퍼지 포텐셜 필드를 이용한 이동로 의 동 경로 계획 291

퍼지 포텐셜 필드를 이용한 이동로봇의 동적 경로 계획논 문

61-2-16

Dynamic Path Planning for Mobile Robots Using Fuzzy Potential Field Method

우 경 식*․박 종 훈**․허 욱 열†

(Kyoung-Sik Woo․Jong-Hun Park․Uk-Youl Huh)

Abstract - In this paper, potential field algorithm was used for path planning in dynamic environment. This algorithm is

used to plan a robot path because of its elegant mathematical analysis and simplicity. However, there are some problems.

The problems are problem of collision risk, problem of avoidance path, problem of time consumption. In order to solve

these problems, we fused potential field with fuzzy system. The input of the fuzzy system is set using relative velocity

and location of robot and obstacle. The output of the fuzzy system is set using the weighting factor of repulsive

potential function. The potential field algorithm is improved by using fuzzy potential field algorithm and, path planning in

various environment has been done.

Key Words : Dynamic path planning, Fuzzy system, Potential field, Obstacle avoidance, Mobile robot

* 회 원 : 인하 학교 로 공학 공 석사과정 4차

** 정 회 원 : 인하 학교 로 공학 공 박사과정 4차

† 교신 자, 펠로우회원 : 인하 학교 공과 학 기공학과 교수

E-mail : uyhuh@inha.ac.kr

수일자 : 2011년 12월 14일

최종완료 : 2012년 1월 17일

1. 서 론

오늘날 청소로 , 안내로 과 같은 서비스 로 이 보 되

면서 지능을 가진 로 에 한 연구가 다양하게 이루어지고

있다. 과거 산업용 로 은 미리 로그램 되어 있는 작업만

을 수행하는 로 이 부분이었다. 산업용 로 은 용 , 도

장과 같은 산업분야에서 사람의 편의와 작업속도 향상을

해 공장 자동화와 련된 로 들을 말한다. 하지만 지능을

가진 로 의 필요성이 증가되면서 로 의 지능 인 경로 계

획 능력이 필요하게 되었다.[1] 경로 계획은 이동 로 이 출

발지 에서 원하는 목표지 까지 경로를 찾고 주변에 나타

나는 정 , 동 장애물을 회피하는 경로를 생성하여 원하는

목표지 까지 안 하고 빠르게 이동하는데 목 이 있다. 경

로계획에 한 연구는 주어진 MAP을 이용하여 오 라인

(Off-Line)으로 최 의 경로를 생성하는 역경로계획

(Global Path Planning)과 이동로 의 내재된 센서를 이용하

여 주행 에 나타나는 정 , 동 장애물과 같은 환경변화

를 인식하고 그에 따른 새로운 경로를 실시간으로 생성하는

지역경로계획(Local Path Planning)이 있다.[2]

경로계획에 한 기존 연구동향으로는 정 장애물을 회

피하기 한 경로계획이 부분을 차지하고 있다. 정 장

애물을 회피하기 한 로드 맵 경로계획 방법으로 Choset은

장애물과 장애물 사이의 간 지 을 선으로 연결하여 경로

를 계획한 보로노이 다이어그램(Voronoi Diagram)을 제안하

고, Kant는 출발지 에서 각 물체의 꼭지 을 경유하여

목표지 까지 최단 경로를 구성하는 가시성 그래

(Visibility Graph)를 제안하 다. [3]~[5] 보로노이 다이어그

램은 장애물과의 충돌에 한 험성은 작지만 최 경로가

아니라는 단 이 있고, 가시성 그래 는 최 의 경로를 생성

하지만 치 인식이 정확하지 않을 경우 장애물과의 충돌

험성 문제가 존재하는 단 이 있다. Resonfeld가 제안한

거리변환(Distance Transform)알고리즘은 격자로 나 어진

공간에서 근처에 있는 여덟 개의 격자 목표에서 가장 가

까운 격자로 이동하는 동작을 반복하여 목표지 으로 도달

하는 알고리즘이다.[6] Borenstein과 Koren에 의해서 제안된

포텐셜 필드 알고리즘은 수학 해석이 쉽기 때문에 경로계

획의 연구 분야에서 가장 리 사용된 방법이다. 하지만

Borenstein과 Koren이 제안한 방법은 정 인 장애물에 한

방법이라는 단 과 지역 최소 (Local Minimum)을 갖는 단

이 있다.[7]~[11] 이 후에 포텐셜 필드를 개선한 VFH

(Vector Field Histogram) 방법은 포텐셜 필드 알고리즘에

격자 분할(Cell Decomposition) 방법을 용하여 장애물을

확률 으로 표 하는 방법을 제안하 다. 하지만 이 방법

한 지역 최소 을 갖는다.[12]~[13]

