KR20210114647A - 무인비행체를 제어하기 위한 장치, 시스템 및 방법 - Google Patents
무인비행체를 제어하기 위한 장치, 시스템 및 방법 Download PDFInfo
- Publication number
- KR20210114647A KR20210114647A KR1020200029998A KR20200029998A KR20210114647A KR 20210114647 A KR20210114647 A KR 20210114647A KR 1020200029998 A KR1020200029998 A KR 1020200029998A KR 20200029998 A KR20200029998 A KR 20200029998A KR 20210114647 A KR20210114647 A KR 20210114647A
- Authority
- KR
- South Korea
- Prior art keywords
- route
- unmanned aerial
- aerial vehicle
- points
- fly
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 167
- 238000004891 communication Methods 0.000 claims abstract description 136
- 238000001467 acupuncture Methods 0.000 claims description 113
- 230000008859 change Effects 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 34
- 238000010801 machine learning Methods 0.000 claims description 26
- 230000007704 transition Effects 0.000 claims description 24
- 238000013473 artificial intelligence Methods 0.000 abstract description 100
- 230000003190 augmentative effect Effects 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 70
- 210000004027 cell Anatomy 0.000 description 63
- 230000005540 biological transmission Effects 0.000 description 59
- 230000001276 controlling effect Effects 0.000 description 50
- 230000008569 process Effects 0.000 description 39
- 238000010586 diagram Methods 0.000 description 28
- 238000012545 processing Methods 0.000 description 27
- 238000005516 engineering process Methods 0.000 description 16
- 239000000446 fuel Substances 0.000 description 16
- 238000012549 training Methods 0.000 description 16
- 230000007246 mechanism Effects 0.000 description 15
- 238000003062 neural network model Methods 0.000 description 15
- 238000001514 detection method Methods 0.000 description 14
- 238000013136 deep learning model Methods 0.000 description 13
- 230000004044 response Effects 0.000 description 12
- 230000011664 signaling Effects 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 10
- 230000033001 locomotion Effects 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 7
- 230000000116 mitigating effect Effects 0.000 description 7
- 230000008054 signal transmission Effects 0.000 description 7
- 238000013475 authorization Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 238000011084 recovery Methods 0.000 description 6
- 238000013468 resource allocation Methods 0.000 description 6
- 230000001360 synchronised effect Effects 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 5
- 238000010408 sweeping Methods 0.000 description 5
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical group C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 4
- 101100533725 Mus musculus Smr3a gene Proteins 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000001976 improved effect Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 230000008093 supporting effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000007630 basic procedure Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000003703 image analysis method Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 102100039856 Histone H1.1 Human genes 0.000 description 2
- 102100039855 Histone H1.2 Human genes 0.000 description 2
- 101001035402 Homo sapiens Histone H1.1 Proteins 0.000 description 2
- 101001035375 Homo sapiens Histone H1.2 Proteins 0.000 description 2
- 101150071746 Pbsn gene Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012508 change request Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000010006 flight Effects 0.000 description 2
- 210000004283 incisor Anatomy 0.000 description 2
- 230000002572 peristaltic effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000009683 ultrasonic thickness measurement Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 101100274486 Mus musculus Cited2 gene Proteins 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 101150096622 Smr2 gene Proteins 0.000 description 1
- 241000270666 Testudines Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0005—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with arrangements to save energy
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
- G05D1/0022—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement characterised by the communication link
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
- G08G5/0039—Modification of a flight plan
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U10/00—Type of UAV
- B64U10/10—Rotorcrafts
- B64U10/13—Flying platforms
- B64U10/16—Flying platforms with five or more distinct rotor axes, e.g. octocopters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/24—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for cosmonautical navigation
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
- G05D1/0044—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement by providing the operator with a computer generated representation of the environment of the vehicle, e.g. virtual reality, maps
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
- G05D1/1064—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones specially adapted for avoiding collisions with other aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0004—Transmission of traffic-related information to or from an aircraft
- G08G5/0013—Transmission of traffic-related information to or from an aircraft with a ground station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
- G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
- G08G5/0026—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located on the ground
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0052—Navigation or guidance aids for a single aircraft for cruising
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
- G08G5/0086—Surveillance aids for monitoring terrain
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/04—Anti-collision systems
- G08G5/045—Navigation or guidance aids, e.g. determination of anti-collision manoeuvers
-
- B64C2201/141—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/20—Remote controls
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U30/00—Means for producing lift; Empennages; Arrangements thereof
- B64U30/20—Rotors; Rotor supports
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/008—Artificial life, i.e. computing arrangements simulating life based on physical entities controlled by simulated intelligence so as to replicate intelligent life forms, e.g. based on robots replicating pets or humans in their appearance or behaviour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Astronomy & Astrophysics (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
무인비행체를 제어하기 위한 장치, 시스템 및 방법이 개시된다. 본 발명에 따라 무인비행체를 제어하기 위한 장치는 인공 지능(Artificial Intelligence) 모듈, 로봇, 증강 현실(Augmented Reality, AR) 장치, 가상 현실(virtual reality, VR) 장치, 5G 서비스와 관련된 장치 등과 연계될 수 있다.
Description
본 발명은 무인비행체를 제어하여 연료 소모 및 비행 시간이 절감되도록 하는 장치, 시스템 및 방법에 관한 것이다.
무인비행체(UAV: Unmanned Aerial Vehicle)는 사람이 탑승하지 않고 지상에서 원격 조종을 할 수 있는 비행체를 모두 포함한다. 최근 유행하고 있는 드론(Drone)은 무인비행체(UAV)의 일종이다. 즉, 드론은 비행체에 조종사가 직접 탑승하지 않고, 지상에서 컨트롤러를 사용하여 자동 또는 원격으로 드론의 비행을 조작할 수 있다.
초기의 무인비행체는 대부분 군사용으로 활용되어 왔으나, 지속적인 기술 발전에 따라 현재는 영상 촬영, 기상 관측, 환경 및 산불 감시, 국경/해안/도로 감시, 재난 지원 통신 중계 및 원격 탐사 등의 민간분야에서도 매우 활발하게 활용되고 있다.
한편, 무인비행체와 관련된 기술들이 점차 발달함에 따라, 무인비행체에 원격탐지장치, 위성제어장치 등의 최첨단 장비가 탑재되고 있다. 일 예로, 무인비행체는 적외선 카메라, GPS, 열 또는 움직임 감지 센서 등을 장착하고 이러한 탐지 장치들을 통해 지형, 지물, 사람 등을 실시간으로 인식하여 비행할 수 있다.
종래의 무인비행체는 비행계획 수립단계에서 설정된 항로를 따라 비행하는 것이 일반적이었다. 만약, 이렇게 미리 설정된 항로가 방위각(비행 방향)의 변화가 큰 변침점(way point)을 포함할 경우, 무인비행체는 변침점에서 선회반경이 작아지도록 선회하여야 했다. 이 경우, 무인비행체는 변침점에 도달하기 직전에 속도를 매우 감속하여 변침점에 도달한 뒤, 무인비행체의 기수(head)를 틀어 방위각을 조정한 후, 다시 속도를 높여 다음 변침점으로 비행하여야 했다. 따라서, 많은 변침점을 포함하고 있는 항로를 비행할 경우, 무인비행체의 배터리 및/또는 연료 소모가 컸으며, 전체적으로 무인비행체의 비행 시간이 단축되어, 무인비행체의 운용 및 사용이 불편하다는 문제점이 있었다.
본 발명은 전술한 필요성 및/또는 문제점을 해결하는 것을 목적으로 한다.
본 발명에 따른 무인비행체를 제어하기 위한 장치, 시스템 및 방법은 무인비행체가 방위각의 변화가 큰 변침점(way point, 웨이포인트)를 거쳐 비행하도록 항로를 설정할 경우, 플라이-바이(Fly-by) 및/또는 플라이-오버(Fly-over)하는 비행술을 적용하여 해당 변침점을 통과하도록 하는 장치, 시스템 및 방법을 제공한다.
또한, 본 발명에 따른 무인비행체를 제어하기 위한 장치, 시스템 및 방법은 무인비행체가 비행할 항로 주변에 비행 장애물이 검출될 경우, 해당 장애물을 피할 수 있는 우회 항로를 자동으로 설정하는 장치, 시스템 및 방법을 제공한다.
또한, 본 발명에 따른 무인비행체를 제어하기 위한 장치, 시스템 및 방법은 무인비행체가 비행할 항로 주변에 식별 가능한 랜드마크(landmark) 및/또는 표지가 있는 경우, 항로, 랜드마크(landmark) 및/또는 표지에 대한 위성 사진이나 영상을 딥러닝(deep learning)하여, 해당 랜드마크(landmark) 및/또는 표지를 경유하는 최적의 항로를 제공하는 장치, 시스템 및 방법을 을 제안한다.
본 발명의 일 실시예에 따라 적어도 하나 이상의 무인비행체를 제어할 수 있는 장치는, 상기 무인비행체의 비행을 제어하기 위한 제어 신호를 생성하고, 상기 무인비행체가 비행할 항로를 설정하는 제1 제어부, 상기 무인비행체와 데이터 통신할 수 있으며, 상기 제어 신호 및 상기 항로를 상기 무인비행체로 전송하는 제1 통신부 및 상기 항로가 통과하는 지역들에 대한 전자 지도, 위성 사진을 포함하는 지형 정보 및 상기 무인비행체가 상기 항로를 따라 비행하면서 촬영한 영상을 기계 학습하여 상기 항로 상에 장애물 또는 랜드마크가 있는지 여부를 판단하는 AI 프로세서를 포함하며, 상기 제1 제어부는 상기 AI 프로세서의 학습 결과 데이터에 따라, 상기 무인비행체가 상기 항로 상에 존재하는 상기 장애물을 피하도록 하는 우회 항로를 설정하고, 상기 항로에 포함된 적어도 하나 이상의 변침점(way point)들에서 상기 무인비행체의 비행 방향을 나타내는 방위각의 변화량을 계산하고 상기 방위각의 변화량에 따라, 상기 무인비행체가 상기 변침점들을 통과하여 비행할지 여부를 결정한다.
상기 제1 제어부는 상기 항로를 설정하는 항로 설정부, 상기 항로를 비행 도중 또는 상기 변침점에서 상기 무인비행체가 수행하여야 할 동작 및 기능을 설정하는 임무 설정부를 더 포함하고, 상기 항로 설정부는 순차적으로 연결된 적어도 3개의 변침점들이 형성하는 각도를 계산하여, 상기 각도가 일정 값을 초과하는지 여부에 따라 상기 무인비행체가 상기 3개의 변침점을 모두 통과하여 비행할지 여부를 결정할 수 있다.
상기 항로 설정부는 상기 적어도 3개의 변침점들이 형성하는 각도 및 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재하는지 여부를 판단 및 검출할 수 있다.
상기 항로 설정부는, 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만이고, 상기 적어도 3개의 변침점들과 그 인근 영역에 상기 랜드마크가 존재하지 않는다고 판단한 경우, 상기 적어도 3개 이상의 변침점들 중 두번째 변침점을 플라이-바이(fly-by)하도록 항로를 설정할 수 있다.
상기 항로 설정부는, 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만이고, 상기 적어도 3개의 변침점들과 그 인근 영역에 상기 랜드마크가 존재한다고 판단한 경우, 상기 적어도 3개 이상의 변침점들을 모두 통과하면서 그 중 두번째 변침점을 플라이-오버(fly-over)하도록 항로를 설정할 수 있다.
상기 항로 설정부는, 상기 적어도 3개의 변침점들 중 첫번째와 세번째 변침점 사이에 추가 변침점들을 생성하고, 상기 두번째 변침점 및 상기 추가 변침점들을 통과하면서 플라이-오버(fly-over)하도록 항로를 설정할 수 있다.
상기 항로 설정부는, 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값을 초과하고, 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재하지 않는다고 판단하면, 상기 적어도 3개의 변침점들 중 두번째 변침점을 플라이-바이(fly-by)하도록 항로를 설정할 수 있다.
상기 항로 설정부는, 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값을 초과하고, 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재한다고 판단하면, 상기 적어도 3개의 변침점들 중 두번째 변침점을 플라이-오버(fly-over)하도록 항로를 설정할 수 있다.
상기 항로 설정부는, 상기 적어도 3개의 변침점들 중 첫번째와 세번째 변침점 사이에 추가 변침점들을 생성하고, 상기 두번째 변침점 및 상기 추가 변침점을 통과하면서 플라이-오버(fly-over)하도록 항로를 설정할 수 있다.
상기 AI 프로세서는, 상기 랜드마크의 위치 좌표, 면적, 높이에 대한 랜드마크 지형 정보를 학습한 결과를 상기 항로 설정부에 제공하고, 상기 항로 설정부는, 상기 랜드마크의 면적 또는 높이가 일정 값 이상 임을 확인한 경우, 상기 무인비행체가 상기 랜드마크에 대해 촬영 임무를 수행할 수 있는 적어도 하나 이상의 추가 변침점들을 생성하며, 상기 추가 변침점들을 플라이-오버(fly-over)하도록 항로를 설정할 수 있다.
상기 항로 설정부는, 상기 항로에 포함된 적어도 하나 이상의 변침점(way point)들 중에서 순차적으로 연결된 적어도 4개 이상의 변침점들 간의 거리 간격이 일정 값 이하일 때, 상기 적어도 4개 이상의 변침점들 중 첫번째, 두번째, 세번째 변침점이 이루는 제1 각도 및 상기 적어도 4개 이상의 변침점들 중 두번째, 세번째, 네번째 변침점이 이루는 제2 각도를 계산하고, 상기 제1 각도 및 상기 제2 각도가 이루는 각도가 모두 일정 값을 초과하는지 여부를 판단하여, 상기 무인비행체가 상기 4개의 변침점을 모두 통과하여 비행할지 여부를 결정할 수 있다.
상기 항로 설정부는, 적어도 두 개 이상의 무인비행체들이 군집 비행을 수행할 수 있도록 하기 위해서, 각각의 무인비행체에 미리 저장된 패턴 비행에 대한 항로 또는 상기 AI 프로세서의 학습 결과 데이터에 따라 생성된 군집 비행에 대한 항로를 설정하며, 상기 적어도 두 개 이상의 무인비행체들 중 제1 무인비행체에는 제1 항로를 설정하고, 제2 무인비행체에는 제1 항로와 대칭되는 제2 항로를 자동적으로 설정할 수 있다.
상기 항로 설정부는 상기 항로를 설정함에 있어서, 상기 AI 프로세서의 상기 학습 결과 데이터와 상기 무인비행체의 위치, 속력, 고도, 자세 정보 및 상기 무인비행체에 장착된 센서들의 정보를 포함하는 기체 데이터를 바탕으로, 비행 중인 상기 무인비행체가 다른 무인비행체와 일정한 간격을 가지고 비행할 수 있도록 기체 간 통항 간격을 포함하는 상기 항로를 설정할 수 있다.
본 발명의 다른 실시예에 따라 무인비행체를 제어할 수 있는 시스템은, 무인비행체 및 상기 무인비행체를 제어할 수 있는 장치를 포함하고, 상기 무인비행체는 비행하면서 촬영한 영상 데이터 및 상기 무인비행체의 위치, 속력, 고도, 자세 정보를 포함하는 기체 데이터를 상기 장치로 전송하고, 상기 장치는, 상기 무인비행체의 비행을 제어하기 위한 제어 신호를 생성하고, 상기 무인비행체가 비행할 항로를 설정하는 제1 제어부, 상기 무인비행체와 데이터 통신할 수 있으며, 상기 제어 신호 및 상기 항로를 상기 무인비행체로 전송하는 제1 통신부 및 상기 항로가 통과하는 지역들에 대한 전자 지도, 위성 사진을 포함하는 지형 정보 및 상기 무인비행체가 상기 항로를 따라 비행하면서 촬영한 영상을 기계 학습하여 상기 항로 상에 장애물 또는 랜드마크가 있는지 여부를 판단하는 AI 프로세서를 포함하며, 상기 제1 제어부는 상기 AI 프로세서의 학습 결과 데이터에 따라, 상기 무인비행체가 상기 항로 상에 존재하는 상기 장애물을 피하도록 하는 우회 항로를 설정하고, 상기 항로에 포함된 적어도 하나 이상의 변침점(way point)들에서 상기 무인비행체의 비행 방향을 나타내는 방위각의 변화량을 계산하고 상기 방위각의 변화량에 따라, 상기 무인비행체가 상기 변침점들을 통과하여 비행할지 여부를 결정한다.
상기 제1 제어부는, 상기 항로를 설정하는 항로 설정부, 상기 항로를 비행 도중 또는 상기 변침점에서 상기 무인비행체가 수행하여야 할 동작 및 기능을 설정하는 임무 설정부를 더 포함하고, 상기 항로 설정부는, 순차적으로 연결된 적어도 3개의 변침점들이 형성하는 각도가 일정 값을 초과하는지 여부 또는 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재하는지 여부에 따라, 상기 무인비행체가 상기 3개의 변침점을 모두 통과하여 비행할지 여부를 결정할 수 있다.
상기 항로 설정부는, 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만이고, 상기 적어도 3개의 변침점들과 그 인근 영역에 상기 랜드마크가 존재하지 않는다고 판단한 경우, 상기 적어도 3개 이상의 변침점들 중 두번째 변침점을 플라이-바이(fly-by)하도록 항로를 설정하고, 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만이고, 상기 적어도 3개의 변침점들과 그 인근 영역에 상기 랜드마크가 존재한다고 판단한 경우, 상기 적어도 3개 이상의 변침점들을 모두 통과하면서 그 중 두번째 변침점을 플라이-오버(fly-over)하도록 항로를 설정할 수 있다.
상기 항로 설정부는, 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값을 초과하고, 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재하지 않는다고 판단하면, 상기 적어도 3개의 변침점들 중 두번째 변침점을 플라이-바이(fly-by)하도록 항로를 설정하며, 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값을 초과하고, 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재한다고 판단하면, 상기 적어도 3개의 변침점들 중 두번째 변침점을 플라이-오버(fly-over)하도록 항로를 설정할 수 있다.
상기 항로 설정부는 상기 항로를 설정함에 있어서, 상기 AI 프로세서의 상기 학습 결과 데이터와 상기 무인비행체의 위치, 속력, 고도, 자세 정보 및 상기 무인비행체에 장착된 센서들의 정보를 포함하는 기체 데이터를 바탕으로, 비행 중인 상기 무인비행체가 다른 무인비행체와 일정한 간격을 가지고 비행할 수 있도록 기체 간 통항 간격을 포함하는 상기 항로를 설정할 수 있다.
본 발명의 또 다른 실시 예에 따라 장치나 시스템을 이용하여 무인비행체를 제어할 수 있는 방법은, 상기 무인비행체가 순차적으로 비행할 복수의 변침점들(waypoints, 웨이포인트)를 설정하는 단계, 상기 항로가 통과하는 지역들에 대한 전자 지도, 위성 사진을 포함하는 지형 정보 또는 상기 무인비행체가 비행 중 촬영한 영상을 기계 학습하는 단계, 상기 기계 학습 결과에 따라 각각의 변침점 및 상기 변침점을 기준으로 일정한 범위의 영역 이내에 장애물이 있는지 여부를 판단하는 단계, 상기 장애물이 있다고 판단하면, 상기 장애물을 검출하고, 상기 장애물이 없는 영역에 적어도 하나 이상의 다른 변침점을 설정하여 상기 무인비행체가 상기 장애물을 회피할 수 있도록 하는 우회 항로를 설정하는 단계, 순차적으로 연결된 적어도 3개 이상의 변침점들이 이루는 각도를 계산하는 단계 및 계산된 상기 각도에 따라, 상기 무인비행체가 상기 적어도 3개 이상의 변침점들을 모두 통과하도록 비행할 것인지 여부를 판단하는 단계를 포함한다.
계산된 상기 각도에 따라, 상기 무인비행체가 상기 적어도 3개 이상의 변침점들을 모두 통과하도록 비행할 것인지 여부를 판단하는 단계는, 상기 적어도 3개 이상의 변침점들 및 각각의 인접 영역에 랜드마크(landmark)가 존재하는지 여부를 판단하는 단계를 더 포함할 수 있다.
상기 적어도 3개 이상의 변침점들 및 각각의 인접 영역에 랜드마크(landmark)가 존재하는지 여부를 판단하는 단계는, 상기 순차적으로 연결된 적어도 3개 이상의 변침점들이 이루는 각도를 계산하는 단계에서 계산된 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만이고, 상기 적어도 3개의 변침점들과 그 인근 영역에 상기 랜드마크가 존재하지 않는다고 판단한 경우, 상기 적어도 3개 이상의 변침점들 중 두번째 변침점을 플라이-바이(fly-by)하도록 항로를 설정하는 단계 및 상기 순차적으로 연결된 적어도 3개 이상의 변침점들이 이루는 각도를 계산하는 단계에서 계산된 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만이고, 상기 적어도 3개의 변침점들과 그 인근 영역에 상기 랜드마크가 존재하지 않는다고 판단한 경우, 상기 무인비행체가 상기 적어도 3개 이상의 변침점들 중 두번째 변침점을 플라이-오버(fly-over)하도록 항로를 설정하는 단계를 더 포함할 수 있다.
상기 적어도 3개 이상의 변침점들 및 각각의 인접 영역에 랜드마크(landmark)가 존재하는지 여부를 판단하는 단계는, 상기 순차적으로 연결된 적어도 3개 이상의 변침점들이 이루는 각도를 계산하는 단계에서 계산된 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값을 초과하고, 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재하지 않는다고 판단하면, 상기 적어도 3개의 변침점들 중 두번째 변침점을 플라이-바이(fly-by)하도록 항로를 설정하는 단계 및 상기 순차적으로 연결된 적어도 3개 이상의 변침점들이 이루는 각도를 계산하는 단계에서 계산된 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값을 초과하고, 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재한다고 판단하면, 상기 적어도 3개의 변침점들 중 두번째 변침점을 플라이-오버(fly-over)하도록 항로를 설정하는 단계를 더 포함할 수 있다.
상기 적어도 3개 이상의 변침점들 및 각각의 인접 영역에 랜드마크(landmark)가 존재하는지 여부를 판단하는 단계는, 상기 적어도 3개 이상의 변침점들이 설정된 지역들에 대한 전자지도, 위성사진 이미지를 포함하는 지형 정보 또는 상기 무인비행체가 비행 중 촬영한 영상을 기계 학습하는 단계 및 상기 기계 학습의 결과를 바탕으로 상기 적어도 3개 이상의 변침점들 각각으로부터 특정 범위 내에 상기 랜드마크가 존재하는지 여부를 판단하는 단계를 더 포함할 수 있다.
상기 무인비행체가 순차적으로 비행할 복수의 변침점들(waypoints, 웨이포인트)를 설정하는 단계는, 상기 무인비행체에 장착된 센서들 또는 촬영부에 포함된 카메라의 하드웨어에 대한 정보를 포함하는 기체 데이터를 수집하는 단계, 상기 변침점들이 설정될 지역 또는 공역에 통항량을 확인하는 단계 및 상기 무인비행체가 다른 무인비행체와 일정한 간격을 가지고 비행할 수 있도록 기체 간 통항 간격을 설정하는 단계를 더 포함할 수 있다.
본 발명에 따른 무인비행체를 제어할 수 있는 장치, 시스템 및 방법은 베터리 및/또는 연료 소모를 최소화할 수 있는 항로를 자동 설정하여, 무인비행체의 전체 비행 시간을 늘릴 수 있다.
본 발명에 따른 무인비행체를 제어할 수 있는 장치, 시스템 및 방법은 무인비행체가 방위각 변화가 큰 변침점에서 변침할 때, 고정익기에서 사용되는 다양한 비행술을 사용하여, 무인비행체의 베터리 및/또는 연료 소모량을 최소화할 수 있다.
본 발명에 따른 무인비행체를 제어할 수 있는 장치, 시스템 및 방법은 항로 및 랜드마크에 대한 위성 사진 또는 영상을 분석하여, 지형에 따라 안정적으로 비행할 수 있도록 무인비행체를 제어한다.
본 발명에 따른 무인비행체를 제어할 수 있는 장치, 시스템 및 방법은 변침점 즉, 웨이포인트에서 무인비행체가 수행할 임무를 구체적으로 설정할 수 있도록 무인비행체를 제어한다.
본 발명에 따른 무인비행체를 제어할 수 있는 장치, 시스템 및 방법은 특정 무인비행체와 다른 무인비행체가 충돌하는 것을 방지하기 위하여, 기체간 통항 간격을 미리 설정하므로, 무인비행체 간 충돌을 미리 예방할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 무인비행체의 사시도이다.
도 2는 도 1에 도시된 무인비행체의 주요 구성들 간의 제어관계를 도시한 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 무인비행체를 제어하기 위한 시스템의 주요 구성들 간의 제어관계를 도시한 블록도이다.
도 4는 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.
도 5는 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.
도 6은 5G 통신 시스템에서 로봇과 5G 네트워크의 기본 동작의 일 예를 나타낸다.
도 7은 5G 통신을 이용한 로봇 대 로봇 간의 기본 동작의 일 예를 예시한다.
도 8은 UAS를 포함하는 3GPP 시스템 개념도의 일례를 나타낸 도이다.
도 9는 UAV에 대한 C2 통신 모델의 일례들을 나타낸다.
도 10은 본 발명이 적용될 수 있는 측정 수행 방법의 일 예를 나타낸 흐름도이다.
도 11은 본 발명의 일 실시 예에 따른 AI 장치의 블록도이다.
도 12는 본 발명의 일 실시 예에 따른 무인비행체를 제어하기 위한 장치 및 시스템의 주요 구성들을 도시한 블록도이다.
도 13은 본 발명의 일 실시 예에 따른 무인비행체가 변침점을 거쳐 비행하는 다양한 방법들의 예시를 나타낸 도면이다.
도 14는 본 발명의 본 발명의 일 실시 예에 따른 장치 또는 시스템이 무인비행체를 제어하는 방법을 나타낸 순서도이다.
도 15는 본 발명의 일 실시 예에 따른 장치 또는 시스템이 설정한 항로를 웹 화면 형태로 출력한 일 예시를 나타낸 도면이다.
도 16은 본 발명의 일 실시 예에 따른 장치 또는 시스템이 플라이-오버(fly-over) 항법으로 설정한 항로를 웹 화면 형태로 출력한 일 예시를 나타낸 도면이다.
도 17은 본 발명의 일 실시 예에 따른 장치 또는 시스템이 플라이-바이(fly-by) 항법으로 설정한 항로를 웹 화면 형태로 출력한 일 예시를 나타낸 도면이다.
도 18은 본 발명에 따른 장치나 시스템이 무인비행체의 패턴 비행 경로를 설정하는 방법을 나타낸 순서도이다.
도 19는 도 18에 도시된 순서도에 따라 설정된 패턴 비행 경로가 웹 화면으로 출력되는 예시를 나타내는 도면이다.
도 20은 본 발명에 따른 장치나 시스템이 기존에 설정된 패턴 비행 경로 외에 새롭게 설정된 패턴 비행 경로를 웹 화면으로 출력하는 예시를 나타낸 도면이다.
도 21은 본 발명에 따른 장치나 시스템이 무인비행체의 통항 간격을 설정하는 방법을 나타낸 순서도이다.
도 22는 도 21에 도시된 순서도에 따라 설정된 통항 간격을 바탕으로 무인비행체가 다른 무인비행체와 충돌을 회피하는 예시를 나타내는 도면이다.
도 23은 본 발명의 다른 실시 예에 따른 무인비행체를 제어하는 방법을 나타낸 순서도이다.
도 24는 본 발명에 따른 장치(600)나 시스템(60)이 추가 변침점을 설정하는 방법을 나타낸 순서도이다.
도 2는 도 1에 도시된 무인비행체의 주요 구성들 간의 제어관계를 도시한 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 무인비행체를 제어하기 위한 시스템의 주요 구성들 간의 제어관계를 도시한 블록도이다.
도 4는 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.
도 5는 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.
도 6은 5G 통신 시스템에서 로봇과 5G 네트워크의 기본 동작의 일 예를 나타낸다.
도 7은 5G 통신을 이용한 로봇 대 로봇 간의 기본 동작의 일 예를 예시한다.
도 8은 UAS를 포함하는 3GPP 시스템 개념도의 일례를 나타낸 도이다.
도 9는 UAV에 대한 C2 통신 모델의 일례들을 나타낸다.
도 10은 본 발명이 적용될 수 있는 측정 수행 방법의 일 예를 나타낸 흐름도이다.
도 11은 본 발명의 일 실시 예에 따른 AI 장치의 블록도이다.
도 12는 본 발명의 일 실시 예에 따른 무인비행체를 제어하기 위한 장치 및 시스템의 주요 구성들을 도시한 블록도이다.
도 13은 본 발명의 일 실시 예에 따른 무인비행체가 변침점을 거쳐 비행하는 다양한 방법들의 예시를 나타낸 도면이다.
도 14는 본 발명의 본 발명의 일 실시 예에 따른 장치 또는 시스템이 무인비행체를 제어하는 방법을 나타낸 순서도이다.
도 15는 본 발명의 일 실시 예에 따른 장치 또는 시스템이 설정한 항로를 웹 화면 형태로 출력한 일 예시를 나타낸 도면이다.
도 16은 본 발명의 일 실시 예에 따른 장치 또는 시스템이 플라이-오버(fly-over) 항법으로 설정한 항로를 웹 화면 형태로 출력한 일 예시를 나타낸 도면이다.
도 17은 본 발명의 일 실시 예에 따른 장치 또는 시스템이 플라이-바이(fly-by) 항법으로 설정한 항로를 웹 화면 형태로 출력한 일 예시를 나타낸 도면이다.
도 18은 본 발명에 따른 장치나 시스템이 무인비행체의 패턴 비행 경로를 설정하는 방법을 나타낸 순서도이다.
도 19는 도 18에 도시된 순서도에 따라 설정된 패턴 비행 경로가 웹 화면으로 출력되는 예시를 나타내는 도면이다.
도 20은 본 발명에 따른 장치나 시스템이 기존에 설정된 패턴 비행 경로 외에 새롭게 설정된 패턴 비행 경로를 웹 화면으로 출력하는 예시를 나타낸 도면이다.
