KR101409990B1 - 로봇의 위치를 계산하기 위한 장치 및 방법 - Google Patents

로봇의 위치를 계산하기 위한 장치 및 방법 Download PDF

Info

Publication number
KR101409990B1
KR101409990B1 KR1020070093751A KR20070093751A KR101409990B1 KR 101409990 B1 KR101409990 B1 KR 101409990B1 KR 1020070093751 A KR1020070093751 A KR 1020070093751A KR 20070093751 A KR20070093751 A KR 20070093751A KR 101409990 B1 KR101409990 B1 KR 101409990B1
Authority
KR
South Korea
Prior art keywords
state
robot
state variable
kalman filter
calculating
Prior art date
Application number
KR1020070093751A
Other languages
English (en)
Other versions
KR20090028274A (ko
Inventor
이형기
최기완
박지영
방석원
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020070093751A priority Critical patent/KR101409990B1/ko
Priority to US12/232,255 priority patent/US8255081B2/en
Publication of KR20090028274A publication Critical patent/KR20090028274A/ko
Application granted granted Critical
Publication of KR101409990B1 publication Critical patent/KR101409990B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/088—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices with position, velocity or acceleration sensors
    • B25J13/089—Determining the position of the robot with reference to its environment
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J5/00—Manipulators mounted on wheels or on carriages
    • 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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
    • 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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0272—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising means for registering the travel distance, e.g. revolutions of wheels
    • 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
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors 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
    • 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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

본 발명은 로봇의 위치를 계산하기 위한 장치 및 방법에 관한 것으로서, 더욱 상세하게는 로봇의 주행 상태에 따라 자신의 위치를 알아내고 주변 맵을 작성할 수 있는 로봇의 위치를 계산하기 위한 장치 및 방법에 관한 것이다.
본 발명의 실시예에 따른 로봇의 위치를 계산하기 위한 장치는 로봇의 주행 상태에 대한 상기 로봇의 상태 변수를 생성하는 상태 변수 생성부, 상기 생성된 상태 변수를 근거로 하여 상기 로봇의 상기 주행 상태를 판단하는 주행 상태 판단부, 및 상기 판단된 주행 상태에 따라 상기 생성된 상태 변수를 갱신하는 상태 변수 갱신부를 포함한다.
로봇, 칼만 필터, 관성 센서, 엔코더, 위치

