A GPS sensor is widely used in many areas such as navigation, or air traffic control. Particularly, the car navigation system is equipped with GPS sensor for locational information. However, when a car goes through a tunnel, forest, or built-up area, GPS receiver cannot get the enough number of sate...
A GPS sensor is widely used in many areas such as navigation, or air traffic control. Particularly, the car navigation system is equipped with GPS sensor for locational information. However, when a car goes through a tunnel, forest, or built-up area, GPS receiver cannot get the enough number of satellite signals. In these situations, a GPS receiver does not reliably work. A GPS error can be formulated by sum of bias error and sensor noise. The bias error is generated by the geometric arrangement of satellites and sensor noise error is generated by the corrupted signal noise of receiver. To enhance GPS sensor accuracy, these two kinds of errors have to be removed. In this research, we make the road database which includes Road Database File (RDF). RDF includes road information such as road connection, road condition, coordinates of roads, lanes, and stop lines. Among the information, we use the stop line coordinates as a feature point to correct the GPS bias error. If the relative distance and angle of a stop line from a car are detected and the detected stop line can be associated with one of the stop lines in the database, we can measure the bias error and correct the car's location. To remove the other GPS error, sensor noise, the Kalman filter algorithm is used. Additionally, using the RDF, we can get the information of the road where the car belongs. It can be used to help the GPS correction algorithm or to give useful information to users.
A GPS sensor is widely used in many areas such as navigation, or air traffic control. Particularly, the car navigation system is equipped with GPS sensor for locational information. However, when a car goes through a tunnel, forest, or built-up area, GPS receiver cannot get the enough number of satellite signals. In these situations, a GPS receiver does not reliably work. A GPS error can be formulated by sum of bias error and sensor noise. The bias error is generated by the geometric arrangement of satellites and sensor noise error is generated by the corrupted signal noise of receiver. To enhance GPS sensor accuracy, these two kinds of errors have to be removed. In this research, we make the road database which includes Road Database File (RDF). RDF includes road information such as road connection, road condition, coordinates of roads, lanes, and stop lines. Among the information, we use the stop line coordinates as a feature point to correct the GPS bias error. If the relative distance and angle of a stop line from a car are detected and the detected stop line can be associated with one of the stop lines in the database, we can measure the bias error and correct the car's location. To remove the other GPS error, sensor noise, the Kalman filter algorithm is used. Additionally, using the RDF, we can get the information of the road where the car belongs. It can be used to help the GPS correction algorithm or to give useful information to users.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
하지만 바로 옆 차선의 정지선이 앞의 정지선보다 더 가까이 있거나 예측한 자동차 위치에 잡음이 추가되어 제대로 정지선이 매칭되지 않을 경우 더 큰 오차가 발생하며, 제대로 알고리즘이 진행되지 않게 된다. 따라서 본 논문에서는 정지선 매칭 알고리즘에 반대 차선의 정지선을 배제하는 알고리즘을 추가하였다.
본 논문에서는 이러한 GPS센서의 편중 오차와 잡음을 제거하기 위한 연구를 진행하였다. 다음 장에서는 이 문제를 해결하기 위해 필요한 도로 데이터베이스를 설계한다.
이러한 문제를 해결하기 위하여 본 논문에서는 도로정보가 저장된 RDF (Road Database File) 의 특징점을 이용하여 GPS의 편중 오차를 보정하려 한다. 연구를 수행하기 전에 실험할 지역의 도로 정보와 도로의 특징점 정보를 RDF로 만들어 저장한다.
GPS 센서 정보는 편중 오차와 잡음을 가지고 있기 때문에 건물 사이로 이동하거나 주위에 장애물이 존재하는 경우 위치를 정확히 추정하기 어렵다. 이러한 문제를 해결하기 위하여 본 논문에서는 칼만 필터와 RDF의 정지선 좌표를 특징점으로 사용하여 편중 오차와 잡음을 제거하고자 하였다. 칼만 필터 알고리즘은 매 스텝마다 수행되며 편중 오차 보정 알고리즘은 정지선을 인식하면 수행된다.
RDF는 실제 도로의 정보, 즉 도로의 좌표나 차선의 좌표, 도로의 특성, 도로 간의 연결관계, 정지선 등 특징점의 위치 등을 데이터베이스에 저장하기 위해 설계한 모델이다. 이러한 정보들을 보다 효율적으로 관리하기 위하여 RDF의 구조를 설계하며, 도로 데이터의 저장, 관리뿐만 아니라 필요한 정보를 검색하여 제공하기 위하여 사용한다.
