1조 쉬러왔서영

---

Index

• 프로젝트 소개
  • 프로젝트 기간
  • 기술 스택
  • 팀원 역할
• 프로젝트 설계
  • 시스템 구성
  • 기능 리스트
  • Map
  • 데이터 구조
  • GUI
• 다중 로봇 제어
  • Multi-Robot Control
  • Task Planning
    • 작업 요청 시나리오
    • 작업 스케줄링 시나리오
    • 작업 수행 시나리오
• Navigation
  • A* Path Planning
  • 이슈 처리
• 딥러닝 요소
  • Human Following Robot
  • 쓰러진 보행자 인식
• 결론
  • 시연 영상
  • 결과 요약
  • 회고
  • 발표자료
• 실행 방법
  • 공통
  • 다중 로봇
  • Human Following
  • 보행자 쓰러짐 인식 기능

---

프로젝트 소개

요양원 업무 보조를 위한 다중 주행 로봇 제어 시스템

프로젝트 기간

2023.12.26 ~ 2024.01.25

기술 스택

개발환경
기술
커뮤니케이션

팀원 역할

구분	이름	역할
팀장	조태상	Map 구축, SLAM, Camera Calibration, Aruco Marker Detection
팀원	강소희	GUI 설계 및 디자인, Map 구축
팀원	강한얼	딥러닝 활용 Following mode, 보행자 쓰러짐 인식 기능 개발
팀원	문서영	Map 구축, SLAM, 딥러닝 활용 Following mode
팀원	오윤	Multi Robot Control, Task Planning, DB Query/Procedure 작성, GUI 경로 표시, BT 수정
팀원	조홍기	A* Path Planning, 로봇 주행, Multi Robot Spawn 시도

---

프로젝트 설계

시스템 구성

기능 리스트

Map

데이터 구조

GUI

---

다중 로봇 제어

Multi-Robot Control

Task Planning

작업 요청 시나리오

작업 스케줄링 시나리오

작업 수행 시나리오

---

Navigation

A* Path Planning

• Sequence Diagram

이슈 처리

• 안전 주행을 위한 장애물 Padding 처리

- Behavior Tree 개선 및 cmd_vel 조정을 통한 Timeout 상태 탈출

---

딥러닝 요소

Human Following Robot

Components	Model	Training
Object detection model	YOLOv8n	From scratch
CNN model	MobileNet-V3	From scratch

특정 사람 지정하여 following

• 지정한 사람의 이미지를 캡쳐하고, pre-trained 모델의 feature extractore의 output을 anchor로 사용
• 탐지된 객체의 feature vector를 anchor와 cosine 유사도를 비교
• 일정 수준 이상의 가장 유사도가 높은 객체를 지정한 대상으로 판단

손 동작을 사용한 following 모드 변경

• "Open palm" 동작으로 following 모드를 끔
• "Finger snap" 동작으로 following 모드를 킴

보행자 쓰러짐 인식

CCTV 영상 속 보행자 쓰러짐을 감지하여 GUI에 긴급상황을 표시함

Components	Model	Training
Human pose estimation model	Mediapipe	Pre-trained
Action recognition model	LSTM	From scratch

---

결론

시연 영상

결과 요약

• __Navigation

  • A* Path Planning
  • 장애물 Padding, 오차 보정을 통한 안전하고 정확한 주행
  • Behavior Tree를 사용하여 동적/정적 장애물 회피 및 고착 상태 탈출

• 다중 로봇 제어

  • 서로 다른 도메인ID 간 통신 가능하게 하여 하나의 맵에서 다수의 로봇을 제어
  • 로봇 상태별 스케줄링

• 딥러닝 요소

  • 딥러닝 기반의 영상 인식을 활용한 사람 추적 및 보행자 쓰러짐 인식 기능

회고

• 보다 다양한 시나리오에서 장애물 회피 로직을 구현해보고 싶습니다.
• 라이다와 엔코더 이외에도 여러 개의 센서를 사용하여 Localization에 활용해보고 싶습니다.
• Jira, Confluence 등의 협업 툴을 사용해보는 기회가 되었습니다.
• ROS2 topic을 통해 GUI로 다양한 기능을 보여줄 수 있어 재밌었습니다.