기존 동 환경에서의 경로계획에 한 연구동향으로는,

Fujimura가 제시한 동 환경에서의 경로계획을 해 시간을

좌표로 간주하여 공간상에 움직이는 동 장애물을 정 인

것으로 해석하는 방법을 제시하 다.[14] 그러나 이 방법 은

동 장애물의 운동 상태를 알고 있어야 한다는 단 이 있다.

Ko와 Lee는 포텐셜 함수에 장애물의 속도를 고려하여 동

장애물에 한 고려를 하 지만 로 의 속도를 고려하지 않

았다.[15] Ge와 Cui는 포텐셜 함수에 로 과 장애물의 속도

모두를 고려하여 경로계획을 하 다.[16] 하지만 이 경로계획

방법은 장애물의 치와 속도에 따라 장애물과의 충돌 험

성 문제, 과다한 회피 경로의 문제 목표 지 으로의 도착

기학회논문지 61권 2호 2012년 2월

292

시간 문제가 발생한다. 본 논문에서는 퍼지 시스템을 용하

여 이동로 과 장애물의 속도 계와 치 계에 따라 척력장

의 가 치를 변화시킴으로써 의 문제 을 해결하 다.

2. 이동로 의 동 경로 계획

2.1 포텐셜 필드를 이용한 동 경로 계획

동 인 환경에서의 인력장 함수(Attractive potential field

function)는 목표지 과 이동로 의 치만을 이용한 일반

인 포텐셜 필드 알고리즘에 목표지 과 이동로 의 속도

련 변수를 추가함으로써 식(1)과 같이 나타낼 수 있다.

║║ ║║

(1)

식(1)에서 와 는 목표지 과 이동로 의 치

를 나타내고 와 는 목표지 과 이동로

의 속도를 나타낸다. ║║는 시간 t에서의 목

표지 과 이동로 사이의 거리를 나타내고║ ║

는 시간 t에서의 이동로 과 목표지 사이의 상 속도를

의미한다. 와 는 치에 의해서 생성되는 장과 속도

에 의해서 생성되는 장의 가 치(weighting factor)를

나타낸다. 과 은 장의 모양을 결정하는 값으로

≤일 경우 특이 을 갖게 되기 때문에 로 설정

한다. 본 논문에서는 목표지 을 정지 상태로 가정하기 때

문에 으로 간주한다. 식(1)에서 이동로 과 목표지

사이의 상 거리와 상 속도가 감소하면 인력장 는

감소하고 반 로 될 경우 인력장 는 증가한다.

동 인 환경에서의 척력장 함수(Repulsive Potential Field

Function)는 장애물과 이동로 의 치만을 이용한 일반

인 포텐셜 필드 알고리즘에 장애물과 이동로 의 속도 련

변수를 추가함으로써 식(2)와 같이 나타낼 수 있다.

i f ║║ ≥or

║║

i f ║║ and ≥

i f and ║║

(2)

식(2)에서 는 장애물의 치, ║║는

장애물과 이동로 사이의 거리, 는 장애물의 향범 를

나타낸다. 는 이동로 이 최 로 감속할 때 이동하는 거

리를 나타내고 는 척력장 함수의 가 치(weighting factor)

를 나타낸다. 수식에서 ║║ ≥이면

이동로 이 이동했을 때 장애물 향 범 밖에 있기 때문

에 척력장 함수는 0이 된다. 만약, ║║

이면 이동로 이 장애물 향 범 에 들어가기 때문에 거리

가 가까울수록 척력장이 크게 발생한다. 마지막으로

║║일 경우에는 이동로 이 최 로 감속

하면서 이동한 거리가 장애물과 이동로 사이의 거리보다

크기 때문에 피할 방법이 없다. 따라서 이러한 상황은 고려

하지 않는다.

