네 말이 옳다

#4 SITL 환경에서 ROS Camera Topic을 이용해 Aruco Marker 검출하기

네 말이 옳다 — Sun, 24 May 2026 23:30:02 +0900

Aruco Marker는 검은색 테두리와 내부 이진 행렬로 구성된 정사각형 마커입니다.
로봇분야에서 많이 사용되며 다양한 크기로 QR코드 같은 패턴이 있어 각각의 패턴엔 ID가 할당되어 식별될 수 있습니다.

Aruco Marker

이 Aruco Marker를 이용해 카메라의 위치를 추적하고, 물체의 위치를 추적할 수 있습니다.
이번엔, PX4 Gazebo-Classic 환경에서 Aruco Marker를 추가하고, 인식해 보도록 하겠습니다.

환경
Ubuntu 20.04
ROS1 noetic
PX4 1.15.0
ros-noetic-mavros 1.20.1

1. PX4 시뮬레이션 환경에 Aruco Marker를 추가하기

cd ~/PX4-Autopilot

source /opt/ros/noetic/setup.bash
source Tools/simulation/gazebo-classic/setup_gazebo.bash $(pwd) $(pwd)/build/px4_sitl_default
export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:$(pwd)
export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:$(pwd)/Tools/simulation/gazebo-classic/sitl_gazebo-classic

roslaunch px4 posix_sitl.launch \
  vehicle:=iris_downward_depth_camera \
  world:=$(pwd)/Tools/simulation/gazebo-classic/sitl_gazebo-classic/worlds/iris_irlock.world

PX4는 ROS Gazebo시뮬레이션을 지원합니다.
또한 World와 Model을 선택하여 실행할 수 있습니다.
이번에는 iris_downward_depth_camera를 사용하겠습니다.
Gazebo Classic 시뮬레이션에 iris_irlock.world에는 id0의 4x4 Aruco Marker가 0.0에 위치해 있습니다.

"#0 PX4 개발환경 구성"에서 UDP로 카메라 스트리밍을 해본 typhoon_h480 모델과는 다르게
iris_downward는 rostopic의 형태로 카메라가 스트리밍 됩니다.
그래서 시뮬레이션 할 때는 roslaunch를 이용해 모델을 열어야지 정상적으로 Camera Topic이 발행됩니다.

2. Camera Topic을 이용해 Aruco Marker 검출

#!/usr/bin/env python3
import cv2
import rospy
from cv_bridge import CvBridge, CvBridgeError
from sensor_msgs.msg import Image


class ArucoViewerNode:
    def __init__(self):
        self.bridge = CvBridge()

        self.image_topic = rospy.get_param("~image_topic", "/camera/rgb/image_raw")
        self.dictionary_name = rospy.get_param("~dictionary", "DICT_4X4_50")

        self.dictionary = self._load_dictionary(self.dictionary_name)
        self.parameters = cv2.aruco.DetectorParameters_create()

        self.image_sub = rospy.Subscriber(
            self.image_topic,
            Image,
            self.image_callback,
            queue_size=1,
            buff_size=2**24
        )

        rospy.loginfo("ArUco viewer subscribed to %s", self.image_topic)

    def _load_dictionary(self, name):
        if not hasattr(cv2, "aruco"):
            raise RuntimeError("cv2.aruco is not available")

        dictionary_id = getattr(cv2.aruco, name)
        return cv2.aruco.getPredefinedDictionary(dictionary_id)

    def image_callback(self, msg):
        try:
            frame = self.bridge.imgmsg_to_cv2(msg, desired_encoding="bgr8")
        except CvBridgeError as exc:
            rospy.logwarn("cv_bridge conversion failed: %s", exc)
            return

        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

        corners, ids, rejected = cv2.aruco.detectMarkers(
            gray,
            self.dictionary,
            parameters=self.parameters
        )

        if ids is not None:
            cv2.aruco.drawDetectedMarkers(frame, corners, ids)

        cv2.imshow("ArUco Marker Detection", frame)
        cv2.waitKey(1)


def main():
    rospy.init_node("aruco_viewer")
    ArucoViewerNode()
    rospy.spin()
    cv2.destroyAllWindows()


if __name__ == "__main__":
    main()

대략적인 프로세스는
Camera Image Topic 수신 ->
OpenCV를 이용해 이미지 변환 ->
흑백변환 ->
Aruco Marker 검출
입니다.

정상적으로 Marker가 인식되는 모습을 확인할 수 있습니다.

#3 uXRCE-DDS와 ROS2를 활용한 드론 경로 가시화

네 말이 옳다 — Sun, 10 May 2026 09:00:19 +0900

이전 게시글에서는 MAVlink Router를 이용해 Endpoint에서 MAVlink 데이터를 주고받는 방법에 대해 알아봤습니다.
이번에는, MAVlink 데이터를 ROS 토픽처럼 볼 수 있는 uXRCE-DDS에 대해 알아보고 드론의 MAVlink 데이터를 ROS2 토픽으로 변환해 이를 Rviz로 가시화해보겠습니다.

환경
Ubuntu 20.04
ROS2 Foxy
PX4 1.15.0
uXRCE-DDS 2.4.3
px4_msgs 1.15

1. uXRCE-DDS

PX4는 MAVlink 데이터를 통해 드론의 상태를 알릴 수 있고, 명령과 제어가 가능합니다.
가만히 살펴보면, MAVlink의 데이터 통신 방식은 ROS에서 데이터 통신방식과 개념이 비슷합니다.

MAVlink uORB 메시지를 마치 ROS의 Topic처럼 Publish 하고 Subscribe 할 수 있도록 하는 프로토콜이 uXRCE-DDS입니다.

Client는 기본적으로 PX4 펌웨어에 포함되어 있으므로 Agent를 실행하여 Topic처럼 볼 수 있습니다.

설치

git clone -b v2.4.3 https://github.com/eProsima/Micro-XRCE-DDS-Agent.git
cd Micro-XRCE-DDS-Agent
mkdir build
cd build
cmake ..
make
sudo make install
sudo ldconfig /usr/local/lib/

설치가 완료되면, Gazebo와 XRCE-DDS를 실행해 ROS2 Topic이 발행되는 모습을 확인해 봅시다.

