특징점 기반 물체의 항력 모델 및 파라미터 추정 기법

국문 초록 (Abstract)

물체를 목표 위치로 도달시키려면 실 환경에서 발생하는 항력 특성을 정확히 모델링해야 한다. 그러나 실 환경 적용되는 항력 파라미터(예, 공기 밀도, 바람, 물체의 투영 면적 등)를 산출하려면 비행 실험과 FEM 해석이 필요하고, 물체 형상이 바뀔 때마다 동일한 절차를 반복해야 하므로 다양한 물체에 실시간 적용하기 어렵다.
이러한 한계를 해결하기 위해 특징점 기반의 항력 모델과 파라미터 추정 기법을 제안한다. 제안 모델은 강체 동역학, 중력, 바람 등 외력 및 외부 토크를 포함하며, 물체 표면에 분포한 다수의 특징점에 점 마찰을 적용해 운동을 표현하되, 이때 마찰 파라미터는 각 특징점에 작용하는 저항 항에 포함된다.
제안된 방법의 검증을 위해 항력 모델 시뮬레이션으로 기준 궤적을 생성한 뒤, 특징점 기반 항력 모델에서 마찰 파라미터를 반복 갱신하며 시뮬레이션 궤적을 산출한다. 두 궤적의 동일 시점 자세(위치·회전) 오차를 비용으로 정의하고 이를 최소화하도록 최적화를 수행하며, 오차가 임계값 이하로 수렴하거나 종료 조건을 만족하면 마찰 파라미터를 최종 추정값으로 결정한다. 그 결과, 추정 파라미터로 생성한 궤적은 기준 궤적 대비 위치 오차가 작고 회전 오차도 제한된 범위로 수렴하여, 제안 모델이 물체 동역학 특성을 적절히 반영함을 확인하였다.
본 기법은 FEM 기반 해석 없이도 마찰 파라미터를 추정할 수 있으며, 비정형 물체를 포함한 다양한 물체에 적용 가능하다. 또한 영상 처리 기반으로 측정된 실제 궤적과 시뮬레이션 궤적을 비교하여 모델을 검증(또는 보정)할 수 있어, 실생활에 적용성이 높다. 더불어 로봇 투척 제어와 비행 궤적 예측 등 응용 분야에 활용될 수 있다.

다국어 초록 (Multilingual Abstract)

To deliver an object to a target location reliably, it is necessary to accurately model the aerodynamic drag characteristics that arise in real-world environments. However, estimating drag-related parameters applicable to real environments—such as air density, wind conditions, and the projected area of an object—generally requires flight experiments and FEM-based analyses. Moreover, these procedures must be repeated whenever the object shape changes, which makes real-time application to a wide variety of objects impractical.
To address these limitations, this study proposes a key-point–based aerodynamic drag model and a corresponding parameter estimation framework. The proposed model incorporates rigid-body dynamics, gravity, wind, and external forces and torques, and represents the object’s motion by applying point-wise friction forces to multiple key points distributed over the object surface. In this formulation, the friction parameters are embedded in the resistive force terms acting on each key point.
For validation of the proposed method, a reference trajectory is first generated using a conventional aerodynamic drag simulation. The friction parameters in the key-point–based drag model are then iteratively updated to produce a simulated trajectory. An optimization process is performed by defining a cost function based on the pose errors (position and orientation) between the reference trajectory and the simulated trajectory at corresponding time instances. When the error converges below a predefined threshold or a termination condition is satisfied, the friction parameters are determined as the final estimated values. As a result, the trajectory generated using the estimated parameters maintains a small position error and a bounded orientation error relative to the reference trajectory, confirming that the proposed model adequately captures the dynamic characteristics of the object.
The proposed approach enables estimation of friction parameters without relying on FEM-based analyses and is applicable to a wide range of objects, including non-uniform and irregular shapes. Furthermore, the model can be validated or refined by comparing simulated trajectories with real trajectories measured through vision-based processing, which enhances its practical applicability. The proposed framework can be utilized in applications such as robotic throwing control and flight trajectory prediction.

목차 (Table of Contents)

• 그림목차 ⅲ
• 표목차 ⅴ
• 초록 ⅵ
• 제 1 장 서론 1
• 제 1 절 연구 배경 1
• 제 2 절 연구 목적 3
• 제 3 절 연구구성 3
• 제 2 장 항력 모델 및 파라미터 추정 알고리즘 5
• 제 1 절 알고리즘 프레임워크 6
• 제 2 절 항력 모델 및 파라미터 7
• 제 3 장 물체 자세 추정 10
• 제 1 절 마커 포인트 기반 강체 모델 자세 11
• 제 2 절 Gradient Descent 기반 물체 추정 12
• 제 4 장 마찰 파라미터 최적화 알고리즘 14
• 제 1 절 진화 알고리즘 기반 마찰 파라미터 추정 14
• 제 2 절 진화 알고리즘 구동을 위한 매개변수(Hyper Parameters) 17
• 제 5 장 시뮬레이션 환경 구성 및 영상 기반 계측 19
• 제 1 절 실뮬레이션 실험을 위한 사전 환경 구성 및 설정 19
• 제 2 절 물체 파지를 위한 매니퓰레이터 궤적 생성 22
• 제 3 절 마커 포인트 기반 2차원 영상 좌표 추출 25
• 제 4 절 마커 포인트 기반 3차원 위치 추출 27
• 제 5 절 영상 기반 자세 획득 결과 및 분석 29
• 제 6 장 시뮬레이션 시나리오 및 분석 31
• 제 1 절 의사 대표 특징점과 임의 특징점 일치 31
• 제 2 절 의사 대표 특징점과 임의 특징점 불일치 40
• 제 3 절 결과 분석 50
• 제 7 장 결론 52
• 참고문헌 54
• 부록 58
• <부록 A> 픽셀 위치 오차가 물체 거리 추정 정확도에 미치는 영향 58
• Abstract 62