disturbance compensation mechanism for improving immu
TRANSCRIPT
์์ฌํ์๋ ผ๋ฌธ
๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ ์์ธ์ถ์
์ฑ๋ฅ ํฅ์์ ์ํ ๊ต๋ ๋ณด์ ๋ฉ์ปค๋์ฆ
Disturbance Compensation Mechanism for Improving
IMMU-Based Orientation Estimation Performance
์ง๋๊ต์ ์ด ์ ๊ทผ
ํ๊ฒฝ๋ํ๊ต ๋ํ์
๊ธฐ๊ณ๊ณตํ๊ณผ
์ต ๋ฏธ ์ง
2018 ๋ 2 ์
์์ฌํ์๋ ผ๋ฌธ
๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ ์์ธ์ถ์
์ฑ๋ฅ ํฅ์์ ์ํ ๊ต๋ ๋ณด์ ๋ฉ์ปค๋์ฆ
Disturbance Compensation Mechanism for Improving
IMMU-Based Orientation Estimation Performance
์ง๋๊ต์ ์ด ์ ๊ทผ
ํ๊ฒฝ๋ํ๊ต ๋ํ์
๊ธฐ๊ณ๊ณตํ๊ณผ
์ต ๋ฏธ ์ง
2018 ๋ 2 ์
๊ณตํ์์ฌํ์๋ ผ๋ฌธ
๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ ์์ธ์ถ์
์ฑ๋ฅ ํฅ์์ ์ํ ๊ต๋ ๋ณด์ ๋ฉ์ปค๋์ฆ
Disturbance Compensation Mechanism for Improving
IMMU-Based Orientation Estimation Performance
์ด ๋ ผ๋ฌธ์ ๊ณตํ ์์ฌ ํ์๋ ผ๋ฌธ์ผ๋ก ์ ์ถํจ
2017 ๋ 12 ์
ํ๊ฒฝ๋ํ๊ต ๋ํ์
๊ธฐ๊ณ๊ณตํ๊ณผ
์ต ๋ฏธ ์ง
์ต๋ฏธ์ง์ ๊ณตํ ์์ฌ
ํ์๋ ผ๋ฌธ์ ์ธ์คํจ
์ฌ์ฌ ์์์ฅ (์ธ)
์ฌ ์ฌ ์ ์ (์ธ)
์ฌ ์ฌ ์ ์ (์ธ)
2017 ๋ 12 ์
ํ๊ฒฝ๋ํ๊ต ๋ํ์
๋ชฉ ์ฐจ
ํ ๋ชฉ์ฐจ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโโฆโฆโฆโฆโฆโฆ โ ฐ
๊ทธ๋ฆผ ๋ชฉ์ฐจ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโโฆโฆโฆโฆโฆโฆ โ ฑ
๊ตญ๋ฌธ ์์ฝ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโโฆโฆโฆโฆโฆโฆโ โ ณ
1. ์ ๋ก โโโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 1
1.1 ์ฐ๊ตฌ ๋ฐฐ๊ฒฝ โโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 1
1.2 ์ฐ๊ตฌ ๋ด์ฉ โโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 2
2. ๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง์ด ๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ ์์ธ์ถ์ ์ ํ์ฑ์ ๋ฏธ์น๋ ์ํฅ โโโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 5
2.1 ์ ๋ก โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโโฆโฆโฆโฆโฆโฆโ 5
2.2 ๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง ๋ฐ ์คํ โโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 7
2.2.1 ๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 7
2.2.2 ์ค ํ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 11
2.3 ๊ฒฐ ๊ณผ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโโฆโฆโฆโฆโฆโฆโ 12
2.3.1 ํ๋ผ๋ฏธํฐ ํ๋์ ๋ฐ๋ฅธ ์ถ์ ์ ํ์ฑ ๋ฏผ๊ฐ๋ โโฆโฆโฆโ 12
2.3.1 ํ๋ผ๋ฏธํฐ ๊ณ ์ ์ ์ถ์ ์ ํ์ฑ โโฆโฆโฆโฆโฆโฆโฆโฆโฆโโ 14
2.4 ๊ณ ์ฐฐ ๋ฐ ๊ฒฐ๋ก โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 16
Acknowledgement โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 18
3. ์ ํํ ๋ฐฉ์๊ฐ ์ถ์ ์ ์ํ ์ฐจ์ ๋ณํ ๋ฐฉ์
์๊ธฐ์๊ณก ๋ณด์ ๋ฉ์ปค๋์ฆ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 19
3.1 ์ ๋ก โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโโฆโฆโฆโฆโฆโฆโ 19
3.2 ์๊ธฐ์๊ณก ๋ณด์ ๋ฉ์ปค๋์ฆ โโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 21
3.2.1 ์๊ธฐ์๊ณก ๋ชจ๋ธ๋ง โโโโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 21
3.2.2 ๋ฐฉ์๊ฐ ์นผ๋งํํฐ โโโโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 22
3.2.3 ์ฐจ์ ๋ณํ ๋ฐฉ์ โโโโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 25
3.3 ์ค ํ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโโฆโฆโฆโฆโฆโฆโ 26
3.3.1 ์คํ ์ฅ์น ๊ตฌ์ฑ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 26
3.3.2 ์ํ ์กฐ๊ฑด ๋ฐ ์ค์ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 27
3.4 ๊ฒฐ๊ณผ ๋ฐ ๊ณ ์ฐฐ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 29
3.5 ๊ฒฐ ๋ก โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโโฆโฆโฆโฆโฆโฆโ 35
Acknowledgement โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 36
4. ์๊ธฐ๊ต๋์ ๋ํ ์ํฅ์ ํค๋ฉ ์ถ์ ์ ์ ํ์ํจ
์์ฐจ์ ์์ธ ์นผ๋งํํฐ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 37
4.1 ์ ๋ก โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโโฆโฆโฆโฆโฆโฆโ 37
4.2 ์์ธ์ถ์ ์นผ๋งํํฐ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 39
4.2.1 ๋ฌธ์ ์ ์ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 39
4.2.2 ์ถ์ ์๊ณ ๋ฆฌ์ฆ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 41
4.3 ์คํ ๊ฒฐ๊ณผ โโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 46
4.3.1 ๊ฒ์ฆ์คํ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 46
4.3.2 ๊ฒฐ ๊ณผ โโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 48
4.4 ๊ณ ์ฐฐ ๋ฐ ๊ฒฐ๋ก โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 52
Acknowledgement โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 55
5. ๊ฐ์๋๋ก ์ธํ ๋ถ์ ํ์ฑ ์ ๊ฑฐ๋ฅผ ์ํด ๊ธฐ๊ตฌํ์
๊ตฌ์์กฐ๊ฑด์ ๊ฒฐํฉํ ๊ด์ฑ์ผ๋ฐ ์์ธ์ถ์ โฆโฆโฆโฆโฆ 56
5.1 ์ ๋ก โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโโฆโฆโฆโฆโฆโฆโ 56
5.2 ์ ์ํ๋ ์์ธ์ถ์ ์นผ๋งํํฐ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 58
5.2.1 ์ผ์๊ฐ์๋ ๊ตฌ์์กฐ๊ฑด โโโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 58
5.2.2 ๊ตฌ์ ์นผ๋งํํฐ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 61
5.3 ๊ฒ์ฆ ์คํ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 63
5.3.1 ์คํ ์ฅ์น ๊ตฌ์ฑ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 63
5.3.2 ์ํ ์กฐ๊ฑด โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 65
5.4 ๊ฒฐ๊ณผ ๋ฐ ๊ณ ์ฐฐ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 66
5.5 ๊ฒฐ ๋ก โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโโฆโฆโฆโฆโฆโฆโ 68
Acknowledgement โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 69
6. ๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด์ ํฌ์ํ IMU ๊ธฐ๋ฐ
์์ธ์ถ์ ์นผ๋งํํฐ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 70
6.1 ์ ๋ก โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโโฆโฆโฆโฆโฆโฆโ 70
6.2 ์์ธ์ถ์ ๊ตฌ์ ์นผ๋งํํฐ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 72
6.2.1 ์์ธ์ถ์ ์นผ๋งํํฐ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 73
6.2.2 ๊ตฌ์๋ฐฉ์ ์ โโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 74
6.2.3 ๊ตฌ์ ํฌ์ ๊ธฐ๋ฒ โโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 77
6.3 ๊ฒ์ฆ ์คํ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 80
6.4 ๊ฒฐ๊ณผ ๋ฐ ๊ณ ์ฐฐ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 82
6.5 ๊ฒฐ ๋ก โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโโฆโฆโฆโฆโฆโฆโ 85
Acknowledgement โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 86
7. ๊ฒฐ ๋ก โโโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโ 87
์ฐธ ๊ณ ๋ฌธ ํ โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 91
ABSTRACT โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 97
- i -
ํ ๋ชฉ์ฐจ
Table 2.1 RMSEs in estimations from four different methods (unit: degree). โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 14
Table 3.1 Experimental conditions for the four validation tests. โฆโฆ 28
Table 3.2 Results of azimuth and tilt RMSEs (unit: degree). โฆโฆโฆ 32
Table 3.3 Azimuth estimation RMSEs depending on the order of
magnetic distortion model (unit: degree). โฆโฆโฆโฆโฆโฆ 33
Table 4.1 Test results of the root mean squared error (in units of degree). โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 51
Table 5.1 Specification of the MPU6050. โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 63
Table 5.2 RMSEs from Test A, B, C, D (unit: degree). โฆโฆโฆโฆโฆ 66
Table 6.1 RMSEs of attitude estimation (unit: degree). โฆโฆโฆโฆโฆ 81
- ii -
๊ทธ๋ฆผ ๋ชฉ์ฐจ
Fig. 2.1 Flowchart of the attitude-heading estimation algorithm with disturbance models (gray boxes). โฆโฆโฆโฆโฆโฆโฆ 8
Fig. 2.2 Test setup: OptiTrack Flex13 and MTw. โฆโฆโฆโฆโฆโฆโฆ 11
Fig. 2.3 Parameter tuning results of Method A: RMSEs in
estimation of (a) Test 1, (b) Test 2, and (c) Test 3. โฆโฆโฆ 13
Fig. 2.4 Parameter tuning results of Method B: RMSEs in estimation of (a) Test 1, (b) Test 2, and (c) Test 3. โฆโฆโฆ 13
Fig. 2.5 Yaw estimation errors in Test 3 with respect to the truth
reference from the optical tracker (dashed). โฆโฆโฆโฆโฆ 15
Fig. 3.1 Proposed magnetic distortion compensation mechanism. . 23
Fig. 3.2 Switching from the first-order KF to the second-order KF in the fading memory average technique. โฆโฆโฆโฆโฆโฆ 26
Fig. 3.3 Experimental setup for motor test. โฆโฆโฆโฆโฆโฆโฆโฆโฆ 27
Fig. 3.4 Results of Test 2: (a) exposed magnetic distortion for each
axis, (b) roll estimation error, and (c) azimuth estimation error. โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 30
Fig. 3.5 Results of Test 3: (a) exposed magnetic distortion for each
axis, (b) pitch estimation error, and (c) azimuth estimation error. โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 31
Fig. 3.6 Azimuth estimation error depending on the order of
magnetic distortion model for Test 3. โฆโฆโฆโฆโฆโฆโฆโฆ 34
Fig. 4.1 Inertial and sensor frames, and dip angle. โฆโฆโฆโฆโฆโฆ 40
Fig. 4.2 Structure of the proposed sequential Kalman filter. โฆโฆ 45
Fig. 4.3 Test setup: optical motion tracker and MTw IMMU sensor. โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 46
- iii -
Fig. 4.4 Test B results: (a) exposed magnetic disturbance for each axis, and (b)-(d) estimation errors with respect to the true reference. โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 49
Fig. 4.5 Test D results: (a) exposed magnetic disturbance for each
axis, and (b)-(d) estimation errors with respect to the true reference. โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 50
Fig. 5.1 An inertial sensor attached to a constrained link by a ball
joint. โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 59
Fig. 5.2 Test setup: inertial sensor MPU6050 and optical markers attached to the link with the ball joint constraint. โฆโฆโฆ 64
Fig. 5.3 Results of Test D: Estimation errors from the conventional
KF (red solid) and the proposed KF (blue solid) with respect to the truth reference angles (black dashed). โฆโฆ 67
Fig. 6.1 Spherical joint constraint. โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 74
Fig. 6.2 Configuration of sensors and joint. โฆโฆโฆโฆโฆโฆโฆโฆโฆ 76
Fig. 6.3 Flowcharts of the conventional unconstrained approach
and the three constraint projection methods: (a) conventional unconstrained Kalman filter, (b) OEP, (c) CEP, and (d) SPP. * Dashed lines indicate from where the posteriori estimate of the previous time comes for the prediction. โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 78
Fig. 6.4 Results of Test A-1: attitude estimation errors from the
conventional unconstrained Kalman filter (red) and the three constrained Kalman filters (OEP-green, CEP and SPP-blue) with respect to the truth reference angle (black dashed). โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 83
Fig. 6.5 Results of Test B-2: attitude estimation errors from the
conventional unconstrained Kalman filter (red) and the three constrained Kalman filters (OEP-green, CEP and SPP-blue) with respect to the truth reference angle (black dashed). โฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆโฆ 84
- iv -
๊ตญ ๋ฌธ ์ ์ฝ
๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ ์์ธ์ถ์
์ฑ๋ฅ ํฅ์์ ์ํ ๊ต๋ ๋ณด์ ๋ฉ์ปค๋์ฆ
๋ ผ๋ฌธ ์ ์ถ์ ์ต ๋ฏธ ์ง
์ง ๋ ๊ต ์ ์ด ์ ๊ทผ
์ด๋๋ฌผ์ฒด ๋๋ ์ธ๊ฐ์ ๋ํ 3 ์ฐจ์ ์์ธ๋ ๋ค์ํ ๋ถ์ผ์์
์๊ตฌ๋๊ณ ์๋ ์ค์ํ ๋ฌผ๋ฆฌ๋์ด๋ค. ํนํ, ๊ด์ฑ์๊ธฐ์ผ์๋ฅผ ์ด์ฉํ์ฌ
์์ธ๋ฅผ ์ถ์ ํ๋ ๋ฐฉ์์ ์ํ๊ฒฝ๋์์คํ ์ด๋ฉฐ, ์ฅ์์ ๊ตฌ์ ์์ด
์ด๋์๋ ์ฌ์ฉ์ด ๊ฐ๋ฅํ ์ฅ์ ์ผ๋ก ์ธํด ๋ง์ ๋ถ์ผ์์ ์ฌ์ฉ๋๊ณ ์๋ค.
์ด๋ฌํ ๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ ์์ธ์ถ์ ์ ์์ด ์ถ์ ์ฑ๋ฅ์ ์ ํ์ํค๋
๋ํ์ ์ธ ์์ธ์ผ๋ก ์ง์๊ธฐ์ผ์ ์ ํธ์ ๊ด๋ จ๋ ์๊ธฐ๊ต๋๊ณผ ๊ฐ์๋๊ณ
์ ํธ์ ๊ด๋ จ๋ ์ธ๋ถ๊ฐ์๋๊ฐ ์๋ค. ๋ฐ๋ผ์ ์์ธ์ถ์ ์๊ณ ๋ฆฌ์ฆ์ ์์ด
์ถ์ ์ฑ๋ฅ ์ ํ๋ฅผ ๋ฐฉ์งํ๊ธฐ ์ํ ๊ต๋ ๋ณด์ ๋ฉ์ปค๋์ฆ์ด ๋ฐ๋์
ํ์ํ๋ค. ๋ณธ ๋ ผ๋ฌธ์์๋ ๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ์ 3 ์ฐจ์ ์์ธ์ถ์ ์ฑ๋ฅ์
ํฅ์์ํค๊ธฐ ์ํด, ์์ธ์ถ์ ์ฑ๋ฅ์ ์ ํ์ํค๋ ๊ต๋์ฑ๋ถ์ ๋ณด์ํ๋
๋ฉ์ปค๋์ฆ์ ๋ํ ์ฐ๊ตฌ๋ฅผ ์ํํ์๋ค. ๊ตฌ์ฒด์ ์ผ๋ก๋ ์์ฐจ์ ์์ธ์ถ์
๊ตฌ์กฐ, ์๊ธฐ๊ต๋๊ณผ ๊ด๋ จํ ์ฐจ์ ๋ณํ ๋ฐฉ์, ์ธ๋ถ๊ฐ์๋์ ๊ด๋ จํ
๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด ๋ฑ์ด ์ ์๋์์ผ๋ฉฐ, ์ด๋ฌํ ๋ณด์ ๋ฉ์ปค๋์ฆ์
์ ์ฉํ ์์ธ์ถ์ ๋ฐฉ์๋ค์ด ๊ธฐ์กด ๋ฐฉ์ ๋๋น ํฅ์๋ ์ฑ๋ฅ์ ๋ณด์๋ค. ๋ณธ
๋ ผ๋ฌธ์ ์ฐ๊ตฌ ๊ฒฐ๊ณผ๋ ์ค์ง์ ์ธ ๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ ๋ชจ์ ์บก์ณ์์คํ ์
๊ตฌํํ๋๋ฐ ํจ์จ์ ์ผ๋ก ํ์ฉ๋ ์ ์์ ๊ฒ์ด๋ผ ๊ธฐ๋ํ๋ค.
์ฃผ์ ์ด: ์์ธ์ถ์ , ๊ด์ฑ์๊ธฐ์ผ์, ๊ต๋ ๋ณด์ ๋ฉ์ปค๋์ฆ, ์นผ๋งํํฐ
- 1 -
1. ์ ๋ก
1.1 ์ฐ๊ตฌ ๋ฐฐ๊ฒฝ
์ต๊ทผ ์ํ์ผ์์ ๋ชจ๋ฐ์ผ ์ปดํจํ ๊ธฐ์ ์ ๋น์ฝ์ ์ธ ๋ฐ์ ์ผ๋ก ๋์๊ฐ์ง
๊ธฐ์ ์ ๋ํ ์ฐ๊ตฌ๊ฐ ๋ค์ํ ๋ถ์ผ์์ ํ๋ฐํ ์งํ๋๊ณ ์๋ค. ์ด๋ฌํ
๋์๊ฐ์ง ๊ธฐ์ ์ ๊ธฐ๋ณธ์ด ๋๋ ๊ฒ์ ์ด๋๋ฌผ์ฒด ๋๋ ์ธ๊ฐ์ ๋ํ ์ ํํ
3 ์ฐจ์ ์์ธ(orientation)๋ฅผ ์ถ์ ํ๋ ๊ฒ์ด๋ค. ์๋ฅผ ๋ค์ด, ๋ฌด์ธ์๋์ฐจ๋
ํญ๊ณต๊ธฐ์ ๊ฐ์ ์ด๋๋ฌผ์ฒด์ ํญ๋ฒ ์์คํ ๋ถํฐ ์คํฌ์ธ ๊ณผํ์ด๋ ์ฌํ๊ณผ
๊ฐ์ ํด๋จผ ๋ชจ์ ์บก์ณ(human motion capture) ๋ถ์ผ์ ์ด๋ฅด๊ธฐ๊น์ง
์์ธ์ถ์ ์ ๋ค์ํ ๋ถ์ผ์์ ์ฌ์ฉ๋๊ณ ์๋ค[1-3]. ํนํ, ๊ด์ฑ ๋ชจ์
์บก์ณ(inertial motion capture)๋ผ ๋ถ๋ฆฌ๋ ๊ด์ฑ์๊ธฐ์ผ์(inertial and magnetic
measurement unit, IMMU)๊ธฐ๋ฐ์ 3 ์ฐจ์ ์์ธ์ถ์ ๋ฐฉ์์ ์ํ
๊ฒฝ๋์์คํ ์ด๋ฉฐ, ์ฅ์์ ์ ํ ์์ด ์ด๋์๋ ์ฌ์ฉ์ด ๊ฐ๋ฅํ ์ฅ์ ์ผ๋ก
์ธํด ์ด๋ํ ์์คํ ์์ ๋ง์ด ์ฌ์ฉ๋๋ ์ถ์ ๋ฐฉ์์ด๋ค[2-4]. ์ฌ๊ธฐ์
๊ด์ฑ์๊ธฐ์ผ์๋ 3 ์ถ ์์ด๋ก์ค์ฝํ(gyroscope)์ 3 ์ถ ๊ฐ์๋๊ณ
(accelerometer)๋ก ์ด๋ฃจ์ด์ง IMU(inertial and magnetic measurement unit)์
3 ์ถ ์ง์๊ธฐ์ผ์(magnetometer)๊ฐ ๊ฒฐํฉ๋ ์ผ์๋ชจ๋์ด๋ค. ์ผ๋ฐ์ ์ผ๋ก
๊ด์ฑ์๊ธฐ์ผ์์ ์ ํธ๋ ์นผ๋งํํฐ(Kalman filter)๋ฅผ ํตํด ์ตํฉ๋๋ค[5-7].
๋ค์ํ ๋ฐฉ์์ ๊ด์ฑ์๊ธฐ์ผ์๊ธฐ๋ฐ ์์ธ์ถ์ ์นผ๋งํํฐ๊ฐ ๊ฐ๋ฐ๋์์ผ๋,
์์ด๋ก์ค์ฝํ๋ก ์ธก์ ๋ ๊ฐ์๋๋ฅผ ์ ๋ถํ์ฌ ์์ธ๋ฅผ ์์ธก(prediction)ํ๊ณ ,
์ ๋ถ๊ณผ์ ์ ๋ฐ๋ณตํจ์ ๋ฐ๋ผ ๋์ ๋๋ ํ๋ฅ(drift)์ค์ฐจ๋ฅผ ๊ฐ์๋๊ณ์
์ง์๊ธฐ์ผ์๊ฐ ์ ๊ณตํ๋ ๊ณ ์ ์ฐธ์กฐ๋ฒกํฐ(reference vector)๋ฅผ ์ด์ฉํ์ฌ
๋ณด์ (correction)ํ๋ค๋ ๊ธฐ๋ณธ ๊ฐ๋ ์ ๋์ผํ๋ค[6-9]. ์ฌ๊ธฐ์ ๊ฐ์๋๊ณ๋
์์ง๋ฐฉํฅ ์ฐธ์กฐ๋ฒกํฐ์ธ ์ค๋ ฅ๊ฐ์๋๋ฅผ ํตํด 2 ์ฐจ์ ์์ธ์ธ ๋กค(roll)๊ณผ
- 2 -
ํผ์น(pitch)์ ํด๋น๋๋ attitude(๋๋ tilt)์ ๋ณด์ ํ๊ณ , ์ง์๊ธฐ์ผ์๋
์ํ๋ฐฉํฅ ์ฐธ์กฐ๋ฒกํฐ์ธ ์ง๊ตฌ์๊ธฐ์ฅ(local magnetic field)์ ํตํด ์(yaw)์
ํด๋นํ๋ heading(๋๋ azimuth)์ ๋ณด์ ํ๋ค. ๊ทธ๋ฌ๋ ๋์ ์กฐ๊ฑด์์
๊ฐ์๋๊ณ ์ ํธ๋ ์ค๋ ฅ๊ฐ์๋์ ์ผ์๊ฐ ์์ง์ด๋ฉด์ ๋ฐ์ํ๋
์ธ๋ถ๊ฐ์๋(๋๋ ์ผ์๊ฐ์๋, external acceleration)๊ฐ ๊ต๋์ฑ๋ถ์ผ๋ก
๋ํด์ง๊ฒ ๋๊ณ , ์ง์๊ธฐ์ผ์ ์ ํธ๋ ์ง๊ตฌ์๊ธฐ์ฅ์ ์ผ์ ์ฃผ๋ณ์
์์ฑ์ฒด์ ์ํด ๋ฐ์๋๋ ์๊ธฐ๊ต๋(๋๋ ์๊ธฐ์๊ณก, magnetic distortion)์ด
๊ต๋์ฑ๋ถ์ผ๋ก ๋ํด์ ธ ์ ํํ ์ฐธ์กฐ๋ฒกํฐ๋ฅผ ์ธก์ ํ ์ ์๊ฒ ๋๋ค. ์ด์ฒ๋ผ
์ฐธ์กฐ๋ฒกํฐ์ ๊ต๋์ฑ๋ถ์ด ๋ํด์ง๊ฒ ๋๋ฉด ์ฐธ์กฐ๋ฒกํฐ์ โ๊ณ ์ ์ฑ(constant)โ์ด
ํผ์๋๊ณ ์ด๋ ์์ธ์ถ์ ์ ์์ด ์ ํ์ฑ ์ ํ์ ์ฃผ๋ ์์ธ์ด ๋๋ค[5,7].
๋ฐ๋ผ์ ์์ธ์ถ์ ์๊ณ ๋ฆฌ์ฆ์ ์์ด ์ถ์ ์ฑ๋ฅ ์ ํ๋ฅผ ๋ฐฉ์งํ๊ธฐ ์ํ
๊ต๋ ๋ณด์ ๋ฉ์ปค๋์ฆ์ด ๋ฐ๋์ ํ์ํ๋ค. ๋ณธ ๋ ผ๋ฌธ์์๋ ์์ธ์ถ์
์ฑ๋ฅ์ ํฅ์์ํค๊ธฐ ์ํด ๊ต๋์ฑ๋ถ์ ๋ณด์ํ๋ ๋ค์ํ ๋ฉ์ปค๋์ฆ์
์ ์ํ๋ค.
1.2 ์ฐ๊ตฌ ๋ด์ฉ
๋ณธ ๋ ผ๋ฌธ์ ๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ ์์ธ์ถ์ ์ฑ๋ฅ ํฅ์์ ์ํ ๊ต๋ ๋ณด์
๋ฉ์ปค๋์ฆ์ ๋ํ ์ฐ๊ตฌ์ด๋ค. ์๊ธฐ๊ต๋๊ณผ ์ธ๋ถ๊ฐ์๋๋ ๋ชจ๋ ์๋ณ
๊ต๋(time-varying disturbance) ์ฑ๋ถ์ผ๋ก ์์ฑ์ฒด ์ฃผ๋ณ์์๋ ์๊ธฐ๊ต๋์
์ํด, ๋์ ์กฐ๊ฑด์์๋ ์ธ๋ถ๊ฐ์๋์ ์ํด ์์ธ์ถ์ ์ฑ๋ฅ์ด ํฌ๊ฒ
์ํฅ์ ๋ฐ๋๋ค. ์ด๋ฌํ ๋ ๊ต๋์ฑ๋ถ์ด ๋ฐ์ํ๋ ์กฐ๊ฑด์ด ์๋ก ์์ดํ
๋งํผ ๋ณธ ๋ ผ๋ฌธ์์๋ ์๊ธฐ๊ต๋๊ณผ ์ธ๋ถ๊ฐ์๋๋ฅผ ๊ตฌ๋ถํ์ฌ ๊ฐ๊ฐ์ ๋ํ
๋ณด์ ๋ฉ์ปค๋์ฆ์ ์ ์ํ๋ค.
๋ณธ ๋ ผ๋ฌธ์ ๊ตฌ์ฑ์ ๋ค์๊ณผ ๊ฐ๋ค.
- 3 -
2 ์ฅ์์๋ ์์ธ์ถ์ ๊ณผ ๊ด๋ จ๋ ๋ ๊ฐ์ง ๊ต๋์ฑ๋ถ์ ์ํ ์ํฅ์
์ต์ํํ๊ธฐ ์ํ ๋ชจ๋ธ๋ง๊ธฐ๋ฐ ๋ณด์ ๋ฉ์ปค๋์ฆ์ ๋ํ ๋ด์ฉ์ ๋ค๋ฃฌ๋ค. ์ด
์ฅ์์๋ ๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง์ด ์์ธ์ถ์ ์ฑ๋ฅ์ ๋ฏธ์น๋ ์ํฅ์ ํ์ธํ๊ธฐ
์ํด ๋ชจ๋ธ๋ง์ ์ฐจ์ด๊ฐ ์๋ ๊ธฐ์กด์ ๋ชจ๋ธ๋ง๊ธฐ๋ฐ ๋ณด์ ๋ฉ์ปค๋์ฆ์
๋ค์ํ ์ํ์กฐ๊ฑด์์ ๋น๊ตยท๋ถ์ํ๋ค.
3 ์ฅ๊ณผ 4 ์ฅ์์๋ ๋ ๊ฐ์ง ๊ต๋์ฑ๋ถ ์ค์์ ์ง์๊ธฐ์ผ์์ ๊ด๋ จ๋
์๊ธฐ๊ต๋์ ๋ํ ๋ณด์ ๋ฉ์ปค๋์ฆ์ ์ ์ํ๋ค.
3 ์ฅ์์๋ ์๊ธฐ๊ต๋ ๋ชจ๋ธ์ ์ฐจ์ ๋ณํ ๋ฐฉ์ ์๊ธฐ๊ต๋ ๋ณด์
๋ฉ์ปค๋์ฆ์ ์ ์ฉํ 3 ์ฐจ์ ์์ธ์ถ์ ์นผ๋งํํฐ๋ฅผ ์ ์ํ๋ค. ์ด ์ฅ์์
์ ์ํ๋ ์นผ๋งํํฐ๋ ์๊ธฐ๊ต๋์ ๋ณด์ํ ๋ฟ๋ง ์๋๋ผ, attitude
์นผ๋งํํฐ์ heading ์นผ๋งํํฐ๊ฐ ๋ณ๋ ฌ๊ตฌ์กฐ๋ก ๊ตฌ์ฑ๋์ด ๋ ๋ฆฝ์ ์ผ๋ก
์ถ์ ํจ์ผ๋ก์จ, ์ฟผํฐ๋์ธ ๋ฐฉ์์ ์์ธ์ฑ๋ถ ํผํฉ๋ฌธ์ ๋ฅผ ๊ทผ๋ณธ์ ์ผ๋ก
ํด๊ฒฐํ ์์ธ์ถ์ ์๊ณ ๋ฆฌ์ฆ์ด๋ค.
4 ์ฅ์์๋ ์๊ธฐ๊ต๋์ ๋ํ ์ํฅ์ heading ์ถ์ ์ ์ ํ์ํจ ์์ฐจ์
์์ธ์ถ์ ์นผ๋งํํฐ๋ฅผ ์ ์ํ๋ค. ์ด ์ฅ์์ ์ ์ํ๋ ์นผ๋งํํฐ๋
attitude ์นผ๋งํํฐ์ heading ์นผ๋งํํฐ๊ฐ AHRS(attitude and heading
reference system)์ ๋ถํฉ๋๋ ์์ฐจ์ ์ธ ๊ตฌ์กฐ๋ก ๊ตฌ์ฑ๋์ด, ์๊ธฐ๊ต๋์
์ํฅ์ด attitude ์ถ์ ์ ๋ฌด๊ดํ๊ณ heading ์ถ์ ์ ์ ํ๋ ์๊ณ ๋ฆฌ์ฆ์ด๋ค.
๋ํ, ๋งค์๊ฐ ๋ณต๊ฐ(dip angle)์ ์๋กญ๊ฒ ๊ณ์ฐํ์ฌ ์ง๊ตฌ์๊ธฐ์ฅ๋ฒกํฐ๋ฅผ
๊ด์ฑ์ขํ๊ณ์ ์ํ์ถ์ ํฌ์ํจ์ผ๋ก์จ heading ์ ์ถ์ ํ๋ค.
5 ์ฅ๊ณผ 6 ์ฅ์์๋ ๋ ๊ฐ์ง ๊ต๋์ฑ๋ถ ์ค์์ ์ธ๋ถ๊ฐ์๋๋ฅผ ๋ณด์ํ๊ธฐ
์ํด ๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด์ ์ ์ฉํ ๋ณด์ ๋ฉ์ปค๋์ฆ์ ์ ์ํ๋ค.
5 ์ฅ์์๋ ๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด์ ์ด์ฉํ์ฌ ๊ฐ์๋๋ก ์ธํ
๋ถํ์ค์ฑ์ ๊ทผ๋ณธ์ ์ผ๋ก ์ ๊ฑฐํ๊ณ , ์ด๋ฅผ ํตํด ์ด๋์กฐ๊ฑด์์๋ ๊ฐ๊ฑดํ
IMU ๊ธฐ๋ฐ attitude ์ถ์ ์นผ๋งํํฐ๋ฅผ ์ ์ํ๋ค. ์ด ์ฅ์์๋ ๋ณผ
์กฐ์ธํธ(ball joint)๋ฅผ ๋์์ผ๋ก ์ผ์๊ฐ์๋ ๊ตฌ์์กฐ๊ฑด์์ ์ ๋ํ๊ณ ,
- 4 -
์ ๋๋ ๊ตฌ์์กฐ๊ฑด์์ ์นผ๋งํํฐ์ ์ธก์ ๋ฒกํฐ์ ๊ฒฐํฉํ ์๋ก์ด ๊ตฌ์กฐ์
์์ธ์ถ์ ์นผ๋งํํฐ๋ฅผ ์ ์ํ๋ค.
6 ์ฅ์์๋ ๊ธฐ์กด์ ๋น๊ตฌ์ ์นผ๋งํํฐ์ ๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด์ ํฌ์ํ
IMU ๊ธฐ๋ฐ attitude ์ถ์ ์นผ๋งํํฐ๋ฅผ ์ ์ํ๋ค. ์ด ์ฅ์์๋ ๊ตฌ๋ฉด
์กฐ์ธํธ(spherical joint)๋ฅผ ๋์์ผ๋ก ์ธ๋ถ๊ฐ์๋์ ๋ํ ๊ตฌ์๋ฐฉ์ ์์
์ ๋ํ๊ณ , ์ ๋๋ ๊ตฌ์๋ฐฉ์ ์์ ๊ฒฐํฉํ๊ธฐ ์ํด ํฌ์๋ฒ ๋ฐฉ์์
OEP(open-loop estimate projection), CEP(closed-loop estimate projection),
SPP(state prediction projection)๋ฅผ ์ ์ฉํ์ฌ, ํฌ์๋ฒ์ ๋ฐ๋ฅธ ์์ธ์ถ์
์ฑ๋ฅ์ ๋น๊ตยท๋ถ์ํ๋ค.
๋ง์ง๋ง์ผ๋ก 7 ์ฅ์์๋ ๋ณธ ๋ ผ๋ฌธ์ ๊ฒฐ๋ก ๊ณผ ๊ฐ ์ฅ์ ๋ํ ๋ด์ฉ์
์์ฝํ์ฌ ์์ ํ๋ค.
- 5 -
2. ๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง์ด ๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ
์์ธ์ถ์ ์ ํ์ฑ์ ๋ฏธ์น๋ ์ํฅ
2.1 ์ ๋ก
์ํ์ผ์์ ๋ชจ๋ฐ์ผ ์ปดํจํ ๊ธฐ์ ์ ๋น์ฝ์ ์ธ ๋ฐ์ ์ผ๋ก ์ฅ์์ ๊ตฌ์ ๋ฅผ
๋ฐ์ง ์๋ ๋์๊ฐ์ง ๊ธฐ์ ์ด ๋ค์ํ ์ฐ์ ์์ ์ฃผ๋ชฉ๋ฐ๊ณ ์๋ค[4]. ํนํ,
9 ์ถ ๊ด์ฑ์๊ธฐ์ผ์(inertial and magnetic measurement unit, IMMU) ๊ธฐ๋ฐ์
3 ์ฐจ์ ์์ธ์ถ์ ์ ๊ด์ฑ ๋ชจ์ ์บก์ณ(inertial motion capture) ๊ธฐ์ ์
ํต์ฌ์ผ๋ก ์ฌํ์์ ๊ฐ์ ํ์ค์ ์ด๋ฅด๊ธฐ๊น์ง ๋ค์ํ ๋ถ์ผ์ ์ ์ฉ๋๊ณ
์๋ค[3,6-8]. ์ฌ๊ธฐ์ 9 ์ถ IMMU ๋ 3 ์ถ ๊ฐ์๋๊ณ(accelerometer)์ 3 ์ถ
์์ด๋ก์ค์ฝํ(gyroscope)๋ก ๊ตฌ์ฑ๋ 6 ์ถ IMU(inertial measurement unit)์
3 ์ถ ์ง์๊ธฐ์ผ์(magnetometer)๋ฅผ ๊ฒฐํฉํ ์ผ์๋ชจ๋์ด๋ค.
์ผ๋ฐ์ ์ผ๋ก 3 ์ฐจ์ ์์ธ๋ ์ค์ผ๋ฌ๊ฐ(Euler angle), ์ฟผํฐ๋์ธ(quaternion),
๋๋ DCM(direction cosine matrix)์ ํํ๋ก ํํ๋๋ค. ์ค์ผ๋ฌ๊ฐ์
ํน์ด์ (singularity) ๋ฌธ์ ์ ๋ฐ๋ฅธ ๋ถํธํจ์ผ๋ก ์ฌ์ฉ์ด ์ ํ์ ์ธ ๋ฐ๋ฉด,
์ฟผํฐ๋์ธ์ ํน์ด์ ๋ฌธ์ ๋ ์๊ณ , ๋ณ์๋ DCM ์ ๋นํด ์ ์ด์ ๊ฐ์ฅ
๋ณดํธ์ ์ผ๋ก ์ฌ์ฉ๋์ด ์๋ค[6,9-11]. ํ์ง๋ง ์ฟผํฐ๋์ธ์ ์ค์ผ๋ฌ๊ฐ์ด๋
DCM ๋ณด๋ค ์ง๊ด์ ์ด์ง ๋ชปํ๋ฉฐ, ๋ฌด์๋ณด๋ค ๋กค(roll), ํผ์น(pitch),
์(yaw)์ฑ๋ถ์ด ์๋ก ์ํฅ์ ๋ฐ๋ ๋ฌธ์ ์ ์ด ์๋ค[12,13]. ์ต๊ทผ ๋ค์ด
DCM ๋ฐฉ์์ AHRS(attitude and heading reference system)์์ attitude ์
heading ์ ๋ณ๋๋ก ์ฒ๋ฆฌ ๊ฐ๋ฅํ๋ฉฐ, ์ด๋ฅผ ํตํด ์์ ์ธ๊ธํ ์ฟผํฐ๋์ธ์
์ฑ๋ถํผํฉ๋ฌธ์ ๊ฐ ๊ทผ๋ณธ์ ์ผ๋ก ํด๊ฒฐ๋๋ ์ฅ์ ์ผ๋ก ์ธํด ์๋กญ๊ฒ ๊ด์ฌ์
๋ฐ๊ณ ์๋ค[14]. ์ด๋ attitude ๋ ์ค๋ ฅ์ถ์ ๋ํ ๊ธฐ์ธ๊ธฐ๋ก ๋กค๊ณผ ํผ์น๋ฅผ
๋ดํฌํ๊ณ ์์ผ๋ฉฐ, heading ์ ์งํ๋ฐฉํฅ๊ฐ์ผ๋ก ์์ ํด๋นํ๋ค.
- 6 -
3 ์ฐจ์ ์์ธ์ถ์ ์ ์์ด ๋ํ์ ์ธ ์ ํ์ฑ ์ ํ์์ธ์ ๊ฐ์๋๊ณ
์ ํธ์ ๊ด๋ จ๋ ์ธ๋ถ๊ฐ์๋์ ์ง์๊ธฐ์ผ์ ์ ํธ์ ๊ด๋ จ๋ ์๊ธฐ๊ต๋์ด๋ผ
ํ ์ ์๋ค. ์ฌ๊ธฐ์, ์ธ๋ถ๊ฐ์๋ a ๋ ๋์ ์กฐ๊ฑด์์ ์์ง๋ฐฉํฅ
์ฐธ์กฐ๋ฒกํฐ ์ญํ ์ ํ๋ ์ค๋ ฅ๊ฐ์๋์ฑ๋ถ g ์ ๋ํด์ ธ ๊ฐ์๋๊ณ ์ ํธ As
์ ๊ต๋์์๋ก ์ถ๊ฐ๋๋ฉฐ, ์๊ธฐ๊ต๋ d ๋ ์์ฑ์ฒด์ฃผ๋ณ์์ ์ํ๋ฐฉํฅ
์ฐธ์กฐ๋ฒกํฐ ์ญํ ์ ํ๋ ์ง๊ตฌ์๊ธฐ์ฅ์ฑ๋ถ m ์ ๋ํด์ ธ ์ง์๊ธฐ์ผ์ ์ ํธ
Ms ์ ๊ต๋์์๋ก ์ถ๊ฐ๋๋ค. ๋ฐ๋ผ์ ์ธ๋ถ๊ฐ์๋์ ์๊ธฐ๊ต๋์ ๋ชจ๋
์๋ณ ๊ต๋(time-varying disturbance)์ฑ๋ถ์ผ๋ก ๋์ ์กฐ๊ฑด์์๋
์ธ๋ถ๊ฐ์๋์ ์ํด, ์์ฑ์ฒด์ฃผ๋ณ์์๋ ์๊ธฐ๊ต๋์ ์ํด ์์ธ์ถ์ ์
์ ํ์ฑ์ด ํฌ๊ฒ ์ํฅ์ ๋ฐ๋๋ค[7].
๋ ๊ต๋์ฑ๋ถ์ ์ํ ์ํฅ์ ์ต์ํํ๊ธฐ ์ํ ๋ฐฉ๋ฒ์ผ๋ก
๋ฌธํฑ๊ฐ(threshold)์ ์ค์ ํ๊ณ , ์กฐ๊ฑด์ ๋ฐ๋ผ ๊ฐ์๋๊ณ ๋๋ ์ง์๊ธฐ์ผ์
์ ํธ ๋๋น ์์ด๋ก์ค์ฝํ ์ ํธ์ ๊ฐ์ค์น๋ฅผ ์ค์์นญ์ ํตํด ์กฐ์ ํ๋
๋ฐฉ์(switching approach)์ด ๋ง์ด ์ฌ์ฉ๋๋ค[6,9,11]. ๋ ๋ค๋ฅธ ์ ๊ทผ๋ฐฉ์์ผ๋ก
๋ ๊ต๋์ฑ๋ถ์ ๋ชจ๋ธ๋งํ์ฌ ์ํ๋ฐฉ์ ์์ ํฌํจ์ํค๋ ๋ฐฉ์(model-based
approach)์ด ์๋ค. Lee[15]๋ ์ฟผํฐ๋์ธ ์์ธ์ถ์ ์๊ณ ๋ฆฌ์ฆ[10]์ ๋
๋ฐฉ์์ ์ ์ฉํ์ฌ ๋น๊ตํ์๋๋ฐ ๋ชจ๋ธ๋ง๊ธฐ๋ฐ ๊ธฐ๋ฒ์ด ๋ค์ ์ฐ์ํ ์ฑ๋ฅ์
๋ณด์๋ค. ๋ํ, Ligorio ์ Sabatini[16]๋ ์ฟผํฐ๋์ธ ์์ธ์ถ์ ์๊ณ ๋ฆฌ์ฆ
[11]๊ณผ DCM ์์ธ์ถ์ ์๊ณ ๋ฆฌ์ฆ[8]์ ์ค์์นญ ๊ธฐ๋ฒ๊ณผ ๋ชจ๋ธ๋ง๊ธฐ๋ฐ ๊ธฐ๋ฒ์
๊ต์ฐจ ์ ์ฉํ์ฌ ์ฑ๋ฅ์ ๋น๊ตํ์์ผ๋ฉฐ, ์ฌ๊ธฐ์๋ ๋ชจ๋ธ๋ง๊ธฐ๋ฐ ๊ธฐ๋ฒ์
์ฐ์์ฑ์ด ์๊ฐ๋ ๋ฐ ์๋ค.
์ต๊ทผ ๋ ๊ฐ์ DCM ๋ฐฉ์ 3D ์์ธ ์๊ณ ๋ฆฌ์ฆ์ด ๋ฐํ๋์๋ค. ์ฒซ
๋ฒ์งธ๋ ์ฐธ๊ณ ๋ฌธํ[18]์ ์๊ฐ๋ 6 ์ถ IMU ๊ธฐ๋ฐ attitude ์๊ณ ๋ฆฌ์ฆ์
ํ์ฅ์ํจ 9 ์ถ IMMU ๊ธฐ๋ฐ attitude-heading ์๊ณ ๋ฆฌ์ฆ[7]์ด๋ค (์ดํ ์ด๋ฅผ
Method A ๋ผ ํ๋ค). ๋ ๋ฒ์งธ๋ ์ฐธ๊ณ ๋ฌธํ[17]์ ์๊ฐ๋ 6 ์ถ IMU ๊ธฐ๋ฐ
attitude ์๊ณ ๋ฆฌ์ฆ์ ํ์ฅ์ํจ 9 ์ถ IMMU ๊ธฐ๋ฐ attitude-heading
- 7 -
์๊ณ ๋ฆฌ์ฆ[8]์ด๋ค (์ดํ ์ด๋ฅผ Method B ๋ผ ํ๋ค). Method A ์ B ๋
์ํ๋ฒกํฐ ์ค์ ์ด ์๋ก ์ ์ฌํ๋ฉฐ, ์ค์์นญ ๊ธฐ๋ฒ์ด ์๋ ๋ชจ๋ธ๋ง๊ธฐ๋ฐ
๊ธฐ๋ฒ์ ์ฑํํ๊ณ ์๋ค๋ ๊ณตํต์ ์ ์ง๋ ๋ค. ํ์ง๋ง ๊ต๋์ฑ๋ถ์
๋ชจ๋ธ๋งํ๋ ๊ตฌ์ฒด์ ์ธ ๋ฐฉ์์ ์์ด ์ฐจ์ด๊ฐ ์์ผ๋ฉฐ, ์ด๋ก ์ธํด ์งํ์ก์
๊ณต๋ถ์ฐ ํ๋ ฌ(process noise covariance matrix)์ ์ฐจ์ด๋ฅผ ๋ฐ์์ํค๊ณ ์๊ณ ,
๊ฒฐ๊ณผ์ ์ผ๋ก ์์ธ์ถ์ ์ฑ๋ฅ์ ์ํฅ์ ๋ผ์น ์ ์๋ค.
