[논문]레이저 거리 센서만을 이용한 자율 주행 모바일 로봇의 도로 위 정보 획득

정병진; 박준형; 김택영; 김덕영; 문형필

doi:10.5302/j.icros.2011.17.6.521

레이저 거리 센서만을 이용한 자율 주행 모바일 로봇의 도로 위 정보 획득
Lane Marking Detection of Mobile Robot with Single Laser Rangefinder 원문보기

제어·로봇·시스템학회 논문지 = Journal of institute of control, robotics and systems, v.17 no.6, 2011년, pp.521 - 525

정병진 (성균관대학교 기계공학부) , 박준형 (성균관대학교 기계공학부) , 김택영 (현대엔지니어링 플랜트사업부) , 김덕영 (현대자동차) , 문형필 (성균관대학교 기계공학부)

Abstract ▼ AI-Helper

Lane marking detection is one of important issues in the field of autonomous mobile robot. Especially, in urban environment, like pavement roads of downtown or tour tracks of Science Park, which have continuous patterns on the surface of the road, the lane marking detection becomes more important ability. Although there were many researches about lane detection and lane tracing, many of them used vision sensors mainly to detect lane marking. In this paper, we obtain 2 dimensional library data of 'Intensity' and 'Distance' using one laser rangefinder only. We design a simple classifier and filtering algorithm for the lane detection which uses only one LRF (Laser Range Finder). Allowing extended usage of LRF, this research provides more functionality not only in range finding but also in lane detecting to mobile robots. This work will be technically helpful for robot developers to design more simple and efficient autonomous driving system using LRF.

주제어

AI 본문요약
AI-Helper

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

문제 정의

로봇의 자율 주행에 관련한 연구들에서 전자는 주로 거리 센서로 측정하고, 후자는 주로 카메라 센서로 측정해 왔다[1-6]. 본 논문에서는 거리 센서인 레이저 센서로 입체적이지 않은 대상 중 도로 위의 차선을 구분하는 연구를 다루었다.[5]와 [6]등의 연구에서 이미 레이저 센서를 이용한 차선 인식을 다루었다.
본 논문에서는 위상 차 측정 원리를 이용한 레이저 거리 측정 센서에서 목표의 반사율이 측정 오차를 발생시킨다는 점을 이용하여 목표 지점의 반사율에 따라 도로 상의 중앙선과 아스팔트를 구분하는 방법에 관하여 다루었다. 고정 실험을 통해 데이터 처리에 필요한 판단 기준을 생성했으며, 주행 실험에서는 이 기준 데이터를 이용하여 중앙선을 검출함과 동시에 입체적 주변 환경과의 거리 데이터를 수집하여 환경 지도를 작성하였다.
또한 [6]과 같은 연구에서는 측정 대상의 반사율에 따라 반사 레이저의 세기를 분류하고, 증폭 회로의 입력 전압을 토대로 측정되는 반사 레이저 세기를 더 잘 비교할 수 있는 방안을 모색하였지만, 역시 반사 레이저의 1차원적인 크기 비교를 통한 대상 구분 방법에 그쳤다. 이와 달리 본 연구는 레이저 센서의 거리 데이터와 반사 레이저 세기 데이터를 2차원적으로 이용한 판단 기준을 작성, 실제 주행 시 이 기준을 이용하여 레이저 센서만을 이용하여 정확한 차선의 상대적 위치 정보를 획득할 수 있도록 한 것에 그 의미가 있다.

제안 방법

본 논문에서는 위상 차 측정 원리를 이용한 레이저 거리 측정 센서에서 목표의 반사율이 측정 오차를 발생시킨다는 점을 이용하여 목표 지점의 반사율에 따라 도로 상의 중앙선과 아스팔트를 구분하는 방법에 관하여 다루었다. 고정 실험을 통해 데이터 처리에 필요한 판단 기준을 생성했으며, 주행 실험에서는 이 기준 데이터를 이용하여 중앙선을 검출함과 동시에 입체적 주변 환경과의 거리 데이터를 수집하여 환경 지도를 작성하였다. 본 방법은 위상 차 측정 방식을 사용 하는 레이저 센서에 모두 적용 가능하다.
본 연구에서는 구분하고자 하는 대상이 아스팔트와 중앙선이므로, 먼저 측정 거리를 다르게 하면서 그에 따르는 반사 레이저의 Intensity 변화를 각각에 대하여 미리 측정하여 참고용 라이브러리를 작성한다. 이후 로봇의 주행 중 측정되는 거리와 반사 레이저의 Intensity 데이터가 라이브러리 자료에서 아스팔트와 중앙선 중 어떤 것과 큰 유사성을 보이는지 비교하여 해당 측정 지점을 중앙선과 아스팔트 중 하나로 판단하고, 이를 반영한 로봇의 주변 환경 지도를 그린다.
III. 주행 환경 데이터 획득 실험

