SLAM에서 사용할 수 있는 센서의 종류

Posted on Edited on In , , Views:

모바일로 글을 보신다면 ‘데스크탑 버전으로 보기’를 누르시면 좀 더 보기 쉽습니다

예상 면접 질문:

  1. 자율주행 (또는 드론, 또는 VR/AR)에서 쓸 수 있는 센서에는 어떤게 있을까요?
  2. 다양한 센서의 값들을 어떻게 섞을 수 있나요?
  3. Camera와 LiDAR의 차이점을 설명해주세요.


답

센서의 종류

  • Preprioceptive sensors: 주변 환경의 상태와 관련없이 로봇 자기 자신의 state 값을 읽을 수 있는 센서
    • IMU, Wheel encoder
  • Exteroceptive sensors: 주변 환경에 대한 상태를 읽는 센서
    • GNSS, Camera, LiDAR, RADAR, Ultrasonic


Preprioceptive sensor 설명

IMU - Inertial measurement units

  • Linear accelerator (선형가속도 측정) 와 Angular gyroscope (각속도 측정)를 포함하는 센서
  • Spring-damper system의 원리를 이용하여 만든 시스템.
    • 소형화를 위해 실제로 spring-damper 를 사용하는건 아님
      • Optical system - 차량용 IMU
      • MEMS - 칩기반 IMU (스마트폰 탑재)
  • 장점:
    • 저렴한 consumer grade 제품
    • 높은 sensitivity
    • 높은 FPS (100Hz, 200Hz, 400Hz, 800Hz 제품 등 다양하게 있음)
  • 단점:
    • 시간이 지남에 따라 bias에 의한 drift가 생김
      • 이러한 drift를 해소하기 위해 camera나 LiDAR를 함께 사용해서 drift 보정을 수행함.
    • 높은 정확도 + 낮은 drift를 가진 tactical grade IMU는 엄청 비쌈
      • 이런 IMU는 1시간에 1도 미만의 drift를 가짐.
      • 하지만 가격이 억대임 ㄷㄷ
    • 낮은 가격의 consumer grade는 에러가 높고 drift도 높음.


Wheel encoder

  • 바퀴의 회전량을 (RPM)과 이동량을 (바퀴의 회전량 * 바퀴의 둘레) 측정하는 센서
    • brush, optical, magentic, inductive, capacitative… 만드는 방법은 여러가지임
  • 장점:
    • 센서가 쌈
  • 단점:
    • Drift에 약함
    • 바퀴가 헛도는 경우 잘못된 센서 값이 생길 수 있음
    • (바퀴의 회전량 x 바퀴의 둘레) 를 계산할때… 바퀴의 둘레가 사실 주행 중 자주 바뀜
      • 마찰열로 인해 타이어 팽창
      • 바람빠짐 등등


Exteroceptive 센서 종류

GNSS - Global navigation satellite system

  • 비콘 기반의 위치추정 센서.
    • 보통 1. 위치추정, 2. 루트 플래닝 작업에서 많이 사용함.
    • 다수의 비콘에 대한 통신 시간에 대한 차이를 (i.e. time delays) 이용하여 비콘-로봇의 거리 값을 구하고, 삼각측량을 통해서 localization 수행.
  • GPS (US), GLONASS (Russia), BeiDou (China), Gallileo (Europe) 등 각각의 나라/대륙에서 관리하는 시스템이 있음.
  • 장점:
    • 싸고 구하기 쉬움
  • 단점:
    • 부정확함 (10~20m 정도의 위치 오차)
      • Camera나 LiDAR를 사용해서 drift 보정을 하기도 함.
    • RTK-GPS, DGPS, AGPS 등을 이용하면 오차가 cm 단위로 내려오면서 훨씬 정확해지나, 가격도 굉장히 높아짐
    • 고층빌딩 사이에서 multi-path 문제로 인해 오차가 생길 수 있음
    • 실내/지하에서는 신호를 아예 받을 수 없음
      • 이런 경우에는 카메라나 라이다를 사용한 map 기반 localization을 수행해야함.


