KR20200078956A - Effective obstacle removing method - Google Patents

Effective obstacle removing method Download PDF

Info

Publication number
KR20200078956A
KR20200078956A KR1020180168338A KR20180168338A KR20200078956A KR 20200078956 A KR20200078956 A KR 20200078956A KR 1020180168338 A KR1020180168338 A KR 1020180168338A KR 20180168338 A KR20180168338 A KR 20180168338A KR 20200078956 A KR20200078956 A KR 20200078956A
Authority
KR
South Korea
Prior art keywords
obstacle
density
target object
histogram
obstacles
Prior art date
Application number
KR1020180168338A
Other languages
Korean (ko)
Other versions
KR102166419B1 (en
Inventor
김창환
이진휘
김동환
박성기
Original Assignee
한국과학기술연구원
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 한국과학기술연구원 filed Critical 한국과학기술연구원
Priority to KR1020180168338A priority Critical patent/KR102166419B1/en
Publication of KR20200078956A publication Critical patent/KR20200078956A/en
Application granted granted Critical
Publication of KR102166419B1 publication Critical patent/KR102166419B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/005—Electro-mechanical devices, e.g. switched
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R19/00—Wheel guards; Radiator guards, e.g. grilles; Obstruction removers; Fittings damping bouncing force in collisions
    • B60R19/54—Obstruction removers or deflectors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Electromagnetism (AREA)
  • Manipulator (AREA)

Abstract

A method for efficiently removing an obstacle comprises the steps of: defining an extended area of each of the obstacles located around the target object; calculating obstacle density from the target object based on the extended area; plotting the calculated obstacle density as a histogram; removing the obstacle having the lowest obstacle density; and gripping the target object by a robot when a histogram value becomes zero according to the removal of the obstacle.

Description

효율적인 장애물 제거 방법{EFFECTIVE OBSTACLE REMOVING METHOD}Efficient obstacle removal method {EFFECTIVE OBSTACLE REMOVING METHOD}

본 발명은 장애물 제거방법에 관한 것으로, 더욱 상세하게는 제한된 공간 내에 로봇과 타깃 물체 사이에 복수의 장애물이 위치한 상태에서 상기 타깃 물체를 그리핑 하는 경우, 상기 장애물들의 위치를 고려하여 장애물을 효율적으로 제거하고 최적 경로를 생성하여 타깃 물체를 그리핑할 수 있는 효율적인 장애물 제거 방법에 관한 것이다.The present invention relates to a method for removing an obstacle, and more specifically, when gripping the target object in a state where a plurality of obstacles are located between a robot and a target object in a limited space, the obstacles are efficiently considered in consideration of the positions of the obstacles. It relates to an efficient obstacle removal method capable of removing and generating an optimal path to grip a target object.

도 1에 도시된 바와 같이, 제한된 공간(30)에서 타깃물체(10)를 그리핑하여야 하는 상황에서, 상기 타깃물체(10)가 복수의 장애물들(20)에 의해 로봇(40)의 접근이 어렵다면, 상기 로봇(40)은 상기 장애물들(20)을 선택적으로 제거하여, 상기 타깃물체(10)를 향해 접근하기 위한 패스(path)를 결정하여야 하며, 이를 소위, 패스 플래닝(path planning)이라 한다. As illustrated in FIG. 1, in a situation in which the target object 10 needs to be gripped in a limited space 30, the target object 10 is accessed by the robot 40 by a plurality of obstacles 20. If it is difficult, the robot 40 must selectively remove the obstacles 20 to determine a path for approaching the target object 10, so-called path planning. It is called.

종래 대표적인 패스 플래닝 방법으로는, 도 2에 도시된 Base-line 방법이 알려져 있다. As a typical representative path planning method, a base-line method illustrated in FIG. 2 is known.

이는, Doger, Mehmet R., and Siddhartha S. Srinivasa, "A planning framework for non-prehensile manipulation under clutter and uncertanity.", Autonomous Robots 33.3 (2012) 217-236, 에 개시된 기술로서, 상기 타깃물체(10)를 그리핑(gripping)하기 위해, 상기 타깃물체(10)와 상기 로봇(40) 사이의 가상의 직선을 가정하고, 상기 가상의 직선상의 장애물을 우선적으로 제거하는 것을 특징으로 한다. This is a technique disclosed in Doger, Mehmet R., and Siddhartha S. Srinivasa, "A planning framework for non-prehensile manipulation under clutter and uncertanity.", Autonomous Robots 33.3 (2012) 217-236, wherein the target object (10 In order to grip ), it is assumed that a virtual straight line between the target object 10 and the robot 40 is assumed, and that the obstacle on the virtual straight line is preferentially removed.

그러나, 이러한 Base-line 방법의 경우, 로봇과 타깃물체 사이의 가상의 직선상의 장애물을 우선적으로 제거하는 것으로, 패스를 결정하는 것은 간단한 연산으로 수행될 수 있으나, 상기 가상의 직선상의 장애물의 개수나 직선의 길이 등은 고려되지 않으므로, 상기 장애물을 제거하기 위해 불필요하게 많은 작업을 수행하여 하는 문제가 있으며, 이에 따라 장애물 제거 효율이 낮은 문제가 있다. However, in the case of the base-line method, the virtual linear obstacle between the robot and the target object is preferentially removed, and determining the path can be performed by a simple operation, but the number of virtual linear obstacles or Since the length of the straight line and the like are not considered, there is a problem of unnecessaryly performing many operations to remove the obstacle, and accordingly, there is a problem of low obstacle removal efficiency.

[논문][Paper] Doger, Mehmet R., and Siddhartha S. Srinivasa, "A planning framework for non-prehensile manipulation under clutter and uncertanity.", Autonomous Robots 33.3 (2012) 217-236.Doger, Mehmet R., and Siddhartha S. Srinivasa, "A planning framework for non-prehensile manipulation under clutter and uncertanity.", Autonomous Robots 33.3 (2012) 217-236.

이에, 본 발명의 기술적 과제는 이러한 점에서 착안된 것으로 본 발명의 목적은 제한된 공간 내에 로봇과 타깃 물체 사이에 복수의 장애물이 위치한 상태에서 상기 타깃 물체를 그리핑 하는 경우, 상기 장애물들의 위치를 고려하여 장애물을 효율적으로 제거하고 최적 경로를 생성하여 타깃 물체를 그리핑할 수 있는 장애물 제거 방법에 관한 것이다. Accordingly, the technical problem of the present invention is conceived in this regard, and the object of the present invention is to consider the position of the obstacles when gripping the target object while a plurality of obstacles are located between the robot and the target object in a limited space. The present invention relates to a method for removing obstacles that can effectively remove obstacles and generate an optimal path to grip target objects.

