청소 로봇을 위한 특징점 맵 기반의 전 영역 청소 알고리즘

국문 초록 (Abstract)

청소 로봇의 중요한 기술 중 하나는 커버리지 성능이다. 대부분의 가정용 청소 로봇들은 로봇의 크기나 제작 비용 때문에 로봇을 구성하는 시스템 구성에 제약을 받게 된다. 이러한 이유 때문에 청소 로봇의 가장 중요한 요소인 커버리지 성능을 높이는데 필요한, 위치 인식이나 맵 구성을 위한 기존의 알고리즘들을 쉽게 적용할 수가 없다. 본 논문에서는 청소 로봇을 위한 두 가지 문제에 초점을 맞추어 이를 해결 할 수 있는 방안을 제시한다. 먼저 계산 량을 줄여 저가형 시스템을 구성할 수 있어야 한다. 이를 위해 청소 환경을 단순화 하는 형태로 변화 시켜 위치 인식과 특징점 맵을 구성하는데 필요한 계산량을 줄이는 방법을 제안한다. 두 번째로 청소로봇에 사용하는 센서들의 성능이 매우 제한적이다. 청소 로봇에 가장 많이 사용되는 센서는 초음파 센서와 적외선 센서이다. 초음파 센서의 경우에는 로봇의 크기나 구조적인 문제 때문에 측정 범위가 제한되고, 적외선의 경우엔 비용 문제와 센서 자체가 가지고 있는 측정 범위에 대한 문제에 의해 근거리 측정용 센서만을 사용한다. 이러한 센서들의 성능을 고려한 특징점 추출 방법을 설명하고 이를 이용한 맵 구성과 청소 영역 분할에 대한 방법을 제안한다. 본 논문에서 제안된 전 영역 청소를 위한 알고리즘들은 실제 판매되는 청소 로봇에 적용하여, 그 성능을 검증한다.

다국어 초록 (Multilingual Abstract)

The coverage ability is one of essential techniques for the Robotic Vacuum Cleaner (RVC). Most of the RVCs rely on random or regular pattern movement to cover a target space due to the technical difficulties to implement localization and map and constraints of hardwares such as controller and sensors. In this paper, we consider two main issues which are low computational load and using sensors with very limited sensing capabilities. First, in our approach, computing procedures to build map and detect the RVC's position are minimized by simplifying data obtained from sensors. To reduce computational load, it needs simply presenting an environment with objects of various shapes. Another isuue mentioned above is regarded as one of the most important problems in our approach, because we consider that many RVCs use low-cost sensor systems such as an infrared sensor or ultrasonic sensor with limited capabilities in limited range, detection uncertainty, measurement noise, etc. Methods presented in this paper are able to apply to general RVCs equipped with these sensors. By both simulation and real experiment, we evaluate our method and verify that the proposed method guarantees a complete coverage.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 전체 영역 청소 알고리즘
• 3. 실험
• 4. 결론
• 참고문헌
• 저자소개

참고문헌 (Reference)

1 D. J. Austin, "Using multiple gaussian hypotheses to represent probability distributions for mobile robot localization" 1036-1041, 2000

2 H. Durrant-Whyte, "Simultaneous localization and mapping: part I" 13 (13): 99-110, 2006

3 Sebastian thrun, "Probabilistic Robotics" MIT Press 2005

4 V. Nguyen, "Orthogonal SLAM: a step toward lightweight indoor autonomous navigation" 5007-5012, 2006

5 Y. Choi, "Online complete coverage path planning for mobile robots based on linked spiral paths using constrained inverse distance transform" 5788 (5788): 2009

6 F. Dellaert, "Monte Carlo localization for mobile robots" 1999

7 E. Garcia, "Mobile-robot navigation with complete coverage of unstructured environments" 46 : 195-204, 2004

8 J. J. Leonard, "Mobile robot localization by tracking geometric beacons" 7 (7): 376-382, 1991

9 E. Acar, "Critical point sensing in unknown environments" 3803-3810, 2000

10 H. Choset, "Coverage of known spaces: the boustrophedon cellular decomposition" 9 (9): 247-253, 2000

11 H. Choset, "Coverage for robotics – A survey of recent results" 31 (31): 113-126, 2001

12 Z. Butler, "Complete distributed coverage of rectilinear environments" 51-61, 2001

13 E. Gonzalez, "BSA: A complete coverage algorithm" 2040-2044, 2005

14 D. Fox, "Adapting the sample size in particle filters through KLD-sampling" 22 (22): 985-1003, 2003

15 N. L. Doh, "A practical path planner for the robotic vacuum cleaner in rectilinear environments" 53 (53): 519-527, 2007

16 Goldfarb, D, "A numerically stable ual method for solving strictly convex quadratic programs" 27 (27): 1-33, 1983