KR20180061696A - 파티클 간에 지도를 공유하는 이동체의 위치 추정 및 지도 작성 방법 및 장치 - Google Patents

파티클 간에 지도를 공유하는 이동체의 위치 추정 및 지도 작성 방법 및 장치 Download PDF

Info

Publication number
KR20180061696A
KR20180061696A KR1020160161159A KR20160161159A KR20180061696A KR 20180061696 A KR20180061696 A KR 20180061696A KR 1020160161159 A KR1020160161159 A KR 1020160161159A KR 20160161159 A KR20160161159 A KR 20160161159A KR 20180061696 A KR20180061696 A KR 20180061696A
Authority
KR
South Korea
Prior art keywords
map
particles
individual
moving object
base map
Prior art date
Application number
KR1020160161159A
Other languages
English (en)
Other versions
KR101965296B1 (ko
Inventor
김은태
조형기
조해민
Original Assignee
연세대학교 산학협력단
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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020160161159A priority Critical patent/KR101965296B1/ko
Publication of KR20180061696A publication Critical patent/KR20180061696A/ko
Application granted granted Critical
Publication of KR101965296B1 publication Critical patent/KR101965296B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003—Maps
    • G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
    • G09B29/007—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes using computer methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Ecology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

본 실시예들은 RBPF-SLAM에서 주행 시간이 일정 시간 지나면 대부분의 파티클이 갖는 지도들이 동일 또는 유사하게 되고, 전체 파티클들은 이러한 동일 또는 유사한 영역을 공유하고, 각각의 파티클은 현재 위치 주변의 작은 영역을 표현함으로써, 파티클의 수를 늘리면서 메모리 소모를 최소화할 수 있는 이동체의 위치 추정 및 지도 작성 방법 및 장치를 제공한다.

