[논문]실해역 환경에서 무인 잠수정의 초기 상태 정렬을 위한 GPS와 관성 항법 센서 기반 항법 정렬 알고리즘

김규현; 이지홍; 이필엽; 김호성; 이한솔

doi:10.7746/jkros.2020.15.1.016

실해역 환경에서 무인 잠수정의 초기 상태 정렬을 위한 GPS와 관성 항법 센서 기반 항법 정렬 알고리즘
GPS and Inertial Sensor-based Navigation Alignment Algorithm for Initial State Alignment of AUV in Real Sea 원문보기

로봇학회논문지 = The journal of Korea Robotics Society, v.15 no.1, 2020년, pp.16 - 23

김규현 (Mechatronics Engineering, Chungnam National University) , 이지홍 (Mechatronics Engineering, Chungnam National University) , 이필엽 (Hanwha Systems) , 김호성 (Hanwha Systems) , 이한솔 (Hanwha Systems)

Abstract ▼ AI-Helper

This paper describes an alignment algorithm that estimates the initial heading angle of AUVs (Autonomous Underwater Vehicle) for starting navigation in a sea area. In the basic dead reckoning system, the initial orientation of the vehicle is very important. In particular, the initial heading value is an essential factor in determining the performance of the entire navigation system. However, the heading angle of AUVs cannot be measured accurately because the DCS (Digital Compass) corrupted by surrounding magnetic field in pointing true north direction of the absolute global coordinate system (not the same to magnetic north direction). Therefore, we constructed an experimental constraint and designed an algorithm based on extended Kalman filter using only inertial navigation sensors and a GPS (Global Positioning System) receiver basically. The value of sensor covariance was selected by comparing the navigation results with the reference data. The proposed filter estimates the initial heading angle of AUVs for navigation in a sea area and reflects sampling characteristics of each sensor. Finally, we verify the performance of the filter through experiments.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 논문은 AUV의 방위각을 추정하기 위해 실험적 ㄹ으로 roll, pitch 각도 값의 변화를 최소화하면서 기본적으로 사용되는 관성 항법 센서와 GPS만으로 항법을 시작하기 위한 초기 방위각 값을 산출하는 추정기를 제시한다. 추정기는 항법 알고리즘 연산 결과와 레퍼런스 데이터 비교를 통해 계수 조정을 하며, 항법에 사용되는 기본 필터는 항법 및 다양한 위치 추정 기법에 사용되고 있는 확장 칼만 필터(EKF: Extended Kalman Filter)를 사용한다.
본 논문은, 복잡한 실해역 환경에서 AUV의 초기 방위각 값을 정확하게 추정하기 위한 연구로, 실험적 구속 조건과 주어진 센서 환경과의 타협점을 통해 방위각을 추정하는 방법 을 제시하였다. 알고리즘은 기본적으로 사용되는 관성 항법 센서와 GPS로 구성하였으며, 관성항법 센서와 GPS의 샘플링조건도 고려가 되었다.

제안 방법

파란색 데이터는 GPS 데이터이고, 붉은색 데이터는 항법 결과이며, 항법 시스템의 단계별로 진행되고 있는 상태를 나타내고 있다. step 1 구간에서 먼저 DCS 방위각으로 항법을 진행하였을 때 방위각 공분산을 확인한 뒤, step 2 상태에서는 GPS, DVL, Gyro를 이 용한 방위각의 공분산을 확인한다. step 1과 step 2가 진행되는 시간은 같다.
step 3 부터는 확인한 공분산 값을 기준으로 방위각 정렬 필터가 동작하여 방위각을 추정한다. 그 후 추정된 방위각으로 항법을 진행한다.
본 절에서는 앞 절에서 계산된 방위각을 통해 AUV의 위치 자세를 추정할 항법 알고리즘을 기술한다. 기본적으로 관성 항법 센서인 IMU 센서의 가속도와 각속도 #을 기반으로 AUV의 위치와 자세를 추정한다.
처음 방위각 정렬을 위한 공분산 측정 구간과 방위각 정렬 알고리즘이 동작할 동안은 노끈과 사람이 잠수정의 roll, pitch 자세를 고정한 상태에서 진행하였으며, 정렬이 끝난 구간부터는 자세 고정을 풀고 사용자에 의해 항법 단계로 넘어가 AUV를 운용한다. 성능은 GPS 데이터를 레퍼런스로 하여 항법 구간에서의 최대 오차 및 오차 퍼센트를 확인하는 것으로 진행하였다.
실험은 진수된 AUV와 연결된 수상선을 운용하여 AUV를 이동시키는 것으로 진행하였으며, 크게 ‘센서 동작 체크 및 공분산 측정–초기 방위각 추정을 통한 정렬–항법’의 3단계로 구성된다.
본 논문은, 복잡한 실해역 환경에서 AUV의 초기 방위각 값을 정확하게 추정하기 위한 연구로, 실험적 구속 조건과 주어진 센서 환경과의 타협점을 통해 방위각을 추정하는 방법 을 제시하였다. 알고리즘은 기본적으로 사용되는 관성 항법 센서와 GPS로 구성하였으며, 관성항법 센서와 GPS의 샘플링조건도 고려가 되었다. 제시한 알고리즘은 해상 실해역 실험을 통해 알고리즘의 유효성을 검증하였다.
좌표계는 GPS를 통해 얻은 출발 지점의 위치를 기준으로 UTM좌표계(Universal Transverse Mercator Coordinate System)로 변환한 뒤, 출발 지점을 (0,0)좌표로 조정한 좌표계를 사용하였다. [Fig.

