KR101963754B1 - 드론을 제어하기 위한 시스템 및 방법 - Google Patents

Abstract

본 발명의 실시 예에 의한 드론 제어 방법은 표준 비행 명령에 따라 시험 비행하는 멀티드론 각각의 시험 비행 데이터를 수집하는 단계와, 시험 비행 데이터를 분석하여 멀티드론 간 비행격차를 검출하는 단계와, 비행격차에 대한 분석을 기반으로 멀티드론별로 캘리브레이션을 수행함으로써, 멀티드론 간 비행격차를 보상하기 위한 드론별 캘리브레이션 데이터를 생성하는 단계와, 드론별 캘리브레이션 데이터를 저장하여 드론별 캘리브레이션 데이터베이스를 구축하는 단계 및 군집 제어 시 드론별 캘리브레이션 데이터에 기반하여 멀티드론을 동기화하는 단계를 포함한다.

Description

드론을 제어하기 위한 시스템 및 방법{SYSTEM AND METHOD FOR CONTROL OF DRONE}

본 발명은 드론 제어 시스템 및 방법에 관한 것으로, 더욱 상세하게는 멀티드론의 비행격차에 대해 드론별 캘리브레이션을 수행하여 멀티드론을 동기화하고, 아울러 드론 비행을 분석하여 주변 환경에 의한 영향을 보상할 수 있는 드론을 제어하기 위한 시스템 및 방법에 관한 것이다.

소위 드론이라고 불리는 무인 항공기는 조종사가 탑승하지 않고 원격 조종 또는 자동 조종을 통해 임무를 수행할 수 있는 비행체를 의미한다. 미 국방장관실(OSD, Office of the Secretary of Defense)이 발간한 UAV 로드맵에 따르면, 드론을“인간 조종사를 태우지 않고, 공기 역학적 힘을 사용하여 자율적 혹은 원격 조종을 통해 비행하며, 일회용 또는 재사용할 수 있고, 치명적 또는 비 치명적인 화물을 탑재할 수 있는 동력 비행체를 의미한다.

드론의 시작은 전투 및 정찰을 위한 군사적 용도로 사용되었지만 최근에는 민간에서도 농업, 산불감시 및 진화, 배송, 물류, 통신, 촬영, 재난상황 대처, 연구개발 등 다양한 분야에서 활용 중이며 점차 시장과 영역을 넓혀 나가고 있다.

드론 시스템이 다양한 분야에서 각광받는 이유는 원격 조종이 가능하고 드론에 부가적인 기기를 부착하여 운용할 수 있기 때문이다. 부가적인 기기들은 작게는 온도나 조도센서, 산소 및 이산화탄소 농도센서를 비롯하여 GPS, 카메라, 초음파 장비까지 필요에 따라 선택할 수 있다. 무선통신으로 드론은 사진이나 동영상 등의 임무수행 결과를 지상으로 전송할 수 있고, 지상관제시스템은 원격 측정(Telemetry)을 통해 측정한 센서 값을 확인하거나 조정할 수 있다.

대한민국 등록특허공보 제10-1627348호(2015년11월11일, “드론 비행운용 시스템 및 그 방법”)

본 발명의 첫 번째 과제는 이기종, 드론 노후화, 상이한 성능 및 부품 등에 의한 비행 격차를 보상하여 멀티드론을 동기화할 수 있는 드론 제어를 위한 시스템 및 방법을 제공하는데 있다.

두 번째 과제는 주변 환경에 의해 영향을 받는 드론 비행을 실시간으로 보상할 수 있는 드론 제어를 위한 시스템 및 방법을 제공하는데 있다.

세 번째 과제는 드론 조종자가 주변 환경을 인지 못하는 상황이나 비상상황에도 자동적으로 드론이 주변 환경의 변화에 적응하도록 하는 드론 제어를 위한 시스템 및 방법을 제공하는데 있다.

본 발명의 일실시 예에 따른 드론을 제어하기 위한 방법은 시험 비행하는 멀티드론 각각의 시험 비행 데이터를 수집하는 단계와, 상기 시험 비행 데이터를 분석하여 상기 멀티드론 간 비행격차를 검출하는 단계와, 상기 비행격차에 대한 분석을 기반으로 상기 멀티드론별로 캘리브레이션을 수행함으로써, 상기 멀티드론 간 비행격차를 보상하는 드론별 캘리브레이션 데이터를 생성하는 단계와, 상기 드론별 캘리브레이션 데이터를 저장하여 드론별 캘리브레이션 데이터베이스를 구축하는 단계 및 군집 제어 시 상기 드론별 캘리브레이션 데이터에 기반하여 상기 멀티드론을 동기화하는 단계를 포함한다.

본 발명의 다른 실시 예에 따른 상기 멀티드론을 동기화하는 단계는, 상기 멀티드론을 군집 제어하기 위한 제1 비행제어신호를 생성하는 단계와, 상기 드론별 캘리브레이션 데이터베이스로부터 상기 제1 비행제어신호에 대응하는 드론별 캘리브레이션 데이터를 추출하는 단계와, 추출된 상기 드론별 캘리브레이션 데이터를 포함하되 각 해당 드론전용 신호들로 변환된 제2 비행제어신호를 생성하는 단계 및 상기 제2 비행제어신호를 해당 드론들에 각각 전송하는 단계를 포함한다.

본 발명의 다른 실시 예에 따른 상기 멀티드론 각각의 시험 비행 데이터를 수집하는 단계 이전에, 평면 및 수직면에서 미리 설정된 m개의 서로 다른 방향마다 미리 설정된 소정 거리만큼 각 드론을 비행시키기 위해 표준 비행 명령을 생성하는 단계를 더 포함한다.

본 발명의 다른 실시 예에 따른 상기 멀티드론 간 비행격차를 보상하는 드론별 캘리브레이션 데이터를 생성하는 단계는 상기 시험 비행 데이터를 분석하여 상기 멀티드론의 비행이 상기 표준 비행 명령에 동기화되도록 각 멀티드론별로 캘리브레이션을 수행하여 드론별 캘리브레이션 데이터를 생성한다.

본 발명의 또 다른 실시 예에 따른 드론을 제어하기 위한 시스템은 시험 비행하는 멀티드론과, 상기 시험 비행을 분석하여 검출된 상기 멀티드론 간 비행격차를 검출하고, 상기 비행격차에 대한 분석을 기반으로 상기 멀티드론별로 캘리브레이션을 수행하여 드론별 캘리브레이션 데이터를 생성하며, 군집 제어 시 상기 드론별 캘리브레이션 데이터에 기반하여 상기 멀티드론을 동기화하는 서버 및 상기 드론별 캘리브레이션 데이터를 저장하여 구축된 드론별 캘리브레이션 데이터베이스를 포함한다.

