KR101049155B1 - 자율이동장치의 장애물 판단방법 및 이를 이용한 자율이동장치 - Google Patents
자율이동장치의 장애물 판단방법 및 이를 이용한 자율이동장치 Download PDFInfo
- Publication number
- KR101049155B1 KR101049155B1 KR1020110010339A KR20110010339A KR101049155B1 KR 101049155 B1 KR101049155 B1 KR 101049155B1 KR 1020110010339 A KR1020110010339 A KR 1020110010339A KR 20110010339 A KR20110010339 A KR 20110010339A KR 101049155 B1 KR101049155 B1 KR 101049155B1
- Authority
- KR
- South Korea
- Prior art keywords
- obstacle
- autonomous mobile
- mobile device
- moving
- detected
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000001514 detection method Methods 0.000 claims description 61
- 230000033001 locomotion Effects 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 230000036544 posture Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 6
- 241000282412 Homo Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0248—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means in combination with a laser
-
- 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
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Optics & Photonics (AREA)
- Theoretical Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
본 발명의 자율 이동 장치의 장애물 판단방법은, 전방 영역에 대한 장애물을 검출하는 장애물 검출 단계와, 장애물이 이동 장애물인지, 고정 장애물인지 분류하는 장애물 분류단계 및 장애물이 어떤 물체에 해당하는지 판단하는 장애물 판단단계를 포함함으로써 장애물을 신속하고 정확하게 감지하는 것이 가능하다.
Description
본 발명은 자율이동장치의 장애물 판단방법 및 이를 이용한 자율이동장치에 관한 것이다.
일반적으로 자율이동로봇과 같은 자율이동장치는 여러 산업 분야에 걸쳐 사용되고 있다.
상기 자율이동로봇은 장애자를 도와주거나, 공장에서 물류이송 작업을 실시하거나, 감시 및 경계, 우주탐사, 핵폐기물 처리장 또는 심해와 같이 위험한 환경에서 인간을 대신하여 수행하고 있다.
뿐만 아니라, 자율이동로봇은 무인 청소기, 무인 잔디깎기 등으로도 사용이 가능하며, 군사적인 목적으로도 사용되고 있다.
그러나, 현재까지 자율이동로봇과 같은 자율이동장치의 인지능력과 추론능력은 인간과 비교할 때 열등하기 때문에, 기능이 매우 제한적인 단점을 가질 수밖에 없었다.
따라서, 이동 및 사물 판단을 비롯하여 많은 분야에서 로봇의 지능을 높이기 위한 연구가 이루어지고 있다.
무엇보다 자율이동로봇과 같은 자율이동장치의 가장 기본적인 기능은 원하는 목표지점까지 자유로이 이동할 수 있어야 한다.
상기 자율이동로봇이 자유롭게 이동하기 위해서는 스스로 어디에 있는지를 판단할 수 있는 능력과 이동 경로 주변의 장애물을 식별하는 능력이 필요하다.
이러한 기능들은 자율이동로봇의 위치측정(localization)기술, 장애물 검출 및 지도 작성(map building)기술에 의해 수행될 수 있다.
그 중에서 자율이동로봇과 같은 자율이동장치가 이동할 전방 영역에 대한 장애물을 감지하고, 상기 장애물이 사람인지 아니면 단순 장애물인지 유무를 파악하기 위한 관심이 증대되었다.
만약, 사람일 경우에는 자율이동로봇의 이동 경로를 수정하여 상기 사람을 회피하거나, 새로운 이동 경로를 찾기 위한 기술 개발이 요구되며, 이에 대한 다양한 연구 개발이 진행되고 있다.
본 발명은 상기한 점을 감안하여 안출된 것으로서, 자율적으로 이동 가능한 자율이동장치의 장애물 판단방법 및 이를 이용한 자율이동장치를 제공한다.
또한 본 발명은 장애물이 사람일 경우에 보다 정확하게 판단 가능한 자율이동장치의 장애물 판단방법 및 이를 이용한 자율이동장치를 제공한다.
또한 본 발명은 이동 장애물과 고정 장애물을 분류하되 특히 사람과 같은 이동 장애물을 분류하고 정확히 판단하기 위한 자율이동장치의 장애물 판단방법 및 이를 이용한 자율이동장치를 제공한다.
본 발명의 일 특징에 따른 장애물 판단방법은, 전방 영역에 대한 장애물을 검출하는 장애물 검출 단계와, 장애물이 이동 장애물인지, 고정 장애물인지 분류하는 장애물 분류단계 및 장애물이 어떤 물체에 해당하는지 판단하는 장애물 판단단계를 포함한다.
상기 장애물 판단방법의 장애물 검출 단계는, 상기 장애물의 윤곽선을 검출하는 윤곽선 검출 단계와, 윤곽선 검출 단계에서 검출된 윤곽선을 규정된 형태로 변환시키는 데이터 변환 단계와, 변환된 데이터를 사전 정의 물체 형상과 비교하는 데이터 비교 단계 및 특정 종류의 장애물에 해당되는지 대비하는 데이터 매칭 단계를 포함할 수 있다.
상기 장애물 판단방법은, 장애물의 크기를 측정 또는 추정하여 일정 크기 이상이면 장애물로 선정하는 후보 장애물 선정 단계를 더 포함하고 후보 장애물로 선정된 장애물에 대해서 데이터 변환을 수행할 수 있다.
상기 장애물 판단방법의 후보 장애물 선정 단계는, 장애물까지의 거리와 검출된 윤곽선을 이용하여 상기 장애물의 크기를 판단하는 크기 판단 단계 및 크기가 규정된 크기 이상인지 비교하는 크기 비교 단계를 포함할 수 있다.
상기 장애물 판단방법의 윤곽선 검출 단계는, 장애물이 포함된 영역을 2차원으로 스캔하는 스캔 단계와, 스캔 단계의 2차원 정보를 누적하여 3차원 형상 정보를 만드는 데이터 합성 단계 및 합성된 데이터를 스캔 방향과 수직인 평면에 대하여 투영하여 2차원 형상 정보를 추출하는 단계를 포함할 수 있다.
상기 장애물 판단방법의 장애물 매칭 단계는, 장애물의 색 또는 자세 중의 적어도 어느 하나에 의해 특정 종류의 장애물에 해당하는지 판단할 수 있다.
