소나

소나(Sonar, Sound Navigation and Ranging) 는 음향 펄스를 방출하고 반향의 시간을 측정하여 거리를 측정합니다. LiDAR와 RADAR의 음향 형제로, 로보틱스에서 매우 다른 두 영역에 등장합니다:

• 지상 로봇의 초음파 거리 센서: 저렴하고 짧은 사거리(몇 미터)를 가진 변환기로, 넓은 빔 원뿔 내부에서 가장 가까운 장애물까지의 거리를 반환합니다. 초창기 모바일 로보틱스의 상당 부분을 뒷받침했으며 — 1980년대의 고전적인 점유 격자 매핑 연구는 초음파 센서 링을 중심으로 개발되었습니다 — 오늘날에도 주차 센서와 저비용 장애물 감지기로 남아 있습니다.
• 수중 소나: 물속에서는 카메라가 겨우 몇 미터만 볼 수 있고(혼탁함, 어둠) LiDAR, RADAR, GPS 같은 전자기 센서는 강하게 감쇄되지만 — 소리는 멀리 갑니다. 그러므로 소나는 수중 로봇(AUV/ROV)의 바로 그 외부수용 센서입니다. 변형으로는 단일 빔 및 멀티빔 음향 측심기(수심측량), 기계식 스캐닝 소나, 측면 스캔 소나, 그리고 수중 SLAM에 사용되는 2D 음향 이미지를 생성하는 전방 관측 이미징 소나가 있습니다.

소나 기반 추정을 어렵게 만드는 감지 특성:

측정 모델, 정량적으로

거리는 비행 시간에서 나옵니다: 반향 지연 $t$와 음속 $c$에 대해 $r = c\,t/2$입니다. 여기서 두 가지 결과가 직접 따라 나옵니다. 첫째, $c$는 상수가 아닙니다 — 물속에서는 온도, 염분, 깊이에 따라 몇 퍼센트씩 달라지므로, 진지한 시스템은 음속 프로파일을 함께 가지고 다닙니다. 이를 무시하면 모든 거리 측정치가 편향됩니다. 둘째, 전파는 느립니다: 수중에서 30 m 거리이면 반향이 40 ms 걸리므로, 수백 개의 빔을 스캔하는 스캐닝 소나는 몇 초에 걸쳐서야 완전한 “이미지” 하나를 만들어내며, 그 동안 로봇은 움직입니다 — 소나 SLAM은 회전하는 LiDAR와 같은 모션 왜곡 문제를 가지지만, 두 자릿수는 더 심합니다.

전방 관측 이미징 소나의 경우, 구면 좌표 $(r, \theta, \phi)$(거리, 방위각, 고각)에 있는 3D 점은 다음으로 이미지화됩니다.

$$\mathbf{z} = (r, \theta),$$

즉, 고각 $\phi$는 적분되어 사라집니다 — 방위각 $\theta$에서 반지름 $r$인 고각 호 위의 모든 점이 동일한 이미지 픽셀에 놓입니다. 이를 카메라와 비교하면, 카메라는 $(\theta, \phi)$(두 각도)를 측정하고 거리를 소실합니다: 소나와 카메라는 상호 보완적인 차원을 소실하며, 이것이 옵티-어쿠스틱 융합(카메라 + 소나)이 수중에서 그토록 자연스러운 조합인 이유이자, 서로 다른 자세에서의 두 소나 뷰가 하나로는 할 수 없는 것을 삼각측량할 수 있는 이유입니다.

넓은 빔의 초음파 거리 센서의 경우, 점유 격자를 위한 고전적인 역 센서 모델은 호 모호성을 정직하게 포착합니다: 거리 $r$에서의 반향은 빔 원뿔 내부에서 거리 $r$의 호를 따라 점유 확률을 높이고, $r$보다 가까운 원뿔 내부에서는 확률을 낮추며, 그 너머에 대해서는 아무것도 말하지 않습니다 — 서로 다른 자세에서 얻은 이러한 부드러운 업데이트들을 많이 적분하는 것이 모호한 단일 측정치를 사용 가능한 지도로 바꾸는 방법이며, 이는 확률적 로봇 매핑의 창시적인 예시입니다.

이러한 모호성 때문에 소나 SLAM은 확률적 모델링에 크게 의존합니다: 점유 격자에서의 넓은 빔 측정 모델, 다중경로에 대한 강건한 이상치 처리, 그리고 데이터 연관을 위한 소나 이미지로부터의 음향 특징 추출입니다. 고유수용 센싱(DVL — 도플러 속도계, IMU, 깊이/압력 센서)과의 융합은 수중에서 표준적인 관행입니다.

흔한 함정

• 소나 반향을 점 측정치로 취급하기 — 이는 실제로 호(또는 원뿔 슬라이스)입니다. 이를 빔 축으로 축소하면 지도가 편향되고 데이터 연관이 깨집니다. 빔 폭을 모델링해야 합니다.
• 크로스토크와 자기 간섭 — 여러 변환기가 동시에 발사하면 서로의 펄스를 듣게 됩니다. 링 구성에서는 발사 스케줄을 인터리빙해야 합니다.
• 정반사 드롭아웃은 무작위가 아니라 체계적이다 — 경사각으로 입사한 매끄러운 벽은 신뢰성 있게 아무것도 반환하지 않습니다. “반향 없음”을 “빈 공간”으로 취급하면 실제 벽을 뚫고 지나가는 가상의 통로가 생깁니다.
• 일정한 음속을 가정하기 — 온도약층(thermocline)이 음향 경로를 굴절시키고 거리를 변화시킵니다. 심해 작업에는 음속 보정이 필요합니다.
• 스캔 내부의 모션을 무시하기 — 기계적으로 스캔된 소나 스윕을 하나의 견고한 스캔으로 등록하면 특징이 뭉개집니다. LiDAR 파이프라인이 회전 스캔을 디스큐(deskew)하는 것과 정확히 같은 방식으로 DVL/IMU 오도메트리로 디스큐해야 합니다.

SLAM에서의 의미

수중은 시각 SLAM이 근본적으로 단독으로 동작할 수 없는 마지막 영역 중 하나이며, 소나는 그 간극을 메워줍니다 — 해저 검사, 해양 고고학, AUV 내비게이션은 모두 음향 SLAM으로 동작합니다. 역사적으로 소나는 SLAM이 시작된 곳이기도 합니다: 이 분야의 근본적인 확률적 매핑 아이디어는 소나가 장착된 로봇에서 개발되었으며, 이를 위해 만들어진 넓은 빔 측정 모델은 지금도 매우 모호한 센서를 다루는 방식에 영향을 주고 있습니다.

관련 문서

• RADAR
• LiDAR
• Exteroceptive sensor