본 절에서는 실제 환경에서 이동로봇에 적용된 위치추정 알고리즘의 실험으로 구성되어져 있고, 이동로봇이 움직이지 않는 상태와 속도명령에 따라 이동로봇이 움직이면서 실험하여 상황에 따른 위치추정 결과를 보인다.
그림 4.11. MCL 알고리즘의 문제점 Fig 4.11. Problem of MCL algorithm
그림 4.12는 이동로봇에 직진, 회전명령이 없을 경우 랜덤노이즈를 포함하지 않는 경우를 그림 4.12에서의 실험환경에 대해 각 상대좌표 마다 비교 분석, 평가 한 결과이다. 여기서 LPS 수신 좌표는 실제 센서에서 나오는 위치 정보로서 파티 클의 위치정보와 비교 분석을 위해 표현한 정보이다.
그림 4.12. MCL 알고리즘 비교 분석 Fig 4.12. Analysis of MCL algorithm
본 연구를 통해 개선되어진 MCL알고리즘은 기존 MCL 알고리즘에서 발생한 문제 점을 이동로봇에 움직임이 없어도 파티클들에 랜덤 노이즈를 포함하여 수렴하지 않도록 그림 4.13과 같이 MCL 알고리즘을 개선하였다. 이는 이동로봇이 정지한 상 태에서 잘못된 위치를 추정하였거나 이동로봇이 유괴되었을 경우에 위치추정 시간 이 지남에 따라서 올바르게 로봇 자신의 위치를 추정할 수 있는 방법이다.
그림 4.13. 제안된 MCL 알고리즘 Fig 4.13. Proposed MCL algorithm
그림 4.14는 이동로봇에 직진, 회전명령이 없을 때 랜덤노이즈 포함하여 실험 환경에 대해 MCL 결과를 각 상대좌표 마다 비교 분석한 결과이다. 여기서 LPS 수 신 좌표는 실제 센서에서 나오는 위치 정보로서 파티클의 위치정보와 비교 분석을 위해 표현한 정보이다.
그림 4.14. 제안된 MCL 알고리즘 비교 분석 Fig 4.14. Analysis of proposed MCL algorithm
나. 유괴된 이동로봇 위치추정
기존에 제안했던 위치추정 알고리즘들은 이동로봇의 유괴 문제를 해결할 수 없 는 단점을 가지고 있으나 MCL 위치추정 알고리즘은 이동로봇 유괴 문제를 해결할 수 있다는 장점을 갖는다. 그림 4.15는 실제 이동로봇을 유괴하는 실험 환경을 보 인 것으로, 본 내용에서는 유괴된 이동로봇의 위치추정 실험 내용을 기술한다.
그림 4.15. 유괴된 이동로봇의 실험환경
Fig 4.15. Experiment of kidnapped robot localization
기존의 MCL 알고리즘은 이동로봇의 움직임(모션)없이 한번 잘못 수렴해 버리면 이동로봇의 움직임이 있을 때까지 전혀 다른 위치를 추정하기 때문에 움직이면서 위치추정 알고리즘을 적용하여야 하는 단점이 있다. 하지만 연구에서 개발하였던 MCL 알고리즘은 이동로봇에 움직임이 없더라도 시간이 지나면서 정확한 위치를 추 정할 수 있다. 그림 4.16과 4.17은 그림 4.15의 실험 환경①에 대한 유괴된 이동 로봇의 실험 내용을 보이는 것으로, 그림 4.16과 4.17에서 보여지는 LPS 좌표는
센서 자체에서 나오는 위치정보로서 파티클의 기준데이터로 활용하기 위해 표시 하였다. 그림 4.16은 이동로봇이 정지된 상태에서 위치추정하는 결과를 나타내고, 그림 4.17은 이동로봇을 유괴하였을 때 위치추정 과정을 보이고 있다. 그림 4.17 은 이동로봇을 유괴하여도 시간이 지남에 따라 파티클이 LPS 좌표 쪽으로 이동되 어짐을 볼 수 있다.
그림 4.16. 유괴 전 로봇의 위치추정
Fig 4.16. Robot localization before kidnapping
그림 4.17. 유괴 후 이동로봇의 위치추정 Fig 4.17. Robot localization after kidnapping
다. 센서의 수신 유무에 따른 위치추정
본 실험에서는 초음파 위성에서 수신되는 거리데이터의 유무에 따른 실험으로 그림 4.18에서와 같이 초음파 위성의 전원 및 동기신호를 제거한 후 실험하였다.
그림 4.18. 초음파 위성의 실험 설정
Fig 4.18. Experimental setup of ultrasonic Satellites
실험 구성을 보면 1,2,3번 위성 거리데이터 수신시, 1,2번 위성 거리데이터 수 신시, 1번 위성만 거리데이터 수신시의 결과를 그림 4.19에서 보였다. 그림 4.19 의 ①은 4개의 위성들이 모두 정상동작하고 있을 때를 기준으로 비교 하기위한 위치추정 결과이다. ②의 경우 1,2,3번 위성만 거리데이터를 수신했을 때, ③은 1,2번 위성만 거리데이터를 수신했을 때의 결과로 시간이 지나면서 ①과 비슷한 결과를 보인다. 하지만 ④의 경우 1번의 위성만을 가지고 위치추정 한 결과를 보 면 시간이 지나도 파티클들이 수렴하지 않고 1번 위성에서 수신되는 거리를 중심 으로 파티클들이 분포되어짐을 볼 수 있다. 이러한 결과로 모션이 없는 이동로봇
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