도 21은 본 발명에 따른 장치나 시스템이 무인비행체의 통항 간격을 설정하는 방법을 나타낸 순서도이다.
도 22는 도 21에 도시된 순서도에 따라 설정된 통항 간격을 바탕으로 무인비행체가 다른 무인비행체와 충돌을 회피하는 예시를 나타내는 도면이다.
도 23은 본 발명의 다른 실시 예에 따른 무인비행체를 제어하는 방법을 나타낸 순서도이다.
도 24는 본 발명에 따른 장치(600)나 시스템(60)이 추가 변침점을 설정하는 방법을 나타낸 순서도이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 첨부된 도면들을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시 예에 따른 무인비행체의 사시도를 나타낸다. 도 1에서는 무인비행체(100)의 일 예로 드론(drone)의 한 종류에 포함되는 멀티콥터를 도시하고 있다. 이하에서는 설명의 편의를 위해, 본 발명에 따른 무인비행체는 드론(drone)의 한 종류에 포함되는 멀티콥터를 예시로 하여 설명하도록 한다. 하지만, 본 발명의 무인비행체는 예시로 든 멀티콥터에 한정되는 것은 아니며, 이외에도 다양한 종류의 비행체를 포함할 수 있다.
우선, 무인비행체(100)는 지상의 관리자에 의해 수동 조작되거나, 설정된 비행 프로그램에 의해 자동 조종되면서 무인 비행하게 되는 것이다. 이와 같은 무인비행체(100)는 도 1에서와 같이 본체(20), 수평 및 수직이동 추진장치(10), 및 착륙용 레그(130)를 포함하는 구성으로 이루어진다.
본체(20)는 작업부(40) 등의 모듈이 장착되는 몸체 부위이다.
수평 및 수직이동 추진장치(10)는 본체(20)에 수직으로 설치되는 하나 이상의 프로펠러(11)로 이루어지는 것으로, 본 발명의 실시예에 따른 수평 및 수직이동 추진장치(10)는 서로 이격 배치된 복수개의 프로펠러(11)와 모터(12)로 이루어진다. 여기서 수평 및 수직이동 추진장치(10)는 프로펠러(11)가 아닌 에어 분사형 추진기 구조로 이루어질 수도 있다.
복수 개의 프로펠러 지지부는 본체(20)에서 방사상으로 형성된다. 각각의 프로펠러 지지부에는 모터(12)가 장착될 수 있다. 각각의 모터(12)에는 프로펠러(11)가 장착된다.
복수 개의 프로펠러(11)는 본체(20)를 중심을 기준하여 대칭되게 배치될 수 있다. 그리고 복수 개의 프로펠러(11)의 회전 방향은 시계 방향과 반 시계 방향이 조합되도록 모터(12)의 회전 방향이 결정될 수 있다. 본체(20)를 중심을 기준하여 대칭되는 한 쌍의 프로펠러(11)의 회전 방향은 동일(예를 들어, 시계 방향)하게 설정될 수 있다. 그리고 다른 한 쌍의 프로펠러(11)은 이와 달리 회전 방향이 반대일 수 있다(예를 들어, 시계 반대 방향).
착륙용 레그(30)는 본체(20)의 저면에 서로 이격 배치된다. 또한, 착륙용 레그(30)의 하부에는 무인비행체(100)가 착륙할 때 지면과의 충돌에 의한 충격을 최소화하는 완충 지지부재(미도시)가 장착될 수 있다. 물론 무인비행체(100)는 상술한 바와 다른 구성을 포함하는 다양한 구조로 이루어질 수도 있다.
도 2는 도 1에 도시된 무인비행체(100)의 주요 구성들 간의 제어관계를 도시한 블록도이다.
도 2를 참조하면, 무인비행체(100)는 안정적으로 비행하기 위해서 각종 센서들을 이용해 자신의 비행상태를 측정한다. 무인비행체(100)는 적어도 하나의 센서를 포함하는 센싱부(130)를 포함할 수 있다.
무인비행체(100)의 비행상태는 회전운동상태(Rotational States)와 병진운동상태(Translational States)로 정의된다.
회전운동상태는 '요(Yaw)', '피치 (Pitch)', 및 '롤 (Roll)'을 의미하며, 병진운동상태는 경도, 위도, 고도, 및 속도를 의미한다.
여기서, '롤', '피치', 및 '요'는 오일러 (Euler) 각도라 부르며, 비행기 기체좌표 x, y, z 세 축이 어떤 특정 좌표, 예를 들어, NED 좌표 N, E, D 세 축에 대하여 회전된 각도를 나타낸다. 비행기 전면이 기체좌표의 z축을 기준으로 좌우로 회전할 경우, 기체좌표의 x축은 NED 좌표의 N축에 대하여 각도 차이가 생기게 되며, 이각도를 "요"(Ψ)라고 한다. 비행기의 전면이 오른쪽으로 향한 y축을 기준으로 상하로 회전을 할 경우, 기체좌표의 z축은 NED 좌표의 D축에 대하여 각도 차이가 생기게 되며, 이 각도를 "피치"(*?*)라고 한다. 비행기의 동체가 전면을 향한 x축을 기준으로 좌우로 기울게 될 경우, 기체좌표의 y축은 NED 좌표의 E축에 대하여 각도가 생기게 되며, 이 각도를 "롤"(Φ)이라 한다.
무인비행체(100)는 회전운동상태를 측정하기 위해 3축 자이로 센서(Gyroscopes), 3축 가속도 센서(Accelerometers), 및 3축 지자기 센서(Magnetometers)를 이용하고, 병진운동상태를 측정하기 위해 GPS 센서와 기압 센서(Barometric Pressure Sensor)를 이용한다.
본 발명의 센싱부(130)는 자이로 센서, 가속도 센서, GPS 센서, 영상 센서 및 기압 센서 중 적어도 하나를 포함한다. 여기서, 자이로 센서와 가속도 센서는 무인비행체(100)의 기체좌표(Body Frame Coordinate)가 지구관성좌표(Earth Centered Inertial Coordinate)에 대해 회전한 상태와 가속된 상태를 측정해주는데, MEMS(Micro-Electro-Mechanical Systems) 반도체 공정기술을 이용해 관성측정기(IMU: Inertial Measurement Unit)라 부르는 단일 칩(Single Chip)으로 제작될 수도 있다.
또한, IMU 칩 내부에는 자이로 센서와 가속도 센서가 측정한 지구관성좌표 기준의 측정치들을 지역좌표 (Local Coordinate), 예를 들어 GPS가 사용하는 NED(North-East-Down) 좌표로 변환해주는 마이크로 컨트롤러가 포함될 수 있다.
자이로 센서는 무인비행체(100)의 기체좌표 x, y, z 세 축이 지구관성 좌표에 대하여 회전하는 각속도를 측정한 후 고정좌표로 변환된 값(Wx.gyro, Wy.gyro, Wz.gyro)을 계산하고, 이 값을 선형 미분방정식을 이용해 오일러 각도(Φgyro, 
gyro, øgyro)로 변환한다.
가속도 센서는 무인비행체(100)의 기체좌표 x, y, z 세 축의 지구관성좌표에 대한 가속도를 측정한 후 고정좌표로 변환된 값(fx,acc, fy,acc, fz,acc)을 계산하고, 이 값을 '롤(Φacc)'과 '피치(
acc)'로 변환하며, 이 값 들은 자이로 센서의 측정치를 이용해 계산한 '롤(Φgyro)'과 '피치(
gyro)'에 포함된 바이어스 오차를 제거하는 데 이용된다.
지자기 센서는 무인비행체(100)의 기체좌표 x, y, z 세 축의 자북점에 대한 방향을 측정하고, 이 값을 이용해 기체좌표의 NED 좌표에 대한 '요(yaw)' 값을 계산한다.
GPS 센서는 GPS 위성들로부터 수신한 신호를 이용해 NED 좌표 상에서 무인비행체(100)의 병진운동상태, 즉, 위도(Pn.GPS), 경도(Pe.GPS), 고도(hMSL.GPS), 위도 상의 속도(Vn.GPS), 경도 상의 속도(Ve.GPS), 및 고도 상의 속도(Vd.GPS)를 계산한다. 여기서, 첨자 MSL은 해수면(MSL: Mean Sea Level)을 의미한다.
기압 센서는 무인비행체(100)의 고도(hALP.baro)를 측정할 수 있다. 여기서, 첨자 ALP는 기압(Air-Level Pressor)을 의미하며, 기압 센서는 무인비행체(100)의 이륙시 기압과 현재 비행고도에서의 기압을 비교해 이륙 지점으로부터의 현재 고도를 계산한다.
카메라 센서는 적어도 하나의 광학렌즈와, 광학렌즈를 통과한 광에 의해 상이 맺히는 다수 개의 광다이오드(photodiode, 예를 들어, pixel)를 포함하여 구성된 이미지센서(예를 들어, CMOS image sensor)와, 광다이오드들로부터 출력된 신호를 바탕으로 영상을 구성하는 디지털 신호 처리기(DSP: Digital Signal Processor)를 포함할 수 있다. 디지털 신호 처리기는 정지영상은 물론이고, 정지영상으로 구성된 프레임들로 이루어진 동영상을 생성하는 것도 가능하다.
무인비행체(100)는, 정보를 입력받거나 수신하고 정보를 출력하거나 송신하는 커뮤니케이션 모듈(170)을 포함한다. 커뮤니케이션 모듈(170)은 외부의 다른 기기와 정보를 송수신하는 드론 통신부(175)를 포함할 수 있다. 커뮤니케이션 모듈(170)은 정보를 입력하는 입력부(171)를 포함할 수 있다. 커뮤니케이션 모듈(170)은 정보를 출력하는 출력부(173)를 포함할 수 있다.
물론, 출력부(173)는 무인비행체(100)에 생략되고 단말기(300)에 형성될 수 있다.
일 예로, 무인비행체(100)는 입력부(171)로부터 직접 정보를 입력받을 수 있다. 다른 예로, 무인비행체(100)는 별도의 단말기(300) 또는 서버(200)에 입력된 정보를 드론 통신부(175)를 통해 수신받을 수 있다.
일 예로, 무인비행체(100)는 출력부(173)로 직접 정보를 출력시킬 수 있다. 다른 예로, 무인비행체(100)는 드론 통신부(175)를 통해 별도의 단말기(300)로 정보를 송신하여, 단말기(300)가 정보를 출력하게 할 수 있다.
드론 통신부(175)는, 외부의 서버(200), 단말기(300) 등과 통신하게 구비될 수 있다. 드론 통신부(175)는, 스마트폰이나 컴퓨터 등의 단말기(300)로부터 입력된 정보를 수신할 수 있다. 드론 통신부(175)는 단말기(300)로 출력될 정보를 송신할 수 있다. 단말기(300)는 드론 통신부(175)로부터 받은 정보를 출력할 수 있다.
드론 통신부(175)는 단말기(300) 또는/및 서버(200)로부터 각종 명령 신호를 수신할 수 있다. 드론 통신부(175)는 단말기(300) 또는/및 서버(200)로부터 주행을 위한 구역 정보, 주행 경로, 주행 명령을 수신받을 수 있다. 여기서, 구역 정보는 비행 제한 구역(A) 정보, 접근 제한 거리 정보를 포함할 수 있다.
입력부(171)는 On/Off 또는 각종 명령을 입력받을 수 있다. 입력부(171)는 구역 정보를 입력받을 수 있다. 입력부(171)는 물건 정보를 입력받을 수 있다. 입력부(171)는, 각종 버튼이나 터치패드, 또는 마이크 등을 포함할 수 있다.
출력부(173)는 각종 정보를 사용자에게 알릴 수 있다. 출력부(173)는 스피커 및/또는 디스플레이를 포함할 수 있다. 출력부(173)는 주행 중 감지한 발견물의 정보를 출력할 수 있다. 출력부(173)는 발견물의 식별 정보를 출력할 수 있다. 출력부(173)는 발견물의 위치 정보를 출력할 수 있다.
무인비행체(100)는 맵핑 및/또는 현재 위치를 인식하는 등 각종 정보를 처리하고 판단하는 드론 제어부(140)를 포함한다. 드론 제어부(140)는 무인비행체(100)를 구성하는 각종 구성들의 제어를 통해, 무인비행체(100)의 동작 전반을 제어할 수 있다.
드론 제어부(140)는 커뮤니케이션 모듈(170)로부터 정보를 받아 처리할 수 있다. 드론 제어부(140)는 입력부(171)로부터 정보를 입력 받아 처리할 수 있다. 드론 제어부(140)는 드론 통신부(175)로부터 정보를 받아 처리할 수 있다.
드론 제어부(140)는 센싱부(130)로부터 감지 정보를 입력 받아 처리할 수 있다.
드론 제어부(140)는 모터(12)의 구동을 제어할 수 있다. 드론 제어부(140)는 작업부(40)의 동작을 제어할 수 있다.
무인비행체(100)는 각종 데이터를 저장하는 저장부(150)를 포함한다. 저장부(150)는 무인비행체(100)의 제어에 필요한 각종 정보들을 기록하는 것으로, 휘발성 또는 비휘발성 기록 매체를 포함할 수 있다.
저장부(150)에는 주행구역에 대한 맵이 저장될 수 있다. 맵은 무인비행체(100)와 드론 통신부(175)을 통해 정보를 교환할 수 있는 외부 단말기(300)에 의해 입력된 것일 수도 있고, 무인비행체(100)가 스스로 학습을 하여 생성한 것일 수도 있다. 전자의 경우, 외부 단말기(300)로는 맵 설정을 위한 어플리케이션(application)이 탑재된 리모콘, PDA, 랩탑(laptop), 스마트 폰, 태블릿 등을 예로 들 수 있다.
도 3은 본 발명의 일 실시예에 따른 무인비행체를 제어하기 위한 시스템의 주요 구성들 간의 제어관계를 도시한 블록도이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 무인비행체를 제어하기 위한 시스템은 무인비행체(100)와 서버(200)를 포함하거나, 무인비행체(100), 단말기(300) 및 서버(200)를 포함할 수 있다. 무인 비행체(100), 단말기(300) 및 서버(200)는 서로 무선 통신 방법으로 연결된다.
무선 통신 방법은 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등이 사용될 수 있다.
무선 통신 방법은 무선 인터넷 기술이 사용될 수 있다. 무선 인터넷 기술로는, 예를 들어 WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), Wi-Fi(Wireless Fidelity) Direct, DLNA(Digital Living Network Alliance), WiBro(Wireless Broadband), WiMAX(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced), 5G 등이 있다. 특히 5G 통신망을 이용하여 데이터를 송수신함으로써 보다 빠른 응답이 가능하다.
서버(200)는 도 3에 도시된 바와 같이, 제1 통신부(210), 레벨 판단 유닛(220), 저장부(230), 컨트롤 유닛(240) 및 위치 판단 유닛(250)을 포함할 수 있다.
서버 통신부(210)는 무인비행체(100) 즉, 드론(100)의 드론 통신부(175)와 정보를 주고받는 데이터 통신을 수행한다.
레벨 판단 유닛(220)은 무인비행체(100)의 고도, 자세 및 우선 순위 임무 정보들을 수집하고 판단하는 역할을 한다.
서버 저장부(230)는 무인비행체(100)의 제어에 필요한 각종 정보들, 단말기(300)와의 통신 및 단말기(300)의 제어에 필요한 각종 정보들을 기록하는 것으로, 휘발성 또는 비휘발성 기록 매체를 포함할 수 있다.
컨트롤 유닛(240)은 드론(100)에 대한 직접적인 제어 신호를 생성한다.
위치 판단 유닛(250)은 드론(100)의 위치, 속도, 항로, 항로가 통과하는 지역에 대한 지형 정보를 수집하고 드론(100)의 위치를 파악할 수 있다.
본 명세서에서 기지국은 단말과 직접적으로 통신을 수행하는 네트워크의 종단 노드(terminal node)로서의 의미를 갖는다. 본 명세서에서 기지국에 의해 수행되는 것으로 설명된 특정 동작은 경우에 따라서는 기지국의 상위 노드(upper node)에 의해 수행될 수도 있다. 즉, 기지국을 포함하는 다수의 네트워크 노드들(network nodes)로 이루어지는 네트워크에서 단말과의 통신을 위해 수행되는 다양한 동작들은 기지국 또는 기지국 이외의 다른 네트워크 노드들에 의해 수행될 수 있음은 자명하다. '기지국(BS: Base Station)'은 고정국(fixed station), Node B, eNB(evolved-NodeB), BTS(base transceiver system), 액세스 포인트(AP: Access Point), gNB(Next generation NodeB) 등의 용어에 의해 대체될 수 있다. 또한, '단말(Terminal)'은 고정되거나 이동성을 가질 수 있으며, UE(User Equipment), MS(Mobile Station), UT(user terminal), MSS(Mobile Subscriber Station), SS(Subscriber Station), AMS(Advanced Mobile Station), WT(Wireless terminal), MTC(Machine-Type Communication) 장치, M2M(Machine-to-Machine) 장치, D2D(Device-to-Device) 장치 등의 용어로 대체될 수 있다.
이하에서, 하향링크(DL: downlink)는 기지국에서 단말로의 통신을 의미하며, 상향링크(UL: uplink)는 단말에서 기지국으로의 통신을 의미한다. 하향링크에서 송신기는 기지국의 일부이고, 수신기는 단말의 일부일 수 있다. 상향링크에서 송신기는 단말의 일부이고, 수신기는 기지국의 일부일 수 있다.
이하의 설명에서 사용되는 특정 용어들은 본 발명의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 본 발명의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
본 발명의 실시 예들은 무선 접속 시스템들인 IEEE 802, 3GPP 및 3GPP2 중 적어도 하나에 개시된 표준 문서들에 의해 뒷받침될 수 있다. 즉, 본 발명의 실시 예들 중 본 발명의 기술적 사상을 명확히 드러내기 위해 설명하지 않은 단계들 또는 부분들은 상기 문서들에 의해 뒷받침될 수 있다. 또한, 본 문서에서 개시하고 있는 모든 용어들은 상기 표준 문서에 의해 설명될 수 있다.
설명을 명확하게 하기 위해, 3GPP 5G를 위주로 기술하지만 본 발명의 기술적 특징이 이에 제한되는 것은 아니다.
UE 및 5G 네트워크 블록도 예시
도 4는 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.
도 4를 참조하면, 본 발명에 따른 무인비행체(100)의 일 예에 해당하는 드론()을 제1 통신 장치로 정의(도 4의 910)하고, 프로세서(911)가 드론()의 상세 동작을 수행할 수 있다.
한편, 드론()은 무인 항공 차량, 무인 항공 로봇 등으로 표현될 수도 있다.
드론()과 통신하는 5G 네트워크를 제2 통신 장치로 정의(도 4의 920)하고, 프로세서(921)가 드론()의 상세 동작을 제어하도록 하는 역할을 수행할 수 있다. 여기서, 제2 통신 장치(도 4의 920)는 드론()을 제어하는 장치이며, 5G 네트워크는 드론()과 통신하는 제2 통신 장치(도 4의 920)이외에 다른 장치 및/또는 다른 드론을 포함할 수 있다. 또한, 이와는 다른 실시 예에서 5G 네트워크가 드론()을 제어하는 장치 역할을 수행할 수 있으며, 이 경우, 5G 네트워크는 제 1 통신 장치로, 드론()은 제 2 통신 장치로 표현될 수도 있다.
예를 들어, 상기 제 1 통신 장치 또는 상기 제 2 통신 장치는 기지국, 네트워크 노드, 전송 단말, 수신 단말, 무선 장치, 무선 통신 장치, 드론 등일 수 있다.
예를 들어, 단말 또는 UE(User Equipment)는 드론(Drone), UAV(Unmanned Aerial Vehicle), 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털 방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)) 등을 포함할 수 있다. 예를 들어, HMD는 머리에 착용하는 형태의 디스플레이 장치일 수 있다. 예를 들어, HMD는 VR, AR 또는 MR을 구현하기 위해 사용될 수 있다. 도 4를 참고하면, 제 1 통신 장치(910)와 제 2 통신 장치(920)은 프로세서(processor, 911,921), 메모리(memory, 914,924), 하나 이상의 Tx/Rx RF 모듈(radio frequency module, 915,925), Tx 프로세서(912,922), Rx 프로세서(913,923), 안테나(916,926)를 포함한다. Tx/Rx 모듈은 트랜시버라고도 한다. 각각의 Tx/Rx 모듈(915)는 각각의 안테나(926)을 통해 신호를 전송한다. 프로세서는 앞서 살핀 기능, 과정 및/또는 방법을 구현한다. 프로세서 (921)는 프로그램 코드 및 데이터를 저장하는 메모리 (924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다. 보다 구체적으로, DL(제 1 통신 장치에서 제 2 통신 장치로의 통신)에서, 전송(TX) 프로세서(912)는 L1 계층(즉, 물리 계층)에 대한 다양한 신호 처리 기능을 구현한다. 수신(RX) 프로세서는 L1(즉, 물리 계층)의 다양한 신호 프로세싱 기능을 구현한다.
UL(제 2 통신 장치에서 제 1 통신 장치로의 통신)은 제 2 통신 장치(920)에서 수신기 기능과 관련하여 기술된 것과 유사한 방식으로 제 1 통신 장치(910)에서 처리된다. 각각의 Tx/Rx 모듈(925)는 각각의 안테나(926)을 통해 신호를 수신한다. 각각의 Tx/Rx 모듈은 RF 반송파 및 정보를 RX 프로세서(923)에 제공한다. 프로세서 (921)는 프로그램 코드 및 데이터를 저장하는 메모리 (924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다.
무선 통신 시스템에서 신호 송/수신 방법
도 5는 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.
도 5를 참고하면, UE는 전원이 켜지거나 새로이 셀에 진입한 경우 BS와 동기를 맞추는 등의 초기 셀 탐색(initial cell search) 작업을 수행한다(S201). 이를 위해, UE는 BS로부터 1차 동기 채널(primary synchronization channel, P-SCH) 및 2차 동기 채널(secondary synchronization channel, S-SCH)을 수신하여 BS와 동기를 맞추고, 셀 ID 등의 정보를 획득할 수 있다. LTE 시스템과 NR 시스템에서 P-SCH와 S-SCH는 각각 1차 동기 신호(primary synchronization signal, PSS)와 2차 동기 신호(secondary synchronization signal, SSS)로 불린다. 초기 셀 탐색 후, UE는 BS로부터 물리 브로드캐스트 채널(physical broadcast channel, PBCH)를 수신하여 셀 내 브로드캐스트 정보를 획득할 수 있다. 한편, UE는 초기 셀 탐색 단계에서 하향링크 참조 신호(downlink reference Signal, DL RS)를 수신하여 하향링크 채널 상태를 확인할 수 있다. 초기 셀 탐색을 마친 UE는 물리 하향링크 제어 채널(physical downlink control channel, PDCCH) 및 상기 PDCCH에 실린 정보에 따라 물리 하향링크 공유 채널(physical downlink shared Channel, PDSCH)을 수신함으로써 좀더 구체적인 시스템 정보를 획득할 수 있다(S202).
한편, BS에 최초로 접속하거나 신호 전송을 위한 무선 자원이 없는 경우 UE는 BS에 대해 임의 접속 과정(random access procedure, RACH)을 수행할 수 있다(단계 S203 내지 단계 S206). 이를 위해, UE는 물리 임의 접속 채널(physical random access Channel, PRACH)을 통해 특정 시퀀스를 프리앰블로서 전송하고(S203 및 S205), PDCCH 및 대응하는 PDSCH를 통해 프리앰블에 대한 임의 접속 응답(random access response, RAR) 메시지를 수신할 수 있다(S204 및 S206). 경쟁 기반 RACH의 경우, 추가적으로 충돌 해결 과정(contention resolution procedure)를 수행할 수 있다.
상술한 바와 같은 과정을 수행한 UE는 이후 일반적인 상향링크/하향링크 신호 전송 과정으로서 PDCCH/PDSCH 수신(S207) 및 물리 상향링크 공유 채널(physical uplink shared Channel, PUSCH)/물리 상향링크 제어 채널(physical uplink control channel, PUCCH) 전송(S208)을 수행할 수 있다. 특히 UE는 PDCCH를 통하여 하향링크 제어 정보(downlink control information, DCI)를 수신한다. UE는 해당 탐색 공간 설정(configuration)들에 따라 서빙 셀 상의 하나 이상의 제어 요소 세트(control element set, CORESET)들에 설정된 모니터링 기회(occasion)들에서 PDCCH 후보(candidate)들의 세트를 모니터링한다. UE가 모니터할 PDCCH 후보들의 세트는 탐색 공간 세트들의 면에서 정의되며, 탐색 공간 세트는 공통 탐색 공간 세트 또는 UE-특정 탐색 공간 세트일 수 있다. CORESET은 1~3개 OFDM 심볼들의 시간 지속기간을 갖는 (물리) 자원 블록들의 세트로 구성된다. 네트워크는 UE가 복수의 CORESET들을 갖도록 설정할 수 있다. UE는 하나 이상의 탐색 공간 세트들 내 PDCCH 후보들을 모니터링한다. 여기서 모니터링이라 함은 탐색 공간 내 PDCCH 후보(들)에 대한 디코딩 시도하는 것을 의미한다. UE가 탐색 공간 내 PDCCH 후보들 중 하나에 대한 디코딩에 성공하면, 상기 UE는 해당 PDCCH 후보에서 PDCCH를 검출했다고 판단하고, 상기 검출된 PDCCH 내 DCI를 기반으로 PDSCH 수신 혹은 PUSCH 전송을 수행한다. PDCCH는 PDSCH 상의 DL 전송들 및 PUSCH 상의 UL 전송들을 스케줄링하는 데 사용될 수 있다. 여기서 PDCCH 상의 DCI는 하향링크 공유 채널과 관련된, 변조(modulation) 및 코딩 포맷과 자원 할당(resource allocation) 정보를 적어도 포함하는 하향링크 배정(assignment)(즉, downlink grant; DL grant), 또는 상향링크 공유 채널과 관련된, 변조 및 코딩 포맷과 자원 할당 정보를 포함하는 상향링크 그랜트(uplink grant; UL grant)를 포함한다.
도 5를 참고하여, 5G 통신 시스템에서의 초기 접속(Initial Access, IA) 절차에 대해 추가적으로 살펴본다.
UE는 SSB에 기반하여 셀 탐색(search), 시스템 정보 획득, 초기 접속을 위한 빔 정렬, DL 측정 등을 수행할 수 있다. SSB는 SS/PBCH(Synchronization Signal/Physical Broadcast channel) 블록과 혼용된다.
SSB는 PSS, SSS와 PBCH로 구성된다. SSB는 4개의 연속된 OFDM 심볼들에 구성되며, OFDM 심볼별로 PSS, PBCH, SSS/PBCH 또는 PBCH가 전송된다. PSS와 SSS는 각각 1개의 OFDM 심볼과 127개의 부반송파들로 구성되고, PBCH는 3개의 OFDM 심볼과 576개의 부반송파들로 구성된다.
셀 탐색은 UE가 셀의 시간/주파수 동기를 획득하고, 상기 셀의 셀 ID(Identifier)(예, Physical layer Cell ID, PCI)를 검출하는 과정을 의미한다. PSS는 셀 ID 그룹 내에서 셀 ID를 검출하는데 사용되고, SSS는 셀 ID 그룹을 검출하는데 사용된다. PBCH는 SSB (시간) 인덱스 검출 및 하프-프레임 검출에 사용된다.
336개의 셀 ID 그룹이 존재하고, 셀 ID 그룹 별로 3개의 셀 ID가 존재한다. 총 1008개의 셀 ID가 존재한다. 셀의 셀 ID가 속한 셀 ID 그룹에 관한 정보는 상기 셀의 SSS를 통해 제공/획득되며, 상기 셀 ID 내 336개 셀들 중 상기 셀 ID에 관한 정보는 PSS를 통해 제공/획득된다
SSB는 SSB 주기(periodicity)에 맞춰 주기적으로 전송된다. 초기 셀 탐색 시에 UE가 가정하는 SSB 기본 주기는 20ms로 정의된다. 셀 접속 후, SSB 주기는 네트워크(예, BS)에 의해 {5ms, 10ms, 20ms, 40ms, 80ms, 160ms} 중 하나로 설정될 수 있다.
다음으로, 시스템 정보 (system information; SI) 획득에 대해 살펴본다.
SI는 마스터 정보 블록(master information block, MIB)와 복수의 시스템 정보 블록(system information block, SIB)들로 나눠진다. MIB 외의 SI는 RMSI(Remaining Minimum System Information)으로 지칭될 수 있다. MIB는 SIB1(SystemInformationBlock1)을 나르는 PDSCH를 스케줄링하는 PDCCH의 모니터링을 위한 정보/파라미터를 포함하며 SSB의 PBCH를 통해 BS에 의해 전송된다. SIB1은 나머지 SIB들(이하, SIBx, x는 2 이상의 정수)의 가용성(availability) 및 스케줄링(예, 전송 주기, SI-윈도우 크기)과 관련된 정보를 포함한다. SIBx는 SI 메시지에 포함되며 PDSCH를 통해 전송된다. 각각의 SI 메시지는 주기적으로 발생하는 시간 윈도우(즉, SI-윈도우) 내에서 전송된다.
도 5를 참고하여, 5G 통신 시스템에서의 임의 접속(Random Access, RA) 과정에 대해 추가적으로 살펴본다.
임의 접속 과정은 다양한 용도로 사용된다. 예를 들어, 임의 접속 과정은 네트워크 초기 접속, 핸드오버, UE-트리거드(triggered) UL 데이터 전송에 사용될 수 있다. UE는 임의 접속 과정을 통해 UL 동기와 UL 전송 자원을 획득할 수 있다. 임의 접속 과정은 경쟁 기반(contention-based) 임의 접속 과정과 경쟁 프리(contention free) 임의 접속 과정으로 구분된다. 경쟁 기반의 임의 접속 과정에 대한 구체적인 절차는 아래와 같다.
