저작자표시-비영리-동일조건변경허락 2.0 대한민국 이용자는 아래의 조건을 따르는 경우에 한하여 자유롭게
l 이 저작물을 복제, 배포, 전송, 전시, 공연 및 방송할 수 있습니다. l 이차적 저작물을 작성할 수 있습니다.
다음과 같은 조건을 따라야 합니다:
l 귀하는, 이 저작물의 재이용이나 배포의 경우, 이 저작물에 적용된 이용허락조건 을 명확하게 나타내어야 합니다.
l 저작권자로부터 별도의 허가를 받으면 이러한 조건들은 적용되지 않습니다.
저작권법에 따른 이용자의 권리는 위의 내용에 의하여 영향을 받지 않습니다. 이것은 이용허락규약(Legal Code)을 이해하기 쉽게 요약한 것입니다.
Disclaimer
저작자표시. 귀하는 원저작자를 표시하여야 합니다.
비영리. 귀하는 이 저작물을 영리 목적으로 이용할 수 없습니다.
동일조건변경허락. 귀하가 이 저작물을 개작, 변형 또는 가공했을 경우 에는, 이 저작물과 동일한 이용허락조건하에서만 배포할 수 있습니다.
2 0 1 2 년 8 월 석사학위논문
NLOS 환경에서 ETOA 알고리즘을 적용한 위치 추적 시스템 구현
조선대학교 대학원
정보통신공학과
２０ 12 년 월8
석사 학위 논문
NLOS
환 경 에 서ETOA
알 고 리 즘 을 적 용 한 위 치 추 적 시 스 템 구 현
강 경 식
NLOS 환경에서 ETOA 알고리즘을 적용한 위치 추적 시스템 구현
Implementation of Indoor Location Tracking System Using ETOA Algorithm at
Non-Line-Of-Sight Environment
２０1 2 년 8 월
조선대학교 대학원
정보통신공학과
강 경 식
NLOS 환경에서 ETOA 알고리즘을 적용한 위치 추적 시스템 구현
지 도 교 수 최 광 석
이 논문을 공학석사학위신청 논문으로 제출함
２０1 2 년 4 월
조선대학교 대학원
정보통신공학과
강 경 식
강경식의 석사학위 논문을 인준함
위원장 조선대학교 교수 박 종 안
印위 원 조선대학교 교수 변 재 영
印위 원 조선대학교 교수 최 광 석
印2０12 년 5 월
조선대학교 대학원
목 차
제1장 서론 ···1
제1절 연구배경 ···1
제2절 연구 목적 및 구성 ···3
제2장 기존의 실내 위치 추적 시스템 ···4
제1절 대표적 위치 추적 시스템 ···4
제2절 위치 추적 기법 ···5
1. TOA(Time of Arrival) ···5
2. TDOA(Time Difference of Arrival) ···7
3. AOA(Angle of Arrival) ···8
4. RSSI(Received Signal Strength Indication) ···9
5. 장면 분석 기법 ···10
6. 추측항법 ···11
제3절 실내 위치 위치 추적 시스템 ···12
1. 적외선을 이용한 위치 추적 시스템 ···12
2. 초음파를 이용한 위치 추적 시스템 ···13
3. UWB을 이용한 위치 추적 시스템 ···14
제3장 Kalman Filter ···15
제1절 Orignal Kalman Filter ···15
1. Kalman Filter의 개요 ···15
제2절 Unscented Kalman Filter ···17
1. UKF의 개요 ···17
제4장 제안하는 실내 위치 추적 시스템 ···22
제1절 위치 측정 센서 분석 ···22
1. U-SAT LPS System ···22
2. 자이로 센서(Gyroscope Sensor) ···24
3. 컴파스 센서(Compass Sensor) ···25
제2절 추측항법을 통한 상대좌표 추적 ···26
제3절 ETOA(Estimation-Time-Of-Arrival)알고리즘 ···29
제5장 실험 환경 및 결과 ···34
제1절 실험 환경 ···34
제2절 실험 결과 ···36
1. 초음파 센서의 거리데이터 검증 ···36
2. LOS환경과 NLOS환경에서의 초음파 거리데이터 비교 ···37
3. LOS환경에서 ETOA알고리즘을 적용한 위치데이터 ···39
4. 추측항법을 통한 위치 측정 데이터 ···41
5. NLOS환경에서의 실험환경 ···42
6. NLOS환경에서 ETOA알고리즘을 적용한 위치데이터 ···43
7. 실험 결과를 통한 성능 비교 ···46
제6장 결론 및 향후연구 과제 ···48
참고문헌 ···49
그 림 목 차
그림 2.1 인공위성을 이용한 위치 추적 ···4
그림 2.2 TOA를 이용한 위치 추적 ···5
그림 2.3 TDOA를 이용한 위치 추적 도식도 ···7
그림 2.4 AOA를 이용한 위치 추적 ···8
그림 2.5 RSSI를 이용한 위치 추적 ···9
그림 2.6 이동 로봇의 추측항법 ···11
그림 2.7 AT&T Active Badge 시스템 ···11
그림 2.8 초음파 기반 위치 추적 시스템(a:Active bat, b:Cricket) ···13
그림 3.1 Unscented 변환 원리 ···19
그림 3.2 UKF의 흐름도 ···20
그림 4.1 초음파 기반의 TOA 측정 방법 ···22
그림 4.2 U-SAT System ···23
그림 4.3 U-SAT 출력 데이터 포맷 ···24
그림 4.4 CMPS03 지자기 센서 ···25
그림 4.5 이동로봇의 기구학 ···26
그림 4.6 Estimation-TOA 알고리즘 개념도 ···29
그림 4.7 Estimation-TOA를 이용한 위치추적 흐름도 ···31
그림 4.8 ETOA 알고리즘의 임계값 범위 ···31
그림 4.9 전체적인 시스템 하드웨어 구성도 ···32
그림 5.1 실험 환경 ···34
그림 5.2 실험 환경에서의 위치 추적 시스템 배치도 ···35
그림 5.3 초음파센서에 의해 측정된 거리 데이터 ···36
그림 5.4 초음파 기반의 로봇 위치 측정 데이터 분포도 ···37
그림 5.5 LOS환경에서의 각 비컨의 거리 데이터 ···38
그림 5.6 NLOS환경에서의 각 비컨의 거리데이터 ···38
그림 5.7 LOS환경에서의 ETOA알고리즘을 적용한 위치데이터 ···40
그림 5.8 LOS환경에서의 UKF필터를 적용한 위치데이터 ···40
그림 5.9 추측항법을 통한 위치 측정 데이터 ···41
그림 5.10 NLOS환경에서의 실험 환경 ···42
그림 5.11 NLOS환경에서의 ETOA알고리즘을 적용한 위치데이터 ···43
그림 5.12 NLOS환경에서의 UKF를 적용한 데이터와 추측항법데이터 비교 ···44
그림 5.13 NLOS환경에서의 UKF를 적용한 데이터 ···45
그림 5.14 NLOS환경에서의 UKF를 적용한 데이터(확대) ···45
그림 5.15 LOS환경에서 ETOA 오차 분포도 ···46
그림 5.16 NLOS환경에서 ETOA 오차 분포도 ···47
표 목 차
표 4.1 U-SAT 센서 제원 ···23 표 4.2 자이로 센서 제원 ···25
ABSTRACT
Implementation of Indoor Location Tracking System Using ETOA Algorithm at Non-Line-Of-Sight Environment
Kang, KyeungSik
Advisor : Prof. Choi, GoangSeog, Ph.D.