상기한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 장애물 제거 방법에서, 타깃 물체의 주변에 위치하는 장애물들 각각의 확장영역을 정의하는 단계, 상기 확장영역을 바탕으로, 상기 타깃 물체로부터의 장애물 밀집도를 계산하는 단계, 상기 계산된 장애물 밀집도를 히스토그램으로 도시화하는 단계, 상기 장애물 밀집도가 가장 낮은 장애물을 제거하는 단계, 및 상기 장애물의 제거에 따라 상기 히스토그램 값이 0(zero)이 되면, 로봇이 상기 타깃 물체를 그리핑하는 단계를 포함한다. In the obstacle removing method according to an embodiment for realizing the object of the present invention, defining an extended area of each of the obstacles located around the target object, based on the extended area, from the target object Calculating the obstacle density, plotting the calculated obstacle density as a histogram, removing an obstacle having the lowest obstacle density, and when the histogram value becomes 0 according to removal of the obstacle, the robot And gripping the target object.

일 실시예에서, 상기 장애물을 제거하는 단계 이후, 상기 히스토그램 값이 0(zero)이 될 때까지, 잔류한 장애물들에 대하여 상기 장애물 밀집도를 다시 계산하고, 히스토그램으로 도시화할 수 있다. In one embodiment, after the step of removing the obstacle, until the histogram value becomes 0, the density of the obstacles for the remaining obstacles may be recalculated and plotted as a histogram.

일 실시예에서, 상기 장애물 밀집도를 계산하는 단계에서, 초기에는, 상기 타깃 물체로부터 가장 멀리 위치한 장애물까지의 거리를 계산반경으로 정의하고, 상기 계산 반경 이내의 장애물들에 대하여 상기 장애물 밀집도를 계산할 수 있다. In one embodiment, in the step of calculating the obstacle density, initially, the distance from the target object to the obstacle located farthest is defined as a calculation radius, and the obstacle density can be calculated for obstacles within the calculation radius. have.

일 실시예에서, 상기 장애물 밀집도를 계산하는 단계에서, 상기 장애물이 제거되는 경우, 상기 계산 반경은 상기 타깃 물체로부터 상기 제거된 장애물까지의 거리로 정의되는 되어, 상기 계산 반경 이내의 장애물들에 대하여 상기 장애물 밀집도를 계산할 수 있다. In one embodiment, in calculating the obstacle density, when the obstacle is removed, the calculated radius is defined as a distance from the target object to the removed obstacle, for obstacles within the calculated radius The obstacle density can be calculated.

일 실시예에서, 상기 확장영역을 정의하는 단계에서, 상기 확장영역은, 각 장애물의 크기, 상기 타깃 물체의 크기, 상기 로봇의 크기 및 안전계수를 합하여 정의될 수 있다. In one embodiment, in the step of defining the extended area, the extended area may be defined by adding the size of each obstacle, the size of the target object, and the size and safety factor of the robot.

일 실시예에서, 상기 장애물의 밀집도를 계산하는 단계에서, 상기 타깃 물체를 중심으로 한 원주 방향에 대하여, 상기 각 장애물에 대하여 정의된 확장영역들이 중첩되는 가를 바탕으로 상기 장애물의 밀집도를 계산할 수 있다. In one embodiment, in the step of calculating the density of the obstacle, the density of the obstacle may be calculated based on whether the extended regions defined for each obstacle overlap with respect to the circumferential direction centering on the target object. .

일 실시예에서, 상기 확장영역들의 중첩되는 개수가 증가할수록 상기 장애물의 밀집도가 증가할 수 있다. In one embodiment, as the number of overlapping of the extended regions increases, the density of the obstacle may increase.

일 실시예에서, 상기 히스토그램 값이 0이 되는 경우, 상기 로봇은 상기 히스토그램 값이 0인 방향을 향해 상기 타깃 물체로 접근할 수 있다. In one embodiment, when the histogram value is 0, the robot may approach the target object toward a direction in which the histogram value is 0.

본 발명의 실시예들에 의하면, 종래 타깃 물체를 그리핑하기 위한 장애물 제거 방법과 대비하여, 보다 효율적으로 장애물을 제거할 수 있으며, 이에 따라 최적 경로로 타깃 물체를 그리핑할 수 있어, 타깃 물체의 그리핑을 보다 효과적으로 수행할 수 있다. According to embodiments of the present invention, in contrast to a conventional method for removing an obstacle for gripping a target object, an obstacle can be more efficiently removed, and accordingly, the target object can be gripped with an optimal path, thereby target object Gripping can be performed more effectively.

이는, 특히, 냉장고나 선반 또는 창고 등과 같은 비선형적인 환경에서 타깃 물체를 보다 효과적으로 그리핑할 수 있으며, 이를 통해, 자동화 로봇을 통한 타깃 물체의 선별 및 그리핑에 대한 자동화 공정을 보다 효과적으로 수행할 수 있다. In particular, it is possible to more effectively grip the target object in a nonlinear environment such as a refrigerator, a shelf or a warehouse, and through this, an automated process for selecting and gripping a target object through an automated robot can be performed more effectively. have.

특히, 장애물이 제거됨에 따라 계산 반경을 재설정하고, 해당 계산 반경에서 히스토그램 값을 연산하므로, 장애물이 없어진 환경에서의 새로운 최적 경로를 도출할 수 있어, 보다 최적화된 경로 산출이 가능하게 된다. In particular, as the obstacle is removed, the calculation radius is reset, and a histogram value is calculated from the calculated radius, so that a new optimal path in an environment without an obstacle can be derived, and more optimized path calculation is possible.

이 경우, 히스토그램 값을 도출하기 위한, 장애물 밀집도는 각 장애물에 의해 정의되는 확장영역의 중첩 여부를 바탕으로 결정되므로, 장애물 밀집도에 대한 연산이 용이하여 히스토그램 값의 도출을 위한 연산 지연을 최소화할 수 있어, 최적 경로 생성 시간을 최소화할 수 있다. In this case, since the obstacle density for deriving the histogram value is determined based on whether or not the extended region defined by each obstacle overlaps, the calculation of the obstacle density can be easily performed to minimize the calculation delay for deriving the histogram value. Therefore, it is possible to minimize the optimal path generation time.

