[논문]전역 및 지역 경로 생성을 통한 무인항공기 자율비행 시스템 연구

고하윤; 백중환; 최형식

doi:10.20910/jase.2019.13.3.15

전역 및 지역 경로 생성을 통한 무인항공기 자율비행 시스템 연구
Autonomous Flight System of UAV through Global and Local Path Generation 원문보기

항공우주시스템공학회지 = Journal of aerospace system engineering, v.13 no.3, 2019년, pp.15 - 22

고하윤 (한국항공대학교 항공전자정보공학부) , 백중환 (한국항공대학교 항공전자정보공학부) , 최형식 (한국항공우주연구원 무인기체계부)

초록
AI-Helper

본 논문에서는 무인항공기의 자율 비행을 위한 전역 및 지역 경로 비행 시스템을 제안한다. 전체적인 시스템은 ROS 로봇 운영체제를 기반으로 구축하였다. 무인항공기에 탑재된 임베디드 컴퓨터는 2-D Lidar를 이용하여 장애물을 검출하고, 실시간으로 VFH 기반의 지역 경로와 제안하는 Modified $RRT^*$-Smart 기반의 전역 경로를 생성한다. 또한, 무인항공기의 비행컨트롤러에 Mavros 통신 프로토콜을 이용하여 생성된 경로에 따른 이동 명령을 내린다. 지상국 컴퓨터는 장애물 정보를 수신하여 2-D SLAM 지도를 생성하고, 목적 지점을 임베디드 컴퓨터에 전달하며 무인항공기의 상태를 관장한다. 제안하는 무인항공기의 자율 비행 시스템을 3-D 공간 상의 시뮬레이터 및 실제 비행을 통해 검증하였다.

Abstract ▼ AI-Helper

In this paper, a global and local flight path system for autonomous flight of the UAV is proposed. The overall system is based on the ROS robot operating system. The UAV in-built computer detects obstacles through 2-D Lidar and generates real-time local path and global path based on VFH and Modified $RRT^*$-Smart, respectively. Additionally, a movement command is issued based on the generated path on the UAV flight controller. The ground station computer receives the obstacle information and generates a 2-D SLAM map, transmits the destination point to the embedded computer, and manages the state of the UAV. The autonomous UAV flight system of the is verified through a simulator and actual flight.

주제어

표/그림 (17)

그림 Fig. 1 Block Diagram of Autonomous Flight System
그림 Fig. 2 UAV and 2-D Lidar's TF Structure
그림 Fig. 3 GAZEBO Simulation
그림 Fig. 4 Rviz 3-D Visualization Tool
그림 Fig. 5 Local Avoidance Path Generation Based VFH
그림 Fig. 6 Polar Histogram and Threshold
그림 Fig. 7 Block Diagram of Modified RRT*-Smart Algorithm
그림 Fig. 8 RRT*-Smart Algorithm (left), Modified RRT*-Smart Algorithm (right)
그림 Fig. 9 Global Avoidance Path Generation (left), Local Avoidance Path Generation and Global Avoidance Path Regeneration by Proximity Obstacle (right)
그림 Fig. 10 Global Path Regeneration
그림 Fig. 11 UAV Used for Outdoor Flight
표 Table 1 Performance Comparison of RRT*-Smart and Modified RRT*-Smart
표 Table 2 Main Components and Used Model
표 Table 3 Specification of Intel NUC Embedded Computer
그림 Fig. 12 Outdoor Flight Environment
그림 Fig. 13 2-D Map and Global Path Flight
그림 Fig. 14 Local Avoidance Path Generation and Global Avoidance Path Regeneration by Proximity Obstacle (left), Global Avoidance Path Generation (right)

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 무인항공기용 자율비행을 위한 전역 및 지역 경로 비행 시스템을 제안하였다. ROS 기반의 Network를 이용하여 지상국 PC와 무인항공기의 임베디드 컴퓨터 간의 Publish 및 Subscribe를 통해 실시간 임무 수행을 하였다.

