이동 로봇의 휠 엔코더 오도메트리를 이용한 사람 추적 알고리즘 실시간 보정에 관한 연구

Abstract

이동 로봇의 지능화가 이뤄지면서 자율 주행과 더불어 인간과의 상호작용은 이동 로봇에게 매우 중요한 이슈로 부상하고 있다. 인간과 로봇 상호작용을 수행하는 다양한 방식이 존재하지만 이동 로봇에는 지정된 사람을 따라가는 사람 추종 기법이 인간과 상호작용하는 방식으로 많은 사례에서 채택되고 있다. 로봇이 사람 추종을 수행하기 위해선 검출된 다수의 사람 중 지정된 사람을 추적 할 수 있는 다중 객체 추적 기술이 필수적이며, 기존 다중 추적 기법들 중 Kalman filter 기반으로 예측을 수행하는 SORT(Simple Online and Realtime Tracking) 는 제한된 연산 능력을 가지면서 실시간 처리를 요구하는 이동 로봇 시스템에 적합하다. 하지만 SORT 는 이동 로봇의 움직임으로 인한 객체 검출 값의 변화를 반영하지 못함으로써 추적 성능에 저하가 발생하고 이는 이동 로봇이 움직일 경우 빈번한 추적 실패로 이어진다. 본 논문은 이동 로봇의 움직임으로 인한 추적 성능 저하를 해결하기 위해 이동 로봇의 엔코더를 기반한 휠 오도메트리 정보를 Kalman Filter 의 상태 벡터에 반영해줌으로써 객체 추적 오차를 실시간으로 보정하고, 각 객체를 추적하는 추적기의 생존 기간을 동적으로 설정함으로써 이동 로봇에 적합하고 보다 안정적인 사람 추적 기법을 제안하고자 한다. 제시한 방법론의 성능 평가를 위해 이동 로봇의 카메라에서 4 종류의 사람 추종 시나리오에 대한 총 6 개의 시퀀스 테스트 데이터를 구축하였으며, 테스트 데이터는 총 2,843 장의 이미지 데이터와 이에 해당하는 MOT (Multi Object Tracking) Challenge 형식의 객체 검출 결과 데이터, 휠 오도메트리 데이터로 구성되어 있다. 본 논문에선 구축한 테스트 데이터를 통해 제안하는 사람 추적 기법이 실시간성을 유지하면서 SORT 와 비교하여 이동 로봇의 움직임에 저항력을 가지고 향상된 추적 정확도를 가짐을 실험 결과로 보이며 제한적인 연산 능력을 지닌 휠 베이스 이동 로봇에 적용 가능한 사람 추적 시스템 구조를 소개한다. |With the intelligence of mobile robots, interaction with humans along with autonomous driving is emerging as a very important issue for mobile robots. There are various ways to perform human-robot interaction, but in many cases, the human follow-up technique following the designated person is adopted in many cases in a way that interacts with humans. In order for robots to perform human follow-up, multi-object tracking technology that can track designated people among the many detected people is essential. Among the existing multiple tracking techniques, Simple Online and Realtime Tracking (SORT), which performs predictions based on Kalman filter, is suitable for mobile robotic systems that require real-time processing while having limited computational performance. However, SORT fails to reflect changes in object detection values caused by the movement of the mobile robot, resulting in poor tracking performance, which leads to frequent tracking failures when the mobile robot moves. This paper proposes a more stable human tracking technique suitable for mobile robots by correcting object tracking errors in real time by reflecting wheel odometry information based on the encoder of mobile robots in Kalman Filter's state vector to solve the decline in tracking performance caused by mobile robots To evaluate the performance of the proposed methodology, a total of six sequence test data for four types of human follow-up scenarios were constructed in a camera of a mobile robot, consisting of a total of 2,843 image data and corresponding multi-object tracking (MOT) challenge format object detection data. This paper shows the experimental results through PxRx sequence data that the proposed human tracking technique is resistant to movement of mobile robots and has improved tracking accuracy compared to SORT while maintaining real-time, and introduces the pedestrian tracking system structure applicable to wheel-base mobile robots with limited computational capabilities.