[논문]다중 자세방위기준장치 기반 사람/보행로봇의 동작추적 및 위치추정

조성윤

doi:10.5302/j.icros.2016.15.0169

문제 정의

본 논문에서는 고정된 인프라가 없는 환경에서 사람/보행 로봇의 연속적인 MTE을 위한 착용형 센서 기반 고정밀 MTL 기술을 제안하였다. 다중 IMU 기반의 AHRS를 사람/보행 로봇의 하반신 각 링크에 장착하고 각 링크의 동체 좌표계를 정의하였다.
그림 1에서 나타낸 시스템과 같이 발에 추가적인 센서를 장착하지 않는 경우 발의 움직임 여부를 판단하기가 쉽지 않다. 본 논문에서는 다음과 같이 하드웨어 추가 없이 소프트웨어 기반으로 쉽게 지면에 닿아있는 발을 찾는 간단한 방법을 제안한다.
본 논문에서는 착용형 센서 만으로 오차의 누적 현상이 적고 정확한 MTL을 수행할 수 있는 기술을 제안한다. 이를 위해 먼저 사람/보행로봇의 하반신 관절 및 관절을 잇는 링크를 정의하고, 각 링크에 총 5개의 IMU 기반의 자세 방위 기준장치 (AHRS: Attitude & Heading Reference System)를 장착하고 각 장착된 AHRS의 동체 좌표계(body coordinate fcame)를 정의한다.
센서 기반 위치추정 기술에는 보행자용을 위한 PDR과 운전자/무인기용을 위한 관성항법시스템(INS: Inertial Navigation System) 및 다양한 복합 센서 융합 기술이 포함되몌2, 3], 인프라 기반 위치추정 기술의 중심에는 GPS (Global Positioning System)/GNSS (Global Navigation Satellite System) 가있으며, Wi-Fi, ZigBee, IR-UWB (Impulse Radio-Ultra Wideband), CSS (Chirp Spread Spectrum), 초음파, 적외선 등의 고정된 인프라의 신호를 사용하여 획득된 ToA (Time of Arrival), TDoA (Time Difierence of Arrival), AoA (Angle of Arrival), RSSI (Received Signal Strength Indicator) 등의 즉정치를 사용하는 무선위치 주정 기술[6, 기과 WSN (Wireless Sensor Network) 기반의 협업형(cooperative) 위치주정 기술[1], 그리고 Kinect와 같은 깊이(depth) 카메라 기반 위치추정 기쉬8] 등이 포함된다. 이런 다양한 민간용 위치추정 기술들 중에서 본 논문에서는 관성즉정장치(IMU: Inertial Measurement Unit)를 활용한 사람/보행 로봇의 동작추적과 위치추정(MTL: Motion Tracking & Localization)0] 동시에 가능한 기술을 제안한다. 사람의 MTL 은 최근 연구범위가 확장되고 있는 사람-로봇 상호작용 (HRI: Human Robot Interaction), 가상■현실(VR: Virtual Reality), 증강현실(AR: Augmented Reality) 및 LBS (Location-based Service) 등을 위해 필요한 기반기술[9]이며, 보행로봇을 위한 MTLe 성공적인 임무수행을 위해 반드시 제공되어야 하는 기술이다.
그러나 모터 신호의 불확실성, 로봇의 미끄러짐, 경사/장애물과 같은 주위 환경 등의 요인으로 인해 로봇의 다중 관절의 자세와 위치를 정확하게 계산하는 것은 어려울 수 있다. 이런 문제를 해결하기 위해 본 논문에서는 다수의 IMU 기반의 AHRS를 이용하여 사람/보행로봇을 위한 MTL 기술을 제안한다.
이렇게 계산된 각 관절의 위치정보를 기반으로 대상자의 하반신 동작추적이 가능하며 동시에 위치 변화를 계산함으로써 위치를 추정하게 된다. 인프라의 도움 없이 저급 IMU만으로 사람/보행로봇의 위치를 계산하지만 기존의 INS 방식과는 달리 시간에 따른 오차 누적 현상이 적은 강점을 갖는 것이 본 논문의 주요 기술적 기여(main technical contribution)이다. 제안된 기술의 성능 검증을 위해 저급 IMU 기반의 AHRS 5개를 사람의 몸에 장착하고 시험하였으며, 시험 공간에 장착된 깊이 카메라를 통해 계산된 관절의 위치정보를 기준 좌표로 하여 추정된 위치정보의 정확도를 분석하였다.

