본 논문은 자율주행 장치(autonomous ground vehicle)를 위한 각속도의 오차 최소화에 관한 연구이다. 각속도의 오차 최소화는 자율주행 장치의 이동 거리를 측정하는 엔코더(encoder)와 관련하여 자율주행 장치의 가장 중요한 기반 기술인 위치측정(localization)과 밀접한 관련이 있다. 기존에 각속도의 오차 최소화 방법들에는 이동관성을 측정할 수 있는 가속계(accelerometer)와 회전관성을 측정할 수 있는 자이로(yaw gyro), 방위각을 측정할 수 있는 자계 센서인 전자나침판(electronic compass) 센서들을 확률을 통해 상호 보완하는 형태로 활발한 연구가 이루어지고 있다. 하지만 각속도 측정을 위해 사용되는 센서들은 수학적인 오차와 센서들의 자체 특성에 의해 누적 오차가 발생하게 되며, 여러 센서들을 이용하여 확률적인 오차 보정을 수행하여도 연산량과 비용이 증가되는 문제점을 가지게 된다. 따라서 본 논문에서는 자율주행 장치의 시스템 특성을 고려하여 엔코더와 자이로만을 이용한 각속도의 오차 최소화에 대한 연구를 수행하였다. 실험은 직접 설계 제작한 자율주행 장치를 이용하였으며, 자율주행 장치가 제어기를 통해 주행하는 동안에 엔코더, 자이로를 통해 계산된 각각의 각속도 결과들과 엔코더와 자이로만을 이용한 제안된 각속도 측정 방법의 결과를 비교하였다. 실험 결과, 엔코더 혹은 자이로만을 이용한 각속도 측정 방법들에 비해 제안한 각속도 측정 방법의 누적 오차가 크게 줄었음을 확인하였다.
본 논문은 자율주행 장치(autonomous ground vehicle)를 위한 각속도의 오차 최소화에 관한 연구이다. 각속도의 오차 최소화는 자율주행 장치의 이동 거리를 측정하는 엔코더(encoder)와 관련하여 자율주행 장치의 가장 중요한 기반 기술인 위치측정(localization)과 밀접한 관련이 있다. 기존에 각속도의 오차 최소화 방법들에는 이동관성을 측정할 수 있는 가속계(accelerometer)와 회전관성을 측정할 수 있는 자이로(yaw gyro), 방위각을 측정할 수 있는 자계 센서인 전자나침판(electronic compass) 센서들을 확률을 통해 상호 보완하는 형태로 활발한 연구가 이루어지고 있다. 하지만 각속도 측정을 위해 사용되는 센서들은 수학적인 오차와 센서들의 자체 특성에 의해 누적 오차가 발생하게 되며, 여러 센서들을 이용하여 확률적인 오차 보정을 수행하여도 연산량과 비용이 증가되는 문제점을 가지게 된다. 따라서 본 논문에서는 자율주행 장치의 시스템 특성을 고려하여 엔코더와 자이로만을 이용한 각속도의 오차 최소화에 대한 연구를 수행하였다. 실험은 직접 설계 제작한 자율주행 장치를 이용하였으며, 자율주행 장치가 제어기를 통해 주행하는 동안에 엔코더, 자이로를 통해 계산된 각각의 각속도 결과들과 엔코더와 자이로만을 이용한 제안된 각속도 측정 방법의 결과를 비교하였다. 실험 결과, 엔코더 혹은 자이로만을 이용한 각속도 측정 방법들에 비해 제안한 각속도 측정 방법의 누적 오차가 크게 줄었음을 확인하였다.
This paper is presented to study the error minimization of angular velocity for AGV(autonomous ground vehicle). The error minimization of angular velocity is related to localization technique which is the most important technique for autonomous vehicle. Accelerometer, yaw gyro and electronic compass...
This paper is presented to study the error minimization of angular velocity for AGV(autonomous ground vehicle). The error minimization of angular velocity is related to localization technique which is the most important technique for autonomous vehicle. Accelerometer, yaw gyro and electronic compass have been used to measure angular velocity. And methods for error minimization of angular velocity have been actively studied through probabilistic methods and sensor fusion for AGVs. However, those sensors still occure accumulated error by mathematical error, system characters of each sensor, and computational cost are increased greatly when several sensor are used to correct accumulated error. Therefore, this paper studies about error minimization of angular velocity that just uses encoder and gyro. To experiment, we use autonomous vehicle which is made by ourselves. In experimental result, we verified that the localization error of proposed method has even less than the localization errors which we just used encoder and gyro respectively.