#터미널 1
MicroXRCEAgent udp4 -p 8888

#터미널2
cd ~/PX4-Autopilot
make px4_sitl gazebo-classic

#터미널3
ros2 topic list

fmu/in
fmu/out으로 ROS2 Topic이 발행되고 있는 모습을 확인할 수 있습니다.

2. ROS2를 활용한 드론 경로 가시화

간단하게, ROS2 토픽으로 변환된 MAVlink 데이터를 Subscribe 하고 데이터를 가공해 드론의 경로를 가시화해봅시다.

PX4에 ROS2를 이용하려면 메시지 정의가 이루어져야 합니다.
ROS2 노드와 PX4 구성요소들을 연결하기 위해서 px4_msgs를 사용합니다.

#ros2 workspace 생성
mkdir ros_workspace
cd ros_workspace

#px4_msgs v1.15 소스코드 가져오기 
git clone https://github.com/PX4/px4_msgs.git
cd px4_msgs
git checkout release/1.15
cd ..

#의존성 설치 및 빌드
rosdep update
rosdep install --from-paths src --ignore-src -y
colcon build --packages-select px4_msgs --symlink-install

#이후 환경 설정 로드
source install/setup.bash

cd ~/ros_workspace/src

#패키지 생성
ros2 pkg create --build-type ament_python drone_viz_pkg --dependencies rclpy px4_msgs geometry_msgs nav_msgs
cd ~/ros_workspace/src/drone_viz_pkg/drone_viz_pkg/
nano trajectory_node.py

이후 프로그램을 작성합니다.

이때, px4는 NED좌표계를 사용하고, Rviz는 ENU좌표계를 사용하므로 드론의 위치를 적절히 변환하여 입력하도록 합니다.

import rclpy
from rclpy.node import Node
from rclpy.qos import QoSProfile, ReliabilityPolicy, HistoryPolicy, DurabilityPolicy
from px4_msgs.msg import VehicleLocalPosition
from geometry_msgs.msg import PoseStamped
from nav_msgs.msg import Path

class DroneTrajectoryVisualizer(Node):
    def __init__(self):
        super().__init__('drone_trajectory_visualizer')

        qos_profile = QoSProfile(
            reliability=ReliabilityPolicy.BEST_EFFORT,
            durability=DurabilityPolicy.TRANSIENT_LOCAL,
            history=HistoryPolicy.KEEP_LAST,
            depth=1
        )

        self.subscription = self.create_subscription(
            VehicleLocalPosition,
            '/fmu/out/vehicle_local_position',
            self.position_callback,
            qos_profile)

        self.pose_pub = self.create_publisher(PoseStamped, '/drone_pose', 10)
        self.path_pub = self.create_publisher(Path, '/drone_path', 10)
        self.path_msg = Path()

    def position_callback(self, msg):
        self.get_logger().info(f"Received: x={msg.x:.2f}, y={msg.y:.2f}")

        pose_msg = PoseStamped()
        pose_msg.header.stamp = self.get_clock().now().to_msg()
        pose_msg.header.frame_id = "map"
        
        pose_msg.pose.position.x = msg.y
        pose_msg.pose.position.y = msg.x
        pose_msg.pose.position.z = -msg.z
        pose_msg.pose.orientation.w = 1.0

        self.pose_pub.publish(pose_msg)
        self.path_msg.header = pose_msg.header
        self.path_msg.poses.append(pose_msg)
        self.path_pub.publish(self.path_msg)

def main(args=None):
    rclpy.init(args=args)
    node = DroneTrajectoryVisualizer()
    rclpy.spin(node)
    node.destroy_node()
    rclpy.shutdown()

#실행 권환 부여
chmod +x trajectory_node.py

이후 setup.py를 수정합니다.

#~/ros_workspace/src/drone_viz_pkg/setup.py
entry_points={
        'console_scripts': [
            'trajectory_node = drone_viz_pkg.trajectory_node:main'
        ],
    },

워크스페이스로 이동해 빌드합니다.

cd ~/ros_workspace
colcon build --packages-select drone_viz_pkg --symlink-install
source install/setup.bash

정상적으로 빌드가 됐다면,
실행해 봅시다.

#터미널1
ros2 run drone_viz_pkg trajectory_node

#터미널2
MicroXRCEAgent udp4 -p 8888

#터미널3
cd ~/PX4-Autopilot
make px4_sitl gazebo-classic

#터미널4
rviz2

저는 이쪽에 QGC를 띄워 조이스틱을 이용해 드론을 조작해 봤습니다.

정상적으로 rviz에서 드론의 경로와 자세가 가시화되는 모습을 확인할 수 있습니다.

#1 dq 변환

네 말이 옳다 — Sat, 9 May 2026 19:01:15 +0900

3상 모터는 시변계수가 포함되어 있어 모델링과 제어기 설계가 쉽지 않습니다.
하지만, dq변환을 사용하면 전동기에 포함된 다양한 성분들의 시변계수를 제거할 수 있어 제어기 설계가 용이해집니다.

이번에는 3상 모터 제어기 설계에 사용되는 dq변환에 대해서 알아보겠습니다.

1. 정지좌표계 변환

dq변환의 가장 큰 목적은 "교류의 파형을 직류처럼 해석"하는 것입니다.
그래서 abc 좌표계의 변수를 각속도 $\omega$로 회전하는 회전좌표계의 $d^\omega - q^\omega$ 변수로 변환해 주는 것이 목적입니다.

$\omega$의 속도로 회전하는 좌표계에 $\omega$의 속도로 움직이는 교류파형을 올려놓으면 직류처럼 보인다고 생각하시면 됩니다.

DQ변환은 기본적으로 2번에 걸쳐서 진행됩니다.