의 인력장과 척력장을 이용하여 이동로 의 동 경로

계획이 가능하다. 그러나 동 포텐셜 필드 알고리즘은 장

애물의 속도와 치에 따라 충돌 안정성 문제, 회피경로 문

제, 목표지 으로의 도착 시간문제들이 발생한다. 이러한 문

제를 해결하기 해 본 논문에서는 동 인 장애물을 회피하

기 한 동 포텐셜 함수를 구성하고 장애물의 속도와

치에 따라 포텐셜 함수의 척력장의 가 치를 변화시키는 퍼

지시스템을 용하는 알고리즘을 제안하 다.

2.2 퍼지 포텐셜 필드를 이용한 동 경로 계획

앞서 설명한 동 포텐셜 필드 알고리즘을 이용하여 출발

지 에서 목표지 까지 동 장애물을 회피하여 도착할 수

있다. 하지만 동 인 환경에서의 포텐셜 필드 알고리즘은

장애물의 속도와 치에 따라 장애물과 로 의 충돌 험성,

장애물 회피 경로의 문제, 목표지 으로의 도달 시간과 같은

많은 문제가 발생한다. 따라서 포텐셜 필드의 문제 을 해

결하기 해 장애물의 속도와 치에 따라 척력장의 가 치

를 상황에 맞게 변경하는 퍼지 시스템을 용하여 이동로

의 경로계획을 한다.[17][18]

포텐셜 필드 알고리즘과 퍼지 시스템을 동시에 용한 퍼

지 포텐셜 필드 알고리즘(Fuzzy Potential Field Algorithm)

은 이동로 이 출발지 으로부터 목표지 으로 주행 시 장

애물이 존재할 경우에 그 장애물에 의해 생성된 척력과 이

동로 의 진행방향이 이루는 각도( ), 이동로 과 장애물

의 속도 계()를 입력변수로 하고 포텐셜 필드 척력의 가

치 를 출력변수로 하는 퍼지 시스템을 용하여 다양한

동 환경에서 이동로 의 안 하고 빠른 경로 계획을 하기

해 제안하 다.

로 이 목표지 으로 안 하게 주행하기 해서는 로 의

진행방향과 장애물에 의해 생성되는 척력이 이루는 각도의

크기에 따라 회피 경로를 다르게 할 필요가 있다. 장애물에

의해 생성된 척력과 로 의 진행방향이 이루는 각도가 크면

그 만큼 장애물과 로 의 충돌 험성은 커지고 각도가 작

아질수록 장애물과 로 의 충돌 험성은 작아진다. 그림 1

은 로 의 진행방향과 장애물에 의해 생성된 척력의 치

계를 나타낸다. 여기서 는 인력장과 척력장 함

수의 음의 기울기 값으로 인력과 척력을 나타낸다.

그림 1 로 과 장애물간의 치 계( )

Fig. 1 Position relation between mobile robot and obstacle ( )

Trans. KIEE. Vol. 61, No. 2, FEB, 2012

퍼지 포텐셜 필드를 이용한 이동로 의 동 경로 계획 293

그림 1에서는 작업공간에 장애물의 치가 다양한 환경을

나타내고 있다. 이동로 은 목표지 으로의 주행 시에 ①,

②, ③, ④, ⑤의 장애물 치에 따라 회피 방법을 다르게 할

필요가 있다. ①의 경우에는 이동로 의 진행방향에 장애물

이 정면에 치하기 때문에 충돌 험성이 크다. 따라서 포

텐셜 함수의 척력의 가 치를 크게 해야 충돌로부터 안 할

수 있다. ②의 경우는 ①의 경우 보다 각도 가 작기 때문에

충돌 험성이 작아지므로 ①보다 작은 척력의 가 치를

용할 수 있다. 마찬가지 방법으로 ③, ④에 한 척력의

가 치를 용할 수 있다. 그러나 ⑤의 경우에는 장애물이

로 의 후방에 치하기 때문에 충돌 험성을 없다고 볼

수 있으므로 척력의 가 치를 0으로 하여 척력을 제거한다.

