[논문]라이다 센서 기반 소형 자율주행 로봇의 지하광산 현장실험

김헌무; 최요순

doi:10.7474/tus.2020.30.1.076

라이다 센서 기반 소형 자율주행 로봇의 지하광산 현장실험
Field Experiment of a LiDAR Sensor-based Small Autonomous Driving Robot in an Underground Mine 원문보기

터널과 지하공간: 한국암반공학회지 = Tunnel and underground space, v.30 no.1, 2020년, pp.76 - 86

김헌무 (부경대학교 환경해양대학 에너지자원공학과) , 최요순 (부경대학교 환경해양대학 에너지자원공학과)

초록
AI-Helper

본 연구에서는 라이다 센서를 활용한 지하광산용 소형 자율주행 로봇을 개발하였다. 개발된 로봇은 라이다 센서를 사용하여 좌, 우 벽면까지의 거리를 측정하고, 지하광산 갱도의 중앙선을 따라 이동하도록 조향을 자동 제어한다. 개발된 로봇의 주행성능을 테스트하기 위해 지하 자수정광산에서 현장실험 수행하였다. 5번의 반복 실험에서 로봇은 전체적으로 안정적인 주행성능을 보여주었다. 광산 갱도 벽면과의 충돌 사고도 발생하지 않았다.

Abstract ▼ AI-Helper

In this study, a small autonomous driving robot was developed for underground mines using the Light Detection and Ranging (LiDAR) sensor. The developed robot measures the distances to the left and right wall surfaces using the LiDAR sensor, and automatically controls its steering to drive along the centerline of mine tunnel. A field experiment was conducted in an underground amethyst mine to test the driving performance of developed robot. During five repeated driving tests, the robot showed stable driving performance overall. There were no collision accidents with the wall of mine tunnel.

주제어

표/그림 (11)

그림 Fig. 1. Overall structure of autonomous driving robot developed in this study (modified from Kim and Choi, 2019)
표 Table 1. Specifications and programming language of High Level/Low Level/ Remote Controller and Driving platform used in this study
그림 Fig. 2. (a) Conceptual view of LiDAR sensor's scanning range and (b) user interface of the LiDAR sensor in LabVIEW software
표 Table 2. Specifications of LMS-111 LiDAR sensor (SICK, 2019)
그림 Fig. 3. Procedure for controlling autonomous robot's steering and stop function
그림 Fig. 4. Block diagram of programming code for controlling autonomous robot's steering using LiDAR sensor
그림 Fig. 5. Conceptual diagram of the field experiment in underground mine environment
그림 Fig. 6. Field experimental scenes of the autonomous driving robot at (a) the starting point, (b-e) the curved point and (f) the end point
그림 Fig. 6. Field experimental scenes of the autonomous driving robot at (a) the starting point, (b-e) the curved point and (f) the end point (Continued)
그림 Fig. 7. Driving paths of the autonomous driving robot during five field experiments in underground mine
그림 Fig. 8. Webcam display and shaft wall measured by LiDAR sensor of the autonomous driving robot (a) the starting point, (b-e) the curved point and (f) the end point

AI 본문요약
AI-Helper

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

문제 정의

또한, 무선으로 통신이 가능한 블루투스 비콘을 활용하여 목적지에서 로봇이 자동으로 정지될 수 있도록 할 것이다. 본 논문에서는 자율주행 로봇의 개발 방법과 라이다 센서 기반 조향 제어 방법에 관해 설명하고, 국내 자수정 폐광산을 대상으로 한 주행 실험 결과를 제시한다.
본 연구에서는 라이다 센서 기반의 자율주행 로봇을 활용하여 지하광산 갱도 현장실험을 수행하였다. 실험에 앞서 로봇의 조향 제어에 영향을 주는 임계값들을 설정하기 위해 사전 주행테스트를 수행하였다.
본 연구에서는 라이다 센서를 이용하여 지하광산에서 활용될 수 있는 자율주행 로봇을 개발하였다. 개발된 자율주행 로봇은 라이다 센서를 통해서 좌, 우 벽면까지의 거리를 측정하고 거리 차이에 따라 로봇의 조향을 제어하여 도로 중앙지점을 따라 이동할 수 있도록 설계하였다.
본 연구의 목적은 거리를 측정할 수 있는 라이다 센서를 이용하여 지하광산용 자율주행 로봇을 개발하고, 지하광산 현장에서 주행성능 실험을 수행하는 것이다. 라이다 센서를 활용하여 좌, 우측 벽면까지의 거리를 측정하며, 이를 통해서 로봇의 위치를 파악하고 로봇이 도로의 중앙지점을 따라 이동될 수 있도록 조향을 제어할 것이다.