์์ ๊ธฐ์ ํ ๋ฐ์ ๊ฐ์ด ๊ต๋์ฑ๋ถ์ ๋ํ ๋์๋ฐฉ๋ฒ์ผ๋ก์ ๋ชจ๋ธ๋ง๊ธฐ๋ฐ
๊ธฐ๋ฒ๊ณผ ์ค์์นญ ๊ธฐ๋ฒ์ ๋น๊ตํ ์ฐ๊ตฌ๋ ๋ฐํ๋ ๋ฐ ์๋ค. ํ์ง๋ง
๋ชจ๋ธ๋ง๊ธฐ๋ฐ ๊ธฐ๋ฒ์์ ๋ชจ๋ธ๋ง์ ์ฐจ์ด๊ฐ ์์ธ์ถ์ ์ฑ๋ฅ์ ๋ฏธ์น๋ ์ํฅ์
๋ํ ์ฐ๊ตฌ๋ ํ์ฌ๊น์ง ๋ฐํ๋ ๋ฐ ์๋ค. ๋ณธ ์ฅ์ Method A ์ B ๋ฅผ
๊ต๋์ฑ๋ถ์ด ์กด์ฌํ๋ ๋ค์ํ ์ํ์กฐ๊ฑด์์ ๊ดํ์ ๋ชจ์ ์บก์ณ ์์คํ ์
์ด์ฉํ์ฌ ์์ธ์ถ์ ์ ํ์ฑ์ ๋น๊ตํ๊ณ , ์ด๋ฅผ ํตํด ๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง์ด
๊ด์ฑ์๊ธฐ์ผ์๊ธฐ๋ฐ ์์ธ์ถ์ ์ ํ์ฑ์ ๋ฏธ์น๋ ์ํฅ์ ๊ณ ์ฐฐํ๊ณ ์ ํ๋ค.
2.2 ๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง ๋ฐ ์คํ
2.2.1 ๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง
Method A ์ Method B ๋ 3 ์ฐจ์ ์์ธ ๋ฐ ๊ต๋์ฑ๋ถ์ ์ถ์ ํ๋
IMMU ๊ธฐ๋ฐ ์๊ณ ๋ฆฌ์ฆ์ด๋ค. IMMU ๋ฅผ ๊ตฌ์ฑํ๋ ๊ฐ์๋๊ณ(A),
์ง์๊ธฐ์ผ์(M), ์์ด๋ก์ค์ฝํ(G)์ ์ ํธ๋ ๋ค์๊ณผ ๊ฐ์ด ๋ชจ๋ธ๋ง
๋์๋ค[7].
S SA A s g a n (2.1a)
S SM M s m d n (2.1b)
SG G s ฯ n (2.1c)
์ฌ๊ธฐ์ g ๋ ์ค๋ ฅ๊ฐ์๋, a ๋ ์ธ๋ถ๊ฐ์๋, m ์ ์ง๊ตฌ์๊ธฐ์ฅ, d ๋
์๊ธฐ
S ๋
๋
์ถ์
์ค์
attitu
์๊ธฐ
๋ง๋ฅด
ํ์ง
์ฐ์
๋ชจ๋ธ
๊ฐ์ด
๊ตฌ๋ถ
Fig
๊ต๋, ฯ ๋
ํด๋น ๋ฒกํฐ๊ฐ
๋ฐฉ๋ฒ ๋ชจ๋
ํ๋ attitud
ํ์ฌ ์ถ์ ํ
ude ์นผ๋งํ
๊ต๋๋ชจ๋ธ์ด
์ฝํ ์ฐ์(M
์ง๋ง, ์ด์ฐ์
, ์ (2.1a
๋ง์ ๋ฐ๋ฅธ
์๋ก ์์ด
ํ๋ค).
g. 2.1. Flowdistu
๋ ๊ฐ์๋์ด
๊ฐ ์ผ์์ขํ
๋ attitude
de ์นผ๋งํํฐ
ํ๋ headin
ํํฐ์๋
์ถ๊ฐ๋์ด
Markov chai
์๊ฐ k ์ ๋
a)์ ์ธ๋ถ๊ฐ
A,S
ka ์ Me
์ดํ๋ค(์ดํ
wchart of turbance mod
- 8
๋ฉฐ, n ๋ค์
ํ๊ณ(sensor f
๋ฒกํฐ์ ์ธ
ํฐ์, headin
ng ์นผ๋งํํฐ
์ธ๋ถ๊ฐ์๋
์๋๋๋ค๋
in)์์ ๊ธฐ๋ฐ
๋ํ ์ธ๋ถ ๋ชจ
๊ฐ์๋์ฑ๋ถ
ethod B ์์
ํ ์ฒซ ๋ฒ์งธ
the attitude-dels (gray bo
-
์ ๊ฐ ์ผ์์
frame)์์
์ธ๋ถ๊ฐ์๋๋ฅผ
ng ๋ฒกํฐ์
ํฐ๋ก ๊ตฌ์ฑ๋
๋๋ชจ๋ธ์ด,
๋ ์ ๊ณผ ์ด
๋ฐํ๋ค๋ ์
๋ชจ๋ธ๋ง์ ์
Ska ์ ๋
์์ ๋ชจ๋ธ๋ง
์งธ ์๋์ฒจ์
-heading estoxes).
์ ์ ํธ์ก์
๊ด์ธก๋์์
๋ฅผ ์ํ๋ฒกํฐ
์๊ธฐ๊ต๋์
๋๋ค(Fig. 2.1
heading
์ด๋ค ๊ต๋๋ชจ
์ญ์ ๋์ผ
์์ด ์ฐจ์ด๋ฅผ
๋ํด Metho
๋ง์ ๋ฐ๋ฅธ S
์ A ์ B
timation alg
์์ด๋ค. ์์ฒจ
์ ์๋ฏธํ๋ค
ํฐ๋ก ์ค์ ํ
์ ์ํ๋ฒกํฐ
์ฐธ์กฐ). ๋
์นผ๋งํํฐ์
๋ชจ๋ธ๋ค์ด 1
์ผํ๋ค.
๋ณด์ด๊ณ ์
od A ์์
B,ka ๋ ์๋
B ๋ก ๋ฐฉ๋ฒ
gorithm with
์ฒจ์
๋ค.
ํ์ฌ
ํฐ๋ก
๋ํ,
์๋
์ฐจ
์๋ค.
์์
๋์
๋ฒ์
th
- 9 -
A, A, A, 1 A, ,S S
k a k acc kc a a ฮต (2.2a)
B, B, B, 1 B, B, 1S S
k a k b kc c a a ฮต (2.2b)
์ฌ๊ธฐ์ A,ac ์ B,ac ๋ ๊ฐ๊ฐ์ ๋ฐฉ๋ฒ์์ 1 ์ฐจ ๋ง๋ฅด์ฝํ ์ฐ์์์
์ฐจ๋จ์ฃผํ์๋ฅผ ๊ฒฐ์ ํ๋ 0~1 ์ฌ์ด ๊ฐ์ ๊ฐ๋ ํ๋ผ๋ฏธํฐ์ด๋ค. ๊ต๋๋ชจ๋ธ
์ก์์ ๋ชจ๋ธ๋งํจ์ ์์ด ์ (2.2a)์ Method A ๋ ์๋ณ์ฑ๋ถ A, ,acc kฮต ๋ก
์ ์ํ ๋ฐ๋ฉด, ์ (2.2b)์ Method B ๋ B, B, 1b kc ฮต ๋ก ์ ์ํ์ฌ B,bc ๋ผ๋
๋ณ๋์ ํ๋ผ๋ฏธํฐ๋ฅผ ์ถ๊ฐ๋ก ์ฌ์ฉํ๊ณ ์๋ค.
๋น์ทํ ๋ฐฉ์์ผ๋ก ์ (2.1b)์ ์๊ธฐ๊ต๋์ฑ๋ถ Skd ์ ๋ํด ๊ฐ ๋ฐฉ๋ฒ์
๋ชจ๋ธ๋ง์ ๋ค์๊ณผ ๊ฐ๋ค.
A, A, A, 1 A, ,
S Sk d k mag kc d d ฮต (2.3a)
B, B, B, 1 B, B, 1S S
k a k b kc c d d ฮต (2.3b)
์ (2.2)์ ์ธ๋ถ๊ฐ์๋ ๋ชจ๋ธ๋ก๋ถํฐ, ๊ณต๋ถ์ฐ ํ๋ ฌ , 1acc kQ ๋ฅผ ๊ฐ๋
ํ์ดํธ ๊ฐ์ฐ์์ ์งํ์ก์ , 1acc kw ๋ฅผ ๊ฐ๊ฐ์ ๋ฐฉ๋ฒ๋ณ๋ก ๋ํ๋ด๋ฉด
๋ค์๊ณผ ๊ฐ๋ค.
, , 1 A, ,acc k acc k Aw ฮต (2.4a)
B, , 1 B, B, 1acc k b kc w ฮต (2.4b)
์ (2.4)์ ์งํ์ก์๊ณผ ์งํ์ก์์ ๋ํ ๊ณต๋ถ์ฐ ํ๋ ฌ์ ๊ด๊ณ์,
1 1 1T
k k kE Q w w [19]์ ์ ์ฉํ๋ฉด, ์ธ๋ถ๊ฐ์๋ ๋ชจ๋ธ ์งํ์ก์ ๊ณต๋ถ์ฐ
ํ๋ ฌ , 1acc kQ ๋ ๋ค์๊ณผ ๊ฐ๋ค.
A, , 1 A, , A, ,( )( )Tacc k acc k acc kE Q ฮต ฮต (2.5a)
B, , 1 B, B, 1 B, B, 1( )( )Tacc k b k b kE c c Q ฮต ฮต (2.5b)
- 10 -
์ฌ๊ธฐ์ E ๋ ๊ธฐ๋์ฐ์ฐ์(expectation operator)์ด๋ค. ๊ฐ๊ฐ์ ๋ฐฉ๋ฒ์
์(2.5)๋ฅผ ๋ค์๊ณผ ๊ฐ์ด ์ค์ ํ์๋ค[7,8].
22 1 2
A, , 1 3 A, A, 1 33 Sacc k acc a kc
Q I a I (2.6a)
2B, , 1 B, 3acc k bc Q I (2.6b)
์ฌ๊ธฐ์ 3I ๋ 3 3 ๋จ์ํ๋ ฌ์ด๋ฉฐ, acc ๋ ์ ์ ์กฐ๊ฑด์์ ์ธก์ ๋
๊ฐ์๋๊ณ ์ก์ An ์ ํ์คํธ์ฐจ์ด๋ค.
์ (2.3)์ ์๊ธฐ๊ต๋ ๋ชจ๋ธ์์ผ๋ก๋ถํฐ ์(2.6)์ ๋์๋๋ ์๊ธฐ๊ต๋
๋ชจ๋ธ ์งํ์ก์ ๊ณต๋ถ์ฐ ํ๋ ฌ , 1mag kQ ๋ฅผ ๊ตฌํ๋ฉด ๋ค์๊ณผ ๊ฐ๋ค.
22 1 2
A, , 1 3 A, A, 1 33 Smag k mag d kc
Q I d I (2.7a)
2B, , 1 B, 3mag k bc Q I (2.7b)
์ฌ๊ธฐ์ mag ๋ ์ ์ ์กฐ๊ฑด์์ ์ธก์ ๋ ์ง์๊ธฐ์ผ์ ์ก์ Mn ์
ํ์คํธ์ฐจ์ด๋ค.
Method A ์ B ๋ ๊ต๋์ฑ๋ถ์ ๋ชจ๋ธ๋งํ๋ ๋ฐฉ์์ ์์ด ์ฐจ์ด๊ฐ ์๊ณ ,
์ด์ ๋ฐ๋ผ ์งํ์ก์์ ๋ํ ๊ณต๋ถ์ฐ ํ๋ ฌ์ด ์๋ก ๋ค๋ฅด๋ค. ๋ํ Method
A ์ B ์ ์งํ์ก์ ๊ณต๋ถ์ฐ ํ๋ ฌ์ ๋น๊ตํด๋ณด๋ฉด, Method A ์ A, , 1acc kQ ์
A, , 1mag kQ ๋ ๋งค์๊ฐ๋ง๋ค ์ถ์ ๋๋ ๋ ๊ต๋์ฑ๋ถ์ ์ํด ์๋ก์ด ๊ฐ์ผ๋ก
๋ณํ๊ฒ ๋๋ ๋ฐ๋ฉด, Method B ์ B, , 1acc kQ ์ B, , 1mag kQ ๋ ๋ชจ๋ 2B, 3bc I ๋ก
๋์ผํ๋ฉฐ ํ๋ผ๋ฏธํฐ ๊ฐ์ ์ํด ์ผ์ ํ ๊ฐ์ผ๋ก ๊ณ ์ ๋์ด์๋ค. ์ฌ๊ธฐ์
๋ค๋ฃจ๊ณ ์๋ ์งํ์ก์ ๊ณต๋ถ์ฐ ํ๋ ฌ์ ์นผ๋งํํฐ์ ์ค์ฐจ ๊ณต๋ถ์ฐ(error
convariance)์ ๋ฐ์๋จ์ผ๋ก์จ, ๊ถ๊ทน์ ์ผ๋ก ์์ธ์ถ์ ์ ํ์ฑ์ ์ํฅ์
๋ฏธ์น๊ฒ ๋๋ค.
2.2.2
๊ต
9 ์ถ
์์ธ์ถ
(Natu
์ด๋
์์ธ๋ฅผ
์
1 ์
๋น ๋ฅด
์ธ๋ถ
์ฒ์ฒ
117 ร
๋ ธ์ถ
ํ๊ฒฝ(
2 ์ค ํ
๋์ฑ๋ถ ๋ชจ๋ธ
IMMU ๋ก
์ถ์ ๊ฒฐ๊ณผ
uralPoint, US
, MTw ๋
๋ฅผ ์ ๊ณตํ๊ณ
ํ์ ์๋ก
์์๋ ์ธ๋ถ
๊ฒ(ํ๊ท ๊ฐ์
๊ฐ์๋๋ฅผ ๋ฐ
ํ(ํ๊ท ๊ฐ์
ร 225 ร 2.2 m
์์ผฐ๋ค. Tes
(Test 2 ์
F
๋ธ๋ง์ ์ํ
MTw(Xsens
๊ณผ๋น๊ต๋ฅผ ์
SA) ๊ดํ์
์์ฒด์ ์
๊ณ ์๋๋ฐ ์ด
๋ค๋ฅธ ๊ต
๋ถ๊ฐ์๋์
์๋: 3.4[m/
๋ฐ์์์ผฐ๋ค.
์๋: 2.8[m/
mm3 ํฌ๊ธฐ์
st 3 ์์๋
์ ๋์ผ)์์
Fig. 2.2. Test
- 11
ํ ์์ธ์ถ์
s Technolog
ํ ์ฐธ์กฐ๊ฐ
๋ชจ์ ์บก์ณ
์ธ์ถ์ ์๊ณ
์ด๋ฅผ Method
๋์กฐ๊ฑด์ 3
์ด์ ์ ๋ง
/s2], ์ต๋๊ฐ
. Test 2 ์
/s2], ์ต๋๊ฐ
์ ์ฒ ์ ์์ฑ
๋ ๋ ๊ต๋์ฑ
์ ๋น ๋ฅด๊ฒ(ํ
setup: OptiT
1 -
์ฑ๋ฅ์ ๋น
ies B.V., N
๊ฐ์ ์ป๊ธฐ
์์คํ ์ ์ฌ
๊ณ ๋ฆฌ์ฆ์ ํต
d C ๋ผ๊ณ ํ๋ค
3 ๊ฐ์ง ์
๋ง์ถ์ด, ์๊ธฐ
๊ฐ์๋: 26.4
์์๋ ์๊ธฐ
๊ฐ์๋: 17.4
์ฑ์ฒด๋ฅผ ์ด์ฉ
์ฑ๋ถ์ด ๋ชจ๋
ํ๊ท ๊ฐ์๋
Track Flex13
๊ตํ๊ธฐ ์ํ
etherlands)๋ฅผ
์ํด Opti
์ฌ์ฉํ์๋ค(
ํตํด ๋งค์ฐ ๋
๋ค.
์ํ์ด ์งํ
๊ธฐ๊ต๋์ด ์
[m/s2]) ์์ธ
๊ธฐ๊ต๋์ ์ด
[m/s2]) ์์ธ
์ฉํ์ฌ ์ผ์๋ฅผ
๋ ๋ฐ์๋๋
: 4.2[m/s2],
3 and MTw.
ํ์ฌ ์ํ์
๋ฅผ ์ฌ์ฉํ์
iTrack Flex
(Fig. 2.2 ์ฐธ
๋์ ์ ํ๋
ํ๋์๋ค. T
์๋ ํ๊ฒฝ์
์ธ๋ฅผ ๋ณ๊ฒฝํ
์ด์ ์ ๋ง์ถ
์ธ๋ฅผ ๋ณ๊ฒฝํ
๋ฅผ ์๊ธฐ๊ต๋
๋๋ก, ์๊ธฐ๊ต
, ์ต๋๊ฐ์
์๋
์๊ณ ,
x13
์ฐธ์กฐ).
๋์
Test
์์
ํ์ฌ
์ถ์ด,
ํ๋
๋์
๊ต๋
์๋:
- 12 -
21.0[m/s2]) ์์ธ๋ฅผ ๋ณ๊ฒฝํ๋ฉฐ ์์ง์๋ค.
Method B ์ ๋ ๊ต๋์ฑ๋ถ ๋ชจ๋ธ์, ์ (2.2b)์ ์(2.3b)๋ฅผ ๋ณด๋ฉด, ํ๋์
ํ๋ผ๋ฏธํฐ ๊ฐ์ด ๋ ๋ชจ๋ธ์์ ๋ชจ๋ ์ ์ฉ๋๊ณ ์๋ค. ์๋ฅผ ๋ค์ด, B,ac ๋
attitude ์ heading ์ถ์ ๋ชจ๋์ ์ฌ์ฉ๋๋ค. ๊ฐ์ํ๊ฒฝ๊ณผ ์๊ธฐํ๊ฒฝ์ด ์๋ก
์์ดํ ๋งํผ ๋ ๊ต๋์ฑ๋ถ ๋ชจ๋ธ์์ ํ๋ผ๋ฏธํฐ๋ ๋ถ๋ฆฌํ์ฌ ๋ ๋ฆฝ์ ์ผ๋ก
์ฌ์ฉํ๋ ๊ฒ์ด ์์ธ์ถ์ ์ ํ๋์ธก๋ฉด์์ ์ ๋ฆฌํ ๊ฒ์ด๋ค. ์ดํ ์ด๋ฐ
๋ฐฉ์์ Method B'๋ผ๊ณ ํ๋ค.
๋ณธ ์ฅ์ Method A ์ Method B ๋ฟ ์๋๋ผ Method B ๋ฅผ ๋ณํํ Method
B'์ MTw ์ํํธ์จ์ด Method C ๋ก๋ถํฐ์ ๊ฒฐ๊ณผ๋ฅผ ๋น๊ตํ์๋ค.
2.3 ๊ฒฐ ๊ณผ
2.3.1 ํ๋ผ๋ฏธํฐ ํ๋์ ๋ฐ๋ฅธ ์ถ์ ์ ํ์ฑ ๋ฏผ๊ฐ๋
๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง์ ์ฌ์ฉ๋ ํ๋ผ๋ฏธํฐ ์ ์ ์ ์์ธ์ถ์ ์ฑ๋ฅ์ ์ํฅ์
๋ผ์น๋ ์ค์ํ ์์ ์ค ํ๋์ด๋ค. Fig. 2.3 ๊ณผ 2.4 ์ ๊ฐ๊ฐ Method A ์
B ์ ํ๋ผ๋ฏธํฐ๋ฅผ ๊ฐ์ฉ๋ฒ์(0.05~0.7) ๋ด์์ ํ๋ ํ์์ ๊ฒฝ์ฐ, ๊ทธ์
๋ฐ๋ฅธ Test 1~3 ์ ์์ธ์ถ์ ๊ฒฐ๊ณผ๋ฅผ RMSE(root mean squared error)
ํ๊ท ์ผ๋ก ๋ณด์ฌ์ฃผ๊ณ ์๋ค. ์ด๋ Method A ์ ํ๋ผ๋ฏธํฐ์ Method B ์
ํ๋ผ๋ฏธํฐ๋ ์ผ๋์ผ ๋์๊ตฌ์กฐ๊ฐ ์๋๋ฏ๋ก ์ง์ ๋น๊ต๋ ํ ์ ์๋ค.
๋ฐ๋ผ์, ๊ฐ ๋ฐฉ๋ฒ๋ณ๋ก ํ๋ผ๋ฏธํฐ ๋ณํ์ ๋ฐ๋ฅธ ์์ธ์ถ์ ๊ฒฐ๊ณผ๋ฅผ ๋ถ์ํ๋ฉด
๋ค์๊ณผ ๊ฐ๋ค.
Method A: ์ํ์กฐ๊ฑด์ ๋ฐ๋ผ ๊ฒฝํฅ์ ์ฐจ์ด๋ฅผ ๋ณด์์ผ๋, ํ๋ผ๋ฏธํฐ ๊ฐ์ด
์ผ์ ๋ฒ์( A, A,0.1 0.2, 0.05 0.2a dc c ) ๋ด์ ์์ ๊ฒฝ์ฐ ์ ์ฌํ๋ฉด์๋
์์ ์ ์ธ ์ฑ๋ฅ์ด์์ผ๋, ์ผ์ ๋ฒ์๋ฅผ ๋์ด์ ๊ตฌ๊ฐ์์๋ ์์ธ์ถ์
์ ํ์ฑ์ด ๊ธ๊ฒฉํ๊ฒ ์ ํ๋์๋ค.
์ธ
์ต์
๋๋
์๊ธฐ
ํ์ธ
Me
Fig
Fig
๊ฐ์ง ํ ์คํธ
์ ํ๋ผ๋ฏธํฐ
๋ฌ์ง๊ฒ ๋ณด
๊ต๋๋ชจ๋ธ๊ด
ํ ์ ์์
ethod B: ๋ชจ
g. 2.3. ParamTest 1
g. 2.4. ParamTest 1
ํธ ๊ฒฐ๊ณผ๋ฅผ
ํฐ๋ก ๊ฐ์ฅ
๋ณด์ฌ์ง๋ฏ M
๊ด๋ จ A,dc ๊ฐ
๋ค.
๋ชจ๋ ์ํ์
meter tuning 1, (b) Test 2,
meter tuning 1, (b) Test 2,
- 13
์ ์ฒด์ ์ผ๋ก
์ฐ์ํ ๊ฒฐ๊ณผ
ethod A
์์ธ์ถ์ ์
์ ํ๋ผ๋ฏธํฐ
results of M, and (c) Test
results of M, and (c) Test
3 -
๋ก ๊ณ ๋ ค์ Ac
๊ณผ๋ฅผ ๋ณด์๋ค
์์ ๊ฐ์
์ ๋ ํฌ๊ฒ
ํฐ ๊ฐ์ด ์ผ
Method A: RMt 3.
Method B: RMt 3.
A, A,0.1,a dc
๋ค. ํํธ, F
์๋ ๋ชจ๋ธ๊ด
๊ฒ ์ํฅ์
์ ๋ฒ์( 0.
MSEs in esti
MSEs in esti
0.1d ์กฐํฉ
Fig. 2.3(c)์
๊ด๋ จ A,ac ๋ณด
๋ฏธ์น๋ ๊ฒ
B,.05 0ac
mation of (a
mation of (a
ํฉ์ด
์์
๋ณด๋ค
๊ฒ์
0.7 ,
a)
a)
- 14 -
B,0.05 0.2bc ) ๋ด์ ์์ ๊ฒฝ์ฐ, ์์ธ์ถ์ ์ ํ์ฑ์ ๋ฏผ๊ฐํ๊ฒ ๋ฐ์ํ์ง
์๊ณ ์์ ์ ์ด์๋ค. ์์ธ์ถ์ ์ ์์ด ์ฐจ๋จ์ฃผํ์๊ด๋ จ B,ac ๋ณด๋ค
๋ชจ๋ธ์ก์๊ด๋ จ B,bc ์ ๋ ๋ฏผ๊ฐํ๊ฒ ๋ฐ์ํ์๋ค(Fig. 2.4 ์ฐธ์กฐ).
2.3.2 ํ๋ผ๋ฏธํฐ ๊ณ ์ ์ ์ถ์ ์ ํ์ฑ
Table 2.1 ์ Method A, Method B, ๊ทธ๋ฆฌ๊ณ Method B'์ ํ๋ผ๋ฏธํฐ ํ๋
๊ฒฐ๊ณผ ์๋์ ๊ฐ์ ์ต์ ์ ๊ฐ์ผ๋ก ๊ณ ์ ํ์์ ๊ฒฝ์ฐ์ ๋ํ ์ค์ผ๋ฌ๊ฐ
์์ธ์ถ์ RMSE ๊ฒฐ๊ณผ์ด๋ค.
- Method A: A, A,0.1, 0.1a dc c
- Method B: B, B,0.1, 0.05a bc c
- Method B': B', 1 B', 1 B', 2 B', 20.05, 0.2, 0.05, 0.05a b a bc c c c
Test 1 ์ ๊ฒฝ์ฐ ์ธ๋ถ๊ฐ์๋์ ์ด์ ์ ๋ง์ถ์ด ์๊ธฐ๊ต๋์ด ์๋
Table 2.1. RMSEs in estimations from four different methods (unit: degree).
Roll Pitch Yaw Average
Test 1
Method A 2.48 1.38 1.60 1.82
Method B 1.82 2.36 5.05 3.08
Method B' 1.98 1.47 3.89 2.45
Method C 1.24 0.77 2.03 1.35
Test 2
Method A 1.80 1.38 1.10 1.43
Method B 1.21 1.89 4.36 2.49
Method B' 1.11 1.02 3.56 1.90
Method C 1.16 1.00 1.28 1.15
Test 3
Method A 1.72 1.14 3.44 2.10
Method B 1.91 1.95 7.64 3.83
Method B' 1.35 1.29 6.43 3.02
Method C 2.15 1.35 3.40 2.30
ํ๊ฒฝ
Meth
ํผ์น
ํจ๊ณผ๋ฅผ
๋ณด์
Tes
๋ณ๊ฒฝ
Meth
์ฐ์
Tes
๊ต๋
ํฌ๊ฒ
๋ฐ์
7.64ยฐ
Fig
โป
์์๋ ๋ถ๊ตฌ
hod B ์ ๊ฐ
์ ๋นํด ํฌ
๋ฅผ ๋ณด์๋ค.
๋ค.
st 2 ์ ๊ฒฝ
ํ์๊ธฐ ๋๋ฌธ
hod B ๋ฅผ
ํ ์ ํ์ฑ์
st 3 ์ ๊ฒฝ
์ฑ๋ถ์ ์ํฅ
์ฆ๊ฐํ์๋ค
ํ์๋๋ฐ,
ยฐ๋ก 4ยฐ ์ด์
g. 2.5. Yawrefere
โปNote: Figure can
๊ตฌํ๊ณ , Met
๊ฐ์ ์ฑํฅ์
ํฌ๊ฒ ๋์์ง๋ง
Method A ๋
๊ฒฝ์ฐ ์๊ธฐ๊ต
๋ฌธ์ ๋ชจ๋
์ ์ธํ ๋
์ ๋ณด์๋ค.
๊ฒฝ์ฐ ๋ ๊ต๋
ํฅ์ ๋ฐ๋
๋ค. ์์ฑ๋ถ
Method A
์์ ์ด์ธ๋ฅผ
w estimationence from then be viewed in co
- 15
thod B ์ ์
์ ๊ฐ๋ Me
๋ง, Method
๋ Method
๊ต๋ ํ๊ฒฝ์
๋ฐฉ๋ฒ์์
๋๋จธ์ง ๋ฐฉ๋ฒ
๋์ฑ๋ถ์ ์
Test 1 ๊ณผ
์ถ์ ์ ์
์์์ ์ค
๋ณด์์ผ๋ฉฐ, M
n errors in e optical traclor in the PDF ve
5 -
์์ฑ๋ถ ์ค์ฐจ
ethod B' ๋
B ๋ณด๋ค RM
C ์ ๋น์ทํ
์์ ์คํ๋
Test 1 ๋ณด๋ค
๋ค์ ๋ชจ๋
์ํฅ์ ๋ชจ๋
2 ์ ๋นํด
์์ด์๋ ๋ฐฉ
์ค์ฐจ๊ฐ 3.44
Method B'๋
Test 3 witcker (dashed)ersion of thesis on
์ฐจ๋ 5.05ยฐ๋ก
๋ํ ์์ฑ๋ถ
MSE ํ๊ท ์ด
ํ ๊ฒฐ๊ณผ๋ก ๋
๋์์ง๋ง ์
๋ค ์ข์ ๊ฒฐ
๋ RMSE ํ
๋ ๋ฐ์๊ธฐ ๋
ํด ๋ชจ๋ ๋ฐฉ๋ฒ
๋ฐฉ๋ฒ๊ฐ ์ฑ๋ฅ
ยฐ์ธ ๋ฐ๋ฉด
๋ Method A
th respect to). n the RISS websi
ํฌ๊ฒ ๋์
์ค์ฐจ๊ฐ ๋กค
0.63ยฐ ๊ฐ์
๋์ ์ ํ์ฑ
์์ธ๋ฅผ ์ฒ์ฒ
๊ฒฐ๊ณผ๊ฐ ๋์
ํ๊ท 2ยฐ์ดํ
๋๋ฌธ์ ํ๊ฐ
๋ฒ์์ ์ค์ฐจ
๋ฅ์๋ ์ฐจ์ด
Method B
๋๋น ์ฝ 3ยฐ
o the truth
te, www.riss.kr.
์๋ค.
๋กค๊ณผ
์ ๋
์ฑ์
์ฒํ
์๋ค.
ํ์
๊ฐ์ง
์ฐจ๊ฐ
์ด๊ฐ
๋
ยฐ์
th
- 16 -
์ด์ธ๋ฅผ ๋ณด์๋ค. ์ค์ฐจ๊ฒฝํฅ์ ์์ด Method B ์ B'๋ ์ ํ๋์ ์ฐจ์ด๊ฐ
์์๋ฟ ๋น์ทํ์์ง๋ง, Method A ์ C ๋ ์์ดํ์๋ค (Fig. 2.5 ์ฐธ์กฐ).
์ข ํฉ์ ์ผ๋ก ๋น๊ตํด๋ณด๋ฉด, ๋กค๊ณผ ํผ์น์ ์ถ์ ์ฑ๋ฅ์ ๋ชจ๋ ๋ฐฉ๋ฒ์์ ์ฝ
2ยฐ ์ดํ๋ก ์ฐ์ํ์๊ธฐ ๋๋ฌธ์ ์ฐ์ธ๋ฅผ ํ๋ณํ ์ ์์๋ค โ (Method
A/B/B'/C ์์๋ก) ๋กค ์ถ์ RMSE ํ๊ท : 2.00ยฐ/1.65ยฐ/1.48ยฐ/1.52ยฐ; ํผ์น ์ถ์
RMSE ํ๊ท : 1.30ยฐ/2.07ยฐ/1.26ยฐ/1.04ยฐ. ๊ทธ๋ฌ๋, ์์ฑ๋ถ ์ถ์ ์ฑ๋ฅ์
์๊ธฐ๊ต๋์ด ์๋ Test 1 ์์์กฐ์ฐจ ์ต๋ 3ยฐ ์ด์์ ์ฐจ์ด๊ฐ ๋๋ ๋ฑ
์ฑ๋ฅ๊ฐ ํธ์ฐจ๋ฅผ ๋ณด์๋ค. Method A ๋ XKF-3-w ์๊ณ ๋ฆฌ์ฆ[20]์ด๋ผ ๋ถ๋ฆฌ๋
MTw ์ ๋ด๋ถ์๊ณ ๋ฆฌ์ฆ์ธ Method C ์ ๋น์ทํ ์ฑ๋ฅ์ผ๋ก ๋งค์ฐ ์ ํํ
๊ฒฐ๊ณผ๋ฅผ ์ฃผ์๋ค. Method B ์ Method B'์ ์์ฑ๋ถ ์ถ์ ์ฑ๋ฅ์ Method
A ์ ๋นํด ํ์ ํ ๋จ์ด์ก์ง๋ง, Method B ์ ๋ฌธ์ ์ ์ ๊ทผ๋ณธ์ ์ธ
๋ฐฉ๋ฒ์ผ๋ก ํด๊ฒฐํ Method B'๋ฅผ ํตํด Method B ์ ์์ฑ๋ถ ์ถ์ ์ฑ๋ฅ์ ์ฝ
1.05ยฐ ๊ฐ์ ์ํฌ ์ ์์๋ค โ ์ ์ถ์ RMSE ํ๊ท : 2.05ยฐ/5.68ยฐ/4.63ยฐ/2.24ยฐ.
2.4 ๊ณ ์ฐฐ ๋ฐ ๊ฒฐ๋ก
ํ๋ผ๋ฏธํฐ ํ๋์ ๋ฐ๋ฅธ ์ถ์ ์ ํ์ฑ ๋ฏผ๊ฐ๋๋ ์ผ์ ๋ฒ์๋ด์์ ํฌ์ง๋
์์์ง๋ง, ๊ฒฐ๊ณผ์ ์ํฅ์ ์ฃผ๋ ๋งํผ ์ต์ ์ ํ๋ผ๋ฏธํฐ ์ ์ ์ ์๊ณ ๋ฆฌ์ฆ
์ด์ฉ์ ์์ด ์ค์ํ ์์์ด๋ค. ๊ทธ๋ฌ๋ฏ๋ก ์ ์ ๋์ด์ผ ํ ํ๋ผ๋ฏธํฐ์
์ฆ๊ฐ๋ ์๊ณ ๋ฆฌ์ฆ ์ด์ฉ์ ํธ์์ฑ์ ์ ํดํ ์ ์๋ค. ๋ฐ๋ผ์, 2 ๊ฐ์
ํ๋ผ๋ฏธํฐ๋ฅผ ๊ฐ๋ Method B ๋ 4 ๊ฐ์ ํ๋ผ๋ฏธํฐ๋ฅผ ๊ฐ๋ Method B'์
๋นํด ์ถ์ ์ ํ๋๋ ๋ค์ ๋จ์ด์ง๋ ๋ฐ๋ฉด ํธ์์ฑ์ด ์ฐ์ํ๋ค๊ณ ํ ์
์๋ค. Method A ์ญ์ Method B ์ ๋ง์ฐฌ๊ฐ์ง๋ก 2 ๊ฐ์ ํ๋ผ๋ฏธํฐ๋ฅผ ๊ฐ์ง๋,
ํ๋ผ๋ฏธํฐ์ ๊ตฌ์ฑ์ Method A ์ B ๊ฐ ์๋ก ์ ํ ๋ค๋ฅด๋ค. ๊ตฌ์ฒด์ ์ผ๋ก,
Method A ๋ 2 ๊ฐ์ ํ๋ผ๋ฏธํฐ๊ฐ ์ธ๋ถ๊ฐ์๋๋ชจ๋ธ๊ณผ ์๊ธฐ๊ต๋๋ชจ๋ธ์
ํ๋์ฉ ์ฌ์ฉ๋๋ ๋ฐ๋ฉด, Method B ์์๋ 2 ๊ฐ์ ํ๋ผ๋ฏธํฐ๊ฐ
- 17 -
์ธ๋ถ๊ฐ์๋๋ชจ๋ธ๊ณผ ์๊ธฐ๊ต๋๋ชจ๋ธ์ ๋ชจ๋ ๊ณต์ ๋์ด ์ฌ์ฉ๋๊ณ ์๋ค. ์ฆ,
Method A ์์ ํ๋์ ํ๋ผ๋ฏธํฐ๋ ํ๊ฐ์ง ์์ธ์ถ์ ์๋ง ์ํฅ์ ๋ฏธ์น๋
๊ตฌ์กฐ์ด๊ธฐ ๋๋ฌธ์ ์๋ก ์ฐ๋๋์ง ์๊ณ ๋ ๋ฆฝ์ ์ผ๋ก ์ ์ ์ด ๊ฐ๋ฅํ
์ฅ์ ์ ๊ฐ๋๋ค.
๋ณธ ์ฅ์์๋ Method A ์ B ๋ฅผ ๋ค์ํ ์ํ์กฐ๊ฑด์์ ๋น๊ตํจ์ผ๋ก์จ,
๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง์ด ๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ ์์ธ์ถ์ ์ ํ์ฑ์ ๋ฏธ์น๋
์ํฅ์ ํ์ธํ์๊ณ ๋ค์๊ณผ ๊ฐ์ ๊ฒฐ๋ก ์ ๋์ถํ์๋ค.
(1) ๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ์ 3 ์ฐจ์ ์์ธ์ถ์ ์ ์์ด, ๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง์
์ฐจ์ด๋ ์งํ์ก์ ๊ณต๋ถ์ฐ ํ๋ ฌ์ ์ฐจ์ด๋ฅผ ๋ฐ์์ํค๋ฉฐ ์ด๋ก ์ธํด
์์ธ์ถ์ ์ ํ์ฑ์๋ ์ํฅ์ ๋ฏธ์น๋ค. ์ฐธ๊ณ ๋ฌธํ[7]์์ ์ ์ํ๋
์์ธ์ถ์ ์๊ณ ๋ฆฌ์ฆ์ธ Method A ๊ฐ ์ฐธ๊ณ ๋ฌธํ[8]์์ ์ ์ํ๋ ์์ธ์ถ์
์๊ณ ๋ฆฌ์ฆ์ธ Method B ๋ณด๋ค 3 ์ฐจ์ ์์ธ ํ๊ท ์์ 1.35ยฐ, ์์ฑ๋ถ์์
3.63ยฐ๋งํผ ๋ ์ฐ์ํ ์ถ์ ์ ํ์ฑ์ ๋ณด์๋ค.
(2) ์ฐธ๊ณ ๋ฌธํ[8]์์ ์ ์ํ๋ Method B ์ ๋ฌธ์ ์ ์ ํด๊ฒฐํ๊ธฐ ์ํ
๋ณ๊ฒฝ๋ฐฉ๋ฒ์ธ Method B'๋ฅผ ํตํด, ์์ฑ๋ถ ์ถ์ ์ฑ๋ฅ์ ์ฝ 1.05ยฐ ๊ฐ์ ์ํค๋
ํจ๊ณผ๋ฅผ ์ป์๋ค. ํ์ง๋ง ์ด ๊ฒฝ์ฐ ์ ์ ํ๋ผ๋ฏธํฐ ์๊ฐ 4 ๊ฐ๋ก ์ฆ๊ฐํ๋ค๋
๋จ์ ์ ์ง๋๋ค.
(3) ๋ฏธ์ธํ ๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง์ ์ฐจ์ด๊ฐ ์์ธ์ถ์ ์ ํ๋์ ์ํฅ์
์ฃผ๋ ๊ฒ์ ํ์ธํ ์ ์์์ผ๋ฉฐ, ๊ฐ์ํ์ค, ์คํฌ์ธ ๊ณผํ๊ณผ ๊ฐ์
๊ฐ์ํ๊ฒฝ์ด๋ ๋ก๋ด, ๋ฌด์ธํญ๊ณต๊ธฐ์ ๊ฐ์ ์๊ธฐ๊ต๋ ํ๊ฒฝ์์ ์ ํํ
์์ธ ์ถ์ ์ ์ํด ๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง ์ ์ถ์ ์ ์ ํ๋์ ์ด์ฉ์ ํธ์์ฑ
๋ฑ์ด ์ข ํฉ์ ์ผ๋ก ๊ณ ๋ ค๋์ด์ผ ํ๋ค.
๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง์ ํ๋ผ๋ฏธํฐ ์ ์ ์ ์์ธ์ถ์ ์ฑ๋ฅ๊ณผ ์ ํ ๊ด๋ จ์ด
์๋ ๋งค์ฐ ์ค์ํ ์์์ด๋ค. ์ธ๋ถ ํ๊ฒฝ ๋ณํ์ ๋ฐ๋ผ ์๋์ ์ผ๋ก
๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง์ ํ๋ผ๋ฏธํฐ๋ฅผ ๋ณ๊ฒฝํ๋ ๋ฐฉ์์ ํตํด ์ฑ๋ฅ ํฅ์์
๊ธฐ๋ํ ์ ์์ผ๋ฉฐ, ์ด์ ๋ํ ์ฐ๊ตฌ๋ฅผ ์งํํ ์์ ์ด๋ค.
- 18 -
Acknowledgement
๋ณธ ์ฅ์ ๋ํ ๋ด์ฉ์ ๋ค์ ๋ ผ๋ฌธ(์ฐธ๊ณ ๋ฌธํ[49])์ ๊ธฐ๋ฐ์ผ๋ก
์์ฑ๋์๋ค: ์ต๋ฏธ์ง, ์ด์ ๊ทผ, โ๊ต๋์ฑ๋ถ ๋ชจ๋ธ๋ง์ด IMMU ๊ธฐ๋ฐ ์์ธ์ถ์
์ ํ์ฑ์ ๋ฏธ์น๋ ์ํฅ,โ ๋ํ๊ธฐ๊ณํํ ๋ ผ๋ฌธ์ง(A), 41 ๊ถ, 8 ํธ, pp. 783-789,
2017 ๋ 4 ์.
- 19 -
3. ์ ํํ ๋ฐฉ์๊ฐ ์ถ์ ์ ์ํ ์ฐจ์ ๋ณํ ๋ฐฉ์
์๊ธฐ์๊ณก ๋ณด์ ๋ฉ์ปค๋์ฆ
3.1 ์ ๋ก
์ผ์์ตํฉ ๊ธฐ์ ์ ํญ๋ฒ์์คํ , ๋ก๋ด, ์ฆ๊ฐํ์ค, ์คํฌ์ธ ๊ณผํ ๋ฑ ์ฌ๋ฌ
์์ฉ๋ถ์ผ์์ ํญ๋๊ฒ ์ฌ์ฉ๋๊ณ ์๋ค[21-24]. ํนํ, ๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ์
์ผ์์ตํฉ ๊ธฐ์ ์ 3 ์ฐจ์ ์์ธ๋ฅผ ์ถ์ ํ๋ ๊ด์ฑ ๋ชจ์ ์บก์ณ(inertial motion
capture) ์์คํ ์ ํต์ฌ ๊ธฐ์ ๋ก ์ฌ์ฉ๋๊ณ ์๋ค[7,8,24-26]. ์ฌ๊ธฐ์
๊ด์ฑ์๊ธฐ์ผ์๋ 3 ์ถ ์์ด๋ก์ค์ฝํ(gyroscope)์ 3 ์ถ ๊ฐ์๋๊ณ
(accelerometer)๋ก ์ด๋ฃจ์ด์ง IMU(inertial measurement unit)์ 3 ์ถ
์ง์๊ธฐ์ผ์(magnetometer)๊ฐ ๊ฒฐํฉ๋ ์ผ์๋ชจ๋์ด๋ค.
