Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1975-6291(Print)
ISSN : 2287-3961(Online)
Journal of Korea Robotics Society Vol.7 No.1 pp.45-56
DOI :

패턴 매칭을 이용한 EKF 기반 이동 로봇 실내 위치 추정

김 석 용1, 이 지 홍
충남대학교

EKF based Mobile Robot Indoor Localization using Pattern Matching

Jihong Lee, Seokyoung Kim1

Abstract

This paper proposes how to improve the performance of CSS-based indoor localizationsystem. CSS based localization utilizes signal flight time between anchors and tag to estimatedistance. From the distances, the 3-dimensional position is calculated through trilateration. Howeverthe error in distance caused from multi-path effect transfers to the position error especially in indoorenvironment. This paper handles a problem of reducing error in raw distance information. And, wepropose the new localization method by pattern matching instead of the conventional localizationmethod based on trilateration that is affected heavily on multi-path error. The pattern matchingmethod estimates the position by using the fact that the measured data of near positions possesses ahigh similarity. In order to gain better performance of localization, we use EKF(Extended KalmanFilter) to fuse the result of CSS based localization and robot model.

1. 서 론

 최근 이동 로봇의 활용도가 높아짐에 따라 로봇 기반 연구가 활발하게 진행되고 있다. 로봇 기반 연구 중 로봇이 이동함에 있어 가장 기초가 되는 로봇의 위치 추정에대한 연구의 중요성이 높아지고 있다. 또한 이러한 위치추정 연구는 로봇뿐만 아니라 모든 위치 기반 서비스에 활용되기 때문에 그 활용도가 커져 더욱 위치 추정에 대한 연구가 관심을 받고 있다.[1] 

현재 대표적인 위치 추정 기술은 GPS 위성을 기반으로 하는 위성 항법 장치를 통한 위치 추정으로 다양한 위치 기반 서비스와 실외 로봇에서 다양하게 활용되고 있다.[2,3]  하지만 위성 항법 장치는 LOS(Line Of Sight)가 확보되지 않은 숲 속이나 건물 주변 등에서는 측정이 불가능하거나 정확도가 매우 낮아지는 것을 확인할 수 있다. 특히 실내의 경우 위성 항법 장치의 활용은 불가능하다고 할 수 있다. 이러한 위성 항법 장치를 대체할 위치추정 방식으로는 무선랜(Wireless LAN), 적외선(Infrared), RFID(Radio Frequency Identification), 초광대역 통신(Ultra Wide Band), 초음파, 블루투스, 지그비 등 다양한 방식으로 연구가 진행되고 있다. [4,5,6,7,8]  다양한 위치 추정 연구가 진행되면서 근거리 통신을 이용한 위치 추정 연구가 이루어지게 되었다. 하지만 연구 초기에 는 기기간 정밀한 시간 동기화를 보장할 수 있는 기술이 부족하였다. 이러한 기술 부재로 인한 단점을 보완하기 위한 방법으로 2007년 3월 IEEE 892. 15. 4a에서 제안하는 CSS(Chirp Spread Spectrum) 기반 위치 추정 시스템의 개발되었으며 SDS-TWR(Symmetric Double-Sided Two Way Ranging) 기법이 개발되었다. CSS의 경우 주파수의 가감의 변화를 주어 주변 왜란에 의하여 신호가 오염되었는지의 여부를 확인할 수 있으며 SDS-TWR기법을 통하여 기기간의 동기화에 대한 문제를 해결해주어 TOA를 이용한 위치 추정 연구가 가능하게 되었다.[9.10]  본 논문 역시 나노트론사의 nanoLOC 칩을 기반으로 하는 코어벨사의 넥스비라는 실내 위성 항법 장치를 이용하여 연구를 진행하였다. 하지만 통신을 통한 위치 추정의 경우 주변 환경에 의해 반사되어 발생하게 되는 다중경로의 발생으로 인하여 전파의 왜곡과 중첩으로 인하여 성능이 저하되는 것이 가장 큰 취약점이라 할 수 있다.[11] 

통신을 이용한 위치 추정은 기존 실내 위치 추정으로 각광받고 있는 영상이나 레이저 센서를 이용한 위치 추정에 비해 연산하는 데이터의 양이 적고 연산에 필요한 알고리즘의 구조 또한 매우 단순하여 낮은 사양의 구현환경에서도 활용 가능하며 처리 속도 또한 우수하다. 또한 초음파 센서나 적외선 센서, RFID를 이용한 위치 추정 시스템의 경우, 보다 넓은 지역의 위치 추정 영역을 확보할 수 있다.[12] 하지만 앞서 지적한 다중 경로에 의한 데이터의 정밀도가 떨어진다는 단점으로 그 활용도가 낮다고 할 수 있다. 그렇기 때문에 본 논문은 이러한 단점 을 보완하기 위하여 두 가지 측면으로 오차를 줄여주고 자 하였다. 먼저 원시 데이터인 측정된 거리 데이터의 성능을 향상시키고자 하는 연구를 실시 하였으며 다음으로 알고리즘으로 좌표를 결정하는데 있어 기존과는 다른 새로운 위치 추정 방식인 패턴 매칭을 이용하여 위치 위치추정의 성능을 향상시키고자 하였다. 

