[논문]순차적 칼만 필터를 적용한 다중센서 위치추정 알고리즘 실험적 검증

이성민; 김영주; 방효충

doi:10.5302/j.icros.2015.14.9053

Abstract ▼ AI-Helper

Unmanned air vehicles (UAVs) are getting popular not only as a private usage for the aerial photograph but military usage for the surveillance, reconnaissance and supply missions. For an UAV to successfully achieve these kind of missions, geolocation (localization) must be implied to track an intere...

Unmanned air vehicles (UAVs) are getting popular not only as a private usage for the aerial photograph but military usage for the surveillance, reconnaissance and supply missions. For an UAV to successfully achieve these kind of missions, geolocation (localization) must be implied to track an interested target or fly by reference. In this research, we adopted multi-sensor fusion (MSF) algorithm to increase the accuracy of the geolocation and verified the algorithm using two multicopter UAVs. One UAV is equipped with an optical camera, and another UAV is equipped with an optical camera and a laser range finder. Throughout the experiment, we have obtained measurements about a fixed ground target and estimated the target position by a series of coordinate transformations and sequential Kalman filter. The result showed that the MSF has better performance in estimating target location than the case of using single sensor. Moreover, the experimental result implied that multi-sensor geolocation algorithm is able to have further improvements in localization accuracy and feasibility of other complicated applications such as moving target tracking and multiple target tracking.

Keyword

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 각각의 센서들이 가지는 단점을 상호 보완·극복하기 위하여 UAV 자체의 GPS/INS 센서, 광학카메라를 장착한 짐벌의 자세 측정 센서, LRF로부터 얻어지는 정보들을 융합하여 사용자에게 정확한 위치정보를 제공하는 알고리즘을 구현·시험하는데 초점을 두었다. 광학카메라를 장착한 멀티콥터 무인기(UAV1)와 광학카메라 및 LRF를 장착한 또 다른 멀티콥터 무인기(UAV2)를 동시에 투입하여 지상의 고정된 목표물을 지속적으로 촬영하도록 하였고, 짐벌을 이용하여 목표물이 최대한 영상의 가운데에 오도록 설정함으로써, 영상 내에서 목표물의 픽셀정보는 물론, 카메라의 목표물 촬영 각도와 UAV에서 목표물까지의 직선거리를 획득하였다.

가설 설정

광학 카메라 기반의 목표물 위치 추정은 영상 정보 내에서 목표물의 픽셀위치를 알고 있다는 가정을 바탕으로 한다. 본 비행시험에서 UAV의 짐벌은 지상의 목표물을 영상의 가운데에 놓도록 자세를 변환하게 되는데, 다음에 이어지는 일련의 좌표변환 과정을 거치면 지구중심 좌표계(world frame)상에서 목표물의 위치를 추정할 수 있다.

제안 방법

본 연구는 각각의 센서들이 가지는 단점을 상호 보완·극복하기 위하여 UAV 자체의 GPS/INS 센서, 광학카메라를 장착한 짐벌의 자세 측정 센서, LRF로부터 얻어지는 정보들을 융합하여 사용자에게 정확한 위치정보를 제공하는 알고리즘을 구현·시험하는데 초점을 두었다. 광학카메라를 장착한 멀티콥터 무인기(UAV1)와 광학카메라 및 LRF를 장착한 또 다른 멀티콥터 무인기(UAV2)를 동시에 투입하여 지상의 고정된 목표물을 지속적으로 촬영하도록 하였고, 짐벌을 이용하여 목표물이 최대한 영상의 가운데에 오도록 설정함으로써, 영상 내에서 목표물의 픽셀정보는 물론, 카메라의 목표물 촬영 각도와 UAV에서 목표물까지의 직선거리를 획득하였다.
각종 센서로부터 얻어진 데이터들은 일련의 좌표변환과 순차적 필터링 알고리즘을 거쳐 목표물의 위치를 추정하는데 사용되었으며, 단일 센서를 이용한 추정과 다중센서 융합을 이용한 추정 사이의 오차수준을 비교함으로써 알고리즘의 성능을 검증해 보았다.
이상 고정된 물체에 대한 위치추정의 정확도 향상을 위하여 순차적 필터를 이용한 다중센서 위치추정 알고리즘을 구현하였고, 그 효과를 실험적으로 확인해 보았다. 단일 센서를 이용하는 것보다 다중센서 융합을 한 경우 위치 추정의 정밀도를 개선할 수 있었으나, 실제 목표물의 위치로 예상되는 값과는 직선거리로 약 10m 가량 편향(bias)됨을 보였다.