Department of Information and Communication Engineering Graduate School of Chosun University
Recently, the quality of human life is improved by the development of electronic engineering and wireless communication technology. Ubiquitous technology is being spotlight to provide various services for Human.
Ubiquitous computing is a post-desktop model of human-computer interaction in which information processing has been thoroughly integrated into everyday objects and activities. Recently, ubiquitous sensor network (USN) technology are being actively researched. This is performed for Human detection and control device for better then service.
Indoor location tracking technology is needed for to support service.
Indoor location tracking technology can be applied various fields such as health, military, home networks, environmental monitoring or factory management service.
Currently, the most typical location tracking system is GPS (Global Positioning System). GPS possible to tracking using difference time between when sending a signal from satellite and when receiving a signal from receiver. However, it hard for tracking in indoor environment because if receiver is located airtight space, GPS signal is very weak.
Therefore, many indoor location tracking systems are presented like the Cricket and Active bat system using ultrasonic wave, Active badge system using Infrared, and RADAR and 3D-ID using RF(Radio Frequency). Conventional indoor location tracking systems are mainly designed for LOS (Line of Sight) environment. Therefore, it is hard to tracking at NLOS (Non Line of Sight) environment. However, NLOS environment always must be considered because the indoor is full of house stuffs.
In this paper, the ETOA algorithm is proposed for NLOS environment operation, implemented in hardware, and verified its performance by experimental results.
제1장 서 론
제1절 연구 배경
최근 무선 통신과 전자 공학의 발전은 인간 삶의 질을 더욱 높이고 있다. 이러한 인 간의 생활 속에 가장 밀접해 있는 실내 환경에서의 서비스를 제공하기 위해 인간과 컴 퓨터, 사물이 유기적으로 연계되어 다양하고 편리한 새로운 서비스를 제공해 주는 유비 쿼터스가 각광을 받고 있다. 특히 유비쿼터스 컴퓨팅 환경에서 인간 외부 환경의 감지 와 제어 기능을 수행하는 유비쿼터스 센서 네트워크 (USN) 기술이 최근 활발히 연구되 고 있으며 이러한 유비쿼터스 시대로 진입하면서 사람에게 다양한 서비스를 제공할 수 가 있다. 그 중에 실내 환경에서 다양한 서비스를 제공하기 위해서는 실내 위치 추적 기술이 필요하다. 이러한 실내 위치 추적 기술은 헬스, 군사, 홈네트워크, 환경감시, 공장관리, 재난 감지 등의 다양한 분야에 적용될 수 있다[31].
현재 가장 대표적인 위치 탐지 시스템으로는 GPS (Global Positioning System)가 있 다. GPS는 위성에서 보내는 신호에 대한 시간과 사용자 단말기의 리시버에서 수신할 때 시간의 차를 이용하여 위치 추적을 수행한다. 하지만 GPS는 실내와 같이 밀폐된 환경에 진입하게 되면 신호가 매우 미약해 지거나 끊어지므로 이를 이용하여 실내 환경에서의 위치를 추적하기에는 무리가 있다[21].
이에 다양한 매체를 이용한 실내 위치 추적 시스템이 제시되었다. 실내 위치 추적을 수행하는 대표적인 시스템은 초음파를 이용한 Cricket 시스템과 Active Bat 등이 있고, 적외선을 이용한 Active Badge등이 있으며, IEEE 802.11 또는 ISM (Industrial, Scientific and Medical)대역의 무선 RF (Radio Frequency)를 이용하는 RADAR와 3D-ID 등이 개발 되었다. 이렇게 실내 환경에서의 해당 객체의 위치를 알게 되면 다양한 응용 산업으로 발전할 수 있으며, 휴대 인터넷, DMB, RFID/USN 등의 기술발달과 유비쿼터스 컴퓨팅 환경의 조성으로 위치 정보의 활용성은 더욱 다양해 질 것으로 예상된다. 하지 만 위치 추적시스템이 여러 가지 방법을 통해 연구되어 왔으나, 기존의 연구들은 대부 분 LOS (Line of Sight)환경의 제약을 두고 위치를 인식할 수 있는 기술이다. 실내 환 경 상 대부분의 공간이 인간이 사용하는 가전제품, 가구, 생활용품 등의 물건으로 차지 되고 있기 때문에 실내 환경에서 NLOS (Non Line of Sight)환경을 무시해서는 안된다.
이에 본 논문에서 NLOS 환경을 극복할 수 있는 ETOA 알고리즘을 제안하고, ETOA 알고리
즘의 성능분석을 통해 해당 알고리즘의 효용성에 대해 검증한다.
제2절 연구 목적 및 구성
현재 제안된 실내 위치 추적 기법들은 성능향상을 위해 개선되어야 할 문제점들 을 가지고 있으며, 이 문제점들을 효과적으로 개선한다면 좀 더 효율적이고 실용 가능한 실내 위치 추적 방법이 될 수 있다. 실내 위치 추적 기법 중에 가장 대표 적인 추적기법에는 위성방식을 이용한 위치 추적 방법이 있다. 이러한 위성방식의 위치추적 시 가장 큰 문제점으로 NLOS 환경에서의 위치 추적이다. NLOS 환경에서 는 이동노드와 비컨사이에 다양한 장애물로 인해 측정 오차가 발생하게 되고, 이 는 곧 위치데이터 오차로 이어지게 된다. 특히 실내 환경이라는 공간상 수많은 생 활 제품으로 인해 수많은 NLOS 환경이 발생한다[32].
이에 본 논문에서는 NLOS 환경에서의 위치 추적을 하고자 초음파 기반의 위치 추적 시스템을 구성하고 실내에 NLOS 환경을 만들어 위치를 추적할 수 있는 ETOA 알고리즘을 제안한다.
본 논문의 구성은 총 6장으로 구성되어 있으며 그 내용은 다음과 같다. 1장에서 는 본 연구를 수행하게 된 배경과 연구목적에 대해 서술하고, 2장에서는 기존에 사용되고 있는 실내 위치 추적시스템에 대해 서술한다. 3장에서는 위치추적 시 사 용한 칼만필터에 관하여 설명한다. 4장에서는 본 논문에서 제안하고 있는 실내 위 치 추적 알고리즘에 대해 서술하고, 5장에서는 ETOA 알고리즘의 성능 분석을 통한 연구 결과를 기술한다. 마지막으로 6장에서 결론을 맺으며 향후 연구 과제를 기술 한다.
