의 경우 정확한 위치추정을 위해서는 최소한 2개 이상의 거리데이터가 필요함을 알 수 있다.
그림 4.19. 초음파 위성들 수에 따른 파티클의 분포
Fig 4.19. Particle distribution as a function of the number of ultrasonic satellites
2. 속도 명령이 있는 이동로봇 위치추정
이면서, 본 연구에 적용된 MCL 알고리즘을 적용한 이동로봇의 위치추정 결과를 보 인다. 실험 환경 및 이동로봇의 구동은 1m의 반지름을 가지도록 직진속도를 0.2m/sec, 회전속도 -0.2rad/sec 로 설정하고, 그림 4.20에 보이는 환경과 같이 계속 회전하면서 이동로봇의 위치 추정 결과를 고찰하였다.
그림 4.20. 로봇이 움직일 때 위치추정 성능을 테스트하기 위한 실험 설정 Fig 4.20. Experimental setup to test localization performance when robot
is moving
그림 4.21는 그림 4.20 환경에서 이동로봇의 위치를 추정한 그림으로 시간이 지남에 따라 파티클이 이동로봇 위치로 수렴되어짐을 볼 수 있다.
그림 4.21. 반경 1m 기준으로 이동하는 이동로봇의 위치추정 Fig 4.21. Localization of a robot which moves within radius 1m
나. 조이스틱 제어에 따른 이동로봇 위치추정
그림 4.22는 이동로봇의 이동경로 및 사용된 조이스틱을 나타낸 것으로 이동로 봇의 경로를 2700mm * 2700mm 정사각형의 형태로 ①→②→③→④ 로 조이스틱을 이용해 이동로봇을 제어하여 실험을 실시하였다.
그림 4.22. 조이스틱을 이용한 이동로봇의 실험 Fig 4.22. Experiment using joy stick
그림 4.23은 그림 4.22의 실험 환경에서 이동로봇의 위치추정으로 파티클들이 이동로봇 위치를 잘 추정되어짐을 볼 수 있다. 그림 4.23에서 ①,②,③,④는 그림 4.22의 해당 경로에서 이동로봇 위치추정을 나타낸 것이다.
그림 4.23. 조이스틱을 사용한 이동로봇의 위치추정 Fig 4.23. Mobile robot localization test using joy stick
다. 움직이지 않는 이동로봇 위치추정
본 실험에서는 이동로봇 모션 에러에 따른 파티클들의 변화를 관찰하기 위하여 이동로봇에 속도명령을 주어 로봇의 바퀴를 구동시키지만 실제로는 움직이지 못하 도록 그림 4.24와 같이 A4박스 위에 이동로봇을 위치시키고 실험을 하였다.
그림 4.24. 많은 모션 에러가 있는 곳에서의 실험 Fig 4.24. Experiment where there is large motion error
그림 4.25는 본 실험에서의 위치추정 과정을 보인 것으로 ①은 직진속도 명령 만을 0.2m/sec로 주었을 때의 결과이고 ②는 직진 명령을 -0.2m/sec로 주었을 때 의 위치추정 결과를 보이고 있다. 실제 로봇의 바퀴는 회전하고 있지만 그림 4.24 와 같이 로봇의 움직이지 않는 경우라도 실험 결과인 그림 4.25를 통해 파티클들 이 이동로봇의 위치를 추정할 수 있음을 보였다.
그림 4.25. 많은 모션 에러를 가진 로봇의 위치추정 Fig 4.25. Localization of a robot with large motion error
라. 센서의 수신 유무에 따른 이동로봇 위치추정
본 실험에서는 이동로봇에 직진속도를 0.2m/sec, 회전속도 -0.2rad/sec 로 설 정하여 이동로봇을 구동시키고, 초음파 위성 4개 중 2개의 위성을 정지 시킨 후 이동로봇 위치추정과, 1개의 위성의 동작을 정지시킨 후 이동로봇 위치추정 결과 를 보인다. 이때 실제로 초음파 위성에서 나오는 좌표정보를 기준 위치정보로 사 용하기 위해 알고리즘에서 그림 4.26과 같이 거리데이터를 수신하지 못하게 하였 다.