LiDAR - Light detection and ranging sensors

  • 적외선 레이저를 쏘아 반사되어 돌아오는 시간을 측량하여 거리를 잴 수 있는 센서
    • 시간을 측량하는데에는 3가지 방식이 있음;
      • Pulse를 이용한 Time-of-flight
      • Phase shift
      • Frequency modulation
  • 3D point cloud 형태로 데이터를 받기 때문에, 주변환경의 3D 구조를 바로 알 수 있음.
    • Point cloud 를 얻는데에 2가지 방식이 있음:
      • Scanning LiDAR (Rolling shutter 방식과 유사함)
        • Mechanical Scanning
          • Macro-mechanical
          • Micro-motio
          • Prisms
        • Solid State Scanning
          • MEMS
          • Electro-optical
          • Optical phased array
      • Flash LiDAR (Global shutter 방식과 유사함)
    • (LiDAR 공부하기 좋은 자료 #1, #2)
  • 장점:
    • 센서가 추정한 3D 구조가 타 센서에 비해 훨씬 정확한 편임.
    • 센서마다 다르지만, 자율주행용 LiDAR의 경우 ~100m 정도 거리까지 커버가 가능함.
    • 특정 적외선 파장을 사용하기 때문에 빛의 파장 간섭등이 잘 일어나지 않음
      • (동일한 device를 여러곳에서 사용하는 경우 제외)
    • Reflectance (i.e. 쏜 레이저와 돌아온 레이저의 신호 세기를 비교하여 반사량을 계산 가능)
      • reflectance를 이용하여 자율주행에서는 차선이나 횡단보도 패턴을 읽을 수도 있음
  • 단점:
    • 비쌈 (~몇천만원 단위)
      • 물론 가격은 지속적으로 낮아지고 있지만, 아직 카메라, RADAR, Ultrasonic 센서에 비해 비쌈.
    • Resolution의 한계
      • LiDAR 이미징 센서는 아직 카메라와 비교하였을 때 센서 resolution이 많이 부족함.
    • 날씨 영향을 받음
      • 눈이 오거나 비가 올때 레이저가 눈/비에 막히기 때문에 작동하기 어려움
    • Solid-state의 경우 360도 방향을 커버하기 위해 여러개의 센서가 필요함


RADAR - Radio detection and ranging sensor

  • 전파 (raidiowave)를 이용해서 주변 환경에 반사되어 돌아오는 전파를 측정하여 radial 거리를 재는 센서.
    • 돌아오는 전파의 각도 + 돌아오는데 걸리는 시간을 이용해서 주변 환경에 대한 거리를 추정할 수 있음.
    • Doppler 효과를 이용해서 물체의 속도를 측정 가능.
    • 전파의 종류를 바꿈으로써 near-range와 long-range를 정할 수 있음.
  • 장점:
    • 날씨의 영향을 잘 받지 않음
    • 타 센서에서 얻지 못하는 ‘속도’ 값을 얻을 수 있음.
  • 단점:
    • 작은 물체들은 detection에 실패할 수 있음
    • LiDAR보다 resolution이 낮음
    • 주변에 벽이나 바닥에 대해 multipath 문제가 있을 수 있음


Ultrasound

  • RADAR와 작동방식이 거의 동일하나, 초음파를 이용함.
  • 장점:
    • 저렴함
    • Near-range에서 잘 작동함
  • 단점:
    • Geometry를 잘 추정하는 편은 아님.
      • 다중 센서를 이용해서 geometry 추정을 할 수는 있지만… 좋은 편은 아님.
    • 노이즈가 많음


Camera

  • 이미징 센서를 통해 빛의 정보를 받아드리고, RGB 패턴에 대해 debayering을 통해 이미지를 만듬.
  • 필터를 사용하지 않으면 Monochrome 카메라, 또는 RGB가 아닌 다른 특정 파장으로 특수 카메라 (e.g. 열화상 카메라, 적외선 카메라)를 만들 수 있음.
  • 장점:
    • 사람이 보는 시야와 가장 유사한 데이터를 뽑음
    • 저렴한 센서임에도 texture가 충만한 dense한 정보를 가짐.
    • FPS가 높은 편 (30fps, 60fps)
    • 렌즈를 바꿈으로써 시야각을 바꿀 수 있음
  • 단점:
    • Depth 정보가 없음
      • Stereovision을 통해 Depth를 구현할 수 있지만, 계산량이 적지 않음
    • 조명에 대한 영향을 많이 받음
      • 어두운 곳에서는 좋은 데이터가 많이 안들어옴
      • 너무 밝거나 빛반사가 카메라에 바로 오는 경우 작동하지 않을 수 있음.


Microphones

  • 공기의 진동을 transducer를 통해 전기 신호로 변환시켜 소리를 읽는 센서.
  • 여러개의 마이크 신호를 조합하여 소리의 근원에 대한 위치 및 방향을 계산할 수 있음.
  • 장점:
    • 유일하게 소리에 대한 정보를 사용하는 센서
    • 가격이 저렴함
  • 단점:
    • Geometry가 부정확함
    • 잡음이 심함


센서를 섞는 방법

센서 값을 섞는다는 것은, 다양한 센서 값들을 기반으로 ‘로봇과 주변 환경의 state를 추정’하는 작업이다.
이는 Maximum-a-Posteriori estimation과 유사하다.
MAP는 optimisation 방식으로 (e.g. least squares optimisation, bundle adjustment) 풀 수도 있고, filter 방식으로도 (e.g. Kalman filter, Particle filter) 풀 수 있다.

Maximum-a-posteriori estimation을 진행하는데에는 Tightly-coupled 방식과 Loosely-coupled 방식이 있다.
Tightly-coupled vs Loosely-coupled 방식에 대해 이야기가 많지만, 두 방식 중 어떤 방식이 항상 더 좋다라고 단정할 수 없다.

Tightly-coupled 방식과 loosely-coupled 방식의 차이는 다음 글에서 소개한다.