정지좌표계 ($\alpha, \beta$) 변환
회전좌표계 ($d, q$) 변환

정지좌표계는 변환행렬 $T(\theta)$의 각도가 0인 상태를 의미합니다.

$$
T(\theta) = \frac{2}{3}
\begin{bmatrix}
\cos\theta & \cos\left(\theta - \frac{2\pi}{3}\right) & \cos\left(\theta - \frac{4\pi}{3}\right)
\\
-\sin\theta & -\sin\left(\theta - \frac{2\pi}{3}\right) & -\sin\left(\theta - \frac{4\pi}{3}\right)
\\
\frac{1}{2} & \frac{1}{2} & \frac{1}{2}
\end{bmatrix}
$$

$\theta = 0$을 대입하면

$$
T(0) = \frac{2}{3}
\begin{bmatrix}
1 & -\frac{1}{2} & -\frac{1}{2} \\
0 & \frac{\sqrt{3}}{2} & -\frac{\sqrt{3}}{2} \\
\frac{1}{2} & \frac{1}{2} & \frac{1}{2}
\end{bmatrix}
$$
이 되고, 여기에 abc상을 곱하여 정지좌표계 $\alpha, \beta$으로 변환할 수 있습니다.

$\alpha,\beta$ 로의 변환에서 2/3을 곱하는 이유는 변환 과정에서 abc상과의 크기를 동일하게 하기 위해서 사용됩니다.

$$
T(0) f_{abc} = f_{\alpha,\beta,o}
$$

이를 시각화 한다면 다음과 같습니다.

실제로 코드를 작성하고, 설계를 진행할 때는 A,B,C상 3개를 센싱하지 않습니다.
상 3개는 평형이기 때문에
$
V_a + V_b + V_c = 0
$
이므로
$V_c = -V_a - V_c$
로 표현할 수 있기 때문에 2개의 센서만 사용합니다.

2. 회전좌표계 변환

정지좌표계를 $\omega$의 속도로 회전시키면 회전좌표계로 변환이 가능합니다.

$$
\begin{bmatrix}
V_d \\
V_q \\
V_n
\end{bmatrix}
=
\begin{bmatrix}
\cos\theta & \sin\theta & 0 \\
-\sin\theta & \cos\theta & 0 \\
0 &0 & 1
\end{bmatrix}
\begin{bmatrix}
V_\alpha \\
V_\beta \\
V_n
\end{bmatrix}
$$
이를 시각화하면,

dq 좌표계에서 관측하면 $\alpha-\beta$ 평면에서 회전하던 벡터가 정지하게 되어, $V_d$는 일정한 값(DC)으로 나타나고 $V_q$는 0에 가까운 값이 됩니다.

#1 ROS Sensor Topic

네 말이 옳다 — Sat, 2 May 2026 01:49:07 +0900

Ros는 기능을 Node로 나누고,
Node끼리는 Topic을 통해 데이터를 주고 받을 수 있습니다.

배터리 노드 : 배터리의 전압, 전류, 용량등
모터 제어 노드 : 속도 및 위치등을 제어

가 있고, 배터리 전압에 따른 비상정지 기능을 구현한다면

배터리 노드는 지속적으로 자신의 전압과 전류 데이터Topic을 Publish합니다.
모터 제어 노드는 전압과 전류 데이터Topic을 Subscribe해서 모터를 제어하는 방식이죠.

이번에는 ROS1에서 카메라 Sensor 데이터를 발행해보고 Rviz를 통해 가시화 된 데이터를 확인해보겠습니다.

환경
Jetson Orin Ubuntu 20.04
ROS1 noetic

1. 카메라 테스트

카메라는 다른 컴퓨터(192.168.0.21)에 장착되어 있습니다.
카메라(CSI MIPI)가 정상적으로 인식된 상태인지 확인합니다.

ls /dev/video*

SSH로 원격으로 접속한 상태이기 때문에 GUI를 활용해 Video가 정상 작동되는지 확인할 수 없습니다.
Gstreamer를 이용해 5600번 Port로 영상을 송출하여 정상 작동하는지 확인하겠습니다.

gst-launch-1.0 -v \
nvarguscamerasrc ! \
'video/x-raw(memory:NVMM),width=1280,height=720,framerate=30/1' ! \
nvvidconv ! \
nvv4l2h264enc bitrate=2000000 insert-sps-pps=true ! \
h264parse ! \
mpegtsmux ! \
udpsink host=192.168.0.3 port=5600 #192.168.0.3은 HOST PC

이후 VLC에서

udp://@:5600

2. Sensor Topic Publish

카메라 센서는 192.168.0.21에 부착되어 있다고 하였습니다.
192.168.0.21에서 Topic을 Publish 하도록 하겠습니다.

#192.168.0.21에서 수행
#터미널 1
source /opt/ros/noetic/setup.bash
roscore

아래의 파일을 작성하고 실행합니다.

#!/usr/bin/env python3
import os
os.environ["ROS_MASTER_URI"] = "http://192.168.0.21:11311"
os.environ["ROS_IP"] = "192.168.0.21"

import cv2
import rospy
from sensor_msgs.msg import Image
from cv_bridge import CvBridge

pipeline = (
    "nvarguscamerasrc ! "
    "video/x-raw(memory:NVMM),width=1280,height=720,framerate=30/1 ! "
    "nvvidconv ! "
    "video/x-raw,format=BGRx ! "
    "videoconvert ! "
    "video/x-raw,format=BGR ! "
    "appsink drop=true max-buffers=1 sync=false"
)

def main():
    rospy.init_node("camera_pub")
    pub = rospy.Publisher("/camera/image_raw", Image, queue_size=1)
    bridge = CvBridge()

    cap = cv2.VideoCapture(pipeline, cv2.CAP_GSTREAMER)

    if not cap.isOpened():
        rospy.logerr("Failed to open camera with GStreamer pipeline")
        return

    rate = rospy.Rate(30)

    while not rospy.is_shutdown():
        ret, frame = cap.read()
        if not ret:
            rospy.logwarn("Failed to read frame from camera")
            rate.sleep()
            continue

        msg = bridge.cv2_to_imgmsg(frame, encoding="bgr8")
        msg.header.stamp = rospy.Time.now()
        msg.header.frame_id = "camera"
        pub.publish(msg)

        rate.sleep()

    cap.release()

if __name__ == "__main__":
    main()

3. Sensor Topic Subscribe

192.168.0.21에서 Publish한 Topic을 Subscribe하고 이를 Rviz로 가시화해보겠습니다.

