์ง์ฉ์
(Yongsik Jin)
1iD
ํ์น์ฉ
(Seungyong Han)
1iD
์ด์๋ฌธ
(Sangmoon Lee)
1โ iD
-
(School of Electronics Engineering, Kyungpook National University, Korea)
Copyright ยฉ The Korean Institute of Electrical Engineers(KIEE)
Key words
Multi-sensor system, MPC, Autonomous mobile robot, State estimator, Tracking control
1. ์๋ก
์์จ ์ฃผํ ์์คํ
์ ๊ฐ๋ฐ์ ์ํ์ฌ ๋ค์ํ ์ผ์๋ค์ ์ตํฉํ์ฌ ์ฌ์ฉํ๋ ๋ฐฉ๋ฒ๋ค์ด ์๋๋๊ณ ์๋ค[1-3]. ํนํ ์ง๋ฅ ์์คํ
์ ๊ตฌํ์ ์ํ์ฌ ์นด๋ฉ๋ผ์ ๋ผ์ด๋ ๊ฐ์ ์ฃผ๋ณ์ผ๋ก๋ถํฐ ๋ง์ ์์ ์ ๋ณด๋ฅผ ํ๋ํ ์ ์๋ ์ผ์๋ค์ด ๋ง์ด ์ด์ฉ๋๊ณ ์๋ค[4]. ์์จ ์ฃผํ ์์คํ
์ ์์น ๋ณํ๋ฅผ ์ธก์ ํ๊ธฐ ์ํ ๊ฒฝ์ฐ์๋ ์นด๋ฉ๋ผ, ๋ผ์ด๋ค, ์์ฝ๋, ๊ด์ฑ ์ธก์ ์ฅ์น (IMU) ๋ฑ๊ณผ ๊ฐ์ ๋ค์ํ ์ผ์๋ค์ด ์ฌ์ฉ๋๋ค.
๊ฐ๊ฐ์ ์ผ์๋ค์ ์ฅ๋จ์ ์ ๊ฐ์ง๊ณ ์๋๋ฐ, ๋ผ์ด๋ค๋ ๋น์ ๋ฐ์์ํค๋ฉด์ ์ฌ์ฉ๋๋๋ฐ, ์ด๋ ๋ ์ฆ์ ์ํ์ ๋ฐ์ฌํ๋ ๋ชฉํ๋ฌผ์ ์ฌ์ง์ ๋ฐ๋ผ์ ์ฑ๋ฅ์ด ๋ฌ๋ผ์ง๋ค.
์์ฝ๋๋ ์์คํ
์ ํตํฉ๋๊ธฐ ํธ๋ฆฌํ๊ณ , ์ค์๊ฐ์ผ๋ก ์ ๋ณด๋ฅผ ์ ๊ณตํ๋ค๋ ์ฅ์ ์ด ์์ง๋ง, ์ธ๋ถํ๊ฒฝ์ ๋ฐ๋ผ ํฌ๊ฒ ์ ๋ณด์ ํ์ค์ฑ์ด ๋จ์ด์ง๋ ๋จ์ ์ด ์๋ค. ์นด๋ฉ๋ผ๋
๋ฌผ๋ฆฌ์ ์ธ ํน์ง๋ค์ ๊ฐ์ง๊ณ ๋ฌผ์ฒด๋ค์ ๊ตฌ๋ณํ๊ฑฐ๋ ์๊ณ ๋ฆฌ์ฆ์ ํตํ์ฌ ์ ํํ ์ ๋ณด๋ฅผ ์ป์ ์ ์๋ค. ํ์ง๋ง, ๋ณต์กํ ์ ํธ ์ฒ๋ฆฌ ๊ณผ์ ๋ค ๋๋ฌธ์, ์ค์๊ฐ์ผ๋ก
์ ๋ณด๋ฅผ ๋ฐ๊ธฐ๊ฐ ์ด๋ ต๋ค. ์ด๋ฌํ ์ผ์๋ค์ ๊ฐ๊ฐ์ ์ฅ๋จ์ ์ ๊ทน๋ณตํ๊ธฐ ์ํด์ ์ผ์๋ค์ ์ตํฉํ์ฌ ์์คํ
์ ๊ตฌ์ฑํ๋ ์ ๊ทผ๋ฒ์ด ์ฐ๊ตฌ๋๊ณ ์๋ค[5]. ๋ค์ํ ์ผ์๋ฅผ ํตํ ์์น ์ธก์ ๋ฐฉ๋ฒ์ผ๋ก ๊ธ๋ก๋ฒ ์์ฑ ํญ๋ฒ ์์คํ
, ๋ผ์ด๋ค, ๊ด์ฑ ์ธก์ ์ฅ์น๋ฅผ ์ด์ฉํ ๋ฐฉ๋ฒ์ด ๊ฐ๋ฐ๋์ด ์ ํ๋๋ ํฅ์๋์์ง๋ง ์ด๋ฌํ
๋ฐฉ๋ฒ์ ๋จ์ํ๊ฒ ์ํ๋ง ์๊ฐ์ด ๊ฐ์ฅ ๋น ๋ฅธ ๋ฐ์ดํฐ์ ๋๊ธฐํํ์ฌ ์ฌ์ฉํ๋ ๋ฐฉ์์ผ๋ก ์ํ๋ง ๋น๋๊ธฐํ์ ๋ํ ๋ฌธ์ ๋ ๋ค๋ฃจ์ง ๋ชปํ๋ค[6]. ์ด๋ฌํ ๋ฌธ์ ๋ฅผ ํด๊ฒฐํ๊ธฐ ์ํด ์นผ๋ง ํํฐ๋ฅผ ์ด์ฉํ์ฌ ์ผ์ ๋ฐ์ดํฐ๋ฅผ ์ฒ๋ฆฌํ๋ ๋ฐฉ๋ฒ์ด ๋ง์ด ์ด์ฉ๋๊ณ ์๋ค[7]. ๊ทธ๋ฌ๋ ์นผ๋ง ํํฐ๋ฅผ ์ด์ฉํ๋ ์ ๊ทผ๋ฒ ์ญ์ ๊ฐ๊ฐ์ ์ผ์๋ค์ ์ํ๋ง ์ฃผ๊ธฐ๋ค์ ๊ณ ๋ คํ์ฌ ์ํ ์ถ์ ๊ธฐ์ ์์ ์ฑ์ ๋ณด์ฅํ๋ ์ฐ๊ตฌ๋ ๋ฏธํกํ ์ค์ ์ด๋ค. ๋ฐ๋ผ์
๋ณธ ๋
ผ๋ฌธ์์๋ ๋ค์ค ์ํ๋ง ์ฃผ๊ธฐ๋ฅผ ๊ฐ์ง๋ ์ฌ๋ฌ ๊ฐ์ง ์ผ์์์ ์ป์ด์ง๋ ์ ๋ณด๋ก๋ถํฐ ์์คํ
์ํ๋ฅผ ์ถ์ ํ๋ ๋ค์ค ์ํ๋ฐ์ดํ ๊ธฐ๋ฐ์ ์ํ์ถ์ ๊ธฐ์ ์ถ์ ์ ์ด๋ฅผ
์ํ ์๋ฌ๋ชจ๋ธ ๊ธฐ๋ฐ์ ์ต์ ํ๊ฐ ๊ฐ๋ฅํ ๋ชจ๋ธ์์ธก์ ์ด๊ธฐ๋ก ๊ตฌ์ฑ๋ ์ด๋๋ก๋ด์ ์ํ ์ถ์ ์ ์ด์์คํ
์ ์๋ก์ด ๊ตฌ์กฐ์ ๊ตฌํ ๋ฐฉ๋ฒ์ ์ ์ํ๋ค.
๋ชจ๋ธ ์์ธก ์ ์ด ๊ธฐ๋ฒ์ ๋ชจ๋ฐ์ผ ๋ก๋ด์ ์ ์ดํ๊ธฐ ์ํ์ฌ ๋ง์ด ์ฌ์ฉ๋๊ณ ์๋ค[8]. ์์คํ
์ ๋ชจ๋ธ์ ๊ธฐ๋ฐ์ผ๋ก ๋ฏธ๋์ ์ถ๋ ฅ์น๋ฅผ ๋ฏธ๋ฆฌ ๊ณ์ฐํ์ฌ ์์ธกํ๊ณ ์ด๋ฅผ
์ต์ ํํ๊ธฐ ์ํ์ฌ ์ป์ด์ง ์
๋ ฅ์ ์ฌ์ฉํจ์ผ๋ก ์ ์ด ์ฑ๋ฅ์ ๋์ผ ์ ์๋ค๋ ์ฅ์ ์ด ์๋ค. ๋ํ ์ด๋ ๋ก๋ด์ ์ ํ ์กฐ๊ฑด์ด๋ ๋ก๋ด์ ์๋ฌด ์ํ ์ค์ ๋ฐ์ํ๋
์ ํ ์กฐ๊ฑด์ ์ต์ ํ ๊ณผ์ ์ ์ ์ฉํ ์ ์์ด ์ค์ ์์คํ
์ ์ ์ฉํ๋ ๋ฌธ์ ์ ๋ง์ ์ด์ ์ ์ ๊ณตํ๋ค. ๊ทธ๋ฌ๋ ๋ชจ๋ธ ์์ธก ์ ์ด๋ ๋ง์ ๊ณ์ฐ๋์ด ํ์ํ ์ ์ด
๊ธฐ๋ฒ์ผ๋ก ์๋ฒ ๋๋ ์์คํ
์ ์ ์ฉํ๋ ๊ฒฝ์ฐ์๋ ๋ง์ ๋ฌธ์ ์ ๋ค์ด ๋ฐ์ํ๋ค. ํนํ ์ด๋ ๋ก๋ด๊ณผ ๊ฐ์ด ์ด๋ํ๋ ์์คํ
์ ๊ฒฝ์ฐ ์ ์ด ์
๋ ฅ์ ์ง์ฐ์ผ๋ก ์ถฉ๋์ด๋
์ ์ด ๋ถ๋ฅ ์ํ๊ฐ ๋ฐ์ํ ์ ์๋ค.
