초록 ▼

본 발명은 이동 로봇이 기준좌표가 주어진 동작 환경내에서 로봇 스스로 자기의 위치를 추정(estimation)하는 방법에 관한 것으로, 이동 로봇이 환경내의 개별 물체들을 비전 센서에 의해 인식을 하고 주어진 지도(맵)를 기반으로 센서의 입력을 분석하여 자기의 위치를 추정(estimation)하는 방법에 대한 발명이다.본 발명에 따른 물체인식을 바탕으로 한 로봇의 자기위치 추정 방법은 상기 위치 연산부가 상기 카메라부로부터 영상을 입력을 받는 영상 입력 단계와, 상기 위치 연산부가 상기 영상 입력 단계에서 입력된 영상안의 개별 물체

본 발명은 이동 로봇이 기준좌표가 주어진 동작 환경내에서 로봇 스스로 자기의 위치를 추정(estimation)하는 방법에 관한 것으로, 이동 로봇이 환경내의 개별 물체들을 비전 센서에 의해 인식을 하고 주어진 지도(맵)를 기반으로 센서의 입력을 분석하여 자기의 위치를 추정(estimation)하는 방법에 대한 발명이다.본 발명에 따른 물체인식을 바탕으로 한 로봇의 자기위치 추정 방법은 상기 위치 연산부가 상기 카메라부로부터 영상을 입력을 받는 영상 입력 단계와, 상기 위치 연산부가 상기 영상 입력 단계에서 입력된 영상안의 개별 물체들을 인식하고 또한 개별 물체들에 대한 거리 정보를 생성하는 물체인식 및 정보 추출 단계와, 상기 위치 연산부가 상기 물체인식 및 정보 추출 단계에서 추출된 정보와 상기 데이터베이스부에 저장되어 있는 물체 기반의 지도를 바탕으로 파티클 필터링 기법을 사용하여 로봇의 위치를 추정하는 로봇 위치 추정단계를 포함한다.

대표청구항 ▼

전방향의 시야각을 갖는 스테레오 영상장치로 형성된 카메라부와, 로봇 이동 경로 주위의 지도가 미리 위상학적 지도 형태로 저장된 데이터베이스부와, 상기 카메라부에서 입력되는 영상 정보를 상기 데이터베이스부에 저장된 지도와 대조하여 위치를 추정하는 위치 연산부를 포함하는 로봇의 자기위치 추정 방법은,상기 위치 연산부가 상기 카메라부로부터 영상을 입력을 받는 영상 입력 단계와, 상기 위치 연산부가 상기 영상 입력 단계에서 입력된 영상안의 개별 물체들을 인식하고 또한 개별 물체들에 대한 거리 정보를 생성하는 물체인식 및 정보 추출 단계와,

