Kilometer-Scale GNSS-Denied UAV Navigation via Heightmap Gradients: A Winning System from the SPRIN-D Challenge

기술 요약: 고도도표 기울기를 통한 킬로미터 규모 GNSS 차단 UAV 항법

문제 정의
글로벌 항법 위성 시스템 (GNSS) 이 차단된 환경에서 무인 항공기 (UAV) 의 신뢰할 수 있는 장거리 항법은 여전히 중요한 과제입니다. 시각 - 관성 오도메트리 (VIO) 및 라이다 - 관성 오도메트리 (LIO) 와 같은 표준 오도메트리 방법은 루프 클로저가 불가능한 이전에 보지 못한 지역을 특히로 시간 경과에 따라 무제한의 드리프트를 누적합니다. 딥러닝 기반 지리 위치 결정은 높은 정확도를 제공하지만, 제한된 자원을 가진 임베디드 플랫폼에서 실시간 실행을 위해 계산 비용이 과도하게 많이 소요되는 경우가 많습니다. 반면, 기존 오도메트리 전용 시스템은 효율적이지만 킬로미터 규모의 궤적에서 오차를 제한된 상태로 유지하지 못합니다. 본 논문에서 다루는 핵심 문제는 사전에 조밀한 매핑이나 특정 임무 구역의 사전 기록된 지도에 의존하지 않고, 제한된 연산 능력을 가진 저고도 UAV 에서 이용 가능한 지리 데이터를 활용하여 드리프트를 어떻게 관리할 수 있는지입니다.

방법론
저자들은 GNSS 없이 25m 이하의 지상고 (AGL) 에서 9km 길이의 웨이포인트 시퀀스를 항법하도록 설계된 SPRIN-D Funke 완전 자율 비행 챌린지를 위해 개발된 완전 온보드 시스템을 제시합니다. 이 시스템은 CPU 전용 하드웨어 (Intel NUC i7) 에서 실행되는 통합 아키텍처로 지각, 매핑, 계획, 제어를 통합합니다.

• 하드웨어 및 지각: UAV 는 Livox Mid-360 라이다를 사용하여 조밀한 포인트 클라우드를 생성하고, 단거리 장애물 지각을 위해 Intel RealSense D435 를 사용하며, VIO(OpenVINS 사용) 를 위해 Bluefox RGB 카메라와 IMU 를 결합한 이종 센서 세트를 활용합니다. VIO 의 신뢰성을 보장하기 위해 IMU 와 카메라는 3D 프린팅된 실린더 블록을 통해 기체 프레임에서 기계적으로 분리되어 고주파 진동을 감쇠시킵니다.
• 위치 결정 파이프라인: 핵심 혁신은 오도메트리와 사전 지리 데이터를 융합하는 경량 드리프트 보정 방법입니다.
  • 고도도표 생성: 라이다 데이터로부터 지역 점유 지도가 생성된 후, 격자 내 장애물의 최대 높이를 나타내는 2D 고도도표 (1m 해상도) 로 변환됩니다.
  • 기울기 기반 매칭: 기압계 잡음과 지면 경사로 인해 신뢰할 수 없는 절대 고도 대신, 시스템은 지역 고도도표의 기울기를 사전 지리 참조 디지털 고도 모델 (DEM) 과 매칭합니다. 절대값이 5m 보다 큰 기울기만 고려하여 작거나 일시적인 객체를 필터링하고 나무 및 건물과 같은 안정적인 구조물을 강조합니다.
  • 템플릿 매칭: 이진화된 에지 맵을 비교하기 위해 비정규화 상관 계수가 사용됩니다.
  • 클러스터링 파티클 필터: 유사도 점수는 오도메트리 및 나침반 데이터와 파티클 필터에서 융합됩니다. 지각적 앨리어싱과 오도메트리 잡음을 처리하기 위해 시스템은 파티클 세트에 K-평균 클러스터링을 적용하여 가장 큰 클러스터의 중심을 최종 위치 추정치로 선택합니다.
• 임무 제어: 유한 상태 기계가 임무를 관리하며, 항법, 웨이포인트 감지 (합성 및 실제 데이터로 훈련된 경량 YOLOv8n 모델 사용), 웨이포인트가 즉시 감지되지 않을 경우 검색 패턴 사이를 전환합니다.

주요 기여

1. 완전 온보드 시스템: 저자들은 전용 GPU 가속 없이 온보드에서 완전히 작동하며 25m 이하 AGL 에서 킬로미터 규모의 GNSS 차단 비행을 수행할 수 있는 완전한 UAV 시스템을 시연합니다.
2. 새로운 드리프트 보정 방법: 라이다 기반 고도도표 기울기의 템플릿 매칭에 기반한 특정 위치 결정 기술을 도입합니다. 이 접근법은 라이다 기반 구조적 단서와 의미론적 정보를 연결하여 혼합 도시 - 숲 환경에 대한 계산 효율적이고 견고한 솔루션을 제공합니다.
3. 현장 검증: 시스템은 도시, 숲, 개방된 들판 등 다양한 환경에서 SPRIN-D 챌린지를 통해 검증되었으며, 원시 오도메트리와 비교하여 상당한 드리프트 감소를 달성했습니다.

결과
시스템은 Erding 비행장에서 열린 SPRIN-D 챌린지 동안 평가되었습니다.

• 성능: 팀은 대회에서 1 위를 차지했습니다. 시스템은 전체 위치 결정 평균 제곱근 오차 (RMSE) 가 11m 미만인 상태에서 여러 킬로미터 규모의 비행 (비행당 최대 약 1.3km) 을 성공적으로 수행했습니다. 반면, 나침반 정렬 오도메트리만 사용할 경우 RMSE 가 최대 53m 에 달했습니다.
• 드리프트 보정: 위치 결정이 의도적으로 실제 위치에서 32m 벗어나게 초기화된 시험 비행에서, 시스템은 성공적으로 재위치 결정을 수행하여 비행 종료 시 오차를 약 4m 로 줄였습니다.
• 환경적 견고성: 이 방법은 뚜렷한 특징이 있는 도시 환경에서 특히 잘 작동했습니다. 특징이 적은 개방된 들판에서는 시스템이 오도메트리에 더 크게 의존했지만, 독특한 구조물을 만났을 때 기울기 매칭이 보정을 제공했습니다.
• 한계: 비행은 주로 배터리 제약이나 하드웨어 문제 (예: WiFi 카드 고장) 로 인해 종료되었으며 위치 결정 드리프트 때문이 아니었으므로, 위치 결정 알고리즘이 임무 범위의 주요 병목 현상이 아니었음을 나타냅니다.

의의 및 주장
본 논문은 제안된 시스템이 회복력 있는 GNSS 차단 자율성을 위한 기초 청사진을 제공한다고 주장합니다. 저자들은 장거리 임무의 경우 일관되게 낮은 순간 RMSE 를 유지하는 것보다 높은 불확실성 기간에서 회복하고 재위치 결정하는 능력이 더 중요하다고 강조합니다. 단일 센서는 완전히 신뢰할 수 없으며 (철근 콘크리트 근처의 나침반 드리프트 지적), 센서 융합이 필수적임을 강조합니다. 이 연구는 제한된 자원을 가진 하드웨어에서 다양한 보지 못한 환경에서 오도메트리 드리프트를 효과적으로 보정할 수 있는 경량 기울기 기반 지리 데이터 매칭을 보여주며, GNSS 가 불가능한 시나리오에서 자율 UAV 의 실용적 배포를 가능하게 합니다.