Current Issue

UAV를 이용한 다중 무지향성 안테나 기반 위치 추정 및 추적 전략은 Algorithm 1에 나타내었다. 멀티안테나 시스템은 UAV 및 안테나의 회전 없이 대상의 위치를 추정할 수 있다. 즉, 불필요한 추적 속도를 줄일 수 있는 장점이 있다.

제안된 추적 시스템은 UAV가 정지한 상태에서 각각의 안테나로부터 RSSI를 획득하여, 계산된 위치 추정값을 기반으로 추적과정을 진행한다. 각각의 추적 단계에 대한 상세한 설명은 다음과 같다 (Fig. 3).

Fig. 3. 
Tracking strategy of multi-antenna system. (a) Initial states. (b) Collect RSSI through ground and aerial antennas. (c) Estimate the position of the moving target based on the RSSIs. (d) Move to the estimated position.

• (1) 멀티안테나 기반 UAV는 초기 상태에서 호버링한다(Fig. 3(a)).
• (2) 지상의 안테나와 UAV에 장착된 안테나를 통해 FIR 필터 기반 RSSI를 수집하고, 원격 통신을 이용해 UAV의 컴패니언 컴퓨터 (Companion Computer)로 전송한다 (Fig. 3(b)).
• (3) 컴패니언 컴퓨터에서 수집된 RSSI를 기반으로 추적 대상에 대한 위치 추정을 진행한다 (Fig. 3(c)).
• (4) 계산된 위치 추정값을 기반으로 비행 제어기를 통해 UAV를 제어하여 추적을 진행한다 (Fig. 3(d)).
• (5) UAV와 추적 대상의 상대 거리가 충분히 가까워질 때 까지 위의 과정을 반복한다.

본 연구는 소형 곤충의 위치를 추정하고 자율 추적하기 위해 멀티안테나 기반 UAV 시스템을 제안한다. 개발된 시스템은 크게 라디오 텔레메트리 기반 센서 시스템과 UAV 기반 로봇 시스템으로 구성된다. 라디오 텔레메트리 기반 센서 시스템은 송신기, 수신기 및 무지향성 안테나로 구성되며, UAV 기반 로봇 시스템은 하위 레벨 제어를 위한 비행 제어기, 상위 레벨 제어 및 알고리즘 처리를 위한 마이크로 컨트롤러 유닛 (Micro Controller Unit, MCU), 다양한 UAV 센서 (예: 기압계, 자이로스코프, 가속도계)가 포함된다.

Fig. 4는 멀티안테나 기반 UAV 시스템의 구조를 나타낸다. 파란색 실선은 유선통신, 점선은 무선통신을 나타내며, 빨간색 점선은 제어입력 신호를 나타낸다. 추적 대상에는 라디오 송신기가 부착되어 일정 주기마다 라디오 신호를 방출한다. 이 신호의 RSSI는 각각의 무지향성 안테나를 통해 수신되며, 수신기와 MCU를 통해 필터링 및 수집된다. 지상의 RSSI 데이터는 롱텀 에볼루션 (Long-Term Evolution) 네트워크를 통해, UAV에 탑재된 라디오 텔레메트리 시스템의 RSSI는 직접적인 USB 통신을 통해서 MCU인 컴패니언 컴퓨터로 전송된다. 즉, 말벌에 부착된 라디오 송신기의 신호는 무지향성 안테나, 수신기, MCU, 컴패니언 컴퓨터 순서로 전송된다.

Fig. 4. 
Multi-antenna based UAV tracking system architecture.

수집된 RSSI는 삼각측량법 (Algorithm 1)을 통해 추적 대상의 위치를 추정한다. 추정된 위치와 UAV의 위치를 기반으로 목표 위치를 계산한다. 목표 위치로 UAV를 제어하기 위해서, 컴패니언 컴퓨터에서 비행 제어기로 제어 신호를 보내며, 비행 제어기는 UAV의 모터를 직접적으로 제어한다. 따라서, 위 과정을 통해 UAV가 추적 대상을 추적하게 되며, 이를 지상에서 관측 및 통제하기 위해 지상 제어 스테이션 (Ground Control Station)이 구축된다. 지상 제어 스테이션에는 UAV의 상태 관측과 지도 작성을 위한 제어 소프트웨어가 있다. 본 연구에서는 제어 프로세스 처리, 센서 및 신호 처리, 통신 네트워크 구현 등의 소프트웨어 프레임워크를 위해 로봇 미들웨어인 로봇 운영 체제 (Robot Operating System, ROS)를 사용하였다.