Description

파티클 간에 지도를 공유하는 이동체의 위치 추정 및 지도 작성 방법 및 장치 {Method and Apparatus for Estimating Location of a Moving Object and Generating Maps Sharing a Map between Particles}
본 실시예가 속하는 기술 분야는 이동체의 위치 추정하고 지도 작성하는 방법 및 장치에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
로봇이나 차량 등의 이동체가 미지의 환경에서 주행하기 위해서는 주변환경에 관한 정보가 없으므로, 센서정보를 이용하여 환경에 관한 지도를 작성하고, 작성된 지도로부터 이동체의 현재 위치를 추정해야 한다. 이러한 위치를 인식하고 주변 환경 지도를 작성하는 과정을 동시 위치 추정 및 지도 작성 (Simultaneous Localization and Mapping, SLAM)이라고 한다.
필터링 기법을 이용한 SLAM 기술에는 EKF(Extended Kalman Filter) 기반의 SLAM, RBPF(Rao-Blackwellized Particle Filter) 기반의 SLAM 등이 있다.
RBPF-SLAM 기술은 지도의 형식에 따라 특징점 기반 방식과 격자 지도 기반 방식으로 구분된다. 특징점 기반 방식은 주위 환경에서 특징점을 추출하고 특징점의 상태를 선형 근사화하는 EKF를 이용해 지도를 추정하고, 파티클 필터를 이용해 로봇의 상태를 추정한다. 격자 지도 기반 방식은 각 파티클이 격자 지도를 개별적으로 가지며 중요도 샘플링(Importance Sampling)을 통해 로봇의 경로와 지도의 결합 사후 확률(Joint Posterior Probability)를 추정한다.
SLAM 기술에서 사용되는 센서 종류로는 카메라, 레이저 스캐너, 초음파 센서, RGBD 센서, 지자기계 센서 등이 있다.
실내 환경에서 신뢰성 높은 SLAM 방법 중 하나는 레이저 스캐너 센서를 사용하는 격자 지도 기반의 RBPF-SLAM이 있다. RBPF-SLAM 기술은 그 특성상 파티클의 개수에 따라 성능이 결정된다. 이러한 방식은 각 파티클이 전체 격자 지도를 소유한다. 각 격자 지도는 넓은 공간을 포함하므로 많은 메모리를 필요로 한다. 따라서, 기존의 격자 지도 기반의 RBPF-SLAM은 매우 넓은 공간에서 취약한 문제가 있다.
이를 해결하기 위하여 기존의 RBPF-SLAM들은 파티클의 수를 줄여 성능을 향상시키는 데 집중하고 있다.
본 발명의 발명자는 메모리의 부족으로 고려되지 않았던 파티클의 수를 증가시키면서 RBPF-SLAM의 성능을 향상시키고자 한다.
본 발명의 실시예들은 RBPF-SLAM에서 주행 시간이 일정 시간 지나면 대부분의 파티클이 갖는 지도들이 동일 또는 유사하게 되고, 전체 파티클들은 이러한 동일 또는 유사한 영역을 공유하고, 각각의 파티클은 현재 위치 주변의 작은 영역을 표현함으로써, 파티클의 수를 늘리면서 메모리 소모를 최소화하는 데 발명의 주된 목적이 있다.
본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 수 있다.
본 실시예의 일 측면에 의하면, 컴퓨팅 디바이스에 의한 파티클 필터가 적용된 격자 지도 기반의 이동체의 위치 추정 및 지도 작성 방법에 있어서, 기저지도(Base Map)를 초기화하는 단계, 상기 파티클 필터에 의하여 상기 이동체의 상태변수, 개별지도(Individual Map), 및 가중치를 갖는 복수의 파티클들로 샘플링하고, 상기 복수의 파티클들이 각각 저장하는 개별지도들을 갱신하는 단계, 상기 개별지도들에 포함된 일부 영역의 안정성을 판단하기 위한 공유판단지도를 생성하는 단계, 및 상기 공유판단지도에 기반하여, 상기 개별지도들로부터 상기 기저지도를 갱신하는 단계를 포함하며, 상기 개별지도의 크기가 상기 기저지도의 크기보다 작은 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 방법을 제공한다.
본 실시예의 다른 측면에 의하면, 파티클 필터가 적용된 격자 지도 기반의 이동체의 위치 추정 및 지도 작성 장치에 있어서, 기저지도(Base Map)를 초기화하는 기저지도 생성부, 상기 파티클 필터에 의하여 상기 이동체의 상태변수, 개별지도(Individual Map), 및 가중치를 갖는 복수의 파티클들로 샘플링하고, 상기 복수의 파티클들이 각각 저장하는 개별지도들을 갱신하는 개별지도 갱신부, 상기 개별지도들에 포함된 일부 영역의 안정성을 판단하기 위한 공유판단지도를 생성하는 공유판단지도 생성부, 및 상기 공유판단지도에 기반하여, 상기 개별지도들로부터 상기 기저지도를 갱신하는 기저지도 갱신부를 포함하며, 상기 개별지도의 크기가 상기 기저지도의 크기보다 작은 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 장치를 제공한다.
본 실시예의 다른 측면에 의하면, 프로세서에 의해 실행 가능한 컴퓨터 프로그램 명령어들을 포함하는 비일시적(Non-Transitory) 컴퓨터 판독 가능한 매체에 기록되어 이동체의 위치 추정 및 지도 작성하기 위한 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램 명령어들이 컴퓨팅 디바이스의 프로세서에 의해 실행되는 경우에, 기저지도(Base Map)를 초기화하는 단계, 상기 파티클 필터에 의하여 상기 이동체의 상태변수, 개별지도(Individual Map), 및 가중치를 갖는 복수의 파티클들로 샘플링하고, 상기 복수의 파티클들이 각각 저장하는 개별지도들을 갱신하는 단계, 상기 개별지도들에 포함된 일부 영역의 안정성을 판단하기 위한 공유판단지도를 생성하는 단계, 및 상기 공유판단지도에 기반하여, 상기 개별지도들로부터 상기 기저지도를 갱신하는 단계를 포함한 동작들을 수행하며, 상기 개별지도의 크기가 상기 기저지도의 크기보다 작은 것을 특징으로 하는 컴퓨터 프로그램을 제공한다.