대상 데이터

위치 추정에 사용된 센서는 두 종류로, 광학카메라와 LRF이다. 따라서 위치 추정 알고리즘 역시 광학카메라를 기반으로 한 목표물의 위치 추정과, LRF를 이용한 목표물의 위치 추정으로 나뉘어 진행되고, 다중센서 시스템을 위한 칼만 필터 알고리즘이 이들 추정 값을 융합하여 최종값을 계산하는 방향으로 알고리즘이 구현된다.

성능/효과

이상 고정된 물체에 대한 위치추정의 정확도 향상을 위하여 순차적 필터를 이용한 다중센서 위치추정 알고리즘을 구현하였고, 그 효과를 실험적으로 확인해 보았다. 단일 센서를 이용하는 것보다 다중센서 융합을 한 경우 위치 추정의 정밀도를 개선할 수 있었으나, 실제 목표물의 위치로 예상되는 값과는 직선거리로 약 10m 가량 편향(bias)됨을 보였다. 이는 다중센서 융합을 통한 목표물의 위치 추정 실험과 목표물의 실제 위치를 알아내기 위한 실험이 독립적으로 이루어진 점과 최대 10m의 거리오차가 발생하는 GPS를 이용하여 위치를 추정한 것에서 기인한 것으로 보인다.

후속연구

이는 다중센서 융합을 통한 목표물의 위치 추정 실험과 목표물의 실제 위치를 알아내기 위한 실험이 독립적으로 이루어진 점과 최대 10m의 거리오차가 발생하는 GPS를 이용하여 위치를 추정한 것에서 기인한 것으로 보인다. 다중센서 융합을 통한 위치추정 알고리즘의 개선을 위해서는 더 다양한 센서의 조합을 통한 실험과 더불어 평형적 필터, 자료 요약법과 같은 다른 알고리즘의 성능 비교가 전향적으로 이루어 져야 할 것이다. 이를 바탕으로 움직이는 목표물에 대한 위치 추정의 정확도 개선 및 복수의 목표물에 대한 정확도 높은 추적 알고리즘에 대한 연구 또한 기대해 볼 수 있다.
다중센서 융합을 통한 위치추정 알고리즘의 개선을 위해서는 더 다양한 센서의 조합을 통한 실험과 더불어 평형적 필터, 자료 요약법과 같은 다른 알고리즘의 성능 비교가 전향적으로 이루어 져야 할 것이다. 이를 바탕으로 움직이는 목표물에 대한 위치 추정의 정확도 개선 및 복수의 목표물에 대한 정확도 높은 추적 알고리즘에 대한 연구 또한 기대해 볼 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	광학 카메라 기반의 목표물 위치 추정의 기본 전제는 무엇인가?	광학 카메라 기반의 목표물 위치 추정은 영상 정보 내에서 목표물의 픽셀위치를 알고 있다는 가정을 바탕으로 한다. 본 비행시험에서 UAV의 짐벌은 지상의 목표물을 영상의 가운데에 놓도록 자세를 변환하게 되는데, 다음에 이어지는 일련의 좌표변환 과정을 거치면 지구중심 좌표계(world frame)상에서 목표물의 위치를 추정할 수 있다.
	목표물의 위치를 추정하기 위해서 사용할 수 있는 기술들의 특징에 대해 설명하시오.	목표물의 위치를 추정하기 위해서는 광학카메라, GPS, 레이저 거리 측정기(LRF: Laser Range Finder) 등을 사용할 수 있다. 광학카메라의 경우 영상으로 부터 다양하고 많은 정보를 얻을 수 있으나, 정보 분석에 많은 시간이 소요되고 원거리에서는 사용이 어렵다는 단점을 가진다. GPS는 가장 간편하게 위치정보를 획득할 수 있으나 일반적으로 10m 이내의 큰 오차범위를 가지며, LRF는 높은 정확도로 빠른 정보의 획득이 가능하지만, 일조량이 많거나 목표물이 레이저를 반사하는 특징을 갖는 등 환경적 요인으로부터 측정 오차가 발생하는 단점이 있다.
	임무수행을 위하여 무인 비행체에게 요구되는 기능은 무엇인가?	사용자의 편의성 증대를 위하여 각종 설비가 무인화의 일로를 걷고 있는 오늘날, 무인 비행체 특히 수직이착륙으로 공간 활용성을 높인 멀티콥터는 감시, 정찰, 보급 등의 군사적 임무 수행은 물론 민간에서의 항공촬영 등의 용도로 각광을 받고 있다[1]. 무인 비행체가 이러한 임무를 효과적으로 수행하기 위해서는 목표물이나 목표지점에 대한 위치추정이 필연적으로 이루어져야 하며 그 정확도를 높여 사용자에게 올바른 정보를 제시할 수 있어야 한다[2].