상기 장애물 매칭 단계에서, 색은 장애물이 인간인 경우 인종에 따른 피부색(Skin Color)을 이용할 수 있다.
상기 장애물 매칭 단계에서, 자세는 장애물이 인간인 경우 서 있는 자세, 앉아있는 자세, 지면에 웅크린 자세, 누워있는 자세 중의 어느 하나에 해당되는지 판단할 수 있다.
상기 장애물 판단방법의 데이터 비교단계에서, 사전정의 물체형상은 사람의 가로 세로 얼굴비율 또는 신장 및 어깨 폭에 따라 분류될 수 있다.
상기 장애물 판단방법의 장애물 검출 단계는, 장애물까지의 거리와, 장애물의 윤곽선 및 일반 호프 변환 등의 알고리즘에 의해 검출 가능한 사전정의 한 물체형상 중의 어느 하나 또는 모두가 동시에 적용 가능할 수 있다.
상기 장애물 판단방법의 장애물 분류단계는, 시간에 따른 장애물의 이동 유무에 따라 분류될 수 있다.
상기 장애물 판단방법의 장애물 판단단계는, 복수 개의 이동 장애물에 대한 중심점이 추적될 수 있다.
상기 장애물 판단방법의 장애물 판단단계는 복수 개의 이동 장애물에 대한 중심점의 이동 속도에 따라 이동 장애물 또는 고정 장애물로 분류할 수 있다.
본 발명의 일 특징에 따른 자율 이동 장치는, 전방 영역에 대한 장애물을 스캔하는 촬영부와, 스캔으로부터 얻어진 장애물의 윤곽선과 미리 정의된 장애물의 형상 사이의 매칭관계를 이용하여 어떤 종류의 장애물에 해당하는지 판단하는 제1검출부와, 장애물의 중심점의 이동 속도를 감지함으로써 상기 장애물이 이동 장애물인지 아닌지 감지하는 제1감지부와, 장애물의 움직임을 감지하여 상기 장애물이 생물체인지 아닌지 감지하는 제2감지부와, 장애물의 파장을 감지하여 사람인지 아닌지 감지하는 제3감지부 및 검출된 장애물이 어떤 물체인지 판단하는 판단부를 포함하여 이루어진다.
상기 자율 이동 장치의 촬영부는, 스테레오 카메라(Stereo Camera) 또는 레이저 거리측정 센서(LADAR, Flash Lidar 등) 중의 어느 하나가 사용될 수 있다.
상기 자율 이동 장치는, 이동 장애물이 포함된 범위(Range) 내에서 추가 스캔을 실시하여 이동 장애물에 대한 2차원 형상을 추출하는 제2검출부를 더 포함할 수 있다.
본 발명에 의한 자율이동장치의 장애물 판단방법 및 이를 이용한 자율이동장치에 따르면 장애물을 정확하게 검출하고 분류하여 어떤 종류의 장애물인지 판단할 수 있다.
본 발명에 의한 자율이동장치의 장애물 판단방법 및 이를 이용한 자율이동장치는 장애물이 사람일 경우에 보다 안정적으로 판단이 가능하다.
도 1은 본 발명의 일 실시예에 따른 자율이동장치에 의해 검출된 장애물을 도시한 개략도.
도 2는 본 발명의 일 실시예에 따른 자율이동장치의 장애물 판단방법을 나타내는 순서도.
도 3은 본 발명의 일 실시예에 따른 자율이동장치의 구성을 도시한 블록도.
도 4는 도 2의 장애물 판단방법에서 장애물 검출단계를 상세하게 나타내는 순서도.
도 5 내지 도 6은 도 4의 장애물 검출단계에서 장애물을 사람으로 판단하는 기준을 설명하기 위한 도면.
도 7은 도 4의 장애물 검출단계에서 검출된 장애물을 정밀검출하는 방법을 나타내는 개념도.
도 8은 도 7의 장애물을 정밀검출하는 방법을 나타내는 순서도.
도 9는 도 2의 장애물 판단방법에서 장애물 분류단계를 상세하게 나타내는 순서도.
도 10은 도 2의 장애물 판단방법에서 장애물 판단단계를 상세하게 나타내는 순서도.
도 2는 본 발명의 일 실시예에 따른 자율이동장치의 장애물 판단방법을 나타내는 순서도.
도 3은 본 발명의 일 실시예에 따른 자율이동장치의 구성을 도시한 블록도.
도 4는 도 2의 장애물 판단방법에서 장애물 검출단계를 상세하게 나타내는 순서도.
도 5 내지 도 6은 도 4의 장애물 검출단계에서 장애물을 사람으로 판단하는 기준을 설명하기 위한 도면.
도 7은 도 4의 장애물 검출단계에서 검출된 장애물을 정밀검출하는 방법을 나타내는 개념도.
도 8은 도 7의 장애물을 정밀검출하는 방법을 나타내는 순서도.
도 9는 도 2의 장애물 판단방법에서 장애물 분류단계를 상세하게 나타내는 순서도.
도 10은 도 2의 장애물 판단방법에서 장애물 판단단계를 상세하게 나타내는 순서도.
상술한 본 발명의 특징 및 효과는 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해 질 것이며, 그에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 출원에서 사용한 용어는 단지 특정한 실시 예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다.
이하 첨부 도면을 참조하여 본 발명의 일 실시예에 따른 자율이동장치의 장애물 판단방법 및 이를 이용한 자율이동장치를 설명한다.
도 1은 본 발명의 일 실시예에 따른 자율이동장치에 의해 검출된 장애물을 도시한 개략도이다.
도면을 참조하면 자율이동장치(1)는 자율적으로 이동 가능한 장치로서, 예를 들면 차량 또는 로봇(Robot) 중의 어느 하나일 수 있으며, 특별히 한정하지는 않는다.
상기 자율이동장치는 전방의 장애물(2,3)을 스캔하면서 이동하고 장애물이 검출되면 어떠한 장애물에 해당하는지 판단한다.
도 2는 본 발명의 일 실시예에 따른 자율이동장치의 장애물 판단방법을 나타내는 순서도이다.