도 1은 소정의 공간에서 로봇에 의해 타깃 물체를 그리핑하여야 하는 상황을 도시한 모식도이다.
도 2는 종래기술에 의한 장애물 제거 방법으로서, Base-line 방법을 도시한 모식도이다.
도 3은 본 발명의 일 실시예에 의한 장애물 제거 방법을 도시한 흐름도이다.
도 4는 도 3의 장애물 제거방법에서 각 장애물별 확장 영역을 정의하는 단계를 도시한 모식도이다.
도 5a 내지 도 5c는 도 3의 장애물 제거방법에서 장애물 밀집도를 계산하고 히스토그램으로 도시화하는 단계를 도시한 모식도 및 그래프이다.
도 6a 및 도 6b는 도 3의 장애물 제거방법에서 장애물에 따른 히스토그램의 일 예를 도시한 모식도 및 그래프이다.
도 7a 및 도 7b는 도 3의 장애물 제거방법에서 장애물에 따른 히스토그램의 다른 예를 도시한 모식도 및 그래프이다.
도 8 내지 도 11은 도 3의 장애물 제거방법에서 장애물을 제거하면서 히스토그램이 0인 값이 존재할 때까지 반복적으로 장애물을 제거하는 단계를 도시한 모식도 및 그래프들이다.
도 12는 도 3의 장애물 제거방법과 종래기술인 Base-line 방법에 따른 장애물 제거 효율을 비교한 그래프이다. 1 is a schematic diagram showing a situation in which a target object must be gripped by a robot in a predetermined space.
2 is a schematic diagram showing a base-line method as a method for removing obstacles according to the prior art.
3 is a flowchart illustrating a method for removing an obstacle according to an embodiment of the present invention.
FIG. 4 is a schematic diagram illustrating steps of defining an extended area for each obstacle in the obstacle removal method of FIG. 3.
5A to 5C are schematic diagrams and graphs showing steps of calculating the obstacle density in the obstacle removal method of FIG. 3 and plotting it as a histogram.
6A and 6B are schematic diagrams and graphs showing an example of a histogram according to an obstacle in the method of removing an obstacle in FIG. 3.
7A and 7B are schematic diagrams and graphs showing another example of a histogram according to an obstacle in the method of removing an obstacle in FIG. 3.
8 to 11 are schematic diagrams and graphs showing the steps of repeatedly removing an obstacle until a histogram has a value of 0 while removing the obstacle in the method of removing the obstacle in FIG. 3.
12 is a graph comparing the obstacle removal method of FIG. 3 with the obstacle removal efficiency according to the prior art Base-line method.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 실시예들을 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. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. The present invention can be applied to various changes and can have various forms, and the embodiments are described in detail in the text. However, this is not intended to limit the present invention to a specific disclosure form, and it should be understood that all modifications, equivalents, and substitutes included in the spirit and scope of the present invention are included. In describing each drawing, similar reference numerals are used for similar components. Terms such as first and second may be used to describe various components, but the components should not be limited by the terms.

상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. The terms are used only for the purpose of distinguishing one component from other components. The terms used in this application are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly indicates otherwise.

본 출원에서, "포함하다" 또는 "이루어진다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. In this application, terms such as “comprises” or “consisting of” are intended to indicate the presence of features, numbers, steps, operations, components, parts or combinations thereof described in the specification, one or more other features. It should be understood that the presence or addition possibilities of fields or numbers, steps, actions, components, parts or combinations thereof are not excluded in advance.

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 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by a person skilled in the art to which the present invention pertains. Terms, such as those defined in a commonly used dictionary, should be interpreted as having meanings consistent with meanings in the context of related technologies, and should not be interpreted as ideal or excessively formal meanings unless explicitly defined in the present application. Does not.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 3은 본 발명의 일 실시예에 의한 장애물 제거 방법을 도시한 흐름도이다. 도 4는 도 3의 장애물 제거방법에서 각 장애물별 확장 영역을 정의하는 단계를 도시한 모식도이다. 3 is a flowchart illustrating a method for removing an obstacle according to an embodiment of the present invention. FIG. 4 is a schematic diagram illustrating steps of defining an extended area for each obstacle in the obstacle removal method of FIG. 3.

본 실시예에 의한 장애물 제거 방법은, 도 1에 도시된 바와 같은 환경, 즉, 소정의 정의된 공간 영역(30)의 내부에 타깃 물체(10)와 복수의 장애물들(20)이 배치되며, 상기 공간 영역(30)의 외부로부터 로봇(40)이 상기 타깃 물체(10)를 그리핑(gripping)하는 경우, 적용되는 것으로, 상기 장애물들(20)의 이동이나 제거를 최소화하면서, 상기 로봇(40)이 상기 타깃 물체(10)를 보다 효과적이고 빠르게 그리핑할 수 있는 방법에 관한 것이다. In the method for removing obstacles according to the present embodiment, the target object 10 and a plurality of obstacles 20 are disposed in an environment as illustrated in FIG. 1, that is, inside a predetermined defined spatial region 30, When the robot 40 grips the target object 10 from the outside of the space area 30, it is applied, while minimizing the movement or removal of the obstacles 20, the robot ( 40) relates to a method that can more effectively and quickly grip the target object 10.

이하의 실시예에서는, 상기 공간 영역(30)은 정육면체 공간을 형성하되, 상기 정육면체의 공간에서 하나의 면(31)만 개방되어, 상기 로봇(40)은 해당 면(31)을 통해서만 그리핑을 수행할 수 있는 것을 예시하여 설명한다. In the following embodiments, the space region 30 forms a cube space, but only one face 31 is opened in the cube space, and the robot 40 grips only through the face 31. It demonstrates what can be done.

그러나, 상기 공간 영역(30)은, 다양하게 정의된 영역일 수 있으며, 각각의 정의된 영역에 대하여도, 이하에서 설명되는 상기 장애물 제거방법은 동일하게 적용될 수 있다. However, the spatial region 30 may be variously defined regions, and the obstacle removing method described below may be equally applied to each defined region.

도 3 및 도 4를 참조하면, 본 실시예에 의한 장애물 제거 방법에서는, 우선, 상기 타깃 물체(10) 주변에 위치하는 장애물들(21, 22) 각각에 대하여 확장영역(51, 52)을 정의한다(단계 S10). 3 and 4, in the obstacle removal method according to the present embodiment, first, the extended areas 51 and 52 are defined for each of the obstacles 21 and 22 positioned around the target object 10. (Step S10).

이 경우, 상기 확장영역(51)은, 각 장애물의 크기, 상기 타깃 물체(10)의 크기, 상기 로봇(40)의 크기 및 안전계수(safety factor)를 합하여 정의될 수 있다. 예를 들어, 상기 확장영역(51)은, 도 4에 도시된 바와 같이, rg를 로봇, 즉 그리퍼(gripper)의 반경, rs를 안전 반경, ro를 장애물 반경, rt를 타깃 반경으로 정의할 때, rt+rs+ro+rg로 정의될 수 있다. In this case, the extended area 51 may be defined by adding the size of each obstacle, the size of the target object 10, the size of the robot 40, and a safety factor. For example, the extension region 51, as shown in Fig. 4, r g, the robot, i.e. the radius of the gripper (gripper), r s safety radius, r o the obstacle radius, target a r t radius When defined as r t +r s +r o +r g can be defined.

이 경우, 상기 장애물 및 상기 타깃 물체가 원형 형상이 아닌 다양한 형태의 형상인 경우라면, 상기 정의된 반경은 상기 장애물 및 상기 타깃 물체의 중심으로부터 최외면까지의 거리로 정의될 수 있음은 자명하다. In this case, it is obvious that the defined radius may be defined as a distance from the center of the obstacle and the target object to the outermost surface when the obstacle and the target object have various shapes, not circular shapes.

