본 논문은 GNSS의 문제점인 위치오차와 실외음영지역을 해소하기 위하여 GNSS와 vision system을 융합한 신뢰성있는 고정밀 측위와 최적의 vision system을 분석하였다. 위치결정을 위해서는 최소 4개 이상의 GNSS로부터 신호를 수신 받아야 한다. 그러나 도심지역에서는 고층건물이나 장애물 또는 반사파에 의해 정확한 위치가 어렵다. 이러한 문제점을 해결하기 위하여 vision system을 이용한다. GNSS를 사용하기 열악한 도심지역의 target object에 정확한 위치 값을 결정해 놓는다. 그리고 vision system을 이용해 target object를 인식하고, 인식된 target object를 이용하여 위치오차를 보정해 준다. 이동체는 이동 중 vision system을 이용하여 target object를 인식하여 위치 데이터 값을 만들어내고, 위치 계산을 수정하여 안정되고 신뢰성 있는 고정밀 측위를 할 수 있다.
본 논문은 GNSS의 문제점인 위치오차와 실외음영지역을 해소하기 위하여 GNSS와 vision system을 융합한 신뢰성있는 고정밀 측위와 최적의 vision system을 분석하였다. 위치결정을 위해서는 최소 4개 이상의 GNSS로부터 신호를 수신 받아야 한다. 그러나 도심지역에서는 고층건물이나 장애물 또는 반사파에 의해 정확한 위치가 어렵다. 이러한 문제점을 해결하기 위하여 vision system을 이용한다. GNSS를 사용하기 열악한 도심지역의 target object에 정확한 위치 값을 결정해 놓는다. 그리고 vision system을 이용해 target object를 인식하고, 인식된 target object를 이용하여 위치오차를 보정해 준다. 이동체는 이동 중 vision system을 이용하여 target object를 인식하여 위치 데이터 값을 만들어내고, 위치 계산을 수정하여 안정되고 신뢰성 있는 고정밀 측위를 할 수 있다.
This paper proposes an optimum vision system analysis and a reliable high-precision positioning system that converges a GNSS and a vision system in order to resolve position error and outdoor shaded areas two disadvantages of GNSS. For location determination of the object, it should receive signal f...
This paper proposes an optimum vision system analysis and a reliable high-precision positioning system that converges a GNSS and a vision system in order to resolve position error and outdoor shaded areas two disadvantages of GNSS. For location determination of the object, it should receive signal from at least four GNSS. However, in urban areas, exact location determination is difficult due to factors like high buildings, obstacles, and reflected waves. In order to deal with the above problem, a vision system was employed. First, determine an exact position value of a target object in urban areas whose environment is poor for a GNSS. Then, identify such target object by a vision system and its position error is corrected using such target object. A vehicle can identify such target object using a vision system while moving, make location data values, and revise location calculations, thereby resulting in reliable high precision location determination.
This paper proposes an optimum vision system analysis and a reliable high-precision positioning system that converges a GNSS and a vision system in order to resolve position error and outdoor shaded areas two disadvantages of GNSS. For location determination of the object, it should receive signal from at least four GNSS. However, in urban areas, exact location determination is difficult due to factors like high buildings, obstacles, and reflected waves. In order to deal with the above problem, a vision system was employed. First, determine an exact position value of a target object in urban areas whose environment is poor for a GNSS. Then, identify such target object by a vision system and its position error is corrected using such target object. A vehicle can identify such target object using a vision system while moving, make location data values, and revise location calculations, thereby resulting in reliable high precision location determination.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 vision system만을 이용한 위치결정보다는 GNSS와 vision system을 융합한 위치결정은 높은 정확도의 항법해를 계산할 수 있다[7～8]. 본 논문에서는 GNSS기반의 위치결정에 최적의 vision system을 융합하여 고정밀 측위를 수행한다.
본 실험에서는 고정밀 측위를 위한 GNSS 기반의 최적의 vision system 융합 분석을 위한 분석이다. 실험방법으로는 이동체의 kinematic 상태에서 실험하였으며, 가시위성 수 변화에 따른 target object 수 변화에 따른 분석을 하였다.
가설 설정
최소 4개 이상의 위성으로부터 신호를 받아야 위치 결정을 할 수 있는데, 이러한 지역에서는 가시위성 수가 부족하여 위치결정을 할 수 없고, 반사된 신호가 수신되어 위치오차가 커지게 된다. 도심의 도로환경이나 산악지역의 도로 환경은 이동차량의 앞과 뒤는 시야가 확보되어 위성의 신호를 수신할 수 있으나, 좌측과 우측은 건물들에 의해 위성이 가려진다. 따라서 건물에 vision system을 이용하여 미리 정확한 위치 값이 결정된 target object를 인식하고, 인식된 target object로부터 이동체의 거리를 계산하게 된다.
제안 방법
본 실험에서는 고정밀 측위를 위한 GNSS 기반의 최적의 vision system 융합 분석을 위한 분석이다. 실험방법으로는 이동체의 kinematic 상태에서 실험하였으며, 가시위성 수 변화에 따른 target object 수 변화에 따른 분석을 하였다. GNSS 수신기는 Novatel사의 DL-V3 RTK(Real Time Kinematic)용 기준국과 이동국을 사용하였으며, 안테나는 Novatel사의 GPS-702-GGL, RF modem은 450MHz의 PDL rover kit을 사용하였다.