원시 데이터인 거리 데이터 자체의 성능을 높이기 위하여 전파의 빔 폭을 LOS를 보장하는 범위 안으로 조절하여 다중 경로가 발생하는 경로를 줄여줌으로써 다중경로에 의한 거리 오차를 줄여 주었다. 이러한 방법은 목적에 맞는 안테나를 선택하여 시스템에 적용할 수 있다. 또한 측정하면서 간헐적으로 발생하는 오차가 큰 데이터를 발생하게 되는데 이는 다중 경로에 의한 오차와 통신두절에 의한 신호를 수신하지 못하여 거리 데이터가 0이 되는 지점이다. 그러나 이러한 데이터는 연속적으로 발생하기 보단 간헐적으로 발생하기 때문에 이러한 점 에러의 경우 미디안 필터가 효과적으로 제거할 수 있다. 이동하는 물체에 필터를 통해 처리해준다는 것이 이동한 후에 전 데이터를 가져올 수 있는 문제가 발생할 수 있지만 충분히 빠른 샘플링 속도로 데이터를 얻게 되면 이러한 문제는 최소화할 수 있다. 

알고리즘을 이용한 좌표의 성능 향상의 경우 전 처리로 최대한 거리 데이터의 성능을 높이고 나서 알고리 즘을 통하여 보정하는 방향으로 성능을 향상시켰다. 기존위치 추정 알고리즘의 경우 삼변측량법과 최소자승법을 이용하여 위치를 추정하였다. 이러한 방식은 알고리즘이 매우 단순하며 계산이 적어 빠른 시간 내에 결과를 얻을 수 있다. 하지만 거리 데이터가 매우 정밀해야 추정하는 결과 역시 정밀도가 보장된다는 단점이 있다. 하지만 우리가 사용하는 통신 기반 위치 추정의 경우 일정 양 이상의 오차가 항상 발생하게 되고 이러한 데이터를 사용하여 위치를 추정하기에는 삼변 측량법이 부적절하다. 그렇기 때문에 새로운 방식의 위치 추정 방법이 필요했는데 그것이 바로 데이터의 유사한 정도를 활용하여 위치를 추정하는 패턴 매칭 기법이다. 이러한 기법은 삼변 측량법이 거리 데이터를 이용하여 수식에 의하여 좌표를 결정하는 것과는 달리 미리 태그를 일정한 간격을 두고 거리 데이터를 얻어 DB(Data Base)를 구축한 후에 DB가 구축된 범위 내에서 태그의 위치를 추정하게 된다. 이러한 추정 방법은 환경에 따라 데이터에 포함되는 오차 역시 그 위치에서의 데이터 특성으로 여기고 데이터들간의 유사 정도를 이용하여 보간법을 적용하여 좌표를 측정한다. 발생하는 다중 경로의 특성이 주변 환경에 의해서 결정되는 만큼 근거리에 있는 지점은 다중 경로에 의해서 발생하는 오차 역시 비슷하며 그렇기 때문에 측정하는 곳과 유사성이 높은 DB의 좌표를 활용하여 보간을 통하여 위치를 추정하는 연구를 실시하였다.

다음으로 위치 추정 시스템을 다양한 센서를 융합하여 위치를 추정하는 것이 보다 높은 성능을 발휘하도록 하였다. 본 논문에서는 로봇의 주행거리계와 CSS 기반 위치 추정 시스템을 이용하여 얻은 위치 추정 결과를 확장칼만 필터를 이용하여 융합하여 위치 추정 시스템의 추정 오차를 추측항법을 이용하여 보정하고 오랜 주행을 통하여 오차가 누적되는 추측항법을 위치 추정 시스템이 보정하여 두 센서 데이터가 서로 상호 보완하여 보다 높은 위치 추정 성능을 얻을 수 있도록 하였다. [13,14,15]  

본 논문은 2장에서 CSS 기반 위치 추정 시스템을 이루는 기본 원리에 대한 설명을 통하여 시스템에 대한 소개를 하고 3장에서 CSS 기반 위치 추정 시스템에 대한 문제 설정 및 해결 방안에 대한 연구를 다룬다. 여기서 앞서 설명했던 시스템의 성능 향상을 위한 방법에 대한 연구를 설명한다. 다음 4장에선 3장에서 시스템의 문제를 해결하여 성능을 향상 시킨 위치 추정 시스템을 이동 로봇의 로봇 모델과 확장 칼만 필터를 이용하여 융합을 통하여 더욱 높은 성능을 발휘할 수 있음을 실험을 설계하고 수행하여 그 결과를 통하여 제시한다.

2. CSS 기반 위치 추정 시스템

2.1 CSS

통신을 이용한 위치 추정의 경우 실생활에서 다양한 목적으로 통신이 활용되는 만큼 전파의 간섭과 왜란이 많이 발생하여 위치 추정에 많은 오차를 유발하였다. 그에 따라 새로운 형태의 전파가 필요하게 되었고 2007년 3월 IEIE 802.15.4a에서 CSS기반 거리 측정 방법의 표준이 완성되었다. CSS는 주파수를 선형적으로 증가시키거나 감소시키는 주파수 변조 기술이다. [16]  

CSS 기술은 잡음에 강인한 특성을 가지며 통달 거리와 전력 소모 등의 문제점을 보완하여 기존 지그비 통신과 호환되도록 하였다. 하지만 무수히 많은 다중 경로가 발생하는 실내에서의 경우 측정할 때 오차가 발생하게 된다. 