먼저 상기 자율이동장치(1)는 전방의 장애물을 판단하기 위해, 전방 영역에 대한 장애물을 스캔하는 장애물 검출단계(ST100)를 수행한다.
상기 장애물 검출단계(ST100)는 스테레오 카메라(Stereo Camera) 또는 레이저 거리측정 센서(LADAR, Flash Lidar 등) 중의 어느 하나를 이용하여 장애물을 스캔할 수 있다.
장애물 스캔 단계(ST100)는 장애물까지의 거리 및 장애물의 윤곽선을 검출하고, 검출된 장애물의 윤곽선을 일반 호프 변환(Generalized Hough Transform) 등의 알고리즘에 의해 변환시켜 사전정의한 물체형상과 비교하며 이에 따라 검출된 물체가 어떤 장애물에 해당하는지 개략적으로 판단할 수 있다.
장애물의 윤곽선을 검출하는 것은, 장애물을 3차원으로 정밀하게 스캔하고 이를 2차원으로 프로젝션시킨 후 장애물의 윤곽선을 검출할 수 있다.
장애물 검출단계에 대한 보다 상세한 설명은 후술한다.
다음으로 상기 자율이동장치(1)는 상기 장애물이 이동 장애물인지, 고정 장애물인지 분류하는 장애물 분류단계(ST200)를 수행한다.
상기 장애물 분류단계(ST200)는 시간에 따른 장애물의 이동 유무에 따라 분류될 수 있다.
상기 자율이동장치(1)에 있어서 전방에 위치한 장애물(2,3)은 크게 이동 장애물과 고정 장애물로 분류할 수 있는데, 상기 이동 장애물은 사람 또는 동물 또는 곤충과 같이 이동이 가능한 장애물을 말한다.
여기서 이동이 가능하다는 의미는 단순히 소정의 구간을 반복적으로 왕복 이동하는 것이 아니라, 능동적으로 위치 이동이 가능한 장애물을 말한다.
고정 장애물은 바위, 나무, 웅덩이, 기둥 및 덤불과 같이 능동적으로 이동될 수 없으며, 바람 또는 외부에서 가해지는 물리적인 외력에 의해 수동적으로 이동되는 장애물을 말한다.
상기 장애물 분류단계(ST200)는 복수 개의 이동 장애물에 대한 중심점이 추적될 수 있다.
상기 중심점은 단일한 이동 장애물 또는 각각의 이동 장애물의 중심점에 해당될 수 있다.
예를 들면, 장애물이 사각 형상일 경우에는 사각 형상의 내부 중앙이 중심점이 될 수 있고, 사람의 경우에는 배꼽 근처가 중심점이 될 수 있다.
여기서 장애물의 중심점을 추적하는 이유는, 시간에 따른 이동 방향과 속도를 고려하여 이동장애물인지 고정장애물인지 판단하고 더 나아가 사람인지 다른 물체인지인지 판단하기 위해서이다.
장애물 분류단계에 대한 보다 상세한 설명은 후술한다.
다음으로 상기 자율이동장치(1)는 상기 장애물이 사람인지 사람 외의 생물체인지 무생물체인지 등을 판단하는 장애물 판단단계(ST300)를 수행한다.
생물체를 검출하는 경우는 모션 감지 센서를 이용하여 자세 등의 움직임이 검출되면 생물체로 분류한다.
사람을 검출하는 경우는 인체 감지 센서를 이용하여 사람으로부터 방출되는 범위의 파장이 검출되면 사람으로 분류한다.
장애물 판단단계에 대한 보다 상세한 설명은 후술한다.
다음으로 본 발명의 일 실시예에 따른 자율이동장치에 대해 도면을 참조하여 상세하게 설명한다.
도 3은 본 발명의 일 실시예에 따른 자율이동장치를 나타내는 도면이다.
상기 자율이동장치는 촬영부(100), 제1검출부(200), 제2검출부(300), 제1감지부(400), 제2감지부(500), 제3감지부(600) 및 판단부(700)를 포함하여 이루어진다.
상기 촬영부(100)는 자율이동장치(1)는 전방영역에 대한 장애물(2,3)을 스캔한다.
상기 촬영부(100)는 스테레오 카메라(Stereo Camera) 또는 레이저 거리측정 센서(LADAR, Flash Lidar 등) 중의 어느 하나가 사용될 수 있다. 상기 스테레오 카메라(Stereo Camera) 또는 레이저 거리측정 센서(LADAR, Flash Lidar 등)에 대한 상세한 설명은 생략한다.
상기 제1검출부(200)는, 장애물이 감지되면 장애물의 윤곽선을 검출하고 상기 장애물과의 거리 및 장애물의 크기를 검출할 수 있다.
이에 따라 장애물의 윤곽선과 미리 정의된 장애물의 형상과의 매칭 관계를 이용하여 어떤 종류의 장애물에 해당하는지 판단할 수 있고 장애물의 크기가 일정 크기 이상이 되는지 판단하여 장애물 가능성이 있는 물체인지 판단할 수 있다.
상기 제2검출부(300)는 장애물이 포함된 범위(Range) 내에서 추가 스캔을 실시하고 상기 장애물(2,3)에 대한 3차원 형상 복원 및 2차원 프로젝션을 수행하여 장애물을 검출한다. 상기 제2검출부(300)는 레인지 센서(Range Sensor)가 사용될 수 있다.
이에 따라 장애물의 윤곽선을 더욱 정확하게 검출할 수 있고 미리 정의된 장애물의 형상과의 매칭 관계를 이용하여 어떤 종류의 장애물에 해당하는지 더욱 정확하게 판단할 수 있다.
상기 제1감지부(400)는 상기 장애물의 중심점의 이동 속도를 감지함으로써 상기 장애물이 이동 장애물인지 아닌지 감지한다.
상기 제2감지부(500)는 상기 장애물(2)이 이동 장애물일 경우에 시간에 따른 움직임을 감지한다. 상기 제2감지부(500)는 모션 감지 센서(Motion Detection Sensor)를 사용할 수 있다.
이 때 모션 감지 센서에 장애물의 자세 등의 움직임이 검출되면 생물체로 분류한다.
상기 제3감지부(600)는 상기 장애물이 사람인지 다른 물체인지인지를 감지한다. 상기 제3감지부(600)는 인간 감지 센서를 사용할 수 있다.