๋ณธ ์ฐ๊ตฌ์์๋ ๋ค์ค ์ผ์์ ์ตํฉ ๋ฌธ์ ์ ๋ชจ๋ธ ์์ธก ์ ์ด์ ์
๋ ฅ ๊ณ์ฐ ์๊ฐ ์ง์ฐ ๋ฌธ์ ๋ฅผ ํด๊ฒฐํ๊ธฐ ์ํ์ฌ ๋ค์ค ์ผ์๋ฅผ ๊ฐ์ง๋ ์ํ ์ถ์ ๊ธฐ์ ์ค์๊ฐ ์ ์ด๋ฅผ
์ํ ์ธ์ฐ์ ๋ชจ๋ธ ์์ธก ์ ์ด๊ธฐ๋ฅผ ๊ธฐ๋ฐ์ผ๋กํ ์ด๋ ๋ก๋ด ์ถ์ ์ ์ด ์์คํ
์ด ์ฐ๊ตฌ๋๋ค. ์ ์๋ ์์คํ
์ ๊ตฌํํ๊ธฐ ์ํ์ฌ ๋ก๋ด ์ด์ ์ฒด์ ๋ฅผ ๊ธฐ๋ฐ์ผ๋ก ์๋ฒ ๋๋
ํ๊ฒฝ์์ ๊ฐ๋ฐ๋์๋ค. ๋ก๋ด ์ด์ ์ฒด์ ์ ๊ตฌํ๋ ์์จ ์ฃผํ ์๊ณ ๋ฆฌ์ฆ์ ํตํด ์นด๋ฉ๋ผ, ์์ฝ๋, ๋ผ์ด๋๋ก๋ถํฐ ๋ฐ์ดํฐ๋ฅผ ํ๋ํ๊ณ ์ฃผ๋ณ๊ณผ ๋ก๋ด์ ์ํ๋ฅผ ํ๋จํ๊ธฐ
์ํด ๋ฐ์ดํฐ๋ค์ ์ฒ๋ฆฌํ๋ค. ๋ํ ์ป์ด์ง ์ํ ์ ๋ณด๋ฅผ ๊ธฐ๋ฐ์ผ๋ก ๋ก๋ด์ ์๋ ๋ฐ ์์น๋ฅผ ์ ์ดํ์ฌ ์์จ ์ด๋๋ก๋ด์ ์ถ์ ์ ์ด์ ์ ์ฉ๋๋ค. ๋ณธ ๋
ผ๋ฌธ์ ๊ธฐ์ฌ๋๋
๋ค์๊ณผ ๊ฐ์ด ์์ฝ๋๋ค.
ยท ์ํ ๋ฐ์ดํฐ ์ํ ์ถ์ ๊ธฐ ๊ธฐ๋ฐ์ ์ธ์ฐ์ ๋ชจ๋ธ ์์ธก์ ์ด ๊ตฌ์กฐ๊ฐ ์ ์๋์ด์ง๋ค.
ยท ๋ค๋ฅธ ์ฃผ๊ธฐ๋ฅผ ๊ฐ์ง๋ ์ผ์๋ค์ ์ ํธ๋ฅผ ์ตํฉํ ์ ์๋ ์ํ ์ถ์ ๊ธฐ๊ฐ ์ค๊ณ๋๋ค.
ยท ํ์งํ ๊ฒ์ถ, ๋ผ์ด๋ ๊ธฐ๋ฐ์ ๊ฒฝ๋ก ์์ฑ ์๊ณ ๋ฆฌ์ฆ์ด ์์จ ์ด๋๋ก๋ด์ ์ํด ๊ตฌํ๋๊ณ ์ํ ์ถ์ ๊ธฐ, ๋ชจ๋ธ์์ธก๊ธฐ์ ํจ๊ป ํตํฉ๋์ด ์คํ๋๋ค.
๋
ผ๋ฌธ์ ๋๋จธ์ง ๋ถ๋ถ์ ๋ค์๊ณผ ๊ฐ์ด ๊ตฌ์ฑ๋์ด ์๋ค. 2์ฅ๊ณผ 3์ฅ์์๋ ์ ์๋ ์์คํ
์ ๊ตฌ์ฑ ๋ฐ ๊ตฌํ์ ๋ํ ์ค๋ช
, 4์ฅ์์๋ ์ ์๋ ๋ฐฉ๋ฒ๋ค์ ์๋ฎฌ๋ ์ด์
๋ฐ ์คํ์ ์ ์ฉํ์ฌ ์ป์ด์ง ๊ฒฐ๊ณผ๋ค์ ์ ๋ฆฌํ์๋ค. 5์ฅ์์๋ ์ฐ๊ตฌ๋ ๊ฒฐ๊ณผ๋ค์ ๋ํด ๋
ผ์ํ๋ค.
2. ์์คํ
๊ตฌ์ฑ
์์จ ์ฃผํ ์์คํ
์ ๊ตฌํ์ ์ํด ๋ณธ ์ฐ๊ตฌ์์๋ ๋ฌด์ธ ์ง์ ์ฐจ๋ (HUSKY UGV), ์๋ฒ ๋๋ ๋ณด๋ (NVIDIA Jetson TX2), ์คํ
๋ ์ค
์นด๋ฉ๋ผ (Zed camera), ๋ผ์ด๋ ์ผ์ (Velodyne LiDAR)๋ฅผ ์ด์ฉํ์๋ค.
๋ฌด์ธ ์ง์ ์ฐจ๋(HUSKY UGV)์๋ ๋ชจํฐ ์ปจํธ๋กค ๋ฐ ์์ฝ๋ ๋ฐ์ดํฐ ํ๋์ ์ํ ์ปจํธ๋กค ๋ณด๋๊ฐ ํ์ฌ๋์ด ์์ด ์๋ฒ ๋๋ ๋ณด๋ (NVIDIA Jetson
TX2)์ ์ง๋ ฌ ํต์ ์ ํตํด ์ ์ด ์
๋ ฅ๊ณผ ์ผ์ ๋ฐ์ดํฐ ๊ฐ์ ์ฃผ๊ณ ๋ฐ๋๋ค. ์๋ฒ ๋๋ ๋ณด๋ (NVIDIA Jetson TX2)์๋ ์์ ์ฒ๋ฆฌ๋ฅผ ์ํ ๊ทธ๋ํฝ
์ฒ๋ฆฌ ์ฅ์น๊ฐ ๋ด์ฅ๋์ด ์์ด ์นด๋ฉ๋ผ๋ก ํ๋ํ ์ด๋ฏธ์ง๋ก๋ถํฐ ๋ก๋ด์ ์์น๋ฅผ ๊ณ์ฐํ ์ ์๋ค. ์ฃผ์ด์ง ํ๊ฒฝ์์ ๊ฒฝ๋ก๋ฅผ ์์ฑํ๊ธฐ ์ํด์ ๋ผ์ด๋ ์ผ์๊ฐ ์ด์ฉ๋์๋ค.