#192.168.0.3에서 수행
nano ~/.bashrc

이후 하단에

export ROS_MASTER_URI=http://192.168.0.21:11311
export ROS_IP=192.168.0.3

을 추가하고 저장합니다.

source ~/.bashrc
source /opt/ros/noetic/setup.bash
rviz

정상적으로 영상이 출력되는 모습을 확인할 수 있습니다.

#2 MAVlink Router

네 말이 옳다 — Fri, 1 May 2026 09:17:57 +0900

이전 게시글에서는 MAVSDK를 사용하는 방법에 대해서 설명하였습니다.
이번에는, MAVlink Router를 이용해서 Endpoint에서 MAVlink 데이터를 수신하는 방법에 대해서 설명하겠습니다.

1. 왜 MAVlink Router를 사용하는가?

FC를 Offboard 모드로 사용하기 위해선 Jetson, Raspberry pi등의 Companion Computer가 필요합니다.
그러면, "PC에서 드론의 상태를 어떻게 볼 것이고, Companion Computer를 어떻게 접속할까?" 에 대해 생각해 볼 필요가 있습니다.

PC(QGC)에서 드론(PX4)으로 접속하기 위해선 드론이 현재 상태(Mavlink Data)를 PC의 특정 포트로 보내주어야 합니다.
PC에서 Companion Computer에 접속하여 Offboard 명령을 주기 위해서는 SSH등으로 Companion Computer에 접속하여야 합니다.

그러면, PC <-> 드론
PC <-> Companion Computer
2개의 통신 링크가 필요합니다.

하지만
Drone <-> Companion Computer <-> PC
와 같이 구성하고 Companion Computer가 PC와 드론의 중간다리 역할을 해준다면 시스템이 매우 간단해집니다.

그 중간다리 역할을 해주는 것이 MAVlink Router입니다.

2. 드론의 통신 시스템

MAVlink Router를 사용한 드론의 통신 시스템을 그림으로 간단히 설명해보자면 다음과 같이 표현될 수 있습니다.

그러면, PC에서 Drone의 MAVlink Data를 받아오기 위해서 Companion Computer가 Bridge역할을 해줘야 합니다.
UART로 입 출력 되는 MAVlink 데이터를 PC로 전달해주어야 정상적으로 PC에서 드론의 상태를 볼 수 있습니다.

MAVlink Router를 이용하면 각 Endpoint간에 통신 프로토콜을 선택해 MAVlink 데이터를 주고 받게 할 수 있습니다.

3. MAVlink Router SETUP

설치는 Companion Computer에서 진행합니다.

git clone https://github.com/mavlink-router/mavlink-router.git
cd mavlink-router
git submodule update --init --recursive

제가 사용하는 Companion Computer는 apt 로 meson을 설치하면 0.53으로 설치되어 그 이상의 버전을 다운받기 위해서는 직접 바이너리를 다운 받고 적용해주어야 했습니다.

mkdir meson
cd meson
wget https://github.com/mesonbuild/meson/releases/download/0.64.1/meson-0.64.1.tar.gz
tar -xzf meson-0.64.1.tar.gz

export MESON_PATH=~/meson
cp meson.py meson
chmod +x meson
sudo ln -s $MESON_PATH/meson /usr/bin/meson
echo 'export PATH=$PATH:$MESON_PATH' >> ~/.bashrc
source ~/.bashrc

이후 meson과 ninja를 이용해 Build후 install합니다.

meson setup build .
ninja -C build
sudo ninja -C build install

conf파일을 생성합니다.

nano test.conf

[UartEndpoint Telemetry_Drone1]
Device = /dev/ttyTHS0
Baud = 921600

[UdpEndpoint qgc_pc]
Mode = Normal
Address = 192.168.0.1
Port = 14540

여기서 Device는 Companion에 연결된 UART port를 선택하면 됩니다.

mavlink-routerd -c test.conf

해당 커맨드를 이용해 mavlink router를 작동시킵니다.

이와 같은 과정으로 PC와 Drone을 연결할 수 있습니다.

# 0 Docker를 활용한 ROS1 개발환경 구축

네 말이 옳다 — Sun, 26 Apr 2026 23:17:39 +0900

Docker를 이용해 PC의 구성 환경을 분리할 수 있습니다.

Ubuntu 20.04에서 가상환경을 이용해 ROS1 개발환경을 구축하고 ROS2와 동시에 설치될 수 있도록 하겠습니다.

1. Docker설치

PC에서 ROS1과 2를 구동하기 위해서는 Docker를 사용해 환경을 분리해야 합니다.
두개를 동시에 설치하면 의존성 문제로 충돌할 가능성이 있기 때문이죠.

먼저 Docker를 설치하겠습니다.

sudo apt-get update
sudo apt install ca-certificates curl
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc

echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu \
  $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
  sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
  
sudo apt install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-pluginsudo apt install -y docker-ce dsudo apt install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-pluginocker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

2. ROS1 설치

Rviz 및 GUI가 포함된 ROS1을 설치해야하기 때문에 desktop/full 을 설치하겠습니다.

docker pull osrf/ros:noetic-desktop-full

3. Docker 실행

호스트의 X서버가 컨테이너와 통신할 수 있도록 허용하기 위해 X11 forwarding을 활성화 합니다.

xhost +local:docker

docker를 실행합니다.

sudo docker run -dit \
  --name ros1 \
  --network host \
  --privileged \
  -v=/dev:/dev \
  --device /dev/dri \
  -e DISPLAY=$DISPLAY \
  -e LIBGL_ALWAYS_SOFTWARE=1 \
  -v /tmp/.X11-unix:/tmp/.X11-unix:rw \
  -v ~/catkin_ws:/root/catkin_ws \
  osrf/ros:noetic-desktop-full \
  bash

명령어를 하나하나 살펴본다면

-dit : 백그라운드 실행으로 Container에서 터미널 명령을 사용할 수 있게 하는 옵션
--name ros1 : Container의 이름을 ros1으로 설정
--network host : Host의 네트워크를 그대로 사용
--privileged: Container에서 시스템의 주요 자원에 접근
-v= /dev:/dev : /dev 폴더가 Host의 /dev 폴더에 연결
--device /dev/dri : 그래픽 관련 장치 사용
-e DISPLAY=$DISPLAY \ : Host에 GUI를 출력하도록 함
-v /tmp/.X11-unix:/tmp/.X11-unix:rw : Host에 GUI를 출력하도록 함
-v ~/catkin_ws:/root/catkin_ws : Host의 ~/catkin_ws 폴더를 컨테이너 /root/catkin_ws 와 연결
osrf/ros:noetic-desktop-full : 사용할 이미지 이름

이후에 어떻게 사용할지에 따라서 유연하게 변경하도록 하겠습니다.

