31.37 DH 매개변수의 보정(Calibration) 방법론

DH 매개변수의 보정(calibration)은 로봇의 실제 기구학적 구조와 명목 DH 매개변수 사이의 오류를 식별하고 수정하여 로봇의 정밀도를 향상시키는 학술적·실무적 절차이다. 본 절에서는 DH 매개변수의 보정 방법론을 체계적으로 다룬다.

1. 보정의 학술적 정의

1.1 보정의 목표

보정의 목표는 로봇의 엔드 이펙터 절대 위치와 자세의 정밀도를 향상시키는 것이다. 이는 DH 매개변수의 정밀화를 통해 달성된다.

1.2 4단계 보정 절차

일반적 보정 절차는 다음의 4단계로 구성된다. 첫째, 모델링. 둘째, 측정. 셋째, 매개변수 식별. 넷째, 보정의 구현(제어 시스템에의 반영).

1.3 국제 표준

ISO 9283:1998 표준은 로봇의 성능 측정과 보정의 국제 표준을 제공한다.

2. 모델링 단계

2.1 매개변수 모델

보정을 위한 기구학적 모델은 DH 매개변수에 오류 매개변수를 추가한 확장 모델이다.

$\mathbf{T}_i = \mathbf{T}_i^{\text{nominal}} \cdot \Delta\mathbf{T}_i(\Delta\vec{\pi}_i)$

31.37.2.2 오류 매개변수

각 DH 매개변수에 대한 오류 $\Delta a, \Delta\alpha, \Delta d, \Delta\theta$ 가 오류 매개변수이다. 관절 $n$ 의 로봇은 $4n$ 개의 오류 매개변수를 가진다.

31.37.2.3 추가 오류

베이스 오프셋, 도구 오프셋, 관절 한계 등의 추가 오류가 모델에 포함될 수 있다.

31.37.3 측정 단계

31.37.3.1 측정 장비

엔드 이펙터의 자세를 정밀 측정하는 장비가 필요하다. 레이저 트래커, 광학 측정 시스템, 좌표 측정기 등이 활용된다.

31.37.3.2 측정 자세

보정을 위한 측정 자세는 관측 가능성을 최대화하도록 설계된다. 일반적으로 수십 개의 다양한 자세에서 측정한다.

31.37.3.3 자료 수집

각 자세에서 관절 변수 $\vec{q}_i$ 와 엔드 이펙터의 측정 자세 $\mathbf{T}_i^{\text{measured}}$ 를 기록한다.

31.37.4 식별 단계

31.37.4.1 목적 함수

보정의 목적 함수는 측정 자세와 모델 자세의 오차 제곱의 합이다.

$J(\Delta\vec{\pi}) = \sum_{i} \|\mathbf{T}_i^{\text{measured}} - \mathbf{T}_i(\vec{q}_i, \vec{\pi}^{\text{nominal}} + \Delta\vec{\pi})\|^2$

2.2 자코비안 기반 방법

목적 함수의 매개변수에 대한 자코비안(감도 행렬)을 활용하여 최적화 문제를 풀 수 있다. 선형화된 모델에서는 최소 제곱법이 적용된다.

$\Delta\vec{\pi}^* = (\mathbf{S}^\top \mathbf{S})^{-1} \mathbf{S}^\top \Delta\vec{x}$

31.37.4.3 반복적 개선

비선형성으로 인해 반복적 개선이 필요하다. 가우스-뉴턴 방법 또는 레벤버그-마콰르트 방법이 활용된다.

31.37.5 보정 구현 단계

31.37.5.1 매개변수 업데이트

식별된 오류 매개변수를 명목 매개변수에 더하여 보정된 매개변수를 얻는다.

$\vec{\pi}^{\text{calibrated}} = \vec{\pi}^{\text{nominal}} + \Delta\vec{\pi}^*$

2.3 제어 시스템 반영

보정된 매개변수를 로봇 제어 시스템의 순기구학과 역기구학 모델에 반영한다.

2.4 성능 검증

보정 후 로봇의 엔드 이펙터 정밀도를 측정하여 보정의 효과를 검증한다.

3. 외부 자세 측정 보정

3.1 자세 측정 기반

외부 자세 측정 기반 보정은 레이저 트래커 등으로 엔드 이펙터의 자세를 직접 측정하여 보정하는 방법이다.

3.2 장점

완전한 6자유도 자세를 측정하므로 모든 오류 매개변수를 식별할 수 있다.

3.3 단점

고가의 측정 장비가 필요하며, 측정 시간이 오래 걸린다.

4. 위치 측정 기반 보정

4.1 위치만 측정

엔드 이펙터의 위치만 측정하는 방법이다. 자세 측정이 어려운 경우에 활용된다.

4.2 관측 가능성 감소

자세 정보가 없으므로 일부 오류 매개변수의 관측 가능성이 감소한다.

4.3 실무적 선택

측정 장비의 제약에 따라 실무적으로 선택된다.

5. 자기 보정

5.1 폐쇄 루프 보정

로봇의 여러 부분을 서로 고정하여 폐쇄 루프를 형성하고, 이 루프의 구속 조건을 활용하여 보정하는 방법이다.

5.2 외부 장비 불필요

자기 보정(self-calibration)은 외부 측정 장비가 없이 로봇 자체로 보정할 수 있다는 장점이 있다.

5.3 관측 가능성의 한계

일부 매개변수는 자기 보정으로 식별 불가능하다.

6. 보정의 학술적 도구

6.1 구형 팁 접촉법

엔드 이펙터의 구형 팁을 고정된 참조점에 접촉시키는 방법이다. 위치 측정에 활용된다.

6.2 시각 보정

카메라를 활용한 시각 보정은 엔드 이펙터의 마커를 추적하여 자세를 측정한다.

6.3 평면 접촉법

엔드 이펙터가 기준 평면에 접촉하는 조건을 활용하는 방법이다.

7. 학술적 활용

본 절에서 다룬 DH 매개변수의 보정 방법론은 산업용 로봇의 정밀도 보장, 학술 연구용 로봇의 성능 향상, 그리고 다양한 응용(수술 로봇, 정밀 조립, 항공 제조)의 학술적 기반이 된다.

8. 출처

Mooring, B. W., Roth, Z. S., and Driels, M. R., Fundamentals of Manipulator Calibration, Wiley, 1991.
Stone, H. W., Kinematic Modeling, Identification, and Control of Robotic Manipulators, Kluwer, 1987.
Khalil, W. and Dombre, E., Modeling, Identification and Control of Robots, Hermes Penton Science, 2002.
Roth, Z. S., Mooring, B. W., and Ravani, B., “An overview of robot calibration”, IEEE Journal on Robotics and Automation, Vol. 3, No. 5, pp. 377–385, 1987.
International Organization for Standardization (ISO), ISO 9283:1998, Manipulating industrial robots – Performance criteria and related test methods, 1998.

9. 버전

문서 버전: 1.0
작성일: 2026-04-18