서와; 이동 공간의 표면에 복수의 가상 셀들을 정의하되 복수의 셀 각각이 미리 정해진 위치를 갖는 복수의 노드를 갖도록 정의하며, 인코더를 통해 획득한 상대 좌표와 복수의 벡터 필드 센서를 통해 획득한 상대 좌표를 이용하여 하나 이상의 셀의 복수의 노드들의 위치 정보를 업데이트하면서 이동 공간 내에서의 위치 추정 및 맵핑을 수행하되, 이동 중에 새로운 노드의 위치 정보를 추정하면서 이전 노드의 위치 정보를 확정하는 제어부를 포함한다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 제어부는, 이동 로봇이 복수의 셀 가운데 어느 하나의 셀 안에 위치할 때, 노드의 위치 정보를 업데이트한다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 제어부는, 이동 로봇이 복수의 셀 가운데 어느 하나의 셀 안에 위치할 때, 노드의 가중치를 계산하여 적용하는 것을 더 포함한다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 제어부는, 이동 로봇이 복수의 셀 가운데 어느 하나의 셀에서 다른 새로운 셀로 이동할 때, 확장될 노드와 연결되는 노드를 초기화한다.

또한, 상술한 이동 로봇의 위치 추정 및 맵핑 방법에서, 제어부는, 복수의 벡터 필드 센서를 통해 획득한 상대 좌표를 이용하여 인코더를 통해 획득한 상대 좌표의 오차를 보정한다.

본 발명은, 이동 로봇의 위치 추정 및 맵핑에 있어서, 복수의 센서들을 이용하여 벡터장(Vector Field)을 생성하고 활용함으로써, 보다 더 정확한 위치 추정 및 맵 생성이 가능하다.

도 1은 본 발명의 일 실시 예에 따른 이동 로봇을 나타낸 도면이다.
도 2는 도 1에 나타낸 이동 로봇의 제어 계통을 나타낸 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 이동 로봇의 이동 공간의 일 실시 예를 나타낸 도면이다.
도 4는 도 1에 나타낸 이동 로봇에서 수행되는 위치 추정 및 맵핑의 개요를 나타낸 도면이다.
도 5는 본 발명의 실시 예에 따른 이동 로봇의 제어 방법을 나타낸 도면이다.
도 6은 본 발명의 실시 예에 따른 이동 로봇이 하나의 셀 안에 위치할 때 해당 셀을 구성하는 노드를 나타낸 도면이다.
도 7은 본 발명의 실시 예에 따른 이동 로봇이 하나의 셀에서 다른 셀로 이동할 때의 주변의 셀들과 노드를 나타낸 도면이다.
도 8은 본 발명의 실시 예에 따른 이동 로봇의 제어 방법에서 노드 초기화를 설명하기 위한 도면이다.
도 9는 본 발명의 실시 예에 따른 이동 로봇의 사각 주행 시뮬레이션 결과를 나타낸 도면이다.
도 10은 본 발명의 실시 예에 따른 이동 로봇의 지그-재그 주행 시뮬레이션 결과를 나타낸 도면이다.

도 1은 본 발명의 일 실시 예에 따른 이동 로봇을 나타낸 도면이다. 도 1에 나타낸 이동 로봇(100)은 로봇 청소기를 예로 든 것으로서, 실내 공간을 이동하면서 내부의 팬의 회전에 의한 흡입력 및/또는 대전 장치에 의한 정전기를 이용하여 바닥에 있는 이물질을 흡입하여 청소한다. 이동 로봇(100)의 배터리 충전과 이물질 배출을 위해 도킹 스테이션(미도시)이 마련될 수 있다.

로봇 본체(110)의 하부에는 이동 로봇(100)이 이동하도록 전동 휠(218)이 설치되는데, 이 전동 휠(218)은 구동 모터(미도시)에 의해 구동되어 이동 로봇(100)이 직선 운동 및 회전 운동을 할 수 있도록 한다. 또, 로봇 본체(104)의 외측에는 적외선 센서나 초음파 센서 등과 같은 장애물 검출부(106)가 설치되어 이동 중에 장애물을 회피할 수 있도록 한다. 로봇 본체(110)의 상부에는 복수의 벡터 필드 센서(108)가 마련된다. 도 1에서는 두 개의 벡터 필드 센서(108)가 마련되는 것으로 도시하였다. 또한 이하의 설명에서는, 본 발명의 수학적 설명을 위해 N개의 벡터 필드 센서(108)가 마련되는 것으로 가정한다.