UE가 UL에서 임의 접속 과정의 Msg1로서 임의 접속 프리앰블을 PRACH를 통해 전송할 수 있다. 서로 다른 두 길이를 가지는 임의 접속 프리앰블 시퀀스들이 지원된다. 긴 시퀀스 길이 839는 1.25 및 5 kHz의 부반송파 간격(subcarrier spacing)에 대해 적용되며, 짧은 시퀀스 길이 139는 15, 30, 60 및 120 kHz의 부반송파 간격에 대해 적용된다.
BS가 UE로부터 임의 접속 프리앰블을 수신하면, BS는 임의 접속 응답(random access response, RAR) 메시지(Msg2)를 상기 UE에게 전송한다. RAR을 나르는 PDSCH를 스케줄링하는 PDCCH는 임의 접속(random access, RA) 무선 네트워크 임시 식별자(radio network temporary identifier, RNTI)(RA-RNTI)로 CRC 마스킹되어 전송된다. RA-RNTI로 마스킹된 PDCCH를 검출한 UE는 상기 PDCCH가 나르는 DCI가 스케줄링하는 PDSCH로부터 RAR을 수신할 수 있다. UE는 자신이 전송한 프리앰블, 즉, Msg1에 대한 임의 접속 응답 정보가 상기 RAR 내에 있는지 확인한다. 자신이 전송한 Msg1에 대한 임의 접속 정보가 존재하는지 여부는 상기 UE가 전송한 프리앰블에 대한 임의 접속 프리앰블 ID가 존재하는지 여부에 의해 판단될 수 있다. Msg1에 대한 응답이 없으면, UE는 전력 램핑(power ramping)을 수행하면서 RACH 프리앰블을 소정의 횟수 이내에서 재전송할 수 있다. UE는 가장 최근의 경로 손실 및 전력 램핑 카운터를 기반으로 프리앰블의 재전송에 대한 PRACH 전송 전력을 계산한다.
상기 UE는 임의 접속 응답 정보를 기반으로 상향링크 공유 채널 상에서 UL 전송을 임의 접속 과정의 Msg3로서 전송할 수 있다. Msg3은 RRC 연결 요청 및 UE 식별자를 포함할 수 있다. Msg3에 대한 응답으로서, 네트워크는 Msg4를 전송할 수 있으며, 이는 DL 상에서의 경쟁 해결 메시지로 취급될 수 있다. Msg4를 수신함으로써, UE는 RRC 연결된 상태에 진입할 수 있다.
5G 통신 시스템의 빔 관리(Beam Management, BM) 절차
BM 과정은 (1) SSB 또는 CSI-RS를 이용하는 DL BM 과정과, (2) SRS(sounding reference signal)을 이용하는 UL BM 과정으로 구분될 수 있다. 또한, 각 BM 과정은 Tx 빔을 결정하기 위한 Tx 빔 스위핑과 Rx 빔을 결정하기 위한 Rx 빔 스위핑을 포함할 수 있다.
SSB를 이용한 DL BM 과정에 대해 살펴본다.
SSB를 이용한 빔 보고(beam report)에 대한 설정은 RRC_CONNECTED에서 채널 상태 정보(channel state information, CSI)/빔 설정 시에 수행된다.
- UE는 BM을 위해 사용되는 SSB 자원들에 대한 CSI-SSB-ResourceSetList를 포함하는 CSI-ResourceConfig IE를 BS로부터 수신한다. RRC 파라미터 csi-SSB-ResourceSetList는 하나의 자원 세트에서 빔 관리 및 보고을 위해 사용되는 SSB 자원들의 리스트를 나타낸다. 여기서, SSB 자원 세트는 {SSBx1, SSBx2, SSBx3, SSBx4, ??}으로 설정될 수 있다. SSB 인덱스는 0부터 63까지 정의될 수 있다.
- UE는 상기 CSI-SSB-ResourceSetList에 기초하여 SSB 자원들 상의 신호들을 상기 BS로부터 수신한다.
- SSBRI 및 참조 신호 수신 전력(reference signal received power, RSRP)에 대한 보고와 관련된 CSI-RS reportConfig가 설정된 경우, 상기 UE는 최선(best) SSBRI 및 이에 대응하는 RSRP를 BS에게 보고한다. 예를 들어, 상기 CSI-RS reportConfig IE의 reportQuantity가 'ssb-Index-RSRP'로 설정된 경우, UE는 BS으로 최선 SSBRI 및 이에 대응하는 RSRP를 보고한다.
UE는 SSB와 동일한 OFDM 심볼(들)에 CSI-RS 자원이 설정되고, 'QCL-TypeD'가 적용 가능한 경우, 상기 UE는 CSI-RS와 SSB가 'QCL-TypeD' 관점에서 유사 동일 위치된(quasi co-located, QCL) 것으로 가정할 수 있다. 여기서, QCL-TypeD는 공간(spatial) Rx 파라미터 관점에서 안테나 포트들 간에 QCL되어 있음을 의미할 수 있다. UE가 QCL-TypeD 관계에 있는 복수의 DL 안테나 포트들의 신호들을 수신 시에는 동일한 수신 빔을 적용해도 무방하다.
다음으로, CSI-RS를 이용한 DL BM 과정에 대해 살펴본다.
CSI-RS를 이용한 UE의 Rx 빔 결정(또는 정제(refinement)) 과정과 BS의 Tx 빔 스위핑 과정에 대해 차례대로 살펴본다. UE의 Rx 빔 결정 과정은 반복 파라미터가 'ON'으로 설정되며, BS의 Tx 빔 스위핑 과정은 반복 파라미터가 'OFF'로 설정된다.
먼저, UE의 Rx 빔 결정 과정에 대해 살펴본다.
- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'ON'으로 세팅되어 있다.
- UE는 상기 RRC 파라미터 'repetition'이 'ON'으로 설정된 CSI-RS 자원 세트 내의 자원(들) 상에서의 신호들을 BS의 동일 Tx 빔(또는 DL 공간 도메인 전송 필터)을 통해 서로 다른 OFDM 심볼에서 반복 수신한다.
- UE는 자신의 Rx 빔을 결정한다.
- UE는 CSI 보고를 생략한다. 즉, UE는 상가 RRC 파라미터 'repetition'이 'ON'으로 설정된 경우, CSI 보고를 생략할 수 있다.
다음으로, BS의 Tx 빔 결정 과정에 대해 살펴본다.
- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'OFF'로 세팅되어 있으며, BS의 Tx 빔 스위핑 과정과 관련된다.
- UE는 상기 RRC 파라미터 'repetition'이 'OFF'로 설정된 CSI-RS 자원 세트 내의 자원들 상에서의 신호들을 BS의 서로 다른 Tx 빔(DL 공간 도메인 전송 필터)을 통해 수신한다.
- UE는 최상의(best) 빔을 선택(또는 결정)한다.
- UE는 선택된 빔에 대한 ID(예, CRI) 및 관련 품질 정보(예, RSRP)를 BS으로 보고한다. 즉, UE는 CSI-RS가 BM을 위해 전송되는 경우 CRI와 이에 대한 RSRP를 BS으로 보고한다.
다음으로, SRS를 이용한 UL BM 과정에 대해 살펴본다.
- UE는 'beam management'로 설정된 (RRC 파라미터) 용도 파라미터를 포함하는 RRC 시그널링(예, SRS-Config IE)를 BS로부터 수신한다. SRS-Config IE는 SRS 전송 설정을 위해 사용된다. SRS-Config IE는 SRS-Resources의 리스트와 SRS-ResourceSet들의 리스트를 포함한다. 각 SRS 자원 세트는 SRS-resource들의 세트를 의미한다.
- UE는 상기 SRS-Config IE에 포함된 SRS-SpatialRelation Info에 기초하여 전송할 SRS 자원에 대한 Tx 빔포밍을 결정한다. 여기서, SRS-SpatialRelation Info는 SRS 자원별로 설정되고, SRS 자원별로 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용할지를 나타낸다.
- 만약 SRS 자원에 SRS-SpatialRelationInfo가 설정되면 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용하여 전송한다. 하지만, SRS 자원에 SRS-SpatialRelationInfo가 설정되지 않으면, 상기 UE는 임의로 Tx 빔포밍을 결정하여 결정된 Tx 빔포밍을 통해 SRS를 전송한다.
다음으로, 빔 실패 복구(beam failure recovery, BFR) 과정에 대해 살펴본다.
빔포밍된 시스템에서, RLF(Radio Link Failure)는 UE의 회전(rotation), 이동(movement) 또는 빔포밍 블로키지(blockage)로 인해 자주 발생할 수 있다. 따라서, 잦은 RLF가 발생하는 것을 방지하기 위해 BFR이 NR에서 지원된다. BFR은 무선 링크 실패 복구 과정과 유사하고, UE가 새로운 후보 빔(들)을 아는 경우에 지원될 수 있다. 빔 실패 검출을 위해, BS는 UE에게 빔 실패 검출 참조 신호들을 설정하고, 상기 UE는 상기 UE의 물리 계층으로부터의 빔 실패 지시(indication)들의 횟수가 BS의 RRC 시그널링에 의해 설정된 기간(period) 내에 RRC 시그널링에 의해 설정된 임계치(threshold)에 이르면(reach), 빔 실패를 선언(declare)한다. 빔 실패가 검출된 후, 상기 UE는 PCell 상의 임의 접속 과정을 개시(initiate)함으로써 빔 실패 복구를 트리거하고; 적절한(suitable) 빔을 선택하여 빔 실패 복구를 수행한다(BS가 어떤(certain) 빔들에 대해 전용 임의 접속 자원들을 제공한 경우, 이들이 상기 UE에 의해 우선화된다). 상기 임의 접속 절차의 완료(completion) 시, 빔 실패 복구가 완료된 것으로 간주된다.
URLLC (Ultra-Reliable and Low Latency Communication)
NR에서 정의하는 URLLC 전송은 (1) 상대적으로 낮은 트래픽 크기, (2) 상대적으로 낮은 도착 레이트(low arrival rate), (3) 극도의 낮은 레이턴시 요구사항(requirement)(예, 0.5, 1ms), (4) 상대적으로 짧은 전송 지속기간(duration)(예, 2 OFDM symbols), (5) 긴급한 서비스/메시지 등에 대한 전송을 의미할 수 있다. UL의 경우, 보다 엄격(stringent)한 레이턴시 요구 사항(latency requirement)을 만족시키기 위해 특정 타입의 트래픽(예컨대, URLLC)에 대한 전송이 앞서서 스케줄링된 다른 전송(예컨대, eMBB)과 다중화(multiplexing)되어야 할 필요가 있다. 이와 관련하여 한 가지 방안으로, 앞서 스케줄링 받은 UE에게 특정 자원에 대해서 프리엠션(preemption)될 것이라는 정보를 주고, 해당 자원을 URLLC UE가 UL 전송에 사용하도록 한다.
NR의 경우, eMBB와 URLLC 사이의 동적 자원 공유(sharing)이 지원된다. eMBB와 URLLC 서비스들은 비-중첩(non-overlapping) 시간/주파수 자원들 상에서 스케줄될 수 있으며, URLLC 전송은 진행 중인(ongoing) eMBB 트래픽에 대해 스케줄된 자원들에서 발생할 수 있다. eMBB UE는 해당 UE의 PDSCH 전송이 부분적으로 펑처링(puncturing)되었는지 여부를 알 수 없을 수 있고, 손상된 코딩된 비트(corrupted coded bit)들로 인해 UE는 PDSCH를 디코딩하지 못할 수 있다. 이 점을 고려하여, NR에서는 프리엠션 지시(preemption indication)을 제공한다. 상기 프리엠션 지시(preemption indication)는 중단된 전송 지시(interrupted transmission indication)으로 지칭될 수도 있다.
프리엠션 지시와 관련하여, UE는 BS로부터의 RRC 시그널링을 통해 DownlinkPreemption IE를 수신한다. UE가 DownlinkPreemption IE를 제공받으면, DCI 포맷 2_1을 운반(convey)하는 PDCCH의 모니터링을 위해 상기 UE는 DownlinkPreemption IE 내 파라미터 int-RNTI에 의해 제공된 INT-RNTI를 가지고 설정된다. 상기 UE는 추가적으로 servingCellID에 의해 제공되는 서빙 셀 인덱스들의 세트를 포함하는 INT-ConfigurationPerServing Cell에 의해 서빙 셀들의 세트와 positionInDCI에 의해 DCI 포맷 2_1 내 필드들을 위한 위치들의 해당 세트를 가지고 설정되고, dci-PayloadSize에 의해 DCI 포맷 2_1을 위한 정보 페이로드 크기를 가지고 설졍되며, timeFrequencySect에 의한 시간-주파수 자원들의 지시 입도(granularity)를 가지고 설정된다.
상기 UE는 상기 DownlinkPreemption IE에 기초하여 DCI 포맷 2_1을 상기 BS로부터 수신한다.
UE가 서빙 셀들의 설정된 세트 내 서빙 셀에 대한 DCI 포맷 2_1을 검출하면, 상기 UE는 상기 DCI 포맷 2_1이 속한 모니터링 기간의 바로 앞(last) 모니터링 기간의 PRB들의 세트 및 심볼들의 세트 중 상기 DCI 포맷 2_1에 의해 지시되는 PRB들 및 심볼들 내에는 상기 UE로의 아무런 전송도 없다고 가정할 수 있다. 예를 들어, UE는 프리엠션에 의해 지시된 시간-주파수 자원 내 신호는 자신에게 스케줄링된 DL 전송이 아니라고 보고 나머지 자원 영역에서 수신된 신호들을 기반으로 데이터를 디코딩한다.
mMTC (massive MTC)
mMTC(massive Machine Type Communication)은 많은 수의 UE와 동시에 통신하는 초연결 서비스를 지원하기 위한 5G의 시나리오 중 하나이다. 이 환경에서, UE는 굉장히 낮은 전송 속도와 이동성을 가지고 간헐적으로 통신하게 된다. 따라서, mMTC는 UE를 얼마나 낮은 비용으로 오랫동안 구동할 수 있는지를 주요 목표로 하고 있다. mMTC 기술과 관련하여 3GPP에서는 MTC와 NB(NarrowBand)-IoT를 다루고 있다.
mMTC 기술은 PDCCH, PUCCH, PDSCH(physical downlink shared channel), PUSCH 등의 반복 전송, 주파수 호핑(hopping), 리튜닝(retuning), 가드 구간(guard period) 등의 특징을 가진다.
즉, 특정 정보를 포함하는 PUSCH(또는 PUCCH(특히, long PUCCH) 또는 PRACH) 및 특정 정보에 대한 응답을 포함하는 PDSCH(또는 PDCCH)가 반복 전송된다. 반복 전송은 주파수 호핑(frequency hopping)을 통해 수행되며, 반복 전송을 위해, 제1 주파수 자원에서 제2 주파수 자원으로 가드 구간(guard period)에서 (RF) 리튜닝(retuning)이 수행되고, 특정 정보 및 특정 정보에 대한 응답은 협대역(narrowband)(ex. 6 RB (resource block) or 1 RB)를 통해 송/수신될 수 있다.
5G 통신을 이용한 로봇 기본 동작
도 6은 5G 통신 시스템에서 로봇과 5G 네트워크의 기본 동작의 일 예를 나타낸다.
로봇은 특정 정보 전송을 5G 네트워크로 전송한다(S1). 그리고, 상기 5G 네트워크는 로봇의 원격 제어 여부를 결정할 수 있다(S2). 여기서, 상기 5G 네트워크는 로봇 관련 원격 제어를 수행하는 서버 또는 모듈을 포함할 수 있다.
그리고, 상기 5G 네트워크는 로봇의 원격 제어와 관련된 정보(또는 신호)를 상기 로봇으로 전송할 수 있다(S3).
5G 통신 시스템에서 로봇과 5G 네트워크 간의 응용 동작
이하, 도 1 내지 도 6과 앞서 살핀 무선 통신 기술(BM 절차, URLLC, Mmtc 등)을 참고하여 5G 통신을 이용한 로봇 동작에 대해 보다 구체적으로 살펴본다.
먼저, 후술할 본 발명에서 제안하는 방법과 5G 통신의 eMBB 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.
도 6의 S1 단계 및 S3 단계와 같이, 로봇이 5G 네트워크와 신호, 정보 등을 송/수신하기 위해, 로봇은 도 6의 S1 단계 이전에 5G 네트워크와 초기 접속(initial access) 절차 및 임의 접속(random access) 절차를 수행한다.
보다 구체적으로, 로봇은 DL 동기 및 시스템 정보를 획득하기 위해 SSB에 기초하여 5G 네트워크와 초기 접속 절차를 수행한다. 상기 초기 접속 절차 과정에서 빔 관리(beam management, BM) 과정, 빔 실패 복구(beam failure recovery) 과정이 추가될 수 있으며, 로봇이 5G 네트워크로부터 신호를 수신하는 과정에서 QCL(quasi-co location) 관계가 추가될 수 있다.
또한, 로봇은 UL 동기 획득 및/또는 UL 전송을 위해 5G 네트워크와 임의 접속 절차를 수행한다. 그리고, 상기 5G 네트워크는 상기 로봇으로 특정 정보의 전송을 스케쥴링하기 위한 UL grant를 전송할 수 있다. 따라서, 상기 로봇은 상기 UL grant에 기초하여 상기 5G 네트워크로 특정 정보를 전송한다. 그리고, 상기 5G 네트워크는 상기 로봇으로 상기 특정 정보에 대한 5G 프로세싱 결과의 전송을 스케쥴링하기 위한 DL grant를 전송한다. 따라서, 상기 5G 네트워크는 상기 DL grant에 기초하여 상기 로봇으로 원격 제어와 관련된 정보(또는 신호)를 전송할 수 있다.
다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 URLLC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.
앞서 설명한 바와 같이, 로봇은 5G 네트워크와 초기 접속 절차 및/또는 임의 접속 절차를 수행한 후, 로봇은 5G 네트워크로부터 DownlinkPreemption IE를 수신할 수 있다. 그리고, 로봇은 DownlinkPreemption IE에 기초하여 프리엠션 지시(pre-emption indication)을 포함하는 DCI 포맷 2_1을 5G 네트워크로부터 수신한다. 그리고, 로봇은 프리엠션 지시(pre-emption indication)에 의해 지시된 자원(PRB 및/또는 OFDM 심볼)에서 eMBB data의 수신을 수행(또는 기대 또는 가정)하지 않는다. 이후, 로봇은 특정 정보를 전송할 필요가 있는 경우 5G 네트워크로부터 UL grant를 수신할 수 있다.
다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 mMTC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.
도 6의 단계들 중 mMTC 기술의 적용으로 달라지는 부분 위주로 설명하기로 한다.
도 6의 S1 단계에서, 로봇은 특정 정보를 5G 네트워크로 전송하기 위해 5G 네트워크로부터 UL grant를 수신한다. 여기서, 상기 UL grant는 상기 특정 정보의 전송에 대한 반복 횟수에 대한 정보를 포함하고, 상기 특정 정보는 상기 반복 횟수에 대한 정보에 기초하여 반복하여 전송될 수 있다. 즉, 상기 로봇은 상기 UL grant에 기초하여 특정 정보를 5G 네트워크로 전송한다. 그리고, 특정 정보의 반복 전송은 주파수 호핑을 통해 수행되고, 첫 번째 특정 정보의 전송은 제 1 주파수 자원에서, 두 번째 특정 정보의 전송은 제 2 주파수 자원에서 전송될 수 있다. 상기 특정 정보는 6RB(Resource Block) 또는 1RB(Resource Block)의 협대역(narrowband)을 통해 전송될 수 있다.
5G 통신을 이용한 로봇 대 로봇 간의 동작
도 7은 5G 통신을 이용한 로봇 대 로봇 간의 기본 동작의 일 예를 예시한다.
제1 로봇은 특정 정보를 제2 로봇으로 전송한다(S61). 제2 로봇은 특정 정보에 대한 응답을 제1 로봇으로 전송한다(S62).
한편, 5G 네트워크가 상기 특정 정보, 상기 특정 정보에 대한 응답의 자원 할당에 직접적(사이드 링크 통신 전송 모드 3) 또는 간접적으로(사이드링크 통신 전송 모드 4) 관여하는지에 따라 로봇 대 로봇 간 응용 동작의 구성이 달라질 수 있다.
다음으로, 5G 통신을 이용한 로봇 대 로봇 간의 응용 동작에 대해 살펴본다.
먼저, 5G 네트워크가 로봇 대 로봇 간의 신호 전송/수신의 자원 할당에 직접적으로 관여하는 방법을 설명한다.
5G 네트워크는, 모드 3 전송(PSCCH 및/또는 PSSCH 전송)의 스케줄링을 위해 DCI 포맷 5A를 제1 로봇에 전송할 수 있다. 여기서, PSCCH(physical sidelink control channel)는 특정 정보 전송의 스케줄링을 위한 5G 물리 채널이고, PSSCH(physical sidelink shared channel)는 특정 정보를 전송하는 5G 물리 채널이다. 그리고, 제1 로봇은 특정 정보 전송의 스케줄링을 위한 SCI 포맷 1을 PSCCH 상에서 제2 로봇으로 전송한다. 그리고, 제1 로봇이 특정 정보를 PSSCH 상에서 제2 로봇으로 전송한다.
다음으로, 5G 네트워크가 신호 전송/수신의 자원 할당에 간접적으로 관여하는 방법에 대해 살펴본다.
제1 로봇은 모드 4 전송을 위한 자원을 제1 윈도우에서 센싱한다. 그리고, 제1 로봇은, 상기 센싱 결과에 기초하여 제2 윈도우에서 모드 4 전송을 위한 자원을 선택한다. 여기서, 제1 윈도우는 센싱 윈도우(sensing window)를 의미하고, 제2 윈도우는 선택 윈도우(selection window)를 의미한다. 제1 로봇은 상기 선택된 자원을 기초로 특정 정보 전송의 스케줄링을 위한 SCI 포맷 1을 PSCCH 상에서 제2 로봇으로 전송한다. 그리고, 제1 로봇은 특정 정보를 PSSCH 상에서 제2 로봇으로 전송한다.
앞서 살핀 무인비행체의 구조적 특징, 5G 통신 기술 등은 후술할 본 발명에서 제안하는 방법들과 결합되어 적용될 수 있으며, 또는 본 발명에서 제안하는 방법들의 기술적 특징을 구체화하거나 명확하게 하는데 보충될 수 있다.
드론(Drone)
이하에서는, 본 발명에 따른 무인비행체의 일 예로 설명되는 드론에 대하여 살펴본다. 우선, 무인 항공 시스템(Unmanned Aerial System)은 UAV와 UAV 컨트롤러의 결합을 의미한다. 무인비행체 또는 무인 항공 차량(Unmanned Aerial Vehicle)은 원격 조정되는 인간 조종사가 없는 항공기로서, 무인 항공 로봇, 드론, 또는 단순히 로봇 등으로 표현될 수 있다.
이와 같이, 무인비행체의 분야에서 사용되는 용어를 추가적으로 정리하면 다음과 같다.
UAV 컨트롤러(controller): UAV를 원격으로 제어하는데 사용되는 디바이스
ATC: Air Traffic Control
NLOS: Non-line-of-sight
UAS: Unmanned Aerial System
UAV: Unmanned Aerial Vehicle
UCAS: Unmanned Aerial Vehicle Collision Avoidance System
UTM: Unmanned Aerial Vehicle Traffic Management
C2: Command and Control
도 8은 UAS를 포함하는 3GPP 시스템 개념도의 일례를 나타낸 도이다.
무인 항공 시스템 (UAS)은 때로는 드론(drone)이라고 불리는 무인 항공 차량 (Unmanned Aerial Vehicle, UAV)과 UAV 컨트롤러(controller)의 결합이다. UAV는 인력 조종 장치가 없는 항공기이다. 대신에, UAV는 UAV 컨트롤러를 통해 지상의 오퍼레이터(operator)로부터 제어되며, 자율 비행 능력들을 가질 수 있다. UAV 및 UAV 컨트롤러 간의 통신 시스템은 3GPP 시스템에 의해 제공된다. 크기와 무게에서 UAV의 범위는 레크리에이션 목적으로 자주 사용되는 작고 가벼운 항공기부터, 상업용으로 더 적합할 수 있는 크고 무거운 항공기에 이르기까지 다양하다. 규제 요구 사항은 이 범위에 따라 다르며, 지역에 따라 다르다.
UAS에 대한 통신 요구 사항은 UAV와 UAV 컨트롤러 사이의 커맨드(command) 및 제어(C2)뿐만 아니라, 서빙 3GPP 네트워크 및 네트워크 서버 모두에 대한 UAS 컴포넌트로/로부터의 데이터 업 링크(uplink) 및 다운링크(downlink)를 포함한다. UTM (Unmanned Aerial System Traffic Management)은 UAS 식별, 추적, 권한 부여(authorization), 강화(enhancement) 및 UAS 동작들의 규정을 제공하고, 동작을 위해 UAS에 대해 요구되는 데이터를 저장하는데 사용된다. 또한, UTM은 인증된 사용자 (예: 항공 교통 관제(air traffic control), 공공 안전 기관(public safety agency))가 ID(identity), UAV의 메타 데이터 및 UAV의 컨트롤러에게 질의(query)하도록 하게 한다.
3GPP 시스템은 UTM이 UAV 및 UAV 컨트롤러를 연결하도록 하게 하여 UAV 및 UAV 컨트롤러를 UAS로 식별할 수 있도록 한다. 3GPP 시스템은 UAS가 아래 제어 정보를 포함할 수 있는 UAV 데이터를 UTM으로 전송할 수 있게 한다.
제어 정보: 고유한 Identity (이것은 3GPP identity 일 수 있다), UAV의 UE 능력(capability), 제조사 및 모델, 일련 번호, 이륙 중량(take-off weight), 위치, 소유자 identity, 소유자 주소, 소유자 연락처 세부 정보, 소유자 인증(certification), 이륙 위치(take-off location), 임무 유형, 경로 데이터, 작동 상태(operating status).
3GPP 시스템은 UAS가 UTM으로 UAV 컨트롤러 데이터를 전송할 수 있게 한다. 그리고, UAV 컨트롤러 데이터는 고유 ID (3GPP ID 일 수 있음), UAV 컨트롤러의 UE 기능, 위치, 소유자 ID, 소유자 주소, 소유자 연락처 세부 정보, 소유자 인증, UAV 운영자 신원 확인, UAV 운영자 면허, UAV 운영자 인증, UAV 파일럿 identity, UAV 파일럿 라이센스, UAV 파일럿 인증 및 비행 계획 등을 포함할 수 있다.
UAS와 관련된 3GPP 시스템의 기능에 대해서는 다음과 같이 정리할 수 있다.
- 3GPP 시스템은 UAS가 상기 UAS에 적용되는 서로 다른 인증 및 권한 수준에 기초하여 UTM에 서로 다른 UAS 데이터를 전송할 수 있도록 한다.
- 3GPP 시스템은 향후 UTM 및 지원 애플리케이션의 진화와 함께 UTM으로 전송되는 UAS 데이터를 확장하는 기능을 지원한다.
- 규정(regulation) 및 보안 보호에 기초하여, 3GPP 시스템은 UAS가 UTM에 IMEI(International Mobile Equipment Identity), MSISDN(Mobile Station International Subscriber Directory Number) 또는 IMSI(International Mobile Subscriber Identity) 또는 IP 주소와 같은 식별자(identifier)를 전송할 수 있도록 한다.
- 3GPP 시스템은 UAS의 UE가 UTM에게 IMEI, MSISDN 또는 IMSI 또는 IP 주소와 같은 식별자를 전송할 수 있도록 한다.
- 3GPP 시스템은 MNO(Mobile Network Operator)가 UAV 및 UAV 컨트롤러의 네트워크 기반 위치 정보와 함께 UTM으로 전송된 데이터를 보완한다.
- 3GPP 시스템은 UTM이 동작하도록 허가의 결과를 MNO에 알릴 수 있도록 한다.
- 3GPP 시스템은 적절한 가입 정보가 존재하는 경우에만 MNO가 UAS 인증 요청을 허용할 수 있도록 한다.
- 3GPP 시스템은 UTM에 UAS의 ID(s)를 제공한다.
- 3GPP 시스템은 UAS가 UAV 및 UAV 컨트롤러의 라이브 위치 정보로 UTM을 갱신할 수 있게 한다.
- 3GPP 시스템은 UAV 및 UAV 컨트롤러의 보충 위치(supplement location) 정보를 UTM에 제공한다.
- 3GPP 시스템은 UAV들을 지원하며, 대응하는 UAV 컨트롤러는 다른 PLMN에 동시에 연결된다.
- 3GPP 시스템은 해당 시스템이 UAS 동작을 위해 설계된 3GPP 통신 능력의 지원에 관한 UAS 정보를 얻을 수 있는 기능을 제공한다.
- 3GPP 시스템은 UAS 가능(capable) UE를 가진 UAS와 non-UAS 가능 UE를 가지는 UAS를 구별할 수 있는 UAS 식별(identification) 및 가입 데이터(subscription date)를 지원한다.
- 3GPP 시스템은 검출(detection), 식별(identification) 및 문제가 있는 UAV(들) 및 UAV 컨트롤러를 UTM으로 보고하는 것을 지원한다.
Rel-16 ID_UAS의 서비스 요구 사항에서, UAS는 한 쌍의(paired) UAV를 제어하기 위해 UAV 컨트롤러를 사용하여 휴먼 오퍼레이터에 의해 동작되고, UAV와 UAV 컨트롤러가 모두 커맨드와 제어(C2) 통신을 위해 3GPP 네트워크를 통해 두 개의 개별 연결을 사용하여 연결된다. UAS 동작에 대해 고려해야 할 첫 번째 사항은 다른 UAV와의 공중 충돌 위험, UAV 제어 실패 위험, 의도적인 UAV 오용 위험 및 다양한 사용자의 위험 (예: 공중을 공유하는 비즈니스, 여가 활동 등). 따라서, 안전상의 위험을 피하기 위해서, 5G 망을 전송망으로 고려할 때, C2 통신을 위한 QoS 보장에 의해 UAS 서비스를 제공하는 것은 중요하다.
도 9는 UAV에 대한 C2 통신 모델의 일례들을 나타낸다.