본 발명의 다른 실시 예에 따른 상기 서버는 상기 멀티드론을 군집 제어하기 위한 제1 비제행제어신호를 생성하고, 상기 드론별 캘리브레이션 데이터베이스로부터 상기 1 비행제어신호에 대응하는 드론별 캘리브레이션 데이터를 추출하며, 추출된 상기 드론별 캘리브레이션 데이터를 포함하되 각 해당 드론 전용 신호들로 변환된 제2 비행제어신호를 생성하여, 상기 해당 드론들에 각각 전송한다.

본 발명의 또 다른 실시 예에 따른 드론 제어를 위한 방법은 기계학습시스템에서 특정 환경에 의해 드론 비행이 받은 영향이 반영된 학습 데이터 세트를 저장하여 데이터베이스를 구축하는 단계와, 드론으로부터 실제 비행 데이터를 획득하는 단계와, 유사패턴에 관한 매칭기준 내에서 상기 실제 비행 데이터와 매칭하는 상기 학습 데이터 세트를 상기 데이터베이스로부터 추출하는 단계와, 상기 추출된 학습 데이터 세트가 생성된 배경으로서, 상기 기계학습시스템에 의해 기록된 하나 이상의 드론비행 환경 파라미터를 추출하는 단계와, 상기 추출된 드론비행 환경 파라미터에 기초하여 상기 실제 비행 데이터가 발생된 비행 환경을 추측하는 단계 및 상기 추측된 환경에 최적화된 비행을 위해, 상기 추측된 환경 정보에 기초하여 미리 캘리브레이션된 환경 적응형 비행신호를 상기 드론에 전송하는 단계를 포함한다.

본 발명의 다른 실시 예에 따른 상기 학습 데이터 세트를 생성하기 이전에, 훈련(training) 입력 데이터의 세트 및 훈련 출력 데이터의 세트를 이용하여 상기 기계학습시스템을 훈련시키는 단계를 더 포함하고, 상기 훈련 입력 데이터의 각각은 상기 드론 비행에 영향을 끼치는 환경 파라미터를 포함하고, 상기 훈련 출력 데이터는 상기 환경 파라미터에 대응하는 비행 데이터 및 상기 비행 데이터의 변화 정보를 포함하며, 상기 비행 데이터는 상기 드론의 무게, 레볼루션, 이동 방향, 속도, 선가속도, 각속도, 자세 중 적어도 하나를 포함한다.

본 발명의 다른 실시 예에 의한 상기 환경 파라미터는 실내, 실외, 상기 드론으로부터 소정 거리 내에 위치하는 벽, 상기 드론 비행에 바람의 영향을 끼치는 환기구, 에어컨 중 적어도의 바람의 영향을 끼치는 요소 및 자기장의 영향을 끼치는 요소 중 적어도 하나로 구분된다.

본 발명의 다른 실시 예에 의한 상기 실제 비행 데이터를 획득하는 단계는, 상기 드론의 레볼루션 데이터 및 상기 드론에 구비된 적어도 하나 이상 센서로부터의 센서 신호 및 상기 센서 신호의 실시간 변화율을 상기 실제 비행 데이터로서 수신한다.

본 발명의 다른 실시 예에 의한 상기 환경 적응형 비행신호를 상기 드론에 전송하기 이전에, 특정 비행 환경에 따라 상기 드론의 레볼루션 데이터, 이동 방향, 속도, 상기 드론에 구비된 센서들의 실시간 변화율을 분석하는 단계 및 상기 분석에 따라 상기 각 비행 환경에 최적화된 상기 드론 비행을 구현하기 위한 상기 환경 적응형 비행신호를 생성하는 단계를 더 포함한다.

본 발명의 또 다른 실시 예에 의한 드론을 제어하기 위한 시스템은 드론과, 기계학습시스템에서 각 특정 비행 환경에 의한 영향이 반영된 드론의 비행 데이터를 해당 환경 파라미터에 매핑된 상기 학습 데이터 세트로서 저장하고, 해당 환경에서 최적화된 비행을 위해 미리 캘리브레이션된 환경 적응형 비행신호를 상기 학습 데이터 세트와 매핑하여 저장하는 데이터베이스 및 유사패턴에 관한 매칭기준 내에서 드론의 실제 비행 데이터와 매칭하는 상기 학습 데이터 세트를 상기 데이터베이스로부터 추출하고, 상기 추출된 학습 데이터 세트에 매핑된 환경 파라미터를 추출하며, 상기 추출된 환경 파라미터에 기초하여 상기 실제 비행 데이터가 발생된 비행 환경을 추측하고, 상기 추측된 환경에 최적화된 비행을 위해 미리 캘리브레이션된 환경 적응형 비행신호를 상기 드론에 전송하는 서버를 포함한다.

본 발명의 다른 실시 예에 의한 상기 각 특정 비행 환경은, 실내, 실외, 상기 드론으로부터 소정 거리 내에 위치하는 벽, 상기 드론 비행에 바람의 영향을 끼치는 환기구, 에어컨 중 적어도의 바람의 영향을 끼치는 환경 요소 및 자기장의 영향을 끼치는 환경 요소 중 적어도 하나로 구분된다.

본 발명의 다른 실시 예에 의한 상기 서버는, 상기 특정 비행 환경에 따라 상기 드론의 레볼루션 데이터 및 상기 드론에 구비된 센서의 실시간 변화율을 분석하고, 상기 분석에 따라 상기 각 비행 환경에 최적화된 상기 드론의 속도와 방향을 구현하기 위한 상기 환경 적응형 비행신호를 생성한다.

본 발명의 다른 실시 예에 의한 상기 센서는 상기 드론의 위치의 변화를 추정하기 위한 GPS또는 카메라, 선가속도의 변화를 추정하기 위한 가속도계(Accelerometer), 각속도의 변화를 측정하기 위한 자이로(gyro)센서, 지자계를 이용하여 자세의 변화를 측정하기 위한 자력계(magnetometer) 중 적어도 하나를 포함한다.

본 발명의 제1 실시 예에 따르면, 기존의 드론 및 조종 프로그램의 변경이나 개조 없이, 기계적인 차이 또는 환경에 의한 비행 격차를 보상하여 안전하고 정확하게 멀티드론을 제어할 수 있다.