도 2는 도 1에 나타낸 이동 로봇의 제어 계통을 나타낸 블록도이다. 도 2에 나타낸 바와 같이, 이동 로봇(100)의 제어 계통은 이동 로봇(100)의 동작 전반을 제어하는 제어부(214)를 중심으로 이루어진다. 제어부(214)의 입력 측에는 인코더(206)와 복수의 벡터 필드 센서(108), 배터리 잔량 검출부(212), 장애물 검출부(106), 이물질 수거량 검출부(216) 등이 제어부(214)에 통신 가능하도록 전기적으로 연결된다. 인코더(206)는 이동 로봇(100)의 상대 좌표를 획득하기 위한 센서로서, 이동 로봇(100)의 전동 휠(218)의 회전 속도와 회전 방향을 검출하여 그 값을 제어부(214)로 전송한다. 인코더(206)를 통해 검출되는 전동 휠(218)의 회전 속도와 회전 방향은 이동 로봇의 오도메트리 좌표(Δx, Δy, Δθ)를 구하기 위한 것이다. 복수의 벡터 필드 센서(108)는 이동 로봇(100)의 절대 좌표를 구하기 위한 것으로서, 이동 로봇(100) 주변의 특정 신호의 세기와 방향 등을 통해 이동 로봇(100) 자신의 절대 위치를 검출한다. 여기서 절대 위치는 특정 신호의 세기와 방향에 의해 결정되는 좌표에서의 위치이다. 이동 로봇(100)은 인코더(206)와 복수의 벡터 필드 센서(108)을 통해 획득한 위치 정보를 통해 자신의 현재 위치를 파악하고, 전동 휠(218)을 구동하여 목적지까지 이동한다. 이 과정에서 제어부(214)는 이동 로봇(100)이 이동하고 있는 공간의 맵핑을 실시한다. 배터리 잔량 검출부(212)는 충전 배터리(210)의 충전 잔량을 검출하여 그 충전 잔량 정보를 제어부(214)에 제공한다. 제어부(214)는, 충전 배터리(210)의 충전 잔량이 적어 충전이 요구된다고 판단되면, 이동 로봇(100)의 현재 수행중인 작업을 중단하고 도킹 스테이션으로 귀환하여 충전 배터리(210)를 충전하도록 이동 로봇(100)을 제어한다. 장애물 검출부(106)는 이동 로봇(100)이 이동하는 동안 전방에 장애물이 존재하는지를 검출하여 장애물 정보를 제어부(214)에 제공한다. 제어부(214)는 이 장애물 정보에 근거하여 이동 로봇(100)이 장애물을 우회하도록 이동 경로를 변경함으로써 이동 로봇(100)이 장애물로 인하여 운행을 중단하는 일이 발생하지 않도록 한다. 이물질 수거량 검출부(216)는 이동 로봇(100) 내에 수거되어 있는 이물질의 양을 검출하여 이물질 수거량 정보를 제어부(214)에 제공한다. 제어부(214)는 이물질 수거량 정보를 통해 현재 이동 로봇(100) 내에 적재되어 있는 이물질의 양을 확인하고, 현재 적재되어 있는 이물질의 양이 이동 로봇(100) 자신이 보관할 수 있는 최대 적재량에 도달하면 더 이상의 청소 작업을 중단하고 도킹 스테이션(102)으로 귀환하여 이물질 배출 작업을 실시하도록 이동 로봇(100)을 제어한다.

