9.6 월드 좌표계, 로봇 좌표계, 센서 좌표계의 정의

9.6 월드 좌표계, 로봇 좌표계, 센서 좌표계의 정의

1. 좌표계 계층의 필요성

로봇 시스템은 다수의 좌표계를 계층적으로 구성하여 운용한다. 각 좌표계는 특정 목적과 관점을 반영하며, 이들 사이의 변환 관계가 로봇의 모든 기하학적 연산을 매개한다. 좌표계의 명확한 정의와 일관된 사용이 로봇 공학 시스템 설계의 기본 원칙이다.

2. 월드 좌표계(World Frame)

2.1 정의

월드 좌표계 \{W\}는 로봇이 운용되는 전체 환경에 대한 고정된 기준 좌표계이다. 보통 환경의 어떤 점을 원점으로 하고, 좌표축의 방향은 작업의 성격에 맞게 설정된다.

2.2 축의 관례적 방향

z축 상방(z-up): z축이 수직 상방, xy평면이 수평면. 이동 로봇, 매니퓰레이터에서 표준적이다.

y축 상방(y-up): 일부 컴퓨터 그래픽스 시스템에서 사용. 로봇 공학에서는 드물다.

동북상(ENU, East-North-Up): 자율 비행과 지상 내비게이션에서 사용. x가 동쪽, y가 북쪽, z가 상방이다.

북동하(NED, North-East-Down): 항공 분야의 관례. x가 북쪽, y가 동쪽, z가 하방이다.

2.3 관성 좌표계와의 관계

월드 좌표계는 실용적으로 관성 기준 프레임으로 취급된다. 엄밀하게는 지구의 자전 때문에 비관성이지만, 대부분의 지상 로봇 응용에서 이 효과는 무시된다. 정밀 항법이나 장거리 비행에서는 지구 중심 관성(ECI) 좌표계가 사용된다.

3. 로봇 좌표계(Robot Frame / Body Frame)

3.1 정의

로봇 좌표계 \{R\} 또는 \{B\}는 로봇 본체에 고정된 좌표계이다. 로봇이 이동할 때 좌표계도 함께 이동한다. 로봇의 관점에서 주변 공간을 기술한다.

3.2 원점과 축의 설정

원점: 로봇의 기하학적 중심, 무게 중심, 또는 특정 기준점(바퀴 사이의 중점, 몸체 후면 등)이 선택된다.

축:

  • x축 전방(x-forward): 로봇의 진행 방향. 이동 로봇에서 표준
  • y축 좌측(y-left): 로봇의 왼쪽
  • z축 상방(z-up): 수직 상방

이 관례는 (x, y, z) = (\text{전방}, \text{좌측}, \text{상방})으로 “FLU(Forward-Left-Up)“라 불린다. 항공 분야에서는 FRD(Forward-Right-Down)가 사용된다.

3.3 월드와의 관계

로봇 좌표계에서 월드 좌표계로의 변환 {}^W_R\mathbf{T}가 로봇의 “자세(pose)“를 정의한다. 위치 추정 문제는 이 변환을 추정하는 것이다.

4. 센서 좌표계(Sensor Frame)

각 센서에 고정된 좌표계이다. 센서의 물리적 특성에 따라 축 방향이 결정된다.

4.1 카메라 좌표계

표준 카메라 좌표계(OpenCV 관례):

  • z축: 광축 방향(카메라가 보는 방향)
  • x축: 영상의 오른쪽(수평)
  • y축: 영상의 아래쪽(수직)

원점은 카메라의 광학 중심(핀홀 모델의 초점)이다.

4.2 라이다 좌표계

회전형 라이다:

  • z축: 회전축 (수직)
  • x축: 0도 방위각의 방향
  • y축: 오른손 법칙에 의해

원점은 라이다의 회전 중심이다.

4.3 IMU 좌표계

관성 측정 장치는 가속도계와 자이로스코프의 축과 정렬된 좌표계를 갖는다. 센서 제조사의 데이터시트에 축 방향이 명시되어 있으며, 장착 시 이를 정확히 맞추어야 한다.

4.4 접촉 센서 좌표계

힘/토크 센서는 측정 축의 방향이 센서 본체에 고정되어 있다.

5. 좌표계의 계층 관계

로봇 시스템의 좌표계는 트리 구조로 조직된다.

{W} (World)
  └── {R} (Robot Body)
        ├── {C} (Camera)
        ├── {L} (Lidar)
        ├── {I} (IMU)
        └── {E} (End-Effector, 매니퓰레이터의 경우)
              └── {T} (Tool)

각 에지는 변환 {}^{\text{parent}}_{\text{child}}\mathbf{T}를 나타낸다. 두 임의의 좌표계 사이의 변환은 트리를 따라가며 합성으로 계산된다.

6. 외부 파라미터 캘리브레이션(Extrinsic Calibration)

센서 좌표계와 로봇 좌표계 사이의 변환을 정확히 측정하는 과정을 외부 캘리브레이션이라 한다. 대표적 사례:

카메라-로봇 캘리브레이션: AX = XB 문제로 알려진 핸드-아이 캘리브레이션.

LiDAR-카메라 캘리브레이션: 두 센서가 공통 대상(체커보드 등)을 관측하여 변환을 추정.

IMU-카메라 캘리브레이션: Kalibr 등의 오픈 소스 도구가 대표적.

외부 파라미터의 부정확성은 센서 융합에서 일관성 없는 결과를 야기하므로, 정밀한 캘리브레이션이 필수적이다.

7. ROS의 tf 프레임워크

ROS(Robot Operating System)의 tf 라이브러리는 좌표계의 동적 관리를 제공한다. 각 좌표계가 노드로, 변환이 에지로 표현되는 트리 구조를 유지하며, 임의의 시각에 두 좌표계 사이의 변환을 조회할 수 있다. 이는 복잡한 로봇 시스템의 좌표계 관리를 체계화하는 표준 도구이다.

8. 참고 문헌

  • Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2009). Robotics: Modelling, Planning and Control. Springer.
  • Craig, J. J. (2018). Introduction to Robotics: Mechanics and Control (4th ed.). Pearson.
  • Furgale, P., Rehder, J., & Siegwart, R. (2013). “Unified Temporal and Spatial Calibration for Multi-Sensor Systems.” Proceedings of IROS, 1280–1286.

version: 1.0