Unmanned vehicles are significant systems in the military, industrial, scientific research, investigation of hazardous environments and rescue fields. Particularly, visual servoing through a visual image has the advantage of ease of use in various fields. Commonly, studies of visual servoing do not consider external environmental factors in most cases. However, in this paper, the proposed visual servoing framework supports any feature vision information which enhances feature-independence as a general visual servoing framework. Furthermore, the visual servoing control framework which includes environment variables can be applied to real-world environments such as the surface of water or rough terrain to perform the docking and following of an object. To adapt to uncertain environments, a controller with a compensator for environmental factors is implemented. Furthermore, applying improved reinforcement learning, the proposed system can operate in highly uncertain environments. Finally, the proposed approach was designed for applicability to an actual system. Thus, the performance was evaluated by applying it to an unmanned surface vehicle and an unmanned ground vehicle.
무인 로봇 시스템은 군사 분야, 산업 분야, 극지 탐험, 인명 구조, 탐사 연구 등의 분야에서 다양한 용도로 사용되고 있다. 특히 비주얼 서보잉은 영상을 통하여 제어를 한다는 면에서 간편하다는 이점이 있어 많은 분야에서 사용되고 있다. 일반적으로 연구들은 비주얼 서보잉을 하기 위해서 외부 환경적인 요소는 고려하지 않는 경우가 대부분이지만 본 연구에서는 가변 하는 환경상황에서의 비주얼 서보잉 제어를 제안함으로써 실제 환경(Surface, Terrain)에서 가변 하는 가운데 물체의 도킹, 추종의 작업을 수행하는 비주얼 서보잉 프레임을 제안한다. 특히 환경에 적응하기 위해서 제어기에 환경요소를 보상함으로 강인한 제어기를 구현하였고 비주얼 서보잉의 Feature-independent한 프레임웍을 제안하여 feature에 상관없이 비주얼 서보잉 제어를 할 수 있다. On-line 강화학습을 적용하여 실제 환경에 대해서 빠른 적응을 하여 불확실성이 높은 환경을 극복할 수 있다. 마지막으로 제안한 방법론을 적용한 시스템을 설계 구현하였고, 이를 실제 수상로봇과 지상로봇에 적용하여 주어진 시나리오를 비주얼 서보잉 제어 함으로서 성능을 검증하였다.