1. 서론

최근 자율주행 시스템(Autonomous Navigation System)은 많은 이동수단에 적용되어지고 있다. 예를 들어 무인자동차의 자율주행 시스템은 사람이 직접 운전을 하지 않아도 주변의 환경이나 상황, 여러 오류를 실시간으로 확인하며 반응하여 움직인다. 이렇게 사람이 직접 제어하지 않아도 주변 상황에 맞춰 스스로 동작하는 자율주행 시스템은 자동차뿐만 아니라 비행기, 드론 및 배와 같은 여러 이동체들을 대상으로 적용되고 있다^[1-3].

무인 이동체의 자율주행 연구에 있어 PID제어 기반의 장애물 회피 연구는 많이 이루어 졌다^[4]. 이러한 PID 기반의 장애물 회피 알고리즘은 구성이 간단하며 성능이 비교적 우수하다. 그러나 장애물을 감지하는 레이더(Radio Detection And Ranging)나 LiDAR(Light Detection And Ranging)센서, 무인 이동체의 위치와 목적지의 위치정보를 담당하는 GPS(Global Positioning System), 지자기(Geomagnetic)센서에서 측정되는 비선형 데이터와 갑작스런 장애물 감지에 따른 회피 때문에, PID제어기보다는 발견적 방법(Heuristic method)인 퍼지제어기가 더 적합하다^[5]. 퍼지제어는 복잡하고 애매한 상황에서도 합리적인 판단을 다른 제어기법에 비해 보다 쉽게 구현할 수 있다. ‘빠르게’, ‘느리게’, ‘조금 빠르게’등의 언어적인 값을 정량적으로 기술하는데 적합하며, 이러한 장점을 통해 무인 이동체의 자율주행에 있어 갑작스러운 장애물을 회피할 경우, 장애물과의 거리에 따라 방향을 ‘빠르게’, ‘느리게’, ‘조금 느리게’ 회전해야 하는 미묘한 기법을 적용할 수 있다^[6,7]. 그래서, 최근 무인 이동체의 자율주행 연구에 있어 많이 사용되고 있다^[8,9]. 이러한 연구는 최근 무인선박을 대상으로 점차적으로 연구가 진행되고 있다^[10,11].

자율주행에 대한 연구에 있어 해상에서의 연구는 지상에서의 연구와 환경측면에서 차이점이 있다. 일반 지상에서의 자율주행을 하는 자동차는 도로위에서 이루어지기 때문에 도로를 구분하는 차선과 신호등의 신호, 다른 차량과의 거리 및 속도를 측정할 수 있어야 하며 갑작스럽게 도로로 뛰어드는 사람이나 자전거와 같은 에러 사항이 많다. 이와 다르게 해상위에서의 장애물은 부표와 같은 부유물이나 작은 암초, 방파제나 접근하는 다른 선박들과의 거리와 위치를 측정하여야 하며 조류의 흐름이나 바람과 같은 이동에 영향을 주는 변수들을 고려하며 자유롭게 운항을 할 수 있어야 한다. 이러한 해상에서의 자율주행을 위한 시스템은 센서를 기반으로 장애물의 정확한 위치정보를 얻으며, 이렇게 얻은 위치정보를 통하여 알고리즘 기반의 장애물 회피 시스템을 통하여 장애물과의 충돌을 회피한다^[12,13]. 자율주행 시스템을 구현하는데 있어 필요한 가장 큰 요소 기술중의 하나는 장애물의 정확한 위치를 파악하는 것이다. 보다 정확하게 이동체와 장애물간의 거리정보와 방향정보를 얻어 대처할 수 있어야 한다. 이러한 자율주행 시스템 구현에 있어 장애물에 대한 정보를 얻기 위해서 초음파(Ultra Sonic), 레이더 또는 LiDAR 등의 센서를 통해 장애물의 방향과 거리를 측정한다.