참고문헌 (8)

H. B. Lee, S. W. Moon, W. J. Kim, and H. J. Kim, "Cooperative surveillance and boundary tracking with multiple quadrotor UAVs," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 19, no. 5, pp. 423-428, 2013.

원문보기 상세보기
T. L. Song, "Multi-target tracking filters and data association: a survey," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 20, no. 3, pp. 313-322, 2014.

원문보기 상세보기
D. B. Barber, J. D. Redding, T. W. McLain, and R. W. Beard, "Vision-based target geo-location using a fixed-wing miniature air vehicle," Journal of Intelligent and Robotic Systems, vol. 47, no. 4, pp. 361, Nov. 2006.

상세보기
Y. Ma, S. Soatto, J. Kosecka, and S. S. Sastry, An Invitation to 3-D Vision From Images to Geometric Models, Springer, Berlin Heidelberg New York 2004.
H. R. Kim, X. N. Cui, J. H. Lee, S. J. Lee, and H. Kim, "Person-following of a mobile robot using a complementary tracker with a camera-laser scanner," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 20, no. 1, pp. 78-86, 2014.

원문보기 상세보기
D. Willner, C. B. Chang, and K. P. Dunn, "Kalman filter algorithms for a multi-sensor system," IEEE Conference on Decision and Control including the 15th Symposium on Adaptive Processes, pp. 570-574, 1976.
E. Trucco and A. Verri, "Introductory techniques for 3-D computer vision," Prentice-Hall, NJ, USA, 2002.
S. H. Bae, "Outdoor localization using multi-sensor fusion for a car-like robot," M.S. Thesis, Korea Advanced Institute of Science and Technology (in Korean), Daejeon, Republic of Korea, 2011.

이 논문을 인용한 문헌

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 순차적 칼만 필터를 적용한 다중센서 위치추정 알고리즘 실험적 검증
Experimental Verification of Multi-Sensor Geolocation Algorithm using Sequential Kalman Filter 원문보기

Abstract ▼ AI-Helper

Keyword

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

활용도 분석정보

활용도 Top5 논문

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 순차적 칼만 필터를 적용한 다중센서 위치추정 알고리즘 실험적 검증 Experimental Verification of Multi-Sensor Geolocation Algorithm using Sequential Kalman Filter 원문보기

Abstract ▼ AI-Helper

Keyword

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

김영주 (3) 방효충 (79)

활용도 분석정보

활용도 Top5 논문 더보기

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 순차적 칼만 필터를 적용한 다중센서 위치추정 알고리즘 실험적 검증
Experimental Verification of Multi-Sensor Geolocation Algorithm using Sequential Kalman Filter 원문보기

AI 본문요약
AI-Helper

활용도 Top5 논문