성능/효과
본 논문에서 진행되는 센서는 이러한 조건을 충족하고 있으며, 본 논문의 실험 결과에서 알 수 있듯이 GNSS만을 이용한 위치결정 보다는 GNSS와 vision system을 융합한 경우 위치오차를 줄일 수 있다는 것을 알 수 있다. 또한 GNSS와 vision system의 가중치를 분석한 결과 vision system의 가중치보다 GNSS의 가중치를 높여주며 융합하는 것이 위치오차를 줄일 수 있다는 것을 알 수 있었다. 이러한 가중치 분석을 통해 고정밀 위치 결정 시스템의 최적의 융합 기술을 구축할 수 있다.
따라서 본 연구에서 무인 자동차의 대중화를 위해서는 오직 신호를 수신하여 제어하는 시스템기반으로 간섭이 발생되지 않는 센서들로 사용하고, 부족한 기능에 대해서는 고가의 센서가 아닌 자동차 자체에서 출력되는 데이터(조향각, 속도계 등)를 최대한 이용하여 무인차량 기술에 적용되어야 한다. 본 논문에서 진행되는 센서는 이러한 조건을 충족하고 있으며, 본 논문의 실험 결과에서 알 수 있듯이 GNSS만을 이용한 위치결정 보다는 GNSS와 vision system을 융합한 경우 위치오차를 줄일 수 있다는 것을 알 수 있다. 또한 GNSS와 vision system의 가중치를 분석한 결과 vision system의 가중치보다 GNSS의 가중치를 높여주며 융합하는 것이 위치오차를 줄일 수 있다는 것을 알 수 있었다.
후속연구
현재도 Lidar나 Radar 등 신호를 송수신 하는 센서들은 필터의 개선 없이는 신호간의 간섭이 심각하게 발생한다는 문제가 있다. 따라서 본 연구에서 무인 자동차의 대중화를 위해서는 오직 신호를 수신하여 제어하는 시스템기반으로 간섭이 발생되지 않는 센서들로 사용하고, 부족한 기능에 대해서는 고가의 센서가 아닌 자동차 자체에서 출력되는 데이터(조향각, 속도계 등)를 최대한 이용하여 무인차량 기술에 적용되어야 한다. 본 논문에서 진행되는 센서는 이러한 조건을 충족하고 있으며, 본 논문의 실험 결과에서 알 수 있듯이 GNSS만을 이용한 위치결정 보다는 GNSS와 vision system을 융합한 경우 위치오차를 줄일 수 있다는 것을 알 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
위치 결정에 사용되는 가장 일반적인 시스템은?
하지만 도심의 복잡한 환경이나 산악지역에서 위치결정은 센서들간의 간섭 및 반사파 그리고 여러 장애요소로 정밀 측위가 어렵다. 현재 위치 결정에 사용되는 가장 일반적인 시스템은 GNSS(Global Navigation Satellite System)이다. GNSS는 위치결정의 기반기술로 산업화 발전에 많은 기여를 하고 있다 [1～3] .
DMI 시스템의 한계점은?
DMI는 자이로센서로 회전방향을 알아내고, 차속 센서로 이동거리를 알아냄으로 마지막 GNSS 수신 위치를 기준으로 어느 방향으로 어느 정도 이동했는지 추정하는 시스템이다. 하지만 바퀴의 미끄러짐으로 발생하는 엔코더 오차 때문에 정확한 위치를 제공하지 못한다.또한 이러한 센서들은 복잡성과 경제성에 문제가 있다.
INS의 특징은?
GNSS와 융합하여 위치결정에 사용되는 센서로는 INS(Inertial Navigation System), DMI(Distance Measurement Instrument), vision system 등이 대표적이다. INS는 관성센서의 출력을 적분하여 위치를 계산 하므로 매우 정확한 항법정보를 제공하지만 시간이 경과함에 따라 오차가 누적되는 단점을 가지고 있다.DMI는 자이로센서로 회전방향을 알아내고, 차속 센서로 이동거리를 알아냄으로 마지막 GNSS 수신 위치를 기준으로 어느 방향으로 어느 정도 이동했는지 추정하는 시스템이다.
참고문헌 (11)
Tsui, J.B. Fundamentals of Global System Receivers, A Software Approach, John Wiley & Sons, 2 , 10-27, (2000).
Ramjee, P. and Marina, R. Applied Satellite Navigation Using GPS, Galileo, and Augmentation System, Artech House.
Hofmann, W.B., Lichtenegger, H. and Collins, J. GPS Fifth, revised edition (2001).
Redmill, K. and Kitjima, T. DGPS/INS Integrated Positioning for Control of Automated Vehicle. IEEE Intelligent Transportation Systems Conference Proceeding, 25-29, (2001).
Lim, Y.C., Lee, M.H., Lee, C.H., Kwon, S. and Lee, J.H. Improvement of Stereo Vision-based Position and Velocity Estimation and Tracking using a Strip-based Disparity Estimation and Inverse Perspective Map-based Extended Kalman Filter. Optics and Lasers in Engineering, 48, 9, 859-868, (2010).
Bertozzi, M., Broggi, A., Cellario, M., Fascoli, A., Lombardi, P. and Porta, M. Artificial Vision in Road Vehicles, Proceeding of the IEEE, 90, 7, 1258-1271, (2002).
Park, C.H. and Kim, N.H A Study of External(Outdoor) Shadow Area Solution Based on Global Navigation Satellite System and Vision System Convergence Technology, 19thITS Word Congress (2012).
Park, C.H. and Kim N.H A Study of Positioning Error based on the Satellite Navigation System, The Institute Of electronics And Information Engineers Vol. 49, No. 10, 23-33, (2012)
Park, C.H. and Kim, N.H Precise and Reliable Positioning Based on the Integration of Navigation Satellite System and Vision System, International Journal of Automotive Technology, Vol. 15, 79-87, (2014).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.