선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 속도 60km/h 에서 폭이 3.0m 로설계되는 한국의 도로교통법에 따라 중형차를 기준으로 전폭이 1.8m 인 AUV 의 안전한 자율 주행을 위해 0.6m 이내의 오차를 가진 위치를 얻고자 한다. 오차 보정을 위해 3개의 저가형 DGPS 와 최소자승법 (LSM) 그리고 센서의 가우시안 화이트 노이즈를 제거하기 위해 Kalman Filtering 기법을 이용하였다.
- 정확한 기준점과 위치에 대한 정보가 부족한 실외 환경에서 위치 정보를 보정하여 무인 자율주행 차량의 주행 안정성을 높이는데 기여하고자 하였다. 이를 위해 차량의 Localization 에 필요한 위치정보를 일반적으로 사용되는 GPS 가 아닌 저가의 DGPS 를 이용하여 정밀도를 높일 수 있었으며, 고정밀도의 측정 장치인 RTK-GPS 에 비해 이동성을 높일 수 있었다.
제안 방법
- AR 모델의 차수와 계수를 결정하기 위하여 DGPS 수신기를 이용하여 실제 DGPS 신호를 분석하였다. 측정에 사용된 DGPS 수신기는 U-blox 사의 EVK-5H 이 며 사양은 Table 2 와 같다.
- 5m 의 간격으로 정해지지 않은 임의의 방향이 되도록 생성하였다. AR(1) 모델에 의해 생성된 의사 DGPS 신호를 이용하여 오차 보정에 대한 알고리즘을 시뮬레이션에 의해 정지와 이동 상태에 대한 검증을 하였다.
- 여 전히 포함하고 있다. X, Y 좌표에 대한 보정을 위하여 DGPS 수신 안테나 간의 측정 오차가 최소가 되도록 LSM 을 구성하였다. DGPS 간에 측정된 거리 오차 # DGPS 간의 실제 거리 a, Z>, c 와 추정 위치와 측정 위치사이의 거리인 #의 차로나 타낼 수 있으며 식(12)와 같다.
- 두 번째, 이동 상태에 대한 DGPS 신호로서 가상의 직선 주행 경로에 대한 의사 DGPS 신호를 생성하였다. 이동좌표에 대한 DGPS 신호 st는 식 (27)과 같이 나타내었다.
- 본 논문에서는 3개의 DGPS 를 Fig. 3 과 같이 DGPS 수신기의 안테나를 직선의 세 점에 나란히 정렬하였다. 즉, 일반적인 LSM 을 이용하여 3개의 DGPS 관측 경도 xm,i, , .
- 실제 측정과 유사한 환경을 제고하기 위해서 독립적인 DGPS 3개의 신호를 AR(1)모델을 이용하여 기준점을 기준으로 0.5m 의 간격으로 정해지지 않은 임의의 방향이 되도록 생성하였다. AR(1) 모델에 의해 생성된 의사 DGPS 신호를 이용하여 오차 보정에 대한 알고리즘을 시뮬레이션에 의해 정지와 이동 상태에 대한 검증을 하였다.
- 이동에 따른 DGPS 위치 오차를 측정하기 위해 일반 차량에 수신기를 장착하였다. 측정 결과는 Fig.
- 이러한가우시안 화이트 노이즈에 대해 AR 모델을 이용하여 DGPS 신호를 분석하고 모델식을 도출하여 시뮬레이션을 하였다.
대상 데이터
- DGPS 측정 검 증은 부산 407 삼각점 (triangulation point)에서 하였다. 삼각점은 삼각측량을 통해 이미 위치를 알고 있는 국가기준점으로 경도와 위도, 높이, 평면직각좌표, 방향각 등의 성과를 제공함으로써 측량의 평면위치결정을 위한 기준자료로 활용되고 있다.
- 삼각점은 삼각측량을 통해 이미 위치를 알고 있는 국가기준점으로 경도와 위도, 높이, 평면직각좌표, 방향각 등의 성과를 제공함으로써 측량의 평면위치결정을 위한 기준자료로 활용되고 있다. 부산 407 삼각점의 위치는 Table.7 과같이 위도 35°11'37.8569, 경도 129°04'38.0182 이며, Fig. 9와 같이 DGPS 수신기를 설치하였다."
데이터처리
- 오차 보정을 위해 3개의 저가형 DGPS 와 최소자승법 (LSM) 그리고 센서의 가우시안 화이트 노이즈를 제거하기 위해 Kalman Filtering 기법을 이용하였다. 이에 대한 검증은 계산이 간단하고 가우시안 화이트 노이즈에 대하여 쉽게 적용이 가능한 ait모델을 이용하여 시뮬레이션 및 측정을 통해 관측값과 보정값의 오차를 비교하였다.
이론/모형
- 용하였다. Kalman filter는 상태 에 대한 정확한 동역 학식 또는 랜덤 프로세스를 요구하지 않으며 상태 변수 추정 성능이 효율적이다* 본 논문에서는 최소자승법에 의해 보정된 위치에 포함된 가우시안 화이트 노이즈를 제거하기 위하여 Kalman filter 를 이용하고자 한다. 일반적인 선형 확률적 시스템은 식(18)~(19)로 모델링이 가능하다.