가설 설정
본 논문에서 제시한 알고리즘은 특징점이 제대로 인식되어야 한다는 가정이 존재하며, 실험 전에 도로 정보가 저장된 RDF를 만들어야 한다는 단점이 존재한다. 하지만 이 두 가지 조건이 충족된다면, 현재 네비게이션에서 GPS위치를 보정하기 위해서 사용하는, 자동차 바퀴의 회전을 계산하여 위치를 추정하는 기술의 단점인 오차가 갈수록 누적된다는 점을 해결해 줄 알고리즘이 될 수 있을 것이다.
하지만 이 때 입력 값에는 잡음이 추가되기 때문에 식 (2)와 같이 실제 속도와 각속도는 값은 노이즈가 추가된 형태로 표현할 수 있다. 이 때 입력 값에 추가되는 가우시안 잡음의 평균은 0, 공분산은 Mt로 가정한다. 본 논문의 시뮬레이션 환경에서는 #로 설정하였다.
이번 장에서는 RDF에 저장된 정지선의 위치를 특징점으로 사용하여 GPS의 편중 오차를 보정하는 알고리즘을 설명한다. 자동차에 설치된 센서에서 정지선의 양 끝점을 인식할 수 있다고 가정하며, 이 때 RDF에 저장된 많은 정지선 좌표 중 인식한 정지선과 맞는 정지선을 검색한다. 위의 과정을 통하여 얻은 자동차의 상대 좌표계상의 정지선 좌표와 절대 좌표계상의 정지선 좌표를 이용하여 실제 자동차의 위치를 알아낸 후, GPS 좌표에 추가된 편중 오차를 계산하여 보정하게 된다.
제안 방법
만약 자동차가 이동하다가 정해진 범위 내에서 정지선을 감지하면 그 상대 좌표 역시 계산하게 된다. 끝으로 계산한 속도, 각속도, GPS좌표, 정지선 좌표를 RDF단으로 전송한다.
다음으로 실제 GPS 신호에서도 본 논문에서 제시한 알고리즘이 동작하는지 확인하기 위하여 같은 지역에서 GPS를 장착한 자동차를 주행시켜 얻은 GPS 좌표를 이용하여 실험하였다. 본 실험에서 사용한 GPS 좌표는 국방과학연구소에서 제공하였다.
하지만 문제는 자동차가 인식한 정지선의 좌표계와 도로 데이터베이스 내의 정지선 좌표계가 다르다는 점과, 정지선의 두 점의 순서가 다를 수 있다는 점이다. 따라서 다른 두 좌표계를 고려하고, 두 점의 기울기만을 이용하여 위치를 보정하고자 한다. 편중 오차 보정 알고리즘을 설명하기에 앞서 먼저 알고리즘에 사용되는 변수들을 표 2에 정리하였다.
도로는 Element라는 단위로 구성되어 있으며 이 테이블은 도로의 정보를 저장하고 있다. 또한 어느 도로에 자동차가 속해있는지를 검색하기 위하여 Polygon이라는 작은 단위로 나누었으며, 이 테이블은 좌표정보를 저장한다. 마찬가지로 차선 정보 검색을 위하여 Lane 테이블을 만들었으며, 차선의 좌표 정보를 저장하기 위하여 LineString 테이블을 구성하였다.
2장에서는 GPS 신호에 추가되는 오차의 구성과 원인에 대해서 설명한다. 또한 이러한 오차를 제거하기 위해 본 논문에서 사용되는 도로 데이터베이스를 설계한다.
또한 어느 도로에 자동차가 속해있는지를 검색하기 위하여 Polygon이라는 작은 단위로 나누었으며, 이 테이블은 좌표정보를 저장한다. 마찬가지로 차선 정보 검색을 위하여 Lane 테이블을 만들었으며, 차선의 좌표 정보를 저장하기 위하여 LineString 테이블을 구성하였다. 이 외에도 차선의 연결 정보를 저장하기 위한 Connect 테이블과 편중 오차를 보정할 특징점이 될 정지선 테이블을 추가하였다.