This paper is presented to study the error minimization of angular velocity for AGV(autonomous ground vehicle). The error minimization of angular velocity is related to localization technique which is the most important technique for autonomous vehicle. Accelerometer, yaw gyro and electronic compass have been used to measure angular velocity. And methods for error minimization of angular velocity have been actively studied through probabilistic methods and sensor fusion for AGVs. However, those sensors still occure accumulated error by mathematical error, system characters of each sensor, and computational cost are increased greatly when several sensor are used to correct accumulated error. Therefore, this paper studies about error minimization of angular velocity that just uses encoder and gyro. To experiment, we use autonomous vehicle which is made by ourselves. In experimental result, we verified that the localization error of proposed method has even less than the localization errors which we just used encoder and gyro respectively.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
하지만 여러 센서들을 이용하여 확률적인 오차 보정을 수행하므로 연산량과 비용이 증가되는 문제를 가지게 된다. 따라서 본 논문에서는 연산량과 비용을 줄이면서 오차 누적을 해결하기 위하여 자율주행 장치의 시스템 특성을 고려하여 엔코더와 자이로만을 이용한 오차 최소화에 대한 연구를 기술하였다.
본 논문에서는 엔코더, 자이로를 이용하여 오차 최소화 연구를 수행한다. LRF를 사용하는 이유는 자율주행 장치를 이용한 실험 시에 발생될 수 있는 사고를 방지하기 위해 사용하였다.
본 연구에서는 연산량과 비용을 줄이면서 오차 누적을 해결하기 위하여 자율주행 장치의 시스템 특성을 고려하여 엔코더와 자이로만을 이용한 오차 최소화에 대한 연구를 이야기하였다. 각속도 오차를 최소화 연구를 수행하기 위해서 여러 실험 방법을 통해 자이로와 엔코더의 각속도 분석 실험을 수행하였지만 정확한 성능을 분석이 어려웠다.
제안 방법
Resgyro와 ResADC는 각각 자이로와 ADC의 분해능을 의미하고, Sensitivity는 자이로의 민감도를 의미한다. ADC의 온도에 따라 보정된 자이로 값과 보정되지 않은 자이로 값의 오차를 분석해 보았다. 표 2는 자율주행 장치의 오른쪽과 왼쪽의 속도 값에 따라 4번의 원운동을 하는 동안의 각속도 오차를 보여준다.
또한, 각속도 오차의 누적 실험을 명확히 하기 위해서 주행 시작 위치인 ①에서 360° 회전 후에 주행하였다.
센서를 계측하기 위해 ATmega128을 이용하였고, LRF는 RS-232 통신을 통해 산업용 PC로 계측하였다. 엔코더는 Atmega128의 내부 인터럽트를 이용해 펄스를 계측하였고, 자이로는 자체 내장된 12bit ADC (analog to digital converter)를 이용하여 디지털 출력과 온도 값을 SPI(serial-peripheral interface) 통신을 통해 계측 받았다.
실험 방법은 자율주행 장치를 (0m, 0m) 위치에 0°로 두고, (9m, 0m) 위치에 0°로 자율적으로 주행을 하는 동안 엔코더를 통한 각속도 w(식 (2))와 자이로를 통한 각속도 ∆θ(식 (4))의 누적 각도 오차를 비교 분석하였다.
실험 방법은 주행 평균속도 별로 ①~④ 구간을 5회식 반복 주행 후에 위치측정 정밀도를 분석하였다. 또한, 각속도 오차의 누적 실험을 명확히 하기 위해서 주행 시작 위치인 ①에서 360° 회전 후에 주행하였다.
센서를 계측하기 위해 ATmega128을 이용하였고, LRF는 RS-232 통신을 통해 산업용 PC로 계측하였다. 엔코더는 Atmega128의 내부 인터럽트를 이용해 펄스를 계측하였고, 자이로는 자체 내장된 12bit ADC (analog to digital converter)를 이용하여 디지털 출력과 온도 값을 SPI(serial-peripheral interface) 통신을 통해 계측 받았다. 그림 3은 센서들의 계측과 자이로 중심값을 계산 알고리즘을 보여준다.
그러나 표 3에서와 같이, 자이로의 각속도 오차는 일정한 범위에서 발생되었지만, 엔코더의 각속도 오차는 자이로에 비해 더욱 크게 발생하는 경우가 있었다. 이러한 현상을 분석하기 위해 자이로에 비해 엔코더를 이용한 각속도 오차가 더욱 크게 발생될 때의 엔코더의 시간에 따른 변화량을 비교하였다. 그림 7은 그림 6의 1번과 5번 실험의 오른쪽과 왼쪽 바퀴의 엔코더 변화량을 보여준다.
자이로를 통한 각속도 오차의 누적 문제와 엔코더의 계측 오차를 최소화하기 위해, 본 연구에서는 양 바퀴의 회전 변화량에 의해 엔코더의 각속도 오차가 크게 발생되는 구간을 실험을 통해 찾고, 그 구간에서만 자이로의 각속도를 이용하여 각속도 오차를 최소화하였다.