๊ด์ฑ์๊ธฐ์ผ์๋ฅผ ์ด์ฉํ 3 ์ฐจ์ ์์ธ ์ถ์ ์ ๊ธฐ๋ณธ์ ์ธ ์๋ฆฌ๋,
์์ด๋ก์ค์ฝํ๋ฅผ ํตํด ์ธก์ ๋ ๊ฐ์๋๋ฅผ ์ ๋ถํ์ฌ ์์ธ๋ฅผ ์์ธกํ๊ณ ,
์ ๋ถ๊ณผ์ ์ ๋ฐ๋ณตํจ์ ๋ฐ๋ผ ๋์ ๋๋ ํ๋ฅ(drift)์ค์ฐจ๋ฅผ ๊ฐ์๋๊ณ์
์ง์๊ธฐ์ผ์๊ฐ ์ ๊ณตํ๋ ๊ณ ์ ์ฐธ์กฐ๋ฒกํฐ(reference vector)๋ฅผ ์ด์ฉํ์ฌ
๋ณด์ ํ๋ค[7]. ์ฌ๊ธฐ์ ๊ฐ์๋๊ณ๋ ์์ง๋ฐฉํฅ ์ฐธ์กฐ๋ฒกํฐ์ธ ์ค๋ ฅ๊ฐ์๋๋ฅผ
ํตํด ๊ฒฝ์ฌ๊ฐ(tilt)์ ๋ณด์ ํ๊ณ , ์ง์๊ธฐ์ผ์๋ ์ํ๋ฐฉํฅ ์ฐธ์กฐ๋ฒกํฐ์ธ
์ง๊ตฌ์๊ธฐ์ฅ์ ํตํด ๋ฐฉ์๊ฐ(azimuth)์ ๋ณด์ ํ๋ค. ๋ฐ๋ผ์ ์ ํํ
์ฐธ์กฐ๋ฒกํฐ๋ฅผ ์ธก์ ํ๋ ๊ฒ์ด ์์ธ ์ถ์ ์ ์์ด ์ค์ํ ์์์ด๋ค. ๊ทธ๋ฌ๋
๋์ ์กฐ๊ฑด์์ ๊ฐ์๋๊ณ ์ ํธ๋ ์ค๋ ฅ๊ฐ์๋์ ์ผ์๊ฐ ์์ง์ด๋ฉด์
๋ฐ์๋๋ ์ธ๋ถ๊ฐ์๋๊ฐ ๊ต๋์ฑ๋ถ์ผ๋ก ๋ํด์ง๊ฒ ๋๊ณ , ์ง์๊ธฐ์ผ์
์ ํธ๋ ์ง๊ตฌ์๊ธฐ์ฅ์ ์ผ์์ฃผ๋ณ์ ์์ฑ์ฒด์ ์ํด ๋ฐ์๋
์๊ธฐ์๊ณก(magnetic distortion)์ด ๊ต๋์ฑ๋ถ์ผ๋ก ๋ํด์ ธ ์ ํํ ์ฐธ์กฐ๋ฒกํฐ๋ฅผ
์ธก์ ํ ์ ์๊ฒ ๋๋ค. ์ด์ฒ๋ผ ์ฐธ์กฐ๋ฒกํฐ์ ๊ต๋์ฑ๋ถ์ด ๋ํด์ง๊ฒ ๋๋ฉด
- 20 -
์ฐธ์กฐ๋ฒกํฐ์ โ๊ณ ์ ์ฑโ์ด ํผ์๋๊ณ ์ด๋ ์์ธ ์ถ์ ์ ์์ด ์ ํ์ฑ ์ ํ์
์ฃผ๋ ์์ธ์ด ๋๋ค. ๋ฐ๋ผ์ ์์ธ ์ถ์ ์๊ณ ๋ฆฌ์ฆ์ ์์ด ์ ํ์ฑ ์ ํ
๋ฐฉ์ง๋ฅผ ์ํ ๊ต๋์ฑ๋ถ ๋ณด์ ๋ฉ์ปค๋์ฆ์ด ๋ฐ๋์ ํ์ํ๋ค[7,8].
๋ ๊ฐ์ง ๊ต๋์ฑ๋ถ ์ค์์ ๋ณธ ์ฅ์ ์ฃผ์ ์ธ ์๊ธฐ์๊ณก์ ํนํ ์ฌ๊ฐํ
๋ฌธ์ ๋ฅผ ๋ฐ์์ํค๋ ๊ฒ์ผ๋ก ์ธ์๋๊ณ ์๋ค[13,16]. ์๋ํ๋ฉด, ๊ต๋์ฑ๋ถ
์ค ๋ค๋ฅธ ํ๋์ธ ์ธ๋ถ๊ฐ์๋์ ๊ฒฝ์ฐ ์ธ๋ถ๊ฐ์๋์ ํฌ๊ธฐ์ ์ง์์๊ฐ์ด
ํฌ์ง ์์ ๊ฒฝ์ฐ๊ฐ ๋๋ถ๋ถ์ธ ๋ฐ๋ฉด(์, ํ์ ์ฌํ์ฉ ๋์๋ถ์๋ถ์ผ ๋ฑ),
์๊ธฐ์๊ณก์ ๊ด์ฑ์๊ธฐ์ผ์์ ์ ์ฉ๋ถ์ผ์ ๋ฐ๋ผ ๋งค์ฐ ํฐ ์์ฑ์ฒด์ ๋น๋ฒํ
๋ ธ์ถ๋ ์ ์๊ธฐ ๋๋ฌธ์ด๋ค. ์๋ฅผ ๋ค์ด, ๋ฐฉ์๊ฐ ์ถ์ ๊ณผ์ ์์ ์ ๋ฐ,
ํญ๊ณต๊ธฐ, ๋ก๋ด๊ณผ ๊ฐ์ ์์ฑ์ฒด์ ํจ๊ป ์ฌ์ฉํ๋ ๊ฒฝ์ฐ๊ฐ ๋ง๊ณ ์์ฑ์ฒด์
ํจ๊ป ์ฌ์ฉ๋๋ ๊ฒฝ์ฐ๊ฐ ์๋๋๋ผ๋ ์ฃผ๋ณ ๊ฑด๋ฌผ ๋ฐ ์ ์๊ธฐ๊ธฐ๋ก๋ถํฐ
๋ฐ์๋๋ ๋ค์ํ ์๊ธฐ์๊ณก์ด ์กด์ฌํ๊ธฐ ๋๋ฌธ์, ์ ํํ ๋ฐฉ์๊ฐ ์ถ์ ์
์ํด ์๊ธฐ์๊ณก์ ๋ฐ๋์ ๊ณ ๋ คํด์ผ ํ๋ ์์ธ์ด๋ค[7,8,13,16,26].
์ด์ ๋ค์ํ ์๊ธฐ์๊ณก ๋ณด์ ๋ฉ์ปค๋์ฆ์ด ์ ์๋์ด์๋ค. ์ฐธ๊ณ ๋ฌธํ
[9,11]์์๋ ์๊ธฐ์๊ณก์ ์ ๋ฌด๋ฅผ ํ๋จํ์ฌ ์ฐธ์กฐ๋ฒกํฐ๋ฅผ ๋ณํํ๋ ๋ฒกํฐ
์ ํ๋ฐฉ์์ด ์๊ฐ๋์์ผ๋ฉฐ, ์ฐธ๊ณ ๋ฌธํ[27]์์๋ ์๊ธฐ์๊ณก์ด ์กด์ฌํ๋
๊ฒฝ์ฐ ์นผ๋งํํฐ์ ๋ ์ง๋์ผ(residual) ๋ฒกํฐ๊ฐ ์ปค์ง๋ ์๋ฆฌ๋ฅผ ์ด์ฉํ์ฌ
๊ทธ์ ์์ํ๊ฒ ์ธก์ ์ก์ ๊ณต๋ถ์ฐ ํ๋ ฌ์ ๊ฐ์ค์น๋ฅผ ์กฐ์ ํ๋
์ ์ํํฐ๋ฐฉ์์ด ์๊ฐ๋์๋ค. ํํธ, ์ฐธ๊ณ ๋ฌธํ[28]์์๋ Gauss-Markov
๊ธฐ๋ฐ์ ์๊ธฐ์๊ณก ๋ชจ๋ธ์ ํตํ์ฌ ๋ณด์ํ๋ ๋ฐฉ์์ด ์๊ฐ๋์๋ค. ์ด๋ฅผ
๋ฐ์ ์์ผ ์ฐธ๊ณ ๋ฌธํ[26]์์๋ ์๊ธฐ์๊ณก ๋ชจ๋ธ์ฐจ์๋ฅผ ๊ธฐ์กด 1 ์ฐจ์์
2 ์ฐจ๊น์ง ํ์ฅํ๊ณ ์ด๋ฅผ ์ํฉ์ ๋ฐ๋ผ ๋ณํํ์ฌ ์ ์ฉํ๋ ๋ฐฉ๋ฒ์
์๊ฐํ์๊ณ , ๋ณธ ์ฅ์์๋ ์ด๋ฅผ ์์ฉํ๊ณ ์๋ค. ํ์ง๋ง [26]์ ์๊ฐ๋
๋ฐฉ๋ฒ์ ๊ฒฝ์ฐ ์ฟผํฐ๋์ธ(quaternion)์ ๊ธฐ๋ฐ์ผ๋ก ์ค๊ณ๋์ด, ์ฟผํฐ๋์ธ
ํน์ ์ ์์ธ์ฑ๋ถ ํผํฉ๋ฌธ์ ๋ฅผ ์ง๋๊ณ ์๋ค. ์ฌ๊ธฐ์, ์์ธ์ฑ๋ถ
ํผํฉ๋ฌธ์ ๋ ์ฟผํฐ๋์ธ์ 4 ์์ ๋ชจ๋์ ๋ฐฉ์๊ฐ๊ณผ ๊ฒฝ์ฌ๊ฐ ์ฑ๋ถ์ด
- 21 -
ํผํฉ๋์ด ์๋ ๊ฒ์ผ๋ก ์๊ธฐ์๊ณก์ด ๋ฐฉ์๊ฐ ์ถ์ ๋ฟ๋ง ์๋๋ผ ๊ฒฝ์ฌ๊ฐ
์ถ์ ์๋ ์ํฅ์ ๋ฏธ์น๋ ๋ฌธ์ ์ ์ ๋งํ๋ค.
๋ณธ ์ฅ์์๋ ์ด๋ฌํ ์ฟผํฐ๋์ธ ๊ธฐ๋ฐ ์์ธ์ถ์ ์๊ณ ๋ฆฌ์ฆ์ ๋ฌธ์ ์ ์
๊ทน๋ณตํ๊ธฐ ์ํ์ฌ, DCM(direction cosine matrix)์ ๊ธฐ๋ฐ์ผ๋ก ๊ฒฝ์ฌ๊ฐ๊ณผ
๋ฐฉ์๊ฐ์ ์์ฐจ์ ์ผ๋ก ๊ตฌํ๋ ์๊ณ ๋ฆฌ์ฆ์ ์๊ฐํ๊ณ ์ ํ๋ค. ์ด ๋,
๋ฐฉ์๊ฐ ์ถ์ ์ ์ ํ๋ ํฅ์์ ์ํ ์ฐจ์ ๋ณํ ๋ฐฉ์ ์๊ธฐ์๊ณก ๋ณด์
๋ฉ์ปค๋์ฆ์ ์ ์ํ๋ค. ์ ์ ๋ฐฉ๋ฒ์ ์๊ธฐ์๊ณก์ ์ํฅ์ด ๋ฐฉ์๊ฐ
์ถ์ ์๋ง ์ ํ๋๋ ์ฅ์ ์ ๊ฐ์ง์ ๋ฌผ๋ก , ๋จ์ผ ์ฐจ์์ ์ฉ ๋ฐฉ์ ๋๋น
์ฐ์ํ ๋ฐฉ์๊ฐ ์ถ์ ์ฑ๋ฅ์ ๋ณด์ธ๋ค. ๋ค์ํ ์๊ธฐ์๊ณก ํ๊ฒฝ์์ ๋ฐฉ์๊ฐ
์ถ์ ์ฑ๋ฅ์ ํ์ธํ์ฌ ์ด๋ฅผ ๊ฒ์ฆํ์๋ค.
3.2 ์๊ธฐ์๊ณก ๋ณด์ ๋ฉ์ปค๋์ฆ
3.2.1 ์๊ธฐ์๊ณก ๋ชจ๋ธ๋ง
์์ฑ์ฒด ์ฃผ๋ณ์์์ 3 ์ถ ์ง์๊ธฐ์ผ์ ์ ํธ๋ ์ฐธ์กฐ๋์์ธ
์ง๊ตฌ์๊ธฐ์ฅ๋ฒกํฐ m ์ ์๊ธฐ์๊ณก๋ฒกํฐ d ๊ฐ ๋ํด์ง ํํ๋ก, ์ ํํ
๋ฐฉ์๊ฐ ์ถ์ ์ ์ํ ์๊ธฐ์๊ณก ๋ณด์ ๋ฉ์ปค๋์ฆ์ด ํ์ํ๋ค. ๋ณธ ์ฅ์์๋
1 ์ฐจ ๋ฐ 2 ์ฐจ Gauss-Markov ๊ธฐ๋ฐ ์๊ธฐ์๊ณก ๋ชจ๋ธ๋ค์ ์กฐ๊ฑด ๋ณ๋ก
๋ณํํด๊ฐ๋ฉฐ ์ ์ฉํจ์ผ๋ก์จ ์๊ธฐ์๊ณก์ ๋ณด์ํ๋ค.
1 ์ฐจ Gauss-Markov(์ดํ GM-1) ๊ธฐ๋ฐ์ ์๊ธฐ์๊ณก์ ๋ํ ๊ธฐ๋ณธ ๋ชจ๋ธ์
์ด์ฐ์๊ฐ k ์ ๋ํ์ฌ ๋ค์๊ณผ ๊ฐ์ด ํํ๋๋ค[26].
,S S
k L k L k d d w (3.1)
์ฌ๊ธฐ์ L ๋ ์๊ธฐ์๊ณก ๋ชจ๋ธ ํ๋ผ๋ฏธํฐ, Lw ๋ ๊ณต๋ถ์ฐ ํ๋ ฌ(covariance
matrix)๋ก 23L I ์ ๊ฐ๋ ์๊ธฐ์๊ณก ๋ชจ๋ธ ์ก์์ด๋ฉฐ, ์์ฒจ์ S ๋ ํด๋น ๋ฒกํฐ๊ฐ
์ผ์์ขํ๊ณ(sensor frame)์์ ๊ด์ธก๋์์์ ์๋ฏธํ๋ค. ์(3.1)์ ์ ๋ถํจ์ผ๋ก์จ
- 22 -
์๊ธฐ์๊ณก S d ์ ๋ํ ๋ชจ๋ธ๋ง์ ๋ค์๊ณผ ๊ฐ์ด ๋ํ๋ผ ์ ์๋ค.
1 1exp( )S S Lk L s k kT d d w (3.2)
์ฌ๊ธฐ์ sT ๋ ์ํ๋ง ๊ฐ๊ฒฉ์ด๋ฉฐ, L w ๋ Lw ์ ์ ๋ถํํ์ธ
( 1)
, 1exp[ {( 1) }]s
s
k T
L s LkTk T d
w ์ด๋ค[29].
2 ์ฐจ Gauss-Markov(์ดํ GM-2) ๊ธฐ๋ฐ์ ์๊ธฐ์๊ณก ๋ณํ์จ์ ๋ํ ๊ธฐ๋ณธ
๋ชจ๋ธ์ ๋ค์๊ณผ ๊ฐ์ด ํํ๋๋ค.
,S S
k H k H k d d w (3.3)
์ฌ๊ธฐ์ H ๋ ์๊ธฐ์๊ณก ๋ณํ์จ ๋ชจ๋ธ ํ๋ผ๋ฏธํฐ, Hw ๋ ๊ณต๋ถ์ฐ ํ๋ ฌ๋ก 23H I
์ ๊ฐ๋ ์๊ธฐ์๊ณก ๋ณํ์จ ๋ชจ๋ธ ์ก์์ด๋ค. ์(3.3)์ ์ ๋ถํจ์ผ๋ก์จ ์๊ธฐ์๊ณก
๋ณํ์จ S d ์ ๋ํ ๋ชจ๋ธ๋ง์ ๋ค์๊ณผ ๊ฐ์ด ๋ํ๋ผ ์ ์๋ค.
1 1exp( )S S Hk H s k kT d d w (3.4)
์ฌ๊ธฐ์ H w๋ ( 1)
, 1exp[ {( 1) }]s
s
k T
H s HkTk T d
w ์ด๋ค.
3.2.2 ๋ฐฉ์๊ฐ ์นผ๋งํํฐ
๋ณธ ์ฅ์์ ์ ์ํ๋ ์๊ณ ๋ฆฌ์ฆ์ ๊ฒฝ์ฌ๊ฐ(์ฆ, ๋กค๊ณผ ํผ์น)์ ์ถ์ ํ๋
๊ฒฝ์ฌ๊ฐ ์นผ๋งํํฐ์ ๋ฐฉ์๊ฐ(์ฆ, ์)์ ์ถ์ ํ๋ ๋ฐฉ์๊ฐ ์นผ๋งํํฐ๋ก
๊ตฌ์ฑ๋๋ค. ์ฌ๊ธฐ์ ๊ฒฝ์ฌ๊ฐ ์นผ๋งํํฐ๋ ์ค๋ ฅ๊ฐ์๋ g ์ ์ธ๋ถ๊ฐ์๋ a ๊ฐ
์ํ๋ฒกํฐ๋ก ์ค์ ๋์ด, ๊ฒฝ์ฌ๊ฐ์ ์ถ์ ํ๋ DCM ๊ธฐ๋ฐ์ ์นผ๋งํํฐ[17]๋ฅผ
์ฌ์ฉํ์๋ค(Fig. 3.1 ์ฐธ์กฐ).
๋ฐฉ์๊ฐ ์นผ๋งํํฐ๋ ์ฐจ์์ ๋ฐ๋ฅธ ๋ ๊ฐ์ ์ํ๋ชจ๋ธ์ ๊ฐ์ง๋ค. 1 ์ฐจ
์ํ๋ชจ๋ธ์ ์ํ๋ฒกํฐ๋ฅผ 2
TS T S T x m d ๋ก, ์๊ธฐ์๊ณก ๋ชจ๋ธ์ GM-1 ๊ธฐ๋ฐ์
์(3.2)๋ก ์ค์ ํ์๋ค(์ดํ 1 ์ฐจ KF). 2 ์ฐจ ์ํ๋ชจ๋ธ์ 1 ์ฐจ ์ํ๋ฒกํฐ์ S d ๋ฅผ
์ถ๊ฐํ
2 ๊ธฐ
๊ฐ์๋
์ฌ๊ธฐ์
์์ด๋ก
์๋ฏธํ
1 ์ฐจ
๊ฐ์ด
ํ์ฌ ์ํ๋ฒก
๋ฐ์ ์(3.4
๋์ ์คํธ๋ฉ
์ Gy ๋ ์
๋ก์ค์ฝํ์
ํ๋ ๊ธฐํธ์ด
์ฐจ KF ์ ์งํ
๊ตฌ์ฑ๋๋ค.
Fig. 3.1. P
๋ฒกํฐ๋ฅผ 2 x
)๋ก ์ค์ ํ์
๋ค์ด(strapdow
exp(Sk m
์์ด๋ก์ค์ฝํ
์ ํธ์ก์, [e
๋ค.
ํ๋ชจ๋ธ(proce
Sk
Sk
mF
d
z
Proposed ma
- 23
S T S T m d
์๋ค(์ดํ 2
wn) ์ ๋ถ๊ธฐ๋ฐ
, 1[ ] )G k sT y
ํ์ ์ ํธ,
]e ๋ ๋ฒกํฐ
ss model)๊ณผ
1, 1
1
Sk
L k Sk
mF
d
3 3k
I I
agnetic disto
3 -
TT S T d ๋ก
์ฐจ KF). ์ฌ
๋ฐ์ผ๋ก ๋ค์๊ณผ
1) [S Sk sT m
Gn ๋ ๊ณต๋ถ
e ์ ์ธ์ ํ
์ธก์ ๋ชจ๋ธ(me
[ Ss
L
T
m
w
Sk
MSk
mn
d
rtion compen
๋ก, ์๊ธฐ์๊ณก
์ฌ๊ธฐ์ ์ง๊ตฌ
๊ณผ ๊ฐ์ด ๋ชจ๋ธ
1 ]Sk G m n
๋ถ์ฐ ํ๋ ฌ๋ก
ํ๋ ฌ(cross pr
easurement m
1
1
]k G
k
n
w
nsation mech
๊ณก ๋ชจ๋ธ์ G
๊ตฌ์๊ธฐ์ฅ S m
๋ธ๋ง๋์๋ค[8
(3
23G I ์ ๊ฐ
roduct matrix
model)๋ ๋ค์
(3
(3
hanism.
GM-
m ์
8].
3.5)
๊ฐ๋
x)์
์๊ณผ
3.6)
3.7)
- 24 -
์ฌ๊ธฐ์ ์(3.6)์ ์ฒ์ดํ๋ ฌ , 1L kF ๊ณผ ์งํ์ก์์ ๋ํ ๊ณต๋ถ์ฐ ํ๋ ฌ
, 1L kQ ์ ๋ค์๊ณผ ๊ฐ์ด ํํ๋๋ค.
, 1 1, 1 , 1
3 2
exp( [ ] ) 0 0,
0 exp( ) 0
LG k s
L k L k LL s
T
T
y QF Q
I Q (3.8)
์ฌ๊ธฐ์ 2 21 1 1[ ][ ]L S S T
s G k kT Q m m , 22 3
1 exp( 2 )
2L L s
LL
T
Q I ์ด๋ค.
๋ํ, ์(3.7)์ ์ธก์ ์ก์ Mn ์ ๊ณต๋ถ์ฐ ํ๋ ฌ๋ก 23M I ์ ๊ฐ๋
์ง์๊ธฐ์ผ์์ ์ ํธ์ก์์ด๋ค.
2 ์ฐจ KF ์ ์งํ๋ชจ๋ธ๊ณผ ์ธก์ ๋ชจ๋ธ์ ๋ค์๊ณผ ๊ฐ์ด ๊ตฌ์ฑ๋๋ค.
11
1, 1 1
1
1
[ ]
1
Ss k GS S
k k HS S k
k H k kHS S
k k Hk
T
m nm m
wd F d
d dw
(3.9)
3 3 0
Sk
Sk k M
Sk
m
z I I d n
d (3.10)
์ฌ๊ธฐ์ ์(3.9)์ ์ฒ์ดํ๋ ฌ , 1H kF ๊ณผ ์งํ์ก์์ ๋ํ ๊ณต๋ถ์ฐ ํ๋ ฌ , 1H kQ ๋
๋ค์๊ณผ ๊ฐ์ด ํํ๋๋ค.
, 1
, 1 3 3
3
1
, 1 2 3
3 4
exp( [ ] ) 0 0
1 exp( )0 ,
0 0 exp( )
0 0
0
0
G k s
H sH k
H
H s
H
H HH k
H T H
T
T
T
y
F I I
I
Q
Q Q Q
Q Q
(3.11)
- 25 -
์ฌ๊ธฐ์ 1 2 3 4, , ,H H H HQ Q Q Q ๋ ๋ค์๊ณผ ๊ฐ๋ค.
2 21 1 1
22 3
23 3
24 3
[ ][ ] ,
4exp( ) 3 exp( 2 ) 2,
2
exp( 2 ) 1 2exp( ),
2
1 exp( 2 )
2
H S S Ts G k k
H H s H s H sH
H
H H s H sH
H
H H sH
H
T
T T T
T T
T
Q m m
Q I
Q I
Q I
(3.12)
3.2.3 ๋ฐฉ์๊ฐ ์นผ๋งํํฐ
์ ์ํ๋ ์๊ณ ๋ฆฌ์ฆ์ ๋ฐฉ์๊ฐ ์นผ๋งํํฐ๋ ๊ธฐ๋ณธ ์๋๋ชจ๋๊ฐ 1 ์ฐจ KF ๋ก
์ค์ ๋์ด ๋ฐฉ์๊ฐ์ ์ถ์ ํ๋ค. 1 ์ฐจ KF ์ ์ถ์ ๊ณผ์ ์์ ํน์ ์กฐ๊ฑด์
๋ง์กฑํ๋ฉด ๋ฐฉ์๊ฐ ์นผ๋งํํฐ๋ 2 ์ฐจ KF ๋ก ๋ณํ๋๋ค. ๋ง์ฐฌ๊ฐ์ง๋ก 2 ์ฐจ KF ์
์ถ์ ๊ณผ์ ์์ ๋ ๋ค๋ฅธ ํน์ ์กฐ๊ฑด์ ๋ง์กฑํ๋ฉด ๋ค์ 1 ์ฐจ KF ๋ก
๋๋์์จ๋ค. ์ด๋ฌํ ์ฐจ์ ๋ณํ ๋ฐฉ์์ ์ฌ์ฉํ๋ ์ด์ ๋ (i) 1 ์ฐจ KF ๋
์๊ธฐ์๊ณก์ ๋น ๋ฅธ ๋ณํ๊ฐ ์๊ธฐ๋ ๊ฒฝ์ฐ ๋ฐฉ์๊ฐ์ ํจ๊ณผ์ ์ผ๋ก ์ถ์ ํ์ง ๋ชปํ
์ ์์ผ๋ฉฐ, (ii) 2 ์ฐจ KF ๋ ์ํ๋ชจ๋ธ ๊ตฌ์ฑ์์์ ์ถ๊ฐ์ ๊ธฐ์ธํ ๊ณ์ฐ์๊ฐ
์ฆ๊ฐ ๋ฐ ์ ๋ถ๊ธฐ๋ฐ ์๊ธฐ์๊ณก ์ถ์ ์ ๋ฐ๋ฅธ ์ถ์ ์ค์ฐจ ๋ฐ์ ์ฐ๋ ค๊ฐ ์๊ธฐ
๋๋ฌธ์ด๋ค. ๋ฐ๋ผ์ ๋ค์ํ ์๊ธฐ์๊ณก ์กฐ๊ฑด์์ ์ ์ ํ ์ฐจ์ ๋ณํ์ ํตํด
๋ฐฉ์๊ฐ ์ถ์ ์ ์ ํ๋๋ฅผ ํฅ์์ํฌ ์ ์๋ค.
์ ์ํ๋ ์๊ณ ๋ฆฌ์ฆ์ ์ฐจ์ ๋ณํ ๋ฐฉ์์ ์ฐธ๊ณ ๋ฌธํ[30]์์ ์ ์ํ
ํ์ด๋ฉ ๋ฉ๋ชจ๋ฆฌ ํ๊ท (fading memory average) ๊ธฐ์ ์์ ์ฐฉ์ํ ๋ฐฉ์์ด๋ค.
์ฌ๊ธฐ์ ํ์ด๋ฉ ๋ฉ๋ชจ๋ฆฌ ํ๊ท ์ด๋ ์นด์ด์ ๊ณฑ ๋ถํฌ(Chi-squared distribution)๋ฅผ
๋ฐ๋ฅด๋ ๋ณ์์ ์ง์ํํ์ ๊ฐ์ค์น๋ฅผ ๋์ด ๊ณ์ฐ๋ ํ๊ท ์ ๋งํ๋ฉฐ,
์ค์๊ฐ์ผ๋ก ์ํ ์ถ์ ์ฑ๋ฅ์ ํ์ธํ ๋ ์ฃผ๋ก ์ฌ์ฉ๋๋ ๊ธฐ์ ์ด๋ค.
1 ์ฐจ KF ์์ 2 ์ฐจ KF ๋ก์ ๋ณํ์, 2 ( )TS T S T x m d ์ ๋ํ
NIS(normalized innovations squared) ํ์ด๋ฉ ๋ฉ๋ชจ๋ฆฌ ํ๊ท ์ด ์ค์ ๋ ์์น
๋ฌธํฑ
๋ณํ์ด
KF ๋ก
์ฌ๊ธฐ์
ํํธ,
์ ๋
๋จ์ด์ง
๋ฐฉ์๊ฐ
3.3
3.3.1
๋ณธ
Fig
๊ฐ(threshold
์ด ๋ฐ์ํ๋ค
๋ก ์ถ์ ํ์ฌ
์ s ๋ ํ์ด
, 2 ์ฐจ KF ์
๋ํ NIS ํ์ด
์ง ๋ ๋ฐ์
๊ฐ์ ์ถ์ ํ
์ค ํ
1 ์คํ ์ฅ์น
์ฅ์์ ์
g. 3.2. Switcfading
d) 1 2 ์
๋ค๋ฉด k โs โ1
์ถ์ ์ ์ ํ
์ด๋ฉ ๋ฉ๋ชจ๋ฆฌ์
์ 1 ์ฐจ KF
์ด๋ฉ ๋ฉ๋ชจ๋ฆฌ
์ํ๋ค. ์ ์
ํ๋ค.
์น ๊ตฌ์ฑ
์ ์ํ๋ ์
ching from tg memory av
- 26
์ด๊ณผํ ๋
๋ถํฐ k ๊น์ง
ํ์ฑ์ ๋์ด
์ ์ ํจ ์คํ
๋ก์ ๋ณํ์
ํ๊ท ์ ํฌ๊ธฐ
์๋ ๋ฐฉ์์
์๊ณ ๋ฆฌ์ฆ์
the first-ordeverage techn
6 -
๋ฐ์ํ๋ค.
์ง ๊ฑฐ์ฌ๋ฌ ์ฌ
๋ ๋ฐฉ์์ ์ทจ
ํ์๊ฐ ๊ธธ์ด(e
์, 2 ์ฐจ KF ์
๊ธฐ๊ฐ ์ค์ ๋
์ ์ด๋ฌํ
๋ฐฉ์๊ฐ ์ถ
er KF to thenique.
์ด๋, ์๊ฐ
์ฌ๋ผ์ค๋ฉฐ(man
์ทจํ๊ณ ์๋ค
effective wind
์ ์๋ก์ด ๊ตฌ
๋ ํ๊ฐ ๋ฌธํฑ
์ผ๋ จ์ ๊ณผ์
์ ์ฑ๋ฅ ๊ฒ
e second-ord
๊ฐ k ์์ ์ฐจ
neuvering) 2
๋ค(Fig. 3.2 ์ฐธ์กฐ
dow length)์ด
๊ตฌ์ฑ ์์์ธ
๊ฐ 2 1 ์ดํ
์ ์ ๋ฐ๋ณตํ
๊ฒ์ฆ ์คํ์
der KF in th
์ฐจ์
์ฐจ
์ฐธ์กฐ).
์ด๋ค.
S d
ํ๋ก
ํ๋ฉฐ
์๋
he
IMU(
์ฌ์ฉ
์๊ณ
์ฐธ์กฐ
๋ชจ์
์ฐธ์กฐ
์๋
3.3.2
์
์ํ
๋ฐ์
์์ง
์ฐธ์กฐ)
๊ฐํด
Tes
(MPU6050)์
๋์๋ค. GY
๋ฆฌ์ฆ์ ์
๊ฐ(truth refe
์บก์ณ ์์คํ
๊ฐ optd ๋ฅผ ์ป
๋๋ฌดํ์
2 ์ํ ์กฐ๊ฑด
ํ์ ์๊ธฐ์
์ด ์งํ๋์
๋ฐฉ์๊ณผ ๊ฐ
์์ ์ ์
). Table 3.
์ง ๊ตฌ๊ฐ์์
st 1 ์ ์
์ ์ง์๊ธฐ์ผ
Y-87 ์ ์ ํธ
๋ ฅ๋์๋ค.
erence)์ ์ป
ํ ์ด ์ฌ์ฉ๋
์ป์๋ค. GY-
๋ง์ปค์ ํจ๊ป
๊ฑด ๋ฐ ์ค์
์๊ณก ๋ฐ์๋ฐฉ
์๋ค. ์๊ธฐ
๊ฐ์ฒ ํ์ ์
์กฐ๊ฑด๊ณผ ๋
1 ์์ d
์์ ํ๊ท ์
์ ์ํ์
Fig. 3.3. E
- 27
์ผ์(HMC58
ํธ๋ Arduino
๋ํ ์์ธ
์ป๊ธฐ ์ํด O
์๋ค. ์ด๋ฅผ
-87 ์ ์คํ
๊ป ๋ถ์ฐฉํ์ฌ
๋ฐฉ์๊ณผ ์ผ์
์๊ณก ๋ฐ์๋ฐฉ
์ํ ์๊ธฐ์
๋์ ์กฐ๊ฑด์ผ
opt ์ RM
์ ๊ณฑ๊ทผ์ ์๋ฏธ
์ผ์ ์ฃผ๋ณ
Experimental
7 -
883L)๋ก ๊ตฌ
o UNO R3
์ธ ์ถ์
OptiTrack Fle
๋ฅผ ํตํด ์์ธ
์ ํธ์์ฑ๊ณผ
์ฌ ์ฌ์ฉํ์๋ค
์ ์์ง์์
๋ฐฉ์์ ๋ชจํฐ
์๊ณก ๋ฐ์๋ฐฉ
์ผ๋ก ๋๋์ด
MS(root mea
๋ฏธํ๋ค.
๋ณ์ ๋ชจํฐ๋ฅผ
l setup for mo
๊ตฌ์ฑ๋ GY-8
๋ฅผ ํตํด PC
๊ฒฐ๊ณผ๋ฅผ ๋น
ex13(Natura
์ธ์ฐธ์กฐ๊ฐ oR
๊ณผ ์ถ์ ๋ ฌ์
๋ค(Fig. 3.3
์ ์ฐจ์ด๋ฅผ
ํฐ๊ตฌ๋์ ์
๋ฐฉ์์ผ๋ก
์ด ์ํํ์
an square)๋
์์น(Fig.
otor test.
7 ์ผ์๋ชจ๋
C ์ ํต์ ๋
๊ตํ๊ธฐ ์
lPoint) ๊ดํ
opt ์ ์๊ธฐ์
์ ์ํด ์์ฑ
์ฐธ์กฐ).
์ฃผ์ด ๋ค ๊ฐ
์ํ ์๊ธฐ์
๋๋๋ฉฐ, ์ผ
์๋ค(Table
๋ ์๊ธฐ์๊ณก
3.3 ์ฐธ์กฐ)์
๋์ด
๋์ด
์ํ
ํ์
์๊ณก
์ฑ์ด
๊ฐ์ง
์๊ณก
์ผ์
3.1
๊ณก์ด
์์ผ
- 28 -
๋ชจํฐ์ on-off ํตํด ์๊ธฐ์๊ณก์ ๋ฐ์์์ผฐ๊ณ , Test 2 ๋ ์์๋ก ์ผ์์
์์ธ๋ฅผ ๋ณ๊ฒฝ(Fig. 3.4(b)-(c) ์ฐธ์กฐ)ํ๋ฉฐ ์๋ ์ค์ธ ๋ชจํฐ์ ๊ฐ๊น์์ก๋ค
๋ฉ์ด์ง๋ ๋ฐฉ์์ผ๋ก ์๊ธฐ์๊ณก์ ์ํฅ์ ๋ฐ๋๋ก ์คํํ์๋ค. Test 3 ์
์ ์ ์ํ์ ์ผ์ ์ฃผ๋ณ์์ ๊ฐ์ฒ ํ์ ์์ง์ด๋ฉฐ ์๊ธฐ์๊ณก์ ๋ฐ์(Fig.
3.5(a) ์ฐธ์กฐ)์์ผฐ๊ณ , Test 4 ๋ ์ผ์์ ์์ธ๋ฅผ ๋ณ๊ฒฝํ๋ฉฐ ๊ฐ์ฒ ํ์
๊ฐ๊น์์ก๋ค ๋ฉ์ด์ง๋ ๋ฐฉ์์ผ๋ก ์๊ธฐ์๊ณก์ ์ํฅ์ ๋ฐ๋๋ก ์คํํ์๋ค.
๋ชจํฐ๊ตฌ๋ ๋ฐฉ์์ ์ํด HF-SP202(Mitsubishi) ์คํ ๋ชจํฐ๊ฐ 1000[rpm]
์๋๋ก ์๋๋์์ผ๋ฉฐ, ๊ฐ์ฒ ํ ๋ฐฉ์์ ์ํด์๋ 117 ร 225 ร 2.2 mm3
ํฌ๊ธฐ์ ๊ฐ์ฒ ํ์ด ์ฌ์ฉ๋์๋ค.
์ ์ํ๋ ์๊ณ ๋ฆฌ์ฆ(์ดํ Method A)์ ์ถ์ ์ฑ๋ฅ์ ๊ฒ์ฆํ๊ธฐ ์ํด,
์ ์ํ๋ ์๊ณ ๋ฆฌ์ฆ๊ณผ ๋์ผํ ์๊ธฐ์๊ณก ๋ชจ๋ธ๋ง๊ณผ ์ฐจ์ ๋ณํ ๋ฐฉ์์
์ฌ์ฉํ๋ ์ฟผํฐ๋์ธ ๊ธฐ๋ฐ์ 3 ์ฐจ์ ์์ธ ์ถ์ ์๊ณ ๋ฆฌ์ฆ[26](์ดํ Method
B)๊ณผ ์ ์ํ๋ ์๊ณ ๋ฆฌ์ฆ์์ ์ฌ์ฉํ๋ ๊ฒฝ์ฌ๊ฐ ์นผ๋งํํฐ์ ํ์ฅํ์ธ
DCM ๊ธฐ๋ฐ์ ๊ธฐ์กด 3 ์ฐจ์ ์์ธ ์ถ์ ์๊ณ ๋ฆฌ์ฆ[8](์ดํ Method C)์
๋น๊ตํ์๋ค. ๋ํ, Method A ์์ ์๊ธฐ์๊ณก ๋ณด์ ๋ฉ์ปค๋์ฆ์ด ์ ๊ฑฐ๋
๋ฐฉ์(์ดํ uncompensated)์ ํจ๊ป ๋น๊ตํ์ฌ ์๊ธฐ์๊ณก ๋ณด์ ์ฑ๋ฅ์
ํ์ธํ์๋ค.
Method A ์ Method B ์ ์๊ธฐ์๊ณก ๋ชจ๋ธ ํ๋ผ๋ฏธํฐ ์ค์ ์ ๋ค์ํ ์ํ์์
Table 3.1. Experimental conditions for the four validation tests.
Source of
Magnetic Distortion Sensor Motion
RMS / Max of optd
[mGauss]
Test 1 Motor driving Static 392 / 815
Test 2 Motor driving Dynamic 67 / 498
Test 3 Steel plate Static 237 / 783
Test 4 Steel plate Dynamic 65 / 510
- 29 -
์ข์ ์ฑ๋ฅ์ ๋ณด์ด๋ ์ต์ ์ ๊ฐ์ผ๋ก ์ค์ ๋์๋ค( 10,L 1,H
6.5L H ). ๋ํ ์ฐจ์ ๋ณํ ๋ฐฉ์์ ์์น ๋ฌธํฑ๊ฐ 1 2 ์ 100, ํ๊ฐ
๋ฌธํฑ๊ฐ 2 1 ์ 30, ๊ทธ๋ฆฌ๊ณ ์ ํจ ์คํ์๊ฐ ๊ธธ์ด s ๋ 10 ์ผ๋ก ์ค์ ๋์๋ค.
์ฐธ๊ณ ๋ฌธํ[8]์์๋ Method C ์ ๋ ๊ต๋์ฑ๋ถ ๋ชจ๋ธ(์ธ๋ถ๊ฐ์๋ ๋ชจ๋ธ๊ณผ
์๊ธฐ์๊ณก ๋ชจ๋ธ)์ ์๋ก ๋์ผํ ํ๋ผ๋ฏธํฐ๋ฅผ ์ฌ์ฉํ์์ผ๋, ์ธ๋ถ๊ฐ์๋์
์๊ธฐ์๊ณก์ด ์๋ก ์์ดํ ๋งํผ ๋ณธ ์ฅ์์๋ Method C ์ ๋ ๊ต๋์ฑ๋ถ ๋ชจ๋ธ
ํ๋ผ๋ฏธํฐ๋ฅผ ์๋ก ๊ตฌ๋ถํ์ฌ ๋ ๋ฆฝ์ ์ธ ์ต์ ์ ๊ฐ์ผ๋ก ์ค์ ํ์๋ค(์ผ์๊ฐ์๋
GM ๋ชจ๋ธ์์ ์๊ด ์์ ์ ํ๋ผ๋ฏธํฐ , 0.1a accc ์ ๋ถ์ฐ ๊ด๋ จ ํ๋ผ๋ฏธํฐ
, 0.05b accc , ๊ทธ๋ฆฌ๊ณ ์๊ธฐ์๊ณก GM ๋ชจ๋ธ์์ ์๊ด ์์ ์ ํ๋ผ๋ฏธํฐ
, 0.9a magc ์ ๋ถ์ฐ ๊ด๋ จ ํ๋ผ๋ฏธํฐ , 0.95b magc ).
3.4 ๊ฒฐ๊ณผ ๋ฐ ๊ณ ์ฐฐ
Table 3.2 ๋ ๋ค ๊ฐ์ง ๋ฐฉ๋ฒ(Method A, B, C, uncompensated)์ ๋ํด
๋ฐฉ์๊ฐ ๋ฐ ๊ฒฝ์ฌ๊ฐ ์ถ์ RMSE(root mean squared error)๋ฅผ ๋ณด์ฌ์ค๋ค. ์ด๋
๊ฒฝ์ฌ๊ฐ RMSE ๋ ๋กค๊ณผ ํผ์น ๊ฐ๊ฐ์ RMSE ์ ํ๊ท ์ ์ทจํ ๊ฐ์ด๋ค.
Method A, C ์ uncompensated ๋ ๊ฐ์ ๊ฒฝ์ฌ๊ฐ ์นผ๋งํํฐ๋ฅผ ์ฌ์ฉํ๊ธฐ
๋๋ฌธ์ ๊ฒฝ์ฌ๊ฐ ์ถ์ ์ค์ฐจ๊ฐ ๋์ผํ๋ค(Fig. 3.4(b), 3.5(b) ์ฐธ์กฐ).
Test 1 ์ ๊ฒฝ์ฐ ์์ธ๋ณํ๊ฐ ์๊ธฐ ๋๋ฌธ์ ๋ค ๊ฐ์ง ๋ฐฉ๋ฒ ๋ชจ๋ 1ยฐ ์ดํ์
๋งค์ฐ ์ฐ์ํ ๊ฒฝ์ฌ๊ฐ ์ถ์ ์ ํ์ฑ์ ๋ณด์๋ค. ๋ํ, ๋ค ๊ฐ์ง ์ํ ์ค
๊ฐ์ฅ ํฐ ์๊ธฐ์๊ณก์ ์ํฅ์ ๋ฐ์์์๋ ๋ถ๊ตฌํ๊ณ , ์๊ธฐ์๊ณก์
์ง์ ์ ์ธ ์ํฅ์ ๋ฐ๋ ๋ฐฉ์๊ฐ ์ถ์ ์ค์ฐจ๋ Method A ๋ 0.82ยฐ, Method
B ๋ 1.22ยฐ๋ก ๋์ ์ ํ์ฑ์ ๋ณด์๋ค. ๊ทธ๋ฌ๋, Method C ๋ 7.15ยฐ๋ก ํฐ
๋ฐฉ์๊ฐ ์ถ์ ์ค์ฐจ๋ฅผ ๋ณด์๋ค.
Fig
โป
g. 3.4. Resultroll e
โปNote: Figure can
ts of Test 2: stimation errn be viewed in co
- 30
(a) exposed ror, and (c) alor in the PDF ve
0 -
magnetic diazimuth estimersion of thesis on
istortion for mation error. n the RISS websi
each axis, (b
te, www.riss.kr.
b)
Fig
โป
g. 3.5. Resultpitch
โปNote: Figure can
ts of Test 3: estimation e
n be viewed in co
- 31
(a) exposed error, and (c)
lor in the PDF ve
1 -
magnetic di azimuth estersion of thesis on
istortion for imation erron the RISS websi
each axis, (br.
te, www.riss.kr.
b)
- 32 -
Test 2 ์ ๊ฒฝ์ฐ ์์ธ๊ฐ ๋ณํ์๊ธฐ ๋๋ฌธ์, ๋ค ๊ฐ์ง ๋ฐฉ๋ฒ ๋ชจ๋ ๊ฒฝ์ฌ๊ฐ
์ถ์ ์ค์ฐจ๊ฐ ์ฆ๊ฐํ์๊ณ , Method A ์ B ๋ Test 1 ๋ณด๋ค ๋ฐฉ์๊ฐ
์ถ์ ์ค์ฐจ๋ ์ฆ๊ฐํ์๋ค. ๋ํ, Method A ์ C ๋ Method B ์ ๋นํด
๋ฐฉ์๊ฐ ์ถ์ ์ค์ฐจ๊ฐ ์ฝ 1ยฐ ์ด์ ์ฐ์ํ ์ ํ์ฑ์ ๋ณด์๋ค(Fig. 3.4(c)
์ฐธ์กฐ). Method B ์ uncompensated ๋ ๋ฐฉ์๊ฐ ์ถ์ ์ค์ฐจ๊ฐ 4ยฐ ๋๋ก ๋น์ทํ
๊ฒฐ๊ณผ๋ฅผ ์ป์์ผ๋, Method B ๋ ์๊ธฐ์๊ณก์ ์ํฅ์ด ๋ฐฉ์๊ฐ ์ถ์ ๋ฟ๋ง
์๋๋ผ ๊ฒฝ์ฌ๊ฐ ์ถ์ ์ถ์ ์๋ ์ํฅ์ ๋ฏธ์น๋ ์ฟผํฐ๋์ธ์ ๋ฌธ์ ์
๋๋ฌธ์ ๊ฒฝ์ฌ๊ฐ ์ถ์ ์ค์ฐจ๊ฐ DCM ๊ธฐ๋ฐ์ Method A, C, uncompensated ์
๋นํด 2.46ยฐ ํฌ๊ฒ ๋์๋ค(Fig. 3.4(b) ์ฐธ์กฐ).
Test 3 ์ ๊ฒฝ์ฐ Fig. 3.5(a)์ ๊ฐ์ด ์๊ธฐ์๊ณก์ ์ํฅ์ ๋ฐ์์ผ๋, ๊ฐ์
์ ์ ์กฐ๊ฑด์ธ Test 1 ๊ณผ ๋น์ทํ ๊ฒฝํฅ์ ๋ณด์๋ค. ๋ฐฉ์๊ฐ ์ถ์ ์ค์ฐจ๋
Method A ๊ฐ 1.09ยฐ๋ก ๊ฐ์ฅ ์ฐ์ํ์ผ๋ฉฐ, Method B ๋ 3.60ยฐ์ ๊ฒฐ๊ณผ๋ฅผ
๋ณด์๋ค. ๋ํ, ์ฟผํฐ๋์ธ ๊ธฐ๋ฐ์ Method B ๋ ์๊ธฐ์๊ณก์ ์ํฅ์ด ๊ฒฝ์ฌ๊ฐ
์ถ์ ์ ์ํฅ์ ๋ฏธ์ณ ๊ฒฝ์ฌ๊ฐ ์ถ์ ์ค์ฐจ๊ฐ ์ฆ๊ฐํ์๋ค(Fig. 3.5(b) ์ฐธ์กฐ).