제안 방법

본 연구에서는 라이다 센서를 이용하여 지하광산에서 활용될 수 있는 자율주행 로봇을 개발하였다. 개발된 자율주행 로봇은 라이다 센서를 통해서 좌, 우 벽면까지의 거리를 측정하고 거리 차이에 따라 로봇의 조향을 제어하여 도로 중앙지점을 따라 이동할 수 있도록 설계하였다. 목적지에서는 블루투스 비콘의 신호를 인식하여 자동으로 로봇이 정지할 수 있었다.
지하광산 갱도의 중앙지점을 따라 50 cm의 폭으로 설치된 보도블록을 주행 가능 영역으로 설정하였다. 도착지점에 블루투스 비콘을 설치하여 자율주행 로봇이 자동으로 정지되도록 구성하였다.
자율주행 로봇은 좌, 우측 벽면의 거리를 측정하여 도로의 중앙지점을 따라서 이동하였으며, 4곳의 곡선 지점에서도 벽면의 곡률에 맞추어 조향을 제어하였다. 도착지점에서는 블루투스 비콘의 신호를 수신하여 자동으로 정지하였다.
로봇이 주행하는 동안 로봇에 부착된 웹캠의 영상과 라이다 센서를 통해 측정되는 갱도의 수평 거리 데이터를 기록하였다. 또한, 로봇이 주행 과정을 외부에서 영상으로 촬영한 후 주행 경로를 분석하였다.
로봇의 우측 벽면까지의 거리에서 좌측 벽면까지의 거리 차이 값을 통해서 로봇의 상대적인 위치를 인식하며, 로봇의 위치에 따라서 조향이 제어될 수 있도록 하였다. Max.
실험 구간은 4지점의 곡선 지점을 포함하고 있으며, 각각의 곡선 지점은 출발지점을 기준으로 하여 각각 -30°, 0°, 45°, 48°의 곡률을 가진다. 실험 구간은 자율주행 로봇에 탑재된 라이다 센서의 높이(60 cm)보다 높은 벽면을 형성하고 있었기 때문에 모든 주행 구간에서 라이다 센서를 통한 좌, 우 벽면까지의 거리측정이 가능하였다. 지하광산 갱도의 중앙지점을 따라 50 cm의 폭으로 설치된 보도블록을 주행 가능 영역으로 설정하였다.
본 연구에서는 라이다 센서 기반의 자율주행 로봇을 활용하여 지하광산 갱도 현장실험을 수행하였다. 실험에 앞서 로봇의 조향 제어에 영향을 주는 임계값들을 설정하기 위해 사전 주행테스트를 수행하였다. 총 5회의 반복 실험을 수행하였고, 이를 영상으로 촬영하여 주행 정확도를 분석하였다.
5회의 반복 실험 동안 자율주행 로봇은 거의 일정한 경로를 따라 주행하였다. 자율주행 로봇은 좌, 우측 벽면의 거리를 측정하여 도로의 중앙지점을 따라서 이동하였으며, 4곳의 곡선 지점에서도 벽면의 곡률에 맞추어 조향을 제어하였다. 도착지점에서는 블루투스 비콘의 신호를 수신하여 자동으로 정지하였다.
전방의 도로 형태를 미리 인지하고 조향을 제어하기 위해서 좌, 우전방 35° 지점까지의 거리를 측정한다.
실험 구간은 자율주행 로봇에 탑재된 라이다 센서의 높이(60 cm)보다 높은 벽면을 형성하고 있었기 때문에 모든 주행 구간에서 라이다 센서를 통한 좌, 우 벽면까지의 거리측정이 가능하였다. 지하광산 갱도의 중앙지점을 따라 50 cm의 폭으로 설치된 보도블록을 주행 가능 영역으로 설정하였다. 도착지점에 블루투스 비콘을 설치하여 자율주행 로봇이 자동으로 정지되도록 구성하였다.
실험에 앞서 로봇의 조향 제어에 영향을 주는 임계값들을 설정하기 위해 사전 주행테스트를 수행하였다. 총 5회의 반복 실험을 수행하였고, 이를 영상으로 촬영하여 주행 정확도를 분석하였다.