다음 그림 1은 CSS의 전파 특성을 나타낸 것으로 주파수가 선형적으로 증가하고 감소하는 것을 알 수 있다. 

그림 1. CSS 전파 특성[17]

2.2 TOA, SDS-TWR

TOA는 전파가 도달하는 시간을 이용하여 거리를 측정하는 방식이다.[18]  이러한 방식은 기기간 동기화가  매우 중요하다. 동기화의 경우 기기간의 통신이 전파에 의해 이루어 지기 때문에 전파의 이동속도가 빛의 속도인만큼 매우 정밀한 동기화가 이루어져야 TOA를 사용할 수 있다. 하지만 기술적으로 이러한 동기화를 구현하기는 매우 어렵다. 그렇게 해서 대안으로 나온 방법이 SDS-TWR기법이다. 이 기법은 기기간 시간 동기화를 통하여 전파 도달 시간을 구하는 것이 아니라 기기들간 왕복한 시간을 얻고 처리 시간을 정밀하게 측정하여 순수한 전파의 이동 시간을 얻을 수 있는 방법이다. 

그림 2와 수식 (1)~(4)에서 전파가 왕복한 시간(Ttotal1, Ttotal2)과 기기들의 처리 시간(Tdevice1 Tdevice2)을 측정하여 실제 전파가 이동한 시간(Tf)을 구하여 이를 전파의 속도(빛의 속도, c)를 이용하여 기기간의 거리를 구할 수 있게된다. 

그림 2. SDS-TWR을 이용한 거리 측정[16]

 

 

 

 

3. 위치 추정 시스템 문제 설정 및 해결

앞에서 언급한 위치 추정 시스템에 오차를 유발하는 원인을 분석하고, 그 원인에 따른 해결을 위한 본 연구의 문제들은 다음과 같다. 

[문제 1] 다중 경로에 의한 거리 오차
[문제 1.1] 하드웨어적인 방법을 통하여 다중 경로 발생정도를 조절 
[문제 1.2] 신호 처리 방법을 통한 noise 데이터 보정

[문제 2] 삼변측량법과 최소 자승법에 의한 좌표 오차
[문제 2.1] 시스템의 특성에 맞는 새로운 위치 추정 알고리즘 제작

3.1 다중 경로 요인 제거

CSS 기반 위치 추정의 오차를 유발하는 원인은 다중경로에 의한 원시 데이터인 거리 데이터의 오차 발생이 가장 크다. 오차가 크게는 실제 거리보다 수십 m가 발생하게 되고 이러한 오차는 삼변측량법의 수식에 의하여 위치 추정에 치명적인 오차를 발생하게 된다. 이러한 다중 경로를 줄이는 것이 본 논문에서 제시한 CSS기반 위치 추정 시스템의 성능을 향상시키는데 매우 큰 영향을 줄 수 있다. 다중 경로의 영향을 줄이기 위해 다중 경로의 경로를 줄여야 하는데 다중 경로 주변 환경에 의해서 발생하게 된다. 이러한 환경에 의한 다중 경로의 유발 요소를 모두 분석할 수 없기 때문에 이러한 유발 요소를 제거하여 다중 경로를 제거할 수 없고 시스템적으로 보정하는 것이 가장 안정적이다. 하지만 보정하기 위해선 주변 환경을 목적에 맞게 모델링을 하여야 하는데 전파의 반사요인을 고려한 환경 모델링은 매우 복잡하고 변수가 많다. 주변 환경의 매질에 의한 반사 계수, 표면의 거칠기에 따른 반사각과 입사각의 변화 등 예상할 수 없는 매우 다양한 변수들에 의해 모델링이 어렵다. 그렇기 때문에 이러한 모델링을 통한 보정보다 시스템이 최대한 다중 경로를 만들지 않도록 구성하는 것에 대한 연구를 실시하였다. 

3.1.1 하드웨어를 통한 다중 경로의 발생 정도를 조절하기 위한 지향성 안테나를 이용한 다중 경로 제거

전파는 안테나를 통해 안테나의 이득의 범위들이 겹쳐지는 곳에서 서로 통신이 된다. 이러한 안테나 이득 범위는 안테나에 따라 조절이 가능한데 가장 많이 사용하는 다이폴 안테나의 자석의 자기장과 같은 형태의 이득 범위를 가지고 있다. 전 방향으로 이득 범위를 가지고 있는데 이러한 넓은 이득 범위가 많은 다중 경로를 생성하게 되는 것을 알게 되었고 이를 필요한 만큼의 범위로 제한하여 다중 경로를 줄여주어 결과적으로 측정 성능을 향상시킬 수 있었다. 그림 3은 지향성 안테나와 다이폴 안테나의 방사패턴을 나타낸다. 

그림 3. 지향성 아테나(위)와 다이폴 안테나(아래)의 방사패턴

두 방사 패턴의 차이에 의해 다중 경로의 발생되는 경우가 다르게 되는데 방사 패턴이 넓으면 넓을수록 주변환경에 의해 반사될 경우가 많이 발생하기 때문에 안테나가 LOS를 보장하는 정도의 방사 패턴을 가지고 있는 안테나를 사용할수록 다중 경로의 생성 경로가 적어지게 되는 것이다. 