이상에서 설명한 바와 같이 본 발명의 실시예들에 의하면, RBPF-SLAM에서 주행 시간이 일정 시간 지나면 대부분의 파티클이 갖는 지도들이 동일 또는 유사하게 되고, 전체 파티클들은 이러한 동일 또는 유사한 영역을 공유하고, 각각의 파티클은 현재 위치 주변의 작은 영역을 표현함으로써, 파티클의 수를 늘리면서 메모리 소모를 최소화할 수 있는 효과가 있다.
여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급된다.
도 1 및 도 2는 본 발명의 실시예들에 따른 이동체의 위치 추정 및 지도 작성 장치를 예시한 블록도이다.
도 3a는 기존의 RBPF-SLAM에서의 격자지도를 예시한 도면이고, 도 3b는 본 발명의 실시예들에 따른 이동체의 위치 추정 및 지도 작성 장치가 갖는 기저지도 및 개별지도를 예시한 도면이다.
도 4a는 기존의 RBPF-SLAM에서의 정보를 베이지안 네트워크로 나타낸 것이고, 도 4b는 본 발명의 실시예들에 따른 이동체의 위치 추정 및 지도 작성 장치에서의 정보를 베이지안 네트워크로 나타낸 것이다.
도 5는 본 발명의 일 실시예에 따른 이동체의 위치 추정 및 지도 작성 장치가 파티클 수에 따라 공분산 지도 및 엔트로피 지도를 적용한 결과를 나타낸 도면이다.
도 6는 본 발명의 다른 실시예에 따른 이동체의 위치 추정 및 지도 작성 방법을 예시한 흐름도이다.
도 7 내지 도 11은 본 발명의 실시예들에 따라 수행된 모의실험 결과를 도시한 것이다.
이하, 본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하고, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다.
본 명세서에서 지도는 두 가지 방식으로 표현된다. 벡터 형태 지도 m 및 2차원 지도
Figure pat00001
로 표현된다. 여기서, W는 지도의 너비이고, H는 지도의 높이를 나타낸다.
RBPF-SLAM은 지도 정보 m 및 이동체의 상태 x 1:t의 결합 분포(Joint Distribution)를 추정한다. 지도는 격자 지도 형태로써 이진(Binary) 벡터로 표현된다. RBPF-SLAM은 매 시간 t마다 이동체의 오도메트리(Odometry) u t와 측정치(Measurement) z t를 입력받는다. 오도메트리는 선속도 또는 각속도 등에 기반하여 입력될 수 있다. 측정치는 센서 데이터를 나타낸다.
RBPF-SLAM은 지도 정보와 이동체의 상태의 결합 분포를 인수분해(Factorization)하여 이동체의 상태와 지도를 분해하여 추정한다. 이는 수학식 1과 같이 표현된다.
Figure pat00002
N은 격자 지도에서 격자의 개수를 나타내고 0과 1 사이의 점유 확률(Occupancy Probability) 값을 갖는다. RBPF-SLAM 프레임워크는 Full SLAM에 해당하며, 전체 경로 x 1:t를 먼저 추정한 후, 이에 따른 격자 지도 m를 추정한다.
이동체의 경로는 파티클 필터를 이용하여 추정한다. 이는 수학식 2와 같이 표현된다.
Figure pat00003
각 파티클은 이동체의 현재 위치, 파티클에 해당하는 격자지도, 가중치(Weight)로 이루어져 있다.
Figure pat00004
는 j 번째 파티클을 나타낸다. 기존의 RBPF-SLAM에서는 각 파티클마다 전체 크기의 격자 지도를 포함하기 때문에, 파티클의 수를 늘릴수록 더욱 많은 메모리를 소모하는 문제가 있다.
본 실시예들은 탐색된 영역에 대해서 로봇의 위치 주변이 아닌 곳에서 크게 변화하는 부분이 없는 것을 고려하여, 각 파티클이 전체 지도 크기에 해당하는 지도를 가지고 있지 않고 크기가 훨씬 작은 개별 지도만을 갖는다. 이로 인하여, 본 실시예들은 메모리 사용량을 획기적으로 줄일 수 있으며, 기존 방식보다 파티클의 수를 늘리는 것이 가능하여 성능을 향상시킬 수 있다.
도 1 및 도 2는 본 발명의 실시예들에 따른 이동체의 위치 추정 및 지도 작성 장치를 예시한 블록도이다. 도 1에 도시한 바와 같이, 이동체의 위치 추정 및 지도 작성 장치(100)는 기저지도 생성부(110), 개별지도 갱신부(120), 공유판단지도 생성부(130), 및 기저지도 갱신부(140)를 포함한다. 이동체의 위치 추정 및 지도 작성 장치(100)는 도 1에서 예시적으로 도시한 다양한 구성요소들 중에서 일부 구성요소를 생략하거나 다른 구성요소를 추가로 포함할 수 있다. 도 2에 도시된 바와 같이, 이동체의 위치 추정 및 지도 작성 장치(200)는 위치 인식부(250) 및 통신부(260) 중 적어도 하나를 추가로 포함할 수 있다.
기저지도 생성부(110, 210)는 기저지도(Base Map)를 초기화한다.
개별지도 갱신부(120, 220)는 파티클 필터에 의하여 이동체의 상태변수, 개별지도(Individual Map), 및 가중치를 갖는 복수의 파티클들로 샘플링한다. 개별지도 갱신부(120, 220)는 복수의 파티클들이 각각 저장하는 개별지도들을 갱신한다. 개별지도의 크기는 기저지도의 크기보다 작다.
개별지도 갱신부(120, 220)는 이동체의 상태변수, 이동체의 센서 측정치, 및 이동체의 주행거리계(Odometry)에 기반하여, 파티클의 가중치를 기 설정된 시간마다 갱신한다. 파티클의 가중치는 이전 시간에서의 가중치에 현재 센서 측정치에 관한 우도(Likelihood)의 기대값(Expectation)을 이용하여 산출된다. 파티클의 가중치는 기저지도에 독립적이며, 개별지도들에 기반하는 센서 측정치의 우도에 비례한다.
개별지도 갱신부(120, 220)는 유효 파티클 수를 기준으로 파티클의 가중치에 따라 파티클을 선정하여 리샘플링할 수 있다.
공유판단지도 생성부(130, 230)는 개별지도들에 포함된 일부 영역의 안정성을 판단하기 위한 공유판단지도를 생성한다. 공유판단지도는 개별지도를 주변 분포로 간주하여 주변 분포 간에 불확실성을 나타내는 공분산을 이용한 공분산 지도일 수 있다. 공유판단지도는 파티클의 가중치가 가장 높은 개별 지도의 엔트로피를 이용한 엔트로피 지도일 수 있다.