가설 설정

우선 응용 공간이 평지인 것을 가정한다. 경사가 심한 경우나 계단보행과 같은 상황에서 움직임 발을 찾기 위해서는 양 발에 IRU를 추가적으로 장착하는 것이 필요하다.

제안 방법

본 논문은 다음과 같이 구성되어 있다. II 장에서는 본 논문에서 사용하는 MTL용 시스템의 설명 및 좌표계를 정의하고, Ⅲ 장에서는 링크 자세 기반의 MTL 기술을 제안한다. 하였다. ① 앞으로 걸어 갔다가 뒤로 걸어 돌아오기, ② 오른 쪽으로 옆 걸음 걷기 및 제자리로 돌아오기, ③ 왼 쪽으로 옆 걸음 걷기 및 제자리로 돌아오기, 그리고 ④ 제자리에서 오른 발 들기와 왼 발 들기의 6번 반복 등과 같은 다양한 동작에 따른 MTL 시험을 수행하였으며 그 결과를 분석하였다. 실험자의 각 링크 길이는 사전에 직접 재어 사용할 수 있으며 또는 깊이 카메라가 있는 환경에서는 시험 시작과 함께 깊이 카메라를 통해 추적된 각 관절의 위치정보를 활용하여 계산할 수도 있다.
다중 IMU 기반의 AHRS를 사람/보행 로봇의 하반신 각 링크에 장착하고 각 링크의 동체 좌표계를 정의하였다. 각 링크의 지역 좌표계 대비 동체 좌표계의 자세 정보에 해당하는 AeS의 출력 정보를 각 링크 정보와 결합하여 동차변환행렬 기반으로 사람/보행로봇의 각 관절의 위치정보를 계산하였다. 계산된 각 관절의 위치정보를 통해사람/보행 로봇의 동작을 추적하고 특정 관절의 연속적인 위치추적을 통해 위치를 추정할 수 있다.
기술을 제안하였다. 다중 IMU 기반의 AHRS를 사람/보행 로봇의 하반신 각 링크에 장착하고 각 링크의 동체 좌표계를 정의하였다. 각 링크의 지역 좌표계 대비 동체 좌표계의 자세 정보에 해당하는 AeS의 출력 정보를 각 링크 정보와 결합하여 동차변환행렬 기반으로 사람/보행로봇의 각 관절의 위치정보를 계산하였다.
성능 검증을 위한 기준 시스템으로 깊이 카메라인 Kinect [13] 를시험 공간에 설치하고 그 결과를 제안된 기법의 결과와 비교분석 하였다. 보다 정확한 광학추적기(obtical tracker)를 사용한 비교분석이 필요하지만 고가의 인프라 구축이 힘든 것을 감안하여 Kinect를 기준 시스템으로 사용하였다. 따라서 다소 오차를 포함한 Kinect의 출력 데이터를 고려하여 제안된 시스템의 성능을 분석하는 것이 요구된다.
본 논문에서 제안된 방법은 IMU 기반의 AHRS만을 사용하여 사람/보행로봇의 동작추적 및 위치추정을 동시에 수행하는 기법으로 기존의 INS와 PDR과의 성능상의 비교에서 우수한 특성을 갖는다.
본 논문에서는 사람/보행로봇의 MTL을 위해 각 링크의 자세 정보를 사용한다. 링크의 자세는 각 링크의 동체 좌표계와 지역 좌표계 사이의 관계로 정의한다.
이 자세정보를 링크정보와 결합함으로써 각 관절의 위치를 계산한다. 사람/보행로봇의 걸음에 따른 움직임 발을 검출하고 이 정보를 통해 각 관절의 정확한 이동 변위를 보상한다. 이렇게 계산된 각 관절의 위치정보를 기반으로 대상자의 하반신 동작추적이 가능하며 동시에 위치 변화를 계산함으로써 위치를 추정하게 된다.
정확한 MTL을 수행할 수 있는 기술을 제안한다. 이를 위해 먼저 사람/보행로봇의 하반신 관절 및 관절을 잇는 링크를 정의하고, 각 링크에 총 5개의 IMU 기반의 자세 방위 기준장치 (AHRS: Attitude & Heading Reference System)를 장착하고 각 장착된 AHRS의 동체 좌표계(body coordinate fcame)를 정의한다. 각 A盈RS에서는 해당 AHRS가 장착된 링크의 지역 좌표계(local coordinate frame) 대비 동체 좌표계의 상대 자세 정보를 측정한다.
의 동체 좌표계, 축을 의미하며, z” 는 지역 좌표계, 축을 의미한다. 자세는 오일러(Euler) 각, 방향코사인행렬(DCM: Direction Cosine Matrix) 또는 사원수(quaternion)로 나타낼 수 있으며 본 논문에서는 다음과 같이 정의된 방향코사인행렬을 사용한다. [10].
인프라의 도움 없이 저급 IMU만으로 사람/보행로봇의 위치를 계산하지만 기존의 INS 방식과는 달리 시간에 따른 오차 누적 현상이 적은 강점을 갖는 것이 본 논문의 주요 기술적 기여(main technical contribution)이다. 제안된 기술의 성능 검증을 위해 저급 IMU 기반의 AHRS 5개를 사람의 몸에 장착하고 시험하였으며, 시험 공간에 장착된 깊이 카메라를 통해 계산된 관절의 위치정보를 기준 좌표로 하여 추정된 위치정보의 정확도를 분석하였다. 이 시험 결과를 통해 제안된 기술의 유용성을 확인할 수 있다.
제안된 다중 AHRS 기반 사람/보행로봇용 Mim의 성능을 검증하기 위하여 시험을 수행하고 그 결과를 분석하였다. 시험에 사용된 IMU는 Xsens사의 MTi로 AHRS이다[12].
5개의 AHRS를 시험자의 몸에 그림 1에서 나타낸 위치와 좌표를 준수하여 밴드를 사용하여 부착하였다. 출력 데이터는 컴퓨터에 파일형태로 저장되며 후처리로 성능분석을 하였다. 성능 검증을 위한 기준 시스템으로 깊이 카메라인 Kinect [13] 를시험 공간에 설치하고 그 결과를 제안된 기법의 결과와 비교분석 하였다.

