로봇 장착형 근접센서 시스템

Robot-Mounted
Proximity Sensing
System

모듈형 하드웨어 · 신호 처리 · 거리 융합

정전용량 센서와 ToF 센서를 하나의 센서 모듈에 통합했습니다. 로봇별 지지부만 교체해 동일한 센서 구조를 Indy7, UR10, RB10에 적용하고, 모듈형 하드웨어부터 신호 안정화, 비선형 거리 보정, 불확실성 기반 센서 융합까지 하나의 로봇 장착형 센서 시스템으로 구성했습니다.

센서 모듈, 커넥터 조립체, 로봇별 지지부로 구성된 근접센서 시스템의 분해도 — 분리형 센서·커넥터 모듈 교체 가능한 로봇별 지지부

모듈형 하드웨어

모듈형 하드웨어 설계

PCB · 센싱 구조 · 장착 구조

정전용량 센서, ToF, MCU, 전원 및 장착 기능을 유지보수 가능한 모듈로 분리했습니다. 이를 통해 전체 센서 시스템을 다시 설계하지 않고도 개별 구성요소를 조립·교체하거나 다른 로봇에 맞게 변경할 수 있도록 했습니다.

01—1

전기적 구성

PCB 및 임베디드 전자회로

정전용량 측정, 중앙 ToF 인터페이스, MCU 기반 데이터 수집, 전원 변환, CAN 통신을 각각의 기능 블록으로 구성했습니다.

Implementation Evidence

보드 구현 상세

썸네일을 누르면 원본 PDF가 열립니다

Capacitive sensing

ADC 센싱 회로

FDC2214 정전용량 측정 · 전원 · Active Shield

FDC2214 정전용량 측정과 Active Shield를 포함한 ADC 회로도 — Schematic센싱 및 신호 조절 회로

센싱 전극과 회로부가 배치된 ADC PCB artwork — PCB Artwork센싱 전극과 회로부 배치

Direct ranging

ToF 인터페이스

VL53L1CX 거리 측정 · I2C 인터페이스

VL53L1CX ToF 센서와 I2C 연결을 나타낸 회로도 — SchematicToF 거리 입력 회로

ToF 센서와 I2C 배선이 배치된 PCB artwork — PCB ArtworkToF 센서 및 배선 배치

Embedded control

MCU 및 전원 회로

데이터 수집 · 전원 변환 · CAN 통신

MCU, 전원 변환, CAN 통신과 인터페이스를 포함한 회로도 — Schematic제어·전원·통신 회로

MCU, 전원 및 통신 회로가 배치된 PCB artwork — PCB Artwork제어·전원·통신 보드 배치

Board Specifications

보드별 핵심 사양

Implemented Hardware

Board	Main IC	PCB	Interface	Implementation
Capacitive Sensor	FDC2214	2 Layer	I²C	Single-ended electrode · Active Shield
ToF Sensor	VL53L1CX	2 Layer	I²C	중앙 센서 배치 · 직접 거리 입력
MCU / Power	STM32F722RET	4 Layer	I²C · CAN	100 Hz · 12 V → 5 V → 3.3 V

System Architecture

센서 보드 연결 구조

2 Sensor Inputs

01—2

센싱 구성

근접센서 구조

적층 구조를 통해 정전용량 센싱 영역을 전방으로 형성하면서, 동일한 센싱 면의 ToF 센서가 명확한 시야각을 확보하도록 구성했습니다.

전방 지향 정전용량 전기장과 중앙 ToF 시야각을 보여주는 센서 단면 — 전방 지향 정전용량 전기장 · 중앙 ToF 시야각 · 센서 적층 구조

01—3

기구 인터페이스

모듈형 장착 구조

센서 조립체와 커넥터·장착 조립체를 분리했습니다. 센서 모듈은 그대로 유지하고, 교체 가능한 지지부만 각 로봇 링크 형상에 맞게 변경했습니다.

센서 모듈과 교체 가능한 커넥터 조립체의 분해도 — 모듈형 센서–커넥터 구조

다종 로봇 적용

하나의 센서 구조,
세 종류의 로봇

Indy7, UR10, RB10에 동일한 센서 모듈을 사용하고, 서로 다른 링크 형상과 치수에 맞춰 로봇별 지지부와 체결 구조만 변경했습니다.

세 종류의 로봇에 적용해 모듈형 구조의 목적을 확인했습니다. 센서 모듈은 유지하고 로봇별 장착 인터페이스만 변경했습니다.