로 이 목표지 으로 안 하게 주행하기 해서는 로 과

장애물의 치 계( ) 이외에도 로 과 장애물간의 상

인 속도 차이에 한 계 한 요하다. 장애물의 속도가

빠르면 빠를수록 이동로 과 장애물의 충돌 험성이 커진다

는 것은 직 으로 상할 수 있다. 따라서 포텐셜 함수의

척력의 가 치를 크게 할 필요가 있다. 만약 장애물의 속도가

느릴 경우에는 이동로 과 장애물의 충돌 험성이 작기 때

문에 포텐셜 함수의 척력의 가 치를 작게 하여 빠른 회피가

가능하도록 해야 한다. 여기서 는 식(3)로 정의한다.

∥∥∥∥ (3)

식(3) 에서는 작업공간에 이동로 속도와 장애물의 속도

계에 따라 충돌 험성이 달라진다. 이동로 의 속도가 장

애물 속도 보다 빠를 경우 장애물 회피 주행성이 보장되어 안

하게 경로계획을 할 수 있다. 하지만, 장애물이 로 보다

빠른 경우에는 로 이 장애물을 발견했을 지라도 주행능력이

떨어져 충돌 가능성이 높아진다. 따라서 이동로 과 장애물

사이의 속도 계에 따라서 가 치를 달리 할 필요가 있다.

에 설명한 이동로 과 장애물의 치 계, 이동로 과

장애물의 속도 계를 이용하여 퍼지 시스템의 입력변수를

구성할 수 있다. 그림 2은 이동로 과 장애물의 치 계를

나타내는 입력변수 의 소속 함수이다.

그림 2 입력변수 의 소속 함수

Fig. 2 Membership functions of input variables

그림 2에서 는 이동로 의 진행방향과 장애물에 의해

생성되는 척력의 상 인 각으로서 ∼ 사이의 값을

나타낸다. 여기서 상 인 각을 ∼ 으로 설정한 이유

는 이동로 의 후방에 치한 장애물은 고려하지 않기 때문

이다. 충돌 험성이 작은 Z 역에서부터 로 의 진행방향

에 장애물이 치해서 충돌 험성이 큰 HH까지 Z, L, M,

H, HH의 5가지의 역으로 나타내었다. Z 역에서는 장애

물이 로 의 후방에 치하기 때문에 충돌 험성을 없다고

볼 수 있는 역이다. L 역에서는 이동로 의 진행방향과

척력의 각이 비교 작은 역으로 장애물이 로 의 측면에

존재하는 역이다. 이는 비교 충돌 험성이 작은 역

이라 할 수 있다. 마찬가지로 M, H, HH로 갈수록 이동로

의 진행방향과 척력이 이루는 각이 커지기 때문에 충돌

험성이 증가한다.

그림 3는 이동로 과 장애물의 속도 계를 나타내는 입력

변수 의 소속 함수이다.

그림 3 입력변수 의 소속 함수

Fig. 3 Membership functions of input variables

그림 3에서 는 이동로 의 속도와 장애물 속도의 상

인 차이 값을 나타낸다. 이동로 속도는 장애물 속도 보

다 빠를 경우 장애물회피 주행성이 보장된다. 하지만 장애

물속도가 로 보다 빠를 경우 회피 할 수 있는 능력을 잃고

충돌 험성이 커진다. 충돌 험성이 작은 PB 역에서부터

충돌 험성이 큰 값을 NB까지 NB, NS, ZE, PS, PB의 5가

지의 역으로 나타내었다. PB 역에서는 장애물이 로 속

도에 비해 상 으로 작은 속도 값을 가지기 때문에 충돌

험성이 작다고 볼 수 있는 역이다. PS 역에서는 PB보

다는 속도 차이가 작기 때문에 PB보다 충돌 험성이 더

큰 역이다. 마찬가지로 ZE, NS, NB로 갈수록 장애물의

속도가 이동로 의 속도보다 상 으로 커지기 때문에 충

돌 험성이 증가한다.

그림 4은 포텐셜 필드 척력의 가 치를 나타내는 출력변

수 의 소속 함수 이다.