Description

로봇의 위치를 계산하기 위한 장치 및 방법{Apparatus and method for calculating position of robot}
본 발명은 로봇의 위치를 계산하기 위한 장치 및 방법에 관한 것으로서, 더욱 상세하게는 로봇의 주행 상태에 따라 자신의 위치를 알아내고 주변 맵을 작성할 수 있는 로봇의 위치를 계산하기 위한 장치 및 방법에 관한 것이다.
실내에서 이동하는 로봇이 스스로 자신의 위치를 알아내고 주변 맵을 작성하는 것은 로봇의 제품화에 있어서 핵심 기술이다. 최근에는 카메라나 레이저 거리 측정기 등을 이용한 SLAM(Simultaneous Localization And Map-building) 기술이 널리 연구되고 있다.
이러한 SLAM 기술은 주로 칼만 필터(Kalman filter)나 파티클 필터(Particle filter} 등에 기초한 SLAM 알고리즘을 사용하고 있으며, 이러한 SLAM 알고리즘은 예측 단계(Prediction step) 및 보정 단계(Correction step)으로 나뉘어지게 된다.
예측 단계에서는 로봇의 이동 변위를 계산하게 되고, 보정 단계에서는 카메라나 레이저 거리 측정기 등의 센서를 이용하여 외부의 절대 좌표를 참고하여 예측 단계에서 계산된 로봇의 위치를 보정하게 된다.
일반적으로 예측 단계에서는 로봇 바퀴의 회전수를 측정하는 엔코더를 주로 사용하였으며, 바퀴의 좌우 회전량을 측정하고 이를 거리로 환산하여 로봇의 상대 위치를 계산하게 된다. 이때, 바퀴가 헛도는 상태, 즉 슬립(Slip) 상태에서는 엔코더를 사용하는 경우 잘못된 상대 위치를 계산하게 되고, 이는 SLAM 알고리즘 전체의 성능을 저하시켜 알고리즘이 발산하게 되는 경우도 발생하게 된다.
따라서, 로봇의 주행 상태, 즉 정상 상태인 경우와 슬립 상태인 경우에 대하여 적절하게 로봇의 위치를 계산할 수 있는 방안이 요구되고 있다.
본 발명은 로봇의 주행 상태별로 각각 칼만 필터를 사용하여 로봇의 주행 상태를 판단하고, 판단 결과에 따라 각 칼만 필터의 상태 변수를 조합하여 새로운 상태 변수를 갱신할 수 있는 사용하여 로봇의 위치를 계산하기 위한 장치 및 방법을 제공하는데 그 목적이 있다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해되어 질 수 있을 것이다.
상기 목적을 달성하기 위하여, 본 발명의 실시예에 따른 로봇의 위치를 계산하기 위한 장치는, 로봇의 주행 상태에 대한 상기 로봇의 상태 변수를 계산하는 상태 변수 계산부, 상기 계산된 상태 변수를 근거로 하여 상기 로봇의 상기 주행 상태를 판단하는 주행 상태 판단부, 및 상기 판단된 주행 상태에 따라 상기 계산된 상태 변수를 갱신하는 상태 변수 갱신부를 포함한다.
또한, 상기 목적을 달성하기 위하여, 본 발명의 실시예에 따른 로봇의 위치를 계산하기 위한 방법은, 로봇의 주행 상태에 대한 상기 로봇의 상태 변수를 계산하는 단계, 상기 계산된 상태 변수를 근거로 하여 상기 로봇의 상기 주행 상태를 판단하는 단계, 및 상기 판단된 주행 상태에 따라 상기 계산된 상태 변수를 갱신하는 단계를 포함한다.
상기한 바와 같은 본 발명의 로봇의 위치를 계산하기 위한 장치 및 방법에 따르면 다음과 같은 효과가 하나 혹은 그 이상 있다.
로봇의 주행 상태별 칼만 필터를 설계하고, 각각의 칼만 필터의 위치 계산값을 조합하여 새로운 위치 계산값을 생성하기 때문에 각 주행 상태에 따라 정확하게 위치를 계산할 수 있는 효과가 있다.
또한, 슬립 상태인 것이 감지되면, 그에 따른 인덱스를 제공할 수 있기 때문에 로봇의 슬립 상태가 악화되지 않도록 적절한 행동을 취할 수 있는 효과도 있다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범수를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이하, 본 발명의 실시예들에 의하여 로봇의 위치를 계산하기 위한 장치 및 방법을 설명하기 위한 블록도 또는 처리 흐름도에 대한 도면들을 참고하여 본 발명 에 대해 설명하도록 한다. 이 때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행예들에서는 블록들에서 언급된 기능들이 순서를 벗어나 서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
도 1은 본 발명의 실시예에 따른 로봇의 위치를 계산하기 위한 장치가 도시된 블럭도이다.
도시된 바와 같이, 본 발명의 실시예에 따른 로봇의 위치를 계산하기 위한 장치(100)는, 로봇의 주행 상태에 따른 상태 변수를 계산하는 상태 변수 생성부(110), 계산된 상태 변수를 근거로 하여 로봇의 주행 상태를 판단하는 주행 상태 판단부(120) 및 판단된 주행 상태에 따라 생성된 상태 변수를 갱신하는 상태 변수 갱신부(130)를 포함할 수 있다.
본 발명의 실시예에서 로봇의 주행 상태는, 로봇의 바퀴가 지면에 밀착되어 정상적으로 주행하는 정상 상태 및 로봇의 바퀴가 헛도는 슬립(Slip) 상태를 예를 들어 설명하기로 한다.