공유판단지도 생성부(130, 230)는 파티클의 수가 기 설정된 파티클 개수 임계치보다 작거나 동일하면 공분산 지도를 이용하고, 파티클의 수가 기 설정된 파티클 개수 임계치보다 크면 엔트로피 지도를 이용할 수 있다.
기저지도 갱신부(140, 240)는 공유판단지도에 기반하여, 개별지도들로부터 기저지도를 갱신한다. 기저지도 갱신부(140, 240)는 공분산 지도가 기 설정된 공분산 임계치보다 작으면, 기 설정된 공분산 임계치보다 작은 영역을 기저지도로 갱신할 수 있다. 기저지도 갱신부(140, 240)는 엔트로피 지도가 기 설정된 엔트로피 임계치보다 작으면, 기 설정된 엔트로피 임계치보다 작은 영역을 기저지도로 갱신할 수 있다.
위치 인식부(250)는 이동체의 위치가 기저지도에 포함되면, 기저지도에 기반하여 이동체가 위치 인식을 수행한다. 기저지도를 복수의 파티클들이 공유한다.
이동체의 개수는 복수일 수 있으며, 복수의 이동체들은 기저지도를 공유하여 기저지도를 갱신한다. 통신부(260)는 다른 이동체와 데이터를 송수신하거나, 서버와 데이터를 송수신한다. 기저지도는 복수의 이동체 중 적어도 하나의 이동체에 저장되어 갱신되거나 서버에 저장되어 갱신될 수 있다.
이동체의 위치 추정 및 지도 작성 장치에 포함된 구성요소들은 장치 내부의 소프트웨어적인 모듈 또는 하드웨어적인 모듈을 연결하는 통신 경로에 연결되어 상호 간에 유기적으로 동작한다. 이러한 구성요소들은 하나 이상의 통신 버스 또는 신호선을 이용하여 통신한다.
이동체의 위치 추정 및 지도 작성 장치는 하드웨어, 펌웨어, 소프트웨어 또는 이들의 조합에 의해 로직회로 내에서 구현될 수 있고, 범용 또는 특정 목적 컴퓨터를 이용하여 구현될 수도 있다. 장치는 고정배선형(Hardwired) 기기, 필드 프로그램 가능한 게이트 어레이(Field Programmable Gate Array, FPGA), 주문형 반도체(Application Specific Integrated Circuit, ASIC) 등을 이용하여 구현될 수 있다. 또한, 장치는 하나 이상의 프로세서 및 컨트롤러를 포함한 시스템온칩(System on Chip, SoC)으로 구현될 수 있다.
이동체의 위치 추정 및 지도 작성 장치는 하드웨어적 요소가 마련된 컴퓨팅 디바이스 또는 서버에 소프트웨어, 하드웨어, 또는 이들의 조합하는 형태로 탑재될 수 있다. 컴퓨팅 디바이스 또는 서버는 각종 기기 또는 유무선 통신망과 통신을 수행하기 위한 통신 모뎀 등의 통신장치, 프로그램을 실행하기 위한 데이터를 저장하는 메모리, 프로그램을 실행하여 연산 및 명령하기 위한 마이크로프로세서 등을 전부 또는 일부 포함한 다양한 장치를 의미할 수 있다.
도 3a 내지 도 3b를 참조하여, 이동체의 위치 추정 및 지도 작성 장치가 전체지도를 기저지도 및 개별지도로 분해하는 동작을 설명하기로 한다. 도 3a는 기존의 RBPF-SLAM에서의 격자지도를 예시한 도면이고, 도 3b는 본 발명의 실시예들에 따른 이동체의 위치 추정 및 지도 작성 장치가 갖는 기저지도 및 개별지도를 예시한 도면이다.
도 3a를 참조하면, 기존의 RBPF-SLAM에서는 위치 추정 및 지도 작성이 일정 시간 동안 진행되면 과거에 구축되었던 부분이 거의 모든 파티클에 대해서 비슷하게 나타난다. 본 실시예들은 이러한 특성을 반영하여 구축되어 있는 비슷한 영역을 파티클 간에 공유함으로써, 불필요한 메모리 소비를 줄일 수 있다.
도 3b를 참조하면, 기저지도(Base Map)은 파티클 간에 공유되는 지도 부분을 나타내고, 개별지도(Individual Map)는 각 파티클에 의해 운반되는 지도를 나타낸다. 파티클 간 지도 공유를 위한 격자 지도의 표현과 분해 방법이 수학식 3과 같이 표현된다.
Figure pat00005
수학식 3을 통해 일정 시간 위치 추정 및 지도 작성이 진행되면, 각 파티클의 격자 지도가 서로 비슷하게 되는 것을 파악할 수 있다.
이동체의 위치 추정 및 지도 작성 장치가 수학식 3과 같은 지도 표현에 맞게 중요도 샘플링(Importance Sampling)하는 동작은 수학식 4와 같이 표현된다.
여기서,
Figure pat00006
는 상수이며, 수학식 4에 의해 j에 독립적이다.
도 4a는 기존의 RBPF-SLAM에서의 정보를 베이지안 네트워크로 나타낸 것이고, 도 4b는 본 발명의 실시예들에 따른 이동체의 위치 추정 및 지도 작성 장치에서의 정보를 베이지안 네트워크로 나타낸 것이다.
도 4b에 도시된 바와 같이,
Figure pat00007
이기 때문에, j 번째 파티클의 중요도, 즉, 가중치는 이전 시간의 중요도에 현재 센서 측정치에 관한 우도(Likelihood)의 기대값(Expectation)을 통해 도출된다. 이는 수학식 5와 같이 표현된다.
Figure pat00008
수학식 5를 통해
Figure pat00009
가 기저지도에 독립적임을 파악할 수 있다. 따라서 더 이상 기저지도를 가지고 있을 필요가 없다는 것을 알 수 있다. 수학식 5의
Figure pat00010
는 수학식 6과 같이 근사화될 수 있다.
Figure pat00011
즉, 파티클의 가중치는 개별지도만을 기반으로 하는 측정치의 우도(Likelihood)에 비례하며 중요도 샘플링을 통해 매 시간마다 갱신된다.
이동체의 위치 추정 및 지도 작성 장치는 지도를 두 종류로 나누고 중요도 샘플링 과정에서 기저지도와 독립적인 형태로 중요도를 산출함으로써, 더욱 간단한 계산으로 지도를 갱신할 수 있는 효과가 있다.
도 5를 참조하여, 이동체의 위치 추정 및 지도 작성 장치가 언제 개별지도의 어떤 부분을 분리하여 기저지도로 저장하는지 설명하기로 한다. 도 5는 본 발명의 일 실시예에 따른 이동체의 위치 추정 및 지도 작성 장치가 파티클 수에 따라 공분산 지도 및 엔트로피 지도를 적용한 결과를 나타낸 도면이다.
