○탈/부착 식 무인 조타 장치
- 기존 선박 조타기에 탈부착 할 수 있는 형태의 무인 조타 장치
- 유사시 사용자가 무인 조타장치를 제거하고 직접 운용이 가능하도록 걸쇠 방식의 결합부로 구성, 핸들 제어를 통해 선박의 추진 방향을 제어하고, 레버 제어를 통해 선박의 추진 속력을 제어
- 최소 1° 단위의 정밀제어가 가능하도록 스태핑 모터를 사용하여 구동부 제어
- 기구 부 구조 간 간섭을 최소화하고, 결합 구조의 장방형 설계를 통해 다양한 형태의 조타기에 장착 할 수 있도록 설계 및 개발
- 무인선박의 주제어 소프트웨어에서 동작하는 자율운항 알고리즘을 통해 진행 방향에 대한 판단을 내리고 모터 드라이브를 통해 구동모터를 제어
- 개선된 무인 조타 제어장치는 핸들 모터의 위치를 프레임 하단으로 삽입하여 별도의 탈부착 과정 없이 무인화와 유인화를 오갈 수 있도록 설계
- 핸들 및 기어 레버를 움직이는 모터는 정밀 제어가 가능한 스태핑 모터를 사용하여, 유사시 전원을 차단시킴으로써 모터의 정지 토크를 해제하고 즉시 손으로 핸들 및 기어를 조작 가능
- 승선한 항해사에 의해 즉시 선체를 제어해야하는 위급한 상황에서 기존의 탈부착 식 모듈 형태는 5~10초가량 모듈의 탈착시간이 소요되고 위급상황을 감안하면 상당히 긴 시간이었음을 실험을 통해 확인
- 제작된 개선품은 무인 조타 제어장치 전체에 인가되는 전원을 단일 점으로 모아 전원 부를 즉시 차단할 수 있도록 개발
- 이후 무인조타제어장치 단일 모듈의 상용화를 위해서도 반드시 필요한 안전장치로 기존의 방식보다 훨씬 단축된 시간(1초 이내)안에 항해사의 선체 조작이 가능
- 무인 조타 제어장치의 프레임은 바다환경에서의 사용을 감안하여 부식에 강한 스테인리스 스틸로 개발
- 선박의 핸들 및 기어는 대부분 유압식의 기구부로 상당한 토크(최소 40kgN/m)를 요구함에 따라 장착된 스태핑 모터 또한 이에 상응하는 토크(핸들 : 50 kgN/m, 기어 : 120 kgN/m)로 개발
- 모터의 토크가 상당함에 따라 모터를 지지하는 프레임에 작용하는 반작용힘을 고려하여 5T 이상의 스테인리스 스틸 재질을 채택하였고, 또한 작용하는 힘을 분산시킬 수 있는 박스형 프레임의 구조로 설계 및 개발
○자율운항 알고리즘 및 운용 SW
- 당사에서 자체 개발한 GPS 경로 기반 자율운항 알고리즘 탑재
- 테스트용 선박 제어 Controller 제작 및 테스트 진행완료, 본 기술개발을 통해 시제품 단계까지 성능을 개선하고자 함
- 돌발변수에 대한 통제가 불가능한 해상환경을 고려하여 자율운항의 효율성보다는 동작 안정성을 중시한 알고리즘
- 경로 효율성(최단경로 대비 실 주행 거리)을 다소 낮추는 대신, 다양한 환경 변수의 영향을 최소화 할 수 있는 알고리즘 개발
- GPS 센서와 항법센서(IMU)가 탑재된 시스템으로, 별도의 통신장비나 계측장비 없이 자율운항 기능 제공
- 목표 GPS좌표 기준 오차범위 3m 이내 성능 개선
- 기존 항해정보시스템인 AIS 시스템 및 카메라 모듈을 통해 타선의 운항정보(방향, 속도)를 취득할 수 있는 환경에서는 대상 장애물(선박)에 대한 자율 회피 기능 지원
- 장애물(선박)이 사용자가 설정한 안전거리 이내로 접근하는 것을 예방하도록 경로를 회피주행을 위한 경로를 도출하는 회피주행 알고리즘 탑재
- 선박에 가용한 하드웨어 시스템의 종류와 사용자의 수요에 따라 차별적 기능을 제공
- 사용자 편의성을 고려한 GUI 기반 운용 SW 제공
- 목표 지점 설정, 자율운항 기능 ON/OFF, 운항 경로 기록 등 주요 기능을 직관적으로 운용할 수 있도록 SW 개발 및 상용화
- 운용 SW 내 전자해도 연동 기능을 통해 해상 정보 제공 기능 탑재
○딥러닝 기반 영상 내 해상 장애물 인식 기능
1) 학습 네트워크 모델 설계 및 인식 모델 학습
- 해상 장애물 인식 시스템 설계
- 선박 인식 모델 생성을 위한 네트워크 모델 선정
- 인식정확도(mAP) 및 처리속도(FPS)를 고려한 최적 모델 선정