또한, 본 발명의 실시예에서 x, y, z는 절대 좌표축을 의미하고,
Figure 112007066833849-pat00001
,
Figure 112007066833849-pat00002
,
Figure 112007066833849-pat00003
는 로봇에 고정된 몸체 좌표축을 의미하며,
Figure 112007066833849-pat00004
,
Figure 112007066833849-pat00005
,
Figure 112007066833849-pat00006
는
Figure 112007066833849-pat00007
,
Figure 112007066833849-pat00008
,
Figure 112007066833849-pat00009
축을 중심으로 회전한 회전각을 의미하는 경우를 예를 들어 설명하기로 한다. 구체적으로, 도 2와 같이, 로봇의 상면에 대해서는
Figure 112007066833849-pat00010
축 및
Figure 112007066833849-pat00011
축과
Figure 112007066833849-pat00012
가 표현되고, 도 3과 같이, 로봇의 측면에 대해서는
Figure 112007066833849-pat00013
축 및
Figure 112007066833849-pat00014
축과
Figure 112007066833849-pat00015
가 표현되며, 도 4와 같이, 로봇의 전면에 대해서는
Figure 112007066833849-pat00016
축 및
Figure 112007066833849-pat00017
축과
Figure 112007066833849-pat00018
가 표현될 수 있다.
상태 변수 계산부는(110)는 정상 상태의 상태 변수를 계산하기 위한 제 1칼만 필터(111) 및 슬립 상태의 상태 변수를 계산하기 위한 제 2칼만 필터(112)를 포함할 수 있다. 또한, 본 발명의 실시예에서 제 1칼만 필터(111)는 정상 상태에서 사용되며, 제 2칼만 필터(112)는 슬립 상태에서 사용되는 경우를 예를 들어 설명하기로 한다.
제 1칼만 필터(111)는 도 5와 같이, 제 1예측부(111a) 및 제 1보정부(111b)를 포함할 수 있으며, 정상 상태에서 신뢰할 수 있는 엔코더(111c)의 정보를 주로 사용할 수 있다. 제 1칼만 필터(111)는 엔코더(111c) 이외에 자이로 센서(111d) 및 가속도 센서(111e) 등과 같은 관성 센서도 함께 사용할 수 있다. 이때, 정상 상태에서 가속도 센서(111e)의 부정확성으로 인해 장기적으로 보았을 때, 오차가 크게 증가하는 경우가 발생하게 된다. 따라서, 정상 상태에서는 가속도 센서(111e)의 비중을 최소화시키고 주로 엔코더(111c)의 정보를 사용하여 로봇의 위치를 계산하게 된다.
정상 상태에서 제 1칼만 필터(111)의 설계과정을 살펴보면 다음과 같다. 정상 상태에서 상태 변수는
Figure 112007066833849-pat00019
이며, 시 스템의 입력은
Figure 112007066833849-pat00020
가 된다. 이때,
Figure 112007066833849-pat00021
는 속도,
Figure 112007066833849-pat00022
는 가속도,
Figure 112007066833849-pat00023
는 각속도를 의미하고, 위첨자 "x", "y", "z"는 각각 그 축방향 성분을 의미한다. 또한,
Figure 112007066833849-pat00024
,
Figure 112007066833849-pat00025
는
Figure 112007066833849-pat00026
및
Figure 112007066833849-pat00027
축으로 가속도 센서(111e)로 측정한 가속도이고,
Figure 112007066833849-pat00028
,
Figure 112007066833849-pat00029
,
Figure 112007066833849-pat00030
는 자이로 센서(111d)로 측정한
Figure 112007066833849-pat00031
,
Figure 112007066833849-pat00032
및
Figure 112007066833849-pat00033
축으로의 각속도이다. 그리고, 위첨자 중 "1"은 제 1칼만 필터(111)를 의미한다. 이와 유사하게, 후술할 제 2칼만 필터(112를 의미하는 것으로 위첨자 "2"가 사용된다. 이때, 제 1칼만 필터(111)의 상태 변수 방정식은
Figure 112007066833849-pat00034
와 같으며, 각 상태 변수에 대하여 살펴보면 식 1과 같다.
[식 1]
Figure 112007066833849-pat00035
Figure 112007066833849-pat00036
Figure 112007066833849-pat00037
Figure 112007066833849-pat00038
Figure 112007066833849-pat00039
Figure 112007066833849-pat00040
Figure 112007066833849-pat00041
Figure 112007066833849-pat00042
