[논문]무인차량의 강인한 경유점 주행을 위한 베지어 곡선 기반 경로 계획

이상훈; 전창묵; 권태범; 강성철

doi:10.5302/j.icros.2011.17.5.429

무인차량의 강인한 경유점 주행을 위한 베지어 곡선 기반 경로 계획
Bezier Curve-Based Path Planning for Robust Waypoint Navigation of Unmanned Ground Vehicle 원문보기

제어·로봇·시스템학회 논문지 = Journal of institute of control, robotics and systems, v.17 no.5, 2011년, pp.429 - 435

이상훈 (한국과학기술연구원 인지로봇센터) , 전창묵 (한국과학기술연구원 인지로봇센터) , 권태범 (한국과학기술연구원 인지로봇센터) , 강성철 (한국과학기술연구원 인지로봇센터)

Abstract ▼ AI-Helper

This paper presents a sensor fusion-based estimation of heading and a Bezier curve-based motion planning for unmanned ground vehicle. For the vehicle to drive itself autonomously and safely, it should estimate its pose with sufficient accuracy in reasonable processing time. The vehicle should also have a path planning algorithm that enables to adapt to various situations on the road, especially at intersections. First, we address a sensor fusion-based estimation of the heading of the vehicle. Based on extended Kalman filter, the algorithm estimates the heading using the GPS, IMU, and wheel encoders considering the reliability of each sensor measurement. Then, we propose a Bezier curve-based path planner that creates several number of path candidates which are described as Bezier curves with adaptive control points, and selects the best path among them that has the maximum probability of passing through waypoints or arriving at target points. Experiments under various outdoor conditions including at intersections, verify the reliability of our algorithm.

주제어

AI 본문요약
AI-Helper

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

문제 정의

표 1에서 제시한 바와 같이 각각의 모션 플래닝 방법은 저마다의 장단점을 가지고 있지만, 실제 자율주행을 위해서는 모든 단점들을 보완할 수 있는 실용적인 플래닝 알고리즘이 필요한 실정이다. 본 논문에서는 이런 문제를 해결하기 위하여 베지어 곡선 방식을 적용한 신뢰성 있는 모션 플래닝 알고리즘을 제안한다. 베지어 곡선을 이용한 모션 플래닝은 다른 방법에 비해 계산 량이 적고 특별한 초기 조건이 없기 때문에 알고리즘 구성이 단순하다.
본 연구에서는 베지어 곡선을 이용하여 다수의 후보경로를 생성하고, 그 중 최적의 경로를 선택하는 주행제어 방법을 제안하였다. 본 연구를 통해 다음과 같은 결론을 도출하였다.
본 연구에서는 센서 융합 방식의 위치추정을 기반으로 모션 플래닝의 강인성을 향상시키는 방법을 제안한다. 자율주행 분야에서 가장 대표적인 모션 플래닝 방법은 PF (Potential Field)로, 장애물과 로봇 사이에 가상적인 반발력을 발생시켜 서로간의 충돌을 피할 수 있도록 하는 알고리즘이다[9].

