u-TSN 모듈개발 개발 (의뢰처: 국토해양부, 총괄: 한국교통연구원) – PJT Code: uT

1. 과제 소개

 

  • 발주처: 국토해양부 (총괄책임: 한국교통연구원)
  • 개발 기간: 2008.6 – 2010.5 (22개월)
  • 과제 제목: u-TSN 모듈 개발
  • 과제 목적:
  • GPS 정보와 관성 센서 데이터의 융합 알고리즘 개발
  • 개별 차량의 이동 정보, 상태 추출
  • 차량의 이동 정보 및 상호 통신이 가능한 UVS 단말기 개발
  • 옥외 설치형 UIS 단말기 개발
  • 위드로봇에 할당된 정부 출연금 규모: 7억 5천 42만원 (민간 부담금 합계 총 개발 금액 11억 516만원)

드디어 2년여에 걸친 uT 과제(u-Tranportation 기반 기술 개발)가 마무리되었습니다. 과제를 처음 시작할 때는 과연 잘 마무리 될까 걱정이 많았습니다만 위드로봇 팀장님들의 전사적인 도움으로 주목할 만한 결과가 나온 것 같습니다. 당 과제에서 위드로봇이 담당한 업무는 다음과 같습니다.

 

  • 소형, 저가형, 고성능 IMU 개발 (uT-IMU)
  • GPS와 IMU의 융합 알고리즘 개발 (GPS+IMU 융합 알고리즘)
  • 돌발 상황 감지
  • 차량에 탑재 가능한 UVS(Ubiquitous Vehicle Sensor) 개발
    • 차량과 차량사이에 V2V(Vehicle to Vehicle) 통신 가능
    • 차량과 노변 기지국 사이에 V2I(Vehicle to Infra structure) 통신 가능
    • 주) 통신 모듈은 타 기관에서 개발하며, 이를 시스템 통합하는 업무를 담당
  • 개별 차량의 이동 정보, 상태 실시간 추출
  • 실외에 장착하여 u-교통 센터(UTC) 및 차량과 통신이 가능한 UIS(Ubiquitous Infra-structure Sensor) 개발
    • V2I 통신 가능
    • I2C(Infra-structure to UTC) 간의 통신 가능

2. uT-IMU
당 과제에서 주목할 만한 결과물은 관성 측정 유닛(Inertial Measurement Unit, IMU) 입니다. 위 조건을 보시면 “소형, 저가형, 고성능 IMU”라고 되어 있는데 이게 사실 모순 어법입니다. 작고, 싸면서 성능은 좋아야 한다니요… uT 과제의 목표 중에 하나가 과제가 성공적으로 완료되었을 경우 국내 모든 차량에 장착하는 것을 염두에 두고 있기에 IMU 가격은 1~2 만원대에 책정이 되야지만 가능한 수준입니다. 따라서 기존의 모듈을 구매하는 것은 검토 단계에서 제외되었으며 MEMS 센서를 제외한 모든 것은 위드로봇에서 개발하여 원가를 절감하며 성능은 최대한 끌어 올리는 쪽으로 가닥이 잡혔습니다.

개발 방향이 잡힌 후 수 많은 MEMS 센서들과 마이크로프로세서 및 ADC 들의 구매 및 테스트가 진행되었습니다. 현존하는 MEMS 센서는 거의 다 구매해 본 것 같습니다. 여러 번의 실패와 테스트 후에 약 10개월 만에 3축 가속도, 3축 각속도(자이로) 및 온도 센서가 내장되고 16비트 ADC로 값을 디지타이즈하여 i2c로 데이터를 출력하는 IMU가 개발되었습니다. 크기는 클립보다 살짝 큰 크기여서 여기저기에 적용이 쉽습니다.


16비트 ADC를 사용하기에 전원 회로가 잘 설계되어야 합니다. 저잡음 전원 회로 설계와 디지털 필터 구현 및 최적화 과정에 약 2개월이 더 소요되었습니다. 만들어진 IMU로 차량의 포즈를 실시간으로 파악하는 데모를 보시죠.