제어부(214)의 출력 측에는 회전체(160e)와 전동 휠(218), 흡진부(220)가 통신 가능하도록 전기적으로 연결된다. 회전체(160e)는 도 1에서 언급한 수신부(160)의 구성 요소 가운데 하나로서, 안테나(160a-160d)를 일정한 궤도 상에서 등속 회전시키기 위한 것이다. 전동 휠(218)은 이동 로봇(100)의 이동을 위한 것으로서, 전진 또는 후진을 위한 구동륜과 방향 전환을 위한 방향 전환륜을 포함한다. 흡진부(220)는 이동 로봇(100)의 하부를 향하도록 마련되며, 청소하고자 하는 구역의 바닥 면에 있는 이물질을 흡입하여 이동 로봇(100) 내부의 이물질 적재 공간에 적재되도록 한다.

구동륜과 방향 전환륜으로 구성되는 전동 휠(218)은 이동 로봇(100)이 고정된 위치에서 회전할 수 있도록 해 준다.

도 3은 본 발명의 일 실시 예에 따른 이동 로봇의 이동 공간의 일 실시 예를 나타낸 도면이다. 먼저 도 3(A)에 나타낸 바와 같이, 이동 로봇(100)은 주어진 공간의 2차원 평면(예를 들면 바닥 면)(302)을 따라 이동한다. 이동 로봇(100)은 이 2차원 평면(302) 상에 연속적인(또는 주기적인) 벡터 필드를 형성하고, 이 벡터 필드의 검출을 통해 전동 휠(218)의 오도메트리 누적 오차를 보정한다. 즉, 전동 휠(218)에는 인코더(206)가 마련되며, 인코더(206)를 통해 전동 휠(218)의 회전량과 회전 속도를 검출하는데, 이동 로봇(100)의 이동 거리가 증가할수록 인코더(206)의 검출 결과에 오차가 누적되기 때문에 위치 측정 결과를 신뢰할 수 없게 된다. 본 발명에서는 벡터 필드 센서(108)를 이용하여 이동 로봇(100) 주변의 절대 위치를 파악하여 오도메트리의 누적 오차를 보상함으로써 이동 로봇(100)의 정확한 위치 추정 및 맵핑이 가능하도록 한다. 도 3(B)는 2차원 평면(302) 상에 가상으로 형성되는 복수의 셀들(304)을 나타낸 도면이다. 도 3(B)에 나타낸 바와 같이, 이동 로봇(100)이 이동하게 될 2차원 평면(302)에 복수의 셀들(304)이 서로 연속하여 가상으로 형성된다. 이 복수의 셀들(304)이 형성하는 벡터 필드에서는 셀들(304)이 서로 연속하여 형성되고 또 셀들(304)이 서로 동일한 크기를 갖기 때문에 각각의 셀(304)이 만나는 지점에서 형성되는 노드들(306) 사이의 거리는 연속적이면서 주기적이다.

본 발명의 실시 예에 따른 이동 로봇(100)의 복수의 벡터 필드 센서(108)는 이동 과정에서 셀들(304)의 노드들(306)을 업데이트하기 위한 것으로서, 이동 로봇이 임의의 어떠한 지점에 위치해 있더라도 복수의 벡터 필드 센서(108)를 이용해 동시에 여러 셀들(304)의 노드(306)의 정보를 업데이트하기 때문에 위치 오차를 크게 개선함으로써 더욱 정확한 위치 추정 및 맵핑을 실시할 수 있다. 이를 위해 본 발명에 따른 복수의 벡터 필드 센서(108)는 ‘연속성(continuity)’과 ‘큰 공간적 변화(Large Spatial Variation)’, ‘작은 시간적 변화(Small Temporal Variation)’ 등의 특성을 갖는다. ‘연속성’은 이웃한 셀(304) 또는 이웃한 노드(306)가 이산적(discrete)인 것이 아닌 연속적인(continuous) 것을 의미하고, ‘큰 공간적 변화’는 이동 로봇(100)이 짧은 거리를 이동하더라도 복수의 벡터 필드 센서(108)에 의해 검출되는 벡터 필드의 변화량이 큰 것을 의미하며, ‘작은 시간적 변화’는 복수의 벡터 필드 센서(108)의 검출 시점마다의 오차가 작은 것을 의미한다. 이와 같은 복수의 벡터 필드 센서(108)의 예로는 지구 전역에 걸쳐 형성되는 자기장에 의해 형성되는 벡터 필드를 검출하는 자기장 센서 또는 WI-FI 신호에 의해 형성되는 벡터 필드를 검출하는 와이-파이 신호 검출기(WI-FI Received Signal Strength Indicator), FM 수신기 등이 이용될 수 있다. 지구의 북극과 남극 사이에는 거의 자기 쌍극자 형태의 자기장이 형성되는데, 이 자기장이 위치에 따라 그 방향과 세기가 다르기 때문에, 벡터 필드 센서(108)를 자기장 센서로 구현하여 지자기의 방향과 세기를 측정함으로써 이를 근거로 이동 로봇(100)의 벡터 필드 상의 위치를 검출할 수 있다. 와이-파이 신호 검출기나 FM 수신기의 경우에도 와이-파이 중계기 또는 FM 송신기에서 발생하는 무선 신호의 크기를 기준으로 이동 로봇(100)의 벡터 필드 상의 위치를 검출할 수 있다. 와이-파이 신호 검출기나 FM 수신기 등은 와이-파이 중계기나 FM 신호 발생기 등이 필요하지만, 자기장 센서의 경우 지구 주변에 자연적으로 생성되는 지자기를 이용하는 것이어서 신호 발생기 등의 추가 장치 없이 상대적으로 더 편리하게 이용할 수 있다.