그림 4 출력변수 의 소속 함수

Fig. 4 Membership functions of output variables

그림 4에서 는 포텐셜 필드 척력의 가 치로서 로 과

목표지 사이의 인력 가 치인 에 가장 합한 값으로

서 ∼의 값으로 구성하 다. 척력의 가 치가 작은 Z

역에서부터 척력의 가 치가 큰 HH까지 Z, L, M, H, HH의

5가지의 역으로 나타내었다. Z 역에서는 장애물과 이동

로 의 속도 계, 치 계 모두 험성이 을 때 가 치를

기학회논문지 61권 2호 2012년 2월

294

작게 하는 역이다. L 역에서는 Z보다는 충돌 험성이

크기 때문에 척력의 가 치를 더 크게 하는 역이다. 마찬

가지로 M, H, HH로 갈수록 장애물과 이동로 의 충돌

험성이 커지는 상황에서 척력의 가 치를 크게 해야 한다.

표 1은 룰 베이스를 나타낸다. 입력변수 의 함수 5개,

입력변수 의 함수 5개로 구성되어 있으며 출력 변수 의

함수는 5개로 구성되어있다.

Z L M H HH

NB L M H HH HH

NS L M M HH HH

ZE Z L M H HH

PS Z Z M M H

PB Z Z L M H

표 1 룰 베이스

Table 1 Rule base

그림 5은 퍼지 추론에 한 결과를 나타낸다. 기존 동

환경에서의 포텐셜 필드는 장애물의 치와 속도에 따른 문

제들이 발생한다. 따라서 장애물의 치와 속도를 고려한

퍼지 시스템을 구성하여 문제 을 개선한다.

그림 5 퍼지 추론의 결과

Fig. 5 Result of fuzzy inference

그림 5에서는 입력변수 와 의 계에 따른 출력변수

의 계이고, 본 실험에서 비퍼지화는 Mamdani의 무게

심법을 사용하 다. 와 의 값이 각각 ∼ ,

∼일 경우에는 장애물의 치가 이동로 의 후방

에 치하고 속도 한 이동로 에 비해 상 으로 작기

때문에 의 값이 용되지 않는다. 의 값이 증가할수록

충돌 험성이 증가하기 때문에 의 값이 증가하는 것을 확

인할 수 있고, 한 의 값이 작아질수록 장애물의 속도가

이동로 속도에 비해 커지기 때문에 충돌 험성이 커지므

로 의 값이 증가하는 퍼지 추론의 결과를 확인할 수 있다.

3. 모의 실험 결과

이동로 이 동 인 장애물을 회피하며 안 하게 목표지

으로 도착하는 경로를 계획하기 한 포텐셜 필드 알고리즘

은 로 의 치와 속도, 장애물의 치와 속도, 목표지 의

치를 포함한다. 여기서 이동로 은 방향성을 갖는

질량의 로 으로 간주하고, 장애물의 속도는 등속이며, 로

과 장애물의 치와 속도는 정확하게 측정된다고 가정한다.

한 목표지 의 치도 알고 있다고 가정한다. 다음 표 2

는 모의실험을 해 설정한 라미터를 나타낸다.

인력장의 치 가 치( ) 0.02

인력장의 속도 가 치( ) 0.54

인력장의 양의 상수치() 2

장애물의 향 범 ( ) 3

목표지 의 치() (20 , 20 )

이동로 의 기 치() (0 , 0 )

이동로 의 최 속도(max ) (0.5 )

이동로 의 최 가속도(max ) 0.3

이동로 의 무게() 9

샘 링 타임() 0.1

장애물과의 충돌 여유거리 0.5

표 2 모의실험을 한 라미터 설정

Table 2 Parameter settings for simulation

본 논문에서 제안한 알고리즘은 동 환경에서의 이동로

의 경로계획을 제안한다. 장애물이 일정한 속도를 갖고 움

직일 때 퍼지 포텐셜 방법을 이용하여 목표지 까지 안 하

게 도착하는 경로계획 방법이다. 다음 그림 6은 장애물의

기 치가 (10 , -8 ), 장애물의 속도가 0.8 일 때의

경로계획을 시간에 따라 보여 다.