또한, 본 발명의 제1 실시 예에 따르면, 이기종, 드론 노후화, 상이한 성능 및 부품 등에 의한 비행 격차에 대해 드론별 캘리브레이션을 수행하여 멀티드론을 동기화할 수 있다.

본 발명의 제2 실시 예에 따르면, 비행신호를 실시간으로 추적하여 비행환경을 추측하고, 추측된 비행환경에 최적화된 비행신호로 드론을 제어할 수 있다. 이로 인하여 조종자가 인지하지 못하는 경우나, 비상상황에도 드론이 자동적으로 장애물을 피하거나, 주변 환경의 변화에 적응하여 비행할 수 있다.

도 1은 본 발명의 제1 실시 예에 따른 드론 제어 시스템의 구성을 개략적으로 나타내는 도면이다.
도 2는 본 발명의 제1 실시 예에 따른 드론 시험 비행의 예를 설명하기 위한 도면이다.
도 3은 본 발명의 제1 실시 예에 따른 드론 제어 방법을 설명하기 위한 순서도이다.
도 4는 본 발명의 제2 실시 예에 따른 드론 제어 시스템의 구성을 도시하는 블록도이다.
도 5는 본 발명의 제2 실시 예에 따른 드론 제어 방법을 설명하기 위한 순서도이다.
도 6 내지 도 9는 특정한 드론 비행 환경의 예를 나타내는 도면이다.

본 발명의 실시 예들을 설명하기에 앞서, 기존의 드론 운용 실태의 문제점들을 검토한 후, 이들 문제점을 해결하기 위해 본 발명의 실시 예들이 채택하고 있는 기술적 수단을 개괄적으로 소개하도록 한다.

멀티드론을 제어할 때, 드론들이 동일 회사에서 제조한 동일한 제품이더라도, 드론의 모터나 센서 구동의 미세한 차이와 노후화와 같은 물리적 환경의 차이 또는 바람이나 자기장의 영향, 인접한 벽에 의한 밀림 등 외부환경으로 인해 오차 즉, 비행 격차가 크게 발생할 수 있다.

현재는 드론의 오차를 보정하기 위한 기계적인 캘리브레이션 방법으로써, 수동으로 오차를 측정하여 보정값을 입력하고 있다. 외부 환경적인 영향은 카메라 영상이나 LED 빛을 이용하여 검출하고 있다.

기성품 드론 개발 회사에서 생산된 드론은 대부분 개인용이며, 주로 공중 영상촬영이나 취미활동을 위해 사용되고 있다. 따라서, 여러 대의 드론을 운영하는 경우를 고려하지 않았기 때문에 멀티드론간의 캘리브레이션 기능이 제공되지 않고 있다. 이런 기성품 드론을 군집 제어할 경우, 예상치 못한 문제가 발생한다. 즉, 멀티드론에 동일한 비행 명령 신호를 전달하여도, 앞서 설명한 원인들에 의해 비행 격차가 발생한다.

따라서, 본 발명의 실시 예들은 이러한 상황을 해결하기 위해 기계적인 영향 및 환경적인 영향을 고려하여 드론 비행을 안전하고 정확하게 제어할 수 있는 시스템 및 방법을 제안한다.

이하에서는 도면을 참조하여 본 발명의 실시 예들을 구체적으로 설명하도록 한다. 다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.

도 1은 본 발명의 제1 실시 예에 따른 드론 제어 시스템의 구성을 개략적으로 나타내는 도면이고, 도 2는 본 발명의 제1 실시 예에 따른 드론 시험 비행의 예를 설명하기 위한 도면이다.

도 1을 참조하면, 본 발명의 제1 실시 예에 따른 드론 제어 시스템은 멀티드론(100), 서버(200) 및 캘리브레이션 데이터베이스(300)를 포함하여 구성된다.

멀티드론(100)은 동일한 회사의 동일 기종 모델 또는 다른 기종 모델이거나, 서로 다른 회사들의 드론들로 구성될 수도 있고, 개인용 미니 드론 및 민용 상업 드론 등의 혼합으로 구성될 수도 있다.

각 드론의 구성은 제조사별 또는 시스템마다 차이가 있으나, 기본적으로 데이터 송수신 모듈, 구동기 파워 드라이버 및 제어 명령 입출력 모듈로 구성된다. 더불어, 드론은 GPS또는 카메라, 선가속도의 변화를 추정하기 위한 가속도계(Accelerometer), 각속도의 변화를 측정하기 위한 자이로(gyro)센서, 지자계를 이용하여 자세의 변화를 측정하기 위한 자력계(magnetometer) 중 적어도 하나를 포함할 수 있다.

데이터 송수신 모듈은 서버(200)로부터 명령 신호를 수신하여 이를 제어 명령 입출력 모듈로 전달하고, 제어 명령 입출력 모듈은 명령 신호에 따라 구동기 파워 드라이버를 제어한다.

멀티드론(100)은 서버(200)로부터 수신된 표준 비행 명령에 따라 시험 비행을 수행하고, 시험 비행에 관련된 비행 데이터를 서버(200)로 전송한다.

여기서, 표준 비행 명령은 드론을 미리 설정된 소정 거리와 방향으로 시험 비행시키기 위한 신호이다. 시험 비행으로서, 평면 및 수직면에서 미리 설정된 M(M은 양의 정수)개의 서로 다른 방향마다 미리 설정된 소정 거리만큼 드론을 비행시킬 수 있다. 표준 비행 명령은 각 드론에 전송되고, 시험 비행은 드론마다 개별적으로 수행될 수 있다.

예로서, 도 2에 도시된 바와 같이 서버(200)가 평면에서 표준 비행 명령에 따라 8방향으로 비행하는 드론의 오차를 파악하기 위해 2m 간격으로 드론을 비행시키면서, 실제 드론이 이동하는 거리, 이동할 때 각 날개의 초당 레볼루션 횟수, 선가속도, 각속도 및 자세 등을 시험 비행 데이터로서 수집할 수 있다.

서버(200)는 시험 비행 데이터를 분석하여 멀티드론들 간 비행 격차를 검출하고, 비행격차에 대한 분석을 기반으로 멀티드론별로 캘리브레이션을 수행함으로써, 멀티드론 간 비행격차를 보상하는 드론별 캘리브레이션 데이터를 생성할 수 있다. 군집 제어시 드론별 캘리브레이션 데이터에 기반하여 멀티드론(100)을 동기화할 수 있다.

이를 위해, 서버(200)는 미리 드론을 표준 비행 명령에 따라 시험 비행시키며 드론별 캘리브레이션 데이터를 생성하고, 드론별 켈리브레이션 데이터를 저장하여 드론별 캘리브레이션 데이터베이스(300)를 구축한다.