선박의 자율주행에 있어 레이더센서를 사용하여 장애물의 위치정보를 얻어 장애물을 회피하는 연구는 많이 진행되고 있다^[14,15]. 그러나 마이크로파(Microwave)를 사용하는 레이더센서는 레이저(Laser)를 사용하는 LiDAR센서와 비교하여 정밀도와 해상도가 떨어진다. 따라서 근래에는 자율주행 시스템에 대한 연구에 있어 많은 곳에서 LiDAR센서를 사용한 연구가 진행되고 있다^[16,17]. LiDAR센서는 일반적으로 높은 에너지 밀도와 짧은 주기를 가지는 펄스 신호를 생성할 수 있는 레이저의 장점을 활용하여 보다 정밀한 물체 관측 및 거리 측정 등에 활용이 된다. 무인선박의 연구에 사용되는 대부분의 LiDAR센서는 고가의 2,3차원 LiDAR제품을 사용하기 때문에 상용화에 어려움이 있다. 3차원 LiDAR는 좁은 영역에서 견고한 반면, 단점으로는 큰 데이터 및 모션으로 인한 데이터의 불일치성을 처리해야 한다^[18]. 그러나 해상에서의 환경은 넓고 확 트인 공간에서 진행되기 때문에 3차원 LiDAR 보다는 2차원 LiDAR를 통한 정밀도 높은 데이터가 적합하다^[19,20].

최근 무인 선박을 대상으로 레이더 센서를 사용하여 장애물 회피를 하는 연구가 진행되었고^[14,15], 레이더를 기반으로 한 퍼지제어기 응용으로도 연구가 이루어졌다^[7]. 또한, 초음파센서 기반의 퍼지제어도 이루어졌지만 필드 테스트가 아니라 알고리즘 기반의 연구로 진행되었다^[10,11]. 따라서, 현재까지 진행된 레이더 센서 기반의 퍼지제어 연구는 고가의 레이더센서를 이용하여 진행하였기 때문에 소형 선박에 적용하기에는 다소 무리가 있다. 따라서, 본 연구에서는 소형 무인선박을 대상으로 저가의 LiDAR센서를 2차원으로 구현하여 퍼지제어 기반으로 장애물을 회피하는 알고리즘과 실험을 제안한다.

본 연구에서는 해상에서의 자율운항을 위한 장애물 회피 시스템 개발과 운항시험을 위한 무인선박 플랫폼구현에 초점을 맞추었으며, 해상위에서의 부표나 타 선박과 같은 장애물들과의 충돌을 방지하기 위한 실험을 하려고 한다. 무인선박이 장애물을 회피하기 위하여 저가의 LiDAR센서와 퍼지제어 기반의 장애물 회피 알고리즘을 구성하여 무인선박을 중심으로 전방의 장애물과의 방향과 거리를 파악하여 장애물을 회피하며 목적지까지 안전하게 이동하는 것을 목적으로 한다. 실험에서는 소형 무인선박에 MCU (Micro Controller Unit), GPS, 지자기센서, Wi-Fi(Wireless Fidelity) 유무선 공유기, 카메라(Camera) 등의 센서들을 구성하여 어플리케이션(Application)과의 통신을 통해 제안한 방법의 효과를 검증한다.

2. 무인선박의 모델 및 시스템 구성

2.1 무인선박의 모델

본 연구에서의 무인선박 플랫폼은 그림. 1과 같이 모델링 하였으며, XY평면에서 이동하고, $z$축을 중심으로 회전하는 3자유도로 $x$, $y$, $\theta $로 표현하며, $\theta $는 무인선박 플랫폼의 방위각이다^[21].

그림. 1. 무인선박의 모델링

Fig. 1. Modeling of an unmanned ship

본 연구에서는 무인선박의 자율주행을 위한 장애물 감지 및 회피 알고리즘을 대상으로 하여 파도에 의한 상하로의 움직임은 무시한다. 무인선박의 위치는 $Q=[x, y, \theta]^{T}$이고, 운동학 수식은 다음과 같다^[22,23].

(1)

$\dot{x}=u_{s} \cos \theta-u_{w} \sin \theta+\dot{x}_{e}$

$\dot{y}=u_{s} \sin \theta+u_{w} \cos \theta+\dot{y}_{e}$

$\dot{\theta}=w$

여기서, $\left[\dot{x}_{e}, \dot{y}_{e}\right]^{T}$는 선박에 미치는 조류와 바람의 영향이고, $\left[u_{s}, u_{w}\right]^{T}$는 각각 전후동요(Surge)와 좌우동요(Sway)속도이다. 좌우동요 $u_{w}=0$인 상태에서 무인선박이 일정한 정후동요로 움직이면, 식 (1)은 이상시간 운동학 수식으로 다음과 같이 변환된다^[24].