Figure 112007066833849-pat00043
Figure 112007066833849-pat00044
식 1에서
Figure 112007066833849-pat00045
,
Figure 112007066833849-pat00046
,
Figure 112007066833849-pat00047
는 샘플링 구간
Figure 112007066833849-pat00048
동안의 평균 로봇 각도를 의미하고,
Figure 112007066833849-pat00049
는 백색 잡음 프로세스 백터로, i는
Figure 112007066833849-pat00050
의 i번째 성분이며,
Figure 112007066833849-pat00051
는 중력 가속도이다. 이때,
Figure 112007066833849-pat00052
에서 i는 전술한 상태 변수
Figure 112007066833849-pat00053
에서 각 상태 변수의 인덱스를 의미하는 것으로 이해될 수 있다.
제 1칼만 필터(111)에서 관측치는
Figure 112007066833849-pat00054
이 며,
Figure 112007066833849-pat00055
Figure 112007066833849-pat00056
는 엔코더(111c)로 측정한
Figure 112007066833849-pat00057
,
Figure 112007066833849-pat00058
축방향로의 로봇 속도이고,
Figure 112007066833849-pat00059
는 엔코더(111c)로 측정한
Figure 112007066833849-pat00060
축방향의 각속도이다.
관측 방정식은
Figure 112007066833849-pat00061
이고,
Figure 112007066833849-pat00062
는 백색 잡음 프로세스 벡터이며, 각 관측치에 대해 살펴보면 식 2와 같다.
[식 2]
Figure 112007066833849-pat00063
Figure 112007066833849-pat00064
Figure 112007066833849-pat00065
식 2에서
Figure 112007066833849-pat00066
에서 i는 관측치에서 i번째 성분을 의미한다.
전술한 바와 같은 이러한 제 1칼만 필터(111)에 대한 동작의 흐름을 살펴보면 도 6과 같다.
제 2칼만 필터(112)는 도 7과 같이, 제 2예측부(112a) 및 제 2보정부(112b)를 포함할 수 있으며, 슬립 상태에서 엔코더의 정보는 부정확하기 때문에 주로 가속도 센서(112c) 및 자이로 센서(112d)의 정보를 사용하게 된다.
슬립 상태에서 제 2칼만 필터(112)의 설계과정을 살펴보면 다음과 같다. 슬 립 상태에서 상태변수는
Figure 112007066833849-pat00067
와 같고, 상태 변수 방정식은
Figure 112007066833849-pat00068
이다. 이러한 상태 변수 방정식을 각 상태 변수별로 살펴보면 식 3과 같다.
[식 3]
Figure 112007066833849-pat00069
Figure 112007066833849-pat00070
Figure 112007066833849-pat00071
Figure 112007066833849-pat00072
Figure 112007066833849-pat00073
Figure 112007066833849-pat00074
Figure 112007066833849-pat00075
Figure 112007066833849-pat00076
Figure 112007066833849-pat00077
Figure 112007066833849-pat00078
또한, 제 2칼만 필터(112)에서 관측치는
Figure 112007066833849-pat00079
이다. 여기서,
Figure 112007066833849-pat00080
는
Figure 112007066833849-pat00081
방향으로의 가상의 측정치이며, 로봇이 이 방향으로는 움직일 수 없으므로 근사적으로 "0"이어야 한다. 관측방정식은
Figure 112007066833849-pat00082
Figure 112007066833849-pat00083
이며, 각 관측치에 대해 살펴보면 식 4와 같다.
[식 4]
Figure 112007066833849-pat00084
Figure 112007066833849-pat00085
Figure 112007066833849-pat00086
Figure 112007066833849-pat00087
Figure 112007066833849-pat00088
Figure 112007066833849-pat00089
이때, 식 4에서
Figure 112007066833849-pat00090
는 백색 측정 잡음 프로세스 벡터이다. 이러한 제 2칼만 필터(112)에 의한 동작 흐름을 살펴보면 도 8과 같다.
주행 상태 판단부(120)는 상태 변수 계산부(110)에서 계산된 상태 변수, 즉 제 1칼만 필터(111) 및 제 2칼만 필터(112)에서 각각 계산된 상태 변수를 근거로 하여 로봇의 주행 상태를 판단하고, 판단 결과에 따라 제 1칼만 필터(111) 및 제 2칼만 필터(112)에서 생성된 상태 변수에 각각 소정의 가중치를 부여할 수 있다.