예를 들면, 표준 비행 명령은 드론을 우측으로 2m를 이동시키기 위한 데이터로서 4개의 날개의 레볼루션을 {P1=8000r/s, P2=9000r/s, P3=8000r/s, P4=9000r/s}로 설정한 데이터로 구성될 수 있다. 상기 표준 비행 명령에 따라 실제 이동한 드론은 2.3m 거리를 이동한 것으로 검출되었다. 서버(200)가 이와 같은 오차를 고려하여 캘리브레이션을 수행함으로써, 드론을 실제로 2m 이동시키기 위한 레볼루션 데이터{P1=8000r/s, P2=8500r/s, P3=8000r/s, P4=8500r/s}를 캘리브레이션 데이터로서 생성한다.

그리고, 다른 방향들에 대해서도 시험 비행을 수행함에 따라 캘리브레이션 데이터를 생성한다. 이와 같이 생성된 캘리브레이션 데이터들을 저장하여 캘리브레이션 데이터베이스(300)를 구축한다.

서버(200)가 멀티드론(100)을 동기화시키는 기술에 대해 상세히 설명하자면, 먼저 서버(200)는 멀티드론(100)을 군집제어하기 위한 제1 비행제어신호를 생성한다. 그리고, 드론별 캘리브레이션 데이터베이스(300)로부터 상기 제1 비행제어신호에 대응하는 드론별 캘리브레이션 데이터를 추출한다. 추출된 드론별 캘리브레이션 데이터를 포함하되 각 해당 드론 전용 신호들로 변환된 제2 비행제어신호를 생성하고, 생성된 제2 비행제어신호들을 해당 드론들에 각각 전송한다.

이로써 멀티드론(100)은 드론별로 캘리브레이션된 비행 제어 신호에 따라 비행하게 되기 때문에, 서로 다른 기종 또는 부품, 상이한 기동력, 노후화로 인한 성능 저하 등에 의한 비행 격차를 보상할 수 있다.

도 3은 본 발명의 제1 실시 예에 따른 드론 제어 방법을 설명하기 위한 순서도이다.

도 3을 참조하면, 본 발명의 제1 실시 예에 따른 드론 제어 방법은 먼저, 서버가 표준 비행 명령에 따라 멀티드론을 시험 비행시키고, 시험 비행 데이터를 수집한다(S310).

여기서, 표준 비행 명령은 드론을 미리 설정된 소정 거리와 방향으로 시험 비행시키기 위한 신호이다. 시험 비행으로서, 평면 및 수직면에서 미리 설정된 M개의 서로 다른 방향마다 미리 설정된 소정 거리만큼 드론을 비행시킬 수 있다. 표준 비행 명령은 각 드론에 전송되고, 시험 비행은 드론마다 개별적으로 수행될 수 있다.

표준 비행 명령은 드론을 소정 방향으로 소정 거리만큼 시험 비행시키기 위해 드론의 n개의 날개 각각의 속도를 나타내는 레볼루션 데이터를 포함하여 구성될 수 있다.

예로서, 도 2에 도시된 바와 같이 서버가 평면에서 표준 비행 명령에 따라 8방향으로 비행하는 드론의 오차를 파악하기 위해 2m 간격으로 드론을 비행시키면서, 실제 드론이 이동하는 거리, 이동할 때 각 날개의 초당 레볼루션 횟수 등을 시험 비행 데이터로서 수집할 수 있다.

더불어, 시험 비행하는 드론의 상태 추정을 위해 GPS 신호 또는 카메라를 통한 영상 신호, 가속도계(Accelerometer)에 의해 측정된 선가속도, 자이로(gyro) 센서에 의해 측정된 각속도, 자력계(magnetometer)를 통해 지자계를 이용하여 측정된 자세에 관한 정보를 시험 비행 데이터로서 추가 수집할 수 있다.

여기서, 표준 비행 명령에 따라 멀티드론을 시험 비행시키는 단계 이전에 평면 및 수직면에서 미리 설정된 M개의 서로 다른 방향마다 미리 설정된 소정 거리만큼 각 드론을 비행시키기 위해 상기 표준 비행 명령을 생성하는 단계를 더 포함할 수 있다.

다음으로, 시험 비행 데이터를 분석하여 멀티드론의 비행 격차를 검출하고, 비행격차에 대한 분석을 기반으로 멀티드론별로 캘리브레이션을 수행함으로써, 멀티드론 간 비행격차를 보상하는 드론별 캘리브레이션 데이터를 생성한다(S320).

즉, 시험 비행 데이터를 분석하여 상기 멀티드론이 상기 표준 비행 명령에 동기화되도록 각 드론별로 캘리브레이션을 수행하여 각 드론별 캘리브레이션 데이터를 생성한다.

다시 말하면, 미리 파악된 드론의 오차 특성을 고려하여, 시험 비행 데이터를 기반으로 표준 비행 명령을 캘리브레이션하여 캘리브레이션 데이터를 생성한다.

다음으로, 생성된 드론별 캘리브레이션 데이터를 저장하여 드론별 캘리브레이션 데이터베이스를 구축한다(S330). 이를 위해 드론별 캘리브레이션 데이터는 미리 설정된 평면 및 수직면에서 소정 거리, 소정 방향 마다 드론별로 구해져 저장될 수 있다.

다음으로, 군집 제어 시 드론별 캘리브레이션 데이터에 기반하여 멀티드론을 동기화시킨다(S340).

구체적으로, 멀티드론을 동기화하는 단계는 다음과 같은 단계로 구성될 수 있다. 먼저, 멀티드론을 군집 제어하기 위한 제1 비행제어신호를 생성하는 단계(S342)와, 상기 드론별 캘리브레이션 데이터베이스로부터 상기 제1 비행제어신호에 대응하는 드론별 캘리브레이션 데이터를 추출하는 단계(S344)와, 추출된 상기 드론별 캘리브레이션 데이터를 포함하되 각 해당 드론 전용 신호들로 변환된 제2 비행제어신호를 생성하는 단계(S346) 및 상기 제2 비행제어신호를 해당 드론들에 각각 전송하는 단계(S348)를 포함할 수 있다.

즉, 드론별 캘리브레이션 데이터를 각 드론 전용 신호로 변환하고, 변환된 신호에 따라 드론을 비행시킨다. 그러면, 드론의 실제 비행 데이터가 최초 명령 신호가 지시했던 데이터와 거의 일치하게 된다.