자이로와 엔코더만을 이용한 각속도의 오차를 최소화하기 위해서 자이로와 엔코더의 정밀도를 비교하였다. 실험 방법은 자율주행 장치를 (0m, 0m) 위치에 0°로 두고, (9m, 0m) 위치에 0°로 자율적으로 주행을 하는 동안 엔코더를 통한 각속도 w(식 (2))와 자이로를 통한 각속도 ∆θ(식 (4))의 누적 각도 오차를 비교 분석하였다.
각속도 오차를 최소화 연구를 수행하기 위해서 여러 실험 방법을 통해 자이로와 엔코더의 각속도 분석 실험을 수행하였지만 정확한 성능을 분석이 어려웠다. 하지만 엔코더의 변화에 따라 크게 오차가 발생되는 것을 확인할 수 있었고, 이를 토대로 엔코더의 변화에 따른 엔코더의 각 속도 오차를 분석하고 자이로와의 융합을 통해 각속도 오차 보정 알고리즘을 제안하였다. 제안된 각속도 오차 보정 알고리즘의 실험을 위해 직접 설계·제작한 자율주행 장치를 이용하였으며, 자율주행 장치가 제어기를 통해 주행하는 동안에 엔코더, 자이로를 통해 계산된 각각의 각속도 결과들과 엔코더와 자이로만을 이용한 제안된 각속도 측정 방법의 결과를 비교하였다.
대상 데이터
Tmin, Tmam는 각각 최소 문턱치와 최대 문턱치를 나타내고, 실험을 통해 최소 3와 최대 10 펄스로 사용하였다. Rate는 문턱치에 따른 엔코더의 각속도 w와 자이로의 각속도 ∆θt-1의 가중치 비율을 나타낸다.
LRF를 사용하는 이유는 자율주행 장치를 이용한 실험 시에 발생될 수 있는 사고를 방지하기 위해 사용하였다. 사용된 센서들의 모델명은 각각 LIB-49B, myGyro300과 LMS200이고, 그림 2는 실험에 사용된 자율주행 장치와 센서들을 보여준다.
실험에 사용된 자율주행 장치는 주행제어를 용이하게 하기 위해 두 개의 바퀴가 독립적으로 구동되는 양바퀴 구동방식으로 제작하였다. 이러한 기구부는 순간 회전 중심(instantaneous center of rotation: ICR)이 양바퀴 축에 위치한 직선 위에서 이동하고, 그 위치는 양 바퀴의 회전 속도비에 의해 결정된다.
제안한 각속도 오차 최소화 방법의 성능 분석을 위해서 그림 9와 같은 공간에서 실험을 수행하였으며, 사용된 공간은 ①~④ 구간으로 총 주행 길이는 약 50m이다.
데이터처리
제안된 각속도 오차 보정 알고리즘의 실험을 위해 직접 설계·제작한 자율주행 장치를 이용하였으며, 자율주행 장치가 제어기를 통해 주행하는 동안에 엔코더, 자이로를 통해 계산된 각각의 각속도 결과들과 엔코더와 자이로만을 이용한 제안된 각속도 측정 방법의 결과를 비교하였다.
성능/효과
는 각각 보정되지 않은 자이로의 누적 오차와 보정된 자이로의 누적 오차를 의미하며, 굵은 글자는 오차가 더 적은 결과를 보여준다. 실험 결과, ADC 온도에 따라 보정된 자이로가 좋은 성능을 보였다.
제안된 각속도 오차 보정 알고리즘의 실험을 위해 직접 설계·제작한 자율주행 장치를 이용하였으며, 자율주행 장치가 제어기를 통해 주행하는 동안에 엔코더, 자이로를 통해 계산된 각각의 각속도 결과들과 엔코더와 자이로만을 이용한 제안된 각속도 측정 방법의 결과를 비교하였다. 실험 결과, 간단한 방법이지만 각속도오차를 크게 줄일 수 있음을 확인할 수 있었다.
실험 결과, 표 4만을 보았을 때에는 제안된 방법이 다른 두 방법들에 비해 거리 오차가 적지만, 자이로만을 이용한 방법에 비해서 각도 오차가 큰 것을 확인 할 수 있다. 하지만 그림 11과 12에서와 같이, 제안된 방법이 전체적인 각속도 오차가 적기 때문에 다른 두 방법에 비해 거리 오차가 더 적다는 것을 확인할 수 있다.