이동체의 위치 추정 및 지도 작성 장치는 지도공유기준(Map Sharing Critaria)을 생성한다. 이동체의 위치 추정 및 지도 작성 장치는 주행 중에 각 파티클에 저장되어 있는 격자지도에서 안정되었다고 판단되는 부분을 기저지도로 저장한다.
안정성을 판단하는 첫 번째 기준은 파티클들이 갖고 있는 개별 지도로부터 격자들 간의 분산 정보를 포함하는 공분산 지도이다. 이동체의 위치 추정 및 지도 작성 장치는 공분산 지도를 생성한다. 이동체의 위치 추정 및 지도 작성 장치는 각 파티클이 수반하는 격자지도를 주변 분포(Marginal Distribution)로 간주하여 주변 분포 간의 공분산을 구한다. 생성된 공분산 지도는 파티클 간의 지도가 얼마나 퍼져있는지를 알려주기 때문에, 얼마나 안정한지를 판단할 수 있다.
격자 지도의 주변 분포는
Figure pat00012
이며, 수학식 7과 같이 파라미터화할 수 있고, 수학식 8과 같이 다중 베르누이 분포의 결과로 간주할 수 있다.
Figure pat00013
Figure pat00014
격자 지도의 주변 분포는 수학식 9와 같이 산출된다.
Figure pat00015
수학식 9를 통해, 격자지도의 주변 분포가 베르누이 분포의 조합으로 표현됨을 파악할 수 있다. 베르누이 분포의 평균과 공분산에 따라 각 격자마다 파티클 간 분산을 구할 수가 있으며 이를 공분산 지도 c로 표현한다. 공분산 지도 c를 구하는 과정은 수학식 10과 같이 표현된다.
Figure pat00016
공분산 지도 c는 각 격자의 불확실성을 나타내는 척도가 된다. 공분산 지도가 일정 한계점보다 불확실성이 작아지게 되면, 이동체의 위치 추정 및 지도 작성 장치는 불확실성이 낮은 영역을 개별지도에서 기저지도로 갱신한다.
안정성을 판단하는 두 번째 기준은 격자지도의 엔트로피 지도이다. 이동체의 위치 추정 및 지도 작성 장치는 격자지도의 엔트로피 계산을 통해 기저지도로의 저장여부를 결정한다. 엔트로피가 낮을수록 지도의 안정성은 높으며, 엔트로피가 낮은 지도를 기저지도로 저장하면 지도의 안정성을 확보할 수 있다.
공분산 지도와 비슷하게 엔트로피 지도 h는 수학식 11과 같이 표현된다. 이동체의 위치 추정 및 지도 작성 장치는 엔트로피 지도에 기반하여 일정 한계점보다 낮은 영역을 개별지도에서 기저지도로 갱신한다.
Figure pat00017
도 5를 참조하면, 지도공유기준인 공분산 지도 및 엔트로피 지도는 파티클의 개수에 따라 선정된다. 파티클의 수가 적을수록 이동체의 위치 인식의 정확도가 낮으므로, 가장 높은 파티클 개별지도의 엔트로피를 통해 결정하는 엔트로피 지도 방법보다 공분산 지도를 사용하는 것이 좋은 성능을 갖는다. 파티클의 수에 따라 각기 다른 지도 공유 기준을 선정했을 때, 지도의 KLD (Kullback-Leibler Divergence)는 도 5에서 확인할 수 있다. 파티클의 수가 150개일 때는 거의 비슷한 성능이며, 100개일 때는 공분산 지도가, 300개일 때는 엔트로피 지도가 검증자료(Ground Truth)에 가깝다. 설정되는 파티클의 수는 예시일 뿐이며 이에 한정되는 것은 아니고 구현되는 설계에 따라 적합한 수치가 사용될 수 있음은 물론이다.
본 실시예들은 다중 이동체의 위치 추정 및 지도 작성에 적용할 수 있다. 다중 이동체는 여러 대의 이동체들이 전체 공간에 대해 분산되어 탐색이 가능하기 때문에 넓은 공간의 지도를 신속하게 구축할 수 있다. 다중 이동체 시스템에 본 실시예들을 적용하면 빠른 시간 내에 적은 메모리로 넓은 영역을 주행할 수 있다. r 개의 이동체가 주행 중이라 가정하면, 실시예들은 총 r 개의 중요도 샘플링(Importance Sampling)을 수행한다.
Figure pat00018
는 이동체 r의 j번째 파티클에 해당하는 격자지도를 나타낸다. 각 이동체는 지도공유기준을 통해 기저 지도로의 갱신을 판별하며 무선 통신을 통해 전체 기저지도로 통합한다. 실시예들을 다중 이동체의 위치 추정 및 지도 작성에 적용하여 넓은 공간의 지도를 빠른 시간 내에 적은 메모리로 구축할 수 있다.
도 6는 본 발명의 다른 실시예에 따른 이동체의 위치 추정 및 지도 작성 방법을 예시한 흐름도이다. 이동체의 위치 추정 및 지도 작성 방법은 컴퓨팅 디바이스에 의하여 수행될 수 있으며, 이동체의 위치 추정 및 지도 작성 장치와 동일한 방식으로 동작한다.
단계 S610에서, 컴퓨팅 디바이스는 기저지도(Base Map)를 초기화한다.
단계 S620에서, 컴퓨팅 디바이스는 파티클 필터에 의하여 이동체의 상태변수, 개별지도(Individual Map), 및 가중치를 갖는 복수의 파티클들로 샘플링하고, 복수의 파티클들이 각각 저장하는 개별지도들을 갱신한다. 개별지도의 크기는 기저지도의 크기보다 작다.
단계 S630에서, 컴퓨팅 디바이스는 개별지도들에 포함된 일부 영역의 안정성을 판단하기 위한 공유판단지도를 생성한다.
단계 S640에서, 컴퓨팅 디바이스는 공유판단지도에 기반하여, 개별지도들로부터 기저지도를 갱신한다.
도 7을 참조하면, 단계 S710에서, 컴퓨팅 디바이스는 기저지도를 초기화한다.
단계 S720에서, 컴퓨팅 디바이스는 현재 이동체의 위치가 기저지도에 포함되는지 판단한다. 단계 S730에서, 기저지도에 기반하여 이동체가 위치인식을 수행한다. 기저지도는 복수의 파티클들이 공유한다.
단계 S740에서, 컴퓨팅 디바이스는 복수의 파티클들로 샘플링한다.
단계 S750에서, 컴퓨팅 디바이스는 개별지도들을 갱신한다. 단계 S750에서, 이동체의 상태변수, 이동체의 센서 측정치, 및 이동체의 주행거리계(Odometry)에 기반하여, 파티클의 가중치를 기 설정된 시간마다 갱신한다. 파티클의 가중치는 이전 시간에서의 가중치에 현재 센서 측정치에 관한 우도(Likelihood)의 기대값(Expectation)을 이용하여 산출된다. 파티클의 가중치는 기저지도에 독립적이며, 개별지도들에 기반하는 센서 측정치의 우도에 비례한다.