상기 판단부(700)는 상기 제1검출부(200), 제2검출부(300), 제1감지부(400), 제2감지부(500) 및 제3감지부(600)를 통해 입력된 정보를 판단하여 검출된 장애물이 사람인지 또는 그 외의 물체인지 판단한다.
상기 판단부(700)는 전술한 촬영부(100)와, 제1검출부(200), 제2검출부(300), 제1감지부(400) 제2감지부(500) 및 제3감지부(600)를 통해 입력된 각종 신호 및 정보를 판단할 수 있으며, 각종 항법 장치와도 연결될 수 있다.
다음으로 본 발명의 일 실시예에 따른 장애물 검출방법에 있어서 장애물 검출단계에 대하여 도면을 참조하여 상세하게 설명한다.
도 4는 도 2의 장애물 판단방법에서 장애물 검출단계를 상세하게 나타내는 순서도이다.
상기 장애물 검출단계는 제1검출부(200)를 통하여 이루어진다.
먼저 자율이동장치(1)는 도로 또는 평지를 주행하면서 전방 영역에 대한 스캔(ST100)을 실시하여 영상 정보를 획득한다.
이 때 촬영부(100)에 구비된 스테레오 카메라는 전방 영역을 스캔하고, 제1검출부(200)에 스캔된 영상 정보를 전송한다.
상기 스캔된 영상 정보는 많은 정보를 포함하고 있으므로 촬상 화면에서 엣지 디텍션(edge detection)을 통하여 엣지(edge)를 검출하여 폐루프를 이루는 물체에 대하여 장애물 대상 가능성이 있는 물체로 분류함으로써 장애물을 검출한다.
다음으로 스캔된 영상정보에서 깊이(depth) 정보를 계산(ST110)하고, 장애물(2,3)까지의 거리(D)를 계산(ST120)한다. 이에 따라 물체의 크기의 추정이 가능하다.
상기 거리 D=f(초점거리, 가로 세로 픽셀수, 영상검출소자크기, 깊이)로 나타낼 수 있다. 여기서, 물체의 실제 가로 크기는 1픽셀의 가로 실제 크기ㅧ픽셀수로 나타낼 수 있고, 물체의 실제 세로 크기는 1픽셀의 세로 실제 크기ㅧ픽셀수로 나타낼 수 있다.
다음으로 자율이동장치(1) 전방에 위치한 다수 개의 물체에 대하여 장애물 가능성이 있는 물체(이하 후보 장애물이라 한다)에 해당하는지를 설정(ST130)한다.
즉 아주 작은 물체인 경우 장애물로 인식할 필요가 없으나 장애물로 잘못 판단될 우려가 있으므로 추정된 물체의 크기로부터 가로 및 세로크기가 일정 크기 이상이 되는 것을 후보 장애물로 분류한다(ST130).
다음으로 후보 장애물 중에서 상기 물체가 사전에 정의된 물체형상에 해당하는지 검출하기 위해 사전 정의 물체형상과 비교(ST140)한다.
이를 위해서는 후보 장애물에 대하여 일반 호프 변환(Generalized Hough Transform)을 적용하고 물체 정의 DB에 저장되어 있는 사전 정의 물체 형상과 유사한 형태인지를 판별한다. 일반 호프 변환은 후보 장애물을 도형의 형태로 변환시킨다.
예를 들어 후보 장애물에 대하여 일반 호프 변환을 적용한 형상이 사각형이고 물체 정의 DB에 저장되어 있는 사전 정의 물체 형상 중에 사각형이 포함되어 있는 경우 후보 장애물은 사전 정의 물체 형상에 정의된 형태를 가지고 있는 것으로 판별된다.
다음으로 일반 호프 변환을 적용한 형상이 사전 정의 물체 형상에 정의된 형태를 가지고 있는 경우 상기 일반 호프 변환을 적용한 형상이 특정 장애물에 해당하는지 판단한다.
예를 들어 상기 특정 장애물이 사람이라면 일반 호프 변환을 적용한 형상이 사람의 특징적인 형상을 가지고 있는지 판단한다.
아래의 예는 사전정의 물체형상에 사각형이 포함되어 있고, 후보 장애물에 대하여 일반 호프 변환을 적용한 형상이 사각형에 해당되는 경우 후보 장애물이 사람에 해당하는지 판단하는 예를 설명한다.
도 5 내지 도 6은 도 4의 장애물 검출단계에서 후보 장애물을 사람으로 판단하는 기준을 설명하기 위한 도면이다.
후보 장애물이 검출되면, 상기 장애물이 사람의 피부색에 해당하는 색을 가지고 있는지 체크한다. 상기 피부색은 인종(백인종, 흑인종, 황인종)에 따라 크게 3가지로 나눌 수 있다.
또한 일반 호프 변환을 통해 검출된 도형이 사람의 가로 세로 얼굴 비율에 해당되는지 유무와 장애물의 자세를 체크하여 서 있는 자세, 앉아있는 자세, 지면에 누워있는 자세 또는 웅크리고 누워있는 자세 중의 어느 하나에 해당되는지 체크할 수 있다.
상기 자세는 위에서 언급한 이외의 자세도 있을 수 있으나 설명의 편의를 위해 몇 가지로 한정한다.
그러나 위에서 언급한 다른 자세로의 변경도 가능하며 다양한 자세를 사전에 맵핑(Mapping)하여 자율이동장치(1)에 저장할 수 있음을 밝혀 둔다.
이와 같은 일련의 절차를 통해 상기 물체가 피부색으로 분류가 가능한지 여부와 사람의 가로 세로 얼굴 비율에 해당하는지 여부와, 어떤 자세를 취하고 있는지 여부를 검출하고 검출(ST150)을 완료한다.
이 때 일반 호프 변환에 의해 검출된 도형을 사람으로 분류하는 것은 아래의 예와 같이 수행될 수 있다.
도 5 내지 도 6을 참조하면, 검출된 다수개의 후보 장애물 중에서 사람이 서있는 경우, 체형 분류 표준에 따른 신장(A)의 10% ~ 90% 범위와, 어깨 폭(B)의 10% ~ 90% 범위를 선정하여 비율 범위에 포함되는 물체는 사람으로 분류할 수 있다.