구체적으로, 주행 상태 판단부(120)는 현재 주행 상태가 j일때 확률 밀도 함수
Figure 112007066833849-pat00091
를 구하게 되고, 그에 따라 현재 주행 상태가 j일 확률
Figure 112007066833849-pat00092
를 구하게 된다. 이때,
Figure 112007066833849-pat00093
는 주어진 주행 상태의 확률이고, c는 정규화를 위한 상수이다.
이와 같이, 각 주행 상태일 확률을 사용하는 경우, 정상 상태인 경우에는 제 1칼만 필터(111)에서 계산된 상태 변수에 비중을 많이 두고, 슬립 상태인 경우에는 제 2칼만 필터(112)에서 계산된 상태 변수에 비중을 많이 두게 하는 것이다.
상태 변수 갱신부(130)는 주행 상태 판단부(120)에 의해 구해진 각 주행 상태에서의 확률, 즉 가중치를 제 1칼만 필터(111) 및 제 2칼만 필터(112)에서 계산된 상태 변수에 적용하여 상태 변수를 갱신할 수 있다.
갱신된 상태 변수는
Figure 112007066833849-pat00094
로 나타낼 수 있으며, 본 발명 의 실시예에 따른 로봇의 위치를 계산하기 위한 장치(100)는 갱신된 상태 변수와 함께 구해지는 예측치와 관측치와의 오차인
Figure 112007066833849-pat00095
가 최소가 되도록 전술한 과정을 반복적으로 수행하게 된다. 즉, 갱신된 상태 변수는 다시 제 1칼만 필터(111) 및 제 2칼만 필터(112)의 상태 변수로 입력되어 전술한 오차가 가장 최소가 될때까지 반복적으로 수행하는 것이다.
도 9는 본 발명의 실시예에 따른 상태 변수 갱신 과정이 도시된 블럭도이다.
도시된 바와 같이, 시간 k-1에서의 상태 변수 및 오차는 각각 제 1칼만 필터(111) 및 제 2칼만 필터(112)로 입력되고, 주행 상태 판단부(120)는 제 1칼만 필터(111) 및 제 2칼만 필터(112)에서 계산된 상태 변수에 근거하여 현재 로봇의 주행 상태에 대한 확률(
Figure 112007066833849-pat00096
)를 구할 수 있는 것이다. 이때, 상태 변수 갱신부(130)는 구해진 확률을 통해 현재 상태의 상태 변수를 갱신하는 것이다. 이때, 도 9에서
Figure 112007066833849-pat00097
에서의 위첨자는 각각 제 1칼만 필터(111) 및 제 2칼만 필터(112)를 나타내며, 이는 로봇의 주행 상태가 정상 상태일 확률 및 슬립 상태일 확률로 이해될 수 있다.
도 10은 본 발명의 실시예에 따른 로봇의 위치를 계산하기 위한 방법이 도시된 순서도이다.
도시된 바와 같이, 본 발명의 실시예에 따른 로봇의 위치를 계산하기 위한 방법은, 먼저 제 1칼만 필터(111) 및 제 2칼만 필터(112)에서 각 주행 상태에 대한 상태 변수를 계산하게 된다(S110). 이때, 본 발명의 실시예에서 제 1칼만 필터(111)는 정상 상태이고, 제 2칼만 필터(112)는 슬립 상태인 경우를 예를 들어 설명하고 있으므로, 제 1칼만 필터(111)는 엔코더(111c)에 많은 비중을 두게 되고, 제 2칼만 필터(112)는 이와 반대로 관성 센서에 많은 비중을 두게 된다.
주행 상태 판단부(120)는 제 1칼만 필터(111) 및 제 2칼만 필터(112)에서 계산된 상태 변수를 근거로 하여 현재 로봇의 각 주행 상태에 대한 확률을 구하게 된다(S120). 다시 말해서, 주행 상태 판단부(120)는 현재 로봇의 주행 상태가 정상 상태일 확률 및 슬립 상태일 확률을 구하는 것으로 이해될 수 있다.
상태 변수 갱신부(130)는 주행 상태 판단부(120)에 의해 구해진 각 주행 상태에 대한 확률을 제 1칼만 필터(111) 및 제 2칼만 필터(112)에서 계산된 상태 변수에 적용하여 상태 변수를 갱신하게 된다(S130).
이상과 같이 본 발명에 따른 로봇의 위치를 계산하기 위한 장치 및 방법을 예시된 도면을 참조로 하여 설명하였으나, 본 명세서에 개시된 실시예와 도면에 의해 본 발명은 한정되지 않으며 그 발명의 기술사상 범위내에서 당업자에 의해 다양한 변형이 이루어질 수 있음은 물론이다.
도 1은 본 발명의 실시예에 따른 로봇의 위치를 계산하기 위한 장치가 도시된 블록도.
도 2 내지 도 4는 본 발명의 실시예에 따른 로봇의 좌표축이 도시된 개략도.
도 5는 본 발명의 실시예에 따른 제 1칼만 필터가 도시된 블록도.
도 6은 본 발명의 실시예에 따른 제 1칼만 필터의 동작 흐름이 도시된 블록도.
도 7은 본 발명의 실시예에 따른 제 2칼만 필터가 도시된 블록도.
도 8은 본 발명의 실시예에 따른 제 2칼만 필터의 동작 흐름이 도시된 블록도.
도 9는 본 발명의 실시예에 따른 상태 변수 갱신 과정이 도시된 블록도.
도 10은 본 발명의 실시예에 따른 로봇의 위치를 계산하기 위한 방법이 도시된 도면.
<도면의 주요 부분에 관한 부호의 설명>
110: 상태 변수 계산부 111: 제 1칼만 필터
112: 제 2칼만 필터 120: 주행 상태 판단부
130: 상태 변수 갱신부

