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.

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.

(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.

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.

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
          o 차량 주행 모드 판별 기능 및 기타 정보를 이용하면 원하는 교통 정보 취득 가능
    * 도로 지하화에 대비
          o 기존 상용 네비게이터에 개발 기술을 접목하면 터널, 지하도로에서도 위치 서비스 제공 가능
    * 지하, 건물 내부 주차장의 응용 서비스
          o 지하 주차장 여유 공간쪽으로 차량 유도 서비스
    * 무인 차량 주행
          o 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.

- CPU를 이용하여 트랙킹을 수행하는 영상

 

- GPU를 이용하여 트랙킹을 수행하는 영상

S-Bridge 소개
  S-Bridge는 위드로봇 내부에서 "장대교량 풍진동 무선 계측 시스템 개발 프로젝트"를 부르는 프로젝트 코드 네임입니다. 위드로봇에서는 과제가 시작되면 공통적으로 부르는 짦은 코드 네임을 부여하는데 이 과제에서 제작하는 센서 시스템이 튼튼한 다리를 만드는데 기여했으면 하는 의지를 담아 Strong Bridge, Supper Bridge 의 약자로 S-Bridge 로 코드 네임을 지었습니다.



사장교? 현수교?
  다리에서 일하려다보니 다리에 대해 좀 알아야하더군요. 우선 다리의 형태, 구조에 따른 분류를 공부해야 했습니다.

• 거더교: 가장 일반적인 다리로 교각 위에 대들보 형식으로 거더가 올라가 있는 다리입니다. 한강에 있는 일반 다리를 생각하시면 됩니다.

  인천대교는 사장교 형식입니다. 주탑과 주탑 사이가 무려 800m나 되는 엄청난 다리죠. 실제 주탑 밑에서 위를 올려다 보면 정말 대단합니다. 문제는 800m 에 달하는 다리의 무게가 모두 케이블에 의해 주탑으로 연결되어 있기에 바람이 불면 풍압에 의해 다리를 흔들게 되고, 이게 케이블을 흔들어 주탑까지 흔들리게 된다는 점입니다. 따라서 (a) 다리를 만들고 있는 동안에 다리가 얼마나 흔들리고 있는지를 파악할 필요가 있으며 (b)만들어진 다음에도 다리의 흔들림을 계속적으로 모니터링할 필요가 있습니다. S-Brdige 과제는 (a)에 촛점이 맞춰진 과제입니다. 즉, 건설하는 동안 바람에 의해 다리가 얼마나 흔들리는지 데이터를 취득하여 추후 공사할 때 유용한 데이터로 활용하겠다는 것이죠.

 

  만들어진 시스템은 크게 두 개의 블록으로 구성됩니다. 하나는 무선 노드 이구요, 나머지 하나는 센서 입니다. 센서는 다시 진동 측정용 센서와 풍압 측정용 센서 두 종류가 있어, 다리의 진동을 측정하고 싶으면, 무선 노드 + 진동 측정 센서로 구성하여 사용하고, 풍압을 측정하고 싶으면 무선 노드 + 풍압 측정용 센서로 구성하여 사용합니다. 일반적으로 20개 내외를 진동 측정용으로 경관 위에 쭉 늘어놓고, 풍압 측정용으로 다리 중앙에 위, 아래로 10개 내외를 배치하여 동시에 측정했습니다. 이렇게 해야 풍압이 다리의 진동에 미치는 영향을 알 수 있으니까요.

자, 사진으로 보시죠.




  한 번 계측을 나가려면 난리 부르스를 쳐야 합니다. 40개가 넘는 노드들을 충전하고, 동작을 확인한 다음에 4개씩 각각 묶어 차로 옮겨야 하는데요, 이 작업만 반나절입니다.  나중에 이삿짐 꾸리는데 많은 도움이 될 것 같습니다.

준비가 다 되어 출격 준비를 앞두고 엘리베이터를 통해 진격하는 무선 노드들의 모습입니다.