대상 데이터

본 논문에서는 사람/보행로봇의 하반신 Mim을 위해 5개의 6자유도 IMU 기반의 AHRS 가 사용되었으며 그림 1에 AHRS의 장착 위치와 좌표계를 나타내었다. AHRS는 허리 (AHRSwc, Waist Center), 양 쪽 허벅지 (AHRSWAHRSto, Thigh LefVThigh Right) 그리고 양 쪽 종아리 (AHRScl/AHRSCr, Calf Left/Calf Right)에 각각 장착한다.
그림 3. 시험에 사용된 AHRS의 규격.
시험에 사용된 IMU는 Xsens사의 MTi로 AHRS이다[12]. 이 IMU에는 3축의 자이로와 가속도계 그리고 지자기 센서가 포함되어 있으며, 이들을 융합하여 안정적인 자세정보를 생성한다.

데이터처리

출력 데이터는 컴퓨터에 파일형태로 저장되며 후처리로 성능분석을 하였다. 성능 검증을 위한 기준 시스템으로 깊이 카메라인 Kinect [13] 를시험 공간에 설치하고 그 결과를 제안된 기법의 결과와 비교분석 하였다. 보다 정확한 광학추적기(obtical tracker)를 사용한 비교분석이 필요하지만 고가의 인프라 구축이 힘든 것을 감안하여 Kinect를 기준 시스템으로 사용하였다.
계산된 각 관절의 위치정보를 통해사람/보행 로봇의 동작을 추적하고 특정 관절의 연속적인 위치추적을 통해 위치를 추정할 수 있다. 제안된 기술의 성능은 실 시험을 통해 검증하였다. 깊이 카메라를 기준 시스템으로 하고 117.