다음 그림 4는 실제 거리를 다이폴 안테나로 측정했을 때와 이득 범위를 줄인 지향성 안테나를 이용하여 실내인 폭이 2m인 복도에서 실험한 결과이다. 

그림 4. 다이폴 안테나와 지향성 안테나 결과 비교

측정 결과 지향성 안테나로 측정하여 앞서 다중 경로에 의해 측정된 거리 데이터에 발생한 오차를 줄여주어 실제 거리와 가까워지는 것을 확인할 수 있다. 측정된 데이터의 평균 오차는 다이폴 안테나의 측정 결과의 경우 36.8m, 지향성 안테나 측정 결과는 8m로 실제 거리인 7.2m와 비교하였을 때 확실한 차이를 볼 수 있다. 

3.1.2 신호 처리를 통한 잡음 데이터 보정을 위한 필터를 이용한 거리 데이터 오차 보정

다중 경로에 의한 오차는 어떠한 한 지점에서 발생하는 경우가 많다. 하지만 본 논문은 이동하는 로봇에 시스템을 적용하기 때문에 로봇이 이동하면서 여러 지점을 통과하면서 주변 환경에 의한 영향이 매번 달라 지게 된다. 그렇기 때문에 현재 측정된 실험 데이터는 이전 데이터를 통해서 어느 정도 보정이 가능할 수 있다. 특히 다중 경로에 의해 갑자기 발생하는 큰 오차는 이전 측정 결과로 보정할 수 있다. 즉 주변 데이터를 확인하고 오염이 심한 데이터를 보정하는데 이러한 것을 가장 쉽게 구현하는 방법이 필터이다. 필터 중 이러한 무작위 잡음과 같이 오염된 거리데이터를 보정하는데 가장 효과적인 필터는 미디안 필터이다. 주위 데이터와 비교하여 중간 값만 선택하는 미디안 필터는 연관성 있는 데이터 중 한 지점으로 발생하는 오차가 큰 거리 데이터를 보정하여 위치추정의 성능을 향상시킬 수 있었다. 하지만 미디안 필터의 특성상 발생하는 오차가 여러 번 연속으로 들어오게되면 마스크의 크기가 실시간을 보장하기 위해 작은 만큼 필터의 효과가 떨어진다는 단점이 있다. 다음 그림 5는 한 지점에 대한 측정 결과로 4개의 앵커의 거리 값으로 크게는 0.5m 정도의 진동하는 측정 결과가 필터를 통하여 잡아주는 것을 확인 할 수 있으며 연속된 오차 데이터로 마스크의 크기가 작아 필터의 효과가 적용되지 않은 데이터도 확인 할 수 있다. 

그림 5. 미디안 필터 적용 결과

3.2 삼변 측량법과 최소 자승법에 의한 좌표 오차

TOA 기반 위치 추정의 경우 기기간의 통신을 통하여 거리 데이터를 얻게 된다. 이러한 거리 데이터를 기반으로 위치를 추정하는 기법 중 가장 일반적인 방법이 삼변측량법이다. 삼변 측량법은 3개 이상의 좌표를 알고 있는 지점에서 좌표를 알고 싶은 한 지점과의 거리를 알고 있으면 원하는 좌표를 얻을 수 있는 방법이다. 이러한 위치추정 방법은 위치를 정확히 알고 있는 3개 이상의 앵커에서의 거리 데이터만 있으면 수식적으로 간단하게 좌표를 얻을 수 있는 만큼 알고리즘 구성도 간단하며 위치 추정속도도 매우 빠르다. 하지만 실제 측정된 거리 데이터를 이용하여 삼변 측량법을 실행하면 한 교점이 아닌 영역으로 수렴하게 된다. 이는 거리 데이터에 어느 정도의 오차가 포함되어 있기 때문으로 이를 한 지점으로 결정하기 위하여 최소 자승법을 실시하게 된다. 하지만 이러한 중첩된 영역의 중점을 태그의 위치로 결정하는데 큰 문제가 발생하게 되는데 다중 경로에 의한 실제 거리에 비해 상당히 큰 오차가 발생한다는 점이다. 이러한 오차가 발생한 거리 데이터는 중첩된 영역을 오차가 크게 측정한 앵커의 반대 방향으로 중첩된 영역을 크게 늘리게 되고 이러한 중첩 영역의 중점을 위치 추정의 결과로 결정하게 된다면 측정된 결과에 많은 오차가 포함되게 된다. 이러한 오차는 다중 경로의 오차가 측정에 활용되는 앵커 중 어느 하나라도 즉 측정된 거리 데이터 중 하나의 데이터라도 포함되게 되면 오차가 크게 발생하게 된다. 따라서 추정한 결과에 오차가 높은 확률로 오차가 발생하게 되어 위치 추정 성능이 크게 떨어지게 된다. 