모델-A는 직접(direct) C2이다. UAV 컨트롤러 및 UAV는 서로 통신하기 위해 직접 C2 링크(또는 C2 통신)를 설정하고, 둘 다 직접적인 C2 통신을 위해 5G 네트워크에 의해 제공되어 설정 및 스케쥴된 무선 자원을 사용하여 5G 네트워크에 등록된다. 모델-B는 간접(indirect) C2이다. UAV 컨트롤러 및 UAV는 5G 네트워크에 대한 각각의 유니 캐스트 C2 통신 링크를 확립 및 등록하고 5G 네트워크를 통해 서로 통신한다. 또한, UAV 컨트롤러 및 UAV는 서로 다른 NG-RAN 노드를 통해 5G 네트워크에 등록될 수 있다. 5G 네트워크는 어떠한 경우에도 C2 통신의 안정적인 라우팅을 처리하기 위한 메커니즘을 지원한다. 명령(command) 및 제어(control)는 UAV 컨트롤러 / UTM에서 UAV로 명령을 전달하기 위해 C2 통신을 사용한다. 이 타입(모텔-B)의 C2 통신은 시각적 시선 (VLOS) 및 비-시각적 시선 (Non-VLOS)을 포함하는 UAV와 UAV 컨트롤러 / UTM 간의 서로 다른 거리를 반영하기 위한 두 가지 서로 다른 하위 클래스를 포함한다. 이 VLOS 트래픽 타입의 레이턴시는 명령 전달 시간, 인간 반응 시간 및 보조 매체, 예를 들어, 비디오 스트리밍, 전송 대기 시간의 지시를 고려할 필요가 있다. 따라서, VLOS의 지속 가능한 latency는 Non-VLOS보다 짧다. 5G 네트워크는 UAV 및 UAV 컨트롤러에 대한 각각의 세션을 설정한다. 이 세션은 UTM과 통신하고 UAS에 대한 디폴트(default) C2 통신으로 사용할 수 있다.
등록 절차 또는 서비스 요청 절차의 일부로서, UAV 및 UAV 컨트롤러는 UTM으로 UAS 동작을 요청하고, 애플리케이션 ID(들)에 의해 식별되는 사전 정의된 서비스 클래스 또는 요구된 UAS 서비스를 지시한다(예를 들어, 항해(navigational) 원조 서비스 및 날씨 등)을 UTM에 제공한다. UTM은 UAV 및 UAV 컨트롤러에 대한 UAS 동작을 허가하고, 부여된 UAS 서비스를 제공하며, UAS에 임시 UAS-ID를 할당한다. UTM은 5G 네트워크로 UAS의 C2 통신에 필요한 정보를 제공한다. 예를 들어, 서비스 클래스, 또는 UAS 서비스의 트래픽 타입, 인가된 UAS 서비스의 요구된 QoS 및 UAS 서비스의 가입(subscription)을 포함할 수 있다. 5G 네트워크와 C2 통신을 확립하도록 요청할 때, UAV 및 UAV 컨트롤러는 5G 네트워크로 할당된 UAS-ID와 함께 선호되는 C2 통신 모델(예를 들어, 모델-B)를 지시한다. 추가적인 C2 통신 연결을 생성하거나 C2에 대한 기존 데이터 연결의 구성을 변경할 필요가 있는 경우, 5G 네트워크는 UAS의 승인된 UAS 서비스 정보 및 C2 통신에서 요구된 QoS 및 우선 순위에 기초하여 C2 통신 트래픽에 대한 하나 이상의 QoS 플로우들을 수정 또는 할당한다.
UAV 트래픽 관리 (UAV traffic management)
(1) 중앙 집중식 UAV 트래픽 관리(Centralised UAV traffic management)
3GPP 시스템은 UTM이 비행 허가와 함께 경로 데이터를 UAV에 제공하는 메커니즘을 제공한다. 3GPP 시스템은 UTM으로부터 수신한 경로 수정 정보를 500ms 미만의 지연(latency)으로 UAS에 전달한다. 3GPP 시스템은 UTM으로부터 수신 된 통지를 500ms 미만의 대기 시간을 갖는 UAV 제어기에 전달할 수 있어야한다.
(2) 분산식 UAV 교통 관리(De-centralised UAV traffic management)
- 3GPP 시스템은 UAV가 충돌 회피를 위해 근거리 영역에서 UAV(들)를 식별하기 위해 다음의 데이터(예: 다른 규정 요구 사항에 기초하여 요구되는 경우 UAV identities, UAV 타입, 현재 위치 및 시간, 비행 경로(flight route) 정보, 현재 속도, 동작 상태)를 방송한다.
- 3GPP 시스템은 다른 UAV들 간 식별하기 위해 네트워크 연결을 통해 메시지를 전송하기 위해 UAV를 지원하며, UAV가 신원 정보의 방송에서 UAV, UAV 파일럿 및 UAV 오퍼레이터의 소유자의 개인 정보를 보존한다.
- 3GPP 시스템은 UAV가 단거리에서 다른 UAV로부터 로컬 방송 통신 전송 서비스를 수신할 수 있도록 한다.
- UAV는 3GPP 네트워크의 커버리지 밖 또는 내에서 직접(direct) UAV 대 UAV 로컬 브로드 캐스트 통신 전송 서비스를 직접 사용할 수 있으며, 송수신 UAV들이 동일하거나 또는 다른 PLMN에 의해 서비스될 때 직접 UAV 대 UAV 로컬 브로드 캐스트 통신 전송 서비스를 사용할 수 있다.
- 3GPP 시스템은 직접 UAV 대 UAV 로컬 브로드 캐스트 통신 전송 서비스를 최대 320kmph의 상대 속도로 직접 지원한다. 3GPP 시스템은 보안 관련 메시지 구성 요소를 제외하고 50-1500 바이트의 다양한 메시지 페이로드를 가진 직접 UAV 대 UAV 로컬 브로드 캐스트 통신 전송 서비스를 지원한다.
- 3GPP 시스템은 UAV들 사이에서 분리를 보장할 수 있는 직접 UAV 대 UAV 로컬 브로드 캐스트 통신 전송 서비스를 지원한다. 여기서, UAV들은 최소한 50m의 수평 거리 또는 30m의 수직 거리 또는 둘 다에 있는 경우 분리 된 것으로 간주될 수 있다. 3GPP 시스템은 최대 600m의 범위를 지원하는 직접 UAV 대 UAV 로컬 브로드 캐스트 통신 전송 서비스를 지원한다.
- 3GPP 시스템은 초당 최소한 10 메시지의 빈도로 메시지를 전송할 수 있는 직접 UAV 대 UAV 로컬 브로드 캐스트 통신 전송 서비스를 지원하며, 종단 간 대기 시간이 최대 100ms인 메시지를 전송할 수 있는 직접 UAV 대 UAV 로컬 방송 통신 전송 서비스를 지원한다.
- UAV는 1 초에 적어도 한 번 비율로 지역적으로 자신의 identity를 브로드캐스트 할 수 있으며, 500m 범위까지 자신의 identity를 지역적으로 방송할 수 있다.
보안(Security)
3GPP 시스템은 UAS와 UTM 사이에서 데이터 전송을 보호한다. 3GPP 시스템은 UAS ID의 스푸핑(spoofing) 공격으로부터 보호한다. 3GPP 시스템은 응용 계층에서 UAS와 UTM간에 전송되는 데이터의 부인 방지(non-repudiation)를 허용한다. 3GPP 시스템은 UAS와 UTM 연결을 통해 전송되는 데이터뿐만 아니라 UAS와 UTM 사이의 서로 다른 연결에 대해 서로 다른 수준의 무결성(integrity) 및 개인 정보 보호 기능을 제공할 수 있는 능력을 지원한다. 3GPP 시스템은 UAS와 관련된 신원 및 개인 식별 정보의 기밀 보호를 지원한다. 3GPP 시스템은 UAS 트래픽에 대한 규제 요건(예: lawful intercept)을 지원한다.
UAS가 MNO로부터 UAS 데이터 서비스에 액세스할 수 있는 권한을 요청하면, MNO는 동작할 UAS 자격 증명을 확립하기 위해 2차 점검 (초기 상호 인증 이후 또는 이와 동시에)을 수행한다. MNO는 UAS에서 UTM (Unmanned Aerial System Traffic Management)으로 동작하도록 요청에 추가 데이터를 전송하고 잠재적으로 추가할 책임이 있다. 여기서, UTM은 3GPP 엔터티(entity)이다. 이 UTM은 UAS 및 UAV 오퍼레이터의 자격 증명을 운영하고, 확인하는 UAS의 승인을 담당한다. 한 가지 옵션은 UTM이 항공 교통 관제 기관에 의해 운영된다는 것이다. 이는 UAV, UAV 컨트롤러 및 라이브 위치와 관련된 모든 데이터를 저장한다. UAS가 이 점검의 어떤 부분에도 실패하면, MNO는 UAS에 대한 서비스를 거부할 수 있으며, 그래서 운영 허가를 거부할 수 있다.
공중(Aerial) UE(또는 드론) 통신을 위한 3GPP 지원(Support)
공중 통신이 가능한 UE에 LTE 연결을 제공하는 E-UTRAN 기반 메커니즘은 다음과 같은 기능을 통해 지원된다.
- TS 23.401, 4.3.31 절에 명시된 가입(subscription) 기반 공중 UE 식별(identification) 및 권한 부여(authorization).
- UE의 고도가 네트워크로 구성된 기준 고도 임계 값을 넘는 이벤트에 기초하여 높이 보고.
- 설정된 셀들의 수 (즉, 1보다 큰)가 상기 트리거링 기준을 동시에 만족할 때 트리거되는 측정 보고에 기초한 간섭 검출.
- UE로부터 E-UTRAN으로의 비행 경로 정보의 시그널링.
- UE의 수평 및 수직 속도를 포함한 위치 정보 보고.
(1) 공중 UE 기능의 가입 기반 식별
공중 UE 기능의 지원은 HSS의 사용자 가입 정보에 저장된다. HSS는 Attach, Service Request 및 Tracking Area Update 과정에서 이 정보를 MME로 전송한다. 가입 정보는 attach, tracking area update 및 서비스 요청 절차 동안 S1 AP 초기 컨텍스트 설정 요청(initial context setup request)를 통해 MME에서 기지국으로 제공될 수 있다. 또한, X2 기반 핸드 오버의 경우, 소스 기지국(base station, BS)는 타겟 BS로의 X2-AP Handover Request 메시지에 가입 정보를 포함할 수 있다. 보다 구체적인 내용은 후술하기로 한다. 인트라 및 인터 MME S1 기반 핸드 오버에 대해, MME는 핸드 오버 절차 후에 타겟 기지국에 가입 정보를 제공한다.
(2) 공중 UE 통신에 대한 높이 기반 보고
공중 UE는 이벤트 기반 높이 보고로 설정될 수 있다. UE는 공중 UE의 고도가 구성된 임계 값보다 높거나 낮을 때 높이 보고를 전송한다. 보고는 높이와 위치를 포함한다.
(3) 공중 UE 통신을 위한 간섭 탐지 및 완화(mitigation)
간섭 탐지를 위해, 설정된 셀 수에 대한 개별 (셀당) RSRP 값이 설정된 이벤트를 충족할 때 공중 UE는 측정 보고를 트리거하는 RRM 이벤트 A3, A4 또는 A5로 설정될 수 있다. 보고는 RRM 결과와 위치를 포함한다. 간섭 완화를 위해, 공중 UE는 PUSCH 전력 제어를 위한 전용 UE-특정 알파 파라미터로 설정될 수 있다.
(4) 비행 경로 정보 보고
E-UTRAN은 TS 36.355에서 정의된 대로 3D 위치로 정의된 다수의 중간 지점으로 구성된 비행 경로 정보를 보고하도록 UE에 요청할 수 있다. UE는 비행 경로 정보가 UE에서 이용 가능하면 설정된 수의 웨이포인트(waypoint)를 보고한다. 보고는 상기 요청에 설정되고 UE에서 이용 가능한 경우, 웨이포인트 당 타임 스탬프(time stamp)를 역시 포함할 수 있다.
(5) 공중 UE 통신을 위한 위치 보고
공중 UE 통신을 위한 위치 정보는 설정된 경우 수평 및 수직 속도를 포함할 수 있다. 위치 정보는 RRM 보고 및 높이 보고에 포함될 수 있다.
이하, 공중 UE 통신을 위한 3GPP 지원의 (1) 내지 (5)에 대해 보다 구체적으로 살펴본다.
DL / UL 간섭 검출(interference detection)
DL 간섭 검출을 위해, UE에 의해 보고되는 측정들이 유용할 수 있다. UL 간섭 검출은 기지국에서의 측정에 기초하여 수행되거나 UE에 의해 보고된 측정들에 기초하여 추정될 수 있다. 기존의 측정 보고 메커니즘을 향상시켜 간섭 검출을 보다 효과적으로 수행할 수 있다. 또한, 예를 들어, 이동성 이력 보고(mobility history report), 속도 추정(speed estimation), 타이밍 어드밴스 조정 값 및 위치 정보와 같은 다른 관련된 UE-기반 정보가 간섭 검출을 돕기 위해 네트워크에 의해 사용될 수 있다. 측정 수행의 보다 구체적인 내용은 후술하기로 한다.
DL 간섭 완화(interference mitigation)
공중 UE에서의 DL 간섭을 완화하기 위해, LTE Release-13 FD-MIMO가 사용될 수 있다. 공중 UE의 밀도가 높더라도, Rel-13 FD-MIMO는 DL 공중 UE 처리량 요건을 만족시키는 DL 공중 UE 처리량을 제공하면서 DL 지상 UE 처리량에 대한 영향을 제한하는데 유리할 수 있다. 공중 UE에서의 DL 간섭을 완화하기 위해, 공중 UE에서 지향성 안테나가 사용될 수 있다. 고밀도 공중 (Aerial) UE의 경우에도, 공중 UE에서의 지향성 안테나는 DL 지상 UE 처리량에 대한 영향을 제한하는데 유리할 수 있다. DL 공중 UE 처리량은 공중 UE에서 무 지향성 안테나를 사용하는 것에 비해 개선되었다. 즉, 지향성 안테나는 광범위한 각도들로부터 오는 간섭 전력을 감소시킴으로써 공중 UE들에 대한 하향링크에서의 간섭을 완화시키는데 사용된다. 공중 UE와 서빙 셀 사이의 LOS 방향을 추적하는 관점에서 다음 유형의 능력이 고려된다:
1) Direction of Travel (DoT): 공중 UE는 서빙 셀 LOS의 방향을 인식하지 못하고 공중 UE의 안테나 방향이 DoT와 정렬된다.
2) 이상적인(ideal) LOS: 공중 UE는 서빙 셀 LOS의 방향을 완벽하게 추적하고 안테나 조준선을 서빙 셀 쪽으로 조종한다.
3) 비-이상적인(Non-Ideal) LOS: 공중 UE는 서빙 셀 LOS의 방향을 추적하지만, 실제적인 제약으로 인해 오류가 있다.
공중 UE들에 대한 DL 간섭을 완화하기 위해, 공중 UE들에서의 빔포밍(beamforming)이 사용될 수 있다. 공중 UE들의 밀도가 높더라도, 공중 UE들에서의 빔포밍은 DL 지상 UE 처리량에 대한 영향을 제한하고, DL 공중 UE 처리량을 개선하는데 유리할 수 있다. 공중 UE에서의 DL 간섭을 완화하기 위해, 인트라-사이트(intra-site) 코히런트(coherent) JT CoMP가 사용될 수 있다. 공중 UE의 밀도가 높더라도, 인트라-사이트(intra-site) 코히런트(coherent) JT는 모든 UE의 처리량을 향상시킬 수 있다. 비-대역폭 제한 디바이스들에 대한 LTE Release-13 커버리지 확장 기술도 사용될 수 있다. 공중 UE에서의 DL 간섭을 완화하기 위해, 조정된 데이터 및 제어 전송 방식이 사용될 수 있다. 상기 조정된 데이터 및 제어 전송 방식의 이점은 주로 지상 UE 처리량에 대한 영향을 제한하면서 공중 UE 처리량을 증가시키는 데 있다. 전용 DL 자원을 지시하기 위한 시그널링, 셀 뮤팅(cell muting) / ABS에 대한 옵션, 셀 (재) 선택에 대한 프로시저 업데이트, 조정된(coordinated) 셀에 적용하기 위한 획득 및 조정된 셀에 대한 셀 ID를 포함할 수 있다.
UL 간섭 완화
공중 UE들에 의해 야기되는 UL 간섭을 완화하기 위해, 강화된 전력 제어 메커니즘들이 사용될 수 있다. 공중 UE의 밀도가 높더라도, 향상된 전력 제어 메커니즘은 UL 지상 UE 처리량에 대한 영향을 제한하는데 유리할 수 있다.
위의 전력 제어 기반 메커니즘에는 다음과 같은 사항들에 영향을 미친다.
- UE 특정 부분 경로 손실 보상 인자
- UE 특정 Po 파라미터
- 이웃 셀 간섭 제어 파라미터
- 폐쇄 루프 전력 제어
UL 간섭 완화를 위한 전력 제어 기반 메커니즘에 대해 보다 구체적으로 살펴본다.
1) UE 특정 부분 경로 손실 보상 계수(UE specific fractional pathloss compensation factor)
기존의 오픈 루프 전력 제어 메커니즘에 대한 강화가 UE 특정 부분 경로 손실 보상 인자 
도입되는 곳에서 고려된다. UE 특정 부분 경로 손실 보상 인자 
도입으로, 공중 UE를 지상 UE에 설정된 부분 경로 손실 보상 인자와 비교하여 서로 다른 
구성할 수 있다.
2) UE 특정 P0 파라미터
공중 UE들은 지상 UE들에 대해 설정된 Po와 비교하여 서로 다른 Po로 설정된다. UE 특정 Po가 기존의 오픈 루프 전력 제어 메커니즘에서 이미 지원되기 때문에, 기존의 전력 제어 메커니즘에 대한 강화는 필요하지 않다.
또한, UE 특정 부분 경로 손실 보상 인자 
및 UE 특정 Po는 상향링크 간섭 완화를 위해 공동으로 사용될 수 있다. 이로부터, UE 특정 부분 경로 손실 보상 인자 
및 UE 특정 Po은 공중 UE의 저하된 상향링크 처리량을 희생시키면서 지상 UE의 상향링크 처리량을 향상시킬 수 있다.
3) 폐쇄 루프 전력 제어 (Closed loop power control)
공중 UE에 대한 목표 수신 전력은 서빙 및 이웃 셀 측정 보고를 고려하여 조정된다. 공중 UE들에 대한 폐루프 전력 제어는 또한 공중 UE들이 기지국 안테나들의 사이드로브 (sidelobe)들에 의해 지원될 수 있기 때문에 하늘에서 잠재적인 고속 신호 변화에 대처할 필요가 있다.
공중 UE로 인한 UL 간섭을 완화하기 위해 LTE Release-13 FD-MIMO가 사용될 수 있다. 공중 UE에 의해 야기된 UL 간섭을 완화하기 위해, UE 지향성 안테나가 사용될 수 있다. 고밀도 공중 (Aerial) UE의 경우에도, UE 지향성 안테나는 UL Terrestrial UE 처리량에 대한 영향을 제한하는데 유리할 수 있다. 즉, 방향성 UE 안테나는 넓은 각도 범위의 공중 UE로부터의 상향링크 신호 전력을 감소시킴으로써 공중 UE에 의해 생성된 상향링크 간섭을 감소시키는데 사용된다. 공중 UE와 서빙 셀 사이의 LOS 방향을 추적하는 관점에서 다음 유형의 능력이 고려된다:
1) Direction of Travel (DoT): 공중 UE는 서빙 셀 LOS의 방향을 인식하지 못하고 공중 UE의 안테나 방향이 DoT와 정렬된다.
2) 이상적인(ideal) LOS: 공중 UE는 서빙 셀 LOS의 방향을 완벽하게 추적하고 안테나 조준선을 서빙 셀 쪽으로 조종한다.
3) 비-이상적인(Non-Ideal) LOS: 공중 UE는 서빙 셀 LOS의 방향을 추적하지만, 실제적인 제약으로 인해 오류가 있다.
공중 UE와 서빙 셀 사이의 LOS의 방향을 추적하는 능력에 따라, UE는 안테나 방향을 LOS 방향과 정렬하고 유용한 신호의 전력을 증폭시킬 수 있다. 또한, UL 전송 빔포밍 역시 UL 간섭을 완화시키는데 사용될 수 있다.
이동성(Mobility)
공중 UE의 이동성 성능 (예를 들어, 핸드 오버 실패, RLF(Radio Link Failure), 핸드 오버 중단, Qout에서의 시간 등)은 지상 UE에 비해 악화된다. 앞서 살핀, DL 및 UL 간섭 완화 기술은 공중 UE에 대한 이동성 성능을 향상시킬 것으로 기대된다. 도시 지역 네트워크에 비해 농촌 지역 네트워크에서 더 나은 이동성 성능이 관찰된다. 또한, 기존의 핸드 오버 절차가 이동성 성능을 향상시키기 위해 향상될 수 있다.
- 위치 정보, UE의 공중 상태, 비행 경로 계획 등과 같은 정보에 기초하여 공중 UE에 대한 핸드 오버 절차 및/또는 핸드 오버 관련 파라미터의 이동성 향상
- 새로운 이벤트를 정의하고, 트리거 조건을 강화하고, 측정 보고의 양(quantity)을 제어하는 등의 방법으로 측정 보고 메커니즘을 향상시킬 수 있다.
기존의 이동성 향상 메카니즘 (예를 들어, 이동성 히스토리 보고, 이동성 상태 추정, UE 지원 정보 등)은 그들이 공중 UE 용으로 동작하고, 추가 개선이 필요한 경우 먼저 평가될 수 있다. 공중의 UE에 대한 핸드오버 절차 및 관련 파라미터는 UE의 공중 상태 및 위치 정보에 기초하여 향상될 수 있다. 기존의 측정 보고 메커니즘은 예를 들어, 새로운 이벤트를 정의하고, 트리거링 조건을 강화하며, 측정 보고의 양을 제어하는 등으로 향상될 수 있다. 비행 경로 계획 정보는 이동성 향상을 위해 사용될 수 있다.
공중 UE에 적용될 수 있는 측정 수행 방법에 대해 보다 구체적으로 살펴본다.
도 10은 본 발명이 적용될 수 있는 측정 수행 방법의 일 예를 나타낸 흐름도이다.
공중 UE는 기지국으로부터 측정 설정(measurement configuration) 정보를 수신한다(S1010). 여기서, 측정 설정 정보를 포함하는 메시지를 측정 설정 메시지라 한다. 공중 UE는 측정 설정 정보를 기반으로 측정을 수행한다(S1020). 공중 UE는 측정 결과가 측정 설정 정보 내의 보고 조건을 만족하면, 측정 결과를 기지국에게 보고한다(S1030). 측정 결과를 포함하는 메시지를 측정 보고 메시지라 한다. 측정 설정 정보는 다음과 같은 정보를 포함할 수 있다.
(1) 측정 대상(Measurement object) 정보: 공중 UE가 측정을 수행할 대상에 관한 정보이다. 측정 대상은 셀 내 측정의 대상인 인트라-주파수 측정 대상, 셀간 측정의 대상인 인터-주파수 측정 대상, 및 인터-RAT 측정의 대상인 인터-RAT 측정 대상 중 적어도 어느 하나를 포함한다. 예를 들어, 인트라-주파수 측정 대상은 서빙 셀과 동일한 주파수 밴드를 갖는 주변 셀을 지시하고, 인터-주파수 측정 대상은 서빙 셀과 다른 주파수 밴드를 갖는 주변 셀을 지시하고, 인터-RAT 측정 대상은 서빙 셀의 RAT와 다른 RAT의 주변 셀을 지시할 수 있다.
(2) 보고 설정(Reporting configuration) 정보: 공중 UE가 측정 결과를 전송하는 것을 언제 보고하는지에 관한 보고 조건 및 보고 타입(type)에 관한 정보이다. 보고 설정 정보는 보고 설정의 리스트로 구성될 수 있다. 각 보고 설정은 보고 기준(reporting criterion) 및 보고 포맷(reporting format)을 포함할 수 있다. 보고 기준은 단말이 측정 결과를 전송하는 것을 트리거하는 기준이다. 보고 기준은 측정 보고의 주기 또는 측정 보고를 위한 단일 이벤트일 수 있다. 보고 포맷은 공중 UE가 측정 결과를 어떤 타입으로 구성할 것인지에 관한 정보이다.
공중 UE와 관련된 이벤트는 (i) 이벤트 H1 및 (ii) 이벤트 H2를 포함한다.
이벤트 H1 (임계값 초과의 공중 UE 높이)
UE는 아래 1) 아래 명시된 조건 H1-1이 충족될 때, 이 이벤트에 대한 진입 조건이 충족되는 것으로 간주하고, 2) 아래에 명시된 조건 H1-2가 충족될 때, 이 이벤트에 대한 이탈 조건이 충족되는 것으로 간주한다.
부등식(inequality) H1-1 (진입 조건, entering condition): 
부등식 H1-2 (탈퇴 조건, leaving condition): 
위의 수식에서 변수(variable)는 다음과 같이 정의된다.
MS는 공중 UE 높이이며, 어떠한 오프셋도 고려하지 않는다. Hys는 이 이벤트에 대한 히스테리시스(hysteresis) 파라미터 (즉, ReportConfigEUTRA 내에서 정의된 것과 같이 h1- 히스테리시스)이다. Thresh는 MeasConfig에 지정된 이 이벤트에 대한 참조 임계 값 매개 변수이다 (즉, MeasConfig 내에 정의된 heightThreshRef). Offset은 이 이벤트에 대한 절대 임계 값을 얻기 위한 heightThreshRef에 대한 오프셋 값이다(즉, ReportConfigEUTRA에 정의된 h1-ThresholdOffset). Ms는 미터로 표시된다. Thresh는 Ms와 같은 단위로 표현된다.
이벤트 H2 (임계값 미만의 공중 UE 높이)
UE는 1) 아래 명시된 조건 H2-1이 충족될 때, 이 이벤트에 대한 진입 조건이 충족되는 것으로 간주하고, 2) 아래에 명시된 조건 H2-2이 충족될 때, 이 이벤트에 대한 이탈 조건이 충족되는 것으로 간주한다.
부등식 H2-1 (진입 조건): 
부등식 H2-2 (이탈 조건): 
위의 수식에서 변수(variable)는 다음과 같이 정의된다.
MS는 공중 UE 높이이며, 어떠한 오프셋도 고려하지 않는다. Hys는 이 이벤트에 대한 히스테리시스(hysteresis) 파라미터 (즉, ReportConfigEUTRA 내에서 정의된 것과 같이 h1- 히스테리시스)이다. Thresh는 MeasConfig에 지정된 이 이벤트에 대한 참조 임계 값 매개 변수이다 (즉, MeasConfig 내에 정의된 heightThreshRef). Offset은이 이벤트에 대한 절대 임계 값을 얻기 위한 heightThreshRef에 대한 오프셋 값이다(즉, ReportConfigEUTRA에 정의된 h2-ThresholdOffset). Ms는 미터로 표시된다. Thresh는 Ms와 같은 단위로 표현된다.
(3) 측정 식별자(Measurement identity) 정보: 측정 대상과 보고 설정을 연관시켜, 공중 UE가 어떤 측정 대상에 대해 언제 어떤 타입으로 보고할 것인지를 결정하도록 하는 측정 식별자에 관한 정보이다. 측정 식별자 정보는 측정 보고 메시지에 포함되어, 측정 결과가 어떤 측정 대상에 대한 것이며, 측정 보고가 어떤 보고 조건으로 발생하였는지를 나타낼 수 있다.
(4) 양적 설정(Quantity configuration) 정보: 측정 단위, 보고 단위 및/또는 측정 결과값의 필터링을 설정하기 위한 파라미터에 관한 정보이다.
(5) 측정 갭(Measurement gap) 정보: 하향링크 전송 또는 상향링크 전송이 스케쥴링되지 않아, 공중 UE가 서빙 셀과의 데이터 전송에 대한 고려 없이 오직 측정을 하는데 사용될 수 있는 구간인 측정 갭에 관한 정보이다.
공중 UE는 측정 절차를 수행하기 위해, 측정 대상 리스트, 측정 보고 설정 리스트 및 측정 식별자 리스트를 가지고 있다. 공중 UE의 측정 결과가 설정된 이벤트를 만족하면, 단말은 측정 보고 메시지를 기지국으로 전송한다.
여기서, 공중 UE의 측정 보고와 관련하여 다음과 같은 파라미터들이 UE-EUTRA-Capability Information Element에 포함될 수 있다. IE UE-EUTRA-Capability는 E-UTRA UE Radio Access Capability 파라미터 및 필수 기능에 대한 기능 그룹 지시자를 네트워크로 전달하는데 사용된다. IE UE-EUTRA-Capbility는 E-UTRA 또는 다른 RAT에서 전송된다. 표 1은 UE-EUTRA-Capability IE의 일례를 나타낸 표이다.
| -- ASN1START..
MeasParameters-v1530 ::= SEQUENCE { qoe-MeasReport-r15 ENUMERATED {supported} OPTIONAL, qoe-MTSI-MeasReport-r15 ENUMERATED {supported} OPTIONAL, ca-IdleModeMeasurements-r15 ENUMERATED {supported} OPTIONAL, ca-IdleModeValidityArea-r15 ENUMERATED {supported} OPTIONAL, heightMeas-r15 ENUMERATED {supported} OPTIONAL, multipleCellsMeasExtension-r15 ENUMERATED {supported} OPTIONAL } .. |
상기 heightMeas-r15 필드는 UE가 TS 36.331에 명시된 높이 기반 측정 보고를 지원하는지 여부를 정의한다. TS 23.401에서 정의된 것과 같이, 공중 UE 가입을 가지는 UE에 대해서는 이 기능을 지원하는 것이 필수적이다. 상기 multipleCellsMeasExtension-r15 필드는 UE가 다수의 셀들을 기반으로 트리거된 측정 보고를 지원하는지 여부를 정의한다. TS 23.401에서 정의된 것과 같이, 공중 UE 가입을 가진 UE에 대해 이 기능을 지원하는 것이 필수적이다.