도 4는 도 1에 나타낸 이동 로봇에서 수행되는 위치 추정 및 맵핑의 개요를 나타낸 도면이다. 도 4에 나타낸 바와 같이, 본 발명의 실시 예에 따른 이동 로봇(100)의 제어부(214)는 인코더(206)로부터 전동 휠(218)의 이동 정보를 제공받아 이로부터 이동 로봇(100)의 오도메트리 데이터(Δx, Δy, Δθ)를 획득하고 또 복수(N개)의 벡터 필드 센서(108)로부터 벡터 필드 SLAM을 수행하기 위한 벡터 필드 데이터를 제공받는다. 제어부(214)는 이 두 가지 데이터를 이용하여 셀들(304)의 노드들(306)의 위치 정보를 업데이트하면서 이동 로봇(100)의 현재 위치를 추정하고 이를 누적하여 맵핑을 실시한다.

도 5는 본 발명의 실시 예에 따른 이동 로봇의 제어 방법을 나타낸 도면이다. 도 5에 나타낸 제어 방법은 앞서 도 4에서 개괄적으로 설명한 위치 추정 및 맵핑을 좀 더 구체적으로 나타낸 것이다. 도 5에 나타낸 제어 방법은 본 발명의 실시 예에 따른 이동 로봇(100)의 제어부(214)의 제어에 따라 이루어진다.

제어부(214)는 인코더(206)로부터 전동 휠(218)의 이동 정보를 제공받아 이로부터 이동 로봇(100)의 현재 위치를 추정하기 위한 오도메트리 데이터(Δx, Δy, Δθ)를 획득한다(502). 또한, 제어부(214)는 복수의 벡터 필드 센서(108)로부터 벡터 필드 SLAM을 수행하기 위한 벡터 필드 데이터를 제공받는다.

이 때, 만약 이동 로봇(100)이 기존의 어느 한 셀(304)에서 다른 새로운 셀(304)로 이동하지 않고 기존의 셀(304) 내에서 위치만 변경된 경우에는(506의 ‘아니오’), 이하에서 설명하는 노드 업데이트(508)과 가중치 계산(510), 선택적 리샘플링(512)의 과정을 통해 현재 위치를 추정하고 맵핑을 실시한다.

먼저, 노드 업데이트(508)에서는, 노드를 업데이트하기 위해 로봇의 확장형 칼만 필터(Extended Kalman Filter)를 이용한다. 본 발명의 실시 예에서는 확장형 칼만 필터를 적용하기 위해 필요한 관측 모델을 아래와 같이 생성한다. 복수(N개)의 벡터 필드 센서(108)로부터 획득한 N개의 벡터 필드 센서 중에서 k번째 벡터 필드 데이터에 대해 2중 선형 보간법(bilinear interpolation)을 다음의 [식 1]과 같이 정의할 수 있다.