예를 들면, 물체의 세로(A)/가로(B) 비율이 A10/B90 ~ A90/B10에 속하는 경우 사람으로 생각해 볼 수 있다.
만약, 장애물이 앉아 있는 경우는, 체형 분류 표준에서 신장의 10% ~ 90% 범위의 1/2에 해당하는 신장과, 어깨 폭의 10% ~ 90% 범위를 선정하여 비율 범위에 포함되는 장애물은 사람으로 분류할 수 있다.
예를 들면, 장애물의 세로(신장,A)/가로(어깨폭,B) 비율이 (A10/2)/B90 ~ (A90/2)/B10에 속하는 경우 사람으로 분류할 수 있다.
만약, 장애물이 누워있는 경우는, 서있는 경우를 누워있는 경우로 변환하여 판단하고, 장애물의 세로(B)/가로(A) 비율이 B10/A90 ~ B90/A10에 속하는 경우 사람으로 분류할 수 있다.
만약, 장애물이 지면에 웅크리고 누워있는 경우는, 앉아있는 경우를 누워있는 경우로 변환하여 판단하고, 상기 장애물의 세로(B)/가로(A) 비율이(B10/2)/A90 ~ (B90/2)/A10에 속하는 경우 사람으로 분류할 수 있다.
상술한 바와 같은 과정에 의해 검출된 후보 장애물이 어떤 물체에 해당하는지를 검출하는 것이 가능하고 이에 따라 장애물로 판정하는 것이 가능하다.
상기와 같은 장애물 검출 단계는 아래와 같은 방법으로 정밀하게 수행할 수 있다. 이는 제2검출부(300)에 의해 수행된다. 조작자는 제1검출부(200)에 의한 장애물 검출 단계와 제2검출부(300)에 의한 장애물 검출 단계를 동시에 또는 하나만 선택적으로 수행하는 것이 가능하다.
도 7은 도 4의 장애물 검출단계에서 검출된 장애물을 정밀검출하는 방법을 나타내는 개념도이다.
후보 장애물이 검출되면 상기 제2검출부(300)은 상기 후보 장애물이 위치한 주변영역에 대해 추가적인 스캐닝을 실시한다.
상기 제2검출부(300)는 레이저 스캐너(Laser Scanner)를 포함하는 레인지 센서(range sensor)로 지면에 수직인 면에 대하여 레인지 데이터(range data) 획득을 위한 스캔을 수행한다.
상기 레인지 센서는 별도의 구동부에 장착될 수 있고 상기 레인지 센서로 물체가 포함되는 자율이동장치(1)의 정면 영역을 스캔하여 영상 테이터를 획득한다.
이 때 획득한 영상 데이터는 3차원 이미지이다. 즉 도면을 참조하면, 도시된 바와 같이 일정한 거리에 구 형상의 물체가 존재하는 경우 스캔한 영상 데이터는 구의 일측의 표면을 나타내는 데이터에 해당하므로 이는 3차원 이미지이다.
이때, 여백(Space)으로 존재하는 부분은 상기 장애물(2)의 레인지 센서 신호가 리턴되지 않아 레인지 값이 없는 경우이고, 구에 반사되어 리턴값이 있는 경우 레인지에 따라 색(color)을 부여하여 영상 이미지를 생성할 수 있다.
스캔된 장애물(2)에 대한 3차원 이미지는 프로젝션 평면에 프로젝션을 실시하여 2차원 이미지로 만들 수 있다.
프로젝션을 실시하여 생성된 2차원 이미지에 대해 윤곽선을 검출(edge detection)하고 변환과정을 수행하여 사전정의 물체형상을 통해 사전 정의된 물체 형태와 일치하는지 비교하고, 일치하면 추출된 장애물 형상이 특정한 장애물에 해당하는지 매칭을 실시한다.
도 8은 도 7의 장애물을 정밀검출하는 방법을 나타내는 순서도로서, 제1 검출부와 제 2검출부를 이용하여 장애물을 정밀검출하는 방법을 나타낸다.
먼저 촬영부(100)가 장애물에 대한 영상 정보를 스캔(ST100)하고, 제1검출부(200)가 다수개의 장애물 후보를 검출(ST150)한다.
다음으로 다수 개의 장애물 후보 중에 관심 장애물에 대한 중심점과 크기를 계산(ST200)하며, 제2검출부(300)에 구비된 레인지 센서가 장애물의 위치한 각도 및 존재 범위를 감지한다.
다음으로 입력된 장애물의 각도 및 존재 범위에 대한 계산을 실시(ST281)하고, 영역 데이터를 획득하고 이를 누적화(ST282)한다. 이는 상기 장애물에 대한 보다 정확한 형상을 얻기 위함이다.
그리고, 관심 장애물에 대한 컬러 맵핑(ST283)을 실시한 후에, 평면에 프로젝션(ST284)을 실시하고, 영역을 기반으로 한 2차원의 가상 영상을 획득(ST285)한다.
그리고, 상기 관심 장애물에 대한 형상을 추출(ST286)하고, 일반 호프 변환을 통하여 물체 정의 DB의 사전 정의 물체 형상과 추출된 형상을 비교(ST287)한다. 또한, 추출된 장애물 형상이 특정한 장애물에 해당하는지 매칭을 실시(ST288)한다.
다음으로 본 발명의 일 실시예에 따른 장애물 검출방법에 있어서 장애물 분류단계에 대하여 도면을 참조하여 상세하게 설명한다.
도 9는 도 2의 장애물 판단방법에서 장애물 분류단계를 상세하게 나타내는 순서도이다.
먼저 장애물 검출단계를 통해 전방 영역에 대한 영상 정보가 획득(ST100)되고, 장애물이 검출(ST150)된다.
장애물이 검출되면 검출된 각각의 장애물의 중심점을 저장(ST210)한다. 상기 장애물에 대한 중심점을 저장하는 이유는 다수개의 장애물 후보가 이동 장애물에 해당되는지, 아니면 고정 장애물에 해당되는지를 분류하기 위해서이다.
다음으로 계속해서 장애물에 대한 영상을 촬영하여 해당 장애물의 중심점을 누적 저장(ST220)하고, 누적된 영상으로부터 장애물의 중심점의 이동속도를 계산(ST230)한다.
