[논문]광 마우스 센서를 이용한 이동로봇 좌표추정

박상형; 이수영

doi:10.5302/j.icros.2016.16.0034

광 마우스 센서를 이용한 이동로봇 좌표추정
Coordinate Estimation of Mobile Robot Using Optical Mouse Sensors 원문보기

제어·로봇·시스템학회 논문지 = Journal of institute of control, robotics and systems, v.22 no.9, 2016년, pp.716 - 722

박상형 (서울과학기술대학교 전기정보공학과) , 이수영 (서울과학기술대학교 전기정보공학과)

Abstract ▼ AI-Helper

Coordinate estimation is an essential function for autonomous navigation of a mobile robot. The optical mouse sensor is convenient and cost-effective for the coordinate estimation problem. It is possible to overcome the position estimation error caused by the slip and the model mismatch of robot's motion equation using the optical mouse sensor. One of the simple methods for the position estimation using the optical mouse sensor is integration of the velocity data from the sensor with time. However, the unavoidable noise in the sensor data may deteriorate the position estimation in case of the simple integration method. In general, a mobile robot has ready-to-use motion information from the encoder sensors of driving motors. By combining the velocity data from the optical mouse sensor and the motion information of a mobile robot, it is possible to improve the coordinate estimation performance. In this paper, a coordinate estimation algorithm for an autonomous mobile robot is presented based on the well-known Kalman filter that is useful to combine the different types of sensors. Computer simulation results show the performance of the proposed localization algorithm for several types of trajectories in comparison with the simple integration method.

주제어

AI 본문요약
AI-Helper

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

문제 정의

논문에서는 광 마우스 센서를 이용한 이동로봇 좌표 추정을 위해 이동로봇의 기구학적 운동방정식을 제한조건으로 갖는 새로운 칼만 필터 알고리즘을 제시한다.
앞에서 제안한 좌표 추정 알고리즘의 성능을 검증하기 위해 컴퓨터 시뮬레이션을 행하였다. 시뮬레이션의 목적은 단순 원형 궤적과 보다 복잡한 곡선 궤적에 대해서 (1) 좌표 추정 성능을 검증하고, (2) 광 마우스 센서 속도계측 성분 중 3개 미만을 사용하는 부정형(underdetermined) 경우에 있어서 제안한 알고리즘의 좌표추정 성능을 확인하기 위한 것이다.

가설 설정

광 마우스 센서는 [3]에서 제시한 바와 같이 이동로봇 기준점을 중심으로 같은 거리에 120도 간격으로 C₁, C₂, C₃ 의 위치에 설치되어 있다고 가정한다(그림 1). 이동로봇 중심으로부터 각 광 마우스 센서까지의 거리는 L 로 나타낸다.

제안 방법

0rad /s 에 해당한다. 그리고 그림 1과 같은 광 마우스 센서 배치에서 이동로봇 중심과 각 센서 사이의 거리는 L =10.0 cm 로 설정하였으며, 센서 간의 사이각은 120도로 정삼각형을 이루도록 하였다. 이는 [3]에서 제시한 광 마우스 센서의 최적배치에 해당한다.
두 바퀴 사이의 간격이 D =10.0cm 인 크기를 갖는 이동 로봇에 대해서 반지름 1.0 m 인 원을 명령 궤적으로 하였다. 이는 식 (1)에서 입력 값이 v=1.
또한 단순 원 궤적이 아닌 보다 복잡한 명령 궤적에 대한 좌표추정 성능을 검증하기 위해 v=1+N, (m/s), w = 5sin(2πt/ 6) + Nw (rad/s)인 잡음이 포함된 곡선 명령 궤적에 대한 컴퓨터 뮬레이션을 수행하였다.
먼저 II장에서 이동로봇의 기구학적 운동 방정식과 광 마우스 센서 속도 기구학에 관해 설명한다. 또한 운동 방정식으로부터 좌표 값을 예측하기 위한 확장 상태 방정식을 도출한다. 센서의 속도 기구학은 서로 다른 위치에 설치된 n개의 광 마우스 센서로 계측한 속도 데이터로부터 이동로봇 기준점의 속도를 계산하기 위한 것이다.
논문에서는 광 마우스 센서를 이용한 이동로봇 좌표 추정을 위해 이동로봇의 기구학적 운동방정식을 제한조건으로 갖는 새로운 칼만 필터 알고리즘을 제시한다. 본 논문의 좌표 추정 알고리즘은 이동로봇의 속도 값을 먼저 추정하고, 다시 이를 적분함으로써 좌표 값을 얻는 방식을 벗어나 직접 좌표 값을 추정하기 위해 확장 상태 구조를 갖는다. 또한 본 논문의 알고리즘은 미지의 3변수 좌표 벡터의 개수보다 적은 수의 광 마우스 센서를 사용하는 경우에도 효과적으로 적용될 수 있다.
그림 4는 원형의 명령 궤적에 대한 본 논문의 좌표추정 방법의 성능을 보여준다. 비교를 위하여 광 마우스 센서 계측값으로부터 계산한 이동로봇 속도 벡터 값을 단순 적분하는 좌표추정 방법의 결과를 함께 제시하였다.
앞에서 제안한 좌표 추정 알고리즘의 성능을 검증하기 위해 컴퓨터 시뮬레이션을 행하였다. 시뮬레이션의 목적은 단순 원형 궤적과 보다 복잡한 곡선 궤적에 대해서 (1) 좌표 추정 성능을 검증하고, (2) 광 마우스 센서 속도계측 성분 중 3개 미만을 사용하는 부정형(underdetermined) 경우에 있어서 제안한 알고리즘의 좌표추정 성능을 확인하기 위한 것이다.
정량적 비교를 위해 표 1에 좌표 추정 오차의 평균과 표준편차를 각각 원형 명령 궤적과 곡선 명령 궤적에 대해 나타내었다. 오차의 평균과 표준편차의 비교에 의해 제시된 칼만 필터 알고리즘의 좌표 추정 성능이 단순 적분 알고리즘의 성능보다 우월함을 확인할 수 있다.
표 2에 그림 6과 그림 7의 위치 및 방향각 추정 오차의 평균과 표준편차를 정량적으로 제시하였다.

