모바일 매핑에서 센서 융합의 과학적 원리

이 블로그에서는 모바일 매핑에서 센서 융합이 중요한 이유와 작동 방식에 대해 자세히 설명합니다.

모바일 매핑에서 센서 융합이 중요한 이유

모바일 매핑에서 센서 융합은 다양한 이점을 제공합니다. 궁극적으로 목표는 직접 지리 참조를 위해 가능한 한 정확한 위치 및 방향 데이터를 생성하는 것입니다. 이는 모바일 매핑 전문가에게 중요한데, 통합되는 센서에 따라 더 넓은 범위의 환경에서 측량을 수행할 수 있고 잠재적으로 새로운 유형의 측량을 제공할 수 있기 때문입니다.

남들이 할 수 없는 장소를 정확하게 측량할 수 있다는 것도 모바일 매핑 비즈니스의 중요한 차별화 요소가 될 수 있습니다.

물론 개방형 하늘 환경에서 작동하는 기본적인 GNSS/INS도 GNSS와 IMU 데이터를 융합하고 있으며, OXTS는 25년 이상 이 작업을 완벽하게 수행해 왔습니다. 그러나 다음과 같은 이점을 얻기 위해 노력하는 미래 지향적인 모바일 매퍼에게는 추가 센서 데이터를 솔루션에 융합하는 것이 가장 중요한 우선 순위입니다: 

다양한 환경에서의 중복성

위치 측정에 사용되는 센서 아닌 무오류. 조건의 변화 또는 무작위 오류로 인해 기존 위치추적 기술은 데이터 세트에 부정확성을 초래할 수 있습니다. 센서 퓨전은 다르게 작동하는 다른 센서의 지원 데이터를 제공함으로써 이러한 문제를 완화하는 데 도움이 됩니다. 예를 들어, 사용자가 터널 통과 로 설정하고 GNSS 신호가 사라지면 LiDAR 스캐너의 데이터를 사용하여 누락된 GNSS 데이터를 보정할 수 있습니다.

환경 간 이동의 자유

점점 더 많은 측량사와 모바일 매퍼가 고객의 요청에 따라, 또는 경쟁사와 차별화되는 서비스를 선제적으로 제공하기 위해 GNSS 신호를 전혀 사용할 수 없는 측량 환경을 고려하고 있습니다. 이러한 환경의 대표적인 예는 지하 및 실내 공간입니다. 바로 이러한 환경에서 모바일 매핑의 센서 융합이 주목받게 됩니다.

이러한 공간에 대한 매핑 솔루션이 이미 존재하지만 실외 환경에서는 제대로 작동하지 않는 경우가 많습니다. 따라서 실내와 실외 공간이 모두 있는 사이트를 측량해야 하는 경우 추가적인 문제가 발생할 수 있습니다.

센서 융합 접근 방식을 사용하면 실내 및 실외 측위 방법을 동일한 솔루션에 결합할 수 있으므로 단일 측량 페이로드를 사용하여 환경 간에 원활하게 전환할 수 있습니다.

문의하기 를 클릭해 자세히 알아보세요.

IMU, GNSS 및 기타 센서의 상호 작용 방식

핵심: IMU

이제 자세히 알아보겠습니다. 모든 센서 융합 시스템에는 일반적으로 다른 모든 센서가 연결되는 핵심 센서입니다. In 대다수의 시스템, 그것은 관성 측정 장치 또는 IMU입니다. IMU 포함 각운동량의 변화를 측정하는 가속도계와 자이로스코프가 있습니다, 속도 및 가속. 이 데이터는 칼만 필터라는 알고리즘을 통과하여 다음과 같은 데이터를 걸러냅니다. 잘못된, 를 클릭하고 IMU의 데이터를 사용하여 IMU의 위치 및 움직임에 대한 추정치를 계산합니다.