๊ทธ๋ฆผ. 1์ ์ฃผ์ด์ง ์์คํ
์ ๊ตฌ์ฑ์ ๋ณด์ฌ์ค๋ค. ์๋ฒ ๋๋ ๋ณด๋ (NVIDIA Jetson TX2)์๋ ์ํ ์ถ์ ๊ธฐ, ์ ์ด๊ธฐ, ๊ฒฝ๋ก ์์ฑ ์๊ณ ๋ฆฌ์ฆ์ด ๊ตฌํ๋์ด ์์ด,
๋ผ์ด๋ค์ ์นด๋ฉ๋ผ๋ฅผ ํตํด ๊ฒฝ๋ก๋ฅผ ์์ฑํ๊ณ ์นด๋ฉ๋ผ์ ์์ฝ๋๋ก๋ถํฐ ์ผ์ ๊ฐ์ ๋ฐ์ ํ์ฌ ์์น๋ฅผ ์ถ์ ํ๋ค. ์นด๋ฉ๋ผ๋ก๋ถํฐ ๋ก๋ด์ ์์น๋ฅผ ์ถ์ ํ๊ธฐ ์ํด์ ๋น์ฃผ์ผ
์ค๋๋ฉํธ๋ฆฌ ๊ธฐ๋ฒ์ด ์ด์ฉ๋์๋ค[9]. ์์ฑ๋ ๊ฒฝ๋ก์ ์ถ์ ๋ ํ์ฌ ์์น๋ฅผ ๊ธฐ๋ฐ์ผ๋ก ์ธ์ฐ์ ๋ชจ๋ธ ์์ธก ์ ์ด ์๊ณ ๋ฆฌ์ฆ์ ์ ์ด ์
๋ ฅ์ ๊ณ์ฐํ์ฌ ์์ฑ๋ ๊ฒฝ๋ก๋ฅผ ๋ฐ๋ผ ๋ชฉํ ์ง์ ๊น์ง ๋ก๋ด์ ์ด๋์ํจ๋ค.
๋ก๋ด์ ๊ฐ ์ผ์, ๋ชจํฐ, ์๊ณ ๋ฆฌ์ฆ๋ค์ ๋ก๋ด ์ด์ ์ฒด์ (ROS)๊ธฐ๋ฐ์ผ๋ก ๊ฐ ๊ฐ์ฒด๋ณ๋ก ๊ตฌํ๋์ด ์ฐ๊ฒฐ๋๋ค.
๊ทธ๋ฆผ. 1. ์์จ ์ฃผํ ์์คํ
๊ตฌ์ฑ
Fig. 1. The components of autonomous driving system
2.1 ๋ค์ค ์ผ์๊ธฐ๋ฐ ์ํ ์ถ์ ๊ธฐ
์์ฝ๋์ ์นด๋ฉ๋ผ๋ก๋ถํฐ ์ธก์ ๋ ์์น ๊ฐ์ผ๋ก๋ถํฐ ๋ก๋ด์ ์์น ๋ณํ๋ฅผ ์ถ์ ํ๊ธฐ ์ํ์ฌ ํผ์ง ๋ชจ๋ธ ๊ธฐ๋ฐ์ ๋ค์ค ์ฃผ๊ธฐ๋ฅผ ๊ฐ์ง๋ ์ํ ์ถ์ ๊ธฐ๊ฐ ์ด์ฉ๋๋ค. ์ํ
์ถ์ ๊ธฐ๋ ์ด๋ ๋ก๋ด์ ์ํ์ ๋ชจ๋ธ์ ๊ธฐ๋ฐ์ผ๋ก ํ์ฌ ์ธก์ ๋ ๊ฐ์ผ๋ก๋ถํฐ ์ค์ ๋ก๋ด์ ์์น๋ฅผ ์ถ์ ํ๋ค. ๋ณธ ์ฐ๊ตฌ์์๋ ์ด๋ ๋ก๋ด ์ถ์ ์ ์ด ๋ชจ๋ธ์ด ์ด์ฉ๋๋ค[10]. T-S ํผ์ง ๋ชจ๋ธ์ ์ด์ฉํ์ฌ ๋น์ ํ ์ด๋ ๋ก๋ด ์ถ์ ์ ์ด ์์คํ
์ ๋ชจ๋ธ๋งํ์๋ค. ์ํ ์ถ์ ๊ธฐ์ ์ด๋ ๊ฐ์ ์ค๊ณํ๊ธฐ ์ํด ๋ค์ค ์ฃผ๊ธฐ ์ํ๋ง์ ๊ณ ๋ คํ
๋ฆฌ์ํ๋
ธํ ํจ์ ๊ธฐ๋ฐ์ ์ค๊ณ ๋ฐฉ๋ฒ์ด ์ด์ฉ๋์๋ค[11]. ๊ทธ๋ฆผ. 2์์์ ๊ฐ์ด ์นด๋ฉ๋ผ์ ์์ฝ๋๋ก๋ถํฐ ์ธก์ ๋ ์ผ์ ๊ฐ๋ค์ ์ํ ์ถ์ ๊ธฐ์ ์ํด ํ๋์ ์ ํธ๋ก ๊ณ์ฐ๋๋ค.
๊ทธ๋ฆผ. 2. ๋ค์ค ์ผ์๋ฅผ ๊ฐ์ง๋ ์ํ ์ถ์ ๊ธฐ ๊ตฌ์กฐ
Fig. 2. The structure of state estimotor with multi-sensor
2.2 ์ธ์ฐ์ ๋ชจ๋ธ ์์ธก ์ ์ด๊ธฐ ์ค๊ณ
๋ชจ๋ธ ์์ธก ์ ์ด๊ธฐ๋ ์์คํ
์ ์
๋ ฅ์ ์ ํ์ ์กฐ๊ฑด์ ๊ณ ๋ คํ์ฌ ์ต์ ์ ์ฑ๋ฅ์ ๋ณด์ฅํด์ฃผ๋ ์ ์ด๊ธฐ์ด๋ค. ๊ทธ๋ฌ๋ ์ค์๊ฐ์ผ๋ก ๋ณต์กํ ์ต์ ํ ๋ฌธ์ ๋ฅผ ํ์ด์ ์
๋ ฅ์
๊ณ์ฐํด์ผ ํ๋ ๋จ์ ์ด ์๋ค. ๋ฐ๋ผ์ ์ถฉ๋ถํ ์ปดํจํ
์์์ด ์ง์๋์ง ์๋ ํ๊ฒฝ์์๋ ์
๋ ฅ ๊ณ์ฐ์ ์ํด ๋ง์ ์๊ฐ์ด ์๋น๋๋ค๋ ๋จ์ ์ด ์๋ค. ์ด๋ฌํ ๋ฌธ์ ๋ฅผ
ํด๊ฒฐํ๊ธฐ ์ํ์ฌ ์ค๊ณ๋ ์ธ์ฐ์ ๋ชจ๋ธ ์์ธก ์ ์ด๊ธฐ๋ ์คํ๋ผ์ธ์์ ์ต์ ์ ์
๋ ฅ ๊ฐ์ ๋ชจ๋ ๊ณ์ฐํ ํ, ์ฌ์ฉํ๊ธฐ ๋๋ฌธ์ ๊ณ์ฐ ์ง์ฐ ๋ฌธ์ ๋ฅผ ํด๊ฒฐํ ์ ์๋ค.์ธ์ฐ์
๋ชจ๋ธ ์์ธก ๊ธฐ๋ฒ์์๋ ์คํ๋ผ์ธ์์ ์ํ ๋ณ์๋ค์ ์์ญ์ ๋ฐ๋ผ ํ๋ํธ๋ฅผ ์ ์ดํจ์ ์์ด์ ํ์ํ ์ต์ ์ ์
๋ ฅ ๊ฐ์ ๋ชจ๋ ๊ณ์ฐํ๋ค. ์จ๋ผ์ธ์์๋ ๊ณ์ฐ๋
์
๋ ฅ ๊ฐ๋ค์ ํจ์ ํํ๋ก ์ ์ฅ์ด ๋์ด ์์ด ํ๋ํธ์์ ์ํ ๋ณ์๋ฅผ ํจ์์ ์ ์ฉํ๋ฉด ๋ณ์๋ค์ ์์ญ์ ๋ง๋ ์ต์ ์ ์
๋ ฅ ๊ฐ์ ๋ฐํํ์ฌ ์ค๋ค. ์ธ์ฐ์ ๋ชจ๋ธ
์์ธก ์ ์ด๋ ํ์ฌ ์๊ฐ์ ์ํ ๋ณ์๋ฅผ ์ด์ฉํ์ฌ ์
๋ ฅ ๊ฐ์ ๊ณ์ฐํ๋ ๊ฒ์ด ์๋๋ผ, ํ์ฌ ์ํ $x_{0}$๊ฐ ๊ฐ์ง ์ ์๋ ์งํฉ $X$ ์ ๋ํ์ฌ $u=ax+b$์
์ํ ํํ๋ก ์ต์ ์
๋ ฅ ๊ฐ์ ๊ณ์ฐํ๋ ๊ฒ์ด๋ค. ์ธ์ฐ์ ๋ชจ๋ธ ์์ธก ์ ์ด๊ธฐ๋ฅผ ์ค๊ณํ๊ธฐ ์ํด์ M. Kvasnica and P. Grieder and M.
Baoti์ ์ํด ์ ๊ณต๋ Multi-Parametric Toolbox (MPT)๋ฅผ ์ด์ฉํ์๋ค[8]. MPT๋ ๊ธฐ๋ณธ์ ์ธ ์ผ์ฐจ ์ด์ฐจ ๊ณํ๋ฒ์ ํด๊ฒฐํ๋ ํจ์๋ค์ ์ ๊ณตํด์ค ๋ฟ๋ง ์๋๋ผ, ์ธ์ฐ์ ๋ชจ๋ธ ์์ธก ์ ์ด๊ธฐ ์ค๊ณ ๋ด์ฅ ํจ์์ ๋ค๋ฅธ ๊ฐ๋ฐ ์ธ์ด๋ก ๋ณํ์์ผ์ฃผ๋
๋ด์ฅ ํจ์๋ค์ ์ ๊ณตํ๊ณ ์๋ค.
