모션 센서 설명서

1. 소개

휴대폰과 같은 최신 하드웨어에는 사용할 수 있는 여러 가지 모션 센서가 있다.

모션 센서는 Generic Sensor API [GENERIC-SENSOR]를 확장하여 저수준 센서 및 퓨전 센서 클래스를 노출한다. 이 문서는 이러한 센서들 사이의 관계를 설명한다.

저수준 센서에는 다음이 포함된다:

• 가속도계

• 자이로스코프

• 자력계

위 센서들의 데이터를 다양한 방식으로 사용하여 여러 새로운 센서를 만들 수 있다. 이들은 일반적으로 퓨전 센서라고 알려져 있다.

2. 보안 및 개인정보 보호 고려 사항

Generic Sensor API [GENERIC-SENSOR]에 설명된 것 외에는 특별한 보안 및 개인정보 보호 고려 사항이 없다.

3. 저수준 센서

3.1. 가속도계

원시 가속도계 센서는 3개의 서로 다른 방향에서 가속도 변화를 측정하지만, 중력의 영향을 받는다. Accelerometer 인터페이스는 [ACCELEROMETER] 명세에 정의되어 있다.

가속도계 센서는 관성 프레임 센서이다. 이는 장치가 자유 낙하 중일 때 낙하 방향의 가속도가 0 m/s²이고, 장치가 테이블 위에 평평하게 놓여 있을 때 위쪽 방향의 가속도는 지구의 중력, 즉 g ≡ 9.8 m/s²와 같다는 뜻이다. 이는 테이블이 장치를 위쪽으로 미는 힘을 측정하고 있기 때문이다.

가속도계는 그 자체만으로는 덜 유용하고 다른 퓨전 센서에 자주 참여하지만, 흔들림이나 걸음 수 등을 등록하는 것과 같은 몇 가지 용도는 있다.

이러한 사용 사례에서 개발자는 종종 선형 가속도에 관심을 가진다. 이는 중력이 제거된 가속도로, 중력 보상이라고 부른다(Linear Acceleration Sensor 참조). 또는 개발자는 중력 벡터를 알기 위해 분리된 중력에 관심을 가질 수 있다(Gravity Sensor 참조). 이는 자기 나침반을 만드는 것과 같은 일부 종류의 센서 퓨전에 유용할 수 있다.

가속도에 대해서는 일반적으로 큰 변화에 관심을 가지며 중력과 같은 노이즈를 피하고 싶어 한다. 따라서 고역 통과 필터는 선형 가속도를 분리하는 데 도움이 될 수 있고, 저역 통과 필터는 중력을 분리하는 데 도움이 될 수 있다. 따라서 저역 통과 필터는 기울기를 측정하는 데 유용할 수 있다. 안타깝게도 모든 고역 통과 필터 또는 저역 통과 필터는 지연을 유발하며, 이는 허용될 수도 있고 그렇지 않을 수도 있다.

가속도계는 가속도를 보고하므로 속도를 얻으려면 적분해야 한다는 점에 유의하라:

v = ∫a×∂t

그리고 다시 위치를 얻으려면:

x = ∫v×∂t

적분은 드리프트를 만들고, 이중 적분은 이를 증폭한다:

a = g×sin(θ), x = ½×at²

따라서 가속도계로부터 얻은 위치는 매우 부정확하며 그다지 유용하지 않다.

3.2. 자이로스코프

자이로스코프는 자기 자신을 기준으로 각속도를 감지하므로, 자신의 회전을 측정한다. 이는 코리올리 효과라고 불리는 관성력을 사용한다. 자이로스코프는 이를 측정하기 위해 비교적 높은 주파수로 진동하므로 전력 소모가 가장 큰 모션 센서 중 하나이다. 이는 또한 같은 장치의 진동(럼블) 모터나 스피커 같은 다른 진동의 영향을 쉽게 받을 수 있음을 의미한다. Gyroscope 인터페이스는 [GYROSCOPE] 명세에 정의되어 있다.