  공사 현장인 다리 위에 올라가면 항상 모자를 써야만 합니다. 저 모자가 없으면 출입이 안됩니다. ^^; 모자 받으러 다리를 몇 번 건넜었는지 모르겠습니다. 옆 사진은 늠름하게 모자를 쓰고 무선 노드들의 배치를 지휘하고 있는 플랫폼 팀장님의 모습입니다. 아직 솔로이니 관심 있는 분들은 품절되기 전에 연락주시기 바랍니다.






  정확한 풍압 측정을 위해 다리 밑에도 노드들을 붙여야 합니다. 사진을 보시면 노드들이 다리 밑 부분에 붙어 있는 것을 보실 수 있습니다. 헉... 저 노드들을 다리 밑에 어떻게 붙였을까요? 꽤나 위험해 보이는 사다리를 타고 내려가 붙여야 하는데 처음에는 무지 겁납니다. 하지만 몇 번 하고 나면, 공사 현장에서 가장 시원하고, 편안 곳이 이 다리 밑 부분입니다. 점심 먹고 이곳에서 누워 바닷 바람을 쐬며 휴식을 취하곤 했습니다.
인천대교 밑에서 낮잠을 자본 개발자가 몇 명이나 될까요? ^^;




  여러 개의 센서 노드가 모여있는 모습니다. 일반적으로는 이렇게 배치하지는 않고 각 노드가 약 30m씩 떨어지게끔 쭉 늘어놓고 실험합니다. 막상 제대로 늘어놓고 실험한 사진을 찍은게 없습니다. 정신없이 실험하다보면 매번 사진찍을 기회를 놓쳐서 말이죠.







  사진 우측에 안테나가 삐죽 솟아있는 시스템이 중앙에 위치하여 노트북과 연결됩니다. 이 장치를 통해 중앙에서 각 노드들의 연결 상태들을 모니터링 할 수 있습니다. 한 방에 모든 노드들이 무선으로 붙어주면 좋은데, 매번 RF 전파 컨디션에 따라 안 붙는 녀석들이 있습니다. 그럼 무선으로 restart를 하던지, 뛰어가서 on/off를 하던지 해야 합니다.

그리고 노트북의 화면이 여름 땡볕 밑에서는 잘 보이지 않아 고생했습니다. 옥외에서 하는 실험은 일단 실내 실험에 비해 5배는 힘들고, 속도가 나질 않는 것 같습니다.







  다리 중앙에 설치된 DGPS 입니다. sub meter 오차를 가지고 있으며, 이 장치로도 다리의 모니터링을 수행합니다.
 

  과제가 종료되었습니다만 계약 조건에 의해 수행 결과는 아쉽게도 홈페이지에 공개할 수가 없습니다.
  이 과제를 진행하며 별 생각없이 지나다니는 도로, 다리들이 얼마나 많은 사람들의 노고로 만들어 졌는지 생각해 보는 계기가 되었습니다. 건설 현장에서 고생하신 모든 분들께 박수를 보내며 과제가 많이 지연됨에도 많은 배려를 해 주신, 그 덕분에 마음 고생 많이 하신 삼성물산 김상범 박사님께도 감사드립니다.
  또한 현존하는 센서 네트워크 기술이 아직도 해결해야 할 문제가 많음을 느꼈습니다. 통신 자체에는 관심을 가지고 있지 않은 위드로봇 입장에서는 이러한 기반 기술이 단단하게 만들어져 있어야 가져다 사용하는데 문제가 없는데 아직까지는 많은 문제가 있어 응용단에서 해결해야만 하는 어려움이 있었습니다.
  이 과제가 계기가 되었는지 센서 네트워크 과제는 2010년 들어 다시 시작하게 되었습니다. 2010년 4Q쯤에 공개할 만한 내용물이 나올 것 같으니 그 때 다시 포스팅을 하겠습니다.