다음 계층: GNSS

문제가 발생하는 곳은 다음에서 데이터를 전달할 때입니다. 추가 센서를 칼만 필터에 추가하여 더 많은 추정치를 생성합니다. 정확한. 가장 일반적인 센서 데이터 를 IMU에 융합하는 것은 틀림없이 GNSS 데이터, 위치 및 고도 측정을 제공하는. 융합하는 시스템 IMU 및 GNSS 데이터는 일반적으로 참조 를 관성 내비게이션 시스템 또는 GNSS/INS로 대체할 수 있습니다. 하지만 최근에는 다른 센서를 솔루션에 융합하여 더욱 견고하게 만드는 데 진전이 이루어지고 있습니다.

앞서 언급했듯이, OXTS는 창립 이래 다음과 같이 노력해 왔습니다.및 그것은 당사 디바이스가 명성을 얻고 있는 이유 중 하나입니다. 높은 신뢰성 그리고 정확한 데이터.

차세대: LiDAR 및 기타 센서

가장 인기 있는 센서 현재 GNSS/INS에 융합할 수 있는 것은 LiDAR입니다. 빛 감지의 줄임말 그리고 범위, LiDAR는 모바일 매핑에서 센서 융합에 일반적으로 사용되는 강력한 센서입니다.. 레이저 펄스를 발사하여 센서 주변의 물체를 튕겨내는데, 이 펄스가 돌아오는 데 걸리는 시간을 측정하여 센서에서 지점까지의 거리를 정확하게 측정할 수 있습니다. 이 데이터를 다음과 같이 변환하려면 몇 가지 복잡한 작업이 필요합니다. 칼만 필터에서 사용할 수 있는 측정값 - 하지만 통합 기능이 있습니다(우리 자신을 포함하여)를 사용하면 더 쉽게 사용할 수 있습니다.

자세히 알아보기 위치 정확도 향상을 위한 LiDAR 사용 

다른 센서도 통합할 수 있습니다. 휠 속도 센서(휠 틱 센서라고도 함)는 다음에서 사용되었습니다. 자동차 테스터 정확도 향상을 위해 수년간 사용되어 왔으며, 모바일 매핑의 센서 융합에도 사용할 수 있습니다, 다음과 같은 경우 차량은 육상 기반이며 바퀴가 있습니다.

카메라를 통합할 수 있으며, 다음과 같은 기능을 제공하는 상용 솔루션을 사용할 수 있습니다. 카메라 기반 주행 거리 측정. 그리고 더 많은 센서를 사용할 수 있습니다. 다음과 같은 경우 기술적인 전문성 를 사용하여 데이터를 올바르게 통합할 수 있습니다. 거대한 범위 센서의 수를 늘려 정확도를 개선합니다. OXTS의 철학은 모든 센서에는 고유한 강점이 있으며, 다양한 환경에서 다른 센서의 약점을 보완하는 데 사용할 수 있다는 것입니다.. 최신 제품에서 이러한 철학을 실천하는 모습을 확인할 수 있습니다, WayFinder, 는 GNSS/INS, LiDAR, 카메라를 통합하여 어떤 환경에서도 작동하는 턴키 내비게이션 솔루션을 제공합니다.

그렇다면 어떤 전문 지식이 필요할까요? 모바일 매핑에서 성공적인 센서 융합을 위해 고려해야 할 몇 가지 주요 사항을 살펴보겠습니다.

센서 동기화 및 보정

이는 센서 융합의 두 가지 기본 고려 사항입니다. 각각을 차례로 살펴보겠습니다.

센서 동기화

다중 센서 내비게이션 설정에서는 센서의 내부 시계가 모두 동기화되어 있어야 합니다. 그렇지 않으면 전체 시스템이 무너질 수 있습니다.

대부분의 최신 시스템에서는 다음을 사용하여 이 작업을 수행합니다. PTP 또는 gPTP. 모든 OXTS 디바이스는 PTP 및 gPTP 설정을 지원하며 마스터 클록으로 작동하거나(다른 모든 센서의 클록을 GNSS/INS에 맞추기 위해), 클라이언트로서 다른 디바이스의 클록과 동기화할 수 있습니다. 다시 말하지만, 이는 모바일 매핑에서 센서 퓨전 시 중요한 고려 사항이 될 수 있습니다.