[식 1]

[식 1]에서 x1과 x2, x3는 각각 이동 로봇의 오도메트리 데이터의 Δx와 Δy, Δθ이다. 이와 같은 [식 1]의 요소는 다음의 [식 2]와 같이 구할 수 있다. [식 2]의 설명을 위해 도 6을 참조하고자 한다. 도 6은 본 발명의 실시 예에 따른 이동 로봇이 하나의 셀 안에 위치할 때 해당 셀을 구성하는 노드를 나타낸 도면이다.

[식 2]

[식 2]에서, 이동 로봇(100)의 위치는 오도메트리에 의해 구해진 측정값이고, ‘k’로 표시된 벡터 필드 센서(108)의 위치는 이동 로봇(100)에 위치한 벡터 필드 센서(108)의 위치에 관련된 물리적인 값이다. 예를 들면, 반경이 200mm인 원형의 이동 로봇(100)에서는 이동 로봇의 중심을 좌표계 상에서 원점(0,0)이라고 할 수 있는데, 이 때 벡터 필드 센서(108)가 이동 로봇(100) 가장 자리의 끝(x 좌표를 기준으로)에 장착되어 있으면, 벡터 필드 센서(108)의 위치는 (200, 0)이라고 할 수 있으며, 이 때의 (200, 0)이 벡터 필드 센서(108)의 위치에 관련된 물리적인 값이 된다. [식 1]과 도 6에서 노드 l의 신호 값(s)은 벡터 필드 센서(108)에 의해 측정된 벡터 필드 데이터이다.

도 6을 참조하여 [식 2]를 살펴보면, [식 2]는 도 6에 나타낸 것과 같은 하나의 셀(304) 안에서의 정확한 위치를 표시하기 위한 것이다. x3가 이동 로봇의 회전각 Δθ를 나타내기 때문에 이미 좌표계 변환이 이루어진 것이고, [식 2]에 나타낸 네 개의 값은 네 개의 노드 1-4에서 가중치(weight)를 고려한 이동 로봇(100)의 x, y, z 좌표를 나타낸다. 가중치는 노드 1-4의 위치 값과 복수의 벡터 필드 센서(108)의 위치 값을 고려하여 정해진다. 즉 도 6에 나타낸 바와 같이, 셀(304) 안에서의 이동 로봇(100)의 위치(더욱 정확하게는 이동 로봇(100)의 복수의 벡터 필드 센서(108)의 위치)에 따라 노드 1-4 각각의 가중치가 달라진다. 도 6에서 이동 로봇(100)은 노드 1에 가장 가깝고, 그 다음으로 노드 3에 가까우며, 노드 2와 노드 4는 상대적으로 더 멀리 있다. 즉 이동 로봇(100)은 노드 1 → 노드 3 → 노드 2 → 노드 4의 순서로 가깝게 위치해 있음을 알 수 있다. 이 경우, 이동 로봇(100)과 노드 1-4 각각을 연결한 선의 굵기에서 알 수 있듯이, 이동 로봇(100)과 가장 가까운 노드 1에 대해서는 가장 큰 가중치(ω1)를 적용하고 그 다음으로 이동 로봇(100)과 가까운 순서로 노드 3에 대해 가중치(ω3)을 적용하고, 노드 2에 대해 가중치(ω2)를 적용하며, 노드 4에 대해 가중치(ω4)를 적용한다. 가중치의 크기는 ω1 → ω3 → ω2 → ω4의 순서이다.

이동 로봇(100)의 하나의 위치에 대해서 복수의 벡터 필드 센서(108)가 존재하기 때문에, 예를 들어 벡터 필드 센서(108)가 N개라고 할 때, N개의 벡터 필드 센서(108)에 대해서 관측 모델(Observation Model)은 다음의 [식 3]과 같이 나타낼 수 있다.

[식 3]

확장형 칼만 필터(EKF)를 구하기 위해서는 [식 3]의 관측 모델의 Jacobian이 필요한데, 이를 위해 다음의 [식 4]와 같은 계산을 수행한다.