이에 의해 본 발명은 멀티드론의 동작을 일괄적으로 제어할 수 있다.말하자면 제2 비행제어신호는 멀티드론의 비행 오차 및 비행 격차를 상쇄하기 위한 신호라 할 수 있다.

도 4는 본 발명의 제2 실시 예에 따른 드론 제어 시스템의 구성을 도시하는 블록도이다.

도 4를 참조하면, 본 발명의 제2 실시 예에 따른 드론 제어 시스템은 드론(400), 서버(500), 기계학습시스템(600) 및 데이터베이스(700)를 포함하여 구성된다.

기계학습시스템(600)을 이용하여 생성된 학습 데이터 세트를 획득한다.

서버(500)는 드론(400)의 비행 데이터를 실제 비행 데이터로서 획득한다.

다음으로, 실제 비행 데이터와 기계학습시스템에 의해 생성된 학습 데이터 세트를 비교한다.

실제 비행 데이터와 학습 데이터 세트가 유사패턴에 관한 매칭기준 내에서 매칭하는 경우, 매칭하는 학습 데이터 세트가 생성된 배경으로서, 상기 기계학습시스템에 의해 기록된 하나 이상의 드론비행 환경 파라미터를 추출한다.

그리고 추출된 드론비행 환경 파라미터에 기초하여 상기 실제 비행 데이터가 발생된 비행 환경을 추측할 수 있다.

추측된 환경에 최적화된 비행을 위해 미리 캘리브레이션된 환경 적응형 비행신호를 드론(400)에 전송한다.

여기서, 캘리브레이션된 환경 적응형 비행신호를 생성하기 위한 캘리브레이션 수행 과정은 앞서 본 발명의 제1 실시 예에 의한 방법에 기초하므로, 상세한 설명은 제1 실시 예에 대한 설명을 참고하기로 한다.

도 4에서 기계학습시스템(600)은 서버(500)와 독립된 모듈로 도시되었지만, 서버(500)에 포함되는 부품일 수 있다. 기계학습시스템(600)은 역-전파 알고리즘을 이용하는 신경망이나 방사기반 네트워크, 지지벡터, 커널 회귀 등과 같은 다양한 훈련 알고리즘 중 하나를 이용할 수 있다. 예를 들어, 신경망에서 입력 노드는 신경망으로 입력될 환경 파라미터에 대응하고, 출력노드는 학습 데이터 세트의 비행 데이터 및 비행 데이터 변화율에 대응한다.

기계학습시스템(600)은 드론 비행에 영향을 끼치는 특정 환경별로 드론의 비행 데이터나 비행 데이터의 변화 정보를 획득하기 위한 구성이다.

기계학습시스템(600)은 훈련(training) 입력 데이터의 세트 및 훈련 출력 데이터의 세트를 이용하여 훈련을 실행한다.

훈련 입력 데이터의 각각은 상기 드론 비행에 영향을 끼치는 환경 파라미터를 포함한다. 예를 들어, 환경 파라미터는 서로 다른 특정 비행 환경으로 구분되고, 실내, 실외, 상기 드론으로부터 소정 거리 내에 위치하는 벽, 상기 드론 비행에 바람의 영향을 끼치는 환기구, 에어컨을 포함하는 환경 요소 및 자기장의 영향을 끼치는 환경 요소 중 적어도 하나로 구분될 수 있다.

훈련 출력 데이터는 환경 파라미터에 대응하는 비행 데이터 및 상기 비행 데이터의 변화 정보를 포함하며, 비행 데이터는 드론의 무게, 레볼루션, 이동 방향, 속도, 각속도 및 자세 중 적어도 하나를 포함한다. 훈련 출력 데이터는 학습 데이터 세트로서 차후 서버(500)에 의해 호출된다.

학습 데이터 세트를 획득하기 위해 기계학습시스템(600)을 사용하기 이전에, 기계학습시스템(600)이 훈련된다. 기계학습시스템(600)은 훈련 입력 데이터 세트 및 훈련 출력 데이터 세트를 이용하여 훈련되는데, 훈련 입력 데이터 세트의 입력 데이터는 입력 및 출력 데이터 쌍을 형성하기 위해 훈련 출력 데이터 세트의 대응 출력 데이터를 갖는다. 훈련 출력 데이터 세트는 학습 데이터 세트라 할 수 있으며, 이는 데이터베이스(700)에 저장된다.

생성된 학습 데이터 세트에 대응하는 환경 파라미터는 생성된 학습 데이터 세트를 생성하기 위한 기계학습시스템(600)에 대한 입력에 해당한다.

도 5는 본 발명의 제2 실시 예에 따른 드론 제어 방법을 설명하기 위한 순서도이다.

도 5를 참조하면, 본 발명의 제2 실시 예에 따른 드론 제어 방법은 먼저, 기계학습시스템을 이용하여 생성된 학습 데이터 세트를 획득한다(S510). 상기 기계학습시스템은 학습 데이터 세트를 생성하기 위해 서로 다른 비행 환경들에 대한 드론의 비행 데이터들을 데이터베이스화한다.

여기서, 학습 데이터 세트를 생성하기 이전에, 훈련(training) 입력 데이터의 세트 및 훈련 출력 데이터의 세트를 이용하여 상기 기계학습시스템을 훈련시키는 단계를 더 포함할 수 있다.

상기 훈련 입력 데이터의 각각은 상기 드론 비행에 영향을 끼치는 환경 파라미터를 포함한다. 예를 들어, 환경 파라미터는 서로 다른 비행 환경으로 구분되고, 실내, 실외, 상기 드론으로부터 소정 거리 내에 위치하는 벽, 상기 드론 비행에 바람의 영향을 끼치는 환기구 및 에어컨과 같이 드론에 바람의 영향을 주는 요소와, 자기장의 영향을 끼치는 환경 요소 중 적어도 하나로 구분될 수 있다.

상기 훈련 출력 데이터는 상기 환경 파라미터에 대응하는 비행 데이터 및 상기 비행 데이터의 변화 정보를 포함할 수 있다. 상기 비행 데이터는 상기 드론의 무게, 드론의 이동 거리, 이동 방향, 이동 속도, 이동할 때 각 날개의 초당 레볼루션 횟수, GPS 신호, 카메라를 통한 영상 신호, 가속도계에 의해 측정된 선가속도, 자이로 센서에 의해 측정된 각속도, 자력계를 통해 지자계를 이용하여 측정된 자세에 관한 정보 중 적어도 하나를 포함할 수 있다.