PTP 및 gPTP에 대해 자세히 알아보기

센서 보정

동기화가 센서가 다음 사항에 동의하도록 하는 것이라면 언제, 캘리브레이션을 통해 센서가 다음 사항에 동의하도록 합니다. 어디. 모든 센서는 참조 프레임으로 알려진 데이터를 생성합니다. 예를 들어, x축을 따라 3cm, y축을 따라 5cm, z축을 따라 2cm 이동한 경우 움직임은 x,y,z 형식으로 보고될 수 있습니다. 다른 센서는 동일한 움직임을 앞, 옆, 아래 형식으로 보고할 수 있으므로 앞 3cm, 옆 5cm, 아래 -2cm(또는 위 2cm!)로 보고할 수 있습니다. 첫 번째 단계로 칼만 필터가 올바르게 처리할 수 있도록 센서의 모든 데이터를 공통 참조 프레임으로 변환해야 합니다. 

이 작업이 완료되면 센서의 서로 다른 위치도 고려해야 합니다. 각 센서는 페이로드의 위치가 조금씩 다르기 때문에 특히 선회할 때 페이로드 바깥쪽에 있는 센서가 페이로드 중앙에 있는 센서보다 더 멀리 이동하기 때문에 움직임이 약간 다르게 계산됩니다.

게다가 센서가 같은 방향을 가리키고 있지 않을 수도 있습니다. 예를 들어, 차량에서 옆쪽을 가리키는 측면 장착형 라이다는 전방 움직임을 측면 움직임으로 보고할 수 있습니다. 이러한 변화는 레버 암(핵심 센서(이 경우 IMU)와 센서의 위치 및 방향 차이를 설명하는 일련의 측정값)을 사용하여 설명해야 합니다. 

보어사이트 보정을 수행하면 LiDAR 보정을 통해 정확도를 더욱 높일 수 있습니다. 보어사이트 보정은 LiDAR와 GNSS/INS 좌표 프레임을 10분의 1도까지 정확하게 정렬합니다. 보어사이트 보정은 내비게이션 목적의 LiDAR 데이터 정확도를 향상시키고 최종 포인트 클라우드 측량의 정확도를 향상시킨다는 두 가지 이점이 있습니다.

보어사이트 보정에 대해 자세히 알아보기

데이터 융합

동기화를 설정하고 센서를 보정했으면 센서 융합을 시작할 준비가 거의 완료된 것입니다. 

좌표 프레임과 레버 암을 정렬하는 등 수행한 보정은 외부 센서와 코어 센서 사이의 인터페이스에 저장되며, 이 인터페이스는 센서의 출력을 가져와 IMU의 칼만 필터가 작동할 수 있는 측정값으로 변환합니다.

이 인터페이스에 포함해야 할 또 다른 중요한 요소는 공분산이라고 하는 것입니다. 이는 데이터가 얼마나 정확한지에 대한 추정치로, 칼만 필터가 해당 센서의 측정값을 유지할지 또는 삭제할지를 결정하는 데 사용됩니다. 이 정보는 일반적으로 센서 설명서에서 찾을 수 있으며, 그렇지 않은 경우 다음과 같은 다른 방법으로 계산할 수 있습니다. 센서 융합을 위한 문서 일반 보조 데이터(GAD) 인터페이스를 사용합니다.

모든 설정을 완료한 후에는 필요한 결과를 얻을 수 있도록 모든 항목을 테스트하는 데 시간을 투자해야 합니다.

지원이 필요하신가요?

이 글이 모바일 매핑에서 센서 퓨전이 어떻게 작동하는지 이해하고 프로젝트를 진행하는 데 도움이 되었기를 바랍니다. 여전히 까다로운 부분이 있다면, 에 문의하시면 저희 엔지니어가 도와드릴 수 있습니다. 저희는 수년간 센서 융합을 위해 노력해 왔습니다, 그래서 저희 엔지니어들은 다양한 문제를 겪어왔습니다. 를 통해 문제를 해결하는 데 도움을 받을 수 있습니다.

모바일 매핑 페이로드의 센서 퓨전에 대해 자세히 알아보려면 문의 양식을 사용하여 다음과 같이 문의하세요. 연락하기.