센서와 Gazebo의 연동 - 실험 도서관

Gazebo와 SDF 센서의 기본 연동 원리

Gazebo는 로봇의 시뮬레이션뿐만 아니라 다양한 환경 및 센서 시뮬레이션을 지원하는 강력한 시뮬레이션 플랫폼이다. SDF(Simulation Description Format)는 Gazebo에서 사용되는 파일 포맷으로, 로봇의 물리적 특성, 동작, 그리고 센서 설정 등을 정의할 수 있다. Gazebo는 SDF 파일을 기반으로 로봇과 센서를 정의하고 시뮬레이션을 수행한다.

센서와 Gazebo의 연동을 위해서는 기본적으로 SDF 파일 내에서 센서를 정의해야 하며, 그 센서가 로봇 모델에 연결된 형태로 구성되어야 한다. 이는 SDF 파일에서 <sensor> 태그를 사용하여 설정할 수 있으며, 센서의 위치, 방향, 주기, 그리고 기타 특성들을 정의하는 것이 중요하다.

센서 태그 구조

SDF에서 센서를 정의할 때는 다음과 같은 기본 구조가 필요하다:

<sensor name="sensor_name" type="sensor_type">
    <pose> X Y Z R P Y </pose>
    <update_rate>rate_in_hz</update_rate>
    <plugin name="plugin_name" filename="plugin_file_name"/>
</sensor>

name: 센서의 이름을 정의.
type: 센서의 유형을 정의. 예: 카메라, LIDAR, IMU 등.
pose: 센서의 위치와 방향을 설정. 이때, X, Y, Z는 센서의 위치를 나타내며, R, P, Y는 롤, 피치, 요각으로 회전 방향을 나타낸다.
update_rate: 센서의 갱신 주기를 Hz 단위로 설정.
plugin: 센서와의 인터페이스를 제공하는 플러그인을 설정.

센서 데이터 흐름

Gazebo에서 센서와의 연동은 크게 세 가지 흐름으로 나눌 수 있다:

센서 데이터 생성: Gazebo의 물리 엔진은 시뮬레이션 환경에서 센서가 받아들이는 데이터를 계산한다. 예를 들어, LIDAR는 시뮬레이션 공간에서 물체와의 거리를 측정하고, 카메라는 이미지 데이터를 생성한다.
센서 플러그인 호출: 센서에서 생성된 데이터는 Gazebo의 플러그인에 의해 처리된다. 플러그인은 데이터를 필요한 형태로 가공하거나, 필요한 연산을 수행한 후 외부 프로그램(예: ROS)으로 전달한다.
ROS와의 연동: 센서 데이터를 Gazebo에서 ROS로 전달하려면, ROS 플러그인을 사용하여 Gazebo와 ROS 사이에 메시지를 주고받는 구조를 만들어야 한다. 이를 통해 센서 데이터는 실시간으로 ROS 토픽을 통해 퍼블리시되며, 필요한 노드에서 구독할 수 있다.

센서의 위치와 방향 정의

센서의 위치와 방향은 Gazebo에서 매우 중요한 요소이다. 잘못된 위치와 방향 정의는 시뮬레이션에서 부정확한 데이터를 생성할 수 있다. SDF에서는 센서의 위치와 방향을 pose 태그를 사용하여 정의하며, 이때 X, Y, Z 좌표와 R, P, Y 각도로 정의된다.

예를 들어, 센서가 로봇의 중심에서 0.1m 위쪽에 있고, 회전 없이 배치된 경우 다음과 같이 작성할 수 있다:

<pose> 0 0 0.1 0 0 0 </pose>

여기서 0 0 0.1은 센서가 로봇의 중심에서 Z축 방향으로 0.1m 떨어진 위치에 있음을 나타내고, 0 0 0은 센서가 회전하지 않았음을 의미한다.