ํ 1์ MPT๋ฅผ ์ด์ฉํ์ฌ ๋งคํธ๋ฉ์์ ์ธ์ฐ์ ๋ชจ๋ธ ์์ธก ์ ์ด๊ธฐ๋ฅผ ์ค๊ณํ์ฌ Python ์ธ์ด๋ก ๋ณํ์์ผ์ฃผ๋ ๋จ๊ณ๋ฅผ ์ค๋ช
ํ์๋ค. 1 ๋จ๊ณ์์๋ ์ด๋ ๋ก๋ด ๋ชจ๋ธ์
์ด์ฐ์ ์ํ ๋ณ์ ๋ฐฉ์ ์์ A, B ํ๋ ฌ์ ์ค์ ํด์ฃผ๋ฉฐ, 2 ๋จ๊ณ์์๋ ์ํ๋ณ์๋ค๊ณผ ์
๋ ฅ์ ํฌ๊ธฐ ์ ํ์ ๊ณ ๋ คํ๋ค. 3 ๋จ๊ณ์์๋ ์์ธก ์ ์ด๊ธฐ์ ์
๋ ฅ
๋ฏธ๋ ์์ธก ๊ตฌ๊ฐ์ ์ค์ ํ๋ค. 4 ๋จ๊ณ์์๋ ๋ชจ๋ธ ์์ธก ์ ์ด๊ธฐ๋ฅผ ๋ด์ฅ ํจ์๋ก ๋จผ์ ์์ฑ ํ ๋ค์ ctrl.toExplicit()๋ฅผ ์ด์ฉํ์ฌ ์ธ์ฐ์ ๋ชจ๋ธ
์์ธก ์ ์ด๊ธฐ๋ฅผ ์์ฑํ๋ค. explicit_ctrl.partition.plot()๋ฅผ ์ด์ฉํ๋ฉด ์ํ ๋ณ์๋ค์ ์์ญ์ ๋ฐ๋ฅธ ์ต์ ์ ์
๋ ฅ ๊ฐ์ ๊ทธ๋ํ๋ก ๋ํ๋ธ๋ค.
๊ทธ๋ฆผ. 3์ 3์ฐจ ์ํ ๋ณ์ ๋ฐฉ์ ์์ ์ด๋ ๋ก๋ด ๋ชจ๋ธ์ ์ด์ฉํ์ฌ ์
๋ ฅ ์ ํ ์กฐ๊ฑด์ ๊ณ ๋ คํ์ฌ ๊ตฌํ ์ต์ ์ ์
๋ ฅ ๊ฐ ๊ทธ๋ํ์ด๋ค. ๊ฐ ์์ญ์ ๋ฐ๋ฅธ ์ต์ ์ ์
๋ ฅ ๊ฐ์
๋ค๋ฅธ ์์ผ๋ก ํ์๋์ด ์์ผ๋ฉฐ, ๊ฐ ์์ญ ๋ณ๋ก ์
๋ ฅ ๊ฐ์ ๊ตฌํ๊ธฐ ์ํด์๋ ์๋์ ์์์
ํ 1. MPT๋ฅผ ์ด์ฉํ ์ธ์ฐ์ ๋ชจ๋ธ ์์ธก ์ ์ด๊ธฐ ์ค๊ณ ๋จ๊ณ ๋ฐ ํน์ง
Table 1. Design procedure and characteristics of explicit model predictive contoller
using MPT
๋จ๊ณ
|
MPT ๋ด์ฅ ํจ์
|
1. ๋ชจ๋ธ ์์ฑ
|
model = LTISystem('A', Ad, 'B', Bd)
|
2. ์ ํ ์กฐ๊ฑด ๊ณ ๋ ค
|
model.x.min = [(1); (2); (3)]
model.x.max = [(1); (2); (3)]
model.u.min = [(1); (2)]
model.u.max = [(1); (2)]
|
3. ์์ธก ๊ตฌ๊ฐ ์ค์
|
horizon=value
|
4. ์ ์ด๊ธฐ ์์ฑ ๋ฐ ์ํ ๋ณ์ ์์ญ ํ์ธ
|
ctrl = MPCController(model, horizon);
explicit_ctrl = ctrl.toExplicit()
explicit_ctrl.partition.plot()
|
5. Python ์ถ์ถ
|
opj = explicit_ctrl.optimizer;
opj.toPython('filename','primal','obj')
|
๊ทธ๋ฆผ. 3. ์ํ ๋ณ์๋ค์ ๋ค๊ฐํ ์์ญ์ ๋ฐ๋ฅธ ์ต์ ์ ์
๋ ฅ ๊ฐ ๊ทธ๋ํ
Fig. 3. Optimal input value graph according to polygonal area of state variables
$\begin{bmatrix}x_{1} & 1\\ x_{2} & 1\end{bmatrix}\begin{bmatrix}a \\ b\end{bmatrix}=\begin{bmatrix}u_{1}\\
u_{2}\end{bmatrix}$
์ญํ๋ ฌ์ ์ด์ฉํ์ฌ a์ b์ ๋ณ์๋ค์ ์ฐพ์์ผ ํ๋ค. ์ด๋ฅผ ๋ด์ฅ ํจ์ ํํ๋ก ๊ตฌํ ํ ๊ฒ์ด ctrl.evaluate(x0) ํจ์์ด๋ค. ์ํ ๋ณ์์ ํ์ฌ
๊ฐ๋ง ์ค์ ํด์ฃผ๋ฉด ์ต์ ์ ์
๋ ฅ ๊ฐ์ ์๋ ๊ณ์ฐํ์ฌ ๊ฒฐ๊ณผ ๊ฐ์ผ๋ก ๋ํ๋ธ๋ค. ๋ง์ง๋ง 5 ๋จ๊ณ์์๋ MATLAB์์ ์์ฑ๋ ์ ์ด๊ธฐ๋ฅผ Python ์ธ์ด๋ก ๋ณํ
์์ผ์ฃผ๋ ๊ณผ์ ์ธ opj.toPython ('filename','primal','obj')์ ๋ด์ฅ ํจ์๋ฅผ ์ด์ฉํ์๋ค.