가설 설정

1. P₀와 P_n은 항상 경유하지만, 이외의 조절점은 항상 경유하지 않는다.
1. 주행 경로는 현재위치(P₀)와 목표위치(P_n)를 항상 지나야 한다.

제안 방법

1. IMU, GPS, 엔코더를 EKF에 적용하여 센서 융합을 수행하였고, 스위칭 방식을 통해 누적오차가 없는 헤딩각을 계산하였다. 이를 바탕으로 경유점 위치의 정확도를 높일 수 있었고, 신뢰성 높은 주행 제어가 가능하였다.
본 연구에서는 순간 변화량에 따른 오차가 상대적으로 작은 엔코더와 오차 누적이 없는 GPS를 IMU와 함께 활용하여 정확도가 높은 헤딩각도를 계산하였다. IMU와 엔코더는 EKF를 통해 오차 보정이 이루어지고, EKF에서 누적된 오차를 제거하기 위해 GPS 신뢰성 따른 스위칭 방식의 센서 융합이 이루어졌다. 그에 대한 식은 아래와 같다.
하지만 EKF를 수행하더라도 오차가 존재하기 때문에 Veerachai Malyavej는 EKF의 단점을 보완한 알고리즘인 UKF (Unscented Kalman Filter)를 이용하여 GPS와 odometry, compass를 융합하여 정확성이 높고 강인한 위치추정 알고리즘을 제안하였다[7]. 그리고 Yafei Ren은 비선형 모델을 EKF에 적용하는데 생기는 여러 제한들을 해결하고자 GPS와 IMU를 particle filter에 적용하여 위치추정의 정확도를 높이는 방법을 제안하였다[8].
본 연구에서 제안한 모션 플래닝 방법은 4개의 조절점을 이용하여 3차곡선을 생성한다. 각각의 조절점은 직교좌표상에서 (x, y) 형태를 취하고, 곡선의 시작점은 차량의 현재위치가 된다.
본 연구에서는 순간 변화량에 따른 오차가 상대적으로 작은 엔코더와 오차 누적이 없는 GPS를 IMU와 함께 활용하여 정확도가 높은 헤딩각도를 계산하였다. IMU와 엔코더는 EKF를 통해 오차 보정이 이루어지고, EKF에서 누적된 오차를 제거하기 위해 GPS 신뢰성 따른 스위칭 방식의 센서 융합이 이루어졌다.
본 연구의 개발한 알고리즘을 검증하고, 피드백 하기 위해 전기차량을 이용한 주행실험을 수행하였다. 전방 장애물 인식 및 도로면 정보 획득을 위해 총 3대의 LRF와 1대의 카메라를 설치하였다.
그림 11은 직선구간에서의 IMU의 헤딩각도와 센서 융합된 헤딩각도를 비교한 것으로 상당한 차이가 나는 것을 확인할 수 있다. 센서 융합된 헤딩각도가 얼마나 정확한지 판단하기 위해 실험환경 내 직선구간에서의 헤딩각도 차이를 비교하였다. 실제각도는 각 구간의 처음과 끝에 해당하는 경유점 사이의 각도를 측정한 것이고, 그 구간을 지날 때 나타나는 헤딩각도를 토대로 표 3과 같은 오차의 평균과 표준편차를 구하였다.
실시간으로 현재 위치에서 다양한 방향으로의 경로를 생성하기 위해 적응성 조절점을 적용하였고, 그것을 바탕으로 총 7개의 후보경로가 생성된다. 그림 6의 P₁에 해당하는 적응성 조절점은 다음 경유점과의 거리와 차량의 최대 회전반경을 고려하여 실시간 위치변화를 수행한다.
σ 는 GPS 정확도가 높을 때의 헤딩각도 패턴을 고려하여 적절한 값을 실험적으로 정하였다. 위와 같은 방법으로 예측, 스위칭, 갱신과정을 반복하여 센서 융합을 수행하였고, 보다 신뢰성 있는 모션 플래닝을 구현하기 위한 시스템을 구축할 수 있었다.
U턴 구간에서 곡률이 180° 인 경로가 생성되면, 실제로 주행할 수 없는 경로지만 최적 경로 선택의 조건2로 인해 타겟으로 선택되는 경우가 있다. 이런 오류를 방지하기 위해 경로의 곡률에 대한 항목을 추가하였고, 경로의 최대 곡률이 기준 곡률을 초과할 경우 주행할 수 없는 경로로 판단한다. 셋째 항은 조건4에 해당한다.
전방 장애물 인식 및 도로면 정보 획득을 위해 총 3대의 LRF와 1대의 카메라를 설치하였다. 차량의 위치 및 자세 제어를 위해 DGPS, IMU, 엔코더가 각각 장착되었고, 통합 시스템은 National Instruments사의 PXI-8110 컨트롤러에서 구성되었다.
는 1이 된다. 측정 잡음 공분산인 R_k는 EKF의 효율성을 결정짓는 가장 중요한 요소로 주변 환경과 센서 특성에 맞춰 그 요소 값을 선정하였다. 그리고 위의 변수들을 토대로 Predict step에서 예측된 값을 보정하는 Kalman gain K_k를 계산하게 된다.

대상 데이터

본 연구의 개발한 알고리즘을 검증하고, 피드백 하기 위해 전기차량을 이용한 주행실험을 수행하였다. 전방 장애물 인식 및 도로면 정보 획득을 위해 총 3대의 LRF와 1대의 카메라를 설치하였다. 차량의 위치 및 자세 제어를 위해 DGPS, IMU, 엔코더가 각각 장착되었고, 통합 시스템은 National Instruments사의 PXI-8110 컨트롤러에서 구성되었다.

