최근 들어 고성능 비행 드론이 주목받고 있다. 특히, 다중 로터를 장착한 헬기 형태의 비행 드론은 항공촬영, 방송영상제작, 항공구조, 물류배송, 감시, 측량, 방역 방제, 군사용 등으로 그 활용범위를 확장해가고 있다. 그러나 이를 조종하는 제어기의 형태는 매우 단순하다. 따라서 본 연구에서는 모바일 기기에 탑재된 G-센서를 이용하여 사용자의 직관적인 동작으로 비행 드론을 조종할 수 있는 향상된 제어기를 구현한다. 구현된 제어기는 신경망알고리즘을 사용하여 동작 인식 성능을 향상시켰다.
최근 들어 고성능 비행 드론이 주목받고 있다. 특히, 다중 로터를 장착한 헬기 형태의 비행 드론은 항공촬영, 방송영상제작, 항공구조, 물류배송, 감시, 측량, 방역 방제, 군사용 등으로 그 활용범위를 확장해가고 있다. 그러나 이를 조종하는 제어기의 형태는 매우 단순하다. 따라서 본 연구에서는 모바일 기기에 탑재된 G-센서를 이용하여 사용자의 직관적인 동작으로 비행 드론을 조종할 수 있는 향상된 제어기를 구현한다. 구현된 제어기는 신경망 알고리즘을 사용하여 동작 인식 성능을 향상시켰다.
In recent years, high-performance flying drones attract attention for many peoples. In particular, the drone equipped with multi-rotor is expanding its range of utilization in video imaging, aerial rescue, logistics, monitoring, measurement, military field, etc. However, the control function of its ...
In recent years, high-performance flying drones attract attention for many peoples. In particular, the drone equipped with multi-rotor is expanding its range of utilization in video imaging, aerial rescue, logistics, monitoring, measurement, military field, etc. However, the control function of its controller is very simple. In this study, using a G-sensor mounted on a mobile device, implements an enhanced controller to control flying drones through the intuitive gesture of user. The implemented controller improves the gesture recognition performance using a neural network algorithm.
In recent years, high-performance flying drones attract attention for many peoples. In particular, the drone equipped with multi-rotor is expanding its range of utilization in video imaging, aerial rescue, logistics, monitoring, measurement, military field, etc. However, the control function of its controller is very simple. In this study, using a G-sensor mounted on a mobile device, implements an enhanced controller to control flying drones through the intuitive gesture of user. The implemented controller improves the gesture recognition performance using a neural network algorithm.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 최근 주목받고 있는 쿼드콥터 형태의 무인 비행 드론을 위한 제어기 시스템을 구현하였다. 기존 제어기의 단점인 단순한 조종 방법과 기능을 뛰어넘어 사용자의 직관적 동작을 인식하여 이를 제어 명령으로 표현 가능하도록 하였다.
본 절에서는 제스처 인식 모듈을 거쳐 반환된 사용자의 직관적인 동작으로 비행 드론을 조정하는 제어 모듈에 대하여 기술한다.
제스처 인식 분야에서는 몇 개의 제스처를 미리 정의해놓고 통계적으로 다음 움직임에 대한 확률을 측정해 제스처를 인식하는 알고리즘에 사용한다. 최근에는 스마트폰 기반의 게임 환경에서 DTW(Dynamic Timing Warping)기법이 사전에 정해진 제스처에 대해 인식률이 높다는 사실을 알 수 있지만, 동작을 표현하는 시간의 편차가 많은 환경에서는 DTW가 유의하나, 본 연구의 제어기에 적용하여 실험한 결과 HMM이 제스처 인식 측면에서 조금 더 우수한 결과를 내어주었기 때문에 이를 채택하였다. [Fig.
이를 통해 본 연구의 제어기는 사용자의 조종 동작을 그대로 모사하여 드론의 비행을 직관적으로 제어 가능하며, 미리 학습시킨 추가 제어 명령을 조종 중 함께 사용할 수있어 제한적인 중력센서 기반 제어기의 기능과 성능을 향상시켰다. 현재, 제어기 명령 시퀀스를 활용한 자동 비행 기법과 자동 비행 제어 명령과 실제 비행동작의 매칭 기법 등을 연구 중이며, 향후 이들의 연구 결과를 바탕으로 정교한 무인 자동 비행 제어기 시스템을 설계하고자 한다.
