경로 지도는 주행 가능 경로내 경로점과 경로, 경로점 간의 연결성(Connectivity), 그리고 경로간의 연속성(Continuity) 정보를 포함한다. 경로점은 식재된 과수, 수확된 농산물의 예상 배치 정도에 따라 경험적으로 지정하며, 이웃된 경로보다 적은 거리 간격으로 경로점을 생성한다. 본 시스템에서는 [Fig. 2]와 같이 경로 지도가 생성된다. 첫째, 사용자가 정의한 경로점의 종단점(Pre-defined Waypoint)을 기준으로 옆 통로의 거리보다 적은 거리가 되도록 중간 경로점(Auto-generated Waypoint)을 자동으로 생성한다. 이때, 경로점간의 거리는 지도 생성시 경로점 관리의 복잡성 및 주행 경로 판단의 계산량을 고려하여 최소화 되도록 설정한다. 생성된 경로점들의 연결성을 정의하며, 각 경로점 집합으로 경로를 설정한다. 마지막으로 경로들간의 연속성을 정의하여 경로 지도를 생성한다. 생성된 경로 지도를 기반으로 본 논문에서는 AMR 현재 위치 파악의 정확성 향상 및 자율 주행 안전성을 확보한다.

[Fig. 2] 
Sequence of generating path map

현재 위치에서 목적 경로점으로의 로봇 이동 경로 탐색은 BFS(너비 우선 탐색, Breadth-First Search) 알고리즘을 활용한다^[6]. 탐색시 비용은 간선 수로 정의하였으며, 식(1)과 같이 비용 함수를 정의한다. 경로점 u에서 경로점 v로 이동하는 데 필요한 간선 수 d를 나타내며, 최소 비용을 계산한다.

예를 들어, 현재 0번 경로점에 있는 AMR이 5번 경로점으로 가기 위한 경로점은 [Fig. 3]과 같이 0번 → 1번 → 2번 → 3번→ 4번→ 5번 순서로 이동이 계획된다. 또한 본 경로점이 경로4와 경로1간의 연속성을 가지는 것을 파악할 수 있다.

[Fig. 3] 
Example of target waypoint generation

GPS 오신호를 필터링은 로봇의 이동 가능 속도보다 크게 변화한 센서 정보를 필터링 한다. GPS의 현재 값과 이전 값을 비교하여 AMR의 속도를 기준으로 단위시간당 이동 가능한 최대 거리를 초과하는 경우 오신호로 판단한다. 현재 GPS 위치가 (x₁,y₁)이고, 이후 위치 좌표가 (x₂,y₂)라고 할 때, 두 좌표 사이에 이동한 거리(Δd)를 계산하는 수식은 식 (2)과 같다.

위의 두 수식을 이용하여, Δd가 T를 초과하는 경우, 해당 GPS 위치는 필터링한다. Δd는 GPS로부터 수신된 이동변위분을 의미하며, T는 로봇이 이동할 수 있는 최대 거리를 의미한다. 이를 산출하기 위해 V는 현재 로봇의 이동속도를 의미한다. Δd은 시간간격을 의미하는데, GPS의 신호 주기와 동일하게 설정되며, α는 일정 상수값을 가지게 되며, 1보다 큰 값을 부여하여, 오차분이 상쇄되도록 설정한다.

AMR이 현재 주행하고 있는 경로를 판단하기 위하여 현재 측정된 GPS 위치와 경로 지도에 포함된 경로점들 간의 유클리디안 거리 차이를 계산하고, 가장 근접한 경로점을 최근접 경로점으로 설정한다. 경로점 사이에 위치하여 근접한 경로점이 두개인 경우, 이전에 인식된 경로점을 이용하여 경로의 연결 정보를 활용하여 최근접 경로점을 반환한다.

[Fig. 5]는 오정보 필터링 시스템의 순서도 이다. 생성된 경로와 현재 GPS값이 입력되면, 최근접 경로점이 계산된다. 다음으로, 현재 경로점과 이전 경로점간 연결성을 유지하고 있는지 확인하고, 경로간의 연속성을 고려하여 경로점을 필터링한다.

[Fig. 5] 
Diagram of error filtering system

[Fig. 6]는 제안하는 방법의 오정보 필터링 예이다. 로봇의 경로 계획은 경로6à경로4à경로1로 계획되어 있으며, 경로내 경로점의 이동 방향은 [Fig. 6]과 같다. 로봇이 경로점 1에서 경로점 2로 이동하고 있는 상황이기 때문에, 현재 경로점은 1 또는 2이며, 경로는 4 또는 1로 판단되야 한다. 만약 로봇의 최근접 경로점이 이와 같지 않으면 획득된 로봇의 경로점을 오정보로 판단하고 사용하지 않는다.

[Fig. 6] 
Example of error filtering considering current waypoint

농업 환경에 투입되는 실험용 AMR은 [Fig. 7]와 같으며, 4륜 구동으로 노지에서 운용 가능하며, 200 kg 이하의 하중을 이송할 수 있다. AMR에 부착된 듀얼 안테나 RTK-GPS^[7]를 이용하여 위치를 측정하였다.

