[논문]실내 GPS 환경에서 로봇의 이동속도기반 강인한 위치 및 방향 추정

김승석; 김용태

doi:10.5391/jkiis.2010.20.4.497

실내 GPS 환경에서 로봇의 이동속도기반 강인한 위치 및 방향 추정
Robust Estimation of Position and Direction Based on Robot Velocity in the Inner GPS Environment 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.20 no.4, 2010년, pp.497 - 502

김승석 (한국과학기술원 전산학과) , 김용태 (한경대학교 정보제어공학과, IT융합기술연구소)

초록
AI-Helper

실내 복잡한 환경에서 이동 로봇의 정확한 이동 동작과 작업의 정확도를 높이기 위해서는 보다 정확한 위치 및 방향 추정이 요구된다. 본 논문에서는 실내 환경에서 이동 로봇이 실내 GPS(iGPS) 정보와 이동속도를 기반으로 위치 및 진행 방향을 강인하게 추정하는 기법을 제안하였다. 초음파를 사용한 iGPS를 기반으로 하는 실내 위치 추정 시스템은 외부 잡음과 초음파 자체의 오차를 가지고 있다. 외부 잡음과 자체 오차 한계를 가지는 환경에서 강인한 위치 및 방향 추정 시스템을 구현하기 위해 로봇의 이동 속도와 취득된 위치 정보의 불확실성을 고려한 소속 함수를 활용하여 강인한 추정 시스템을 제안하였다. 제안된 추정방법은 센서의 개수와 다양한 위치 오차를 고려한 모의실험을 통해 검증하였다.

Abstract ▼ AI-Helper

The accurate estimation of position and direction of the mobile robot is essential for preparing precise movement and works in the inner complex environment. In this paper, we propose a robust estimation method of location and direction using the velocity of mobile robot in the inner GPS environment. The estimation using the inner GPS with ultrasonic sensors have to consider with various acoustic noise and sensor errors. We design a robust estimation method using a membership function based on uncertainty of the obtained information and robot velocity. The simulation results of the proposed method show effectiveness in the contaminated environment with position errors.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

제안된 위치와 방향 추정 기법은 다른 기법과의 융합이 아닌 단일 추정 방법으로 빠르면서 강인한 추정이 가능하도록 설계하였다. 또한 이동 로봇의 진행 방향 정보도 획득하기 위해 2개 또는 3개의 초음파 발신부를 일정한 거리 간격을 두고 장착하여 위치 추정의 신뢰도를 높이면서도 진행방향에 대한 정보까지 추정하고자 하였다. 여러 시스템이 융합되는 경우 개별 시스템의 연산량이 많게 되면 전체 시스템의 연산속도를 저해하는 요인이 되기도 한다.
이동 로봇의 위치와 진행 방향을 추정하는 다양한 기법 들은 실제로 취득되는 센서 데이터 잡음이나 외부 잡음에 의한 오차 문제에 대해 민감한 성능 차이를 가진다. 본 연구에서는 잡음이 있는 실내 환경에서 iGPS 기반 이동 로봇의 강인한 위치 및 방향 추정 기법을 제안하였다. 제안된 방법에서는 추정된 위치 및 진행 방향 정보의 불확실성을 소속도 함수를 사용하여 보정하였다.