실제 실험에 있어서 센서의 측정 범위는 그림 4와 같이 나타나며, 고정 위치 실험에서는 스캔 범위를 좌우 2m로 고정시키고(50cm높이의 경우 1m) 측정하였고 주행 실험에서는 센서 전방을 기준으로 좌우 45˚씩 총 90˚를 측정에 사용하였다. 두 실험 모두 측정 단위는 0.
이를 보정하기 위하여 결과 데이터에 필터링(filtering)을 적용하였다. 필터링에는 가우시안 필터(Gaussian filter)와 2진화 필터를 사용하였다.
본 연구에서는 구분하고자 하는 대상이 아스팔트와 중앙선이므로, 먼저 측정 거리를 다르게 하면서 그에 따르는 반사 레이저의 Intensity 변화를 각각에 대하여 미리 측정하여 참고용 라이브러리를 작성한다. 이후 로봇의 주행 중 측정되는 거리와 반사 레이저의 Intensity 데이터가 라이브러리 자료에서 아스팔트와 중앙선 중 어떤 것과 큰 유사성을 보이는지 비교하여 해당 측정 지점을 중앙선과 아스팔트 중 하나로 판단하고, 이를 반영한 로봇의 주변 환경 지도를 그린다.
5sec로서 실험 환경을 고려하여 5cm 거리마다 측정이 이루어졌다. 측정 결과 총 500회의 스캔 데이터를 처리하여 환경 지도를 작성하였다.
5℃의 외부 환경 조건에서 이루어졌다. 측정 방식은 그림 4와 같은 실험 장치에서 중앙 부분 측정 높이 0.5, 1, 2, 3, 4m로 각각 145, 145, 84, 58, 44개 지점을 측정하였다.
62˚로, 최대 측정 범위인 90˚에서는 1회 스캔 당 145개 지점의 데이터를 측정하였다. 측정 시 중앙선과 아스팔트의 구분은 중앙선과 아스팔트에서 생성한 각 측정 지점들의 거리-Intensity 2차원 라이브러리 데이터와 주행, 혹은 측정 중 획득한 거리-Intensity 데이터들 각각의 마할라노비스 거리를 계산함을 통해 아스팔트와 중앙선 중 가장 가까운 마할라노비스 거리를 가지는 집단으로 결정하였다. 환경 지도는 이들 마할라노비스 거리를 측정 지점 순으로 나열한 2개(중앙선 기준, 아스팔트 기준) 열 벡터의차 (중앙선 기준 거리 – 아스팔트 기준 거리)를 시간 순으로 쌓아 행렬을 생성하고 각 성분을 하나의 픽셀로 삼아 데이터의 크기에 따라 클수록 밝게, 작을수록 어둡게 나타내는 것으로 시각화 하였다.
환경 지도는 이들 마할라노비스 거리를 측정 지점 순으로 나열한 2개(중앙선 기준, 아스팔트 기준) 열 벡터의차 (중앙선 기준 거리 – 아스팔트 기준 거리)를 시간 순으로 쌓아 행렬을 생성하고 각 성분을 하나의 픽셀로 삼아 데이터의 크기에 따라 클수록 밝게, 작을수록 어둡게 나타내는 것으로 시각화 하였다.