그림 4.26. 초음파 위성 데이터 제어 프로그램 Fig 4.26. Ultrasonics satellite control program
그림 4.27 은 초음파 위성4개 중 1개(4번 위성)의 거리데이터를 수신 받지 못 했을 경우로 3개의 거리데이터를 가지고 이동로봇의 위치가 추정되어짐을 볼 수 있다.
그림 4.27. 3개의 거리데이터를 이용한 이동로봇 위치추정 Fig 4.27.Localization using three range data
그림 4.28의 경우는 초음파 위성 4개중 2개의 거리데이터를 수신하지 못하게 했을 경우로 두 개의 거리데이터만을 가지고도 이동로봇의 위치가 추정되어지고 있음을 볼 수 있다.
그림 4.28. 2개의 거리데이터를 이용한 이동로봇 위치추정 Fig 4.27.Localization using two range data
제5장 결론 및 향후 계획
본 논문은 MCL 알고리즘을 통한 이동로봇의 위치추정 방법을 보이고 있다. MCL 알고리즘은 기존의 위치추정 방법보다 동적인 외부 환경에 대한 불확실성 및 키드 넵 문제를 잘 해결하고 있음을 보였다. 또한 지도정보가 필요한 기존의 내부 영역 센서를 이용한 MCL알고리즘을 적용하지 않고, 외부센서의 고정좌표와 수신된 데이 터의 바이어스 분석을 통한 MCL 알고리즘 구현 및 적용한 결과를 보였다.
본 논문에서 사용된 센서모델의 경우 하나의 초음파 위성에 대해서 데이터를 분석한 후 4개 위성에 대해 동일한 센서모델이 적용된 점과 USAT을 사용한 센서 데이터 업데이트의 경우 약 570msec로 빠른 속도로 이동하는 로봇에 적용하기에는 어렵다는 점을 연구를 통해 알 수 있었다.
제시된 이동로봇의 위치추정 알고리즘은 좀 더 개선되어져야 하고 다양한 센서 와 여러 이동로봇에 적용 가능하도록 위치추정 알고리즘의 효율성과 신뢰성을 확 보할 필요성이 있다. 이를 위해 ① 여러 환경에서 센서데이터를 획득 후 초음파 위성 4개에 대한 센서모델링을 수행하고 MCL 알고리즘에 적용, ② 이동로봇에 제 안된 위치추정 알고리즘을 적용할 경우 하나의 센서 데이터만을 가지고 이동로봇 의 위치추정 가능여부 파악, ③ 센서 데이터 획득 시간과 MCL 알고리즘의 실행시 간과의 상관관계, ④ 다양한 센서들(UWB[36], Zigbee, Beacon등)을 사용하여 MCL 알고리즘을 적용한 이동로봇의 위치추정, ⑤ 이동로봇의 위치추정 뿐 만 아니라 센서들의 고정된 위치를 추정할 수 있는 MCL 알고리즘 개발 등을 계획하고 있다.
후 기
“이 논문 또는 저서는 2007년 정부(교육인적자원부)의 재원으로 한국학술진흥 재단의 지원을 받아 수행된 연구임"(KRF-2007-511-D00088)”
참고문헌
[1] Thrun, S. 1998a. Learning metric-topological maps for indoor mobile robot navigation, Artificial Intelligence, 99(1):21–77.
[2] 서동진, 고낙용, 김성준, “IPC를 통해 조정되는 다중 로봇의 동작 시뮬레 이터 개발,” 대한기계학회논문지, 2005.11
[3] Reid Simmons. The inter-process communication (IPC) system.
http://www-2.cs.cmu.edu/afs/cs/project/TCA/www/ipc/ipc.html.
[4] Borenstein, J. and Feng, L., where am I? Sensors and Method for Autonomous Mobile Robot Positioning-1995 Edition, 1995c.
[5] G. Jang, S. Kim, W. Lee and I. Kweon, “Color landmark-based self-localization for indoor mobile robots,” IEEE Intl. Conf. on Robotics and Automation (ICRA’02), Washington D.C., pp. 1037-1042, 2002.
[6] 이 정 석, 정 완 균, 남 상 엽, “동적 환경에서 불완전한 지도를 이용한 이동로봇의 강인한 위치인식 알고리즘의 개발,”대한임베디드공학회논문 지, 2008.