대상 데이터

5 km, 평균 내부 온도 12∼16°C, 면적 16,000 m2 이며, 현재는 폐광된 상태이다. 갱도 폭3 m, 총길이 30 m, 인 일부 지역을 Fig. 5와 같이 실험 구간으로 설정하였다. 실험 구간은 4지점의 곡선 지점을 포함하고 있으며, 각각의 곡선 지점은 출발지점을 기준으로 하여 각각 -30°, 0°, 45°, 48°의 곡률을 가진다.
대한민국 울산광역시 울주군에 있는 자수정광산(35°32'43''N, 129°5'37''E)을 대상으로 하였다.
자율주행 로봇은 라이다 센서에서 벽면의 형태를 연속적으로 측정할 수 있으므로 로봇이 주행하는 동안 지도를 생성하면서 위치를 인식할 수 있는 SLAM(Simultaneous localization and mapping) 기술과 함께 활용될 경우 자율주행 기술을 더욱더 높은 수준으로 구현할 수 있다. 또, 본 연구에서는 전체 지하광산 갱도 중 교차로가 없는 직선 구간만을 대상으로 하여 주행 실험을 수행하였다. 그러나 실제 지하광산 환경의 경우 파쇄장이나 선광장으로 향하는 경로가 여러 방향으로 구성되어 있으므로 교차로 이후의 길 에서 최종 목적지까지 주행할 수 있는 경로 분석 알고리즘에 관한 추가적인 연구가 필요할 것이다.
라이다 센서로부터 –45° 지점부터 225° 지점까지, 총270° 범위의 거리 데이터를 획득한다.
상위 컨트롤러와 원격 컨트롤러는 Windows 운영체제 기반의 노트북 PC를 사용하였고 하위 컨트롤러는 AVR 마이크로 컨트롤러인 ATMega128(MICROCHIP, 2019)을 사용하였다. 로봇의 정지 제어를 위해서 사용된 블루투스 비콘의 경우 Perples에서 개발한 RECO 비콘(RECO, 2019)을 사용하였고, 비콘의 신호를 수신하기 위해서 오픈 소스형 하드웨어인 HM-10(COMPONENTS101, 2019) 모듈을 사용하였다.
자율주행 로봇이 라이다 센서를 통해 거리를 측정하며, 거리 차이에 따라 조향을 제어하여 도착지점까지 자동으로 이동한다. 로봇이 주행하는 동안 로봇에 부착된 웹캠의 영상과 라이다 센서를 통해 측정되는 갱도의 수평 거리 데이터를 기록하였다. 또한, 로봇이 주행 과정을 외부에서 영상으로 촬영한 후 주행 경로를 분석하였다.
, 2012). 본 연구에서 사용한 라이다 센서는 SICK사의 LMS-111이며(SICK, 2019), Fig. 2(a)는 LMS-111 라이다 센서의 탐지 범위를 나타낸다. LMS-111은 센서에서 발사한 레이저 빛이 물체에 도달한 후 반사되어 돌아오는 데까지 걸리는 시간을 통해 물체까지의 거리를 측정한다.
Table 1은 본 연구에서 사용한 하위, 상위, 원격 컨트롤러의 사양과 개발에 사용한 프로그래밍 언어를 보여준다. 상위 컨트롤러와 원격 컨트롤러는 Windows 운영체제 기반의 노트북 PC를 사용하였고 하위 컨트롤러는 AVR 마이크로 컨트롤러인 ATMega128(MICROCHIP, 2019)을 사용하였다. 로봇의 정지 제어를 위해서 사용된 블루투스 비콘의 경우 Perples에서 개발한 RECO 비콘(RECO, 2019)을 사용하였고, 비콘의 신호를 수신하기 위해서 오픈 소스형 하드웨어인 HM-10(COMPONENTS101, 2019) 모듈을 사용하였다.
실험 구간은 4지점의 곡선 지점을 포함하고 있으며, 각각의 곡선 지점은 출발지점을 기준으로 하여 각각 -30°, 0°, 45°, 48°의 곡률을 가진다.

데이터처리

전방의 도로 형태를 미리 인지하고 조향을 제어하기 위해서 좌, 우전방 35° 지점까지의 거리를 측정한다. 로봇의 조향이 급격하게 변하는 것을 막기 위해 최근에 입력된 거리 데이터 5개의 평균을 계산하며, 평균값에 따라 조향이 제어된다.

이론/모형

본 연구에서는 라이다 센서로부터 노트북 PC로 전송된 거리 데이터를 처리하기 위해 LabVIEW 소프트웨어를 사용하였다 (NATIONAL INSTRUMENTS, 2019). Fig.
주행 플랫폼으로 언맨드솔루션사의 이동형 로봇 ERP-42(Unmanned Solution, 2019)를 사용했다. ERP-42는 4개의 바퀴를 가진 이동로봇으로, 실제 자동차와 유사한 원리로 구동된다.