3.2.1 시스템 특성에 맞는 새로운 알고리즘 패턴 매칭기법을 이용한 위치 추정

기존에 통신 기반 위치 추정의 경우 측정된 데이터가 기기간의 거리가 측정되기 때문에 삼변 측량법을 이용한 위치 추정이 가장 많이 사용되어 왔다. 하지만 통신 기반위치 추정의 경우 측정된 거리 데이터에는 일정량의 오차가 포함되게 된다. 이러한 오차에 의해 교점이 한 점으로 수렴하지 못하고 영역으로 수렴되기 때문에 이러한 영역의 중점을 최소 자승법을 이용하여 구하는 방식으로 위치를 결정하였다. 이러한 방식은 큰 문제를 갖고 있는데 측정된 거리 데이터에 고른 오차가 포함되었을 때는 이러한 방법이 효과적이지만 본 논문에서 활용한 CSS기반 위치 추정은 다중 경로에 의한 갑작스럽고 몇 m 정도의 오차가 발생을 하게 되고 이러한 오차에 의해 교점의 영역이 오차가 큰 데이터에 의해 한 쪽으로 넓어지게 되고 그 영역의 중점을 찾게 되면 위치 추정에 많은 오차가 발생하게 된다. 따라서 CSS기반 위치 추정에서 사용하는 위치 추정 방식은 기존 방식과는 다른 방법이 필요했고 본 논문은 패턴 매칭이라는 새로운 방식을 사용하였다. 패턴 매칭은 데이터들간의 패턴을 비교하여 위치 추정을 하는 것으로 이 때 데이터는 태그와 앵커들과의 거리 데이터를 말한다. 태그를 한 지점에 배치하고 다수의 앵커와 통신을 하여 거리를 측정하여 나온 거리 데이터를 그 지점에서의 특성으로 결정하는 것이다. 이러한 방법은 설사 그 지점에서 측정한 거리 데이터 중 다중 경로에 의하여 오차가 발생하게 되어도 그 근처에서는 비슷한 성향의 오차가 발생하고 나머지 오염되지 않은 데이터도 가지고 있게 된다. 이러한 데이터를 일정한 간격으로 적용할 환경에 모든 측정하여 DB를 만들어 두고 DB를 만든 구역 내에서 위치를 추정할 때 DB에 저장된 위치의 특성과 비교하여 가장 유사한 데이터를 가진 지점들을 추출하여 각 지점과 유사한 정도를 이용하여 보간을 하게 되면 측정한 데이터의 위치를 추정할 수 있게 되는 원리이다. 다음 수식 (5)~(7)은 DB와 측정된 데이터간의 유사 정도를 결정하기 위한 식으로 n개의 앵커와 정해진 위치에 배치하고 미리 측정한 m개 태그 DB(TDB)와 측정한 태그 데이터(Tme)의 차이를 norm을 통하여 모두 구하고 이를 유사 정도(Tdiff)로 결정한다. 그 중 가장 작은 값부터 정해진 개수를 선택하여 유사 정도와 선택된 태그의 위치 정보를 이용하여 측정한 태그의 위치를 결정한다. 다음 그림 6은 이상적으로 태그 DB에서 근처의 태그를 선택하였을 때의 위치 추정에 대한 것이다.

 

 

 

그림 6. 이상적인 태그 DB 선택

다음 그림 7은 충남대학교 공대 4호관 옥상으로 두 알고리즘의 성능을 비교하기 위한 실험 환경으로 선택하였다. 그 이유는 이러한 환경이 다중 경로를 완전하게 배제하는 완전 개방된 환경도 아니며 실내와 같이 다중 경로가 심하게 발생하지도 않는 환경이기 때문이다. 

그림 7. 성능 비교 실험 장소 (충남대학교 공대 4호관 옥상)

그림 8과 같이 실험 환경을 만들어 측정된 데이터를 삼변 측량법과 최소 자승법을 이용하여 위치를 측정하고 같은 데이터를 2m 간격으로 구축한 태그 DB를 이용하여 패턴 매칭 위치 추정을 실시하였다. 그 결과 삼변 측량법과 최소 자승법을 이용한 결과는 그림 9, 패턴 매칭을 이용하여 얻은 결과가 그림 10이다. 결과를 보면 삼변 측량법의 경우 1m 이상의 오차가 발생하는 것을 확인 할 수 있으며 패턴 매칭을 이용한 위치 추정의 경우 수 cm 정도의 오차가 발생하는 것을 확인할 수 있다. 

그림 8. 시스템 배치

그림 9. 삼변 측량법과 최소 자승법을 이용한 위치 추정 결과

그림 10. 패턴 매칭을 이용한 위치 추정 결과

4. 패턴 매칭 기반 확장 칼만 필터에 의한 이동 로봇위치 추정

4.1 실험 방법 소개

실험에 사용한 CSS 기반 위치 추정 시스템은 코어벨사의 넥스비로 다음 표 1과 같은 재원으로 구성되어 있다. 시스템의 안테나는 지향성 안테나를 사용하였으며 원형 편파 안테나를 사용하여 안테나의 각도에 따른 측정거리의 편차를 줄여주었다. 

표 1. 넥스비 재원

 실험 장소는 대전광역시 대덕구에 위치한 대전 로봇지능화 센터 내의 모션 분석실에서 실시하였다. 이곳을 선택한 이유는 모션 분석실에 비치되어 있는 레이저 트래커를 이용하여 이동 로봇의 객관적인 실제 이동 경로를 측정할 수 있기 때문에 선택하였다. 다음 그림 11은 실제 실험 모습으로 레이저 트래커를 이용하여 실제 경로를 함께 측정하였다.