이상과 같이, 확장영역이 연산될 수 있으며, 이렇게 연산되는 상기 확장영역은, 도 4에 도시된 바와 같이, 각 장애물(21, 21)의 중심으로부터 소정의 반경을 가지는 원형 형상(51, 52)으로 정의되게 된다. As described above, the extended area can be calculated, and the extended area calculated as described above has circular shapes 51 and 52 having a predetermined radius from the center of each obstacle 21 and 21, as shown in FIG. Will be defined as

도 5a 내지 도 5c는 도 3의 장애물 제거방법에서 장애물 밀집도를 계산하고 히스토그램으로 도시화하는 단계를 도시한 모식도 및 그래프이다. 5A to 5C are schematic diagrams and graphs showing steps of calculating the obstacle density in the obstacle removal method of FIG. 3 and plotting it as a histogram.

도 3 및 도 5a를 참조하면, 앞선 확장영역의 정의 단계를 통해, 소정의 공간 영역(30)에 위치하는 장애물들(21, 22, 23) 각각에 대하여 확장영역들(51, 52, 53)이 정의된다. Referring to FIGS. 3 and 5A, through the defining step of the preceding extended area, the extended areas 51, 52, and 53 for each of the obstacles 21, 22, and 23 located in the predetermined spatial area 30 Is defined.

이 후, 도 3 및 도 5b를 참조하면, 상기 정의된 확장영역들(51, 52, 53)을 바탕으로, 상기 타깃 물체(10)로부터의 장애물 밀집도를 계산한다(단계 S20). Thereafter, referring to FIGS. 3 and 5B, obstacle density from the target object 10 is calculated based on the defined extended areas 51, 52, and 53 (step S20 ).

이 경우, 상기 장애물 밀집도는, 각 장애물에 대하여 정의된 확장영역들이 중첩되는 가를 바탕으로 계산된다. In this case, the obstacle density is calculated based on whether the extended regions defined for each obstacle overlap.

즉, 상기 타깃 물체(10)가 중앙에 위치한다고 가정할 때, 도 5a에서 상기 타깃 물체(10)로부터 180°방향으로는 확장영역은 존재하지 않으므로, 도 5b에서와 같이 장애물 밀집도의 연산에서는 밀집도가 0(zero)인 것으로 계산된다. That is, assuming that the target object 10 is located at the center, since an extended region does not exist in the direction of 180° from the target object 10 in FIG. 5A, as in FIG. 5B, the density is calculated in the calculation of the obstacle density. Is calculated as 0.

한편, 도 5a에서 상기 타깃 물체(10)로부터 -45°방향으로는 제1 확장영역(51)만 존재하므로, 도 5b에서와 같이 장애물 밀집도의 연산에서는 밀집도가 1인 것으로 계산된다. On the other hand, since only the first extended area 51 is present in the -45° direction from the target object 10 in FIG. 5A, the density is calculated to be 1 in the calculation of the obstacle density as in FIG. 5B.

또한, 도 5a에서 상기 타깃 물체(10)로부터 +45°방향으로는 제2 및 제3 확장영역들(52, 53)만 존재하므로, 도 5b에서와 같이 장애물 밀집도의 연산에서는 밀집도가 2인 것으로 계산된다. In addition, since only the second and third extended regions 52 and 53 are present in the direction of +45° from the target object 10 in FIG. 5A, the density of the obstacle is 2 in the calculation of the obstacle density as in FIG. 5B. Is calculated.

이상과 같이, 상기 타깃 물체(10)를 중심으로, 360°방향으로, 각 장애물들에 의해 정의되는 확장영역들이 몇 개가 중첩되는 가를 바탕으로, 상기 360°방향으로의 장애물 밀집도가 계산되며, 이러한 계산 결과는 도 5b에서와 같이 히스토그램으로 도시화될 수 있다(단계 S30). As described above, on the basis of the target object 10, in the 360° direction, based on how many extended areas defined by each obstacle overlap, the obstacle density in the 360° direction is calculated. The calculation result can be plotted as a histogram as in FIG. 5B (step S30).

나아가, 도 3 및 도 5c를 참조하면, 도 5b에서 360°방향으로 도시된 히스토그램은, 막대그래프의 형태로 도 5c에서와 같은 히스토그램으로 도시화될 수 있다(단계 S40). Furthermore, referring to FIGS. 3 and 5C, the histogram shown in the 360° direction in FIG. 5B may be illustrated as a histogram as in FIG. 5C in the form of a bar graph (step S40).

도 6a 및 도 6b는 도 3의 장애물 제거방법에서 장애물에 따른 히스토그램의 일 예를 도시한 모식도 및 그래프이다. 6A and 6B are schematic diagrams and graphs showing an example of a histogram according to an obstacle in the method of removing an obstacle in FIG. 3.

도 6a 및 도 6b는, 도시된 바와 같이 공간영역(30) 및 상기 공간영역 중 일부 영역만 개방된 개방부(31)가 정의된 상태에서, 상기에서 설명한 장애물 밀집도의 계산 및 히스토그램 도시화 단계들(S20, S30)의 예를 나타낸 것이다. 6A and 6B, as illustrated, in the state in which the spatial area 30 and the open part 31 in which only a partial area of the spatial area is open are defined, calculation and histogram urbanization steps of the obstacle density described above ( S20, S30).

즉, 도 6a 및 도 6b를 참조하면, 상기 타깃 물체(10)를 기준으로 -45°로부터 +45°방향으로 각 장애물들(21, 22, 23, 24)에 의해 정의된 확장영역들(51, 52, 53, 54)의 중첩 여부를 연산하여 장애물 밀집도를 계산하고, 이를 도시화하였다. That is, referring to FIGS. 6A and 6B, the extended areas 51 defined by the respective obstacles 21, 22, 23 and 24 in the direction of -45° to +45° based on the target object 10 , 52, 53, 54), and calculated whether or not to overlap, and calculated the density of obstacles.

그리하여, 도 6a에서의 ① 영역은, 제1 내지 제3 확장 영역들(51, 52, 53)이 모두 중첩되는 영역으로, 도 6b에서와 같이 장애물 밀집도를 히스토그램으로 도시화하면 Magnitude 값 '3'으로 표시된다. Thus, region (1) in FIG. 6A is a region in which all of the first to third extension regions 51, 52, and 53 overlap, and as shown in FIG. 6B, when the obstacle density is plotted as a histogram, the Magnitude value is '3'. Is displayed.

또한, 도 6a에서의 ② 영역은, 제2 및 제3 확장 영역들(52, 53)이 중첩되는 영역으로, 도 6b에서와 같이 장애물 밀집도를 히스토그램으로 도시화하면 Magnitude 값 '2'로 표시되고, 마찬가지로 ③ 영역은 제2 내지 제4 확장 영역들(52, 53, 54)이 중첩되는 영역으로, Magnitude 값 '3'으로 표시되며, ④ 영역은 제3 및 제4 확장 영역들(53, 54)이 중첩되는 영역으로, Magnitude 값 '2'로 표시된다. In addition, the area ② in FIG. 6A is an area where the second and third extended areas 52 and 53 overlap, and as shown in FIG. 6B, when the obstacle density is plotted as a histogram, the Magnitude value is '2'. Similarly, the area ③ is the area where the second to fourth extended areas 52, 53, and 54 overlap, and is indicated by a Magnitude value '3', and the area ④ is the third and fourth extended areas 53, 54 This overlapping area is indicated by a Magnitude value of '2'.