4. Rviz로 가시화

Rviz에서 정상적으로 토픽이 발행되는지 확인합니다.

#터미널 1번
sudo docker exec -it ros1 bash
source /opt/ros/noetic/setup.bash
roscore

#터미널 2번
sudo docker exec -it ros1 bash
source /opt/ros/noetic/setup.bash
rviz

#터미널 3번
sudo docker exec -it ros1 bash
source /opt/ros/noetic/setup.bash

rostopic pub /visualization_marker visualization_msgs/Marker "header:
  frame_id: 'map'
ns: 'test'
id: 0
type: 2
action: 0
pose:
  position: {x: 1.0, y: 0.0, z: 0.0}
  orientation: {x: 0.0, y: 0.0, z: 0.0, w: 1.0}
scale: {x: 0.2, y: 0.2, z: 0.2}
color: {a: 1.0, r: 0.0, g: 1.0, b: 0.0}" -r 10

정상적으로 토픽이 가시화 되는 것을 확인 할 수 있습니다.

5. Serial 통신 확인

Serial 통신이 재대로 되는지도 확인해보겠습니다.
테스트용으로 사용하고 있는 Cube orange+를 usb로 연결하겠습니다.

ls /dev/tty*

가상환경 내에서 /dev/ttyACM0가 정상적으로 인식되는 것을 확인 할 수 있습니다

#4 인버터 구동 - 인버터 제작의 실질적 애로사항

네 말이 옳다 — Sat, 25 Apr 2026 17:11:37 +0900

이전 게시글에서 Ti의 MCU를 이용해 SPWM을 발생하기 까지의 과정에 대해서 설명했습니다.
이번에는 인버터를 제작할 때 이론과 실제적용의 차이점에 대해서 설명하도록 하겠습니다.

1. How To Control Gate-Source Surge Voltage

가장 신경썻던 부분은 MOSFET의 게이트-소스 양단의 서지전압을 어떻게 컨트롤 할 것인가에 대해서입니다.

Gate - Source surge voltage를 +26V에서 -4V 사이에서 제어하라고 추천하고 있습니다.
만약 이를 초과하는 전압을 인가했을 시에는 FET가 소손될수 있습니다.
그 외에도 나중에 설명하겠지만, Gate-Source Surge Voltage는 인버터 손실의 원인이 되므로 제거하는 것이 바람직합니다

게이트 소스 서지전압은 대부분 인덕턴스에 의해 발생합니다.
$V= L\frac{di}{dt}$이므로 전류의 변화에 따라서 전압이 발생하고 이는 서지 전압으로 이어집니다.

그러면 서지 전압을 줄이기 위해서는 2개의 변수를 제어하면 됩니다.

전류의 변화량
인덕턴스

전류의 변화량은 컨트롤 하기 힘듭니다.
부하가 늘어나면 전류의 변화량도 커지고, 스위칭 속도가 빠르면 빠를 수록 전류의 변화량은 증가합니다.
그러므로 서지 전압을 최소화하기 위해서는 회로 내의 인덕턴스를 낮추어야 합니다.

인덕턴스는 다음 조건에서 상승합니다.

전선이 길어질 수록
전선이 얇을 수록
회로 내의 루프가 클 수록

1,2번의 이유로 PCB를 제작할 때 최대한 짧은 전선의 배치가 필요합니다.
최대한 전선을 짧게 배치하고 정격에 맞는 배선굵기를 선택하는 것이 좋습니다.
3번의 이유로 인버터의 소자는 THM 타입이 아닌 SMD타입의 사용이 필수적입니다. 또한 같은 이유로 완성품은 브레드보드 또는 만능기판에 납땜으로 마무리 하는 것이 아닌, PCB를 제작해서 회로를 구성하는 것이 바람직합니다.

2-1. Surge Voltage Control - PCB, 만능기판의 차이점

만능기판에 회로를 구성하고 동작한 모습

PCB(THM)에 회로를 구성하고 동작한 모습

위의 사진은 만능기판을 사용한 스위칭 회로와 PCB를 사용한 스위칭 회로의 서지전압 파형 비교 사진입니다.
확실히 PCB를 사용했을 때 낮은 인덕턴스로 인해 서지 전압이 줄어든 것을 확인 할 수 있습니다.

2-2. Surge Voltage Control - THM, SMD 소자 사용의 차이점

THM 사용 회로

SMD 사용 회로

위의 사진은 THM타입과 SMD타입으로 회로를 구성한 사진입니다.
그림 의 사진이 훨신 루프와 배선 길이가 짧아져 인덕턴스가 감소해 서지전압이 감소한것을 볼 수 있습니다.

2-3. Surge Voltage Control - Kelvin Source MOSFET 사용의 이점

회로 내의 인덕턴스를 감소하는 방법은 이뿐만이 아닙니다. FET내부의 Source단에 존재하는 인덕턴스를 제거하는 방법이 존재합니다. Kelvin Source MOSFET은 파워 Source를 분리시켜 서지 발생 원인인 인덕턴스를 회로에서 제거한 FET모델입니다.

위의 사진은 Kelvin Source MOSFET입니다. 파워소스와 드라이버소스를 분리시켜 인덕턴스에 의한 서지 전압을 최소화 할 수 있습니다.

즉, 위의 사진에서 $L_{source}$ 를 제거한 모델이라 생각하면 됩니다. 이를 수식으로 표현하면 다음과 같습니다.

$$V_{GS} = V_G - I_G\times R_{G_{EXT}} - L_{source} \times \frac{dI_D}{dt}$$

그러면 $L_{TRACE}$에 대한 인덕턴스만 남게되고, 인덕턴스를 최소화 할 수 있게 됩니다.