대상 데이터

실제 실험에 있어서 센서의 측정 범위는 그림 4와 같이 나타나며, 고정 위치 실험에서는 스캔 범위를 좌우 2m로 고정시키고(50cm높이의 경우 1m) 측정하였고 주행 실험에서는 센서 전방을 기준으로 좌우 45˚씩 총 90˚를 측정에 사용하였다. 두 실험 모두 측정 단위는 0.62˚로, 최대 측정 범위인 90˚에서는 1회 스캔 당 145개 지점의 데이터를 측정하였다. 측정 시 중앙선과 아스팔트의 구분은 중앙선과 아스팔트에서 생성한 각 측정 지점들의 거리-Intensity 2차원 라이브러리 데이터와 주행, 혹은 측정 중 획득한 거리-Intensity 데이터들 각각의 마할라노비스 거리를 계산함을 통해 아스팔트와 중앙선 중 가장 가까운 마할라노비스 거리를 가지는 집단으로 결정하였다.
실험을 통해 다양한 측정 거리와 그때의 Intensity를 2차원 데이터로 획득할 수 있었고, 각 지점에 대한 200회의 측정을 통해 그림 5의 그래프를 획득할 수 있었다. 전체적으로 높은 Intensity 분포를 보이는 쪽이 중앙선의 측정 데이터이다.
이들 중 본 논문에서는 삼각 측정에 비해 긴 측정 거리를 가지고, 시간차 측정에 비해 분해능이 우수한 위상 차 측정 원리를 사용한 센서 중 HOKUYO 사의 URG-04LX ([7] 참조)를 연구에 사용하였다.

이론/모형

측정값이 어느 자료와 유사성이 큰 지 계산하는 데는 유클리드 거리(Euclidean distance), 민코스키 거리(Minkowski distance), 시티-블록 거리(city-block distance), 마할라노비스 거리(Mahalanobis distance) 등의 다양한 유사성 판별 기준을 사용할 수 있다. 여기에서는 거리 오차와 Intensity 데이터가 목표의 반사율에 함께 종속되어 있으므로, 변수들의 상관관계가 고려된 기준인 마할라노비스 거리(2)를 사용하였다[13].
이를 보정하기 위하여 결과 데이터에 필터링(filtering)을 적용하였다. 필터링에는 가우시안 필터(Gaussian filter)와 2진화 필터를 사용하였다. 대표적인 저역 필터로(low-pass filter) 일차적인 노이즈 제거에 사용되는 가우시안 필터링에는 표준편차 5와 그 여섯 배의 크기(6σ)인 30의 행과 열을 가지는 마스크를 사용하였다.

성능/효과

환경 지도는 이들 마할라노비스 거리를 측정 지점 순으로 나열한 2개(중앙선 기준, 아스팔트 기준) 열 벡터의차 (중앙선 기준 거리 – 아스팔트 기준 거리)를 시간 순으로 쌓아 행렬을 생성하고 각 성분을 하나의 픽셀로 삼아 데이터의 크기에 따라 클수록 밝게, 작을수록 어둡게 나타내는 것으로 시각화 하였다. 결과적으로 아스팔트로 측정된 곳은 그 차가 음수기에 검은 색에 가깝게 표현되고 중앙선으로 측정된 곳은 그 차가 양수이기에 하얀 색에 가깝게 표현되었다.
고정 위치와 주행 시의 실험에서 나타난 노이즈는, 주로 다른 부분에 비해 측정 거리가 짧은, 센서의 정면 부분에서 대부분이 확인되었다.
본 방법은 위상 차 측정 방식을 사용 하는 레이저 센서에 모두 적용 가능하다. 또한 특정 센서 제품에 한정되지 않으므로, 본 알고리즘은 센서의 스캔 주기와 주변 환경에 따라 사용할 수 있는 로봇의 주행 속도를 자유롭게 결정할 수 있다. 이를 이용하면 모바일 플랫폼의 도로 위 자동 주행 시 레이저 센서만으로 중앙선과 장애물 및 목표물의 상대적 위치 정보를 동시에 얻을 수 있을 것이다.
실험 결과, 중앙선과 아스팔트의 샘플 데이터에 있어 거리 측정값과 Intensity 값의 분포의 차이가 명확하지 않은 1000mm 근방, 혹은 미만의 거리에서는 많은 노이즈가 발생하였다.