- 해상환경 기반 실시간 대상물 검출을 위한 인식모델 학습 진행
- 인식모델 학습의 효율적인 연산을 위한 Meta Architecture 선정
- Single Shot Multibox Detector : feed-forward convolutional network에서 feature map 추출, 한 장의 변형 없는 사진으로 훈련 및 검출을 통해 빠른 검출속도 보장
- Faster-RCNN : 입력 image의 후보 영역의 Region Proposal을 통해 추출 후 특징 및 픽셀을 re-sampling 후 classification하여 높은 검출성능 보장하나 느린 처리 속도를 가짐
- Region-based Full convolutional networks : Region-based pooling 이후 Fully Connected layer를 제거하여 학습에 진행되는 loss를 줄여 Faster-RCNN의 느린 처리 속도를 개선
- Tensorflow Object Detection API를 활용한 객체 인식 모델 구축
- 라이브러리 형태의 API로 이미지 속 객체를 인식
- 각기 다른 정확도(인식률)와 처리속도를 지닌 5개 학습 네트워크 모델 구현
· ssd_mobilenet_v1_coco
· ssd_inception_v2_coco
· rfcn_resnet101_coco
· faster_rcnn_resnet101_coco
· faster_rcnn_inception_resnet_v2_atrous_coco
- OpenCV를 활용한 실시간 영상 객체 인식 기술 개발
- 실시간 영상 처리를 위한 비전 오픈소스 라이브러리 활용
- TOD(tensorflow object detection) API로 구축된 선박 학습 모델에 적용
- 실시간 영상에서 선박 객체를 인식할 수 있는 기술 개발
- 기술 적용 환경(해상 무인선 전방 영상)을 고려한 데이터베이스 구축
- 인식할 선박이미지들에 대해 객체 Labeling 및 Bounding-box 작업 진행
- 데이터 포맷을 위해 TFRecord 포맷으로 이미지 변환
- 선박 데이터 셋 학습
- TOD API로 구현된 5개 학습 네트워크 모델로 데이터 셋 학습
2) 해상 선박 데이터 셋 수집
- 선박 및 해상 장애물 인식모델 생성을 위한 학습 데이터 셋 수집
- 딥 러닝 라이브러리 Tensorflow에 적용 가능한 수집 데이터수집
- 대상 객체(해상 장애물) Bounding-Box 작업진행
○ 해상 선박 및 장애물 인식모델 생성
- 선박 및 해상 장애물 데이터 셋의 Labeling 완료 후 가공한 학습데이터 xml 파일을 프로그램에 적용 가능한 데이터인 TFRecord File로 포맷 과정 진행
- xml -> csv -> TFRecord 순으로 파일을 변환하여 최종적으로 *.record 파일 형태로 추출함
- Geforce GTX 1080TI GPU를 활용하여 선박 및 해상 장애물 *.TFRecord 형식의 가공된 데이터 셋 약 50,000 step 학습 진행
- 데이터 셋 학습과정 중 약 50,000 step 학습 진행 중 지속적인 loss 값 확인을 통해 0에 가까운 시점에서 training 종료 후 인식 모델 생성
- Training 완료 된 인식모델, model.ckpt-{CEHCKPOINT_NUMBER}.* 파일을 inference_graph로 변환하여 학습된 모델 평가
- # models/object_detection python export_inference_graph.py
- 생성 된 inference_graph를 통해 인식하고자 하는 영상 테스트진행
○ 영상인식 정확도 성능 테스트
- 딥 러닝 기반의 영상 인식 기술을 적용하여 해상 장애물(선박, 부유물 등)에 대한 실시간 식별 및 운전자 알림 기능 제공
- 안전사고 예방을 위한 예방 시스템으로 카메라 모듈의 추가 장착을 통해 가시거리(카메라 인식 거리) 내 선박의 출현여부를 알림으로써 회피 주행 등의 운전자 조치를 유도
