소비자 휴대용 기기에서 정확한 동작 추적 달성

우리의 삶은 스마트폰뿐만 아니라 스마트 워치, 피트니스 트래커, 히어러블과 같은 수많은 다른 기기들과 같이 휴대 가능하고 연결된 가제트에 의해 변화되었습니다. 이러한 장치는 처리 능력 및 무선 연결을 지원하는 데이터 수집을 결합합니다.

그러나 다른 모든 기능 중에서 가제트를 보다 기능적이고 직관적으로 만드는 모션 센서의 중요성을 간과하기 쉽습니다. 휴대전화의 화면 방향 변경, 스마트워치의 걸음 수 세기, 머리의 움직임을 XR 안경과 일치시키거나, 이어폰을 두드려 노래를 변경하는 등 모션 감지는 사용자 경험과 인터페이스의 중요한 부분입니다.

임베디드 엔지니어의 경우 모션 센서를 선택하고 통합하는 것이 까다로울 수 있습니다. 비용이나 전력 소비를 불필요하게 증가시키지 않고 필요한 정확도를 얻기 위해 올바른 기술을 선택하도록 하려면 어떻게 해야 합니까? 그리고 어떻게 센서를 최대한 활용하고 최종 제품을 개선할 수 있는 성능이나 기능을 놓치지 않도록 해야 할까요?

모션 센서 기본사항

먼저, 모션 센서가 의미하는 바를 간단히 요약합니다. 일반적으로 사용되는 세 가지 종류가 있습니다:가속도계, 자이로스코프, 자력계.

가속도계는 중력으로 인한 가속도를 포함할 수 있는 가속도를 측정합니다. 이것은 센서에 상대적인 중력의 방향을 감지할 수 있음을 의미합니다. 기본적으로 어떤 방향이 위쪽인지입니다. 자이로스코프는 각속도를 측정하여 각위치의 변화를 측정합니다.

가속도계와 자이로스코프 각각에 대해 3개의 자유도 또는 축이 있는 경우 둘을 결합하면 6축 모션 센서 또는 IMU(관성 측정 장치)가 됩니다(그림 1 참조). 많은 응용 분야에서 지구 자기장의 강도와 방향을 측정하는 자력계를 추가해야 우리의 방향을 예측할 수 있습니다. 가속도계와 자이로스코프 위에 3축 자기계를 추가하면 9축 IMU가 생성됩니다.

이 포스트의 목적을 위해, 우리는 IMU에 대해 논의할 것입니다. 가속도계, 자이로스코프 또는 자력계에 단독으로 적용할 수 있는 특정 속성이 있지만 이러한 센서 중 2개 이상을 결합하는 문제는 우리가 조명하고자 하는 것입니다.

그림 1:IMU를 사용한 동작 감지(출처:CEVA)

정확하게 유지

이제 우리는 이론을 상기시켰습니다. 실제로 어떻게 작동합니까? 필요한 정확도를 얻으려면 어떻게 해야 합니까?

IMU의 경우 장치의 방향을 결정할 때 달성한 정확도는 시작할 수 있는 기본 메트릭입니다. 우리의 요구 사항은 1~2도 이내일 수 있지만 다른 애플리케이션에서는 더 낮은 정확도를 수용할 수 있습니다. 예를 들어, XR 헤드셋의 정확도 요구 사항은 어린이용 로봇 장난감의 정확도 요구 사항보다 훨씬 더 엄격할 것입니다. 그런 다음 이 데이터의 안정성과 시간과 온도에 따라 달라질지 여부를 고려해야 합니다.

IMU에서 가장 정확한 출력을 얻으려면 센서 융합을 사용해야 합니다. 이는 여러 센서의 데이터를 결합하여 해당 부분보다 더 큰 합계를 생성하는 개념입니다. IMU의 각 센서에는 융합할 수 있는 서로 다른 강점과 약점이 있습니다. 그 솔루션을 위해 함께합니다.

센서 융합에 대해 생각하는 한 가지 방법은 '신뢰'를 기반으로 하는 것입니다. 이 경우 '신뢰'를 사용하여 특정 센서의 데이터가 정확성과 관련성에 대해 합리적인 수준의 신뢰를 갖고 있음을 의미할 수 있습니다. 당신이 한 국가의 대통령이고 정책을 결정해야 한다고 가정해 봅시다. 경제, 건강 및 군사 고문이 있습니다. 각자가 정보를 제공하지만 모두 다른 영역을 알고 있습니다. 그들은 자신의 의견이 상대방에게 어떤 영향을 미칠지에 대해 추측하고 있지만 유감스럽게도 추측일 뿐입니다. 귀하의 정보를 처리하고 최상의 결정으로 통합하는 것은 귀하에게 달려 있습니다.

