제주대학교 Repository

초음파 센서를 이용한 분산점 칼만 필터 기반 로봇의 실내용 위치평가 방법에 관한 연구

Metadata Downloads
Alternative Title
A Study of the Indoor Localization Method of a Robot Based on Unscented Kalman Filter Using Sonar Sensors
Abstract
최근 지능로봇에 관한 관심이 커짐에 따라 다양한 분야로 그 응용성이 확대되고 있다. 실내의 경우 로봇 청소기, 큐레이터 로봇 등 다양한 서비스로봇,그리고 실외의 경우 자율주행 자동차, 배송 로봇 등에 적용되고 있다. 이처럼지능로봇은 다양한 분야에서 응용할 수 있는 중요한 기술이다.
이처럼 다양한 분야에서 로봇이 응용되기 위해서는 기본적으로 로봇 자신이어디에 있는지 정확하게 인식하는 것이 중요하다. 로봇의 위치가 정확히 평가되지 않는다면 로봇이 자신의 임무를 수행하지 못하는 경우가 발생한다. 일반적으로 로봇의 바퀴에 장착된 엔코더 등의 정보로부터 로봇 자신의 위치를 계산하지만, 바퀴의 불균형, 지면과의 미끄러짐 등으로 인해 오차가 크게 발생할 수있다. 따라서 로봇은 더욱 정확한 위치를 인식하기 위해 위치 정보를 제공하는다양한 센서들을 추가로 사용한다. 그러나 위치 센서 역시 여러 가지 오차 요인으로 인해 정확한 위치를 제공하지 못하므로, 이 문제를 해결하기 위해서 엔코더에 의한 위치 정보와 센서로부터의 위치 정보를 통계학적으로 융합하여 최적의로봇 위치를 평가하는 과정이 필요하며, 이것을 위치평가(Localization)라고 한다.위치평가 방식은 크게 실외 위치평가와 실내 위치평가로 나눌 수 있다. 실외위치평가는 주변 환경에 대한 정보를 사전에 제공하기 어렵다. 또한 실외 환경은로봇이 이동 가능한 자유 공간과 장애물의 구별이 뚜렷하지 않아 주변 환경을이용한 위치평가가 부적합하다. 따라서, 실외 위치평가는 주로 GPS로부터 위치를 수신받아 로봇의 위치를 평가한다. 그러나 GPS는 날씨, 위성 궤도 및 시계오차의 영향을 많이 받는다. 또한 GPS 자체 오차가 커 정밀도가 떨어지기 때문에GPS만을 이용한 위치평가 보다 비전 센서, 자이로 센서 등 다른 센서들과의 융합을 통한 위치 오차를 보정한다.
반면 실내 위치평가는 날씨 등 주변 환경적 요인의 영향은 받지 않으며, 작업공간에 대한 환경 정보를 미리 제공할 수 있으므로 이를 이용한 정밀한 위치평가가 가능하다. 실내 위치평가는 적외선, 초음파 센서 등 거리를 인식하는 센서, 물체의 형상 인식에 유리한 비전 센서 등과 같이 다양한 센서들을 사용한다.그러나 적외선 센서는 빛에 예민하며, 태양광 등으로 인해 조도가 높은 경우에는사용이 어렵다. 또한 적외선 센서는 색상변화에 민감하게 반응한다는 단점이 있다. 비전 센서는 이미지를 받아 거리를 계산하는데 거리정보 이외에 다른 정보수집에도 유용한 센서이다. 그러나 조도의 영향을 많이 받으며, 신호를 처리하는과정이 복잡하여 처리 시간이 오래 걸린다. 또한, 빛이 없을 경우에는 사용할 수없다는 단점이 있다.
초음파 센서는 송신된 초음파가 물체까지 도달한 후 물체에 반사된 음파를다시 수신받아 그 거리를 계산하는 센서이다. 초음파 센서는 음파를 이용하기 때문에 물체와의 거리정보 획득이 간단하고, 빠를 뿐 아니라 물체의 투명성과 상관없이 사용할 수 있어 광학적 센서가 작동하기 어려운 분야에 주로 사용된다. 그러나 각도 불확실성이 크고 천과 같은 재질은 음파를 흡수해 거리정보 획득이불가능하다는 단점이 있다.
이동로봇의 위치평가를 위한 기존 방법에는 대표적으로 비선형 모델을 선형화해 위치평가를 하는 확장 칼만 필터(Extended Kalman Filter, EKF) 방법, 파티클 필터(Monte Carlo Localization, MCL) 방법, 그리고 분산점 칼만 필터(Unscented Kalman Filter, UKF) 방법 등이 있다. 확장 칼만 필터는 비선형 모델을 선형화하여 위치와 공분산을 평가하는 방법으로, 초기 추정오차가 큰 경우 위치가 발산하는 경향이 있으며, 비선형성이 큰 경우에는 알고리즘이 불안정해질 수 있다. 파티클 필터는 많은 수의 파티클을 생성하고, 이 파티클을 상태 공간 모델을 이용하여 변환한 후 가중치에 의해 파티클들의 값을 업데이트시키는 방법이다.
UKF는 추측항법(Dead-Reckoning Method)으로 이전에 평가된 위치의 오차공분산을 기반으로 분산점을 추출하고, 각 분산점을 원래의 비선형 모델을통해 변환한 뒤 가중평균으로 로봇의 위치 및 오차 공분산을 추정하는 방법으로UT(Unscented Transform) 기반의 위치평가 방법이다. UKF는 파티클 필터와비슷한 특성을 가졌지만, 파티클 필터가 계산량이 많아 처리 속도가 늦는 단점이있는 반면에, UKF는 최적의 분산점을 추출해 분산점의 개수를 줄이고, 가중치를부여하여 평균을 구하는 방법을 사용하므로 처리 속도가 비교적 빠르다.
Intelligent robots are being applied in many areas of our lives, such asautonomous vehicles, delivery robots, guide robots, and service robots thathelp humans in various fields. The most essential technology necessary forthese intelligent robots to perform a given task is their precise positionevaluation, which is called localization.
Localization of a robot can be divided into two types: an indoor methodand an outdoor method. For outdoor environments, it is difficult to provideinformation on the environment in advance. Therefore, outdoor localizationrequires additional sensors that independently provides location information ofthe robot such as GPS. In the case of indoor localization on the other hand,it is possible to provide environmental information on the work space inadvance because the distinction between the free space where the robot canmove and the obstacle is clear. Accordingly, accurate localization is possibleusing the provided environmental information. In indoor localization, sensorsthat can measure the location information of objects such as infrared sensors,sonar sensors, and vision sensors are used to utilize the environmentalinformation given in advance.