시뮬레이션 과정은 크게 3가지(Simulator, RDF, Output)로 나누어진다. 먼저 사용자가 자동차가 이동할 경유점을 정해주면 Simulator에서 각 Step마다 로봇이 움직인 위치를 계산하며, 잡음이 추가된 속도와 각속도를 계산한다. 추가로 이 위치에 편중 오차와 잡음을 추가하여 가상 GPS 신호를 만든다.
GPS 센서 정보는 크게 편중 오차와 잡음을 포함하고 있다. 본 논문에서는 잡음이 존재하는 시스템에서 1차적으로 현재 위치를 추정하기 위하여 칼만 필터 알고리즘을 사용하고, 그 후에 도로 데이터베이스의 특징점을 이용하여 추정한 위치에 포함된 편중 오차를 보정하는 방법을 사용한다. 본 장에서는 칼만 필터를 이용하여 잡음을 보정하는 방법을 먼저 설명하도록 하겠다.
그림 10 (a)의 파란색 경로는 사용자가 임의로 지정한 경유점을 따라 움직인 경로이며, 진한 검정색 경로는 자동차의 위치에 편중 오차와 잡음을 추가시킨 GPS 경로이다. 본 실험에서는 편중 오차를 각 축마다 증가다가 감소하도록 정하였으며 잡음은 가우시안으로 정하였다. 따라서 실험에서 만든 GPS 좌표는 그림 10 (a)의 진한 검정색 경로와 같이 도로를 벗어나 움직이게 된다.
본 논문에서는 잡음이 존재하는 시스템에서 1차적으로 현재 위치를 추정하기 위하여 칼만 필터 알고리즘을 사용하고, 그 후에 도로 데이터베이스의 특징점을 이용하여 추정한 위치에 포함된 편중 오차를 보정하는 방법을 사용한다. 본 장에서는 칼만 필터를 이용하여 잡음을 보정하는 방법을 먼저 설명하도록 하겠다.
이러한 문제를 해결하기 위하여 본 논문에서는 도로정보가 저장된 RDF (Road Database File) 의 특징점을 이용하여 GPS의 편중 오차를 보정하려 한다. 연구를 수행하기 전에 실험할 지역의 도로 정보와 도로의 특징점 정보를 RDF로 만들어 저장한다. 이후 자동차가 GPS 센서를 가지고 이동하면서 칼만 필터를 이용하여 GPS 센서의 잡음을 제거하고, 주행하다가 정지선을 감지하면 정지선의 좌표를 RDF에서 검색하여 절대 좌표를 찾아 편중 오차를 보정하게 된다.
마찬가지로 차선 정보 검색을 위하여 Lane 테이블을 만들었으며, 차선의 좌표 정보를 저장하기 위하여 LineString 테이블을 구성하였다. 이 외에도 차선의 연결 정보를 저장하기 위한 Connect 테이블과 편중 오차를 보정할 특징점이 될 정지선 테이블을 추가하였다.
대상 데이터
다음으로 실제 GPS 신호에서도 본 논문에서 제시한 알고리즘이 동작하는지 확인하기 위하여 같은 지역에서 GPS를 장착한 자동차를 주행시켜 얻은 GPS 좌표를 이용하여 실험하였다. 본 실험에서 사용한 GPS 좌표는 국방과학연구소에서 제공하였다. 그림 12 (a)의 경로는 실제로 얻은 GPS 좌표를 화면에 표시한 결과이다.
성능/효과
칼만 필터 알고리즘은 매 스텝마다 수행되며 편중 오차 보정 알고리즘은 정지선을 인식하면 수행된다. 두 가지 실험을 통하여 제안한 알고리즘을 이용하여 GPS의 오차를 제거할 수 있음을 확인하였으며, 데이터베이스를 확장하여 사용자에게 유용한 정보를 추가로 제공할 수도 있음을 시뮬레이션을 통하여 보여주었다.
위의 두 시뮬레이션 결과를 통하여 본 논문에서 제시한 GPS 보정 알고리즘을 이용하면, 신호의 노이즈나 위성의 배열 등으로 생기는 에러에 의해 도로를 벗어나거나 반대 차선에 나타나는 GPS 신호를 특징점인 정지선의 좌표를 인식하여 보정할 수 있다는 것을 확인할 수 있다.
이번 장에서는 GPS의 오차를 제거하는 알고리즘을 이용하여 시뮬레이션한 후 결과를 통하여 GPS 위치가 보정됨을 증명할 것이다. 그림 7은 전체 시뮬레이션 과정을 보여준다.
