[논문]지능형 운행체를 위한 비전 센서 기반 자이로 드리프트 감소

경민기; 당 코이 누엔; 강태삼; 민덕기; 이정욱

doi:10.5302/j.icros.2015.15.0038

[국내논문] 지능형 운행체를 위한 비전 센서 기반 자이로 드리프트 감소
Vision-based Reduction of Gyro Drift for Intelligent Vehicles 원문보기

제어·로봇·시스템학회 논문지 = Journal of institute of control, robotics and systems, v.21 no.7, 2015년, pp.627 - 633

경민기 (건국대학교 컴퓨터공학과) , 당 코이 누엔 (건국대학교 항공우주정보시스템공학과) , 강태삼 (건국대학교 항공우주정보시스템공학과) , 민덕기 (건국대학교 컴퓨터공학과) , 이정욱 (건국대학교 항공우주정보시스템공학과)

Abstract ▼ AI-Helper

Accurate heading information is crucial for the navigation of intelligent vehicles. In outdoor environments, GPS is usually used for the navigation of vehicles. However, in GPS-denied environments such as dense building areas, tunnels, underground areas and indoor environments, non-GPS solutions are required. Yaw-rates from a single gyro sensor could be one of the solutions. In dealing with gyro sensors, the drift problem should be resolved. HDR (Heuristic Drift Reduction) can reduce the average heading error in straight line movement. However, it shows rather large errors in some moving environments, especially along curved lines. This paper presents a method called VDR (Vision-based Drift Reduction), a system which uses a low-cost vision sensor as compensation for HDR errors.

Keyword

AI 본문요약
AI-Helper

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

문제 정의

그러나 각속도를 계속 적분하면 적분오차 즉 드리프트(drift)가 발생하게 된다. 본 논문에서는 2009년 미국 미시간 대학에서 드리프트 감소를 위해 제안한 HDR (Heuristic Drift Reduction) 알고리즘과 비전센서를 통해 획득한 이미지 데이터에 영상처리 알고리즘을 적용하여 헤딩 측정 오차를 최소화하는 드리프트 감소 방안을 제시한다.
본 논문에서는 비전 센서에 기반하여 자이로 드리프트를 감소시키는 시스템을 구현하였으며, 운행체에 저가형 자이로 센서와 단일 카메라를 장착하여 실험을 수행하고 성능을 검증하였다. 자이로 센서로부터 각속도를 획득하고 이를 HDR 알고리즘에 적용하여 각속도를 보정하고 이로부터 헤딩을 추정한다.
자세와 헤딩 정보는 지능형 운행체 항법에 필수적이다. 본 논문에서는 저가의 비전 센서를 이용하여 자이로 드리프트 오차를 최소화하는 VDR 시스템을 제안하였다. HDR 알고리즘과 비전 센서 기반 헤딩 추정기를 이용하여 신뢰할 만한 수준의 헤딩 정보를 제공할 수 있었다.