- 선박 및 해상 장애물에 대해 인식 정확도 95% 수준의 성능 발휘
- 인식 대상 종은 지속적인 기계학습을 통해 증대 계획
○ 선박 인식 실 해상 테스트
- SSD에서의 빠른 검출 속도를 가지지만 낮은 검출 성능을 가지며 Faster-RCNN은 높은 검출 성능을 가지지만 느린 검출 속도를 가짐, 이러한 Trade-off 문제를 해결하기 위해 RFCN 기반의 선박 검출 모델을 적용하고자 함 (적절한 검출 속도 및 검출 성능, 실시간 해상환경에 적용 가능한 인식모델로 판단)
○ 실해상 테스트 결과 기반 인식 성능 고도화 진행
- 선박 인식모델의 인식 성능 개선을 위한 성능 검증 진행
< IoU 계산 예시 >
- 인식 모델의 검출 정확도 계산을 위한 성능검증지표 수립
- 검출 정확도 : 광학 카메라를 통해 관측된 영상 데이터에 존재하는 해상 선박 및 해상 장애물 객체를 검출하는 정확도
- IoU (Intersection Over Union) : Object Detection의 경우 모델이 예측한 결과와 Ground Truth(GT), 두 Box 간의 교집합과 합집합을 통해 IoU를 측정함
- 현재 선박 및 해상 장애물 인식모델의 경우 검출 정확도 0.5 IoU 를 기준으로 함
- 즉, 예측한 결과와 GT 박스 간에 겹친 영역의 비율이 50% 이상이 되었을 때 두 박스를 매칭하고 해당 예측 결과 박스 검출을 하는 방식
- Precision : 주로 예측된 결과가 얼마나 정확한지를 나타내는데 사용이 되며 계산식은 그림에 나와 있는 것과 같이 True Positive(실제 Positive를 Positive로 잘 예측한 경우, 이하 TP)를 TP와 False Positive(실제 Negative를 Positive로 잘못 예측한 경우, 이하 FP)의 합으로 나눠줘서 계산을 함
- Recall : Precision과는 다르게 입력으로 Positive를 주었을 때 얼마나 잘 Positive로 예측하는지를 나타내는데 사용이 되며, 계산식은 그림과 같이 TP를 TP와 False Negative(실제 Positive를 Negative로 잘못 예측한 경우, 이하 FN)의 합으로 나눠줘서 계산 함
○ 레이저 측위 장치를 이용한 해상 부유물 인식 기술 개발
- 레이저 펄스를 주사하여, 반사된 레이저 펄스의 도달시간을 측정함으로써 반사 지점의 공간 위치 좌표를 계산해내어 대상물의 위치를 추출하는 측량기법 사용
- 레이저를 이용할 경우 대상물의 특성에 따라 반사되는 시간이 모두 다르기 때문에 선박 및 해상의 장애물의 정확한 위치 생성 측정
- 기존 라이다 제품군의 특수 기능을 특화하여, 4행 1열 어레이 스캐닝 레이저 측위 장치를 무인 선박에 적용하여, 영상인식 장치의 이중화 시스템을 구축함으로써, 해상에 이동 중인 장애물에 대한 식별 안정 기술 개발
- 개발품에 장착된 주관기관의 독자적인 4행 1열 어레이 레이저 모듈의 해상 환경에 적용한 개념도로 4행 1열 어레이 레이저 모듈을 사용하여, 최대 50 m 에 위치한 대상물 식별
- 육상 최대거리 100 m에서 4행 1열 어레이 레이저 모듈의 기술 개발을 진행하고, 이를 통해 해상 목표물에 대한 위치 측위 기술연구 적용
○ 경로 자율운항 기술 개발
- 자율 운항 무인선 개발을 위한 웨이 포인트 기반 자율운항 기술 연구를 진행
- 연구/개발된 알고리즘의 검증을 위해서는 상대적으로 선체의 움직임을 가시적으로 확인하기 위해 소형 전동 선외기를 탑재하여 테스트용 소형 무인선을 제작
- 안전사고 발생에 대한 위험 부담이 적고 해상 환경에서 실험이 용이한 RIB 보트 형태의 선체를 채택
- 제작된 자율운항 알고리즘 연구용 소형 무인선은 1마력 전동선외기 2대를 탑재한 소형 무인선으로, 해상 장거리 통신 모듈을 탑재하여 해상환경에서 최대 5km 까지 통신이 가능한 소형 무인선으로 구성
- 최대속도 3knot 및 선회반경 3m 이하의 운행 성능을 가짐.