전방향의 시야각을 갖는 스테레오 영상장치로 형성된 카메라부와, 로봇 이동 경로 주위의 지도가 미리 위상학적 지도 형태로 저장된 데이터베이스부와, 상기 카메라부에서 입력되는 영상 정보를 상기 데이터베이스부에 저장된 지도와 대조하여 위치를 추정하는 위치 연산부를 포함하는 로봇의 자기위치 추정 방법은,상기 위치 연산부가 상기 카메라부로부터 영상을 입력을 받는 영상 입력 단계와, 상기 위치 연산부가 상기 영상 입력 단계에서 입력된 영상안의 개별 물체들을 인식하고 또한 개별 물체들에 대한 거리 정보를 생성하는 물체인식 및 정보 추출 단계와, 상기 위치 연산부가 상기 물체인식 및 정보 추출 단계에서 추출된 정보와 상기 데이터베이스부에 저장되어 있는 물체 기반의 지도를 바탕으로 파티클 필터링 기법을 사용하여 로봇의 위치를 추정하는 로봇 위치 추정단계를 포함하는 것을 특징으로 하는 물체인식을 바탕으로 한 로봇의 자기위치 추정 방법. 청구항 1항에 있어서, 상기 로봇 위치 추정단계는,상기 위치 연산부가 데이터베이스부에 저장된 지도에서 상기 물체인식 및 정보 추출 단계에서 인식된 물체가 1개 이상 포함된 노드를 로봇이 위치할 수 있는 후보 노드로 선정하는 후보 노드 선정 단계와,상기 위치 연산부가 모든 후보 노드에 대한 로봇의 잠정 위치를 수학식1과 수학식 2를 사용해서 계산하는 잠정 위치 계산 단계와,상기 위치 연산부가 상기 2단계에서 계산된 잠정 위치에 파티클 필터링 기법을 사용해서 정확한 위치 추정에 필요한 최종 가중치를 계산하고, 샘플들이 제일 많이 수렴된 노드의 샘플만으로 수학식 8을 수행하여 로봇의 위치를 추정하는 파티클 필터링 단계를 포함하는 것을 특징으로 하는 물체인식을 바탕으로 한 로봇의 자기위치 추정 장치. (수학식 1) (수학식 2)( 와 는 각각 동일 물체의 국소 특징점들의 입력영상장치와 환경 지도 중심 좌표계에서 바라본 3차원 거리값이고,이 두 거리값들의 동차 변환행렬은 로 나타낼 수 있으며, 3차원 공간상의 임의의 위치라면 그 로봇 위치는 로 나타낼 수 있으며, 일정한 평면상에서 동작하는 로봇이라면, 이 되어 로봇 위치를 결정하는 변수는가 된다.) (수학식 8)([s]는 추정된 로봇의 위치이며 는 가정할 수 있는 로봇 위치의 샘플이고 은 샘플 의 반복스텝 t에서의 가중치이다.)청구항 1항에 있어서, 상기 로봇 위치 추정단계는,상기 위치 연산부가 데이터베이스부에 저장된 지도에서 상기 물체인식 및 정보 추출 단계에서 인식된 물체가 1개 이상 포함된 노드를 로봇이 위치할 수 있는 후보 노드로 선정하는 후보 노드 선정 단계와,상기 위치 연산부가 최종 후보 노드에 대한 로봇의 잠정 위치를 상기 수학식1과 상기 수학식 2를 사용해서 계산하는 잠정 위치 계산 단계와,상기 위치 연산부가 후보 노드중에서 최종 후보 노드를 선택하는 최종 후보 노드 선택 단계와,상기 위치 연산부가 상기 3단계에서 계산된 잠정 위치에 파티클 필터링 기법을 사용해서 정확한 위치 추정에 필요한 최종 가중치를 계산하고, 샘플들이 제일 많이 수렴된 노드의 샘플만으로 상기 수학식 8을 수행하여 로봇의 위치를 추정하는 파티클 필터링 단계를 포함하는 것을 특징으로 하는 물체인식을 바탕으로 한 로봇의 자기위치 추정 장치. 일정 범위의 시야각을 갖는 스테레오 영상장치로 형성된 카메라부와 상기 카메라부를 일정 각도씩 회전시킬 수 있는 회전 장치와, 로봇 이동 경로 주위의 지도가 미리 위상학적 지도 형태로 저장된 데이터베이스부와, 상기 카메라부에서 입력되는 영상 정보를 상기 데이터베이스부에 저장된 지도와 대조하여 위치를 추정하는 위치 연산부를 포함하는 로봇의 자기위치 추정 방법은,상기 위치 연산부가 상기 카메라부로부터 영상을 입력을 받는 영상 입력 단계와, 상기 위치 연산부가 상기 영상 입력 단계에서 입력된 영상안의 개별 물체들을 인식하고 또한 개별 물체들에 대한 거리 정보를 생성하는 물체인식 및 정보 추출 단계와, 상기 위치 연산부가 인식된 물체가 있는지 확인하는 물체 확인 