위의 사진은 3pin과 4pin MOSFET의 비교 사진입니다. -2V의 서지 전압이 개선된 것을 볼 수 있습니다.
결론적으로, 위의 실험들로 다음과 같은 결론을 얻었습니다.

브레드보드 또는 만능기판에서 결선은 배선 인덕턴스의 상승을 초래한다.
회로 내 전선의 길이는 최대한 짧고 적절한 굵기로 구성한다.
회로 내의 루프는 최소화한다.
THM타입보단, SMD타입을 사용한다.
3pin FET보단, Kelvin Source FET를 사용한다.

3. How To Control Drain-Source Surge Voltage

빠른 스위칭으로 인해 Gate에만 서지 전압이 인가되는 것은 아닙니다.
Drain에도 서지 전압이 발생합니다. 이 또한 인덕턴스에 의한 발생이 주된 원인입니다.
이를 감소하기 위해서는 당연히 짧은 전선 배치가 필요합니다. 하지만 짧은 전선 배치만으로는 높은 전류에 의한 서지 전압을 막을 수 없습니다.
제가 제어했던 유도전동기는 3kW급으로 정격 전류가 12A정도입니다. 기동할 때 발생하는 전류는 그보다 더 클 수 있습니다. 그러므로 전류에 의한 서지 전압의 영향은 매우 큽니다.

Drain-Source의 서지전압을 감소하기 위해서는 스너버커페시터가 필요합니다.
스너버커패시터는 하이사이드 드레인과 로우사이드 소스에 삽입되며 스위칭 소자와 매우 가까이 배치되어야 합니다.
커패시터는 고주파 특성이 좋은 필름 커패시터를 사용합니다. 서지 전압은 대부분 고주파로 구성되어 있기 때문에 DC link 평활용으로 사용하는 알루미늄 커패시터는 효과가 미미합니다.
일반적으로 동일 용량 및 정격전압에서 필름 커패시터는 알루미늄 커패시터보다 비싸기 때문에 평활용으로 높은 용량의 알루미늄 커패시터를 배치하고, 높은 정격전압에 낮은 용량의 필름커패시터를 선택합니다.
또한 낮은 ESR, ESL의 소자를 선택하는 것이 중요합니다. 커패시터에서 에너지가 흡수되기 때문에 인덕턴스와 저항이 클 수록 흡수율이 낮아집니다.

위의 사진은 스너버 커패시터가 없는 Drain-Source 전압 파형과 배치한 Drain-Source전압입니다.
스너버 커패시터가 있는 우측의 파형에서 안정적으로 스위칭 하는 모습을 볼 수 있습니다.

위의 사진은 스너버 커패시터의 전선 길이를 30cm로 의도적으로 길게 배치하였을 때 스위칭 파형입니다. 전선의 길이가 길면 인덕턴스가 늘어나고 에너지 흡수율이 낮아집니다. 스너버가 없을때보다는 개선된 파형으로 보이지만, 최대한 가까이 배치할 수록 그 효과는 커집니다.

하지만, 서지에서 발생하는 에너지를 스너버커패시터에서 소모하는 개념으로 서지 전압 감소에 기여하지만, 손실 감소에는 기여하지 않습니다.

결론적으로, 위의 실험들로 다음과 같은 결론을 얻었습니다.

스너버 커페시터의 배치로 Drain-Source의 서지 전압 감소가 가능하다. 스너버 커페시터는 필름커페시터를 사용한다.
스너버 커페시터는 커페시터의 Drain에 최대한 가깝게 배치한다. 멀리할 수록 그 서지 감소 성능은 저하한다.

#1 MAVSDK 환경구성 및 Offboard 예제

네 말이 옳다 — Sat, 25 Apr 2026 16:48:26 +0900

이전 게시글에서 PX4 Autopilot의 개발환경을 구축하였습니다.
이번 게시글에서는 MAVSDK를 이용해 Simulation 환경에서 드론을 비행하는 방법에 대해서 알아보겠습니다.

1. PX4 Autopilot Setup - MAVSDK

MAVSDK는 MAVLINK 시스템을 사용하는 드론, 지상국 시스템과 상호작용 하기 위해서 사용하는 SDK입니다.

mavsdk를 설치하겠습니다.

pip3 install mavsdk

PX4를 사용한 드론은 MAVLINK 프로토콜을 이용해 통신합니다.
그래서 사용자가 "Arm"라는 MAVLINK 프로토콜을 드론에게 전송하면 드론은 시동을 걸게 됩니다.
MAVLINK 프로토콜 기반으로 코드를 작성하면 원하는 대로 드론을 작동시킬 수 있습니다.

하지만, 드론은 기체 상태에 따라 "비행 가능"과 "불가능"을 판단하고 동작을 거부할 수 있습니다.
MAVLINK 프로토콜을 기반으로 코드를 작성하면, 드론의 상태를 계속해서 보내줘야 합니다.
연결상태, 메시지 타입 등.. 많은 부분에 대해서 알고 일일이 코드로 작성해야 합니다.
하지만, MAVSDK를 사용하면 SDK가 이를 처리해 복잡도를 줄일 수 있고 간결한 코드 작성이 가능합니다.

2. MAVSDK vs MAVLink

가령,
Arm -> 3m로 상승 -> 대기 -> 착륙
이라는 명령을 시행한다고 합시다.

MAVlink 프로토콜로 해당 코드를 작성한다면,
Arming 명령을 Parameter로 정리해야 하고, Arming 명령이 제대로 들어갔는지 ack로 확인도 해줘야 합니다.
하지만, MAVSDK로 코드를 작성하면, 아래와 같이 간결해집니다.

import asyncio

from mavsdk import System

async def run():
    drone = System()
    await drone.connect(system_address="udpin://0.0.0.0:14540")

    async for state in drone.core.connection_state():
        if state.is_connected:
            print("Connected")
            break

    async for health in drone.telemetry.health():
        if health.is_global_position_ok and health.is_home_position_ok:
            print("-- Global position estimate OK")
            break
 
    await drone.action.set_takeoff_altitude(3.0) # 3.0m까지 상승

    await drone.action.arm() # 시동 걸기

    await drone.action.takeoff() # 이륙 하기

    await asyncio.sleep(15) # 비행부터(시동부터) 15초까지 대기하기

    await drone.action.land() # 착륙하기

if __name__ == "__main__":
    # Run the asyncio loop
    asyncio.run(run())

실제 arm, takeoff, land까지 단 5줄 만에 코드 작성이 끝났습니다.
MAVlink 프로토콜을 직접 정의해서 코드를 작성할 때보다 매우 간결해진 모습을 볼 수 있습니다.