3. GPS+IMU 융합 알고리즘 개발
IMU의 개발 목적은 크게 네 가지입니다.

  • GPS 신호에서 나온 차량 위치 데이터의 품질을 높히고,
  • GPS 신호가 수신되지 않은 경우(지하, 터널, 건물 내부)에도 일정 시간 동안 위치 서비스를 제공하고,
  • 교통 공학에서 필요한 정보를 획득하며,
  • 돌발 상황(추돌, 전복, 급정거)을 자동으로 검출

GPS 신호은 인공 위성으로부터 RF로 수신하기 때문에 도로 주변에 높은 고층 건물이 하늘을 가리면 차량 위치에 많은 오차가 발생하게 됩니다. 이를 멀티 패스 페이딩이라고 부르는데요, 실제 차량의 네이게이터에서는 지도의 맵 매칭을 통해 이 문제를 해결하고 있습니다. 당 과제에서는 맵 매칭 하기 전의 데이터 품질을 높이는 방안으로 GPS와 IMU 융합, 즉 소위 말하는 센서 퓨전(sensor fusion) 기법을 통해 차량 위치 정밀도를 좀 더 증가시키는 방안을 연구했습니다.

전형적인 센서 퓨전은 Kalman filter를 쓰는 것입니다. 신호의 노이즈 모델이 zero-mean, normal distribution을 가지면 Kalman filter은 optimal filter로 동작합니다. 하지만 시스템 구성을 어떻게 하느냐에 따라 같은 kalman filter를 사용하더라도 성능은 천차만별이 됩니다. 전형적인 GPS와 IMU의 센서 퓨전은 IMU의 출력을 navigation algorithm을 돌려 navigation frame 좌표계로 변환한 뒤 GPS 정보와 합치는 방식입니다. 이렇게 하면 결과는 나옵니다만 만족할 만한 수준은 못됩니다. 위드로봇에서는 GPS+IMU 이외에도 OBD(On-Board Diagnostic) 정보를 이용하여 다음과 같이 총 5개의 모듈로 구성된 시스템을 제안하였습니다. 차량의 동적 상태를 판별하는 모듈(Vehicle Dynamic identification)이 있어 IMU 데이터로부터 차량의 주행 상태를 크게 3가지(정차-직선주행-회전)로 판별합니다. 이 판별된 데이터와 IMU 출력값을 이용하여 IMU의 bias를 제거하여 Land Vehicle Motion model에 넣어 줍니다. 두 개의 Kalman filter가 시리얼하게 동작하면서 각각 속도, 고도, 위치 정보를 추출합니다. 이 부분에 관련하여 총 3건의 특허가 출원이 되었습니다.

전형적인 GPS와 IMU의 융합 방식



위드로봇에서 제안한 GPS+IMU+OBD의 융합 방식


기존 방식과 가장 큰 차이점은 차량의 주행 모드를 자동으로 판별할 수 있다는 점입니다. 이를 이용하면 도로의 혼잡도를 좀 더 능동적으로 분석 가능합니다. 차량이 주행 중에 얼마나 정차했는지를 파악하는 정차 시간, 정차 횟수를 알 수 있으며, 전체 구간의 평균 속도가 아닌 실제 주행했을 때 직선 구간의 최고속은 얼마인지, 실 주행 평균 속도는 얼마인지 알 수 있어 기존 루프 검지기 방식에서는 얻을 수 없었던 데이터들을 획득할 수 있습니다. 또한 이 장치를 장착한 차량을 프루브 카(Probe car)로 투입하면 특정 시간 대의 특정 교통 흐름에 대한 데이터를 얻을 수 있습니다. 아울러 가감속 패턴을 분석하면 교통 신호 변경에 따른 CO2 배출 저감량에 얼마나 공헌하는지 정량적인 데이터도 얻을 수 있어 요즘 관심 받는 녹색 성장의 지표를 파악할 수 있겠죠.

어떻게 주행 모드가 얻어지는지 아래 자료로 설명드리겠습니다. 주로 실험한 지역은 일산 백석역 주변입니다. 연구단인 한국교통연구원(KOTI)가 일산이 있기 때문에 데모 지역은 일산 지역이 되었습니다.