[식 4]

[식 4]에서, l1, l2, ... , lk는 도 7에 나타낸 것과 같은 이동 로봇(100)의 복수의 벡터 필드 센서(108)가 걸치고 있는 셀들의 모든 노드(즉 관측된 k개의 랜드마크)들을 의미한다. 도 7은 본 발명의 실시 예에 따른 이동 로봇이 하나의 셀에서 다른 셀로 이동할 때의 주변의 셀들과 노드를 나타낸 도면이다. [식 4]에서 구한 Hf 모델을 다음의 식 [5]와 같이 확장형 칼만 필터(EKF)에 적용한다.

[식 5]

다시 도 5로 돌아와서, 가중치 계산(510)에서는, 측정치와 계산치의 오차를 반영한 가중치를 다음의 [식 6]과 같이 계산한다. 아래의 [식 6]의 값은 선택적 리샘플링(512) 시 선택을 위해 사용된다.

[식 6]

만약 이동 로봇(100)이 기존의 어느 한 셀(304)에서 다른 새로운 셀(304)로 이동한 경우에는(506의 ‘예’), 노드 초기화(Node Initialization)를 실시한다(514). 도 8은 본 발명의 실시 예에 따른 이동 로봇의 제어 방법에서 노드 초기화를 설명하기 위한 도면이다. 도 8에 나타낸 바와 같이, 이동 로봇(100)이 주어진 공간의 2차원 평면(예를 들면 바닥 면)(302)을 따라 이동하면서, 벡터 필드 검출을 통해 가상으로 임의의 셀을 정의한다. 임의의 셀의 정의는 셀을 구성하는 복수의 노드를 규정하는 것을 포함한다. 이동 로봇(100)의 제어부(214)는 임의의 셀(예를 들면 812)에서 해당 셀(812)을 구성하는 노드(802)(804)의 신호의 크기(예를 들면 자기장의 크기)를 검출하여 노드(802)(804)의 위치를 추정한다. 이 상태에서 이동 로봇(100)이 이웃한 다른 셀(814)로 이동하면서 새로운 셀(814)의 노드(804)(806)를 대상으로 가중치를 생성하여 위치를 추정하면서 기존 셀(812)의 노드(802)의 위치를 확정한다. 이 때 이동 로봇(100)의 제어부(214)는 확장될 노드(806)와 연결되는 노드(804)의 평균 값(mean value)과 공분산 값(covariance value)을 기반으로 초기화 값을 정하고, 셀(812)(814)의 크기와 벡터 필드 센서(108)의 수에 따른 벡터 필드의 특성을 고려하여 불확실성(uncertainty)을 더하여 셀의 초기화(Initialization)를 수행한다.

이어서, 제어부(214)는 벡터 필드 SLAM(506-512)의 결과를 이용하여 노드들(306)의 위치 정보를 업데이트하면서 이동 로봇(100)의 현재 위치를 추정하고(514) 이를 누적하여 이동 로봇(100)의 주변에 대한 맵핑을 실시한다(516). 이처럼 이동 로봇(100)이 위치해 있는 셀의 복수의 노드를 대상으로 가중치를 생성하여 위치를 추정함으로써 위치 파악의 정확도를 높일 수 있다.

도 9는 본 발명의 실시 예에 따른 이동 로봇의 사각 주행 시뮬레이션 결과를 나타낸 도면이다. 도 9에 나타낸 시뮬레이션 조건은 다음과 같다. 도 9에서 입력 필드는 벡터 필드 센서(108)가 지자기 센서일 때 지자기 센서로 입력되는 값이다. 지자기 센서는 3축 센서이므로 입력되는 값은 세 개다.

σv=0.015m/s(제어 노이즈), σR=0.5(관측 노이즈)

속도 : 0.3m/s

4각형 모양의 주행 경로를 5회 왕복

셀 크기 : 1x1 미터

벡터 필드 센서 설치 간격 : 0.35m(전후방 2개 설치)

파티클의 수 : 20개

도 10은 본 발명의 실시 예에 따른 이동 로봇의 지그-재그 주행 시뮬레이션 결과를 나타낸 도면이다. 도 10에 나타낸 시뮬레이션 조건은 다음과 같다. 도 10에서 입력 필드는 벡터 필드 센서(108)가 지자기 센서일 때 지자기 센서로 입력되는 값이다. 지자기 센서는 3축 센서이므로 입력되는 값은 세 개다.

