본 논문은 실외환경에서 이동하는 자율주행로봇의 위치추정 문제를 다룬다. 위성 GPS정보와 IMU센서 정보를 보정하여 로봇의 위치를 확률적으로 추정하는 MCL방법을 제안한다. MCL 방법은 로봇의 위치 예측 과정과 센서 정보에 의해 예측된 위치를 보정하는 과정으로 구성된다. 위치 예측을 위해 필요한 모션모델은 이동 로봇이 구동시의 직진 오차와 회전 오차를 포함한다. 보정은 신뢰도 값에 기반한 리샘플링에 의해 이루어진다. 신뢰도 값은 사용된 GPS와 IMU의 센서 모델에 의해 구해진다. 센서 모델을 구하기 위하여 GPS의 오차 범위를 반복 실험을 통해 구하였다. GPS는 로봇의 위치 추정을 위해 사용되며 IMU는 로봇의 이동 방향을 추정하기 위해 사용된다. 본 논문에서 제안한 방법을 실외환경에서의 이동로봇 위치 추정에 적용하였고, 실험결과를 분석하여 제안한 방법을 유효성을 보였다.
This paper proposes a method which corrects location data of GPS for navigation of outdoor mobile robot. The method uses a Bayesian filter approach called the particle filter(PF). The method iterates two procedures: prediction and correction. The prediction procedure calculates robot location based on translational and rotational velocity data given by the robot command. It incorporates uncertainty into the predicted robot location by adding uncertainty to translational and rotational velocity command. Using the sensor characteristics of the GPS, the belief that a particle assumes true location of the robot is calculated. The resampling from the particles based on the belief constitutes the correction procedure. Since usual GPS data includes abrupt and random noise, the robot motion command based on the GPS data suffers from sudden and unexpected change, resulting in jerky robot motion. The PF reduces corruption on the GPS data and prevents unexpected location error. The proposed method is used for navigation of a mobile robot in the 2011 Robot Outdoor Navigation Competition, which was held at Gwangju on the 16-th August 2011. The method restricted the robot location error below 0.5m along the navigation of 300m length.