각속도를 감지하는 자이로스코프에서 회전(각도)을 얻으려면 단일 적분을 수행해야 한다.

f ≡ frequency

∫cos(2π×ft)) = (1/(2π×f)) × sin(2π×ft)

하지만 적분은 노이즈를 드리프트로 바꾼다는 점에 유의하라. 위에서 보듯이 적분은 바깥에 1/f를 만들며, 이는 높은 주파수(f) 노이즈가 적분으로 사라진다는 뜻이다. 즉, 어떤 주파수의 노이즈는 100분의 1로 줄어들지만, 매우 낮은 주파수는 증폭되어 자이로스코프가 시간이 지남에 따라 드리프트하게 된다.

따라서 이를 잘 수행하려면 빠르게 수행해야 하며, 아래에서 보듯이 ∂t를 곱하므로 보고된 시간 차이의 모든 오류는 위와 같은 드리프트로 나타난다.

θ_n = θ_n-1 + ω × ∂t

여기서 ω는 각속도를, θ는 결과 각도를 나타낸다.

대부분의 자이로스코프 센서는 장치의 인접 하드웨어로 인해 발생하는 알려진 저주파에 대해 하드웨어에서 일종의 드리프트 보상을 적용하여 보정을 수행한다.

3.3. 자력계

자력계는 자기장 센서이다. 이는 근처에 강한 자기 영향이 없으면 지구의 자기장을 감지한다는 뜻이며, 이 자기장은 대체로 북쪽 방향을 가리키지만 진북은 아니다. Magnetometer 인터페이스는 [MAGNETOMETER] 명세에 정의되어 있다.

앞서 말했듯이 자력계는 테이블 위에 있는 약간 자화된 물체와 같은 외부 영향에 매우 민감하며, 장치 내부의 다른 것들에도 영향을 받는다. 다만 장치 제조업체가 이를 어느 정도 보상할 수 있다. 실제로는 이러한 센서가 대부분의 일반적인 사용 사례에서 꽤 잘 동작한다.

주변에서 자화된 물체가 움직이지 않는 한, 자력계 판독값은 위에서 언급한 것처럼 중력을 분리하는 데 사용할 만큼 충분히 안정적이다.

자력계는 3축 센서이므로 가장 강한 자기장을 가리키는 3D 벡터를 제공한다. 이는 또한 동작하기 위해 특정 장치 방향을 강제하지 않는다는 뜻이기도 하다.

그러나 장치가 어떻게 잡혀 있는지 알려면 중력 벡터가 필요하다. 이는 최소한 저역 통과 필터링의 경우 가속도계를 필요로 하고, 더 정밀한 판독이 필요하면 추가로 자이로스코프를 필요로 한다. 이를 기울기 보상이라고 한다.

자력계의 가장 일반적인 사용 사례는 센서 퓨전의 일부로, 지구 평면에 고정된 Orientation Sensor를 생성하거나, 기본적으로 그 전자에 위치별 편각 보정을 적용하여 진북을 가리키도록 하는 나침반을 생성하는 것이다.

4. 고수준 센서

위에서 언급했듯이, 각 센서는 노이즈와 드리프트 같은 자체 문제가 있으며, 다른 센서의 입력을 사용한 어떤 종류의 보상이 필요한 경우가 많다. 달리 말하면, 하나의 센서는 그 자체로는 그리 정밀하지 않을 수 있지만, 여러 감각 입력의 합은 훨씬 더 안정적일 수 있다.

안타깝게도 센서는 전력을 필요로 하며, 센서가 많을수록, 측정 주파수가 높을수록 전력 소비가 증가한다. 자이로스코프는 각속도를 측정하기 위해 특정 주파수로 진동해야 하므로 일반적으로 다른 센서보다 전력 소모가 큰 것으로 간주된다.

위와 같은 이유로, 작업을 만족스럽게 해결하는 최소 센서 집합을 고려하는 것은 항상 중요하다. 오늘날 많은 장치가 하드웨어에서 특정 종류의 센서 퓨전을 수행할 수 있으므로, 전력 및 성능 관점에서 이를 사용하는 것이 대개 합리적이다.