다음으로, 드론으로부터 비행 데이터를 수신하여 실제 비행 데이터를 획득하는 단계(S520)를 포함한다. 이를 위해, 드론의 레볼루션 데이터 및 드론에 구비된 적어도 하나 이상 센서들의 실시간 변화율을 상기 실제 비행 데이터로서 수신할 수 있다.

예를 들어, 드론의 이동 거리, 이동할 때 각 날개의 초당 레볼루션 횟수, GPS 신호, 카메라를 통한 영상 신호, 가속도계(Accelerometer)에 의해 측정된 선가속도, 자이로(gyro) 센서에 의해 측정된 각속도, 자력계(magnetometer)를 통해 지자계를 이용하여 측정된 자세에 관한 정보를 실제 비행 데이터로서 수집할 수 있다.

다음으로, 실제 비행 데이터와 학습 데이터 세트의 매칭 여부를 판단한다(S530). 두 개의 비행신호가 미리 결정된 유사패턴에 관한 매칭기준 내에서 매칭하지 않는 경우, 단계 S520과 단계 S530은 단계S520에서 생성된 또 다른 학습 데이터 세트를 이용하여 반복된다. 이러한 프로세스는 실제 비행 데이터와 학습 데이터 세트가 미리 결정된 유사패턴에 관한 매칭기준 내에서 매칭하는 것을 나타내는 매칭이 발견될 때까지 반복된다.

실제 비행 데이터와 학습 데이터 세트가 유사패턴에 관한 매칭기준 내에서 매칭하는 경우, 학습 데이터 세트가 생성된 배경으로서, 기계학습시스템에 의해 기록된 하나 이상의 드론비행 환경 파라미터를 추출한다(S540).

다음으로, 추출된 드론비행 환경 파라미터에 기초하여 상기 실제 비행 데이터가 발생된 비행 환경을 추측한다(S550). 즉, 학습 데이터 세트에 대응하는 환경 프로파일은 비행중인 드론의 실제 환경 요소에 대응하는 것으로 가정한다. 따라서 환경 요소와 환경 요소를 특정화하는 파라미터는 드론의 비행 환경을 결정하는데 사용될 수 있다.

다음으로, 추측된 환경에 최적화된 비행을 위해, 상기 추측된 환경 정보에 미리 매핑된 환경 적응형 비행신호를 생성한다(S560).

여기서, 환경 적응형 비행신호를 상기 드론에 전송하기 이전에, 상기 서로 다른 비행 환경에 따라 상기 드론의 레볼루션 데이터, 이동 방향, 속도 및 상기 드론에 구비된 센서들의 실시간 변화율을 분석하는 단계(S501) 및 상기 분석에 따라 상기 각 비행 환경에 최적화된 상기 드론 비행을 구현하기 위한 상기 환경 적응형 비행신호를 생성하는 단계(S502)를 더 포함한다. 상기 S501 및 S502 단계는 기계학습시스템의 기계학습 실행 과정에서 연계적으로 수행됨이 바람직하다. 여기서, 환경 적응형 비행신호는 드론 비행에 영향을 주는 환경에서 환경에 의한 드론의 변화를 보상하게끔 하여 드론을 안전하고 정확하게 비행하도록 하는 제어 신호라 할 수 있다.

다음으로, 환경 적응형 비행신호를 드론에 전송한다(S570). 드론은 환경 적응형 비행신호에 따라 비행함으로써, 주변 환경에 의한 비행 변화에 대처할 수 있다. 즉, 주변 환경에 의한 비행 격차를 보상할 수 있다.

본 발명의 제2 실시 예에 따르면, 비행신호를 실시간으로 추적하여 비행환경을 추측하고, 추측된 비행환경에 최적화된 비행신호로 드론을 제어할 수 있다. 이로 인하여 조종자가 인지하지 못하는 경우나 비상 상황 시에 드론이 자동적으로 장애물을 피하거나, 주변 환경의 변화에 적응하여 안전하고 정확하게 비행할 수 있다.

이하, 도 6 내지 도 9를 참조하여 본 발명의 제2 실시 예에 따른 주변 환경에 따라 드론이 최적화된 비행을 하도록 제어하는 방법을 설명하기로 한다.

도 6 내지 도 9는 특정한 드론 비행 환경의 예를 나타내는 도면이다.

도 6을 참조하면, 비행하는 드론 주변에 벽이 인접한 위치에 있는 경우, 드론 날개의 회전에 의해 발생하는 바람은 상기 주변 벽에 반사되어, 다시 드론이 비행하는 데에 영향을 끼칠 수 있다.

또는, 바람을 일으키는 에어컨이나 바람을 흡입하는 환기구가 인접한 곳에 있는 경우에도, 드론 비행은 바람의 영향을 받을 수 있다. 즉, 초기 비행 목표였던 데이터와는 다르게 바람의 영향을 받아, 실제 비행 데이터가 목표했던 비행 데이터와 달라질 수 있다.

예를 들어, 도 7을 참조하면, 드론이 벽과 가까운 위치에 있는 경우는 드론 날개의 레볼루션에 따라 드론에게 주는 영향이 다르다. 상기 영향을 분석하기 위해 드론이 주변 벽의 영향을 받을 수 있는 방향은 크게 다섯 방향으로 분류될 수 있다.

드론의 이동 방향은 날개의 레볼루션에 따라 변화하기 때문에 방향 데이터는 간단하게 레볼루션 데이터{P1, P2 .. Pn}로 표현할 수 있다. 드론이 벽을 향해서 이동하는 경우, 드론은 벽으로부터 저항력을 받을 수 있다.드론이 받은 저항력은 자신의 무게(Weight)에 연관성이 있다.

이와 같이 주변 환경에 의해 드론 비행이 영향을 받을 때, 위치 인식 센서(RTLS)를 사용해서 드론의 실제 이동에 오차가 발생하는 사실은 알 수 있다.

하지만 드론이 어떤 방향으로부터 저항력을 받는지 판단하기 어려워서 오차에 대해 보정이 어려운 문제가 있다.

본 발명은 이런 문제를 해결하기 위하여 기계적으로 캘리브레이션된 드론을 사용하여 바람의 영향을 학습한다. 앞서 설명한 기계학습을 통해 벽과의 각도와 같은 퍼지 시그널(Fuzzy signal)을 학습을 통하여 얻을 수 있다.

또한, 도시되지는 않았지만 자기장에 의한 비행 변화에 대해서도 기계학습을 실행하고, 이를 기반으로 환경 적응형 비행 제어 신호를 생성할 수 있다.

도 8은 본 발명의 제2 실시 예에 따른 3D 위치 인식 기술 기반(3D dimension real time locating system)의 저항력 계산 방법에 대한 설명을 돕기 위한 도면이다.