도 7a 및 도 7b는 도 3의 장애물 제거방법에서 장애물에 따른 히스토그램의 다른 예를 도시한 모식도 및 그래프이다. 7A and 7B are schematic diagrams and graphs showing another example of a histogram according to an obstacle in the method of removing an obstacle in FIG. 3.

도 7a 및 도 7b는, 도시된 바와 같이 공간영역(30) 및 상기 공간영역 중 일부 영역만 개방된 개방부(31)가 정의된 상태에서, 상기에서 설명한 장애물 밀집도의 계산 및 히스토그램 도시화 단계들(S20, S30)의 다른 예를 나타낸 것이다. 7A and 7B, as illustrated, in the state in which the spatial area 30 and the opening part 31 in which only a part of the spatial area is open are defined, calculation and histogram urbanization steps of the obstacle density described above ( S20, S30).

즉, 도 7a 및 도 7b를 참조하면, 상기 타깃 물체(10)를 기준으로 -45°로부터 +45°방향으로 각 장애물들(21, 22, 23, 24)에 의해 정의된 확장영역들(51, 52, 53, 54)의 중첩 여부를 연산하여 장애물 밀집도를 계산하고, 이를 도시화하였다. That is, referring to FIGS. 7A and 7B, the extended areas 51 defined by the respective obstacles 21, 22, 23 and 24 in the direction of -45° to +45° with respect to the target object 10 , 52, 53, 54), and calculated whether or not to overlap, and calculated the density of obstacles.

그리하여, 도 7a에서의 ① 영역은, 제1 확장 영역(51)만 위치하는 것으로, 도 7b에서와 같이 장애물 밀집도를 히스토그램으로 도시화하면 Magnitude 값 '1'로 표시된다. Thus, in the area ① in FIG. 7A, only the first extended area 51 is located. As illustrated in FIG. 7B, when the density of obstacles is plotted as a histogram, the Magnitude value is '1'.

또한, 도 7a에서의 ③ 영역은, 제2 확장 영역(52)만 위치하는 것으로, 도 7b에서와 같이 장애물 밀집도를 히스토그램으로 도시화하면 Magnitude 값 '1'로 표시되고, 마찬가지로, ④ 영역은 제2 및 제3 확장 영역들(52, 53)이 중첩되는 영역으로, Magnitude 값 '2'로 표시되며, ⑤ 영역은 제2 내지 제4 확장 영역들(52, 53, 54)이 중첩되는 영역으로, Magnitude 값 '3'으로 표시된다. In addition, the area ③ in FIG. 7A is located only in the second extended area 52. As illustrated in FIG. 7B, when the obstacle density is plotted as a histogram, the Magnitude value is '1', and similarly, the area ④ is the second And the third extended regions 52 and 53 are overlapped, indicated by a Magnitude value of '2', and the region ⑤ is a region where the second to fourth extended regions 52, 53 and 54 overlap, It is indicated by Magnitude value '3'.

한편, 도 7a에서 ② 영역은, 어느 확장 영역도 위치하거나 중첩되지 않는 영역에 해당되어, 도 7b에서와 같이 장애물 밀집도를 히스토그램으로 도시화하면 Magnitude 값 '0'으로 표시된다. On the other hand, area ② in FIG. 7A corresponds to an area where any extended area is located or does not overlap, and as illustrated in FIG. 7B, when the density of obstacles is plotted as a histogram, a Magnitude value of '0' is displayed.

이 때, 상기 ② 영역에서와 같이, 장애물 밀집도에 대한 히스토그램 값이 0인 경우, 해당 영역에는 장애물이 존재하지 않는 것이므로, 로봇은 상기 ② 영역을 통해서 상기 타깃 물체(10)를 그리핑할 수 있으며, 이에 대하여는 후술한다. At this time, as in the area ②, when the histogram value for the obstacle density is 0, there is no obstacle in the corresponding area, so the robot can grip the target object 10 through the area ②. , This will be described later.

도 8 내지 도 11은 도 3의 장애물 제거방법에서 장애물을 제거하면서 히스토그램이 0인 값이 존재할 때까지 반복적으로 장애물을 제거하는 단계를 도시한 모식도 및 그래프들이다. 8 to 11 are schematic diagrams and graphs showing the steps of repeatedly removing an obstacle until a histogram has a value of 0 while removing the obstacle in the method of removing the obstacle in FIG. 3.

한편, 이상에서 설명한 바와 같이, 상기 타깃 물체(10)를 중심으로, 장애물 밀집도에 대한 계산 및 이의 히스토그램으로의 도시화가 완료되면, 상기 타깃 물체(10)를 중심으로 한 360도 방향(또는, 개방부가 일부 영역으로 제한된다면 해당 개방부에 해당되는 방향)에 대한 히스토그램 값이 도출되며, 상기 도출된 히스토그램 값 중 '0(zero)'인 값이 존재하는지의 여부를 판단한다(단계 S40). On the other hand, as described above, centering on the target object 10, when the calculation of the obstruction density and the urbanization of the histogram is completed, a 360-degree direction centered on the target object 10 (or open) If the additional portion is limited to a partial area, a histogram value for the corresponding open portion) is derived, and it is determined whether a value of '0 (zero)' among the derived histogram values exists (step S40).

그리하여, 상기 히스토그램 값 중 '0(zero)'인 값이 존재한다면(단계 S40), 해당 영역을 향하여 상기 로봇(40)이 이동되어 상기 타깃 물체(10)에 대한 그리핑을 수행한다(단계 S60). Thus, if there is a value of '0 (zero)' among the histogram values (step S40), the robot 40 is moved toward the corresponding area to perform gripping on the target object 10 (step S60). ).

그러나, 상기 도출된 히스토그램 값 중 '0(zero)'인 값이 존재하지 않는다면(단계 S40), 상기 히스토그램 값들 중 가장 작은 값을 가지는 영역에 해당되는 장애물, 즉 장애물 밀집도가 가장 낮은 영역의 장애물을 제거한다(단계 S50). However, if the value of '0 (zero)' among the derived histogram values does not exist (step S40), the obstacle corresponding to the region having the smallest value among the histogram values, that is, the obstacle of the region having the lowest obstacle density is selected. It is removed (step S50).