UE는 LTE 네트워크에서 UAV 관련 기능을 지원하는 관련된 기능을 가진 UE를 식별하는데 사용될 수 있는 네트워크에서 무선 능력을 나타낼 수 있다. UE가 3GPP 네트워크에서 공중 UE로서 기능하도록 하는 허가는 MME로부터 S1 시그널링을 통해 RAN으로 전달되는 가입 정보로부터 알 수 있다. UE의 실제적인 "공중 사용" 인증 / 라이센스 / 제한 및 그것이 가입 정보에 반영되는 방법은 Non-3GPP 노드로부터 3GPP 노드로 제공될 수 있다. 비행중인 UE는 UE-기반 보고 (예를 들어, 비행 중 모드 지시, 고도 또는 위치 정보, 강화된 측정 보고 메커니즘 (예를 들어, 새로운 이벤트의 도입)을 이용함으로써 또는 네트워크에서 이용 가능한 이동성 이력 정보에 의해 식별될 수 있다.
공중 UE를 위한 가입 핸들링(subscription handling)
이하 설명은 TS 36.300 및 TS 36.331에서 정의된 E-UTRAN을 통한 공중 UE 기능을 지원하기 위한 가입 정보 처리(handling)에 관한 것이다. 공중 UE 기능 처리를 지원하는 eNB는 UE가 공중 UE 기능을 사용할 수 있는지 여부를 결정하기 위해 MME에 의해 제공된 사용자 별 정보를 사용한다. 공중 UE 기능의 지원은 HSS에서 사용자의 가입 정보에 저장된다. HSS는 이 정보를 attach 및 tracking area update procedure 동안 위치 업데이트 메시지를 통해 MME로 전송한다. 홈 오퍼레이터는 언제든지 공중 UE를 동작하기 위한 사용자의 가입 승인을 취소할 수 있다. 공중 UE 기능을 지원하는 MME는 attach, tracking area update 및 service request procedure 동안 S1 AP 초기 컨텍스트 설정 요청(initial context setup request)을 통해 공중 UE 승인에 대한 사용자의 가입 정보를 eNB에 제공한다.
초기 컨텍스트 설정 절차의 목적은 E-RAB 컨텍스트, 보안 키, 핸드오버 제한 리스트, UE 무선 기능 및 UE 보안 기능 등을 포함하여 필요한 전체 초기 UE 컨텍스트를 확립하는 것이다. 상기 절차는 UE-관련 시그널링을 사용한다.
인트라 및 인터 MME S1 핸드오버 (인트라 RAT) 또는 E-UTRAN으로의 Inter-RAT 핸드 오버의 경우, 사용자에 대한 공중 UE 가입 정보는 핸드오버 절차 이후 타겟 BS로 전송된 S1-AP UE 컨텍스트 변경 요청(context modification request) 메시지에 포함된다.
UE 컨텍스트 변경 절차의 목적은 예를 들어, 보안 키 또는 RAT / 주파수 우선 순위에 대한 가입자 프로파일 ID로 설정된 UE 컨텍스트를 부분적으로 변경하는 것이다. 상기 절차는 UE-관련 시그널링을 사용한다.
X2 기반 핸드 오버의 경우, 사용자에 대한 공중 UE 가입 정보는 다음과 같이 타겟 BS에 전송된다:
- 소스 BS가 공중 UE 기능을 지원하고, 사용자의 공중 UE 가입 정보가 UE 컨텍스트에 포함되는 경우, 소스 BS는 타겟 BS에 X2-AP 핸드오버 요청 메시지에 해당 정보를 포함한다.
- MME는 Path Switch Request Acknowledge 메시지에서 공중(Aerial) UE 가입(subscription) 정보를 target BS로 보낸다.
핸드오버 자원 할당 절차의 목적은 UE의 핸드오버를 위해 타겟 BS에서 자원을 확보하는 것이다.
공중 UE 가입 정보가 변경된 경우, 업데이트된 공중 UE 가입 정보는 BS에 전송된 S1-AP UE 컨텍스트 변경 요청 메시지에 포함된다.
아래 표 2는 공중 UE 가입 정보의 일례를 나타낸 표이다.
| IE/Group Name | Presence | Range | IE type and reference |
| Aerial UE subscription information | M | ENUMERATED (allowed, not allowed,...) |
공중 UE 가입 정보(Aerial UE subscription information)는 UE가 공중 UE 기능을 사용할 수 있는지를 알기 위해 BS에 의해 사용된다. 드론과 eMBB의 결합
3GPP 시스템은 UAV (공중 UE 또는 드론) 및 eMBB 사용자를 위한 데이터 전송을 동시에 지원할 수 있다.
제한된 대역폭 자원 하에서, 기지국은 공중의 UAV 및 지상의 eMBB 사용자에 대한 데이터 전송을 동시에 지원할 필요가 있을 수 있다. 예를 들어, 생방송 시나리오에서, 100미터 이상의 UAV는 캡처된 그림이나 비디오를 실시간으로 기지국으로 전송해야 하므로, 높은 전송 속도와 넓은 대역폭이 필요하다. 동시에, 기지국은 지상 사용자들 (예를 들어, eMBB 사용자들)에 대해 요구되는 데이터 레이트(data rate)를 제공할 필요가 있다. 그리고, 이러한 2 가지 종류의 통신들 간의 간섭은 최소화될 필요가 있다.
AI 장치 블록도
도 11은 본 발명의 일 실시예에 따른 AI 장치의 블록도이다.
상기 AI 장치(50)는 AI 프로세싱을 수행할 수 있는 AI 모듈을 포함하는 전자 기기 또는 상기 AI 모듈을 포함하는 서버 등을 포함할 수 있다. 또한, 상기 AI 장치(50)는 도 12에 도시된 본 발명의 일 실시 예에 따른 무인비행체()를 제어하기 위한 장치()의 적어도 일부의 구성으로 포함되어 해당 장치 또는 단말 내에서 AI 프로세싱을 수행하도록 구비될 수도 있다. 즉, AI 장치(50)는 도 12에 도시된 본 발명의 일 실시 예에 따른 무인비행체()를 제어하기 위한 장치()에 내장될 수 있다.
만약, 도 12에 도시된 장치()의 적어도 일부의 구성으로 AI 장치(50)가 포함될 경우, AI 장치(50)는 AI 모듈 형태로 구성되거나 AI 프로세서로 구성되어, 장치()에 내장되고, AI 프로세싱을 수행하도록 구성될 수 있다.
본 발명에서 AI 프로세싱이라고 함은, 도 12에 도시된 장치()가 무인비행체()를 제어하기 위한 모든 연산 및 작업들을 포함할 수 있다. 예를 들어, 도 12에 도시된 장치()는 도 2에 도시된 무인비행체()가 센싱부(130)를 통하여 측정한 센싱 데이터 또는 드론 제어부(140)를 통하여 비행할 때 생성되는 비행 데이터를 수신하여, 기계 학습한 뒤, 무인비행체()가 센싱한 것이 무엇인지 인식, 처리 및/또는 판단하고, 무인비행체()에 대한 제어 신호 생성을 수행할 수 있다. 또한, 상기 AI 프로세싱은 상기 무인비행체() 내에 구비된 다른 전자 기기 즉, 저장부(150), 모터부(12), 작업부(40) 및 커뮤니케이션 모듈(170)과 이외에도 직접 언급되지는 않았지만 상기 무인비행체()에 구비될 수 있는 또 다른 전자 기기들과의 인터랙션을 통해 획득되는 데이터를 무인비행체()로부터 수신하여, 이를 AI 프로세싱 한 뒤, 무인비행체()의 비행 및/또는 임무 수행을 위한 여러가지 기능과 동작을 제어할 수 있다.
한편, 다시 도 11을 참조하면, 상기 AI 장치(50)는 AI 프로세서(51), 메모리(55) 및/또는 통신부(57)를 포함할 수 있다.
상기 AI 장치(50)는 신경망을 학습할 수 있는 컴퓨팅 장치로서, 서버, 데스크탑 PC, 노트북 PC, 태블릿 PC 등과 같은 다양한 전자 장치로 구현될 수 있다.
AI 프로세서(51)는 메모리(55)에 저장된 프로그램을 이용하여 신경망을 학습할 수 있다. 특히, AI 프로세서(51)는 디바이스 관련 데이터를 인식하기 위한 신경망을 학습할 수 있다. 여기서, 디바이스 관련 데이터를 인식하기 위한 신경망은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 갖는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 모드들은 뉴런이 시냅스(synapse)를 통해 신호를 주고받는 뉴런의 시냅틱 활동을 모의하도록 각각 연결 관계에 따라 데이터를 주고받을 수 있다. 여기서 신경망은 신경망 모델에서 발전한 딥러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 신경망 모델의 예는 심층 신경망(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, deep belief networks), 심층 Q-네트워크(Deep Q-Network)와 같은 다양한 딥 러닝 기법들을 포함하며, 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다.
한편, 전술한 바와 같은 기능을 수행하는 프로세서는 범용 프로세서(예를 들어, CPU)일 수 있으나, 인공지능 학습을 위한 AI 전용 프로세서(예를 들어, GPU)일 수 있다.
메모리(55)는 AI 장치(50)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(55)는 비 휘발성 메모리, 휘발성 메모리, 플래시 메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SDD) 등으로 구현할 수 있다. 메모리(55)는 AI 프로세서(51)에 의해 액세스되며, AI 프로세서(51)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 또한, 메모리(55)는 본 발명의 일 실시예에 따른 데이터 분류/인식을 위한 학습 알고리즘을 통해 생성된 신경망 모델(예를 들어, 딥 러닝 모델(56))을 저장할 수 있다.
한편, AI 프로세서(51)는 데이터 분류/인식을 위한 신경망을 학습하는 데이터 학습부(52)를 포함할 수 있다. 데이터 학습부(52)는 데이터 분류/인식을 판단하기 위하여 어떤 학습 데이터를 이용할지, 학습 데이터를 이용하여 데이터를 어떻게 분류하고 인식할지에 관한 기준을 학습할 수 있다. 데이터 학습부(52)는 학습에 이용될 학습 데이터를 획득하고, 획득된 학습데이터를 딥러닝 모델에 적용함으로써, 딥러닝 모델을 학습할 수 있다.
데이터 학습부(52)는 적어도 하나의 하드웨어 칩 형태로 제작되어 AI 장치(50)에 탑재될 수 있다. 예를 들어, 데이터 학습부(52)는 인공지능(AI)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 범용 프로세서(CPU) 또는 그래픽 전용 프로세서(GPU)의 일부로 제작되어 AI 장치(50)에 탑재될 수도 있다. 또한, 데이터 학습부(52)는 소프트웨어 모듈로 구현될 수 있다. 소프트웨어 모듈(또는 인스트럭션(instruction)을 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록 매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 애플리케이션에 의해 제공될 수 있다.
데이터 학습부(52)는 학습 데이터 획득부(53) 및 모델 학습부(54)를 포함할 수 있다.
학습 데이터 획득부(53)는 데이터를 분류하고 인식하기 위한 신경망 모델에 필요한 학습 데이터를 획득할 수 있다. 예를 들어, 학습 데이터 획득부(53)는 학습 데이터로서, 신경망 모델에 입력하기 위한 드론()의 상태에 관한 데이터 및/또는 비행 데이터를 획득할 수 있다.
모델 학습부(54)는 상기 획득된 학습 데이터를 이용하여, 신경망 모델이 소정의 데이터를 어떻게 분류할지에 관한 판단 기준을 가지도록 학습할 수 있다. 이 때 모델 학습부(54)는 학습 데이터 중 적어도 일부를 판단 기준으로 이용하는 지도 학습(supervised learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또는 모델 학습부(54)는 지도 없이 학습 데이터를 이용하여 스스로 학습함으로써, 판단 기준을 발견하는 비지도 학습(unsupervised learning)을 통해 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(54)는 학습에 따른 상황 판단의 결과가 올바른지에 대한 피드백을 이용하여 강화 학습(reinforcement learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(54)는 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient decent)을 포함하는 학습 알고리즘을 이용하여 신경망 모델을 학습시킬 수 있다.
신경망 모델이 학습되면, 모델 학습부(54)는 학습된 신경망 모델을 메모리에 저장할 수 있다. 모델 학습부(54)는 학습된 신경망 모델을 AI 장치(50)와 유선 또는 무선 네트워크로 연결된 서버의 메모리에 저장할 수도 있다.
데이터 학습부(52)는 인식 모델의 분석 결과를 향상시키거나, 인식 모델의 생성에 필요한 리소스 또는 시간을 절약하기 위해 학습 데이터 전처리부(미도시) 및 학습 데이터 선택부(미도시)를 더 포함할 수도 있다.
학습 데이터 전처리부는 획득된 데이터가 상황 판단을 위한 학습에 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 예를 들어, 학습 데이터 전처리부는, 모델 학습부(54)가 이미지 인식을 위한 학습을 위하여 획득된 학습 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.
또한, 학습 데이터 선택부는, 학습 데이터 획득부(53)에서 획득된 학습 데이터 또는 전처리부에서 전처리된 학습 데이터 중 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부(54)에 제공될 수 있다. 예를 들어, 학습 데이터 선택부는, 드론()의 카메라를 통해 획득한 영상 중 특정 영역을 검출함으로써, 특정 영역에 포함된 객체에 대한 데이터만을 학습 데이터로 선택할 수 있다.
또한, 데이터 학습부(52)는 신경망 모델의 분석 결과를 향상시키기 위하여 모델 평가부(미도시)를 더 포함할 수도 있다.
모델 평가부는, 신경망 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 분석 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(52)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 인식 모델을 평가하기 위한 기 정의된 데이터일 수 있다. 일 예로, 모델 평가부는 평가 데이터에 대한 학습된 인식 모델의 분석 결과 중, 분석 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정되 임계치를 초과하는 경우, 소정 기준을 만족하지 못한 것으로 평가할 수 있다.
통신부(57)는 AI 프로세서(51)에 의한 AI 프로세싱 결과를 외부 전자 기기로 전송할 수 있다.
여기서 외부 전자 기기는 AI 장치(50) 외에 다른 AI 장치, 무인비행체()를 제어하기 위한 장치, 무인비행체() 및/또는 사용자 단말을 포함한다. 또한, 외부 전자 기기는 별도의 서버를 포함할 수 있다.
특히, AI 장치(50)가 본 발명의 일 실시 예에 따른 무인비행체()를 제어하기 위한 장치()에 AI 프로세서(51)의 형태로 탑재된 경우에도, 통신부(57)는 AI 프로세싱 결과를 상술한 외부 전자 기기 즉, 무인비행체()를 제어하기 위한 장치 외에 다른 장치, 해당 무인비행체(), 다른 무인비행체 및/또는 사용자 단말에 전송할 수 있다.
또한, 본 발명의 일 실시 예에 따른 장치()와 별도로 AI 장치(50)가 구성될 경우, AI 장치(50)는 무인비행체(), 장치(), 사용자 단말(), 다른 무인비행체() 및/또는 다른 장치()와 5G 네트워크로 통신하는 장치로 정의될 수 있다. 한편, 상기 AI 장치(50)는 상술한 바와 같이, 무인비행체()를 제어하기 위한 장치() 및/또는 상기 사용자 단말() 내에 구비된 AI 모듈 또는 AI 프로세서에 기능적으로 임베딩되어 구현될 수도 있다. 또한, 상기 5G 네트워크는 드론의 비행과 관련된 제어를 수행하는 별도의 서버 또는 모듈을 포함할 수 있다.
한편, 도 11에 도시된 AI 장치(50)는 AI 프로세서(51)와 메모리(55), 통신부(57) 등으로 기능적으로 구분하여 설명하였지만, 전술한 구성요소들이 하나의 모듈로 통합되어 AI 모듈 또는 AI 프로세서로 호칭될 수도 있음을 밝혀둔다.
한편, 앞서 살핀 5G 통신 기술은 후술할 본 발명에서 제안하는 방법들과 결합되어 적용될 수 있으며, 또는 본 발명에서 제안하는 방법들의 기술적 특징을 구체화하거나 명확하게 하는데 보충될 수 있다.
이하에서 도 12를 참조하여, 본 발명의 일 실시 예에 따라 무인비행체를 제어하기 위한 장치 및 시스템의 구성에 대하여 구체적으로 설명한다. 도 12는 본 발명의 일 실시 예에 따른 무인비행체를 제어하기 위한 장치 및 시스템의 주요 구성들을 도시한 블록도이다.
도 12를 참조하면, 본 발명의 일 실시 예에 따른 무인비행체를 제어하기 위한 시스템(60)은 무인비행체(100) 및 상기 무인비행체(100)를 제어하기 위한 장치(600)를 포함한다.
도 12에 도시된 무인비행체(100)는 도 2에 도시된 무인비행체(100)의 구성을 모두 포함할 수 있으며, 도 12에서는 도 2에서 도시된 무인비행체(100)의 구성들은 선택적으로 도시하였다. 이는 본 발명의 설명의 편의를 위하여, 도 2에서 도시되지 않은 무인비행체(100)의 구성을 도 12를 통해 좀 더 구체적으로 설명하기 위함이다. 따라서, 도 12에 도시된 무인비행체(100)를 설명할 때, 도 2를 참조하여 먼저 설명된 무인비행체(100)의 설명을 참조할 수 있다. 또한, 불필요하게 반복되는 설명을 피하기 위하여, 도 2 및 도 12에 각각 도시된 무인비행체(100)가 동일한 구성을 포함할 경우, 동일한 구성은 어느 한 도면에만 도시하고, 다른 도면에서는 도시를 생략할 수 있으며, 구체적인 설명도 생략할 수 있다.
또한, 이하에서 설명의 편의를 위해, 무인비행체(100)에 포함되는 멀티콥터 형태의 드론(100)을 예시로 하여 설명한다.
도 12를 참조하면, 본 발명의 일 실시 예에 따른 무인비행체(100) 즉, 드론(100, 이하 드론이라고 함)은 드론 제어부(140)를 포함하며, 이러한 드론 제어부(140)는 드론(100)의 비행 및 임무 수행을 제어하기 위해, 비행 제어부(141) 및 임무 제어부(142)를 더 포함한다.
비행 제어부(141)는 드론(100)의 비행을 제어하기 위해, 도 1에 도시된 드론(100)의 모터(12), 프로펠러(11)를 제어한다. 즉, 비행 제어부(141)는 모터(12)의 회전 속도나 회전 방향을 제어할 수 있고, 프로펠러(11)의 가변, 피치각과 같은 요소들을 조절하도록 구성될 수 있다.
임무 제어부(142)는 드론(100)이 비행 도중에 수행하여야 할 기능을 제어한다. 예를 들어, 드론(100)이 특정 피사체에 대한 촬영을 목적으로 비행을 할 경우, 임무 제어부(142)는 목적지 또는 목적지로 비행하는 도중에 드론(100)이 특정 피사체에 대하여 사진이나 동영상을 촬영할 수 있도록 드론(100)에 장착된 짐벌, 카메라의 렌즈 배율이나 조리개를 조절하도록 구성된다. 또한, 임무 제어부(142)는 임무 달성을 위해 드론(100)이 비행하여야 할 속도, 자세 및/또는 위치에 대한 데이터를 미리 계산하여, 비행 제어부(141)에 계산 결과 값을 전송하고, 비행 제어부(141)가 이를 참조하여 비행할 수 있도록 할 수 있다.
또한, 도 12에 도시된 본 발명의 일 실시 예에 따른 드론(100)은 위치 측정부(180) 및 촬영부(190)를 더 포함할 수 있다.
위치 측정부(180)는 GPS 위성을 사용하여 드론(100)의 GPS 좌표를 측위할 수 있도록 구성된다. 따라서, 위치 측정부(180)를 통해 드론(100)의 현재 위치를 파악할 수 있다.
촬영부(190)는 카메라를 포함할 수 있으며, 카메라를 이용하여 피사체에 대한 사진 및/또는 동영상을 촬영할 수 있도록 구성된다. 촬영부(190)는 피사체를 촬영하여 영상 데이터를 생성할 수 있으며, 이렇게 생성된 영상 데이터는, 커뮤니케이션 모듈(170)에 포함된 드론 통신부(175)를 통해 본 발명의 일 실시 예에 따른 무인비행체를 제어하기 위한 장치(600)로 전송된다.
한편, 도 12를 참조하면 본 발명의 일 실시 예에 따른 무인비행체를 제어하기 위한 장치(600)는 제1 제어부(610), AI 프로세서(620) 및 제1 통신부(630)를 포함한다. 또한, 장치(600)는 이 외에도 영상 처리부(640)를 더 포함할 수 있다.
제1 제어부(610)는 무인비행체(100) 즉, 드론(100)의 비행과 자세를 제어하는 제어 신호를 생성하고, 드론(100)이 비행할 항로를 설정할 수 있도록 구성된다.
한편, 제1 제어부(610)는 드론(100)이 비행할 항로를 설정하기 위해, 항로 설정부(611)를 더 포함할 수 있다. 항로 설정부(611)는 장치(600)의 저장소 및/또는 데이터베이스에 미리 저장된 전자 지도 및/또는 위성 사진을 사용하여, 드론(100)이 비행할 항로를 설정할 수 있다. 하지만, 장치(600)의 저장소 및/또는 데이터베이스 이외에 다른 장치에 저장되어 있는 전자 지도 및/또는 위성 사진을 사용하여, 드론(100)이 비행할 항로를 설정할 수도 있다.
또한, 제1 제어부(610)는 드론(100)이 설정된 항로를 비행하면서, 수행하여야 할 임무를 설정할 수도 있다. 제1 제어부(610)는 임무 설정부(612)를 통해 사용자가 드론(100)이 수행하기를 원하는 임무를 파악하고, 사용자가 설정하고자 하는 임무를 수행하기 위해, 필요한 비행 정보, 센서의 운용, 기능의 동작 여부들을 설정하고 작동 시점을 결정할 수 있다.
예를 들어, 사용자가 장치(600)를 통하여, 드론(100)이 수행하여야 할 임무를 입력하였다고 가정한다. 여기서 드론(100)이 수행하여야 할 임무는 정찰(patrol)이라고 가정한다.
이 경우, 임무 설정부(612)는 드론(100)이 일정한 영역 상공에서 궤도 패턴(orbit pattern)으로 반복하여 비행하도록 비행 정보, 센서의 운용, 기능의 동작 여부들을 설정하고, 항로 설정부(611)가 임무 수행을 위한 최적의 항로를 산출하도록 설정된 값을 전달할 수 있다.
AI 프로세서(620)는 드론(100)으로 비행할 계획을 가지고 있는 지역 및/또는 항로가 설정된 지역에 대한 전자 지도, 위성 사진을 자동으로 수집하고 기계 학습하여, 학습 결과 데이터를 제1 제어부(610)에 제공한다. 그리고, 제1 제어부(610)가 학습 결과 데이터를 바탕으로 드론(100)이 비행할 항로를 설정하도록 한다.
또한, AI 프로세서(620)는 드론(100)이 비행하면서 촬영부(190)를 이용하여 촬영한 영상을 기계 학습하여, 드론(100)이 앞으로 비행할 항로에 장애물 및/또는 랜드마크(landmark)를 인식하고 검출한다. 그리고, 이러한 학습 결과 데이터를 제1 제어부(610)에 제공하여, 제1 제어부(610)가 학습 결과 데이터를 바탕으로 장애물 및/또는 랜드마크(landmark)를 피할 수 있는 우회 항로를 설정하도록 한다.
즉, 본 발명에 따른 AI 프로세서(620)는 드론(100)이 비행할 항로가 통과하는 지역들에 대한 전자지도, 위성사진 이미지를 포함하는 지형 정보 및 드론(100)이 항로를 따라 비행하면서 촬영한 영상을 기계 학습하여, 항로 상에 존재하는 장애물 및/또는 랜드마크를 인식, 검출하며, 항로 상에 장애물 및/또는 랜드마크가 존재하는지 여부에 대한 판단을 할 수 있다.
또한, 도 12에 도시된 AI 프로세서(620)는 도 11에 도시된 AI 프로세서(51)와 동일한 구성을 포함할 수 있다. 따라서, 도 12에 도시된 AI 프로세서(620)는 비록 도 12에 도시되지는 않았지만, 추가적으로 딥러닝 모델(56)을 저장할 수 있는 메모리(55)를 더 포함할 수 있으며, 딥러닝 모델(56)은 이미지 및/또는 영상을 딥러닝 할 수 있는 모델들을 포함한다.
한편, 항로 설정부(611)는 AI 프로세서(620)가 항로가 설정된 지역에 대한 전자지도 및 위성사진 이미지를 포함하는 지형 정보와 드론(100)이 촬영한 영상을 학습한 학습 결과 데이터를 참조하여, 항로 상에 장애물이 존재한다고 판단한 경우, 장애물을 피하여 비행할 수 있는 우회 항로를 설정한다.
또한, 항로 설정부(611)는 드론(100)이 연료 소모를 최소화하기 위해, 자신이 자동적으로 설정한 항로에 드론(100)이 급격한 기동을 수행하여야 할 구간이 있는지 여부를 분석할 수 있다.
하지만, 이러한 분석 기능은 반드시 항로 설정부(611)에 내장되어 있어야 하는 것은 아니며, 이러한 분석 기능을 AI 프로세서(620)가 대신 수행하도록 할 수도 있다. 이 경우, 항로 설정부(611)는 자신이 자동적으로 설정한 항로를 AI 프로세서(620)로 전송하여 AI 프로세싱 및 기계 학습을 통해 설정된 항로에 드론(100)이 급격한 기동을 수행하여야 할 구간을 인식하고 검출하도록 할 수 있다.
한편, 항로 설정부(611)가 스스로 항로에 드론(100)이 급격한 기동을 수행하여야 할 구간이 있는지 여부를 분석할 경우, 항로 설정부(611)는 드론(100)이 급격한 기동을 수행하여야 할 구간이 있는지를 판단하기 위해, 항로에 포함된 적어도 하나 이상의 변침점(way point, 웨이포인트라고도 함)들에서 드론(100)의 비행 방향을 나타내는 방위각, 고도, 프로펠러의 회전 수, 자세 및 속도의 변화량을 계산할 수 있다.
그리고, 항로 설정부(611)는 이들의 변화량이 일정 정도를 초과하는지 여부에 따라, 드론(100)이 해당 변침점을 통과하여 비행할지 여부를 결정할 수 있다.
좀 더 구체적으로, 항로 설정부(611)는 설정된 항로에 포함된 모든 변침점들 중에서 순차적으로 연결된 적어도 3개의 변침점들이 형성하는 각도를 계산하여, 해당 각도가 일정 값을 초과하는지 여부에 따라 드론(100)이 3개의 변침점들을 모두 통과하여 비행할지 여부를 결정할 수 있다.
또한, 항로 설정부(611)는 순차적으로 연결된 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만인 경우, AI 프로세서(620)가 항로가 설정된 지역에 대한 전자지도 및 위성사진 이미지를 포함하는 지형 정보와 드론(100)이 촬영한 영상을 학습한 학습 결과 데이터를 참조하여, 해당 변침점들이 설정된 지역 및/또는 인근 영역에 랜드마크(landmark)가 존재하는지 여부를 판단할 수 있다.
즉, 항로 설정부(611)는 순차적으로 연결된 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만일 경우, 드론(100)이 급격한 기동을 수행하지 않아도 될 구간이라고 판단할 수 있다. 그리고 이러한 구간에서 해당 구간에 대한 전자지도, 위성사진 이미지 및 드론(100)이 촬영한 영상을 AI 프로세서(620)의 이미지 분석 기능을 통해 분석하여 랜드마크(landmark)가 있는지 여부를 판단한다. 그리고, 해당 구간에 랜드마크가 존재하지 않는다면, 드론(100)이 임무 수행을 위해 필요한 목적 및/또는 피사체가 존재하지 않는다고 판단하여, 드론(100)이 해당 구간에 설정된 변침점들을 모두 통과하지 않도록 항로를 설정할 수 있다.
예를 들어, 본 발명의 일 실시 예에 따른 장치(600)는 항로 설정부(611) 및/또는 AI 프로세서(620)를 사용하여, 항로에 포함된 모든 변침점들 중 특정 구간에서 순차적으로 연결된 3개의 변침점들이 형성하는 각도가 둔각을 형성하고, 특정 구간에 및 그 특정 구간과 인근 영역에 랜드 마크가 존재하지 않는다고 판단하였다고 가정한다.
이 경우, 항로 설정부(611)는 순차적으로 연결된 3개의 변침점들 중에서 두 번째 변침점을 드론(100)이 통과하지 않고 비행하도록 기존에 설정된 항로를 수정할 수 있다. 그리고, 제1 제어부(610)는 이러한 항로 설정부(611)의 수정된 항로에 따라, 드론(100)이 순차적으로 연결된 3개의 변침점들 중에서 두 번째 변침점을 플라이-바이(fly-by)하도록 제어하는 제어 신호를 생성하여 제1 통신부(630)를 통해 드론(100)에 전송할 수 있다. 그리고 드론(100)은 순차적으로 연결된 3개의 변침점들 중에서 두 번째 변침점을 플라이-바이(fly-by)하여 순차적으로 연결된 3개의 변침점들 중 세 번째 변침점으로 직접 날라가도록 하여, 드론(100)이 비행하는데 소요되는 베터리 및/또는 연료 소모량이 최소화되도록 할 수 있다.
한편, 플라이-바이(fly-by)는 고정익기의 비행술에 포함되는 비행 방법을 의미한다. 본 발명에 따른 장치(600)는 이러한 고정익기의 비행술에 포함되는 비행 방법을 드론(100)에 적용하여, 드론(100)이 비행하는데 소요되는 베터리 및/또는 연료 소모량이 최소화되도록 할 수 있다.
도 13을 참조하여, 본 발명에 따른 무인비행체(100) 즉, 드론(100)에 적용될 수 있는 비행술의 예시를 살펴보도록 한다. 도 13은 본 발명에 따른 무인비행체가 항로를 따라 비행하는 방법의 예시를 나타낸 도면이다.
도 13의 (a)를 참조하면, 순차적으로 연결된 3개의 변침점인, 제1 변침점(wp1), 제2 변침점(wp2), 제3 변침점(wp3)을 따라 비행하는 비행체(T)를 확인할 수 있다.