2.3 ์นด๋ฉ๋ผ ์์ ์ ํธ ์ฒ๋ฆฌ
์ ์๋ ์์จ ์ฃผํ ์์คํ
์์ ์์ ๋ฐ์ดํฐ๋ ๋ก๋ด์ ์์น ๋ณํ ์ธก์ ๊ณผ ํ์งํ ๊ฒ์ถ 2๊ฐ์ง ๊ธฐ๋ฅ์ ์ํด ์ฌ์ฉ๋๋ค. ์์์ ํตํ ๋ก๋ด์ ์์น ๋ณํ ์ธก์ ์
์ํ ๋ฐฉ๋ฒ์ผ๋ก Zed ์นด๋ฉ๋ผ์ ๊ตฌํ๋์ด์ง ๋น์ฃผ์ผ ์ค๋๋ฉํธ๋ฆฌ ๊ธฐ๋ฒ์ ์ฌ์ฉํ์๋ค[9]. ๋น์ฃผ์ผ ์ค๋๋ฉํธ๋ฆฌ๋ ์ด๋ฏธ์ง๋ค ๊ฐ์ ํน์ง์ ๋ณํ๋ฅผ ๊ณ์ฐํ์ฌ ์นด๋ฉ๋ผ์ ์ด๋๋์ ์ธก์ ํ๋ ๊ธฐ์ ์ด๋ค. ์ฌ์ฉ๋ ๋น์ฃผ์ผ ์ค๋๋ฉํธ๋ฆฌ์ ์๊ณ ๋ฆฌ์ฆ์ ํน์ง์ ์ถ์ถ,
์์๋ผ์ด์ด ์ ๊ฑฐ, ํน์ง์ ๋งค์นญ, ์นด๋ฉ๋ผ ํ๋ผ๋ฏธํฐ๋ฅผ ์ด์ฉํ ์ค์ ์ด๋๊ฑฐ๋ฆฌ ๊ณ์ฐ์ผ๋ก ๊ตฌ์ฑ๋์ด ์๋ค. ํ์งํ ๊ฒ์ถ ์๊ณ ๋ฆฌ์ฆ์ผ๋ก opencv์ TM_SQDIFF_NORMED
๋ฐฉ๋ฒ์ ๊ธฐ๋ฐ์ผ๋ก ๋ค์ค ํ
ํ๋ฆฟ ๋งค์นญ ๋ฐฉ๋ฒ์ด ์ ์๋์๋ค. ํ
ํ๋ฆฟ ๋ฐ์ดํฐ ํ๋ ๊ณผ์ ์์๋ ํ๊ฒฝ์ ๋ณํ์๋ ๊ฐ์ธํ ํ์งํ ๊ฒ์ถ ์ฑ๋ฅ์ ๋ณด์ฅํ๊ธฐ ์ํด ๋ค์ํ
ํ๊ฒฝ์์ ํ๋ํ ํ์งํ ์์์์ ํน์ง์ด ๋๋ ๋ถ๋ถ๋ค๋ก ํ
ํ๋ฆฟ์ด ๋ง๋ค์ด์ง๋ค. ๊ฒ์ถ ๊ณผ์ ์์๋ ํ์ฌ ํ๋ํ ์ด๋ฏธ์ง์ ํ
ํ๋ฆฟ ๊ฐ์ ์ฐจ์ด๋๊ฐ ๊ณ์ฐ๋๋ค. ํํฐ๋ง
๊ณผ์ ์์๋ ํ
ํ๋ฆฟ๊ณผ ๋ค์ด์จ ์ด๋ฏธ์ง์ ์ฐจ์ด๋ ๊ฐ์ด ์ผ์ ๊ฐ ์ดํ์ด๋ฉด ๊ฒ์ถ ํ๋ณด ์์ญ์ผ๋ก ์ง์ ํ๋ค. ๊ฐ ํ
ํ๋ฆฟ์์ ์ง์ ๋ ํ๋ณด ์์ญ๋ค ๊ฐ์ ๊ฑฐ๋ฆฌ ์ฐจ์ด๊ฐ
๋ฏธ๋ฆฌ ์ ํด์ง ์๊ณ๊ฐ ๋ณด๋ค ์์ ๊ฒฝ์ฐ์๋ ํ์งํ์ด ๊ฒ์ถ๋์๋ค๊ณ ํ๋จํ๊ณ ์๊ณ๊ฐ ๋ณด๋ค ํฐ ๊ฒฝ์ฐ์๋ ํ์งํ์ด ์๋ ๊ฒฝ์ฐ๋ก ํ๋จํ๋ค. ์ ์๋ ๋ฐฉ๋ฒ์ ์์
ํ
ํ๋ฆฟ์ ์ด์ฉํ์ฌ ๊ณ์ฐ ์๊ฐ์ ์ค์ผ ์ ์๊ณ , ์ถ๊ฐ์ ์ธ ์ ๋ณด์ ๋ชฉํ ๋ฌผ์ฒด์ ํน์ง์ ๋ํ๋ด๋ ํ
ํ๋ฆฟ์ ์ฌ์ฉํจ์ผ๋ก ์ ์ ์์ ๋ฐ์ดํฐ๋ฅผ ํตํด ๊ธฐ์กด์ ํ
ํ๋ฆฟ
๋งค์นญ ๋ฐฉ๋ฒ๋ณด๋ค ๊ฒ์ถ ์ฑ๋ฅ์ ๋์ผ ์ ์๋ค.
๊ทธ๋ฆผ. 4. ํ์งํ ๊ฒ์ถ ์๊ณ ๋ฆฌ์ฆ
Fig. 4. Sign detection algorithm
2.4 ๋ผ์ด๋ค ์ ํธ ์ฒ๋ฆฌ
์ด๋๋ก๋ด์ ์ฃผ๋ณ์ ์ฅ์ ๋ฌผ์ ๊ฒ์ถํ๊ณ ๊ฒฝ๋ก๋ฅผ ์์ฑํ๊ธฐ ์ํ์ฌ ๋ผ์ด๋ ์ผ์ (Velodyne LiDAR)๊ฐ ์ด์ฉ๋๋ค. 16 ์ฑ๋์ ๋ฐ์ดํฐ๋ฅผ 2์ฐจ์์ ์ฅ์ ๋ฌผ
์์น ์ ๋ณด ๋ฐ์ดํฐ๋ก ๋ณํํ๊ธฐ ์ํ์ฌ ๊ทธ๋ฆผ. 5์ ๊ฐ์ ๊ณผ์ ์ ๊ฑฐ์น๋ค.
๊ทธ๋ฆผ. 5. ๋ผ์ด๋ค ๋ฐ์ดํฐ ์ฒ๋ฆฌ ๊ณผ์
Fig. 5. LiDAR data processing procedure
์ฒซ ๋ฒ์งธ ๊ณผ์ ์ผ๋ก ๋ผ์ด๋๋ก๋ถํฐ ๊ฐ ์ฑ๋์ ๋ํ์ฌ ์ฃผ๋ณ์ ๋ฌผ์ฒด์์ ๊ฑฐ๋ฆฌ์ ๋ณด๋ฅผ ์ง๊ตํ๋ฉด์ผ๋ก ํํ๋ ๋ฐ์ดํฐ๋ฅผ ํ๋ํ๋ค. ๊ทธ ๋ค์ ๊ฐ ํ์ํ ์ฑ๋๋ง์ ๋ฐ์ดํฐ๋ค์
์ ํํ๊ณ ๊ฐ ์ฑ๋์ ๋์ผํ ์์น์ ์๋ ๊ฐ๋ค์ ๋์ ํ์ฌ ํ๋์ 2์ฐจ์ ํ๋ฉด ๋ฐ์ดํฐ๋ก ๋ณํํ๋ค. ์ด๋ ์ผ์ ๊ฐ ์ดํ์ ๊ฐ๋ค์ ๋
ธ์ด์ฆ๋ก ๊ฐ์ฃผํ์ฌ ์ ๊ฑฐํ๋ค.
๋ฌผ์ฒด๋ฅผ ๊ฒ์ถํ๊ธฐ ์ํ ๊ณผ์ ์ผ๋ก ๋ ์ด๋ธ๋ง ๊ณผ์ ์ ๊ฑฐ์ณ ์ผ์ ๋ฉ์ด๋ฆฌ ์ดํ์ ๊ฐ๋ค์ ์ ๊ฑฐํ๋ค. ๋ก๋ด์ด ์ด๋ํด์ผํ ์์น๋ฅผ ์ ํ๊ธฐ ์ํ์ฌ ์ฅ์ ๋ฌผ๊ฐ์ ์ค์ ์
๊ณ์ฐํ์ฌ ๋ชฉํ ์ง์ ์ ์ง์ ํ๋ค.
3. ์์จ ์ด๋๋ก๋ด ์ถ์ ์ ์ด ์์คํ
๊ตฌํ
3.1 ๋ก๋ด ์ด์์ฒด์ ๊ธฐ๋ฐ์ ์๋ฒ ๋๋ ์์คํ
๊ตฌํ
์ด๋ ๋ก๋ด๊ณผ ์นด๋ฉ๋ผ ๋ฐ ๋ผ์ด๋ค๋ฅผ ์ ์ดํ๊ณ ์ ํธ ์ฒ๋ฆฌ ๋ฐ ์ ์ด ์๊ณ ๋ฆฌ์ฆ์ ๊ตฌํํ๊ณ ๊ด๋ฆฌํ๊ธฐ ์ํ์ฌ ๋ก๋ด ์ด์ ์ฒด์ ๊ธฐ๋ฐ์ ์์คํ
์ ๊ตฌํํ์๋ค. ๋ก๋ด
์ด์์ฒด์ (ROS)๋ ๋ก๋ด ์์ฉ ํ๋ก๊ทธ๋จ์ ๊ฐ๋ฐํ ๋ ํ์ํ ํ๋์จ์ด ์ถ์ํ, ํ์ ๋๋ฐ์ด์ค ์ ์ด, ์ผ๋ฐ์ ์ผ๋ก ์ฌ์ฉ๋๋ ๊ธฐ๋ฅ์ ๊ตฌํ, ํ๋ก์ธ์ค ๊ฐ์
๋ฉ์์ง ํจ์ฑ, ํจํค์ง ๊ด๋ฆฌ, ๊ฐ๋ฐํ๊ฒฝ์ ํ์ํ ๋ผ์ด๋ธ๋ฌ๋ฆฌ์ ๋ค์ํ ๊ฐ๋ฐ ๋ฐ ๋๋ฒ๊น
๋๊ตฌ๋ฅผ ์ ๊ณตํ๋ค. ๊ฐ ํ๋์จ์ด ์์๋ค๊ณผ ๊ธฐ๋ฅ๋ค์ ๋
ธ๋ ๋จ์๋ก ๊ตฌํ๋๊ณ
ํ ํฝ์ ์ด์ฉํ์ฌ ๋ฐ์ดํฐ๋ฅผ ์ฃผ๊ณ ๋ฐ๋๋ค. ์ ์๋ ์์คํ
์ ๋
ธ๋๋ค์ ๊ด๋ฆฌํ๋ ๋
ธ๋, ๋ก๋ด ๋ชจํฐ ๋ฐ ์์ฝ๋ ์ ์ด ๋
ธ๋, ๋ผ์ด๋ค ์ผ์๋ฅผ ๊ด๋ฆฌํ๋ ๋ผ์ด๋ค ๋
ธ๋,
์์ ๋ฐ์ดํฐ๋ฅผ ํ๋ํ๊ณ ๋น์ฃผ์ผ ์ค๋๋ฉํธ๋ฆฌ๋ฅผ ๊ณ์ฐํ๋ ์นด๋ฉ๋ผ ๋
ธ๋, ํ์งํ ๊ฒ์ถ ๋
ธ๋, ์ํ ์ถ์ ๊ธฐ ๋ฐ ์ ์ด ์
๋ ฅ ๊ณ์ฐ ๋
ธ๋, ๋ผ์ด๋ค ๋ฐ์ดํฐ ์ฒ๋ฆฌ ๋
ธ๋๋ก
๊ตฌ์ฑ๋์ด ์๋ค. ๊ทธ๋ฆผ. 6์ ์๋ฒ ๋๋ ๋ณด๋ (NVIDIA Jetson TX2)์ ๊ตฌํ๋ ๋
ธ๋๋ค์ ์ฐ๊ฒฐ ๊ตฌ์ฑ๊ณผ ํ ํฝ์ ํตํด ์ก์์ ๋๋ ๋ฐ์ดํฐ๋ค์ ๋ํ๋ธ๋ค.