Test 1 ๊ณผ ๋ง์ฐฌ๊ฐ์ง๋ก Method C ๋ ๋ค๋ฅธ ๋ ๋ฐฉ๋ฒ์ ๋นํด 13.75ยฐ๋ก ๋งค์ฐ
Table 3.2. Results of azimuth and tilt RMSEs (unit: degree).
Method A Method B Method C uncom-pensated
Test 1 Azimuth 0.82 1.22 7.15 42.68
Tilt 0.18 0.31 0.18 0.18
Test 2 Azimuth 2.87 4.35 3.01 4.08
Tilt 1.92 4.38 1.92 1.92
Test 3 Azimuth 1.09 3.60 13.75 19.53
Tilt 0.09 0.39 0.09 0.09
Test 4 Azimuth 2.86 3.23 4.52 9.15
Tilt 1.15 5.51 1.15 1.15
- 33 -
ํฐ ๋ฐฉ์๊ฐ ์ถ์ ์ค์ฐจ๋ฅผ ๋ณด์์ผ๋ฉฐ, ์๊ธฐ์๊ณก์ด ๋ฐ์๋๋ ์ธ ๊ตฌ๊ฐ(์ฝ
5~15 ์ด, 20~30 ์ด, 40 ์ด~55 ์ด)์์ ๋ฐฉ์๊ฐ ์ถ์ ์ค์ฐจ๊ฐ ์ฆ๊ฐํ์๊ณ , ์ต๋
25.3ยฐ๊น์ง ์ค์ฐจ๊ฐ ๋ฒ์ด์ก๋ค(Fig. 3.5(c) ์ฐธ์กฐ).
Test 4 ์ ๊ฒฝ์ฐ Method A ๋ ๋ฐฉ์๊ฐ ์ถ์ ์ค์ฐจ๊ฐ 2.86ยฐ๋ก ๋ค ๊ฐ์ง ๋ฐฉ๋ฒ
์ค ๊ฐ์ฅ ์ฐ์ํ์๋ค. Method B ๋ ์๊ธฐ์๊ณก์ ์ง์ ์ ์ธ ์ํฅ์ ๋ฐ๋
๋ฐฉ์๊ฐ๋ณด๋ค ๊ฒฝ์ฌ๊ฐ ์ถ์ ์ค์ฐจ๊ฐ 2.28ยฐ ๋ ์ปค์ง 5.51ยฐ๊ฐ ๋์๋ค.
์๊ธฐ์๊ณก ์กฐ๊ฑด์์ ์คํ๋ ๋ค ๊ฐ์ง ์ํ ๊ฒฐ๊ณผ์์ ๋ณด๋ฏ์ด, ๋ณธ
์ฅ์์ ์ ์ํ๋ ์๊ณ ๋ฆฌ์ฆ์ธ Method A ๋ ๋ฐฉ์๊ฐ ์ถ์ ๊ณผ ๊ฒฝ์ฌ๊ฐ ์ถ์
๋ชจ๋ Method B ์ C ์ ๋นํด ์ฐ์ํ ์ ํ์ฑ์ ๋ณด์๋ค(Method
A/B/C/uncompensated ์์๋ก ๋ฐฉ์๊ฐ ์ถ์ ์ค์ฐจ ํ๊ท : 1.91ยฐ/3.10ยฐ/7.11ยฐ
/18.86ยฐ, ๊ฒฝ์ฌ๊ฐ ์ถ์ ์ค์ฐจ ํ๊ท : 0.84ยฐ/2.65ยฐ/0.84ยฐ/0.84ยฐ). ์ฟผํฐ๋์ธ ๊ธฐ๋ฐ์
Method B ๋ ์๊ธฐ์๊ณก ๋ชจ๋ธ์ ์ฐจ์ ๋ณํ ๋ฐฉ์์ ํตํ ์๊ธฐ์๊ณก ๋ณด์
ํจ๊ณผ๋ก ๋ค ๊ฐ์ง ์ํ์์ ๋ฐฉ์๊ฐ ์ถ์ ์ค์ฐจ๊ฐ ๋ชจ๋ 5ยฐ ์ด๋ด์ ๊ฒฐ๊ณผ๋ฅผ
์ป์์ผ๋, ์ฟผํฐ๋์ธ์ ๋ฌธ์ ์ ์ธ ์์ธ์ฑ๋ถ ํผํฉ์ ์ํฅ์ผ๋ก ์๊ธฐ์๊ณก์ด
๊ฒฝ์ฌ๊ฐ ์ถ์ ์ ์ํฅ์ ๋ฏธ์ณ ๊ฒฝ์ฌ๊ฐ ์ถ์ ์ค์ฐจ๋ฅผ ์ฆ๊ฐ์์ผฐ์ผ๋ฉฐ, ๊ฒฝ์ฌ๊ฐ
์ถ์ ์ค์ฐจ ๋ํ ๋ฐฉ์๊ฐ ์ถ์ ์ ์ํฅ์ ์ฃผ๋ ๋ฌธ์ ๊ฐ ๋ํ๋ฌ๋ค. Method
A ์ ๋์ผํ ๊ฒฝ์ฌ๊ฐ ์นผ๋งํํฐ๋ฅผ ์ฌ์ฉํ๋ DCM ๊ธฐ๋ฐ์ ๊ธฐ์กด ๋ฐฉ์์ธ
Method C ๋ ์๊ธฐ์๊ณก์ ์ํฅ์ด ๋ฐฉ์๊ฐ ์ถ์ ์๋ง ์ ํ์ ์ธ ๊ตฌ์กฐ์
Table 3.3. Azimuth estimation RMSEs depending on the order of magnetic distortion model (unit: degree).
Method A
(order-switching) First-order KF Second-order KF
Test 1 0.82 13.51 1.28
Test 2 2.87 3.16 2.92
Test 3 1.09 15.32 2.59
Test 4 2.86 6.06 2.94
์ฅ์ ์
๋๋ฌธ
๋ณด์
๋ฐฉ์
์
๋ณํ
๋ฐฉ์
๋ ์ฐ
๋ณด๋ฏ
์๊ธฐ
์ถ์ ์ค
์๊ธฐ
๊ณ์ฐ
์๊ธฐ
Fig
โป
์ ์ง๋ ์ง๋ง
์ ์๊ธฐ์๊ณก
๋ค. ๋ฐ๋ผ์
๊ฐ ๋ฐ ๊ฒฝ์ฌ
์ํ๋ ์๊ณ
๋ฐฉ์์ ํต
์ ์ ์ฉ์ผ๋ก
์ฐ์ํ ๋ฐฉ์
์ด, 1 ์ฐจ
์๊ณก์ ํจ
์ค์ฐจ๊ฐ ์ฆ
์๊ณก์ ํด
์๊ฐ์ด ๋
์๊ณก์ ์ถ
g. 3.6. Azimdistor
โปNote: Figure can
๋ง, ๊ฐ์์ค
๊ณก์ด ํฌ๊ฒ
์ ์ ์ํ๋
์ฌ๊ฐ ์ถ์ ์
๊ณ ๋ฆฌ์ฆ์ ๋ฐฉ
ํตํด ๋ณํํ
๋ก 1 ์ฐจ KF
์๊ฐ ์ถ์ ์ฑ
KF ๋ง
ํจ๊ณผ์ ์ผ๋ก
๊ฐํ๊ฒ ๋
๋น๋๋ ์
๋์ด๋ฌ์์๋
์ถ์ ํ๊ธฐ ๋
muth estimatrtion model fn be viewed in co
- 34
๋ฐ ์๊ธฐ์๊ณก
๋ฐ์ํ ๊ฒฝ
๋ ์๊ณ ๋ฆฌ์ฆ
์ ํ์ฑ์ ๋
๋ฐฉ์๊ฐ ์นผ๋งํ
ํ์ฌ ๋ฐฉ์๊ฐ
๋ง ์ฌ์ฉํ๊ฑฐ
์ฑ๋ฅ์ ๊ฐ์ก
์ฌ์ฉํ๋ฉด
์ถ ์ ํ
์๋ค. ๋ํ
ํ๋ฒกํฐ๊ฐ
๋ ๋ถ๊ตฌํ๊ณ
๋๋ฌธ์ ์
tion error dfor Test 3.
lor in the PDF ve
4 -
๊ณก์ ๋ํ
๊ฒฝ์ฐ ๋งค์ฐ
์ฆ์ ์ด๋ฌํ
๋์ด๋ ๊ฒฐ๊ณผ
ํํฐ๋ 1 ์ฐจ
๊ฐ์ ์ถ์ ํ
๊ฑฐ๋, 2 ์ฐจ K
์ก๋ค(Table 3
์๊ธฐ์๊ณก์ด
ํ์ง ๋ชปํ์ฌ
ํ 2 ์ฐจ K
S d ์์ S
๊ณ , ์งํ๋ชจ
์ ๋ถ์ค์ฐจ์
depending on
ersion of thesis on
๋ณด์ ๋ฉ์ปค
ํฐ ๋ฐฉ์๊ฐ
ํ ๋ฌธ์ ์
๊ณผ๋ฅผ ์ป์๋ค
์ฐจ KF ์ 2 ์ฐจ
ํ๋ค. ์ด๋ฌํ
KF ๋ง ์ฌ์ฉํ
3.3 ์ฐธ์กฐ). F
์ด ๋น ๋ฅด๊ฒ
์ฌ, ๊ฒฐ๊ณผ์
KF ๋ง ์ฌ
S d ์ S d
๋ชจ๋ธ S d
์ํฅ์ผ๋ก
n the order
n the RISS websi
์ปค๋์ฆ์ด ์
๊ฐ ์ถ์ ์ค์ฐจ
์ ํด๊ฒฐํ
.
์ฐจ KF ๋ฅผ ์ฐจ
ํ ์ฐจ์ ๋ณ
ํ์์ ๋๋ณด
Fig. 3.6 ์
๋ณํ๋ ๊ฒฝ
์ผ๋ก ๋ฐฉ์
์ฌ์ฉํ๋ ๊ฒฝ
๋ก ์ฆ๊ฐ๋
์ ์ ๋ถํ
ํ๋ฅ์ค์ฐจ
of magneti
te, www.riss.kr.
์๊ธฐ
์ฐจ๋ฅผ
ํ์ฌ,
์ฐจ์
๋ณํ
๋ณด๋ค
์์
๊ฒฝ์ฐ
์๊ฐ
๊ฒฝ์ฐ
๋์ด
ํ์ฌ
์ฐจ๊ฐ
ic
- 35 -
๋ฐ์ํ์ฌ ์ถ์ ์ฑ๋ฅ์ด ์ ํ๋์๋ค. ๋ฐ๋ผ์ ์ ์ํ๋ ์๊ณ ๋ฆฌ์ฆ์ ์ฐจ์
๋ณํ ๋ฐฉ์์ ์ ์ฉํ์ฌ ๋ค์ํ ์๊ธฐ์๊ณก ๋ณํ์ ์๋ง๊ฒ ๋์ํจ์ผ๋ก์จ,
๋จ์ผ ์ฐจ์์ ์ฉ ๋ฐฉ์ ๋๋น ํฅ์๋ ์๊ธฐ์๊ณก ๋ณด์ ์ฑ๋ฅ์ ์ป์๋ค(๋ฐฉ์๊ฐ
์ถ์ ์ค์ฐจ ํ๊ท : Method A = 1.91ยฐ, 1 ์ฐจ KF = 9.51ยฐ, 2 ์ฐจ KF = 2.43ยฐ).
3.5 ๊ฒฐ ๋ก
๋ณธ ์ฅ์์๋ ์๊ธฐ์๊ณก ๋ชจ๋ธ์ ์ฐจ์ ๋ณํ ๋ฐฉ์์ ์ ์ฉํ ์๊ธฐ์๊ณก
๋ณด์ ๋ฉ์ปค๋์ฆ์ ํตํด, ์ฐ์ํ ๋ฐฉ์๊ฐ ์ถ์ ์ฑ๋ฅ์ ๊ฐ์ง๋ 3 ์ฐจ์
์์ธ์ถ์ ์๊ณ ๋ฆฌ์ฆ์ ์ ์ํ๋ค. ์ ์๋ ์๊ณ ๋ฆฌ์ฆ์ ๊ฒฝ์ฌ๊ฐ ์นผ๋งํํฐ์
๋ฐฉ์๊ฐ ์นผ๋งํํฐ๋ก ๊ตฌ์ฑ๋์ด, ๊ฒฝ์ฌ๊ฐ๊ณผ ๋ฐฉ์๊ฐ์ ๋ ๋ฆฝ์ ์ผ๋ก
์ถ์ ํจ์ผ๋ก์จ ์ฟผํฐ๋์ธ์ ์์ธ์ฑ๋ถ ํผํฉ๋ฌธ์ ๋ฅผ ํด๊ฒฐํ์๋ค.
์ ์๋ ์๊ณ ๋ฆฌ์ฆ์ ์๊ธฐ์๊ณก ์กฐ๊ฑด( optd = 65~400 [mG] RMS)์์
๋ค์ํ ์ํ์ ํตํด ๋ฐฉ์๊ฐ ์ถ์ ์ฑ๋ฅ์ ๊ฒ์ฆํ์๋ค. ์ ์ํ๋
์๊ณ ๋ฆฌ์ฆ์ ์ต๋ ๋ฐฉ์๊ฐ ์ถ์ ์ค์ฐจ๊ฐ 3ยฐ์ด๋ด๋ก ๋์ ์ ํ๋๋ฅผ ๊ฐ์ก๋ค.
ํนํ, ๋ฐฉ์๊ฐ ์ถ์ ์ค์ฐจ ํ๊ท ์ ์์ด, ์ฟผํฐ๋์ธ ๊ธฐ๋ฐ์ Method B ๋ณด๋ค
1.19ยฐ, ๊ธฐ์กด์ DCM ๋ฐฉ์์ธ Method C ๋ณด๋ค 5.20ยฐ ์ฐ์ํ ๊ฒฐ๊ณผ๋ฅผ ์ป์๋ค.
๋ํ ์ฐจ์ ๋ณํ ๋ฐฉ์์ ํตํด ๋จ์ผ ์ฐจ์์ ์ฉ ๋ฐฉ์๋ณด๋ค ํฅ์๋ ์ถ์
์ฑ๋ฅ์ ์ป์๋ค.
์ ์ํ๋ ์ฐจ์ ๋ณํ ๋ฐฉ์ ์๊ธฐ์๊ณก ๋ณด์ ๋ฉ์ปค๋์ฆ์ ์ ๋ฐ, ํญ๊ณต๊ธฐ,
๋ก๋ด๊ณผ ๊ฐ์ ๊ฐํ ์์ฑ์ฒด์ ์์ธ์ถ์ ์ด ํ์ํ ๊ฒฝ์ฐ๋, ๋ค์ํ
์๊ธฐํ๊ฒฝ์ ๋น๋ฒํ ๋ ธ์ถ๋๋ ์จ์ด๋ฌ๋ธ ๋ชจ์ ์บก์ณ ๋ถ์ผ์์ ์ ํํ
๋ฐฉ์๊ฐ ์ถ์ ์ ์ํด ํจ์จ์ ์ผ๋ก ์ ์ฉ๋ ์ ์๋ค.
- 36 -
Acknowledgement
๋ณธ ์ฅ์ ๋ด์ฉ์ ๋ค์ ๋ ผ๋ฌธ(์ฐธ๊ณ ๋ฌธํ[5])์ ๊ธฐ๋ฐ์ผ๋ก ์์ฑ๋์๋ค:
์ต๋ฏธ์ง, ์ด์ ๊ทผ, โ์ ํํ ๋ฐฉ์๊ฐ ์ถ์ ์ ์ํ ์ฐจ์ ๋ณํ ๋ฐฉ์ ์๊ธฐ์๊ณก
๋ณด์ ๋ฉ์ปค๋์ฆ,โ ์ ์ด๋ก๋ด์์คํ ํํ ๋ ผ๋ฌธ์ง, 23 ๊ถ, 7 ํธ, pp. 552-558,
2017 ๋ 5 ์.
- 37 -
4. ์๊ธฐ๊ต๋์ ๋ํ ์ํฅ์ ํค๋ฉ ์ถ์ ์ ์ ํ์ํจ
์์ฐจ์ ์์ธ ์นผ๋งํํฐ
4.1 ์ ๋ก
๊ฐ์๋๊ณ ๋ฐ ์์ด๋ก์ค์ฝํ์ ๊ฐ์ ์ํ IMU ๊ฐ ๊ธ์๋๋ก ๋ฐ์ ํจ์
๋ฐ๋ผ, ์จ์ด๋ฌ๋ธ ๊ด์ฑ ๋ชจ์ ์บก์ณ ์์คํ ์ ์คํฌ์ธ ๊ณผํ, ๋ฌผ๋ฆฌ์น๋ฃ, ์ฌํ๊ณผ
๊ฐ์ ๋ค์ํ ํด๋จผ ๋ชจ์ ์ถ์ (human motion tracking) ๋ถ์ผ์์ ํ์ฉ๋๊ณ
์๋ค[31-33]. ์ด๋ฌํ ๊ด์ฑ ํด๋จผ ๋ชจ์ ์บก์ณ์์ ๊ฐ์ฅ ์ค์ํ ์์ ์ค์
ํ๋๋ ์ ํํ 3 ์ฐจ์ ์์ธ(orientation)๋ฅผ ์ถ์ ํ๋ ๊ฒ์ด๋ค[9]. ๋ณธ
์ฅ์์๋ ๊ด์ฑ์๊ธฐ์ผ์๋ฅผ ์ด์ฉํ์ฌ AHRS(attitude and heading reference
system)์ ๋ํ 3 ์ฐจ์ ์์ธ๋ฅผ ์ถ์ ํ๋ ์๊ณ ๋ฆฌ์ฆ์ ์ ์ํ๋ค. ์ฌ๊ธฐ์
๊ด์ฑ์๊ธฐ์ผ์๋ 3 ์ถ ์์ด๋ก์ค์ฝํ, 3 ์ถ ๊ฐ์๋๊ณ, 3 ์ถ ์ง์๊ธฐ์ผ์๋ก
๊ตฌ์ฑ๋ ์ผ์๋ชจ๋์ด๋ค.
๊ด์ฑ์๊ธฐ์ผ์๋ฅผ ์ด์ฉํ์ฌ ์์ธ๋ฅผ ์ถ์ ํ๋ ๊ณผ์ ์์ ๊ฐ์๋๊ณ์
์ง์๊ธฐ์ผ์๋ ์์ด๋ก์ค์ฝํ์ ํ๋ฅ์ค์ฐจ๋ฅผ ๋ณด์ ํ๊ธฐ ์ํด ๋ ๊ฐ์
๊ณ ์ ๋ ์ฐธ์กฐ ๋ฒกํฐ๋ฅผ ์ ๊ณตํ๋ค: a) ์์ง๋ฐฉํฅ ์ฐธ์กฐ์ ์ฌ์ฉ๋๋
์ค๋ ฅ๋ฒกํฐ์ b) ์ํ๋ฐฉํฅ ์ฐธ์กฐ์ ์ฌ์ฉ๋๋ ์ง๊ตฌ์๊ธฐ์ฅ๋ฒกํฐ. ๊ทธ๋ฌ๋,
์์ธ๋ฅผ ์ถ์ ํ๋ ๊ณผ์ ์์ ์ถ์ ์ ํ์ฑ์ ์ ํ์ํค๋ ๋ ๊ฐ์ง ์กฐ๊ฑด์ด
์๋ค. ์ฒซ ๋ฒ์งธ ์กฐ๊ฑด์ ์ผ์๊ฐ ๊ฐ์์ ๋ฐ์ ๋์ด๋ฉฐ, ์ด ๊ฒฝ์ฐ ๊ฐ์๋๊ณ
์ ํธ๋ ์ค๋ ฅ ๊ฐ์๋์ ์ธ๋ถ๊ฐ์๋์ ํฉ๊ณผ ๊ฐ๊ธฐ ๋๋ฌธ์ ์ ํํ
์ค๋ ฅ๋ฒกํฐ๋ฅผ ์ ์ ์๋ค. ๋ ๋ฒ์งธ ์กฐ๊ฑด์ ์ผ์๊ฐ ๊ฐ์์ฑ ๋ฌผ์ฒด ๊ทผ์ฒ์
์์ ๋์ด๋ฉฐ, ์ด ๊ฒฝ์ฐ ์ง์๊ธฐ์ผ์ ์ ํธ๋ ์ง๊ตฌ์๊ธฐ์ฅ๊ณผ ๊ฐ์์ฑ
๋ฌผ์ฒด๋ก๋ถํฐ ๋ฐ์๋๋ ์๊ธฐ์ฅ(์๊ธฐ๊ต๋)์ ํฉ๊ณผ ๊ฐ๊ธฐ ๋๋ฌธ์ ์ ํํ
์ง๊ตฌ์๊ธฐ์ฅ๋ฒกํฐ๋ฅผ ์ ์ ์๋ค. ์ผ๋ฐ์ ์ธ ์ธ๊ฐ์ ์์ง์์ ๋๋ฆฐ
- 38 -
๋์(๋ ธ์ธ๊ณผ ํ์์ ๊ฒฝ์ฐ)๊ณผ ๊ด๋ จ๋๊ธฐ ๋๋ฌธ์, ๋์ ์ธ ๋์์ ์ธ๊ฐ์
์์ง์์์๋ ๊ฑฐ์ ์๋ค[11]. ๊ทธ๋ฌ๋ ์๊ธฐ๊ต๋์ ๋ฌธ์ ๋ ๊ฐ์๋์ ๊ฐ์
์ผ์์ ์ธ ๊ต๋์ด ์๋ ์ง์๊ธฐ์ผ์์ ์ง์์ ์ผ๋ก ์๊ธฐ๊ต๋์ ๋ ธ์ถ๋ ์
์๊ธฐ ๋๋ฌธ์ ์ค์ฉ์ ์ธ ๊ด์ ์์ ๋์ฑ ๋ฌธ์ ๊ฐ ๋๋ค[34-36].
3 ์ฐจ์ ์์ธ ํํ์ ํํ ์ค์ ํ๋์ธ ์ฟผํฐ๋์ธ(quaternion)์ ๊ณ์ฐ
ํจ์จ๊ณผ ํน์ด์ ์ด ์๋ ์ฅ์ ์ ๊ฐ์ง๊ณ ์์ด ๊ฐ์ฅ ๋ณดํธ์ ์ผ๋ก ์ฌ์ฉํ๋
ํํ๋ฐฉ์์ด๋ค[9,11,37]. ๊ทธ๋ผ์๋ ๋ถ๊ตฌํ๊ณ , ์ฟผํฐ๋์ธ ํํ ๋ฐฉ์์ ๊ต๋
๋ฌธ์ ์ ๊ด๋ จ๋ ์ค์ํ ๋จ์ ์ ๊ฐ์ง๊ณ ์๋ค. ์์ด๋ก์ค์ฝํ์ ๊ฐ์๋๊ณ
์ธก์ ์ attitude(์ฆ, ๋กค๊ณผ ํผ์น)๋ฅผ ๊ณ์ฐํ๊ธฐ ์ถฉ๋ถํ ์ ๋ณด๋ฅผ ์ฃผ๋ฉฐ[19],
๋ฐ๋ผ์ attitude ์ ๊ณ์ฐ๊ณผ์ ์ ์ง์๊ธฐ์ผ์ ์ ํธ๋ฅผ ์ฌ์ฉํ์ง ์๋ ๊ฒ์ด
์ข์ ๊ฒฐ๊ณผ๋ฅผ ์ค๋ค. ๊ทธ๋ฌ๋ ์ฟผํฐ๋์ธ ๋ฐฉ์์์ ์ง์๊ธฐ์ผ์ ์ธก์ ์
heading(์ฆ, ์) ์ถ์ ๋ฟ๋ง ์๋๋ผ attitude ์๋ ์ํฅ์ ๋ฏธ์น๋ ๋จ์ ์
๊ฐ์ง๊ณ ์๋ค.
์ฟผํฐ๋์ธ ๋ฐฉ์์์ attitude ์ถ์ ์ ์๊ธฐ๊ต๋์ ์ํฅ ๋ฐ์ง ์๊ณ
heading ์ถ์ ์ ๋ํ์ฌ ์๊ธฐ๊ต๋์ ์ํฅ์ ์ ํํ๋ ๋ช ๊ฐ์ง ์ ๊ทผ๋ฒ์ด
์๋ค. ์์ธ๋ฅผ ์ถ์ ํ๋ ๊ณผ์ ์์ Wahba ์ ๋ฌธ์ [38]๋ฅผ ํด๊ฒฐํ๊ธฐ ์ํ
๊ธฐ์กด์ ์ฟผํฐ๋์ธ ์ถ์ (quaternion estimator, QUEST)๊ณผ๋ ๋ฌ๋ฆฌ, Yun et
al.[39]๋ ๊ฐ์๋๊ณ์ ์ง์๊ธฐ์ผ์ ์ ํธ๋ฅผ ๋ถ๋ฆฌํ๊ณ attitude ์ถ์ ์ ์ํ
์ง์๊ธฐ์ผ์ ์ ํธ์ ์ํฅ์ ์ ๊ฑฐํ ์ ์๋ FQA(factored quaternion
algorithm)๋ฅผ ์ ์ํ๋ค. Suh[40]์ ์นผ๋งํํฐ(Kalman filter, KF)์ ์ธก์
์ ๋ฐ์ดํธ ๋ฐฉ์ ์์ ๊ฐ์๋๊ณ ์ธก์ ์ ๋ฐ์ดํธ์ ์ง์๊ธฐ์ผ์ ์ธก์
์ ๋ฐ์ดํธ์ ๋ ๋จ๊ณ๋ก ๊ตฌ๋ถํ๋ ์ ๊ทผ๋ฒ์ ์ ์ํ๋ค. ๋ํ, Suh et
al.[13]๋ ์ฟผํฐ๋์ธ ๊ธฐ๋ฐ ๊ฐ์ ์์ธ์ถ์ ์นผ๋งํํฐ์ ๊ณ์ฐ๊ณผ์ ์์
์ง์๊ธฐ์ผ์ ์ธก์ ์ ํฌํจ๋ attitude ์ ๋ณด๋ฅผ ๋ฒ๋ฆฌ๋ ๋ฐฉ๋ฒ์ ์ ์ํ๋ค.
์ด๋ฌํ ๋ณต์กํ ๋ถ๋ฆฌ ๊ณผ์ ์ ๊ณ์ฐ ํจ์จ ์ธก๋ฉด์์ ์ฟผํฐ๋์ธ์ ์ฅ์ ์
์ค์ธ๋ค. ๋ ๋ค๋ฅธ ์์ธ ํํ ๋ฐฉ์์ธ DCM(direction cosine matrix)์
- 39 -
๊ตฌ์ฑ์์์ ์(์ฆ, 9 ๊ฐ์ ๊ตฌ์ฑ์์)๋ก ์ธํด ์ฟผํฐ๋์ธ ๋๋น ๋ง์
๊ณ์ฐ์๊ฐ์ ์๊ตฌํ๋ค. ๊ทธ๋ฌ๋ DCM ์ ๋ฌผ๋ฆฌ์ ์ผ๋ก ์ง๊ด์ ์ด๋ฉฐ
๊ต๋์ฑ๋ถ์ ๋ถ๋ฆฌํ๋ ๊ณผ์ ์์ด ์ฌ์ฉํ ์ ์์ผ๋ฏ๋ก ๋ค๋ฅธ ๋ฐฉ์์ ๋นํด
์ฌ์ฉํ๊ธฐ ํธ๋ฆฌํ๋ค[41].
DCM ์ attitude ๋ฒกํฐ์ heading ๋ฒกํฐ(์ฆ, 6 ๊ฐ์ ์ฑ๋ถ)๋ฅผ ์ถ์ ํจ์ผ๋ก์จ
์์ธ๋ฅผ ๊ฒฐ์ ํ ์ ์๋ค. ๋ณธ ์ฅ์์๋ AHRS ๋ฅผ ์ํ ์๋ก์ด DCM
๊ธฐ๋ฐ์ ์์ธ์ถ์ ์๊ณ ๋ฆฌ์ฆ์ ์ ์ํ๋ค.
4.2 ์์ธ์ถ์ ์นผ๋งํํฐ
4.2.1 ๋ฌธ์ ์ ์
์ผ์์ขํ๊ณ(sensor frame, S)์ ๊ณ ์ ๊ด์ฑ์ขํ๊ณ(inertial reference frame, I)
์ฌ์ด์ 3ร1 ๋ฒกํฐ x์ ์ขํ๋ณํ์ ๋ค์๊ณผ ๊ฐ๋ค.
I I SSx R x (4.1)
์ฌ๊ธฐ์ x ์ ์ข์ธก ์์ฒจ์ S ์ I ๋ ๋ฒกํฐ๊ฐ ๊ฐ๊ฐ S ์ I ์ขํ๊ณ์์
๊ด์ธก๋์์์ ๋ํ๋ด๋ฉฐ, IS R ๋ I ์ขํ๊ณ์ ๋ํ S ์ขํ๊ณ์ ์์ธ๋ฅผ
์๋ฏธํ๋ DCM ์ด๋ค. IS R ๋ S ์ขํ๊ณ์์ ๊ด์ฐฐ๋ I ์ขํ๊ณ์ ์ธ ๊ฐ์
๋จ์ ๋ฐ ์ง๊ต ์ด๋ฒกํฐ๋ฅผ ํตํด ๋ค์๊ณผ ๊ฐ์ด ํํ๋๋ค.
TI S S S
S I I I R X Y Z (4.2)
์ ์ํ๋ ์์ธ์ถ์ KF ๋ I ์ขํ๊ณ๋ก๋ถํฐ ๋ณต๊ฐ(dip angle) ์ ์ํด
y ์ถ์ ์ค์ฌ์ผ๋ก ๊ธฐ์ธ์ด์ง(ํ์ ๋) ์ขํ๊ณ(Iโฒ)๋ฅผ ์ฌ์ฉํ์๋ค. ์ฌ๊ธฐ์
์๊ธฐ ๊ฒฝ์ฌ๋ผ๊ณ ์๋ ค์ง ๋ณต๊ฐ์ ์ํ์ถ๊ณผ ์ง๊ตฌ์๊ธฐ์ฅ ๋ฒกํฐ์ ์ํด
์ ์๋ ๊ฐ๋์ด๋ฉฐ, ์๊ธฐ ์ ๋(magnetic equator)๋ฅผ ์ ์ธํ๊ณ 0 ์ด ์๋
์์น์ ์์กด์ ์ธ ์ด๋ ํ ๊ฐ์ ๊ฐ์ง๋ค[14]. I ์ขํ๊ณ์ Iโฒ ์ขํ๊ณ ์ฌ์ด์
๊ด๊ณ
์ฌ๊ธฐ์
์
์ฌ์ฉ
g ์
๋ฒกํฐ
์ฌ๊ธฐ์
๋ฅผ ๊ณ
๋ ๋ค์๊ณผ
์ ๋ณต๊ฐ ๋
์ํ๋ ์๊ณ
ํ๋ค: attitud
heading ๋ฒก
m . ๋ ๊ฐ
์ g g
๊ณ ๋ คํ๋ฉด, he
Fi
๊ฐ๋ค.
II
๋ 1cos ( SI
Z
๊ณ ๋ฆฌ์ฆ์ ์
de ๋ฒกํฐ S Z
๋ฒกํฐ 'S
IX ์
์ ์ฐธ์กฐ ๋ฒก
S gg
์ด๊ณ , m
ading ๋ฒกํฐ
ig. 4.1. Inert
- 40
cos
0
sin
R
) /SI I m
์์ธ๋ฅผ ๊ฒฐ์
IZ ์ ๊ด๋ จ๋
์ ๊ด๋ จ๋ ์
ํฐ๋ ๋ค์๊ณผ
SIg Z and
m ์ด๋ค(F
'S
IX ๋ ๋ค์
ial and senso
0 -
0 sin
1 0
0 cos
/ 2 ๊ณผ ๊ฐ์ด
์ ํ๊ธฐ ์ํด
๋ ์์ง๋ฐฉํฅ
์ํ๋ฐฉํฅ ์ฐธ
๊ณผ ๊ฐ์ด ๋ํ
d S Sm m
Fig. 4.1 ์ฐธ์กฐ
์๊ณผ ๊ฐ์ด
or frames, an
๊ฒฐ์ ๋๋ค.
ํด ๋ ๊ฐ์
ํฅ ์ฐธ์กฐ ๋ฒกํฐ
์ฐธ์กฐ ๋ฒกํฐ์ธ
ํ๋ผ ์ ์๋ค
SI X
์กฐ). ๊ด๊ณ์
ํํ๋๋ค.
nd dip angle.
(4
์ฐธ์กฐ ๋ฒกํฐ
์ธ ์ค๋ ฅ ๋ฒก
์ธ ์ง๊ตฌ์๊ธฐ
๋ค.
(4
''
I I TS I SR R
4.3)
ํฐ๋ฅผ
๋ฒกํฐ
๊ธฐ์ฅ
4.4)
IS R
- 41 -
cos sinS S SI I I X X Z- (4.5)
๋ณธ ์ฅ์์ IS R ์ ๋ค์๊ณผ ๊ฐ์ ๊ณผ์ ์ ํตํด ๊ฒฐ์ ๋๋ค: (i) S
IZ ๋
๊ฐ์๋๊ณ ์ ํธ๋ก๋ถํฐ ๊ณ์ฐ๋ g๋ฅผ ์ฌ์ฉํ์ฌ ์ถ์ ํ๊ณ , (ii) 'S
IX ๋ SIZ ์
์ง์๊ธฐ์ผ์ ์ ํธ๋ก๋ถํฐ ๊ณ์ฐ๋๋ m ์ ์ด์ฉํ์ฌ ์ถ์ ๋๋ฉฐ, (iii) SIY ๋
๋จ์๋ฒกํฐ๋ค์ ์ง๊ต์ฑ(์ฆ, S S SI I I Y X Z )์ ์ด์ฉํ์ฌ ์ถ์ ํ๋ค. ์ดํ๋ก
๋ณธ ์ฅ์์๋ ๊ฐํธ์ฑ์ ์ํด , ,I S SS I IR X Y ์ S
IZ ๋ ๊ฐ๊ฐ , ,S SR X Y ์
S Z ๋ก ํ์๋๋ค.
4.2.2 ์ถ์ ์๊ณ ๋ฆฌ์ฆ
์ ์ํ๋ ์์ธ์ถ์ ์๊ณ ๋ฆฌ์ฆ์ attitude KF(๋กค๊ณผ ํผ์น ์ถ์ ์ฉ)๊ณผ
heading KF(์ ์ถ์ ์ฉ)๋ก ๊ตฌ์ฑ๋ ๋ ๊ฐ์ ์ ํ ์นผ๋งํํฐ๋ฅผ ์ฌ์ฉํ๋ค.
์ฌ๊ธฐ์ attitude ์ heading ์ DCM ์ Z ์ถ๊ณผ X ์ถ ๋จ์๋ฒกํฐ๋ก ํํ๋๋ฉฐ
๋ค์ ๋งํด, ์ฒซ ๋ฒ์งธ attitude KF ๋ I ์ขํ๊ณ์ ์์ง์ถ(์ค๋ ฅ์ถ)์
์ ์ฉ๋๋ฉฐ, ๋ ๋ฒ์งธ heading KF ๋ ์ํ์ถ(ํค๋ฉ์ถ)์ ์ ์ฉ๋๋ค.
A) Sensor Modeling
์์ด๋ก์ค์ฝํ(G), ๊ฐ์๋๊ณ(A)์ ์ง์๊ธฐ์ผ์(M)์ ์ ํธ๋ ๋ค์๊ณผ
๊ฐ์ด ๋ชจ๋ธ๋ง๋๋ค.
S SA A y g a n (4.6a)
S SM M y m d n (4.6b)
SG G y ฯ n (4.6c)
์ฌ๊ธฐ์ ฯ ๋ ๊ฐ์๋, a ๋ ์ธ๋ถ๊ฐ์๋, d ๋ ์๊ธฐ๊ต๋์ด๋ฉฐ, n ๋ค์ ๊ฐ
์ผ์์ ์ ํธ์ก์์ด๋ค. ์(4.6b)์ ์(4.6c)์์ ์ธ๋ถ๊ฐ์๋์ ์๊ธฐ๊ต๋์
1 ์ฐจ ๋ง๋ฅด์ฝํ ์ฐ์(Markov chain)์์ ๊ธฐ๋ฐํ์ฌ ํน์ ์๊ฐ t ์ ๋ํ์ฌ
๋ค์๊ณผ ๊ฐ์ด ๋ชจ๋ธ๋ง ๋๋ค[19, 42].
- 42 -
1 ,S S
t a t a tc a a ฮต- (4.7a)
1 ,S S
t d t d tc d d ฮต- (4.7b)
์ฌ๊ธฐ์ ac ์ dc ๋ ๊ฐ๊ฐ์ ๊ต๋๋ชจ๋ธ์ ๋ํ ํ๋ผ๋ฏธํฐ์ด๋ฉฐ, ,a tฮต ์ ,d tฮต ๋
๊ฐ๊ฐ์ ๊ต๋๋ชจ๋ธ์ ๋ํ ์๋ณ ์ค์ฐจ(time-varying errors)๋ฅผ ์๋ฏธํ๋ค.
B) 1st Step KF: Attitude Estimation
์ฒซ ๋ฒ์งธ KF ๋ ์ฐธ๊ณ ๋ฌธํ[19]์ ๊ธฐ๋ฐํ์ฌ S Z (์ฒซ ๋ฒ์งธ KF ์
์ํ๋ฒกํฐ)๋ฅผ ์ถ์ ํ๋ค. ์นผ๋งํํฐ์ ์งํ๋ชจ๋ธ(process model)์
์์ด๋ก์ค์ฝํ ์ ํธ์ ์คํธ๋ฉ๋ค์ด ์ ๋ถ์(strapdown integration)์ผ๋ก๋ถํฐ
๋ค์๊ณผ ๊ฐ์ด ๋ชจ๋ธ๋ง๋๋ค.
, 1 1 1S S S
t G t t t Gt t Z I y Z Z n- - -- - (4.8)
์ฌ๊ธฐ์ I ๋ 3 3 ๋จ์ํ๋ ฌ(identity matrix), t ๋ ์ํ๋ง ๊ฐ๊ฒฉ์ด๋ฉฐ, ๋ฌธ์
์์ ํ์๋ ํธํธโ~โ๋ ํด๋น ๋ฒกํฐ์ ์ธ์ ํ๋ ฌ(cross product)์
์๋ฏธํ๋ค(์ฆ, [ ] a a ). ์นผ๋งํํฐ์ ์ธก์ ๋ชจ๋ธ(measurement model)์
๊ฐ์๋๊ณ ์ ํธ ์(4.6b)์ ์(4.7a)์ ์ ์ฉํ์ฌ ๋ค์๊ณผ ๊ฐ์ด ๋ชจ๋ธ๋ง๋๋ค.
, 1 ,S S S
A t a t t t Ac g y a Z a n--- - (4.9)
์ฌ๊ธฐ์ ๊ด๊ณ์ ,S S S
t t t a a a- - - ์ 1S S
t a tc a a-- ๊ฐ ์ฌ์ฉ๋์๋ค. ๋ํ,
์์ฒจ์ +์ โ ํ๊ธฐ๋ ๊ฐ๊ฐ ์์ธก๊ฐ(a priori)๊ณผ ๋ณด์ ๊ฐ(a posteriori)์
์๋ฏธํ๋ค.
์ (4.8)๊ณผ (4.9)๋ฅผ ํตํด ์ฒซ ๋ฒ์งธ KF ์ ๋ํ ์๋ค์ด ๋์ถ๋๋ค.
1, 1 1 1, 1S S
t t t t Z ฮฆ Z w- - - (4.10)
1, 1 1,S
t t t z H Z v (4.11)
์ฌ๊ธฐ์ ์ฒ์ดํ๋ ฌ 1ฮฆ ๋ , 1G ttI y -- ์ด๊ณ , ์งํ์ก์ 1w ๋ 1S
t Gt Z n--
- 43 -
์ด๋ค. ๋ํ, ์ธก์ ๋ฒกํฐ 1z ๋ , 1S
A t a tc y a -- , ๊ด์ธกํ๋ ฌ 1H ๋ g I ์ด๋ฉฐ,
์ธก์ ์ก์ 1v ๋ ,S
t A a n-- ์ด๋ค.
์งํ์ก์๊ณผ ์ธก์ ์ก์์ ๋ํ ๊ณต๋ถ์ฐ ํ๋ ฌ 1, 1 1, 1 1, 1( )Tt t tE Q w w- - ์
1, 1, 1,( )Tt t tE M v v ๋ ๋ค์๊ณผ ๊ฐ๋ค.
21, 1 1 1
S St t G tt Q Z ฮฃ Z - - -- (4.12)
1, 1t acc A M ฮฃ ฮฃ (4.13)
์ฌ๊ธฐ์ E ๋ ๊ธฐ๋์ฐ์ฐ์(expectation operator)์ด๋ค. ๋ฐ๋ผ์ ๊ฐ์๋๊ณ์
์์ด๋ก์ค์ฝํ ์ ํธ์ก์์ ๋ํ ๊ณต๋ถ์ฐ ํ๋ ฌ Aฮฃ ์ Gฮฃ ๋ ๊ฐ๊ฐ 2A I ์
2G I ์ด๋ฉฐ, 2
A ์ 2G ๋ ๊ฐ๊ฐ์ ์ ํธ์ก์์ ๋ํ ๋ถ์ฐ์ด๋ค. ๋ํ,
๊ฐ์๋ ๋ชจ๋ธ ์ค์ฐจ์ ๊ณต๋ถ์ฐ ํ๋ ฌ 1accฮฃ ๋ , ,( )( )S S Tt tE
a a ๋ก
์ ์๋๋ฉฐ, ๋ค์๊ณผ ๊ฐ์ด ์ค์ ๋๋ค.
21 2
1 13 Sacc a tc ฮฃ a I-
- (4.14)
C) 2nd Step KF: Heading Estimation
๋ ๋ฒ์งธ KF ๋ S X (๋ ๋ฒ์งธ KF ์ ์ํ๋ฒกํฐ)๋ฅผ ์ถ์ ํ๋ค. ์(4.8)์
๋ง์ฐฌ๊ฐ์ง๋ก ์งํ๋ชจ๋ธ์ ๋ค์๊ณผ ๊ฐ๋ค.
, 1 1 1S S S
t G t t t Gt t X I y X X n- - -- - (4.15)
์ธก์ ๋ชจ๋ธ์ ์(4.6c)๋ก ํ์๋ ์ง์๊ธฐ์ผ์ ์ ํธ๋ฅผ ๊ธฐ๋ฐ์ผ๋ก ํ๋ค.
๊ทธ๋ฌ๋ ๊ฐ์๋๊ณ ์ ํธ์ ์ค๋ ฅ ๋ฒกํฐ(์ฒซ ๋ฒ์งธ KF ์ ๊ด๋ จ๋จ)๋ ์์ง์ถ๊ณผ
์ ๋ ฌ๋์ด์๋ ๋ฐ๋ฉด ์ง์๊ธฐ์ผ์ ์ ํธ์ ์ง๊ตฌ์๊ธฐ์ฅ๋ฒกํฐ(๋ ๋ฒ์งธ KF ์
๊ด๋ จ๋จ)๋ ๋ณต๊ฐ์ผ๋ก ์ธํด ์ํ์ถ๊ณผ ์ ๋ ฌ๋์ง ์๋๋ค. ๊ทธ๋ฌ๋ฏ๋ก
์ง๊ตฌ์๊ธฐ์ฅ๋ฒกํฐ๋ ์ํ์ถ์ ํฌ์๋์ด์ผ ํ๋ค. ์(4.3)์ (4.5)๋ฅผ
๊ณ ๋ คํ๋ฉด ์(4.6c)๋ ๋ค์๊ณผ ๊ฐ์ด ์ฌ๊ตฌ์ฑํ ์ ์๋ค.
- 44 -
cos sinS S SM Mm m y X Z d n- (4.16)
์(4.16)์ ๊ด๊ณ์ ,หS S S
t t t Z Z Z- , ,
หS S St t t d d d- - - ์ 1
ห หS St d tc d d-
- ๋ฅผ
์ ์ฉํ๋ฉด ๋ค์๊ณผ ๊ฐ๋ค.
, 1
, ,
ห หsin
cos sin
S SM t t d t
S S St t t M
m c
m m
y Z d
X Z d n
-
-
-
- (4.17)
์(4.17)์ ์ข๋ณํญ์ หStZ ๋ ์ฒซ ๋ฒ์งธ KF ๋ฅผ ํตํด ์ถ์ ๋๋ค. ๋ํ,
หStm ๋ ์๊ฐ t ์์ ์ ์ ์๋ ๋ฏธ์ง์ ๊ฐ์ด๊ธฐ ๋๋ฌธ์ ์(4.17)์์
์ฌ์ฉ๋๋ ๋ณต๊ฐ ๋ ์(4.18)๋ก๋ถํฐ ์ป์ด์ง๋ค.