(2)

$\left[ \begin{array}{c}{\Delta x(k)} \\ {\Delta y(k)} \\ {\Delta \theta(k)}\end{array}\right]=\left[ \begin{array}{cc}{\cos \theta(k)} & {0} \\ {\sin \theta(k)} & {0} \\ {0} & {1}\end{array}\right] \left[ \begin{array}{c}{v(k)} \\ {\omega(k)}\end{array}\right]+\left[ \begin{array}{c}{\Delta x_{e}(k)} \\ {\Delta y_{e}(k)} \\ {0}\end{array}\right]$

식 (2)에서 $v$와 $w$는 다음과 같다.

(3)

$v(k)=\frac{V_{L}(k)+V_{R}(k)}{2}, \quad w(k)=\frac{V_{L}(k)-V_{R}(k)}{2}$

여기서 $V_{L}$과 $V_{R}$은 무인선박 후미에 있는 양쪽 추진기의 회전속도에 따른 속력값이다.

본 논문에서는 목적지까지의 직선운항을 위해 PD제어를 사용하였으며 플랫폼의 현재 좌표와 목적좌표를 비교하여 자율운항을 한다^[25,26].

목적지 좌표와 플랫폼과의 거리는 $x_{d}$와 $y_{d}$이다. 목적지의 좌표 $\left(x_{g}, y_{g}\right)$와 플랫폼의 좌표 $(x, y)$에서의 각각의 값은 경도좌표와 위도좌표를 의미한다. 이 경도와 위도 값은 횡 메르카토르 투영법(Transverse Mercator)을 사용하여 직교좌표로 환산하여 사용한다^[27].

(4)

$x_{d}(k)=x_{g}(k)-x(k)$

$y_{d}(k)=y_{g}(k)-y(k)$

$e(k)=\sqrt{x_{d}(k)^{2}-y_{d}(k)^{2}}$

여기서, $e(k)$는 목적지 좌표와 플랫폼 사이의 거리이다.

그림. 1에서 $\theta$는 플랫폼이 바라보는 방향각이며, $\theta_{g}$는 플랫폼과 목표좌표 사이의 각이다. $\theta_{d}$는 플랫폼의 진행방향과 목적지가 이루는 상대각으로 $\theta_{g}$와 $\theta $의 차이이다.

(5)

$\theta_{g}(k)=\operatorname{atan}\left(\frac{y_{d}(k)}{x_{d}(k)}\right)$

$\theta_{d}(k)=\theta_{g}(k)-\theta(k)$

무인선박을 목표좌표로 움직이기 위한 무인선박의 추진기 입력 $V_{L}$과 $V_{R}$은 다음과 같다.

(6)

$V_{L}(k)=k_{e} e(k)-k_{p} \theta_{d}(k)-k_{d} \times \frac{\theta_{d}(k)-\theta_{d}(k-1)}{\Delta t}$

$V_{R}(k)=k_{e} e(k)+k_{p} \theta_{d}(k)+k_{d} \times \frac{\theta_{d}(k)-\theta_{d}(k-1)}{\Delta t}$

식 (6)에서는 위치제어를 위한 비례제어기를 사용하며, 방향각 제어를 위해 PD제어기를 사용한다. 위치 제어를 위하여 비례제어기만을 사용하는 이유는 목적지 좌표와 플랫폼 사이의 거리가 무인선박이 도달하기 전까지는 거리가 멀어서 거리 오차의 변화율이 크게 의미가 없기 때문이다. $k_{e}$와 $k_{p}$는 비례 이득을 의미하며 $k_{d}$는 미분 이득을 의미한다. 미분항은 샘플링 시간 $\Delta t$에 대한 $\theta_{d}(k)$의 변화량을 사용한다. 장애물이 LiDAR센서 영역에서 감지되면, $V_{L}$과 $V_{R}$의 값을 이용하여 장애물을 기준으로 무인선박의 방향각을 변화시켜 장애물을 회피한다.

