선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 또한 건물에 비콘을 설치를 하여 외부 환경정보를 수집 하였다. 위의 내부 센서와 외부 센서를 기반으로 데드레커닝, 삼변 측량 등을 적용하여 최대한 위치추정의 오차를 줄이는 것을 목표로 하였다.
제안 방법
- ‘ 에 대한 경로계획과 추측항법 외에 초음파센서, 비콘(Beacon)을 활용하여 위치를 보정하는 위치추정에 대한 연구를 수행하였다.
- 원과 접선의 방정식과 원과 원 사이의 위치관계 방정식을 이용하여 세 원이 겹칠 경우에 위치값을 계산하는 방법을 적용한 결과 그림5의 첫 번째 그림과 같이 로봇의 위치를 추정할 수 있었다. 두 번째 단계로 모바일 로봇의 odometry 정보를 활용하여 현재 모바일 로봇의 예상 좌표값을 활용하여 가중 이동 평균을 적용하였다. 그 결과 두 번째 그립과 같이 모바일 로봇의 해당 위치 주변으로 위치 추정을 하는 것을 확인 할 수 있었다.
- 또한 Kobuki에 초음파센서를 8개 부착하여, 거리정보를 받아 올 수 있도록 하였다. 또한 건물에 비콘을 설치를 하여 외부 환경정보를 수집 하였다. 위의 내부 센서와 외부 센서를 기반으로 데드레커닝, 삼변 측량 등을 적용하여 최대한 위치추정의 오차를 줄이는 것을 목표로 하였다.
- 이유로 Camera 혹은 Depth Camera를 활용한 Vision 정보를 활용 하지 않고 Encoder, IMU 센서, 초음파센서, Beacon 등을 활용함으로써 높은 정확도의 위치 추정을 할 수 있었다. 또한 네비게이션의 경우 계산량이 적은 A*알고리즘을 활용하였으며, 장애물 회피 또한 단순하게 동작하도록 하였다.
- A* Algorithm은 Dijkstra의 발전형으로 시작 정점에서 x점까지의 최소비용 g(x)에 x점에서 목표지점까지의 거리를 비용으로한 휴리스틱 함수 h(x)을 더한 값을 가지고 최단 경로를 찾게 된다. 본 절에서는 Dijkstra`s Algorithm 보다 계샨량이 적고, 빠른 A* Algorithm을 활용하여 최적경로를 계산하였다. [그림1] 의 빨간 점은 최종 Node이며, 파란 점은 중간 Node를 나타낸다.
- 본 절에서는 기존의 건물 설계도를 2차원 점유 격자 지도(OGM, Occupancy Grid Map)으로 표현하였다. OGM은 [그림1]와 같은 지도를 말하는 것으로 흰색은 로봇이 이동 가능한 자유 영역, 검은색은 이동 불가능한 점유 영역, 회색은 확인되지 않은 미지 영역으로 표현된다.
- 본 절에서는 방향명령 방식의 알고리즘들을 참고하여 단순한 알고리즘을 구현하였다. 이 알고리즘은 다음과 같다.
- 실내 위치 추정 과정은 정보 수집(Measuring), 거리변환(Converting), 필터링(Filtering), 위치 값 계산(Determination), 그리고 스무딩(Smoothing)의 5단계로 구성된다. 우선 안드로이드 어플리케이션을 통해 RSSI 정보를 수집하고(Measuring) 전파와의 거리 공식을 통해 수집한 정보를 거리로 변환 한다.(Converting) 그리고 보다 정확한 위치 값 계산을 위해 위치 정보 혹은 위치 정보가 변형된 거리 값을 선별한다.
- OGM은 [그림1]와 같은 지도를 말하는 것으로 흰색은 로봇이 이동 가능한 자유 영역, 검은색은 이동 불가능한 점유 영역, 회색은 확인되지 않은 미지 영역으로 표현된다. 이 연구에서는 각 픽셀 당 100cm이며, 중간 노드를 50cm마다 생성하였다.
대상 데이터
- Odometry는 로봇의 위치정보로 x,y,theta 정보이다. 본 논문에서 사용하는 로봇을 Kobuki로 Encoder와 IMU 센서가 내장 되어 있으며, 추측항법, PID가 적용되어 있다. 기본적으로 로봇의 위치는 Odometry값을 의존하며, 오차가 이동거리가 길수록, 누적됨을 볼 수 있었다.