즉, 도 3 및 도 8을 참조하면, 상기 타깃 물체(10)를 중심으로, 개방부(31)를 고려한 원주 방향인 -45°내지 +45°방향에 대하여 도출된 히스토그램 값으로부터, 가장 낮은 히스토그램 값을 가지는 방향에 위치하는 장애물, 즉 제2 장애물(22)을 제거한다. That is, referring to FIGS. 3 and 8, with respect to the target object 10, the lowest histogram from the histogram values derived with respect to the circumferential direction -45° to +45° in consideration of the opening portion 31 The obstacle positioned in the direction having the value, that is, the second obstacle 22 is removed.

이 경우, 상기 장애물 밀집도의 계산에 있어서는, 초기상태인 최초에는, 상기 타깃 물체(10)로부터 가장 멀리 위치한 장애물인 제1 장애물(21)까지의 거리를 계산반경(dmax,1)로 정의하고, 상기 계산 반경(dmax,1) 이내의 모든 장애물들에 대하여 장애물 밀집도를 계산한다. In this case, in the calculation of the obstacle density, initially, in the initial state, the distance from the target object 10 to the first obstacle 21, which is the farthest obstacle, is defined as the calculation radius dmax,1, Obstacle density is calculated for all obstacles within the calculation radius dmax,1.

즉, 상기 타깃 물체(10)로부터 상기 제1 장애물(21)까지의 거리인 계산반경(dmax,1)을 가지는 가상의 원에 대하여, 상기 가상의 원의 내부에 위치하는 모든 장애물들에 대하여 장애물 밀집도를 계산하고, 이를 히스토그램으로 도시한다. That is, with respect to a virtual circle having a calculation radius (dmax, 1), which is a distance from the target object 10 to the first obstacle 21, an obstacle with respect to all obstacles located inside the virtual circle The density is calculated and plotted as a histogram.

그리하여, 상기 히스토그램의 값이 가장 최소인 영역에서의 장애물인 제2 장애물(22)을 제거함으로써, 1차적인 장애물 제거를 수행하게 된다. Thus, the first obstacle is removed by removing the second obstacle 22 which is an obstacle in the area where the histogram has the smallest value.

이 후, 상기 제2 장애물(22)이 제거된 상태에서, 상기 장애물 밀집도에 대한 계산(단계 S20) 및 이를 바탕으로 한 히스토그램의 도시화(단계 S30)를 다시 수행하게 된다. Thereafter, in the state in which the second obstacle 22 is removed, the calculation of the obstacle density (step S20) and the histogram based thereon (step S30) are performed again.

즉, 도 9 및 도 10을 참조하면, 상기 제2 장애물(22)이 제거된 후, 잔류하는 장애물들에 대하여 장애물 밀집도를 다시 계산한다. That is, referring to FIGS. 9 and 10, after the second obstacle 22 is removed, the obstacle density is calculated again for the remaining obstacles.

이 경우, 상기 장애물 밀집도를 계산함에 있어서는, 우선 계산 반경을 다시 정의하여야 하는데, 상기 계산 반경(dmax, 2)은 상기 타깃 물체(10)로부터 상기 전 단계에서 제거된 장애물, 즉 제2 장애물(22)이 위치했던 거리까지로 정의된다. In this case, in calculating the obstacle density, the calculation radius must first be defined, and the calculation radius (dmax, 2) is the obstacle removed in the previous step from the target object 10, that is, the second obstacle 22 ) Is defined as the distance to the location.

즉, 상기 타깃 물체(10)로부터 상기 제2 장애물(22)까지의 거리인 계산반경(dmax,2)을 가지는 가상의 원에 대하여, 상기 가상의 원의 내부에 위치하는 모든 장애물들에 대하여 장애물 밀집도를 계산하게 된다. 그리하여, 이렇게 계산된 장애물 밀집도를 히스토그램으로 도 10에서와 같이 도시한다. That is, for a virtual circle having a calculated radius (dmax,2) that is a distance from the target object 10 to the second obstacle 22, an obstacle for all obstacles located inside the virtual circle The density is calculated. Thus, the calculated obstacle density is represented as a histogram as in FIG. 10.

이와 같이, 도시된 도 10의 히스토그램을 검토하건대, 역시, 히스토그램이 '0'인 값은 존재하지 않으므로(단계 S40), 상기 히스토그램의 값이 가장 작은 값에 해당되는 위치의 장애물인, 제3 장애물(23)(도 9 참조)을 제거하게 된다(단계 S50). As described above, when examining the histogram shown in FIG. 10, since there is no value whose histogram is '0' (step S40), the third obstacle, which is an obstacle at a position corresponding to the smallest value of the histogram, is present. (23) (see FIG. 9) is removed (step S50).

이 후, 상기 제3 장애물(23)도 제거된 상태에서, 상기 장애물 밀집도에 대한 계산(단계 S20) 및 이를 바탕으로 한 히스토그램의 도시화(단계 S30)를 다시 수행하게 된다. Thereafter, in the state in which the third obstacle 23 is also removed, the calculation of the obstacle density (step S20) and the histogram based thereon (step S30) are performed again.

즉, 도 9 및 도 11을 참조하면, 상기 제3 장애물(23)이 제거된 후, 잔류하는 장애물들에 대하여 장애물 밀집도를 다시 계산한다. That is, referring to FIGS. 9 and 11, after the third obstacle 23 is removed, the obstacle density is calculated again for the remaining obstacles.

이 경우, 상기 장애물 밀집도를 계산함에 있어서는, 우선 계산 반경을 다시 정의하여야 하는데, 상기 계산 반경(dmax,3)은, 앞서 설명한 바와 같이, 상기 타깃 물체(10)로부터 상기 전 단계에서 제거된 장애물, 즉 제3 장애물(23)이 위치했던 거리까지로 정의된다. In this case, in calculating the obstacle density, the calculation radius must first be redefined. The calculation radius (dmax, 3) is, as described above, the obstacle removed in the previous step from the target object 10, That is, it is defined as the distance to which the third obstacle 23 was located.

그리하여, 상기 타깃 물체(10)로부터 상기 제3 장애물(23)까지의 거리인 계산반경(dmax,3)을 가지는 가상의 원에 대하여, 상기 가상의 원의 내부에 위치하는 모든 장애물들에 대하여 장애물 밀집도를 계산하게 된다. 그리하여, 이렇게 계산된 장애물 밀집도를 히스토그램으로 도 11에서와 같이 도시한다. Thus, for a virtual circle having a calculated radius (dmax, 3) that is a distance from the target object 10 to the third obstacle 23, an obstacle for all obstacles located inside the virtual circle The density is calculated. Thus, the calculated obstacle density is shown as a histogram as in FIG. 11.

이와 같이, 도시된 도 11의 히스토그램을 검토하건대, 히스토그램이 '0'인 값은 존재하므로(단계 S40), 상기 히스토그램의 값이 0인 위치를 통해, 상기 로봇(40)은 상기 타깃 물체(10)를 그리핑하게 된다(단계 S60). As described above, when examining the histogram shown in FIG. 11, since a value with a histogram of '0' exists (step S40), through the position where the value of the histogram is 0, the robot 40 is the target object 10 ) Is gripped (step S60).