1 ห หcos ( ) / 2S St t Z m (4.18)
์ฌ๊ธฐ์ หStm ๋ ,
หSM t ty d- ์ด๋ค.
์ (4.16)๊ณผ (4.17)๋ฅผ ํตํด ๋ ๋ฒ์งธ KF ์ ๋ํ ์๋ค์ด ๋์ถ๋๋ค.
2, 1 1 2 1S S
t t t ,t X ฮฆ X w- - - (4.19)
2, 2 2,S
t t t z H X v (4.20)
์ฌ๊ธฐ์ 2 1ฮฆ ฮฆ ์ด๊ณ , 2, 1tw - ๋ 1S
t Gt X n-- ์ด๋ค. ๋ํ,
2 , , 1ห หsin S S
t M t t d tm c z y Z d -- (4.21)
2 cosm H I (4.22)
2, , ,sin S St t t Mm v Z d n-- (4.23)
๊ฐ ๋๋ค.
์งํ์ก์์ ๋ํ ๊ณต๋ถ์ฐ ํ๋ ฌ 2, 1tQ - ๋ 21 1
S S Tt G tt X ฮฃ X - - ์ด๋ค.
์ธก์ ์ก์์ ๋ํ ๊ณต๋ถ์ฐ ํ๋ ฌ 2,tM ์ ์(4.23)์ ์(4.24)๋ฅผ ๋์ ํ์ฌ
์ป์ ์ ์๋ค.
๋ฐ๋ผ์
์(
๊ณต๋ถ์ฐ
์ฌ๊ธฐ์
์ด๋ฉฐ(
์ ์(4.23)
(4.25)์ ์ฐ
์ฐ ํ๋ ฌ์
M
์ ์ง์๊ธฐ
( 2M ๋ ์
Fig. 4.
์ ๋ค์๊ณผ
2,
st
m
gv -
์ฐ๋ณํญ์ ์
๋ค์๊ณผ ๊ฐ์ด
2
2, 2
sint
m
gM
์ผ์์ ์
์ ํธ์ก์
.2. Structure
- 45
, (St A
Z n -
๊ฐ์ด ๋๋ค.
,
sin St
m
g a
๋ก ๊ด๋ จ์ด
์ด ๋๋ค.
2
2
nacc
mฮฃ
ํธ์ก์์
Mn ์ ๋ถ์ฐ
of the propo
5 -
, ) /St g
a-
sin SA
m
g
n -
์์ผ๋ฏ๋ก(
2 2
2
sinA
m
g
ฮฃ
๋ํ ๊ณต๋ถ
์ฐ), 2accฮฃ
osed sequenti
,S
t M d n-
(uncorrelated
dist M ฮฃ ฮฃ
๋ถ์ฐ ํ๋ ฌ
,( )(StE
a
ial Kalman f
(4.
(4.
d) ์ธก์ ์ก์
(4.
Mฮฃ ๋
,( )S Tt
a ์ด
filter.
24)
25)
์์
26)
2M I
๊ณ ,
distฮฃ
๋์ผ
Fig
๋ณด์ฌ์ค
์ถ์
๋๋ฌธ
์์ธ
4.3
4.3.1
์
์ํด
Hz ์
Fig
,( )(StE d-
ํ๊ฒ ์ ์ ํ
g. 4.2 ๋
์ค๋ค. ์์ฐจ
์๋ง ์ํฅ์
์ ์ถ๊ฐ์ ์ธ
์ถ์ ์๊ณ
์คํ ๊ฒฐ๊ณผ
1 ๊ฒ์ฆ์คํ
์ํ๋ ์๊ณ
IMMU ์ผ์
์ํ๋ง ์๋
g. 4.3. Test se
,( )S Tt d- ์ด
ํ๋ฉฐ, distฮฃ ๋
์ ์ํ๋
์ฐจ์ ๊ตฌ์กฐ๋ก
์ ๋ฏธ์น๊ณ ,
์ธ ๋ถ๋ฆฌ๊ณผ์
๊ณ ๋ฆฌ์ฆ์ ๊ณ ์
๊ณผ
๊ณ ๋ฆฌ์ฆ์ M
์๋ก MTw(f
๋๋ก ์ฌ์ฉํ
etup: optical
- 46
์ด๋ค. ์ ์ํ
๋ 1accฮฃ ์ ์
์์ฐจ์ ์
๋ก ์ธํด ์
attitude(์ฆ
์ ์ด ํ์ํ
์ ํ ๋ฌธ์ ๋ฅผ
MATLABยฎ์
from Xsens T
ํ์๋ค. ๋ํ
motion track
6 -
ํ๋ ๋ฐฉ๋ฒ
์ ์ฌํ๊ฒ 3-
์์ธ์ถ์ ์นผ
์๊ธฐ๊ต๋์
์ฆ, ๋กค๊ณผ ํผ
ํ์ง ์๋๋ค
๋ฅผ ํด๊ฒฐํ๋ค.
์ ํตํด ๊ตฌํ
Technologies
ํ, ์ถ์ ์
ker and MTw
์ 2accฮฃ
21 21
Sd tc d I-
-
์นผ๋งํํฐ์
์ํฅ์ด he
ํผ์น) ์ถ์ ๊ณผ
. ๋ฐ๋ผ์ ์ฟผ
.
ํ๋์์ผ๋ฉฐ,
s B. V., Neth
์ ํ๋๋ฅผ ๋น
w IMMU sen
๊ณผ 1accฮฃ
I ๋ก ์ ์ ๋
์ ์ฒด ๊ตฌ์กฐ
eading(์ฆ,
๊ณผ๋ ๋ฌด๊ดํ
์ฟผํฐ๋์ธ ๊ธฐ
์ฑ๋ฅ ๊ฒ์ฆ
erlands)๋ฅผ 1
๋น๊ตํ๊ธฐ ์
nsor.
๋ฅผ
๋๋ค.
์กฐ๋ฅผ
์)
ํ๊ธฐ
๊ธฐ๋ฐ
์ฆ์
100
์ํด
- 47 -
๊ดํ์ ๋ชจ์ ์บก์ณ ์์คํ OptiTrack Flex13(from NaturalPoint, Inc. USA)๋ฅผ
์ฌ์ฉํ์ฌ ์ธ ๊ฐ์ ๋ง์ปค ์์น๋ฅผ ์ถ์ ํจ์ผ๋ก์จ ์์ธ ์ฐธ์กฐ๊ฐ(truth
reference)์ ์ป์๋ค(Fig. 4.3 ์ฐธ์กฐ). ์ ์ํ๋ ์๊ณ ๋ฆฌ์ฆ์์ ์ฌ์ฉํ๋
ํ๋ผ๋ฏธํฐ ac ์ dc ๋ ๊ฐ๊ฐ 0.1 ๊ณผ 0.15 ๋ก ์ ์ ๋์๋ค.
๊ต๋์ฑ๋ถ(์ธ๋ถ๊ฐ์๋์ ์๊ธฐ๊ต๋)์ ๊ด์ ์์ ๋ค ๊ฐ์ง ๋ค์ํ ์ํ์ด
์งํ๋์๋ค. ์๊ธฐ๊ต๋์ 117 ร 225 ร 2.2 mm3 ํฌ๊ธฐ์ ๊ฐ์ฒ ํ์ ์ด์ฉํ์ฌ
์๊ธฐ์ฅ์ ๋ฐ์์์ผฐ๋ค. ์ํ์กฐ๊ฑด์ ์๋์ ๊ฐ๋ค.
โข Test A: ๊ฐ์ฒ ํ์ผ๋ก๋ถํฐ 50cm ๋จ์ด์ง ์๊ธฐ์ ์ผ๋ก ๊ต๋์ด ์๋
์์ญ์์๋ถํฐ ์ผ์์ ์์ธ๋ฅผ 30 ์ด๋์ ๊ณ์ํด์ ์ฒ์ฒํ ๋ณ๊ฒฝํ๋ฉฐ
๊ฐ์ฒ ํ์ ๊ฐ๊น์์ก๋ค ๋ฉ์ด์ง๋ ๋ฐฉ์์ผ๋ก ์คํํ์๋ค. ๊ทธ๋ฐ ๋ค์
์๊ธฐ์ ์ผ๋ก ๊ต๋์ด ์๋ ์ด๊ธฐ ์์น์ ์ผ์๋ฅผ ์ด๋์์ผฐ๋ค.
โข Test B: Test A ์ ์ ์ฌํ์ง๋ง, Test A ๋ณด๋ค ์ผ์์ ์๋๊ฐ ๋น ๋ฅด๋ฉฐ ๋
๋ง์ ์์ง์์ ์ฃผ๋ฉฐ ์คํํ์๋ค(Fig. 4.4 ์ฐธ์กฐ). Fig. 4.4(a)๋
๊ฐ์ฒ ํ์ ์ํด ๊ฐํด์ง ์๊ธฐ๊ต๋์ ๋ณด์ฌ์ค๋ค. I ์ขํ๊ณ์ ๋ํ
์๊ธฐ๊ต๋ I d ๋ ์ ํธ์ก์ Mn ์ ์ ์ ์๊ธฐ ๋๋ฌธ์ ๊ด๊ณ์
I I IS opt M d R y m ์ ํตํด ๊ณ์ฐ๋์์ผ๋ฉฐ, ์ฌ๊ธฐ์ I
S optR ๋ ๊ดํ์
๋ชจ์ ์บก์ณ ์์คํ ์ ํตํด ์ป์ ์์ธ ์ฐธ์กฐ๊ฐ์ ์ฌ์ฉํ์๋ค.
โข Test C: ์ผ์์ ์์ธ๊ฐ ๋ณ๊ฒฝ๋์ง ์๋๋ก ๋ฐ๋ฅ์ ๊ณ ์ ์ํจ ์ํ์์
๊ฐ์ฒ ํ์ ์ผ์์ ๊ฐ ์ถ์ ๋ฐ๋ผ ๊ฐ๊น์์ก๋ค ๋ฉ์ด์ง๋ ๋ฐฉ์์ผ๋ก
์์ง์ด๋ฉฐ ์๊ธฐ๊ต๋์ ์ํฅ์ ๋ฐ๋๋ก ์คํํ์๋ค.
โข Test D: Test C ์ ์ ์ฌํ์ง๋ง, Test C ๋ณด๋ค ์ผ์ ์ฃผ์์์ ๊ฐ์ฒ ํ์
๋ค์ํ๊ฒ ์์ง์๋ค. ๋ํ, ์๊ธฐ๊ต๋์ ์ํฅ์ ๋ฐ๋ ์๊ฐ์ Test
C ๋ณด๋ค ํจ์ฌ ๊ธด ์ฝ 80 ์ด๋์ ์๊ธฐ๊ต๋์ ์ํฅ์ ๋ฐ๋๋ก ํ์๋ค
(Fig. 4.5 ์ฐธ์กฐ). Test D ๋ ๊ฐ๊ฐ์ ์๊ณ ๋ฆฌ์ฆ์ ๋ฐ๋ฅธ ์ถ์ ์ฑ๋ฅ์ด
์ผ๋ง๋ ์ค๋ซ๋์ ์ ์ง๋๊ณ , ์๊ธฐ๊ต๋์ด ์ฌ๋ผ์ง ํ์ ์ผ๋ง๋ ๋น ๋ฅด๊ฒ
- 48 -
์ฑ๋ฅ์ด ๋ณต๊ท๋๋์ง๋ฅผ ์์๋ณด๋๋ฐ ๋ชฉ์ ์ด ์๋ค.
๋ค ๊ฐ์ง ์คํ์ ๋ํ์ฌ ์ธ ๊ฐ์ง ์์ธ์ถ์ ์๊ณ ๋ฆฌ์ฆ์ ๊ฒฐ๊ณผ๋ฅผ
๋น๊ตํ์๋ค. Method 1 ์ ๋ณธ ์ฅ์์ ์ ์ํ๋ DCM ๊ธฐ๋ฐ ์์ธ์ถ์
์๊ณ ๋ฆฌ์ฆ์ด๋ค. Method 2 ๋ ์ฐธ๊ณ ๋ฌธํ[37]์์ ์ ์ํ๋ ์ฟผํฐ๋์ธ ๊ธฐ๋ฐ์
์๊ณ ๋ฆฌ์ฆ์ด๋ฉฐ, MATLABยฎ์ผ๋ก ๊ตฌํ๋ ์คํ ์์ค ์๊ณ ๋ฆฌ์ฆ์ ์ฌ์ฉํ์๋ค
(http://www.x-io.co.uk/open-source-imu-and-ahrs-algorithms/ [last accessed on
October 2016]). Method 3 ์ XKF-3w[17] ์๊ณ ๋ฆฌ์ฆ์ด๋ผ ๋ถ๋ฆฌ๋ MTw ์
๋ด๋ถ ์๊ณ ๋ฆฌ์ฆ์ด๋ค. ์ถ์ ์ ํ๋๋ ์ค์ผ๋ฌ ๊ฐ(Euler angles)์ RMSE
(root-mean-squared-error)์ ํตํด ๋น๊ตํ์๋ค.
4.3.2 ๊ฒฐ ๊ณผ
Table 4.1 ์ ๋ค ๊ฐ์ง ์คํ์ ๋ํ ์ธ ๊ฐ์ง ์์ธ์ถ์ ์๊ณ ๋ฆฌ์ฆ์ ํตํด
์ถ์ ๋ ์ ์ฒด ํ๊ท ๊ณผ ๊ฐ๋ณ ์ค์ผ๋ก ๊ฐ์ RMSE ๋ฅผ ๋ณด์ฌ์ค๋ค.
Test A ์ ๊ฒฝ์ฐ ์ ์ ์กฐ๊ฑด์์ ์คํํ์๊ธฐ ๋๋ฌธ์ Method 1 ๊ณผ Method
3 ์ ์ธ ๊ฐ์ง ์ค์ผ๋ฌ ๊ฐ์ ์ค์ฐจ ๋ชจ๋ 2ยฐ์ด๋ด์ ๋งค์ฐ ์ ํํ ๊ฒฐ๊ณผ๋ฅผ
๋ณด์๋ค. Method 2 ๋ ๋ค๋ฅธ ๋ ๊ฐ์ง ์๊ณ ๋ฆฌ์ฆ์ ๋นํด ์ ์ถ์ ์ค์ฐจ๊ฐ ๋
ํฌ๊ฒ ๋์๋ค(Method 1/2/3 ์ ์ถ์ RMSE: 0.84ยฐ/2.50ยฐ/1.23ยฐ). ์ด๋ฅผ ํตํด
์ ์ถ์ ๊ณผ์ ์์ Method 2 ๋ Method 1 ๊ณผ Method 3 ์ ๋นํด ์๊ธฐ๊ต๋์
๋ ๋ง์ ์ํฅ์ ๋ฐ๋๋ค๋ ๊ฒ์ ์ ์ ์๋ค.
Test B ์ ๊ฒฝ์ฐ ์๊ธฐ๊ต๋์ ์ํฅ์ผ๋ก Method 1 ๊ณผ Method 3 ์ ์ ์ถ์
์ค์ฐจ๊ฐ 3ยฐ ๋๋ก Test A ๋๋น ์ฆ๊ฐํ์๋ค. Method 2 ๋ ์ ์ถ์ ์ค์ฐจ๊ฐ
10.33ยฐ๋ก ๋ค๋ฅธ ๋ฐฉ๋ฒ๋ณด๋ค ๋ ๋ง์ ์ค์ฐจ ์ฆ๊ฐ ํญ์ ๋ณด์๋ค. ๋ํ, Method
2 ๋ ์ฝ 14 ์ด์์ ์ ์ถ์ ์ค์ฐจ๊ฐ ๊ธ์๋๋ก ์ฆ๊ฐํ ๋, ๋กค ์ถ์ ์ค์ฐจ๋
30ยฐ๊น์ง ์ฆ๊ฐํ์๋ค(Fig. 4.4 ์ฐธ์กฐ). Fig. 4.4(a)์์ ๋ณด๋ฏ์ด 17 ์ด์
์๊ธฐ๊ต๋์ด ์ ๊ฑฐ๋์์ ๋, Method 2 ์ ์ ์ถ์ ์ฑ๋ฅ์ Fig. 4.4(d)๊ณผ
๊ฐ์ด ์์ํ ํ๋ณต๋์๋ค.
Fig
โป
g. 4.4. Test B(b)-(d
โปNote: Figure can
B results: (a)d) estimationn be viewed in co
- 49
) exposed man errors with
lor in the PDF ve
9 -
agnetic disturespect to th
ersion of thesis on
urbance for ehe true referen the RISS websi
each axis, annce. te, www.riss.kr.
nd
Fig
โป
g. 4.5. Test D(b)-(d
โปNote: Figure can
D results: (a)d) estimationn be viewed in co
- 50
) exposed man errors with
lor in the PDF ve
0 -
agnetic disturespect to th
ersion of thesis on
urbance for ehe true referen the RISS websi
each axis, annce. te, www.riss.kr.
nd
- 51 -
Test C ์ Test D ์ ๊ฒฝ์ฐ ์ธ๋ถ๊ฐ์๋์ ์ํฅ์ด ์๋ ์ผ์๊ฐ ๊ณ ์ ๋
์ํ์ด๋ฏ๋ก ์ธ ๊ฐ์ง ์๊ณ ๋ฆฌ์ฆ ๋ชจ๋ ๋กค๊ณผ ํผ์น ์ถ์ ์์ ๋์ ์ ํ์ฑ์
๊ฐ์ก๋ค. ๊ทธ๋ฌ๋ ์๊ธฐ๊ต๋์ ์ํฅ์ ๋ฐ๋ ์ ์ถ์ ์ ๋ ๊ฐ์ง ์คํ์์
์์ดํ ๊ฒฐ๊ณผ๊ฐ ๋์๋ค. Method 1 ๊ณผ Method 3 ์ ๊ฒฝ์ฐ, Test D ๊ฐ Test
C ๋ณด๋ค ์๊ธฐ๊ต๋์ ์ํฅ์ ๋ฐ๋ ์๊ฐ์ด ๋ ๊ธธ์๊ธฐ ๋๋ฌธ์ ์ ์ถ์
์ค์ฐจ๊ฐ ์ฆ๊ฐํ์์ง๋ง, ๋กค๊ณผ ํผ์น ์ถ์ ๊ฒฐ๊ณผ๋ Test C ์ Test D ๊ฐ ๊ฑฐ์
๋์ผํ์๋ค. ์ด๋ฅผ ํตํด Method 1 ๊ณผ Method 3 ์ ๋กค๊ณผ ํผ์น ์ถ์
๊ณผ์ ์์ ์๊ธฐ๊ต๋์ ์ํฅ์ ๋ฐ์ง ์๋ ๊ฒ์ ์ ์ ์๋ค. ๋ฐ๋ฉด์,
Table 4.1. Test results of the root mean squared error (in units of degree).
Method 1 Method 2 Method 3
Test A
Average 1.33 1.94 1.15
Roll 1.80 2.12 1.16
Pitch 1.34 1.20 1.00
Yaw 0.84 2.50 1.23
Test B
Average 2.10 5.92 2.30
Roll 1.70 5.00 2.15
Pitch 1.13 2.44 1.35
Yaw 3.45 10.33 3.40
Test C
Average 0.59 1.62 0.92
Roll 0.03 0.55 0.12
Pitch 0.13 0.21 0.13
Yaw 1.61 4.11 2.52
Test D
Average 0.99 5.30 1.90
Roll 0.04 1.61 0.17
Pitch 0.03 1.12 0.11
Yaw 2.89 13.14 5.43
- 52 -
์ฟผํฐ๋์ธ ๊ธฐ๋ฐ์ Method 2 ์ ๊ฒฝ์ฐ, ์ ์ถ์ ๋ฟ๋ง ์๋๋ผ ๋กค๊ณผ ํผ์น
์ถ์ ์์๋ Test C ๋ณด๋ค Test D ์์ ๋ ํฐ RMSE ๋ฅผ ๋ณด์๋ค. ์ด๋ฅผ ํตํด
์ฟผํฐ๋์ธ ๊ธฐ๋ฐ์ Method 2 ๋ ์ง์๊ธฐ์ผ์ ์ ํธ๊ฐ ๋กค๊ณผ ํผ์น ์ถ์ ์
์ํฅ์ ๋ฏธ์น๋ ๊ฒ์ ์ ์ ์๋ค. ์ด๋ฌํ ์ ์ Fig. 4.5(b)์ Fig.
4.5(c)์์ ๋ช ํํ๊ฒ ํ์ธํ ์ ์๋ค.
์ข ํฉ์ ์ผ๋ก ๋น๊ตํด๋ณด๋ฉด, Method 2 ๋ ๊ต๋์ ์ํ ์ฌ๊ฐํ ์ํฅ์
๋ฐ์์ผ๋ฉฐ, Method 1 ๊ณผ Method 3 ์ Method 2 ๋ณด๋ค ์ถ์ ์ฑ๋ฅ์ด ์ฐ์ํ๋ค.
์ ์ถ์ ์ ๋ํ์ฌ Method 1 ์ ๊ฒฐ๊ณผ์ Method 3 ์ ๊ฒฐ๊ณผ ์ฌ์ด์ ์ ์
์ํ ์ค์ฐจ๋ก๋ถํฐ ๋ถ๋ถ์ ์ธ ์ฐจ์ด๊ฐ ๋ฐ์ํ๋ค. Fig 4.5(d)์์ ๋ณด๋ฏ์ด,
์๊ธฐ๊ต๋์ด ์ ๊ฑฐ๋ ์๊ธฐํ๊ฒฝ์ด ๊ท ์ผํ ์ํ๋ก ๋๋์๊ฐ๋ฉด Method 3 ์
์ ์ถ์ ์ค์ฐจ๊ฐ ์ ์ฐจ์ ์ผ๋ก ๊ฐ์ํ์ง๋ง, ์๊ธฐ๊ต๋์ด ์ ๊ฑฐ๋์๋ง์
ํ๋ณต๋๋ ๊ฒ์ด ์๋๋ผ ์ฝ 10 ์ด์ ์๊ฐ์ด ์ง๋ ์ดํ๋ถํฐ ํ๋ณต๋์๋ค.
์ด์ ๋ฌ๋ฆฌ, ์ ์ํ๋ ๋ฐฉ๋ฒ์ธ Method 1 ์ ์๊ธฐ๊ต๋์ด ์ ๊ฑฐ๋์๋ง์
๋ฐ๋ก ํ๋ณต๋์๋ค. ๋ํ, ์ ์ถ์ ์ค์ฐจ์ ํจํด๋ Method 1 ๊ณผ Method
3 ์์ ์ฐจ์ด๋ฅผ ๋ณด์๋ค. Method 3 ์ ์ ์ถ์ ์ค์ฐจ๋ ๊ต๋์ ๋ ธ์ถ๋๋
๋์ ์ ํ์ ์ผ๋ก ์ฆ๊ฐํ์ง๋ง, Method 1 ์ ์ ์ถ์ ์ค์ฐจ๋ ๊ต๋์
ํฌ๊ธฐ์ ๋ฐ๋ผ ๋ณ๋๋๋ ํจํด์ด ๊ด์ฐฐ๋์๋ค.
4.4 ๊ณ ์ฐฐ ๋ฐ ๊ฒฐ๋ก
ํด๋จผ ๋ชจ์ ์บก์ณ ๋ถ์ผ์์ ์ง์๊ธฐ์ผ์ ์ ํธ์ ๊ต๋์ฑ๋ถ์ธ ์๊ธฐ๊ต๋์
๊ฐ์๋๊ณ ์ ํธ์ ๊ต๋์ฑ๋ถ์ธ ์ธ๋ถ๊ฐ์๋๋ณด๋ค ๋ ๋ง์ด ๋ฐ์๋๋ฉฐ, ์์ธ์ถ์
์ฑ๋ฅ์ ์ ํ์ํค๋ ๋ฌธ์ ๋ฅผ ๋ฐ์ํ๋ค. ์ฟผํฐ๋์ธ ๊ธฐ๋ฐ์ ์์ธ์ถ์ ์๊ณ ๋ฆฌ์ฆ์
์๊ธฐ๊ต๋์ ์ํฅ์ด heading ๋ฟ๋ง ์๋๋ผ attitude ์๋ ์ํฅ์ ๋ฏธ์ณ ์ถ์ ์ฑ๋ฅ์ด
์ ํ๋๋ ๋จ์ ์ ๊ฐ์ง๊ณ ์๋ค[16]. Method 1 ๊ณผ Method 3 ์ ๋กค๊ณผ ํผ์น
์ถ์ ๊ณผ์ ์์ ์๊ธฐ๊ต๋์ ์ํฅ์ ๋ฐ์ง ์๋ ๋ฐ๋ฉด, ์ฟผํฐ๋์ธ ๊ธฐ๋ฐ ์์ธ์ถ์
- 53 -
์๊ณ ๋ฆฌ์ฆ์ธ Method 2 ๋ ๋กค๊ณผ ํผ์น ์ถ์ ๊ณผ์ ์์ ์๊ธฐ๊ต๋์ ์ํฅ์ ๋ฐ์
์ค์ฐจ๊ฐ ๋ฐ์ํ์์ผ๋ฉฐ, ์ด๋ฌํ ๋ชจ์ต์ Fig. 4.5(b)์ Fig. 4.5(c)๋ฅผ ํตํด ํ์ธํ ์
์์๋ค.
๋ณธ ์ฅ์์ ์ ์ํ๋ ๋ฐฉ๋ฒ์ธ Method 1 ์ ์๊ธฐ๊ต๋์ ๋ํด ๋ณ๋์ ๋ถ๋ฆฌ
๊ณผ์ (์, ๊ต๋ ๋ณด์ ๋ฉ์ปค๋์ฆ ๋ฑ) ์์ด AHRS(์ฆ, attitude ๋ฅผ ์ถ์ ํ ์ดํ
heading ๋ฅผ ์ถ์ ํจ)์ ์์ ์ด๋ฃจ๋ ์์ฐจ์ ๊ตฌ์กฐ์ DCM ๊ธฐ๋ฐ ์นผ๋งํํฐ์ด๋ค.
Method 2 ๋ ์ฐธ๊ณ ๋ฌธํ[37]์์ ์ ์ํ๋ ์ฟผํฐ๋์ธ ๊ธฐ๋ฐ ์์ธ์ถ์
์๊ณ ๋ฆฌ์ฆ์ผ๋ก ์๊ธฐ๊ต๋ ๋ณด์ ๋ฉ์ปค๋์ฆ์ ๊ฐ์ง๊ณ ์๋ค. ์ฐธ๊ณ ๋ฌธํ[37]์์๋
๋ณด์ ๋ฉ์ปค๋์ฆ์ ์ฌ์ฉํจ์ผ๋ก์จ ์๊ธฐ๊ต๋ ์ฑ๋ถ์ด ์์ธ ์ถ์ ๊ณผ์ ์์
heading ์ถ์ ์๋ง ์ํฅ์ ๋ฏธ์น๋ค๊ณ ํ์์ผ๋, ๋ณธ ์ฅ์ ๊ฒฐ๊ณผ๋ ์ฐธ๊ณ ๋ฌธํ
[37]์์ ์๊ฐ๋ ๋ด์ฉ์ ๋ท๋ฐ์นจํ์ง ๋ชปํ์๋ค.
Method 3(MTw ์ XKF-3w)์ ๊ฒฐ๊ณผ์์ ๋ณด๋ฏ์ด, Method 3 ์ ๋กค๊ณผ ํผ์น
์ถ์ ๊ณผ์ ์์ ์๊ธฐ๊ต๋์ ์ํฅ์ ๋ฐ์ง ์๋๋ค๋ ์ ์ ํฅ๋ฏธ๋ก์ด ๋ฐ๊ฒฌ์ด์๋ค.
์ด๋ฌํ ์ ์ MTw ์ ๋งค๋ด์ผ[17]์ ์์ฑ๋ ๋ด์ฉ๊ณผ ๊ด๋ จ์ด ์๋ค: โ๋ง์ฝ
์ง๊ตฌ์๊ธฐ์ฅ์ด ์ผ์์ ์ผ๋ก ๊ต๋์ ๋ฐ๊ณ ์๋ค๋ฉด, XKF-3w ๋ ์๊ธฐ๊ต๋ ์ฑ๋ถ์
์ถ์ ํ๋ค. ๊ทธ๋ฌ๋ ๊ตฌ์กฐ์ ์๊ธฐ๊ต๋์ด ์ง์๋๋ ๊ฒฝ์ฐ(10~20 ์ด ์ด์), heading
์ถ์ ๊ณผ์ ์ โ์๋ก์ดโ ์๊ธฐ ๋ถ์ชฝ์ ์ฌ์ฉํ๋ ์๋ฃจ์ ์ผ๋ก ์ฒ์ฒํ ์๋ ดํ๋ค.
๋ํ, ์ธก์ ๋ ์๊ธฐ์ฅ์ attitude ์ถ์ ์ ์ง์ ์ ์ธ ์ํฅ์ ๋ฏธ์น์ง ์๋๋ค.โ
๋ณธ ์ฅ์์ ์ ์ํ๋ ๋ฐฉ๋ฒ์ ๋งค์๊ฐ๋ง๋ค ์๋ก์ด ๋ณต๊ฐ์ ๊ณ์ฐํ๋ค.
์ด๋ก ์ ์ผ๋ก ํน์ ์์น์์์ ๋ณต๊ฐ์ ์ผ์ ํ๊ธฐ ๋๋ฌธ์, ์ฒ์ ๊ณ์ฐ๋ ๋ณต๊ฐ์
์ ์ฒด ์๊ฐ์์ ์ ์ฉํ ์ ์๋ค. ๊ทธ๋ฌ๋, ์ด๊ธฐ ๋ณต๊ฐ์ ๊ธฐ๋ฐํ ์ถ์ ๊ฒฐ๊ณผ๋
์ ์ํ๋ ๋ฐฉ๋ฒ๋งํผ ์ ํํ์ง ์์๋ค: Test B ์ ๋ํ ์ ์ถ์ RMSE ๊ฒฐ๊ณผ
์ ์ํ๋ ๋ฐฉ๋ฒ์ 3.45ยฐ, ์ด๊ธฐ ๋ณต๊ฐ์ ์ฌ์ฉํ๋ ๋ฐฉ๋ฒ์ 4.20ยฐ.
๋ค ๊ฐ์ง ์๊ธฐ๊ต๋ ์กฐ๊ฑด์์ ์คํํ ๊ฒฐ๊ณผ์์ ๋ณด๋ฏ์ด, Method 1 ์ Method
3 ๊ณผ ๋น์ทํ ์์ธ์ถ์ ์ ํ์ฑ์ ๋ณด์๋ค. ๋ณธ ์ฅ์ ์คํ ๊ฒฐ๊ณผ์์ Method 2 ๋
๋ค๋ฅธ ์๊ณ ๋ฆฌ์ฆ์ ๋นํด ์๋์ ์ผ๋ก ๋ฎ์ ์์ค์ ์ถ์ ์ ํ๋๋ฅผ ๊ฐ์ก๋ค.
- 54 -
๊ทธ๋ฌ๋ Method 2 ๋ ํ๋ํด์ผํ๋ ํ๋ผ๋ฏธํฐ๊ฐ ์ฟผํฐ๋์ธ ์ ๋์ฒด(derivative)์
ํฌ๊ธฐ(magnitude)๋ก ํํ๋๋ ์์ด๋ก์ค์ฝํ ์ธก์ ์ค์ฐจ๋ฅผ ๋ํ๋ด๋ ํ๋ผ๋ฏธํฐ
ฮฒ ๋ง ๋จ ํ๋๋ง ์กด์ฌํ๋ ์ฅ์ ์ด ์๋ค. Table 4.1 ์ ฮฒ ๋ฅผ 0.033[37]์ผ๋ก
์ ์ ํ์์ ๋ ์ป์ด์ง ๊ฒฐ๊ณผ์ด๋ค. ๊ฐ๊ฐ์ ์คํ์ ๋ํ์ฌ ์ต์ ์ ํ๋ผ๋ฏธํฐ๊ฐ
์ ์ ๋๋ค๋ฉด, Method 2 ๋ ๋ ๋ฎ์ ์ถ์ ์ค์ฐจ๋ฅผ ๋ณด์ผ ๊ฒ์ด๋ผ ์์๋๋ค.
๋ณธ ์ฅ์์๋ AHRS ์ ์ํ ์์ฐจ์ ์ธ DCM ๊ธฐ๋ฐ ์์ธ์ถ์ ์นผ๋งํํฐ๋ฅผ
์ ์ํ์๋ค. ์ ์๋ ์๊ณ ๋ฆฌ์ฆ์ ๋ ๊ฐ์ ์ ํ ์นผ๋งํํฐ๋ฅผ ์ฌ์ฉํ๋ฉฐ, attitude
์นผ๋งํํฐ๋ก ์ถ์ ๋ ์ดํ heading ์นผ๋งํํฐ๋ก ์ถ์ ๋๋๋ก ๊ตฌ์ฑ๋๋ค. Heading
์นผ๋งํํฐ์ ๊ฒฝ์ฐ, attitude ์นผ๋งํํฐ์์ ์ถ์ ๋ ๊ฒฐ๊ณผ๋ฅผ ํตํด ๋ณต๊ฐ์
๊ณ์ฐํจ์ผ๋ก์จ ์ง๊ตฌ์๊ธฐ์ฅ๋ฒกํฐ์ ๋ฐฉํฅ์ I ์ขํ๊ณ์ ์ํ์ถ(heading axis)์
ํฌ์ํ๋ค. ์ ์ํ๋ ์๊ณ ๋ฆฌ์ฆ์ attitude ์นผ๋งํํฐ์ ์ธ๋ถ๊ฐ์๋ ๋ชจ๋ธ
์ด์ธ์๋ heading ์นผ๋งํํฐ์์ ์๊ธฐ๊ต๋์ ๋ณด์ํ๊ธฐ ์ํด ์๊ธฐ๊ต๋ ๋ชจ๋ธ์
์ฌ์ฉํ์๋ค.
์ ์ํ๋ ์๊ณ ๋ฆฌ์ฆ์ ์์ฐจ์ ์ธ ๊ตฌ์กฐ๋ก ์ธํด ๋ณ๋์ ๋ถ๋ฆฌ ๊ณผ์ ์์ด,
์๊ธฐ๊ต๋์ ์ํฅ์ด ์ ์ถ์ ์ ์ ํ๋๋ฉฐ ๋กค๊ณผ ํผ์น ์ถ์ ์ ์ํฅ์ ๋ฏธ์น์ง
์๋๋ค. ์ด๋ฅผ ํตํด ์ฟผํฐ๋์ธ๊ธฐ๋ฐ ์์ธ์ถ์ ์๊ณ ๋ฆฌ์ฆ์ ๊ณ ์ ํ ๋ฌธ์ ๋ฅผ
ํด๊ฒฐํ์๋ค.
์ ์ํ๋ ์๊ณ ๋ฆฌ์ฆ์ ๋ค์ํ ์๊ธฐ๊ต๋ ์กฐ๊ฑด์์ ์คํ์ ํตํด ์ฑ๋ฅ์
๊ฒ์ฆํ์์ผ๋ฉฐ, ๋ ๊ฐ์ ๋์ ์คํ(Test A ์ Test B)์์ ํ๊ท RMSE 1.71ยฐ, ๋
๊ฐ์ ์ ์ ์คํ(Test C ์ Test D)์์๋ ํ๊ท RMSE 0.79ยฐ๋ก ๋์ ์์ธ ์ถ์
์ฑ๋ฅ์ ๋ณด์๋ค. ์ด๋ฅผ ํตํด ์๊ธฐ์ ์ผ๋ก ๊ท ์ผํ์ง ์๋ ํ๊ฒฝ์์ ์ ์ํ๋
์๊ณ ๋ฆฌ์ฆ์ ์ฐ์ํ ์ถ์ ์ฑ๋ฅ์ ํ์ธํ์๋ค. ํนํ, ์ ์๋ ๋ฐฉ๋ฒ์ heading
์ถ์ ๊ด์ ์์ ์ถ์ ์ ํ์ฑ๊ณผ ํ๋ณต ์๋์ ๋ํ์ฌ ๋ค๋ฅธ ๋ ๊ฐ์ง ์์ธ์ถ์
์๊ณ ๋ฆฌ์ฆ ๋๋น ์ฐ์ํ ์ฑ๋ฅ์ ๊ฐ์ก๋ค.
- 55 -
Acknowledgement
๋ณธ ์ฅ์ ๋ํ ๋ด์ฉ์ ๋ค์ ๋ ผ๋ฌธ(์ฐธ๊ณ ๋ฌธํ[66])์ ๊ธฐ๋ฐ์ผ๋ก
์์ฑ๋์๋ค: J. K. Lee and M. J. Choi, โA sequential orientation Kalman filter
for AHRS limiting magnetic disturbance to heading estimation,โ Journal of
Electrical Engineering & Technology, vol. 12, no. 4, pp. 1675-1682, Apr. 2017.
- 56 -
5. ๊ฐ์๋๋ก ์ธํ ๋ถ์ ํ์ฑ ์ ๊ฑฐ๋ฅผ ์ํด ๊ธฐ๊ตฌํ์
๊ตฌ์์กฐ๊ฑด์ ๊ฒฐํฉํ ๊ด์ฑ์ผ์๊ธฐ๋ฐ ์์ธ์ถ์
5.1 ์ ๋ก
์์ธ(attitude) ์ถ์ ์ ์ผ์์ ํธ๋ฅผ ์ด์ฉํ์ฌ ์ด๋์ฒด์ 2 ์ฐจ์ ์์ธ์ธ
๋กค(roll)๊ณผ ํผ์น(pitch)๋ฅผ ๊ฒฐ์ ํ๋ ๊ฒ์ผ๋ก, ๋ก๋ด์ด๋ ๋ฌด์ธํญ๊ณต๊ธฐ๋ฟ๋ง
์๋๋ผ ๋ค์ํ ๊ธฐ๊ณ์์คํ ์์ ํ์์ ์ผ๋ก ์๊ตฌ๋๋ค[1,43-45]. ํนํ,
๊ด์ฑ์ผ์(inertial sensor) ๊ธฐ๋ฐ์ ์์ธ์ถ์ ์ ์ผ์๊ณ ์ ์ ์ด๋์ฑ์ผ๋ก
์ธํด ์ด๋ํ ์์คํ ์์ ๊ฐ์ฅ ๋ง์ด ์ฌ์ฉ๋๋ ์ถ์ ๋ฐฉ์์ด๋ค[19,45-47].
์ฌ๊ธฐ์ ๊ด์ฑ์ผ์๋ ๊ฐ์๋๋ฅผ ์ธก์ ํ๋ 3 ์ถ ์์ด๋ก์ค์ฝํ์
์ค๋ ฅ๊ฐ์๋์ ์ผ์๊ฐ์๋์ ํฉ์ ์ถ๋ ฅํ๋ 3 ์ถ ๊ฐ์๋๊ณ๋ก ๊ตฌ์ฑ๋๋ฉฐ,
๋ ์ผ์์ ์ ํธ๋ ์ฃผ๋ก ์นผ๋งํํฐ(Kalman filter)๋ฅผ ํตํด ์ตํฉ๋๋ค[46, 48].
๋ค์ํ ๋ฐฉ์์ ๊ด์ฑ์ผ์๊ธฐ๋ฐ ์์ธ์ถ์ ์นผ๋งํํฐ๊ฐ ๊ฐ๋ฐ๋์์ผ๋,
์์ด๋ก์ค์ฝํ์ ์ธก์ ์ ํธ๋ฅผ ์ ๋ถํ์ฌ ์์ธ๋ฅผ ์์ธก(prediction)ํ๊ณ ,
์ ๋ถ๊ณผ ๋๋ถ์ด ๋ฐ์ํ๋ ํ๋ฅ์ค์ฐจ๋ฅผ ๋ฐฉ์งํ๊ธฐ ์ํด ๊ฐ์๋๊ณ
์ธก์ ์ ํธ๋ฅผ ํตํด ๋ณด์ (correction)ํ๋ค๋ ๊ธฐ๋ณธ ๊ฐ๋ ์ ๋์ผํ๋ค. ์ด๋
๊ฐ์๋๊ณ ์ ํธ๊ฐ ๋ณด์ ์ ์ฌ์ฉ๋๋ ์๋ฆฌ๋, ์ ์ ๋๋ ๋ฑ์์กฐ๊ฑด์์
๊ฐ์๋๊ณ ์ ํธ๋ ์ค๋ ฅ๊ฐ์๋์ด๋ฉฐ ์ด ์ค๋ ฅ๊ฐ์๋๊ฐ ํ๋ฅ์์ด
์์ง๋ฐฉํฅ์ ์ฐธ์กฐํ ์ ์๋๋ก ์๋ ค์ฃผ๊ณ ์๋ ๊ฒ์ด๋ค. ํ์ง๋ง
๋์ ์กฐ๊ฑด์์ ๊ฐ์๋๊ณ์ ์ ํธ๋ ์ผ์๊ฐ์๋์ ์ค๋ ฅ๊ฐ์๋์ ํฉ์
์๋ฏธํ๋ฉฐ, ๋ ์ด์ ์ฐธ์กฐ๋ฒกํฐ์ ์ญํ ์ ์ํํ์ง ๋ชปํ๊ฒ ๋๋ค[18,49].
๋ฐ๋ผ์ ๊ฐ์์กฐ๊ฑด์์๋ ์ผ์๊ฐ์๋๋ก ์ธํด ์ฐธ์กฐ๋ฒกํฐ์ ์ ํ์ฑ์ด
ํผ์๋๊ณ ๋ถ์ ํ์ฑ์ด ์ฆ๊ฐํ๊ฒ ๋์ด, ์์ธ์ถ์ ์ฑ๋ฅ์ด ํฌ๊ฒ ๊ฐ์ํ ์
์๋ค.
- 57 -
์ด์ ๋ํ ๋์์ผ๋ก, ๊ฐ์์กฐ๊ฑด์์ ์์ธ์ถ์ ์นผ๋งํํฐ์ ์ฑ๋ฅ์
ํฅ์์ํค๊ธฐ ์ํ ๋ค์ํ ๊ฐ์๋ ๋ณด์ ๋ฉ์ปค๋์ฆ์ด ์ ์๋์ด์์ผ๋ฉฐ,
๋ํ์ ์ธ ๋ฐฉ์์ผ๋ก ์ค์์นญ ๋ฐฉ์, ์ ์์ถ์ ๋ฐฉ์, ๊ฐ์๋๋ชจ๋ธ ๋ฐฉ์ ๋ฑ์ด
์๋ค[15,49]. Lee[15]๋ ๊ฐ์ ์นผ๋งํํฐ์ ์ธ๊ฐ์ง ๊ฐ์๋ ๋ณด์ ๋ฉ์ปค๋์ฆ์
์ ์ฉํ์ฌ, ๊ทธ์ ๋ฐ๋ฅธ ์ฑ๋ฅ์ ๋น๊ต ๋ถ์ํ์๋ค. ๊ทธ ๊ฒฐ๊ณผ, ์ค์์นญ
๋ฐฉ์๋ณด๋ค ์ ์์ถ์ ๋ฐฉ์๊ณผ ๊ฐ์๋๋ชจ๋ธ ๋ฐฉ์์ ์ฑ๋ฅ์ด ์ฐ์ํ์๋ค.
๊ทธ๋ฌ๋ ์ฐ์ํ ์ฑ๋ฅ์ ๋ณด์ธ ๋ ๋ฐฉ์ ๋ชจ๋ ๋์ ์กฐ๊ฑด์์ 4ยฐ ์ด์์
์ถ์ ์ค์ฐจ๋ฅผ ๋ณด์์ผ๋ฉฐ, ์ด๋ ๊ฐ์๋ ๋ณด์ ๋ฉ์ปค๋์ฆ์ ํตํด ๊ฐ์๋
๊ด๋ จ ๋ถ์ ํ์ฑ์ ์๋ฒฝํ๊ฒ ์ ๊ฑฐํ ์ ์๋ค๋ ๊ฒ์ ์๋ฏธํ๋ค. ํนํ,
๋์ ์กฐ๊ฑด์ด ์ง์๋๋ ๋ก๋ด์์คํ ์ด๋, ๊ณ ์ ๊ฐ๋์กฐ๊ฑด์ด ๋น๋ฒํ
๋ฐ์ํ๋ ๊ธฐ๊ณ์์คํ ์ ๊ฒฝ์ฐ ๊ธฐ์กด์ ๊ฐ์๋ ๋ณด์ ๋ฉ์ปค๋์ฆ์ผ๋ก๋
๊ฐ๊ฑดํ ์์ธ์ถ์ ์ด ๋ถ๊ฐ๋ฅํ๋ค.
