센서 융합은 용어입니다. 점점 더 널리 퍼지고 있는 거의 모든 관성 항법 기술을 사용하는 모든 분야에서 널리 사용되고 있는 용어입니다. 이 블로그에서는 우리는 관성 내비게이션이 무엇이며, 내비게이션 및 로컬라이제이션 데이터 품질을 개선하는 데 어떻게 도움이 되는지 자세히 알아보고자 합니다. 그렇다면 센서 퓨전이란 무엇일까요?
센서 퓨전: 정의
센서 융합은 동일한 이벤트를 설명하는 두 개의 서로 다른 센서에서 데이터를 가져와 이를 결합하여 단일 데이터 세트를 만드는 작업입니다.
대부분의 온라인 토론에서 이 용어는 특히 기존 설정에 새로운 센서를 추가하는 것, 예를 들어 INS에 LiDAR를 추가하는 것을 가리킵니다. 하지만 기본적인 INS도 여전히 두 센서의 데이터를 융합하고 있다는 점을 기억해야 합니다. INS에 내장된 GNSS 수신기의 데이터를 관성 측정 장치(IMU)의 데이터와 결합하는 것입니다. 관성 측정 장치(IMU) 의 데이터와 결합하여 단일 출력을 생성합니다.
참고로, 관성 항법에 관한 많은 문헌에서 INS가 생성한 위치 데이터에 대해 이야기할 때 '위치 추정치'라고 표현하는 것도 바로 이 때문입니다. 기술적으로 이 데이터는 다양한 요인에 기반한 추정치이기 때문에 100% 정확하다고 보장할 수는 없습니다. 하지만 실제로 데이터는 매우 정확하며, 특히 25년 이상 다양한 애플리케이션을 위해 GNSS와 IMU 데이터를 융합한 전문 지식의 산물인 OxTS GNSS/INS로 작업하는 경우 더욱 그렇습니다.
센서 융합의 이점은 무엇인가요?
센서 융합에는 두 가지 주요 이점이 있습니다. 첫 번째는 최종 데이터 출력의 신뢰성을 높이는 것입니다. 모든 유형의 센서에는 각기 다른 성능 특성과 약점이 있습니다. 두 개 이상의 센서에서 얻은 데이터를 결합하면 최종 출력의 정확성을 더 자주, 더 많이 확신할 수 있습니다.
일반 INS를 고려하세요. 내부의 IMU는 시간이 지남에 따라 위치 드리프트에 취약합니다(모든 IMU가 그렇죠). 하지만 GNSS는 드리프트에 취약하지 않습니다. 따라서 두 데이터 포인트를 함께 융합하면 GNSS 위치 업데이트를 사용하여 IMU 드리프트를 보정하고 최종 데이터를 더 안정적으로 만들 수 있습니다.
이 관계는 다른 방식으로도 작동합니다. GNSS는 IMU처럼 표류하지는 않지만, 예를 들어 터널이나 나무 아래를 통과하는 등 위성 신호가 끊기면 INS에서 얻는 위치 데이터의 신뢰성이 매우 떨어집니다. 하지만 IMU는 이러한 영향을 받지 않습니다. 따라서 GNSS 신호가 끊어지면 IMU의 데이터가 신호 부족을 보완하고 데이터 출력을 더욱 안정적으로 유지합니다.
센서 융합의 두 번째 이점은 로컬라이제이션 솔루션의 활용성을 높인다는 점입니다. 오늘날 엔지니어들은 다양한 환경에서 신뢰할 수 있는 데이터를 제공하는 로컬라이제이션 솔루션을 만들기 위해 모든 종류의 센서 데이터를 융합하는 작업을 하고 있습니다. LiDAR, 카메라 기반 주행 거리 측정, 휠 속도 센서 등의 센서는 모두 내비게이션 문제를 극복하기 위해 다양한 사람들이 사용하고 있습니다.