가설 설정

그림 5에서 잡음이 포함되지 않은 이상적인 상태에서 로봇의 이동 경로를 나타내었다. 로봇의 중심에서각 초음파 발신기들 사이의 간격은 20cm로 고정되어 있다고 가정하였다. 각 발신기에 의해 추정된 2차원 평면 위치를 활용하여 식 (1)로 이동 로봇의 중심을 추정한다.
를 사용하여 추정된 진행 방향이다. 소속도를 획득하는 기본 가정은 이전 위치와의 거리가 예측된 거리와 차이가 있는 경우, 실제 로봇의 이동 위치와 추정된 위치 정보와 소속함수를 이용하여 근접시키고자 하였다. 또한 실제 이동로봇의 이동 거리 및 위치에 대한 정보가 없으므로 이전 위치와 현재 위치 정보에서 기준 거리를 획득하였다.
3개의 초음파 발신기를 활용하는 경우 2개의 발신기를 이용하는 경우보다 더 많은 유효한 정보를 획득하여 위치 및 방향 정보를 추론할 수 있는 장점을 가진다. 초음파 발신기를 그림 11과 같이 전방, 좌우 위치에 3개를 고정하였다고 가정하고, 잡음이 포함되지 않은 이상적인 상태에서 로봇의 이동 궤적을 나타내었다. 통계적으로 독립적으로 획득할 수 있는 정보가 증가하면서 추정되는 위치 정보의 신뢰도가 높아질 수 있다.

제안 방법

본 논문에서 사용한 이동 로봇의 위치 및 진행 방향 추정을 위한 전체 시스템의 구성은 그림 1과 같다. RF와 초음파센서 기반의 iGPS를 사용하였으며, 이동 로봇의 위치 추정을 위해 4개의 초음파 수신기 비컨(Beacon)을 각 모서리에 배치하고, 로봇의 진행 방향 추정을 위해 로봇의 진행 방향과 수직으로 두 개의 초음파 발신기인 태그(Tag)를 로봇에 장착하였다. 또한 그림 2와 같이 3 개의 초음파 발신기를 로봇에 삼각형으로 배치하여 위치 및 방향정보의 정확성과 신뢰성을 증가시킬 수 있다.
이동 속도가 제한되어 있는 로봇은 한 위치에서 다음 위치로 이동한 거리는 한정적인 값을 가지며, 이동 속도에 따라서 이동 거리가 정해진다. 로봇이 정속도 주행할 때는 샘플링 시간동안 이동거리는 정해져 있으며, iGPS 시스템에 의해 추정된 위치 정보와 이동거리가 차이가 나는 경우에는 그림 3과 같이 추정된 위치에 대한 소속도 함수를 표현할 수 있으며, 소속도 함수로는 가우시안 함수를 사용하였다.
먼저 2개의 초음파 발신기를 이용한 추정시스템에서 이동로봇의 중심을 추정하고, 진행 방향을 보정하는 모의실험을 실시하였다. 그림 5에서 잡음이 포함되지 않은 이상적인 상태에서 로봇의 이동 경로를 나타내었다.
이전 위치에서 이상적인 현재 위치와 추정된 현재 위치의 개념을 다음의 그림 4에서 나타내었다. 본 논문에서는 센서를 활용하여 로봇의 위치를 추정한 후 로봇의 진행 방향을 보정하는 기법을 2개의 초음파 발신기를 활용하여 정보를 추정할 때와 3개의 발신기를 이용하여 추정할 때와의 비교 연구를 수행하였다.
여러 시스템이 융합되는 경우 개별 시스템의 연산량이 많게 되면 전체 시스템의 연산속도를 저해하는 요인이 되기도 한다. 위치 및 진행 방향 추정을 위해 오차가 포함된 위치 정보에 대해 불확실성을 해소하는 방법으로 이전 거리와의 차이를 소속도로 표현하고 이 정보를 이용하는 방식으로 위치 오차 보정 방법을 제안하였다. 본 논문의 구성은 다음과 같다.
1배까지 증폭하였을 경우 추정된 이동 로봇의 위치 오차와 추정된 진행 방향 정보 오차, 오차가 개선된 진행 방향 정보 오차를 RMSE(Root Mean Square Error)를 이용하여 표 1에 나타내었다. 이상적인 위치 및 진행 방향 정보에 대한 추정된 정보 및 보상된 정보의 오차에 대해 비교하였다.
본 연구에서는 잡음이 있는 실내 환경에서 iGPS 기반 이동 로봇의 강인한 위치 및 방향 추정 기법을 제안하였다. 제안된 방법에서는 추정된 위치 및 진행 방향 정보의 불확실성을 소속도 함수를 사용하여 보정하였다. 초음파 발신기 2개와 3개를 사용한 모의실험의 결과들에서 볼 수 있듯이 다양한 잡음에 대해 제안된 기법의 특성과 우수성을 보았다.
제안된 위치와 방향 추정 기법은 다른 기법과의 융합이 아닌 단일 추정 방법으로 빠르면서 강인한 추정이 가능하도록 설계하였다. 또한 이동 로봇의 진행 방향 정보도 획득하기 위해 2개 또는 3개의 초음파 발신부를 일정한 거리 간격을 두고 장착하여 위치 추정의 신뢰도를 높이면서도 진행방향에 대한 정보까지 추정하고자 하였다.