상기 장애물의 이동 속도가 이동 장애물로 분류 가능한 일정역치(일정값) 이상인지 판단(ST240)하고, 상기 이동 속도가 일정값 이상일 경우에는 이동 장애물(ST250)로 분류한다.
만약, 장애물의 이동속도가 일정값 이하일 경우에는 고정 장애물(ST260)로 분류한다.
여기서, 일정역치의 의미는 현재 위치에서 t시간 동안 다른 위치로 이동되는 시간이 설정되어 있는 기준시간을 말하며, 상기 기준시간을 기준으로 장애물을 이동 또는 고정 장애물로 분류할 수 있다.
다음으로 본 발명의 일 실시예에 따른 장애물 검출방법에 있어서 장애물 판단단계에 대하여 도면을 참조하여 상세하게 설명한다.
도 10은 도 2의 장애물 판단방법에서 장애물 판단단계를 상세하게 나타내는 순서도이다.
먼저 장애물이 검출(ST150)되면 시간에 따른 중심점의 이동 속도를 판단한다(ST310). 이에 따라 이동 장애물인지 고정 장애물인지 판단이 가능하다.
상기 장애물이 시간에 따른 중심점의 이동 속도가 일정값 이상일 경우에는 모션 감지 센서를 작동(ST320)시킨다. 상기 모션 감지 센서가 자세 등의 움직임을 감지할 경우에는 이동 장애물로 판단하고, 상기 이동 장애물이 사람인지 여부를 가리기 위해 인간 감지 센서를 작동시킨다(ST322).
상기 인간 감지 센서에 의해 신호(사람의 파장)가 감지될 경우에는, 상기 이동 장애물은 사람으로 판단한다. 만약, 상기 인간 감지 센서에 별도의 신호가 감지되지 않을 경우에는 사람이 아닌 생물체로 판단한다.
상기 장애물이 시간에 따른 중심점의 이동 속도가 일정값 이하일 경우에도 모션 감지 센서를 작동(ST330)시킨다.
상기 모션 감지 센서에 별도의 신호가 감지되지 않을 경우에는 고정 장애물로 판단하고, 신호가 감지될 경우에는 인간 감지 센서(ST332)를 작동시킨다.
만약, 신호가 감지될 경우에는, 상기 이동 장애물이 사람에는 해당되나 고정된 상태를 유지하고 있는 것으로 판단하고, 감지되지 않을 경우에는 기타 생물체로서 고정된 상태를 유지하고 있는 것으로 판단한다.
이에 따라 이동 장애물과 고정 장애물 모두의 경우에 대해서 장애물이 사람인지, 생물체인지, 비생물체인지에 대하여 판단이 가능하다.
이상, 본 발명의 일 실시예에 대하여 설명하였으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 특허청구범위에 기재된 본 발명의 사상으로부터 벗어나지 않는 범위 내에서, 구성 요소의 부가, 변경, 삭제 또는 추가 등에 의해 본 발명을 다양하게 수정 및 변경시킬 수 있을 것이며, 이 또한 본 발명의 권리범위 내에 포함된다고 할 것이다.
Claims (16)
- 전방 영역에 대한 장애물을 검출하는 장애물 검출 단계;
상기 장애물이 이동 장애물인지, 고정 장애물인지 분류하는 장애물 분류단계; 및
상기 장애물이 어떤 물체에 해당하는지 판단하는 장애물 판단단계를 포함하고,
상기 장애물 검출 단계는,
상기 장애물의 윤곽선을 검출하는 윤곽선 검출 단계;
상기 윤곽선 검출 단계에서 검출된 윤곽선을 규정된 도형의 형태로 변환시키는 데이터 변환 단계;
상기 변환된 데이터를 도형의 형태로 정의된 사전 정의 물체 형상과 비교하는 데이터 비교 단계 및
상기 변환된 데이터가 상기 사전 정의 물체 형상에 있는 경우 특정 종류의 장애물에 해당되는지 판단하는 장애물 매칭 단계
를 포함하는 것을 특징으로 하는 자율 이동 장치의 장애물 판단방법. - 삭제
- 제1항에 있어서,
상기 장애물 검출 단계는, 상기 장애물의 크기를 측정 또는 추정하여 일정 크기 이상이면 장애물로 선정하는 후보 장애물 선정 단계를 더 포함하고 후보 장애물로 선정된 장애물에 대해서 데이터 변환을 수행하는 것을 특징으로 하는 자율 이동 장치의 장애물 판단방법. - 제3항에 있어서,
상기 후보 장애물 선정 단계는,
상기 장애물까지의 거리와 상기 검출된 윤곽선을 이용하여 상기 장애물의 크기를 판단하는 크기 판단 단계 및
상기 크기가 규정된 크기 이상인지 비교하는 크기 비교 단계
를 포함하는 것을 특징으로 하는 자율 이동 장치의 장애물 판단방법. - 제1항에 있어서,
상기 윤곽선 검출 단계는,
장애물이 포함된 영역을 2차원으로 스캔하는 스캔 단계;
상기 스캔 단계의 2차원 정보를 누적하여 3차원 형상 정보를 만드는 데이터 합성 단계 및
상기 합성된 데이터를 스캔 방향과 수직인 평면에 대하여 투영하여 2차원 형상 정보를 추출하는 단계
를 포함하는 것을 특징으로 하는 자율 이동 장치의 장애물 판단방법. - 제1항에 있어서,
상기 장애물 매칭 단계는,
상기 장애물의 색 또는 자세 중의 적어도 어느 하나에 의해 특정 종류의 장애물에 해당하는지 판단하는 것을 특징으로 하는 자율 이동 장치의 장애물 판단방법. - 제6항에 있어서,
상기 색은 장애물이 인간인 경우 인종에 따른 피부색(Skin Color)을 이용하는 것을 특징으로 하는 자율 이동 장치의 장애물 판단방법. - 제6항에 있어서,
상기 자세는 장애물이 인간인 경우 서 있는 자세, 앉아있는 자세, 지면에 웅크린 자세, 누워있는 자세 중의 어느 하나에 해당되는지 판단하는 것을 특징으로 하는 자율 이동 장치의 장애물 판단방법. - 제1항에 있어서,
상기 데이터 비교단계에서,
상기 사전정의 물체형상은 사람의 가로 세로 얼굴비율 또는 신장 및 어깨폭에 따라 분류되는 것을 특징으로 하는 자율 이동 장치의 장애물 판단방법. - 제1항에 있어서,
상기 장애물 검출 단계는,
장애물까지의 거리와, 장애물의 윤곽선 및 일반 호프 변환 등의 알고리즘에 의해 검출 가능한 사전정의 한 물체형상 중의 어느 하나 또는 모두가 동시에 적용 가능한 것을 특징으로 하는 자율 이동 장치의 장애물 판단방법. - 제1항에 있어서,
상기 장애물 분류단계는,
시간에 따른 장애물의 이동 유무에 따라 분류되는 것을 특징으로 하는 자율 이동 장치의 장애물 판단방법. - 제1항에 있어서,
상기 장애물 판단단계는,
복수개의 이동 장애물에 대한 중심점이 추적되는 것을 특징으로 하는 자율 이동 장치의 장애물 판단방법. - 제12항에 있어서,
상기 장애물 판단단계는
복수개의 이동 장애물에 대한 중심점의 이동 속도에 따라 이동 장애물 또는 고정 장애물로 분류하는 것을 특징으로 하는 자율 이동 장치의 장애물 판단방법. - 전방 영역에 대한 장애물을 스캔하는 촬영부;
상기 스캔으로부터 얻어진 장애물의 윤곽선과 미리 정의된 장애물의 형상 사이의 매칭관계를 이용하여 어떤 종류의 장애물에 해당하는지 판단하는 제1검출부;
상기 장애물의 중심점의 이동 속도를 감지함으로써 상기 장애물이 이동 장애물인지 아닌지 감지하는 제1감지부;
상기 장애물의 움직임을 감지하여 상기 장애물이 생물체인지 아닌지 감지하는 제2감지부;
상기 장애물의 파장을 감지하여 사람인지 아닌지 감지하는 제3감지부; 및
검출된 장애물이 어떤 물체인지 판단하는 판단부를 포함하여 이루어지고,
상기 제1검출부는,
상기 장애물의 윤곽선을 검출하는 윤곽선 검출 모듈;
상기 윤곽선 검출 모듈에서 검출된 윤곽선을 규정된 도형의 형태로 변환시키는 데이터 변환 모듈;
상기 변환된 데이터를 도형의 형태로 정의된 사전 정의 물체 형상과 비교하는 데이터 비교 모듈 및
상기 변환된 데이터가 상기 사전 정의 물체 형상에 있는 경우 특정 종류의 장애물에 해당되는지 판단하는 장애물 매칭 모듈
을 포함하는 것을 특징으로 하는 자율 이동 장치. - 제14항에 있어서,
상기 촬영부는,