제2장 기존의 실내 위치 추적 시스템
제1절 대표적인 위치 추적 시스템
현재 우리 일상 속에서 위치 추적에 관한 기술이 깊숙이 영향을 미치고 있다.
이러한 위치 추적 시스템 중 가장 대표적인 시스템은 GPS(Global Positioning System)가 있다. 이러한 GPS는 3개 이상의 위성으로부터 정확한 시간과 거리를 측 정하여 3개의 각각 다른 거리를 삼각 측량법에 따라서 현 위치를 정확히 계산할 수 있다. 이러한 GPS는 미국 국방성의 주도로 개발되었으며 위성 그룹과 위성을 감지 제어하는 지상관제 그룹, 그리고 사용자 그룹으로 구성되어있다. GPS는 현재 단순한 위치정보 제공에서부터 항공기, 선박 등의 자동항법, 유조선 충돌방지와 차량내의 네비게이션과 스마트 폰의 위치 정보 제공 등의 여러 다양한 측면에서 활용되어 지고 있다. 하지만 GPS와 같은 경우, 실내와 같이 밀폐된 환경에 진입하 게 되면 GPS신호가 매우 미약해지고 오차로 인해 GPS를 이용하여 실내에서 정확한 위치를 추적하기에는 많은 어려움이 있다[21].
그림 2.1 인공위성을 이용한 위치 추적
제2절 위치 추적 기법
실내 환경에서의 위치 측정 기술에는 TOA, TDOA, AOA, RSSI, 장면분석기법, 추 측항법 등의 다양한 기술을 기반으로 한 위치 측정 기술이 제안되었으며 본장에서 해당 위치 측정기술의 특징과 위치 측정 방식에 대해 살펴본다.
1. TOA
TOA(Time of Arrival)는 송·수신기 간의 전파 도달 시간을 이용하여 위치를 인 식 기술이다. TOA를 이용하기 위해서는 송·수신기간의 동기가 맞아야 하며, 최소 3개 이상의 위치를 알고 있는 고정 비컨이 존재하여야 한다. 송신단은 신호에 시 각정보를 포함하여 전송하게 되고 수신단에서 신호를 받은 시각과 신호에 포함된 송신시각을 비교하게 되면 송·수신단의 거리를 측정할 수가 있다. 이 거리는 각 각의 고정 비컨을 중심으로 한 일정한 원의 궤적을 그리면 각각의 비컨을 중심으 로 총 3개의 원을 그릴 수 있고, 3개의 원이 만나는 교점을 찾아 낼 수 있다. 그 리고 이 교점을 이동노드의 위치로 결정하고 서버에 제공하게 된다[2][16].
그림 2.2 TOA를 이용한 위치 추적
그림 2.2는 TOA를 이용하여 각각의 비컨의 고정 좌표로부터 이동노드의 위치를 추적하는 도식도 이다. 각각 비컨은 고정된 좌표( )를 가지고 있다.
그림 2.2의 TOA를 이용하여 식으로 표현하면 식(1)과 같이 표현 할 수 있다. 식 (1)을 이용하여 이동노드의 좌표( )을 구하기 위한 작업으로, 먼저 각각 의 비컨의 고정좌표와 측정된 TOA의 값으로 피타고라스 이론을 이용하면 식(2)와 같이 정의 할 수 있다[25].
(1)
(2)
식 (2)에서 각각의 좌변 우변의 항을 로 치환하고 의사역행렬(Pseudo Inverse Matrix)을 양변에 곱해 주면 로봇의 위치 ( )을 식(3)와 같이 나 타낼 수 있다.
(3)2. TDOA
TDOA(Time Difference of Arrival) 은 전파의 도달시간 차를 이용하여 위치를 인식하는 기법이다. TDOA는 고정 비컨과 이동노드 간의 시간 동기는 필요 없지만 고정 비컨들 사이에서 시간동기가 필요하다. TDOA도 TOA와 마찬가지로 고정 노드 의 위치 정보를 서버에서 알고 있어야 위치 추적이 가능하다.
이동 노드에서 고정 비컨들에게 측위 신호를 요청하게 되면 고정 비컨은 신호를 수신한 시각을 저장하게 된다. 이러한 각각의 고정 비컨들로부터 받은 시간정보는 이미 시간동기화가 이루어진 고정 비컨들 사이에서 수신시간 차이를 계산하여 거 리로 환산 할 수 있다. 식(4)과 같이 2개의 수신기로부터 거리의 차가 일정한 점 의 집합을 구하면 2개의 수신기를 초점으로 하는 쌍곡선을 획득 할 수 있다[33].
(4)그림 2.3 TDOA를 이용한 위치 추적
이러한 각각의 비컨 사이에 그려진 쌍곡선은 신호가 수신기에 도달한 시각의 차 이가 일정한 점의 자취이므로, 이 궤적 위에 서로 중복되는 한 점이 송신기의 위 치로 추정할 수 있다.
3. AOA
AOA(Angle of Arrival)은 두 개의 고정 비컨에서 이동 노드에서 보내온 신호의 방향을 통해 방위각을 측정한 후 측정된 방위각을 이용하여 위치를 구하는 기법이 다. 두 개 이상의 비컨에서 측정된 신호의 방위각의 방향으로 뻗어나는 선의 교점 이 송신기의 위치라고 예상할 수 있다. AOA기법은 비컨의 좌표와 비컨과 이동노 드의 끼인각을 알아내어 위치를 추적하는 기법으로, 그림 2.4는 AOA알고리즘을 이 용하여 3개의 고정 비컨을 이용한 위치 추정기법을 표현한 것이다. AOA알고리즘을 이용한 측정방식은 식(5)를 이용하여 측정하게 된다[27][33].
tan
(5)그림 2.4 AOA를 이용한 위치 추적
위 식(5)에서 ( )는 송신기의 위치를 의미하고 ( )는
번째의 고 정 비컨의 좌표를 의미한다[27]. AOA는 비교적 정확한 위치 측정이 가능하지만 실 내와 같은 NLOS 환경이 무수히 많은 공간일 경우 반사되어 들어오는 신호에 의해 큰 오차가 발생한다. 또한 수신단과 송신단의 거리가 멀어질수록 정확도가 크게 감소한다는 단점을 가지고 있다.4. RSSI
RSSI(Received Signal Strength Indication)는 각각의 비컨과 이동노드의 신호 세기를 측정하여 거리를 측정하는 위치 추적 기법이다. RSSI는 자유공간 전파모델 을 사용하는데 이것은 이상적인 전파 조건에서 보다 정확한 위치를 추적 할 수 있 다. 이러한 전파 환경은 장애물이 없는 LOS 환경에서의 전파 환경의 모델이다.
log
(6)위의 식(6) 은 자유공간 전파 모델에서 RSSI와 거리를 표현한 식이다. 식에서
는 실험값을 통해 얻는 신호의 초기세기이고
는 신호의 해당 전파속도를 주파 수로 나눈 값이다. 하지만 RSSI를 이용한 위치 추적 기법은 다중 경로 성분과 음그림 2.5 RSSI를 이용한 위치 추적
영에 의한 손실로 인해 오차가 발생하게 되는데 이런 문제를 해결하기 위해 일정 시간동안의 신호세기의 평균값을 측정하는 방식과 미리 기준 장치를 중심으로 동 일 거리에서 신호의 세기를 측정하고 비교 값을 사용하는 방식이 사용된다. 하지 만 여전히 자유공간 전파를 만족하기 어렵고 다른 부가적인 문제점이 있어 해결 할 부분들이 많이 존재 한다[28][29].