데이터처리

잡음을 0.3배에서 2.1배까지 증폭하였을 경우 추정된 이동 로봇의 위치 오차와 추정된 진행 방향 정보 오차, 오차가 개선된 진행 방향 정보 오차를 RMSE(Root Mean Square Error)를 이용하여 표 1에 나타내었다. 이상적인 위치 및 진행 방향 정보에 대한 추정된 정보 및 보상된 정보의 오차에 대해 비교하였다.
잡음을 0.3배에서 2.1배까지 증폭하였을 경우 추정된 이동 로봇의 위치 오차와 추정된 진행 방향 정보 오차, 오차가 개선된 진행 방향 정보 오차를 RMSE를 이용하여 표 2에 나타내었다.

성능/효과

그림에서 볼 수 있듯이 3개의 발신기를 활용하여 보정을 하는 경우 오차가 증가하면 보정된 오차 개선효과가 2개의 발신기를 활용하여 보정하는 것 보다 우수한 성능이 나타나는 것을 볼 수 있다. 2 발신기 시스템과 비교하여 오차가 증가함에 따라 추정된 방향 정보 오차에 대해 우수한 보정 성능을 가지는 것을 볼 수 있다. 반면 오차의 증가는 그림 15와 같이 우수한 보정 성능에도 불구하고 정보로서 가치를 가지지 못할 수 있다.
그림에서 볼 수 있듯이 2개의 센서를 활용하여 보정을 하는 경우 오차가 증가하면 보정된 오차 개선효과가 줄어든다. 2개의 초음파 발신기 시스템은 그림 10에서 보듯이 오차가 증가하면서 이동로봇의 위치 정보보다 진행 방향 정보가 더 크게 훼손되는 것을 확인할 수 있다. 오차 크기가 0.
발신기 2개 시스템의 그림 10과 발신기 3개 시스템의 그림 15의 추정 오차 및 보정 결과는 독립된 센서 정보의 증가에 따른 오차 보정 성능을 확연하게 보여주고 있다. 오차의 증가에 따라 진행방향 보정 성능이 함께 나빠지는 2 발신기 시스템에 비해 3 발신기 시스템은 잡음의 증가에도 불구하고 우수한 보정 성능을 보인다.
제안된 방법에서는 추정된 위치 및 진행 방향 정보의 불확실성을 소속도 함수를 사용하여 보정하였다. 초음파 발신기 2개와 3개를 사용한 모의실험의 결과들에서 볼 수 있듯이 다양한 잡음에 대해 제안된 기법의 특성과 우수성을 보았다.