데이터처리

센서 융합된 헤딩각도가 얼마나 정확한지 판단하기 위해 실험환경 내 직선구간에서의 헤딩각도 차이를 비교하였다. 실제각도는 각 구간의 처음과 끝에 해당하는 경유점 사이의 각도를 측정한 것이고, 그 구간을 지날 때 나타나는 헤딩각도를 토대로 표 3과 같은 오차의 평균과 표준편차를 구하였다.

성능/효과

2. 시작점에서, 곡선의 방향과 힘을 나타내는 벡터가 필요한 다른 스플라인과는 다르게 오직 조절점만으로 다양한 곡선을 표현할 수 있다.
2. 주변 환경 및 상황에 맞는 다양한 형태의 곡률이되, 전체 주행 경로를 크게 벗어나지 않는 범위 내에서 여러 후보 경로가 생성되어야 한다.
2. 하나의 경로를 생성하여 추종하는 게 아닌 다수의 후보경로 중 최적의 경로를 선택하기 때문에 주변 지형에 가장 적합한 경로를 생성할 수 있었다. 또한, 적응성 조절점 개념을 도입함으로써 항상 경유점을 통과하는 경로를 생성할 수있었다.
3. 기존의 일정 범위 내에 장애물이 들어올 경우 정지하는 방식과는 달리 장애물과의 충돌 가능성, 주행 불가능한 곡률 탐지와 같은 비상상황에 대한 정보가 cost 계산에 반영되기 때문에 주행 안전성을 획기적으로 높일 수 있었다.
3. 베지어 곡선은 항상 조절점으로 이루어진 다각형 안에 들어가게 되고, 각각의 조절점 사이에서 크게 벗어나지 않는다.
IMU, GPS, 엔코더를 EKF에 적용하여 센서 융합을 수행하였고, 스위칭 방식을 통해 누적오차가 없는 헤딩각을 계산하였다. 이를 바탕으로 경유점 위치의 정확도를 높일 수 있었고, 신뢰성 높은 주행 제어가 가능하였다.

후속연구

현재는 모든 장애물이 정적 장애물이라 가정하기 때문에 장애물이 주행 경로 내에 있을 경우에만 충돌할 가능성이 있다고 판단한다. 추후 동적 환경에서 주행을 안전성을 보다 향상시키기 위해서는 동적 장애물을 탐지하고, 동적 장애물의 이동을 예측하여, 그에 따른 적절한 경로를 계획하는 연구가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	PF란?	본 연구에서는 센서 융합 방식의 위치추정을 기반으로 모션 플래닝의 강인성을 향상시키는 방법을 제안한다. 자율주행 분야에서 가장 대표적인 모션 플래닝 방법은 PF (Potential Field)로, 장애물과 로봇 사이에 가상적인 반발력을 발생시켜 서로간의 충돌을 피할 수 있도록 하는 알고리즘이다[9]. 하지만 PF기반의 모션 플래닝을 하려면 장애물에 대한 전체 정보를 미리 알고 있어야 하고, ROI (Region of Interest) 전체 영역을 고려하기 때문에 계산 양도 많다는 단점을 갖고 있다.
	신뢰성 있는 모션 플래닝 수행을 위해 추정해야 하는 것은?	신뢰성 있는 모션 플래닝을 수행하기 위해서는 차량의 위치, 자세, 헤딩각을 정확히 추정하여야 한다. IMU와 엔코더는 자율주행차량의 이동거리 및 헤딩각을 제공하기 때문에 국소좌표에서의 위치정보를 계산 할 수 있지만 그 정보는 차량이 좌표계 원점에서 멀어질수록 오차가 누적되기 때문에 주행 거리에 따라 정보의 신뢰성이 떨어진다는 단점이 있다.
	본 연구에서 베지어 곡선을 이용하여 다수의 후보경로를 생성하고, 그중 최적의 경로를 선택하는 주행 제어 방법을 제안하였는데 이를 통해 얻은 결론은?	1. IMU, GPS, 엔코더를 EKF에 적용하여 센서 융합을 수행하였고, 스위칭 방식을 통해 누적오차가 없는 헤딩각을 계산하였다. 이를 바탕으로 경유점 위치의 정확도를 높일 수 있었고, 신뢰성 높은 주행 제어가 가능하였다. 2. 하나의 경로를 생성하여 추종하는 게 아닌 다수의 후보경로 중 최적의 경로를 선택하기 때문에 주변 지형에 가장 적합한 경로를 생성할 수 있었다. 또한, 적응성 조절점 개념을 도입함으로써 항상 경유점을 통과하는 경로를 생성할 수있었다. 3. 기존의 일정 범위 내에 장애물이 들어올 경우 정지하는 방식과는 달리 장애물과의 충돌 가능성, 주행 불가능한 곡률 탐지와 같은 비상상황에 대한 정보가 cost 계산에 반영되기 때문에 주행 안전성을 획기적으로 높일 수 있었다.