์ฐธ๊ณ ๋ฌธํ[50-52]์์๋ ์นผ๋งํํฐ์ ๊ตฌ์์กฐ๊ฑด์ ๊ฒฐํฉํ๋ ๋ฐฉ๋ฒ๋ค์
์๊ฐํ์๋ค. ํ์ง๋ง, ์์ง๊น์ง ์ด๋ฌํ ์ฐ๊ตฌ๊ฐ ๊ด์ฑ์ผ์๊ธฐ๋ฐ ์์ธ์ถ์ ์
์ ์ฉ๋ ๋ฐ ์๋ค. ๋ณธ ์ฅ์ ๊ฐ์๋๋ก ์ธํ ๋ถ์ ํ์ฑ์ ์ ๊ฑฐํ๊ธฐ ์ํด
๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด์ ์ด์ฉํ๋ค. ํนํ, 3 ๋ฐฉํฅ ํ์ ์กฐ์ธํธ์ธ ๋ณผ
์กฐ์ธํธ(ball joint)๋ฅผ ํตํด ๋์ถ๋๋ ๊ตฌ์์กฐ๊ฑด์ ๋์์ผ๋ก ํ๋๋ฐ, ์ด๋
๋ง์ ๊ธฐ๊ณ ๋ฐ ๋ก๋ด์์คํ ์ ๋ถ์ (segment)๋ค์ด ํ์ ์กฐ์ธํธ๋ก
์ฐ๊ฒฐ๋์ด์๊ธฐ ๋๋ฌธ์ด๋ค. ์ด๋, ๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด์ ํตํด ๊ฐ์๋ ๊ด๋ จ
๋ถ์ ํ์ฑ์ด ์ ๊ฑฐ๋๋ฏ๋ก, ๊ฐ์๋๊ณ ์ ํธ์์ ์ค๋ ฅ๊ฐ์๋๊ฐ ์๋ฒฝํ
๋ถ๋ฆฌ๋๊ณ ์ด๋ ์ฐธ์กฐ๋ฒกํฐ๊ฐ ์ด๋ ํ ์ด๋์กฐ๊ฑด์์๋ ํผ์๋์ง ์์์
์๋ฏธํ๋ค. ๋ฐ๋ผ์, ์ด๋์กฐ๊ฑด์ ์๊ด์์ด ๊ฐ๊ฑดํ ์์ธ์ถ์ ์ด ๊ฐ๋ฅํ๊ฒ
๋๋ค.
๋ณธ ์ฅ์์๋ ๋ณผ ์กฐ์ธํธ์ ์ํ ์ผ์๊ฐ์๋ ๊ตฌ์์กฐ๊ฑด์์ ์ ๋ํ์๊ณ ,
๋ค์์ผ๋ก ๊ฐ์๋๋ชจ๋ธ ๋ฐฉ์์ ๊ฐ์๋ ๋ณด์ ๋ฉ์ปค๋์ฆ์ ์ ์ฉํ๊ณ ์๋
๊ธฐ์กด์ ์์ธ์ถ์ ์นผ๋งํํฐ[18]์ ์ ๋๋ ๊ตฌ์์กฐ๊ฑด์์ ๊ฒฐํฉํ๋ฏ๋ก์,
- 58 -
์๋ก์ด ๊ตฌ์กฐ์ ๊ตฌ์ ์นผ๋งํํฐ๋ฅผ ์ ์ํ์๋ค. ๋ง์ง๋ง์ผ๋ก ์ ์ํ๋
๋ฐฉ๋ฒ์ ์ฑ๋ฅ์ ๋ค์ํ ์ํ ์กฐ๊ฑด์์ ๊ฒ์ฆํ๊ณ ๊ณ ์ฐฐํ์๋ค.
5.2 ์ ์ํ๋ ์์ธ์ถ์ ์นผ๋งํํฐ
๋ณธ ์ฅ์์๋ ๊ณ ์ ๊ด์ฑ์ขํ๊ณ(inertial reference frame)๋ฅผ I ์ขํ๊ณ๋ก
์ผ์์ขํ๊ณ(sensor frame)๋ฅผ S ์ขํ๊ณ๋ก ์ ์ํ๋ฉฐ, ์ข์ธก ์์ฒจ์๋ฅผ ํตํด
๋ฒกํฐ์ ๊ด์ธก์ขํ๊ณ๋ฅผ ํ๊ธฐํ๋ค. ์ฆ, , ,S S SX Y Z ๋ ๊ฐ๊ฐ I ์ขํ๊ณ์ X, Y,
Z ์ถ ๋จ์๋ฒกํฐ๋ฅผ S ์ขํ๊ณ์์ ๊ด์ฐฐํ ๊ฒ์ด๋ค. ๋ฐ๋ผ์ I ์ขํ๊ณ์ ๋ํ
S ์ขํ๊ณ์ ์์ธ๋ฅผ ๋ํ๋ด๋ ๋ฐฉํฅ์ฝ์ฌ์ธํ๋ ฌ IS R ์ ๋ค์๊ณผ ๊ฐ์ด
ํํ๋๋ค.
TI S S S
S R X Y Z (5.1)
์ฌ๊ธฐ์ S Z ๋ ์์ง์ถ์ ๋ํ ์ผ์์ ๊ธฐ์ธ๊ธฐ๋ฅผ ์๋ฏธํ๋ ํธํธ(tilt)
๋ฒกํฐ์ด๋ฉฐ, ์ด๋ฅผ ํตํด ์์ธ ์ ๋ณด๋ฅผ ์ป์ ์ ์๋ค[19].
5.2.1 ์ผ์๊ฐ์๋ ๊ตฌ์์กฐ๊ฑด
๋ณผ ์กฐ์ธํธ์ ์ํด ๊ธฐ๊ตฌํ์ ์ผ๋ก ๊ตฌ์๋ ์ผ์๊ฐ Fig. 5.1 ๊ณผ ๊ฐ์ด
๊ณ ์ ๋๋ฉด, S ์ขํ๊ณ์ ์ค์ฌ์์๋ถํฐ ๋ณผ ์กฐ์ธํธ์ ์ค์ฌ๊น์ง์
์์น๋ฒกํฐ๋ฅผ S ์ขํ๊ณ์์ ๊ด์ฐฐํ S p ๋ ๊ณ ์ ๊ฐ์ ์ง๋๋ค. ๋ณผ ์กฐ์ธํธ๋
๋ชจ๋ ๋ณ์ง ์ด๋์ ์ ํํ๊ณ ์ค์ง ํ์ ์ ๋ํ 3 ์์ ๋๋ง ํ์ฉํ๋ค.
๋ฐ๋ผ์ ๊ตฌ์๋ ์์น๋ฒกํฐ๋ฅผ ์ด์ฉํ์ฌ ์ผ์๊ฐ์๋ ๊ตฌ์์กฐ๊ฑด์์ ์ ๋ํ
์ ์๋ค.
์ฐ์ , ์์น๋ฒกํฐ p ์ ๋ํ ์ขํ๊ณ๊ฐ ๋ณํ์์ ๋ค์๊ณผ ๊ฐ๋ค.
I I SSp R p (5.2)
์ด๋
๊ด์
์ฌ๊ธฐ์
๊ฐ์
๋ค์
๋ฐ
์ ๋ฆฌ
F
, I p ๋ฅผ ์
์์์ ์ผ์
์ ๋ฐฉํฅ์ฝ์ฌ
๋ Sฯ ์ ์ธ
๊ณผ ๊ฐ์ด ํ
๋ผ์ ์(5.3
๋๋ค.
Fig. 5.1. An
์๊ฐ์ ๋ํ
์๊ฐ์๋ I a
์ฌ์ธํ๋ ฌ IS
์ธ์ (cross p
ํํ๋๋ค.
I IS SR
3)์ ์(5.4)
inertial sens
- 59
ํ์ฌ ๋ ๋ฒ
a ๊ฐ ๋์ถ๋
I ISa R
IS R ๋ฅผ ๋ ๋ฒ
product)ํ๋ ฌ
I SS R ฯ
)๋ฅผ ๋์ ํ
sor attached t
9 -
๋ฏธ๋ถํ๋ฉด
๋๋ค.
SR p
๋ฒ ๋ฏธ๋ถํ
๋ ฌ (์ฆ, S ฯ
S S ฯ ฯ
๋ฉด, ์ผ์๊ฐ์
to a constrain
๋ค์๊ณผ ๊ฐ
IS R ๋ I
S R
S II S ฯ R R
ฯ
์๋ I a ๋
ned link by a
๊ฐ์ด I ์ขํ
(5
R ๋ก ํํ๋
R )์ ์ด์ฉํ
(5
๋ค์๊ณผ ๊ฐ
a ball joint.
ํ๊ณ
5.3)
๋๋
ํ์ฌ
5.4)
๊ฐ์ด
- 60 -
I I S S S SS a R ฯ ฯ ฯ p (5.5)
์(5.5)์ผ๋ก๋ถํฐ, S ์ขํ๊ณ ๊ด์ ์์์ ์ผ์๊ฐ์๋ S a ๋ ๋ค์๊ณผ ๊ฐ์ด
ํํ๋๋ค.
S S S S S a ฯ ฯ ฯ p (5.6)
์ด๋, ์(5.6)์ ๊ฐ์๋ Sฯ ๋ ์ธก์ ์ด ๋ถ๊ฐ๋ฅํ๋ฏ๋ก ์์ด๋ก์ค์ฝํ์
์ ํธ Gs ์ ์ ํธ ์ก์ Gn ๋ง์ผ๋ก ํํํด์ผ ํ๋ค. ์ฐ์ , SG G ฯ s n ์
a b a b ๋ฅผ ์ ์ฉํ๋ฉด ์๋์ ๋ ์์ด ์ ๋๋๋ค. ์ฌ๊ธฐ์,
0G G n n ์ ์ ์ฉํ์๋ค.
SG G ฯ s n (5.7a)
S SG G G G G G ฯ ฯ s s s n n s (5.7b)
์(5.7)์ ์(5.6)์ ๋์ ํ์ฌ ์ ๋ฆฌํ๋ฉด, ์๋์ ๊ฐ์ด ์ผ์๊ฐ์๋
๊ตฌ์์กฐ๊ฑด์์ด ์ ๋๋๋ค.
S SG G G a a s s s p ฮต (5.8)
์ฌ๊ธฐ์ ์ผ์๊ฐ์๋ ๊ตฌ์์กฐ๊ฑด ์ค์ฐจ aฮต ๋ ๋ค์๊ณผ ๊ฐ์ด ํํ๋๋ค.
Sa G G G G G ฮต n s n n s p (5.9)
์(5.9)์์ ์ ํธ ์ก์ Gn ์ ์ธ์ ํ๋ ฌ์ ์ ๊ฑฐํ๊ธฐ ์ํด
a b b a a b ์ a b b a ๋ฅผ ์ ์ฉํ์ฌ ์ ๋ฆฌํ๋ฉด
๊ตฌ์์กฐ๊ฑด ์ค์ฐจ aฮต ๋ ๋ค์๊ณผ ๊ฐ์ด ํํ๋๋ค.
2S S Sa G G G G ฮต p n p s s p n (5.10)
- 61 -
5.2.2 ๊ตฌ์ ์นผ๋งํํฐ
๋ณธ ์ฅ์์ ์ ์ํ๋ ๊ตฌ์ ์นผ๋งํํฐ๋ ๊ด์ฑ์ผ์ ์ ํธ๋ฅผ ํตํด ์์ธ์
์ผ์๊ฐ์๋๋ฅผ ์ถ์ ํ๋ ์นผ๋งํํฐ[18]๋ฅผ ๊ธฐ๋ฐ์ผ๋ก ํ๋ฉฐ, 5.2.1 ์ ์์
์ ๋๋ ์ผ์๊ฐ์๋ ๊ตฌ์์กฐ๊ฑด์์ ์นผ๋งํํฐ์ ์ธก์ ๋ฒกํฐ์ ๊ฒฐํฉํ์ฌ
์ผ์๊ฐ์๋๋ฅผ ๋ณด์ํ๋ ์๋ก์ด ๋ฐฉ์์ ์นผ๋งํํฐ์ด๋ค.
์นผ๋งํํฐ์ ์ํ๋ฒกํฐ x ๋ ์์ธ ๋ณ์์ธ ํธํธ๋ฒกํฐ S Z ์
์ผ์๊ฐ์๋ S a ๋ก ๊ตฌ์ฑ๋๊ณ , ์ธก์ ๋ฒกํฐ z ๋ ๊ฐ์๋๊ณ ์ ํธ As ์
์(5.8)์ ์ผ์๊ฐ์๋ ๊ตฌ์์กฐ๊ฑด์ผ๋ก ๊ตฌ์ฑ๋๋ฉฐ, ์ด์ฐ์๊ฐ k ์ ๋ํ์ฌ
๋ค์๊ณผ ๊ฐ์ด ์ ์๋๋ค.
S
kk S
k
Zx
a (5.11a)
,
, , ,
A k
k SG k G k G k
sz
s s s p (5.11b)
์งํ๋ชจ๋ธ(process model)์ ์์ด๋ก์ค์ฝํ ์ ํธ์ ์คํธ๋ฉ๋ค์ด
์ ๋ถ์(strapdown integration)๊ณผ 1 ์ฐจ ๋ง๋ฅด์ฝํ ์ฒด์ธ์งํ(Markov chain
process)๊ธฐ๋ฐ์ ๊ฐ์๋ ๋ชจ๋ธ์์ผ๋ก ๋ค์๊ณผ ๊ฐ์ด ๊ตฌ์ฑ๋๋ค[18].
, 1 1 1S S S
k G k k k Gh h Z I s Z Z n (5.12a)
1S S
k a k kc a a ฮต (5.12b)
์ฌ๊ธฐ์ h ๋ ์ํ๋ง๊ฐ๊ฒฉ, I ๋ 3 3 ๋จ์ํ๋ ฌ(identity matrix)์ด๋ฉฐ, ac ๋
1 ์ฐจ ๋ง๋ฅด์ฝํ ์ฒด์ธ์งํ์์ ์ฐจ๋จ์ฃผํ์๋ฅผ ๊ฒฐ์ ํ๋ 0 ๊ณผ 1 ์ฌ์ด์
๊ฐ์ ๊ฐ๋ ๊ฐ์๋๋ชจ๋ธ ํ๋ผ๋ฏธํฐ, kฮต ๋ ๊ฐ์๋๋ชจ๋ธ ์ก์์ด๋ค.
์ธก์ ๋ชจ๋ธ(measurement model)์ ๊ฐ์๋๊ณ ์ ํธ์ ์ผ์๊ฐ์๋
๊ตฌ์์กฐ๊ฑด์ธ ์(5.8)์ ์ด์ฉํ์ฌ ๋ค์๊ณผ ๊ฐ์ด ๊ตฌ์ฑ๋๋ค.
- 62 -
,S S
A k k k A s g a n (5.13a)
, , , ,S S
G k G k G k k a k s s s p a ฮต (5.13b)
์ฌ๊ธฐ์ S g ๋ ์ค๋ ฅ๊ฐ์๋๋ฒกํฐ๋ก gS S g Z ๋ก ํํ ๊ฐ๋ฅํ๋ฉฐ, ์ด๋ g
๋ ์ค๋ ฅ๊ฐ์๋์ ํฌ๊ธฐ์ด๋ค. ๋ํ An ๋ ๊ฐ์๋๊ณ์ ์ ํธ ์ก์์
์๋ฏธํ๋ค.
์ด๋ฅผ ํตํด ๋ค์๊ณผ ๊ฐ์ด ์นผ๋งํํฐ ์๋ค์ด ๋์ถ๋๋ค.
1 1 1k k k k x F x w (5.14a)
k k k k z H x v (5.14b)
์ฌ๊ธฐ์ ์(5.14a)์ F ๋ ์ฒ์ดํ๋ ฌ(transient matrix), w ๋ ํ์ดํธ
๊ฐ์ฐ์์ ์งํ ์ก์(white Gaussian process noise)์ด๋ฉฐ ๊ณต๋ถ์ฐ
ํ๋ ฌ(covariance matrix)๋ก Q ๋ฅผ ๊ฐ๋๋ค. ์(5.14b)์ H ๋
๊ด์ธกํ๋ ฌ(observation matrix), v ๋ ํ์ดํธ ๊ฐ์ฐ์์ ์ธก์ ์ก์(white
Gaussian measurement noise)์ด๋ฉฐ ๊ณต๋ถ์ฐ ํ๋ ฌ๋ก M ์ ๊ฐ๋๋ค. ๊ฐ๊ฐ์
์์์ ๋ค์๊ณผ ๊ฐ์ด ํํ๋๋ค.
, 11
0
0
G kk
a
h
c
I sF
I (5.15a)
11
Sk G
k
k
h
Z nw
ฮต (5.15b)
1, 1
12, 1
0
0k
kk
Q (5.15c)
2 21, 1 1 1
TS Sk G k kh Q Z Z (5.15d)
21 2 2
2, 1 13 Sk a k Ac Q a I I (5.15e)
- 63 -
g
0k
I IH
I (5.15f)
,
Ak
a k
nv
ฮต (5.15g)
1,
2,
0
0k
kk
MM
M (5.15h)
21,k AM I (5.15i)
22,
2, ,
, ,
2
2
TS Sk dG
S SG G k G k
TS S
G k G k
M p p
p s s p
p s s p
(5.15j)
์ฌ๊ธฐ์ G , A ์ dG ๋ ๊ฐ๊ฐ Gn , An ์ Gn ์ ํ์คํธ์ฐจ์ด๋ค.
5.3 ๊ฒ์ฆ ์คํ
5.3.1 ์คํ ์ฅ์น ๊ตฌ์ฑ
์ ์ํ๋ ๊ตฌ์ ์นผ๋งํํฐ๋ MATLABยฎ์ ํตํด ๊ตฌํ๋์์ผ๋ฉฐ,
์ฑ๋ฅํ์ธ์ ์ํ์ฌ InvenSense ์ฌ์ ๊ด์ฑ์ผ์ MPU6050(Table 5.1
์ฐธ์กฐ)์ ์ฌ์ฉํ์๋ค. ๋ํ ์์ธ์ถ์ ๊ฒฐ๊ณผ๋ฅผ ๋น๊ตํ๊ธฐ ์ํ ์์ธ
์ฐธ์กฐ๊ฐ(truth reference)์ ์ป๊ธฐ ์ํด NaturalPoint ์ฌ์ OptiTrack Flex13
Table 5.1. Specification of the MPU6050
Accelerometer Gyroscope
Range ยฑ2~16 g ยฑ250~2000 ยฐ/s
Sensitivity 2048~16384 LSB/g 16.4~131 LSB/(ยฐ/s)
RMS noise 400 ฮผg / Hz 0.05 ยฐ/s
๊ดํ
ํตํด
์ ์ป
์ป์ด์ง
๊ฒฐ๊ณผ
Fig
๋์ผ
์์ผ๋ถ
Fig
์ ๋ชจ์ ์บก
์ธ ๊ฐ์ ๋ง
์ป์๋ค. ์ด๋ฅผ
์ง๋ ์ฐธ์กฐ
์ ๋น๊ตํ์
g. 5.2 ์์
์ถ์์ ๋
๋ถ๋ถ์ด ๋ฐ
g. 5.2. Test sto the
์ณ ์์คํ
๋ง์ปค์ ์์น
๋ฅผ ํตํด ์ฐธ
์ผ์๊ฐ์๋
์๋ค.
๋ณด๋ฏ์ด, ํ
๋์ด๋๋ก ๋ถ
๋ฐ๋ฅ์ ๊ณ ์
setup: inertiae link with th
- 64
์ ์ฌ์ฉํ
๋ฅผ ์ถ์ ํจ์ผ
์ฐธ์กฐ ํธํธ๋ฒก
๋ Sopta ๋ฅผ ์ป
๋ผ์คํฑ ์ผ๊ฐ
๋ถ์ฐฉํ์๋ค
์ ๋ ํ๋ดํ
al sensor MPhe ball joint c
4 -
ํ์๋ค. ๊ดํ
์ผ๋ก์จ, 3 ์ฐจ
๋ฒกํฐ SoptZ ์
์ป์์ผ๋ฉฐ, ์ด
๊ฐ์์ ์ธ ๊ฐ
๋ค. ์ด ์ผ
ํ ๋งํฌ์
PU6050 and constraint.
ํ์ ๋ชจ์ ์บก
์ฐจ์ ์์ธ ์ฐธ
์ gA s
์ด๋ค์ ์ ์
๊ฐ์ ๋ง์ปค์
์ผ๊ฐ์๋ฅผ, ๋ณผ
๋จ๋จํ
optical mar
์บก์ณ ์์คํ
์ฐธ์กฐ๊ฐ์ธ IS R
SoptZ ๋ฅผ ํต
์ ๋ฐฉ๋ฒ์ ์ถ
์ MPU6050
๋ณผ ์กฐ์ธํธ
๊ณ ์ ํจ์ผ๋ก
rkers attache
ํ ์
optR
ํตํด
์ถ์
0 ์
ํธ์
๋ก์จ
ed
- 65 -
๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด ์ (5.2)๊ฐ ๋ง์กฑ๋๋๋ก ์ค์นํ์๋ค. ํ๋ดํ ๋งํฌ๋ฅผ
์์ผ๋ก ๋ฌด์์๋ก ์์ง์ฌ ์ผ์์ ์์ธ๋ฅผ ๋ณ๊ฒฝ์ํค๋ ์คํ์ ์งํํ์๋ค.
5.3.2 ์ํ ์กฐ๊ฑด
๊ฐ์๋๋ก ์ธํ ๋ถ์ ํ์ฑ ์ ๊ฑฐ๋ฅผ ํตํ ์ถ์ ์ฑ๋ฅ๋ณํ๋ฅผ ํ์ธํ๊ธฐ ์ํด,
๊ตฌ์์กฐ๊ฑด์ ์ ์ฉํ ์ ์ ๋ฐฉ๋ฒ(Proposed)์ ๊ฒฐ๊ณผ์ ๊ตฌ์์กฐ๊ฑด์ ์ ์ฉํ์ง
์์ ๊ธฐ์กด ์นผ๋งํํฐ(Conventional)[18] ์ ๊ฒฐ๊ณผ๋ฅผ ๋น๊ตํ์๋ค. ์ํ
์กฐ๊ฑด์ ๋ค์์ฑ์ ์ํด, ์ผ์๊ฐ์๋ S a ์ ํฌ๊ธฐ์ ์ผ์์ ๋ถ์ฐฉ ์์น(์ฆ,
์์น๋ฒกํฐ S p ์ ๊ธธ์ด)์ ์ฐจ์ด๋ฅผ ์ค ๋ค ๊ฐ์ง ์คํ์ด ์งํ๋์๋ค. ์ด๋,
์ ์์กฐ๊ฑด์์๋ ๊ธฐ์กด ์นผ๋งํํฐ๋ ์ค์ฐจ ํ๊ท 1ยฐ ์ดํ์ ์ฐ์ํ
์์ธ์ถ์ ์ฑ๋ฅ์ ๊ฐ์ง๊ธฐ ๋๋ฌธ์(8) ์ฑ๋ฅ๊ฐ์ ํจ๊ณผ๋ฅผ ํ์ธํ๊ธฐ ์ํด์
์ผ์ ํฌ๊ธฐ ์ด์์ ๊ฐ์๋๊ฐ ์กด์ฌํด์ผ ํ๋ค. ์ด๋ฅผ ๊ณ ๋ คํ์ฌ, ๊ฐ์๋
๊ด์ ์์ ์ ์์คํ์ ๋ฐฐ์ ํ ์ค์( Sopta ์ ํ๊ท 6 m/s2 ์ดํ, ์ต๋ 30
m/s2 ์ดํ) ๋ฐ ๊ณ ์( Sopta ์ ํ๊ท 6 m/s2 ์ด์, ์ต๋ 30 m/s2 ์ด์) ์คํ์ด
์ค์๋์๋ค.
โข Test A (์ค์์คํ): Sopta ์ ํ๊ท 5.26 m/s2, ์ต๋ 22.07 m/s2, S p ๋
0.45 1.85 83.85T cm.
โข Test B (๊ณ ์์คํ): Sopta ์ ํ๊ท 6.79 m/s2, ์ต๋ 38.91 m/s2, S p ๋
0.45 1.85 83.85T cm.
โข Test C (์ค์์คํ): Sopta ์ ํ๊ท 4.87 m/s2, ์ต๋ 19.15 m/s2, S p ๋
0.45 1.85 64.55T cm.
โข Test D (๊ณ ์์คํ): Sopta ์ ํ๊ท 6.79 m/s2, ์ต๋ 34.53 m/s2, S p ๋
0.45 1.85 64.55T cm.
์ ์ ๋ฐฉ๋ฒ๊ณผ ๊ธฐ์กด ๋ฐฉ๋ฒ์์ ์ฌ์ฉํ๋ ๊ฐ์๋๋ชจ๋ธ ํ๋ผ๋ฏธํฐ ac ๋
- 66 -
์ฐธ๊ณ ๋ฌธํ[18]์์ ์ ์ํ 0.1 ๋ก ์ ์ ๋์๋ค.
5.4 ๊ฒฐ๊ณผ ๋ฐ ๊ณ ์ฐฐ
Table 5.2 ์ ๋ค ๊ฐ์ง ์คํ์ ๋ํด ์ ์ ๋ฐฉ๋ฒ(Proposed)๊ณผ ๊ธฐ์กด
๋ฐฉ๋ฒ(Conventional)์ ์์ธ์ถ์ RMSE(root mean squared error) ๊ฒฐ๊ณผ์ด๋ค.
Test A ์ ๊ฒฝ์ฐ ๊ตฌ์์กฐ๊ฑด์ ์ ์ฉํ์ง ์์ ๊ธฐ์กด ๋ฐฉ๋ฒ์ ๋กค๊ณผ ํผ์น
ํ๊ท 3.91ยฐ์ ์ค์ฐจ๋ฅผ ๋ณด์๋ค. ๋ฐ๋ฉด์ ๊ตฌ์์กฐ๊ฑด์ ์ ์ฉํ ์ ์ ๋ฐฉ๋ฒ์
๊ธฐ์กด ๋ฐฉ๋ฒ ๋๋น ํ๊ท 2ยฐ ๊ฐ์ ๋ ์์ธ์ถ์ ์ ํ์ฑ์ ๋ณด์๋ค.
Test B ์ ๊ฒฝ์ฐ ๋งค์ฐ ๋น ๋ฅธ ๊ฐ์์กฐ๊ฑด์ ๊ฐํ์๊ธฐ ๋๋ฌธ์, ๊ธฐ์กด ๋ฐฉ๋ฒ์
์์ธ์ถ์ ์ ํ๋๊ฐ Test A ๋๋น ํฐ ํญ์ผ๋ก ํ๋ฝํ ํ๊ท 11.21ยฐ์ ์ค์ฐจ๋ฅผ
๊ฐ์ก๋ค. ์ด์ ๋ฌ๋ฆฌ, ๊ฐํนํ ๊ฐ์์กฐ๊ฑด์๋ ๋ถ๊ตฌํ๊ณ ์ ์ ๋ฐฉ๋ฒ์ ์ค์ฐจ
ํ๊ท 2.23ยฐ์ ์ฐ์ํ ์์ธ์ถ์ ์ฑ๋ฅ์ ๋ณด์๋ค.
Test C ์ ๊ฒฝ์ฐ ๊ธฐ์กด ๋ฐฉ๋ฒ์ ํ๊ท 5.1ยฐ์ ์ค์ฐจ๋ฅผ ๋ณด์์ผ๋ฉฐ, ์ ์
๋ฐฉ๋ฒ์ ๊ธฐ์กด ๋ฐฉ๋ฒ๋ณด๋ค ํ๊ท 3.02ยฐ ๊ฐ์ ๋ 2.08ยฐ์ ์ค์ฐจ๋ฅผ ๋ณด์๋ค.
Table 5.2. RMSEs from Test A, B, C, D (unit: degree)
Method Roll Pitch Average
Test A Proposed 2.03 1.79 1.91
Conventional 3.38 4.44 3.91
Test B Proposed 2.52 1.94 2.23
Conventional 14.34 8.09 11.21
Test C Proposed 1.84 2.33 2.08
Conventional 5.02 5.17 5.10
Test D Proposed 2.21 1.71 1.96
Conventional 14.65 11.71 13.18
Tes
๊ธฐ์กด
ํ๊ท
์ฌ์ด
์ดํ
๋ชจ๋
์ค์ฐจ๋ฅผ
๊ฐ
๊ฒฐ๊ณผ๋ฅผ
ํฌ๊ฒ
์ค์ฐจ๋ฅผ
Fig
โป
st D ์ ๊ฒฝ
๋ฐฉ๋ฒ์ ํ
1.96ยฐ์ ์ค
์์ ๊ธฐ์กด
์ ๋งค์ฐ ์ฐ
์ค์ฐจ๊ฐ ํฐ
๋ฅผ ๋ณด์๋ค(F
์์กฐ๊ฑด์ ์ฐจ
๋ฅผ ๋น๊ตํ์
์ฆ๊ฐํ์
๋ฅผ ๊ฐ์ก๋ค
g. 5.3. Resultsolid)refere
โปNote: Figure can
๊ฒฝ์ฐ ๋งค์ฐ ๋น
ํ๊ท 13.18ยฐ
์ค์ฐจ๋ฅผ ๋ณด์
๋ฐฉ๋ฒ์ 20ยฐ
์ฐ์ํ ์ถ์
ํฐ ํญ์ผ๋ก ์ฆ
Fig. 5.3 ์ฐธ์กฐ
์ฐจ์ด๋ฅผ ์ค
์์ ๊ฒฝ์ฐ
์์ผ๋, ์ ์
. ์ด๋ฌํ
ts of Test D:) and the prence angles (n be viewed in co
- 67
๋น ๋ฅธ ๊ฐ์์กฐ
ยฐ์ ๋งค์ฐ ํฐ
์๋ค. ํนํ
ยฐ ์ด์์ ์ค
์ฑ๋ฅ์ ๊ฐ์ก
์ฆ๊ฐํ๋ ๊ตฌ
์กฐ).
Test A ์
๊ฐ์๋๊ฐ
์ ๋ฐฉ๋ฒ์
๊ฒฐ๊ณผ๊ฐ ๋ฐ
: Estimation roposed KF((black dashedlor in the PDF ve
7 -
์กฐ๊ฑด์์ ์
ํฐ ์ค์ฐจ๋ฅผ
Fig. 5.3(a)
์ค์ฐจ๋ฅผ ๋ณด์ด
์ก๋ค. ๋ํ,
๊ตฌ๊ฐ ์์ด, ์
Test B(ํน์
ํด์๋ก ๊ธฐ
๊ฐ์๋์
๋ฐ์ํ ์ด์
errors from (blue solid) d). ersion of thesis on
์ธ๋ฅผ ๋ณ๊ฒฝํ
๊ฐ์ก์ผ๋,
์์ ๋ณด๋ฏ์ด
๋ ๋ฐ๋ฉด, ์
, ์ ์ ๋ฐฉ๋ฒ
์ ์ฒด ๊ตฌ๊ฐ์
์ Test C
์กด ๋ฐฉ๋ฒ์
์๊ด์์ด
์ ๋, ๊ธฐ์กด
the conventiwith respect
n the RISS websi
ํ์๊ธฐ ๋๋ฌธ
์ ์ ๋ฐฉ๋ฒ
์ด 65~100
์ ์ ๋ฐฉ๋ฒ์
์ ๋กค๊ณผ ํผ
์์ 7ยฐ ๋ฏธ๋ง
์ Test D
์ค์ฐจ๋ ๋งค
๋๋ฑ์์ค
๋ฐฉ๋ฒ์ ๊ฒฝ
ional KF (ret to the truth
te, www.riss.kr.
๋ฌธ์
๋ฒ์
์ด
6ยฐ
ํผ์น
๋ง์
D)์
๋งค์ฐ
์ค์
๊ฒฝ์ฐ
ed th
- 68 -
๊ฐ์๋์ ๊ธฐ์ธํ๋ ๋ถ์ ํ์ฑ์ด ์ค์ฐจ๋ฅผ ๋ฐ์์ํค๋ ๋ฐ๋ฉด, ์ ์ ๋ฐฉ๋ฒ์
๊ฒฝ์ฐ ๊ตฌ์์กฐ๊ฑด์ ํตํด ๊ฐ์๋ ๊ด๋ จ ๋ถ์ ํ์ฑ์ ์ ๊ฑฐํจ์ผ๋ก์จ
์ถ์ ์ฑ๋ฅ์ด ์ด๋์กฐ๊ฑด์ ์ํฅ์ ๋ฐ์ง ์๊ธฐ ๋๋ฌธ์ด๋ค.
ํํธ, ์ผ์์ ๋ถ์ฐฉ ์์น๋ฅผ ๋ค๋ฅด๊ฒ ์ค์ ํ Test A ์ Test C (ํน์ Test
B ์ Test D)์ ๊ฒฐ๊ณผ๋ฅผ ๋น๊ตํ์์ ๊ฒฝ์ฐ, ์ ์ ๋ฐฉ๋ฒ์ ๋์ผํ ์ค์ฐจ๋ฅผ
๊ฐ์ง ๋ฐ๋ฉด, ๊ธฐ์กด ๋ฐฉ๋ฒ์ ์ค์ฐจ๋ ์์น๋ฒกํฐ์ ๊ธธ์ด๊ฐ ์์์๋ก ์ํญ์ผ๋ก
์ฆ๊ฐํ์๋ค. ๊ทธ๋ฌ๋ ์ค์ฐจ์ ์ฆ๊ฐ ํญ์ด ๊ฐ์์กฐ๊ฑด์ ๋นํด ์์ผ๋ฉฐ,
์๋์ ์ธ ์์ ์์ง์์ ๋ํ ์ค์ฐจ๋ฅผ ๊ณ ๋ คํ๋ค๋ฉด, ์ผ์์ ๋ถ์ฐฉ ์์น์
๋ฐ๋ฅธ ์์ธ์ถ์ ์ํฅ์ ๋งค์ฐ ๋ฏธ๋นํ๋ค๊ณ ํ ์ ์๋ค.
์ ์ ๋ฐฉ๋ฒ์ ๋ชจ๋ ์คํ์์ ์ค์ฐจ ํ๊ท ์ด 2ยฐ ์์ค์ผ๋ก ์ฐ์ํ
์์ธ์ถ์ ์ฑ๋ฅ์ ๊ฐ์ก๋ค. ์ด๋ฌํ ๊ฒฐ๊ณผ๋ ๊ธฐ์กด ๋ฐฉ๋ฒ์ ์ฑ๋ฅ๊ณผ ๋น๊ตํ์ฌ
๋งค์ฐ ํฅ์๋ ๊ฒฐ๊ณผ์ด๋ฉฐ, ์ด๋ฅผ ํตํด ๊ฐ์๋ ๊ด๋ จ ๋ถ์ ํ์ฑ ์ ๊ฑฐ๋ฅผ ํตํ
์ฑ๋ฅ ํฅ์์ ํ์ฐํ ํ์ธํ ์ ์์๋ค. ๋ค๋ง, ๊ฐ์๋๊ด๋ จ ๋ถ์ ํ์ฑ์
์ ๊ฑฐํ์์์๋ ๋ถ๊ตฌํ๊ณ ์กด์ฌํ๋ 2ยฐ ์์ค์ ์ค์ฐจ๋, ์ผ์ ์ฑ๋ฅ ๋ฐ
์ ํธ ์ก์, ๊ตฌ์์กฐ๊ฑด์ ์๋ฐฐ, ์์น๋ฒกํฐ ์ธก์ ์ค์ฐจ, ์ผ์ ๋ฐ ์กฐ์ธํธ์
๋ถ์์ ํ ๊ณ ์ ๋ฑ ๋ค์ํ ์์ธ์ ์์ํ ์ ์๋ค.
5.5 ๊ฒฐ ๋ก
๋ณธ ์ฅ์์๋ ๋ณผ ์กฐ์ธํธ๋ก ๊ตฌ์๋ ์์ง์์ ๋ํ์ฌ ์ผ์๊ฐ์๋
๊ตฌ์์กฐ๊ฑด์์ ์ ๋ํ์์ผ๋ฉฐ, ์ ๋๋ ๊ตฌ์์กฐ๊ฑด์ ์นผ๋งํํฐ์
์ธก์ ๋ฒกํฐ์ ๊ฒฐํฉํ ์๋ก์ด ๊ตฌ์กฐ์ ์์ธ์ถ์ ์นผ๋งํํฐ๋ฅผ ์ ์ํ์๋ค.
์ด๋ฅผ ํตํด ์ผ์๊ฐ์๋์ ๊ธฐ์ธํ ์์ธ์ถ์ ์ ๋ถ์ ํ์ฑ์ ์ ๊ฑฐํ์๊ณ
์ถ์ ์ฑ๋ฅ์ ํฅ์์์ผฐ๋ค.
๊ฒ์ฆ์คํ ๊ฒฐ๊ณผ, ๊ธฐ์กด ๋ฐฉ๋ฒ์ ๊ฐ์๋๊ฐ ์ฆ๊ฐํ ์๋ก ์ถ์ ์ค์ฐจ๊ฐ ์ต๋
13ยฐ(Test C)๊น์ง ์ฆ๊ฐํ๋ ๋ฐ๋ฉด์, ์ ์๋ ๋ฐฉ๋ฒ์ ์ผ์๊ฐ์๋
- 69 -
๊ตฌ์์กฐ๊ฑด์ ํตํด ๊ฐ์๋ ๊ด๋ จ ๋ถ์ ํ์ฑ์ ์ ๊ฑฐํจ์ผ๋ก์จ ๊ฐ์๋ ํฌ๊ธฐ์
์๊ด์์ด ๋ชจ๋ ์คํ์์ 2ยฐ ์์ค์ ์ ํํ๊ณ ๊ท ์ผํ ์ถ์ ์ค์ฐจ๋ฅผ
๋ณด์๋ค. ๋ค ๊ฐ์ง ์คํ์ ๋ํ ์์ธ์ถ์ ์ค์ฐจ ๋น๊ต ์, ์ ์ํ๋
์นผ๋งํํฐ๊ฐ ๊ธฐ์กด ์นผ๋งํํฐ๋ณด๋ค ํ๊ท 6.31ยฐ, ์ต๋ 11.22ยฐ ํฅ์๋ ์ฑ๋ฅ์
๋ณด์๋ค.
์ ์ํ๋ ์นผ๋งํํฐ๋ ๊ตฌ์์กฐ๊ฑด๋ง ํ๋ณด๋๋ฉด ์ด๋์กฐ๊ฑด์ ์๊ด์๋
์ถ์ ์ ํ์ฑ์ ์ง๋๊ณ ์์ผ๋ฏ๋ก, ๋์ ์กฐ๊ฑด์ด ์ง์๋๋ ๋ก๋ด์์คํ ์ด๋,
๊ณ ์ ๊ฐ๋์กฐ๊ฑด์ด ๋น๋ฒํ ๋ฐ์ํ๋ ๊ธฐ๊ณ์์คํ ์ ๊ฒฝ์ฐ์ฒ๋ผ ๊ธฐ์กด
์นผ๋งํํฐ์ ์ ์ฉ์ด ์ด๋ ค์ด ๋ถ์ผ์์ ํจ๊ณผ์ ์ผ๋ก ์ฌ์ฉ๋ ์ ์๋ค.
Acknowledgement
๋ณธ ์ฅ์ ๋ํ ๋ด์ฉ์ ๋ค์ ๋ ผ๋ฌธ์ ๊ธฐ๋ฐ์ผ๋ก ์์ฑ๋์๋ค: ์ต๋ฏธ์ง,
์ด์ ๊ทผ, โ๊ฐ์๋๋ก ์ธํ ๋ถ์ ํ์ฑ ์ ๊ฑฐ๋ฅผ ์ํด ๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด์
๊ฒฐํฉํ ๊ด์ฑ์ผ์๊ธฐ๋ฐ ์์ธ์ถ์ ,โ ๋ํ๊ธฐ๊ณํํ ๋ ผ๋ฌธ์ง(A), ์ฌ์ฌ ์ค.
- 70 -
6. ๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด์ ํฌ์ํ IMU ๊ธฐ๋ฐ
์์ธ์ถ์ ์นผ๋งํํฐ
6.1 ์ ๋ก
์ด๋์ฒด์ ์์ธ(attitude)๋ฅผ ์ถ์ ํ๊ธฐ ์ํ ๋ฐฉ๋ฒ์ผ๋ก, ์์ด๋ก์ค์ฝํ์
๊ฐ์๋๊ณ๋ก ๊ตฌ์ฑ๋ IMU(inertial measurement unit)๋ฅผ ํ์ฉํ ARS(attitude
reference system)๊ฐ ๊ด๋ฒ์ํ๊ฒ ํ์ฉ๋๊ณ ์๋ค[17.53]. ํนํ ๋ฐ๋์ฒด
๊ธฐ์ ์ ๋ฐ๋ฌ์ ๊ธฐ์ธํ ์ ๊ฐ ์ํ์ MEMS(micro-electromechanical
system) IMU ๋ณด๊ธ์ IMU ๊ธฐ๋ฐ ์์ธ์ถ์ ์ ๋ํ ํญ๋ฐ์ ์์๋ฅผ
๊ฒฌ์ธํ๊ณ ์๋ค[43,54].
์์ด๋ก์ค์ฝํ์ ๊ฐ์๋๊ณ๊ฐ ๋น๋ฒํ ๊ฒฐํฉ๋๋ ์ด์ ๋ ๋ ์ผ์์
์ํธ๋ณด์์ ํน์ฑ์ ๊ธฐ์ธํ๋ค. ์ฆ, ์์ด๋ก์ค์ฝํ๋ ์์ธ์ ๋ณํ๋์
๊ฐ์งํ๋ฏ๋ก ์ด๋ฅผ ์ ๋ถํ์ฌ ์์ธ๋ฅผ ์ถ์ ํ ์ ์์ง๋ง, ํ๋ฅ์ค์ฐจ๊ฐ
๋์ ๋๋ ๋ฌธ์ ๋ฅผ ํผํ ์ ์๋ค. ๋ฐ๋ฉด์, ๊ฐ์๋๊ณ๋ ์ค๋ ฅ๋ฒกํฐ๋ผ๋
๊ณ ์ ์ฐธ์กฐ๋ฒกํฐ๋ฅผ ํตํ ์์ธ ์ถ์ ์ด๋ฏ๋ก ์ค์ฐจ๋์ ๊ณผ ๋ฌด๊ดํ์ง๋ง,
๋์ ์กฐ๊ฑด์์๋ ๊ฐ์๋๊ณ ์ ํธ ๋ด ์ธ๋ถ๊ฐ์๋ ์ ์ ์ผ๋ก ์ฐธ์กฐ๋ฒกํฐ๊ฐ
ํผ์๋๋ ๋ฌธ์ ๋ฅผ ์ง๋๋ค. ๋ฐ๋ผ์, ๋ ์ผ์์ ํน์ฑ์ ๊ณ ๋ คํ ์ผ์์ตํฉ์ด
IMU ๊ธฐ๋ฐ ์์ธ์ถ์ ์ฑ๋ฅ์ ๊ด๊ฑด์ด๋ผ๊ณ ํ ์ ์๋ค[17,18].
๋ ์ผ์์ ์ ํธ ์ตํฉ์ ์ํด ๊ฐ์ฅ ๋ณดํธ์ ์ผ๋ก ์ฌ์ฉ๋๋ ๊ธฐ๋ฒ์
์นผ๋งํํฐ(Kalman filter)์ด๋ค[18.55-57]. ์นผ๋งํํฐ๋ (i) ์ํ๋ชจ๋ธ๊ณผ ์ด์
์ํ ์ถ์ ์น๋ฅผ ์ด์ฉํ์ฌ ํ์ฌ ์ธก์ ์๊ฐ์ ์ํ์ ์ค์ฐจ ๊ณต๋ถ์ฐ์ ๋ํ
์ถ์ ์น๋ฅผ ์์ธกํ๋ ์๊ฐ ๊ฐฑ์ (time update) ๋จ๊ณ์, (ii) ์์ธก(prediction)๋
์ถ์ ์น๋ฅผ ์ธก์ ๊ฐ์ ํตํด ๋ณด์ (correction)ํ๋ ์ธก์ ๊ฐฑ์ (measurement
update) ๋จ๊ณ๋ฅผ ๋ฐ๋ณตํจ์ผ๋ก์จ ์ต์ ์ ์ํ๋ฅผ ์ถ์ ํ๋ ํํฐ์ด๋ค[58].