성능/효과

7은 총 5회의 자율주행 실험 결과를 보여준다. 5회의 반복 실험 동안 자율주행 로봇은 거의 일정한 경로를 따라 주행하였다. 자율주행 로봇은 좌, 우측 벽면의 거리를 측정하여 도로의 중앙지점을 따라서 이동하였으며, 4곳의 곡선 지점에서도 벽면의 곡률에 맞추어 조향을 제어하였다.
목적지에서는 블루투스 비콘의 신호를 인식하여 자동으로 로봇이 정지할 수 있었다. 또한, 자율주행 로봇이 주행하는 동안 라이다 센서를 통해 측정되는 거리 데이터를 가시화하여 전반적인 벽면의 형태를 확인할 수 있었다.
그러나 지하광산 환경의 경우 도로의 형태가 일정하게 변하지 않으며, 갱도 벽면 또한 거칠어서 실내 실험장과는 환경적인 차이가 있었다. 본 연구에서는 라이다 센서 기반의 자율주행 로봇을 활용하여 실제 지하광산 환경에서 주행 실험을 수행하였고, 그 결과 전체 구간에서 안정적인 성 능을 확인할 수 있었다. 또, 실험을 수행하기 사전 테스트를 통해 임계값들을 재설정하였기 때문에, 곡선 지점에서도 안정적으로 주행할 수 있었다.
자율주행 로봇은 출발지 점에서 원격 컨트롤러로부터 신호를 수신하여 출발한 후 4곳의 곡선 지점에서 안정적으로 코너링을 하였다. 자율주행 로봇은 5회의 반복 실험 동안 전체 실험 구간에서 갱도의 중앙지점을 따라 설치된 보도블록을 이탈하지 않고 안전하게 주행하였으며, 총 주행 시간은 평균적으로 74.6 초가 소요되었다.

후속연구

또, 본 연구에서는 전체 지하광산 갱도 중 교차로가 없는 직선 구간만을 대상으로 하여 주행 실험을 수행하였다. 그러나 실제 지하광산 환경의 경우 파쇄장이나 선광장으로 향하는 경로가 여러 방향으로 구성되어 있으므로 교차로 이후의 길 에서 최종 목적지까지 주행할 수 있는 경로 분석 알고리즘에 관한 추가적인 연구가 필요할 것이다.
라이다 센서를 활용하여 좌, 우측 벽면까지의 거리를 측정하며, 이를 통해서 로봇의 위치를 파악하고 로봇이 도로의 중앙지점을 따라 이동될 수 있도록 조향을 제어할 것이다. 또한, 무선으로 통신이 가능한 블루투스 비콘을 활용하여 목적지에서 로봇이 자동으로 정지될 수 있도록 할 것이다. 본 논문에서는 자율주행 로봇의 개발 방법과 라이다 센서 기반 조향 제어 방법에 관해 설명하고, 국내 자수정 폐광산을 대상으로 한 주행 실험 결과를 제시한다.
또한, 라이다 센서의 경우 광원의 세기와 관계없이 안정적인 성능을 나타내기 때문에 일부 어두운 지역에서도 효율적으로 활용될 수 있었다. 로봇이 주행하는 동안 라이다 센서를 통해 벽면의 형태가 연속적으로 측정되기 때문에 획득되는 데이터를 기록한 후 하나의 이미지로 병합한다면 지하갱도에 대한 2차원 지도를 제작할 수 있을 것이라 기대한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	자율주행 기술이란 무엇인가?	자율주행 기술이란 운전자의 조작 없이 주변 환경을 인식하며 목적지까지 자동으로 주행하는 기술로서, 자동화 정도에 따라 6단계로 분류될 수 있다(SAE, 2019). 자동차 산업 분야의 많은 기업이 높은 수준의 자율주행 기술을 구현하기 위해 경쟁하고 있다 (Audi, 2019, GENERAL MOTORS, 2019, TESLA, 2019).
	지하광산 탐사용 자율주행 로봇은 무엇을 위해 개발되는가?	지하광산에서 사람이 접근하기 위험한 지역을 조사하기 위한 자율주행 로봇에 관한 연구도 다수 수행되었다. Baker et al.
	최근 국내에서 개발된 지하광산용 소형 자율주행 로봇이 실제 지하광산 현장에서 주행테스트가 이루어지지 않는 이유는 무엇인가?	그러나 실제 지하광산 현장에서의 주행테스트는 이루어지지 않았다. 실제 지하광산은 실내 실험장과는 달리 도로의 형태가 불규칙하게 변하며, 벽면의 거칠기가 크고 노면의 굴곡이 크기 때문에 안정적인 주행을 저해하는 물리적인 제약들이 있을 수 있으 므로, 현장실험을 통해 주행성능을 확인해 볼 필요가 있다.