한편, 본 실시예에서는 히스토그램 값의 도출 결과를 바탕으로, 타깃 물체로까지의 접근 영역에 대한 정보를 제공할 수는 있으나, 실제 로봇은 해당 경로로까지 다양한 방법으로 접근할 수 있다. On the other hand, in this embodiment, based on the result of deriving the histogram value, it is possible to provide information about the access area to the target object, but the actual robot can access the corresponding route in various ways.

이에, 본 실시예에서는, 상기 로봇이 상기 선택된 접근 영역으로 이동되는 경로를 결정함에 있어서는, 종래 로봇 경로 결정방법으로 사용되는, PRM, RRT, KPIECE 등의 방법이나, 이러한 로봇 경로 결정방법을 제공하는 OMPL(open motion planning library)가 사용될 수 있다. Accordingly, in the present embodiment, in determining a path for the robot to move to the selected access area, a method such as PRM, RRT, KPIECE, or the like, which is used as a conventional robot path determination method, or provides such a robot path determination method An open motion planning library (OMPL) can be used.

도 10은 도 3의 장애물 제거방법과 종래기술인 Base-line 방법에 따른 장애물 제거 효율을 비교한 그래프이다. FIG. 10 is a graph comparing the obstacle removal method of FIG. 3 and the obstacle removal efficiency according to the conventional base-line method.

도 10에 도시된 바와 같이, 종래기술인 Base-line 방법을 사용하는 경우, 본 실시예에 의한 장애물 제거방법에 의해 장애물을 제거하는 경우와 비교하여, 장애물의 총 개수와 무관하게 항상 평균 1회 내지 2회 정도 장애물의 제거 횟수가 높음을 확인할 수 있다. As shown in FIG. 10, when using the base-line method of the prior art, compared to the case of removing the obstacle by the obstacle removing method according to the present embodiment, the average number of obstacles is always 1 to 1 It can be seen that the number of times the obstacle is removed is about two times.

즉, 본 실시예에 의한 장애물 제거방법을 이용하여 장애물을 제거하는 경우, 보다 적은 회수의 장애물 제거를 통해, 효과적으로 타깃 물체로까지의 접근 루트를 확보할 수 있으며, 이에 따라 보다 효과적인 타깃 물체의 그리핑을 수행할 수 있다. That is, when an obstacle is removed by using the obstacle removal method according to the present embodiment, an access route to the target object can be secured effectively through fewer obstacles, thereby making it more effective for the target object. Ripping can be performed.

상기와 같은 본 발명의 실시예들에 의하면, 종래 타깃 물체를 그리핑하기 위한 장애물 제거 방법과 대비하여, 보다 효율적으로 장애물을 제거할 수 있으며, 이에 따라 최적 경로로 타깃 물체를 그리핑할 수 있어, 타깃 물체의 그리핑을 보다 효과적으로 수행할 수 있다. According to the embodiments of the present invention as described above, in contrast to a conventional method for removing an obstacle for gripping a target object, an obstacle can be more efficiently removed, and accordingly, the target object can be gripped with an optimal path. , The gripping of the target object can be performed more effectively.

이는, 특히, 냉장고나 선반 또는 창고 등과 같은 비선형적인 환경에서 타깃 물체를 보다 효과적으로 그리핑할 수 있으며, 이를 통해, 자동화 로봇을 통한 타깃 물체의 선별 및 그리핑에 대한 자동화 공정을 보다 효과적으로 수행할 수 있다. In particular, it is possible to more effectively grip the target object in a nonlinear environment such as a refrigerator, a shelf or a warehouse, and through this, an automated process for selecting and gripping a target object through an automated robot can be performed more effectively. have.

특히, 장애물이 제거됨에 따라 계산 반경을 재설정하고, 해당 계산 반경에서 히스토그램 값을 연산하므로, 장애물이 없어진 환경에서의 새로운 최적 경로를 도출할 수 있어, 보다 최적화된 경로 산출이 가능하게 된다. In particular, since the calculation radius is reset as the obstacle is removed, and a histogram value is calculated at the calculation radius, a new optimal path in an environment without an obstacle can be derived, and more optimized path calculation is possible.

이 경우, 히스토그램 값을 도출하기 위한, 장애물 밀집도는 각 장애물에 의해 정의되는 확장영역의 중첩 여부를 바탕으로 결정되므로, 장애물 밀집도에 대한 연산이 용이하여 히스토그램 값의 도출을 위한 연산 지연을 최소화할 수 있어, 최적 경로 생성 시간을 최소화할 수 있다. In this case, since the obstacle density for deriving the histogram value is determined based on whether or not the extended region defined by each obstacle overlaps, the calculation of the obstacle density can be easily performed to minimize the calculation delay for deriving the histogram value. Therefore, it is possible to minimize the optimal path generation time.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although described above with reference to the preferred embodiments of the present invention, those skilled in the art may variously modify and change the present invention without departing from the spirit and scope of the present invention as set forth in the claims below. You will understand that you can.

10 : 타깃 물체 20 : 장애물
30 : 공간 영역 40 : 로봇
50 : 확장 영역10: target object 20: obstacle
30: space area 40: robot
50: extended area

Claims (8)