그림 6 단일 동 장애물 회피

Fig. 6 A single dynamic obstacle avoidance

Trans. KIEE. Vol. 61, No. 2, FEB, 2012

퍼지 포텐셜 필드를 이용한 이동로 의 동 경로 계획 295

그림 6에서 초일 때부터 이동로 은 장애물의 향

범 에 들어오게 된다. 장애물의 속도가 빠르기 때문에

와 같은 상황에서는 이동로 이 장애물과의 충돌 험성이

커지기 때문에 가 치 가 커야 안 한 회피를 할 수 있다.

초일 때 일 경우 척력의 가 치가 작기 때문에

장애물과의 거리가 매우 근 하게 되어 충돌함을 볼 수 있

다. 따라서 이러한 상황에서는 척력의 가 치 가 충분히

커야 안 한 주행이 가능하다는 것을 알 수 있다. 일

때는 척력의 가 치가 크기 때문에 장애물과의 안 거리가

확보되는 것을 확인 할 수 있다. 그러나 가 고정된 값을

갖기 때문에 계속해서 장애물의 향을 크게 받아 회피경로

가 커지고 목표지 으로의 도착시간이 증가함을 알 수 있

다. 의 경우는 의 크기가 크고 가 크기 때문에 장

애물과의 치 계, 속도 계를 고려하여 최 의 를 설정

하여 주행한다. 초일 때는 과 유사한 주행 경로를 보이지만 시간이 지날수록 의 크기가 감소하기 때문에

회피경로의 문제가 없어지고 목표지 으로의 도착시간도

의 고정된 가 치의 경우보다 크게 감소한다. 다음 그

림 7은 각각 , , 에 한 단일 동 장애물

회피 경로계획에 따른 로 의 상태를 보여 다.

그림 7 단일 동 장애물 회피 경로계획에 한 로 의 상태

Fig. 7 A single dynamic obstacle avoidance path planning

the robot's state

의 그림 7은 단일 동 장애물이 있는 환경에서

, , 에 한 각각의 이동로 상태를 보여

다. 로 과 장애물 사이의 최소거리의 경우 일 때

, 일 때 에 해서는 의 거리를

보인다. 일 때는 장애물과 충돌하므로 한 가 치

가 아니다. , 의 경우에는 장애물과의 안 거리를

확보하기 때문에 충돌 험성이 감소한다. 이동로 이 목표

지 에 도달하는데 걸리는 시간을 확인해보면 일 때

초, 일 때 초 에 해서는 초의 시간이 된다. 일 때는 장애물의 향이 작기 때문에 속도 감

소가 작고 최단시간으로 목표지 에 도착한다. 그러나 장애

물과의 안 거리가 확보되지 않기 때문에 하지 않다.

, 의 경우 장애물과의 충돌 험성이 감소하는 것

은 같지만 의 경우 고정된 가 치로 인해 장애물 회피

경로의 문제가 발생하여 목표지 으로의 도착시간이

를 이용하여 가 치를 변경한 것 보다 많은 시간이 걸리는

것을 확인할 수 있다. 다음 표 3은 단일 동 장애물 회피

에 한 비교를 나타낸다.

비교 최소거리(m) 도착시간(s)

(충돌) 초 초 초

표 3 단일 동 장애물 회피에 한 비교

Table 3 Comparison of a single dynamic obstacle

avoidance

다음 그림 8는 장애물의 기 치가 ,

의 두 개의 동 장애물이 존재할 때, 본 논문에서

제안한 퍼지 포텐셜 알고리즘을 이용하여 다수 동 장애물

을 회피하며 목표지 으로 도착하는 경로계획과 기존 포텐

셜 필드의 고정된 값에 의한 경로계획을 보여 다.

