(A) hybrid hardware-software stabilization system for gimbal-assisted vision sensors

다국어 초록 (Multilingual Abstract)

As autonomous mobile robots are increasingly deployed in complex and unstructured environments, acquiring stable and high-quality visual information has become essential for reliable perception. However, mechanical vibrations and rapid attitude variations caused by uneven terrain significantly degrade the quality of vision sensor data. These disturbances adversely affect feature tracking performance, leading to degraded accuracy in vision-based algorithms such as Simultaneous Localization And Mapping (SLAM) and Visual Odometry.

Conventional digital image stabilization techniques rely on post-processing operations such as cropping and warping, which inevitably reduce the field of view and image resolution. In addition, most existing mechanical stabilization approaches based on two-axis gimbal systems are insufficient to compensate for the full three-dimensional motions encountered in mobile robot platforms.

To address these limitations, this thesis proposes a hybrid hardware--software stabilization system based on a three-axis gimbal designed for mobile robotic applications. The proposed system is formulated through kinematic modeling and implemented using a hierarchical control architecture that integrates high-level motion planning with low-level real-time control. A PID controller augmented with a feedforward term is employed to improve dynamic tracking performance and ensure rapid disturbance rejection.

The effectiveness of the proposed system is validated through real-world driving experiments conducted on artificially constructed uneven terrain. Experimental results demonstrate that high-frequency vibrations transmitted from the robot base are significantly attenuated, resulting in an approximate 60\% reduction in angular velocity fluctuations of the vision sensor. Furthermore, image analysis shows that motion blur and texture degradation are effectively suppressed, leading to an approximate 65\% reduction in feature tracking error while maintaining a stable normalized Harris score.

These results confirm that the proposed three-axis gimbal stabilization system enables robust and high-quality visual data acquisition in dynamic environments, thereby enhancing the reliability of vision-based mobile robotic applications.

국문 초록 (Abstract)

복잡하고 비정형적인 환경에서 자율 이동 로봇의 활용이 증가함에 따라, 신뢰성 있는 환경 인식을 위해 안정적이고 고품질의 시각 정보 획득이 필수적인 요소로 부각되고 있다. 그러나 울퉁불퉁한 지형에서 발생하는 기계적 진동과 급격한 자세 변화는 비전 센서 데이터의 품질을 크게 저하시켜, 특징점 추적 성능을 저해하고 SLAM 및 비주얼 오도메트리와 같은 시각 기반 알고리즘의 정확도를 감소시킨다.

기존의 디지털 영상 안정화 기법은 크롭핑 및 워핑과 같은 사후처리 방식에 의존하므로 시야각 감소와 해상도 저하를 초래하는 한계가 있다. 또한 대부분의 2축 짐벌 기반 기계적 안정화 방식은 이동 로봇 플랫폼에서 발생하는 복합적인 3차원 운동을 충분히 보상하지 못한다.

이러한 한계를 극복하기 위해, 본 논문에서는 이동 로봇 응용을 위한 3축 짐벌 기반의 하이브리드 하드웨어–소프트웨어 안정화 시스템을 제안한다. 제안된 시스템은 운동학적 모델링을 기반으로 구성되며, 고수준의 모션 플래닝과 저수준의 실시간 제어를 통합한 계층적 제어 구조를 통해 구현된다. 또한 기준 궤적에 대한 추종 지연을 최소화하고 외란에 대한 응답성을 향상시키기 위해 피드포워드 항을 포함한 PID 제어기를 적용하였다.

제안된 시스템의 성능은 인공적으로 구성된 험지 환경에서 수행된 실제 주행 실험을 통해 검증되었다. 실험 결과, 로봇 베이스로부터 전달되는 고주파 진동이 효과적으로 억제되어 비전 센서의 각속도 변동 폭이 약 60\% 감소함을 확인하였다. 아울러 영상 분석 결과, 모션 블러 및 텍스처 열화가 효과적으로 억제되어 특징점 추적 오차가 약 65\% 감소하였으며, 정규화된 Harris 점수는 안정적인 범위 내에서 유지되었다.

이러한 결과는 제안된 3축 짐벌 안정화 시스템이 동적 환경에서도 강인하고 고품질의 시각 정보를 지속적으로 획득할 수 있음을 입증하며, 이동 로봇의 시각 기반 인식 시스템의 신뢰성을 향상시키는 데 효과적인 해결책임을 보여준다.

목차 (Table of Contents)

• Chapter 1. Introduction 1
• Chapter 2. Related Works 4
• 2.1 Digital Stabilization-based Methods 4
• 2.1.1 Software-based Image Stabilization Techniques 4
• 2.2 Active Vibration Isolation for Vision Sensors 6
• 2.3 Mechanical Stabilization Using Gimbal Systems 7
• 2.4 Summary and Motivation 9
• Chapter 3. Methodology 11
• 3.1 Kinematic Modeling 12
• 3.1.1 Forward Kinematics 12
• 3.1.2 Inverse Kinematics Configuration 15
• 3.2 Real-time Stabilization and Motion Control Architecture 16
• 3.2.1 Sampling-based Motion Planning Framework 17
• 3.2.2 Attitude Error Compensation Strategy 18
• 3.2.3 Asynchronous Control Interface and Jitter Suppression 19
• 3.3 Control System Design 19
• 3.3.1 Actuator Modeling 19
• 3.3.2 Control Structure 21
• Chapter 4. Experiments and Results 24
• 4.1 Experimental Environment 24
• 4.2 Simulation Validation 25
• 4.2.1 Controller Performance Comparison 26
• 4.2.2 Robustness Analysis against Disturbances 31
• 4.2.3 Stability Evaluation against Impulsive Disturbances 33
• 4.2.4 Simulation Discussion 35
• 4.3 Real-World Experiment 36
• 4.3.1 IMU Orientation Stability 38
• 4.3.2 IMU Angular Velocity Stability 40
• 4.3.3 Feature Tracking Performance 42
• 4.3.4 Normalized Harris Score Analysis 43
• 4.3.5 Tracking Error Analysis 44
• 4.3.6 Experimental Discussion 45
• Chapter 5. Conclusion 48
• References 51
• 논문요약 57