그림 11. 실제 이동 로봇 위치 추정 실험

이동 로봇은 코어벨사에서 제공한 로봇 플랫폼을 이용하여 실험을 실시하였다. 로봇의 재원은 다음 표 2와 같다. 

표 2. 이동 로봇재원

로봇의 구동 방식은 스키드 스티어링 구동 방식으로 두개의 바퀴 속도 차를 통하여 방향을 결정하는 방식으로 엔코더를 이용하여 두 개의 바퀴 각각의 속도를 얻을 수 있다. 

4.2 실험결과

4.2.1 패턴 매칭 성능

 본 논문에서 CSS 기반 위치 추정에서 위치를 추정하는데 이전에 사용되었던 삼변 측량법과 최소 자승법을 이용한 위치 추정의 경우 다중 경로에 의하여 몇몇의 앵커에서 큰 오차가 발생하게 되어 오차가 큰 거리 데이터의 영향으로 위치 추정에 많은 오차가 발생하는 것을 확인하였다. 이러한 문제를 해결하기 위하여 새롭게 제안하는 방법을 통하여 기존의 방법보다 위치 추정의 성능이 어느 정도 향상되는지 확인하였다. 실험 방법은 위에서 제시한 대전 로봇 지능화 센터 내의 모션 분석실에서 10m x 15m 크기의 범위에서 4m x 4m 정도의 범위 안에서 로봇을 움직이며 위치를 추정하였다. 측정하기 위한 앵커는 8개를 실험 범위에 최대한 넓게 정방형으로 배치를 하였다. 패턴 매칭 기법에 필요한 태그 DB의 경우 로봇이 이동하는 구간에서 50cm 간격으로 81개의 지점에서 데이터를 수집하여 구축하였다. 다음 그림 12는 삼변측량법을 통하여 위치를 추정한 결과로 실제로 로봇이 이동한 경로와 큰 차이가 있는 것을 확인할 수 있다. 이는 실내 환경에서 다중 경로에 의해 발생하는 오차가 그대로 반영된 결과라 할 수 있다.

그림 12. 삼변측량법을 이용한 위치 추정 결과

다음 그림 13의 경우 같은 실험 결과를 패턴 매칭 기법을 통하여 위치를 추정한 결과로 삼변측량법과는 달리 로봇이 이동한 경로를 잘 추종한 것으로 판단된다. 

그림 13. 패턴 매칭을 이용한 위치 추정 결과

 CSS기반 위치 추정 시스템을 이용하여 이동 로봇의 위치를 추정한 결과 이동하는 경로를 추정하는 것은 확인하였지만 결과를 확인해봐도 위치 추정 시스템 단독으로 이동하는 로봇의 위치를 추정하는데 정화도가 떨어지는 것을 확인할 수 있다. 이러한 문제 점을 보완하기 위하여 위치 추정 시스템 단독으로 위치를 추정하기 보단 성능이 비슷한 다른 종류의 센서 데이터를 융합하여 사용하는 것이 보다 높은 성능을 발휘할 수 있다.

4.2.2 확장 칼만 필터를 통한 위치 추정

 확장 칼만 필터 는 비선형 모델을 선형화를 통하여 칼만필터(Kalman Filter)와 같이 추정 오차를 줄여 시스템 특성을 예측하는 알고리즘이다. 불확실한 모델의 오차가 포함된 측정값을 측정하여 공분산을 구하고 이를 통하여 모델의 불확실성을 예측하여 측정 값을 얻을 때마다 상태를 보정하고 다시 예측하는 과정을 반복하여 참값에 가깝게 수렴하는 추정치를 제시한다. [19] 

 본 논문은 확장 칼만 필터를 이용하여 이동 로봇의 로봇 모델을 통하여 로봇의 위치 및 자세(xt, yt, θt)와 위치추정 시스템을 통하여 추정한 위치() 정보를 융합하였다. 다음 수식 (9)~(12)는 실험에서 사용한 로봇의 기구학 식으로 rL, rR 각 바퀴의 반지름이며 wL, wR은 각 바퀴의 각속도이다. vL, vR은 각 바퀴의 선형 속도이며 v는 로봇의 진행 속도를 나타낸다. L은 두 바퀴 사이의 거리이며 w는 로봇의 회전 속도를 나타낸다. ΔT는 샘플링 시간을 나타낸다.

로봇의 상태와 입력 신호에 의해 로봇의 다음 상태가 결정되며 Xt는 로봇의 현재 상태 변수이며, Ut는 시스템 입력 변수이며, Wt는 입력에 따른 입력 노이즈를 나타낸다. 

 

 

 

 

 

 

 확장 칼만 필터를 하기 위해서 로봇 기구학 모델의 선형화 과정이 필요하다. 이를 위하여 현재의 로봇 상태와 제어 입력으로 각각 편미분을 해주어야 한다. 다음 수식 (14) (15)가 편미분을 해준 결과이다.

 

 

위치 추정 시스템을 통하여 얻은 위치 정보와 로봇의 자세 정보는 Vt를 갖는 측정 모델로 나타낼 수 있다. 시스
템 측정 모델의 상태와 측정 행렬h는 동일한 차원의 단위행렬로 나타낸다. 