개발된 멀티안테나 기반 등검은말벌 추적 시스템의 성능을 평가하기 위해 시뮬레이션을 통한 성능 평가를 진행하였다. 시뮬레이션 환경은 ROS, 코펠리아심 (CoppeliaSim), 매트랩 (Matlab)을 사용해 구성하였다. 코펠리아심은 물리 기반 시뮬레이터로 open dynamic engine, Bullet, Newton 등의 물리엔진을 사용하며 C/C++, 파이썬 (Python), 매트랩을 포함한 6가지 프로그램 언어를 사용할 수 있다는 장점이 있다. 코펠리아심을 통해 추적 대상의 경로를 지정하고 ROS와 매트랩을 통해 신호 처리 및 위치 추정 알고리즘을 구현했다. 완성된 시뮬레이션 환경은 Fig. 5(a)와 같다. 2대의 무지향성 지상안테나 (Ground Antenna), 1대의 안테나가 탑재된 추적 UAV, 라디오 송신기가 부착된 추적 대상으로 구성된다. 시뮬레이션의 시인성과 본 시스템의 목적을 고려하여 추적 대상은 3차원 점으로 구현되어 등검은말벌로 시각화하였다.

Fig. 5. 
Experimental setup and design. (a) CoppeliaSim based simulation environment. (b) Localization scenarios including two experimental cases. (c) Planned flight path of target.

실험은 추적 대상인 등검은말벌의 네 가지 상태에 대해 위치를 추정하도록 설계되었다 (Fig. 5(b)). 등검은말벌의 움직임이 없을 때 시스템의 위치 추정 성능을 파악하기 위해, 첫 번째 실험은 정적 상태에 대한 시나리오를 고려하였다. 나머지 실험은 등검은말벌이 비행하는 동적 상태를 반영한 다양한 시나리오가 고려되었다 (Fig. 5(c)). 두 번째 시나리오에서는 등검은말벌이 타원형 궤도처럼 닫힌 경로를 추종하도록 설계된다. 세 번째 및 네 번째 시나리오는 곡선 형태의 열린 경로가 고려되었다. 등검은말벌의 비행경로는 주로 네 번째 시나리오처럼 직선 형태로 보고되었지만 (Maggiora et al., 2019; Lioy et al., 2021), 다양한 경우를 고려하여 시나리오를 구성하였다. 따라서, 네 가지의 실험 케이스가 고려된 시뮬레이션을 통해 개발된 시스템의 위치 추정 성능을 평가하고자 한다. 성능 비교를 위해, 본 연구에서 제안한 FIR 필터 기반의 멀티안테나 시스템과 사전 연구에서 개발되었던 KF 기반의 단일안테나 시스템의 실험 결과를 비교하였다.

정적 상태 및 동적 상태에 대한 위치 추정 실험 결과는 Fig. 6에 나타내었다. 정적인 등검은말벌은 (0, 0, 40) m에 위치하도록 설계하였으며, 검은색 마크로 해당 위치에 표기되었다. 빨간색 마크는 FIR 필터 기반의 멀티안테나 시스템, 파란색 마크는 KF 기반 단일안테나 시스템의 위치 추정 결과를 나타낸다 (Fig. 6(a)). 실험 결과를 통해, 본 연구에서 개발된 멀티안테나 기반 추적 시스템은 추적 대상의 3차원 위치를 추정할 수 있음을 알 수 있다.

Fig. 6. 
Experimental results of cases 1 and 2. (a) Localization for the static target. (b) Localization for the dynamic target in case 2. (c) Estimation errors for the static target. (d) Estimation errors for the dynamic target in case 2.