스테레오 카메라(Stereo Camera) 또는 레이저 거리측정 센서 중의 어느 하나가 사용되는 것을 특징으로 하는 자율 이동 장치. - 제15항에 있어서,
이동 장애물이 포함된 범위(Range) 내에서 추가 스캔을 실시하여 상기 이동 장애물에 대한 2차원 형상을 추출하는 제2검출부를 더 포함하는 것을 특징으로 하는 자율 이동 장치.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020110010339A KR101049155B1 (ko) | 2011-02-01 | 2011-02-01 | 자율이동장치의 장애물 판단방법 및 이를 이용한 자율이동장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020110010339A KR101049155B1 (ko) | 2011-02-01 | 2011-02-01 | 자율이동장치의 장애물 판단방법 및 이를 이용한 자율이동장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR101049155B1 true KR101049155B1 (ko) | 2011-07-14 |
Family
ID=44923581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020110010339A KR101049155B1 (ko) | 2011-02-01 | 2011-02-01 | 자율이동장치의 장애물 판단방법 및 이를 이용한 자율이동장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101049155B1 (ko) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9563204B2 (en) | 2012-08-14 | 2017-02-07 | Husqvarna Ab | Mower with object detection system |
KR20180014535A (ko) * | 2016-08-01 | 2018-02-09 | 한국기계연구원 | 개인 이동기구의 장애물 회피 시스템 및 이를 이용한 장애물 회피 방법 |
KR20180075176A (ko) * | 2016-12-26 | 2018-07-04 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
WO2018160035A1 (ko) * | 2017-03-03 | 2018-09-07 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
WO2018226048A1 (en) * | 2017-06-08 | 2018-12-13 | Samsung Electronics Co., Ltd. | Cleaning robot and controlling method thereof |
WO2019083291A1 (ko) * | 2017-10-25 | 2019-05-02 | 엘지전자 주식회사 | 장애물을 학습하는 인공지능 이동 로봇 및 그 제어방법 |
KR20190103512A (ko) * | 2018-02-12 | 2019-09-05 | 엘지전자 주식회사 | 장애물을 학습하는 인공지능 이동 로봇 및 그 제어방법 |
WO2019212174A1 (ko) * | 2018-04-30 | 2019-11-07 | 엘지전자 주식회사 | 인공지능 청소기 및 그 제어방법 |
KR102088747B1 (ko) * | 2019-03-25 | 2020-03-13 | 주식회사 싸이맥스 | 인체를 감지하는 웨이퍼 이송 자동화모듈 |
KR20230119468A (ko) * | 2022-02-07 | 2023-08-16 | 백수빈 | 지상용 자율주행 무인정찰 장치 |
KR20240057020A (ko) | 2022-10-24 | 2024-05-02 | 한국철도기술연구원 | 자율주행 열차의 선로맵기반 충돌위험구역내 지장물 유무 판단 시스템 및 방법 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100773184B1 (ko) * | 2003-03-14 | 2007-11-02 | 마츠시다 덴코 가부시키가이샤 | 자율 이동로봇 |
KR20100027683A (ko) * | 2008-09-03 | 2010-03-11 | 한국과학기술원 | 로봇의 경로계획 장치 및 방법 |
-
2011
- 2011-02-01 KR KR1020110010339A patent/KR101049155B1/ko active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100773184B1 (ko) * | 2003-03-14 | 2007-11-02 | 마츠시다 덴코 가부시키가이샤 | 자율 이동로봇 |
KR20100027683A (ko) * | 2008-09-03 | 2010-03-11 | 한국과학기술원 | 로봇의 경로계획 장치 및 방법 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9563204B2 (en) | 2012-08-14 | 2017-02-07 | Husqvarna Ab | Mower with object detection system |
KR101997531B1 (ko) * | 2016-08-01 | 2019-07-08 | 한국기계연구원 | 개인 이동기구의 장애물 회피 시스템 및 이를 이용한 장애물 회피 방법 |
KR20180014535A (ko) * | 2016-08-01 | 2018-02-09 | 한국기계연구원 | 개인 이동기구의 장애물 회피 시스템 및 이를 이용한 장애물 회피 방법 |
KR20180075176A (ko) * | 2016-12-26 | 2018-07-04 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
WO2018124682A3 (ko) * | 2016-12-26 | 2018-08-23 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
US11226633B2 (en) | 2016-12-26 | 2022-01-18 | Lg Electronics Inc. | Mobile robot and method of controlling the same |
KR102017148B1 (ko) * | 2017-03-03 | 2019-09-02 | 엘지전자 주식회사 | 장애물을 학습하는 인공지능 이동 로봇 및 그 제어방법 |
KR20180101081A (ko) * | 2017-03-03 | 2018-09-12 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
WO2018160035A1 (ko) * | 2017-03-03 | 2018-09-07 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
US11846950B2 (en) | 2017-03-03 | 2023-12-19 | Lg Electronics Inc. | Mobile robot and control method thereof |
US11269343B2 (en) | 2017-03-03 | 2022-03-08 | Lg Electronics Inc. | Mobile robot and control method thereof |
