13.4. PX4 펌웨어 파라미터 튜닝 및 EKF2(Estimator) 통합(Fusion) 소스 코드 분석

13.4. PX4 펌웨어 파라미터 튜닝 및 EKF2(Estimator) 통합(Fusion) 소스 코드 분석

RTK GNSS 하드웨어와 관제 통신망(NTRIP 등)이 완벽하게 구축되어 밀리미터 단위의 정밀 좌표가 드론 안으로 인입(Inject)되더라도, 비행 제어기(FC) 펌웨어가 이 고급 데이터를 소화하지 못하면 한낱 무용지물에 불과하다.

PX4-Autopilot 생태계의 두뇌 역할을 하는 상태 추정기(Estimator)인 EKF2(Extended Kalman Filter) 는 단순히 GPS 좌표를 맹신하는 모듈이 아니다. 자이로스코프, 가속도계, 기압계, 지자기 센서, 그리고 RTK GPS라는 서로 다른 대역폭과 노이즈 특성을 가진 다중 센서 데이터를 통계학적으로 ’융합(Fusion)’하여 가장 확률이 높은 현재 상태(X, Y, Z, 속도, 자세 각도)를 추론해 낸다.

본 절에서는 단일/듀얼 RTK 시스템을 PX4 기체에 이식했을 때 반드시 선행되어야 하는 핵심 파라미터(Parameter)의 튜닝 기법을 살펴고, EKF2 인스턴스가 C++ 소스 코드 레벨에서 GPS 관측치(Observation)를 어떻게 비트마스크(Bitmask)로 파싱하고 필터에 태우는지 그 아키텍처를 심도 있게 분석한다.

1. EKF2 (Extended Kalman Filter) GPS 융합의 철학

기본적으로 EKF2는 ’예측(Prediction)’과 ‘보정(Correction)’ 사이클로 무한히 회전한다.

  • 예측: 주파수가 매우 빠른(400\text{Hz} \sim 800\text{Hz}) 관성 측정 장치(IMU)를 이용해 찰나의 기체 움직임을 적분하여 현재 위치를 예상한다.
  • 보정: 주파수는 느리지만(5\text{Hz} \sim 10\text{Hz}) 절대적인 참값에 가까운 GPS 데이터를 받아, 앞서 예측한 위치와 비교하여 오차(Innovation)를 추출하고 필터의 상태 벡터(State Vector)를 갱신한다.

일반 GPS는 오차가 수 미터에 달하므로 필터 업데이트의 가중치(Kalman Gain)가 낮지만, RTK Fixed 모드의 보정 데이터는 가중치가 매우 강력하게 부여되어 IMU의 드리프트(Drift)를 칼같이 잡아낸다.

2. RTK 인프라 통합 단계별 파라미터(Parameter) 튜닝 가이드

최신 버전(예: PX4 v1.14 이상)에서 EKF2를 RTK 모드에 맞게 튜닝한다는 것은 단순히 스위치를 “On“으로 켜는 것이 아니다. 각 센서의 기하학적 배치 좌표를 정의하고, 센서 간의 신뢰도(Weight)를 계량하는 작업이다.

2.1 GPS 포트 및 프로토콜 기본 인터페이스

가장 먼저 PX4 내장 gps 드라이버 데몬이 하드웨어를 인식하게 만들어야 한다.

  • GPS_1_CONFIG: 1번 GPS가 연결된 시리얼 포트(예: GPS 1 또는 TELEM 1)를 할당한다. 만약 포트가 열리지 않으면 부팅 과정에서 드라이버 자체가 실행되지 않는다.
  • GPS_1_PROTOCOL: 패킷 파서(Parser)를 지정한다. u-blox 칩셋 기반이면 1 (UBX)를 선택한다. NMEA 포맷으로 파싱할 경우 2 로 둔다.

2.2 기구학적 레버암 (Lever Arm) 보상

FC(Pixhawk) 모듈의 중심점(Center of Gravity, CoG)과 안테나의 위상 중심점(Phase Center)이 물리적으로 떨어져 있을 때, 기체가 롤(Roll)을 치면 안테나의 궤적은 FC 중심점 궤적보다 크게 요동친다. 이를 수학적으로 무효화하는 것을 레버암 보상이라 한다.