단계 S760에서, 컴퓨팅 디바이스는 공유판단지도, 즉, 공분산 지도 또는 엔트로피 지도를 생성한다. 공유판단지도는 개별지도를 주변 분포로 간주하여 주변 분포 간에 불확실성을 나타내는 공분산을 이용한 공분산 지도일 수 있다. 공유판단지도는 파티클의 가중치가 가장 높은 개별 지도의 엔트로피를 이용한 엔트로피 지도일 수 있다.
단계 S770에서, 컴퓨팅 디바이스는 지도공유기준을 만족하는지 판단한다.
단계 S780에서, 컴퓨팅 디바이스는 기저지도를 갱신한다. 공분산 지도가 기 설정된 공분산 임계치보다 작으면, 기 설정된 공분산 임계치보다 작은 영역을 기저지도로 갱신한다. 기저지도를 갱신하는 단계(S780)는 공분산 지도가 기 설정된 엔트로피 임계치보다 작으면, 기 설정된 엔트로피 임계치보다 작은 영역을 상기 기저지도로 갱신한다. 공유판단지도, 즉 지도공유기준은 파티클의 수가 기 설정된 파티클 개수 임계치보다 작거나 동일하면 공분산 지도를 이용하고, 파티클의 수가 기 설정된 파티클 개수 임계치보다 크면 엔트로피 지도를 이용할 수 있다.
단계 S790에서, 컴퓨팅 디바이스는 유효 파티클 수를 기준으로 파티클의 가중치에 따라 파티클을 선정하여 리샘플링한다.
이동체의 위치 추정 및 지도 작성 방법에 있어서, 이동체의 개수는 복수이고, 복수의 이동체들은 기저지도를 공유하여 기저지도를 갱신하는 단계를 포함할 수 있다.
도 8 내지 도 11은 본 발명의 실시예들에 따라 수행된 모의실험 결과를 도시한 것이다. 모든 실험은 파티클의 개수에 따라 필요한 메모리와 실제 검증자료(Ground Truth)와의 차이를 KLD(Kullback-Leibler Divergence)를 계산하여 확인한다. 검증자료는 기존의 RBPF-SLAM에 파티클의 수를 크게 늘린 500개를 사용하여 나온 격자지도를 사용한다. 메모리는 적을수록 KLD는 작은 값을 가질수록 우수한 성능을 나타낸다.
도 8을 참조하면, 첫 번째 실험 환경은 실내 복도이며 크기는 약 90 미터 X 10 미터이다. 따라서 기저지도의 크기는 이와 같으며 15 미터 X 15 미터의 개별지도를 사용한다. 기존의 RBPF-SLAM 및 실시예에 따른 RBPF-SLAM의 파티클의 수를 각각 100개, 300개 사용하여 진행하였다. 도 8의 (a)는 실시예에 따른 RBPF-SLAM에 파티클 300개 사용했을 때이고, 도 8의 (b) 내지 도 8의 (d)는 기존의 RBPF-SLAM에 파티클 100개, 300개, 500개를 사용했을 때 결과를 나타낸다. 지도의 정확성을 판단하기 위해 계산된 도 11에 정리되어 있다.
도 9를 참조하면, 두 번째 실험 환경은 공개된 벤치마크 데이터셋으로 USC-SAL 건물에서 취득한 로봇 오도메트리와 레이저스캐너 데이터를 사용하여 결과를 얻는다. 기저지도의 크기는 45 미터 X 24 미터이며 개별지도의 크기는 15 미터 X 15 미터이다. 첫 번째 실험과 마찬가지로 도 9의 (a) 내지 도 9의 (d)는 실시예에 따른 RBPF-SLAM 파티클 300개, RBPF-SLAM 파티클 100개, 300개, 500개를 나타낸다.
도 10을 참조하면, 세 번째 실험 환경은 격자 지도 SLAM에 많이 사용되는 ACES 데이터셋으로 전체 공간이 정사각형 모양이다. 기저지도는 75 미터 X 75 미터, 개별지도는 15 미터 X 15 미터를 사용한다. 첫 번째 실험과 마찬가지로 도 10의 (a) 내지 도 10의 (d)는 실시예에 따른 RBPF-SLAM 파티클 300개, RBPF-SLAM 파티클 100개, 300개, 500개를 나타낸다.
도 11을 참조하면, 모든 데이터셋에 대하여 실시예에 따른 RBPF-SLAM(IPMS)의 경우 기존의 RBPF 방식에 비해 소비 메모리가 현저히 줄어들고 KLD는 거의 변함이 없음을 쉽게 파악할 수 있다. 일례로 ACES 데이터셋에서 RBPF 300과 IPMS 300의 경우, 파티클의 수가 같아 KLD는 11396.40과 9686.78로 비슷하지만 소모 메모리는 0.63에서 0.14로 약 1/4로 줄어드는 것을 알 수 있다.
도 8 및 도 9에서는 각각의 과정을 순차적으로 실행하는 것으로 기재하고 있으나 이는 예시적으로 설명한 것에 불과하고, 이 분야의 기술자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 8 및 도 9에 기재된 순서를 변경하여 실행하거나 또는 하나 이상의 과정을 병렬적으로 실행하거나 다른 과정을 추가하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이다.
본 실시예들에 따른 동작은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능한 매체에 기록될 수 있다. 컴퓨터 판독 가능한 매체는 실행을 위해 프로세서에 명령어를 제공하는 데 참여한 임의의 매체를 나타낸다. 컴퓨터 판독 가능한 매체는 프로그램 명령, 데이터 파일, 데이터 구조 또는 이들의 조합을 포함할 수 있다. 예를 들면, 자기 매체, 광기록 매체, 메모리 등이 있을 수 있다. 컴퓨터 프로그램은 네트워크로 연결된 컴퓨터 시스템 상에 분산되어 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 본 실시예를 구현하기 위한 기능적인(Functional) 프로그램, 코드, 및 코드 세그먼트들은 본 실시예가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있을 것이다.
본 실시예들은 본 실시예의 기술 사상을 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100, 200: 이동체의 위치 추정 및 지도 작성 장치
110, 210: 기저지도 생성부 120, 220: 개별지도 갱신부
130, 230: 공유판단지도 생성부 140, 240: 기저지도 갱신부
250: 위치 인식부 260: 통신부