제안 방법

카메라는 마이크로소프트의 LifeCam 제품을 사용하였다. 그리고 자이로 센서의 각속도를 얻기 위해 E2Box 사의 EBIMU-9DOFV2 AHRS 센서를 이용하였다. 이 제품은 저가형으로 자이로 센서, 가속도 센서, 자기 센서, 온도 센서를 포함하고 있고 에러 제거에 칼만 필터가 사용되었다는 정보 외에는 세부적인 에러 감소 방법은 제시되지 않았다.
우선 100미터 가량의 트랙의 직선 구간을 반복 운행하면서 HDR을 적용 하지 않은 상태에서 Yaw 값의 변화를 추적하고 HDR을 적용한 결과와 비교하여 HDR 알고리즘의 직선 구간에서의 성능을 평가하였다. 다음에 트랙 한바퀴를 반복 주행하면서 측정한 데이터를 기반으로 비전센서 기반 헤딩 추정기로부터 추정한 헤딩값을 분석하였다. 마지막으로 HDR과 헤딩 추정기를 결합한 VDR 알고리즘으로부터 추정된 헤딩 값을 분석하여 VDR 알고리즘의 성능을 평가하였다.
그림11. HDR과 VDR의 Yaw 값 변화 비교.
본 논문에서는 저가의 비전 센서를 이용하여 자이로 드리프트 오차를 최소화하는 VDR 시스템을 제안하였다. HDR 알고리즘과 비전 센서 기반 헤딩 추정기를 이용하여 신뢰할 만한 수준의 헤딩 정보를 제공할 수 있었다.
본 논문에서는 비전 센서에 기반하여 자이로 드리프트를 감소시키는 시스템을 구현하였으며, 운행체에 저가형 자이로 센서와 단일 카메라를 장착하여 실험을 수행하고 성능을 검증하였다. 자이로 센서로부터 각속도를 획득하고 이를 HDR 알고리즘에 적용하여 각속도를 보정하고 이로부터 헤딩을 추정한다. 카메라를 통해서 얻어진 이미지에 영상처리 알고리즘인 SIFT (Scale-invariant Feature Transform) 알고리즘을 적용하여 이미지를 통한 추가적인 오차 보정을 시도 하였다.
이러한 특징을 기반으로 하여, HDR 연구진은 HDR 알고리즘에 턴 스위치, 반복 감쇠자 등의 함수 및 기능을 추가하고, 로봇 공학에서 로봇의 미래 위치 추정에 사용되는 Dead-Reckoning 알고리즘과 결합하여 현재의 센서 값만이 아니라, 미래의 센서 값까지 추정하는 방법 등이 시도되었다. 또한 자이로 센서에 HDR 알고리즘을 적용시킨 후, EKF (Extended Kalman Filter) 필터와 결합시키는 연구, 자이로 센서가 아닌 IMU 센서를 이용하는 방법 등이 고안되었다.
본 연구에서는 자이로 센서의 각속도를 기반으로 한 HDR 알고리즘과 SIFT 알고리즘에 기반한 헤딩 추정기를 결합하여 실시간성을 보장하면서 헤딩 추정 정확도가 향상된 VDR 시스템을 구축하였다. 그림 4는 VDR 시스템의 구성도를 보여준다.
HDR 알고리즘은 NI의 LabView 개발 도구를 이용하여 코드를 작성하였다. 자이로 센서의 각속도를 이용한 HDR 알고리즘을 적용한 임베디드 시스템을 차량 전면에 부착하고, 400미터 가량의 트랙을 반복 주행하면서 VDR 알고리즘의 성능을 평가하였다.
실험은 다음과 같은 순서로 진행되었다. 우선 100미터 가량의 트랙의 직선 구간을 반복 운행하면서 HDR을 적용 하지 않은 상태에서 Yaw 값의 변화를 추적하고 HDR을 적용한 결과와 비교하여 HDR 알고리즘의 직선 구간에서의 성능을 평가하였다. 다음에 트랙 한바퀴를 반복 주행하면서 측정한 데이터를 기반으로 비전센서 기반 헤딩 추정기로부터 추정한 헤딩값을 분석하였다.
다음에 트랙 한바퀴를 반복 주행하면서 측정한 데이터를 기반으로 비전센서 기반 헤딩 추정기로부터 추정한 헤딩값을 분석하였다. 마지막으로 HDR과 헤딩 추정기를 결합한 VDR 알고리즘으로부터 추정된 헤딩 값을 분석하여 VDR 알고리즘의 성능을 평가하였다.
본 논문에서는 이미지의 픽셀 너비 정보(x축 방향)를 이용하여 헤딩 추정기를 구성하였다. 추후에는 다양한 방향으로의 지능형 운행체 움직임에 대한 이미지 픽셀 패턴 정보를 분석하여 공간상에서 운행하는 무인 비행체 항법을 위한 헤딩 추정기를 구성할 예정이다.

대상 데이터

카메라는 마이크로소프트의 LifeCam 제품을 사용하였다. 그리고 자이로 센서의 각속도를 얻기 위해 E2Box 사의 EBIMU-9DOFV2 AHRS 센서를 이용하였다.

이론/모형

자이로 센서로부터 각속도를 획득하고 이를 HDR 알고리즘에 적용하여 각속도를 보정하고 이로부터 헤딩을 추정한다. 카메라를 통해서 얻어진 이미지에 영상처리 알고리즘인 SIFT (Scale-invariant Feature Transform) 알고리즘을 적용하여 이미지를 통한 추가적인 오차 보정을 시도 하였다.
이를 위해 HDR 알고리즘은 자이로 센서의 각도 값이 아닌, 자이로 센서의 각속도(ω true) 값을 이용하여 계산을 한다[5].
거리(근거리, 중간거리, 원거리)와 각도를 변화시켜 가면서 촬영 획득한 1000여장의 이미지 처리를 통하여 Ψ 집합을 구성하였으며 Polynomial curve fitting을 이용하여 식 (11) 과 같이 1차식으로 표현되는 헤딩 추정기를 구성하였다.
HDR 알고리즘은 우선 정확한 yaw 값을 계산하기 위해 폐루프 제어 시스템(Closed-loop Control System)에 기반을 두고 제작되었다. 이를 위해 HDR 알고리즘은 자이로 센서의 각도 값이 아닌, 자이로 센서의 각속도(ω _true) 값을 이용하여 계산을 한다[5].
HDR 알고리즘은 NI의 LabView 개발 도구를 이용하여 코드를 작성하였다. 자이로 센서의 각속도를 이용한 HDR 알고리즘을 적용한 임베디드 시스템을 차량 전면에 부착하고, 400미터 가량의 트랙을 반복 주행하면서 VDR 알고리즘의 성능을 평가하였다.