제안 방법

1차적으로 제안하는 자율 비행 시스템을 3-D 공간 GAZEBO 시뮬레이터를 통하여 검증하였으며[4], 최종적으로 실외의 인위의 장애물을 설치하여 실제 비행 검증하였다. VFH와 Modified RRT_*-Smart 알고리즘을 동시 운용하여 Terrain 전체 지형이 입력되지 않은 상태에서도 자율 비행이 가능함을 확인하였다.
ROS 기반의 Network를 이용하여 지상국 PC와 무인항공기의 임베디드 컴퓨터 간의 Publish 및 Subscribe를 통해 실시간 임무 수행을 하였다. 2-D Lidar를 통해 얻은 장애물 정보로 실시간 히스토그램을 생성하여 VFH 기반의 지역 경로 및 HECTOR SLAM을 이용해 생성된 2-D 지도를 기반으로 Modified RRT_*-Smart를 이용한 전역 경로를 생성하였다. GAZEBO 시뮬레이터를 이용하여 VFH 알고리즘 기반의 근접 장애물 회피도 가능함을 보였으며, Modified RRT_*-Smart알고리즘을 기반으로 기존 RRT_*-Smart 알고리즘과 비교하여 보다 효율적인 전역 경로를 생성함을 보였다.
지상국 PC와 무인항공기에 탑재된 임베디드 컴퓨터를 기반으로 자율 비행 시스템을 구축하였으며, 로봇 응용프로그램 개발을 위한 플랫폼이 포함된 운영체제 ROS (robot operating system)을 기반으로 무인항공기 제어 시스템을 구축하였다. ROS Network를 이용하여 지상국 PC와 무인항공기의 임베디드 컴퓨터 간 필요한 데이터 및 명령을 프로그램 노드 간 Publish, Subscribe 함으로써 전체 네트워크 시스템을 구성하였다[3].
본 논문에서는 무인항공기용 자율비행을 위한 전역 및 지역 경로 비행 시스템을 제안하였다. ROS 기반의 Network를 이용하여 지상국 PC와 무인항공기의 임베디드 컴퓨터 간의 Publish 및 Subscribe를 통해 실시간 임무 수행을 하였다. 2-D Lidar를 통해 얻은 장애물 정보로 실시간 히스토그램을 생성하여 VFH 기반의 지역 경로 및 HECTOR SLAM을 이용해 생성된 2-D 지도를 기반으로 Modified RRT_*-Smart를 이용한 전역 경로를 생성하였다.
또한, VFH 와 Modified RRT_*-Smart를 동시에 적용하여 효율적인 무인항공기의 지역 및 전역 경로를 자율 비행함을 확인하였다. 또한, GAZEBO 시뮬레이션 상에서 검증된 무인항공기 자율 비행 시스템을 실제 실외 비행을 통하여 검증하였다. 향후에는 3-D 공간을 비행하는 무인항공기의 특성 상, 3-D 상의 지도를 기반으로 3-D 전역 경로를 생성하고 비행하도록 지역 및 전역 경로를 생성하는 연구가 필요할 것으로 보인다.