데모 주행 지역(일산 백석역) 소개


(1)번이 출발지역입니다. 고양 우체국이 있어 차량을 손쉽게 정차할 수 있어 출발 지역으로 선정되었습니다.
(1) – (2)번은 일반 8차선 도로입니다. (2)번에서 우회전을 하구요, (2)-(3)번 도로 사이에는 신호등이 3개가 있어 데모 중에 신호 상황에 따라 정차하곤 합니다. (3)번 코너 지역이 주변에 고층 빌딩이 많아 멀티 패스 현상이 심하게 발생하는 곳입니다. (4)- (5)번은 차량 혼잡도가 높아 정차가 빈번하게 이뤄지는 곳이고, (5)번에서 우회전한 후 다시 (1)번에서 우회전하여 출발점으로 돌아오는 경우입니다.

이 지역을 주행하면 다음과 같은 정보를 얻을 수 있습니다.

전체 주행 경로


멀티 패스 현상이 심한 곳의 GPS 신호(붉은색)와 융합 결과(녹색)

우선 빨간색 점이 GPS 위성이 알려준 위치 정보입니다. 녹색점은 GPS와 IMU를 융합한 위치 정보이구요. 일반적으론 비슷하지만 (3)번 부분을 확대해 보면 차량은 직선 주행을 했음에도 불구하고 GPS 정보는 건물 안쪽으로 파고들어 주행하는 패턴을 보여줍니다. 반면 IMU와 융합된 결과는 약간 왜곡이 됐습니다만 차량의 직선 주행 양상을 보여주고 있습니다.

위 그림은 주행 패턴을 뽑은 그래프입니다. 녹색 선이 IMU에서 파악된 차량의 주행 속도 그래프입니다. 그리고 discrete하게 1-2-3 을 왔다갔다하는 그래프는 바로 주행 모드 그래프입니다. 1이면 정차, 2이면 직선 주행, 3이면 회전을 뜻합니다. 각각의 우회전 코스에서 회전하는 부분이 잘 검출되고 있는 것을 확인할 수 있습니다.


위 사진은 UVS를 장착한 차량의 사진입니다. 현재는 개발 편의상 꽤 크게 제작되어 있습니다만, 줄이면 17cm * 14 cm 정도로 줄일 수 있을 것으로 예상됩니다.

동영상으로 보시면 좀 더 이해가 빠릅니다. 아래 동영상은 일산 백석역 외곽을 주행한 경우로, 약 150초에서부터 끝까지는 GPS 신호를 받지 않고 IMU + OBD로만 주행한 경우입니다. GPS 도움 없이도 8분 이상 차량의 위치 정보가 잘 검출되는 모습을 확인할 수 있습니다.

두 번째 데모 동영상은 멀티 패스가 좀 더 심한 백석역 인근 내부 블록의 주행 모습입니다. 이 역시 GPS+IMU+OBD 융합 결과가 더 나은 결과를 보이며, 이 데모 동영상 역시 200초 이후부터는 GPS 신호를 단절시키고 IMU+OBD 만으로 주행한 결과로 총 6분여를 GPS 도움 없이 주행한 결과이기도 합니다.

 

세 번째 데모 동영상은 좀 더 재미있는 결과입니다. 쇼핑 센터 건물 내부 주차장으로 진입을 해도 차량의 위치 서비스가 가능함을 보여주는 데모입니다. 총 5분여를 주차장에서 돌아다녀도 차량 위치가 파악되는 모습을 확인하실 수 있습니다.


4. 돌발 상황 자동 감지
개발한 IMU를 이용하면 차량에 발생하는 돌발 상황을 자동으로 감지하여 주변 차량에게 V2V 통신을 통해 전파할 수 있습니다. 이 경우 후방에서 진입하는 차량에게는 전방에 있는 차량에 문제가 있으니 속도를 줄여 정차하라는 메시지를 multi-hop으로 전달할 수 있고, UTC 센터에도 전달하여 신고가 자동으로 이뤄질 수 있습니다. 또한 누가 가해차량인지, 피해 차량인지 판독할 수 있는 자료가 UVS 내에 있으므로, 보험 처리에도 도움이 됩니다.
돌발 상황은 추돌(전방, 후방, 우측, 좌측) 방향을 자동으로 감지하며, 차량이 전복되었을 경우 전복 상황임을 감지합니다. 또한 필요에 따라 급정차한 경우 급정지를 파악하여 V2V로 전달할 수 있습니다.

