인체-차량 협업 내비게이션 및 포지셔닝 기술 최적화

사례 연구

고객 하얼빈 기술연구소

측정 범위

적용 모션 캡처 시스템, 무인 차량, 보조 내비게이션 기술

분석 대상 무인 자동차

사용 장비

내비게이션 기술은 일상 생활에서 중요한 역할을 하며 일반적으로 보행자에게 서비스를 제공한다. 보행자 내비게이션 시스템은 보행자에게 방향 및 기타 내비게이션 서비스를 제공할 수 있는 휴대용 장치이다. 이러한 장치는 지하 및 광산과 같이 위성 신호가 도달할 수 없는 곳과 쇼핑몰과 같이 복잡한 위상학적 구조가 있는 지역에서 사용할 수 있다. 보행자 내비게이션 시스템은 일반적으로 측정 오류와 정확도가 떨어지는 MIMU(마이크로 관성 측정 장치)를 구현한다. 따라서 보행자 내비게이션 시스템의 정확도를 향상시키기 위해 연구자들은 오류를 최소화하고 정확도를 향상시키는 방법을 개발하고 있다.

보행자 내비게이션 시스템의 정확도를 향상시키는 한 가지 방법은 협업 내비게이션 기술을 사용하는 것이다. 협업 탐색은 탐색 정보, 노드 간 범위 측정, 노드 위치 및 사용자 간의 오류 근사치를 공유하여 시스템의 전체 정확도를 강화한다.

협업 내비게이션 시스템은 일반적으로 보행자 노드와 자율주행 차량 노드를 모두 통합한다. 자율주행차에는 일반적으로 카메라, 레이더, GNSS(Global Navigation Satellite System), 고정밀 관성 센서 등 다양한 내비게이션 장비가 장착되어 보다 정확한 내비게이션 시스템을 구현한다. 따라서 보행자 내비게이션 시스템과 자율주행 차량 간의 협업 내비게이션 기술은 보행자 시스템의 내비게이션 정확도를 크게 강화하여 다중 사용자 공동 내비게이션 시스템의 전체 정확도를 향상시킬 수 있다.

하얼빈 기술연구소의 연구원들은 그래프 인수분해를 기반으로 보행자와 자율주행 차량 노드 간의 협업 내비게이션 시스템을 제안했다. 또한 수신된 모든 데이터를 원활하게 통합하도록 내비게이션 시스템을 최적화하는 알고리즘을 개발했다.

시스템의 2개의 노드는 고정밀 내비게이션 시스템을 갖춘 자율주행 차량으로 구성되고, 1개의 추종자 노드는 보행자 내비게이션 시스템으로 구성된다. 보행자 항법 노드에는 보행자 움직임의 관성 데이터를 측정하는 MEMS(Micro-Electromechanical System) 기술을 기반으로 하는 관성 측정 장치가 장착되어 있다. 내비게이션 좌표계에 대한 자율 차량 노드의 위치 정보는 외부에서 제공된다. 자율 차량 및 보행자 내비게이션 노드에는 노드 간의 실제 거리를 측정하기 위한 초광대역(UWB) 레인징 장치가 장착되어 있다.

연구원들은 도보 탐색 실험을 통해 협업 탐색 시스템의 그래프 인수분해 알고리즘을 테스트했다. 두 개의 모바일 UWB 발생기가 자율 차량 대신 파일럿으로 설정되었으며 NOKOV 모션 캡처 시스템에 의해 실시간 위치가 기록되었다. 보행자 내비게이션 시스템에는 MIMU 및 UWB 센서가 장착되어 시스템에서 신체의 각속도와 가속도, 보행자와 두 파일럿 노드 사이의 거리를 측정할 수 있다.

실험 기간 동안 총 49.7미터를 걸었다. 걷는 과정에서 MIMU 시스템은 신체의 각속도와 대상의 발 가속도를 측정했다. 한편, UWB 장치는 피사체의 발과 두 조종사 사이의 거리를 측정했다. 이 데이터는 보행자 내비게이션 시스템에 방향을 제공하기 위해 협업 내비게이션 알고리즘에 의해 처리되었다. NOKOV 모션 캡처 시스템의 밀리미터 미만 정확도 덕분에 실험에서 물체의 실제 위치와 궤적이 기록될 수 있었다.

알고리즘에 의해 계산된 보행자 노드 궤적과 NOKOV 모션 캡처 시스템에 의해 기록된 실제 궤적을 비교하여 협력 탐색 알고리즘의 유효성과 정확성을 평가했다. 파란색 선은 협업 탐색 알고리즘에서 파생된 보행자 노드 궤적을 나타내고 검은색 선은 모션 캡처 시스템에서 제공하는 실제 궤적을 나타낸다. 연구진은 공동 내비게이션 시스템의 보행 종점 오차가 0.0648m인 반면 상대 보행 거리의 오차율은 0.13%라는 실험적 결론을 내렸다.

참조:

[1] Huang Can. Human-vehicle collaborative navigation algorithm based on factor graph [D]. Harbin Institute of Technology, 2021.

기사 링크： https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CMFD&dbname=CMFDTEMP&fil