[논문]퍼지추론기반 센서융합 이동로봇의 장애물 회피 주행기법

진태석

doi:10.21289/ksic.2018.21.2.95

퍼지추론기반 센서융합 이동로봇의 장애물 회피 주행기법
Fuzzy Inference Based Collision Free Navigation of a Mobile Robot using Sensor Fusion 원문보기 논문타임라인

한국산업융합학회 논문집 = Journal of the Korean Society of Industry Convergence, v.21 no.2, 2018년, pp.95 - 101

Abstract ▼ AI-Helper

This paper presents a collision free mobile robot navigation based on the fuzzy inference fusion model in unkonown environments using multi-ultrasonic sensor. Six ultrasonic sensors are used for the collision avoidance approach where CCD camera sensors is used for the trajectory following approach. The fuzzy system is composed of three inputs which are the six distance sensors and the camera, two outputs which are the left and right velocities of the mobile robot's wheels, and three cost functions for the robot's movement, direction, obstacle avoidance, and rotation. For the evaluation of the proposed algorithm, we performed real experiments with mobile robot with ultrasonic sensors. The results show that the proposed algorithm is apt to identify obstacles in unknown environments to guide the robot to the goal location safely.

주제어

AI 본문요약
AI-Helper

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

문제 정의

이동로봇이 동적환경을 파악하고 자율적으로 주행하기 위해 사용되는 센서로는 비젼, 레이저, 적외선, 초음파 센서 등이 있으며 이 중에서 저가의 다수 초음파 센서 알고리즘의 복잡하고 데이터량이 방대하므로 실시간 처리를 위하여 고성능의 시스템 구현이 가능하게 되었다[1][2]. 따라서 본 논문에서는 구조적으로 간단하고 낮은 성능의 시스템에서도 실시간 처리가 가능한 초음파센서를 사용하여 미지의 환경을 인식하고, 이동로봇의 위치보정을 위하여 자이로 센서로부터 데이터를 취합하여 이동로봇의 지능적 자율주행에 필요한 센서 융합(Sensor fusion)에 의한 방법을 적용한 실내환경에서의 실험결과를 검증하였다[3].
본 논문에서는 미지의 동적환경에서 이동로봇이 자율적으로 목적지까지 안전하게 이동할 수 있는 장애물 회피 및 경로 계획을 위한 알고리즘을 제시하고 시뮬레이션 정보를 기반으로 실험을 통해 그 타당성을 검증하였다. 이동로봇이 여러 목적을 동시에 달성하기 위하여 각각의 비용함수를 정의하고 퍼지규칙에 의해 각 비용함수의 가중치를 조절하여 상황에 따라 지능적으로 처리할 수 있도록 하였다.

가설 설정

각각의 초음파 센서는 1/3초마다 거리측정을 하고, 상호간의 대화현상을 제거하기 위해 한번에 4개씩만 구동한다. 모의 실험에서는 로봇에서 6m이상의 거리에 벽이 있다고 측정될 경우에는 잘못된 정보라고 가정하고 6m이상 측정된 거리정보는 무시하였다.