데이터처리

표 1. 좌표 추정/방향각 오차 평균과 표준편차.
표 2. 칼만 필터 알고리즘 좌표 추정/방향각 오차 평균과 표준편차.

성능/효과

1) 광 마우스 센서 속도 신호의 순간 값만 이용하는 것이 아니라 이동 로봇의 운동 방정식과 선속도 및 각속도 명령 입력 값을 함께 이용하므로, 단순 신호적분 방법에 비해 보다 나은 이동 로봇 좌표 추정 결과를 얻을 수 있다.
본 논문에서 제안한 방법의 장점은 다음과 같다: 1) 광 마우스 센서 속도 신호의 순간 값만 이용하는 것이 아니라 이동 로봇의 운동 방정식과 선속도 및 각속도 명령 입력 값을 함께 이용하므로, 단순 신호적분 방법에 비해 보다 나은 이동 로봇 좌표 추정 결과를 얻을 수 있다. 2) 추정하고자 하는 이동로봇 좌표변수의 개수 보다 적은 수의 광 마우스 센서를 사용하는 경우에도 유사한 좌표 추정 결과를 얻을 수 있다.
이 경우 속도 적분에 의한 좌표추정도 불가능하게 된다. 그러나 본 논문의 좌표추정 알고리즘은 속도 센서 데이터뿐만 아니라 이동로봇에 대한 선속도 및 각속도 입력 값 (v, w)과 운동방정식을 함께 이용하므로 속도계측 센서 데이터가 불완전한 경우에도 좌표추정이 가능하다. 그림 6은 원형의 명령 궤적에 대하여 식 (7)의 광 마우스 센서 계측 데이터 중에서 S_k = #Latex만 이용한 경우, 즉 한 개의 센서만 이용하는 경우 본 논문의 좌표추정 알고리즘의 성능을 보여준다.
본 논문에서는 광 마우스 센서를 갖는 이동 로봇의 좌표 추정을 위해 칼만 필터 기반 알고리즘을 제안하고, 컴퓨터 시뮬레이션을 통해 기존의 속도계측 값 적분에 의한 좌표추정 성능과 비교함으로써 제안 알고리즘의 우수성을 보였다.
정량적 비교를 위해 표 1에 좌표 추정 오차의 평균과 표준편차를 각각 원형 명령 궤적과 곡선 명령 궤적에 대해 나타내었다. 오차의 평균과 표준편차의 비교에 의해 제시된 칼만 필터 알고리즘의 좌표 추정 성능이 단순 적분 알고리즘의 성능보다 우월함을 확인할 수 있다.
그림 5는 곡선 명령 궤적에 대한 좌표 추정 결과이다. 이 경우에도 본 논문의 칼만 필터 알고리즘을 이용한 결과가 속도 적분 기반의 알고리즘 보다 더 나은 좌표 추정성능을 보여준다.