๊ทธ๋ฆผ. 6. ๊ตฌํ๋ ๋ก๋ด ์ด์ ์ฒด์ ์ ๋
ธ๋ ์ฐ๊ฒฐ ๊ตฌ์ฑ
Fig. 6. Node connection structure of impremeted robot operating system (ROS)
3.2 ์์จ ์ด๋ ๋ก๋ด ์ถ์ ์ ์ด ์์คํ
๋ค์ค ์ผ์๋ฅผ ์ด์ฉํ๋ ์ํ ์ถ์ ๊ธฐ, ์ธ์ฐ์ ๋ชจ๋ธ ์์ธก ๊ธฐ๊ธฐ๋ฐ์ ์ถ์ ์ ์ด ์์คํ
์ ๊ตฌํํ๊ธฐ ์ํด ์๋ฒ ๋๋ ๋ณด๋ (NVIDIA Jetson TX2)์
์๊ณ ๋ฆฌ์ฆ์ด ๊ตฌํ๋์๋ค. ๊ทธ๋ฆผ. 7์ ์์จ ์ฃผํ ์์คํ
์ ๊ตฌ์กฐ๋ฅผ ๋ํ๋ธ๋ค. ์ฃผํ์ด ์์๋๋ฉด ๋ก๋ด์ ๋ผ์ด๋๋ก๋ถํฐ ๋ฐ์ดํฐ๋ฅผ ๋ฐ์ ๋ก๋ด์ด ์ฃผํํ ๊ฒฝ๋ก๋ฅผ ๊ณํํ๋ค. ๋ผ์ด๋ ๋ฐ์ดํฐ์ฒ๋ฆฌ ํ ์์ฑ๋
๋ชฉํ์ง์ ์ ์ขํ๊ฐ ์ฃผ์ด์ง๋ฉด ๋ชจ๋ฐ์ผ ๋ก๋ด์ ํค๋ค๋งํฑ ๋ชจ๋ธ์ ๊ธฐ๋ฐ์ผ๋ก ๋ก๋ด์ ๊ถค์ ์ ๊ณ์ฐํ๋ค. ๊ถค์ ์์ฑ์ ์ํ ๋ก๋ด์ ์
๋ ฅ์ ๋ค์๊ณผ ๊ฐ์ด ์ฃผ์ด์ง๋ค.
๊ทธ๋ฆผ. 7. ์ด๋ ๋ก๋ด์ ์์จ์ฃผํ ์์คํ
์ํํธ์จ์ด ๊ตฌ์กฐ
Fig. 7. Software architecture for an autonomous driving system
$v=K_{1}\rho\cos\Phi$
$w = -K_{1}\sin\Phi\cos\Phi -K_{2}\Phi$
$rho=\sqrt{(x_{t}-x_{i})^{2}+(y_{t}-y_{i})^{2}}$
$\Phi =\theta_{i}-arc(\dfrac{y_{t}-y_{i}}{x_{t}-x_{i}})$
$K_{1} > 0, K_{2} > 0$
$x_{t}$, $x_{i}$๋ ๋ก๋ด์ ๋ชฉํ ์ง์ ์ $x$์ขํ์ ๋ก๋ด์ ํ์ฌ ์์น๋ฅผ ๋ํ๋ด๊ณ $y_{t}$, $y_{i}$๋ ๋ก๋ด์ ๋ชฉํ ์ง์ ์ $y$์ขํ์
๋ก๋ด์ ํ์ฌ ์์น๋ฅผ ๋ํ๋ธ๋ค. $\theta_{i}$๋ ๋ก๋ด์ด ๋ฐ๋ผ๋ณด๋ ๊ฐ๋๋ฅผ ๋ํ๋ธ๋ค. ์ ์๋ $v$์ ๊ฐ์๋ $w$๋ฅผ ๋ค์์ ๋ชจ๋ฐ์ผ ๋ก๋ด์ ํค๋ค๋งํฑ
๋ชจ๋ธ์ ์
๋ ฅ์ผ๋ก ์ฃผ์ด ๋ก๋ด์ด ์ด๋ํด์ผํ ๊ฒฝ๋ก์ ์๋๋ฅผ ๊ณ์ฐํ๋ค.
$\dot x =v\cos\theta ,\:\dot y =v\sin\theta ,\:\dot\theta =w.$
๊ฒฝ๋ก๋ ํ์งํ์ด ์๋ ์์น๊น์ง ์ฅ์ ๋ฌผ์ ํผํด๊ฐ๋ฉฐ ์ง์งํ ์ ์๋ ๊ฒฝ๋ก๊ฐ ์ฃผ์ด์ง๋ค. ํ์งํ์ด ์๋ ๊ฒฝ์ฐ ํ์งํ์ ์ ์ํ๋ ๋ฐฉํฅ์ผ๋ก ํ์ ํ๋ค. ๊ณํ๋
๊ฒฝ๋ก์๋ ๋ก๋ด์ด ์ด๋ํด์ผํ ์์น์ ์๋ ๊ฐ์ด ๊ณ์ฐ๋์ด์ ธ์๋ค. ๊ฒฝ๋ก๊ฐ ๊ณํ๋๋ฉด ๋ก๋ด์ ํ์ฌ์์น ๊ฐ์ด ์นด๋ฉ๋ผ์ ์์ฝ๋๋ก๋ถํฐ ์ธก์ ๋๊ณ ์ธก์ ๋ ๊ฐ๋ค์ ์ํ
์ถ์ ๊ธฐ์ ์
๋ ฅ์ด ๋์ด ๋ก๋ด์ ํ์ฌ ์์น๋ฅผ ์ถ์ ํ๋ค. ์ธ์ฐ์ ๋ชจ๋ธ ์์ธก์ ์ด๊ธฐ๋ ๊ณํ๋ ๊ฒฝ๋ก์ ๋ก๋ด์ ํ์ฌ ์์น ๊ฐ์ ์ด์ฉํ์ฌ ๋ก๋ด์ ์ ์ด ์
๋ ฅ์ ๊ณ์ฐํ๋ค.
