본 논문은 멀티콥터의 3차원 경로계획 및 충돌회피에 대한 연구를 목적으로 하여 최종적으로 멀티콥터 실내 자율비행을 목표로 한다. 경로계획 및 충돌회피에 대한 연구는 RRT*(Rapidly-exploring Random Tree*) 알고리즘, VFH(Vector Field Histogram) 알고리즘, APF(Artificial Potential Field) 기법 등 여러 알고리즘이 개발되고 있으며, 모바일 로봇 분야를 중심으로 다양하게 이루어지고 있다. 하지만 대부분 2차원 상에서 경로를 계획하거나 충돌을 회피하므로 이 알고리즘을 3차원 운동을 하는 멀티콥터에 적용하였을 때, 멀티콥터의 3차원 기동을 모두 사용할 수 없다는 문제가 있다. 이에 본 논문에서는 멀티콥터의 충돌을 회피하는 3차원 경로를 계획할 수 있도록 3D A* 알고리즘을 제시하고 연구하였다.
3D A* 알고리즘은 현재 멀티콥터의 위치에서 도착점까지 3차원 그리드 맵 상에서 인식된 장애물을 피하는 3차원 경로 생성 알고리즘이다. 3차원 그리드 맵 상에서 휴리스틱 추정값 와 주변 노드까지의 거리 비용함수인 을 이용하여 각 노드 별 평가함수 을 구하고 평가함수가 최소가 되는 노드를 반복적으로 탐색하여 경로생성 목적지 까지 탐색하게 된다. 탐색되는 노드가 도착점에 도달하게 되면 역 전파를 통해 장애물을 피하는 3차원 최단 경로를 생성할 수 있다.
3D A* 알고리즘은 기존의 로봇 자율주행을 위한 2D A* 알고리즘에 비해 계산시간이 대폭 증가하므로 파라미터들을 조절하여 계산시간과 최적성 사이의 균형을 맞추는 과정을 진행하였다. 본 논문에서는 두 가지 파라미터에 대해 다룬다. 첫 번째 파라미터는 3D 그리드 파라미터로 탐색하는 주변의 노드의 범위, 그리드의 크기, 장애물의 Scattering을 포함한다. 이 파라미터는 기체의 크기나 운용 환경에 따라 달라진다. 주변 노드의 범위를 증가시키는 것은 최소의 을 가지는 노드 주변 탐색 범위를 증가시키는 것이므로 3차원 행렬의 크기 증가를 의미한다. 의 크기가 증가하면 노드 탐색의 횟수를 줄일 수 있으므로 계산시간이 줄어들게 되지만 너무 크게 증가하면 인식된 장애물 노드의 너머까지 탐색하게 되므로 경로생성 시 벽을 통과하는 경로를 생성하는 문제가 생긴다. 두 번째 파라미터는 휴리스틱 추정값 에 일정한 하중을 주는 로, 최적경로 탐색과 관련 없는 노드의 탐색을 방지하는 역할을 한다. 출발점과 목적지 사이에 장애물이 없는 경우 이 일정하게 유지되지만, 장애물이 있는 경우 평가함수인 이 증가하게 된다. 따라서 가 없는 경우 이 낮게 측정되는 출발점 근처 노드를 모두 탐색하게 되므로 경로 생성과 관련 없이 계산 시간이 증가하게 된다. 가 있는 경우 장애물을 만나도 출발점 근처의 이 높게 측정되므로 이러한 계산시간 낭비를 줄일 수 있다. 하지만 이를 너무 많이 증가시키게 되면 최적의 경로를 생성하지 못하고 장애물에 근접하는 비행 경로를 생성하게 된다. 따라서 계산 시간과 경로의 최적성 사이의 Tradeoff를 진행하여야 한다.
본 논문에서 연구한 3D A* 알고리즘을 시뮬레이션과 실내 비행 시험을 통해 검증하였다. 시뮬레이션은 오픈소스 비행제어 시스템인 PX4의 비행제어 법칙과 3D A* 알고리즘을 이용하여 MATLAB-Simulink을 통해 구현하였고 실내 비행시험은 PX4 펌웨어 사용이 가능한 Pixhawk와 ROS (Robot Operating System)을 통해 구현하였다. 또한 실시간으로 회피경로를 계획하기 위해 SLAM (Simultaneous Localization And Mapping)을 이용하여 기체의 Odometry와 주변의 3차원 Cloud Point Map을 생성하였다. 여기서 획득한 3차원 맵과 Odometry 기반으로 3D A* 알고리즘은 최적경로점들을 생성하고 PX4는 자신의 위치를 추정하여 위치제어가 가능하도록 시스템을 구성하였다. 이러한 실내 비행 플랫폼을 이용하여 여러 장애물을 배치한 후 각 케이스 별 비행시험을 수행하였고 결과를 정리하였다.