최근 기계학습 분야의 폭발적인 성장과 더불어 자율주행로 봇의 관심이 높아지고 있다. 물류산업 그리고 서비스산업등에 서 자율주행로봇의 적용가능성이 높게 평가 되어 다양한 글로 벌 기업들이 자율주행 시장에 참여하고 있다. 이런 흐름 속에 서 자율주행 기술 중 핵심 기술로 뽑히는 지도작성 기술의 연 구가 활발히 진행 되고 있다. 이런 연구들의 주요 기여는 정확 한 고해상도의 지도 제작에 있다. 다양한 실 환경 속에서 물리 적으로 정확한 지도를 만드는 연구들은 레이저나 라이더 센서 와 고사양의 컴퓨팅 유닛을 이용하고 있고 많은 성과를 이루 고 있다^[1,2]. 이러한 연구들로 인해 자율주행로봇은 다양한 환 경에서 점점 더 강인해 지고 높은 주행 성공률을 가지게 해주 고 있다. 이러한 연구들이 공통적으로 가정하고 있는 것은 물 리적으로 정확하게 지도를 작성하면 성공적인 주행이 가능 하 다는 것이다. 이러한 가정과는 다른 관점으로, 본 논문에서는 물리적으로 실측과 다른 비정확한 경로추정과 지도를 이용한 고속 정밀 자율주행 시스템을 소개하고자 한다.

본 논문에서 제안 되는 방법은 사람이 어떤 지점을 이동할 때 사용하는 정보들을 최대한 유사하게 이용할 수 있도록 설계 되었다. 이것은 사람이 어떤 지점을 이동할 때 레이저나 라이더 와 같은 정확한 물리적인 정보 없이도 어떤 로봇보다 완벽한 주 행성능을 가지고 있다는 것에서 연구 동기를 얻은 것이다. 이때 핵심적으로 이용되는 정보라고 첫번째로 고려된 것은 영상 정 보이다.

영상 정보를 이용한 자율주행 기법은 지난 수년간 많은 연 구가 진행 되어 왔다^[3-7]. 단안 카메라를 이용하거나 다수개의 카메라를 이용하는 시스템 그리고 어안렌즈를 사용하는 시 스템 등 다양한 영상 센서를 이용하여 활발한 연구가 진행되 었다. 이런 연구의 주요 기여 중 하나는 영상 데이터에서 추출 된 특징점을 이용하여 기하학적인 로봇의 위치를 최적화 하는 것이다^[8]. 이러한 시스템을 이용하면 영상 정보를 이용하여 카메라 의 3차원 자세를 정확하게 추론 해 낼 수 있다. 뿐만 아니라 이 러한 특징점들로 이루어진 지도를 작성하여 지도 내에서 로 봇이 위치를 추론해 내어 주행 하는 것도 가능 하다. 이러한 시스템들의 공통된 핵심 기술은 2차원의 영상 정보를 정확한 3차원 위치 정보로 바꾸는 것이고, 이것은 장면과 장면 사이 의 3차원 움직임 차이에서 기인한 특징점 들의 2차원 움직임 을 관찰 하는 것에서부터 시작한다. 이렇게 2차원 속의 특징 점의 움직임을 관찰하고 그로부터 3차원 움직임을 추론해 내 기 때문에, 많은 연구들이 높은 주기의 센서데이터와 신뢰도 가 높은 고가의 센서를 사용하고 있다. 게다가 2차원 속의 특 징점은 정지상태여야 한다는 제약이 있기 때문에, 움직이는 물체에서 추출된 특징점을 따로 제거를 해주어야 한다^[9]. 이 와 같은 방법은 2차원의 데이터를 이용하여 더 높은 차원의 결과물을 만들어야 하기 때문에(정확히는 6 자유도를 가지 는), 2차원 데이터의 신뢰도에 따라 결과물의 정확도가 크게 영향을 받을 뿐만 아니라 높은 계산량과 최적화 기법이 요구 된다. 게다가 2차원 데이터가 풍부하지 않은 상황, 예를 들어 보행자에 의한 센서 가려짐 또는 급격한 로봇 움직임, 이 발생 할 시 해당 시스템은 설계된 결과물을 만드는 것에 실패하고 만다. 사람이 사용하는 정보와 가장 유사한 정보인 영상 센서 를 폭넓은 응용분야에서 사용 하기 위해서는 위와 같이 높은 주기의 영상 정보 처리방법 과는 다른 새로운 방법으로의 시 도가 필요하다.