제안 방법
본 연구에서는 최근 주목받고 있는 쿼드콥터 형태의 무인 비행 드론을 위한 제어기 시스템을 구현하였다. 기존 제어기의 단점인 단순한 조종 방법과 기능을 뛰어넘어 사용자의 직관적 동작을 인식하여 이를 제어 명령으로 표현 가능하도록 하였다. 직관적 동작 인식을 위해 신경망 알고리즘을 사용하였으며, 제어기 시스템은 안드로이드 플랫폼의 모바일 단말기에서 프랑스 패롯(Parrot) 사의 ARDron2.
따라서 본 논문에서는 신경망 알고리즘을 적용하여 정교한 동작인식이 가능한 G-센서의 동작 인식 기법을 설계하고, 이를 적용하여, G-센서가 내장된 스마트폰으로, 비행 드론(Drone)을 조종하는 제어기 시스템을 구현한다. 본 연구에서는 제어장치 실험을 위해 프랑스 패럿(Parrot)사의 ARDrone 2.
따라서 본 논문에서는 정교한 제스처 인식이 가능하도록 신경망 알고리즘을 적용하여 G-센서 기반의 동작 인식 기법을 설계하고, 이를 G-센서가 내장된 스마트폰에 적용하여 직관적인 비행 드론 제어기 시스템을 안드로이드 환경에서 구현한다.
따라서 본 논문에서는 신경망 알고리즘을 적용하여 정교한 동작인식이 가능한 G-센서의 동작 인식 기법을 설계하고, 이를 적용하여, G-센서가 내장된 스마트폰으로, 비행 드론(Drone)을 조종하는 제어기 시스템을 구현한다. 본 연구에서는 제어장치 실험을 위해 프랑스 패럿(Parrot)사의 ARDrone 2.0 쿼드콥터를 사용하였으며 [9], 이를 통해 구축된 제어기가 사용자의 직관적 동작으로 비행 드론을 정교하게 제어함을 보인다.
[6]에서는 스마트폰의 동작인식과 상호 통신을 결합한 게임을 구현하였다. 이 연구에서는 스마트폰의 위치 정보를 좌표 값으로 받아와 단말기를 매개체로 상호작용을 통한 광선검 대결, 서부극, 야구 게임 등이 가능하도록 하였다. 하지만, 센서 값의 민감도, 정확성, 통신 속도와의 정합성 등에 따라 동작 인식 정도의 편차가 많이 발생한다.
제어기 시스템은 크게 G-센서의 동작 인식을 위한 제스처 학습 모듈, 제스처 인식 모듈과 비행 드론을 제어 하기 위한 제어 모듈로 구성된다. 제어기 시스템과 연동 되는 비행 드론은 프랑스 패럿(Parrot)사의 쿼드콥터인 AR-Drone 2.0을 사용하였으며, 제어 모듈 코드는 안드로이드 플랫폼에서 JAVA Drone의 JAVA API를 기반으로 작성되었다. JAVA API는 "Codeminders"에서 개발되었으며, 이를 이용해 개발된 라이브러리는 PC/Mac뿐만 아니라 Android를 모두 지원하는 특징을 가지고 있다.
기존 제어기의 단점인 단순한 조종 방법과 기능을 뛰어넘어 사용자의 직관적 동작을 인식하여 이를 제어 명령으로 표현 가능하도록 하였다. 직관적 동작 인식을 위해 신경망 알고리즘을 사용하였으며, 제어기 시스템은 안드로이드 플랫폼의 모바일 단말기에서 프랑스 패롯(Parrot) 사의 ARDron2.0을 제어할 수 있도록 코딩하였다. 이를 통해 본 연구의 제어기는 사용자의 조종 동작을 그대로 모사하여 드론의 비행을 직관적으로 제어 가능하며, 미리 학습시킨 추가 제어 명령을 조종 중 함께 사용할 수있어 제한적인 중력센서 기반 제어기의 기능과 성능을 향상시켰다.
이론/모형
JAVA API는 "Codeminders"에서 개발되었으며, 이를 이용해 개발된 라이브러리는 PC/Mac뿐만 아니라 Android를 모두 지원하는 특징을 가지고 있다. 본 연구에서는 JavaDrone v1.3 (8/08/2012)을 기반으로 하였다.
제스처 학습 모듈은 비행 드론을 제어할 명령어 코드를 생성하기 위해 제어기가 인식해야 할 동작을 미리 학습 시키는 기능을 수행한다. 제안 시스템은 신경망 알고리즘으로 HMM(Hidden Markov Model)을 이용한다[10].