[7] Puneet Goel, S.I. Roumeliotis, and G.S. Sukhatme. Robust localization using relative and absolute position estimates. In Proceedings of the 1999 IEEE/RSJ International Conference on Intelligent Robots and Systems, October 1999.
[8] 심재호, 김종훈, 김태간, 한승진, 임기욱, 이정현, “스마트 홈 환경을 위 한 관성 센서기반의 사용자 위치 추정 방법,” 한국정보과학회 2007 가을 학술발표 논문집 제34권 제2호(D), 2007. 10
[9] S. Se, D. Lowe, and J. Little. Local and Global Localization for Mobile Robots using Visual Landmarks. In Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pages 414–420, Maui, Hawaii, October 2001.
[10] J. González, J.L. Blanco, C. Galindo, A. Ortiz-de-Galisteo, J.-A.
Fernández-Madrigal, F.-A. Moreno, and J. Martínez, "Combination of UWB and GPS for indoor-outdoor vehicle localization," in Proc. IEEE International Symposium on Intelligent Signal Processing, 2007.
[11] J. González, J.L. Blanco, C. Galindo, A. Ortiz-de-Galisteo, J.A.
Fernández-Madrigal, F.A. Moreno, J.L.Martínez “Mobile robot localization based on Ultra-Wide-Band ranging: A Particle filter approach,” Elsevier
[12] Hofmann-Wellenhof, H. Lichtenegger, and J. Collins GPS Theory and Practice, SpringerWienNewYork, 1997.
[13] A. J. Briggs, D. Scharstein, D. Braziunas, C. Dima, P.Wal1, “Mobile Robot Navigation Using Self-Similar Landmarks,” Proc. of IEEE International Conference on Robotics and Automation, Page(s):
1428-1434, 2000.
[14] F. Evennou and F. Marx, “Advanced integration of wifi and inertial navigation systems for indoor mobile positioning,” EURASIP Journal on Applied Signal Processing, vol. 2006, pp. 1–11, 2006.
[15] 유비쿼터스 센서 네트워크의 위치탐지 기술 및 동향
[16] G. Bishop and G. Welch. "An introduction to the kalman filter,"
SIGGRAPH 2001 Course Notes, 2001.
[17] 김민성, 최완식, 허훈, “확장칼만필터(Extended Kalman Filter)를 이용 한 비선형 확률시스템의 상태추정에 대한 연구,” 대한기계학회 춘추학 술대회 1996년 제2권 제1호, 1996. 1
[18] S. Julier and J. Uhlmann, “A New Extension of the Kalman Filter to Nonlinear Systems,” Proc. SPIE, vol. 3068, pp. 182-193, 1997
[19] 장대식, 장석우, 김계영, 최형일, “구조적 칼만 필터를 이용한 이동 물 체의 추적,” 정보과학회논문지, 2002.6
[20] G. Bishop and G. Welch. "An introduction to the kalman filter,"
SIGGRAPH 2001 Course Notes, 2001.
[21] Zhang Xiaohan, Chen Xiaoping, Li J ialing, et al. “Vision-Based Monte Carlo - Kalman Localization in a Known Dynamic Environment,”
Proc of the 9th Int'l Conf on Control, Automation, Robotics
&Vision. 2006.
[22] Everett, H. R., Gage, D. W., Gilbreth, G. A., Laird, R. T., and Smurlo, R. P., "Real-World Issues in Warehouse Navigation,"
Proceedings SPIE Mobile Robots Ⅸ2352, Boston MA, Nov. 2-4. 1994.
[23] Everett, H. R., Sensors for Mobile Robots: Theory and Application, ISBN 1-56881-048-2, A K Peters, Ltd., Wellesley, MA., 1995.
[24] Byrne, R. H., Klarer, P. R., and Pletta, J. B., "Techniques for Autonomous Navigation," Sandia Report SAND92-0457, Sandia Natl.
Laboratories, Albuquerque, NM, March, 1992.
[25] Holland, J. M., Basic Robotics Concepts, Hoeard W. Sams, Macmillan, Inc., Indianapolis, IN., 1983.
[26] Holland, F. D., M, J., and Kennedy, K. F., "K3A Marks Third Generation Synchro-Drive," Proceedings of Robotics and Remote Systems, New Orleans, LA, June, 1994.