제안되는 시스템에서 영상 정보를 이용하는 것 다음으로 고려된 직관은 사람이 목적지로 이동하는 동안 정확한 측량치 를 사용하지 않는다는 것이다. 예를 들어 사람이 화장실로 이 동한다고 가정했을 때, 출발지점에서 화장실까지 몇 m인지 혹 은 정면으로부터 몇도 틀어졌는지 정밀하게 측량하며 이동하 지 않는다는 것이다. 이것은 사람이 목적지로 이동시 정확한 측량 지도를 이용하지 않는다는 것을 의미한다. 심지어 대략적 인 위치가 표시된 약도를 이용해도 목적지로 이동이 가능 하다 는 것 또한 정밀 지도의 필요성을 의심하게 하는 예시이다. 하 지만 최근 연구의 주요 기여 동향을 보면, 추론된 지도와 실측 된 지도와의 차이를 줄이는 것에 집중 되어 있다. 이러한 연구 분야들은 높은 성과들을 보여주고 있지만, 자율주행 시스템의 성능을 실측 지도에 가까운 지도제작 능력에 의존한다는 것은 사람이 가지고 있는 이동 능력과 근본적으로 다르다. 더욱이 이런 실측에 가까운 지도제작 방법들의 결과물이 실측 지도와 오차가 클 경우(loop closure 실패 등) 맵 제작 실패를 의미 하 기 때문에, 지도 작성시 여러 주의 사항이 수반 된다. 예를 들 어 지도 작성 중 동적 물체의 양이 시스템 설계 한계를 초과 하는 경우나 센서의 사양에 따른 측정값 한계를 넘는 공간의 경우 지도 작성에 실패 할 확률이 증가 하게 된다. 위에서 언 급한 내용들을 고려해 볼 때, 실측과 비슷한 정확한 지도 작성 방법과 다른 새로운 관점의 지도 작성 방법의 제안이 필요해 보인다.

본 논문에서는, 위에서 언급한 내용을 바탕으로, 자율주행 시 고려되어야 할 사항을 아래에 요약된 바와 같이 제시하려고 한다.

• ∙ 영상 정보를 이용하되, 낮은 주기로 이용할 것
• ∙ 정밀 지도 없이도 정밀 주행이 가능 할 것.
• ∙ 시스템을 저가로 구성 할 것.

이러한 직관을 자율주행 시스템에 적용하기 위해, 본 논문 에서는, 단안 카메라를 사용 하여 등거리 간격으로 데이터를 취득하였으며 이는 매 시간 데이터를 취득하는 방식보다 상 대적으로 낮은 주기를 가지게 된다. 이때 상대적으로 부정확 한 휠 엔코더 정보를 이용하여 지도를 작성하고 누적된 에러 를 최적화 기법으로 해결 하지 않는다. 또한 저가형 싱글 보 드 컴퓨터를 이용하기 위해서 위치추정이 완료된 시점과 위 치추정 질의 시점을 고려한 지연위치추정 방법을 사용 하였 다. 이 같은 방법으로 구성된 시스템 [Fig. 1]은 기존 보고된 연구들의 주요 목표와는 다른 접근 방식이며 다른 특징을 가 진다. 싱글 보드 컴퓨터를 이용하는 많은 연구들은 드론 분야 에서 많이 이루어져 있다. 이러한 연구들의 주요 기여는 낮은 컴퓨팅 파워에서도 높은 주기로 계산 가능한 알고리즘을 만 들거나, 전역 지도를 작성하지 않는 맵리스 방식의 주행 방법 이라는 것이다^[10-13]. 하지만 low-computing cost의 가벼운 알 고리즘은 성능이 상대적으로 떨어지거나 로봇의 속도가 빠 르지 않다는 것에서 실용적이지 않다. 본 논문에서 제안하는 방법은 높은 주기를 위해 계산 정밀도를 포기 하지 않고도 상 대적으로 고속으로 주행하는 방법을 제안하고 있으며, 전역 지도를 이용하기 때문에 특정 목적지로의 주행이 가능한 방 법이다.