- 71 -
๋ณธ ์ฅ์ ์ฃผ์ ์ธ IMU ๊ธฐ๋ฐ ์์ธ์ถ์ ์นผ๋งํํฐ์ ๊ฒฝ์ฐ, ๋ค์ํ ๋ฐฉ์์
์นผ๋งํํฐ๊ฐ ์์ผ๋, ์๊ฐ ๊ฐฑ์ ๋จ๊ณ๋ฅผ ์ํด ์์ด๋ก์ค์ฝํ ์ ํธ๊ฐ
์ด์ฉ๋๊ณ , ์ธก์ ๊ฐฑ์ ๋จ๊ณ๋ฅผ ์ํด ๊ฐ์๋๊ณ์ ํธ๊ฐ ์ด์ฉ๋๋ค๋ ์ ์
๋๋ค์์ ๊ฒฝ์ฐ ๋์ผํ๋ค[17-19]. ์ฌ๊ธฐ์, ๋ณธ ์ฅ์ ์ธก์ ๊ฐฑ์ ๋จ๊ณ๋ฅผ ์ํ
๊ฐ์๋๊ณ ์ ํธ์ ๋ถ์์ ์ฑ์ ์ฃผ๋ชฉํ๋ค. ์์ ์ค๋ช ํ์๋ฏ์ด
๋์ ์กฐ๊ฑด์์ ๊ฐ์๋๊ณ ์ ํธ๋ ์ธ๋ถ๊ฐ์๋์ ์ค๋ ฅ๊ฐ์๋์ ํฉ์ผ๋ก ๋
์ด์ ์ค๋ ฅ๋ฒกํฐ๋ก ๊ตญํ๋์ง ์๋๋ค. ์ด๋ ์ฐธ์กฐ๋ฒกํฐ์ ๋ถ์ ํ์ฑ์
์๋ฏธํ๊ณ , ์ธก์ ๊ฐฑ์ ๋จ๊ณ๋ฅผ ํตํด ์ถ์ ๋ ์ํ์ ๋ถ์ ํ์ฑ์ผ๋ก
์ด์ด์ง๋ค. ๋์ ์กฐ๊ฑด์ด ์งง์ ์๊ฐ์ผ๋ก ๊ตญํ๋๋ ๊ฒฝ์ฐ, ์์ด๋ก์ค์ฝํ
์ ํธ์ ๋น์ค์ ์ฆ๊ฐ์ํด์ผ๋ก์จ ์ด ๋ฌธ์ ์ ๋์ํ ์ ์๋ค. ์ด๋ฌํ
๋์์ ์งง์ ์๊ฐ๋์์ ํ๋ฅ์ค์ฐจ ๋์ ๋์ ์ฌ๊ฐํ์ง ์๋ค๋ ํ๋จ์
๋ฐ๋ฅธ ๊ฒ์ด๋ค. ํ์ง๋ง ๋ก๋ด์์คํ ์ด๋ ์ ๋ฐ, ํญ๊ณต๊ธฐ ๋ฑ์์์ฒ๋ผ
๋์ ์กฐ๊ฑด์ด ์ง์๋๋ ๊ฒฝ์ฐ ์์ด๋ก์ค์ฝํ ์ ํธ์ ์ฅ์๊ฐ ์์กด์
ํด๊ฒฐ์ฑ ์ด ๋ ์ ์๋ค.
์ด๋ฅผ ๊ทน๋ณตํ๊ธฐ ์ํด ๋ค์ํ ๊ธฐ๋ฒ๋ค์ด ์๋๋์์ผ๋[18,19,59], ๋ฏธ์ง์
์ธ๋ถ๊ฐ์๋๊ฐ ์กด์ฌํ๋ ํ ๊ทผ๋ณธ์ ์ธ ํด๊ฒฐ์ฑ ์ด๋ผ๊ณ ํ ์๋ ์๋ค.
์ธ๋ถ๊ฐ์๋ ๋ฌธ์ ์ ๋์ํ๊ธฐ ์ํ ๊ธฐ์กด์ ์๋๋ค์ ๋ชจ๋ IMU ๊ฐ
๋ถ์ฐฉ๋ ์ด๋์ฒด๊ฐ ์๋ฌด๋ฐ ๊ตฌ์ ์์ด ์์ ๋กญ๊ฒ ์์ง์ด๋ ๊ฒฝ์ฐ๋ฅผ
๋์์ผ๋ก ํ๊ณ ์๋ค. ํ์ง๋ง, ๋ง์ ์ด๋์ฒด๋ ๊ธฐ๊ตฌํ์ ์ผ๋ก ๋ค์ํ
๊ตฌ์์กฐ๊ฑด์ ๊ทธ ์์ง์์ด ์ ํ์ ๋ฐ๊ณ ์๋ค[51,60,61]. ๋ฐ๋ผ์ ๋ณธ ์ฅ์
๊ธฐ๊ตฌํ์ ์ผ๋ก ๊ตฌ์๋ ์ด๋์ฒด์ ์์ธ์ถ์ ์ ์์ด, ์ธ๋ถ๊ฐ์๋ ๋ฌธ์ ๋ฅผ
๊ตฌ์์กฐ๊ฑด์ผ๋ก ๋์ํ๋ ๊ฒ์ด๋ค.
์์ธ์ถ์ ์ด ์๋ ๋ค๋ฅธ ์์ฉ๋ถ์ผ์ ๋ํ์ฌ, ์นผ๋งํํฐ์ ๊ตฌ์์กฐ๊ฑด์
๊ฒฐํฉํ๊ธฐ ์ํ ๋ค์ํ ๊ตฌ์ ๊ฒฐํฉ ๊ธฐ๋ฒ๋ค์ด ๊ฐ๋ฐ๋์๋ค[51,61-63].
๋ํ์ ์ธ ๊ตฌ์ ๊ฒฐํฉ ๊ธฐ๋ฒ์ผ๋ก ํฌ์๋ฒ(projection)์ด ์์ผ๋ฉฐ, ์ด๋
๊ตฌ์์กฐ๊ฑด์ ์ฌ์ฉํ์ง ์์ ๋น๊ตฌ์(unconstrained) ์นผ๋งํํฐ์์ ์ป์
- 72 -
์ํ ์ถ์ ์น๋ฅผ ๊ตฌ์ ๊ณต๊ฐ์ ํฌ์ํ๋ ๊ตฌ์ ๊ฒฐํฉ ๊ธฐ๋ฒ์ด๋ค[14,15]. ์ด๋,
ํฌ์๋ฒ์ ๊ตฌ์์กฐ๊ฑด์ ๊ฒฐํฉํ๋ ์์น ๋ฐ ์กฐ๊ฑด๊ณผ ๊ทํ(feedback)ํ๋
๋ฐฉ์์ ๋ฐ๋ผ ๊ฐ๋ฃจํ ์ถ์ ํฌ์๋ฒ(open-loop estimate projection, OEP),
ํ๋ฃจํ ์ถ์ ํฌ์๋ฒ(closed-loop estimate projection, CEP), ์ํ ์์ธก
ํฌ์๋ฒ(state prediction projection, SPP) ๋ฑ์ผ๋ก ์ธ๋ถํํ ์ ์๋ค[63].
๋ณธ ์ฅ์์๋ ๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด์ ํฌ์ํ IMU ๊ธฐ๋ฐ ์์ธ์ถ์
์นผ๋งํํฐ๋ฅผ ์ ์ํ๋ค. ์ด๋ฅผ ํตํด, ๊ธฐ์กด์ ๋น๊ตฌ์ ์์ธ์ถ์ ์นผ๋งํํฐ์
๋ฌ๋ฆฌ, ๋์ ์กฐ๊ฑด์ ๋ฌด๊ดํ๊ฒ ์ ํํ ์์ธ์ถ์ ์ด ๊ฐ๋ฅํ๊ฒ ํ๊ณ ์ ํ๋ค.
์ด๋ฅผ ์ํด, ๋ค์ํ ๊ธฐ๊ณ์์คํ ์ ์ฌ์ฉ๋๋ ๊ตฌ๋ฉด ์กฐ์ธํธ(spherical joint)๋ฅผ
๋์์ผ๋ก, ์์ธ์ถ์ ์ ๊ด๊ณ๋ ์ธ๋ถ๊ฐ์๋์ ๋ํ์ฌ ๊ตฌ์๋ฐฉ์ ์์
์ ๋ํ์๋ค. ๋ค์์ผ๋ก ์ ๋๋ ๊ตฌ์๋ฐฉ์ ์์ ๊ฒฐํฉํ๊ธฐ ์ํด ํฌ์๋ฒ
๋ฐฉ์์ OEP, CEP, SPP ๋ฅผ ์ ์ฉํ์๋ค. ๋ํ, ์ด๋ค ํฌ์๊ธฐ๋ฒ์ ๋ฐ๋ฅธ
์์ธ์ถ์ ์ ํ์ฑ์ ๋ค์ํ ์กฐ๊ฑด์์ ์คํ์ ํตํด ๋น๊ต ๋ถ์ํ์๋ค.
6.2 ์์ธ์ถ์ ๊ตฌ์ ์นผ๋งํํฐ
๋ณธ ์ฅ์์๋ 3 ์ถ ๊ฐ์๋๊ณ์ 3 ์ถ ์์ด๋ก์ค์ฝํ๊ฐ ๊ฒฐํฉ๋ 6 ์ถ IMU ๋ฅผ
์ด์ฉํ์ฌ ์์ธ๋ฅผ ์ถ์ ํ๋ ์นผ๋งํํฐ๋ฅผ ์ฃผ์ ๋ก ํ๋ค. ์ฌ๊ธฐ์ ์์ธ๋ ํค๋ฉ์
๋ํ ์ ๋ณด ์์ด ์์ง์ถ์ ๋ํ ๊ธฐ์ธ๊ธฐ(์ฆ, ๋กค๊ณผ ํผ์น)๋ฅผ ์๋ฏธํ๋ค. ๊ณ ์ ๋
ํญ๋ฒ์ขํ๊ณ(navigation frame, n)์ ๋ํด ์ด๋ํ๋ ์ผ์์ขํ๊ณ(sensor frame, s)์
3 ์ฐจ์ ์์ธ๋ฅผ ์๋ฏธํ๋ ํ์ ํ๋ ฌ(rotation matrix) nsR ์์ ๋ง์ง๋ง ํ(row)
๋ฒกํฐ๋, Z ์ถ์ด ์์ง์ํฅ์ผ๋ก ์ค์ ๋ n ์ขํ๊ณ์ Z ์ถ ๋จ์๋ฒกํฐ๋ฅผ s ์ขํ๊ณ์์
๊ด์ฐฐํ sZ ์ด๋ค. ๋ฐ๋ผ์, sZ ๋ ์์ง์ถ์ ๋ํ ์ผ์์ ๊ธฐ์ธ๊ธฐ๋ฅผ ์๋ฏธํ๋
์์ธ(attitude) ๋ฒกํฐ์ด๋ฉฐ, ์ ์ํ๋ ์นผ๋งํํฐ์ ๋ชฉ์ ์ ์ ํํ sZ ๋ฅผ ์ถ์ ํ๋
๊ฒ์ด๋ค.
- 73 -
6.2.1 ์์ธ์ถ์ ์นผ๋งํํฐ
๋ณธ ์ฅ์์ ์ ์ํ๋ ์์ธ์ถ์ ๊ตฌ์ ์นผ๋งํํฐ๋ ์ฐธ๊ณ ๋ฌธํ[19]์์ ์ ์๋
๋น๊ตฌ์ ์์ธ์ถ์ ์นผ๋งํํฐ๋ฅผ ๊ธฐ๋ฐ์ผ๋ก ํ๋ค. ์นผ๋งํํฐ์ ์งํ๋ชจ๋ธ(process
model)์ ์์ด๋ก์ค์ฝํ ์ ํธ Gy ์ ์คํธ๋ฉ๋ค์ด ์ ๋ถ์(strapdown
integration)์ผ๋ก๋ถํฐ ์ด์ฐ์๊ฐ k ์ ๋ํ์ฌ ๋ค์๊ณผ ๊ฐ์ด ๋ชจ๋ธ๋ง๋๋ค.
, 1 1 1s s sk s G k k s k GT T Z I y Z Z n (6.1)
์ฌ๊ธฐ์ I ๋ 3 3 ๋จ์ํ๋ ฌ(identity matrix), sT ๋ ์ํ๋ง ๊ฐ๊ฒฉ์ด๋ฉฐ, Gn
๋ ์์ด๋ก์ค์ฝํ์ ์ ํธ์ก์์ด๋ค. ๋ํ, ๋ฌธ์ ์์ ํ๊ธฐ๋ ํธ๋(~)๋
ํด๋น ๋ฒกํฐ์ ์ธ์ ํ๋ ฌ(cross product)์ ์๋ฏธํ๋ค.
์นผ๋งํํฐ์ ์ธก์ ๋ชจ๋ธ(measurement model)์ ๊ฐ์๋๊ณ ์ ํธ Ay ์ 1 ์ฐจ
๋ง๋ฅด์ฝํ ์ฐ์์งํ(Markov chain process)๊ธฐ๋ฐ์ ๊ฐ์๋ ๋ชจ๋ธ์์ธ
1s sk a k kc a a ฮต ์ ํผํฉํ์ฌ ๋ค์๊ณผ ๊ฐ์ด ๋ชจ๋ธ๋ง๋๋ค.
, 1 1 , 1s s s
A k a k Ak k k kc g y a Z a n (6.2)
์ฌ๊ธฐ์, ์ด์ฐ์๊ฐ k ์ ๋ํ์ฌ, 1k k ๋ ์์ธก๊ฐ(a priori), k k ๋ ๋ณด์ ๊ฐ(a
posteriori)์ ์๋ฏธํ๋ค. ๋ํ, ac ๋ ๊ฐ์๋๋ชจ๋ธ ํ๋ผ๋ฏธํฐ, kฮต ๋ ๊ฐ์๋๋ชจ๋ธ
์ก์, g ๋ ์ค๋ ฅ๊ฐ์๋์ ํฌ๊ธฐ, An ๋ ๊ฐ์๋๊ณ์ ์ ํธ์ก์์ด๋ค. ์ (6.2)์
๋์ถ์ ์ํด ๊ด๊ณ์ , 1 1
s s skk k k k a a a ์
1 1 1s s
ak k k kc a a ๊ฐ ์ฌ์ฉ๋์๋ค.
์(6.1)๊ณผ (6.2)๋ฅผ ํตํด ์์ธ์ถ์ ์นผ๋งํํฐ์ ์๋ค์ด ๋์ถ๋๋ค.
1 1 1k k k k x F x w (6.3a)
k k k z Hx v (6.3b)
์ฌ๊ธฐ์ ์(6.3a)์ ์ํ๋ฒกํฐ kx ๋ skZ , ์ฒ์ดํ๋ ฌ(transient matrix) 1kF ์
, 1s G kT I y , ์งํ ์ก์(process noise) 1kw ์ 1s
s k GT Z n ์ด๋ฉฐ ๊ณต๋ถ์ฐ
ํ๋ ฌ(
์ธก์ ๋ฒก
์ก์(
k
M
์์ด๋ก
๋ก ์ค
6.2.2
๋ณธ
๊ธฐ๊ตฌํ
์ ํํ
(covariance
๋ฒกํฐ kz ๋
(measurement
1 213 s
a kc
a
๋ก์ค์ฝํ์
์ค์ ๋์๋ค. ์ฌ
2 ๊ตฌ์๋ฐฉ์
์ฅ์์๋
ํ์ ๊ตฌ์์กฐ
ํ๋ฉฐ, ํ์
matrix) Q
, 1s
A k a kc y a
t noise)
2
1 Ak
ฮฃ
๊ฐ์๋๊ณ์
์ฌ๊ธฐ์, G ์
์
์์ธ์ถ์
์กฐ๊ฑด์ ํฌ์
์ด๋์ ๋
Fig. 6
- 74
1k sT Q Z
1k , ๊ด์ธกํ๋ ฌ
kv ๋
์ ๊ฐ๋๋ค
์ ํธ์ก์์
์ A ๋ ๊ฐ๊ฐ
์นผ๋งํํฐ์
์ํ์๋ค. ๋ณธ
๋ํด 3 ์์
.1. Spherical
4 -
1 1s sk G k ฮฃ Z
๋ ฌ(observatio
, 1s
k k a n
๋ค. ์ฌ๊ธฐ์
์ ๋ํ ๊ณต๋ถ
๊ฐ์ ์ ํธ์ก
์ ์ถ์ ์ฑ
๋ณธ ์ฅ์ ๊ตฌ์
์ ๋๋ฅผ ๊ฐ์ง
l joint constr
์ ๊ฐ๋๋ค
on matrix) H
A ์ด๋ฉฐ
Gฮฃ ์
๋ถ์ฐ ํ๋ ฌ์ด๋ฉฐ
์ก์์ ๋ํ ํ
์ฑ๋ฅ์ ํฅ์
์๋ฐฉ์ ์์
์ง๋ ๊ตฌ๋ฉด ์กฐ
raint.
๋ค. ์(6.3b
H ์ gI , ์ธก
๊ณต๋ถ์ฐ ํ
Aฮฃ ๋ ๊ฐ
๋ฉฐ, 2G I ์
ํ์คํธ์ฐจ์ด๋ค
์์ํค๊ธฐ ์
๋ณ์ง ์ด๋
์กฐ์ธํธ์ ์
b)์
์ธก์
ํ๋ ฌ
๊ฐ๊ฐ
2A I
๋ค.
์ํด
๋์
์ํด
- 75 -
์์ฑ๋ ๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด์ ๋์์ผ๋ก ํ๋ค. ์ด๋ฌํ ์ด์ ๋ ๋ง์ ๊ธฐ๊ณ ๋ฐ
๋ก๋ด์์คํ ์ ๋ถ์ (segment)๋ค์ด ํ์ ์กฐ์ธํธ๋ก ์ฐ๊ฒฐ๋๋ฉฐ, ๋ชจ๋ ํ์
์กฐ์ธํธ๋ค์ ๊ตฌ๋ฉด ์กฐ์ธํธ ๊ตฌ์์กฐ๊ฑด์ ๋ง์กฑํ๊ธฐ ๋๋ฌธ์ด๋ค.
Fig. 6.1 ์์ ๋ณด๋ฏ์ด, ๊ตฌ๋ฉด ์กฐ์ธํธ์ ์์ผ๋ถ๋ถ์ ๋งํฌ i, ๋ณผ ๋ถ๋ถ์ ๋งํฌ
j ๋ผ๊ณ ์ ์ํ๋ฉด, ์์น์์ค์์์ ๊ตฌ๋ฉด ์กฐ์ธํธ ๊ตฌ์๋ฐฉ์ ์์ ๋ค์๊ณผ ๊ฐ๋ค.
n ni i n nj jsph ni ip nj jp ฮฆ r R d r R d 0 (6.4)
์ฌ๊ธฐ์ nnir ์ n
njr ๋ ๊ฐ๊ฐ n ์ขํ๊ณ์์ i ์ขํ๊ณ๊น์ง์ ์์น๋ฒกํฐ nir ์
n ์ขํ๊ณ์์ j ์ขํ๊ณ๊น์ง์ ์์น๋ฒกํฐ njr ๋ฅผ n ์ขํ๊ณ์์ ๊ด์ฐฐํ ๊ฒ์ด๋ค.
๋ํ ๊ตฌ๋ฉด ์กฐ์ธํธ์ ์ค์ฌ์ ์ P ๋ผ ํ ๋, iipd ์ j
jpd ๋ ๊ฐ๊ฐ i ์ขํ๊ณ์
์์ ์์ P ์ ๊น์ง์ ์์น๋ฒกํฐ ipd ๋ฅผ i ์ขํ๊ณ์์, j ์ขํ๊ณ์ ์์ ์์
P ์ ๊น์ง์ ์์น๋ฒกํฐ jpd ๋ฅผ j ์ขํ๊ณ์์ ๊ด์ฐฐํ ๊ฒ์ด๋ค. ์ด๋,
ipd ์ jpd
๋ ๋งํฌ๋ถ์ฐฉ ๋ฒกํฐ๋ก์, ์์ ์ ๋งํฌ์์ ๊ด์ฐฐ๋ iipd ์ j
jpd ๋ ๋งํฌ์
์์ธ๋ณํ์ ์๊ด์์ด ํญ์ ์ผ์ ํ ๊ฐ์ ๊ฐ๋๋ค. ๋ฐ๋ผ์, ๊ฐ์๋์ ๋ํ
๊ตฌ์๋ฐฉ์ ์์ ์(4)๋ฅผ ์๊ฐ์ ๋ํด ๋ ๋ฒ ๋ฏธ๋ถํ์ฌ ๋ค์๊ณผ ๊ฐ์ด ํํ๋๋ค.
n ni i n nj jsph i ip j jp ฮฆ a R d a R d 0 (6.5)
์ฌ๊ธฐ์ nia ์ n
ja ๋ ๊ฐ๊ฐ nnir ์ n
njr ์ ํด๋นํ๋ฉฐ, ํด๋น ์ขํ๊ณ ์์น์์์
๊ฐ์๋์ด๋ค.
๋ณธ ์ฅ์์๋ ๊ฒ์ฆ์คํ ์กฐ๊ฑด์ ๊ฐ๋จํ ํ๊ธฐ ์ํ์ฌ, Fig. 6.2 ์ ๊ฐ์ด ๊ตฌ๋ฉด
์กฐ์ธํธ์ ๋งํฌ i(์์ผ๋ถ๋ถ)๋ฅผ ๋ฐ๋ฅ์ ๊ณ ์ ์ํด์ผ๋ก์จ ๊ตฌ์๋ฐฉ์ ์์
ํน์์กฐ๊ฑด์ผ๋ก ๊ท์ ํ์๋ค. ๋ฐ๋ผ์, ์(6.5)์ nia ์ niR ๋ 0 ์ด ๋๋ค.
์ง๊ธ๋ถํฐ ๋งํฌ j ์ ๋ถ์ฐฉ๋ IMU ์ผ์์ s ์ขํ๊ณ๊ฐ ๋งํฌ๋ถ์ฐฉ j ์ขํ๊ณ์
์ผ์นํ๋ค๊ณ ๊ฐ์ ํ์(์ฆ, j = s). ๊ทธ๋ ๋ค๋ฉด, ์(6.5)๋ ๋ค์๊ณผ ๊ฐ์ด
์ผ์๋ถ์ฐฉ์ขํ๊ณ์ (๋๋ ์ผ์์) ๊ฐ์๋๋ฅผ ํํํ๋ ๋ฐฉ์ ์์ด ๋๋ค.
์ฆ, ์
๋ฒ ๋ฏธ
ns R
๋ฐ๋ผ์
์ธ๋ถ๊ฐ
์(6.6)์ ssd
๋ฏธ๋ถํ nsR
ns s R ฯ [56]
์ ์(6.6)์
๊ฐ์๋ ssa ๋
ssp ๋ ์(6.5)
๋ ๊ฐ์๋
]๋ฅผ ์ ์ฉํ์ฌ
์ ์(6.7)์
๋ ๋ค์๊ณผ ๊ฐ
Fig. 6.2. C
- 76
ns a R
์ jjpd ์ ํด
๋ sฯ ๋ก ํ
์ฌ ๋ค์๊ณผ ๊ฐ
ns nsR R ฯ
์ ๋์ ํ์ฌ
๊ฐ์ด ํํ๋๋ค
s ss a ฯ
Configuration
6 -
ns sspR d
ํด๋นํ๋ค. ์
ํํ๋๋ ํ
๊ฐ์ด ์ ๋ฆฌ๋๋ค
s s sฯ ฯ ฯ
์ฌ ์ ๋ฆฌํ๋ฉด
๋ค.
s s sspฯ ฯ d
n of sensors a
์(6.6)์์
ํ์ ํ๋ ฌ์
๋ค.
๋ฉด, s ์ขํ๊ณ
and joint.
(6
ํ์ ํ๋ ฌ์
๋ฏธ๋ถ ๋ฐฉ์
(6
๊ณ ๊ด์ ์์
(6
6.6)
๋
์ ์
6.7)
์์
6.8)
- 77 -
์ด๋, ์(6.8)์ ๊ฐ์๋ sฯ ๋ ์์ด๋ก์ค์ฝํ์ ์ ํธ์ก์ ๋๋ฌธ์ ์๋ฒฝํ
์ธก์ ์ด ๋ถ๊ฐ๋ฅํ๋ฏ๋ก ์์ด๋ก์ค์ฝํ์ ์ธก์ ๊ฐ Gy ๊ณผ ์ ํธ์ก์ Gn ์ผ๋ก
ํํํด์ผ ํ๋ค. ๋ฐ๋ผ์ ์์ด๋ก์ค์ฝํ ์ ํธ ๋ชจ๋ธ(์ฆ, sG G y ฯ n )์
์(6.8)์ ์ ์ฉํ์ฌ ์ ๋ฆฌํ๋ฉด, ๋ค์๊ณผ ๊ฐ์ ์ธ๋ถ๊ฐ์๋์ ๋ํ
๊ตฌ์๋ฐฉ์ ์์ด ์ ๋๋๋ค.
s ss G G G sp c a y y y d ฮต (6.9)
์ฌ๊ธฐ์ a b a b , ab ba ab ๊ณผ 0G G n n ์ ์ ์ฉํ์๋ค. ๋ํ Gy ๋
์์ด๋ก์ค์ฝํ ์ ํธ์ ์์น ๋ฏธ๋ถ์ ํตํด ๊ตฌํ๋ฉฐ, ์ธ๋ถ๊ฐ์๋ ๊ตฌ์๋ฐฉ์ ์
์ค์ฐจ cฮต ๋ ์๋์ ๊ฐ์ด ์ ๋ฆฌ๋๋ค.
( 2 )s s sc sp G sp G G sp G ฮต d n d y y d n (6.10)
6.2.3 ๊ตฌ์ ํฌ์ ๊ธฐ๋ฒ
๋ณธ ์ฅ์ ์์ธ์ถ์ ์ฉ ๋น๊ตฌ์(unconstrained) ์นผ๋งํํฐ(6.2.1์ )์ ์์
์ ๋๋ ์ธ๋ถ๊ฐ์๋ ๊ตฌ์๋ฐฉ์ ์(6.2.2์ )์ ๊ฒฐํฉํ ๊ตฌ์ ์นผ๋งํํฐ๋ฅผ
์ ์ํ๋ค. ๊ตฌ์์กฐ๊ฑด์ ๊ฒฐํฉํ๋ ๊ธฐ๋ฒ์ผ๋ก ์ธ ๊ฐ์ง ํฌ์(projection) ๋ฐฉ์์
์ฌ์ฉํ์๋๋ฐ, Fig. 6.3์ ๊ธฐ์กด์ ๋น๊ตฌ์ ์นผ๋งํํฐ์ ๊ตฌ์์กฐ๊ฑด์ ํฌ์ํ ์ธ
๊ฐ์ง ๊ตฌ์ ์นผ๋งํํฐ์ ๋ํ ํ๋ฆ๋๋ฅผ ๋ณด์ฌ์ฃผ๊ณ ์๋ค. ์ด๋, ๊ตฌ์
ํฌ์๋จ๊ณ๊ฐ ์นผ๋งํํฐ์ ๋ณด์ ๋จ๊ณ ๋ค์์ ์์น๋๋ OEP ๊ณผ CEP ์ ํฉ์ณ
์ถ์ ํฌ์๋ฒ(estimate projection)์ด๋ผ๊ณ ํ๋ค[51,60].
A) ๊ฐ๋ฃจํ ์ถ์ ํฌ์๋ฒ(OEP)
๊ฐ๋ฃจํ ์ถ์ ํฌ์๋ฒ OEP(open-loop estimate projection)๋ ์นผ๋งํํฐ์
์ํ๋ฒกํฐ k kx ๋ฅผ ๊ตฌ์์กฐ๊ฑด์ ํฌ์์ํจ ๊ตฌ์ ์นผ๋งํํฐ์ ์ถ์ ๊ฒฐ๊ณผ OEP
k kx ๊ฐ
์นผ๋งํํฐ์ ๊ทํ๋์ง ์๋ ๋ฐฉ์์ผ๋ก, ์นผ๋งํํฐ์ ์์ธก๊ณผ ๋ณด์ ๋จ๊ณ๋
๊ตฌ์์กฐ๊ฑด์ ์ํฅ์ ๋ฐ์ง ์๊ณ ๋ ๋ฆฝ์ ์ผ๋ก ์ถ์ ํ๋ ๋ฐฉ์์ด๋ค[64,65]. ๋ฐ๋ผ์
OEP
์ฌ์ฉํ
์ฌ๊ธฐ์
Fig
๋ ๊ตฌ์๋์ง
ํ๋ฉฐ, ๋ค์๊ณผ
์ ์นผ๋ง๊ฒ์ธ
g. 6.3. Flowthree Kalmindicacome
์ง ์์ ์ถ์
๊ณผ ๊ฐ์ ๊ณผ์ ์ผ
1k k
k k
OEPk
x
x
x
์ธ ,c kK ๋
wcharts of thconstraint pr
man filter, (bate from wh
es for the pred
- 78
์ ๊ฒฐ๊ณผ๋ฅผ ๋ค
์ผ๋ก ์ํ(์
1 1 1
1
k k k
kk k
ck k k
F x
x K z
x K
c ck kH P H
he conventiorojection me
b) OEP, (c) here the postdiction.
8 -
๋ค์ ์ํ๋ง
์์ธ)๋ฅผ ์ถ์
1
, ,
k k k
k c k c
z Hx
z H x
Tc c ck k P H R
onal unconstethods: (a) co
CEP, and (teriori estim
์๊ฐ์์์
ํ๋ค.
k kx
1
,c k
, ์ธก์
trained approonventional u(d) SPP. *
mate of the p
์ ์์ธก์ ์
(6.
์ ๋ฒกํฐ ,c kz
oach and thunconstraineDashed line
previous tim
์ํด
.11)
๋
he ed es
me
- 79 -
, , ,s
A k s k c k y a ฮต , ๊ด์ธกํ๋ ฌ cH ๋ gI ์ด๋ค. ๋ํ, ,c kK ์์ ,c kR ๋ ,c k Aฮต n
์ ๊ณต๋ถ์ฐ ํ๋ ฌ์ด๋ค.
B) ํ๋ฃจํ ์ถ์ ํฌ์๋ฒ(CEP)
ํ๋ฃจํ ์ถ์ ํฌ์๋ฒ CEP(closed-loop estimate projection)๋ ๋ ๋ค๋ฅธ ์ถ์
ํฌ์๋ฒ์ธ OEP ์ ๋ค๋ฅด๊ฒ ๊ตฌ์์กฐ๊ฑด์ ํฌ์์ํจ ๊ตฌ์ ์นผ๋งํํฐ์ ์ถ์ ๊ฒฐ๊ณผ
CEPk kx ๊ฐ ๊ทํ๋๋ ๋ฐฉ์์ผ๋ก, ์นผ๋งํํฐ์ ์์ธก๊ณผ ๋ณด์ ๋จ๊ณ๋ ๊ตฌ์์กฐ๊ฑด์
์ํฅ์ ๋ฐ์ผ๋ฉฐ ์ข ์์ ์ผ๋ก ์ํ๋ฅผ ์ถ์ ํ๋ ๋ฐฉ์์ด๋ค[52]. ๋ฐ๋ผ์ ๋ค์
์ํ๋ง ์๊ฐ์์์ ์์ธก์ ๊ตฌ์์กฐ๊ฑด์ ํฌ์๋ ๊ฒฐ๊ณผ๋ฅผ ๊ธฐ๋ฐ์ผ๋ก ํ๋ฉฐ, ๋ค์๊ณผ
๊ฐ์ ๊ณผ์ ์ผ๋ก ์์ธ๋ฅผ ์ถ์ ํ๋ค.
11 1 1
1 1
, ,
CEPkk k k k
k kk k k k k k
CEPc k c k ck k k k k k
x F x
x x K z Hx
x x K z H x
(6.12)
C) ์ํ ์์ธก ํฌ์๋ฒ(SPP)
์ํ ์์ธก ํฌ์๋ฒ SPP(state prediction projection)๋ ์ถ์ ํฌ์๋ฒ๊ณผ ๋ค๋ฅด๊ฒ
๊ตฌ์ ๊ฒฐํฉ๋จ๊ณ๊ฐ ์นผ๋งํํฐ์ ์์ธก๊ณผ ๋ณด์ ๋จ๊ณ ์ฌ์ด์์ ์์นํ์ฌ ๊ตฌ์์กฐ๊ฑด์
ํฌ์ํ๋ ๋ฐฉ์์ด๋ค[63]. ๋ฐ๋ผ์ ์์ธก๋จ๊ณ์ ์ถ์ ๋ ๊ฒฐ๊ณผ๊ฐ ๊ตฌ์์กฐ๊ฑด์
ํฌ์๋๋ฉฐ, ์ด๋ฅผ ํตํด ์ถ์ ๊ฒฐ๊ณผ SPPk kx ๋ ๊ตฌ์์กฐ๊ฑด์ ๋ง์กฑํ๊ฒ ๋๋ค. ๋ค์๊ณผ
๊ฐ์ ๊ณผ์ ์ผ๋ก ์์ธ๋ฅผ ์ถ์ ํ๋ค.
11 1 1
, ,1 1
SPPkk k k k
sppc k c k ck k k k k k
SPP spp sppk kk k k k k k
x F x
x x K z H x
x x K z H x
(6.13)
์ฌ๊ธฐ์ sppk kx ๋ ๊ตฌ์์กฐ๊ฑด์ ๋ง์กฑํ์ง๋ง ์นผ๋งํํฐ์ ๋ณด์ ๋จ๊ณ ์ด์ ์ผ๋ก
- 80 -
์ธก์ ๊ฐ์ ํตํด ๋ณด์ ๋์ง ์์ ์ํ๋ฒกํฐ์ด๋ฉฐ, SPPk kx ๋ ๋ณด์ ๋จ๊ณ๊น์ง ๊ฑฐ์น
๊ตฌ์์กฐ๊ฑด๊ณผ ์ธก์ ๊ฐ์ ๋ชจ๋ ๋ง์กฑํ๋ ์ถ์ ๊ฒฐ๊ณผ์ด๋ค.
6.3 ๊ฒ์ฆ ์คํ
์์ธ์ถ์ ๊ตฌ์ ์นผ๋งํํฐ์ ์ฑ๋ฅ์ ๊ฒ์ฆํ๊ธฐ ์ํ์ฌ InvenSense ์ฌ์
MPU6050 6 ์ถ IMU ๋ฅผ Arduion ์ฌ UNO ๋ณด๋์ ์ฐ๊ฒฐํ์ฌ ์ฌ์ฉํ์๋ค. ๋ํ,
์์ธ์ถ์ ์ฑ๋ฅ์ ๋น๊ตํ๊ธฐ ์ํ ์์ธ ์ฐธ์กฐ๊ฐ(truth reference) soptZ ์ ์ป๊ธฐ ์ํด
OptiTrack ์ฌ์ Flex13 ๊ดํ์ ๋ชจ์ ์บก์ณ ์์คํ ์ ์ฌ์ฉํ์๋ค. ์ด๋ ํ๋ผ์คํฑ
์ผ๊ฐ์์ MPU6050 ๊ณผ ๋๋ถ์ด ์ธ ๊ฐ์ ๋ง์ปค๋ฅผ ๋ถ์ฐฉํ์ฌ, ๋ง์ปค ์์น์ ๋ณด๋ฅผ
์ด์ฉํ ์์ธ ์ฐธ์กฐ๊ฐ์ ๊ตฌํ๋ค. ๋ค์์ผ๋ก ํ๋จ์ ๊ตฌ๋ฉด ์กฐ์ธํธ๊ฐ ์๋ ๋งํฌ์
MPU6050 ๋ฐ ๋ง์ปค๊ฐ ๋ถ์ฐฉ๋ ์ผ๊ฐ์๋ฅผ ๋จ๋จํ ๊ณ ์ ํ์๊ณ , ๊ตฌ๋ฉด ์กฐ์ธํธ์
์์ผ๋ถ๋ถ์ ๋ฐ๋ฅ์ ๊ณ ์ ํจ์ผ๋ก์จ ์(6.9)๊ฐ ์ฑ๋ฆฝํ๋๋ก ํ์๋ค(Fig. 6.2 ์ฐธ์กฐ).
์ฌ๊ธฐ์, ๊ตฌ๋ฉด์กฐ์ธํธ๊ฐ ํฌํจ๋ ๋งํฌ๋ Horusbennu ์ฌ์ FX-3460A
๋ชจ๋ ธํฌ๋(monopod)๊ฐ ์ฌ์ฉ๋์๋ค. IMU ์ผ์๋ ๊ตฌ๋ฉด ์กฐ์ธํธ์ ์ค์ฌ์์
s ์ขํ๊ณ์ ์ค์ฌ๊น์ง์ ์์น๋ฒกํฐ sspd ๊ฐ 0.5 1.8 84.5
T cm ์ธ ์์น์
๋ถ์ฐฉํ์๋ค.
๊ตฌ์์กฐ๊ฑด ํฌ์์ ๋ฐ๋ฅธ ์ฑ๋ฅ๊ฐ์ ํจ๊ณผ๋ฅผ ๊ฒ์ฆํ๊ธฐ ์ํ์ฌ ์ผ์ ํฌ๊ธฐ ์ด์์
๊ฐ์๋๊ฐ ์กด์ฌํ๋ ์คํ์กฐ๊ฑด์ ์ค์ ํ์๋ค. ์ด๋ ๊ธฐ์กด์ ๋น๊ตฌ์ ์นผ๋งํํฐ๊ฐ
์ ์ ์กฐ๊ฑด์์ ์ถ์ ์ค์ฐจ ํ๊ท 2ยฐ ์ดํ์ ์ฐ์ํ ์ฑ๋ฅ์ ๊ฐ๋ ๊ฒ์
๊ณ ๋ คํ์ฌ[19], ๊ตฌ์์กฐ๊ฑด ํฌ์ ์ฌ๋ถ์ ๋ฐ๋ฅธ ์ถ์ ์ฑ๋ฅ์ ๋ณ๋ณ๋ ฅ์ ๋ถ๋ช ํ ํ๊ธฐ
์ํจ์ด๋ค. ๋ฐ๋ผ์ ๊ฐ์๋ ๊ด์ ์์ ์ค์ ์กฐ๊ฑด(Test A)๊ณผ ๊ณ ์ ์กฐ๊ฑด(Test B)์์
์คํํ์์ผ๋ฉฐ, ์ํ์กฐ๊ฑด์ ๋ค์์ฑ์ ์ํด ๊ฐ ์กฐ๊ฑด์์ 2 ๋ฒ์ ์คํ์
์งํํ์๋ค. ์ด๋, ์ผ์์ ์์ธ ๋ณํ๋ ๋งํฌ๋ฅผ ์์ผ๋ก ์์๋ก ์์ง์ด๋ฉฐ
๋ณ๊ฒฝํ์๋ค.
- 81 -
โข Test A-1 (์ค์ ์กฐ๊ฑด): sopta ์ ํ๊ท 5.81 m/s2.
โข Test A-2 (์ค์ ์กฐ๊ฑด): sopta ์ ํ๊ท 6.01 m/s2.
โข Test B-1 (๊ณ ์ ์กฐ๊ฑด): sopta ์ ํ๊ท 6.66 m/s2.
โข Test B-2 (๊ณ ์ ์กฐ๊ฑด): sopta ์ ํ๊ท 6.86 m/s2.
์ฌ๊ธฐ์ sopta ๋ s
A optgy Z ๋ฅผ ํตํด ๊ตฌํ ์ธ๋ถ๊ฐ์๋ ์ฐธ์กฐ๊ฐ sopta ์ ํฌ๊ธฐ์ด๋ค.
๊ธฐ์กด ๋น๊ตฌ์ ์นผ๋งํํฐ์ ์ ์ํ๋ ๊ตฌ์ ์นผ๋งํํฐ์ ์ฌ์ฉ๋๋ ๊ฐ์๋ ๋ชจ๋ธ
ํ๋ผ๋ฏธํฐ ac ๋ ์ฐธ๊ณ ๋ฌธํ[19]์์ ์ ์ํ๋ 0.1๋ก ์ ์ ๋์๋ค.
Table 6.1. RMSEs of attitude estimation (unit: degree).
Method Roll Pitch Average
Test A-1
Conventional 6.75 5.77 6.26
OEP 6.39 5.45 5.92
CEP 1.53 1.56 1.55
SPP 1.53 1.56 1.55
Test A-2
Conventional 6.01 7.00 6.50
OEP 5.44 6.44 5.94
CEP 1.03 1.21 1.12
SPP 1.03 1.21 1.12
Test B-1
Conventional 11.30 9.47 10.39
OEP 10.44 8.80 9.62
CEP 2.03 1.63 1.83
SPP 2.03 1.63 1.83
Test B-2
Conventional 13.89 9.57 11.73
OEP 12.86 9.00 10.93
CEP 1.74 1.45 1.59
SPP 1.74 1.45 1.59
- 82 -
6.4 ๊ฒฐ๊ณผ ๋ฐ ๊ณ ์ฐฐ
Table 6.1 ์ ๊ฐ๊ฐ์ ์คํ์ ๋ํ ๊ธฐ์กด ๋น๊ตฌ์ ์นผ๋งํํฐ(Conventional)์ ์ธ
๊ฐ์ง ํฌ์ ๊ธฐ๋ฒ์ ๋ฐ๋ฅธ ๊ตฌ์ ์นผ๋งํํฐ(OEP, CEP, SPP)์ ์์ธ์ถ์ RMSE(root
mean squared error)๋ฅผ ๋ณด์ฌ์ค๋ค.
Test A-1 ์ ๊ฒฝ์ฐ ๊ตฌ์์กฐ๊ฑด์ ๊ฒฐํฉํ์ง ์์ ๊ธฐ์กด ๋ฐฉ๋ฒ์ ๋กค๊ณผ ํผ์น ํ๊ท
6.26ยฐ์ ์ค์ฐจ๋ฅผ ๊ฐ์ก์ผ๋ฉฐ, ๊ตฌ์์กฐ๊ฑด์ ๊ฒฐํฉํ OEP ๋ ๊ธฐ์กด ๋ฐฉ๋ฒ๋ณด๋ค 0.34ยฐ
๊ฐ์ ๋ ํ๊ท 5.92ยฐ์ ์ค์ฐจ๋ฅผ ๋ณด์๋ค. ๋ฐ๋ฉด์ ์นผ๋งํํฐ์ ์์ธก๋จ๊ณ์์
๊ตฌ์์กฐ๊ฑด์ ํฌ์๋ ๊ฒฐ๊ณผ๋ฅผ ๊ธฐ๋ฐ์ผ๋ก ํ๋ CEP ์ SPP ๋ ์ค์ฐจ ํ๊ท 1.55ยฐ์
๋งค์ฐ ์ฐ์ํ ์์ธ์ถ์ ์ฑ๋ฅ์ ๊ฐ์ก๋ค(Fig. 6.4 ์ฐธ์กฐ).
Test A-2 ์ ๊ฒฝ์ฐ ๋ ๋ค๋ฅธ ์ข ์์คํ์ธ Test A-1 ๊ณผ ๋์ผํ ๊ฒฝํฅ์ ๋ณด์๋ค.
๊ธฐ์กด ๋ฐฉ๋ฒ์ ํ๊ท 6.50ยฐ์ ์ค์ฐจ๋ฅผ ๊ฐ์ก์ผ๋ฉฐ, OEP ๋ ์ค์ฐจ ํ๊ท 5.94ยฐ๋ก ๊ธฐ์กด
๋ฐฉ๋ฒ ๋๋น ์ฝ๊ฐ์ ๊ฐ์ ํจ๊ณผ๋ฅผ ํ์ธํ ์ ์๋ค. ์ด์ ๋ค๋ฅด๊ฒ CEP ์ SPP ๋
๊ธฐ์กด ๋ฐฉ๋ฒ๋ณด๋ค 5.38ยฐ ๊ฐ์ ๋ ํ๊ท 1.12ยฐ์ ์ค์ฐจ๋ฅผ ๋ณด์๋ค.
Test B-1 ์ ๊ฒฝ์ฐ Test A ๋ณด๋ค ๋น ๋ฅธ ๊ฐ์์กฐ๊ฑด์์ ์คํํ์๊ธฐ ๋๋ฌธ์ ๊ธฐ์กด
๋ฐฉ๋ฒ์ ํ๊ท 10.39ยฐ์ ํฐ ์ค์ฐจ๋ฅผ ๋ณด์์ผ๋ฉฐ, ํนํ ๋กค ์ถ์ ์ค์ฐจ๋ 11.30ยฐ๊น์ง
๋งค์ฐ ํฌ๊ฒ ์ฆ๊ฐํ์๋ค. OEP ๋ ๊ตฌ์์กฐ๊ฑด์ ๊ฒฐํฉํ์ฌ ๊ธฐ์กด ๋ฐฉ๋ฒ ๋๋น ๋ค์
๊ฐ์ ๋ ์ถ์ ์ฑ๋ฅ์ ๊ฐ์ก์ผ๋ ํ๊ท 9.62ยฐ์ ํฐ ์ค์ฐจ๋ฅผ ๋ณด์๋ค. ๋ฐ๋ฉด์ CEP ์
SPP ๋ ๋น ๋ฅธ ๊ฐ์์กฐ๊ฑด์๋ ๋ถ๊ตฌํ๊ณ ์ค์ฐจ ํ๊ท 1.83ยฐ์ ๋งค์ฐ ์ ํํ ์ถ์
์ฑ๋ฅ์ ๋ณด์๋ค. Test B-2 ์ ๊ฒฝ์ฐ ๋ค ๊ฐ์ง ์คํ์์ ๊ฐ์ฅ ๋น ๋ฅธ ํ๊ท
์ธ๋ถ๊ฐ์๋๋ฅผ ๊ฐ์ง ์กฐ๊ฑด์ด๊ธฐ ๋๋ฌธ์ ๊ธฐ์กด ๋ฐฉ๋ฒ์ ๋ค ๊ฐ์ง ์คํ์์ ๊ฐ์ฅ ํฐ
์ค์ฐจ์ธ ํ๊ท 11.73ยฐ๋ฅผ ๊ฐ์ก์ผ๋ฉฐ, ์ต๋ ๋กค ์ถ์ ์ค์ฐจ๊ฐ 35.6ยฐ๊น์ง ์ฆ๊ฐํ์๋ค(Fig.