PD제어기 구현을 위해 실험에서, 지자기센서와 GPS센서로 계측된 데이터는 칼만필터(Kalman Filter)를 통해 계산된 데이터를 사용한다. 본 논문에서는 지면의 부족으로 칼만필터 내용은 생략한다^[28].

2.2 무인선박의 시스템 구성

본 논문의 실험에 사용된 무인선박의 전체 시스템 구조는 그림. 2와 같이 명령패킷을 송신할 어플리케이션과 명령된 패킷을 수신할 무인선박으로 구성된다.

그림. 2. 무인선박의 시스템 구조

Fig. 2. System structure of unmanned ship

시스템의 구성은 그림. 3과 같이 주 시스템과 구동시스템으로 구분한다. 주 시스템에는 시각정보를 사용자에게 제공하기 위한 IP카메라와 카메라의 정보를 MCU로 전송하기 위한 유무선 공유기, UART 프로토콜을 TCP/IP 프로토콜로 변환시키는 이더넷(Ethernet)⇔시리얼(Serial)로 변환을 하는 비동기 통신 전환기(ECM5200)와 핵심이 되는 MCU, 장애물의 방향과 거리를 알기 위한 LiDAR센서와 목적지의 좌표 및 무인선박의 좌표와 장애물로의 위치를 알기 위한 GPS와 지자기 센서가 장착되었다^[29]. 구동시스템에는 MCU에서 생성된 PWM(Pulse Width Modulation)신호를 전달받을 모터 제어기(Motor Controller)와 추진기가 되는 두 개의 모터$\left(V_{L}, V_{R}\right)$로 구성된다.

그림. 3. 무인선박의 전체 구성

Fig. 3. Overall configuration of unmanned ship

어플리케이션에서 임의의 목적지의 좌표를 입력하면 GPS를 통해 무인선박 플랫폼의 현재 위치와 목적지의 좌표를 비교한다. 그리고 지자기 센서를 통해 무인선박의 위치와 방향을 GPS의 값과 대조하여 목적지와의 일직선이 되는 루트를 설정한다. 그렇게 설정된 목적지를 향하여 이동하는 동안 LiDAR센서가 전방의 특정 영역을 계속해서 탐지하며, 장애물이 감지되면 장애물의 방향과 거리의 정보를 MCU로 전달하여 퍼지제어에서 정해진 퍼지규칙(Fuzzy Rules)에 의해 양쪽 추진기의 속력을 조정하여 무인선박의 방향을 바꾸어 장애물을 회피한다.

3. LiDAR센서

선박에서 장애물 감지를 위해 레이더센서와 LiDAR센서가 주로 사용된다. 레이더센서는 마이크로파를 물체에 쏘아 돌아오는 시간을 계산하여 물체와의 거리를 산출하는 반면, LiDAR센서는 펄스 레이저광을 물체에 쏘아 돌아오는 시간을 계산하여 물체와의 거리를 산출한다. 둘의 원리는 비슷하나 LiDAR센서의 펄스레이저는 레이더센서의 전자기파보다 파장이 짧아 정밀도나 해상도가 매우 높다. 본 연구에서는 장애물의 정확한 방향과 거리를 측정하기 위해 LiDAR센서를 사용하였다.

그림. 4. LiDAR 원리

Fig. 4. LiDAR principle

거리를 산출하는 계산식은 다음 식 (7)과 같다.

여기서 $\triangle T$는 레이저 펄스 신호가 물체로부터 반사되어 되돌아오는 시간을 말하며, $\triangle R$은 LiDAR센서와 물체 사이의 거리, $c$는 빛의 속도이며 $3 \times 10^{8} m / s$이다.

LiDAR센서의 이러한 거리산출방식은 1D 레이저 스캐너(Laser Scanner)방식이다. 이러한 단일의 1D 레이저 스캐너 방식의 LiDAR센서에 회전을 이용함으로써 특정 평면에서의 영상정보를 수집할 수 있게 되는데 이것이 바로 2D 레이저 스캐너 방식이다. 이러한 2D 레이저 스캐너 방식은 모바일 로봇의 장애물 회피 시스템 연구에서 가장 많이 사용되고 있다^[30,31]. 본 연구에서는 1D 레이저 스캐너 방식의 LiDAR센서를 서보모터를 이용하여 좌우로 회전하게 만들어 전방에서 100° 범위를 스캔하도록 함으로써 2D 레이저 스캐너 방식을 사용한다.