그림 8 다수 동 장애물 회피 경로계획

Fig. 8 Multiple dynamic obstacle avoidance path planning

기학회논문지 61권 2호 2012년 2월

296

그림 8에서는 다수의 동 장애물이 존재할 경우에 이동

로 의 가 0.1, 1, 그리고 를 사용한 경로계획의 결과

를 보여 다. 일 때는 장애물의 향을 거의 받지 않

기 때문에 단일 동 장애물 회피와 마찬가지로 직선 형태

의 주행을 하고 충돌하는 것을 확인 할 수 있다. 따라서 가

치의 값을 크게 할 필요가 있다. 일 때는 첫 번째 장

애물을 회피한 후 두 번째 장애물을 회피할 때 첫 번째 장

애물의 향을 계속 받기 때문에 회피 경로의 문제가 발생

하고 그것으로 인해 회피 경로의 문제가 발생함을 확인할

수 있고 목표지 으로의 도착 시간 한 증가하는 문제가

발생한다. 마지막으로 의 경우는 첫 번째 장애물을 회

피한 후 두 번째 장애물을 회피할 때 앞서 지정한 룰베이스

에 의해 첫 번째 장애물과의 각도 의 값이 두 번째 장애

물의 의 값보다 매우 작기 때문에 첫 번째 장애물에

한 향이 작기 때문에 두 번째 장애물에 한 경로계획만

을 함으로써 회피경로의 문제 충돌 안정성 문제, 그리고

목표지 으로의 도착시간 문제 등을 개선할 수 있다. 다음

표 4는 다수 정 장애물 회피에 한 비교를 나타낸다.

비교

최소거리(m) 도착시간(s)

, (충돌) 초 , 초 , 초

표 4 다수 동 장애물 회피에 한 비교

Table 4 Comparisons of Multiple dynamic obstacle avoidance

5. 결 론

본 논문에서는 동 환경에서 이동로 의 경로계획을 하기

해 퍼지 포텐셜 필드 알고리즘을 제안하 다. 동 포텐

셜 필드는 기존의 장애물 치뿐만 아니라 속도를 고려하여

동 경로계획을 수행한다. 그러나 장애물의 치와 속도에

따라 장애물과의 충돌 험성 문제, 회피 경로의 문제 목

표 지 으로의 도착시간 문제가 발생한다. 이것은 포텐셜

필드 척력의 가 치가 고정되어 있기 때문에 상황에 따른

한 경로계획을 할 수 없는 것이다. 따라서 이러한 문제

를 해결하기 해 퍼지 시스템을 용하여 포텐셜 필드 알

고리즘을 개선하 다. 퍼지 시스템은 장애물과 이동로 의

치 계, 장애물과 이동로 의 속도 계를 입력 변수로 설

정하여 포텐셜 필드 척력의 가 치 를 상황에 맞게 설정되

도록 하 다.

퍼지 포텐셜 필드 알고리즘을 이용하여 장애물과 충돌 가

능성이 을 때는 척력의 가 치를 작게 조 하여 목표지

으로 빠르게 도착하는 것을 확인할 수 있었고 장애물과 충

돌 가능성이 증가할수록 척력의 가 치를 크게 하여 장애물

과의 충돌로부터 안 한 거리인 0.5의 거리를 확보하고 목

표지 으로의 도착시간 한 단축 되도록 하는 경로계획 알

고리즘을 모의실험을 통해 확인할 수 있었다.

차후에는 퍼지 포텐셜 필드 알고리즘을 실제로 에 용

하는 연구가 계속 되어야 할 것이다.

감사의

본 논문은 2011년도 정부(교육과학기술부)의 재원

으로 한국연구재단의 지원을 받아 수행된 기 연구사

업(No. 2011-0016212)이며, 지식경제부 정보통신산

업진흥원의 로 특성화 학원 지원사업의 연구결과

로 수행되었음에(C7000-1001-0009) 계부처에 감사

드립니다.

참 고 문 헌

[1] C. Nikos, "Autonomous Vehicle Navigation Utilizing

Electrostatic Potential Fields and Fuzzy Logic", IEEE

Transactions on Robotics ansd Automation, Volume:

17, no 4, August 2001

[2] R. Siegwart and I. R. Nourbakhsh, "Introduction to

Autonoumous Mobile Robots", Cambridge, MA, USA:

MIT Press, 2004

[3] H. Choset, S. Walker, K. "Sensor-Based Exploration:

Incremental Construction of the Hierarchical

Generalized Voronoi Graph", Int. Journal of Robotics

Research, Vol. 19, No. 2, 2000, pp. 126-148.

[4] D. V. Zwynsvoorde, T. Simeon, and R. Alami

"Incermental Topological Modeling using Local

Voronoi-like Graphs,", Proc. of IROS, 2001,

pp.897-902

[5] G. Kant, "Algorithms for Drawing Planar Graph", Ph.