대상 데이터

본 논문에서 사용되는 좌표계는 항법 좌표계(navigation frame), 동체 중심 좌표계(body fixed frame)이다. 항법 좌표계는 항법 시스템이 위치한 곳의 기준 좌표점(navigation system point)에 위치하며, 그 지구 중심 쪽으로 수직한 축을 D축, 진북 방향 벡터를 N축으로 하고, 동쪽 방향 벡터를 E축으로 하는 좌표계이다.
현재 시스템은 AUV의 가속도 및 각속도를 측정하는 관성 센서가 탑재되어 있고 이를 이용하여 AUV의 위치 자세를 추정할 수 있다. 시스템 모델은 IMU의 Gyroscope에서 출력하는 각속도 p_I, q_I, r_I를 이용한 센서 기반 기구학모델로 구성한다(식 (9)-(10)).
본 장에서는 제시한 알고리즘의 성능을 실제 시스템을 통 한 실험으로 검증한다. 실험은 거제도 장목항 한국해양과학기술원 남해연구소 앞 인근해역에서 진행하였다([Fig. 6]).

데이터처리

실험은 진수된 AUV와 연결된 수상선을 운용하여 AUV를 이동시키는 것으로 진행하였으며, 크게 ‘센서 동작 체크 및 공분산 측정–초기 방위각 추정을 통한 정렬–항법’의 3단계로 구성된다. 검증은 AUV를 진수 후 직접운용하면서 취득한 데이터와 레퍼런스인 GPS 데이터를 비교하여 항법 성능 및 알고리즘 성능을 확인하였다. 처음 방위각 정렬을 위한 공분산 측정 구간과 방위각 정렬 알고리즘이 동작할 동안은 노끈과 사람이 잠수정의 roll, pitch 자세를 고정한 상태에서 진행하였으며, 정렬이 끝난 구간부터는 자세 고정을 풀고 사용자에 의해 항법 단계로 넘어가 AUV를 운용한다.
알고리즘은 기본적으로 사용되는 관성 항법 센서와 GPS로 구성하였으며, 관성항법 센서와 GPS의 샘플링조건도 고려가 되었다. 제시한 알고리즘은 해상 실해역 실험을 통해 알고리즘의 유효성을 검증하였다. 추후 연구가 진행된다면 더 능동적이고 복합적인 환경에서도 제한 없이 적용할 수 있도록 정렬 알고리즘을 설계하는 연구가 진행되어 야 할 것으로 보인다.

이론/모형

제안하는 초기 방위각 추정 알고리즘은 EKF를 이용하여 구성된다. 추정하고자 하는 상태 벡터는 AUV의 방위각 ψ이다.
따라서 본 논문은 AUV의 방위각을 추정하기 위해 실험적 ㄹ으로 roll, pitch 각도 값의 변화를 최소화하면서 기본적으로 사용되는 관성 항법 센서와 GPS만으로 항법을 시작하기 위한 초기 방위각 값을 산출하는 추정기를 제시한다. 추정기는 항법 알고리즘 연산 결과와 레퍼런스 데이터 비교를 통해 계수 조정을 하며, 항법에 사용되는 기본 필터는 항법 및 다양한 위치 추정 기법에 사용되고 있는 확장 칼만 필터(EKF: Extended Kalman Filter)를 사용한다. EKF는 비선형 시스템을 선형 시스템 모델로 선형화하여 추정하는 칼만 필터로 위치 추정의 기본이 되는 필터이다^[8-12].

성능/효과

4. 방위각 정렬 구간에서는 주행하는 동안 AUV의 roll, pitch 각도 변화가 최소화되도록 한다.
8]는 전체 운용 결과를 나타내는데, (a)는 방위각 정렬 알고리즘을 적용하지 않고 장착된 DCS로 실험을 진행하였을 때를, (b)는 제시한 정렬 알고리즘을 적용하였을 때의 결과를 나타낸다. 결과를 보면 레퍼런스 데이터인 GPS의 위치에 맞게 방위각이 정렬되어 항법을 진행하는 것을 볼 수 있다. [Fig.
9]는 (a)와 (b)의 실시간 거리 오차를 나타낸다. 실험 결과 정렬 을 하지 않았을 때 오차가 점점 커지는 것을 확인할 수 있다. 제 시한 알고리즘을 적용하지 않았을 때는 최대 거리 오차가 9 m 까지 측정되지만 제시한 알고리즘을 적용하였을 때 최대 거리 오차가 2.
실험 결과 정렬 을 하지 않았을 때 오차가 점점 커지는 것을 확인할 수 있다. 제 시한 알고리즘을 적용하지 않았을 때는 최대 거리 오차가 9 m 까지 측정되지만 제시한 알고리즘을 적용하였을 때 최대 거리 오차가 2.2 m 내외로 수렴하는 것을 확인할 수 있다. 처음 오차 가 0 m로 표시된 부분은 정렬이 진행 중인 상태이다.