5 장면 분석 기법
장면 분석 위치 추적 기술은 특정 지점에서 관측된 장면의 특성을 이용하여 위 치를 추정한다. 이때 관측된 장면은 표현하고 비교하기 용이한 특성을 얻기 위해 간략화 한다. 장면 분석법은 크게 정적인 방식과 차동적 방식이 존재하는데, 미리 정의된 데이터 테이블을 통해 물체의 위치를 찾는 방식이 정적 장면 분석법이고, 차동 장면 분석법에는 연속적인 장면 간 차이를 추적하고 장면의 차이가 물체의 움직임에 해당 한다 보고 위치를 예측한다. 장면은 카메라에 찍히는 프레임과 같 은 가시적 이미지 뿐 아니라, 물체가 특정 위치나 방향에 있을 때 발생하는 전자 기적 특성과 같은 측정 가능한 물리적 현상 등도 포함되어진다. 이러한 장면의 특 성을 이용하면 장면에서 관찰자나 물체의 위치를 알 수 있다.
마이크로 소프트 연구소에서 개발한 RADAR 위치 시스템은 이러한 장면 분석 위 치 추적 시스템의 특징을 가진다. 이 시스템은 건물 내의 여러 위치와 방향에서 무선 신호의 전송상태를 관측함으로써 얻어진 신호 세기의 측정치를 사용하며, 측 정된 신호 세기는 건물 내의 측정 위치에 따라 달라진다. 이런 방식으로 단말에서 송신된 신호의 측정 신호 세기를 이용하여 이미 작성된 데이터 테이블을 통해 검 색하여 계산 할 수 있다[25].
6 추측항법
추측 항법은 항체의 이전의 위치와 주어진 시간동안의 이동방향과 속도의 정보 로부터 외부의 도움 없이 항체의 현재 위치 및 방향을 계산하는 자립형 항법 기술 이다. 추측항법은 항법 계산 주기 동안 항체의 진행 궤적을 직선으로 가정하여 위 치 변화 값을 계산하여 그 값을 이전 시간의 값에 누적 시켜 위치를 계산하므로 시간에 따른 위치 오차가 증가하게 된다. 추측항법을 이용하기 위해서는 보통 동 체에 부착되어 있는 자이로스코프나 가속도 센서 등을 이용하여 현재의 객체의 이 동 방향 및 속도를 측정하게 된다[18][22].
2차원 평면에서의 항체의 위치에 대한 이동 로봇의 좌표는 식(7-9)를 통해 나타 낼 수 있다.
cos
(7)
sin
(8)
(9)그림 2.6 이동로봇의 추측항법
제3절 실내 위치 추적 시스템
본 장에서는 1.4장에서 소개한 TOA, TDOA, AOA, RSSI, 장면분석기법, 추측항법 등의 다양한 위치 측정기술을 이용한 대표적인 위치 추적 시스템에 대해 소개를 하고 각각의 위치 추적 시스템의 특징에 대해 이야기 한다.
1. 적외선을 이용한 위치 추적 시스템
적외선을 이용한 대표적인 위치 추적 시스템은 AT&T Lab사의 Active Badge 시스 템이 있다. 그림 2.7은 실제 제품으로 나온 Active Badge 위치 추적 제품이다.
Active Badge 시스템의 구성으로는 천정에 고정된 다수의 적외선 센서와 이동 체 에 부착 된 적외선 센서로 구성이 되어 있으며, 적외선 센서 간 통신으로 위치를 인식한다. 객체의 위치를 인식하는 방식으로 사용자가 가지고 있는 적외선 센서에 서 고유한 ID신호를 송신하면 실내에 설치된 고정된 위치의 수신기에서 해당 ID신 호를 수신하여 서버로 위치 정보를 전송하여 사용자의 위치를 측정한다. 이러한 송신데이터는 간단하고 신호 발생이 짧아 빠른 시간에 위치를 추적할 수 있다. 적 외선을 이용한 위치 추적 방식은 시스템이 간단하여 설치가 편리하다는 장점이 있
그림 2.7 AT&T Active Badge 시스템
그림 2.8 초음파 기반 위치 추적 시스템(a:Active bat, b:Cricket)
지만, 통신 거리가 짧아서 넓은 공간의 실내에서는 적용하기 위해서는 다수의 수 신기를 설치해야만 된다. 또한 적외선 센서의 특성상 직사광선이나 형광등 빛에 매우 민감하기 때문에 오차가 발생할 우려가 높다[5].
2. 초음파를 이용한 위치 추적 시스템
초음파를 이용한 대표적인 위치 추적 시스템으로 AT&T Lab사의 Active Bat 시스 템과 MIT에서 개발한 Cricket 시스템이 있다. 초음파를 이용한 위치 추적 시스템 은 RF신호와 초음파 신호 두 신호의 속도차를 이용하여 위치를 추적한다. 송신기 에서 초음파와 RF신호를 동시에 전송하게 되면 수신기에서는 초음파와 RF의 전파 속도가 다르기 때문에 수신시간의 차가 발생하게 된다. 이를 이용하여 RF신호를 이용하여 이동하는 객체와의 시간동기화를 하고 초음파의 도달 시간을 거리를 측 정 신호로 사용하다. 초음파는 전파에 비해 속도가 현저히 느리기 때문에 해상도 가 좋아 3차원 위치 추적이 가능하며 높은 정확도를 가지고 있다. 하지만 초음파 센서를 추가로 사용하기 때문에 비용적인 측면과 초음파 특성상 투과력이 떨어지 므로 장애물로 인한 위치 추적이 매우 어렵다.
대표적인 위치 측정 시스템인 Cricket 시스템의 구성으로는 천장에 설치 되어 있는 비컨과 이동노드로 구성되어 있다. 비컨에서는 RF 및 초음파 신호를 방출하 고, 비컨이 방출하는 신호는 이동노드에서 수신하여 비컨과 이동노드 사이의 TOA
를 측정 할 수 있다. TOA값을 이용하여 각 노드간 거리를 구하게 되고 삼각측량법 으로 이동노드의 좌표를 계산할 수 있다. Cricket 시스템은 이동 노드에서 위치 정보를 연산하기 때문에 보안상 안전하다는 장점이 있다[3][4].