D. Thesis, Utrecht University, 1993.

[6] A. Resonfeld and J.L. Pfaltz, "Sequential operations

in Digital Image Processing", J.A.C.M., Vol.13, No.4,

Oct, 1966, pp.471-494.

[7] J. Borenstein and Y. Koren, "Real-time Obstacle

Avoidance for Fast Mobile Robots." IEEE

Transactions on Systems, Man, and Cybernetics, Vol.

19, No.4, 1991, pp.535-539

[8] M. Khatib, R. Chatila, "An Extended Potential Field

Approach for Mobile Robot Sensor-Based Motions,"

in Proceedings of the Intelligent Autonomous

Systems IAS-4, IOS Press, Karlsruhe, Germany,

March 1995, pp. 490-496

[9] E. Rimon, and D.E. Koditschek, 1992, "Exact robot

navigation using artificial potential functions," IEEE

Trans. Robotic. Autom. 8(5): pp. 501-518

[10] J. Borenstein, and Y. Koren, 1991, "The vector field

histogram-fast obstacle avoidance for mobile robots,"

IEEE Trans. Robotic. Autom. 7(3): pp. 278-288

[11] I. Ulrich, J. Borenstein, "VFH+: Reliable Obstacle

Avoidance for Fast Mobile Robots," in Proceedings

of the International Conference on Robotics and

Trans. KIEE. Vol. 61, No. 2, FEB, 2012

퍼지 포텐셜 필드를 이용한 이동로 의 동 경로 계획 297

Automation(ICRA '98), Leuven, Belgium, May 1998.

[12] K. Fujimura, and H. Samet, 1989, "A hierarchical

strategy for path planning among moving obstacles,"

IEEE Trans. Robotic. Autom., 5(1): pp. 61-69

[13] N.Y. Ko, and B.H. Lee, 1996, "Avoidability measure

in moving obstacle avoidance problem and its use

for robot motion planning", Proc. IEEE/RSJ Int.

Conf. Intell. Robots and Sys., Vol.3, pp 1296-1303

[14] S.S. Ge, and Y.J. Cui, 2002, "Dynamic Motion

Planning for Mobile Robot Using Potential Field

Method," Autonomous Robots 13, 207-222

[15] I. Hassanzadeh, H. Ghadiri, R. Dalayimilan, "Design

and implementation of a simple fuzzy algorithm for

obstacle avoidance navigation of a mobile robot in

dynamic environment", Proc. International Symposium

on Mechatronics and its Applications(ISMA08),

Amman, Jordan, May 27-29, 2008.

[16] M. A. K. Jaradat, M. H. Garibeh E. A. Feilat,

"Dynamic Motion Planning for Autonomous Mobile

Robot Using Fuzzy Potential Field", International

Symposium on Mechatronics and its

Applications(ASMA09), March 2009

자 소 개

우 경 식 (禹 敬 植)

1985년 12월 06일 생. 2010년 인하 학교

기공학과 학사졸업 2010년∼ 재 인하

학원 로 공학 공 석사과정 재학 .

Tel : 032-860-7394

Fax : 032-864-6442

E-mail : ryoma004@naver.com

박 종 훈 (朴 鐘 勳)

1978년 9월 15일 생. 2001년 순천 학교

기공학과 학사졸업. 2004년 인하 학원

기공학과 석사졸업. 2011년∼ 재 인하

학원 로 공학 공 박사과정 재학 .

Tel : 032-860-7394

Fax : 032-864-6442

E-mail : patch_hanl@naver.com

허 욱 열 (許 旭 烈)

1951년 12월 13일 생. 1974년 서울 학교

기공학과 학사졸업. 1978년 동 학원

기공학과 석사졸업. 1982년 동 학원

기공학과 박사졸업. 1985∼1986년 (美)

일리노이 학 기 컴퓨터 공학과 방

문교수. 2004년 1월∼2004년 12월 한

기학회 부회장 겸 정보 제어부문회 회장. 2007년 1월

∼2009년 12월 제어로 시스템학회 부회장. 2008년 1월∼

2008년 12월 한 기학회 부회장. 1980년∼ 재 인하

학교 기공학부 교수.

Tel : 032-860-7394

Fax : 032-864-6442

E-mail : uyhuh@inha.ac.kr