참고문헌 (22)

Audi. 2019, https://www.audi.com/en/experience-audi/mobility-and-trends/autonomous-driving.html/ (accessed on 18 November 2019).
Bakambu, J.N. and Polotski, V., 2007, Autonomous System for Navigation and Surveying in Underground Mines, Journal of Field Robotics, Vol. 24(10), 829-847.

상세보기
Baker, C., Morris, A., Ferguson, D., Thayer, S., Whittaker, C., Omohundro, Z., Reverte, C., Whittaker, W., Hahnel, D. and Thrun, S., 2004, A campaign in autonomous mine mapping, Proceedings of the IEEE International Conference on Robotics and Automation, New Orleans, LA, USA, p.1-6.
COMPONENTS101, 2019, https://components101.com/wireless/hm-10-bluetooth-module/ (accessed on 18 November 2019).
GENERAL MOTORS, 2019, https://www.gm.com/our-stories/self-driving-cars.html/ (accessed on 18 November 2019).
Ghosh, D., Samanta, B. and Chakravarty, D., 2016, Multi sensor data fusion for 6D pose estimation and 3D underground mine mapping using autonomous mobile robot, International Journal of Image and Data Fusion, Vol. 8(2), 173-187.
Gunther, F., Mischo, H., Losch, R., Grehl, S. and Guth, F., 2019, Increased safety in deep mining with IoT and autonomous robots, Proceedings of the 39th International Symposium 'Application of Computers and Operations Research in the Mineral Industry. Wroclaw, Poland, p.603-611.
Kim, H., and Choi, Y., 2019, Development of a LiDAR Sensor-based Small Autonomous Driving Robot for Underground Mines and Indoor Driving Experiments, Journal of Korean Society of Mineral and Energy Resources Engineers, Vol. 56(5), 407-415.

상세보기
Kim, J., Kwon, K.K. and Lee, S.L., 2012, Trends and Application on Lidar Sensor Technology, Electronics and Telecommunications Trends, Vol. 27(6), 134-143.
Kim, Y. and Kim, H., 2017, Development trend of self-driving car, The Journal of The Korean Institute of Communication Sciences, Vol. 34(5), 10-18.
Larsson, J., Broxvall, M. and Saffiotti, A., 2005, A navigation system for automated loaders in underground mines. Proceedings of the 5th International Conference on Field and Service Robotics, Port douglas, Australia, p.129-140.
Marshall, J., Barfoot, T. and Larsson, J., 2008. Autonomous underground tramming for centerarticulated vehicles. Journal of Field Robotics, Vol. 25(67), 400-421.

상세보기
MICROCHIP, 2019, https://www.microchip.com/wwwproducts/en/ATMEGA128/ (accessed on 18 November 2019).
NATIONAL INSTRUMENTS, 2019, https://www.ni.com/ko-kr/shop/labview.html/ (accessed on 18 November 2019).
Neumann, T., Ferrein, A., Kallweit, S., and Scholl, I., 2014, Towards a Mobile Mapping Robot for Underground Mines, Proceedings of the 2014 PRASA, RobMech and AfLaT International Joint Symposium, Cape Town, South Africa, p.1-6.
NVIDIA, 2019, https://www.nvidia.com/en-us/self-driving-cars/ (accessed on 18 November 2019).
RECO, 2019, http://faq.reco2.me/?p329/ (accessed on 18 November 2019).
SAE, 2019, https://www.sae.org/news/press-room/2018/12/sae-international-releases-updated-visual-chart-for-its-%E2%80%9Clevels-of-driving-automation%E2%80%9D-standard-for-self-driving-vehicles/ (accessed on 18 November 2019).
SICK, 2019, https://www.sick.com/kr/ko/detection-and-ranging-solutions/2d-lidar-/lms1xx/lms111-10100/p/p109842/ (accessed on 18 November 2019).
TESLA, 2019, https://www.tesla.com/ko_KR/autopilot?redirectno/ (accessed on 18 November 2019).
Unmanned Solution, 2019, http://www.unmanshop.com/goods/view.php?seq8/ (accessed on 18 November 2019).
Volvo, 2019, https://www.volvotrucks.com/en-en/news/press-releases/2018/nov/pressrelease-181120.html/ (accessed on 18 November 2019).

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