저비용 교육용 드론의 고급 자율비행 구현

초록

PiDrone는 저렴한 부품으로 구성된 쿼드로터 교육 플랫폼으로, 파이썬 기반의 Unscented Kalman Filter, Monte Carlo Localization 및 FastSLAM을 온보드 라즈베리파이에서 실행한다. 실내 모션캡처 시스템과 비교한 실험 결과, 2D UKF와 입자 필터 기반 위치 추정이 높은 정확도를 보였으며, FastSLAM은 별도 컴퓨터에서 오프보드로 실행해도 실시간 지도 작성이 가능하다. 모든 알고리즘이 파이썬으로 구현돼 학생들이 직접 수정·확장하기에 적합하다.

상세 분석

본 논문은 교육용 드론 플랫폼인 PiDrone에 고급 자율비행 기능을 통합한 전체 시스템을 제시한다. 하드웨어 측면에서는 기존 저비용 키트에 라즈베리파이 HAT를 추가해 납땜 난이도를 낮추고, 3D 프린팅된 프로펠러 가드를 장착해 안전성을 강화하였다. 소프트웨어 아키텍처는 모듈식 설계로, PID 제어, 센서 인터페이스, 상태 추정, SLAM 등 핵심 컴포넌트를 플러그인 방식으로 교체·확장할 수 있다.

상태 추정 부분에서는 Unscented Kalman Filter(UKF)를 선택하였다. EKF와 달리 미분 연산이 필요 없으며, 비선형 시스템에 대해 더 정확한 추정이 가능하다는 장점을 교육용으로 강조한다. 두 가지 모델을 구현했는데, 2차원(2D) UKF는 수직축(z) 위치와 속도만을 추정하고, 7차원(7D) UKF는 3축 위치·속도와 요(yaw)를 포함한다. 2D 모델은 라이다형 적외선 거리 센서만을 측정 입력으로 사용해 구현이 간단하고 실시간 비행에 안정적이며, 7D 모델은 IMU 가속도와 쿼터니언을 이용해 전역 좌표계로 변환한 후, 카메라 기반 광류와 다운워드 카메라의 평면 위치를 추가 측정값으로 활용한다. 이때 측정·예측 단계에서 공분산 행렬을 실험적으로 튜닝하고, FilterPy 라이브러리를 활용해 구현 복잡성을 크게 낮추었다.

위치 추정(Localization)에서는 파티클 필터 기반 Monte Carlo Localization(MCL)을 사용한다. 입자들의 움직임은 간단한 오도메트리 모델(Δx, Δy, Δθ)로 구현하고, 관측 모델은 ORB 특징점 매칭을 통해 얻은 2D 평면 위치와 회전 정보를 이용한다. 키프레임 전략을 도입해 드론이 일정 거리 이상 이동했을 때만 관측 업데이트를 수행함으로써 연산 부하를 감소시켰다. 또한, 측정 노이즈와 움직임 노이즈를 가우시안으로 가정하고, 입자 가중치는 위치·방향 각각에 대한 확률 곱으로 계산한다.

SLAM 부분에서는 FastSLAM을 선택하였다. FastSLAM은 입자마다 개별 EKF를 사용해 랜드마크(특징점) 위치를 추정함으로써 EKF‑SLAM의 O(N²) 복잡도를 회피한다. 논문에서는 2D EKF를 각 입자에 적용해 랜드마크의 평균·공분산을 업데이트하고, 새로운 ORB 특징을 관측하면 랜드마크 리스트에 추가한다. 입자 가중치는 관측된 특징과 기존 랜드마크 간의 매칭 확률에 기반한다. FastSLAM은 라즈베리파이에서 실시간 실행이 어려워 오프보드(ROS 기반) 컴퓨터에서 실행했으며, 이 경우에도 실시간 지도 작성과 경로 추정이 가능했다.

실험은 실내 모션 캡처 시스템을 기준으로 진행되었다. 2D UKF는 평균 위치 오차가 수십 센티미터 수준으로, 7D UKF는 더 높은 차원에도 불구하고 실시간 성능을 유지했지만 비행 안정성 면에서는 2D 모델이 선호되었다. MCL은 평균 위치 오차 약 0.15 m, 회전 오차 약 5°를 기록했으며, FastSLAM은 지도 정확도와 입자 수 사이의 트레이드오프를 보여주었다. 전체 시스템은 파이썬만으로 구현됐으며, 라즈베리파이 4 모델 B에서 30 Hz 이상의 업데이트 속도를 달성했다.

교육적 관점에서, 모든 알고리즘이 파이썬으로 제공되고, FilterPy·OpenCV·ROS와 같은 오픈소스 라이브러리를 활용해 학생들이 직접 코드를 수정·실험할 수 있다. 또한, 하드웨어가 저비용이면서도 안전 설계가 적용돼 초급 학생들이 직접 조립·비행 테스트를 수행하기에 적합하다. 논문은 이러한 통합 프레임워크가 로봇·드론 교육에 어떻게 기여할 수 있는지를 실험 결과와 함께 설득력 있게 제시한다.