제안 방법

퍼지 알고리즘을 사용하게된 주된 이유는 사람의 생각을 쉽게 규칙으로 나타낼 수 있으므로 사람의 지능적인 대처를 쉽게 로봇에 반영할 수 있다는 이점 때문이다[7][8]. 각각의 상황을 설정하고 그에 알맞는 적절한 가중치 값을 추론하는 퍼지규칙을 작성하여 가중치를 구하고 최선의 선택을 하도록 한다. 그림 4에 퍼지 방식에 의한 가중치 추론구조에 대하여 나타내었다.
입력변수에 대하여 상황을 구분하고 그에 적절한 가중치의 규칙은 가장 가까운 장애물이 멀리 있으면 장애물 비용함수의 가중치는 낮추고 다른 비용함수들은 상대적으로 높은 값을 부여하여 중요성을 높인다. 또한 로봇속도에 근거하여 회전운동 비용함수의 가중치를 조정한다. 이러한 개념에서 상황에 대해서 입력변수에 대해 추론된 출력결과를 그림 6에 입출력 평면으로 나타내었다.
이동로봇이 미지의 환경에서 주어진 작업, 즉 목표지점까지의 운행을 수행하기 위해서 매 순간 인식된 환경정보와 로봇의 상태정보를 이용하여 안전하게 목표점까지 도달할 수 있도록 방향 및 속도를 결정해야 한다. 본 논문에서는 복잡한 지도형성이 가능한 로봇의 운행에서 고려해야 할 목적을 만족하는 각 명령을 분산적으로 산출하여 이 명령들을 융합하는 방법에 기반 한 알고리즘을 사용하였다. [7,10].
선행연구[9][10]를 바탕으로 제안된 경로계획 알고리즘의 타당성을 검증하기 위하여 다양한 환경에서 주행 시뮬레이션을 수행하고, 임의의 장애물 및 벽을 배치하여 이동로봇이 목적지까지 충돌 없이 안전하게 경로를 계획하여 주행하는지를 실험하였다.
그림 4에 퍼지 방식에 의한 가중치 추론구조에 대하여 나타내었다. 이동로봇의 주위 환경과 상태를 퍼지 추론기의 입력변수로 정의하였으며 그에 따라 각 비용함수의 가중치를 추론해 낸다. 추론된 가중치는 비용함수에 인가되어 로봇방향을 결정하며, 회전운동의 크기에 따라 속도명령도 구한다.
본 논문에서는 미지의 동적환경에서 이동로봇이 자율적으로 목적지까지 안전하게 이동할 수 있는 장애물 회피 및 경로 계획을 위한 알고리즘을 제시하고 시뮬레이션 정보를 기반으로 실험을 통해 그 타당성을 검증하였다. 이동로봇이 여러 목적을 동시에 달성하기 위하여 각각의 비용함수를 정의하고 퍼지규칙에 의해 각 비용함수의 가중치를 조절하여 상황에 따라 지능적으로 처리할 수 있도록 하였다. 유동적으로 변화하는 이동장애물에 대해서도 충돌을 회피하며 목적지에 도달할 수 있었다.
명령의 융합과정에서는 인공지능의 기법을 사용하여 각 명령의 가중치를 퍼지 알고리즘을 사용하여 추론하였다. 제안된 방법에 의해 이동로봇은 조건에 따라 지능적으로 가중치를 변화하며 운행을 수행하게 되는데 결합된 비용함수를 탐색하여 최소값을 가지는 방향과 속도를 로봇은 최종결과로 선택한다.
이동로봇의 주위 환경과 상태를 퍼지 추론기의 입력변수로 정의하였으며 그에 따라 각 비용함수의 가중치를 추론해 낸다. 추론된 가중치는 비용함수에 인가되어 로봇방향을 결정하며, 회전운동의 크기에 따라 속도명령도 구한다. 이렇게 얻은 결과를 이동로봇의 역기구학으로 관절 각속도값을 구하여 이동로봇을 제어한다.
퍼지규칙에 따른 비용함수 적용을 위하여 기 발표된 논문[6]에서 제시한 장애물 회피 및 회전운동 최소화 명령을 기반으로 비용함수형태의 명령을 분산적으로 적용하도록 하였다. 이들 비용함수는 상반된 목적을 가질 수 있으며 모든 목적을 동시에 만족시키는 결과를 찾을 수는 없다.

대상 데이터

그림 1은 자체 제작된 이동로봇 IRL-2002의 외형이다. 두 개의 DC 모터로 각 바퀴를 구동하며 보조바퀴로 볼캐스터를 사용하였다. 부착된 센서로는 모터의 엔코더 이외에 자이로센서(Gyro-sensor, ENV-05D)와 초음파 센서가 있다.

이론/모형

로봇의 주행시 고려되는 목적을 목적지 방향, 장애물 회피, 회전운동 최소화의 3가지로 정의하고 각 목적을 만족하는 결과를 비용함수의 형태로 표현하여 이들의 융합과정은 각 결과, 즉 비용함수에 가중치를 인가하여 결합하는 구조를 가진다. 명령의 융합과정에서는 인공지능의 기법을 사용하여 각 명령의 가중치를 퍼지 알고리즘을 사용하여 추론하였다. 제안된 방법에 의해 이동로봇은 조건에 따라 지능적으로 가중치를 변화하며 운행을 수행하게 되는데 결합된 비용함수를 탐색하여 최소값을 가지는 방향과 속도를 로봇은 최종결과로 선택한다.
이동로봇의 가중치를 추론하는 도구로 퍼지 알고리즘을 사용한다. 퍼지 알고리즘을 사용하게된 주된 이유는 사람의 생각을 쉽게 규칙으로 나타낼 수 있으므로 사람의 지능적인 대처를 쉽게 로봇에 반영할 수 있다는 이점 때문이다[7][8].
각 비용함수의 가중치를 “매우 낮다, 낮다, 보통이다, 높다, 매우 높다”의 언어변수로 표현하여 가중치 값을 추론하게 된다. 퍼지추론에서 비퍼지화는 일반적인 Mamdani의 무게중심법을 사용하였다.