4. ์คํ ๊ฒฐ๊ณผ
4.1 ๊ฐ์ ํ๊ฒฝ ์คํ
์ ์๋ ์์คํ
์ ์ฑ๋ฅ์ ํ๊ฐํ๊ธฐ ์ํด์ ๊ฐ์ ๋ณด ๊ฐ์ํ๊ฒฝ์์ ์ ์ด ์์คํ
์ ์ฑ๋ฅ์ ํ๊ฐํ์๋ค. ์ผ์์ ์ธก์ ๋
ธ์ด์ฆ๊ฐ ์๋ ์ํฉ์ ๊ณ ๋ คํ๊ธฐ ์ํ์ฌ ์์ฝ๋์
๊ฒฝ์ฐ ์์น ์ธก์ ์ -0.05m์์ 0.05m ์ฌ์ด์ ์ธก์ ์ค์ฐจ๋ฅผ ๋์ ๋๋๋ก ๋ชจ๋ธ๋ง๋์๊ณ ์นด๋ฉ๋ผ์ ๊ฒฝ์ฐ๋ ์์น ์ธก์ ์ โ0.005m์์ 0.005m
์ฌ์ด ์ธก์ ์ค์ฐจ๊ฐ ๋์ ๋๋ค. ์์ฝ๋๋ 0.05s์ ์ํ๋ง ์ฃผ๊ธฐ๋ฅผ ๊ฐ์ง๊ณ ์นด๋ฉ๋ผ๋ 0.5s์ ์ํ๋ง ์ฃผ๊ธฐ๋ฅผ ๊ฐ์ง๋ค. ๊ทธ๋ฆผ. 8์ ์นด๋ฉ๋ผ์ ์์ฝ๋๋ก๋ถํฐ ์ธก์ ๋ ๋ก๋ด์ ์์น์ ์ธก์ ์ค์ฐจ($\sqrt{(์ค์ ์์น-์ธก์ ์์น)^{2}}$)์ ์ํ ์ถ์ ๊ธฐ๋ก๋ถํฐ ์ถ์ ๋ ๋ก๋ด์ ์์น ์ถ์
์ค์ฐจ($\sqrt{(์ค์ ์์น-์ถ์ ์์น)^{2}}$)๋ฅผ ๋ณด์ฌ์ค๋ค. ๊ทธ๋ฆผ. 9๋ ์นด๋ฉ๋ผ์ ์์ฝ๋ ๊ฐ๊ฐ์ ์ฌ์ฉํ ๊ฒฝ์ฐ์ ์นด๋ฉ๋ผ์ ์์ฝ๋๋ฅผ ํจ๊ป ์ฌ์ฉํ ๊ฒฝ์ฐ์ ๋ก๋ด ์ถ์ ์ ์ด ์ค์ฐจ($\sqrt{(๋ชฉํ์์น-ํ์ฌ์์น)^{2}}$)๋ฅผ
๋ณด์ฌ์ค๋ค. ์์ฝ๋๋ง์ ์ฌ์ฉํ ๊ฒฝ์ฐ๋ ์ธก์ ์ค์ฐจ๊ฐ ํฐ ์ด์ ๋ก ๊ฒฝ๋ก ์ถ์ ์ค์ฐจ๊ฐ ๋ฐ์ฐํ๋ค. ์นด๋ฉ๋ผ๋ง์ ์ฌ์ฉํ ๊ฒฝ์ฐ์๋ ๋๋ฆฐ ์ํ๋ง ์ฃผ๊ธฐ ๋๋ฌธ์ ์ฃผ์ด์ง
๊ถค์ ์ ๋๋ฌํ๋ ์๊ฐ์ด ์ค๋ ๊ฑธ๋ฆฐ๋ค. ์นด๋ฉ๋ผ์ ์์ฝ๋ ๋ฐ์ดํฐ๋ฅผ ๋์์ ์ด์ฉํ๋ ๊ฒฝ์ฐ์๋ ์๋ต์๋๊ฐ ๋นจ๋ผ์ง๊ณ ๋
ธ์ด์ฆ๊ฐ ์ค์ด๋๋ ํจ๊ณผ๊ฐ ์๋ ๊ฒ์ ๋ณผ
์ ์๋ค.
๊ทธ๋ฆผ. 8. ๋ก๋ด ์์น์ ์ธก์ฒญ ์ค์ฐจ ๋ฐ ์ถ์ ์ค์ฐจ
Fig. 8. Measurement and estimation error
๊ทธ๋ฆผ. 9. ์ด๋ ๋ก๋ด์ ์ถ์ ์ ์ด ์ค์ฐจ
Fig. 9. Tracking error of the mobile robot
4.2 ์ค์ ํ๊ฒฝ ์คํ
๋ค์ค ์ฃผ๊ธฐ ์ํ ๋ฐ์ดํฐ ์ํ ์ถ์ ๊ธฐ์ ์ค์๊ฐ ๋ชจ๋ธ ์์ธก์ ์ด๊ธฐ์ ์ฑ๋ฅ์ ํ๊ฐํ๊ธฐ ์ํ์ฌ ๋ฌด์ธ ์ง์ ์ฃผํ ๋ก๋ด์ ์ ์ฉํ์ฌ ์คํํ์๋ค. ์์ฝ๋์ ์ํ๋ง
์ฃผ๊ธฐ๋ 0.05์ด ์นด๋ฉ๋ผ์ ์ํ๋ง ์ฃผ๊ธฐ๋ 0.5์ด๋ก ์ฃผ์ด์ง๋ค. ๊ทธ๋ฆผ. 10์ ๊ฐ๋ก, ์ธ๋ก 1.8m ํฌ๊ธฐ์ ์ ์ฌ๊ฐํ์ ๊ถค์ ์ ๋ฐ๋ผ ์ด๋ํ๋ ๊ฒฝ๋ก ์ถ์ ์ ์ด ์คํ ๊ฒฐ๊ณผ๋ฅผ ๋ณด์ฌ์ค๋ค.
๊ทธ๋ฆผ. 10. ์ด๋ ๋ก๋ด์ ์ฃผํ ๊ฒฝ๋ก
Fig. 10. Trajectory of the mobile robot
ํ์งํ ๊ฒ์ถ ์ฑ๋ฅ ํ๊ฐ๋ฅผ ์ํด 2๊ฐ์ง ํ์งํ์ ๋ํด ๊ฐ๊ฐ 20๊ฐ์ ํ
ํ๋ฆฟ ๊ตฌ์ฑํ์๊ณ , ์ด 200๊ฐ์ ํ
์คํธ ๋ฐ์ดํฐ์ ๋ํด์ ์คํ์ ํ์๋ค. ํ 2์์ ๋จ์ผ ํ
ํ๋ฆฟ๊ณผ ๋ค์ค ํ
ํ๋ฆฟ์ ๊ธฐ์กด์ ํ
ํ๋ฆฟ ๋งค์นญ ๋ฐฉ๋ฒ์ ๋ํ๋ธ๋ค. ๋จ์ผ ํ
ํ๋ฆฟ ๋งค์นญ ๋ฐฉ๋ฒ์์๋ 150$\times$150 ์ด๋ฏธ์ง ํ ์ฅ์ด ํ
ํ๋ฆฟ์ผ๋ก
์ฌ์ฉ๋์๊ณ ๋ค์ค ํ
ํ๋ฆฟ ๋งค์นญ ๋ฐฉ๋ฒ์์๋ 150$\times$150 ์ด๋ฏธ์ง 40์ฅ์ด ํ
ํ๋ฆฟ์ผ๋ก ์ด์ฉ๋์๋ค. ์ ์๋ ๋ฐฉ๋ฒ์์๋ ๋ค์ค ํ
ํ๋ฆฟ ๋งค์นญ์์ ์ฌ์ฉ๋์ด์ง
ํ
ํ๋ฆฟ์์ ํน์ง์ด ๋๋ ๋ถ๋ถ๋ง ์ ํํ์ฌ ํ
ํ๋ฆฟ์ผ๋ก ์ด์ฉํ์๋ค(ํฌ๊ธฐ: 50$\times$50). ์ ์๋ ๋ฐฉ๋ฒ์ ๊ธฐ์กด์ ๋ฐฉ๋ฒ๋ค๋ณด๋ค ๋์ ์ฑ๋ฅ์ ๋ณด์๋ค.
ํ 2. ํ์งํ ๊ฒ์ถ์ฑ๋ฅ ๋น๊ต
Table 2. Performance comparison of sign detection algorithms
|
๋จ์ผ ํ
ํ๋ฆฟ
|
๋ค์ค ํ
ํ๋ฆฟ
|
์ ์๋ ๋ฐฉ๋ฒ
|
๊ฒ์ถ์ฑ๊ณต
|
35๊ฐ
|
63๊ฐ
|
190๊ฐ
|
๊ฒ์ถ์คํจ
|
155๊ฐ
|
58๊ฐ
|
10๊ฐ
|
์ค๊ฒ์ถ
|
10๊ฐ
|
79๊ฐ
|
0๊ฐ
|
๊ฒ์ถ์ฑ๋ฅ
|
17.5%
|
31.5%
|
95%
|
๊ฒ์ถ์๊ฐ
|
0.02s
|
1.04s
|
0.31s
|
๊ทธ๋ฆผ. 11์ ๋ผ์ด๋์ ์นด๋ฉ๋ผ ๊ธฐ๋ฐ์ผ๋ก ๊ฒฝ๋ก๋ฅผ ์์ฑํ์ฌ ์ฅ์ ๋ฌผ์ ํผํด๊ฐ๋ฉฐ ์ฃผํํ๋ ์๋ฌด๋ฅผ ์ํ ์คํ ํ๊ฒฝ์ ๋ณด์ฌ์ค๋ค. ์ฃผ์ด์ง ์ด๋ ๋ก๋ด์ ์๋ฌด๋ ํ์งํ์ด ๋์ฌ
๋๊น์ง ์ฅ์ ๋ฌผ๊ณผ ์ถฉ๋ํ์ง ์๊ณ ์ด๋ํด์ผํ๋ฉฐ ํ์งํ์ด ๋์ค๋ ๊ฒฝ์ฐ ํ์งํ์ด ์๋ดํ๋ ๋ฐฉํฅ์ผ๋ก ํ์ ์ ํด์ผ ํ๋ค. ๊ทธ๋ฆผ. 11์์ ๋ณด์ฌ์ฃผ๋ ๋ฐ์ ๊ฐ์ด ์ ์๋ ์์จ ์ด๋๋ก๋ด ์ถ์ ์ ์ด ์์คํ
์ ํตํด ๋ก๋ด์ด ์ฑ๊ณต์ ์ผ๋ก ์๋ฌด๋ฅผ ์ํ ํ๋ค๋ ๊ฒ์ ํ์ธํ ์ ์๋ค.