무인항공기에 탑재된 2-D Lidar를 통해 취득한 주변 장애물 데이터를 이용하여 VFH (vector field histogram)알고리즘 기반으로 지역 경로를 생성하였다. VFH 알고리즘은 기 개발되어 로봇 경로 계획에 운용중인 알고리즘으로써, 무인항공기에 접근하는 예상치 못한 장애물에 대한 지역 경로 회피에 사용한다.
본 논문에서는 무인항공기에 탑재된 임베디드 컴퓨터를 기반으로 안정적인 비행 시스템을 구축하고 2-D Lidar 기반으로 주변 장애물 데이터를 취득하여 자율적 경로 비행 시스템을 구축하였다. 지상국 PC와 무인항공기에 탑재된 임베디드 컴퓨터를 기반으로 자율 비행 시스템을 구축하였으며, 로봇 응용프로그램 개발을 위한 플랫폼이 포함된 운영체제 ROS (robot operating system)을 기반으로 무인항공기 제어 시스템을 구축하였다.
본 논문의 무인항공기 자율 비행 시스템은 근접 장애물 검출 시의 지역 경로 비행과 지상국에서 목적 경로 입력 시, HECTOR SLAM 지도 기반으로 전역 경로를 생성하여 전역 경로 비행을 한다. 전역 경로 이동 경로 상의 근접 장애물 검출 시 지역 경로 생성을 이용한 회피 기동 후 새로운 지도를 기반으로 전역 경로를 재 생성한다.
기 개발된 RRT_*-Smart는 로봇의 초기 상태에서 목표 상태까지의 이동 경로를 찾는 알고리즘으로 운용 중이나, 무인항공기의 적용하기에는 상대적으로 빠르고 최적화된 경로 생성에 있어 그 한계를 보인다. 제안하는 Modified RRT_*-Smart 기반의 전역 경로 생성 알고리즘은 RRT_*-Smart 알고리즘의 단점을 보완하였다. 비교 실험 결과, 전역 경로 생성까지의 보다 적은 연산량과 거리 비용으로 효율적인 전역 경로를 생성함을 확인하였다.
제안하는 Modified-RRT_*-Smart 알고리즘은 생성된 노드와 목표 지점과의 직선경로 여부를 판단하고, Eq. 4와 같이 새로운 노드가 목표 지점 방향으로 생성되도록 방향성을 부여해주며, Eq.
본 논문에서는 무인항공기에 탑재된 임베디드 컴퓨터를 기반으로 안정적인 비행 시스템을 구축하고 2-D Lidar 기반으로 주변 장애물 데이터를 취득하여 자율적 경로 비행 시스템을 구축하였다. 지상국 PC와 무인항공기에 탑재된 임베디드 컴퓨터를 기반으로 자율 비행 시스템을 구축하였으며, 로봇 응용프로그램 개발을 위한 플랫폼이 포함된 운영체제 ROS (robot operating system)을 기반으로 무인항공기 제어 시스템을 구축하였다. ROS Network를 이용하여 지상국 PC와 무인항공기의 임베디드 컴퓨터 간 필요한 데이터 및 명령을 프로그램 노드 간 Publish, Subscribe 함으로써 전체 네트워크 시스템을 구성하였다[3].
획득한 장애물 정보는 지역 경로 생성에 필요한 실시간 히스토그램 생성과 전역 경로 생성에 필요한 HECTOR SLAM 지도 생성에 사용한다.

