Zero-Shot 객체 인식 기반 6자유도 자세 추정을 활용한 로봇팔-UGV 도킹 기반 자율 충전 시스템

국문 초록 (Abstract)

최근 무인 지상 차량(Unmanned Ground Vehicle, UGV)은 물류, 군수, 재난 대응, 농업, 순찰 등 다양한 분야에서 운용이 확대되고 있으며, 장시간의 야외 임무를 안정적으로 수행하기 위해 인간의 개입 없이 스스로 에너지를 보충할 수 있는 자율 충전 기술의 필요성이 꾸준히 제기되고 있다. 특히, 인적 접근이 제한된 지역이나 위험 지역에서 운용되는 UGV의 경우, 장기적인 임무 지속성을 위해 충전 과정의 완전 자동화가 필수적이 다. 그러나 기존의 자율 충전 시스템은 대부분 전용 마커나 사전 구축된 환경 모델에 의존하고 있어, 조명 변화나 지면 상태, 도킹 포트 위치의 편차가 발생하면 인식률이 급격히 저하되는 한계를 지닌다. 또한, 충전 포트와 로봇 간의 위치 오차를 실시간으로 보정하기 위한 정밀한 6자유도 자세 추정 기술이 충분히 확보되지 않아, 완전 자율 충전 구현에는 구조 적 제약이 존재하였다. 이에 본 연구에서는 외부 마커나 환경 재학습 없이 다양한 도킹 환경에 서 안정적으로 작동할 수 있는 완전 자율 충전 시스템을 제안하였다. 제 안된 시스템은 UGV의 자율 주행, 충전 스테이션 정렬, 로봇팔을 이용한 충전 포트 결합 단계를 단일 파이프라인으로 통합하여 전체 충전 과정을 자동으로 수행하도록 설계되었다. 이를 위해 비전-언어 인식과 3차원 기하학적 추론을 결합한 6자유도 자세 추정 알고리즘을 개발하였으며, RGB-D 센서를 통해 획득한 영상 데이터를 기반으로 충전 포트의 위치와 방향을 실시간으로 추정한다. 이 과정에서 다양한 조명 환경과 배경 조건에서도 안정적으로 작동하도록 영상 정규화와 깊이 기반 정합 알고리즘을 함께 적용하였다. 시스템의 주요 구성요소는 다음과 같다. 첫째, 개방어휘 객체 탐지기 YOLO-World를 이용하여 RGB 영상 내에서 충전 포트를 텍스트 기반 명령어로 인식하도록 구현하였다. 이를 통해 사 전에 정의되지 않은 물체나 환경에서도 즉시 탐지가 가능하며, 특정 데이터셋에 종속되지 않는 범용 탐지 성능을 확보하였다. 특히, 자연어 프롬 프트만으로 목표 객체를 지정할 수 있으므로, 향후 다양한 충전 설비나 구조물이 존재하는 환경에서도 별도의 재학습 없이 적용할 수 있다. 둘째, 깊이 영상으로부터 대응되는 3차원 좌표를 추출한 후, 공간 클러 스터링과 주성분 분석을 수행하여 충전 포트의 기하학적 방향을 계산하였 다. 이 방식은 포인트 클라우드의 부분 가림이나 노이즈에 강인하며, 불완전한 데이터에서도 물체의 주축 방향을 안정적으로 도출할 수 있다. 또한, 클러스터 밀도 기반 필터링을 통해 불필요한 주변 포인트를 제거하여 계산 효율성과 정확도를 동시에 확보하였다. 셋째, 추정된 6자유도 자세를 이용하여 로봇팔의 엔드이펙터가 충전 포트에 정확히 접속하도록 제어하였다. 이 과정에서 로봇팔의 관절 제한, 충돌 가능성, 이동 경로의 매끄러움 등을 고려한 궤적 계획 알고리즘을 적용하여 실제 하드웨어 환경에서도 안정적인 동작을 보장하였다. 전체 파이프라인은 ROS 기반 프레임워크로 통합되어 있으며, 센서 입력, 영상 처리, 자세 추정, 모션 제어, 충전 상태 피드백이 하나의 노드 체계로 유 기적으로 연동되도록 구성하였다. 성능 검증을 위해 실외 비정형 환경에서 다양한 거리, 각도, 조명 조건을 설정한 주행 및 도킹 실험을 수행하였다. 그 결과 평균 총 수행 시간은 40.4초, 도킹 성공률은 90%로 나타났으며, 시스템은 반복 실험에서도 일관된 성능을 유지하였다. YOLO-World 기반 탐지기는 강한 빛반사나 그림자 환경에서도 충전 포트를 정확히 인식하였고, 기하학적 자세 추정 모듈은 포인트 클라우드의 부분 가림과 노이즈 상황에서도 신뢰도 있는 방향 추정과 위치 보정을 이루었다. 본 연구는 기존 마커 의존형 충전 방식의 제약을 극복하고, 로봇팔을 활용한 완전 자율 충전 절차를 실증적으로 구현하였다는 점에서 의미가 있다. 또한, 제안된 6자유도 기반 자율 도킹 파이프라인은 UGV뿐 아니라 UAV, 수중 로봇, 산업용 로봇 등 다양한 플랫폼으로 확장 가능하며, 실외 환경에서의 장기 운용성과 에너지 자율성을 향상시키는 기반 기술로 활용 될 수 있다. 이러한 결과는 향후 무인 시스템의 완전 자율 운용, 에너지 관리 자동화, 유지관리 비용 절감 등 실질적인 발전 방향을 제시할 것으로 기대된다.

목차 (Table of Contents)

• 제1장 서 론 1
• 1.1 연구 배경 및 목적 1
• 1.2 연구 내용 및 방법 4
• 제2장 관련 연구 고찰 8
• 2.1 마커 기반 도킹 기술 8
• 2.2 딥러닝 기반 도킹 기술 9
• 2.2.1 비전 기반 객체 탐지기 9
• 2.2.2 비전-언어 기반 개방어휘 객체 탐지기 11
• 2.3 강화학습 기반 도킹 기술· 12
• 제3장 자율 충전 시스템의 구성 및 원리 14
• 3.1 UGV 경로 계획 및 정렬 제어 14
• 3.1.1 전역 경로 및 지역 경로 계획 알고리즘 14
• 3.1.2 비전 기반 정렬 제어 알고리즘 16
• 3.2 도킹 포트 구조 및 설계 18
• 3.3 객체 인식 및 자세 추정 알고리즘 20
• 3.3.1 YOLO-World 기반 비전-언어 객체 탐지 21
• 3.3.2 포인트 클라우드 중심점 탐색 25
• 3.3.3 클러스터링과 WPCA를 활용한 방향 계산 27
• 3.4 로봇팔 동작 및 제어 31
• 제4장 실험 환경 및 결과 분석 34
• 4.1 실험 환경 및 구성 34
• 4.2 UGV의 경로 계획 및 자율 주행 실험 35
• 4.2.1 실험 맵 설정 36
• 4.2.2 UGV의 자율 주행 결과 37
• 4.3 객체 인식 및 자세 추정 실험 39
• 4.3.1 비전-언어 기반 객체 인식 39
• 4.3.2 포인트 클라우드 클러스터링 알고리즘 비교 43
• 4.3.3 방향 오차 분석 및 성능 비교 45
• 4.4 로봇팔 도킹 수행 결과 47
• 제5장 결 론· 50
• 참고문헌 52
• ABSTRACT 56