 

 

기구학 모델을 모두 선형화 한 후에 이를 이용하여 확장 칼만 필터 알고리즘을 적용한 로봇 위치 추정을 실시한다. 예측과 업데이트를 반복하며 실시하게 된다. 여기서 Q는 로봇 시스템 모델의 오차 공분산 행렬이며 R은 측정 모델의 오차 공분산 행렬이다. 

Prediction 
________________________________________________________________________________________________________

_________________________________________________________________________________________________________
Update
_________________________________________________________________________________________________________

확장 칼만 필터를 통하여 로봇 모델을 통한 로봇의 위치 정보와 패턴 매칭 기법을 이용하여 얻은 위치 추정 결과를 융합하여 주었다. 그림 14의 결과는 이동 로봇이 한변의 길이가 3m 정도의 사각형을 네 바퀴 도는 과정 중 마지막 두 바퀴에 대한 결과로 총 50m 정도의 이동거리를 이동하면서 마지막 20m를 나타낸 것이다. 그 결과 로봇의 이동 거리가 길어 질수록 추측 항법만 이용하여 추정한 로봇의 경로가 점점 틀어지는 것을 확인할 수 있다. 이러한 현상은 로봇이 이동과 회전을 할 때 바퀴가 미끄러지면서 슬립이 발생하여 점점 오차가 누적되게 되어 이러한 오차가 발생하게 된다.[20] 이러한 오차를 추측 항법과 실내 위치 추정 시스템을 확장 칼만 필터로 융합하여 보완해줄 수 있다. 확장 칼만 필터를 이용하여 두 데이터를 융합한 결과 추측항법만 사용하였을 때와는 다르게 위치 추정 결과가 각도의 오차에 의한 궤적의 비틀어짐이 줄어드는 것을 확인할 수 있다. 결과적으로 확장 칼만 필터를 통하여 융합한 결과가 추측항법을 단독으로 사용했을 때보다 위치 추정 시스템만을 이용하여 얻은 위치 추정 결과보다 더욱 정확도가 향상되는 것을 확인할 수 있다. 

그림 14.누적 오차가 심한 구간에서의 결과 비교

표 3은 추측항법과 패턴 매칭을 이용한 로봇의 이동궤적의 오차를 나타낸 것으로 추측항법을 이용한 로봇의 이동 궤적의 오차는 0.24m 정도이며 본 논문에서 제안한 방법인 패턴 매칭을 이용한 결과는 0.14m 정도의 오차를 보였다. 하지만 이동 거리가 길어질수록 오차가 커지는 추측항법의 문제점을 보았을 때 이동 거리가 길어질수록 오차가 커진다. 결과를 보아도 이동 궤적의 전반부(전체궤적의 50% 이전)를 보면 0.15m 정도의 오차인 반면에 후반부(50% 이후)의 경우 오차가 0.32m로 점점 오차가 커지는 것을 확인 할 수 있다. 하지만 패턴 매칭을 이용한 경우 전반부는 0.12m이며 후반부 역시 0.15m로 오차가 늘어나지만 늘어나는 폭이 추측항법을 이용한 결과에 비해 작다는 것을 확인할 수 있다. 이를 통하여 로봇의 이동 거리가 늘어날수록 두 방법의 오차의 차이는 더욱커질 것으로 예상된다. 

표 3. 실험 결과

5. 결 론

 본 논문은 CSS 기반 위치 추정 시스템의 성능을 향상시키는 목적을 두고 연구를 진행하였다. 먼저 CSS 기반 위치 추정 시스템의 성능 저하의 원인을 파악하고 그에 따른 문제를 설정하였다. 성능 저하의 요인은 크게 두 가지로 하나는 실내 환경에서 통신을 통한 거리를 측정할때 전파의 반사에 의한 다중 경로에 의한 거리 오차가 있다. 다음으로 이러한 거리 오차를 그대로 위치 추정에 영향을 주어 추정한 좌표에 큰 오차를 발생시키는 삼변 측량법과 최소 자승법을 이용한 위치 추정 알고리즘이다. 이러한 요인을 줄이기 위하여 문제 설정을 하였는데 첫번째로 다중경로의 오차를 줄이기 위하여 하드웨어 변경을 통한 다중 경로의 발생을 조절하기 위하여 지향성 안테나를 사용하여 경로 생성을 조절하였다. 또한 신호 처리 방법으로 측정한 데이터들을 통하여 미디안 필터를 활용하여 갑자기 발생하는 다중 경로 오차를 보정하였다. 이러한 작업을 통하여 원시 데이터인 거리 데이터에 포함된 다중 경로에 의한 오차를 최소화 하였다. 다음으로 위치 추정 알고리즘에 의한 오차는 새로운 형식의 위치추정 알고리즘인 패턴 매칭 알고리즘을 개발하였다. 이 패턴 매칭 기법은 데이터들 사이의 유사한 정도를 이용하여 위치를 추정하는 방법으로 데이터의 어느 정도 오차가 포함되어 있더라도 비교적 안정적인 위치 추정 성능을 발휘하는 것을 실험을 통하여 확인하였다. 이러한 점은 실내에서 운용되는 CSS 기반 위치 추정 시스템이 다중 경로에 의해 어느 정도의 오차가 항상 발생하는 단점을 보완해 줄 수 있다. 위의 설명과 같이 위치 추정 성능을 향상시키고 이를 이동 로봇의 로봇 모델과 확장 칼만 필터로 융합하여 기존 위치 추정 시스템의 단독으로 운용하여 위치를 추정한 결과에 비해 보다 향상된 위치추정 결과를 얻을 수 있음을 실험을 통하여 확인하였다.