- 웨이 포인트 기반 자율운항 알고리즘은 A* 알고리즘을 기반으로 구현되었으며, 해상환경에서의 동작에 적합하도록 환경감지, 경로계획, 출력조절의 기계판단 시에 해상환경을 고려한 세부요소를 추가 적용하였음. 이러한 세부요소를 축적하여 전체 알고리즘의 정확도를 향상시키는 방법으로 연구/개발하였음.
- 개발한 웨이 포인트 자율운항 알고리즘은 소형 자율 조타 플랫폼에서 개선과 학습을 반복하여 정확도를 점차 향상시키는 방향으로 개발하되 선체의 형태, 선박의 추진기 형태, 추진기 출력 등에 따라 수치를 변경하여 적용할 수 있도록 지속적인 연구를 진행 중에 있음.
- 연구결과 현재 웨이 포인트 자율운항은 목표지점 기준 3m 범위 내에 도달 할 수 있는 수준임.
- 개발 내용을 바탕으로 특허 출원 진행
○선박 무인화 시스템 목표수준
○ 선박 무인화 시스템 평가방법 및 환경
1) 영상 인식 기술 : 학습되지 않은 각 50개의 선박에 대한 인식 성공률 도출
2) 경로 자율운항 기술 : 선박의 웨이 포인트 도착 판정 시 목표 좌표와 실 좌표 간 거리
3) 선박플랫폼 운항제어 속도 : 선박의 운항 시 선체의 항해 속도 측정
4) 해상 장거리 통신 거리 : 관제시스템과 통신부 간 해상환경 5km 거리에서 통신 여부 확인
5) 핸들 및 레버 제어 : 정밀도 최소 5° 단위 조절 가능
6) 선박 콘트롤러 SYS 제작 : 선박 주제어 시스템(HW/SW) 시제품, 원격관제 소프트웨어 시제품, 무인 조타 제어 시스템(HW/SW) 시제품 SW 성능 평가 보고
∙ 목표수준의 평가환경
1) 영상 인식 기술 : 식별 시스템 실내 환경에서 평가
2) 경로 자율운항 기술 : 플랫폼 실 운항을 통한 공인 인증 시험 평가
3) 선박플랫폼 운항제어 속도 : 실 운항 테스트를 통한 공인 인증 시험 평가
4) 해상 장거리 통신 거리 : 실 해상 환경에서 통신부 모듈과 육상 관제 시스템이 5km거리인 지점에서 평가
5) 핸들 및 레버 제어 : 시스템 설치 확인을 통한 공인 인증 시험 평가
6) 선박 콘트롤러 SYS 제작 : 도면 및 개요도 확인 과정을 통한 공인 인증 시험 평가
○성과지표 정의 및 목표치 근거
- 웨이 포인트 오차범위는 무인선박의 GPS 데이터를 이용하여 waypoint 도달 확인 및 Cross Track Error & RMS값 산출
- 해상 환경 통신 거리는 육상관제시스템인 GCS에서 10km 이상 위치에 있는 무인선에 원격조종 신호를 정송하여 임무 완수 여부를 파악하는 것으로 평가 진행. 조타 신호는 조타 휠 및 레버 제어 신호로 구성. 제어의 실시간성 및 정확성을 중심으로 시험 수행
- 운항속도 및 폐기물 수거는 실제 운용할 부산 인근 연안지역에 대한 가상의 임무 시나리오 수행을 통해 성능평가와 실효성 입증
- 인식 성공률은 식별 정확도와 검출 정확도의 값을 나타내어 판단. 식별 결과들 중에 실제 객체가 평균적으로 얼마나 포함 되어 있는지를 확인
- recall을 0.1에서 1까지 0.1단위로 올리면서 precision을 측정하고 10개의 평균을 AP로 정의. 여기서 precision은 True positive/(True positive + False positive) 으로 정의하고 recall은 True positive/(True positive + False negative) 으로 정의