후속연구
이와 같이 설계된 RDF는 GPS의 편중 오차 보정뿐만 아니라 사용자에게 유용한 정보를 제공하는 데 사용될 것이다.
본 논문에서 제시한 알고리즘은 특징점이 제대로 인식되어야 한다는 가정이 존재하며, 실험 전에 도로 정보가 저장된 RDF를 만들어야 한다는 단점이 존재한다. 하지만 이 두 가지 조건이 충족된다면, 현재 네비게이션에서 GPS위치를 보정하기 위해서 사용하는, 자동차 바퀴의 회전을 계산하여 위치를 추정하는 기술의 단점인 오차가 갈수록 누적된다는 점을 해결해 줄 알고리즘이 될 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
위치 인식 기술에는 무엇이 있는가?
최근 위치 인식 기술은 자동차 네비게이션이나 항공교통 제어 시스템 등 많은 분야에서 중요한 기술로 사용되고 있다. 이러한 위치 인식 기술로는 IMU센서를 이용하여 위치를 예측하는 기술[9]과 지상에 pseudo-lite를 설치하여 위치를 계산하는 기술[10], 인공위성의 신호를 이용한 GNSS 기술 등이 있다. 하지만 IMU나 pseudo-lite와 같은 기술은 오차가 축적되거나 비싼 설치비로 인하여 주로 사용되지 않고 있으며, 가격대 성능비가 좋은 GNSS 중 미국에서 개발한 GPS 시스템이 널리 사용되고 있다.
GPS 시스템의 단점은 무엇인가?
하지만 GPS 시스템 역시 단점을 가지고 있다. GPS 수신기가 위성의 신호를 받는 경우 잡음이 추가되기 때문에 정확한 위치 정보를 수신하기 어려우며, 특히 위성과 수신기 사이에 나무나 건물과 같은 장애물이 있거나 위성 위치가 넓게 퍼져 있지 않을 경우, DOP(Dilution of Precision)값이 증가하며, GPS 수신기는 편중 오차(bias error)를 생성시킨다[11]. 따라서 GPS 센서는 위성의 신호를 제대로 받을 수 없는 특정한 상황에서 허용할 수 없을 만한 오차를 발생시킨다.
GPS 센서의 위치를 보정하기 위해 일반적으로 이용하는 방법은 무엇인가?
이러한 문제를 해결하기 위하여 지금까지 많은 연구자들이 다양한 연구를 수행하였다. GPS 센서의 위치를 보정하기 위해 일반적으로 이용하는 방법 중 하나는 IMU 센서 정보를 이용하여 위치를 보정하는 방법이다. [1]-[3][12] 자동차의 선속도나 각속도 등의 IMU 센서 정보와 GPS 센서 정보를 얻은 후, 파티클 필터를 사용한 MCL(Monte Carlo Locarlization) 알고리즘[12]이나 칼만 필터 알고리즘[1-3]을 이용하여 GPS 위치를 보정하는 연구가 많이 수행되었다.
참고문헌 (12)
R. L. Greenspan, "GPS and inertial integration", Global Positioning System: Theory and Applications, vol. 164, pp.187-218, 1996.
D. A. Grejner-Brzezinska, R. Da, and C. Toth, "GPS error modeling and OTF ambiguity resolution for high-accuracy GPS/INS integrated system", Journal of Geodesy, vol. 72, no.11, pp.628-638, Nov, 1998.
J. Wendel, O. Meister, C. Schlaile, and G. F. Trommer, "An integrated GPS/MEMS-IMU navigation system for an autonomous helicopter", Aerospace Science and Technology, vol. 10, pp.527-533, Sep, 2006.
Patrick J. F. Carle, Paul T. Furgale, Timothy D. Barfoot, "Long-range rover localization by matching LIDAR scans to orbital elevation maps", Journal of Field Robotics, vol. 27, pp.344-370, June, 2011.
F. Viani, P. Rocca, G. Oliveri, D. Trinchero, A. Massa, "Localization, tracking, and imaging of targets in wireless sensor networks : An invited review", Radio Science, vol. 46, 2011.
J. Moon, H. Choi, N. H. Park, Y. W. Park, C. H. Kim, and E. Kim, "LiDAR sensor matching system using database", International Conference on Automation and Control Engineering, pp.995-998, January, 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.