후속연구

추후 연구가 진행된다면 더 능동적이고 복합적인 환경에서도 제한 없이 적용할 수 있도록 정렬 알고리즘을 설계하는 연구가 진행되어 야 할 것으로 보인다. 본 논문에서 제시한 알고리즘은 AUV를 비롯한 무인 수중 운동체의 수중 항법 시스템에 도움이 될 것으로 판단된다.
제시한 알고리즘은 해상 실해역 실험을 통해 알고리즘의 유효성을 검증하였다. 추후 연구가 진행된다면 더 능동적이고 복합적인 환경에서도 제한 없이 적용할 수 있도록 정렬 알고리즘을 설계하는 연구가 진행되어 야 할 것으로 보인다. 본 논문에서 제시한 알고리즘은 AUV를 비롯한 무인 수중 운동체의 수중 항법 시스템에 도움이 될 것으로 판단된다.

참고문헌 (14)

P.-M. Lee, H. Shim, H. Baek, B. Kim, J.-Y. Park, B.-H. Jun, and S.-Y. Yoo, "Navigation System for a Deep-sea ROV fusing USBL, DVL, and heading measurements," Journal of Ocean Engineering and Technology, vol. 31, no. 4, pp. 315-323, Aug., 2017.

원문보기 상세보기
C.-M. Lee, P. M. Lee, and W.-J. Seong, "Underwater Hybrid Navigation Algorithm Based on an Inertial Sensor and a Doppler Velocity Log Using an Indirect Feedback Kalman Filter," Journal of Ocean Engineering and Technology, vol. 17, no. 6, pp. 83-90, Dec., 2003.
P.-M. Lee, B.-H. Jeon, S.-M. Kim, C.-M. Lee, Y.-K. Lim, and S.-I. Yang, "A hybrid navigation system for underwater unmanned veh icles, using a range sonar," Journal of Ocean Engineering and Technology, vol. 18, no.4, pp. 33-39, Aug., 2004.
S.-H. Mok, H. Bang, J. Kwon, and M. Yu, "Terrain referenced navigation for autonomous underwater vehicles," Journal of Institute of Control, Robotics and Systems, vol. 19, no.8, pp. 702-708, Aug., 2013.

원문보기 상세보기
S.-H. Mok, H. Bang, and M. Yu, "Performance Analysis of Vision-Based Terrain Referenced Navigation," Journal of Institute of Control, Robotics and Systems, vol. 23, no.4, pp. 294-299, Apr., 2017.

상세보기
S.-G. Park, D.-H. Hwang, and S. J. Lee, "Psi angle error model based alignment algorithm for strapdown inertial navigation system," Journal of Institute of Control, Robotics and Systems, vol. 17, no. 2, pp. 183-189, Dec., 2011.

원문보기 상세보기
H.-S. Kang, S.-M. Hong, J.-N. Sur, and J.-Y. Kim, "Design of GPS-aided dead reckoning algorithm of AUV using extended Kalman Filter," Journal of Ocean Engineering and Technology, vol. 31, no. 1, pp. 28-35, Feb., 2017.

원문보기 상세보기
Y.-S. Park, W.-S. Choi, S.-I. Han, and J.-M. Lee, "Navigation system of UUV using multi-sensor fusion-based EKF," Journal of Institute of Control, Robotics and Systems, vol. 22, no. 7, pp. 562-569, Jun., 2016.

원문보기 상세보기
I. Yun, J. Shim, and J. Kim, "Pose estimation method using sensor fusion based on extended Kalman Filter," Journal of The Institute of Electronics and Information Engineers, vol. 54, no. 2, Feb., 2017.
T.-S. Yoo and M. H. Kim, "Analysis of integrated navigation performance for sensor selection of Unmanned Underwater Vehicle (UUV)," Journal of Ocean Engineering and Technology, vol. 28, no.6, pp. 566-573, Dec., 2014.

원문보기 상세보기
C.-W. Kang, C.-G. Park, and Y. M. Yoo, "Performance improvement of attitude estimation using modified euler angle based Kalman Filter," Journal of Institute of Control, Robotics and Systems, vol. 14, no.9, pp. 881-885, Sept., 2008.

원문보기 상세보기
G.-H. Kim, J. Lee, P.-Y. Lee, H. S. Kim, and H. Lee, "A Study on Docking Guidance Navigation Algorithm of AUV by Combining Inertial Navigation Sensor and Docking Guidance Sensor," Journal of Institute of Control, Robotics and Systems, vol. 25, no.7, pp. 647-656, Jul., 2019.

상세보기
D. H. Titterton and J. L. Weston, Strapdown Inertial Navigation Technology, 2nd ed. IET, 2004.
T.I. Fossen, Guidance and Control of Ocean Vehicles, John Wiley & Sons Inc., 1994.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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