Active Bat 시스템은 Cricket 시스템과 동일하게 초음파 기반의 위치 추적시스 템이다. Active Bat 시스템의 구성으로는 비컨, 이동노드 그리고 시스템 서버로 구성되어 있다. Active Bat 시스템의 측정 방식은 Cricket 시스템과 유사하지만 반대로 초음파 송신기가 이동 노드에, 수신기가 비컨에 설치되어 있다. 그리고 이 동노드의 위치데이터를 시스템 서버가 수집하기 때문에, 시스템 서버의 허락이 없 는 한 이동 노드의 위치 정보를 확인 할 수 없는 특징을 가지고 있다[7].
3. UWB을 이용한 위치 추적 시스템
UWB(Ultra WideBand)는 단거리 구간에서 저전력으로 넓은 스펙트럼 주파수를 통 해 많은 양의 데이터를 전송하는 무선기술로 수 GHz 대역을 사용하며, 전송 속도 는 500Mbps ~ 1Gbps이다. 초기 군사용으로 통신 , 레이더 등에 응용되었지만 현재 실내 위치 추적까지 영역을 넘보고 있다. UWB의 투과력이 좋아 장애물에 방해를 받지 않기 때문에 정확한 위치 측위 시 정확도가 수cm이내일 정도로 정확하다[8].
UWB를 이용한 대표적인 위치 측정 시스템으로 Ubisense가 있다. Ubisense는 4개 의 고정 비컨으로 약 400의 영역에서 Ubisense Tag의 3차원의 위치를 측정할 수 있다. Ubisense Tag는 고유한 ID를 가지고 있고 배터리 구동 방식으로 주머니에 넣을 수 있을 정도의 소형이다. 하지만 UWB모듈의 생산단가가 높고 UWB 사용주파 수 대역에서 간섭 문제가 발생할 우려가 있다.
제3장 Kalman Filter
제1절 Orignal Kalman Filter
1. Kalman Filter의 개요
실제 시스템의 모든 상태를 정확히 예측 할 수 없기 때문에 잡음이 섞인 측정값 을 이용하게 된다. 칼만필터는 이러한 잡음이 포함되어 있는 선형적인 시스템의 상태를 추적하는 재귀필터로써 잡음을 확률변수로 취급하여 상태 측정 오차의 기 댓값이 최소가 되도록 상태변수를 측정하는 기법이다[15].
칼만 필터는 예측단계와 추정 단계로 나눌 수 있다. 먼저 예측과정에서는 현재 시스템 상태와 모델을 이용하여 다음 측정 시간의 상태와 프로세스 잡음의 분산 값을 예측한다. 식(10-11)은 칼만 필터의 예측과정 시 사용되는 수식이다.
(10)
(11)식(10)에서 와 는 시스템의 모델 값이고 는 추정한 시스템 상태변수와
는 예측한 시스템 상태 변수를 의미하고, 는 시스템의 잡음을 의미한다.
식(11)에서 는 예측한 오차공분산이고, 는 예측노이즈 공분산을 의미 한 다. 식(10)과 식(11)를 통해 이전의 추정 값과 오차 공분산을 입력으로 받아 최종 결과로 예측 값인 와 를 출력하게 된다. 아래의 식은 칼만필터의 추정과정에 사용되는 수식이다.
(12)
(13)
(14)식(12)에서 는 추정과정에서 사용되는 시스템 모델 값이고,
은 측정 노이즈공분산 값이며, 는 칼만이득을 의미한다. 그리고 식(13)에서 는 외부에서 측 정된 값을 의미한다. 식(12)를 통해, 계산된 프로세스 잡음와 측정 잡음의 분산을 이용하여 칼만이득을 계산 한다. 추정단계에서는 측정된 값과 예상된 시스템 상태 의 값에 칼만이득을 곱하고, 예상된 상태 값에 더해주어 대푯값을 계산한다. 측정 이 이루어졌으므로 오차공분산 값도 수정한 후 식(12-14)을 반복수행 하게 된다 [30].
칼만 필터는 측정값에 확률적인 오차가 포함되고, 또한 물체의 특정 시점에서의 상태는 이전 시점의 상태와 선형적인 관계를 가지고 있는 경우 칼만필터 적용이 가능하며, 컴퓨터 비전, 우주선 항해와 제어, 레이더 추적 알고리즘, 프로세스 제 어, 사회 경제적인 시스템 등의 다양한 선형시스템에 응용되어 사용되어 사용 되 어 지고 있다.
제2절 Unscented Kalman Filter
칼만 필터는 선형 시스템의 상태 공간 모델에서 상태 변수를 추정하는 방법으로 선형 시스템에서 높은 성능을 보이는 알고리즘이다. 칼만 필터 알고리즘은 선형 시스템을 모델화 한 것이기 때문에 위치추적과 같은 적용 하려는 시스템이 비선형 일 때 바로 적용하기가 어렵다. 이에 이러한 비선형 시스템에 적용할 수 있는 필 터로 EKF(Extended Kalman Filter)와 UKF(Unscented Kalman Filter)가 있다.
1. UKF의 개요
비선형 시스템에 시스템의 상태를 예측할 수 있는 필터중에 대표적인 필터로 EKF와 UKF가 있다. 예측하고자 하는 시스템의 상태가 비선형 일 경우에 EKF는 자 코비안 행렬을 통해 비선형적 시스템 모델을 선형화하여 칼만 필터에 적용하는 방 식이다. 하지만 선형화 모델링 작업이 매우 까다롭고 복잡하다는 단점이 있다. 이 러한 이전의 비선형 시스템 필터들의 문제점을 보완하기 위해 연구된 필터가 UKF 이다[10][26].
UKF는 선형화 과정을 생략함으로써 비선형 시스템을 선형화 모델링 하는 작업에 의해 발생할 수 있는 오차를 제거할 수 있다. 이 필터는 가우시안 분포를 갖고 비 선형 시스템에 쉽고 정확하게 접근하기 위해 사용되어졌다. UKF는 Unscented 변환 을 이용하여 샘플 포인트 최소 집합인 시그마 포인트(Sigma Point)와 가중치를 구 하고, 이를 이용하여 시스템의 오차공분산까지 직접 계산하기 때문에 선형화 모델 링 작업이 필요 없다. 이 때 시그마 포인트는 3차 또는 그 이상의 오차를 갖으며 예측한 참 평균과 공분산 값은 임의의 비선형 시스템의 2차와 같은 성능을 보인 다. 이러한 시그마 포인트들은 비선형 함수를 통해 전달되고, 가우시안 랜덤 변수 분포로 접근하며 최소의 핵심 시그마 포인트들만을 사용하여 공분산과 참 평균의 값을 찾을 수 있다[30].