성능/효과

이 제품은 저가형으로 자이로 센서, 가속도 센서, 자기 센서, 온도 센서를 포함하고 있고 에러 제거에 칼만 필터가 사용되었다는 정보 외에는 세부적인 에러 감소 방법은 제시되지 않았다. 다만 정지 상태일 때에는 Yaw 드리프트가 발생하지 않았지만, 움직이는 상태일 때에는 10m 이동시 10도 이상의 Yaw 드리프트가 발생하는 것을 확인하였다.
실선은 이미지 특징점 분석을 통해 계산된 Yaw 값을 그리고 점선은 실제 Yaw 값을 나타낸다. 첫 번째 회전구간을 운행한 후 계산된 Yaw값은 180도 근처를 가리키고 두 번째 회전구간을 운행한 후에는 360도 근처를 나타내고 있음을 볼 수 있으며 헤딩 추정기를 통한 Yaw 값 추정이 회전 구간에서도 비교적 정확하다는 것을 알 수 있다.
실선은 VDR을 통해 계산된 Yaw 값을, 파선은 HDR에 의해 얻어진 Yaw 값을 그리고 점선은 실제 Yaw 값을 나타낸다. VDR과 HDR 모두 직선 구간에서는 Yaw 값을 비교적 정확하게 추정하고 있음을 알 수 있다. 그러나 회전 구간을 포함한 전체 운행 구간에서 VDR은 대체적으로 정확한 Yaw값을 제공하지만 상기한 바와 같이 HDR은 회전 구간에서 큰 오차를 보여주고 있다.
자이로 센서의 이러한 드리프트 현상을 해결하기 위하여 HDR 알고리즘을 적용하면, 그림 7에서와 같이 자이로 센서에서 발생하는 Yaw 드리프트 오차가 효과적으로 제거되어, 16도까지 발생했던 Yaw 값에 대한 오차가 0 ~ 0.06도까지 감소함을 알 수 있다.
그림 8(a)는 타원형의 트랙 400m를 반복 주행하여 360도 회전 주행을 수행하였을 때 연속된 두 이미지에서 동일한 특징점 분석을 통해 계산된 각도를 보여준다. 400m 트랙구간 중 총 151개 지점에서 각도를 계산하였으며 이와 같이 계산된 각도는 최대오차 3.0도, 최소오차 0.0도, 그리고 0.6도의 평균 오차를 가졌다. 이러한 각도를 계속 누적시키면 헤딩 정보 (Yaw 값)가 되고 그림 9(b)에서 보여진다.
그림 9의 데이터를 이용해서 계산된 시간에 따른 Yaw 값이 그림 10에 보여진다. 자이로 센서의 각속도를 이용한 HDR 알고리즘을 적용한 결과, 평균 4분 40초에 걸쳐 800미터 주행, 720도의 각도 변화가 있었을 때 HDR 알고리즘은 Yaw 값의 변화를 약 576도까지 추정할 수 있었다. HDR 알고리즘을 적용하면, 자이로 센서에 대한 드리프트 오차가 직선 구간에서는 효과적으로 제거되지만, 회전 구간을 포함하는 운행에서는 매우 큰 오차가 발생함을 알 수 있다.