위치 추정의 성능을 비교하기 위해, FIR 필터 기반의 멀티안테나 및 KF 기반의 단일안테나 시스템의 위치 추정 오차는 Fig. 6(c)에 나타내었다. 각 시스템이 추정한 위치와 등검은말벌의 위치의 오차를 계산하였으며, 평면상의 위치 오차를 계산하기 위해 높이에 대한 오차는 고려되지 않았다. 높이에 대한 오차를 고려한 위치 추정 성능은 실험 시나리오 3과 4의 실험 결과를 통해 분석하였다. 정적 대상의 실험 결과, KF 기반 단일안테나 시스템은 약 16.4812 m의 위치 추정 오차를 보였으며, FIR 필터 기반 멀티안테나 시스템은 약 6.8039 m의 위치 추정 오차를 나타내었다. KF 기반 단일안테나 시스템의 성능을 기준으로 위치 추정 오차가 약 9.6773 m가 감소하였으며, 약 58.72%의 위치 추정 성능 향상을 확인하였다. 따라서, 본 연구에서 제안하는 FIR 필터 기반의 멀티안테나 시스템은 추적 대상을 더욱 정밀하게 추정할 수 있을 뿐만 아니라 3차원의 추적이 가능하다.

동적 상태인 등검은말벌은 닫힌 경로와 열린 경로를 추종하도록 설계되었다. Fig. 6(b)의 검은색 실선은 추적 대상의 비행경로에 대한 지상 실측 정보를 나타낸다. 동적 대상이 비행하는 동안 FIR 필터 기반의 멀티안테나 및 KF 기반의 단일안테나 위치 추정 결과는 각각 빨간색 마크와 파란색 마크로 표기된다 (Fig. 6(b)). 정적 대상의 위치 추정 결과와 동일하게, 본 연구에서 개발된 시스템은 동적인 대상에 대해서도 3차원 위치 추정이 가능함을 알 수 있다.

성능 비교를 위한 실험의 결과는 Fig. 6(d)에 나타내었으며, 두 번쩨 시나리오에서도 평면상의 위치 오차만을 계산하기 위해 높이에 대한 위치 오차는 고려되지 않았다. 실험 결과, KF 기반 단일안테나 시스템은 약 23.0852 m의 위치 추정 오차를 나타냈으며, FIR 필터 기반 멀티안테나 시스템은 약 9.4955 m의 위치 추정 오차를 보였다. 따라서, FIR 필터 기반의 멀티안테나 시스템을 이용하여 동적 대상을 추적하였을 때, 위치 추정 오차가 약 13.5897 m 감소하였으며 약 58.87%의 위치 추정 성능 향상을 확인하였다.

실험 시나리오 3과 4에 관한 결과는 Fig. 7에 나타내었다. 높이에 대한 오차를 고려하였을 때, 시나리오 3에서는 KF 기반 단일안테나 시스템은 평균적으로 약 46.0313 m의 위치 추정 오차를 가지며, FIR 기반 멀티안테나 시스템은 약 9.6760 m의 오차를 보였다. 유사하게, 시나리오 4에서는 KF 시스템의 평균적인 위치 추정 오차는 43.4444 m이며 FIR 시스템의 오차는 9.9315 m인 결과를 얻었다. 멀티안테나 시스템은 3차원으로 추적할 수 있어 높이에 대한 오차를 고려하였을 때는 더욱 높은 추정 정확도를 갖는다.

Fig. 7. 
Experimental results of cases 3 and 4. (a) Localization for the dynamic target in case 3. (b) Localization for the dynamic target in case 4. (c) Estimation errors for case 3 (d) Estimation errors for case 4.

즉, 본 연구에서 제안하는 FIR 필터 기반의 멀티안테나 시스템은 사전 연구와 비교해 2개의 지상 안테나가 추가로 필요하지만, 더욱 정밀한 3차원 위치 추정이 가능함을 알 수 있다. 실제 시스템을 이용한 필드 테스트가 수행되지는 않았지만, 실험 결과를 통해 개발하고자 하는 시스템을 체계적으로 검증하고 시스템의 성능을 정량적으로 평가하여 그 우수성을 입증했다.