- 6m 이내의 오차를 가진 위치를 얻고자 한다. 오차 보정을 위해 3개의 저가형 DGPS 와 최소자승법 (LSM) 그리고 센서의 가우시안 화이트 노이즈를 제거하기 위해 Kalman Filtering 기법을 이용하였다. 이에 대한 검증은 계산이 간단하고 가우시안 화이트 노이즈에 대하여 쉽게 적용이 가능한 ait모델을 이용하여 시뮬레이션 및 측정을 통해 관측값과 보정값의 오차를 비교하였다.
- 일반적으로 정밀 위치 인식을 위해 GPS 와 관성항법시스템 (INS:Inrtial Navigation System) 또는 CDMA(Code Division Multiple Access)# 융합하여 오차를 보정 한다. 토지 측량에서는 정밀 측정을 위해 수 cm 의 오차를 가지는 RTK-GPS(Real time kinematics-GPS) 를 이용한다. 그러나 RTK-GPS는 Base 와 Rover 로이루어진 고가의 송 수신 장비를 이용하기 때문에 측정 거리에 한계가 있다.
성능/효과
- 10 에서는 Table 8 의 결과를 관측값 (Measurement), LSM, LSM + Kalman 를 기준점(Base)을 기준으로 비교하였다. LSM 에 의한 보정값은 관측값에 비해 기준점에 근접하고, Kalman Filter 에 의해 가우시안 화이트 노이즈가 제거되는 것을 확인할 수 있다.
- 7 을 가우시안 화이트 노이즈를 포함한 의사 DGPS 측정 값과 LSM, Kalman Filter 를동시에 적용하여 보정한 관측값을 비교한 결과이다. 기준점(0, 0)에서 관측값의 평균 위치는 0.92m 에서 0.32m 로 65% 보정이 되었고, 표준 편차도 1.06m 에서 0.26m 로 75%로 안정되는 것을 검증하였다.
- 이를 위해 차량의 Localization 에 필요한 위치정보를 일반적으로 사용되는 GPS 가 아닌 저가의 DGPS 를 이용하여 정밀도를 높일 수 있었으며, 고정밀도의 측정 장치인 RTK-GPS 에 비해 이동성을 높일 수 있었다. 또한 DGPS 장치에 본 논문에서 제안한 LSM 과 Kalman Filter 를 이용하여 AUV 가 도로주행을 위한 기준이 될 수 있는 0.6m 이하의 위치 오차를 얻을 수 있었다. 이것을 AR 모델을 이용한 정지 및 이동 상태에 대한 시뮬레이션을 통해 검증할 수 있었고, 정지 및 이동 상태에서의 실험과 비교한 결과 유사성이 있음을 확인 하였다.
- 이동 좌표에 대한 시뮬레이션 조건은 Table 5 과 같다. 보정 결과는 Fig. 8 과 같이 관측값(Me%urement), LSM, LSM+Kalman 그리고 기준이 되는 경로(Base)로 나타내고 있으며, 차량이 일정한 속도로 이동하면서 관측된 DGPS 신호는 Table 6 에서 보여주듯이 표준 편차가 0.98m 에서 0.52m 로 47%정도 보정되었다.
- 6m 이하의 위치 오차를 얻을 수 있었다. 이것을 AR 모델을 이용한 정지 및 이동 상태에 대한 시뮬레이션을 통해 검증할 수 있었고, 정지 및 이동 상태에서의 실험과 비교한 결과 유사성이 있음을 확인 하였다. 향후 본 연구를 발전시켜 AUV 에 적용하여 경로계획을 통한 차량 주행 제어에 대한 연구를 계속하고자 한다.
- 이를 위해 차량의 Localization 에 필요한 위치정보를 일반적으로 사용되는 GPS 가 아닌 저가의 DGPS 를 이용하여 정밀도를 높일 수 있었으며, 고정밀도의 측정 장치인 RTK-GPS 에 비해 이동성을 높일 수 있었다. 또한 DGPS 장치에 본 논문에서 제안한 LSM 과 Kalman Filter 를 이용하여 AUV 가 도로주행을 위한 기준이 될 수 있는 0.
- 첫 번째, 정지 상태에서의 DGPS 신호는 Fig. 6 과 같이 기준점(0, 0)에서 약3m 의 오차를 보여주고 있다.DGPS 1과 2, 2와 3 각각의 수신기의 위치 간격은 0.
- 일반 차량에 수신기를 장착하였다. 측정 결과는 Fig. 11 과 같이 관측값(Measurement), LSM, LSM + Kalman, 기준이 되는 경로(Base)로 표현하였으며, LSM 및 LSM+Kalman 에 의한 보정 경로가 기준 경로에 관측값보다 근접하였다. 기준 경로에 대한 오차는 표준편차로서 Table 9 에 정리하였다.
후속연구
- 이것을 AR 모델을 이용한 정지 및 이동 상태에 대한 시뮬레이션을 통해 검증할 수 있었고, 정지 및 이동 상태에서의 실험과 비교한 결과 유사성이 있음을 확인 하였다. 향후 본 연구를 발전시켜 AUV 에 적용하여 경로계획을 통한 차량 주행 제어에 대한 연구를 계속하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.