후속연구

본 논문에서는 이미지의 픽셀 너비 정보(x축 방향)를 이용하여 헤딩 추정기를 구성하였다. 추후에는 다양한 방향으로의 지능형 운행체 움직임에 대한 이미지 픽셀 패턴 정보를 분석하여 공간상에서 운행하는 무인 비행체 항법을 위한 헤딩 추정기를 구성할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	지능형 운행체 시스템이란 무엇인가?	지능형 운행체(intelligent vehicle) 시스템은 다양한 센서와 지능형 알고리즘을 사용하여 주변 환경을 인식하고 운행체를 자동으로 제어하는 시스템이다. 구글에서 개발 중인 무인 주행 자동차나 BMW 등의 자동차 회사에서 개발한 자동 주차 시스템은 차량의 상태를 파악하여 운전자 없이 차량의 움직임을 결정하는 서비스를 제공할 수 있다.
	지능형 운행체의 항법을 위해서 필요한 것은 무엇인가?	지능형 운행체의 항법을 위해서는 운행체의 현재 위치를 알아내는 위치인식기술이 필수적이며 이를 위해 정확한 헤딩(heading) 정보를 아는 것은 중요하다. 주로 GPS를 이용하여 항법을 수행하지만 GPS 신호는 인체에 끼치는 영향을 최소화하기 위해 의도적으로 약하게 방출되도록 설계 되어 있다.
	자이로 센서에서 운행체 헤딩이 각속도로 계산됨에 따라 어떤 문제가 있는가?	자이로(gyro)는 각속도를 측정하는 센서로서 운행체 헤딩은 각속도로부터 계산되어질 수 있다. 그러나 각속도를 계속 적분하면 적분오차 즉 드리프트(drift)가 발생하게 된다. 본 논문에서는 2009년 미국 미시간 대학에서 드리프트 감소를 위해 제안한 HDR (Heuristic Drift Reduction) 알고리즘과 비전센서를 통해 획득한 이미지 데이터에 영상처리 알고리즘을 적용하여 헤딩 측정 오차를 최소화하는 드리프트 감소 방안을 제시한다.

참고문헌 (13)

S. K. Jeong, T. H. Kim, C. S. Sin, and S. U. Lee, "Technical trends of smart jamming for GPS signal," Electronics and Telecommunications Trends (in Korean), vol. 27, no. 6, pp. 75-82, 2012.
I.-S. Lee and Y.-W. Kim, "Analysis and compensation of sensor drift in the gas monitoring system," Journal of KIIT (in Korean), vol. 9, no. 11, pp. 9-15 2011.
I.-Y. Seo, H.-C. Shin, M.-G. Park, and S.-J. Kim, "Statistical techniques to detect sensor drifts," Journal of KSS (in Korean), vol. 18, no. 3, pp. 103-112, 2009.
A. Sachenko, V. Kochan, and V. Turchenko, "Sensor drift prediction using neural networks," Proc. of the International Workshops on Virtual and Intelligent Measurement Systems, pp. 88-92, 2000.
J. Borenstein and L. Ojeda, "Heuristic reduction of gyro drift in vehicle tracking applications," IJVAS, vol. 2, no. 1, pp. 78-98, 2009.
P. Aggarwal, D. Thomas, L. Ojeda, and J. Borenstein, "Map matching and heuristic elimination of gyro drift for personal navigation systems in GPS-denied conditions," Meas. Sci. Technol., vol. 22, no. 2, 2011.

상세보기
D. G. Nam, J. Y. Park, H. W. Park, and D. Y. Kim, "Some observations on drift-reduction methods for low-cost gyro sensors," Presented at the KIIS Fall Conference 2010 (in Korean), pp. 103-106, 2010.
A. R. Jimenez, F. Seco, J. C. Prieto, and J. Guevara, "Indoor pedestrian navigation using an INS/EKF framework for yaw drift reduction and a foot-mounted IMU," Proc. of the 2010 7th Workshop on Positioning Navigation and Communication, pp. 135-143, 2010.
H. Qian, Q. Xia, B. Liu, Di An, and X. Peng, "Fuzzy heuristic reduction of gyro drift in gyro-based mobile robot tracking," Proc. of the 2009 International Conference on Information Engineering and Computer Science, pp. 1-4, 2009.
D. Lowe, "Distinctive image features from scale-invariant keypoints," Int. Journal of computer Vision, vol. 60, no. 2, pp. 91-110, 2004.

상세보기
Y. S. Jeon, J. E. Choi, and J. O. Lee, "Development of a SLAM system for small UAVs in indoor environments using gaussian processes," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 20, no. 11, pp. 1098-1102, 2014.

원문보기 상세보기
P. S. Segundo and J. Artieda, "A novel clique formulation for the visual feature matching problem," Journal of Applied Intelligence, pp. 1-18, 2015.
S. G. Yun, S. E. Kang, and S. H. Ko, "Moving target indication using an image sensor for small UAVs," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 20, no. 12, pp. 1189-1195, 2014.

원문보기 상세보기

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