후속연구

그러나 로봇의 주행 속도 이상으로 다가오는 이동장애물이나 고속의 불규칙적인 이동 장애물에 대해서는 강인한 결과를 얻기 어려웠다. 이를 극복하기 위하여 적절한 예측제어 알고리즘을 개발하여 강인한 성능을 얻을 수 있는 연구와 비젼 시스템과의 센서융합에 의해 지역적인 정보의 한계를 벗어나 국부최소점 문제를 극복하는 연구가 계속 되어야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	센서융합은 어떤 방법인가?	센서융합의 방법은 로봇의 여러 센서정보에 의해 환경모델을 구성하여 로봇의 최적의 경로를 계획하고 로봇은 주어진 궤적을 추종하도록 하는 방법이다. 이러한 방법은 여러 센서의 정보에서 정확한 환경모델을 구성하는 것이 매우 중요하며 또한 이를 위하여 많은 양의 계산도 요구된다[6].
	비용함수에 가중치를 인가하는 방법을 사용한 이동로봇은 어떻게 운행방향을 결정하는가?	명령의 융합과정에서는 인공지능의 기법을 사용하여 각 명령의 가중치를 퍼지 알고리즘을 사용하여 추론하였다. 제안된 방법에 의해 이동로봇은 조건에 따라 지능적으로 가중치를 변화하며 운행을 수행하게 되는데 결합된 비용함수를 탐색하여 최소값을 가지는 방향과 속도를 로봇은 최종결과로 선택한다.
	이동로봇이 자율주행하기 위하여 사용하는 센서에는 무엇이 있는가?	이동로봇이 동적환경을 파악하고 자율적으로 주행하기 위해 사용되는 센서로는 비젼, 레이저, 적외선, 초음파 센서 등이 있으며 이 중에서 저가의 다수 초음파 센서 알고리즘의 복잡하고 데이터량이 방대하므로 실시간 처리를 위하여 고성능의 시스템 구현이 가능하게 되었다[1][2]. 따라서 본 논문에서는 구조적으로 간단하고 낮은 성능의 시스템에서도 실시간 처리가 가능한 초음파센서를 사용하여 미지의 환경을 인식하고, 이동로봇의 위치보정을 위하여 자이로 센서로부터 데이터를 취합하여 이동로봇의 지능적 자율주행에 필요한 센서 융합(Sensor fusion)에 의한 방법을 적용한 실내환경에서의 실험결과를 검증하였다[3].

참고문헌 (10)
타임라인 바로가기

Y. Arai, T. Fujii, H. Asama and Y. Kataoka, "Adaptive behavior acquisition of collision avoidance among multiple autonomous mobile robots," Proc. IROS, pp. 1762-1767, (1997).
J. Borenstein and Y. Koren, "Potential field methods and their inherent for mobile robot navigation," In Proc. IEEE Int Conf. Robotics and Automation, vol. 2, pp. 1398-1404, (1991).
T. Hessburg and M. Tomizuka, "Fuzzy logic control for lane change maneuvers in lateral vehicle Guidance," IEEE Control Systems, vol. 14, no. 4, pp. 55-63, (1994).

상세보기
J. Miura and Y. Shirai, "Vision and Motion Planning for a Mobile Robot under Uncertainty," The International Journal of Robotics Research, Vol. 16, No. 6, pp. 806-825, (1997).

상세보기 타임라인에서 보기
H. Liu, N. Stoll, S. Junginger, and K. Thurow, "Mobile robot for life science automation," Int. J. Adv. Robot. Syst., vol. 10, pp.1-14, (2013).

상세보기 타임라인에서 보기
J. Miura and Y. Shirai, "Vision and Motion Planning for a Mobile Robot under Uncertainty," The International Journal of Robotics Research, Vol. 16, No. 6, pp. 806-825, (1997).

상세보기 타임라인에서 보기
A. Al-Mayyahi, W. Wang, P. Birch, "Adaptive Neuro-Fuzzy Technique for Autonomous Ground Vehicle Navigation," Robotics, Vol. 3, pp. 349-370, (2014).

상세보기 타임라인에서 보기
C. Chen, P. Richardson, "Mobile robot obstacle avoidance using short memory: A dynamic recurrent neuro-fuzzy approach," Trans. Inst. Measur. Control, Vol. 34, pp.148-164, (2012).

상세보기
R. Wai, C. Liu, and W. Lin, "Design of switching path-planning control for obstacle avoidance of mobile robot," Journal of the Franklin Institute, Vol. 348, No.4, pp.718-737, (2011).

상세보기 타임라인에서 보기
T.S. Jin, "Control and Calibration for Robot Navigation based on Light's Panel Landmark," Journal of the Korean Society of Industry Convergence, Vol. 20, No. 2, pp.89-95, (2017).

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