$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

MEMS센서와 확장칼만필터를 적용한 팔의 자세정보 실시간 획득방법
Real-Time Acquisition Method of Posture Information of Arm with MEMS Sensor and Extended Kalman Filter 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.20 no.6, 2020년, pp.99 - 113  

최원석 (LIG넥스원) ,  김희수 (LIG넥스원) ,  김재현 (LIG넥스원) ,  조영기 (LIG넥스원)

초록
AI-Helper 아이콘AI-Helper

미래에는 일상생활에서 우리 삶을 편의를 위한 로봇이나 드론들이 증가할 것이다. 그리고 이것을 제어하기 위한 방법으로 현재 리모컨이나 사람의 음성에 의한 방법이 가장 보편적으로 사용되고 있다. 하지만 리모컨은 사람이 찾아서 일일이 조작해야하며 음성의 경우에는 주변 노이즈를 무시할 수 없다. 그래서 본 논문에서는 팔의 자세정보만으로 무선으로 간편하게 주변 드론이나 로봇들을 제어 할 수 있다는 전제하에 실시간으로 정확하게 팔의 자세정보를 획득하기 위한 경제적인 자세정보 획득방법에 대하여 연구하였다. 이를 위해서 확장 칼만필터를 이용하여 팔의 자세정보에 대한 노이즈를 제거하였으며 팔의 움직임을 감지하기 위하여 저가의 MEMS 타입의 센서를 적용하여 장치의 경제성을 확보하였으며 팔의 착용성을 증대시키기 위하여 FPGA를 활용하여 최대한 칩 하나에 모든 기능을 집적화시켜 소형 경량의 자세정보 획득장치를 개발하였다. 그 결과 1 ms의 실시간성을 확보하였고 확장칼만필터를 적용하여 노이즈가 제거된 정확한 팔의 자세정보를 획득하고 실시간으로 팔의 자세정보를 전시하였다. 이를 통해서 팔의 실시간 자세정보를 이용하여 명령을 생성할 수 있는 기초가 마련되었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In the future, robots and drones for the convenience of our lives in everyday life will increase. As a method for controlling this, a remote control or a human voice method is most commonly used. However, the remote control needs to be operated by a person and can not ignore ambient noise in the cas...

주제어

#MEMS타입의 센서   #확장칼만필터   #임베디드 시스템   #센서융합   #팔의 자세정보  

표/그림 (19)

질의응답

핵심어 질문 논문에서 추출한 답변
칼만필터란? 칼만필터는 잡음이 포함되어 있는 선형 역학계의 상태를 추적하는 재귀필터로 루돌프 칼만이 개발하였다. 칼만필터는 컴퓨터 비젼, 로봇공학, 레이더 등의 여러분야에 사용되며, 많은 경우에 매우 효율적인 이 알고리즘은 시간에 따라 진행한 측정을 기반으로 한다.
미래에는 우리 삶의 편의를 위한 기기의 예는? 미래에는 우리 삶의 편의를 위한 드론과 로봇들이 증가할 것이며 그에 따라 개인이 제어해야하는 전자장비들이 점점 많아질 것이라고 예상이 된다. 초소형 센서들과 임베디드 기술을 이용한 드론, 집안 일을 덜어주는 청소용 로봇, 전자장비 비중이 높아지고 있는 자동차 등이 대표적인 예라고 할 수 있겠다. 그리고 이것들을 제어하기 위한 방법은 전통적으로 직접 전자장비들을 조작하거나 리모컨을 이용하거나 사람의 음성으로 제어하는 방법들이 보편적으로 사용되고 있다.
리모컨이 갖는 문제점은? 그리고 이것들을 제어하기 위한 방법은 전통적으로 직접 전자장비들을 조작하거나 리모컨을 이용하거나 사람의 음성으로 제어하는 방법들이 보편적으로 사용되고 있다. 하지만 리모컨의 경우 사람이 일일이 찾아서 조작해야 하는 번거러움이 있으며 사람의 음성의 경우에는 주변의 노이즈를 무시할 수 없다.
질의응답 정보가 도움이 되었나요?

참고문헌 (21)

  1. S. H. Choi and C. G. Park, "A Fusion Structure of TRN and IBN with Adaptive Logic Based on Altitude Gradient," Institute of Control, Robotics and Systems, pp.1458-1462, 2019. 

  2. ANALOG DEVICE, ADXL375 Datasheet, 2014. 

  3. ANALOG DEVICE, ADXRS290 Datasheet, 2014. 

  4. C. H. Kim and J. M. Chung, "Design of a Low Noise 6-Axis Inertial Sensor IC for Mobile Devices," The KICS, Vol.40, No.02, pp.397-407, 2015. 

    원문보기 상세보기 crossref

  5. M. Ali, "Compensation of Temperature and Acceleration effects on MEMS Gyroscope," IEEE IBCAST, Vol.16, pp.274-279, 2016. 

  6. V. Sklyarov and Iouliia Skliarova, Synthesis and Optimization of FPGA-Based Systems, heidelberg: Springer, 2013. 

  7. XILINX, Microblaze Processor Refernece Guide, 2010. 

  8. Y. H. Kim, A Study on Characteristics of UAV-Grade AHRS that Uses MEMS Sensors, Master's Thesis, Inha University, p.68, 2005. 

  9. David G. Hull, Fundamentals of Airplane Flight Mechanics, Verlag Berlin Heidelberg: Springer, 2007. 

  10. J. M. Kim, Y. T. Kim, and S. S. Kim, "Indoor Localization for Mobile Robot using Extended Kalman Filter," Institute of Intelligent Systems, Vol.18, No.05, pp.706-711, 2008. 

    원문보기 상세보기 crossref

  11. G. Chen, Approximate Kalman Filtering, World Scientific Publishing Co., 1993. 

  12. B. D. O. Anderson and J. B. Moore, Optimal Filtering, Englewood Cliffs, NJ: Prentice-Hall, 1979. 

  13. E. T. Kim, "A Study on On-line modeling of Fuzzy System via Extended Kalman Filter," The EEK,, Vol.40, No.05, pp.10-18, 2003. 

  14. W. S. Lee and J. H. Lim, "Unscented Kalman Filter Based Outdoor Localization of a Mobile Robot," The KSPE, Vol.36, No.02, pp.183-190, 2019. 

    상세보기 crossref

  15. Thrun Sebastian, Wolfram Burgard and Dieter Fox, Probabilistic Robotics, Cambridge Messachusetts: MIT-Press, 2005. 

  16. J. H. Park and G. W. Kim, "Nonlinear Observer and Simplified Equivalent Circuit Model-based EKF-SOC Estimator," The ECCE, pp.1467-1472, 2019. 

  17. Phillip A. Laplante and Seppo J. Ovaska, Real-Time Systems Design and Analysis, New Jersey: Wiley, 2012. 

  18. Faraz Rasheed, Programmer's Heaven C# School, Fuengirola: Synchron Data, 2006. 

  19. M. Keck, L. Galup, and C. Stauffer, "Real-time tracking of low-resolution vehicles for wide-area persistent surveillance," IEEE WACV, pp.441-448, 2013. 

  20. W. S. Choi, Real Time System Applied Extended Kalman Filter for Acquiring Position Information of Combat Hat, Master's Thesis, Yonsei University, p.68, 2017. 

  21. J. S. Chair, Hand Gestures For Drone Control Using Deep Learning, Master's Thesis, Oklahoma University, Norman, USA, 2018. 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로