- 그라운드 트루쓰 (Ground truth) 박스와 추적된 박스의 겹치는 비율 (IoU,l Intersection of Union)을 기준으로 검출 정확도를 정의하였을 때, x축의 IoU를 변경하면서 검출 성공률을 y축에 plotting 하면 log형의 그래프가 그려지는데, 그 그래프의 하단 면적 비율로 정의. 1이 최고값이며 값이 클수록 검출 정확도가 높은 것으로 판단되어 식별 정확도와 검출 정확도의 값을 종합적으로 검토하여 최종 인식 성공률 도출
- 현재 중국 북경대학, 영국 레딩대학, 미국 메릴랜드 대학, 미국 엔비디아, 이탈리아 토리노등 세계 유수 영상 기반 식별 연구기관들은 64.4%에서 90% 수준의 식별 성능 정확도를 구현 중. 따라서 글로벌 시장 선점 경쟁력을 확보하기 위해 본 연구개발의 영상 인식 성공률 목표치는 96%로 설정. 선종은 군함등 기밀 접근이 어려운 점을 감안하여 국내 해상 환경에 식별 우선도가 높은 선종을 중심으로 식별 대상 선박 학습데이터 확보
- 식별 환경은 실 해상 환경에서 선박에 다중 이미지 센서를 탑재하고 일반 선박 및 해양 구조물을 촬영하여 해상 선박/구조물 인식/식별 시스템으로 전송. 이후에 WMO에서 규정한 실 해상 환경에 준하는 Sea state에서 구축된 DB를 사용하여 식별 정확도 평가
- 수상에스티는 선박 무인화 시스템 개발을 위해 현재 딥 러닝 기반 영상 내 해상 장애물 인식 SW, 자율운항 알고리즘 및 운항 SW 기술을 보유하고 있음
- 해상 장애물 인식 및 자율운항 알고리즘 SW를 활용하여 부산 해운대 인근에서 자율운항선박 테스트를 진행함
- 기 보유한 선박제어기술, 경로 자율주행 알고리즘SW, 해상 장거리 통신기술, 레이저 측위 시스템을 적용한 무인선박 플랫폼에 1.현재 개발된 테스트용 선박 콘트롤러 SYS의 시제품 화, 2.자율운항 알고리즘 및 운항 SW와 연동 가능한 개/변조 없이 탈부착이 가능한 조타기 HW 제작, 3.영상인식 기반 해상 장애물 인식 SW와 자율운항 알고리즘 SYS를 통합하는 선박무인화 시스템 개발임
○선박 웨이크 분석 적용 모델 데이터 획득을 위한 모델링
- 무인선 선형개발에서 전산유체역학을 활용하는 것 보다 모형시험에 의존하는 것이 많은 시간과 비용 소비
- 전산유체역학을 이용한 선형개발이 모형시험으로 얻는 선형 개발 법 보다 저렴하며 시간을 절약함. 대형선의 경우 큰 오차로 인한 CFD방식의 부정확도로 사용도가 떨어지나 소형선박의 경우 전산유체역학은 비교적 짧은 시간에 저렴한 비용으로 선형평가가 가능하며, 설계에 직접 반영 할 수 있는 상세한 정보 도출
- 무인선 너클란(Knuckle line) 및 차인(chine)을 고려한 항주 자세 추정 기술
○무인선박 플랫폼 선체주위 유동 시뮬레이션 및 제어시스템 요구조건 적용 설계
- 쌍동선 헐을 가진 선박에 대한 유체역학 성능 해석기법 연구
- 선체표면 및 3D 유동장 격자생성
- 자유수면 파계해석을 위한 CFD 유동해석 수행
- 자유수면에 생성되는 파력 계산을 통한 조파저항 산정
- 점성압력저항 추정을 실시하여 조파저항 및 점성압력저항 합력 최소 선형 도출
(1) 내항성(안전성, 속도 설계)
- 무인선의 성능 설계를 위해 안전성, 속도, 내항성에 대한 적합도 설정
- 해상상태에 따른 무인선의 운항성능을 평가하며, 1차적으로 실내 수조 동에서 파고와 파형에 의한 선체의 내항성을 측정
- 이 때 내항성의 평가는 모선시험 평가의 기준에 따라 진행