#3 인버터 구동 - PWM 출력을 위한 TMS320F28335 레지스터 설정(2)

네 말이 옳다 — Sun, 19 Apr 2026 11:48:07 +0900

이전 게시글에서 Ti의 MCU 인 TMS320F28335의 ePWM Submodule에 대해서 설명했습니다.
TB, CC, AQ에 이어서 DB와 인버터 제작을 위한 카운터 설정에 대해서 알아보겠습니다.

1. ePWM Submodule - Deadband(DB)

인버터에서 중요한 Deadband입니다.
인버터는 Highside와 Lowside FET가 각각 상보적으로 작동합니다. High가 On이면, Low가 Off인 상태로 작동하죠.
그런데, 만약 Highside가 Low에서 High로 변화하는 순간 Lowside가 High이면 어떻게 될까요??

이렇게 FET가 소손되게 됩니다. 이를 방지하기 위해 Highside와 Lowside가 스위칭되기 전 시간적 여유가 필요합니다.
서로의 간격을 두고 On, Off를 해야 안전합니다.
이를 위해 간격을 설정하는 레지스터가 Deadband 모듈입니다.

실질적 마지막 단계의 Submodule입니다. 이후 GPIO에 출력된다 생각하시면 됩니다.

RED로 Rising Edge에서, FED로 Falling Edge에서 딜레이를 줄 수 있습니다.

IN_MODE를 11로 설정하면 라이징과 폴링엣지에서 모두 딜레이를 줄 수 있습니다.
POLSEL을 11로 설정하면 EPWMxA와 EPWMxB가 서로 상보적으로 동작하게 해 줍니다. 그러면 AQ모델에서 EPWMxA와 EPWMxB의 설정이 하나로 통합됩니다.
OUT_MODE를 11로 설정하면 A와 B모두 딜레이를 준 상태로 출력해주는 역할을 합니다.

하강 지연시간과 상승지연시간의 공식은
$DBFED \times T_{TBCLK}$, $DBRED \times T_{TBCLK}$
입니다. 저는 0.66us로 설정할 것이기 때문에 100으로 각각 설정해주겠습니다.
$$ 100 / (150*10^-6) = 0.66us$$

이를 코드로 표현한다면

EPwmRegs->DBCTL.bit.IN_MODE=0X0;

EPwm1Regs.DBCTL.bit.POLSEL=0X2; //사용할 PWM중 xB를 A에 반전시킨다.
EPwm3Regs.DBCTL.bit.POLSEL=0X2;
EPwm6Regs.DBCTL.bit.POLSEL=0X2;

EPwm1Regs.DBCTL.bit.OUT_MODE=0X3; // 출력을 낼 PWM을 설정한다.
EPwm3Regs.DBCTL.bit.OUT_MODE=0X3;
EPwm6Regs.DBCTL.bit.OUT_MODE=0X3;

EPwmRegs->DBRED=100;
EPwmRegs->DBFED=100;

2. SPWM 출력을 위한 레지스터 출력값 설정

이전 글에서 Triangular Wave는 0에서 TBPRD까지 움직이는 카운터와 같고 Reference signal은 CMPA와 같다고 말씀드렸습니다.
그러면 TBPRD를 이용해 인버터의 스위칭 주파수(20kHz)를 설정하고 CMPA에 정현파(60Hz)를 넣어주면 SPWM signal을 출력할 수 있게 됩니다.

#define M_PI 3.141592
#define freq 60.0
Tsamp = 0.00005; //샘플링 주기 설정
time += Tsamp; // 코드 한바퀴 돌 때마다 샘플링 주기만큼 +됨
Theta1 = (2 * M_PI * freq * time); //a상
Theta2 = (2* M_PI * freq * time)-(2.0/3.0)*M_PI;
Theta3 = (2* M_PI * freq * time)+(2.0/3.0)*M_PI;

 if(Theta1 > 2*M_PI) time = 0;
 sine1 = sin(Theta1)*3750.0*0.5 + 3750*0.5;
 sine2 = sin(Theta2)*3750.0*0.5 + 3750*0.5;
 sine3 = sin(Theta3)*3750.0*0.5 + 3750*0.5;
    
 EPwm1Regs.CMPA.half.CMPA = sine1;
 EPwm3Regs.CMPA.half.CMPA = sine2;
 EPwm6Regs.CMPA.half.CMPA = sine3;

해당 방식으로 ePWM 1,3,6번에 정현파를 출력할 수 있습니다.

PSIM으로 C코드를 이용해서 출력 결과 파형입니다.

#2 인버터 구동 - PWM 출력을 위한 TMS320F28335 레지스터 설정(1)

네 말이 옳다 — Sun, 19 Apr 2026 01:21:45 +0900

인버터를 구동하기 위해서는 0~5V의 PWM을 게이트드라이버에 인가해야 하고 이를 게이트 드라이버를 통해 0-18V로 승압하는 과정을 거쳐야 한다고 이전 게시글에서 설명해 드렸습니다.
이번 글에서는 MCU를 이용해 어떤 방식으로 PWM을 발생하고, 인버터에 SPWM을 이용해 입력하는지에 대해서 설명하도록 하겠습니다.

1. TMS320F28335 기능 설명 - ePWM(Enhanced Pulse Width Modulator Module )

Ti사의 MCU인 TMS320F28335에는 ePWM을 통해 PWM 출력이 가능합니다.
ePWM을 쉽게 설명하자면, 다양한 기능을 가진 PWM발생 장치라 생각하면 좋습니다.
정말 다양한 기능을 가지고 있기 때문에 서브모듈별로 기능과 동작방식을 을 자세히 알아두어야 합니다.

Submodule을 살펴보기 전, 인버터 개요에서 설명한 내용을 잠시 봅시다.