신호 처리 및 융합

데이터 처리
프레임워크

필터링 · 거리 보정 · 센서 융합

온도 영향 보상과 Adaptive EMA로 정전용량 응답을 안정화하고, 비선형 보정을 통해 거리로 변환했습니다. 이후 거리 구간에 따른 각 센서의 불확실성을 반영해 정전용량 거리와 ToF 측정값을 융합했습니다.

온도 영향 보상

Twin circuit으로 환경 변화 성분 제거

변동성 98.83% 개선

Adaptive EMA

신호 변화량에 따른 적응형 평활

Noise STD 61% ↓

불확실성 기반 융합

정전용량–ToF 거리의 가중 결합

전체 구간 96.77%

LIVE SENSOR OUTPUT

실시간 센서 출력 확인

물체 접근에 따른 정전용량 raw 응답과 변환된 거리값을 실시간 대시보드에서 함께 확인했습니다.

01 · Experiment

실제 센서 실험 센서 접근과 측정 환경

02 · Dashboard Detail

Raw 응답 → 거리 출력 실시간 raw 추이 · 거리 추이 · raw–거리 응답

02—1

온도 영향 보상 결과

온도 변화에 따른 신호 보상

환경 변화만 감지하는 Twin LC 회로를 기준으로 센싱 신호의 온도 영향을 보상했습니다.

Twin circuit과 선형 회귀를 이용해 정전용량 신호의 온도 영향을 보상하는 과정 — 비접근 구간의 센싱·보상 채널 관계를 추정하고, 센싱 신호에서 환경 변화 성분을 제거했습니다.

온도 변화에 따른 센싱 전극과 보상 전극의 정전용량 응답, 보상 신호 및 회귀 계수 변화 — 원신호는 온도에 따라 변했지만 보상 신호는 기준선 부근을 유지했으며, 하단에는 갱신된 회귀계수를 표시했습니다.

Key result Raw data 대비 변동성 98.83% 개선

온도 변화에 따른 정전용량 신호의 변동을 억제해 기준선 부근의 안정적인 출력을 유지했습니다.

02—2

정전용량 신호 안정화

Adaptive EMA Filter

신호 변화량에 따라 평활 계수 α를 조절해 안정 구간의 노이즈를 줄이면서, 물체가 접근하는 구간의 거리 변화는 빠르게 추종했습니다.

01 필터 적용 전후 비교

Adaptive EMA를 적용한 정전용량 거리 출력 — Adaptive EMA 적용

정량 성능 비교

Noise STD 10.51 mm 4.12 mm 61% ↓

RMSE 22.54 mm 10.81 mm 52% ↓

Key result 노이즈 61% 감소

안정 구간의 출력 변동을 줄이면서 접근 구간의 빠른 거리 변화는 유지했습니다.

02—3

센서 융합 설계 및 결과

불확실성 기반 거리 융합

실시간 보정된 정전용량 거리에 1차 Taylor 근사를 적용해 거리 불확실성을 추정하고, 두 센서의 시야가 겹치는 영역에서 ToF 측정값과 Gaussian 분포로 결합했습니다.

온도 영향 보상과 Adaptive EMA부터 실시간 거리 보정, 불확실성 모델링, Gaussian 기반 정전용량–ToF 융합까지의 전체 프레임워크 — 정전용량 거리의 불확실성을 추정하고, Gaussian 기반 가중 결합으로 ToF 측정값과 하나의 거리 출력으로 통합했습니다.

02 거리 구간별 융합 결과

0에서 300 mm까지의 기준 거리, 정전용량 거리, ToF 거리와 융합 거리 출력 — 전체 구간 · 0–300 mm

200에서 300 mm 원거리 구간의 센서 융합 결과 — 원거리 · 200–300 mm

100에서 200 mm 중거리 구간의 센서 융합 결과 — 중거리 · 100–200 mm

0에서 100 mm 근거리 구간의 센서 융합 결과 — 근거리 · 0–100 mm

03 정량 성능 비교

정전용량 거리 89.96% 96.13% 98.82% 95.93%

ToF 거리 98.78% 98.22% 89.10% 96.63%

융합 거리 98.76% 98.87% 96.45% 96.77%

Next project Self-Detection Compensation →

Robot-MountedProximity SensingSystem

Robot-Mounted
Proximity Sensing
System