드론이 벽이 있는 방향으로 이동하면, 프레임(frame) 단위로 드론의 이동 거리마다 속도를 측정할 수 있다. 이 속도를 벽이 없는 환경에서 프레임 단위로 측정한 속도와 비교하여, 그 차이값으로 벽에 의한 저항력을 얼마나 받고 있는지 계산할 수 있다. 저항력은 드론과 벽간의 거리에 따라 다르고, 드론이 벽과 가까울수록 저항력이 크게 발생한다. 벽과 드론이 일정 거리 이상 이격되어 있는 경우, 저항력의 크기는 너무 작아서 무시해도 된다.

도 9는 본 발명의 제2 실시 예에 따른 주변 장치의 영향을 인식하는 방법에 대한 설명을 위한 도면이다.

에어컨이나 환기구와 같은 주변 장치는 일정한 지향성 있는 바람을 발생하고, 이들의 풍력에 따라 드론에 미치는 영향도 다르다.

앞서 설명한 기계학습시스템은 에어컨 및 환기구와 같은 주변장치의 풍력과, 주변장치와 드론 간의 거리, 드론으로부터 주변장치가 있는 방향 등을 고려하여 주변장치에 의해 드론 비행이 영향을 받는 정도를 산출한다. 드론 비행이 영향을 받은 정도는 드론의 비행 데이터 및 비행 데이터의 변화량으로 산출할 수 있다. 그리고 산출된 비행 데이터 및 비행 데이터의 변화량을 저장해둔다.

추후, 비행하는 드론의 비행 데이터 및 비행 데이터의 변화량만을 분석하고도 주변장치가 무엇인지, 주변장치의 풍속이나 위치를 추측할 수 있다. 그리고, 주변장치로부터 비행에 방해를 받지 않도록 드론 비행을 제어할 수 있다.

한편, 복수의 드론들 간에도 서로 회전하는 날개로 인해 발생하는 바람에 의한 영향을 받을 수 있다. 드론 간의 서로 간의 위치 및 이격 거리는 드론에 구비된 UWB 센서(Ultra Wideband communication)를 통하여 파악할 수 있다. 또한, 드론의 레볼루션은 드론마다 미리 파악할 수 있고, 드론들의 레볼루션에 따라 서로 영향을 미치는 바람의 속도도 측정할 수 있다.

앞서 설명한 기계학습시스템은 드론들의 레볼루션 및 드론들 간의 이격거리 등을 고려하여 서로 인접한 드론들 간에 드론 비행이 영향을 받는 정도를 산출한다. 드론 비행이 영향을 받은 정도는 드론의 비행 데이터 및 비행 데이터의 변화량으로 산출할 수 있다. 그리고 산출된 비행 데이터 및 비행 데이터의 변화량을 저장해둔다.

추후, 비행하는 드론의 비행 데이터 및 비행 데이터의 변화량만을 분석하고도 드론 간의 위치 및 이격거리를 추측할 수 있다. 그리고, 추측에 따라 드론 간에 충돌이 발생하거나, 서로 간의 방해를 받지 않도록 비행을 제어할 수 있다.

한편, 본 발명의 실시 예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.

컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등의 형태로 구현하는 것을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.

이상에서 본 발명에 대하여 그 다양한 실시 예들을 중심으로 살펴보았다. 본 발명에 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

100: 멀티드론 200: 서버
300: 캘리브레이션 데이터베이스 400: 드론
500: 서버 600: 기계학습시스템
700: 데이터베이스

Claims (15)