4.1. 일반적인 퓨전 센서

아래는 퓨전 센서와 일반적으로 이들을 구성하는 센서 목록이다:

4.2. 저역 및 고역 통과 필터

앞서 언급했듯이, 저역 및 고역 통과 필터를 사용하여 노이즈(고주파 또는 저주파)를 제거할 수 있다. 이름이 나타내듯이, 필터는 낮거나 높은 주파수를 통과시켜 원하지 않는 주파수의 영향을 차단하거나 최소화한다.

4.2.1. 저역 통과 필터

저역 통과 필터를 만드는 일반적인 방법은 최신 값의 일정 비율만 사용하고 나머지는 기존 값에서 가져오는 것이다. 어떤 면에서 이는 필터가 일반적인 값을 기억하므로, 대부분 노이즈의 결과인 흔하지 않은 값을 평활화한다는 뜻이다. 기존 값의 큰 비율을 사용하기 때문에, 이 해법은 실제 이벤트를 등록하는 데 지연을 유발한다.

class LowPassFilterData {
  constructor(reading, bias) {
    Object.assign(this, { x: reading.x, y: reading.y, z: reading.z });
    this.bias = bias;
  }

  update(reading) {
    this.x = this.x * this.bias + reading.x * (1 - this.bias);
    this.y = this.y * this.bias + reading.y * (1 - this.bias);
    this.z = this.z * this.bias + reading.z * (1 - this.bias);
  }
};

const accl = new Accelerometer({ frequency: 20 });
              
// Isolate gravity with low-pass filter.
const filter = new LowPassFilterData(accl, 0.8);

accl.onreading = () => {
  filter.update(accl); // Pass latest values through filter.
  console.log(`Isolated gravity (${filter.x}, ${filter.y}, ${filter.z})`);
}

accl.start();

4.2.2. 고역 통과 필터

고역 통과 필터는 저역 통과 필터처럼 동작하지만, 높은 주파수만 통과하도록 허용한다.

이는 자이로스코프 판독값에서 시간이 지남에 따라 누적되는 드리프트를 제거하는 데 유용할 수 있다.

class HighPassFilterData {
  constructor(reading, cutoffFrequency) {
    Object.assign(this, { x: reading.x, y: reading.y, z: reading.z });
    this.cutoff = cutoffFrequency;
    this.timestamp = reading.timestamp;
  }

  update(reading) {
    let dt = reading.timestamp - this.timestamp / 1000;
    this.timestamp = reading.timestamp;

    for (let i of ["x", "y", "z"]) {
      let alpha = this.cutoff / (this.cutoff + dt);
      this[i] = this[i] + alpha * (reading[i] - this[i]);
    }
  }
};

const gyro = new Gyroscope({ frequency: 20 });
              
// Remove drift with a  high pass filter.
const filter = new HighPassFilterData(gyro, 0.8);

gyro.onreading = () => {
  filter.update(gyro); // Pass latest values through filter.
  console.log(`Steady gyroscope (${filter.x}, ${filter.y}, ${filter.z})`);
}

gyro.start();

4.3. Absolute Orientation Sensor

앞서 언급했듯이, Absolute Orientation Sensor는 자력계의 일반적인 사용 사례 중 하나이며, 지구 평면에 대해 정지된(자기장 벡터와 중력 벡터에 고정된) 방향을 나타내는 센서이다. AbsoluteOrientationSensor 인터페이스는 [ORIENTATION-SENSOR] 명세에 정의되어 있다.

절대 방향 센서는 미로 속 공 퍼즐 같은 게임 컨트롤이나, 디스플레이를 회전시켜 모든 방향을 볼 수 있어야 하는 헤드 마운트 디스플레이에 유용할 수 있다.

절대 방향 센서의 기준 프레임은 정지해 있으므로, 예를 들어 휴대폰에서 운전 게임의 컨트롤러로는 유용하지 않다. 이는 아주 조금 또는 천천히 움직이는 것도 운전 방향에 영향을 주지 않고서는 허용하지 않기 때문이다. (Relative Orientation Sensor 참조).

Absolute Orientation Sensor의 방향 벡터는 다음과 같은 방식으로 계산할 수 있다:

가속도계는 관성 프레임 센서이므로, 장치가 거의 정지해 있고 자유 낙하 중이 아닌 한 중력 벡터는 하늘을 향한다. 또한 지면 평면 위로 자기장 벡터를 투영하기에 충분한 벡터 길이가 있다.