(2) 원격 제어 기능
- 원격조종모드는 키보드(방향키) 또는 조이스틱으로 조작하며, 조작에 해당하는 타각 명령을 전송하고, 무인선은 명령받은 타각에 해당하는 신호를 만들어 선외기의 출력 제어
- 무인선과 10 km 떨어진 거리의 육상에서 조종자를 통해 무인선을 조종함. 통신거리에 따른 무인선의 조종여부를 판단
(3) 자율 제어 모드
- 자율모드는 GPS를 통해서 무인선의 위치, SOG(Speed of Ground, 속력), COG(Course of Groun, 진행방향) 값을 획득하며, 통신을 통해서 육상에서 지정한 변침점(Waypoint)으로 주행
- 육상에서 무인선의 다수의 항해 경로점을 전송하고, 데이터를 수신한 무인선은 지정된 경로점을 운항
(4) 자율 무인선박 주행 성능
- 무인선의 운항성능 분석 및 동력학 식별을 위하여 속력시험 및 선회/지그재그시험으로 구성된 조종시험과 무인선으로서의 기본 임무인 경유점 추종제어시험을 수행하여 고속성능을 확인하며 0.5 m 파고높이의 양호한 해상상태에서 성능시험을 통해 검증 가능
- 속력시험: 바람, 조류 등의 영향을 분석하기 위해 왕복시험을 수행하고, 주행 방향에 따른 속력을 평가 가능
- 조종시험: 좌우현 선회시험 및 지그재그시험을 진행
○ 운항 테스트 및 기능 테스트 진행
(1) 1차 운항 테스트 진행
- 제작한 시제품을 통해 기본적인 제어 및 구조 결함 파악을 위한 운항 테스트 진행
- 장소 : 삼락계류장(삼락수상레포츠타운)
- 장소 : 장소 대여 및 슬립웨이 1곳 대여하여 테스트 진행
- 보트 준비 및 운항 테스트 용 선외기 설치, 운항 기능 구현을 위한 커맨드 박스 설치 진행
- 운항 테스트 및 오류 위험성을 고려하여 1인 탑승 및 안전줄 연결, 구명 튜브 준비 진행
- 기본적인 운항 테스트 및 적합성 고려 진행
- 선박 내외 통신을 통한 조작으로 외부에서 운항 제어 진행
- 기타 추가적인 확인 및 추후 기능 구현을 위한 내부 제어 테스트도 진행
- 수정 및 개선 사항 확인 진행 후 1차 테스트 마무리
(2) 2차 운항 테스트 진행
- 1차 테스트를 바탕으로 문제점 해결 및 추가적인 기능 구현을 통한 2차 테스트 시나리오 준비 및 장소 대여
- 장소 : 화명계류장(화명수상레포츠타운)
- 1차 테스트를 통한 수정 및 보완 사항을 수정하여 테스트를 위한 사전 준비 작업 진행
- 선 내에 통신 가능한 모듈(노트북으로 대체)을 배치하고 선외기와 연결하여 제어 준비 진행
- 선박 외부에서 통신을 통해 선박 내부의 모듈을 제어하여 운행할 수 있는 무인 운항 테스트 준비 진행
- 2차 테스트 시나리오는 두 가지로 준비 진행
① 인원 탑승을 통한 선내 제어 및 선외 제어
② 무인원 선박을 통한 선내 무인 선외 제어
- 2차 테스트 첫 번째 시나리오를 통한 안전 인원 탑승을 통한 테스트 진행
- 좌우현 선회 테스트 및 직, 후진, 속도제어 등 전반적인 운항 테스트 진행
- 안전 인원이 직접 선내에서 제어하여 움직여서 기능적으로 선박 제어 시스템이 원활하게 작동하는 것을 확인
- 2차 테스트 첫 번째 시나리오의 두 번째 과정인 유인 외부 제어 테스트 진행
- 위에 설치된 노트북을 통해 외부에서 무선으로 직접 선박 제어 진행
- 테스트 결과 약간의 딜레이는 발생하지만 문제없이 선박이 제어됨을 확인
- 2차 테스트 두 번째 시나리오에 따른 무인 조타 제어 테스트 준비 진행