성능/효과

시각동기이다. 기반의 AHRS에서는 10아Iz의 출력 주파수를 갖고 일정한 시간 간격으로 자세정보를 출력하는 것에 반해 깊이 카메라로 사용한 Kinect의 경우 1아iz의 출력 주파수를 갖지만 일정하지 않은 시간 간격으로 대상체의 관절 위치정보를 출력하는 것을 시험을 통해 확인할 수 있었다. 그림 6은 각 관절 별 위치추정 오차를 나타낸 것이며 표 1에서 평균과 표준편차로 요약하고 있다.
제안된 기술의 성능은 실 시험을 통해 검증하였다. 깊이 카메라를 기준 시스템으로 하고 117.8초간의 연속 시험을 한 결과 Jhc의 경우 평균 0.1792m, 표준편차 0.0503%의 오차 이내의 정확도를 갖고 위치가 추정됨을 확인하였다. 제안된 기술은 고정 인프라가 없는 환경에서도 시간에 따른 오차 누적현상이 적으며 사람/보행 로봇의 정확한 위치를 추정할 수 있을 뿐 아니라 AHRS의출력 주기에 따라 고정밀 동작추적을 수행할 수 있음을 결론 내릴 수 있으며 이 기술을 HR曲, VR AR 및 LBS 등에서 폭넓게 활용될 수 있을 것으로 기대된다.
첫 번째는 본 논문에서 제시한 다중 AHRS 기반의 MTEe 고정된 인프라인 깊이 카메라를 통해 추적한 각 관절의 위치정보와 비교해 볼 때 작은 오차 범위 내에서 일치하고 있다. 두 번째는 인프라의 도움 없이 센서만으로 약 2분 동안의 시험에서 오차의 누적 현상이 거의 없이 사람/보행로봇의 동작을 추적하고 또한 위치를 추정할 수 있음을 알 수 있다. 그러나 이 그림에서 깊이 카메라와 다중 AHRS 기반의 위치추정 결과를 각각 비교해 볼 때 y축으로 약 0.
그림 6은 각 관절 별 위치추정 오차를 나타낸 것이며 표 1에서 평균과 표준편차로 요약하고 있다. 앞에서 설명한 기준 시스템의 0점 조정 오차와 시각 비동기 문제에 의한 영향을 고려하면 이 결과를 통해 본 논문에서 제시한 다중 AHRS 기반의 사람/보행 로봇의 위치추정은 인프라의 도움 없이도 충분히 정확한 솔루션을 제공할 수 있음을 확인할 수 있다.
함께 나타낸 것이다. 앞의 결과와 이 그림을 통해 제안된 기법은 위치추정뿐 아니라 동작추적도 정확하게 수행할 수 있음을 결론 내릴 수 있다. 동작추적의 정확도는 AH琅S의 자세정보 출력 주파수가 높을수록 향상된다.
즉 기준 시스템으로 사용된 깊이 카메라의 0점 조정에 오차가 존재하는 것을 의미한다. 이 점을 감안하면 본 논문에서 제시한 다중 AHRS 기반의 위치추정의 성능이 우수함을 확인할 수 있다.

후속연구

제안된 기술은 고정 인프라가 없는 환경에서도 시간에 따른 오차 누적현상이 적으며 사람/보행 로봇의 정확한 위치를 추정할 수 있을 뿐 아니라 AHRS의출력 주기에 따라 고정밀 동작추적을 수행할 수 있음을 결론 내릴 수 있으며 이 기술을 HR曲, VR AR 및 LBS 등에서 폭넓게 활용될 수 있을 것으로 기대된다. 그리고 고정된 인프라와 융합을 통해 더욱 정확하고 시간에 따른 오차 누적 현상이 없는 위치추정이 이루어질 수 있으므로 향후 연구 방향으로 남겨둔다.
0503%의 오차 이내의 정확도를 갖고 위치가 추정됨을 확인하였다. 제안된 기술은 고정 인프라가 없는 환경에서도 시간에 따른 오차 누적현상이 적으며 사람/보행 로봇의 정확한 위치를 추정할 수 있을 뿐 아니라 AHRS의출력 주기에 따라 고정밀 동작추적을 수행할 수 있음을 결론 내릴 수 있으며 이 기술을 HR曲, VR AR 및 LBS 등에서 폭넓게 활용될 수 있을 것으로 기대된다. 그리고 고정된 인프라와 융합을 통해 더욱 정확하고 시간에 따른 오차 누적 현상이 없는 위치추정이 이루어질 수 있으므로 향후 연구 방향으로 남겨둔다.

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

다중 자세방위기준장치 기반 사람/보행로봇의 동작추적 및 위치추정
Multi-Attitude Heading Reference System-based Motion-Tracking and Localization of a Person/Walking Robot 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

다중 자세방위기준장치 기반 사람/보행로봇의 동작추적 및 위치추정 Multi-Attitude Heading Reference System-based Motion-Tracking and Localization of a Person/Walking Robot 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

조성윤 (39)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

다중 자세방위기준장치 기반 사람/보행로봇의 동작추적 및 위치추정
Multi-Attitude Heading Reference System-based Motion-Tracking and Localization of a Person/Walking Robot 원문보기

AI 본문요약
AI-Helper