이 경우, 비행체(T)는 제1 변침점(wp1)에서 출발하여 제2 변침점(wp2)으로 비행하다가, 제2 변침점(wp2)을 거치지 않고, 항로를 수정하여, 바로 제3 변침점(wp3)으로 가는 항로(L1)을 체택하고 있음을 확인할 수 있다. 이러한 L1 같은 항법이 플라이-바이(fly-by) 항법이다.
또한, 도 13의 (b)를 참조하면, 비행체(T)는 제1 변침점(wp1)에서 출발하여 제2 변침점(wp2)으로 비행하다가, 제2 변침점(wp2)을 통과하는 즉시, 제3 변침점(wp3)으로 기수를 틀지 않고 계속 진행하다가, 항로를 수정하여, 제3 변침점(wp3)으로 기수를 돌려 돌아오는 항로(L2)을 체택하고 있음을 확인할 수 있다. 이러한 L2 같은 항법을 플라이-오버(fly-over)라고 한다.
도 13의 (a)에 도시된 플라이-바이(fly-by)로 비행하는 경우, 비행체(T)는 비행 시간, 베터리 및/또는 연료 소모를 모두 단축할 수 있다. 하지만, 제2 변침점(wp2)을 통과하지는 않으므로 제2 변침점(wp2)에서 지상 촬영과 같은 구체적인 임무를 수행하기는 어렵다.
반면, 도 13의 (b)에 도시된 플라이-오버(fly-over)로 비행하는 경우, 비행체(T)는 제2 변침점(wp2)을 통과하면서 제2 변침점(wp2) 주변을 일정시간 선회하게 되므로, 제2 변침점(wp2)에서 지상 촬영과 같은 구체적인 임무를 수행하기에 매우 적합하다. 또한, 도 13의 (b)에 도시된 플라이-오버(fly-over)로 비행하는 경우, 비행체(T)가 제2 변침점(wp2)을 통과하면서 제2 변침점(wp2) 주변을 일정시간 선회하게 되므로, 비행 시간, 베터리 및/또는 연료 소모가 다소 증가한다고 예상할 수 있지만, 실제로 비행체(T)가 제2 변침점(wp2)을 통과하면서, 급격하게 선회하는 등의 급격 기동을 수행하여야 할 필요가 없어지므로, 비행체(T)가 제2 변침점(wp2)에서 바로 제3 변침점(wp3)으로 변침하는 것에 비하여, 비행 시간, 베터리 및/또는 연료 소모량이 크게 증가한다고 볼 수 없다.
따라서, 본 발명에 따른 무인비행체를 제어할 수 있는 장치(600) 및 시스템(60)을 사용하여 무인비행체의 비행을 제어할 경우, 비행 시간, 베터리 및/또는 연료 소모를 최소화할 수 있다.
또한, 본 발명에 따른 항로 설정부(611)는 장치(600)가 직접 제어하는 드론(100)에 대해 기체간 통항 간격을 설정할 수 있다. 즉, 항로 설정부(611)는 장치(600)가 직접 제어하는 드론(100)이 비행 도중, 다른 드론과 헤드-온(head-on) 상황이 되어 서로 충돌할 위험이 있는 경우, 장치(600)는 드론(100)의 센싱부(도 2, 130)에 장착된 다양한 센서 및/또는 장치(600)에 수신되는 항공 관제 정보에 의해 다른 드론의 존재를 인식할 수 있으며, 드론(100)이 다른 드론과 일정한 거리를 가지고 서로 지나갈 수 있도록 한다.
이를 위해, 항로 설정부(611)는 먼저 항로를 설정함에 있어서, AI 프로세서(620)가 전자 지도, 위성 사진과 함께, 비행할 구역이나 지역에 대한 교통량 및 관제 정보를 학습한 학습 결과 데이터와 드론(100)이 포함하고 있는 센서들의 정보, 드론(100)의 현재와 미래의 위치, 속력, 고도, 자세 정보를 포함하는 기체 데이터를 바탕으로, 드론(100)이 다른 무인비행체와 마주칠 경우, 서로 일정한 간격을 가지고 상대 무인비행체를 피해서 비행할 수 있도록 기체 간 통항 간격을 포함하도록 항로를 설정한다. 또한, 이런 통항 간격은 사용자가 장치(600)에 일정한 설정 값을 직접 입력하여 설정할 수 있다.
따라서, 본 발명에 따른 장치(600) 및 시스템(60)은 제어 중인 드론(100)과 다른 무인비행체가 충돌하는 것을 방지하기 위하여, 기체간 통항 간격을 미리 설정하므로, 비행 충돌 사고를 예방할 수 있다.
한편, 제1 통신부(630)는 무인비행체(100) 즉, 드론(100)과 정보를 상호 교환하도록 구성되어, 양 기기간 실시간으로 고용량의 데이터 통신이 수행되도록 할 수 있으며, 이러한 데이터 통신 방법에 C2 link, 5G 네트워크 기술이 적용될 수 있다.
또한, 제1 통신부(630)는 장치(600)에 포함된 제1 제어부(610), AI 프로세서(620) 및 영상 처리부(640)로부터 전송된 데이터를 장치(600)외의 다른 장치로 전송하며, 다른 장치로부터 전송된 데이터를 수신하는 역할도 한다. 특히, 제1 통신부(630)는 제1 제어부(610)에서 드론(100)을 제어하기 위해 생성된 제어 신호 및 설정된 항로를 드론(100)으로 전송하여, 장치(600)가 드론(100)을 직접 제어할 수 있도록 한다.
영상 처리부(640)는 제1 통신부(630)를 통해 드론(100)이 촬영한 영상 데이터를 수신하고, 이를 처리하여 장치(600)가 자체적으로 포함하고 있는 디스플레이 장치를 통해 출력할 수 있다. 또한, 영상 처리부(640)는 드론(100)이 촬영한 영상 데이터를 처리하여, 제1 통신부(630)를 통해 도 3에 도시된 사용자가 사용하는 단말기(300)에 전송하여, 단말기(300)를 통해 드론(100)이 촬영한 영상이 실시간으로 출력되도록 할 수 있다.
한편, 이러한 영상 처리부(640)는 드론(100)이 촬영한 영상에 오버랩(overlap)될 가상 영상을 생성하고 처리하는 가상 영상 처리부(641)를 더 포함할 수 있다. 여기서 의미하는 가상 영상은 헤드-업-디스플레이(Head Up Display, HUD)에 사용되는 도형과 숫자, 글자들을 포함한다. 즉, 본 발명에서 가상 영상은 헤드-업-디스플레이에 사용되는 속도, 고도, 방향, 자세 같은 다양한 정보를 포함하는 영상을 의미한다.
또한, 영상 처리부(640)는 가상 영상 처리부(641)에서 생성된 가상 영상을 드론(100)이 촬영한 영상에 오버랩하여 출력하는 복합 영상 처리부(642)를 더 포함할 수 있다. 예를 들어, 복합 영상 처리부(642)는 드론(100)이 비행하면서, 드론(100)의 전방(head)에서 촬영된 동영상에 가상 영상 처리부(641)에서 생성된 드론(100)의 속도, 고도, 방향, 자세에 대한 정보를 헤드-업-디스플레이로 오버랩(overlap) 시킴과 동시에, 가상 영상 처리부(641)에서 생성된 드론(100)의 속도, 고도, 방향, 자세에 대한 정보가 드론(100)의 전방에서 촬영된 동영상과 싱크(sync)되도록 할 수 있다.
이하에서는, 도 14 내지 도 17을 참조하여, 본 발명의 일 실시 예에 따른 장치 또는 시스템을 사용하여 무인비행체를 제어하는 방법에 대하여 설명한다. 본 발명의 일 실시 예에 따른 장치 또는 시스템을 사용하여 무인비행체를 제어하는 방법을 설명함에 있어, 앞서 설명한 무인비행체를 제어하는 장치(600) 또는 시스템(60)과 동일한 구성에 대하여는 동일한 참조번호를 사용할 수 있고, 중복되는 설명은 생략할 수 있다.
도 14는 본 발명의 일 실시 예에 따른 장치 또는 시스템이 무인비행체를 제어하는 방법을 나타낸 순서도이며, 도 15는 본 발명의 일 실시 예에 따른 장치 또는 시스템이 설정한 항로를 웹 화면 형태로 출력한 일 예시를 나타낸 도면이다. 또한, 도 16은 본 발명의 일 실시 예에 따른 장치 또는 시스템이 플라이-오버(fly-over) 항법으로 설정한 항로를 웹 화면 형태로 출력한 일 예시를 나타낸 도면이며, 도 17은 본 발명의 일 실시 예에 따른 장치 또는 시스템이 플라이-바이(fly-by) 항법으로 설정한 항로를 웹 화면 형태로 출력한 일 예시를 나타낸 도면이다.
우선, 도 14를 참조하면, 본 발명에 따른 장치(600)나 시스템(60)은 시작과 함께 자신이 제어할 무인비행체 즉, 드론(100)을 인식하여 드론(100)과 링크 또는 싱크될 수 있다.
이후, 본 발명에 따른 장치(600)나 시스템(60)은 무인비행체(100)가 목적지까지 통과하면서 비행할 복수의 변침점들(waypoints, 웨이포인트)을 순차적으로 설정한다(S100). 그리고, 본 발명에 따른 장치(600)나 시스템(60)은 설정된 변침점들을 연결하여 항로를 설정하며, 해당 항로가 통과하는 지역들에 대한 전자 지도, 위성 사진을 포함하는 지형 정보 및 무인비행체가 비행 중 촬영한 영상을 수집한다. 이 때, 전자 지도 및 위성 사진은 장치(600)나 시스템(60)의 데이터베이스에 저장된 전자 지도 및 위성 사진을 사용할 수 있으나, 다른 장치, 서버 또는 시스템으로부터 전자지도나 위성 사진에 대한 데이터를 가져오거나 수집할 수 있다.
또한, 무인비행체가 비행 중 촬영한 영상은 본 발명에 따른 장치(600)나 시스템(60)이 직접 제어하는 무인비행체(100)가 촬영한 영상이 아닌 설정된 항로와 동일하거나 유사한 항로를 비행한 무인비행체가 촬영한 영상을 외부 네트워크에서 검색하여 수집하고 이를 장치(600)나 시스템(60)으로 가져올 수도 있다. 왜냐하면, 본 발명에 따른 장치(600)나 시스템(60)이 직접 제어하는 무인비행체(100)는 장치(600)나 시스템(60)이 설정한 항로를 아직 비행해 본 적이 없을 수 있으므로, 해당 항로에 대하여 촬영된 영상 데이터를 보유하고 있지 않을 수도 있기 때문이다.
이후, 장치(600)나 시스템(60)은 설정된 항로에 대한 전자 지도 및 위성 사진을 포함하는 지형 정보와 무인비행체가 해당 항로 또는 해당 항로와 유사한 항로를 비행하면서 촬영한 영상을 기계 학습한다(S110).
장치(600)나 시스템(60)은 AI 프로세서(620)와 딥러닝 모델(도 11의 56)을 사용하여 전자 지도 및 위성 사진을 포함하는 지형 정보와 무인비행체가 해당 항로 또는 해당 항로와 유사한 항로를 비행하면서 촬영한 영상을 기계 학습한다. 이 경우, AI 프로세서(620)와 딥러닝 모델(도 11의 56)은 이미지 분석, 영상 분석 방법을 사용하여 전자 지도, 위성 사진 및/또는 영상을 학습하여, 해당 전자 지도, 위성 사진 및/또는 영상에 장애물로 인식되는 것이 있는지 여부를 판단한다.
한편, 장치(600)나 시스템(60)은 기계 학습 결과에 따라 각각의 변침점 및 상기 변침점을 기준으로 일정한 범위(예를 들어, 변침점을 기준으로 수평 150m 이내, 수직 30m 이내의 영역)에 장애물이 있는지 여부를 판단한다(S120).
이 때, 장치(600)나 시스템(60)은 기계 학습 결과에 따라 변침점 및 상기 변침점을 기준으로 일정한 범위 내에 장애물이 있다고 판단하면(S120), 학습 데이터가 된 전자 지도, 위성 사진 및/또는 영상에서 장애물을 검출하고 마킹해둔 다음, 전자 지도 또는 위성 사진을 참조하여, 장애물이 없는 영역에 기존의 변침점과 다른 변침점을 적어도 하나 이상 설정하여 무인비행체(100)가 검출된 장애물을 회피할 수 있도록 우회 항로를 설정한다(S130). 이렇게 우회 항로가 설정되면, 무인비행체(100)는 우회 항로를 따라 비행하면서 촬영을 진행하고, 장치(600)나 시스템(60)은 무인비행체(100)가 촬영한 영상을 수신하여, 전자 지도, 위성 사진과 함께 이를 다시 기계 학습하여 장애물이 있는지 여부를 판단해 우회 항로를 설정할 지 여부를 결정한다.
한편, 장치(600)나 시스템(60)이 S120 단계에서 항로 상에 장애물이 없다고 판단한 경우, 항로에 포함된 모든 변침점들에 대하여, 순차적으로 연결된 적어도 3개 이상의 변침점들이 이루는 각도를 계산한다(S140). 예를 들어, 도 13의 (a)에 도시된 바와 같이, 순차적으로 연결된 3개의 변침점들(wp1, wp2, wp3)이 이루는 각도를 계산할 수 있다(S140).
이후, 장치(600)나 시스템(60)은 계산된 각도가 일정 값을 초과하는지 여부를 판단하여, 무인비행체(100)가 적어도 3개 이상의 변침점들(예를 들어, 도 13의 (a)의 wp1, wp2, wp3)을 모두 통과하도록 비행할 것인지 여부를 판단할 수 있다(S150).
예를 들어, 장치(600)나 시스템(60)이 도 13의 (a)에 도시된 순차적으로 연결된 3개의 변침점들(wp1, wp2, wp3)이 이루는 각도를 계산하고(S140), 계산된 각도가 일정 값을 초과하는지 여부를 판단할 수 있다(S150). 이 경우, 도 13의 (a)에 도시된 순차적으로 연결된 3개의 변침점들(wp1, wp2, wp3)이 이루는 각도가 135°를 초과할 경우, 장치(600)나 시스템(60)은 상기 무인비행체(100)가 순차적으로 연결된 3개의 변침점들(wp1, wp2, wp3) 중 두번째 변침점(wp2)을 플라이-오버(fly-over)하도록 변경된 항로를 설정하고, 무인비행체(100)가 변경된 항로를 따라 비행하도록 제어한다(S151).
또한, 순차적으로 연결된 3개의 변침점들이 이루는 각도가 일정 값을 초과하는지 여부를 판단할 때, 기준이 되는 일정 값은 관리자나 사용자에 의해 미리 설정될 수 있다. 따라서, 상술한 예시에서의 135°는 어디까지나 일정 값의 기준에 대한 예시이다. 다만, 여기서 일정 값은 둔각을 의미하는 값은 되어야 바람직하다.
한편, 순차적으로 연결된 3개의 변침점들이 이루는 각도가 일정 값보다 미만인 경우, 장치(600)나 시스템(60)은 각 변침점들 및 3개의 변침점들과 인접하는 영역에 랜드마크(landmark)가 존재하는지 여부를 판단하기 위하여, 전자 지도, 위성 사진 및/또는 무인비행체(100)가 비행하면서 촬영한 영상을 기계 학습한다(S160).
여기서, 각 변침점들 및 3개의 변침점들과 인접하는 영역이란, 각 변침점을 기준으로, 각 변침점이 설정된 GPS 좌표와 해당 GPS 좌표를 기준으로 일정 범위, 예를 들어 수평 150m 이내, 수직 30m 이내에 해당하는 인접 영역을 의미한다. 그리고 이러한 인접 영역의 설정은 관리자나 사용자가 이와 다르게 설정할 수 있다.
한편, 장치(600)나 시스템(60)이 각 변침점들 및 3개의 변침점들과 인접하는 영역에 대한 전자 지도, 위성 사진 및/또는 무인비행체(100)가 비행하면서 촬영한 영상을 기계 학습한 결과, 3개의 변침점들과 인접하는 영역에서 랜드마크가 검출되면(S170), 장치(600)나 시스템(60)은 무인비행체가 순차적으로 연결된 3개 이상의 변침점들을 모두 통과하도록 항로를 설정한다(S180). 순차적으로 연결된 3개 이상의 변침점들을 모두 통과하도록 하는 항로의 일 예시는 도 13의 (b)에 도시된 것과 같이, 순차적으로 연결된 적어도 3개의 변침점들(wp1, wp2, wp3) 중 두번째 변침점(wp2)을 플라이-오버(fly-over)하도록 하는 항로일 수 있다.
이와 반대로, 장치(600)나 시스템(60)이 각 변침점들 및 3개의 변침점들과 인접하는 영역에 대한 전자 지도, 위성 사진 및/또는 무인비행체(100)가 비행하면서 촬영한 영상을 기계 학습한 결과, 3개의 변침점들과 인접하는 영역에서 랜드마크가 검출되지 않으면(S170), 장치(600)나 시스템(60)은 무인비행체가 순차적으로 연결된 3개 이상의 변침점들 중 2개의 변침점들을 통과하도록 항로를 설정한다. 즉, 장치(600)나 시스템(60)은 3개의 변침점들의 인근 영역에서 랜드마크를 인식하지 못하면, 순차적으로 연결된 3개 이상의 변침점들 중에서 두번째 변침점은 통과하지 않고 지나칠 수 있도록 항로를 설정할 수 있다(S190). 이러한 항로 설정의 예시는 도 13의 (a)에 도시된 것과 같이, 적어도 3개의 변침점들(wp1, wp2, wp3) 중 두번째 변침점(wp2)을 플라이-바이(fly-by)하도록 하는 항로일 수 있다.
한편, 도 15 내지 도 17을 참조하여, 본 발명의 일 실시 예에 따른 장치 또는 시스템이 도 14에 도시된 순서에 따라 무인비행체가 비행할 항로를 설정하는 예시들을 좀 더 구체적으로 살펴본다. 이하에서는 예시들을 설명함에 있어, 설명의 편의와 이해를 돕기 위해, 무인비행체(100)는 드론(100)인 것으로 가정하고, 장치(600)는 사용자가 사용하는 모바일 디바이스(600)인 것으로 가정한다.
우선, 도 15를 참조하면, 본 발명에 따른 장치(600), 즉 사용자가 사용하는 모바일 디바이스(600)는 시작과 함께 자신이 제어할 무인비행체 즉, 드론(100)과 링크 또는 싱크된 상태에서, 도 15에 도시된 것과 같은 항로 설정 화면을 웹 페이지 형태로 출력할 수 있다. 이러한 웹 페이지는 모바일 디바이스(600)에 마련된 디스플레이부를 통해 출력할 수도 있으나, 모바일 디바이스(600)와 데이터 통신 가능하게 연결되는 다른 단말기(300)의 디스플레이부를 통해 출력할 수도 있다.
모바일 디바이스(600)가 드론(100)이 비행할 비행할 복수의 변침점들(waypoints, 웨이포인트)을 도 15에 도시된 바와 같이 순차적으로 설정한다(S100). 도 15에서는 출발점(a1)으로부터 도착첨(a15)까지 15개의 변침점들(a1 내지 a15) 즉, 웨이포인트가 모바일 디바이스(600)에 의해 설정된 것을 예시로 나타내고 있다.
이러한 변침점들은 모바일 디바이스(600)의 사용자가 직접 설정할 수도 있고, 모바일 디바이스(600)에서 추천하는 항로에 따라 디바이스(600)가 자동적으로 변침점들을 설정할 수도 있다.
한편, 모바일 디바이스(600)는 설정된 변침점들을 연결하여 항로를 설정하며, 해당 항로가 통과하는 지역들에 대한 전자 지도, 위성 사진을 포함하는 지형 정보를 수집한다. 또한, 모바일 디바이스(600)는 해당 항로가 통과하는 지역들을 사전에 통과한 다른 드론이 비행 중 촬영한 영상을 함께 수집할 수도 있다. 이 때, 전자 지도 및 위성 사진은 모바일 디바이스(600)의 데이터베이스에 저장된 전자 지도 및 위성 사진을 사용할 수 있으나, 다른 디바이스나 서버에 저장된 전자지도나 위성 사진을 가져오거나 수집할 수 있다.
또한, 다른 드론이 비행 중 촬영한 영상은 모바일 디바이스(600)가 설정한 항로와 반드시 동일한 항로를 비행한 다른 드론이 촬영한 영상일 필요는 없으며, 모바일 디바이스(600)가 설정한 항로와 동일하거나 유사한 항로를 비행한 다른 드론이 촬영한 영상이면, 얼마든지 외부 네트워크에서 검색하여 수집하고 이를 모바일 디바이스(600)으로 가져올 수도 있다. 왜냐하면, 본 예시에 따른 모바일 디바이스(600)가 설정한 항로를 드론(100)은 아직 비행해 보지 못했기 때문에 해당 항로에 대한 영상 데이터를 보유하고 있지 않기 때문이다.
이후, 모바일 디바이스(600)는 설정된 항로에 대해 수집된 전자 지도 및 위성 사진을 포함하는 지형 정보와 수집된 영상을 기계 학습한다(S110).
모바일 디바이스(600)는 AI 프로세서(620)와 딥러닝 모델(도 11의 56)을 사용하여 수집한 전자 지도 및 위성 사진을 포함하는 지형 정보와 수집한 영상을 기계 학습한다. 이 경우, AI 프로세서(620)와 딥러닝 모델(도 11의 56)은 이미지 분석, 영상 분석 방법을 사용하여 전자 지도, 위성 사진 및/또는 영상을 학습하여, 해당 전자 지도, 위성 사진 및/또는 영상에 장애물로 인식되는 것이 있는지 여부를 판단한다(S120).
예를 들어, 모바일 디바이스(600)는 기계 학습 결과에 따라 각각의 변침점 및 상기 변침점을 기준으로 일정한 범위(예를 들어, 변침점을 기준으로 수평 150m 이내, 수직 30m 이내의 영역)에 장애물이 있는지 여부를 판단한다(S120). 예를 들어, 모바일 디바이스(600)는 a13에서 a15로 진행하는 항로를 구성할 때, a13에서 a15로 바로 비행하는 항로가 되도록 변침점을 설정할 수도 있다. 하지만, 도 15에 도시된 예시에서 모바일 디바이스(600)는 a13에서 a15로 바로 비행하도록 하지 않고, a14를 통과하여 a15로 비행하도록 변침점들을 설정하였다. 즉, a13에서 a15로 바로 비행하지 못하도록 a13가 설정된 지역과 a15가 설정된 지역 사이에 장애물이 있을 수 있다고 가정하면, 모바일 디바이스(600)는 드론(100)이 비행할 때, 장애물을 우회할 수 있도록 하기 위해서, 해당 지역의 전자 지도나 위성 사진을 AI 프로세서(620)를 통해 이미지 분석하고, a14를 설정하여 드론(100)이 우회 비행할 항로를 설정할 수 있다.
한편, 모바일 디바이스(600)은 기계 학습 결과에 따라 변침점 및 상기 변침점을 기준으로 일정한 범위 내에 장애물이 있다고 판단하면(S120), 학습 데이터가 된 전자 지도, 위성 사진 및/또는 영상에서 장애물을 검출하고 마킹해 둘 수도 있다. 그리고 우회 항로가 설정되면, 드론(100)은 우회 항로를 따라 비행하면서 촬영을 진행하고, 모바일 디바이스(600)는 무인비행체(100)가 촬영한 영상을 수신하여, 전자 지도, 위성 사진과 함께 이를 다시 기계 학습하여 드론(100)이 앞으로 비행할 지역에 장애물이 있는지 여부를 판단해 우회 항로를 설정할 지 여부를 결정한다.
한편, 모바일 디바이스(600)가 S120 단계에서 항로 상에 장애물이 없다고 판단한 경우, 항로에 포함된 모든 변침점들에 대하여, 순차적으로 연결된 적어도 3개 이상의 변침점들이 이루는 각도를 계산한다(S140). 예를 들어, 도 15에 도시된 바와 같이, 순차적으로 연결된 3개의 변침점들(a11, a12, a13)이 이루는 각도를 계산할 수 있다(S140).
모바일 디바이스(600)는 3개의 변침점들(a3, a4, a5)이 이루는 각도가 일정 값(예를 들어, 135°)에 미만인지 여부를 판단하여, 드론(100)이 3개의 변침점들(a3, a4, a5)을 모두 통과하도록 비행할 것인지 여부를 판단할 수 있다(S150). 도 15에 도시된 순차적으로 연결된 3개의 변침점들(a6, a7, a8)이 이루는 각도는 예를 들어, 모바일 디바이스(600)에 미리 설정된 일정 값인 135°를 초과하므로, 모바일 디바이스(600)는 3개의 변침점들(a6, a7, a8) 중 첫번째 변침점(a6)이나 두번째 변침점(a7)을 드론(100)이 플라이-오버(fly-over)하도록 변경된 항로를 설정하고, 드론(100)이 변경된 항로를 따라 비행하도록 제어할 수 있다(S151).
이렇게 모바일 디바이스(600)가 변침점 a6 또는 a7을 플라이-오버(fly-over)하도록 설정한 항로는 도 16에 도시된 V1 항로와 같이 설정될 수 있다. 도 16을 참조하면, 3개의 변침점들(a6, a7, a8)은 완만한 '∧'자 형태의 둔각을 이루고 있다. 모바일 디바이스(600)는 3개의 변침점들(a6, a7, a8) 중 변침점 a6 또는 a7을 드론(100)이 플라이-오버(fly-over)하도록 설정할 수 있으며, 이런 플라이-오버(fly-over)가 적용된 변경 항로는 V1과 같이 형성될 수 있다. 즉, 드론(100)이 a5에서 a6로 접근할 때, a6를 통과하여 일정 거리를 더 비행한 후, 천천히 a7으로 변침하도록 항로를 구성할 수 있다. 이 경우, a6 및 a7에 대한 관찰이 좀 더 장시간 가능해지며, 동시에 a6 및 a7에서 드론(100)이 변침을 위해 급격한 기동을 수행하지 않아도 되므로, 베터리 및/또는 연료 소모량이 최소화될 수 있다.
또한, 각도가 일정 기준을 초과하는지 또는 미만인지를 판단하는 일정 값은 관리자나 사용자에 의해 미리 설정될 수 있으며, 이러한 설정은 모바일 디바이스(600)를 통해 언제든 변경 가능하다. 따라서, 상술한 예시에서의 135°는 어디까지나 일정 값의 기준에 대한 예시이다. 다만, 여기서 일정 값은 둔각을 의미하는 값은 되어야 바람직하다.
한편, 도 15에 도시된 변침점들 중, 순차적으로 연결된 3개의 변침점들이 이루는 각도가 일정 값보다 미만인 경우, 모바일 디바이스(600)는 각 변침점들 및 3개의 변침점들과 인접하는 영역에 랜드마크(landmark)가 존재하는지 여부를 판단하기 위하여, 전자 지도, 위성 사진 및/또는 드론(100)이 비행하면서 촬영한 영상을 기계 학습한다(S160).
여기서, 각 변침점들 및 3개의 변침점들과 인접하는 영역이란, 각 변침점을 기준으로, 각 변침점이 설정된 GPS 좌표와 해당 GPS 좌표를 기준으로 일정 범위, 예를 들어 수평 150m 이내, 수직 30m 이내에 해당하는 인접 영역을 의미한다. 그리고 이러한 인접 영역의 설정은 관리자나 사용자가 모바일 디바이스(600)를 통해 설정 변경할 수 있다.
도 15에서 3개의 변침점들(a3, a4, a5)은 급격한 '∨'자 형태의 예각을 이루고 있다. 모바일 디바이스(600)는 변침점 a3, a4 및 a5에서 드론(100)이 급격하게 선회 기동을 수행하여야 한다고 사전에 판단할 수 있으며, 변침점 a3, a4 및 a5에서 임무 수행에 필요한 대상이 있는지 여부를 확인할 수 있다. 만약, 모바일 디바이스(600)가 드론(100)이 변침점 a3, a4 및 a5를 통과하면서, 특별한 임무 예를 들어, 영상 촬영과 같은 임무를 수행할 필요가 없다고 판단되면, 모바일 디바이스(600)는 변침점 a3, a4 및 a5를 모두 다 통과할 필요가 없다고 판단할 수도 있다. 또한, 모바일 디바이스(600)는 변침점 a3, a4 및 a5를 모두 다 통과하지만, 드론(100)이 급격한 선회 기동을 하지 않고 변침점 a3, a4 및 a5을 통과하여 베터리나 연료 소모량을 최소화해야 한다고 판단할 수도 있다.
우선, 모바일 디바이스(600)는 변침점 a3, a4 및 a5에서 임무 수행에 필요한 대상이 있는지 여부를 확인하기 위해, 각 변침점들(a3, a4 및 a5) 및 3개의 변침점들과 인접하는 영역(a3, a4 및 a5 각각을 기준으로, 수평 150m 이내, 수직 150m 이내)에 대한 전자 지도, 위성 사진 및/또는 드론(100)이 비행하면서 촬영한 영상을 딥러닝한다(S160).
그리고, 3개의 변침점들과 인접하는 영역(a3, a4 및 a5 각각을 기준으로, 수평 150m 이내, 수직 150m 이내)에서 랜드마크가 검출되면(S170), 모바일 디바이스(600)는 드론(100)이 순차적으로 연결된 3개의 변침점들(a3, a4 및 a5)을 모두 통과하도록 항로를 설정한다(S180). 즉, 도 16에 도시된 V1 항로와 같이, 순차적으로 연결된 3개의 변침점들(a3, a4 및 a5)을 모두 통과하도록 두번째 변침점(a4)을 플라이-오버(fly-over)하는 형태로 비행하도록 항로를 설정할 수 있다.
도 16에 도시된 V1 항로를 좀 더 구체적으로 살펴보면, 모바일 디바이스(600)는 드론(100)이 a3에서 a4로 접근할 때, 직선 코스로 바로 접근하도록 하지 않고, 완만한 곡선을 그리면서 a3에서 a4로 접근하도록 하여, 드론(100)이 a4를 통과할 때, 급격한 선회하는 것을 피하여, 베터리 및/또는 연료 소모를 최소화할 수 있다. 또한, 드론(100)이 a4를 선회하는 시간이 조금 더 길어지므로, a4에 존재하는 랜드마크에 대하여 드론(100)이 촬영 임무와 같은 특정 임무를 더 효율적으로 수행할 수 있도록 시간적 여유를 제공할 수 있다.