σv=0.015m/s(제어 노이즈), σR=0.5(관측 노이즈)

속도 : 0.3m/s

지그-재그(zig-zag) 모양의 주행 경로를 5회 왕복

셀 크기 : 1x1 미터

벡터 필드 센서 설치 간격 : 0.35m(전후방 2개 설치)

파티클의 수 : 20개

도 9 및 도 10에 나타낸 시뮬레이션 결과를 종합해 보면, 아래의 [표 1]에 정리한 것처럼 본 발명에 따른 이동 로봇의 제어 방법을 적용하지 않은 기존 방법의 최대 오차보다 본 발명을 적용한 경우의 최대 오차가 상대적으로 크게 감소하는 것을 알 수 있다.

100 : 이동 로봇
108 : 벡터 필드 센서
206 : 인코더
218 : 전동 휠
302 : 이동 공간
304, 812, 814 : 셀
306, 802, 804, 806 : 노드

Claims

인코더를 이용하여 이동 공간 내에서의 상대 좌표를 획득하고;
복수의 벡터 필드 센서를 이용한 신호의 세기와 방향 가운데 적어도 하나의 검출을 통해 상기 이동 공간 내에서의 절대 좌표를 획득하며;
상기 이동 공간의 표면에 복수의 가상 셀들을 정의하되 상기 복수의 셀 각각이 미리 정해진 위치를 갖는 복수의 노드를 갖도록 정의하고;
상기 인코더를 통해 획득한 상대 좌표와 상기 복수의 벡터 필드 센서를 통해 획득한 상대 좌표를 이용하여 하나 이상의 상기 셀의 복수의 노드들의 위치 정보를 업데이트하면서 상기 이동 공간 내에서의 위치 추정 및 맵핑을 수행하되, 이동 중에 새로운 노드의 위치 정보를 추정하면서 이전 노드의 위치 정보를 확정하는 이동 로봇의 위치 추정 및 맵핑 방법.
제 1 항에 있어서,
상기 이동 로봇이 상기 복수의 셀 가운데 어느 하나의 셀 안에 위치할 때, 상기 노드의 위치 정보를 업데이트하는 이동 로봇의 위치 추정 및 맵핑 방법.
제 2 항에 있어서,
상기 이동 로봇이 상기 복수의 셀 가운데 어느 하나의 셀 안에 위치할 때, 상기 노드의 가중치를 계산하여 적용하는 것을 더 포함하는 이동 로봇의 위치 추정 및 맵핑 방법.
제 1 항에 있어서,
상기 이동 로봇이 상기 복수의 셀 가운데 어느 하나의 셀에서 다른 새로운 셀로 이동할 때, 확장될 노드와 연결되는 노드를 초기화하는 이동 로봇의 위치 추정 및 맵핑 방법.
제 4 항에 있어서,
상기 연결되는 노드의 초기화는 상기 연결되는 노드의 평균 값(mean value)과 공분산 값(covariance value)을 기반으로 이루어지는 이동 로봇의 위치 추정 및 맵핑 방법.
제 1 항에 있어서,
상기 위치 추정 및 맵핑은 고속 SLAM(Fast Simultaneous Localization and Mapping) 이론을 적용하여 이루어지는 이동 로봇의 위치 추정 및 맵핑 방법.
제 1 항에 있어서,
상기 복수의 벡터 필드 센서를 통해 획득한 상대 좌표를 이용하여 상기 인코더를 통해 획득한 상대 좌표의 오차를 보정하는 이동 로봇의 위치 추정 및 맵핑 방법.
제 1 항에 있어서,
상기 상대 좌표는 상기 이동 로봇의 x축 좌표와 y축 좌표, 진행 방향의 각도를 포함하는 오도메트리 좌표인 이동 로봇의 위치 추정 및 맵핑 방법.
제 1 항에 있어서,
상기 복수 셀들이 서로 연속성을 갖는 이동 로봇의 위치 추정 및 맵핑 방법.
제 9 항에 있어서,
상기 복수 셀 각각을 구성하는 복수의 노드가 서로 연속성을 갖는 이동 로봇의 위치 추정 및 맵핑 방법.