∼
(15)식(15)에서 은 시스템 상태변수()의 평균값이고 는 에 대한 공분산 값 을 의미한다. 이러한
에 대해 비선형인 임의의 함수 의 평균과 공분산을 구 하는 것이 UKF의 목표이다. UKF를 적용하기 위해서 먼저 해당 시스템을 Unscented 변환 알고리즘을 통해 현재의 평균과 공분산에 맞는 시그마 포인트와 가중치를 선 정하는 작업을 수행한다. Unscented 변환 알고리즘에 대해 알아보면 다음과 같다.먼저
에 대한 시그마 포인트(
)와 가중치(
)를 정의하면 식(11)과 식(12)와 같다.
(16)
(17)
(18)식(11)에서 시그마 포인트는 평균 에서 거리
,
만큼 떨어진 지점을 나타내고 있다.
은 시스템 상태변수의 차원 수를 의미하며,
는
의 행렬 제곱근 값의 번째 행 또 는 열이다. 시그마 포인트의 가중치를 정의하면 식(17)와 같다. 가중치는 평균과 공분산을 계산할 때 각 시그마 포인트의 비중을 결정하는 상수이다.
는 크기조정 매개변수(Scaled parameter)로 시그마 포인트의 분포를 조정할 수 있다. 위의 시 그마 포인트와 가중치를 이용하여 함수
의 평균과 공분산은 다음과 같이 정의 할 수 있다.
(19)
(20)의 평균과 공분산을 식(19)와 식(20)같이 계산되어 진다. 식(16)와 (17)에 정 의된 시그마 포인트와 가중치는 식(21)과 식(22)을 만족 하게 된다.
(21)
(22)식 (21)에서 첫 번째 식은 시그마 포인트의 가중 평균을 구하는 식이고 식(22) 는 시그마 포인트의 가중 공분산을 구하는 식이다. 식(21)의 결과를 통해 UKF는 무수히 많은 샘플을 동원하지 않아도
개의 시그마 포인트와 가중치만 있으 면
의 통계적 특성을 나타낼 수 있다는 의미이다. 이는 곧 시그마 포인트와 가중 치가 상태 변수의 통계적 특성을 대표하는 역할을 수행한다.그림 3.1 Unscented 변환 원리
Unscented 변환을 도식화 하면 그림 3.1과 같다. 그림 3.1은 2차 비선형 시스템 의 Unscented 변환을 수행한 도식이다. 총 개의 시그마 포인트로 구성되며, 2차인 시스템임을 짐작해 볼 수 있다. 그림 3.1과 같이 먼저 개의 시그마 포 인트를 결정한 후 이를 비선형 변환한 개의 변환된 시그마 포인트의 결과에 대해서 평균과 분산을 계산함으로써 다른 선형화 과정이 필요 없이 비선형 시스템 의 상태를 예측 할 수 있다. 시그마 포인트는 랜덤변수
의 통계적 특성을 가장 잘 나타 낼 수 있도록 하는 것이 중요하다[35].이와 같이
의 평균과 공분산을 직접 계산하는 대신에 몇 개의 대푯값인 시 그마 포인트를 정해서 이 값의 변환 결과로 평균과 공분산을 계산하게 되는데 이 값들은 바로
의 평균과 공분산이다.그림 3.2 UKF의 흐름도
그림 3.2은 UKF의 흐름도를 나타낸다. UKF는 전체적으로 보면 칼만필터와 동일 하게 예측->칼만이득->추정 의 구조로 되어 있다. 먼저 1단계로, 초기값이 UKF를 통해 입력되고, 2단계로 현재의 평균과 공분산에 맞는 시그마 포인트와 가중치를 선정하는 작업을 수행하게 된다[30].
시스템 상태변수의 의 차원 이 커질수록 식(17)의 가중치() 또한 같이 커 지기 때문에 원하는 범위를 벗어나는 시그마 포인트가 결정될 수 있다. 특히 비선 형 시스템과 같은 경우 이러한 현상이 크게 발생한다. 이러한 문제를 해결하기 위 해 값의 결정으로 시그마 포인트의 분포를 으로부터 조정해야만 한다. 가 이면 거리는
에 비례하고, 이면 시그마 포인트는 에서 멀어지게 되 고, 이면 에서 가까워지게 된다. 본 논문에서는 함수의 마지막 인자인는 을 만족하도록 선정하여 의 차원 에 대한 영향이 없어지게 설정하 였다. 그 다음 3단계로 의 잡음(
)을 더한 예측 값과 오차공분산을 구 한다음, 4단계로 의 예측 값과 오차 공분산을 구하게 된다. 여기서 3, 4 단계에서는 Unscented 변환이 이용된다. 5단계에서는 다음으로 칼만 이득을 구하 게 된다. 식 (23)는 칼만 이득을 구하기 위한 공분산을 구하는 수식이다.
(23)Unscented 변환의 개념을 활용하여
와
의 공분산 행렬을 식 (23)를 통해 구하게 된다. 그리고 와 측정값의 오차 공분산의 역행렬을 곱해 칼만 이득을 얻게 된다. 나머지 두 단계에서 추정 값 계산과 오차공분산을 각각 계산하여 다시 금 칼만 필터에 적용시키는 구조로 되어있다[17][25][26].제4장 제안하는 실내 위치 추적 시스템
제1절 위치 측정 센서 분석
본 절에서는 제안하는 위치 추적 알고리즘을 적용하기 위해 사용된 센서에 대해 분석한다. 사용된 센서로는 이동 노드의 절대좌표를 측정하기 위한 초음파 위성 측정 센서와 이동노드의 상대좌표를 측정하기 위한 각종 관성센서를 사용하였다.
1. U-SAT LPS 시스템
실내의 위치를 측정하기 위해 초음파기반의 위치추적 모듈인 U-SAT를 이용하였 다. U-SAT는 한국 LPS사에서 제작한 초음파 기반의 위치 추적 모듈이다[1]. 초음 파를 이용하여 거리를 측정하는 방법은 그림 1과 같이 송신부에서 RF 신호와 초음 파 신호를 동시에 수신부에 전송함으로써 RF와 초음파의 각각의 신호에 대한 속도 차를 이용하여 거리를 구할 수가 있다. 초음파의 전파 속도에 따른 거리를 구하는 수식은 식 (24-25)와 같다.