발표자료

https://docs.google.com/presentation/d/1JA80CWg-Doe3NlXZKzBihne2yhNvz5CSX7nk5qTw1c4/edit?usp=sharing

---

실행 방법

공통

• ROS2의 humble 버전을 설치하여 사용했습니다.
• 핑크랩의 미니봇 하드웨어와 소스코드(https://github.com/PinkWink/pinklab_minibot_robot) 를 사용했습니다.
  • minibot_bringup/scripts 파일로 udev를 설정했습니다.
• 모터 컨트롤을 위해 핑크랩의 아두이노 코드(https://github.com/PinkWink/pinklab_minibot_robot_firmware) 를 사용했습니다.
• LiDAR 사용을 위해 안병규님이 수정하신 driver(https://github.com/byeongkyu/ydlidar_ros2_driver) 를 사용했습니다.
• 미니봇을 구동하기 위해 Ubuntu 22.04를 설치한 라즈베리파이와 PC를 사용했습니다.
• 사용되는 모든 PC/라즈베리파이는 ROS2 통신을 위해 동일한 네트워크에 접속했습니다.
• 프로젝트를 클론한 후, nursing_home 디렉토리에서 빌드해주세요.

git clone https://github.com/addinedu-ros-3rd/ros-repo-1.git
cd ros-repo-1/nursing_home
colcon build
source ./install/local_setup.bash

다중 로봇

1) DB 접속

• nursing_home/src/main_pkg/utils 경로에 config.ini 파일 생성

[dev]
host = DB Host
port = DB port
user = DB user
password = DB password
database = DB database name

• 해당 DB에 Table/Procedure 가져오기

source create_and_init.sql

2) ROS_DOMAIN_ID 및 ROS2 환경 접속 설정

프로젝트 루트에 있는 bridge_config.yaml 설정을 그대로 사용한다면
다음 내용을 ~/.bashrc 파일에 추가한 다음 source ~/.bashrc 하면 됩니다.

• 관제 PC

export ROS_DOMAIN_ID = 91
source /opt/ros/humble/setup.bash
source ~/nursing_home/install/local_setup.bash

• 로봇1 라즈베리파이

export ROS_DOMAIN_ID = 93
source /opt/ros/humble/setup.bash
source ~/pinkbot/install/local_setup.bash

• 로봇1 PC

export ROS_DOMAIN_ID = 93
source /opt/ros/humble/setup.bash
source ~/pinkbot/install/local_setup.bash
source ~/nursing_home/install/local_setup.bash

• 로봇2 라즈베리파이

export ROS_DOMAIN_ID = 94
source /opt/ros/humble/setup.bash
source ~/pinkbot/install/local_setup.bash

• 로봇2 PC

export ROS_DOMAIN_ID = 94
source /opt/ros/humble/setup.bash
source ~/pinkbot/install/local_setup.bash
source ~/nursing_home/install/local_setup.bash

• 로봇3 라즈베리파이

export ROS_DOMAIN_ID = 97
source /opt/ros/humble/setup.bash
source ~/pinkbot/install/local_setup.bash

• 로봇3 PC

export ROS_DOMAIN_ID = 97
source /opt/ros/humble/setup.bash
source ~/pinkbot/install/local_setup.bash
source ~/nursing_home/install/local_setup.bash

3) 라즈베리파이: 로봇 실행 + 카메라 실행

• 터미널 1

ros2 launch minibot_bringup bringup_robot.launch.py

• 터미널 2

sudo chmod 777 /dev/video0
ros2 run v4l2_camera v4l2_camera_node

4) 로봇PC: 주행 실행(yaml파일 경로: nursing_home/src/main_pkg/map)

• 터미널 1

ros2 launch minibot_navigation2 bringup_launch.py map:=home.yaml

• 터미널 2

ros2 run robot_pkg robot_controller

5) 관제PC: GUI/메인컨트롤러 실행

• 터미널 1

ros2 run main_pkg main_controller

• 터미널 2

ros2 run ui_pkg monitoring

• 터미널 3 (domain bridge 설치 관련 참고: https://github.com/ros2/domain_bridge)

sudo apt install ros-humble-domain-bridge
ros2 run domain_bridge domain_bridge bridge_config.yaml

Human Following

• Robot

# 터미널1: Start robot
ros2 launch minibot_bringup bringup_robot.launch.py

# 터미널2: Start robot camera
ros2 launch minibot_bringup camera.launch.py

• PC

# 터미널1 : Multi-person tracker
ros2 run follow_dl_pkg multi_person_tracker

# 터미널2 : Hand gesture recognizer
ros2 run follow_dl_pkg hand_recognizer

# 터미널3 : Image capture
ros2 run follow_dl_pkg img_saver

보행자 쓰러짐 인식 기능

# 터미널1: Action recognition
ros2 run dl_pkg action_predicto

# 터미널2 : GUI
ros2 run ui_pkg monitoring