[27] Everett, H. R., "Multi-Element Ultrasonic Ranging Array," Robotics Age: 12-20, July, 1985.
[28] Reister, D. B., "A New Wheel Control System for the Omni-directional HERMIES-Ⅲ Robot," Proceedings of the IEEE Conference on Robotics and Automation: 2322-2327, Sacramento California, April 7-12, 1991.
[29] Borenstein, J., "Internal Correction of Dead-Reckoning Errors With the Compliant Linkage Vehicle," Journal of Robotics Systems 12(4):
257-273, April, 1995.
[30] Borenstein, J., "The CLAPPER: A Dual-drive Mobile Robot With Internal Correction of Dead-reckoning Errors," Proceedings of the 1994 International Conference on Robotics and Automation:
3085-3090, San Diego, CA, May. 8-13, 1994.
[31] Klarer, P. R., "Simple 2-D Navigation for Wheeled Vehicles," Sandia Report SAND88-0541, Sandia National Laboratories, Albuquerque, NM, April, 1988.
[32] Crowley, J. L. and Reignier, P., "Asynchronous Control of Rotation
and Translation for a Robot Vehicle," Robotics and Autonomous System 10: 243-251, 1992.
[33] 김성철, “자율 이동 로봇의 장애물 회피를 위한 안전 방향 구간 탐색 방 법,”조선대학교 대학원, 2001
[34] TRC-Transitions Research Corp., Beacon Navigation System, Product Literature, Shelter Lock Lane, Danbury, CT 06810, 203-798-8988.
[35] http://korealps.co.kr
[36] S. Se, D. Lowe, and J. Little. “Local and Global Localization for Mobile Robots using Visual Landmarks,” In Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pages 414–420, Maui, Hawaii, October 2001
석사학위 논문을 마치며
2009년 5월 4주를 끝으로 석사과정 2년 동안 연구했었던 내용들이 본 논문을 통해 발표 되어져 기쁨과 아쉬운 마음이 듭니다. 미진하지만 제 작은 연구의 결실 을 맺기까지 저에게 가르침과 격려 그리고 배려해 주셨던 분들께 감사하는 마음을 글로나마 표현하고자 합니다.
바쁘신 일정에도 불구하고 저의 논문을 자상하고 세심하게 심사해 주셨던 존경 하는 이진이 교수님과 곽근창 교수님께 감사드립니다. 그리고 항상 인자하신 미소 로 저를 대해주시고 본 논문의 실험을 할 수 있도록 실험실을 제공해 주신 김영동 교수님, 학부시절부터 많은 지도를 주셨던 장순석 교수님, 마주치면 항상 제 안부 를 물어 보시는 반성범 교수님, 마지막으로 제 1차 논문 발표 심사 때 세심히 지 도해 주셨던 조창현 교수님께 짧은 글로나마 제 감사의 마음을 표현 합니다. 무엇 보다도 자율로봇실험실에 들어온 학부 시절, 아무것도 모르고 열정만 가득했던 저 에게 많은 학문적, 정신적인 가르침과 지금의 결과가 있도록 지도 해주신 고낙용 교수님께 고개 숙여 진심으로 감사드립니다.
연구에 이용된 이동로봇을 제공하여 주고, 학위과정 2년 동안 한 달에 두 번씩 세미나를 개최하여 연구를 되돌아 볼 수 있는 기회와 진심어린 충고를 해주신 문 용선 교수님과 배영철 교수님께도 감사의 마음을 전합니다. 또한 기술적 지원을 해주신 레드원테크놀러지의 이광석 연구원, 이영필 연구원, 노상현 연구원 에게도 고마운 마음을 전합니다.
제가 학부생 3학년 시절부터 생활하였던 자율로봇실험실은 많은 추억이 서려있 는 공간입니다. 이 공간 안에서 학문적으로나 정신적으로 많은 도움과 조언을 주 시고 저를 아껴주셨던 서동진 선배님, 저의 고민 상담을 해주신 김광진 선배님, 항상 반듯한 모습만 보여준 김성준 선배님께 감사드리고 후배로서 과연 선배들을 잘 따랐는지에 대해서는 죄송할 따름입니다. 그리고 저의 불만, 불평을 들어주기