결과적으로 센서 데이터를 융합하는 로컬라이제이션 솔루션은 더 다양한 환경에서 작동할 수 있습니다. 비즈니스 제품으로 솔루션을 구축하는 경우 이러한 다목적성은 새로운 잠재 시장을 열어주고, 현장에서 사용하기 위한 솔루션을 구축하는 경우 추가된 다목적성으로 인해 더 많은 장소에서 운영할 수 있는 능력을 제공합니다.
결론적으로, 두 개 이상의 센서를 통합하는 현지화 솔루션을 구축하면 GNSS를 사용하거나 사용하지 않고도 작동할 수 있는 보다 강력하고 안정적인 제품을 얻을 수 있습니다.
센서 퓨전은 어떻게 작동하나요?
대부분의 센서 융합은 칼만 필터에 의존하여 작동합니다. 칼만 필터는 시스템이 다양한 다른 데이터 포인트(예: IMU, GNSS, 휠 속도 센서의 데이터)를 기반으로 변수(예: 위치)를 추정할 수 있도록 하는 알고리즘입니다. 결정적으로 칼만 필터에는 각 측정값의 신뢰도에 대한 정보가 제공되므로 오류가 있을 가능성이 있는 데이터를 무시할 수 있습니다.
대략적으로 말하면 다음과 같이 작동합니다:
- 필터는 측정 중인 차량의 기존 모델을 사용하여 위치를 예측합니다.
- 센서가 차량의 위치와 측정의 신뢰도(또는 불확실성)에 대한 데이터를 필터로 전송합니다.
- 필터는 해당 데이터를 평가하여 예측을 업데이트하는 데 사용할지 아니면 무시할지 여부를 결정합니다.
따라서 신뢰할 수 있는 데이터를 칼만 필터로 전송하는 센서가 많을수록 필터의 예측이 정확해질 가능성이 높아집니다.
하지만 데이터가 칼만 필터에 전달되기 전에 데이터를 공통 참조 프레임으로 변환해야 합니다. 센서마다 서로 다른 기준 프레임을 사용하여 동일한 움직임을 다른 방식으로 보고할 수 있습니다. 예를 들어, 휠스피드 센서는 "전진 속도 = 30m/s"로 움직임을 보고하는 반면, LiDAR는 "x축 속도 = 108km/h"로 동일한 움직임을 나타낼 수 있습니다. 모든 데이터를 비교하려면 센서 퓨전 엔진이 필요합니다:
- 데이터를 공통 참조 프레임으로 변환하기
- 공통 측정 단위로 변환
- 차량에 있는 센서의 다양한 위치(레버 암이라고도 함)를 고려합니다.
- 각 측정값에 공분산(측정값의 불확실성)을 부여합니다.
OxTS 시스템에서는 각 매개변수를 정의할 수 있는 GAD 인터페이스를 통해 이 모든 것을 제어할 수 있습니다. 이제 다양한 산업에서 센서 퓨전이 어떻게 사용되는지 살펴보겠습니다.
자동차 테스트의 센서 융합
자동차 테스트에서 센서 융합은 주로 도로와 실내의 두 가지 환경에서 사용됩니다. 도로에서는 거리가 멀고 도시와 같이 환경이 다양하기 때문에 기존 GNSS 내비게이션이 NCAP과 같은 표준을 준수하는 데 필요한 정확도를 항상 제공하지는 못합니다. 센서 퓨전은 문제가 있는 영역에서 내비게이션 출력을 개선하여 테스트 데이터가 여전히 유용할 만큼 정확하도록 보장합니다.
물론 실내 테스트는 GNSS 신호가 전혀 없는 상태에서 진행해야 합니다. 이러한 환경에서는 IMU 데이터가 다른 센서 데이터의 도움을 받아야 하며, 그렇지 않으면 드리프트가 발생하여 최종 결과가 거의 쓸모없게 됩니다. 센서 융합 기술은 INS가 위치를 추정하는 데 사용할 수 있는 다른 정보 소스를 제공합니다.