이러한 2차원석 방식의 LiDAR센서를 무인선박 플랫폼의 앞쪽에 위치시켜 0~6m 까지의 범위를 1m씩 6등분으로 구역을 나누며, 서보모터의 회전으로 LiDAR센서를 전방의 -50~50° 사이의 범위를 20° 씩 6등분 나누어 탐지한다. 이러한 2D LiDAR 스캐너는 그림. 5와 같이 특정 영역을 계속해서 탐지한다.

그림. 5. LiDAR 스캔 영역

Fig. 5. LiDAR scan area

LiDAR센서 영역에 장애물이 탐지되면 무인선박은 퍼지제어를 기반으로 두 추진기의 속력을 조절하여 방향을 바꾸어 장애물을 회피하게 된다^[32].

4. 퍼지제어 기반의 장애물 회피 알고리즘

퍼지제어기의 기본은 LiDAR센서에서 발견된 장애물과의 거리(Distance)와 방향(Angle)을 입력(Input)으로 하였으며, 양쪽 추진기 $V_{L}$과 $V_{R}$의 속력을 출력(Output)으로 하였다.

장애물과의 거리에 대한 언어적 표현은 다음의 표 1과 같이 표시하였다.

구간별로 만들어진 입력변수 Distance[m]에 대한 소속도 함수는 그림. 6과 같다.

그림. 6. 입력변수의 장애물과의 거리

Fig. 6. Distance from obstacles in input variable

장애물과의 방향각에 대한 언어적 표현은 다음의 표 2와 같이 표시하였다.

구간별로 만들어진 입력변수 Angle[$\theta $]에 대한 소속도 함수는 그림. 7과 같다.

그림. 7. 입력변수의 장애물과의 방향

Fig. 7. Direction from obstacles in th input variable

두 추진기 $V_{L}$과 $V_{R}$의 속력에 대한 언어적 표현은 다음 표 3과 같다.

퍼지제어에서 퍼지 추론 절차는 일반적으로 원하는 제어 동작을 지정하는데 사용되는 일련의 규칙을 포함하는데, 이것은 If 와 Then 규칙의 형식을 지정하는 것이다. 입력부에는 장애물의 거리와 방향을, 퍼지규칙과 추론기를 거쳐 역퍼지화를 통해 양쪽의 추진기 $V_{L}$과 $V_{R}$의 속력을 조절한다. 퍼지제어 규칙은 총 36가지를 사용하였으며 다음 표 4와 같다.

Distance[m]와 Angle[$\theta $], 두 입력에 의한 출력 $V_{L}$과 $V_{R}$의 소속도 함수는 그림. 8과 같다.

그림. 8. 출력변수 $V_{L}$과 $V_{R}$의 속력

Fig. 8. Speed of output variables $V_{L}$ and $V_{R}$

5. 실 험

본 논문에서의 무인선박은 그림. 9와 같이 RC보트의 플랫폼을 사용하였다. 무인선박과 어플리케이션간의 통신을 위해 Wi-Fi 유무선 공유기와 MCU의 UART통신을 변화하기 위해 비동기 통신 전환기를 사용하였으며, 전방의 장애물을 감지하기 위하여 카메라와 LiDAR센서를 부착하였다. GPS와 지자기센서를 부착하여 무인선박의 위치좌표와 목적지의 좌표를 확인할 수 있다. 무인선박과 어플리케이션간의 통신은 WiFi통신을 사용하였다. 무인선박은 항시 전방의 장애물을 관찰하여야 한다. 그렇기 때문에 LiDAR센서를 전방에 위치시켰으며, 장애물이 감지되면 그 장애물의 위치정보와 거리정보를 MCU로 전달한다.

그림. 9. 실험용 무인선박의 외형

Fig. 9. Appearance of experimental unmanned ship

실험환경은 그림. 10과 같다. 실험을 위해 제작된 어플리케이션의 구글맵스(Google Maps)에 임의의 목적지의 좌표를 설정한다. 목적지로의 경로에는 두 개의 고정된 장애물이 있으며, 경로를 가로지르는 이동하는 장애물이 있다.