Claims (18)

  1. 제1 칼만 필터 및 제2 칼만 필터를 사용하여 로봇의 주행 상태에 대한 상기 로봇의 상태 변수를 계산하는 상태 변수 계산부;
    상기 계산된 상태 변수를 근거로 하여 상기 로봇의 상기 주행 상태를 판단하는 주행 상태 판단부; 및
    상기 판단된 주행 상태에 따라 상기 계산된 상태 변수를 갱신하는 상태 변수 갱신부를 포함하는데,
    상기 로봇의 주행 상태는 정상 상태 및 슬립 상태를 포함하며,
    상기 주행 상태 판단부는, 상기 제 1칼만 필터 및 상기 제 2칼만 필터에 의해 계산된 상태 변수를 통해 상기 로봇의 주행 상태가 정상 상태인지 슬립 상태인지를 판단하는 로봇의 위치를 계산하기 위한 장치.
  2. 삭제
  3. 제 1항에 있어서,
    상기 제 1칼만 필터는, 제 1예측부 및 제 1보정부를 포함하고,
    엔코더 및 관성 센서를 사용하는 로봇의 위치를 계산하기 위한 장치.
  4. 제 1항에 있어서,
    상기 제 2칼만 필터는, 제 2예측부 및 제 2보정부를 포함하고,
    관성 센서를 사용하는 로봇의 위치를 계산하기 위한 장치.
  5. 제 4항에 있어서,
    상기 제 2칼만 필터는, 엔코더를 더 포함하는 로봇의 위치를 계산하기 위한 장치.
  6. 삭제
  7. 제 1항에 있어서,
    상기 주행 상태 판단부는, 상기 판단된 주행 상태에 따라 상기 제 1칼만 필터 및 상기 제 2칼만 필터에서 각각 계산된 상태 변수에 서로 다른 가중치를 부여하는 로봇의 위치를 계산하기 위한 장치.
  8. 제 7항에 있어서,
    상기 상태 변수 갱신부는, 상기 서로 다른 가중치가 부여된 각각의 상태 변수를 조합하여 상기 계산된 상태 변수를 갱신하는 로봇의 위치를 계산하기 위한 장치.
  9. 제 8항에 있어서,
    상기 상태 변수 계산부는, 상기 갱신된 상태 변수를 사용하여 상기 각 주행 상태별 상태 변수를 계산하는 로봇의 위치를 계산하기 위한 장치.
  10. 제1 칼만 필터 및 제2 칼만 필터를 사용하여 로봇의 주행 상태에 대한 상기 로봇의 상태 변수를 계산하는 단계;
    상기 계산된 상태 변수를 근거로 하여 상기 로봇의 상기 주행 상태를 판단하는 단계; 및
    상기 판단된 주행 상태에 따라 상기 계산된 상태 변수를 갱신하는 단계를 포함하는데,
    상기 로봇의 주행 상태는 정상 상태 및 슬립 상태를 포함하며,
    상기 주행 상태를 판단하는 단계는, 상기 제 1칼만 필터 및 상기 제 2칼만 필터에 의해 계산된 상태 변수를 통해 상기 로봇의 주행 상태가 정상 상태인지 슬립 상태인지를 판단하는 단계를 포함하는로봇의 위치를 계산하기 위한 방법.
  11. 삭제
  12. 제 10항에 있어서,
    상기 제 1칼만 필터는, 제 1예측부 및 제 1보정부를 포함하고,
    엔코더 및 관성 센서를 사용하는 로봇의 위치를 계산하기 위한 방법.
  13. 제 10항에 있어서,
    상기 제 2칼만 필터는, 제 2예측부 및 제 2보정부를 포함하고,
    관성 센서를 사용하는 로봇의 위치를 계산하기 위한 방법.
  14. 제 13항에 있어서,
    상기 제 2칼만 필터는, 엔코더를 더 포함하는 로봇의 위치를 계산하기 위한 방법.
  15. 삭제
  16. 제 10항에 있어서,
    상기 주행 상태를 판단하는 단계는, 상기 판단된 주행 상태에 따라 상기 제 1칼만 필터 및 상기 제 2칼만 필터에서 각각 계산된 상태 변수에 서로 다른 가중치를 부여하는 단계를 포함하는 로봇의 위치를 계산하기 위한 방법.
  17. 제 10항에 있어서,
    상기 상태 변수를 갱신하는 단계는, 상기 서로 다른 가중치가 부여된 각각의 상태 변수를 조합하여 상기 계산된 상태 변수를 갱신하는 단계를 포함하는 로봇의 위치를 계산하기 위한 방법.
  18. 제 17항에 있어서,
    상기 상태 변수를 계산하는 단계는, 상기 갱신된 상태 변수를 사용하여 상기 각 주행 상태별 상태 변수를 계산하는 단계를 포함하는 로봇의 위치를 계산하기 위한 방법.
KR1020070093751A 2007-09-14 2007-09-14 로봇의 위치를 계산하기 위한 장치 및 방법 KR101409990B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020070093751A KR101409990B1 (ko) 2007-09-14 2007-09-14 로봇의 위치를 계산하기 위한 장치 및 방법
US12/232,255 US8255081B2 (en) 2007-09-14 2008-09-12 Apparatus and method for calculating position of robot