사용되는 일반적인 센서:
- 휠 속도 센서
- 다음과 같은 UWB 포지셔닝 시스템 Poxyx 2GAD
- 라이더
자율 주행의 센서 융합
자율 내비게이션은 실내 창고 로봇부터 로봇 과일 수확기까지 다양한 형태로 구현됩니다. 이러한 모든 환경의 공통적인 과제는 GNSS 신호가 약하거나 존재하지 않는 상태에서 내비게이션을 수행하는 것입니다. 센서 퓨전은 로봇의 인식 센서에서 데이터를 가져와 로컬라이제이션 솔루션의 견고성을 개선하는 데 사용하는 센서 퓨전이 해답을 제공합니다.
사용되는 일반적인 센서:
- 라이더
- 카메라 주행 거리 측정
- 레이더
지오레퍼런싱의 센서 융합
지오레퍼런싱은 위치, 내비게이션, 타이밍 정보를 다른 측량 센서(LiDAR, 레이더 등)의 데이터와 결합하는 작업으로, 측량의 각 지점에 정확한 위치 정보를 제공하는 것을 목표로 합니다. 지오레퍼런싱이 없다면 측량 데이터를 사용하여 신뢰할 수 있는 측량을 하거나 측량 대상의 위치를 지구상에 정확하게 표시할 수 없습니다.
많은 측량에서 정확한 위치 및 타이밍 데이터를 제공하기 위해 GNSS에 의존하지만, GNSS 가시성이 좋은 지역에서 항상 측량이 수행되는 것은 아닙니다. 따라서 위치 드리프트를 방지하고 정확도를 유지하려면 다른 위치 정보 소스가 필요합니다.
자동차 테스트와 마찬가지로 건물, 터널 또는 나무로 인해 GNSS 신호가 방해받을 때 다른 센서를 사용하여 위치 정확도를 안정화하고 개선할 수 있습니다. 실제로 OxTS 에서는 최근 도시 협곡에서 위치 정확도를 개선하기 위해 LiDAR 데이터를 사용하는 방법을 개발했습니다.
OxTS 에서 우리는 한동안 LiDAR 데이터로 작업해 왔습니다. OxTS Georeferencer 는 측량사가 LiDAR 데이터를 지리적으로 참조할 수 있도록 도와주는 소프트웨어 도구입니다. 그 전문성을 바탕으로 다음과 같은 제품을 개발했습니다. OxTS LiDAR 관성 주행 거리 측정또는 LIO를 개발했습니다. OxTS LIO는 360° 시야각 LiDAR 센서의 거리 정보를 사용하여 측량 차량의 상대 속도를 계산합니다. 이 데이터는 도시 협곡에서 위치 드리프트를 제한하는 데 사용되어 GNSS 조건이 좋지 않을 때 사용자가 더 오랜 시간 동안 더 정확한 데이터를 수신할 수 있도록 합니다.
사용되는 일반적인 센서:
- LiDAR( OxTS LIO 사용)
- 휠 속도 센서
- 레이더
모두를 위한 센서 융합
지금까지 센서 퓨전은 엔지니어가 구축하고 관리하기가 매우 복잡했습니다. 하지만 OxTS 에서는 센서 퓨전의 이점을 극대화하려면 센서 퓨전이 최대한 쉬워야 한다고 생각합니다.
그래서 저희는 GAD 인터페이스와 다음과 같이 즉시 사용 가능한 다양한 센서 융합 솔루션을 개발한 이유입니다. Pozyx 2GAD 와 OxTS LIO. 각 솔루션은 프로젝트의 센서 퓨전 요소를 전체적으로 처리하거나 비교적 쉽게 센서를 퓨전할 수 있는 환경을 제공합니다.
아래 블로그를 통해 그동안의 활동에 대해 자세히 알아보거나, 프로젝트와 궁금한 점에 대해 팀에 문의하실 수 있습니다. 아래 양식을 이용해 문의하시면 바로 연락드리겠습니다!