⚡ electrical engineering

Smart Prism with Tilt Compensation for CAN bus on Mobile Machinery Using Robotic Total Stations

이 논문은 관성측정장치 (IMU) 를 활용한 스마트 프리즘을 개발하여 이동 중 농기계의 롤 및 피치 각도에 따른 기울기 보상을 수행함으로써, 로봇 총측기 (Robotic Total Station) 를 이용한 자율주행 농기계의 정밀한 기준 궤적 검증을 가능하게 했음을 보여줍니다.

원저자: Sumesh Sharma, Marcel Moll, Timo Oksanen

게시일 2026-03-03

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Sumesh Sharma, Marcel Moll, Timo Oksanen

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

이 논문은 **농업용 로봇이나 자동화 트랙터가 논밭에서 얼마나 정확하게 움직이는지 측정하기 위한 '똑똑한 자' (Smart Prism)**를 개발한 이야기입니다.

기존의 기술로는 땅이 울퉁불퉁하거나 트랙터가 기울어질 때 측정 오차가 너무 커서, 로봇이 정말로 잘 작동하는지 확인하기 어려웠습니다. 이 연구는 그 문제를 해결해 줍니다.

다음은 이 기술의 핵심을 일상적인 비유로 설명한 것입니다.

1. 문제: "기울어진 자로 재면 길이가 달라져요!"

상상해 보세요. 여러분이 **10 미터 길이의 긴 줄자 (레버 암)**를 들고 있고, 그 끝을 땅에 닿게 해서 길이를 재려고 합니다.

평평한 땅: 줄자가 똑바로 서 있으면, 줄자의 끝 (측정점) 과 줄자가 손에 잡히는 부분 (측정기) 사이의 거리가 정확합니다.
울퉁불퉁한 땅: 트랙터가 논밭을 달리다 보면 땅이 울퉁불퉁해서 차체가 기울어집니다 (롤, 피치).

이때 줄자가 기울어지면, 줄자의 끝이 땅에 닿는 위치는 수평으로 크게 이동하게 됩니다. 줄자 자체는 10 미터인데, 기울어지면 끝이 10 미터가 아니라 10.5 미터나 9.5 미터 떨어진 곳에 닿는 것처럼 보이는 것입니다.

기존의 정밀 측정기 (로보틱스 총량계) 는 줄자의 '손잡이 부분' 위치는 밀리미터 단위로 정확히 재지만, 줄자가 기울어졌는지 여부는 모릅니다. 그래서 기울어짐으로 인한 오차가 수 센티미터에서 수십 센티미터까지 벌어져 버립니다. 이는 정밀한 농업 로봇을 테스트할 때 치명적입니다.

2. 해결책: "스마트한 줄자 (Smart Prism)"

이 연구팀은 줄자 (측정기) 에 **가속도계와 자이로스코프 (기울기 측정 센서)**를 달아 **'스마트 줄자'**를 만들었습니다.

기존 방식: "내 손잡이 위치는 여기야. 끝은 거기겠지?" (기울기 모름 → 오발)
새로운 방식 (Smart Prism): "내 손잡이 위치는 여기고, 내가 지금 30 도 기울어져 있어! 그럼 내 끝은 실제로 저기 있겠구나." (기울기 계산 → 정확)

이 장치는 줄자가 기울어질 때마다 실시간으로 "아, 지금 이렇게 기울었네!"라고 계산해서, 실제 땅에 닿는 끝부분의 정확한 위치를 다시 찾아냅니다.

3. 어떻게 작동하나요? (비유로 설명)

이 시스템은 세 가지 역할을 하는 친구들이 팀을 이뤄 작동합니다.

정밀한 눈 (로보틱스 총량계): 멀리서 줄자의 '손잡이' 위치를 아주 정확하게 찍어줍니다.
속눈썹과 귀 (IMU 센서): 줄자가 얼마나 기울어졌는지 (앞뒤로, 좌우로) 실시간으로 감지합니다.
똑똑한 두뇌 (마이크로컴퓨터):
- "손잡이 위치 + 기울기 각도"를 합쳐서, 실제 끝부분이 어디에 있는지 수학적으로 계산합니다.
- 이 계산된 위치를 **CAN 버스 (트랙터의 신경계)**를 통해 트랙터에 바로 알려줍니다. 마치 GPS 가 "지금 여기야"라고 알려주듯, "내 끝이 정확히 여기야"라고 알려주는 것입니다.

4. 실험 결과: "얼마나 정확할까요?"

연구팀은 이 장치를 막대기에 달고, 사람이 직접 막대기를 심하게 기울였다가 (최대 60 도까지) 다시 세우며 실험했습니다.