- 본 논문에서는 사용하는 모바일 로봇은 Kobuki이며, Kobuki에는 Encoder, IMU센서가 내장 되어있다. 또한 Kobuki에 초음파센서를 8개 부착하여, 거리정보를 받아 올 수 있도록 하였다.
데이터처리
- 그 결과 두 번째 그립과 같이 모바일 로봇의 해당 위치 주변으로 위치 추정을 하는 것을 확인 할 수 있었다. 마지막 단계로 10초의 주기로 RSSI 정보를 수집한 후에 기존의 스무딩 과정에 평균과 분산을 분석하여 최종적으로 하나의 좌표 값을 추정하는 결과를 얻을 수 있었다.
이론/모형
- (Converting) 그리고 보다 정확한 위치 값 계산을 위해 위치 정보 혹은 위치 정보가 변형된 거리 값을 선별한다.(Filtering) 이후 선별된 거리 값을 이용하여 삼변 측량법을 적용하여 현재 로봇의 위치 좌표를 구한다.(Determination) 마지막으로 가중치 평균을 적용하여 스무딩을 구현하여 최종적으로 로봇의 위치를 추정한다.
- 비콘 위치 추정의 위치값 계산 및 스무딩 과정은 총 3단계로 구분된다. 첫 번째로 삼변 측량법을 적용하여 위치값을 계산하였다. 원과 접선의 방정식과 원과 원 사이의 위치관계 방정식을 이용하여 세 원이 겹칠 경우에 위치값을 계산하는 방법을 적용한 결과 그림5의 첫 번째 그림과 같이 로봇의 위치를 추정할 수 있었다.
성능/효과
- 두 번째 단계로 모바일 로봇의 odometry 정보를 활용하여 현재 모바일 로봇의 예상 좌표값을 활용하여 가중 이동 평균을 적용하였다. 그 결과 두 번째 그립과 같이 모바일 로봇의 해당 위치 주변으로 위치 추정을 하는 것을 확인 할 수 있었다. 마지막 단계로 10초의 주기로 RSSI 정보를 수집한 후에 기존의 스무딩 과정에 평균과 분산을 분석하여 최종적으로 하나의 좌표 값을 추정하는 결과를 얻을 수 있었다.
- 본 논문에서 사용하는 로봇을 Kobuki로 Encoder와 IMU 센서가 내장 되어 있으며, 추측항법, PID가 적용되어 있다. 기본적으로 로봇의 위치는 Odometry값을 의존하며, 오차가 이동거리가 길수록, 누적됨을 볼 수 있었다. 이를 아래의 Beacon, 초음파센서를 활용하여 주기적으로 위치 보정을 하였다.
- 본 논문에서는 시뮬레이션와 실제 로봇에서 주행 동작을 확인하였으며, 위치추정, 장애물 회피, 경로계획 에 대해서 만족할 만한 결과를 보였다. 향후 연구에서는 맴 제작을 레이저 센서나 뎁스 카메라를 활용하여 제작을 하고, 그에 맞는 각각의 여러 알고리즘들을 적용하여 로봇 주행을 할 예정이다.
후속연구
- 모바일 로봇의 실내 네비게이션 및 위치 추정을 하기 위한 여러 가지 방법론이 있다. 본 논문은 로봇의 컨트롤러의 성능이 낮을 때, 본 논문의 알고리즘을 활용한다면 충분히 좋은 결과를 볼 수 있을 것으로 예상한다. 이유로 Camera 혹은 Depth Camera를 활용한 Vision 정보를 활용 하지 않고 Encoder, IMU 센서, 초음파센서, Beacon 등을 활용함으로써 높은 정확도의 위치 추정을 할 수 있었다.
- 본 논문에서는 시뮬레이션와 실제 로봇에서 주행 동작을 확인하였으며, 위치추정, 장애물 회피, 경로계획 에 대해서 만족할 만한 결과를 보였다. 향후 연구에서는 맴 제작을 레이저 센서나 뎁스 카메라를 활용하여 제작을 하고, 그에 맞는 각각의 여러 알고리즘들을 적용하여 로봇 주행을 할 예정이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.