๊ทธ๋ฆผ. 11. ๋ก๋ด ์ฃผํ ์คํ ํ๊ฒฝ ๋ฐ ์ด๋ ๋ก๋ด์ ์ฃผํ ๊ฒฝ๋ก
Fig. 11. Experimental setup for driving test and trajectory of the mobile robot
ํ 3์ ๋ชจ๋ฐ์ผ ๋ก๋ด ์ถ์ ์ ์ด์ ํ๊ท ์ค์ฐจ๋ฅผ ๋ณด์ฌ์ค๋ค. ๋ก๋ด์ ์์น ์ถ์ ์ค์ฐจ๋ ๋ค์๊ณผ ๊ฐ์ด ๊ณ์ฐ๋๋ค.
ํ 3. ์ถ์ ์ ์ด์ ํ๊ท ์ค์ฐจ
Table 3. Tracking control mean error
|
์์ฝ๋
|
์นด๋ฉ๋ผ
|
์ ์๋ ๋ฐฉ๋ฒ
|
๊ฐ์ํ๊ฒฝ
|
0.34m
|
0.22m
|
0.08m
|
์ค์ ํ๊ฒฝ
|
0.46m
|
0.29m
|
0.16m
|
$ํ๊ท ์ค์ฐจ=\dfrac{\sum\sqrt{(ํ์ฌ ๋ชฉํ์์น - ํ์ฌ๋ก๋ด์์น)^{2}}}{์ํ ์}$
๋ฐ์ดํฐ๋ 40์ด ๋์ 1์ด๋ง๋ค ์ธก์ ๋์์ผ๋ฉฐ (์ํ ์: 40)ํ์ฌ ๋ชฉํ ์์น์ ํ์ฌ ๋ก๋ด ์์น๋ ๊ฐ ์ํ๋ง๋ค ์ธก์ ๋ ๋ก๋ด์ ์์น์ ๋ชฉํ ์์น๋ฅผ ๋ํ๋ธ๋ค.
์คํ์์ ๋ก๋ด์ ์ด๋ ๊ฒฝ๋ก๋ 1.5m*1.5m์ ์ ์ฌ๊ฐํ์ผ๋ก ์ฃผ์ด์ง๋ค. ์์ฝ๋์ ์ํ๋ง ์ฃผ๊ธฐ๋ 0.05์ด ์นด๋ฉ๋ผ์ ์ํ๋ง ์ฃผ๊ธฐ๋ 0.5์ด๋ก ์ฃผ์ด์ง๋ค.
๊ฐ์ํ๊ฒฝ ์คํ์ ๊ฒฝ์ฐ ์ธก์ ๋
ธ์ด์ฆ๋ฅผ ๊ณ ๋ คํด์ฃผ๊ธฐ ์ํด 4.1 ๊ฐ์ํ๊ฒฝ ์คํ๊ณผ ๋์ผํ ์ธก์ ๋
ธ์ด์ฆ ์กฐ๊ฑด์ ๊ฐ์ ํ์๋ค.
5. ๊ฒฐ ๋ก
๋ณธ ๋
ผ๋ฌธ์์๋ ๋ค์ค ์ผ์๋ฅผ ๊ฐ์ง๋ ์ํ์ถ์ ๊ธฐ ๊ธฐ๋ฐ์ ์์จ ์ด๋๋ก๋ด ์ถ์ ์ ์ด ์์คํ
์ ์ ์ํ์๋ค. ์ ์๋ ์์คํ
์ ๊ธฐ๋ฐ์ผ๋ก ์ค์ ๋ฌด์ธ ์ง์ ๋ก๋ด์ ์ ์ฉํ์์ผ๋ฉฐ
์คํ ๊ฒฐ๊ณผ๋ฅผ ํตํ์ฌ ๋ค์ค ์ผ์ ๊ธฐ๋ฐ์ ์์จ ์ถ์ ์ ์ด ์์คํ
์ ์ฅ์ ์ ๊ฒ์ฆํ์๋ค.
์ถํ ์ฐ๊ตฌ ๊ณํ์ผ๋ก ์นด๋ฉ๋ผ, ์์ฝ๋ ๋ฟ๋ง ์๋๋ผ ๋ผ์ด๋ค, ๊ด์ฑ ์ธก์ ์ฅ์น (IMU) ๋ฑ๊ณผ ๊ฐ์ ๋ค์ํ ์ผ์๋ค์ ์ด์ฉํ์ฌ ์ฐ๊ตฌ ๊ฒฐ๊ณผ๋ฅผ ํ์ฅํ ๊ฒ์ด๋ค.
๋ํ ๋ ํ์ค์ ์ธ ์ง๋ฅ ์์คํ
๊ตฌํ์ ์ํ์ฌ ๋ค์ค ์ผ์ ๊ธฐ๋ฐ์ ๊ฒฝ๋ก ์์ฑ ์๊ณ ๋ฆฌ์ฆ์ด ์ฐ๊ตฌ ๋ ๊ฒ์ด๋ค.
Acknowledgements
This research was supported by Basic Science Research Program through the National
Research Foundation of Korea (NRF) funded by the Ministry of Education, Science and
Technology (2016R1D1A1B03930623).
References
Moshe Kam, Xiaoxun Zhu, Paul Kalata, 1997, Sensor fusion for mobile robot navigation,
Proceedings of the IEEE, Vol. 85, No. 1, pp. 108-119
Derradji Nada, Mounir Bousbia-Salah, Maamar Bettayeb, 2018, Multi-sensor data fusion
for wheelchair position estimation with unscented Kalman Filter, International Journal
of Automation and Computing, Vol. 15, No. 2, pp. 207-217
Yashar Balazadegan Sarvrood, Siavash Hosseinyalamdary, Yang Gao, 2016, Visual-LiDAR
odometry aided by reduced IMU, ISPRS International Journal of Geo-Information, Vol.
5, No. , pp. 1-24
Rong-Jong Wai, You-Wei Lin, 2013, Adaptive Moving-Target Tracking Control of a Vision-Based
Mobile Robot via a Dynamic Petri Recurrent Fuzzy Neural Network, IEEE Trans. Fuzzy
Systems, Vol. 21, No. 4, pp. 688-701
David Tick, et al, 2013, Tracking control of mobile robots localized via chained
fusion of discrete and continuous epipolar geometry, IMU and odometry, IEEE transactions
on cybernetics, Vol. 43, No. 4, pp. 1237-1250
Marcus Hebel, Uwe Stilla, 2017, LiDAR-supported navigation of UAVs over urban areas,
Surveying and Land Information Science, Vol. 70, No. 3, pp. 139-149
Shu-Li Sun, Zi-Li Deng, 2004, Multi-sensor optimal information fusion Kalman filter,
Automatica, Vol. 40, No. 6, pp. 1017-1023
Bรกlint Takรกcs, et al, 2016, Python code generation for explicit MPC in MPT, 2016
Eurooean Control conference (ECC), pp. 1328-1333
Niko Sรผnderhauf, Peter Protzel, 2007, Stereo odometry โ a review of approaches, Chemnitz
University of Technology Technical Report
Seungyong Han, Sangmoon Lee, 2018, Sampled-Data MPC for Leader-Following of Multi-Mobile
Robot System, European Journal of Control, Vol. 67, No. 2, pp. 308-313
Miad Moarref, Luis Rodrigues, 2014, Observer design for linear multi-rate sampled-data
systems, 2014 American Control Conference (ACC), pp. 5319-5324
์ ์์๊ฐ
์ง ์ฉ ์ (Yongsik Jin)
He is currently toward the Ph.D. degree with the School of Electronics Engineering,
Kyungpook National University, Republic of Korea. He is with the Cyber Physical Systems
& Control Lab, Kyungpook National University. His current research interests include
deep neural networks, autonomous learning systems, cyber physical system, and networked
control systems.
E-mail : yongsik@knu.ac.kr
ํ ์น ์ฉ (Seungyong Han)
He is currently toward the Ph.D. degree with the School of Electronics Engineering,
Kyungpook National University, Republic of Korea. He is with the Cyber Physical Systems
& Control Lab, Kyungpook National University. His current research interests include
Networked control systems, model predictive control, and autonomous vehicle control
systems.
E-mail : seungyong@knu.ac.kr
์ด ์ ๋ฌธ (Sangmoon Lee)
Sangmoon Lee received the B.S. degree in electronics engineering from Kyungpook National
University, Daegu, South Korea, in 1999, the M.S and Ph.D. degrees in electronics
engineering from POSTECH, Pohang, South Korea, in 2001 and 2006, respectively., He
is currently an Associate Professor with the School of Electronics Engineering, Kyungpook
National University. His main research interests include cyber physical systems control,
networked control systems, nonlinear systems, fuzzy systems, robust control, model
predictive control, and its industrial applications.
E-mail : moony@knu.ac.kr