(24)
(25)그림 4.1 초음파 기반의 TOA측정 방법
그림 4.2 U-SAT 시스템
식 (24)에서 신호가 수신된 시각()과 송신된 시각()의 차를 구해 식(25)의 초음파 속도()와 곱하게 되면 비컨과 수신기와의 거리를 구할 수가 있다. 초음파 는 온도에 민감하므로 섭씨온도()를 포함하여 연산한다. 초음파에 비해 RF의 전 파속도는 × 로서 초음파에 비해 매우 빨라 두 신호를 이용하게 되면 거리 를 측정하는 해상도가 높다. 실내의 위치를 측정하기 위해 초음파기반의 위치추적 모듈인 U-SAT를 이용하였다. 그림 4.2는 한국 LPS사에서 제작한 초음파 기반의 위 치 추적 모듈인 U-SAT이다. U-SAT 위치 추적 센서의 제원은 표 4.1과 같다. 그림 4.3은 U-sat 초음파 모듈에서 출력되는 거리데이터 포맷이다. 본 논문에서는 해당 각각의 비컨과 이동노드간의 거리정보가 필요하기 때문에 Dist.1에서 Dist.4 까지 의 데이터를 측정하여 삼각측량법을 통해 이동노드의
좌표를 측정하였다.표 4.1 U-SAT 센서 제원
Response Time 0.6 sec = 0.15 sec
×
4개 거리 Resolution Display unit 1 mmRepeatability 10~100 mm(static)
Cover Range
권장 7m
×
7m수신기 천정 지향 고정조건
수신기, 천정과 높이 차이는 2m이상 권장 Power Supply 발신기(위성) 9~12VDC
수신기 9.0 VDC Ultrasonic Freq 25kHz
RF 315Mhz (ASK Type)
Output RS232serial output(115200bps,n,8,1)
그림 4.3 U-SAT 출력데이터 포맷
2. 자이로 센서 (Gyroscope Sensor)
자이로 센서는 Withrobot Lab.에서 제작한 myGyro300SPI 모델을 사용하였다. 해 당 모델은 Analog Device사의 ADIS16100 센서를 내장 하고 있다. 자이로 센서는 정지상태의 신호를 중심 값으로 하여 센서의 각도가 변화할 때 출력되는 값의 차 이를 이용하여 각속도를 계산하게 된다. 하지만 자이로 센서는 상태에 따라 중심 값이 이동하는 드리프트 현상이 발생하게 된다. 이는 적분을 이용하여 결과 값을 측정하는 자이로 센서의 특성상 오차를 누적하게 된다. 식(26)은 자이로 센서에서 출력되는 값을 radian 값과 degree 값으로 출력하는 식이다[18].
×
(26)
자이로 센서를 측정하기 위해서 정지상태에서의 중심 값을 구해야하는데 이는 센서의 특성마다 미세한 차이가 있으므로 실험을 통해 직접 구하였다. 정지상태의 자이로센서에서 얻은 1000개의 데이터를 평균화 하여 센서의 중심 값으로 사용하 고 , 자이로 센서에서 측정되는 온도 값을 통해 자이로 출력 값을 보정하여 각속 도를 계산하였다.
표 4.2 자이로 센서 제원
Figure Specification Supply voltage 5V Data interface SPI Measurement range
±
300
sensivity 0.2439
3. 컴파스 센서 (Compass Sensor)
지자기 센서는 지구상에서 발생하는 지자기를 검출하여 방향을 탐지하는 센서이 다. 지자기 센서는 지구의 자북을 중심으로 각도를 추정한다. 이러한 지자기 센서 는 지구의 지자력이 약하고 상대적으로 균일하지 않으며 센서 자체의 잔류자기와 전기 부품에 의한 자기장영향으로 오차가 발생하여 보정용으로 많이 사용된다.
본 논문에 이동 로봇의 진행 방향 각도를 추출하는데 사용된 센서는 CMPS03 모 델의 지자기 센서를 사용하였다. CMPS03 지자기 센서는 필립스사의 KMZ51을 이용 한 모듈로써 듀티비에 의한 출력과 I2C 통신 방식에 의한 출력을 지원하여 주행 로봇에 많이 사용되는 지자기 센서 모듈로서 그림 4.4와 같다[18].
그림 4.4 CMPS03 지자기 센서
제2절 추측항법을 통한 상대좌표 추적
삼각측량법만으로 실내에서 위치를 추적하기에는 많은 어려움이 있다. 삼각측량 법을 이용하기 위해서는 TOA값의 정확도가 높아야만 이동 노드의 위치오차를 최소 화 할 수 있다. 하지만 실내와 같은 경우 무수한 장애물로 인해 정확도 높은 TOA 값을 측정하기가 매우 어렵다. 그래서 본 논문에서 이동 로봇의 자이로스코프 센 서를 이용하여 이동로봇의 회전각을 구해 추측항법을 이용하여 상대 좌표를 추적 하였다[12][13][34].
그림 4.5는 본 논문에서 제작한 이동로봇의 제원이다. 그림 4.5에서 는 절 대좌표의 x,y 축을 의미하고, 는 이동로봇의 회전 중심축을 나타낸 것이다.
는
와 주행 바퀴의 중심과의 거리를 나타낸다.
과
은 모터의 엔코더 값 에 의해 측정된 거리이고,
는 이동 로봇 내 자이로 센서에 의해 측정되는 각 속도 값이다. 여기서
는 를 중심으로 로봇의 이전의 위치와 현재의 위치의 회 전각으로 식(19)을 이용하여 쉽게 계산 할 수 있다.그림 4.5 이동로봇의 기구학
∆
(27)식(19)에서
는 자이로 센서에서 측정된 각속도 값을 의미하고,∆
는 자이로 센서의 샘플링 시간을 의미한다. 식(19)을 이용하여 이동 로봇의 회전중심각
을 구할 수 있다.
을 이용해서 추측항법을 통한 이동 노드의 좌표( ) 를 구하기 위해서는 다음과 같은 방법으로 구현하였다.
(28)로봇의 회전 중심축을 기준으로 두 바퀴가 이동한 각속도는 동일하므로 식(29) 와 같이 정의 할 수 있다.
는 이동로봇 바퀴사이의 거리이고,
는 로봇 회전 중 심축과 로봇 바퀴 중심과의 거리이다.
을 이용하여 식(21)과 같이 이동 로봇의 최종적인 위치정보 을 알 수 있게 된다.∆
(29)
∆
(30)∆
(31)
∆
(32)본 논문에서 추측항법을 통한 위치 추적 시 UKF를 사용하였다. UKF를 사용하 기 앞서 이동 로봇의 시스템 모델링 과정이 필요하다. 다음 식(22)는 본 연구에서 제작한 이동로봇의 기구학적 특징을 모델링한 행렬이다.
sintan costan cos sin
sinsec cossec
∆
∆
(33)
식 (22) 행렬에서 오일러각의 변화율 는 이동로봇의 각속도 를 측정한 값과 이동로봇의 추정된 의 값을 구하기 위해 이동로봇내의 센 서정보를 활용해 ∆와∆를 구한다. 최종적으로 출력되는 시스템 값은 이동로 봇의 의 값과 이동로봇의 이동 벡터정보에 대해 얻을 수 있다. 이 시스 템모델을 UKF에 적용시키면 더욱 선형화된 위치 정보를 얻을 수 있다.