  • EKF2_GPS_POS_X: FC 중심점 대비 GPS 안테나의 X축(전방) 거리 벡터.
  • EKF2_GPS_POS_Y: Y축(우측) 거리 벡터.
  • EKF2_GPS_POS_Z: Z축(하단) 거리 벡터. 주의: 항구적 Z축 기준은 하단(Down) 방향이 (+)이므로, 안테나가 FC보다 “위“에 설치되어 있으면 이 값은 반드시 음수(Negative) 값(예: -0.15\text{ m})을 가져야 한다.

2.3 RTK 위상 데이터(Phase Data) 활성화 체계

정밀 측위를 위해 EKF2가 3D 위치뿐만 아니라 GPS 모듈이 도출해 낸 반송파 위상(Carrier-phase) 기반의 고정밀 속도 벡터마저 필터에 삼키도록 세팅한다.

  • EKF2_GPS_CTRL: GPS 데이터의 어떠한 특성을 EKF 상태 보정에 사용할지 32비트 비트마스크(Bitmask)로 결정하는 가장 핵심적인 파라미터이다.
  • 비트 0: 3D 위치 융합(Position Fusion)
  • 비트 1: 3D 속도 융합(Velocity Fusion)
  • 비트 2: 단일 안테나 전방 향상(Heading) 융합
  • 비트 3: 듀얼 안테나 요(Yaw) 융합 - Moving Base 관련 설정 시 활성화

전형적인 고성능 싱글 RTK 체계 구성을 위해서는 위치와 속도를 모두 수용하기 위해 해당 파라미터에 값을 부여해야 한다.

3. C++ 레벨의 EKF2 센서 데이터 인입(Injection) 루틴

그렇다면 QGC나 QML UI에서 파라미터를 세팅했을 때, 코드에서는 어떤 일이 벌어지는가?

PX4 소스 체인망에서 센서 데이터가 EKF2의 칼만 필터 수학 논리 코어까지 전달되는 파이프라인의 핵심은 uORB (Micro Object Request Broker) 통신망과 ekf2 모듈 폴더 내에 위치한 인스턴스 인터페이스 클래스들이다.

  1. 드라이버 계층 (src/drivers/gps/):
    드론의 Serial 포트로 아스키코드와 헥스(Hex) 바이트들이 들어오면, gps/devices/src/ubx.cpp (UBX 드라이버 기준) 클래스가 동작한다. 이곳에서 UBX-NAV-RELPOSNED, UBX-NAV-PVT 패킷 파싱 구문이 돌면서 \text{cm} 단위 오차반경, 3D 속도 행렬들을 뽑아낸 뒤 이를 uORB 주제인 sensor_gps 구조체 메시지로 Publish 한다.

  2. 수광부 및 딜레이 보상 계층 (src/modules/ekf2/Ekf2.cpp):
    EKF2 인스턴스의 Main 루프는 sensor_gps 데이터를 Subscribe 한다. 여기서 곧장 Kalman Equation으로 진입하지 않는 것이 중요하다. GPS 데이터는 필연적으로 연산/전송 지연(\approx 100\text{ ms})이 깔려 있으므로, EKF 핵심 엔진 속의 링 버퍼(Ring Buffer)에 과거 타임스탬프로 밀어 넣은 다음(Delayed Insertion), IMU 데이터를 통한 상태 벡터를 ’타임머신’처럼 뒤로 감아 재추정하고(Rewound) 현재 시점까지 다시 적분하여 가져오는 시간 일치성(Time-synchronization) 연산을 수행한다.

  3. 메인 융합 방정식 (src/lib/ecl/EKF/gps_control.cpp):
    이곳이 EKF2 수학 방정식의 심장부이다. EKF2_GPS_CTRL 비트마스크 변수를 확인하여 해당 관측치(Z 행렬)의 사용 처리가 허가되어있다면, GPS 고도 분산(epv)과 수평 분산(eph) 수치를 기반으로 측정 노이즈 공분산 행렬(R)을 역산한다. 이후 잔차(Residual)인 y = z - Hx 를 구성하고, 칼만 이득(Kalman Gain) K 를 획득함으로써 최종 오차를 억제한다.

요약하자면, PX4에 정밀 GPS를 올린다는 것은 “하드웨어를 달았으니 성능이 좋아진다“라는 결과론적 행위가 아니다. 엔지니어는 기계학적 레버암 편차를 EKF2_GPS_POS 파라미터로 상쇄시키고, 통계학적 노이즈를 EKF2_GPS_CTRL 비트 연산으로 필터링하도록 펌웨어의 수학적 인지계를 튜닝(Tuning)하는 정교한 외과 수술을 집도하는 것이다.