SPWM을 구현하려면, 삼각파 형태의 Triangular wave와 정현파 형태의 Reference Signal이 필요하다고 말씀드렸습니다.
MCU는 일반적으로 Timer를 기반으로 PWM을 출력합니다.
그러면 MCU는 어떻게 Timer를 이용해 삼각파와 정현파를 발생하고, 이를 비교기에 넣어 PWM을 출력할까요?

2-1. ePWM Submodule - Time-base

가장 위쪽에 있는 Time-base 모듈을 살펴보겠습니다.

모든 기능을 숙지하면 좋지만, 인버터 설계를 위한 주요 기능을 살펴봅시다.

TB는 다음 기능을 수행합니다.

Time-base clock의 스케일을 조정합니다(system clock이랑 연관되어 있음)
PWM의 time base counter의 주파수와 주기를 설정합니다.
PWM의 모드를 설정합니다 → SPWM, SVPWM의 경우에는 Count up-down mode를 사용합니다.
Phase를 설정합니다.

먼저 맨 아래의 TBCLK를 살펴봅시다.
시스템 클럭(SYSCLKOUT)과 TBCTL레지스터의 설정값에 의해 분주비가 설정되어 TBCLK(Time-base Submodule을 위한 클럭)가 생성되어 TBCTR을 구동합니다.
TBCTR(카운터값)은 TBCLK의 입력을 받아 Count UP, DOWN, UP-DOWN모드에 따라 증가하거나 감소하면서 TBPRD에 도달합니다.

TBCTR(카운터값)은 UP-DOWN Count Mode로 작동시키면 0에서 시작해서 TBPRD까지 상승하고, 다시 0으로 이동합니다.
즉, 삼각파형태로 만들 수 있게 됩니다.

인버터는 스위칭 주파수가 존재합니다. 만약, 20kHz의 스위칭 주파수가 필요하면
이 Triangular wave의 주파수를 20kHz로 만들어주면 되는 것이고,
이는 결국 카운터를 UP-DOWN Count Mode로 작동해 TBCLK와 TBPRD를 적절히 조합하여 20kHz의 주파수의 삼각파로 만들어주면 되는 것입니다.

$TBCLK = SYSCLKOUT / (HSPCLKDIV \times CLKDIV)$
HSPCLKDIV의 레지스터를 0x0으로 설정하면 1로 동작합니다.
CLKDIV도 0x0으로 설정하면 1로 동작합니다. 즉, TBCLK는 150MHz 입니다.

$ (1/150MHz) \times 3750 \times 2 = 20,000$
필요한 TBPRD는 3750입니다.

위의 설명을 코드로 정리하면 다음과 같습니다.

EPwmRegs->TBCTL.bit.HSPCLKDIV = 0x0;
EPwmRegs->TBCTL.bit.CLKDIV = 0x0;
EPwmRegs->TBPRD = 3750;
EPwmRegs->TBCTL.bit.CTRMODE = TB_COUNT_UPDOWN; //0x2

2-2. ePWM Submodule - Counter-Compare(CC)

결과만 살펴보면, TB모듈에서 값을 받아와서 CMPA와 CMPB를 출력하는 역할을 합니다.

TB에서 Triangular wave를 생성할 수 있었다면
CC에서 Reference signal을 생성할 수 있습니다.
인버터는 60Hz의 주파수를 가져야 하므로 60Hz의 정현파를 출력하는 reference signal을 만들어내면 됩니다.

CC에는 CMPA와 CMPB가 존재하는데 인버터의 경우 Highside와 Lowside가 각각 상보적으로 동작합니다.
즉, 두 Signal이 완벽한 반대이죠.
상보적으로 입력되는 신호 중 하나가 CMPA고 다른 하나는 CMPB입니다.

삼각파가 존재하고, 그에 맞춘 CMPA와 CMPB의 동작 예시 설명입니다. 정말 예시를 위한 예시파형이므로 실제론 이렇게 사용하지 않는다는 것만 알아두면 될 것 같습니다.
먼저 CMPB가 삼각파를 만나는 첫 지점에서 펄스(CTR = CMPB)가 발생합니다. CMPA가 삼각파를 만나는 지점에서도 펄스가 발생(CTR = CMPA)합니다. 하강하는 삼각파에서도 똑같은 방식으로 펄스가 발생합니다. 그러면, 이 지점에서 무슨 활동을 할지, 결정해 주는 것이 필요합니다. PWM을 발생할지 아니면 발생 안 할지 High로 설정할지 Low로 설정할지 등등.. 펄스마다 무슨 활동을 할 것인지에 대한 정의가 필요합니다. 그 정의를 하는 것이 AQ모델입니다.

2-3. ePWM Submodule - Action-Qualifier (AQ)

결과만 보면, EPWMxA와 EPWMxB의 동작을 DB로 넘겨주는 역할을 합니다.

각각의 펄스에서 무슨 활동을 할지 설정할 수 있습니다. 인버터 설계를 위해선 SET HIGH와 CLEAR LOW만 보면 됩니다.
즉, PWM HIGH를 출력할지 LOW를 출력할지 결정한다는 뜻입니다.

상승할 때와 하강할 때의 역할을 각각 부여할 수 있는데, 이는 CAU, CBU에서 업카운트, CAD, CBD에 다운카운트에서 역할을 부여할 수 있습니다.

상보적 PWM출력을 위해선
업카운트에서 카운터가 CMPA를 만날 경우 PWM은 LOW를 출력하고, 다운카운트에 CMPA를 만날 경우 High를 출력하면 되고
반대로 CMPB는 업카운트에서 High, 다운카운트에서 Low를 출력하면 됩니다.

예시 상황에서 이를 그림으로 그려보면

다음과 같이 표현되고 이를 코드로 옮겨본다면

#define	AQ_CLEAR		0x1
#define	AQ_SET			0x2

EPwmRegs->AQCTLA.bit.CAU = AQ_CLEAR; 
EPwmRegs->AQCTLA.bit.CAD = AQ_SET;
EPwmRegs->AQCTLB.bit.ZAU = AQ_SET; 
EPwmRegs->AQCTLB.bit.CBU = AQ_CLEAR;

이와 같이 표현할 수 있습니다.