선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 저가의 AR.Drone을 활용하여 실내 시스템에서 다수의 비행체가 서로의 위치를 파악하고, 시나리오에 맞춰 군무를 수행하는 군집 비행 시스템을 소개한다. 실내에서 위치 확인을 위해서는 이미지 기반 위치 확인 방법과 외부 장비를 통한 위치 확인 방법이 있지만, 보다 정밀한 측정을 위해 외부 장비인 모션 캡쳐를 활용하였다.
제안 방법
- Drone 내부 로직도 개발하였다. 그리고 다수 기체의 군무를 위해 시나리오 기반의 동시 제어 기능 및 시뮬레이션 툴을 개발하였다. 그리고 실내 환경에서 현재 위치를 측정하기 위해 모션 캡쳐를 사용하였으며, 다수 비행체의 충돌 회피 로직을 개발하였다.
- 중간에 있는Manager 계층은 UI와 Agent 계층을 이어주고, 관리하는 역할을 수행한다. 그리고 시나리오에 맞춰 다수의 비행체를 제어하는 기능을 수행한다. 시나리오는 그림 14와 같이 각 비행체에 대해 정해진 시간에 정해진 위치로 이동하도록 하는 명령 목록을 가지고 있다.
- 그리고 다수 기체의 군무를 위해 시나리오 기반의 동시 제어 기능 및 시뮬레이션 툴을 개발하였다. 그리고 실내 환경에서 현재 위치를 측정하기 위해 모션 캡쳐를 사용하였으며, 다수 비행체의 충돌 회피 로직을 개발하였다.
- 다수의 비행체, 노드간의 충돌을 최소화하기 위해, 그림 8에 보여진 바와 같이 AR.Drone 내부에 Packet Manager 프로그램을 추가하여 데이터 량을 줄여줌으로써 충돌 확률을 최소화 하였다. 뿐만 아니라 충돌이 나서 명령이 전달되지 못하는 경우, Packet Manager는 자체 제어 명령을 AR.
- 이때 Tracker는 대칭 결과를 확인하여, 자동으로 패턴의 유사성을 구분해준다. 본 논문에서는 그림 3과 같이 하나의 AR.Drone에 6~7개의 마커를 붙여 객체 구분을 하였다.
- 반면, 모션 캡쳐 방식은 장비가 상대적으로 비싸고, 측정 거리가 협소한 단점이 있지만, 최대 초당 1000번까지 측정이 가능하므로, 정확한 데이터를 확보할 수 있고, 이미지 프로세싱 작업을 카메라 내부에서 처리하기 때문에 서버의 부하가 비교적 작다. 본 논문에서는 보다 정확한 위치 확인을 위해 모션 캡쳐 방식을 활용하였다.
- 시험에 앞서 시나리오에 대한 검증을 위해 그림 15와 같이 파이썬 기반의 시뮬레이션 및 시나리오 생성기 프로그램을 개발하였다. 이 프로그램을 통해 전체 시나리오를 검증할 수 있고, 수정할 수 있다.
- 실내 군집 비행 시스템을 구축하기 위해 본 논문에서 저가의 AR.Drone을 활용하였다. 하지만 군집비행을 위해서는 AR.
- Drone은 Raw Data를 /dev/ttyO1을 통해 시리얼 방식으로 데이터를 얻는다. 우선 /dev/ttyF1으로 이름을 변경하고, 개발된 SerialSniifer를 통해 데이터를 받고, 프로토콜을 분석하여 초음파 센서 데이터 부분을 획득한 다음 모션 캡쳐로부터 받은 고도 정보로 바꾼다. 이후 다시 /dev/ttyO1에 데이터를 전달함으로써 AR.
- 이를 기반으로 그림 11와 같이 다수의 비행체간 충돌 회피를 위해 potential function을 개념을 도입하여 비행체가 없는 부분으로 경로를 조정하는 충돌 회피 기능도 추가하였다[5].