 

5. UVS/UIS 개발
이 부분은 당 과제의 최종 발표가 아직 이뤄지지 않았기에 당장은 공개할 수가 없습니다. 멀티 홉 데모, 데모 서비스 등은 5월 28일 과제가 최종 종료 된 후 공개하도록 하겠습니다.

6. 추후 활용 방안

  •  u-TSN 구축에 사용: 5차년도 사업 진행 시 UVS/UIS 사용
  •  교통 흐름 측정용 Probe Car 제작에 사용
    • 차량 주행 모드 판별 기능 및 기타 정보를 이용하면 원하는 교통 정보 취득 가능
  • 도로 지하화에 대비
    • 기존 상용 네비게이터에 개발 기술을 접목하면 터널, 지하도로에서도 위치 서비스 제공 가능
  • 지하, 건물 내부 주차장의 응용 서비스
    • 지하 주차장 여유 공간쪽으로 차량 유도 서비스
  • 무인 차량 주행
    • 차량의 자율 주행 서비스 구현

 

  • 로봇의 Outdoor navigation
  • 옥외에서 움직이는 로봇의 위치 파악(localization)
  • 무인 항공기의 위치 제어
  • 영상 흔들림의 stabilization

적지 않은 비용을 들여 개발한 결과물들이 여러 방안에 활용되길 바라며, 관심있는 기관들의 연락은 언제든지 환영입니다. withrobot @ withrobot.com 으로 메일 주시면 응대해 드리겠습니다.

7. 마무리 및 감사의 글
이 과제의 참여 제안을 처음 받았을 때가 위드로봇을 설립한지 4개월이 채 안되는 시점이었습니다. 시스템도 정비가 안되어있고, 이렇다할 성과물이 없는 상태에서 제안서 프리젠테이션 만으로 참여를 승인해 주신 강연수 연구단장님께 감사드립니다. 또한 초기에 과제 참여를 제안해 주신 경봉의 고중협 소장님께도 감사드립니다. 이전 과기부, 산자부, 정보통신부 과제는 많이 해봤으나 국토해양부 과제는 처음인지라 많은 실수가 있었음에도 해결책을 알려주신 건교평의 김승일 박사님, 평가 때마다 놓치고 있는 부분을 지적해 주신 건교평의 김태희 실장님께 감사드립니다. 또한 연구단의 2세부 책임 김태형 박사님, 1세부 책임 강경표 박사님도 많은 도움을 주신 덕분에 많은 어려움을 헤치고 어느 정도 성과를 만들어 낼 수 있었습니다. 2년 남짓 고생하신 uT 과제 2세부 기관에게도 감사의 뜻을 보내며 uT 과제에 참여한 모든 기관이 추후에도 좋은 성과가 있길 기원하겠습니다.

위드로봇 입장에서 이 uT 과제는 많은 명과 암을 동시에 주었습니다. 풍부한 재료비로 많은 테스트를 해 볼 수 있는 점은 큰 장점이었습니다. 하지만 과제 규모가 크다 보니 그만큼 많은 리소스가 투입이 되어야 했고, 체계적인 시스템이 갖춰지지 않은 상태에서 과제를 진행하다보니 uT 과제 덕분에 타 과제가 거의 멈춰있다싶이하는 현상이 발생하곤 했습니다. 이 홈페이지가 2009년에 제대로 업데이트가 안된 이유도 바로 이 과제 때문입니다. 위드로봇에서는 아마도 가장 힘들었던 프로젝트 TOP 10을 꼽으라면 항상 들어가는 프로젝트가 되지 않을까 싶네요.

2009년 에 올린 글 태그됨: , , , , , , , , , , , , ,