제3절 ETOA (Estimation-Time-Of-Arrival)알고리즘 제안
현재까지 출시된 위치 추적 시스템은 대부분 TOA의 기법을 이용하여 위치 추적 을 하고 있다. 하지만 TOA기법은 송신기와 수신기 사이에 장애물이 존재 한다면 전파의 흐름에 방해가 되므로 전파의 회절 및 반사로 인해 측정된 TOA값이 많은 오차를 포함 하고 있을 것이다. 특히 초음파 위치 추적 시스템과 같은 경우 초음 파 대역의 신호를 사용하기 때문에 장애물 투과 능력이 매우 취약하다. 이는 초음 파 기반의 위치 추적 시스템을 이용하면 장애물이 많은 실내 환경에서 특정 객체 의 위치를 추적하기엔 많은 어려움이 있다. 이에 본 연구를 통해 실내의 NLOS 환 경에서 더욱 정확도 높은 위치 추적을 하기 위해 ETOA 알고리즘을 적용하고 센서 융합과 UKF를 이용하여 실내 이동노드의 위치를 추적한다.
대부분의 TOA기법을 이용한 위치 추적 알고리즘은 최소 3개의 비컨을 이용하여 이동 노드와 고정 비컨과의 거리를 연산해서 위치를 추적하는 삼각측량법이 많이 이용되고 있다. 하지만 삼각측량법은 각각의 비컨과 이동노드간의 거리를 구하고 연산하여 좌표를 구하는 방식으로 만약 하나이상의 비컨과 이동 노드 사이에 NLOS 환경이 발생한 경우에는, 정확도가 낮은 TOA값이 측정되게 되고, 위치데이터 또한 상당한 오차를 포함하는 위치데이터가 될 것이다. 그림 4.6는 ETOA 알고리즘의 개
그림 4.6 Estimation-TOA 알고리즘 개념도
념도를 의미한다. 그림 내에 이동노드의 위치를 추적하기 위해 총 3개의 비컨이 존재하고 각각의 비컨에서 이동 노드까지의 TOA값을 구하고 있다.
하지만 비컨3과 이동노드 사이에 벽이 있어 NLOS 환경이 발생하였다. 이에 비컨 3과 이동 노드 간에 측정된 TOA값은 매우 많은 오차를 포함하고 있을 것이다. 반 면 비컨1과 비컨2의 이동 노드 간에 측정된 TOA값은 LOS 환경으로 비교적 정확한 거리데이터가 측정될 것으로 예상해볼 수 있다. 이에 본 논문에서 제안하는 ETOA 알고리즘은 다중 비컨을 이용하여 위치를 추적할 시, 먼저 노드로부터 측정된 TOA 값을 감시하여 NLOS 유무를 판단하고, 만약 NLOS 환경이 발생하면 해당 비컨과 이 동 노드간의 TOA값을 사용하지 않고, 추측항법을 통해 얻어진 이동 노드 좌표를 이용하여, 다시 역으로 NLOS 환경이 발생한 비컨과의 TOA값을 예측하는 알고리즘 이다. 식(19)은 이동로봇의 좌표를 통해 해당 비컨과의 예측한 TOA(ETOA )값을 구 하는 수식이다.
(34)식(23)에서
는 NLOS 환경이 발생한 비컨이 설치된 절대 좌표 를 의미 하고
의 값은 이동 로봇내의 관성센서를 활용하여 추정한 상대 좌표 값을 의미한다.추측항법을 통해 이전의 이동노드를 기준으로 하여 측정한 상대좌표
를 식(23)을 통해 연산하게 되면 NLOS 환경이 발생한 비컨과 이동노드간의 정확도 있 는 TOA 값을 구할 수가 있다.그림 4.7 Estimation-TOA를 이용한 위치추적 흐름도
그림 4.8 ETOA 알고리즘의 임계값 범위
본 연구의 위치 추적의 전체적인 프로세스는 그림 4.7과 같다. 비컨과 이동 노 드 간의 TOA를 측정하고 나서, 해당 TOA값의 신뢰도를 판별하기 위해 임계 값 측 정 방식을 사용하였다. 임계값은 그림 4.8과 같이 최소 임계값과 최대 임계값을 두고 측정된 TOA값이 임계값을 벗어나게 되면 NLOS 환경임을 감지하게 된다. 임계 값은 로봇의 이동속도에 비례하며 식(24)과 같다.
(35)
(36)
(37)
≤
≤
(38)식(24)와 같이 본 논문에서는 로봇의 이동속도를 고려하여 TOA측정 임계값을 선 정하는 알고리즘을 적용하였다. 로봇의 이동속도를 추측항법을 통해 구한 후 임계 값 의 수치를 로봇의 이동속도의
±
4배의 수치로 정하고 테스트를 하였다.그림 4.9 전체적인 시스템 하드웨어 구성도
각 노드에서 측정된 TOA값이 식(24)을 만족할 때 측정된 TOA데이터가 신뢰 있는 값이라 판단하고 이 값을 이용하여 삼각측량을 수행하게 된다. 만약 비컨에서 측 정된 TOA 데이터가 식(24)을 만족하지 못하는 경우라면, 해당 비컨과의 TOA값만을 버리고 추측항법으로 구해진 좌표를 식(23)을 이용하여 NLOS 상태의 비컨과의 ETOA 값을 측정하게 된다.
본 논문에서 ETOA 알고리즘을 적용하기 위해 초음파 기반의 실내 위치 추적 시 스템을 제작하고 소형 이동 로봇을 제작한 후, 이동 로봇의 주행을 통해 본 논문 의 알고리즘의 성능에 대해 검증하였다. 그림 5.3는 전체적인 시스템의 하드웨어 적인 구성도 이다. 이동로봇 내에는 추측항법용 센서로 자이로 센서, 지자기 센 서, 엔코더가 내장되어 있고, 전체적인 제어는 AVR 사의 ATMEGA128을 이용하여 제 어하였다. 이동 로봇내의 관성센서를 통해 얻은 데이터는 비교적 샘플링 속도가 빨라서 약 100ms 주기로 위치 서버에 전송되고, U-SAT를 통해 얻은 거리 데이터는 400ms의 주기로 데이터를 수집하였다. 수집된 데이터를 통해 서버에서 ETOA 알고 리즘을 적용하고 UKF를 통해 위치데이터를 출력하였다.
제5장 실험 환경 및 결과
제1절 실험 환경
실험환경은 그림 5.1, 그림 5.2와 같이 4.0m × 2,5m × 2.0m 의 실내 공간으 로 구성하였다. 초음파 비컨은 각각 모서리 네 지점에 높이 2m 지점에 설치하였고 이동로봇을 제작하여 주행 중의 위치 추적을 실시하였다. 로봇 내에는 회전각 데 이터를 추출하기 위해 자이로스코프, 컴퍼스 센서의 두 개의 관성센서(Inertial Sensor)와 모터의 엔코더가 내장되어 있고 실내 위치 추적을 하기 위해 초음파 수 신기가 내장되어 있다.
그림 5.1 실험 환경