- 선박 제어 실패에 따른 위험성 및 각종 사항을 고려하여 계류장 인근에서 진행
- 선박 표류 위험성을 고려하여 안전줄 연결 진행
- 2차 테스트 두 번째 시나리오에 따른 무인 조타 제어에 성공
- 기타 통신 불안정 문제 및 추가적인 수단 구비 진행
- 개선 사항 및 추가 진행도 확인 후 2차 테스트 마무리
(2) 3차 운항 테스트 진행
- 2차 테스트를 바탕으로 문제점 해결 및 추가적인 기능 구현을 통한 3차 테스트 시나리오 준비 및 장소 대여
- 장소 : 화명계류장(화명수상레포츠타운)
- 장소 대여 진행 및 물품 운반
- 장비 셋팅 및 시나리오 확인 진행
- 운항 테스트를 위한 커맨드 박스 및 통신 기기 설치
- 배터리 및 선박 프레임 설치 진행
- 프로그램 확인 및 전선부 연결 확인 진행
- 플랫폼 구성에 따른 보트 설치 진행
- 내구성 테스트와 안전 검사를 통해 안전성 재 확보
- 장치 고정 및 영상인식을 위한 인식 카메라 기기 전면부에 설치 진행
- 선외기(모터) 설치 및 육상에서 작동 테스트 진행
- 웨이포인트 무인 운항에 사용될 GPS 및 방위체크모듈 설치 진행
- 해당 모듈의 경우 전자기파 영향을 받으므로 프레임 상단부에 커맨드 박스와 이격시켜서 설치 진행
- 안전 끈 설치 및 동작 확인 진행
- 유선으로 간단한 운항 테스트 진행(전후좌우)
- 셋팅 재확인 및 안전 끈 확인 진행
- 기기 배치 확인 및 누수 테스트 진행
- 속도 측정 및 직진, 선회, 유지 등 각종 구현 기능 확인 진행
- 첫 번째 테스트 시나리오를 통한 원 웨이포인트 무인 조타 테스트 진행
- 무인 조타를 통한 웨이포인트 도달 자율 운항이 가능하도록 셋팅
- 테스트 결과 안정적인 운항 성공
- 두 번째 테스트 시나리오에 따른 삼각점 웨이포인트 구축 및 출발 진행
- 화면상의 좌하단 포인트 -> 좌상단 포인트 -> 우상단 포인트를 찍는 방식으로 진행
- 무인 운항 시스템 운영에 따른 출발 및 첫 번째 웨이포인트를 향해 운항 확인
- 첫 번째 웨이포인트를 지나 두 번째 웨이포인트로 선회 및 이동 진행
- 당일에 강한 바람이 강 상류 쪽으로 불어 하류쪽으로 내려가는데는 약간 지연이 발생하고 상단으로 갈 때는 웨이포인트를 약간 지나치는 문제가 발생
- 두 번째 웨이포인트를 지나 자동으로 세 번째 웨이 포인트로 선회 및 이동 진행
- 선회 및 무인 이동, 웨이포인트 확인에 따른 이동 시나리오 등 전반적인 부분에서 문제없이 진행
- 세 번째 웨이포인트를 지나 계류장으로 복귀 시키며 테스트 마무리
- 운항 테스트 프로그램에 기록된 로그를 통해 기록 확인 가능
- 현재 선박이 위치하고 있는 좌표 값을 2~3초 단위로 읽어와 로그의 형태로 기록
- 해당 로그를 통해 선박의 좌표계가 제대로 동작하며 웨이포인트 도달에 있어서 오차가 적음을 확인 할 수 있음
- 기록된 데이터 값은 항목에 따라 다음과 같이 분류 됨
C0 = 연월일_시분초 시간
C1 = 선박의 현재 GPS 좌표
C2 = 목표지점 GPS 좌표
C3 = 선박의 현재 위치에서 목표지점까지의 거리 (meter)
C4 = 선박의 현재 위치에서 목표지점까지 이은 선분과 자북이 이루는 각도
C5 = 선박 진행 방향과 자북이 이루는 각도(지자기 센서값)
C6 = 편향각 C4 - C5(음수값일 경우 +360)
C7 = 선박 운항 속도(knot)
- 육상 관제 프로그램에서 자율운항 시작 명령에서부터 종료 명령까지 기록된 파일인 gpx 확장자 파일로 저장