제 1 항에 있어서,
상기 복수의 벡터 필드 센서가 자기장 센서인 이동 로봇의 위치 추정 및 맵핑 방법.
제 1 항에 있어서,
상기 복수의 벡터 필드 센서가 와이-파이 신호 검출기인 이동 로봇의 위치 추정 및 맵핑 방법.
제 1 항에 있어서,
상기 복수의 벡터 필드 센서가 FM 수신기인 이동 로봇의 위치 추정 및 맵핑 방법.
제 1 항에 있어서,
상기 복수의 벡터 필드 센서가 상기 이동 로봇의 진행 방향을 따라 전방과 후방에 적어도 두 개가 마련되는 이동 로봇의 위치 추정 및 맵핑 방법.
이동 공간 내에서의 상대 좌표를 획득하기 위한 인코더와;
신호의 세기 및 방향 가운데 적어도 하나의 검출을 통해 상기 이동 공간 내에서의 절대 좌표를 획득하기 위한 복수의 벡터 필드 센서와;
상기 이동 공간의 표면에 복수의 가상 셀들을 정의하되 상기 복수의 셀 각각이 미리 정해진 위치를 갖는 복수의 노드를 갖도록 정의하며, 상기 인코더를 통해 획득한 상대 좌표와 상기 복수의 벡터 필드 센서를 통해 획득한 상대 좌표를 이용하여 하나 이상의 상기 셀의 복수의 노드들의 위치 정보를 업데이트하면서 상기 이동 공간 내에서의 위치 추정 및 맵핑을 수행하되, 이동 중에 새로운 노드의 위치 정보를 추정하면서 이전 노드의 위치 정보를 확정하는 제어부를 포함하는 이동 로봇.
제 15 항에 있어서, 상기 제어부는,
상기 이동 로봇이 상기 복수의 셀 가운데 어느 하나의 셀 안에 위치할 때, 상기 노드의 위치 정보를 업데이트하는 이동 로봇.
제 16 항에 있어서, 상기 제어부는,
상기 이동 로봇이 상기 복수의 셀 가운데 어느 하나의 셀 안에 위치할 때, 상기 노드의 가중치를 계산하여 적용하는 것을 더 포함하는 이동 로봇.
제 15 항에 있어서, 상기 제어부는,
상기 이동 로봇이 상기 복수의 셀 가운데 어느 하나의 셀에서 다른 새로운 셀로 이동할 때, 확장될 노드와 연결되는 노드를 초기화하는 이동 로봇.
제 18 항에 있어서,
상기 연결되는 노드의 초기화는 상기 연결되는 노드의 평균 값(mean value)과 공분산 값(covariance value)을 기반으로 이루어지는 이동 로봇.
제 15 항에 있어서,
상기 위치 추정 및 맵핑은 고속 SLAM(Fast Simultaneous Localization and Mapping) 이론을 적용하여 이루어지는 이동 로봇.
제 15 항에 있어서, 상기 제어부는,
상기 복수의 벡터 필드 센서를 통해 획득한 상대 좌표를 이용하여 상기 인코더를 통해 획득한 상대 좌표의 오차를 보정하는 이동 로봇.
제 15 항에 있어서,
상기 상대 좌표는 상기 이동 로봇의 x축 좌표와 y축 좌표, 진행 방향의 각도를 포함하는 오도메트리 좌표인 이동 로봇.
제 15 항에 있어서,
상기 복수 셀들이 서로 연속성을 갖는 이동 로봇.
제 23 항에 있어서,
상기 복수 셀 각각을 구성하는 복수의 노드가 서로 연속성을 갖는 이동 로봇.
제 15 항에 있어서,
상기 복수의 벡터 필드 센서가 자기장 센서인 이동 로봇.
제 15 항에 있어서,
상기 복수의 벡터 필드 센서가 와이-파이 신호 검출기인 이동 로봇.
제 15 항에 있어서,
상기 복수의 벡터 필드 센서가 FM 수신기인 이동 로봇.
제 15 항에 있어서,
상기 복수의 벡터 필드 센서가 상기 이동 로봇의 진행 방향을 따라 전방과 후방에 적어도 두 개가 마련되는 이동 로봇.