LIDAR와 Gazebo의 연동

LIDAR는 자주 사용되는 센서 중 하나이며, Gazebo에서 시뮬레이션할 때 자주 연동된다. SDF 파일에서 LIDAR를 정의할 때는 type을 ray로 설정하며, 레이의 각도 범위, 해상도, 최대 및 최소 거리 등의 특성을 정의할 수 있다.

LIDAR 설정의 기본 구조는 다음과 같다:

<sensor name="lidar" type="ray">
    <pose>0 0 0.1 0 0 0</pose>
    <ray>
        <scan>
            <horizontal>
                <samples>640</samples>
                <resolution>1</resolution>
                <min_angle>-1.57</min_angle>
                <max_angle>1.57</max_angle>
            </horizontal>
        </scan>
        <range>
            <min>0.0</min>
            <max>10.0</max>
        </range>
    </ray>
    <update_rate>30</update_rate>
</sensor>

위 예제에서 min_angle과 max_angle은 레이의 스캔 범위를 정의하며, samples는 스캔할 포인트 수를 설정한다. range 태그를 사용하여 센서가 감지할 수 있는 거리 범위를 설정할 수 있다. Gazebo는 이러한 설정을 바탕으로 레이 데이터를 생성하며, 이를 바탕으로 LIDAR 센서가 감지하는 데이터를 시뮬레이션한다.

카메라와 Gazebo의 연동

카메라는 시뮬레이션에서 자주 사용되는 시각 센서 중 하나이다. Gazebo와의 연동을 위해서는 SDF 파일에서 카메라 센서를 정의해야 하며, 카메라의 해상도, 시야각(FOV), 프레임률 등의 특성을 설정할 수 있다.

SDF에서 카메라를 설정하는 기본 구조는 다음과 같다:

<sensor name="camera" type="camera">
    <pose>0 0 0.2 0 0 0</pose>
    <camera>
        <horizontal_fov>1.047</horizontal_fov>
        <image>
            <width>640</width>
            <height>480</height>
            <format>R8G8B8</format>
        </image>
        <clip>
            <near>0.1</near>
            <far>100</far>
        </clip>
    </camera>
    <update_rate>30</update_rate>
</sensor>

위 예제에서 horizontal_fov는 카메라의 수평 시야각을 라디안 단위로 정의한다. image 태그 내에서 카메라의 이미지 해상도(width, height)를 설정할 수 있으며, format은 이미지의 색상 포맷을 지정한다. 또한 clip 태그를 통해 카메라가 감지할 수 있는 최소 및 최대 거리를 정의할 수 있다.

카메라의 위치와 방향은 pose 태그로 정의되며, 이전 예제와 마찬가지로 X, Y, Z 좌표와 R, P, Y 회전 각도로 설정된다. 예를 들어, 카메라가 로봇의 앞쪽을 향하도록 배치하려면 다음과 같이 정의할 수 있다:

<pose>0 0 0.2 0 0 1.57</pose>

이 경우 카메라는 Z축으로 0.2m 위에 배치되며, Y축을 기준으로 90도 회전하여 로봇의 앞쪽을 향하게 된다.

IMU와 Gazebo의 연동

IMU(Inertial Measurement Unit)는 관성 측정 장치로, 자이로스코프와 가속도계를 포함하여 로봇의 움직임을 측정하는 데 사용된다. SDF에서 IMU 센서를 정의할 때는 imu 타입을 사용하며, 가속도 및 각속도의 측정 범위와 주기를 설정할 수 있다.

IMU 설정의 기본 구조는 다음과 같다:

<sensor name="imu" type="imu">
    <pose>0 0 0.1 0 0 0</pose>
    <imu>
        <angular_velocity>
            <x>
                <noise>
                    <mean>0.0</mean>
                    <stddev>0.01</stddev>
                </noise>
            </x>
            <y>
                <noise>
                    <mean>0.0</mean>
                    <stddev>0.01</stddev>
                </noise>
            </y>
            <z>
                <noise>
                    <mean>0.0</mean>
                    <stddev>0.01</stddev>
                </noise>
            </z>
        </angular_velocity>
        <linear_acceleration>
            <x>
                <noise>
                    <mean>0.0</mean>
                    <stddev>0.1</stddev>
                </noise>
            </x>
            <y>
                <noise>
                    <mean>0.0</mean>
                    <stddev>0.1</stddev>
                </noise>
            </y>
            <z>
                <noise>
                    <mean>0.0</mean>
                    <stddev>0.1</stddev>
                </noise>
            </z>
        </linear_acceleration>
    </imu>
    <update_rate>50</update_rate>
</sensor>