대상 데이터

12에 보인다. 실외 비행 장면 촬영을 위해 DJI 사의 Phantom3을 이용하여 상공 10m에서 촬영을 하였다. 실외 비행의 위험을 방지하기 위해 위해요소가 없는 환경에서 실험을 진행하였다.
실외 비행 장면 촬영을 위해 DJI 사의 Phantom3을 이용하여 상공 10m에서 촬영을 하였다. 실외 비행의 위험을 방지하기 위해 위해요소가 없는 환경에서 실험을 진행하였다. 장애물 환경으로 가로 7m, 세로 1.
5t 급 트럭을 사용하였다. 실험에 사용된 무인항공기는 장애물의 정보 값을 얻기 위해 1.5m~2.0m 고도를 유지한 상태로 진행되었다.
실외 비행의 위험을 방지하기 위해 위해요소가 없는 환경에서 실험을 진행하였다. 장애물 환경으로 가로 7m, 세로 1.5m, 높이 3m의 2.5t 급 트럭을 사용하였다. 실험에 사용된 무인항공기는 장애물의 정보 값을 얻기 위해 1.
주변 장애물 데이터를 취득하기 위해 RPLidar 사의 RPLidar A3를 사용하였으며 주 사양으로 25m 범위 측정이 가능하다.

이론/모형

VFH 알고리즘은 기 개발되어 로봇 경로 계획에 운용중인 알고리즘으로써, 무인항공기에 접근하는 예상치 못한 장애물에 대한 지역 경로 회피에 사용한다. 또한, 무인항공기와 취득한 장애물 데이터의 상대위치를 이용한 동시적 위치추정 및 2-D 지도 생성 알고리즘인 HECTOR SLAM(simultaneous localization and mapping)에 의해 생성된 지도를 기반으로 제안하는 Modified RRT(rapidly-exploring random tree)_*-Smart 알고리즘을 사용하여 전역 경로를 생성한다. VFH 기반의 지역 경로 생성 알고리즘은 2-D Lidar를 통해 취득한 주변 장애물 데이터에 대한 실시간 히스토그램을 생성하여 지역 회피 경로를 생성한다.
본 논문에서는 RRT_*-Smart 알고리즘을 적용하기 보다는 좀 더 빠르고 효율적인 경로 결정을 위해 Modified RRT_*-Smart 알고리즘을 사용하였다[10, 11]. Modified-RRT_*-Smart 알고리즘의 수도코드는 아래와 같다.

성능/효과

2-D Lidar를 통해 얻은 장애물 정보로 실시간 히스토그램을 생성하여 VFH 기반의 지역 경로 및 HECTOR SLAM을 이용해 생성된 2-D 지도를 기반으로 Modified RRT_*-Smart를 이용한 전역 경로를 생성하였다. GAZEBO 시뮬레이터를 이용하여 VFH 알고리즘 기반의 근접 장애물 회피도 가능함을 보였으며, Modified RRT_*-Smart알고리즘을 기반으로 기존 RRT_*-Smart 알고리즘과 비교하여 보다 효율적인 전역 경로를 생성함을 보였다. 또한, VFH 와 Modified RRT_*-Smart를 동시에 적용하여 효율적인 무인항공기의 지역 및 전역 경로를 자율 비행함을 확인하였다.
1차적으로 제안하는 자율 비행 시스템을 3-D 공간 GAZEBO 시뮬레이터를 통하여 검증하였으며[4], 최종적으로 실외의 인위의 장애물을 설치하여 실제 비행 검증하였다. VFH와 Modified RRT_*-Smart 알고리즘을 동시 운용하여 Terrain 전체 지형이 입력되지 않은 상태에서도 자율 비행이 가능함을 확인하였다.
GAZEBO 시뮬레이터를 이용하여 VFH 알고리즘 기반의 근접 장애물 회피도 가능함을 보였으며, Modified RRT_*-Smart알고리즘을 기반으로 기존 RRT_*-Smart 알고리즘과 비교하여 보다 효율적인 전역 경로를 생성함을 보였다. 또한, VFH 와 Modified RRT_*-Smart를 동시에 적용하여 효율적인 무인항공기의 지역 및 전역 경로를 자율 비행함을 확인하였다. 또한, GAZEBO 시뮬레이션 상에서 검증된 무인항공기 자율 비행 시스템을 실제 실외 비행을 통하여 검증하였다.
제안하는 Modified RRT_*-Smart 기반의 전역 경로 생성 알고리즘은 RRT_*-Smart 알고리즘의 단점을 보완하였다. 비교 실험 결과, 전역 경로 생성까지의 보다 적은 연산량과 거리 비용으로 효율적인 전역 경로를 생성함을 확인하였다.

후속연구

또한, GAZEBO 시뮬레이션 상에서 검증된 무인항공기 자율 비행 시스템을 실제 실외 비행을 통하여 검증하였다. 향후에는 3-D 공간을 비행하는 무인항공기의 특성 상, 3-D 상의 지도를 기반으로 3-D 전역 경로를 생성하고 비행하도록 지역 및 전역 경로를 생성하는 연구가 필요할 것으로 보인다.