참고, 이는 자기극에서는 실패한다. 자기장 벡터가 중력 벡터와 대체로 반대 방향을 가리키며 일반적으로 매우 신뢰할 수 없기 때문이다.

자기장 벡터와 중력 벡터 사이의 외적을 취하면 ( Gravity Sensor 참조), 오른손 법칙을 사용하여 지면 평면에서 동쪽을 가리키는 벡터를 얻는다.

이제 중력 벡터와 새로 찾은 동쪽 벡터 사이의 외적을 취하면, 결과 벡터는 지구의 자기장을 향한 북쪽 방향을 가리킨다.

아래 그림은 장치가 정지해 있고 y축이 북쪽을 향하는 경우를 나타낸다. 자력계의 판독값은 {x: 0, y: 11, z: -16}이고 가속도계는 {x: 0.11, y: 0.07, z: 9.81} 가속도를 보고한다. uG는 중력을 나타내는 단위 벡터이고, uB는 자기장 벡터를 나타내며, uE = uB × uG이고 동쪽을 가리킨다. uN = uG × uE는 북쪽 방향을 가리킨다.

이는 Absolute Orientation Sensor가 자력계와 가속도계의 퓨전 센서이며, 더 잘 분리된 중력을 위해 잠재적으로 자이로스코프도 포함될 수 있음을 의미한다 (Gravity Sensor 참조).

4.4. Geomagnetic Orientation Sensor

Geomagnetic Orientation Sensor는 Absolute Orientation Sensor와 같지만, 자이로스코프를 사용하지 않으므로 더 적은 전력을 사용한다. 이는 또한 흔들림과 움직임에 더 민감하다는 뜻이기도 하다.

Geomagnetic Orientation Sensor의 주요 사용 사례는 나침반을 만들거나 지도 애플리케이션에서 나침반 방향을 사용하는 것이므로, 사람들이 이러한 사용 사례에서는 보통 장치를 안정적으로 들고 있기 때문에 이는 큰 문제가 아니다.

실제 방위(N, S, E, W)는 현재 지리적 위치에서 계산한 로컬 편각 보상으로 회전 벡터를 조정하여 찾을 수 있다.

이 센서는 걸을 때처럼 더 안정적인 방위를 얻기 위해 가속도계를 사용하므로, 회전 벡터는 (가속도계에서 분리된) 중력 벡터에 수직인 평면에 투영되며, 이는 대체로 지면 평면을 나타낸다. 이는 또한 중력 벡터의 실제 방향에 관심이 있다면 대신 자력계를 직접 사용해야 함을 의미한다.

4.5. Relative Orientation Sensor

대부분의 센서 허브에서는 중력을 자이로스코프를 사용하여 가속도계에서 분리하고, 선형 가속도는 분리된 중력을 가속도계 값에서 제거하여 분리한다.

이는 저역 및 고역 통과 필터가 유발하는 지연을 피한다.

이를 수행하는 한 가지 방법은 칼만 필터 또는 상보 필터를 사용하는 것이며, 이는 Relative Orientation Sensor로 이어진다. 상보 필터는 꽤 좋은 결과를 제공하고 하드웨어에서 구현하기 쉬우므로, 이는 일반적인 해법이다.

4.5.1. 상보 필터

상보 필터는 저역 통과 필터와 고역 통과 필터가 하나로 결합된 것으로 생각할 수 있으며, 자이로스코프 값을 가속도계 값으로 보완한다:

θ_n = α × (θ_n-1 + ω × ∂t) + (1.0 - α) × a

여기서 α는 가중치 상수, a는 가속도계의 가속도, ω는 자이로스코프의 각속도, 그리고 ∂t는 측정 사이의 시간이다.

