개선된 EVFF 알고리즘을 사용하여 이동로봇이 자율적으로 물길의 흐름을 타면 서 실제 지도를 작성하는 실험을 수행하였다. 실내 환경에서 실험은 실제 커다란 수족관이 없는 관계로 실내 세트장을 구성하여 실험 환경은 그림 51과 같이 가로 2[m], 세로 3[m]의 공간에 50cm의 고정 장애물 두 개와 벽들로 구성되어있다. 실 내 환경에서의 VFF와 EVFF를 비교 실험을 위해서 Swiss K-TEAM사
Khepera-Ⅲ과 직접 제작한 시뮬레이션용 로봇을 사용하여 구동 실험 및 시뮬레이션 하였다.
그림 52. 실내 실험 환경
이동로봇은 (175, 0) 좌표에서 출발하여 목적지를 향해 이동하였다. 실제 환경에 서는 강의 중심, 저수지나 담수호의 중심에서 환경 구성을 하여야 하나 자율주행에 목적이 있고 실제적으로 문제는 로봇이 이동 했을 경우 자율 주행에 문제가 발생 함으로 실내 환경에 맞춰 장애물을 회피하면서 이동하는 세트를 구성하여 실험 하 였다. 실험에서 장애물과 이동로봇 사이에 평균 10cm이상 간격을 유지하면서 20mm/s의 자율 속도로 이동하였다. 그림 52, 53, 54는 EVFF를 이용하여 Virtual Force Field 상에서 Certainty value를 구하는 것을 보여주고 있다.
그림 53. EVFF를 이용한 Virtual Force Field에서 Certainty value1
그림 54.EVFF를 이용한 Virtual Force Field에서 Certainty value2
그림 55. EVFF를 이용한 Virtual Force Field에서 Certainty value3
그림 56. EVFF를 이용한 충돌회피 및 자율주행1
그림 57. EVFF를 이용한 충돌회피 및 자율주행2
그림 55와 그림 56은 실제 실험을 통하여 얻어낸 결과이다. 약 5cm～10cm 정도 의 오차를 보이지만 목표점까지 잘 도착 했다는 것을 알 수 있다. 특히 코너 부분 회전 시에 발생되는 오차가 약간 있지만 거의 없이 대체적으로 맵핑되었다는 것을 알 수 있다. 반대로 VFF를 통한 장애물 회피와 자율 주행 맵핑한 결과는 그림 57 과 같다. EVFF와는 달리 VFF는 다소 잘 이루어지지 않았다는 것을 보여 주고 있 다.
그림 58. VFF를 이용한 장애물 회피와 자율 주행
그림 55와 56에서 이동 로봇의 회전에 의한 오차가 나오지만 근소한 오차를 나 타낸다. 다만, 볼록 튀어 나온 부분에선 오차가 있다. 좀 더 정확한 매핑을 위해서 는 최적의 필터를 사용할 필요가 있을 것이다. 그림 58에서는 자유 공간에서의
VFF를 사용하여 자율주행에 실패한 것을 볼 수 있다.
그림 59. VFF를 이용한 자유공간에서의 장애물 회피 및 자율 주행 실험
3) EVFF를 이용한 수상 이동로봇의 자유공간에서의 자율주행 실험 및 분석
수상 이동로봇의 자율주행은 EVFF 알고리즘과 퍼지로직을 통해서 해당 로봇의 GPS 데이터와 자이로 센서의 데이터 값을 가지고 선행되어 맵이 매핑 되고 목표 점이 설정되어 주행 실험을 시뮬레이션 및 실험 하였다. 그림 55는 이동로봇의 실 제 자율주행 실험에서 얻은 이동경로를 나타낸다. 주행 지도에서 보이는 바와 같이
최종 목표점에 대한 데이터를 가지고 경로 계획에 의해서 주행하였다. 또한 EVFF 알고리즘 및 퍼지로직을 이용하여 중간 목표점들을 효율적으로 안전하게 경유하여 목표점까지 안전하게 도달하는 것을 볼 수 있다.
그림 60. 자유공간에서 자율주행 실험 및 분석
그림 59에서 EVFF를 통하여 x축 방향 (125, 0)에서 (125, 1000)로 이동하던 중 (125, 125) 중심에 지름이 50cm에 해당하는 사각 장애물을 놔두고 장애물을 회피하 는 실험을 하였다. 그림 59에서처럼 자유공간에서 사각 장애물을 잘 회피하는 것을 볼 수 있다. 다만 회피 후에 목표점인 (300, 275)에 정확히 도달하지 못하고 오차가 발생하였다. 이것은 장애물 회피 할 때 생기는 궤적의 보상을 제대로 하지 못하면 서 생긴 오차이지만 보완하면 로봇의 장애물 회피와 자율주행에 충분히 적용될 수 있을 것이다.