2차원 레이저 센서 데이터의 클러스터링 기법을 이용한 자율 주행 구간 및 선회 인식 방법 연구 = Study on Recognition of Autonomous Traveling Range and Turning Using Clustering Methods of 2-Dimensional Laser Sensor Data

국문 초록 (Abstract)

자율주행 농기계를 구현하기 위해서 가장 중요한 것 중 하나는 주변의 환경을 인식하고 그 환경에 따라 문제 없이 이동하는 것과 작업 구간을 벗어 나지 않고 안정적으로 작업할 수 있도록 선회하는 메커니즘을 구현하는 것이다. 또한, 단순한 센싱 메커니즘과 저렴한 센서를 활용하여 제품의 단가를 줄이는 것 또한 중요한 요소 중 하나이다. 본 연구에서는 2차원 레이저 센서만을 활용하여 데이터를 영상화한 후, 클러스터링 기법(clustering algorithm)을 이용하여 주행 구간을 결정하여 과수원 사이를 안정적으로 주행하면서 선회 구간을 인식, 판단하여 안정적으로 다음 작업열로 진입할 수 있는 방법에 대해 제안하였고 시험을 통해 검증하였다.
작물열 및 선회 구간 인식을 위해 자체 제작한 로봇 플랫폼을 사용하였고, 작물열, 장애물 및 선회 구간인식을 위해 로봇의 전, 후방에 이차원 레이저 거리 센서(SICK, LMS111모델)를 장착, 사용하였다. 작물의 위치 식별 시스템을 활용하여 로봇의 현재위치를 기준으로 나무의 정확한 위치를 결정하기 위해 K-평균 클러스터링 알고리즘(K-means clustering algorithm)을 사용하였는데, K-means 클러스터링 기법은 두 열의 작물열을 대표하는 둘 중 하나의 클러스터를 측정 지점으로 할당하는 방식으로 개별 작물들은 하나 이상의 레이저 센서로 측정되어 각 나무 주변으로 측정 지점에 대해 작은 클러스터를 구성하게 된다. 이때, 로봇의 현재 위치를 기반으로 작물 기준점 사이의 유클리디안 거리를 구하고, 그 거리가 작물간 간격의 0.75배보다 작으면 동일한 지점으로 간주하여 동일한 클러스터로 할당하였고, 유클리디안 거리가 0.75배보다 크면 새로운 클러스터로 할당하는 방식으로 작물열에 대한 클러스터를 구성하였다.
이런 방식으로 얻어진 클러스터들을 기반으로 선회 구간의 인식 방법에도 적용하였다. 선회 구간 인식에 있어 가장 중요한 것은 선회 구간에 도착하였을 때를 판단하는 것이다. 본 연구에서는 이미 레이저 센서로 작물열을 판단하기 위해 작물의 위치 정보를 클러스터 형태로 저장하였기 때문에 레이저 센서의 측정 범위와 작물열간 거리를 고려하면 한번의 스캔으로 측정 가능한 작물의 수를 계산할 수 있다. 이렇게 검출된 작물에 대한 클러스터의 수가 과수열의 누락을 고려하여 4회 연속 존재할 경우 주행구간으로, 4회 이하로 존재할 경우에는 로봇은 선회 구간이라고 판단하여 로봇의 선회 및 다음 작업열로 진입하는 방식으로 선회하였다.