Mobile robot localization using indoor magnetic field measurements

Abstract

본 논문은 실내 이동로봇의 경로를 추정하기 위해 실내의 자기장 값을 하나의 특징값으로 이용하는 방법을 보여준다. 기존의 실내 측위 신호에는 카메라 영상, 초음파, 적외선, Wi-Fi 등이 있으나 신호 범위나 추정 성능 등에 제약이 있기 때문에 이와 더불어 사용할 수 있는 주변적인(ambient) 센서 값은 매우 유용하다. 실내에서 관측되는 자기장은 지구 자기장이 건물 내 여러 요소들에 의해 중첩 또는 왜곡되어 관측되는 것으로서, 왜곡된 그 값이 시간에 따라 안정되어 있으며 이를 측정하는 센서도 정밀도가 높고 저렴하기 때문에 측위 보조 신호로서 적절한 대안이 될 수 있다. 본 논문은 이러한 실내 자기장 값의 유용성을 이동로봇의 SLAM(simultaneous localization and mapping) 및 전역적 측위(global localization)의 범주 안에서 적용 및 검증하였다.

SLAM의 경우 두 가지 접근법을 사용하였는데 하나는 로봇의 연속적인 관측값을 현재의 상태변수를 업데이트하는 데 사용하는 필터링(filtering) 기반의 기법이며, 다른 하나는 로봇의 현재 뿐 아니라 과거 모든 상태변수까지 업데이트하는 스무딩(smoothing) 기반의 기법이다. 필터링 기반 SLAM의 경우 베이지안 추론기 중 하나인 RBPF(Rao-Blackwellized particle filter) 를 적용하였는데, 로봇이 진행함에 따라 관측되는 자기장 값을 가상의 격자 상에서 랜드마크로 등록하여 사용할 수 있도록 설계하였다. 이를 통해 로봇이 격자 안에서 진행 또는 회전할 때 오도메트리에 의해 발생하는 오차를 보정할 수 있도록 하였다. 또한 이렇게 격자상에서 생성된 자기장 맵은 로봇의 전역적 위치인식에도 사용될 수 있는데, 자기장 맵의 경우 모호성(다른 위치에서 비슷한 관측값이 나오는 현상)을 가지기 때문에 본 연구에서는 이를 개선하기 위한 방법으로 추가적인 RF 거리신호를 사용하는 방법도 제시하였다.

스무딩 기반 SLAM의 경우 위치그래프 최적화(pose graph optimization)를 기본 프레임워크로 사용하였는데 이 프레임워크 내에서 로봇의 이동경로는 위치 노드들로 구성되며 각각의 노드는 오도메트리 또는 자기장 관측에 의한 구속조건으로 연결된다. 본 논문에서는 로봇이 주행 중 정지 상태에서 회전할 경우, 그리고 이전에 지났던 경로를 다시 지나는 경우(loop closing)에 대해 실내 자기장 측정 값이 적절한 구속조건을 줄 수 있도록 설계하였다. 자기장의 모호성은 루프클로징을 검출하는 데 있어서도 false positive 문제로 제기되는데, 이를 해결하기 위해 특정 조건에 있는 노드들을 그룹화하고 해당 노드들의 자기장 관측값들을 하나의 시퀀스로 만들어 이 시퀀스를 매칭 및 검출에 이용하도록 하였다. 이러한 매칭 기법은 자기장 관측값이 측정 방향에 민감한 문제도 해결할 수 있다. 최적화된 위치 그래프는 실내 자기장 맵이 되므로 로봇의 전역 위치인식 또는 모바일 기기 사용자의 위치인식 등에 사용될 수 있다.