Claims (19)

  1. 컴퓨팅 디바이스에 의한 파티클 필터가 적용된 격자 지도 기반의 이동체의 위치 추정 및 지도 작성 방법에 있어서,
    기저지도(Base Map)를 초기화하는 단계;
    상기 파티클 필터에 의하여 상기 이동체의 상태변수, 개별지도(Individual Map), 및 가중치를 갖는 복수의 파티클들로 샘플링하고, 상기 복수의 파티클들이 각각 저장하는 개별지도들을 갱신하는 단계;
    상기 개별지도들에 포함된 일부 영역의 안정성을 판단하기 위한 공유판단지도를 생성하는 단계; 및
    상기 공유판단지도에 기반하여, 상기 개별지도들로부터 상기 기저지도를 갱신하는 단계
    를 포함하며,
    상기 개별지도의 크기가 상기 기저지도의 크기보다 작은 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 방법.
  2. 제1항에 있어서,
    상기 복수의 파티클들은 상기 기저지도를 공유하며,
    상기 이동체의 위치가 상기 기저지도에 포함되면, 상기 기저지도에 기반하여 상기 이동체가 위치인식을 수행하는 단계를 추가로 포함하는 이동체의 위치 추정 및 지도 작성 방법.
  3. 제1항에 있어서,
    상기 개별지도들을 갱신하는 단계는,
    상기 이동체의 상태변수, 상기 이동체의 센서 측정치, 및 상기 이동체의 주행거리계(Odometry)에 기반하여, 상기 파티클의 가중치를 기 설정된 시간마다 갱신하며,
    상기 파티클의 가중치는 이전 시간에서의 가중치에 현재 센서 측정치에 관한 우도(Likelihood)의 기대값(Expectation)을 이용하여 산출되는 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 방법.
  4. 제3항에 있어서,
    상기 파티클의 가중치는 상기 기저지도에 독립적이며, 상기 개별지도들에 기반하는 센서 측정치의 우도에 비례하는 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 방법.
  5. 제1항에 있어서,
    상기 공유판단지도는,
    상기 개별지도를 주변 분포로 간주하여 상기 주변 분포 간에 불확실성을 나타내는 공분산을 이용한 공분산 지도인 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 방법.
  6. 제5항에 있어서,
    상기 기저지도를 갱신하는 단계는,
    상기 공분산 지도가 기 설정된 공분산 임계치보다 작으면, 상기 기 설정된 공분산 임계치보다 작은 영역을 상기 기저지도로 갱신하는 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 방법.
  7. 제1항에 있어서,
    상기 공유판단지도는,
    상기 파티클의 가중치가 가장 높은 개별 지도의 엔트로피를 이용한 엔트로피 지도인 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 방법.
  8. 제7항에 있어서,
    상기 기저지도를 갱신하는 단계는,
    상기 엔트로피 지도가 기 설정된 엔트로피 임계치보다 작으면, 상기 기 설정된 엔트로피 임계치보다 작은 영역을 상기 기저지도로 갱신하는 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 방법.
  9. 제1항에 있어서,
    상기 공유판단지도는,
    상기 파티클의 수가 기 설정된 파티클 개수 임계치보다 작거나 동일하면 공분산 지도를 이용하고, 상기 파티클의 수가 상기 기 설정된 파티클 개수 임계치보다 크면 엔트로피 지도를 이용하는 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 방법.
  10. 제1항에 있어서,
    유효 파티클 수를 기준으로 상기 파티클의 가중치에 따라 파티클을 선정하여 리샘플링하는 단계를 추가로 포함하는 이동체의 위치 추정 및 지도 작성 방법.
  11. 제1항에 있어서,
    상기 이동체의 개수는 복수이고, 상기 복수의 이동체들은 상기 기저지도를 공유하여 상기 기저지도를 갱신하는 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 방법.
  12. 파티클 필터가 적용된 격자 지도 기반의 이동체의 위치 추정 및 지도 작성 장치에 있어서,
    기저지도(Base Map)를 초기화하는 기저지도 생성부;
    상기 파티클 필터에 의하여 상기 이동체의 상태변수, 개별지도(Individual Map), 및 가중치를 갖는 복수의 파티클들로 샘플링하고, 상기 복수의 파티클들이 각각 저장하는 개별지도들을 갱신하는 개별지도 갱신부;
    상기 개별지도들에 포함된 일부 영역의 안정성을 판단하기 위한 공유판단지도를 생성하는 공유판단지도 생성부; 및
    상기 공유판단지도에 기반하여, 상기 개별지도들로부터 상기 기저지도를 갱신하는 기저지도 갱신부
    를 포함하며,
    상기 개별지도의 크기가 상기 기저지도의 크기보다 작은 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 장치.
  13. 제12항에 있어서,
    상기 복수의 파티클들은 상기 기저지도를 공유하며,
    상기 이동체의 위치가 상기 기저지도에 포함되면, 상기 기저지도에 기반하여 상기 이동체가 위치 인식을 수행하는 위치 인식부를 추가로 포함하는 이동체의 위치 추정 및 지도 작성 장치.
  14. 제12항에 있어서,
    상기 개별지도 갱신부는,
    상기 이동체의 상태변수, 상기 이동체의 센서 측정치, 및 상기 이동체의 주행거리계(Odometry)에 기반하여, 상기 파티클의 가중치를 기 설정된 시간마다 갱신하며,
    상기 파티클의 가중치는 이전 시간에서의 가중치에 현재 센서 측정치에 관한 우도(Likelihood)의 기대값(Expectation)을 이용하여 산출되고,
    상기 파티클의 가중치는 상기 기저지도에 독립적이며, 상기 개별지도들에 기반하는 센서 측정치의 우도에 비례하는 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 장치.
  15. 제12항에 있어서,
    상기 공유판단지도는 상기 개별지도를 주변 분포로 간주하여 상기 주변 분포 간에 불확실성을 나타내는 공분산을 이용한 공분산 지도이고,
    상기 기저지도 갱신부는 상기 공분산 지도가 기 설정된 공분산 임계치보다 작으면, 상기 기 설정된 공분산 임계치보다 작은 영역을 상기 기저지도로 갱신하는 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 장치.
  16. 제12항에 있어서,
    상기 공유판단지도는 상기 파티클의 가중치가 가장 높은 개별 지도의 엔트로피를 이용한 엔트로피 지도이고,
    상기 기저지도 갱신부는 상기 엔트로피 지도가 기 설정된 엔트로피 임계치보다 작으면, 상기 기 설정된 엔트로피 임계치보다 작은 영역을 상기 기저지도로 갱신하는 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 장치.
  17. 제12항에 있어서,
    상기 공유판단지도 생성부는,
    상기 파티클의 수가 기 설정된 파티클 개수 임계치보다 작거나 동일하면 공분산 지도를 이용하고, 상기 파티클의 수가 상기 기 설정된 파티클 개수 임계치보다 크면 엔트로피 지도를 이용하는 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 장치.
  18. 제12항에 있어서,
    상기 이동체의 개수는 복수이고, 상기 복수의 이동체들은 상기 기저지도를 공유하여 상기 기저지도를 갱신하는 것을 특징으로 하는 이동체의 위치 추정 및 지도 작성 장치.
  19. 프로세서에 의해 실행 가능한 컴퓨터 프로그램 명령어들을 포함하는 비일시적(Non-Transitory) 컴퓨터 판독 가능한 매체에 기록되어 이동체의 위치 추정 및 지도 작성하기 위한 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램 명령어들이 컴퓨팅 디바이스의 프로세서에 의해 실행되는 경우에,
    기저지도(Base Map)를 초기화하는 단계;
    상기 파티클 필터에 의하여 상기 이동체의 상태변수, 개별지도(Individual Map), 및 가중치를 갖는 복수의 파티클들로 샘플링하고, 상기 복수의 파티클들이 각각 저장하는 개별지도들을 갱신하는 단계;
    상기 개별지도들에 포함된 일부 영역의 안정성을 판단하기 위한 공유판단지도를 생성하는 단계; 및
    상기 공유판단지도에 기반하여, 상기 개별지도들로부터 상기 기저지도를 갱신하는 단계
    를 포함한 동작들을 수행하며,
    상기 개별지도의 크기가 상기 기저지도의 크기보다 작은 것을 특징으로 하는 컴퓨터 프로그램.
KR1020160161159A 2016-11-30 2016-11-30 파티클 간에 지도를 공유하는 이동체의 위치 추정 및 지도 작성 방법 및 장치 KR101965296B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160161159A KR101965296B1 (ko) 2016-11-30 2016-11-30 파티클 간에 지도를 공유하는 이동체의 위치 추정 및 지도 작성 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160161159A KR101965296B1 (ko) 2016-11-30 2016-11-30 파티클 간에 지도를 공유하는 이동체의 위치 추정 및 지도 작성 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20180061696A true KR20180061696A (ko) 2018-06-08
KR101965296B1 KR101965296B1 (ko) 2019-04-19