성능/효과
신경망 알고리즘은 비선형으로 움직이는 센서의 변화 값을 측정하는데 유용하며, 모션 인식의 데이터들 중, 잘못된 데이터를 필터링하기에 편리한 장점을 지닌다. 또한 초기 학습에 사용되지 않은 동작 데이터가 입력되어도 오류를 내지 않고 학습 결과와 가장 유사한 결과를 도출할 수 있으며, 인식 과정을 병렬로 처리하기에 적합하다. 이러한 이유로 신경망 알고리즘을 이용한 제스처 인식 기술은 다양한 분야에서 활용되고 있다.
0을 제어할 수 있도록 코딩하였다. 이를 통해 본 연구의 제어기는 사용자의 조종 동작을 그대로 모사하여 드론의 비행을 직관적으로 제어 가능하며, 미리 학습시킨 추가 제어 명령을 조종 중 함께 사용할 수있어 제한적인 중력센서 기반 제어기의 기능과 성능을 향상시켰다. 현재, 제어기 명령 시퀀스를 활용한 자동 비행 기법과 자동 비행 제어 명령과 실제 비행동작의 매칭 기법 등을 연구 중이며, 향후 이들의 연구 결과를 바탕으로 정교한 무인 자동 비행 제어기 시스템을 설계하고자 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
모바일 기기와 결합된 G-센서는 어디에 적용되며 활용되고 있는가?
이러한 이유로 G-센서는 다양한 분야에서 그 활용도가 매우 높아지고 있다[1]. 특히, 모바일 기기와 결합된 G-센서는 단말기의 UI, 브라우징, 기타 편의 기능 제어뿐만 아니라 게임, 멀티미디어 등의 컨트롤러 장치에 널리 적용되어 활용도가 매우 높아지고 있는 추세이며[2], 최근 들어 사용자의 모션을 캡쳐하여 게임 혹은 제어장치의 UI로 활용하는 동작인식 연구들이 다양하게 수행되어지고 있다[3][4][5][6].
G-센서에 대한 관심이 증대되고 있는 이유는?
그 중에서 동작 인식 기술의 대표적인 G-센서(가속도 센서 + 자이로스코프 센서)에 대한 관심이 증대되고 있다. 그 원인은 센서를 통해 사용자의 제스처만으로 원하는 출력 결과를 얻어 낼 수 있기 때문에 사용자 측면에서 어떠한 입력보다 직관적으로 즉, 누구나 쉽게 사용이 가능하기 때문이다. 이러한 이유로 G-센서는 다양한 분야에서 그 활용도가 매우 높아지고 있다[1].
G-센서는 무엇으로 이루어졌는가?
특히, 모바일 기기에 내장된 각종 센서들은 다양한 앱을 통하여 활용도를 다양하게 확장시켜주고 있다. 그 중에서 동작 인식 기술의 대표적인 G-센서(가속도 센서 + 자이로스코프 센서)에 대한 관심이 증대되고 있다. 그 원인은 센서를 통해 사용자의 제스처만으로 원하는 출력 결과를 얻어 낼 수 있기 때문에 사용자 측면에서 어떠한 입력보다 직관적으로 즉, 누구나 쉽게 사용이 가능하기 때문이다.
참고문헌 (10)
T. Schlomer, B. Poppinga, N. Henze, and S. Boll, "Gesture recognition with a Wii controller," Proc. of The 2ndInt.Conf.onTangibleandEmbedded Interaction(TEI'08),2008
S. Kallio, J. Kela and J. Mantyjarvi, "Online gesture recognition system for mobile interaction," IEEE International Conference on System, vol. 3, pp. 2070-2076, 2003
Hongyeon Kim, Junki Min, "Implementation of a Motion Capture System using 3-axis Accelerometer", Journal of KIISE : Computing Practices and Letters, Vol. 17, Nu. 6, Jun 2011
Sangchul Kim, Zhong Yong Che, "A Method for Tennis Swing Recognition Using Accelerator Sensors on a Smartphone", Journal of Korea Game Society Vol. 13, Issue 2, pp.29-38, 2013
Seok Chan Bae, Bo-Gyung Kang, "Number Recognition Using Accelerometer of Smartphone", Journal of the Korean association of information education, Vol.15 No.1, pp.147-154, 2011
Soong-Hee Lee, "Implementation of Smartphone Games Combining Motion Recognitions and Mutual Communications of Terminals", Journal of The Korea Institute of Information And Communication Engineering, Vol. 16, No. 9, pp. 2064-2071, 2012
Andrew D. Wilson, Aaron F. Bobick, "Hidden Markov Models For Modeling And Recognizing Gesture Under Variation", Int. J. Patt. Recogn. Artif. Intell., Vol. 15, Issues 01, DOI: 10.1142/S0218001401000812, 2001
※ AI-Helper는 부적절한 답변을 할 수 있습니다.