하지만 이와 반대로, 모바일 디바이스(600)가 3개의 변침점들(a3, a4 및 a5) 및 3개의 변침점들과 인접하는 영역에 대한 전자 지도, 위성 사진 및/또는 드론(100)이 비행하면서 촬영한 영상을 기계 학습한 결과, 3개의 변침점들(a3, a4 및 a5)과 인접하는 영역에서 랜드마크가 검출되지 않으면(S170), 모바일 디바이스(600)는 변침점 a3, a4 및 a5를 통과하면서, 특별한 임무 예를 들어, 영상 촬영과 같은 임무를 수행할 필요가 없다고 판단하고, 순차적으로 연결된 3개 이상의 변침점들(a3, a4 및 a5) 중 2개의 변침점들을 통과하도록 항로를 설정할 수도 있다. 즉, 모바일 디바이스(600)은 3개의 변침점들(a3, a4 및 a5)의 인근 영역에서 랜드마크를 인식하지 못하면, 순차적으로 연결된 3개의 변침점들(a3, a4 및 a5) 중에서 변침점 a4는 통과하지 않고 지나칠 수 있도록 항로를 설정할 수 있다(S190). 이러한 항로 설정의 예시는 도 17에 도시된 B1 항로와 같이 3개의 변침점들 a3, a4 및 a5 중 두 번째 변침점 a4를 플라이-바이(fly-by)하도록 하는 항로로 구성될 수 있다.
도 15 내지 도 17, 그리고 상술한 설명에는 본 발명의 일 실시 예에 따른 장치(600) 또는 시스템(60)이 드론(100)이 비행할 항로를 설정함에 있어 플라이-바이(fly-by) 항법만을 적용하여 항로를 설정하거나, 플라이-오버(fly-over) 항법만을 적용하여 항로를 설정한 것을 설명하였으나, 본 발명은 이에 한정되지 않는다. 오히려, 본 발명의 일 실시 예에 따른 장치(600) 또는 시스템(60)은 드론(100)이 항로에 포함된 변침점들을 따라 이동하면서 발생하는 다양한 변수들을 수집하고 이를 AI 프로세서를 통해 연산하여, 각 변침점 마다 드론(100)이 플라이-오버(fly-over)로 통과할 것인지, 아니면, 플라이-바이(fly-by)로 지나쳐갈지를 결정할 수 있다. 따라서, 변침점에 플라이-오버(fly-over) 만 적용되는 사례나, 변침점들에 플라이-바이(fly-by)만 적용되는 사례들은 본 발명의 핵심적인 사상을 이해하는데 편의를 위해 대표적인 실시 예로 설명한 것에 불과하며, 본 발명의 핵심적인 사상이 여기에 제한되는 것은 아니다.
한편, 본 발명에 따른 무인비행기를 제어하기 위한 장치 또는 시스템은 항로 설정부(611)가 자동적으로 설정한 항로에 포함된 모든 변침점들에 대하여, 순차적으로 연결된 적어도 3개의 변침점들이 형성하는 각도를 모두 계산하고, 계산된 각도들이 일정 값을 초과하는지 여부에 따라 무인비행체(100)가 연속적으로 연결된 3개의 변침점을 모두 통과하여 비행할지 여부를 결정하는 것에 특징을 가지고 있음은 상술한 바와 같다.
특히, 본 발명에 따른 AI 프로세서(620)는 항로 설정부(611)는 항로가 설정된 지역들에 대한 전자 지도, 위성 사진을 포함하는 지형 정보와 항로와 동일한 항로 또는 유사한 항로를 다른 무인비행체가 비행하면서 촬영한 영상을 수집 및 기계 학습하여, 항로가 설정된 지역에 대한 지형 상태를 분석하고, 이를 항로 설정부(611)에 학습 결과 데이터로 제공한다. 항로 설정부(611)는 AI 프로세서(620)의 학습 결과 데이터를 사용하여, 연속된 3개의 변침점들 및 그 인근 영역에 랜드마크(landmark)가 존재하는지 여부를 판단 및 검출할 수 있다.
항로 설정부(611)는 연속된 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만이고, 적어도 3개의 변침점들과 그 인근 영역에 랜드마크가 존재하지 않는다고 판단하면, 적어도 3개 이상의 변침점들 중 두번째 변침점을 플라이-바이(fly-by)하도록 항로를 설정할 수 있다.
또한, 항로 설정부(611)는 연속된 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만이고, 적어도 3개의 변침점들과 그 인근 영역에 상기 랜드마크가 존재한다고 판단하면, 적어도 3개 이상의 변침점들을 모두 통과하면서 그 중 두번째 변침점을 플라이-오버(fly-over)하도록 항로를 설정할 수 있다.
또한, 항로 설정부(611)는 연속된 적어도 3개의 변침점들이 형성하는 각도가 일정 값을 초과하고, 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재하지 않는다고 판단하면, 적어도 3개의 변침점들 중 두번째 변침점을 플라이-바이(fly-by)하도록 항로를 설정할 수 있다.
또한, 항로 설정부(611)는 연속된 적어도 3개의 변침점들이 형성하는 각도에 관계없이, 3개의 변침점들과 그 인근 영역에 상기 랜드마크가 존재한다고 판단하면, 3개의 변침점들 중 첫번째와 세번째 변침점 사이에 추가 변침점들을 생성하고, 무인비행체(100)가 3개의 변침점들 중 두번째 변침점 및 추가 변침점을 통과하면서 플라이-오버(fly-over)하도록 항로를 설정할 수 있다. 이때, 항로 설정부(611)는 추가 변침점을 랜드마크 주변으로 설정하도록 구성되는 것이 바람직하다. 항로 설정부(611)는 추가 변침점들을 랜드마크 주변으로 설정하여 무인비행체(100)가 랜드마크 주위를 충분히 선회하면서, 랜드마크에 대한 촬영 임무를 효율적으로 수행하도록 하며, 무인비행체(100)가 랜드마크를 촬영하기에 적합한 화각, 구도를 제공할 수 있는 위치로 무인비행체(100)를 유도할 수 있다.
이러한 추가 변침점은 랜드마크에 대한 지형 정보를 학습한 AI 프로세서(620)의 AI 프로세싱을 통해 산출될 수도 있다.
또한, AI 프로세서(620)는 랜드마크의 위치 좌표, 면적, 높이에 대한 랜드마크 지형 정보를 학습한 결과를 항로 설정부(611)에 제공하고, 항로 설정부(611)는 랜드마크의 면적 또는 높이가 일정 값 이상 임을 확인한 경우, 무인비행체(100)가 랜드마크에 대해 촬영 임무를 수행할 수 있는 적어도 하나 이상의 추가 변침점들을 생성하며, 추가 변침점들을 플라이-오버(fly-over)하도록 항로를 설정할 수 있다.
여기서, 랜드마크의 면적 또는 높이가 일정 값임을 확인하는 기준 값은 사용자나 관리자에 의해 미리 설정될 수 있다. 예를 들어, 랜드마크의 면적이 10m2 이상이거나, 랜드마크의 높이가 10m 이상일 경우, 항로 설정부(611)는 무인비행체(100)가 랜드마크에 대해 촬영 임무를 수행할 수 있는 적어도 하나 이상의 추가 변침점들을 생성하도록 구성될 수 있다. 이러한 기준 값은 사용자나 관리자에 의해 설정 변경이 가능하다.
또한, 항로 설정부(611)는 자동으로 설정한 항로에 포함된 모든 변침점(way point)들 중에서 순차적으로 연결된 적어도 4개 이상의 변침점들 간의 거리 간격이 일정 값 이하일 때, 적어도 4개 이상의 변침점들 중 첫번째, 두번째, 세번째 변침점이 이루는 제1 각도 및 적어도 4개 이상의 변침점들 중 두번째, 세번째, 네번째 변침점이 이루는 제2 각도를 계산하고, 제1 각도 및 상기 제2 각도가 이루는 각도가 모두 일정 값을 초과하는지 여부를 판단하여, 무인비행체가 4개의 변침점을 모두 통과하여 비행할지 여부를 결정할 수도 있다.
여기서 4개 이상의 변침점들 간의 거리 간격에 대한 기준 값과 제1 각도 및 제2 각도의 기준 값은 사용자나 관리자에 의해 미리 설정될 수 있다. 예를 들어, 연속적으로 연결된 4개의 변침점들을 각각 a 내지 d 변침점이라고 할 경우, a-b, b-c, c-d 간의 간격이 각각 10m 미만일 경우, 항로 설정부(611)는 a-b-c 변침점들이 이루는 제1 각도와 b-c-d 변침점들이 이루는 제2 각도를 각각 계산할 수 있다. 그리고, 제1 각도와 제2 각도가 각각 120°미만일 경우, 항로 설정부(611)는 무인비행체가 a, b, c, d 4개의 변침점들 중 b와 c는 플라이-바이(fly-by)로 지나쳐 비행하도록 설정할 수 있다.
또 다른 예를 들면, 연속적으로 연결된 4개의 변침점들을 각각 a 내지 d 변침점이라고 할 경우, a-b, b-c, c-d 간의 간격이 각각 20m일 때, 항로 설정부(611)는 a-b-c 변침점들이 이루는 제1 각도와 b-c-d 변침점들이 이루는 제2 각도를 각각 계산하도록 설정되어 있다고 가정한다. 이 경우, 항로 설정부(611)는 a-b-c 변침점들이 이루는 제1 각도와 b-c-d 변침점들이 이루는 제2 각도를 각각 산출할 수 있고, 제1 각도와 제2 각도가 모두 135°를 초과하였다고 가정한다. 이 때, 항로 설정부(611)는 연결된 4개의 변침점들 사이의 간격이 20m이므로 충분한 거리 간격을 유지하고 있다고 판단할 수 있으며, a-b-c 변침점들이 이루는 제1 각도와 b-c-d 변침점들이 이루는 제2 각도가 급격하지 않고 완만하므로, 연속적으로 연결된 4개의 변침점들을 모두 통과하여 비행하는 것이 원만하고 부드러운 비행이 될 것이라고 판단할 수 있다. 다만, 항로 설정부(611)는 a 내지 d 변침점 각각에서 무인비행체(100)가 변침을 위해 순간적으로 기수를 트는 기동에 의해 베터리 및/또는 연료 소모가 많아질 것을 방지하기 위해서, a 내지 d 변침점 각각을 무인비행체(100)가 모두 통과하되, 각 변침점 a, b, c, d를 일정 거리 예를 들어 1m 내외로 플라이-오버(fly-over)하도록 항로를 설정할 수도 있다.
또한, 항로 설정부(611)는 본 발명에 따른 장치(600) 또는 시스템(60)이 적어도 두 개 이상의 무인비행체들에 대한 항로 설정 및 제어를 수행할 경우를 위해서, 복수의 무인비행체들 각각에 대하여 항로를 설정할 수 있다. 이 경우, 항로 설정부(611)는 적어도 두 개 이상의 무인비행체들이 군집 비행을 수행할 수 있도록 하기 위해서, 장치(600) 또는 시스템(60)에 미리 저장된 패턴 비행에 대한 항로 또는 AI 프로세서가 군집 비행 패턴을 학습한 학습 결과 데이터에 따라 생성된 군집 비행에 대한 항로를 바탕으로 각각의 무인비행체에 항로를 설정할 수 있다.
예를 들어, 적어도 두 개 이상의 무인비행체들은 제1 무인비행체와 제2 무인비행체를 포함한다고 할 경우, 항로 설정부(611)는 제1 무인비행체에 대하여, 시계 방향으로 원을 그리면서 돌도록 하는 10개의 변침점들을 설정할 수 있다. 그리고, 항로 설정부(611)는 제1 무인비행체와 함께 군집 비행을 수행할 제2 무인비행체에 대하여, 자동으로 반시계 방향으로 원을 그리면서 돌도록하는 다른 10개의 변침점들을 제2 무인비행체를 위해 설정할 수 있다. 즉, 항로 설정부(611)는 제1 무인비행체에는 제1 항로를 설정하고, 제2 무인비행체에는 제1 항로와 대칭되는 제2 항로를 자동적으로 설정할 수 있다.
이하에서는, 도 18 내지 도 20을 참조하여 본 발명에 따른 장치나 시스템이 무인비행체의 패턴 비행 경로를 설정하는 방법에 대하여 설명한다. 도 18은 본 발명에 따른 장치나 시스템이 무인비행체의 패턴 비행 경로를 설정하는 방법을 나타낸 순서도이며, 도 19는 도 18에 도시된 순서도에 따라 설정된 패턴 비행 경로가 웹 화면으로 출력되는 예시를 나타내는 도면이고, 도 20은 본 발명에 따른 장치나 시스템이 기존에 설정된 패턴 비행 경로 외에 새롭게 설정된 패턴 비행 경로를 웹 화면으로 출력하는 예시를 나타낸 도면이다.
우선 도 14에 도시된 바와 같이, 본 발명에 따른 장치(600)나 시스템(60)은 시작과 함께 자신이 제어할 무인비행체 즉, 드론(100)을 인식하여 드론(100)과 링크 또는 싱크될 수 있다.
이후, 무인비행체(100)가 순차적으로 비행할 복수의 변침점들(waypoints, 웨이포인트)를 설정하는 단계(S100)는, 도 18에 도시된 바와 같이 사용자가 설정한 임무를 장치(600)나 시스템(60)이 확인하는 단계(S1010), 설정된 임무에 대응하는 패턴 비행 종류를 선택하는 단계(S1020), 선택된 패턴 비행 종류에 따라 무인비행체(100)가 비행할 예상 경로를 계산하는 단계(S1030) 및 계산된 예상 경로를 장치(600)나 단말기(300)를 통해 출력하는 단계(S1040)를 더 포함할 수 있다.
여기서 장치(600)나 시스템(60)이 설정할 수 있는 패턴 비행의 종류는 Orbit, Survey, Corridor Scan, Structure Scan 패턴과 같이 종래에 알려진 패턴 비행을 설정할 수 있다. 본 발명에 따른 장치(600)나 시스템(60)은 도 19에 도시된 웹 화면 상에서 이러한 패턴 비행 항목을 GUI(Graphic User Interface)의 하나인 제1 아이콘(i1)으로 표시하고, 사용자가 제1 아이콘(i1)을 클릭하면 상술한 다양한 패턴 비행들을 그룹 버튼 형태(i2)로 표시하여, 사용자가 필요한 패턴 비행을 선택할 수 있도록 하고 있다.
또한, 본 발명에 따른 장치(600)나 시스템(60)은 사용자가 패턴 비행을 선택하면 해당 패턴 비행에 대한 예상 경로를 도 19에 도시된 경로(pr1)으로 나타낸다. 예를 들어, 사용자가 그룹 버튼 형태(i2)에 포함된 패턴 비행의 종류 중 Survey를 선택할 경우, 도 19에 도시된 바와 같이, 시작점(sp)과 종료점(ep)을 설정된 패턴 비행 경로(pr1)를 웹 화면 상에 출력한다. 사용자는 웹 화면에서 시작점(sp)과 종료점(ep)의 위치를 변경할 수 있고, 경로(pr1)의 전체 길이, 구간 길이, 구간별 경로 사이의 간격 등을 조절할 수 있다.
또한, 도 18에 도시된 바와 같이 무인비행체(100)가 순차적으로 비행할 복수의 변침점들(waypoints, 웨이포인트)를 설정하는 단계(S100)는, S1040 단계 이후, 기존에 설정한 패턴 비행 종류 이외 추가될 패턴 비행의 종류를 선택할 수 있는 단계(S1050), 추가된 패턴 비행에 대한 예상 경로를 출력하는 단계(S1060) 및 추가로 설정된 경로와 인접한 영역에 설정된 경로를 함께 출력하는 단계(1070)를 더 포함할 수 있다.
즉, 본 발명에 따른 장치(600)나 시스템(60)은 사용자가 최초로 패턴 비행을 수행하도록 설정하고 드론(100)이 설정된 패턴 비행 경로를 따라 비행을 시작하면, 패턴 비행이 일정 정도 경과한 뒤, 추가할 패턴 비행이 있는지 여부를 사용자에게 물어볼 수 있다. 그리고, 사용자가 기존에 설정한 패턴 비행 종류 이외에 추가될 패턴 비행의 종류를 선택하면(S1050), 이에 대한 예상 경로를 웹 화면으로 도 20에 도시된 바와 같이 출력할 수 있다.
도 20은 사용자가 추가 패턴 비행을 설정한 경우에 웹 화면 상에 출력되는 것을 예시로 나타낸 도면으로, 사용자가 기존에 제1 패턴 비행을 설정하여, 이러한 제1 패턴 비행의 경로가 or1으로 웹 화면상에 표시된 것이 도시되어 있다.
제1 패턴 비행의 경로 or1은 시작점 sp1과 도착점 ep1을 포함하고 있으며, 본 발명에 따른 장치(600)나 시스템(60)은 드론(100)이 제1 패턴 비행의 경로 or1를 따라 비행 중, 도착점 ep1에 도달하기 이전에 사용자에게 추가 패턴 비행을 설정할 것인지 여부를 물어볼 수 있다.
이에 사용자가 제2 패턴 비행을 추가 설정하기로 하여, 기존 제1 패턴 비행의 경로 or1 보다 더 넓은 반경의 궤도 비행을 추가 패턴 비행으로 설정하면(S1050), 도 20에 도시된 바와 같이, 본 발명에 따른 장치(600)나 시스템(60)은 제2 패턴 비행의 경로 or2를 기존 제1 패턴 비행의 경로 or1에 추가하여 표시한다(S1060). 제2 패턴 비행의 경로 or2는 시작점 sp2와 도착점 ep2를 포함하고 있으며, 시작점 sp2와 도착점 ep1은 서로 트랜지션 웨이, 즉 전환 항로로 연결되어 있음을 도 20에서 확인할 수 있다.
또한, 제1 패턴 비행의 경로 or1 및 제2 패턴 비행의 경로 or2는 경로가 설정된 공역을 비행하는 다른 무인비행체의 비행 경로와 겹칠 수 있다. 따라서, 본 발명에 따른 장치(600)나 시스템(60)은 자신이 직접 제어하는 드론(100) 이외에 다른 무인비행체가 인근 공역에 존재할 경우, 그들에게 설정되어 있는 경로를 수집하여, 도 20에 도시된 바와 같이 다른 무인비행체의 경로 or3를 함께 표시할 수 있다(1070).
따라서, 사용자는 본 발명에 따른 장치(600)나 시스템(60)을 이용하여 비행 계획 수립할 때, 비행 경로 설정 단계에서 다른 무인비행체와의 충돌을 사전에 예방할 수 있다.
이하에서는, 도 21 및 도 22를 참조하여 본 발명에 따른 장치나 시스템이 무인비행체의 통항 간격을 설정하는 방법에 대하여 설명한다. 도 21은 본 발명에 따른 장치나 시스템이 무인비행체의 통항 간격을 설정하는 방법을 나타낸 순서도이며, 도 22는 도 21에 도시된 순서도에 따라 설정된 통항 간격을 바탕으로 무인비행체가 다른 무인비행체와 충돌을 회피하는 예시를 나타내는 도면이다.
우선 도 14에 도시된 바와 같이, 본 발명에 따른 장치(600)나 시스템(60)은 시작과 함께 자신이 제어할 무인비행체 즉, 드론(100)을 인식하여 드론(100)과 링크 또는 싱크될 수 있다.
이후, 무인비행체(100)가 순차적으로 비행할 복수의 변침점들(waypoints, 웨이포인트)를 설정하는 단계(S100)는, 도 21에 도시된 바와 같이, 무인비행체에 탑재된 센싱부(130) 및 촬영부(190)에 대한 정보를 확인하는 단계(S1001), 무인비행체가 비행할 공역에 통항량을 확인하는 단계(S1002), 무인비행체의 통항 간격을 설정하는 단계(S1003), 다른 무인비행체와의 충돌 가능성을 확인하는 단계(S1004), 다른 무인비행체와 충돌을 회피할 수 있는 경로를 계산하는 단계(S1005)를 더 포함할 수 있다.
본 발명에 따른 장치(600)나 시스템(60)은 S100에서 무인비행체에 탑재된 센싱부(130) 및 촬영부(190)에 대한 정보를 확인하면서, 센싱부(130)에 포함된 충돌회피 센서의 하드웨어 정보를 확인하고, 촬영부(190)에 포함된 카메라 짐벌 및 카메라의 배율, 화각, 화소와 같은 하드웨어 정보를 확인한다(S1001).
이 후, 변침점의 설정과 동시에 무인비행체가 비행할 공역에 비행 중인 무인비행체들의 양 즉, 통항량을 확인한다(S1002).
그리고, 장치(600)나 시스템(60)은 S1001 단계에서 확인한 충돌회피 센서, 카메라 짐벌 및 카메라의 하드웨어 정보를 바탕으로 무인비행체(100)가 다른 무인비행체와 마주치는 상황 즉, 헤드-온(head-on) 상황에서 서로 최소한으로 유지해야할 간격인 통항 간격을 설정한다. 이 통항 간격은 무인비행체(100)가 포함하는 충돌회피 센서의 하드웨어 성능에 따라 그 최소 값이 다르게 설정될 수 있다.
예를 들어, 비행체의 충돌회피 성능 및 트래픽 분리간격을 규정하는 요구 항법 성능(Required Navigation Performance, RNP) 코드인, RNP-10에 따르면, 비행체의 총 비행시간 중 95% 동안, 항로 중심으로부터 10nm 오차 내에서 운항해야 함을 규정하고 있다. 이러한 코드를 무인비행체에 적용하여, 무인비행체가 비행하는 중, 항로 중심으로부터 1m 내의 오차내에서 운항하도록 장치(600)나 시스템(60)이 설정할 수 있다.
도 22를 참조하면, 본 발명에 따른 장치(600)나 시스템(60)은 무인비행체(100)가 설정된 항로(sc)를 따라 비행할 때, 항로의 중심선으로부터 제1 통항 간격(w1)의 범위 내에서 비행하도록, 통항 간격을 설정할 수 있다. 여기서 제1 통항 간격(w1)은 예를 들어 1m로 설정될 수 있으며, 사용자는 이러한 설정을 장치(600)나 시스템(60)을 통해 언제든 변경 가능하다.
또한, 다른 무인비행체(100a)와 무인비행체(100)가 헤드-온(head-on) 상황이 될 경우, 본 발명에 따른 장치(600)나 시스템(60)은 다른 무인비행체(100a)에 설정되어 있는 제2 통항 간격(w2)과 무인비행체(100)에 설정되어 있는 제1 통항 간격(w1)을 고려하여, 제1 통항 간격(w1) 및 제2 통항 간격(w2)이 겹쳐지지 않도록 무인비행체(100)의 우회 항로(dc)를 설정할 수도 있다.
이를 통해 본 발명에 따른 장치(600)나 시스템(60)은 무인비행체들 사이의 충돌을 사전에 예방할 수 있다.
한편, 본 발명에 따른 장치(600)나 시스템(60)은 도 23에 도시된 순서도의 흐름대로 무인비행체를 제어할 수도 있다. 도 23은 본 발명의 다른 실시 예에 따른 무인비행체를 제어하는 방법을 나타낸 순서도이다.
도 23을 참조하면, 본 발명에 따른 장치(600)나 시스템(60)은 시작과 함께 자신이 제어할 무인비행체 즉, 드론(100)을 인식하여 드론(100)과 링크 또는 싱크될 수 있다.
이후, 본 발명에 따른 장치(600)나 시스템(60)은 무인비행체(100)가 목적지까지 통과하면서 비행할 복수의 변침점들(waypoints, 웨이포인트)을 순차적으로 설정한다(S200). 그리고, 본 발명에 따른 장치(600)나 시스템(60)은 설정된 변침점들을 연결하여 항로를 설정하며, 해당 항로가 통과하는 지역들에 대한 전자 지도, 위성 사진을 포함하는 지형 정보 및 무인비행체가 비행 중 촬영한 영상을 수집한다. 이 때, 전자 지도 및 위성 사진은 장치(600)나 시스템(60)의 데이터베이스에 저장된 전자 지도 및 위성 사진을 사용할 수 있으나, 다른 장치, 서버 또는 시스템으로부터 전자지도나 위성 사진에 대한 데이터를 가져오거나 수집할 수 있다.
또한, 무인비행체가 비행 중 촬영한 영상은 본 발명에 따른 장치(600)나 시스템(60)이 직접 제어하는 무인비행체(100)가 촬영한 영상이 아닌 설정된 항로와 동일하거나 유사한 항로를 비행한 무인비행체가 촬영한 영상을 외부 네트워크에서 검색하여 수집하고 이를 장치(600)나 시스템(60)으로 가져올 수도 있다. 왜냐하면, 본 발명에 따른 장치(600)나 시스템(60)이 직접 제어하는 무인비행체(100)는 장치(600)나 시스템(60)이 설정한 항로를 아직 비행해 본 적이 없을 수 있으므로, 해당 항로에 대하여 촬영된 영상 데이터를 보유하고 있지 않을 수도 있기 때문이다.
이후, 장치(600)나 시스템(60)은 설정된 항로에 대한 전자 지도 및 위성 사진을 포함하는 지형 정보와 무인비행체가 해당 항로 또는 해당 항로와 유사한 항로를 비행하면서 촬영한 영상을 기계 학습한다(S210).
장치(600)나 시스템(60)은 AI 프로세서(620)와 딥러닝 모델(도 11의 56)을 사용하여 전자 지도 및 위성 사진을 포함하는 지형 정보와 무인비행체가 해당 항로 또는 해당 항로와 유사한 항로를 비행하면서 촬영한 영상을 기계 학습한다. 이 경우, AI 프로세서(620)와 딥러닝 모델(도 11의 56)은 이미지 분석, 영상 분석 방법을 사용하여 전자 지도, 위성 사진 및/또는 영상을 학습하여, 해당 전자 지도, 위성 사진 및/또는 영상에 장애물로 인식되는 것이 있는지 여부를 판단한다.
이후, 항로 설정부(611)는 자동으로 설정한 항로에 포함된 모든 변침점(way point)들 중에서 순차적으로 연결된 적어도 4개 이상의 변침점들 간의 거리 간격이 일정 값 이하인지 여부를 판단한다(S220).
만약, 적어도 4개 이상의 변침점들 간의 거리 간격이 일정 값을 초과할 경우(S220), 본 발명에 따른 장치(600)나 시스템(60)은 기계 학습 결과에 따라 각각의 변침점 및 상기 변침점을 기준으로 일정한 범위(예를 들어, 변침점을 기준으로 수평 150m 이내, 수직 30m 이내의 영역)에 장애물이 있는지 여부를 판단한다(S230).
이 때, 장치(600)나 시스템(60)은 기계 학습 결과에 따라 변침점 및 상기 변침점을 기준으로 일정한 범위 내에 장애물이 있다고 판단하면(S230), 학습 데이터가 된 전자 지도, 위성 사진 및/또는 영상에서 장애물을 검출하고 마킹해둔 다음, 전자 지도 또는 위성 사진을 참조하여, 장애물이 없는 영역에 기존의 변침점과 다른 변침점을 적어도 하나 이상 설정하여 무인비행체(100)가 검출된 장애물을 회피할 수 있도록 우회 항로를 설정한다(S240). 이렇게 우회 항로가 설정되면, 무인비행체(100)는 우회 항로를 따라 비행하면서 촬영을 진행하고, 장치(600)나 시스템(60)은 무인비행체(100)가 촬영한 영상을 수신하여, 전자 지도, 위성 사진과 함께 이를 다시 기계 학습하여 장애물이 있는지 여부를 판단해 우회 항로를 설정할 지 여부를 결정한다.
한편, 장치(600)나 시스템(60)이 S220 단계에서 항로 상에 장애물이 없다고 판단한 경우, 항로에 포함된 모든 변침점들에 대하여, 순차적으로 연결된 적어도 복수의 변침점들이 이루는 각도를 계산한다(S250). 예를 들어, 도 13의 (a)에 도시된 바와 같이, 순차적으로 연결된 3개의 변침점들(wp1, wp2, wp3)이 이루는 각도를 계산할 수 있다(S250). 또한, 도 15에 도시된 바와 같이, 순차적으로 연결된 4개의 변침점들(a1, a2, a3, a4)이 이루는 2개의 각도(제1 및 제2 각도)를 계산할 수도 있다(S250).
특히, 항로 설정부(611)는 S220 단계에서, 자동으로 설정한 항로에 포함된 모든 변침점(way point)들 중에서 순차적으로 연결된 적어도 4개 이상의 변침점들 간의 거리 간격이 일정 값 이하일 때, S250 단계에서 적어도 4개 이상의 변침점들 중 첫번째, 두번째, 세번째 변침점이 이루는 제1 각도 및 적어도 4개 이상의 변침점들 중 두번째, 세번째, 네번째 변침점이 이루는 제2 각도를 계산한다(S250).
항로 설정부(611)는 제1 각도 및 상기 제2 각도가 이루는 각도가 모두 일정 값을 초과하는지 여부를 판단하여(S260), 제1 각도 및 제2 각도가 일정 값에 미만일 경우, 4개의 변침점 중 일부 변침점만 통과하는 플라이-바이(Fly-by) 항로 설정할 수 있다(S261).
예를 들어, 연속적으로 연결된 4개의 변침점들을 각각 a 내지 d 변침점이라고 하고, a-b, b-c, c-d 간의 간격이 각각 10m 미만일 경우(S220), 항로 설정부(611)는 a-b-c 변침점들이 이루는 제1 각도와 b-c-d 변침점들이 이루는 제2 각도를 각각 계산할 수 있다(S250). 그리고, 제1 각도와 제2 각도가 각각 120°미만일 경우(S260), 항로 설정부(611)는 무인비행체가 a, b, c, d 4개의 변침점들 중 b와 c는 플라이-바이(fly-by)로 지나쳐 비행하도록 설정할 수 있다(S261). 여기서 4개 이상의 변침점들 간의 거리 간격에 대한 기준 값과 제1 각도 및 제2 각도의 기준 값은 사용자나 관리자에 의해 미리 설정될 수 있다.