결과: 기울어짐이 심할 때도, 실제 끝부분의 위치 오차가 약 3mm 에서 24mm 사이로 매우 작게 유지되었습니다.
의미: 기존에는 기울어지면 오차가 10cm 이상 날 수도 있었는데, 이제는 센티미터 단위로 정확해졌습니다. 이는 농업 로봇의 내비게이션 시스템을 검증하기에 충분한 정확도입니다.

5. 왜 중요한가요?

농업 로봇의 눈: 농기계는 논밭처럼 평평하지 않은 곳에서 일합니다. 이 기술 덕분에 로봇이 "내가 지금 정확한 위치에 있구나"라고 확신할 수 있게 됩니다.
트랙터에 바로 연결: 이 장치는 트랙터의 표준 통신망 (CAN 버스) 에 바로 연결되어, 별도의 컴퓨터 없이도 로봇이 스스로 판단할 수 있게 해줍니다.
미래의 가능성: 아직 완벽하지는 않습니다. 예를 들어, 막대기가 **좌우로 빙글빙글 도는 것 (요잉, Yaw)**은 아직 완벽하게 보정하지 못했습니다. 하지만 이는 향후 나침반이나 GPS 를 추가하면 해결할 수 있는 문제입니다.

요약

이 논문은 **"기울어진 땅에서도 정확한 측정이 가능하도록, 센서를 달아 똑똑하게 만든 측정기"**를 개발하고 검증한 이야기입니다. 마치 기울어진 줄자를 자동으로 곧게 펴서 길이를 재는 마법처럼, 농업 로봇이 더 정밀하게 일할 수 있는 토대를 마련해 주었습니다.

1. 문제 정의 (Problem Statement)

배경: 자율 농업 로봇 및 고도 자동화 오프로드 차량의 성능을 검증하기 위해서는 현장 조건에서 밀리미터 (mm) 수준의 정밀한 기준 궤적 (Reference Trajectory) 이 필요합니다.
현황: 로봇식 전파측량기 (Robotic Total Station, RTS) 는 프리즘 중심 좌표를 밀리미터 단위로 정밀하게 측정할 수 있습니다.
핵심 문제:
- 차량의 관심 지점 (Point of Interest, POI; 예: 차량 좌표계 원점, 작업 도구 끝단 등) 은 일반적으로 프리즘 중심과 수직으로 정렬되지 않고, 수평 및 수직으로 수 cm 에서 수 m 에 이르는 '레버 암 (Lever Arm)' 거리가 존재합니다.
- 오프로드 환경에서 차량이 노면의 요철이나 주행 동역학으로 인해 롤 (Roll) 및 피치 (Pitch) 각도로 기울어지면, RTS 는 프리즘 중심의 3D 좌표만 제공할 뿐 차량의 자세 (6D Pose) 를 알 수 없습니다.
- 이로 인해 프리즘 중심의 수직 투영 위치와 실제 POI 위치 사이에 수평 오차가 발생하며, 이는 수 cm 에서 수 dm(데시미터) 수준으로 커져 RTS 의 본래 정밀도를 무효화합니다.
- 기존 기계적 안정화 장치는 현실적인 테스트 조건과 상충되거나 부분적인 효과만 냅니다.

2. 방법론 (Methodology)

이 논문은 프리즘에 관성 측정 장치 (IMU) 를 통합하여 실시간으로 기울기를 보상하는 "Smart Prism" 시스템을 설계 및 구현했습니다.

가. 하드웨어 아키텍처

마이크로컨트롤러: STM32H723ZG (ARM Cortex-M7, 550MHz) 를 사용하여 실시간 부동소수점 연산 및 필터링 수행.
센서: Murata SCH16T 시리즈 IMU (3 축 자이로 + 3 축 가속도계) 를 사용하여 Roll/Pitch 각도 추정.
인터페이스:
- CAN 버스 (ISO 11783/ISOBUS): 차량 전자 시스템과 통신하여 POI 좌표를 가상 센서 데이터로 전송.
- RS-232: Leica CS20 필드 컨트롤러로부터 RTS 측정 데이터 수신.
- USB-C: PC 연결 및 디버깅.
전원 및 보호: 차량용 12V 전원 (ISO 16750-2 준수) 및 5V USB 전원 지원, 과전압/역전압 보호 회로 탑재.