- XML 구조로 된 지리 정보 관련 준 표준 포맷으로 전용 뷰어를 통해 이동 경로 및 데이터를 육안으로 확인
- 3차 테스트를 통해 웨이포인트 무인 조타 시스템 및 기술 관련 확인 완료
○ 정량적 목표에 따른 공인 인증 시험 진행
- 수립된 정량적 목표에 따른 각 개발 기능 별 공인 인증 시험 진행
- 회사 내 마련된 테스트 장소에서 공인 인증 시험 진행
- 시험 항목 중 ‘영상 인식 대상물’ 항목에 대한 내용 인증 시험 실시
- 항목 내용에 따라 영상 인식 대상물의 종 수, 선박, 사람, 스티로폼, 알루미늄 캔, 페트병에 대한 영상 내 대상물 인식, 인식 여부는 정확도 90% 이상일 경우 인식 성공으로 판단
- 영상을 틀어놓고 시스템 인식 여부 판단
- 90% 이상의 인식 정확도를 보임
- 회사 내 마련된 테스트 장소에서 공인 인증 시험 진행
- 시험 항목 중 ‘선박 인식 성능’ 항목에 대한 내용 인증 시험 실시
- 항목 내용에 따라 기 학습되지 않은 개체에 대한 5초 이상 길이의 영상정보를 영상인식 알고리즘 프로세싱 디바이스에 입력 값으로 주고, 해당 영상 내의 대상물 인식 여부 시험, 학습되지 않은 10개 대상물에 대해 시험을 진행
- 영상을 틀어놓고 시스템 인식 여부 판단
- 9개 이상 대상물을 식별하면 성공으로 판정, 인식 대상물 5종에 대해 모두 인식
- 학습되지 않은 10개의 영상 중 9개 이상 인식 성공
- 화명 수상레포츠타운에서 공인 인증 시험 진행
- 시험 항목 중 ‘무인 플랫폼 항속 능력’ 항목에 대한 내용 인증 시험 실시
- 항목 내용에 따라 수상 담수 환경에서 직선거리 2Km 운항. GPS 좌표 기준으로 출발점과 도착점을 규정하고 두 지점 주파 시간을 측정하여 구간 주판 시 속도 측정
- 특정 2지점을 선정하여 직선 거리 측정, 10km/h이상의 속도로 주파
- 화명 수상레포츠타운에서 공인 인증 시험 진행
- 시험 항목 중 ‘GPS 기반 자율운항 정확도’ 항목에 대한 내용 인증 시험 실시
- 항목 내용에 따라 수상 담수 환경에서 출발점으로부터 300m이상 이격된 목표점을 GPS좌표로 플랫폼에 송신하고 자율운항 알고리즘 상 도착점 도착을 알리는 시점의 GPS좌표와 원 목표 GPS 좌표간 거리를 계산하여 5m 이내이면 성공으로 판정
- 2곳의 웨이포인트를 선정하여 시험 진행
- 선박이 설정된 웨이포인트에 대해 원형 범위 5m 이내로 진입 성공
- 선박 무인화 핸들 및 레버 제어 인증 시험 진행
- 구성된 핸들과 레버의 성능과 정밀도를 검증하여 단위 조절에 대한 평가 진행
- 해당 선박 콘트롤러 SYS 구성에 대한 설계도면 및 육안확인을 통한 실 기능여부 일치 확인
- 해상 장거리 통신 거리에 대한 공인 인증 시험 진행
- 계획서 상으로 수립된 해상 5km 거리를 위해 명지 오션 시티 쪽 산책로와 눌차도 쪽 방파제 부근을 직선으로 연결하여 5km 환경 구성
- 이후 안테나 및 이더넷 통신을 통한 해상 5km 통신 거리 구현 및 인증 진행
○ 무인 조타 시스템의 선박 적용
- 완성된 시스템 장착을 통한 선박 운용 테스트
- 무인 운항 및 웨이 포인트 운항 진행
- 무인 조타 장치 및 레버 작동 확인
- 안전 검사 테스트 진행
- 정해진 웨이 포인트에 맞춘 경로 운항 테스트 진행
- 운항 기록을 위한 내외 촬영 진행
- 조타 및 레버, 핸들 테스트 영상
- 조타에 맞춘 운항 테스트 확인