이는 자이로는 바이어스 오차를 가졌기 때문에 디지털 출력 값의 중심에 의한 드리프트 오차를 확인하기 위해서이다. 실험에 사용한 주행 평균 속도는 약 10, 20, 30cm/s 이며, 주행 중에 만나는 코너에서는 급정지 후에 제자리 회전을 수행하여 엔코더의 변화량을 크게 하였다. 그림 10은 20cm/s의 평균속도로 주행할 때에 ①~④ 구간을 처음 1회 주행하는 동안의 엔코더의 변화량을 보여주며, 그림 11과 12는 주행 결과를 보여준다.
정지 상태의 12bit ADC 자이로는 그 중심인 2048을 값을 보내야한다. 하지만 실험 결과, ADC의 온도영향에 따라 2030~2035의 중심 값을 가졌고 자이로 자체 오차에 의해 2020~2045 사이의 값이 계측되었다. 그림 5(a)는 그림 4의 결과의 분포를 보여주고, 그림 5(b)는 식 (4)를 통해 계산된 각속도의 시간에 따른 누적 각도의 변화를 보여준다.
1번째 실험에서는 엔코더의 변화가 크게 일어나는 구간을 확인할 수 있었다. 하지만 엔코더의 변화가 크게 일어나는 구간이 없는 5번째 실험에서는 자이로보다 엔코더를 이용한 각속도가 더욱 좋은 성능을 가짐을 확인할 수 있었다.
엔코더만 사용한 실험(그림 11(a))은 엔코더의 변화량이 큰 코너 부분에서 오차가 크게 누적되었으며, 자이로만 사용한 실험(그림 11(b))은 드리프트 현상으로 인해 오차가 누적 되었다. 하지만 제안된 방법을 사용한 그림 12는 ①~④ 구간(약 50m)으로 5회 반복(약 250m) 주행하는 동안에도 자이로나 엔코더만을 이용한 실험에 비해 오차가 크게 줄었음을 확인할 수 있다. 표 4는 각 평균속도별 최종 각도와 거리 오차의 결과들을 보여준다.
질의응답
핵심어
질문
논문에서 추출한 답변
자율주행 기술들은 어떻게 분류되는가?
자율주행 기술들은 자율주행 장치의 현재 위치를 추정하는 위치측정(localization)과 주위 환경을 인지하는 지도생성(map-building), 효율적인 이동을 위한 경로계획(path-planning) 기술로 분류된다[1]. 그 중에서도 위치측정 기술은 지능형 로봇의 가장 기반이 되는 기술로 가장 활발히 연구되고 있는 분야이다.
SLAM 기술에 사용되는 특징 추출 센서와 비전 센서로는 어떤 것들이 있는가?
SLAM 기술에 사용되는 특징 추출 센서는 크게 비전 센서와 거리 측정 센서로 분류되고, 특징 추출 방식에 따라 SLAM의 방식이 달라진다. 비전 센서는 일반적으로 단일 카메라(monocular camera), 스테레오 카메라(stereo camera), 적외선 카메라(infrared camera)들이 사용되며, 거리 측정 센서로는 일반적으로 LRF(laser lange finder), 초음파, 적외선 센서들이 사용된다. SLAM의 일반적인 정의는 자율주행 장치가 작업하는 공간에서 특징들의 모양과 위치를 알고 있을 때, 지역위치 측정 센서를 통해 자율주행 장치의 위치를 추정하고 주행하는 동안에 계측된 특징들의 위치를 이용하여 확률적으로 자율주행 장치의 위치를 추정하면서 특징들의 상관관계를 통해 지도를 생성하는 기술을 말한다[4].
자율주행 장치는 무엇인가?
최근, 세계적으로 크게 성장하고 있는 로봇 시장은 본격적인 기술 경쟁이 시작되었으며, 로봇의 기반 기술인 자율 주행 기술의 선점은 경제적/산업적 측면에서 매우 중요한 의미를 가진다. 자율주행 장치는 로봇의 한 종류로 상황을 인지하고, 상황에 따라 자율적으로 주행하는 장치를 말한다.
참고문헌 (8)
김정민, 김연태, 김성신, “확장 칼만 필터를 이용한 로봇의 실내위치측정,” 한국지능시스템학회, vol. 18, no. 5, pp. 706-7011, 2008.
Cardarelli, D., “An Integrated MEMS Inertial Measurement Unit,” IEEE Position Location and Navigation Symposium, pp. 314-319, 2002.
Gebre-Egziabher, D., Hayward, R.C., Powell, J.D., “A Low-Cost GPS/Inertial Attitude Heading Reference System (AHRS) for General
Hasegawa, R., “A Study on Rotation and Its Application for Attitude Reference System,” Trans. Japan Soc. Aero. Space, vol. 44, no. 144, pp. 111-118, 2001
※ AI-Helper는 부적절한 답변을 할 수 있습니다.