하지만, 항로 설정부(611)는 제1 각도 및 상기 제2 각도가 이루는 각도가 모두 일정 값을 초과하는지 여부를 판단하여(S260), 제1 각도 및 제2 각도가 일정 값을 초과할 경우, 4개의 변침점 모두를 통과하는 플라이-오버(Fly-over) 항로를 설정할 수 있다(S262).
예를 들면, 연속적으로 연결된 4개의 변침점들을 각각 a 내지 d 변침점이라고 할 경우, a-b, b-c, c-d 간의 간격이 각각 20m일 때(S220), 항로 설정부(611)는 a-b-c 변침점들이 이루는 제1 각도와 b-c-d 변침점들이 이루는 제2 각도를 각각 계산하도록 설정되어 있다고 가정한다. 이 경우, 항로 설정부(611)는 a-b-c 변침점들이 이루는 제1 각도와 b-c-d 변침점들이 이루는 제2 각도를 각각 산출할 수 있고(S250), 제1 각도와 제2 각도가 모두 135°를 초과하였다고 가정한다(S260). 이 때, 항로 설정부(611)는 연결된 4개의 변침점들 사이의 간격이 20m이므로 충분한 거리 간격을 유지하고 있다고 판단할 수 있으며, a-b-c 변침점들이 이루는 제1 각도와 b-c-d 변침점들이 이루는 제2 각도가 급격하지 않고 완만하므로, 연속적으로 연결된 4개의 변침점들을 모두 통과하여 비행하는 것이 원만하고 부드러운 비행이 될 것이라고 판단할 수 있다. 다만, 항로 설정부(611)는 a 내지 d 변침점 각각에서 무인비행체(100)가 변침을 위해 순간적으로 기수를 트는 기동에 의해 베터리 및/또는 연료 소모가 많아질 것을 방지하기 위해서, a 내지 d 변침점 각각을 무인비행체(100)가 모두 통과하되, 각 변침점 a, b, c, d를 일정 거리 예를 들어 1m 내외로 플라이-오버(fly-over)하도록 항로를 설정할 수도 있다(S262).
또한, 본 발명에 따른 장치(600)나 시스템(60)은 도 24에 도시된 순서도의 흐름대로 무인비행체가 랜드마크를 중심으로 기동하도록 제어할 수 있다. 도 24는 본 발명에 따른 장치(600)나 시스템(60)이 추가 변침점을 설정하는 방법을 나타낸 순서도이다.
도 24를 참조하면, S180 단계에서, 항로 설정부(611)는 촬영 임무를 수행 중인 무인비행체(100)가 랜드마크에 대해 더 오랜 시간 촬영하도록 하고, 더 좋은 화각이나 구도로 랜드마크를 촬영하기 위해 랜드마크 주변에 먼저 설정된 변침점들을 무인비행체(100)가 플라이-오버(fly-over)하도록 설정한다(S180).
이 때, 항로 설정부(611)는 랜드마크에 대해 촬영 임무를 수행하는 무인비행체(100)가 랜드마크를 촬영하는 시간을 극대화하기 위해, 랜드마크 주변에 추가 변침점을 설정할 수 있다. 또한, 항로 설정부(611)는 AI 프로세서(620)가 랜드마크에 대한 지형 정보를 기계 학습한 결과를 바탕으로 무인비행체(100)가 더 좋은 화각이나 구도로 랜드마크를 촬영할 수 있는 위치에 도달하도록 추가 변침점을 설정할 수 있다.
도 24를 참조하면, 항로 설정부(611)는 먼저 설정된 3개의 변침점들 중 두번째 변침점 외에 첫번째와 세번째 변침점 사이에 추가 변침점들을 생성하고(S1801), 두번째 변침점 및 상기 추가 변침점들을 통과하면서 플라이-오버(fly-over)하도록 항로를 설정할 수 있다(S1802). 이 경우, 랜드마크가 존재함을 확인한 상태에서 기존에 설정된 변침점들을 플라이-오버하도록 결정된 상황에 추가 변침점들을 생성하여 추가하는 것이므로, 항로 설정부(611)는 3개의 변침점들이 형성하는 각도는 고려하지 않고, 플라이-오버하도록 무인비행체(100)를 제어할 수 있다.
예를 들어, 도 15에 도시된 변침점 a7, a8, a9에 대하여 항로 설정부(611)가 추가 변침점을 생성하는 과정을 설명한다. 우선 도 15를 참조하면, AI 프로세서(620)는 랜드마크에 대한 지형 정보를 기계 학습한 결과를 바탕으로 변침점 a7, a8, a9가 각각 거북이의 머리와 팔을 형상화한 지형이라는 학습 결과 데이터를 생성할 수 있다. AI 프로세서(620)는 이러한 학습 결과 데이터를 항로 설정부(611)로 전송할 수 있다. 항로 설정부(611)는 무인비행체(100)가 변침점 a7, a8, a9를 모두 통과하도록 비행하면서, 변침점 a7, a8, a9에서 각각 플라이-오버하도록 하여, 변침점 a7, a8, a9에서 무인비행체(100)가 체공하는 시간을 증가시키려고 할 수 있다. 또한, 항로 설정부(611)는 AI 프로세서(620)가 랜드마크에 대한 지형 정보를 기계 학습한 결과를 바탕으로 변침점 a7, a8, a9 및 그 인근 영역에서 랜드마크에 대해 무인비행체(100)가 최적의 화각 및/또는 구도를 얻을 수 있는 위치가 어디인지를 산출할 수 있다.
그리고 항로 설정부(611)는 변침점 a7에서 a8을 거쳐 a9에 이르는 항로 사이에, 무인비행체(100)가 플라이-오버할 수 있는 추가 변침점들을 생성하여, a7에서 a8을 거쳐 a9에 이르는 항로 사이에 배치할 수 있다.
이렇게 항로 설정부(611)에 의해 생성된 추가 변침점들은 기존에 설정된 a7에서 a8을 거쳐 a9에 이르는 항로를 크게 거스르지 않는 변침점들로 구성되는 것이 바람직하다.
본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀 질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
100: 무인비행체
60: 무인비행체를 제어하기 위한 시스템
600: 무인비행체를 제어하기 위한 장치
60: 무인비행체를 제어하기 위한 시스템
600: 무인비행체를 제어하기 위한 장치
Claims (24)
- 적어도 하나 이상의 무인비행체를 제어할 수 있는 장치에 있어서,
상기 무인비행체의 비행을 제어하기 위한 제어 신호를 생성하고, 상기 무인비행체가 비행할 항로를 설정하는 제1 제어부;
상기 무인비행체와 데이터 통신할 수 있으며, 상기 제어 신호 및 상기 항로를 상기 무인비행체로 전송하는 제1 통신부; 및
상기 항로가 통과하는 지역들에 대한 전자 지도, 위성 사진을 포함하는 지형 정보 및 상기 무인비행체가 상기 항로를 따라 비행하면서 촬영한 영상을 기계 학습하여 상기 항로 상에 장애물 또는 랜드마크가 있는지 여부를 판단하는 AI 프로세서를 포함하며,
상기 제1 제어부는,
상기 AI 프로세서의 학습 결과 데이터에 따라, 상기 무인비행체가 상기 항로 상에 존재하는 상기 장애물을 피하도록 하는 우회 항로를 설정하고,
상기 항로에 포함된 적어도 하나 이상의 변침점(way point)들에서 상기 무인비행체의 비행 방향을 나타내는 방위각의 변화량을 계산하고 상기 방위각의 변화량에 따라, 상기 무인비행체가 상기 변침점들을 통과하여 비행할지 여부를 결정하는 것을 특징으로 하는 장치.
- 제1항에 있어서,
상기 제1 제어부는,
상기 항로를 설정하는 항로 설정부;
상기 항로를 비행 도중 또는 상기 변침점에서 상기 무인비행체가 수행하여야 할 동작 및 기능을 설정하는 임무 설정부를 더 포함하고,
상기 항로 설정부는,
순차적으로 연결된 적어도 3개의 변침점들이 형성하는 각도를 계산하여, 상기 각도가 일정 값을 초과하는지 여부에 따라 상기 무인비행체가 상기 3개의 변침점을 모두 통과하여 비행할지 여부를 결정하는 것을 특징으로 하는 장치.
- 제2항에 있어서,
상기 항로 설정부는,
상기 적어도 3개의 변침점들이 형성하는 각도 및 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재하는지 여부를 판단 및 검출할 수 있는 것을 특징으로 하는 장치.
- 제3항에 있어서,
상기 항로 설정부는,
상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만이고, 상기 적어도 3개의 변침점들과 그 인근 영역에 상기 랜드마크가 존재하지 않는다고 판단한 경우, 상기 적어도 3개 이상의 변침점들 중 두번째 변침점을 플라이-바이(fly-by)하도록 항로를 설정하는 것을 특징으로 하는 장치.
- 제3항에 있어서,
상기 항로 설정부는,
상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만이고, 상기 적어도 3개의 변침점들과 그 인근 영역에 상기 랜드마크가 존재한다고 판단한 경우, 상기 적어도 3개 이상의 변침점들을 모두 통과하면서 그 중 두번째 변침점을 플라이-오버(fly-over)하도록 항로를 설정하는 것을 특징으로 하는 장치.
- 제5항에 있어서,
상기 항로 설정부는,
상기 적어도 3개의 변침점들 중 첫번째와 세번째 변침점 사이에 추가 변침점들을 생성하고, 상기 두번째 변침점 및 상기 추가 변침점들을 통과하면서 플라이-오버(fly-over)하도록 항로를 설정하는 것을 특징으로 하는 장치.
- 제3항에 있어서,
상기 항로 설정부는,
상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값을 초과하고, 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재하지 않는다고 판단하면, 상기 적어도 3개의 변침점들 중 두번째 변침점을 플라이-바이(fly-by)하도록 항로를 설정하는 것을 특징으로 하는 장치.
- 제3항에 있어서,
상기 항로 설정부는,
상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값을 초과하고, 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재한다고 판단하면, 상기 적어도 3개의 변침점들 중 두번째 변침점을 플라이-오버(fly-over)하도록 항로를 설정하는 것을 특징으로 하는 장치.
- 제8항에 있어서,
상기 항로 설정부는,
상기 적어도 3개의 변침점들 중 첫번째와 세번째 변침점 사이에 추가 변침점들을 생성하고, 상기 두번째 변침점 및 상기 추가 변침점을 통과하면서 플라이-오버(fly-over)하도록 항로를 설정하는 것을 특징으로 하는 장치.
- 제3항에 있어서,
상기 AI 프로세서는,
상기 랜드마크의 위치 좌표, 면적, 높이에 대한 랜드마크 지형 정보를 학습한 결과를 상기 항로 설정부에 제공하고,
상기 항로 설정부는,
상기 랜드마크의 면적 또는 높이가 일정 값 이상 임을 확인한 경우, 상기 무인비행체가 상기 랜드마크에 대해 촬영 임무를 수행할 수 있는 적어도 하나 이상의 추가 변침점들을 생성하며, 상기 추가 변침점들을 플라이-오버(fly-over)하도록 항로를 설정하는 것을 특징으로 하는 장치.
- 제2항에 있어서,
상기 항로 설정부는,
상기 항로에 포함된 적어도 하나 이상의 변침점(way point)들 중에서 순차적으로 연결된 적어도 4개 이상의 변침점들 간의 거리 간격이 일정 값 이하일 때, 상기 적어도 4개 이상의 변침점들 중 첫번째, 두번째, 세번째 변침점이 이루는 제1 각도 및 상기 적어도 4개 이상의 변침점들 중 두번째, 세번째, 네번째 변침점이 이루는 제2 각도를 계산하고, 상기 제1 각도 및 상기 제2 각도가 이루는 각도가 모두 일정 값을 초과하는지 여부를 판단하여, 상기 무인비행체가 상기 4개의 변침점을 모두 통과하여 비행할지 여부를 결정하는 것을 특징으로 하는 장치.
- 제3항에 있어서,
상기 항로 설정부는,
적어도 두 개 이상의 무인비행체들이 군집 비행을 수행할 수 있도록 하기 위해서, 각각의 무인비행체에 미리 저장된 패턴 비행에 대한 항로 또는 상기 AI 프로세서의 학습 결과 데이터에 따라 생성된 군집 비행에 대한 항로를 설정하며,
상기 적어도 두 개 이상의 무인비행체들 중 제1 무인비행체에는 제1 항로를 설정하고, 제2 무인비행체에는 제1 항로와 대칭되는 제2 항로를 자동적으로 설정할 수 있는 것을 특징으로 하는 장치.
- 제1항에 있어서,
상기 항로 설정부는 상기 항로를 설정함에 있어서,
상기 AI 프로세서의 상기 학습 결과 데이터와 상기 무인비행체의 위치, 속력, 고도, 자세 정보 및 상기 무인비행체에 장착된 센서들의 정보를 포함하는 기체 데이터를 바탕으로, 비행 중인 상기 무인비행체가 다른 무인비행체와 일정한 간격을 가지고 비행할 수 있도록 기체 간 통항 간격을 포함하는 상기 항로를 설정하는 것을 특징으로 하는 장치.
- 무인비행체; 및
상기 무인비행체를 제어할 수 있는 장치를 포함하고,
상기 무인비행체는,
비행하면서 촬영한 영상 데이터 및 상기 무인비행체의 위치, 속력, 고도, 자세 정보를 포함하는 기체 데이터를 상기 장치로 전송하고,
상기 장치는,
상기 무인비행체의 비행을 제어하기 위한 제어 신호를 생성하고, 상기 무인비행체가 비행할 항로를 설정하는 제1 제어부;
상기 무인비행체와 데이터 통신할 수 있으며, 상기 제어 신호 및 상기 항로를 상기 무인비행체로 전송하는 제1 통신부; 및
상기 항로가 통과하는 지역들에 대한 전자 지도, 위성 사진을 포함하는 지형 정보 및 상기 무인비행체가 상기 항로를 따라 비행하면서 촬영한 영상을 기계 학습하여 상기 항로 상에 장애물 또는 랜드마크가 있는지 여부를 판단하는 AI 프로세서를 포함하며,
상기 제1 제어부는,
상기 AI 프로세서의 학습 결과 데이터에 따라, 상기 무인비행체가 상기 항로 상에 존재하는 상기 장애물을 피하도록 하는 우회 항로를 설정하고,
상기 항로에 포함된 적어도 하나 이상의 변침점(way point)들에서 상기 무인비행체의 비행 방향을 나타내는 방위각의 변화량을 계산하고 상기 방위각의 변화량에 따라, 상기 무인비행체가 상기 변침점들을 통과하여 비행할지 여부를 결정하는, 무인비행체를 제어하기 위한 시스템.
- 제14항에 있어서,
상기 제1 제어부는,
상기 항로를 설정하는 항로 설정부;
상기 항로를 비행 도중 또는 상기 변침점에서 상기 무인비행체가 수행하여야 할 동작 및 기능을 설정하는 임무 설정부를 더 포함하고,
상기 항로 설정부는,
순차적으로 연결된 적어도 3개의 변침점들이 형성하는 각도가 일정 값을 초과하는지 여부 또는 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재하는지 여부에 따라, 상기 무인비행체가 상기 3개의 변침점을 모두 통과하여 비행할지 여부를 결정하는, 무인비행체를 제어하기 위한 시스템.
- 제15항에 있어서,
상기 항로 설정부는,
상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만이고, 상기 적어도 3개의 변침점들과 그 인근 영역에 상기 랜드마크가 존재하지 않는다고 판단한 경우, 상기 적어도 3개 이상의 변침점들 중 두번째 변침점을 플라이-바이(fly-by)하도록 항로를 설정하고,
상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만이고, 상기 적어도 3개의 변침점들과 그 인근 영역에 상기 랜드마크가 존재한다고 판단한 경우, 상기 적어도 3개 이상의 변침점들을 모두 통과하면서 그 중 두번째 변침점을 플라이-오버(fly-over)하도록 항로를 설정하는, 무인비행체를 제어하기 위한 시스템.
- 제15항에 있어서,
상기 항로 설정부는,
상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값을 초과하고, 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재하지 않는다고 판단하면, 상기 적어도 3개의 변침점들 중 두번째 변침점을 플라이-바이(fly-by)하도록 항로를 설정하며,
상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값을 초과하고, 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재한다고 판단하면, 상기 적어도 3개의 변침점들 중 두번째 변침점을 플라이-오버(fly-over)하도록 항로를 설정하는, 무인비행체를 제어하기 위한 시스템.
- 제14항에 있어서,
상기 항로 설정부는 상기 항로를 설정함에 있어서,
상기 AI 프로세서의 상기 학습 결과 데이터와 상기 무인비행체의 위치, 속력, 고도, 자세 정보 및 상기 무인비행체에 장착된 센서들의 정보를 포함하는 기체 데이터를 바탕으로, 비행 중인 상기 무인비행체가 다른 무인비행체와 일정한 간격을 가지고 비행할 수 있도록 기체 간 통항 간격을 포함하는 상기 항로를 설정하는 것을 특징으로 하는 장치.
- 장치나 시스템을 이용하여 무인비행체를 제어할 수 있는 방법에 있어서,
상기 무인비행체가 순차적으로 비행할 복수의 변침점들(waypoints, 웨이포인트)를 설정하는 단계;
상기 항로가 통과하는 지역들에 대한 전자 지도, 위성 사진을 포함하는 지형 정보 또는 상기 무인비행체가 비행 중 촬영한 영상을 기계 학습하는 단계;
상기 기계 학습 결과에 따라 각각의 변침점 및 상기 변침점을 기준으로 일정한 범위의 영역 이내에 장애물이 있는지 여부를 판단하는 단계;
상기 장애물이 있다고 판단하면, 상기 장애물을 검출하고, 상기 장애물이 없는 영역에 적어도 하나 이상의 다른 변침점을 설정하여 상기 무인비행체가 상기 장애물을 회피할 수 있도록 하는 우회 항로를 설정하는 단계;
순차적으로 연결된 적어도 3개 이상의 변침점들이 이루는 각도를 계산하는 단계; 및
계산된 상기 각도에 따라, 상기 무인비행체가 상기 적어도 3개 이상의 변침점들을 모두 통과하도록 비행할 것인지 여부를 판단하는 단계를 포함하는 것을 특징으로 하는 방법.
- 제19항에 있어서,
계산된 상기 각도에 따라, 상기 무인비행체가 상기 적어도 3개 이상의 변침점들을 모두 통과하도록 비행할 것인지 여부를 판단하는 단계는,
상기 적어도 3개 이상의 변침점들 및 각각의 인접 영역에 랜드마크(landmark)가 존재하는지 여부를 판단하는 단계를 더 포함하는 것을 특징으로 하는 방법.
- 제19항에 있어서,
상기 적어도 3개 이상의 변침점들 및 각각의 인접 영역에 랜드마크(landmark)가 존재하는지 여부를 판단하는 단계는,
상기 순차적으로 연결된 적어도 3개 이상의 변침점들이 이루는 각도를 계산하는 단계에서 계산된 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만이고, 상기 적어도 3개의 변침점들과 그 인근 영역에 상기 랜드마크가 존재하지 않는다고 판단한 경우, 상기 적어도 3개 이상의 변침점들 중 두번째 변침점을 플라이-바이(fly-by)하도록 항로를 설정하는 단계; 및
상기 순차적으로 연결된 적어도 3개 이상의 변침점들이 이루는 각도를 계산하는 단계에서 계산된 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값 미만이고, 상기 적어도 3개의 변침점들과 그 인근 영역에 상기 랜드마크가 존재하지 않는다고 판단한 경우, 상기 무인비행체가 상기 적어도 3개 이상의 변침점들 중 두번째 변침점을 플라이-오버(fly-over)하도록 항로를 설정하는 단계를 더 포함하는 것을 특징으로 하는 방법.
- 제20항에 있어서,
상기 적어도 3개 이상의 변침점들 및 각각의 인접 영역에 랜드마크(landmark)가 존재하는지 여부를 판단하는 단계는,
상기 순차적으로 연결된 적어도 3개 이상의 변침점들이 이루는 각도를 계산하는 단계에서 계산된 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값을 초과하고, 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재하지 않는다고 판단하면, 상기 적어도 3개의 변침점들 중 두번째 변침점을 플라이-바이(fly-by)하도록 항로를 설정하는 단계; 및
상기 순차적으로 연결된 적어도 3개 이상의 변침점들이 이루는 각도를 계산하는 단계에서 계산된 상기 적어도 3개의 변침점들이 형성하는 각도가 일정 값을 초과하고, 상기 AI 프로세서의 학습 결과 데이터를 바탕으로 상기 적어도 3개의 변침점들의 인근 영역에 랜드마크(landmark)가 존재한다고 판단하면, 상기 적어도 3개의 변침점들 중 두번째 변침점을 플라이-오버(fly-over)하도록 항로를 설정하는 단계를 더 포함하는 것을 특징으로 하는 방법.
- 제20항에 있어서,
상기 적어도 3개 이상의 변침점들 및 각각의 인접 영역에 랜드마크(landmark)가 존재하는지 여부를 판단하는 단계는,
상기 적어도 3개 이상의 변침점들이 설정된 지역들에 대한 전자지도, 위성사진 이미지를 포함하는 지형 정보 또는 상기 무인비행체가 비행 중 촬영한 영상을 기계 학습하는 단계; 및
상기 기계 학습의 결과를 바탕으로 상기 적어도 3개 이상의 변침점들 각각으로부터 특정 범위 내에 상기 랜드마크가 존재하는지 여부를 판단하는 단계를 더 포함하는 것을 특징으로 하는 방법.
- 제19항에 있어서,
상기 무인비행체가 순차적으로 비행할 복수의 변침점들(waypoints, 웨이포인트)를 설정하는 단계는,
상기 무인비행체에 장착된 센서들 또는 촬영부에 포함된 카메라의 하드웨어에 대한 정보를 포함하는 기체 데이터를 수집하는 단계;
상기 변침점들이 설정될 지역 또는 공역에 통항량을 확인하는 단계; 및
상기 무인비행체가 다른 무인비행체와 일정한 간격을 가지고 비행할 수 있도록 기체 간 통항 간격을 설정하는 단계를 더 포함하는 것을 특징으로 하는 방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200029998A KR20210114647A (ko) | 2020-03-11 | 2020-03-11 | 무인비행체를 제어하기 위한 장치, 시스템 및 방법 |
| US16/932,224 US20210287559A1 (en) | 2020-03-11 | 2020-07-17 | Device, system, and method for controlling unmanned aerial vehicle |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200029998A KR20210114647A (ko) | 2020-03-11 | 2020-03-11 | 무인비행체를 제어하기 위한 장치, 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210114647A true KR20210114647A (ko) | 2021-09-24 |
Family
ID=77665119
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200029998A KR20210114647A (ko) | 2020-03-11 | 2020-03-11 | 무인비행체를 제어하기 위한 장치, 시스템 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20210287559A1 (ko) |
| KR (1) | KR20210114647A (ko) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115630531A (zh) * | 2022-12-19 | 2023-01-20 | 中南大学 | 无人机控制***自动化安全评估方法 |
| KR20230076355A (ko) | 2021-11-24 | 2023-05-31 | 단국대학교 산학협력단 | 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템 및 방법 |
| KR20230118461A (ko) * | 2022-02-04 | 2023-08-11 | 한국전자통신연구원 | 통신 장치 및 통신 방법과, 이를 채용하는 무인항공기 장치 |
| KR102570862B1 (ko) * | 2023-07-04 | 2023-08-31 | 주식회사 웨이브에이아이 | 자율주행차량의 군집 주행 장치 및 방법 |
| KR102570861B1 (ko) * | 2023-07-04 | 2023-08-31 | 주식회사 웨이브에이아이 | 차량의 군집 주행 장치 및 방법 |
| US12028106B2 (en) | 2022-02-04 | 2024-07-02 | Electronics And Telecommunications Research Institute | Communication device and method, and unmanned aerial vehicle employing the same |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11410559B2 (en) * | 2018-07-05 | 2022-08-09 | Ge Aviation Systems Llc | Intelligent unmanned aerial vehicle traffic management via an infrastructure network |
| CN111867933A (zh) * | 2018-12-21 | 2020-10-30 | 乐天株式会社 | 飞行装置、飞行***及信息处理装置 |
| US20210269174A1 (en) * | 2020-02-27 | 2021-09-02 | Greg Douglas Shuff | Drone docking port and method of use |
| US11830371B2 (en) * | 2020-09-17 | 2023-11-28 | International Business Machines Corporation | Traffic management for unmanned aircraft |
| JP7351280B2 (ja) * | 2020-09-30 | 2023-09-27 | トヨタ自動車株式会社 | 情報処理装置及び方法 |
| WO2022124962A1 (en) * | 2020-12-07 | 2022-06-16 | Telefonaktiebolaget Lm Ericsson (Publ) | Unmanned aerial vehicle (uav), device, second device and methods performed thereby for handling identification of at least one aspect of the uav |
| US20220269290A1 (en) * | 2021-02-18 | 2022-08-25 | Lockheed Martin Corporation | Route planning among no-fly zones and terrain |
| US20230146275A1 (en) * | 2021-11-11 | 2023-05-11 | At&T Intellectual Property I, L.P. | Computer Vision-Based Dynamic Radio Frequency Planning and Optimization |
| TWI800102B (zh) * | 2021-11-16 | 2023-04-21 | 財團法人工業技術研究院 | 載具頭向補償方法及系統 |
| US11832314B2 (en) * | 2021-12-14 | 2023-11-28 | Korea University Research And Business Foundation | Deep reinforcement learning-based random access method for low earth orbit satellite network and terminal for the operation |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112859899A (zh) * | 2014-10-31 | 2021-05-28 | 深圳市大疆创新科技有限公司 | 用于利用视觉标记进行监视的***和方法 |
| CN107077149B (zh) * | 2016-10-19 | 2020-12-04 | 深圳市大疆创新科技有限公司 | 控制移动设备的方法、控制***和移动设备 |
| KR20180075191A (ko) * | 2016-12-26 | 2018-07-04 | 삼성전자주식회사 | 무인 이동체를 제어하기 위한 방법 및 전자 장치 |
| IL250382B (en) * | 2017-01-31 | 2021-01-31 | Arbe Robotics Ltd | A radar-based system and method for real-time simultaneous positioning and mapping |
| KR101959366B1 (ko) * | 2018-04-10 | 2019-03-21 | 주식회사 아르고스다인 | 무인기와 무선단말기 간의 상호 인식 방법 |
-
2020
- 2020-03-11 KR KR1020200029998A patent/KR20210114647A/ko unknown
- 2020-07-17 US US16/932,224 patent/US20210287559A1/en not_active Abandoned
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230076355A (ko) | 2021-11-24 | 2023-05-31 | 단국대학교 산학협력단 | 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템 및 방법 |
| KR20230118461A (ko) * | 2022-02-04 | 2023-08-11 | 한국전자통신연구원 | 통신 장치 및 통신 방법과, 이를 채용하는 무인항공기 장치 |
| US12028106B2 (en) | 2022-02-04 | 2024-07-02 | Electronics And Telecommunications Research Institute | Communication device and method, and unmanned aerial vehicle employing the same |
| CN115630531A (zh) * | 2022-12-19 | 2023-01-20 | 中南大学 | 无人机控制***自动化安全评估方法 |
| KR102570862B1 (ko) * | 2023-07-04 | 2023-08-31 | 주식회사 웨이브에이아이 | 자율주행차량의 군집 주행 장치 및 방법 |
| KR102570861B1 (ko) * | 2023-07-04 | 2023-08-31 | 주식회사 웨이브에이아이 | 차량의 군집 주행 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20210287559A1 (en) | 2021-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20210114647A (ko) | 무인비행체를 제어하기 위한 장치, 시스템 및 방법 | |
| US11579606B2 (en) | User equipment, system, and control method for controlling drone | |
| US20210208602A1 (en) | Aerial control system | |
| US20210263538A1 (en) | Unmanned aerial vehicle and unmanned aerial vehicle system | |
| US10869004B2 (en) | Shooting method controlling movement of unmanned aerial robot in unmanned aerial system and apparatus for supporting same | |
| US11449054B2 (en) | Method for controlling flight of unmanned aerial robot by unmanned aerial system and apparatus supporting the same | |
| US20210157336A1 (en) | Unmanned aerial vehicle and station | |
| US20210405655A1 (en) | Drone, drone station and method for controlling drone take-off using drone station | |
| US20210116941A1 (en) | Positioning method using unmanned aerial robot and device for supporting same in unmanned aerial system | |
| US20210331813A1 (en) | Method and device for landing unmanned aerial vehicle | |
| KR102276649B1 (ko) | 무인 항공 시스템에서 무인 항공 로봇의 배터리를 충전하기 위한 방법 및 이를 지원하기 위한 장치 | |
| US11492110B2 (en) | Method of landing unmanned aerial robot through station recognition in unmanned aerial system and device supporting the same | |
| US11459101B2 (en) | Method of flying unmanned aerial robot in unmanned aerial system and apparatus for supporting the same | |
| US20200036886A1 (en) | Method for photographing an unmanned aerial robot and a device for supporting the same in an unmanned aerial vehicle system | |
| US11485516B2 (en) | Precise landing method of unmanned aerial robot using multi-pattern in unmanned aerial control system and apparatus therefor | |
| US20210331798A1 (en) | Unmanned aerial robot landing method through station recognition in unmanned aerial system and apparatus for supporting the same | |
| US20210240205A1 (en) | Measuring method using unmanned aerial robot and device for supporting same in unmanned aerial system | |
| US20210197968A1 (en) | Unmanned aerial vehicle | |
| KR20190104014A (ko) | 무인 항공 시스템에서 무인 항공 로봇의 자세 제어를 이용한 착륙 방법 및 이를 지원하기 위한 장치 | |
| KR20190104923A (ko) | 무인 항공 시스템에서 스테이션 인식을 통한 무인 항공 로봇의 자세 제어 방법 및 이를 지원하기 위한 장치 | |
| KR102596385B1 (ko) | 드론용 모터 및 이를 구비한 드론 | |
| US20240078917A1 (en) | Flying object, air traffic control system, method for identifying flying object, and computer readable medium | |
| US20240078920A1 (en) | Air traffic control system, method of identifying flying object, computer readable medium, and flying object |