마찬가지로 가속도계, 자이로스코프, 때로는 자력계와 같이 IMU에서 방향 데이터를 요청할 수 있는 2~3명의 '고문'이 있습니다. 자이로스코프는 설명하기 가장 쉬운 것입니다. 소비자 등급 자이로스코프는 몇 초라는 짧은 시간 동안 상대적인 방향 변경에 대해 신뢰할 수 있지만 출력은 수십 초 이상의 더 긴 시간 간격으로 드리프트됩니다. 가속도계는 장기적으로 중력을 측정하는 데 유용하지만 자동차의 일정한 가속도와 같은 특정 시나리오에서는 혼동될 수 있습니다. 시골이나 숲과 같은 안정적인 자기 환경에서는 자력계를 신뢰할 수 있지만, 예를 들어 강철 기둥으로 지어진 사무실 내부와 같이 자기 간섭이 있는 경우에는 그렇지 않습니다.

요컨대, 자이로스코프는 단기 측정에 정확하고 가속도계와 자력계는 장기 측정에 정확합니다. 한계를 주의 깊게 이해하면 데이터를 함께 융합하여 장치 방향을 보다 정확하게 파악할 수 있습니다.

9축 IMU와 같은 여러 센서 출력이 있는 경우 센서 융합을 통해 데이터를 결합하고 비교하여 정확도를 높일 수 있습니다. 예를 들어, 당사의 센서 융합 소프트웨어에 자기 간섭으로 인한 예상치 못한 또는 갑작스러운 자기계 출력 변화를 감지하는 알고리즘이 포함된 경우, 자기계가 다시 안정될 때까지 자동으로 가속도계 및 자이로스코프 데이터에 더 많은 신뢰를 줄 수 있습니다.

샘플링 속도는 정확도에도 중요합니다. 선택한 센서가 요구 사항을 충족할 만큼 충분히 자주 데이터를 제공합니까? 이것은 물론 응용 프로그램에 따라 다릅니다. 예를 들어 기본 만보기에는 초당 몇 번만 읽어도 충분하지만 대부분의 응용 프로그램에는 100Hz ~ 400Hz가 권장됩니다. 그러나 XR 응용 프로그램에서 정확한 머리 추적을 위해서는 1kHz 이상의 샘플 속도가 필요할 수 있습니다(XR은 가상, 혼합 및 증강 현실을 포괄하는 용어임). 빠른 샘플링 속도는 짧은 지연 시간을 달성하는 데도 중요합니다. 헤드 트래킹 예제에서 몰입형 VR 경험과 멀미를 느끼는 것의 차이입니다!

교정도 고려해야 합니다. 많은 센서가 데이터 시트에 쓰여진 것보다 약간 더 많은 '있는 그대로' 제공됩니다. 수행할 수 있는 모든 종류의 보정은 서로 다른 개별 센서 간의 일관된 성능을 최대화하는 데 도움이 됩니다. 공장 교정은 개별 성능을 향상시키는 강력한 방법이 될 수 있지만 상대적으로 비용이 많이 듭니다. 현장의 동적 교정은 센서 자체 또는 최소한 애플리케이션에 대한 자세한 이해가 필요한 또 다른 옵션입니다. 센서는 설명되지 않은 경우 기존 오류를 악화시키는 지점까지 전체 출력에 부정적인 영향을 미칠 수 있는 편향을 경험합니다.

마지막으로 우리가 수집하고 융합한 센서 데이터를 검증하는 방법에 대해 생각해야 합니다. 이것은 우리가 추적하는 대상에 따라 다르지만 기본 원칙은 다른 독립적인 정보 소스를 사용하여 출력을 확인할 수 있는 진실을 제공하는 것입니다. 예를 들어, 로봇 팔은 알려진 지점으로 매우 정확하게 반복적으로 이동할 수 있으며, 그런 다음 센서가 동일한 위치 데이터를 제공하는지 확인할 수 있습니다. 오류를 감지하면 계산으로 이를 보완하거나 추가 주의가 필요한 오류로 표시해야 할 수 있습니다.

새로운 기능 사용

우리가 높은 정확도로 움직임을 측정할 수 있게 되면 기존 응용 프로그램에 도움이 될 뿐만 아니라 휴대용 장치에서 새로운 기능의 가능성을 열 수 있습니다. 예를 들어 히어러블(그림 2)의 경우 기존 사용자 인터페이스에 문제가 있습니다. 사용자는 전화기를 꺼내서 제어하기를 원하지 않으며 히어러블 자체는 너무 작아서 편리한 버튼이 없습니다. 대신 히어러블을 탭하면 노래를 건너뛸 수 있고 귀에서 빼는 움직임을 감지하면 모든 오디오를 음소거할 수 있습니다. 모션과 다양한 움직임을 식별하는 알고리즘인 '분류기'를 사용하여 보다 편리하고 직관적인 사용자 경험을 제공합니다.