후속연구

앞으로 과도한 잡음 환경에서 추정된 정보의 보정 또는 평가에 의한 삭제 등을 사용한 강인한 추정 기법 개발하고, 카메라와 지자기 센서 등 다른 센서들과의 센서 융합을 통해 이동로봇의 위치 및 방향 정보의 고신뢰 추정 기법을 연구할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	이동 로봇의 활용도는?	실내 환경에서 이용되는 이동 로봇은 다양한 활용도를 가진다. 인간이 수행했던 작업을 대신하거나, 인간이 하기 어렵거나 불편한 작업을 추가로 수행할 수 있다. 한정된 공간의 실내 환경에서 원활하게 작업을 수행하는 전제 조건 중 하나가 이동로봇의 정확한 위치와 방향 추정이다.
	IGPS 시스템은 초음파 발신부와의 상호 작용을 이용하여 로봇의 위치를 추정할 수 있는데 장점과 단점은?	iGPS 시스템은 실내 환경에서 장착된 3-4개의 초음파 수신부와 이동로봇에 장착된 초음파 발신부와의 상호 작용을 이용하여 로봇의 위치를 추정할 수 있다[4]. 초음파 센서를 활용한 iGPS 시스템은 실내에서 활용하기 좋은 장점들을 가지고 있지만, 주위 잡음 및 음향 조건에 의해 오차가 증감할 수 있는 문제점을 가진다. iGPS 시스템은 위치 정보 오차 범위를 기본적으로 포함하고 있기 때문에 추정하는 위치 정보의 정확성을 높이기 위해 다수의 발신기를 장착하여 위치 정보의 신뢰성을 높이면서 진행 방향 정보까지 획득하는 방법과 다른 추정 시스템을 융합하여 오차를 줄이면서 부가적인 정보까지 추정하는 방법들이 시도되고 있다.
	이동로봇의 한정된 공간의 실내 환경에서 원활하게 작업을 수행하는 전제 조건은?	인간이 수행했던 작업을 대신하거나, 인간이 하기 어렵거나 불편한 작업을 추가로 수행할 수 있다. 한정된 공간의 실내 환경에서 원활하게 작업을 수행하는 전제 조건 중 하나가 이동로봇의 정확한 위치와 방향 추정이다. 위치 추정 방법은 비전 시스템을 이용하는 방법에서부터 GPS, 소나, 레이저 거리 스캐너, iGPS까지 여러 가지 방법을 활용할 수 있으며, 정확도를 높이기 위해 다른 추정 시스템을 융합하는 시도들도 이루어져 왔다[1-5].

참고문헌 (8)

P. Bonnifait, P. Bouron, P. CrubillC and D. Meizel, “Data fusion of four ABS sensors and GPS for an enhanced localization of car-like vehicles,” IEEE International Conference on Robotics and Automation, vol. 2, pp. 1597-1602, 2001
M. Agrawal and K. Konolige, “Real-time localization in outdoor environments using stereo vision and inexpensive GPS,” International Conference on Pattern Recognition (ICPR), vol. 3, pp. 1063-1068, 2006
J. D. Tards, J. Neira, P. M. Newman and J. J. Leonard, “Robust mapping and localization in indoor environments using sonar data,” International Journal of Robotics Research, vol. 21, no. 4, pp. 311-330, 2002.

상세보기
김지성, 태용민, 유연걸, 김시종, 정명진, "센서융합 기반의 자가 재결합 로봇을 위한 위치인식시스템", 제4회 한국지능로봇종합학술대회 논문집, pp 1-4, 2009
진재호, 이수영, "실내용 이동 로봇의 자기 위치추정을 위한 전역 초음파시스템", 대한전기학회 하계학술대회 논문집, pp 2421-2423, 2002
진태석, 이장명, "단일 초음파 센서모듈을 이용한 이동로봇의 위치추정 및 주행", 전자공학회 논문지, 제 42권 제 2호, pp. 47-56, 2005
김동선, 염학선, 김선우, "이상 잡음에 강인한 확장칼만 필터를 이용한 실내 위치 추정 시스템", 한국전자파학회 논문지, 제 20권 제 9호, pp. 954-960, 2009
김지민, 정태원, "초음파센서와 격자지도 생성을 통한 자율 이동로봇의 자기 위치 추정", 대한전기학회 하계학술대회 논문집, pp 2426-2428, 2004

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증