[Fig. 7] 
Experimental AMR platform

본 논문에서 적용한 농업 환경은 과수원이며, 3.0미터 횡방향, 2.0미터 종방향 수간간격으로 사과나무가 심어져 있는 환경으로 [Fig. 8]과 같다. 과수원의 종방향 길이는 약 60 m 정도 된다. 종방향의 다수의 통로가 있고, 통로 간의 이동은 통로의 끝단에서만 이동이 허용되는 구조를 가지고 있다.

[Fig. 8] 
Orchard envirnment

[Fig. 9]와 같이 농업 환경 경로 지도의 경로는 총 21개로 정의하였고, 21개의 경로 내 포함된 경로점은 총 251개로 설정되었으며, 농작물이 도착해야 되는 곳을 “Home” 으로 설정하였다. AMR이 이동하면서 측정된 GPS를 기반으로 경로점은 횡방향 나무간격보다 작은 값으로 종방향 길이마다 40개의 경로점을 배정을 하여, 약 2.2~2.9 m마다 설정하게 하였다. 해당 경로에 포함하고 있는 경로점과 경로 정보는 [Table 1]과 같다.

[Fig. 9] 
Visualization of path definition

과수원 환경에서는 주행 중에 [Fig. 10]과 같이 과수 지주대나 외부 간섭으로 인해 RTK-GPS 센서가 방해를 받는다. 제안한 알고리즘의 강인성을 검증하기 위해서 아래의 과정을 통해서 노이즈가 포함되어 있는 모의데이터를 생성하고, 시뮬레이션을 통해서 안정성을 검증하였다.

[Fig. 10] 
Situation of interference of RTK-GPS signals because of fruit support

실험에 사용된 AMR의 최대 속도 V를 20 m/s로 설정하였고, RTK-GPS의 경우에는 cm 단위의 적은 오차를 제공하기때문에 오차 보정값 α는 1로 설정하였다. Δt가 0.1일 때, 식 (3)에 의하여, 이전 GPS 신호와 현재 GPS 신호의 거리값이 2 m 이상 차이가 나는 경우를 오신호로 판단하여 필터링한다. 모의데이터에서 총 46개의 GPS 오신호가 필터링되었다.

RTK-GPS 센서가 외부 간섭에 의해 방해를 받는 환경을 구현하기 위해서 식 (4) 와 같이 입력 받는 GPS 값에 노이즈를 더하여 실험 데이터를 생성하였다. x는 입력 받는 GPS 값이고, N은 정규 분포를 따르는 노이즈를 나타낸다.

여기서, N에 대한 수식은 식 (5)와 같다. μ는 정규 분포의 평균이고, σ는 표준 편차이다. 본 논문에서 μ=0으로 설정하였으며, σ는 전체 구간에서는 0.1로, 방해를 받는 두 구간에서는 0.8로 설정하였다. 해당 값은 실제 실험과정에서 발생되는 노이즈의 최대값에 근거하였으며, 실제보다 그 빈도를 잦게 하여 시뮬레이션을 하고자 구역별로 노이즈 데이터를 생성하였다.

시뮬레이션에 사용한 GPS 데이터는 실제 AMR을 이용하여 과수원에서 [Fig. 11]과 같이 총 7개의 경로 8, 12, 13, 14, 15, 18, 20을 지나며 수집한 GPS 데이터로 구성되어 있다. 구역별로 GPS 데이터에 노이즈를 추가하여 최종데이터를 재생성 후 시뮬레이션을 수행하였다.

[Fig. 11] 
Collected GPS data at orchard environment

기존 경로점 기반의 자율 주행 방법은 현재 위치로부터 가장 가까운 경로점을 찾아 주행하지만, 제안하는 방법은 오정보 필터링을 통해 자기경로를 판단하며 주행한다. [Fig. 12]는 기존 방법 주행 경로를 그래프로 표현한 결과이고, [Fig. 13]는 제안한 방법을 통해 주행한 결과이다. 각 그래프의 x, y축은 GPS의 위도, 경도 값을 UTM좌표계로 변환하여 표현한다.

[Fig. 12] 
Result of robot localization with previous method

[Fig. 13] 
Result of robot localization with proposed method

기존 방법의 경우에는 현재 GPS와 경로 상의 GPS와의 비교하여 최근접한 경로점으로 설정하였을 때의 결과이다. [Fig. 12]와 같이 노이즈가 있는 부분에서 다른 경로로 자가 경로가 다르게 인식되는 문제점이 있다. 현재 경로가 아닌 다른 경로로 인식되는 문제점을 확인하였다. 하지만 [Fig. 13]과 같이 제안한 방법의 경우에는 노이즈가 포함되어 있는 위치에서도 강인하게 자가 경로를 판단 가능하다는 것을 확인하였다.

[Table 2]는 시뮬레이션 데이터를 통한 실험 결과를 분석한 것이다. [Fig. 12]와 같은 기존 방법의 주행 결과에서 313, 412, 414, 513, 530, 614 지점에서 총 8개의 GPS가 오차가 발생하였으며, 제안한 방법을 통하여 8개의 GPS 오차 제거가 가능하였다.