Integration of Scan-Matching-based LiDAR Odometry with INS and GNSS for UAVs in Unstructured Natural Environments
본 논문은 식생으로 인해 GNSS 신호가 저하되는 비정형 자연 환경에서 운용되는 UAV를 위해, 이중 차분(double-differenced) GNSS와 느슨하게 결합된(loosely coupled) 스캔 매칭 LiDAR 오도메트리를 긴밀하게 결합하여 센티미터 수준의 위치 결정과 현저히 향상된 자세 추정을 달성하는 실시간 오차 상태 칼만 필터 기반 항법 구조를 제안한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
굽이치는 강 바로 위를 비행하며 수면을 매핑하고, 유량을 측정하며, 강의 건강 상태를 추적하는 임무를 수행하는 드론을 상상해 보십시오. 이를 정확하게 수행하기 위해 드론은 자신이 정확히 어디에 있는지, 얼마나 빠르게 움직이는지, 그리고 어느 방향을 향하고 있는지를 반드시 알아야 합니다. 탁 트인 하늘에서는 이것이 쉽습니다. 드론이 항법 위성으로부터 신호를 받아 자신의 위치를 정확히 파악할 수 있기 때문입니다. 하지만 강은 결코 탁 트여 있지 않습니다. 강 주변에는 종종 높은 나무와 울창한 식생이 늘어서 있어 위성 신호를 차단하곤 합니다. 이 경우 드론의 내부 나침반과 운동 센서는 자신의 위치를 추측할 수밖에 없습니다. 위성 신호가 없으면 이러한 추측은 마치 한 시간마다 1분을 잃어버리는 시계처럼 빠르게 오차가 발생하며, 결국 제어력을 잃거나 추락으로 이어질 수 있습니다. 과학자들의 과제는 하늘이 나뭇잎에 가려지고 아래의 물 위에서 명확한 지형지물을 제공하지 못할 때도 드론을 안정적이고 정확하게 유지하는 것입니다.
덴마크와 영국의 연구진은 세 가지 다른 유형의 센서를 하나의 스마트한 시스템으로 결로합하여 이 문제를 해결할 수 있는 새로운 방법을 개발했습니다. 그들은 레이저 스캐너, 운동 센서, 위성 수신기를 장착한 드론을 가지고 덴마크의 실제 강과 호수 위를 비행했습니다. 그들의 목표는 위성 신호가 약할 때 레이저 스캐너를 사용하여 세상을 "보는" 법을 익히고, 이 정보를 운동 센서 및 위성 데이터와 결합하여 완벽한 항법 영상을 만들어낼 수 있는지 확인하는 것이었습니다. 그들의 접근 방식은 이전 방법들과 다른데, 나무 밑동이나 바위와 같은 특정 형상을 찾아 고정하려고 시도하지 않는다는 점입니다. 대신, 그들은 단순히 다음 순간의 레이저 점들의 전체적인 패턴을 일치시키는 기술을 사용하며, 이 기술은 강 표면이 매끄럽거나 나무들이 흐릿할 때도 작동합니다.
연구진은 두 가지 매우 다른 환경에서 시스템을 테스트했습니다. 첫 번째는 드론이 높은 둑과 나무들에 둘러싸인 물 위를 낮게 비행하여 위성 신호가 빈번하게 차단되는 수소(Suså) 강의 구간이었습니다. 두 번째는 "스트레스 테스트" 비행으로, 위성 신호는 완벽하지만 물이 레이저 빛을 흡수하여 레이저 스캐너가 거의 아무것도 볼 수 없는 탁 트인 호수에서 시작하여, 위성 신호는 사라졌지만 밀집된 식생으로 인해 레이저 스캐너에 데이터가 쏟아지는 좁고 나무가 우거진 길로 이동하는 경로였습니다. 두 경우 모두 드론의 컴퓨터는 고속으로 비행하는 동안 위성에 의존할지, 레이저에 의존할지, 아니면 두 가지를 혼합하여 사용할지를 결정해야 했습니다.
결과는 이 새로운 방법이 이러한 까다로운 조건에서 항법을 수행하는 기존의 표준적인 방식들보다 훨씬 더 효과적임을 보여주었습니다. 연구진이 가장자리나 모서리와 같은 특정 기하학적 특징을 찾는 데 의존하는 기존의 최선 방식들과 비교했을 때, 이 새로운 접근 방식은 모든 범주에서 더 정확했습니다. 강 테스트에서 새 시스템은 드론의 위치를 몇 센티미터 이내의 오차로 정확하게 유지했는데, 이는 이상적인 조건에서도 달성하기 어려운 정밀도입니다. 또한 드론이 어느 방향을 향하고 있는지 파악하는 능력을 개선하여, 표준 방식에 비해 헤딩(방향) 오차를 3분의 2 수준으로 줄였습니다. 이는 특징이 없는 환경에서 이동할 때 방향을 아는 것이 항법에서 가장 어려운 부분 중 하나이기 때문에 매우 중요합니다.
이 연구는 또한 왜 기존의 방법들이 이러한 환경에서 실패했는지 밝혀냈습니다. 연구진은 나무의 가장자리나 바위와 같은 특정 특징을 포착하려고 하는 시스템들이 바람이나 드론 자체의 프로펠러 때문에 나뭇잎이 흔들리거나, 수면이 너무 매끄러워 명확한 패턴을 반사하지 못할 때 혼란을 겪는다는 것을 발견했습니다. 특정 특징을 무시하고 대신 레이저 점 구름의 전체적인 패턴을 일치시킴으로써, 새 시스템은 환경이 혼란스러운 상황에서도 안정성을 유지했습니다. 이 시스템은 갑작스러운 개활지에서 깊은 숲으로의 전환을 처리할 수 있었으며, 이는 다른 시스템들이 어려움을 겪었던 능력이었습니다. 또한 시스템은 표준 노트북에서 실시간으로 실행될 만큼 빨랐으며, 이는 슈퍼컴퓨터 없이도 실제 현장 작업에 드론에 설치될 수 있음을 의미합니다.
이 시스템은 드론의 수평 위치를 유지하는 데는 매우 성공적이었으나, 연구진은 한 가지 남은 한계점을 언급했습니다. 바로 수면으로부터의 정확한 높이를 결정하는 데 있어 약간 덜 정밀하다는 점이었습니다. 이는 레이저 스캐너가 나무의 측면과 둑을 매우 잘 보여주어 좌우 및 전후 위치를 고정하는 데는 도움이 되지만, 물 표면 자체는 높이를 측정하기 위해 레이저가 붙잡을 수 있는 것을 거의 제공하지 않기 때문입니다. 그럼에도 불구하고, 전반적인 성능은 강이나 다른 자연 환경을 연구하기 위한 드론 활용에 있어 큰 진전을 이루었습니다. 이 연구는 드론이 특정 물체를 "보는" 대신 단순한 패턴 매칭 기술을 통해 숲 사이를 "느끼며" 나아가는 방식을 통해, 신호가 부족한 가장 도전적인 자연의 구석에서도 이러한 기계들을 안전하고 정확하게 비행할 수 있음을 입증했습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.