그림 2:히어러블(출처:CEVA)

모션 센서의 정확한 정보는 휴대형 장치가 주변에서 일어나는 일이나 사용자가 하고 있는 활동에 대해 더 잘 알 수 있음을 의미할 수도 있습니다. 이를 컨텍스트 인식이라고 하며 다음과 같이 보다 몰입감 있는 경험을 제공하는 데 사용할 수 있습니다. 주변 구급차의 사이렌 소리를 듣기 위해 횡단보도까지 걸어가는 것을 히어러블(hearable)이 감지하면 음악 볼륨을 줄이는 것과 같습니다.

피트니스 추적 응용 프로그램의 경우 정확도를 높이면 다양한 사용자 활동을 구별할 수 있습니다. 예를 들어, 걸음 수 추적기가 움직임의 크기, 속도 또는 기타 특성을 측정할 수 있는 경우 정상적으로 걷고 있는지 또는 계단을 오르거나 내려오는지 알 수 있습니다. 기압 및 GPS 기반 위치와 같은 다른 센서 데이터와 결합된 소프트웨어는 움직임에 대한 자세한 그림을 만들고 소모된 칼로리를 추정할 수 있습니다.

통합:센서 융합 및 소프트웨어

논의한 바와 같이 모션 데이터의 정확성과 유용성을 극대화하기 위해 단순히 원시 데이터 피드를 생성하는 것만으로는 충분하지 않습니다. 장치는 데이터를 처리하고, 체계적인 부정확성을 보정하고, 여러 센서의 정보를 결합해야 합니다.

여기에서 파악해야 할 것이 많습니다. 센서 융합은 입니다. 복잡하고 작은 패키지에서 최상의 결과를 얻으려면 특정 노하우가 필요합니다. 그러나 필요한 센서와 처리를 통합하는 다양한 제품이 있습니다. 예를 들어 Bosch와 CEVA Hillcrest Labs 간의 파트너십으로 개발된 BNO080/085에는 고성능 가속도계, 자력계 및 자이로스코프가 포함되어 있습니다. -전원 32비트 ARM Cortex M0+ MCU.

BNO085에 사전 프로그래밍된 Hillcrest Labs의 MotionEngine™ 센서 허브 소프트웨어는 6축 및 9축 모션 추적은 물론 걷기, 달리기 및 서기와 같은 사용자 활동 분류와 같은 지능형 기능을 제공합니다(그림 3). MotionEngine 센서 허브는 히어러블, 스마트 TV, 로봇 공학, 모바일 컴퓨팅, 원격 제어, 저전력 모바일 애플리케이션 등에 사용할 수 있는 특수 버전과 함께 주요 임베디드 처리 아키텍처 및 운영 체제와 호환됩니다.

전체 크기 이미지를 보려면 클릭하세요.

그림 3:종합적인 센서 융합 및 알고리즘(출처:CEVA)

이 모든 데이터를 실시간으로 통합하는 것은 어려울 수 있으며 상당한 처리 성능이 필요합니다. 이러한 잡일을 처리하기 위해 메인 애플리케이션 프로세서를 요구하는 것보다 센서 장치 자체의 MCU 코어에서 이러한 알고리즘 중 일부를 실행하는 통합 센서를 선택하는 것이 가장 좋습니다. 특히, 걸음 수 계산과 같은 '항상 켜진' 작업의 경우 움직임이 감지될 때마다 주 프로세서를 깨우는 것을 방지할 수 있다면 절전 모드를 유지할 수 있으므로 전체 전력 소비를 줄이고 배터리 수명을 늘릴 수 있습니다. 이전 비유로 돌아가서, 센서 융합에 중점을 둔 SiP는 주 프로세서인 사장이 보다 즉각적인 작업에 집중할 수 있도록 부사장이 특정 결정을 처리하도록 하는 것과 같습니다.

결론

모션 센서는 많은 응용 분야에서 중요한 역할을 하지만 올바른 장치를 선택하는 방법과 응용 프로그램에 필요한 정확도 수준을 달성하는 방법 또는 얼마나 정확해야 하는지가 항상 명확한 것은 아닙니다. 사용 사례에 따라 정밀도 수준이 다르고 필요한 데이터 종류에 대한 요구 사항도 다릅니다.

통합 센서와 센서 융합은 종종 이 문제에 대한 솔루션을 제공할 수 있습니다. 적절한 공급업체와 협력하면 비용과 전력 소비를 최소화하면서 정확하고 신뢰할 수 있는 데이터와 특정 응용 프로그램에 대한 부가가치 기능을 얻는 데 타협하지 않도록 할 수 있습니다.