타깃 물체의 주변에 위치하는 장애물들 각각의 확장영역을 정의하는 단계;
상기 확장영역을 바탕으로, 상기 타깃 물체로부터의 장애물 밀집도를 계산하는 단계;
상기 계산된 장애물 밀집도를 히스토그램으로 도시화하는 단계;
상기 장애물 밀집도가 가장 낮은 장애물을 제거하는 단계; 및
상기 장애물의 제거에 따라 상기 히스토그램 값이 0(zero)이 되면, 로봇이 상기 타깃 물체를 그리핑하는 단계를 포함하는 장애물 제거방법. Defining an extended area of each of the obstacles located around the target object;
Calculating an obstacle density from the target object based on the extended area;
Plotting the calculated obstacle density with a histogram;
Removing the obstacle having the lowest obstacle density; And
And when the histogram value becomes 0 (zero) according to the removal of the obstacle, the robot removing the target object. 제1항에 있어서, 상기 장애물을 제거하는 단계 이후,
상기 히스토그램 값이 0(zero)이 될 때까지,
잔류한 장애물들에 대하여 상기 장애물 밀집도를 다시 계산하고, 히스토그램으로 도시화하는 것을 특징으로 하는 장애물 제거방법. According to claim 1, After the step of removing the obstacle,
Until the histogram value becomes 0 (zero),
The method for removing obstacles, characterized in that the obstacle density is recalculated and the histogram is illustrated for the remaining obstacles. 제2항에 있어서, 상기 장애물 밀집도를 계산하는 단계에서,
초기에는, 상기 타깃 물체로부터 가장 멀리 위치한 장애물까지의 거리를 계산반경으로 정의하고, 상기 계산 반경 이내의 장애물들에 대하여 상기 장애물 밀집도를 계산하는 것을 특징으로 하는 장애물 제거방법. According to claim 2, In the step of calculating the density of the obstacle,
Initially, the distance to the obstacle located farthest from the target object is defined as a calculation radius, and the obstacle removal method characterized in that the obstacle density is calculated for obstacles within the calculated radius. 제3항에 있어서, 상기 장애물 밀집도를 계산하는 단계에서,
상기 장애물이 제거되는 경우, 상기 계산 반경은 상기 타깃 물체로부터 상기 제거된 장애물까지의 거리로 정의되는 되어, 상기 계산 반경 이내의 장애물들에 대하여 상기 장애물 밀집도를 계산하는 것을 특징으로 하는 장애물 제거방법. According to claim 3, In the step of calculating the density of the obstacle,
When the obstacle is removed, the calculated radius is defined as the distance from the target object to the removed obstacle, and the obstacle removal method, characterized in that for calculating the obstacle density for the obstacles within the calculated radius. 제1항에 있어서, 상기 확장영역을 정의하는 단계에서,
상기 확장영역은, 각 장애물의 크기, 상기 타깃 물체의 크기, 상기 로봇의 크기 및 안전계수를 합하여 정의되는 것을 특징으로 하는 장애물 제거방법. According to claim 1, In the step of defining the extended area,
The extended area, the obstacle removal method characterized in that the size of each obstacle, the size of the target object, the size of the robot and the safety factor are defined as a sum. 제1항에 있어서, 상기 장애물의 밀집도를 계산하는 단계에서,
상기 타깃 물체를 중심으로 한 원주 방향에 대하여, 상기 각 장애물에 대하여 정의된 확장영역들이 중첩되는 가를 바탕으로 상기 장애물의 밀집도를 계산하는 것을 특징으로 하는 장애물 제거방법. According to claim 1, In the step of calculating the density of the obstacle,
Obstacle removal method, characterized in that with respect to the circumferential direction around the target object, the density of the obstacle is calculated based on whether the extended regions defined for each obstacle overlap. 제6항에 있어서,
상기 확장영역들의 중첩되는 개수가 증가할수록 상기 장애물의 밀집도가 증가하는 것을 특징으로 하는 장애물 제거방법. The method of claim 6,
Obstacle removal method characterized in that the density of the obstacle increases as the number of overlapping of the extended areas increases. 제6항에 있어서,
상기 히스토그램 값이 0이 되는 경우, 상기 로봇은 상기 히스토그램 값이 0인 방향을 향해 상기 타깃 물체로 접근하는 것을 특징으로 하는 장애물 제거방법.

The method of claim 6,
When the histogram value becomes 0, the robot approaches the target object toward a direction in which the histogram value is 0.

KR1020180168338A 2018-12-24 2018-12-24 Effective obstacle removing method KR102166419B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180168338A KR102166419B1 (en) 2018-12-24 2018-12-24 Effective obstacle removing method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180168338A KR102166419B1 (en) 2018-12-24 2018-12-24 Effective obstacle removing method

Publications (2)

Publication Number Publication Date
KR20200078956A true KR20200078956A (en) 2020-07-02
KR102166419B1 KR102166419B1 (en) 2020-10-15

Family

ID=71599340

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180168338A KR102166419B1 (en) 2018-12-24 2018-12-24 Effective obstacle removing method

Country Status (1)

Country Link
KR (1) KR102166419B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112180924A (en) * 2020-09-28 2021-01-05 珠海市一微半导体有限公司 Movement control method for navigating to dense obstacles

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009090807A1 (en) * 2008-01-16 2009-07-23 Nec Corporation Mobile device, method for moving mobile device, and program for controlling movement of mobile device
JP2017504851A (en) * 2014-09-05 2017-02-09 エスゼット ディージェイアイ テクノロジー カンパニー リミテッドＳｚ Ｄｊｉ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ Method and system for controlling the speed of an unmanned aerial vehicle
JP2017096750A (en) * 2015-11-24 2017-06-01 株式会社キーエンス Positioning method, positioning apparatus, program and computer readable recording medium

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009090807A1 (en) * 2008-01-16 2009-07-23 Nec Corporation Mobile device, method for moving mobile device, and program for controlling movement of mobile device
JP2017504851A (en) * 2014-09-05 2017-02-09 エスゼット ディージェイアイ テクノロジー カンパニー リミテッドＳｚ Ｄｊｉ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ Method and system for controlling the speed of an unmanned aerial vehicle
JP2017096750A (en) * 2015-11-24 2017-06-01 株式会社キーエンス Positioning method, positioning apparatus, program and computer readable recording medium

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
[논문]
Doger, Mehmet R., and Siddhartha S. Srinivasa, "A planning framework for non-prehensile manipulation under clutter and uncertanity.", Autonomous Robots 33.3 (2012) 217-236.

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112180924A (en) * 2020-09-28 2021-01-05 珠海市一微半导体有限公司 Movement control method for navigating to dense obstacles
CN112180924B (en) * 2020-09-28 2024-04-02 珠海一微半导体股份有限公司 Mobile control method for navigating to dense obstacle

Also Published As

Publication number Publication date
KR102166419B1 (en) 2020-10-15

Similar Documents

Publication Publication Date Title
Moll et al. Randomized physics-based motion planning for grasping in cluttered and uncertain environments
US8924016B2 (en) Apparatus for planning path of robot and method thereof
US11537130B2 (en) Robot plan online adjustment
US8290620B2 (en) Route creation method and route creation device
US9144904B2 (en) Method and system for automatically preventing deadlock in multi-robot systems
Şucan et al. Motion planning with constraints using configuration space approximations
Liu et al. Online time-optimal trajectory planning for robotic manipulators using adaptive elite genetic algorithm with singularity avoidance
De Maeyer et al. Cartesian path planning for arc welding robots: Evaluation of the descartes algorithm
McCarragher Petri net modelling for robotic assembly and trajectory planning
Montano et al. Coordination of several robots based on temporal synchronization
KR20200078956A (en) Effective obstacle removing method
Liu et al. A prior information heuristic based robot exploration method in indoor environment
Wang et al. Assembly-oriented task sequence planning for a dual-arm robot
JPS63169279A (en) Robot controller
Loizou et al. Closed loop motion planning and control for mobile robots in uncertain environments
Le et al. Search-based planning and replanning in robotics and autonomous systems
Levihn et al. Autonomous environment manipulation to assist humanoid locomotion
Lin et al. Humanoid navigation in uneven terrain using learned estimates of traversability
JP2014069933A (en) Information processor, information processing method and program
Du et al. Asymptotical RRT-based path planning for mobile robots in dynamic environments
Knobloch et al. Distance-aware dynamically weighted roadmaps for motion planning in unknown environments
KR102338855B1 (en) Object rearrangement method in confined environments
Groth et al. One-shot robot programming by demonstration by adapting motion segments
Qin et al. Where to install the manipulator: optimal installation pose planning based on whale algorithm
Chung et al. Collision-free trajectory generation of robotic manipulators using receding horizon strategy

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right