후속연구

본 논문의 좌표 추정 알고리즘은 이동로봇의 속도 값을 먼저 추정하고, 다시 이를 적분함으로써 좌표 값을 얻는 방식을 벗어나 직접 좌표 값을 추정하기 위해 확장 상태 구조를 갖는다. 또한 본 논문의 알고리즘은 미지의 3변수 좌표 벡터의 개수보다 적은 수의 광 마우스 센서를 사용하는 경우에도 효과적으로 적용될 수 있다. 본 논문의 구성은 다음과 같다.
칼만 필터 알고리즘은 다양한 센서 데이터들을 융합할 수 있는 수학적 기반이 되므로 본 논문에서 제시한 위치 추정 알고리즘은 광 마우스 센서와 다른 센서들을 융합하여 사용하는데 도움을 줄 수 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	이동로봇의 좌표는 무엇을 의미하는가?	이동로봇이 자율적으로 움직이기 위해서는 전역공간 상에서 자신의 좌표를 가능한 정확히 알 수 있어야 한다. 여기서 이동로봇의 좌표란 위치와 방향을 포함하는 3변수 상태벡터, (x, y, θ) 를 의미한다. 이동로봇 구동 모터의 속도를 측정하여 누적함으로써 좌표를 추정하는 추측항법(dead-reckoning)은 속도 측정과정에서의 신호잡음 문제뿐만 아니라 각 바퀴의 크기 차이와 지면에서의 미끄러짐과 같은 이유로 위치좌표 추정의 결과가 매우 부정확해질 수 있다.
	광 마우스의 장점은 무엇인가?	이러한 문제점에 대한 대안으로서 광 마우스 센서를 사용하는 방법이 제안되었다[1]. 광 마우스는 영상센서를 이용하여 지면과의 상대적인 이동량을 측정하고, 이를 샘플링 시간으로 나누어 속도를 계측하는 방식으로서, 상대적으로 가격이 저렴하고, 사용이 쉽다는 장점이 있다. 광 마우스 센서 1개만으로는 이동로봇의 방향각 변화율을 포함하는 3차원의 속도 벡터 계측이 불가능하므로 보통 2개 이상을 이동로봇의 바닥면에 배치하여 사용한다.
	다양한 센서들을 이용한 위치추정 알고리즘의 문제점은 무엇인가?	이를 극복하기 위해 초음파, 스테레오 카메라, 레이저 스캐너와 같은 별도의 다양한 센서들을 이용한 위치추정 알고리즘이 개발되어 왔다. 그러나 대부분의 센서들은 가격이 비싸며 연산량이 많다는 문제점이 있다.

참고문헌 (9)

M. Cimino and P. R. Pagilla, "Location of optical mouse sensors on mobile robots for odometry," Proc. of IEEE International Conference on Robotics and Automation, pp. 5429-5434, 2010.
S. Kim and S. Lee, "Robust velocity estimation of an omnidirectional mobile robot using a polygonal array of optical mice," International Journal of Control, Automation, and Systems, vol. 6, no. 5, pp. 713-721, 2008.

원문보기 상세보기
S. Kim and H. Kim, "Optimal optical mouse array for high performance mobile robot velocity estimation," Journal of Institute of Control, Robotics and Systems, vol. 19, no. 6, pp. 555-562, 2013.

원문보기 상세보기
D. Sekimori and F. Miyazaki, "Self-localization for indoor mobile robots based on optical mouse sensor values and simple global camera information," Proc. of 2005 IEEE International Conference on Robotics and Biomimetics(ROBIO), pp. 605-610, 2005.
G. Welch and G. Bishop, "An introduction to the Kalman filter," Technical Report, Department of Computer Science, University of North Carolina at Chapel Hill, 2002.
S. Lee and J. Song, "Mobile robot localization using optical flow sensors," International Journal of Control, Automation, and Systems, vol. 2, no. 4, pp. 485-493, 2004.

원문보기 상세보기
S. Lee and J. Song, "Robust mobile robot localization using optical flow sensors and encoders," Proc. IEEE International Conference on Robotics and Automation, pp. 1039-1044, 2005.
N. Doh, H. Choset, and W. Chung, "Relative localization using path odometry information," Autonomous Robots, vol. 21, no. 2, pp. 143-154, 2006.

상세보기
S. Park and S. Yi, "Localization of mobile robot with optical mouse sensor," Proc. of 2012 ICROS Jeonbuk and Jeju Regional Conference (in Korean), pp. 46-48, 2016.

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