후속연구

또한 특정 센서 제품에 한정되지 않으므로, 본 알고리즘은 센서의 스캔 주기와 주변 환경에 따라 사용할 수 있는 로봇의 주행 속도를 자유롭게 결정할 수 있다. 이를 이용하면 모바일 플랫폼의 도로 위 자동 주행 시 레이저 센서만으로 중앙선과 장애물 및 목표물의 상대적 위치 정보를 동시에 얻을 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	로봇이 인식하는 주변 환경 데이터 중 도로 위 주행에 주로 사용되는 데이터는 무엇인가?	로봇의 포장도로 위 자율 주행은 도로 위 환경에 존재하는 패턴 정보를 따라가는 것으로 이루어진다. 로봇이 인식하는 주변 환경 데이터는 여러 가지가 있는데, 이들 중 도로 위 주행에 주로 사용되는 것은 로봇이 인식하는 지점과 로봇의 상대적인 거리, 각도 등의 상대적 위치 데이터이다. 측정 대상은 크게 ‘입체적인’ 것과 그렇지 않은 것 두 가지로 나눌수 있다.
	레이저 센서는 주로 어떤 정보를 수집하는가?	레이저 센서는 레이저를 이용하여 일정 범위 내 대상들의 데이터를 수집하는 거리 센서이다. 센서의 측정 데이터는 주로 센서를 중심으로 한 대상의 상대적 위치를 수집하여 극좌표 형식으로 출력한다. 작동 원리에는 일 정한 방향과 속도, 파장을 유지한다는 빛의 특성이 응용된다.
	로봇의 포장도로 위 자율 주행은 어떻게 이루어지는가?	로봇의 포장도로 위 자율 주행은 도로 위 환경에 존재하는 패턴 정보를 따라가는 것으로 이루어진다. 로봇이 인식하는 주변 환경 데이터는 여러 가지가 있는데, 이들 중 도로 위 주행에 주로 사용되는 것은 로봇이 인식하는 지점과 로봇의 상대적인 거리, 각도 등의 상대적 위치 데이터이다.

참고문헌 (13)

W. S. Wijesoma, K. R. S. Kodagoda, and A. P. Balasuriya, "A laser and a camera for mobile robot navigation," Seventh lnternational Conference on Control, Automation, Robotics and Vision (ICARCV'O2), Singapore, vol. 2, pp. 740-745, Dec. 2002.
K. Ohno, T. Tsubouchi, S. Maeyama, and S. Yuta, "Campus walkway following of an autonomous mobile robot based on color image," Proc. of the 2000 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS' 2000), vol. 3, pp. 1690-1695, Oct. 2000.
D. W. Lee, T. J. Lee, J. B. Song, J. H. Baek, and J. K. Ryu, "Curb detection and following in various environments by adjusting tilt angle of a laser scanner," Journal of Institute of Control, Robotics and Systems, vol. 16, pp. 1068-1073, Nov. 2010.

원문보기 상세보기
A. Bacha, C. Bauman, R. Faruque, M. Fleming, and C. Terwelp, "Odin: Team victor tango's entry in the DARPA urban challenge," Journal of Field Robotics, pp. 468-492, Aug. 2008.
M. Montrmerlo, J. Beeker, S. Bhat, and H. Dahlkamp, "Junior: The stanford entry in the urban challenge," Journal of Field Robotics, vol. 7, no. 9, pp. 468-492, Sep. 2008.
S. Suh, S. Lee, C. Roh, and 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
Hokuyo Automatic Co. Ltd., http://www.hokuyo-aut.co.jp
Acuity, http://www.acuitylaser.com
SICK, http://www.sick.com
E. Angelopoulou and J. R. Wright, Jr. "Laser Scanner Technology," GRASP Laboratory, University of Pennsylvania, U. S., Report, no. PA 19104-6228, 1999.
H. Kawata, A. Ohya, and S. Yuta "Development of ultra-small lightweight optical range sensor system," IEEE/RSJ Int. Conf. on Intelligent Robots and Systems, pp. 3277-3282, Aug. 2005.
Kawata, H. Miyachi, K. Hara, Y. Ohya, and A. Yuta, S "A method for estimation of lightness of objects with intensity data from SOKUIKI sensor," IEEE Int. Conf. on Multisensor Fusion and Integration for Intelligent Systems, pp. 661-664, Aug. 2008.
R. De Maesschalck, "The mahalanobis distance," Chemometrics and Intelligent Laboratory Systems, vol. 50, pp. 1-18, Jan. 2000.

상세보기

저자의 다른 논문 :

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