Family

ID=62600031

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160161159A KR101965296B1 (ko) 2016-11-30 2016-11-30 파티클 간에 지도를 공유하는 이동체의 위치 추정 및 지도 작성 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101965296B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108955689A (zh) * 2018-07-13 2018-12-07 北京工业大学 基于自适应细菌觅食优化算法的rbpf-slam方法
CN109857111A (zh) * 2019-02-18 2019-06-07 广州小鹏汽车科技有限公司 基于共享slam地图的高精度定位方法及系统
WO2020097029A1 (en) * 2018-11-09 2020-05-14 Waymo Llc Verifying predicted trajectories using a grid-based approach
KR20210119133A (ko) * 2020-03-24 2021-10-05 연세대학교 산학협력단 딥러닝 기반의 자세 추정을 이용한 3차원 전역 위치 인식 장치 및 이동 로봇
CN114489036A (zh) * 2021-07-25 2022-05-13 西北农林科技大学 一种基于slam的室内机器人导航控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011164271A (ja) * 2010-02-08 2011-08-25 Mitsubishi Electric Corp 地図情報処理装置
WO2015192745A1 (zh) * 2014-06-19 2015-12-23 无锡知谷网络科技有限公司 目标即时定位和构建地图的方法与装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011164271A (ja) * 2010-02-08 2011-08-25 Mitsubishi Electric Corp 地図情報処理装置
WO2015192745A1 (zh) * 2014-06-19 2015-12-23 无锡知谷网络科技有限公司 目标即时定位和构建地图的方法与装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108955689A (zh) * 2018-07-13 2018-12-07 北京工业大学 基于自适应细菌觅食优化算法的rbpf-slam方法
WO2020097029A1 (en) * 2018-11-09 2020-05-14 Waymo Llc Verifying predicted trajectories using a grid-based approach
US10969789B2 (en) 2018-11-09 2021-04-06 Waymo Llc Verifying predicted trajectories using a grid-based approach
CN109857111A (zh) * 2019-02-18 2019-06-07 广州小鹏汽车科技有限公司 基于共享slam地图的高精度定位方法及系统
KR20210119133A (ko) * 2020-03-24 2021-10-05 연세대학교 산학협력단 딥러닝 기반의 자세 추정을 이용한 3차원 전역 위치 인식 장치 및 이동 로봇
CN114489036A (zh) * 2021-07-25 2022-05-13 西北农林科技大学 一种基于slam的室内机器人导航控制方法

Also Published As

Publication number Publication date
KR101965296B1 (ko) 2019-04-19

Similar Documents

Publication Publication Date Title
KR101965296B1 (ko) 파티클 간에 지도를 공유하는 이동체의 위치 추정 및 지도 작성 방법 및 장치
US11030803B2 (en) Method and apparatus for generating raster map
Amigoni et al. An information-based exploration strategy for environment mapping with mobile robots
US10614324B2 (en) Method and apparatus for identifying static obstacle
US7904097B2 (en) Location determination techniques
CN112313477A (zh) 一种车辆环境映射的方法以及相应的系统、车辆和计算机程序产品
CN104838281A (zh) 基于虚拟地标的定位和建图
CN107679558A (zh) 一种基于度量学习的用户轨迹相似性度量方法
Xiao et al. Indoor tracking using undirected graphical models
CN104781686A (zh) 路径匹配
CN108984741B (zh) 一种地图生成方法及装置、机器人和计算机可读存储介质
JP5981886B2 (ja) 点群解析処理装置、点群解析処理方法、及びプログラム
CN108292138B (zh) 随机地图知悉式立体视觉传感器模型
JP2008014742A (ja) 移動体位置推定システム、及び、移動体位置推定方法
Falque et al. Optimizing placement and number of RF beacons to achieve better indoor localization
El Amine et al. The implementation of indoor localization based on an experimental study of RSSI using a wireless sensor network
Dong et al. A wifi fingerprint augmentation method for 3-d crowdsourced indoor positioning systems
JP2016118502A (ja) 点群解析処理装置、方法、及びプログラム
Tabibiazar et al. Kernel-based modeling and optimization for density estimation in transportation systems using floating car data
Tabibiazar et al. Kernel-based optimization for traffic density estimation in ITS
CA2894863A1 (en) Indoor localization using crowdsourced data
US20150127302A1 (en) Method and apparatus for optimized routing
Dewan et al. Som-tc: Self-organizing map for hierarchical trajectory clustering
CN115145261A (zh) 人机共存下遵循行人规范的移动机器人全局路径规划方法
CN114646313A (zh) 一种用户轨迹定位方法、电子设备及计算机存储介质

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