단계와,상기 위치 연산부가 데이터베이스부에 저장된 지도에서 상기 물체인식 및 정보 추출 단계에서 인식된 물체가 1개 이상 포함된 노드를 로봇이 위치할 수 있는 후보 노드로 선정하는 후보 노드 선정 단계와,상기 위치 연산부가 후보 노드들의 우선 순위를 계산하는 우선 순위 설정 단계와,상기 위치 연산부가 후보 노드에 포함된 물체와 로봇간의 거리 및 최우선 순위 물체를 계산하는 최우선 순위 물체 계산 단계와,상기 위치 연산부가 상기 틸트 장치로 카메라부를 이동시켜 후보 노드의 최우선 순위 물체를 확인하는 최우선 순위 물체 확인 단계와,상기 위치 연산부가 상기 최우선 순위 물체 확인 단계에서 최우선 물체가 확인된 노드에 파티클 필터링 기법을 사용해서 정확한 위치 추정에 필요한 최종 가중치를 계산하고, 샘플들이 제일 많이 수렴된 노드의 샘플만으로 상기 수학식 8을 수행하여 로봇의 위치를 추정하는 파티클 필터링 단계를 포함하는 것을 특징으로 하는 물체인식을 바탕으로 한 로봇의 자기위치 추정 방법.청구항 4항에 있어서, 상기 최우선 순위 물체 확인 단계는 후보 노드의 최우선 물체를 인식하지 못하면 상기 틸트 장치로 카메라부를 이동시켜 상기 우선 순위 설정 단계에서 해당 후보 노드의 다음 우선 순위로 계산된 후보 노드의 최우선 물체를 확인하는 것을 특징으로 하는 물체인식을 바탕으로 한 로봇의 자기위치 추정 방법. 청구항 1 내지 5항중 어느 한항에 있어서, 상기 파티클 필터링 단계에서 계산되는 최종 가중치는 로봇이 어느 노드에 가까이 있을지를 나타내 주는 노드 근접 가중치 와 로봇이 인식한 물체와 노드에 존재하는 동일한 물체의 3차원 특징점간의 거리 차이에 의한 샘플 의 3차원 특징점 가중치 를 하기된 수학식 13와 같이 통합하여 계산되는 것을 특징으로 하는 물체인식을 바탕으로 한 로봇의 자기위치 추정 방법. (수학식 13)청구항 6항에 있어서, 상기 노드 근접 가중치 는 후보 노드에 포함된 물체 중 로봇이 인식한 물체와 겹치는 수인 물체 존재 가중치 와, 후보 노드에 저장된 물체의 모델과 로봇이 인식한 물체의 국소적 특징점의 매칭 정도인 물체 특징 가중치와, 로봇이 인식한 물체의 국소적 특징점의 3차원값을 후보 노드의 동일 물체의 국소적 특징점의 3차원 값으로 보간(fitting)하고, 보간된 국소적 특징점의 3차원 값과 후보 노드의 동일 국소적 특징점 3차원 값들 간의 거리 차이인 물체 거리 가중치을 수학식 12에 따라 계산되는 것을 특징으로 하는 물체인식을 바탕으로 한 로봇의 자기위치 추정 방법. (수학식 12)청구항 7항에 있어서, 상기 물체 존재 가중치 는 수학식 9에 따라 계산되는 것을 특징으로 하는 물체인식을 바탕으로 한 로봇의 자기위치 추정 방법. (수학식 9)(는 후보 노드 의 물체 존재 가중치이고, 는 후보 노드의 개수이다. 은 로봇이 인식한 물체의 집합, 는 후보 노드 에 존재하는 물체의 집합이고, 는 로봇이 인식한 물체와 후보 노드 에 존재하는 물체 중 동일한 물체의 개수이다.)청구항 7항에 있어서, 상기 물체 특징 가중치는 수학식 10에 따라 계산되는 것을 특징으로 하는 물체인식을 바탕으로 한 로봇의 자기위치 추정 방법. (수학식 10)( 는 후보 노드 의 물체 특징 가중치이고, 은 로봇이 인식한 모든 물체의 국소적 특징점의 집합이고, 는 후보 노드 에 포함된 물체들의 국소적 특징점의 집합이다. 는 로봇이 인식한 모든 물체의 국소적 특징점의 개수, 는 로봇이 인식한 모든 물체의 국소적 특징점과 후보 노드 에 존재하는 물체 중 로봇이 인식한 물체와 동일한 물체의 매칭된 국소적 특징점의 개수이다.)청구항 7항에 있어서, 상기 물체 거리 가중치는 수학식 11에 따라 계산되는 것을 특징으로 하는 물체인식을 바탕으로 한 로봇의 자기위치 추정 방법. (수학식 11)(여기서, 는 후보 노드 의 물체 거리 가중치이고, 는 보간(fitting)된 국소적 특징점의 3차원값과 후보 노드의 동일 국소적 특징점의 3차원값 간의 거리 차이다. )