그림. 10. 실험환경

Fig. 10. Experiment environment

고정 장애물 존재시 자율운항과 고정 및 이동 장애물 존재시 자율운항에 대하여 실험을 하였다. 다음의 그림. 11, 그림. 12, 그림. 13은 고정 장애물 존재시의 자율운항 결과를, 그림. 14, 그림. 15, 그림. 16은 고정, 이동 장애물 존재시 자율운항 결과를 나타낸다. 고정 장애물 존재시의 자율운항에서는 무인선박이 목적지를 향해 이동하는 도중에 감지되는 두 개의 고정된 장애물을 회피하는 과정을 나타내고 있다. 고정, 이동 장애물 존재시의 자율운항에서는 두 개의 고정된 장애물뿐만 아니라 움직이는 이동 장애물이 무인선박의 경로를 지나갈 경우 그 장애물을 감지하여 회피하는 과정을 포함한 실험 결과이다. 그림. 13과 그림. 16의 $y$축 오차가 각각 스텝의 변화에 따라 감소하지 않는 구간은 고정, 이동 장애물에 의해 회피하는 과정중에 기인한다.

그림. 11. 고정 장애물 존재시의 무인선박 이동경로

Fig. 11. Movement path of unmanned ship when fixed obstacles are on the path

그림. 12. 고정 장애물 존재시의 이동에 따른 $V_{L}$과 $V_{R}$의 변화율

Fig. 12. Rate of change of $V_{L}$ and $V_{R}$ when fixed obstacles are on the path

그림. 13. 고정 장애물 존재시의 이동에 따른 $x$축과의 오차값과 $y$축과의 오차값에 대한 변화율

Fig. 13. Rate of change for each of the error values of the $x$-axis and $y$-axis according to the movement when fixed obstacles are on th path

그림. 14. 고정, 이동 장애물 존재시의 무인선박 이동경로

Fig. 14. Movement path of unmanned ship when fixed obstacles and the moving obstacle are on the path

그림. 15. 고정, 이동 장애물 존재시의 이동에 따른 $V_{L}$과 $V_{R}$의 변화율

Fig. 15. Rate of change of $V_{L}$ and $V_{R}$, when fixed obstacles and the moving obstacle are on the path

그림. 16. 고정, 이동 장애물 존재시의 이동에 따른 $x$축과의 오차값과 $y$축과의 오차값에 대한 변화율

Fig. 16. Rate of change for each of the error values of the $x$-axis and $y$-axis according to the movement when fixed obstacles and the moving obstacle are on th path

6. 결 과

본 논문에서는 무인선박이 장애물을 회피하며 목적지까지 안전하게 이동할 수 있도록 LiDAR센서와 퍼지제어 기반의 장애물 회피 알고리즘을 통해 장애물을 인지하고 회피하는 시스템을 제안하였다. 제작된 어플리케이션의 구글맵스를 통해 사용자는 임의의 목적지좌표를 선택한다. 목적지의 좌표가 설정되면 무인선박에 설치된 GPS와 지자기센서를 통해 거리 및 경로를 산출하고 이동하는 방식이다. LiDAR센서와 인공지능 기반의 퍼지제어기를 사용하여 무인선박이 안전하게 장애물을 회피하여 목적지까지 도착하는 것을 실험을 통해 검증하였다. 본 논문에서 제안한 무인선박의 자율운항을 위한 LiDAR센서 기반의 장애물 회피 시스템은 기존의 다른 실험과는 다르게 저가형의 1차원 LiDAR센서를 사용하고, 서보모터를 통하여 2차원적으로 구현하였다. 또한 퍼지제어 기반의 알고리즘을 사용해 고가의 레이더센서 사용 없이 정확하게 장애물을 회피하는 것을 실험결과로 보여주었다. 이러한 시스템은 사람이 직접 운전하지 않아도 지정된 구역을 순환하거나 목적지까지의 이동정찰 등의 임무를 장애물에 구애받지 않고 수행할 수 있어 해안가의 근해 혹은 교각 아래의 감시 및 순찰임무, 또는 해상용 풍력발전기의 계측감시와 같은 임무를 수행하는데 효과적으로 사용될 수 있다.