기술의 발달과 산업화로 인해 각종 로봇이 연구되고 있다. 과거에는 로봇팔과 같이 고정된 위치에서 임무를 수행하였지만, 현재에는 로봇에 이동성을 부여하여 여러 장소를 이동하며 임무를 수행할 수 있는 이동로봇의 비중이 높아지고 있다. 이동로봇이 임무를 수행하기 위한 연구 분야로 지도생성, 위치파악, 장애물회피, 경로계획이 있다. 본 논문은 장애물 회피에 관하여 연구하였다. 현재 장애물 회피를 위해 많은 알고리즘이 연구되었으나, 주로 고정되어 있는 장애물에 국한되어 있다. 정지장애물의 경우 회피를 위한 변수가 현재 좌표가 되지만 움직이는 이동장애물의 경우 시간이 추가된다. 이동장애물을 회피하기 위해서는 장애물의 위치정보를 실시간 처리하는 것이 기본 바탕이며, 이를 예측하기 위해 ...
기술의 발달과 산업화로 인해 각종 로봇이 연구되고 있다. 과거에는 로봇팔과 같이 고정된 위치에서 임무를 수행하였지만, 현재에는 로봇에 이동성을 부여하여 여러 장소를 이동하며 임무를 수행할 수 있는 이동로봇의 비중이 높아지고 있다. 이동로봇이 임무를 수행하기 위한 연구 분야로 지도생성, 위치파악, 장애물회피, 경로계획이 있다. 본 논문은 장애물 회피에 관하여 연구하였다. 현재 장애물 회피를 위해 많은 알고리즘이 연구되었으나, 주로 고정되어 있는 장애물에 국한되어 있다. 정지장애물의 경우 회피를 위한 변수가 현재 좌표가 되지만 움직이는 이동장애물의 경우 시간이 추가된다. 이동장애물을 회피하기 위해서는 장애물의 위치정보를 실시간 처리하는 것이 기본 바탕이며, 이를 예측하기 위해 파티클 필터, 신경망 회로, 퍼지제어 등 많은 연구가 진행되고 있다. 현재까지 이동장애물의 회피에 관하여 연구된 알고리즘은 지도전체를 관측하거나, 시행착오가 발생, 이동장애물의 선형적 움직임을 전제로 하고 있다. 하지만 실제 상황에서 대부분의 물체는 움직일 수 있고, 시간의 흐름에 따라 변하며, 이동방향에 대해 자율성을 가지고 있다. 따라서 본 논문에서는 이동로봇이 비선형적 이동을 하는 장애물 회피를 위해 장애물의 진행방향에 따라 4가지로 분류하였다. 그리고 모든 이동로봇에는 장애물을 감지하기 위해 거리값을 얻을 수 있는 다양한 센서를 사용하지만, 센서 오차에 의해서 이동장애물의 예상경로를 정확히 예측을 하지 못한다면 회피확률이 낮아진다. 그러므로 디지털 필터를 통해 센서정보를 신뢰할 수 있게 처리해야 한다. 모의실험에서는 검출된 장애물의 위치정보에 가우시안 노이즈를 첨가하여 신뢰도가 낮아진 위치정보를 가지고, 이동장애물의 다양한 궤적을 만들어 제안한 알고리즘에 대한 성능을 검증할 수 있는 결과를 얻었다.
기술의 발달과 산업화로 인해 각종 로봇이 연구되고 있다. 과거에는 로봇팔과 같이 고정된 위치에서 임무를 수행하였지만, 현재에는 로봇에 이동성을 부여하여 여러 장소를 이동하며 임무를 수행할 수 있는 이동로봇의 비중이 높아지고 있다. 이동로봇이 임무를 수행하기 위한 연구 분야로 지도생성, 위치파악, 장애물회피, 경로계획이 있다. 본 논문은 장애물 회피에 관하여 연구하였다. 현재 장애물 회피를 위해 많은 알고리즘이 연구되었으나, 주로 고정되어 있는 장애물에 국한되어 있다. 정지장애물의 경우 회피를 위한 변수가 현재 좌표가 되지만 움직이는 이동장애물의 경우 시간이 추가된다. 이동장애물을 회피하기 위해서는 장애물의 위치정보를 실시간 처리하는 것이 기본 바탕이며, 이를 예측하기 위해 파티클 필터, 신경망 회로, 퍼지제어 등 많은 연구가 진행되고 있다. 현재까지 이동장애물의 회피에 관하여 연구된 알고리즘은 지도전체를 관측하거나, 시행착오가 발생, 이동장애물의 선형적 움직임을 전제로 하고 있다. 하지만 실제 상황에서 대부분의 물체는 움직일 수 있고, 시간의 흐름에 따라 변하며, 이동방향에 대해 자율성을 가지고 있다. 따라서 본 논문에서는 이동로봇이 비선형적 이동을 하는 장애물 회피를 위해 장애물의 진행방향에 따라 4가지로 분류하였다. 그리고 모든 이동로봇에는 장애물을 감지하기 위해 거리값을 얻을 수 있는 다양한 센서를 사용하지만, 센서 오차에 의해서 이동장애물의 예상경로를 정확히 예측을 하지 못한다면 회피확률이 낮아진다. 그러므로 디지털 필터를 통해 센서정보를 신뢰할 수 있게 처리해야 한다. 모의실험에서는 검출된 장애물의 위치정보에 가우시안 노이즈를 첨가하여 신뢰도가 낮아진 위치정보를 가지고, 이동장애물의 다양한 궤적을 만들어 제안한 알고리즘에 대한 성능을 검증할 수 있는 결과를 얻었다.
In this paper, we propose collision avoidance algorithm for driving multiple mobile robot in an indoor space. Through realtime position data of obstacle was the projected trajectory, velocity and direction angle get. Moving and static obstacle, was determined by the information collected. If the obs...
In this paper, we propose collision avoidance algorithm for driving multiple mobile robot in an indoor space. Through realtime position data of obstacle was the projected trajectory, velocity and direction angle get. Moving and static obstacle, was determined by the information collected. If the obstacle is a moving obstacle, to the current area is set to hazardous areas, and will avoid obstacle. If the obstacle is a moving obstacle, mobile robot and moving obstacle compared to the projected trajectory, four cases is determined by the situation. Each case has different avoidance algorithm. After avoid moving obstacle and then to was again the final goal by remove the risk determined by distance data between mobile robot and moving obstacle. Mobile robot based on the sensor to operate. But all sensor data include error. If error in detected data of obstacle was, the mobil robot can’t avoid the obstacle. So recursive expression moving average filter design for reduced the maximum error of the sensor. Therefore in proposed algorithm, the sensor information that does not completely removed the error as the mobile robot was moving obstacle avoidance.
In this paper, we propose collision avoidance algorithm for driving multiple mobile robot in an indoor space. Through realtime position data of obstacle was the projected trajectory, velocity and direction angle get. Moving and static obstacle, was determined by the information collected. If the obstacle is a moving obstacle, to the current area is set to hazardous areas, and will avoid obstacle. If the obstacle is a moving obstacle, mobile robot and moving obstacle compared to the projected trajectory, four cases is determined by the situation. Each case has different avoidance algorithm. After avoid moving obstacle and then to was again the final goal by remove the risk determined by distance data between mobile robot and moving obstacle. Mobile robot based on the sensor to operate. But all sensor data include error. If error in detected data of obstacle was, the mobil robot can’t avoid the obstacle. So recursive expression moving average filter design for reduced the maximum error of the sensor. Therefore in proposed algorithm, the sensor information that does not completely removed the error as the mobile robot was moving obstacle avoidance.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.