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070093751A KR101409990B1 (ko) 2007-09-14 2007-09-14 로봇의 위치를 계산하기 위한 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20090028274A KR20090028274A (ko) 2009-03-18
KR101409990B1 true KR101409990B1 (ko) 2014-06-23

Family

ID=40455433

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070093751A KR101409990B1 (ko) 2007-09-14 2007-09-14 로봇의 위치를 계산하기 위한 장치 및 방법

Country Status (2)

Country Link
US (1) US8255081B2 (ko)
KR (1) KR101409990B1 (ko)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101122857B1 (ko) * 2009-12-14 2012-03-21 서울대학교산학협력단 랜드마크를 이용한 비젼 트래킹 시스템 및 방법
KR101782057B1 (ko) * 2010-05-03 2017-09-26 삼성전자주식회사 지도 생성 장치 및 방법
CN103105852B (zh) * 2011-11-14 2016-03-30 联想(北京)有限公司 位移计算方法和设备及即时定位与地图构建方法和设备
US10791063B1 (en) 2015-04-06 2020-09-29 EMC IP Holding Company LLC Scalable edge computing using devices with limited resources
US10348810B1 (en) 2015-04-06 2019-07-09 EMC IP Holding Company LLC Scalable distributed computations utilizing multiple distinct clouds
US10505863B1 (en) 2015-04-06 2019-12-10 EMC IP Holding Company LLC Multi-framework distributed computation
US10404787B1 (en) 2015-04-06 2019-09-03 EMC IP Holding Company LLC Scalable distributed data streaming computations across multiple data processing clusters
US10541936B1 (en) 2015-04-06 2020-01-21 EMC IP Holding Company LLC Method and system for distributed analysis
US10812341B1 (en) 2015-04-06 2020-10-20 EMC IP Holding Company LLC Scalable recursive computation across distributed data processing nodes
US10366111B1 (en) 2015-04-06 2019-07-30 EMC IP Holding Company LLC Scalable distributed computations utilizing multiple distinct computational frameworks
US10374968B1 (en) 2016-12-30 2019-08-06 EMC IP Holding Company LLC Data-driven automation mechanism for analytics workload distribution
CN107160395B (zh) * 2017-06-07 2020-10-16 中国人民解放军装甲兵工程学院 地图构建方法及机器人控制***
CN110245565A (zh) * 2019-05-14 2019-09-17 东软集团股份有限公司 车辆跟踪方法、装置、计算机可读存储介质及电子设备
CN112025706B (zh) * 2020-08-26 2022-01-04 北京市商汤科技开发有限公司 机器人的状态确定方法及装置、机器人及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070054557A (ko) * 2005-11-23 2007-05-29 삼성전자주식회사 이동 로봇의 자기 위치 인식 방법 및 장치
JP2007132938A (ja) * 2005-11-07 2007-05-31 Samsung Electronics Co Ltd ロボット及び前記ロボットの位置推定方法
JP3968501B2 (ja) * 2001-11-30 2007-08-29 ソニー株式会社 ロボットの自己位置同定システム及び自己位置同定方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5065834A (en) * 1989-07-17 1991-11-19 Honda Giken Kogyo Kabushiki Kaisha Driving wheel slip control system having failsafe function
US5019824A (en) 1990-05-01 1991-05-28 The United States Of America As Represented By The Administrator, National Aeronautics And Space Administration Multistage estimation of received carrier signal parameters under very high dynamic conditions of the receiver
US5394322A (en) * 1990-07-16 1995-02-28 The Foxboro Company Self-tuning controller that extracts process model characteristics
JP2993400B2 (ja) * 1995-06-09 1999-12-20 三菱自動車工業株式会社 車両の旋回制御装置
US6234799B1 (en) 1998-04-06 2001-05-22 American Gnc Corporation Real-time IMU simulator
US6634218B1 (en) * 1999-04-28 2003-10-21 Horiba, Ltd Engine testing apparatus
US6374155B1 (en) * 1999-11-24 2002-04-16 Personal Robotics, Inc. Autonomous multi-platform robot system
US7522091B2 (en) * 2002-07-15 2009-04-21 Automotive Systems Laboratory, Inc. Road curvature estimation system
US7135992B2 (en) * 2002-12-17 2006-11-14 Evolution Robotics, Inc. Systems and methods for using multiple hypotheses in a visual simultaneous localization and mapping system
KR100928964B1 (ko) 2003-04-15 2009-11-26 삼성전자주식회사 이동로봇의 도킹스테이션 귀환방법 및 장치
KR20050063546A (ko) 2003-12-22 2005-06-28 엘지전자 주식회사 로봇 청소기 및 그 운전방법
US7400108B2 (en) 2004-04-15 2008-07-15 University Of Utah Research Foundation System and method for controlling modular robots
KR100883792B1 (ko) 2005-12-29 2009-02-18 한국생산기술연구원 이동 로봇의 위치 추정 시스템 및 그 방법
WO2008013568A2 (en) * 2005-12-30 2008-01-31 Irobot Corporation Autonomous mobile robot
JP5226189B2 (ja) * 2006-03-30 2013-07-03 富士通株式会社 伝票処理プログラムおよび伝票処理装置
US8108092B2 (en) * 2006-07-14 2012-01-31 Irobot Corporation Autonomous behaviors for a remote vehicle
US8255092B2 (en) * 2007-05-14 2012-08-28 Irobot Corporation Autonomous behaviors for a remote vehicle