질의응답

핵심어	질문	논문에서 추출한 답변
	RRT 알고리즘이란 무엇인가?	RRT 알고리즘은 상태 공간 내를 탐색하고 무작위로 노드를 생성하여 목적지까지의 경로를 찾는 방법이다[8].
	VFH 알고리즘은 어디에 사용되고 있는가?	무인항공기에 탑재된 2-D Lidar를 통해 취득한 주변 장애물 데이터를 이용하여 VFH (vector field histogram)알고리즘 기반으로 지역 경로를 생성하였다. VFH 알고리즘은 기 개발되어 로봇 경로 계획에 운용중인 알고리즘으로써, 무인항공기에 접근하는 예상치 못한 장애물에 대한 지역 경로 회피에 사용한다. 또한, 무인항공기와 취득한 장애물 데이터의 상대위치를 이용한 동시적 위치추정 및 2-D 지도 생성 알고리즘인 HECTOR SLAM(simultaneous localization and mapping)에 의해 생성된 지도를 기반으로 제안하는 Modified RRT(rapidly-exploring random tree)*-Smart 알고리즘을 사용하여 전역 경로를 생성한다.
	Modified RRT-Smart가 RRT-Smart 보다 더 우수한 점은 무엇인가?	제안하는 Modified RRT-Smart 기반의 전역 경로 생성 알고리즘은 RRT-Smart 알고리즘의 단점을 보완하였다. 비교 실험 결과, 전역 경로 생성까지의 보다 적은 연산량과 거리 비용으로 효율적인 전역 경로를 생성함을 확인하였다.

참고문헌 (11)

P. Narayan, P. Meyer, and D. Campbell, "Embedding human expert cognition into autonomous UAS trajectory planning." IEEE transactions on cybernetics, vol. 43, no. 2, pp. 530-543, April 2013.

상세보기
Hanseok Ryu1, Heejae Byun, Sanghyuk Park, "Efficient Path Planning for Long Term Solar UAV Flight," Journal of Aerospace System Engineering, Vol.8, No.4, pp.32-38, December, 2014.
M. Quigley, B. Gerkey, K. Conley, J. Faust, T. Foote, J. Leibs, E. Berger, R. Wheeler, and A. Ng "ROS: an open-source Robot Operating System.", In ICRA Workshop on Open Source Software, vol. 3, no. 3.2, pp. 1-6, 2009.
J. Meyer, A. Sendobry, S. Kohlbrecher, U. Klingauf, and O. V. Stryk, "Comprehensive simulation of quadrotor uavs using ros and gazebo.", In International conference on simulation, modeling, and programming for autonomous robots, Tsukuba, Japan, pp. 400-411, November, 2012.
S. Kohlbrecher, J. Meyer, T. Graber, K. Petersen, U. Klingauf, and O. V. Stryk "HECTOR open source modules for autonomous mapping and navigation with rescue robots.", Robot Soccer World Cup, 17th ed. Heidelberg: Springer, 2013.
Z. Wu, and L. Feng, "Obstacle prediction-based dynamic path planning for a mobile robot.", International Journal of Advancements in Computing Technology, vol. 4, no. 3, pp. 118-124, May 2012.
A. Babinec, F. Duchon, M. Dekan, P. Paszto, and M. Kelemen, "VFH* TDT (VFH* with Time Dependent Tree): A new laser rangefinder based obstacle avoidance method designed for environment with non-static obstacles.", Robotics and autonomous systems, vol. 62, no. 8, pp. 1098-1115, 2014.

상세보기
M. S. LaValle, "Rapidly-exploring random trees: A new tool for path planning.", 1998.
F. Islam, J. Nasir, U. Malic, Y. Ayaz, and O. Hasan, "RRT*-Smart: Rapid convergence implementation of RRT* towards optimal solution", In International Conference Mechatronics and Automation(ICMA), Chengdu: China, pp. 1651-1656, Aug 2012.
K. Wei, and B. Ren. "A Method on Dynamic Path Planning for Robotic Manipulator Autonomous Obstacle Avoidance Based on an Improved RRT Algorithm.", Sensors, vol. 18, no. 2, Feb 2018.

상세보기
J. Farinella, C. Clayton, and S. Bhandari, "UAV Collision Avoidance using a Predictive Rapidly-Exploring Random Tree (RRT).", Proceedings of the AIAA Infotech@ Aerospace, San Diego: CA, USA, pp. 4-8, 2016.

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