이러한 연구를 통하여 기존의 위치 추정 성능에 비해 향상된 위치 추정 성능을 발휘할 수 있게 되어 보다 다양한 곳에 활용 가능할 것으로 여겨진다. 하지만 아직 위치추정 시스템의 성능이 환경에 영향으로 성능의 안정성이 떨어지기 때문에 주변 환경에 강인한 성능을 발휘할 수 있도록 보다 많은 연구가 진행되어야 할 것이다. 

Reference

1. Kim Su-Yong, Yoon Kang-Sup, Lee Dong-Hwal, Lee Man-Hyung 'The Localization of a Mobile Robot Using a Pseudolite Ultrasonic System and a Dead Reckoning Integrated System' International Journal of control Automation and Systems 9(2) 339-347 ISSN 2005-4092,2011
2. E. D. kaplan, Understanding GPS:Priciples and Applications, Boston, MA:Artech Hose, 1996
3. J.G. Lee, G.Park, H.W.Park, "Multiposition Alignment of Strapdown Inertial Navigation System", IEEE Transactions on Aerospace and Electronic System, Vol.29, No.4, pp1323-1328, 1993
4. Rainer Mautz 'OVERVIEW OF CURRENT INDOOR POSITIONING SYSTEM' GEODEZIJA IR KARTOGRAFIJA, GEODESY AND CARTOGRAPHY, 2009
5. 노현철, 유연걸, 정명진,"적외선 센서를 이용한 능동적 비컨 시스템 기반의 실내 환경에서의 이동 로봇 위치추정", 한국로봇종합학술대회, 2010
6. 유승범, 송창우, 정경용, 임기욱, 이정현,"단일 관성 센서와 초음파를 이용한 실내 위치 추정 방법", 한국콘텐츠학회논문지, Vol.10, No.4, pp115-122, 2010
7. Miaono, Y. Goto, Y. Tarutoko, Y. Kobayashi K.Watanabe, K., "Development of laser rangefinder-based SLAM algorithm for mobile robot navigation", SICE,2007 Annual Conference, 2007 Sept., pp392-396, 2007
8. 김성부, 이동희, 이장명, "RFID 응용 기술을 이용한 이동 로봇의 실내 위치 추정", 제어자동화시스템공학논문지, Vol.11 No.12, pp996-1001, 2005
9. Kim Jung Soo,'A Study on the Location Awareness System using TOA(Time of arrival) algorithm', M. S. Thesis, Kangwon University, 2007
10. Kim, Eui Seok, "The Ranging Performance of Chirp Spread Spectrum in Indoor Multipath Environment", Seoul National University, 2008
11. Q. Spencer, B. Jeffs, M. Jensen, and A.Swindlehurst, "Modelling the Statistical Time and Angle of Arrival Charac-teristics of an Indoor Multipath Channel," IEEE J. Select. Areas Commun., vol. 18, pp. 347–360, March 2000
12. 진조철 '위치 인식 시스템 개발 동향 소개', 정보와 통신 : 한국통신학회지 vol.25, no.4, pp5-10,2008
13. 김정민, 김연태, 김성신 '확장 칼만 필터를 이용한 로봇의 실내위치측정' 한국지능시스템 학회 논문지, vol.18, No.5, pp706-711, 2008
14. 조현우, 이영훈, 김상우 'chirp Spread Spectrum 거리 측정을 이용한 이동 로봇의 위치 추정' 제어로봇 시스템학회지, 제 15권, 제 10호, pp.994-1001, 2009
15. 진태석, 이장명, '이동물체의 기하학적 위치 정보를 이용한 자율이동로봇의 위치 추정' 퍼지 및 지능시스템 학회 논문지, vol.14, No.4, pp.438-444, 2004
16. IEEE 802.15.4a 'Part 15.4: Wireless Medium Assess Control (MAC)abd Physical Layer(PHY) Specifications for Low-Rate Wirelees Personal Area Networks(WPANs)' August 31, 2007
17. Hangoo Kang, Geon Woong Seo, Jihong Lee 'Error Compensation for CSS-based Localization System' WCECS2009, October 20-22,2009, San Francisco, USA
18. 김정수, 양진욱, 양성현 'CSS 기반의 TOA 알고리 즘을 이용한 위치인식 시스템 구현에 관한 연구' 한국 ITS 학회 논문지, Vol.7, No.2, pp13-25, 2008
19. Greg Welech and Gary Bishop 'An Introduction to the Kalman Filter' UNC-Chapel Hill, TR 95-041, July 24, 2006
20. 박찬국, "관성항법 시스템의 원리와 전망", 전자공학회지, 제 26권, 4호, pp59-66, 1999
오늘하루 팝업창 안보기 닫기