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3968501B2 (ja) * 2001-11-30 2007-08-29 ソニー株式会社 ロボットの自己位置同定システム及び自己位置同定方法
JP2007132938A (ja) * 2005-11-07 2007-05-31 Samsung Electronics Co Ltd ロボット及び前記ロボットの位置推定方法
KR20070054557A (ko) * 2005-11-23 2007-05-29 삼성전자주식회사 이동 로봇의 자기 위치 인식 방법 및 장치

Also Published As

Publication number Publication date
US20090076651A1 (en) 2009-03-19
US8255081B2 (en) 2012-08-28
KR20090028274A (ko) 2009-03-18

Similar Documents

Publication Publication Date Title
KR101409990B1 (ko) 로봇의 위치를 계산하기 위한 장치 및 방법
KR100772915B1 (ko) 이동 로봇에 장착된 자이로의 바이어스를 보정하는 장치 및방법
JP6260983B2 (ja) 自己位置推定装置及び方法
US7860651B2 (en) Enhanced inertial system performance
CN107084717B (zh) 用于基于磁场地图的定位***的移动终端及其方法
CN111098335B (zh) 一种双轮差速驱动机器人里程计标定方法及装置
US11045951B2 (en) Control system and method for controlling driven body
JP2008126401A (ja) パーティクルフィルター基盤の移動ロボットの姿勢推定方法、装置及び媒体
US10627237B2 (en) Offset correction apparatus for gyro sensor, recording medium storing offset correction program, and pedestrian dead-reckoning apparatus
CN112113582A (zh) 时间同步处理方法、电子设备及存储介质
AU2015305864B2 (en) Earthmoving machine comprising weighted state estimator
JP2012173190A (ja) 測位システム、測位方法
US20160370188A1 (en) Inertial device, control method and program
CN105509745A (zh) 将多个滤波器用于增强型便携式导航的方法和装置
JP2011059020A (ja) 三次元姿勢推定装置、三次元姿勢推定方法及び三次元姿勢推定プログラム
EP3227634B1 (en) Method and system for estimating relative angle between headings
EP3732549A1 (en) Method for predicting a motion of an object, method for calibrating a motion model, method for deriving a predefined quantity and method for generating a virtual reality view
CN113008244B (zh) 导航信息的处理方法、装置、电子设备及存储介质
CN109866217B (zh) 机器人里程定位方法、装置、终端设备及计算机存储介质
CN112697153A (zh) 自主移动设备的定位方法、电子设备及存储介质
CN112904884A (zh) 足式机器人轨迹跟踪方法、设备及可读存储介质
US11085801B2 (en) Physical quantity measuring apparatus
CN114543786A (zh) 一种基于视觉惯性里程计的爬壁机器人定位方法
JP6409625B2 (ja) 車両位置算出装置
CN111580508A (zh) 机器人的定位方法、装置、电子设备及存储介质

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
FPAY Annual fee payment

Payment date: 20170522

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180518

Year of fee payment: 5