위 예제에서 angular_velocity와 linear_acceleration 태그는 각각 각속도와 선형 가속도를 정의하며, noise 태그를 통해 각 측정값에 노이즈를 추가할 수 있다. 각 축(x, y, z)에 대해 평균(mean)과 표준편차(stddev)를 설정하여 시뮬레이션의 현실성을 높일 수 있다.

IMU 센서도 위치와 방향을 pose 태그로 정의하며, 로봇의 중심에 가까운 위치에 배치하는 것이 일반적이다.

센서 플러그인 연동

센서가 데이터를 생성한 후에는 이를 외부 프로그램(예: ROS)으로 전달하기 위해 플러그인을 사용하여 데이터를 퍼블리시할 수 있다. SDF 파일에서는 <plugin> 태그를 사용하여 특정 센서에 대한 플러그인을 설정할 수 있다. 예를 들어, ROS와의 연동을 위한 플러그인을 설정하려면 다음과 같이 작성할 수 있다:

<plugin name="ros_sensor_plugin" filename="libgazebo_ros_sensor.so">
    <robotNamespace>/my_robot</robotNamespace>
    <topicName>/sensor_data</topicName>
    <frameName>sensor_frame</frameName>
</plugin>

name: 플러그인의 이름을 정의.
filename: 플러그인의 라이브러리 파일명을 정의.
robotNamespace: ROS 네임스페이스 설정.
topicName: ROS에서 센서 데이터를 퍼블리시할 토픽 이름.
frameName: 센서의 프레임 이름 설정.

위 예제에서는 Gazebo에서 생성된 센서 데이터를 ROS의 /sensor_data 토픽으로 퍼블리시한다. 이를 통해 ROS에서 해당 토픽을 구독하여 센서 데이터를 실시간으로 처리할 수 있다.

Gazebo와 ROS의 센서 데이터 흐름

센서 데이터를 ROS와 연동하려면 Gazebo에서 센서의 플러그인을 통해 데이터를 ROS의 특정 토픽으로 퍼블리시해야 한다. 이 과정에서 중요한 요소는 각 센서에 대한 정확한 주기 설정, 좌표계 정의, 그리고 ROS에서 데이터의 형식을 일관성 있게 처리하는 것이다.

센서 데이터 퍼블리시

Gazebo와 ROS의 통합을 위해 가장 자주 사용되는 플러그인은 gazebo_ros_pkgs이며, 이를 통해 Gazebo에서 생성된 센서 데이터를 ROS 토픽으로 퍼블리시할 수 있다. 각 센서의 플러그인은 해당 센서의 특성에 맞는 데이터를 퍼블리시하도록 설정된다.

예를 들어, 카메라 센서의 경우 이미지 데이터를 퍼블리시하며, LIDAR는 포인트 클라우드(Point Cloud)를 퍼블리시한다. IMU의 경우 각속도와 가속도 데이터를 퍼블리시하는데, ROS에서는 이러한 데이터를 sensor_msgs/Imu 메시지 타입으로 처리한다.