- Drone을 클라이언트 방식으로 변경하여 지상국 시스템에서 다수의 기체를 제어할 수 있도록 해야 한다. 이를 위해 외부에 AP(Access Point)를 설치하고, AR.Drone이 AP에 연결되도록 수정한다.
- 이를 제거하기 위해 본 논문에서는 AR.Drone의 원본 데이터를 직접 획득 및 분석하여 프로토콜을 분석한 다음, 초음파 센서 데이터를 외부에서 획득한 정확한 값으로 대체하는 스니핑 방식을 사용하였다[7]. 그림 6과 같이 AR.
- Drone을 활용하였다. 하지만 군집비행을 위해서는 AR.Drone의 내부 시스템을 일부 수정하였고, 안정적인 통신 환경을 구축하기 위해 AR.Drone 내부 로직도 개발하였다. 그리고 다수 기체의 군무를 위해 시나리오 기반의 동시 제어 기능 및 시뮬레이션 툴을 개발하였다.
대상 데이터
- 시험은 한국항공우주연구원에 설치된 플라잉 플로어 (Flying Floor)에서 수행하였다. 총 20대의 AR.
- 고도 정보가 포함된 데이터의 프로토콜을 분석한 결과, 그림 7과 같이 전체 크기는 60 byte 이었다. 이중 초음파 센서 정보를 이용해 고도 측정 데이터를 계산하기 위해 필요한 데이터는 ultrasound와 sum_echo 및 flag 부분이었다. ultrasound는 초음파 센서를 통해 획득한 고도 정보를 매 순간마다 나타내는 정보이고 sum_echo는 고도 정보를 일정 기간 동안 누적시키는 정보를 담고 있다.
- 시험은 한국항공우주연구원에 설치된 플라잉 플로어 (Flying Floor)에서 수행하였다. 총 20대의 AR.Drone이 비행에 사용되었고, 지상국과의 통신은 IEEE 802.11g WiFi가 활용되었다. 수행 결과 그림 16과 같이 20대의 군집 비행을 수행할 수 있었다.
- 한국항공우주연구원에서는 군집비행 연구를 위해 연구원 내에 그림 4와 같이 플라잉 플로어(Flying Floor)를 설치하였다. 플라잉 플로어는 18x18x6.5 (m3) 크기의 비행 시험 공간으로 총 28 대의 VICON 모션캡쳐 카메라[6]가 설치되어 있다. 이 시스템을 통해 1mm 이하의 정확도로 모든 공간에 속한 객체를 최대 1000 Hz로 움직임을 감지할 수 있다.
이론/모형
- AR.Drone의 비행제어를 위해 보편적으로 사용하는 PID (Proportional Integral Differential) 제어기를 사용하였다. 우선, 그림 3과 같이 모션 캡쳐로부터 비행체의 자세 정보를 받고, 시간에 따른 절대 좌표계 (World Coordinate System)에서의 오차 e(t)는 식 (2)과 같다.
후속연구
- 최근에는 무인기의 기능 향상으로 다수의 무인기가 서로간의 충돌 없이 공동으로 정해진 임무를 수행하여 넓은 범위의 정찰과 같은 어려운 임무에 대해 성공 확률을 높이는 군집 비행 연구가 활발히 진행되고 있다. 이러한 군집 비행은 정찰 임무 외에도 3차원 지도 생성, 목표물 인식 및 타격, 적대적 무인기의 식별 및 저지 등의 복잡한 임무를 다수의 무인 항공기 및 자동 주행 차량의 계층적 구성 및 작전 수행을 통해 수행할 것으로 기대된다[2]. 하지만 대부분 고가의 무인기를 다수 구매하여 연구하기 어렵기 때문에, 시뮬레이션으로 수행하고 있다.
- 추후, 시나리오 생성을 포인트 방식에서 궤적제어 방식으로 변경하여 등 속도로 정해진 궤적을 이동하도록 변경하고, 현재 사용 중인 통신 방식을 일반적으로 많이 사용되고 있는 2.4 GHz에서혼잡도가 덜한 5 GHz로 변경하여 충돌 확률을 줄임으로써 보다 안정된 통신 시스템을 구축하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.