1. 비행하는 드론의 오차를 파악하기 위한 표준 비행 명령에 따라 시험 비행하는 멀티드론 각각의 시험 비행 데이터를 수집하는 단계;
   상기 시험 비행 데이터를 분석하여 상기 멀티드론 간 비행격차를 검출하는 단계;
   상기 비행격차에 대한 분석을 기반으로 상기 표준 비행 명령에 따른 상기 시험 비행 데이터에서 검출된 실제 이동 거리의 오차를 이용하여 상기 멀티드론의 비행이 상기 표준 비행 명령에 동기화되도록 상기 멀티드론별로 캘리브레이션을 수행함으로써, 상기 멀티드론 간 비행격차를 보상하기 위한 드론별 캘리브레이션 데이터를 생성하는 단계;
   상기 드론별 캘리브레이션 데이터를 저장하여 드론별 캘리브레이션 데이터베이스를 구축하는 단계; 및
   군집 제어 시 상기 드론별 캘리브레이션 데이터에 기반하여 상기 멀티드론을 동기화하는 단계;를 포함하는, 드론을 제어하기 위한 방법.
2. 제 1 항에 있어서,
   상기 멀티드론을 동기화하는 단계는,
   상기 멀티드론을 군집 제어하기 위한 제1 비행제어신호를 생성하는 단계;
   상기 드론별 캘리브레이션 데이터베이스로부터 상기 제1 비행제어신호에 대응하는 드론별 캘리브레이션 데이터를 추출하는 단계;
   추출된 상기 드론별 캘리브레이션 데이터를 포함하되 각 해당 드론전용 신호들로 변환된 제2 비행제어신호를 생성하는 단계; 및
   상기 제2 비행제어신호를 해당 드론들에 각각 전송하는 단계;를 포함하는, 드론을 제어하기 위한 방법.
3. 제 1 항에 있어서,
   상기 멀티드론 각각의 시험 비행 데이터를 수집하는 단계 이전에,
   평면 및 수직면에서 미리 설정된 m개의 서로 다른 방향마다 미리 설정된 소정 거리만큼 각 드론을 비행시키기 위해 상기 표준 비행 명령을 생성하는 단계를 더 포함하는, 드론을 제어하기 위한 방법.
4. 삭제
5. 비행하는 드론의 오차를 파악하기 위한 표준 비행 명령에 따라 시험 비행하는 멀티드론;
   상기 시험 비행을 분석하여 검출된 상기 멀티드론 간 비행격차를 검출하고, 상기 비행격차에 대한 분석을 기반으로 상기 표준 비행 명령에 따른 상기 시험 비행 데이터에서 검출된 실제 이동 거리의 오차를 이용하여 상기 멀티드론의 비행이 상기 표준 비행 명령에 동기화되도록 상기 멀티드론별로 캘리브레이션을 수행하여 드론별 캘리브레이션 데이터를 생성하며, 군집 제어 시 상기 드론별 캘리브레이션 데이터에 기반하여 상기 멀티드론을 동기화하는 서버; 및
   상기 드론별 캘리브레이션 데이터를 저장하여 구축된 드론별 캘리브레이션 데이터베이스;를 포함하는, 드론을 제어하기 위한 시스템.
6. 제 5 항에 있어서,
   상기 서버는,
   상기 멀티드론을 군집 제어하기 위한 제1 비행제어신호를 생성하고, 상기 드론별 캘리브레이션 데이터베이스로부터 상기 1 비행제어신호에 대응하는 드론별 캘리브레이션 데이터를 추출하며, 추출된 상기 드론별 캘리브레이션 데이터를 포함하되 각 해당 드론 전용 신호들로 변환된 제2 비행제어신호를 생성하여, 상기 해당 드론들에 각각 전송하는, 드론을 제어하기 위한 시스템.
7. 기계학습시스템에서 특정 환경에 의해 드론 비행이 받은 영향인 비행격차가 반영된 학습 데이터 세트를 저장하여 데이터베이스를 구축하는 단계;
   드론으로부터 실제 비행 데이터를 획득하는 단계;
   유사패턴에 관한 매칭기준 내에서 상기 실제 비행 데이터와 매칭하는 상기 학습 데이터 세트를 상기 데이터베이스로부터 추출하는 단계;
   상기 추출된 학습 데이터 세트가 생성된 배경으로서, 상기 기계학습시스템에 의해 기록된, 상기 비행격차를 야기하는 하나 이상의 드론비행 환경 파라미터를 추출하는 단계;
   상기 추출된 드론비행 환경 파라미터에 기초하여 상기 실제 비행 데이터가 발생된 비행 환경을 추측하는 단계; 및
   상기 추측된 환경에 최적화된 비행을 위해, 상기 추측된 환경 정보에 기초하여 상기 비행격차를 보상하도록 미리 캘리브레이션된 환경 적응형 비행신호를 상기 드론에 전송하는 단계;를 포함하는, 드론을 제어하기 위한 방법.
8. 제 7 항에 있어서,
   상기 학습 데이터 세트를 생성하기 이전에, 훈련(training) 입력 데이터의 세트 및 훈련 출력 데이터의 세트를 이용하여 상기 기계학습시스템을 훈련시키는 단계를 더 포함하고,
   상기 훈련 입력 데이터의 각각은 상기 드론 비행에 영향을 끼치는 환경 파라미터를 포함하고, 상기 훈련 출력 데이터는 상기 환경 파라미터에 대응하는 비행 데이터 및 상기 비행 데이터의 변화 정보를 포함하며, 상기 비행 데이터는 상기 드론의 무게, 레볼루션, 이동 방향, 속도, 선가속도, 각속도, 자세 중 적어도 하나를 포함하는, 드론을 제어하기 위한 방법.
9. 제 7 항에 있어서,
   상기 환경 파라미터는,
   실내, 실외, 상기 드론으로부터 소정 거리 내에 위치하는 벽, 상기 드론 비행에 바람의 영향을 끼치는 환기구, 에어컨을 포함하는 환경 요소 및 자기장의 영향을 끼치는 환경 요소 중 적어도 하나로 구분되는, 드론을 제어하기 위한 방법.
10. 제 7 항에 있어서,
    상기 실제 비행 데이터를 획득하는 단계는,
    상기 드론의 레볼루션 데이터 및 상기 드론에 구비된 적어도 하나 이상 센서로부터의 센서 신호 및 상기 센서 신호의 실시간 변화율을 상기 실제 비행 데이터로서 수신하는, 드론을 제어하기 위한 방법.
11. 제 7 항에 있어서,
    상기 캘리브레이션된 환경 적응형 비행신호를 상기 드론에 전송하기 이전에,
    특정 비행 환경에 따라 상기 드론의 레볼루션 데이터, 이동 방향, 속도, 상기 드론에 구비된 센서들의 실시간 변화율을 분석하는 단계; 및
    상기 분석에 따라 상기 각 비행 환경에 최적화된 상기 드론 비행을 구현하기 위해 캘리브레이션을 수행하여 상기 캘리브레이션된 환경 적응형 비행신호를 생성하는 단계;를 더 포함하는, 드론을 제어하기 위한 방법.
12. 드론;
    기계학습시스템에서 각 특정 비행 환경에 의한 영향인 비행격차가 반영된 드론의 비행 데이터를 상기 비행격차를 야기하는 해당 환경 파라미터에 매핑된 학습 데이터 세트로서 저장하고, 해당 환경에서 최적화된 비행을 위해 미리 캘리브레이션된 환경 적응형 비행신호를 상기 학습 데이터 세트와 매핑하여 저장하는 데이터베이스; 및
    유사패턴에 관한 매칭기준 내에서 드론의 실제 비행 데이터와 매칭하는 상기 학습 데이터 세트를 상기 데이터베이스로부터 추출하고, 상기 추출된 학습 데이터 세트에 매핑된 환경 파라미터를 추출하며, 상기 추출된 환경 파라미터에 기초하여 상기 실제 비행 데이터가 발생된 비행 환경을 추측하고, 상기 추측된 환경에 최적화된 비행을 위해 상기 비행격차를 보상하도록 미리 캘리브레이션된 환경 적응형 비행신호를 상기 드론에 전송하는 서버;를 포함하는 드론을 제어하기 위한 시스템.
13. 제 12 항에 있어서,
    상기 각 특정 비행 환경은,
    실내, 실외, 상기 드론으로부터 소정 거리 내에 위치하는 벽, 상기 드론 비행에 바람의 영향을 끼치는 환기구, 에어컨을 포함하는 환경 요소 및 자기장의 영향을 끼치는 환경 요소 중 적어도 하나로 구분되는, 드론을 제어하기 위한 시스템.
14. 제 12 항에 있어서,
    상기 서버는,
    상기 특정 비행 환경에 따라 상기 드론의 레볼루션 데이터 및 상기 드론에 구비된 센서의 실시간 변화율을 분석하고, 상기 분석에 따라 상기 각 비행 환경에 최적화된 상기 드론의 속도와 방향을 구현하기 위한 상기 환경 적응형 비행신호를 생성하는, 드론을 제어하기 위한 시스템.
15. 제 14 항에 있어서,
    상기 센서는.
    상기 드론의 위치의 변화를 추정하기 위한 GPS또는 카메라, 선가속도의 변화를 추정하기 위한 가속도계(Accelerometer), 각속도의 변화를 측정하기 위한 자이로(gyro)센서, 지자계를 이용하여 자세의 변화를 측정하기 위한 자력계(magnetometer) 중 적어도 하나를 포함하는, 드론을 제어하기 위한 시스템.

Images