주행 로봇의 신속한 현장 투입을 위한 cGAN 기반 도면 이미지 변환 지도 생성 시스템

Abstract

로봇의 자율주행을 위해서는 로봇이 자신의 현재 위치를 추정하고 목적지까지의 경로를 탐색할 수 있는 지도가 필요하다. 이 지도는 주로 로봇을 직접 주행시키는 중에 LiDAR 혹은 카메라 등의 센서를 통해 들어온 정보를 바탕으로 SLAM(Simultaneous Localization and Mapping) 기술을 적용하여 생성하게 된다. 이러한 전통적인 방법은 과거로부터 많은 발전을 거쳐왔지만 결국 이 방법들을 통해 추출한 지도는 센서의 오차가 반영된 결과물이기 때문에 센서의 성능에 의존적이며, 따라서 로봇의 센서를 변경하게 되었을 경우에는 이전에 생성한 지도를 바탕으로 자율주행을 하는 것은 원활하지 않을 수 있기 때문에 지도를 다시 생성하기 위한 주행을 해야 한다는 한계점이 있다. 또한, 이 지도를 생성하기 위한 주행에는 인력과 시간 등의 비용이 발생할 수밖에 없다. 로봇이 주행해야하는 공간이 클수록, 다시 말해 생성해야하는 지도의 규모가 크고 세밀할수록 이 비용은 커지게 된다. 이와 같은 문제를 해결하고자 본 논문에서는 건축 도면 이미지를 입력받아 짧은 시간 안에 로봇의 자율주행을 위한 지도 이미지를 생성하는 시스템을 제안한다. 본 시스템을 위해서는 두 가지 문제가 있다. 첫째, 도면에서 어떤 것이 로봇에게 필요한 정보고, 필요하지 않거나 방해가 되는 정보인지 판단해야하는 문제가 있다. 둘째, 필요 없는 정보를 분류한 후에 이를 제거할 때 필요한 정보까지 제거되지 않도록 처리해야한다. CAD 프로그램 등으로 생성된 도면의 원본 파일이 있다면 이 파일에서 필요 없는 요소들을 미리 분류된 이름으로 검색하여 제거할 수도 있지만, 주요 시설과 관련되어 있는 등의 민감한 정보가 누출되는 것을 꺼려하여 원본 파일을 제공받기 힘들 수 있다. 대신 대외적으로 제공하는 종이 도면이나 도면 이미지는 비교적 쉽게 구할 수 있지만, 앞서 밝힌 바와 같이 이미지가 내포하고 있는 의미에 대한 해석이 필요하고 이것을 제거할 때 벽면 등의 정보까지 같이 지우지 않도록 유의하여야 한다. 이 두 가지 문제를 하나의 딥러닝 모델로 동시에 해결하기 위해 GAN 모델 중 하나인 Pix2Pix를 사용한다. 건축도면 이미지 원본과 로봇 주행에 필요 없는 정보를 제거한 이미지를 쌍으로 학습하여 건축도면 이미지를 입력하면 필요 없는 정보가 제거된 지도 이미지가 출력되도록 하였다. 도면 이미지를 수작업으로 가공하기 위한 에디터를 직접 개발하여 Pix2Pix 모델의 학습에 필요한 데이터를 생성하였다. 저가형 2D LiDAR를 탑재한 실물 로봇에 Pix2Pix 모델이 생성한 결과물 지도를 입력하여 자율 주행시에 경로 탐색의 실패 없이 목표 지점에 도착하는 것을 확인하였고, 예상 이동 좌표와 실제 위치 추정 결과 사이의 오차는 약 0.222m이었다.