카메라 데이터 퍼블리시 예시

카메라 센서를 ROS와 연동할 때, 다음과 같이 설정할 수 있다:

<plugin name="gazebo_ros_camera" filename="libgazebo_ros_camera.so">
    <alwaysOn>true</alwaysOn>
    <updateRate>30</updateRate>
    <cameraName>camera</cameraName>
    <imageTopicName>/camera/image_raw</imageTopicName>
    <cameraInfoTopicName>/camera/camera_info</cameraInfoTopicName>
    <frameName>camera_frame</frameName>
    <hackBaseline>0.07</hackBaseline>
    <robotNamespace>/my_robot</robotNamespace>
</plugin>

위 설정에서:

imageTopicName: 카메라 이미지 데이터를 퍼블리시할 ROS 토픽 이름. 이 예제에서는 /camera/image_raw로 설정된다.
cameraInfoTopicName: 카메라 정보(초점 거리, 해상도 등)를 퍼블리시할 토픽 이름.
frameName: ROS의 tf 프레임에서 카메라 센서가 위치할 좌표계의 이름.
robotNamespace: ROS의 네임스페이스 설정.

ROS는 /camera/image_raw 토픽을 구독하여 카메라에서 수집된 이미지 데이터를 처리할 수 있으며, 이를 통해 비전 기반의 로봇 제어 및 네비게이션을 구현할 수 있다.

LIDAR 데이터 퍼블리시 예시

LIDAR 센서를 ROS와 연동하려면 포인트 클라우드 데이터를 퍼블리시할 수 있도록 설정해야 한다. SDF에서 LIDAR 센서의 플러그인 설정은 다음과 같다:

<plugin name="gazebo_ros_laser" filename="libgazebo_ros_laser.so">
    <alwaysOn>true</alwaysOn>
    <updateRate>30</updateRate>
    <topicName>/scan</topicName>
    <frameName>lidar_frame</frameName>
    <robotNamespace>/my_robot</robotNamespace>
</plugin>

위 설정에서 topicName은 LIDAR 데이터를 퍼블리시할 토픽으로, 이 예제에서는 /scan으로 설정된다. ROS에서 sensor_msgs/LaserScan 메시지 타입으로 이 데이터를 구독할 수 있다.

IMU 데이터 퍼블리시 예시

IMU는 로봇의 관성 데이터를 제공하는 중요한 센서로, 자이로스코프와 가속도계의 데이터를 퍼블리시한다. SDF에서 IMU 센서의 플러그인 설정은 다음과 같다:

<plugin name="gazebo_ros_imu" filename="libgazebo_ros_imu.so">
    <alwaysOn>true</alwaysOn>
    <updateRate>100</updateRate>
    <topicName>/imu_data</topicName>
    <frameName>imu_frame</frameName>
    <robotNamespace>/my_robot</robotNamespace>
</plugin>

이 설정에서 topicName은 IMU 데이터를 퍼블리시할 토픽 이름을 나타내며, 이 예제에서는 /imu_data로 설정된다. ROS에서는 sensor_msgs/Imu 메시지 타입으로 데이터를 구독하고 처리할 수 있다. IMU 데이터는 로봇의 위치 추정, 자세 제어 등에 사용될 수 있다.

좌표계(tf) 설정

센서와 Gazebo의 연동에서 중요한 부분 중 하나는 좌표계 정의(tf)이다. 로봇 시뮬레이션에서는 각 센서의 위치와 방향을 정의하는 것이 중요한데, 이를 위해 ROS에서는 tf를 사용하여 로봇의 여러 부분 및 센서 간의 좌표 변환을 처리한다.

각 센서의 플러그인 설정에서 frameName을 정의하여 ROS의 tf 프레임을 설정할 수 있다. 예를 들어, IMU 센서가 로봇의 본체 중심에 배치되어 있고 카메라가 로봇의 앞쪽에 배치되어 있다면, 두 센서의 tf 관계는 다음과 같이 정의될 수 있다:

<plugin name="gazebo_ros_imu" filename="libgazebo_ros_imu.so">
    <frameName>imu_frame</frameName>
</plugin>

<plugin name="gazebo_ros_camera" filename="libgazebo_ros_camera.so">
    <frameName>camera_frame</frameName>
</plugin>

ROS의 tf 시스템은 이 두 프레임 간의 좌표 변환을 계산하여 로봇이 움직일 때 센서의 위치와 방향을 추적한다. 이를 통해 로봇의 위치와 자세에 대한 데이터를 실시간으로 제공할 수 있다.