α의 일반적인 값은 0.98이며, 이는 가중치의 98%가 자이로스코프 측정값에 놓인다는 뜻이다.

const options = { frequency: 50 };

const accl = new Accelerometer(options);
const gyro = new Gyroscope(options);

let timestamp = null;
let alpha = beta = gamma = 0;
const bias = 0.98;

gyro.onreading = () => {
   let dt = timestamp ? (gyro.timestamp - timestamp) / 1000 : 0;
   timestamp = gyro.timestamp;

   // Treat the acceleration vector as an orientation vector by normalizing it.
   // Keep in mind that the if the device is flipped, the vector will just be
   // pointing in the other direction, so we have no way to know from the
   // accelerometer data which way the device is oriented.
   const norm = Math.sqrt(accl.x ** 2 + accl.y ** 2 + accl.z ** 2);

   // As we only can cover half (PI rad) of the full spectrum (2*PI rad) we multiply
   // the unit vector with values from [-1, 1] with PI/2, covering [-PI/2, PI/2].
   const scale = Math.PI / 2;

   alpha = alpha + gyro.z * dt;
   beta = bias * (beta + gyro.x * dt) + (1.0 - bias) * (accl.x * scale / norm);
   gamma = bias * (gamma + gyro.y * dt) + (1.0 - bias) * (accl.y * -scale / norm);

   // Do something with Euler angles (alpha, beta, gamma).
 };

 accl.start();
 gyro.start();

const zeroBias = 0.02;
alpha = (1 - zeroBias) * (alpha + gyro.z * dt);

4.6. Gravity and Linear Acceleration Sensor

위에서 사용한 상보 필터는 중력을 분리하는 데 꽤 좋다. 따라서 대부분의 센서 허브는 자이로스코프를 사용하여 가속도계에서 중력을 분리하고, 선형 가속도는 분리된 중력을 가속도계 값에서 제거하여 분리한다.

이는 또한 대부분의 센서 허브가 노출하는 Linear Acceleration Sensor와 Gravity Sensor가 퓨전 센서일 가능성이 높다는 뜻이기도 하다.

중력은 자력계를 사용하여 선형 가속도 센서에서도 제거할 수 있다. 자기장 벡터가 대체로 안정적이기 때문이다.

LinearAccelerationSensor 인터페이스와 GravitySensor 인터페이스는 [ACCELEROMETER] 명세에 정의되어 있다.

참고, 중력은 움직임의 주파수에 따라 변한다. 즉 자유 낙하에서는 낙하 방향으로 0이므로, 흔들림을 감지하려는 경우 선형 가속도가 상당히 부정확할 수 있음을 염두에 두어야 한다.

4.7. 사용 사례 및 요구 사항

고급 모션 센서 사용 사례에는 정확한 센서 판독값, 하드웨어 센서가 동작하는 높은 샘플링 속도, 그리고 특정 애플리케이션에 적합한 판독 전달 속도에 대한 요구 사항이 있을 수 있다.

모션 센서는 다음과 같은 다양한 고급 사용 사례에 사용할 수 있다:

• 가상 및 증강 현실 HMD 추적 [HMDTRACKING]

• 센서 보조 실내 매핑 및 내비게이션 [INDOORNAV], [IPIN]

• 사진 및 동영상 촬영 안정화 [ROLLSTABILIZER], [VIDEOSTABILIZER]

• 높은 정확도의 판독값과 고주파 샘플링 속도를 요구하는 게임.

• 3D 스캐닝 [3DSCANNING]

• 고급 제스처 인식 [MEMSGESTURES]

• 걸음 수 계산 및 기타 신체 활동 모니터링 [PHYSMON]

모션 센서를 사용하는 게임 또는 UI 애플리케이션의 일반적인 요구 사항은 렌더링되는 프레임마다 새로운 센서 판독값을 가지는 것이다. 이 경우 더 높은 샘플링 속도는 지연 시간을 줄여 사용자 경험을 향상시킨다.

가상 현실 HMD 추적의 경우, 센서는 매우 높은 샘플링 속도 (최대 수 kHz)로 동작할 수 있으며, 75-120Hz의 새로 고침 속도에서 렌더링되는 모든 프레임에 최신 센서 판독값을 제공하여 motion-to-photon 지연 시간을 최소화할 수 있다.

실내 내비게이션 또는 비실시간 동영상(이미지) 안정화 애플리케이션은 높은 샘플링 속도(80-100Hz)에서 고정확도 센서 판독값을 수집함으로써 데이터 처리 알고리즘이 정확한 결과를 제공하기에 충분한 샘플을 갖게 되어 이점을 얻을 수 있다.