6.5 ์ฐธ์กฐ). OEP ๋ ๊ธฐ์กด ๋ฐฉ๋ฒ๊ณผ ๋์ผํ๊ฒ ๋ค ๊ฐ์ง ์คํ์์ ๊ฐ์ฅ ํฐ ์ค์ฐจ๋ฅผ
๊ฐ์ก๋ค. ๋ฐ๋ฉด CEP ์ SPP ๋ 1.59ยฐ์ ๋งค์ฐ ๋์ ์ถ์ ์ ํ์ฑ์ ๋ณด์๋ค. ๋ํ
Fig. 5 ์์ ๋ณด๋ฏ์ด, CEP ์ SPP ๋ ์ถ์ ๊ฒฐ๊ณผ๊ฐ ๊ฑฐ์ ๋์ผํ ๋ฟ๋ง ์๋๋ผ,
๋ชจ๋ ๊ตฌ๊ฐ์์ 5ยฐ ๋ฏธ๋ง์ ์ค์ฐจ๋ฅผ ๊ฐ์ก๋ค.
๊ฐ์
์นผ๋งํ
์ํฅ์ผ
๋ฐฉ๋ฒ์
Fig
โป
์์กฐ๊ฑด์์
ํํฐ์์ ์ถ
์ผ๋ก ๊ฐ์๋
์ ์ค์ฐจ๋
g. 6.4. Resconveconstrrespe
โปNote: Figure can
์คํํ
์ถ์ ์ฑ๋ฅ์
๋๊ฐ ์ฆ๊ฐํ
๋งค์ฐ ํฌ๊ฒ
sults of Teentional uncrained Kalmct to the truthn be viewed in co
- 83
๋ค ๊ฐ์ง
์ ํ์ํค๋
ํ ์คํ์ผ์๋ก
์ฆ๊ฐํ์๋ค
est A-1: atconstrained
man filters (Oh reference alor in the PDF ve
3 -
์ํ ๊ฒฐ๊ณผ
๋ ๊ฐ์๋๊ณ
๋ก ๊ตฌ์์กฐ๊ฑด
๋ค. ๋ณธ ์ฅ์
ttitude estimKalman fil
OEP-green, angle (black ersion of thesis on
๊ณผ์์ ๋ณด๋ฏ
๊ต๋์ฑ๋ถ์ธ
๊ฑด์ ๊ฒฐํฉํ
์์ ์ ์ํ๋
mation errorter (red) anCEP and SPdashed). n the RISS websi
๋ฏ์ด, ์์ธ์ถ
์ธ๋ถ๊ฐ์๋
์ง ์์ ๊ธฐ
๋ ๊ตฌ์์กฐ๊ฑด
rs from thnd the threPP-blue) with
te, www.riss.kr.
์ถ์
๋์
๊ธฐ์กด
๊ฑด์ด
he ee th
ํฌ์๋
์ ์
OE
์์์ง
Fig
โป
๋ ์์ธ์ถ์
์์๋ค.
EP ๋ ๋ณธ ์ฅ์
์ง๋ง, ๋ค์
g. 6.5. ResultunconKalmtruth
โปNote: Figure can
๊ตฌ์ ์นผ๋งํ
์ ์คํ๊ฒฐ๊ณผ
์ํ๋ง ์๊ฐ
ts of Test B-2nstrained K
man filters (Oreference an
n be viewed in co
- 84
ํํฐ๋ ๊ธฐ์กด
๊ณผ์์ ๊ธฐ์กด ๋ฐฉ
๊ฐ์ ์์ธก์์
2: attitude esKalman filterOEP-green, Cngle (black da
lor in the PDF ve
4 -
์กด ๋ฐฉ๋ฒ ๋๋น
๋ฐฉ๋ฒ์ ๋นํด
์ ๊ตฌ์์กฐ๊ฑด
stimation errr (red) and
CEP and SPPashed). ersion of thesis on
์ฑ๋ฅ ๊ฐ์
์ถ์ ์ฑ๋ฅ์
๊ฑด์ ํฌ์๋
rors from the d the threeP-blue) with
n the RISS websi
ํจ๊ณผ๋ฅผ ํ์ธ
์ ๋ค์ ๊ฐ์
์ํ ์ถ์ ์น
conventionae constrainerespect to th
te, www.riss.kr.
์ธํ
์ ์
์น๋ฅผ
al ed he
- 85 -
์ฌ์ฉํ๋ CEP ์ SPP ์ ๋นํ๋ฉด ๋งค์ฐ ์ด์ธํ์๋ค. ์ด๋ฌํ ์ด์ ๋ OEP ๊ธฐ๋ฐ
๊ตฌ์ ์นผ๋งํํฐ์ ์์ธก๋จ๊ณ์์ ์ฌ์ฉํ๋ ์ด์ ์ํ ์ถ์ ์น๋ ๊ธฐ์กด ๋ฐฉ๋ฒ๊ณผ
๋์ผํ๊ฒ ๊ตฌ์์กฐ๊ฑด์ ๋ง์กฑํ์ง ์์ ์ํ ์ถ์ ์น์ด๋ฉฐ, ์ด๊ฒ์ ๊ฐ์์กฐ๊ฑด์์
๋งค์ฐ ํฐ ์ค์ฐจ๋ฅผ ๊ฐ์ง๊ธฐ ๋๋ฌธ์ด๋ค. ๋จ, ๊ตฌ์์กฐ๊ฑด์ ์นจํด(violation)๊ฐ ์๋
๊ฒฝ์ฐ์๋ OEP ๋๋น CEP ์ SPP ๊ฐ ๋ ์ทจ์ฝํ ์ ์๋ค. ์๋ํ๋ฉด ๊ตฌ์์กฐ๊ฑด์
๋ํ ์์กด์ฑ์ด ์๋์ ์ผ๋ก ๊ฐํ CEP ์ SPP ์ ๊ฒฝ์ฐ ์นจํด์ ๋ฐ๋ฅธ ์ํฅ์ด
์ฑ๋ฅ์ ํ๋ก ์ง๊ฒฐ๋๋ ๋ฐ๋ฉด, OEP ๋ ๊ตฌ์์กฐ๊ฑด์ด ํฌ์๋์ง ์์ ์ํ ์ถ์ ์น๋ฅผ
์ด์ฉํ์ฌ ์์ธกํ๊ธฐ ๋๋ฌธ์ ์นจํด์ ์ํฅ์ด ์ง์ ์ ์ด์ง ์์ผ๋ฉฐ ์ด๋ก ์ธํด ์ถ์
์ฑ๋ฅ์ด ๋ณด์ ๋ ์ ์๊ธฐ ๋๋ฌธ์ด๋ค.
CEP ์ SPP ๋ ๋ชจ๋ ์คํ์์ ์ค์ฐจ ํ๊ท 2ยฐ ๋ฏธ๋ง์ผ๋ก ์ฐ์ํ ์์ธ์ถ์
์ฑ๋ฅ์ ๊ฐ์ก์ผ๋ฉฐ, ์ด๋ ๊ธฐ์กด ๋น๊ตฌ์ ์นผ๋งํํฐ๋ ๋ฌผ๋ก OEP ์ ๋น๊ตํ์ฌ ๋งค์ฐ
ํฅ์๋ ์ถ์ ๊ฒฐ๊ณผ์ด๋ค. ์ด๋ฅผ ํตํด ๋ค์ ์ํ๋ง ์๊ฐ์ ์์ธก์์ ๊ตฌ์์กฐ๊ฑด์
ํฌ์๋ ์ํ ์ถ์ ์น๋ฅผ ์ฌ์ฉํจ์ผ๋ก์จ ์ฑ๋ฅ ๊ฐ์ ํจ๊ณผ๋ฅผ ํ์ฐํ ํ์ธํ ์
์์๋ค. ๋ํ ๋ชจ๋ ์คํ์์ ๋ ๋ฐฉ์์ ์ถ์ ๊ฒฐ๊ณผ๋ ๋์ผํ์๋๋ฐ, ์ด๋
์์ธ์ถ์ ๊ตฌ์ ์นผ๋งํํฐ์์ ์ธก์ ๊ฐฑ์ ๊ณผ ๊ตฌ์์กฐ๊ฑด ํฌ์์ ์์์ ๋ฐ๋ฅธ
์ํฅ์ ์์์ ์๋ฏธํ๋ค.
6.5 ๊ฒฐ ๋ก
๋ณธ ์ฅ์์๋ IMU ๊ธฐ๋ฐ ์์ธ์ถ์ ์นผ๋งํํฐ์ ์ถ์ ์ฑ๋ฅ์ ํฅ์์ํค๊ธฐ ์ํ
๊ตฌ์์กฐ๊ฑด ํฌ์ ์นผ๋งํํฐ๋ฅผ ์ ์ํ๋ค. ์ด๋ฅผ ์ํด ๊ฐ์ฅ ์ผ๋ฐ์ ์ผ๋ก ํ์ฉ์ด
๊ฐ๋ฅํ ๊ตฌ๋ฉด ์กฐ์ธํธ์ ๋ํ์ฌ ๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด์ผ๋ก๋ถํฐ ์ธ๋ถ๊ฐ์๋์ ๋ํ
๊ตฌ์๋ฐฉ์ ์์ ์ ๋ํ์๋ค. ์ ๋๋ ๊ตฌ์๋ฐฉ์ ์์ ์นผ๋งํํฐ์ ๊ฒฐํฉํจ์ ์์ด
์ธ ๊ฐ์ง ๋ฐฉ์์ ํฌ์ ๊ธฐ๋ฒ์ ์ ์ ๋ฐ ๊ฒ์ฆํ์๋ค.
์์ธ์ถ์ ๊ตฌ์ ์นผ๋งํํฐ๋ ์ผ์ ๊ฐ์๋ ์ด์์ ๊ฐ์์กฐ๊ฑด์์ ๋ค์ํ
์ํ์ ํตํด ์ถ์ ์ฑ๋ฅ์ ๊ฒ์ฆํ์๋ค. ์ ์ํ ์ธ ๊ฐ์ง ๊ตฌ์ ์นผ๋งํํฐ ๋ชจ๋
- 86 -
๊ธฐ์กด ๋น๊ตฌ์ ์นผ๋งํํฐ๋ณด๋ค ๊ฐ์ ๋ ์ถ์ ์ฑ๋ฅ์ ๊ฐ์ก๋ค. ํนํ, ํ๋ฃจํ ์ถ์
ํฌ์๋ฒ(CEP)๊ณผ ์ํ ์์ธก ํฌ์๋ฒ(SPP) ๊ธฐ๋ฐ์ ๊ตฌ์ ์นผ๋งํํฐ๋ ๊ธฐ์กด
์นผ๋งํํฐ๋ณด๋ค ์ต๋ 10.14ยฐ ํฅ์๋ ์ฐ์ํ ๊ฒฐ๊ณผ๋ฅผ ์ป์๋ค. ๋ํ, ๋ชจ๋ ์คํ์์
2ยฐ ๋ฏธ๋ง์ ์ ํํ๋ฉด์๋ ์์ ์ ์ธ ๊ฒฐ๊ณผ๋ฅผ ๋ณด์๋ค. ๋ฐ๋ผ์, CEP ์ SPP ์
๊ฒฝ์ฐ ๊ตฌ์์กฐ๊ฑด ํฌ์์ ํตํด ๊ฐ์์กฐ๊ฑด์ ๋ฌด๊ดํ ์ ํ์ฑ ํ๋ณด๊ฐ ๊ฐ๋ฅํ๋ค๋
์ ์์ ํฐ ์๋ฏธ๊ฐ ์๋ค.
์ ์ํ๋ ์์ธ์ถ์ ๊ตฌ์ ์นผ๋งํํฐ๋ ๊ตฌ์์กฐ๊ฑด์ ์ ์ฉํ ์ ์๋ ๋ก๋ด์ด๋
์๋์ฐจ ๋ฑ์ ๋ถ์ผ์์ ์ ํํ ์์ธ์ถ์ ์ ์ํด ํ์ฉํ ์ ์๋ค. ํฅํ, ๋ณธ
์ฅ์์ ์ ๋๋ ์ธ๋ถ๊ฐ์๋์ ๋ํ ๊ตฌ์๋ฐฉ์ ์๊ณผ ๊ตฌ์ ์นผ๋งํํฐ๋ ์์ธ์ถ์ ๋ฟ
์๋๋ผ IMU ๊ธฐ๋ฐ์ ์๋ ๋ฐ ์์น ์ถ์ ์ ์ํด ํ๋ ์ ์ฉ๋ ์ ์๋ค.
Acknowledgement
๋ณธ ์ฅ์ ๋ํ ๋ด์ฉ์ ๋ค์ ๋ ผ๋ฌธ์ ๊ธฐ๋ฐ์ผ๋ก ์์ฑ๋์๋ค: ์ต๋ฏธ์ง,
์ด์ ๊ทผ, โ๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด์ ํฌ์ํ IMU ๊ธฐ๋ฐ ์์ธ์ถ์ ์นผ๋งํํฐ,โ
์ ์ด๋ก๋ด์์คํ ํํ ๋ ผ๋ฌธ์ง, ์ฌ์ฌ ์ค.
- 87 -
7. ๊ฒฐ ๋ก
๋ณธ ๋ ผ๋ฌธ์์๋ ๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ์ ์์ธ์ถ์ ์ฑ๋ฅ์ ํฅ์์ํค๊ธฐ
์ํด, ์ถ์ ์ฑ๋ฅ์ ์ ํ์ํค๋ ๋ ๊ฐ์ง ๊ต๋์ฑ๋ถ์ธ ์๊ธฐ๊ต๋๊ณผ
์ธ๋ถ๊ฐ์๋๋ฅผ ๋ณด์ํ๋ ๋ค์ํ ๋ฉ์ปค๋์ฆ์ ์ ์ํ์๋ค.
๋ณธ ๋ ผ๋ฌธ์ 2 ์ฅ์์๋ ๋ ๊ฐ์ง ๊ต๋์ฑ๋ถ์ ๋ํ์ฌ ๋ชจ๋ธ๋ง๊ธฐ๋ฐ ๋ณด์
๋ฉ์ปค๋์ฆ์ ๋ชจ๋ธ๋ง ์ฐจ์ด์ ๋ฐ๋ฅธ ์์ธ์ถ์ ์ฑ๋ฅ์ ๋น๊ตยท๋ถ์ํ์๋ค.
3 ์ฅ์์๋ ์ฐจ์ ๋ณํ ๋ฐฉ์ ์๊ธฐ๊ต๋ ๋ณด์ ๋ฉ์ปค๋์ฆ์ ์ ์ฉํ
์์ธ์ถ์ ์นผ๋งํํฐ๋ฅผ ์ ์ํ์๊ณ , ๊ธฐ์กด ๋ฐฉ์ ๋ฐ ๋จ์ผ ๋ฐฉ์ ๋๋น
์ฐ์ํ ์ถ์ ์ฑ๋ฅ์ ํ์ธํ์๋ค. 4 ์ฅ์์๋ ์๊ธฐ๊ต๋์ ๋ํ ์ํฅ์
heading ์ถ์ ์ ์ ํ์ํจ ์์ฐจ์ ์์ธ์ถ์ ์นผ๋งํํฐ๋ฅผ ์ ์ํ์๊ณ ,
๊ธฐ์กด์ ์ฟผํฐ๋์ธ ๋ฐฉ์ ๋๋น ์ฐ์ํ ์ถ์ ์ฑ๋ฅ์ ํ์ธํ์๋ค.
5 ์ฅ์์๋ ๊ฐ์๋๋ก ์ธํ ๋ถํ์ค์ฑ์ ์ ๊ฑฐํ๊ธฐ ์ํด ์นผ๋งํํฐ์
์ธก์ ๋ฒกํฐ์ ๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด์ ์ ์ฉํ attitude ์ถ์ ์นผ๋งํํฐ๋ฅผ
์ ์ํ์๊ณ , ๊ธฐ์กด์ ๋น๊ตฌ์ ์นผ๋งํํฐ๋ณด๋ค ์ฐ์ํ attitude ์ถ์ ์ฑ๋ฅ์
๊ฐ์ง ๋ฟ๋ง ์๋๋ผ, ์ด๋์กฐ๊ฑด์ ์๊ด์์ด ์์ ์ ์ธ ์ถ์ ์ฑ๋ฅ์
ํ์ธํ์๋ค. 6 ์ฅ์์๋ ๊ธฐ๊ตฌํ์ ๊ตฌ์์กฐ๊ฑด์ ๊ฒฐํฉํ๊ธฐ ์ํด ์ธ ๊ฐ์ง
ํฌ์๊ธฐ๋ฒ์ ์ ์ฉํ attitude ์ถ์ ๊ตฌ์ ์นผ๋งํํฐ๋ฅผ ์ ์ํ์๊ณ , ์ธ ๊ฐ์ง
๊ตฌ์ ํฌ์ ๊ธฐ๋ฒ์ ์ ์ฉํ ๊ตฌ์ ์นผ๋งํํฐ ๋ชจ๋ ๊ธฐ์กด์ ๋น๊ตฌ์
์นผ๋งํํฐ๋ณด๋ค ๊ฐ์ ๋ ์ถ์ ์ฑ๋ฅ์ ํ์ธํ์์ผ๋ฉฐ, ๊ตฌ์์กฐ๊ฑด์ ํตํด
๊ฐ์์กฐ๊ฑด์ ๋ฌด๊ดํ ์ ํ์ฑ ํ๋ณด๊ฐ ๊ฐ๋ฅํ๋ค๋ ๊ฒ์ ํ์ธํ์๋ค.
๋ณธ ๋ ผ๋ฌธ์์ ์ ์ํ๋ ๊ต๋ ๋ณด์ ๋ฉ์ปค๋์ฆ์ ๊ต๋์ฑ๋ถ์ ๋น๋ฒํ
๋ ธ์ถ๋๋ ๋ค์ํ ์์ฉ๋ถ์ผ์์ ๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ์ ์์ธ์ถ์ ์ฑ๋ฅ์
ํฅ์์ํค๊ธฐ ์ํด ํจ๊ณผ์ ์ผ๋ก ์ ์ฉ๋ ์ ์๋ค. ๋ณธ ๋ ผ๋ฌธ์ ์ฐ๊ตฌ ๊ฒฐ๊ณผ๋
์ค์ง์ ์ธ ๊ด์ฑ์๊ธฐ์ผ์ ๊ธฐ๋ฐ ๋ชจ์ ์บก์ณ์์คํ ์ ๊ตฌํํ๋๋ฐ ํจ์จ์ ์ผ๋ก
ํ์ฉ๋ ์ ์์ ๊ฒ์ด๋ผ ๊ธฐ๋ํ๋ค.
- 88 -
๊ฐ ์ฅ์ ๋ํ ๋ด์ฉ์ ๋ค์๊ณผ ๊ฐ์ด ์์ฝ๋๋ค.
Summary of Chapter 2
In terms of 3D orientation estimation based on nine-axis IMMU (inertial and magnetic measurement unit), there are two disturbance components decreasing estimation accuracy: one is external acceleration disturbing accelerometerโs signals and the other is magnetic disturbance related to magnetometerโs signals. In order to minimize effects by these two disturbances, two approaches including switching approach and model-based approach have been suggested and further research comparing these two has also been conducted. Nevertheless, effect of disturbance modeling differences on orientation estimation accuracy in model-based approach has not been studied before. This chapter compares the recently reported two orientation estimation algorithms that have difference in disturbance models, in order to investigate the effect of disturbance models on accuracy of IMMU-based orientation estimation under various operating conditions. This research shows that the difference in disturbance models leads to difference in process noise covariance matrix. Consequently, this affected the orientation estimation, i.e., the estimation differences between the algorithms were root mean square errors of 1.35ยฐ in average and 3.63ยฐ in yaw estimation.
Summary of Chapter 3
One of the most problematic factors in inertial/magnetic sensing-based tilt/azimuth estimation is magnetic distortion that can be added in magnetometer signals and may decrease the azimuth estimation accuracy. In this chapter, we propose an order switching magnetic distortion compensation mechanism for accurate azimuth estimation. The proposed compensation mechanism switches between a first-order Gauss-Markov (GM) model and a second-order GM model of magnetic distortion. When the second order model is selected, the time-derivative of the magnetic distortion is additionally augmented in the states of the corresponding second-order azimuth Kalman filter. The proposed mechanism was experimentally validated in four different magnetically distorted conditions. The results show that the azimuth estimation error of the proposed method was less than 3ยฐ in all the tests and the proposed mechanism outperformed conventional approaches in the azimuth estimation.
- 89 -
Summary of Chapter 4
This chapter deals with three dimensional orientation estimation algorithm for an attitude and heading reference system (AHRS) based on nine-axis inertial/magnetic sensor signals. In terms of the orientation estimation based on the use of a Kalman filter (KF), the quaternion is arguably the most popular orientation representation. However, one critical drawback in the quaternion representation is that undesirable magnetic disturbances affect not only yaw estimation but also roll and pitch estimations. In this chapter, a sequential direction cosine matrix-based orientation KF for AHRS has been presented. The proposed algorithm uses two linear KFs, consisting of an attitude KF followed by a heading KF. In the latter, the direction of the local magnetic field vector is projected onto the heading axis of the inertial frame by considering the dip angle, which can be determined after the attitude KF. Owing to the sequential KF structure, the effects of even extreme magnetic disturbances are limited to the roll and pitch estimations, without any additional decoupling process. This overcomes an inherent issue in quaternion-based estimation algorithms. Validation test results show that the proposed method outperforms other comparison methods in terms of the yaw estimation accuracy during perturbations and in terms of the recovery speed.
Summary of Chapter 5
With regards to attitude estimation Kalman filter (KF) based on inertial sensor signals, one of the major issues that affect the estimation accuracy is the acceleration-induced inaccuracy associated with accelerometer signals. To deal with this issue, researchers have proposed various types of acceleration-compensating mechanisms. Since those mechanisms, however, are basically stochastic approaches such as Markov chain models, they cannot thoroughly eliminate the acceleration-induced inaccuracy and accordingly improvement in estimation performance is limited. In this chapter, the kinematic constraint associated with a ball joint is formulated to eliminate the acceleration-induced inaccuracy. Then, the constraint is augmented in a state-of-the-art attitude estimation KF. In our experimental results, the proposed KF with constraint was superior to the conventional KF by an average of 6.31ยฐ and a maximum of 11.22ยฐ.
- 90 -
Summary of Chapter 6
With regards to the IMU (inertial measurement unit)-based attitude estimation Kalman filter, the estimation accuracy is highly affected by external acceleration during dynamic conditions. For this reason, various efforts have been made to respond to the external acceleration issue. However, previous approaches are directed to cases in which an IMU-attached object moves freely without any constraint. In fact, movements of many mechanical and robotic systems are kinematically constrained and the constraints can be utilized to increase the estimation accuracy. In this regards, this chapter proposes an IMU-based attitude estimation Kalman filter with kinematic constraint projection. As a proof-of-concept, this research deals with a spherical joint constraint. In the way of projecting the constraint, this chapter applied three different methods: open-loop estimate projection (OEP), closed-loop estimate projection (CEP), and state prediction projection (SPP). The estimation accuracies of the three constrained Kalman filters are validated experimentally in comparison to that of the unconstrained Kalman filter. Results show that, although all of the three constrained methods have better estimation performances than the conventional unconstrained method, the CEP and SPP outperformed the OEP and maintain high accuracy even in severe dynamic conditions.
- 91 -
์ฐธ ๊ณ ๋ฌธ ํ (References)
[1] D. H. Yu, J. H. Park, J. H. Ryu, and K. T. Chong, โAttitude control of quad-
rotor by improving the reliability of multi-sensor system,โ Trans. Korean Soc. Mech. Eng. A, vol. 39, no. 5, pp. 517-526, 2015.
[2] J. Zhang, Y. Wu, W. Liu, and X. Chen, โNovel approach to position and orientation estimation in vision-based UAV navigation,โ IEEE Trans. Aerosp. Electron. Syst., vol. 46, no. 2, pp. 687-700, 2010.
[3] H. G. Kortier, J. Antonsson, H. M. Schepers, F. Gustafsson, and P. H. Veltink, โHand pose estimation by fusion of inertial and magnetic sensing aided by a permanent magnet,โ IEEE Trans. Neural Syst. Rehabil. Eng., vol. 23, no. 5, pp. 796-806, 2015.
[4] K. J. Park and M. Won, โPeople tracking and accompanying algorithm for mobile robot using Kinect sensor and extended Kalman filter,โ Trans. Korean Soc. Mech. Eng. A, vol. 38, no. 4, pp. 345-354, 2014.
[5] M. J. Choi and J. K. Lee, โAn order-switching magnetic distortion compensation mechanism for accurate azimuth estimation,โ J. Inst. Contr. Robot. Syst., vol. 23, no. 7, pp. 552-558, 2017.
[6] A. M. Sabatini, โQuaternion-based extended Kalman filter for determining orientation by inertial and magnetic sensing,โ IEEE Trans. Biomed. Eng., vol. 53, no. 7, pp. 1346-1356, 2006.
[7] J. K. Lee, โA parallel Kalman filter for estimation of magnetic disturbance and orientation,โ Trans. Korean Soc. Mech. Eng. A, vol. 40, no. 7, pp. 659-666, 2016.
[8] G. Ligorio and A. M. Sabatini, โA linear Kalman filtering-based approach for 3D orientation estimation from magnetic/inertial sensors,โ in Proc. of IEEE Multisensor Fusion and Integration for Intelligent Systems(MFI), pp. 77-82, Sept. 2015.
[9] J. K. Lee and E. J. Park, โA fast quaternion-based orientation optimizer via virtual rotation for human motion tracking,โ IEEE Trans. Biomed. Eng., vol. 56, no. 5, pp. 1574-1582, May 2009.
[10] J. K. Lee, โQuaternion-based Pseudo Kalman filter for wearable inertial/magnetic sensor applications,โ MATEC Web of Conferneces, vol. 59, 2016.
- 92 -
[11] J. K. Lee and E. J. Park, โMinimum-order Kalman filter with vector selector for accurate estimation of human body orientation,โ IEEE Trans. Robot., vol. 25, no. 5, pp. 1196-1201, 2009.
[12] X. Yun, E. R. Bachmann, and R. B. McGhee, โA simplified quaternion-based algorithm for orientation estimation from earth gravity and magnetic field measurements,โ IEEE Trans. Instrum. Meas., vol. 57, pp. 638-650, 2008.
[13] Y. S. Suh, Y. S. Ro, and H. J. Kang, โQuaternion-based indirect Kalman filter discarding pitch and roll information contained in magnetic sensors,โ IEEE Trans. Instrum. Meas., vol. 61, no. 6, pp. 1786-1792, 2012.
[14] S. Zihajehzadeh, D. Loh, M. Lee, R. Hoskinson, and E. J. Park, โA cascaded two-step Kalman filter for estimation of human body segment orientation using MEMS-IMU,โ in Proc. of IEEE Engineering in Medicine and Biology Society (EMBC), Aug. 2014.
[15] J. K. Lee, โComparison of acceleration-compensating mechanisms for improvement of IMU-based orientation determination,โ Trans. Korean Soc. Mech. Eng. A, vol. 40, no. 9, pp. 783-790, 2016.
[16] G. Ligorio and A.M. Sabatini, โDealing with magnetic disturbances in human motion capture: a survey of techniques,โ Micromachines, vol. 7, no. 43, 2016.
[17] G. Ligorio and A. M. Sabatini, โA novel Kalman filter for human motion tracking with an inertial-based dynamic inclinometer,โ IEEE Trans. Biomed. Eng., vol. 62, no. 8, pp. 2033-2043, 2015.
[18] J. K. Lee, โKalman filter for estimation of sensor acceleration using six-axis inertial sensor,โ Trans. Korean Soc. Mech. Eng. A, vol. 39, no. 2, pp. 179-185, 2015.
[19] J. K. Lee, E. J. Park, and S. N. Robinovitch, โEstimation of attitude and external acceleration using inertial sensor measurement during various dynamic conditions,โ IEEE Trans. Instrum. Meas., vol. 61, no. 8, pp. 2262-2273, 2012.
[20] Xsens MTw uerโs manual, available online: https://www.xsens.com.
[21] M. G. Kyung, D. K. Nguyen, T. S. Kang, D. K. Min, and J. O. Lee, โVision-based reduction of gyro drift for intelligent vehicles,โ J. Inst. Contr. Robot. Syst., vol. 21, no. 7, pp. 627-633, 2015.
[22] D. -H. Yu, D. Y. Lim, N. O Sel, and J. H. Park, โStudy of sensor fusion for attitude control of a quad-rotor,โ J. Inst. Contr. Robot. Syst., vol. 21, no. 5, pp. 453-458, 2015.
- 93 -
[23] J. Y. Kim and S. Y. Lee, โEstimation of the userโs location/posture for mobile augmented reality,โ J. Inst. Contr. Robot. Syst., vol. 18, no. 11, pp. 1011-1017, 2012.
[24] S. Y. Cho, โMulti-attitude heading reference system-based motion-tracking and localization of a person/walking robot,โ J. Inst. Contr. Robot. Syst., vol. 22, no. 1, pp. 66-73, 2016.
[25] M. -K. Kim, T. Y. Kim, and J. Lyou, โPerformance improvement of an AHRS for motion capture,โ J. Inst. Contr. Robot. Syst., vol. 21, no. 12, pp. 1167-1172, 2015.
[26] A. M. Sabatini, โVariable-state-dimension Kalman-based filter orientation determination using inertial and magnetic sensors,โ Sensors, vol. 12, pp. 8491-8506, 2012.
[27] T. Harada, T. Mori, and T. Sato, โDevelopment of a tiny orientation estimation device to operate under motion and magnetic disturbance,โ Int. J. Rob. Res., vol. 26, no. 6, pp. 547-559, 2007.
[28] D. Roetenberg, H. J. Luinge, C. Baten, and P. H. Veltink, โCompensation of magnetic disturbances improves inertial and magnetic sensing of human body segment orientation,โ IEEE Trans Neural. Syst. Rehabil. Eng., vol. 13, no. 3, pp. 395-405, 2005.
[29] R. A. Singer, โEstimating optimal tracking filter performance for manned maneuvering targets,โ IEEE Trans. Aerosp. Electron. Syst., vol. 6, no. 4, pp. 473-483, 1970.
[30] Y. Bar-Shalom, X. R. Li, and T. Kirubarajan, Estimation with applications to tracking and navigation: theory algorithms and software, John Wiley & Sons, NJ, USA, 2001.
[31] J. K. Lee, S. N. Robinovitch and E. J. Park, โInertial sensing-based pre-impact detection of falls involving near-fall scenarios,โ IEEE Trans. Neural Syst. Rehab. Eng., vol. 23, pp. 258-266, 2015.
[32] J. W. Yoon, Y. S. Noh, Y. S. Kwon, W. K. Kim and H. R. Yoon, โImprovement of dynamic respiration monitoring through sensor fusion of accelerometer and gyro-sensor,โ J. Elect. Eng. Technol., vol. 9, no. 1, pp. 334-343, 2014.
[33] D. D. Pham, Q. K. Dang and Y. S. Suh, โGolf green slope estimation using a cross laser structured light system and an accelerometer,โ J. Elect. Eng. Technol., vol. 11, no. 2, pp. 508-518, 2016.
[34] E. R. Bachmann, X. Yun and A. Brumfield, โLimitations of attitude estimation algorithms for inertial/magnetic sensor modules,โ IEEE. Robot.
- 94 -
Autom., vol. 14, pp.76-87, 2007.
[35] W. De Vries, H. Veeger, C. Baten and F. van der Helm, โMagnetic distortion in motion labs, implications for validating inertial magnetic sensors,โ Gait Posture., vol. 29, pp. 535-541, 2009.
[36] N. Yadav and C. Bleakley, โAccurate orientation estimation using AHRS under conditions of magnetic distortion,โ Sensors, vol. 14, pp. 20008-20024, 2014.
[37] S. Madgwick, A. Harrison and R. Vaidyanathan, โEstimation of IMU and MARG orientation using a gradient descent algorithm,โ in Proc. of the 2011 IEEE Int'l Conf. on Rehab. Robotics (ICORR), Zurich, Switzerland, July 2011.
[38] G. Wahba, โProblem 65-1: A least squares estimate of satellite attitude,โ SIAM Rev., vol. 7, no. 3, p.409, Jul. 1965.
[39] X. Yun, E. R. Bachmann and R. B. McGhee, โA simplified quaternion-based algorithm for orientation estimation from Earth gravity and magnetic field measurements,โ IEEE Trans. Instrum. Meas., vol. 57, no. 3, pp. 638-650, Mar. 2008.
[40] Y. S. Suh, โOrientation estimation using a quaternion-based indirect Kalman filter with adaptive estimation of external acceleration.โ IEEE Trans. Instrum. Meas., vol. 59, no. 12, pp. 3296-3305, Dec. 2010.
[41] N.H.Q. Phuong, H.J. Kang, Y.S. Suh and Y.S. Ro, โA DCM based orientation estimation algorithm with an inertial measurement unit and a magnetic compass,โ J. Univers. Comput. Sci., vol. 15, no. 4, pp. 859-876, 2009.
[42] H. J. Luinge and P. H. Veltink, โMeasuring orientation of human body segments using miniature gyroscopes and accelerometers,โ Med. Biol. Eng. Comput., vol. 43, no. 2, pp. 273-282, 2005.
[43] H. G. Marina, F. Espinosa, and C. Santos, โAdaptive UAV attitude estimation employing unscented Kalman filter, FOAM and low-cost MEMS sensors,โ Sensors, vol. 12, no. 7, pp. 9566-9585, 2012.
[44] N. Y. Ko, S. Jeong, and Y. Bae, โSine rotation vector method for attitude estimation of an underwater robot,โ Sensors, vol. 16, no. 8, pp. 1213, 2016.
[45] T. Zhang and Y. Liao, โAttitude measure system based on extended Kalman filter for multi-rotors,โ Comput. Electron. Agric., vol. 134, pp. 19-26, 2017.
[46] K. D. Sebesta and N. Boizot, โA real-time adaptive high-gain EKF, applied to a
- 95 -
quadcopter inertial navigation system,โ IEEE Trans. Ind. Elctron., vol. 61, no. 1, pp. 495-502, 2014.
[47] S. C. Lee and S. K. Hong, โVelocity-aided attitude estimation for helicopter aircraft using microelectromechanical system inertial-measurement units,โ Sensors, vol. 16, no. 12, pp. 2102, 2016.
[48] R. E. Kalman, โA new approach to linear filtering and prediction problem,โ J. Basic. Eng., vol. 82, no. 1, pp. 35-45, 1960.
[49] M. J. Choi and J. K. Lee, โEffect of disturbance modeling on IMMU-based orientation estimation accuracy,โ Trans. Korean Soc. Mech. Eng. A, vol. 41, no. 8, pp. 783-789, 2017.
[50] L. Xu, R. Li, Z. Duan, and J. Lan, โModeling and state estimation for dynamic systems with linear equality constraints,โ IEEE. Trans. Signal Process., vol. 61, no. 11, pp. 2927-2939, 2013.
[51] D. Simon, โKalman filtering with state constraints: A survey of linear and nonlinear algorithms,โ IET Control Theory Appl., vol. 4, no. 8, pp. 1310-1318, 2010.
[52] B. O. S. Teixeria, J. Chandrasekar, L. A. B. Torres, L. A. Aguirre, and D. S. Bernstein, โState estimation for linear and nonlinear equality-constrained systems,โ Int. J. Control, vol. 82, no. 5, pp. 918-936, 2009.
[53] H. J. Luinge and P. H. Veltink, โMeasuring orientation of human body segments using miniature gyroscopes and accelerometers,โ Medical and Biological Engineering and Computing, vol. 43, no. 2, pp. 273-282, 2005.
[54] A. Filippeschi, N. Schmitz, M. Miezal, G. Bleser, E. Ruffaldi, and D. Stricker, โSurvey of motion tracking methods based on inertial sensors: a focus on upper limb human motion,โ Sensors, vol. 17, no. 6, pp. 1257, 2017.
[55] J. E. Kim, S. H. Lee, B. S. Kim, I. T. Lee, and M. K. Sung, โA study on the velocity controller based on the Kalman filter to improve the flexible pouring motion of a X-Y-Z-T(Yaw) 4-axes pouring-robot,โ J. Inst. Contr. Robot. Syst., vol. 23, no. 1, pp. 33-39, 2017.
[56] W. Huang, T. Fang, L. Luo, L. Zhao, and F. Che, โA damping grid strapdown inertial navigation system based on a Kalman filter for ships in polar regions,โ Sensors, vol. 17, no. 7, pp. 1551, 2017.
[57] J. W. Hwang, K. Choi, H. T. Seo, K. S. Kim, and S. Kim, โController design for motion stabilization of a turret on a moving platform,โ J. Inst. Contr. Robot. Syst., vol. 23, no. 10, pp. 816-824, 2017.
- 96 -
[58] G. Bishop and G. Welch, โAn introduction to the Kalman filter,โ in Proc. of SIGGRAPH Course Notes, pp. 1-81, 2001.
[59] Z. Q. Zhang, W. C. Wong and J. K. Wu, โUbiquitous human upper-limb motion estimation using wearable sensors,โ IEEE Trans. Inf. Technol. Biomed., vol. 15, no. 4, pp. 513-521, 2011.
[60] S. J. Julier and J. J. Laviola, โOn Kalman filter with nonlinear equality constratints,โ IEEE Trans. Signal Process., vol. 55, no. 6, pp. 2774-2784, Jun. 2007.
[61] N. Gupta and R. Hauser, โKalman filtering with equality and inequality state constraints,โ Oxford Univ. Computing Lab., Numerical Analysis Group, Oxford, U.K., Research Rep., Aug. 2007.
[62] C. Wen, Y. Cai, Y. Liu, and C. Wen, โA reduced-order approach to filtering for systems with linear equality constraints,โ Neurocomputing, vol. 193, no. 12, pp. 219-226, 2016.
[63] C. Y. Jiang and Y. A. Zhang, โSome results on linear equality constrained state filtering,โ Int. J. Control, vol. 86, no. 12, pp. 2115-2130, Dec. 2013.
[64] V. Sircoulomb, G. Hoblos, H. Chafouk, and J. Ragot, โState estimation under nonlinear state inequality constraints. A tracking application.โ in Proc. of 16th Mediterranean Conf. on Control and Automation, pp. 1669-1674, 2008.
[65] D. Simon and T. L. Chia, โKalman filtering with state equality constraints,โ IEEE Trans. Aerosp., vol. 38, no. 1, pp. 128-136, 2002.
[66] J. K. Lee and M. J. Choi, โA Sequential Orientation Kalman Filter for AHRS Limiting Effects of Magnetic Disturbance to Heading Estimation,โ J. Electr. Eng. Technol., vol. 12, no. 4, pp. 1675-1682, 2017.
- 97 -
ABSTRACT
Disturbance Compensation Mechanism for Improving
IMMU-Based Orientation Estimation Performance
CHOI, Mi Jin
Dept. of Mechanical Engineering
Graduate School of
Hankyong National University
Accurate 3D orientation of a moving object or human is an important physical
quantity required in various fields. In this regard, an IMMU (inertial and
magnetic measurement unit) based orientation estimation has been widely used
due to the recent advent of small size, lightweight and easy-to-use IMMUs.
Despite of the popularity of the IMMU-based orientation estimation, there are
two disturbance components that significantly decrease estimation accuracy: one
is magnetic distortion related to magnetometerโs signals and the other is external
acceleration disturbing accelerometerโs signals. Therefore, the two disturbance
components are a critical factor to be compensated for accurate orientation
estimation. This paper proposes magnetic distortion compensation mechanisms
follow by external acceleration compensation mechanisms. In particular, the
followings are proposed: a sequential orientation estimation structure, an order-
switching mechanism related to magnetic disturbance, and a kinematic constraint
related to external acceleration. The outcomes of the research in this thesis can
serve as foundation towards achieving a truly practical IMMU-based motion
capture system.
Keywords: orientation estimation, IMMU, disturbance compensation mechanism, Kalman filter
- 98 -
๊ฐ์ฌ์ ๊ธ
์ง๋ 2๋ ์ด๋ผ๋ ์๊ฐ์ ๋ง์ ๋ถ๋ค์ ๋์๊ณผ ๊ฒฉ๋ ค, ๊ทธ๋ฆฌ๊ณ ์ฌ๋์
ํ์์ด ํ๋ณตํ ์๊ฐ์ด์์ต๋๋ค. ์ ์ฃผ์์ ๋ชจ๋ ๋ถ๋ค๊ป ๊ฐ์ฌ์ ์ธ์ฌ๋ฅผ
๋๋ฆฝ๋๋ค.
๋จผ์ , ๋์๋ ํ์ ์ ๊ธธ์ ๋ค์ ๊ฑท๊ฒ ํด์ฃผ์ ์ด์ ๊ทผ ์ง๋๊ต์๋๊ป
๊ฐ์ด๊น์ด ์กด๊ฒฝ๊ณผ ๊ฐ์ฌ๋ฅผ ๋๋ฆฝ๋๋ค. ๋ง์ด ๋ถ์กฑํ ์ ์๊ฒ ํญ์ ์ข์
๋ง์๊ณผ ๊น์ ๊ฐ๋ฅด์นจ์ ์ฃผ์ ์ ์ง์ฌ์ผ๋ก ๊ฐ์ฌ๋๋ฆฝ๋๋ค. ๊ต์๋์
์ง๋๋ฅผ ํตํด ์ฐ๊ตฌ๊ฐ ๋ฌด์์ด๊ณ , ์ ๊ฒ ๋ถ์กฑํ ์ ์ด ๋ฌด์์ธ์ง๋ฅผ ์ ์
์์์ต๋๋ค. ์์ผ๋ก ๊ต์๋์ ์ ์๋ก์ ๋ถ์กฑํจ์ด ์๋ ์ฐ๊ตฌ์๊ฐ ๋ ์
์๋๋ก ๋ ธ๋ ฅํ๊ฒ ์ต๋๋ค. ๋ํ, ํ๋ฌธ์ ์ผ๋ก๋ ์ธ์์ ์์ด ๋ง์ ์กฐ์ธ๊ณผ
๊ฒฉ๋ ค๋ฅผ ์๋ผ์ง ์๊ณ ํด์ฃผ์ ๊ธฐ๊ณ๊ณตํ๊ณผ ๋ชจ๋ ๊ต์๋๋ค๊ป ๊ฐ์ฌ๋๋ฆฝ๋๋ค.
์ ์๊ฒ ํฐ ํ์ด ๋์ด์ค iMoCap ์ ํ๋ฐฐ๋๋ค๊ป ๊ฐ์ฌํ๋จ ๋ง์
์ ํฉ๋๋ค. ์ฒ์ ๋ค์ด์์ ๋ ๋ง์ ๋์์ ์ฃผ์ ์ฑ์ธ ์ค๋น , 2๋ ๋์
์น๊ตฌ์ด์ ๋๋ฃ๋ก์ ๋ง์ ๊ฒฉ๋ ค์ ๋์์ ์ค ํํ์ด, ๋ ํญ์ ์์ผ๋ฉฐ
๋์์ค ์ฌ์ต์ด์ ์ฐ์ฐฝ์ด ๋ชจ๋ ํจ๊ป ์ฐ๊ตฌํ ์ ์์ด ์ฆ๊ฑฐ์ ์ต๋๋ค.
๋ํ 2๋ ๋์ ์ ์ ํจ๊ป ๋๊ณ ๋๋ฝํ๋ฉฐ, ์ธ๊ณ ์์ด์คฌ๋ ์ฌ๋ํ๋
๋ฃธ๋ฉ์ดํธ ํฌ์ฐ์ด์๊ฒ ๊ณ ๋ง๋จ ๋ง์ ์ ํฉ๋๋ค.
ํญ์ ์ ๋ฅผ ๋ฏฟ์ด์ฃผ์๊ณ , ๋ฌต๋ฌตํ ์์ํด์ฃผ์๋ ์ฌ๋ํ๋ ๋ถ๋ชจ๋๊ป
๊ฐ์ฌ๋๋ฆฝ๋๋ค. ๋ง์ ์กฐ์ธ์ ์ฃผ์๊ณ , ๋ ๋ ํ ๋ฒํ๋ชฉ์ด ๋์ด์ฃผ์๋
์๋ฒ์ง์ ๋งค์ผ ์๋ถ ์ ํ์ ์๋์๋ ์ง์์ ํด์ฃผ์๋ ์ด๋จธ๋๊ป ์ด
๋ ผ๋ฌธ์ ๋น๋ ค ๊ฐ์ฌ์ ์ฌ๋์ ๋ง์ ์ ํฉ๋๋ค. ์จ ๋ง์์ ๋คํด
์ฌ๋ํฉ๋๋ค. ๋ํ, ์ ์ ์์ํ ์ง์๊ตฐ ๋ฏธ๋ ์ธ๋์ ํ์ค์ด์๊ฒ ๊ณ ๋ง๋จ
๋ง์ ์ ํฉ๋๋ค.
์ด์ธ์๋ ์ฌ๊ธฐ์ ๋ฏธ์ฒ ์ ์ง ๋ชปํ ์ ๋ฅผ ์๋ผ๊ณ ์ฌ๋ํด์ฃผ์ ๋ง์
๋ถ๋ค๊ป ๋ค์ ํ๋ฒ ๊ฐ์ฌ๋๋ฆฝ๋๋ค.
๋ง์ง๋ง์ผ๋ก ์ ๊ฐ ์ด๋ ๊ณณ์ ์๋ ์ง ํญ์ ์ง์ผ์ฃผ์๊ณ , ์ธ๋ํด์ฃผ์๋
ํ๋๋ ์๋ฒ์ง๊ป ๊ฐ์ฌ๋๋ฆฝ๋๋ค.
2017๋ 12์ ์ต ๋ฏธ ์ง