참고문헌 (16)

T. M. Howard and A. Kelly, "Optimal rough terrain trajectory generation for wheeled mobile robots," International Journal of Robotics Research, vol. 26, no. 2, pp. 141-166, 2007.

상세보기
C.-W. Roh, S.-H. Kim, M.-J. Kim, S. C. Kang, and S.-K. Hong, "Development of patrol robot using DGPS and curb detection," Journal of Control, Automation, and Systems Engineering(in Korean), vol. 13, no. 2, pp. 140-146, Feb. 2007.

원문보기 상세보기
D. Ferguson, T. M. Howard, and M. Likhachev, "Motion planning in urban environments," Journal of Field Robotics, vol. 25, no. 11-12, pp. 939-960, 2008.

상세보기
S. Thrun et. al., "Stanley: The robot that won the DARPA grand challenge," Journal of Field Robotics, vol. 23, no. 9, pp. 661-692, Sep. 2008.
C. M. Chun, S. B. Suh, S. H. Lee, C.-W. Roh, S. C. Kang, and Y. S. Kang, "Autonomous navigation of KUVE (KIST Unmanned Vehicle Electric)," Journal of Institute of Control, Robotics and Systems(in Korean), vol. 16, no. 7, pp. 617-624, July 2010.

원문보기 상세보기
K. Ohno, T. Tsubouchi, B. Shigematsu, and S. Yuta, "Differential GPS and odometry-based outdoor navigation of a mobile robot," Advanced Robotics, vol. 18, no. 6, pp. 611-635, Jan. 2004.

상세보기
V. Malyavej and P. Torteeka, "Unmanned ground vehicle localization by dead-reckoning_GPS sensor fusion," Proc. of the IEEE Conference on ECTI-CON, pp. 508-512, May 2010.
Y. Ren and X. Ke, "Particle filter data fusion enhancements for MEMS-IMU/GPS," Intelligent Information Management, vol. 2, no. 7, pp. 417-421, July 2010.

상세보기
S. S. Ge and Y. J. Cui, "Dynamic motion planning for mobile robots using potential field method," Journal of Autonomous Robots, vol. 13, no. 3, pp. 207-222, 2002.

상세보기
J. Borenstein and Y. Koren, "The vector field histogram-fast obstacle avoidance for mobile robots," IEEE Transactions on Robotics and Automation, vol. 7, no. 3, pp. 278-288, June 1991.

상세보기
D. Fox, W. Burgard, and S. Thrun, "The dynamic window approach to collision avoidance," IEEE Robotics and Automation, vol. 4, no. 1, Apr. 1997.

상세보기
P. E. Hart, N. J. Nilsson, and B. Raphael, "A formal basis for the heuristic determination of minimum cost paths," IEEE Trans. Syst. Science and Cybernetics, vol. 4, no. 2, pp. 100-107, July 1968.

상세보기
L. Han, H. Yashiro, H. Tehrani, H. T. N. Nejad, Q. H. Do, and S. Mita, "Bezier curve based path planning for autonomous vehicle in urban environment," IEEE Intelligent Vehicles Symposium, pp. 1036-1042, June 2010.
H. J. Woo, S. K. Jung, B. G. Cho, and J. H. Kim, "Research of navigation algorithm for unmanned ground vehicle based on Real Time Kinematic(RTK)-GPS," KSAE Annual Conference, pp. 972-976, Apr. 2009.
J. Choi, R. E. Curry, and G. H. Elkaim, "Continuous curvature path generation based on bezier curves for autonomous vehicles," IAENG International Journal of Applied Mathematics, vol. 40, no. 2, May 2010.
Y. Li and J. Xiao, "On-line planning of nonholonomic trajectories in crowded and geometrically unknown environments," IEEE International Conference on Robotics and Automation, Kobe, pp. 3230-3236, May 2009.

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