나. 센서 퓨전 및 기울기 보상 알고리즘

적응형 상보 필터 (Adaptive Complementary Filter):
- 자이로스코프와 가속도계 데이터를 융합하여 Roll ( $\phi$ ) 과 Pitch ( $\theta$ ) 각도를 실시간 추정.
- 가속도 벡터의 크기 변화 ( $\Delta a$ ) 를 기반으로 필터 상수 ( $\alpha_{dyn}$ ) 를 동적으로 조정하여 정적 상태와 동적 상태 (급격한 기울기) 에 따라 신뢰도를 최적화.
- 자이로스코프 바이어스 보정을 위해 시스템 시작 시 초기화 수행.
운동학적 레버 암 변환 (Kinematic Lever Arm Transformation):
- IMU/프리즘 중심과 POI 사이의 고정된 레버 암 벡터를 정의.
- 현재 추정된 Roll/Pitch 각도를 이용한 회전 행렬 ( $R_{B \to N}$ ) 을 적용하여, 차량 좌표계 (Body Frame) 의 레버 암 벡터를 내비게이션 좌표계 (Navigation Frame) 로 변환.
좌표 융합:
- RTS 가 측정한 프리즘 중심 좌표 (3D) 에 기울기 보상이 적용된 레버 암 벡터를 더하여 최종 POI 좌표를 산출.
- RTS 좌표계를 내비게이션 좌표계로 변환하기 위해 헬메르트 변환 (Helmert Transformation) 사용.

다. 시스템 아키텍처

임베디드 처리: STM32 에서 센서 데이터 수집, 필터링, 인터페이스 관리 수행.
PC 기반 퓨전 (프로토타입): 현재는 PC 의 Python 애플리케이션에서 최종 좌표 변환 및 시각화를 수행하지만, STM32 의 연산 능력으로 이 로직을 임베디드 시스템으로 완전히 이관 가능.

3. 주요 기여 (Key Contributions)

통합 하드웨어 플랫폼: 고성능 MCU, 정밀 IMU, 자동차 등급 전원 관리, 표준 인터페이스 (CAN, RS-232) 를 결합한 소형 차량 탑재용 시스템 개발.
실시간 센서 퓨전: 가속도 크기 기반의 동적 조정 기능을 갖춘 적응형 상보 필터 구현.
운동학적 기울기 보상 프레임워크: 신체 고정 레버 암을 내비게이션 좌표로 변환하고 RTS 극좌표 측정값과 융합하는 수학적 모델 제시.
CAN 버스 통합: 농업 기계 표준 (ISOBUS) 에 맞춰 POI 좌표를 가상 위치 센서처럼 차량 네트워크에 직접 전송 가능하게 함.

4. 실험 결과 (Experimental Results)

실험 설정: 고정된 지상 기준점에 프리즘이 장착된 막대를 수직으로 세운 후, 수평 이동 없이 수동으로 다양한 각도 (최대 60°) 로 기울여 테스트. 레버 암 길이 약 1.07m.
성능 지표: 5 회 테스트 시리즈에서 3 차원 RMS 오차 ( $RMSE_{3D}$ $R M S E_{3 D}$ ) 측정.
- 오차 범위: 2.9mm ~ 23.6mm.
- 평균 좌표 오차는 모든 테스트에서 수 mm 이내로 유지됨 (시스템적 편향 없음).
- 표준 편차는 약 1mm ~ 20mm 로, 수동 조작 및 각도 변화에 따라 변동.
오차 원인 분석:
- 주요 오차원은 요 (Yaw) 각도의 불확실성. 실험에서는 요 각도를 고정된 것으로 가정했으나, 수동 조작 시 미세한 회전 발생이 수평 좌표 오차로 이어짐.
- IMU 센서 자체의 노이즈나 필터링 오차는 수 mm 이하로 매우 낮아 주된 오차원이 아님.
- 비동기 샘플링 및 버퍼링으로 인한 시간 지연도 일부 영향.

5. 의의 및 결론 (Significance & Conclusion)

기술적 의의:
- 기존 RTS 의 한계 (기울기에 의한 오차) 를 해결하여, 동적 현장 조건에서도 센티미터 (cm) 급 내비게이션 시스템 검증에 적합한 기준 측정을 가능하게 함.
- RTK-GNSS 시스템의 정확도 (1~2cm) 를 검증하기에 충분한 정밀도 달성.
실용성:
- 농업 로봇 및 오프로드 차량의 자율 주행 검증 프로세스에 직접 통합 가능 (CAN/ISOBUS 지원).
- 기존 측량 기술에 IMU 를 추가하는 리트로핏 (Retrofit) 솔루션으로 확장성 높음.
향후 과제:
- 요 (Yaw) 각도 추정 정확도 향상: 자석계 (Magnetometer) 또는 듀얼 안테나 GNSS 를 활용한 절대 heading 정보 도입 필요.
- 임베디드 퓨전 로직 이관: PC 의존성 제거 및 실시간 제어 루프 통합을 위해 알고리즘을 마이크로컨트롤러로 완전 이관.
- 실제 차량 주행 환경에서의 검증.

결론적으로, 본 논문은 IMU 기반의 기울기 보상을 통해 이동식 기계의 정밀한 기준 궤적 측정을 가능하게 하는 실용적이고 검증된 솔루션을 제시하였으며, 농업 로봇의 자율화 기술 발전에 중요한 기여를 하고 있습니다.