Conventional methods for localization of robots include Extended KalmanFilter (EKF), Particle Filter (MCL), and Unscented Kalman Filter (UKF). Anextended kalman filter linearizes a nonlinear model to evaluate position andcovariance, so that a position error may diverge and the system may becomeunstable in the case of highly nonlinear systems. Particle filter is a method ofpredicting the position by generating a large number of particles andtransforming the particles using a nonlinear model. It can minimize theposition error, but it takes a long time depending on the number of particles.UKF is a method of extracting distribution(sigma) points based on errorcovariance of predicted positions using encoder, transforming each sigma pointwith a nonlinear model to estimate optimal position and covariance of therobot UKF utilizes a nonlinear system as it is and has particle filtercharacteristics. However, it is faster than MCL because it uses a minimizednumber of sigma points to predict the position.
In this thesis, we propose a UKF-based indoor localization method thatevaluates the optimal position by fusing the position information fromencoders mounted on the robot wheel and the distance information of theobstacle measured by ultrasonic sensors. However, ultrasonic sensors have adisadvantage that the reliability of distance information is greatly reduced dueto specular reflection effects. In order to complement this and maximize thereliability of position evaluation, we propose a validation gate method forevaluating the reliability of measured distance information.
In order to verify the usefulness of the method, actual experiments wereperformed in various environments and conditions. The experimental resultsshowed the method is considered to be stable because the position errorconverges regardless of the size of the initial position error and the length ofthe sampling time. In conclusion, this UKF localization method is expected tobe applied in various ways to the practical position estimation of indoorrobots.
Author(s)
서수희
Issued Date
2021
Awarded Date
2021. 2
Type
Dissertation
URI
https://oak.jejunu.ac.kr/handle/2020.oak/23591
Alternative Author(s)
Seo, Soo Hee
Affiliation
제주대학교 대학원
Department
대학원 메카트로닉스공학과
Advisor
임종환
Table Of Contents
I. 서 론 1
1. 연구 배경 1
2. 연구목적 및 범위 3
II. 확장 칼만 필터 기반 3차원 위치평가 5
1. 분산점 칼만 필터 5
2. 초음파 센서 특징 7
3. 위치평가 10
3.1 시스템 모델 10
3.2 UKF 기반 로봇의 위치평가 12
3.2.1 위치 예측 단계 12
3.2.2 측정값 예측 단계 15
3.2.3 측정값 유효성 평가 단계 18
3.2.4 위치 및 공분산 갱신 단계 19
III. 실험 및 고찰 21
1. 실험 장비 및 환경 21
2. 실험 결과 24
2.1 위치평가 성능 24
2.2 오차 공분산 분석 27
2.3 초기 오차 크기에 대한 성능 분석 30
2.4 샘플링 타임에 따른 성능 분석 32
2.5 Validation gate에 따른 오차비교 35
3. 장애물 밀도가 낮은 환경 37
4. 센서 정보 빈도가 낮은 환경 42
Ⅳ. 결론 47
V. 참고문헌 48
Degree
Master
Publisher
제주대학교 대학원
Citation
서수희. (2021). 초음파 센서를 이용한 분산점 칼만 필터 기반 로봇의 실내용 위치평가 방법에 관한 연구
Appears in Collections:
Faculty of Applied Energy System > Mechatronics Engineering
Authorize & License
  • AuthorizeOpen
Files in This Item:

Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.