[Fig. 1] 

The proposed navigation system is shown in this figure. The system uses webcam(a), mobile robot and single board computer(b) only

본 논문에서 제안하는 시스템은 c++로 개발 되었으며 일반적인 웹캠인 Logitech의 c920을 사용 하였다. 모바일 플랫폼은 최대선속도 1.1 m/s를 가지는 레드원 테크놀러지의 MRP-NRLAB 02 로봇을 사용하였으며, 컴퓨팅 유닛은 대략 $50 수준의 싱글보드 컴퓨터인 라즈베리파이 b+를 사용하였 다. 이 보드는 arm 계열의 1.4 Ghz quad-core A53 프로세서와 1 GB의 RAM을 가지고 있다. 로봇과 카메라의 칼리브레이션은 바닥에 놓인 체스보드를 사용하였으며 본 실험 구성에서 카메 라와 바닥의 높이는 33.4 cm로 측정 되었다. 실험 중 위 세션에 서 정의한 대로 분류된 직선들의 예제는 [Fig. 7]에서 보여지고 있다. 이렇게 분류된 직선들은 [Fig. 6]에서 예시로 보여지는 것처럼. 상대적인 자세를 추론하는데 이용 되었다.

[Fig. 7] 

This example shows how the line features are separated as vertical, s≤0 and floor. You can see the vertical lines are passing through a point and s≤0 lines are located behind the robot

실험은 한양대학교 IT/BT 3층, 한양대학교 FTC 3층, 한양 대학교 체육관 3층에서 진행 하였다 [Fig. 8]. 성능 검증을 위해 각 실험 장소의 임의의 지점에 4개의 목적지를 설정하였고, 해 당 목적지에 도착 시 에러와 목적지까지 이동한 평균속도를 10회씩 측정 하였다. 로봇의 최대 속도는 하드웨어의 한계치인 1.1 m/s로 주행하였으며, 회전 구간에서 감속 운행을 하기 때 문에 직선 구간이 길수록 높은 평균 속도로 측정 되었다. 최고 속도인 1.1 m/s는 상용화된 실내 주행용 로봇, Savioke의 Relay (0.7 m/s) LG의 AIRSTAR (1.0 m/s), 보다 고속이고 이런 시스 템이 싱글보드 컴퓨터로 구동 가능하는 하다는 점에서 의미가 있다. 대부분의 주행에서 [Table 1]에 표시된 평균보다 낮은 도 착 에러(Accuracy)를 가졌지만, 20 cm이상 크게 벗어나는 경우 가 각 환경 별로 2~3회씩 발생 하였다. 이는 주행 중 행인 또는 영상 블러링 등으로 인해 생긴 오인식 때문인 것으로 보인다.

[Fig. 8] 

The experimental environments are presented in this figure. 4 goals are marked as G1, G2, G3, and G4 in each environment, and the robot paths are shown as arrowed line. (a) is IT/BT building, (b) is FTC, and (c) is Gym

본 논문에서 제안하는 시스템은 저가의 싱글보드 컴퓨터를 이 용하여 구현 되었으며 빠른 주기의 센서 데이터 없이 위상학적 지 도상의 노드 단위의 인식만으로도 충분히 고속의 정밀 주행이 가 능함을 보였다. 이는 기존의 많은 자율주행 연구들이 집중하고 있 는 방향과는 차이가 있고, 적은 가격으로 시스템을 구현 할 수 있다 는 점에서 다양한 응용 분야로의 진출가능성이 높다고 할 수 있겠다.

하지만 본 시스템은 단안 카메라의 위치 추정 성능을 강조 하기 위한 시스템으로, 목적지 도달 성능과 시간만을 측정하 였다. 정확한 외부 계측 장비로 모든 경로에 대해서 측정 한 것 이 아니기 때문에 시스템의 성능을 자세하게 측정하지 못했 다. 앞으로 보완 연구가 필요해 보인다.

실제 응용분야에 적용하기 위해서는 장애물을 감지하고 회 피하는 능력이 필요 할 것이다. 이는 단안 영상정보만으로는 한계가 있다. 단안 카메라에서 깊이 정보를 추출하기 위해서는 움직임 차이가 있는 두개의 영상을 비교하여 기하학적인 최적 화 기법을 이용해야 하는데, 이 방법을 본 연구의 목적과 같은 방향으로 설계 하기 위해서는 좀 더 연구가 필요해 보인다.