WO2018226048A1 (en) * | 2017-06-08 | 2018-12-13 | Samsung Electronics Co., Ltd. | Cleaning robot and controlling method thereof |
WO2019083291A1 (ko) * | 2017-10-25 | 2019-05-02 | 엘지전자 주식회사 | 장애물을 학습하는 인공지능 이동 로봇 및 그 제어방법 |
US11586211B2 (en) | 2017-10-25 | 2023-02-21 | Lg Electronics Inc. | AI mobile robot for learning obstacle and method of controlling the same |
KR20190103512A (ko) * | 2018-02-12 | 2019-09-05 | 엘지전자 주식회사 | 장애물을 학습하는 인공지능 이동 로봇 및 그 제어방법 |
KR102330607B1 (ko) * | 2018-02-12 | 2021-11-23 | 엘지전자 주식회사 | 장애물을 학습하는 인공지능 이동 로봇 및 그 제어방법 |
KR102100474B1 (ko) * | 2018-04-30 | 2020-04-13 | 엘지전자 주식회사 | 인공지능 청소기 및 그 제어방법 |
KR20190134872A (ko) * | 2018-04-30 | 2019-12-05 | 엘지전자 주식회사 | 인공지능 청소기 및 그 제어방법 |
WO2019212174A1 (ko) * | 2018-04-30 | 2019-11-07 | 엘지전자 주식회사 | 인공지능 청소기 및 그 제어방법 |
KR102088747B1 (ko) * | 2019-03-25 | 2020-03-13 | 주식회사 싸이맥스 | 인체를 감지하는 웨이퍼 이송 자동화모듈 |
KR20230119468A (ko) * | 2022-02-07 | 2023-08-16 | 백수빈 | 지상용 자율주행 무인정찰 장치 |
KR102654371B1 (ko) | 2022-02-07 | 2024-04-02 | 백수빈 | 지상용 자율주행 무인정찰 장치 |
KR20240057020A (ko) | 2022-10-24 | 2024-05-02 | 한국철도기술연구원 | 자율주행 열차의 선로맵기반 충돌위험구역내 지장물 유무 판단 시스템 및 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101049155B1 (ko) | 자율이동장치의 장애물 판단방법 및 이를 이용한 자율이동장치 | |
US8265425B2 (en) | Rectangular table detection using hybrid RGB and depth camera sensors | |
KR100773184B1 (ko) | 자율 이동로봇 | |
EP3104194B1 (en) | Robot positioning system | |
CN207488823U (zh) | 一种移动电子设备 | |
JP5071945B2 (ja) | 移動装置及び方法 | |
Holz et al. | Towards semantic scene analysis with time-of-flight cameras | |
Maier et al. | Self-supervised obstacle detection for humanoid navigation using monocular vision and sparse laser data | |
CN108459596A (zh) | 一种移动电子设备以及该移动电子设备中的方法 | |
Maier et al. | Vision-based humanoid navigation using self-supervised obstacle detection | |
Perdoch et al. | Leader tracking for a walking logistics robot | |
Hochdorfer et al. | 6 DoF SLAM using a ToF camera: The challenge of a continuously growing number of landmarks | |
US9235895B2 (en) | Method for estimating direction of person standing still | |
Reina et al. | Traversability analysis for off-road vehicles using stereo and radar data | |
Droeschel et al. | Omnidirectional perception for lightweight UAVs using a continuously rotating 3D laser scanner | |
Shalal et al. | A preliminary evaluation of vision and laser sensing for tree trunk detection and orchard mapping | |
Dodge et al. | Convex vision-based negative obstacle detection framework for autonomous vehicles | |
Hu et al. | Bayesian fusion of ceiling mounted camera and laser range finder on a mobile robot for people detection and localization | |
Bozorgi et al. | 2D laser and 3D camera data integration and filtering for human trajectory tracking | |
Portugal-Zambrano et al. | Robust range finder through a laser pointer and a webcam | |
KR102249485B1 (ko) | 로봇 자율주행 시스템 및 방법 | |
US20220095871A1 (en) | Systems and methods for enabling navigation in environments with dynamic objects | |
US20230343228A1 (en) | Information processing apparatus, information processing system, and information processing method, and program | |
Meng et al. | A slope detection method based on 3D LiDAR suitable for quadruped robots | |
US20220291686A1 (en) | Self-location estimation device, autonomous mobile body, self-location estimation method, and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
A302 | Request for accelerated examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20140701 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20160701 Year of fee payment: 6 |
|
FPAY | Annual fee payment |
Payment date: 20190702 Year of fee payment: 9 |