사례 연구
무인 차량용 다중 센서 내비게이션 기술 개발에 모션 캡처 적용
하얼빈기술연구소
5m × 5m
무인차량, 위치추적, 알고리즘 검증
무인 차량

무인 차량은 경로 계획 및 환경 인식을 수행할 수 있는 지능형 자율 차량이며 지능형 차량 연구에서 많은 관심을 끌고 있다. 무인 차량은 온보드 센서를 통해 주변 환경과 자체 조건을 식별하고 탐색 및 위치 계산을 수행하여 특정 목표를 향한 경로를 수행할 수 있다.

다른 조건에서 개별 탐색 센서는 높은 정밀도의 위치 탐색을 위한 정확한 데이터를 제공할 수 없다. 이처럼 무인자동차에는 다양한 센서가 설치된다. 현재 가장 많이 사용되는 센서는 IMU(관성 측정 장치), UWB(초광대역) 및 휠 주행 거리계다.

무인 차량 시스템을 보다 적응적이고 안정적으로 만들기 위해 하얼빈 기술연구소의 연구원들은 다중 센서 내비게이션 시스템을 연구하고 센서 고장 시 비동기 데이터 수집 문제를 해결하는 것을 목표로 삼았다. 연구원들은 센서 정보를 요인으로 추상화하고 요소 그래프 모델을 사용하여 다중 센서 프레임워크를 구축한 다음 베이지안 트리를 기반으로 하는 증분 평활 및 매핑(iSAM2) 최적화 알고리즘을 사용하여 센서 정보를 처리하고 동기화했다. 이 방법은 계산 효율성을 유지하면서 정확도가 최소 제곱 방법에 가깝도록 보장하므로 내비게이션 시스템의 견고성과 신뢰성이 크게 향상될 수 있다.

연구는 상대적으로 저속으로 움직이는 무인 차량과 함께 실내 환경에서 IMU, UWB, 주행 거리계 데이터를 통합하는 데 초점을 맞췄다. 탐색 알고리즘의 성능을 검증하기 위해 연구원들은 MTi-G-700(IMU), LinkTrack S(UWB) 및 주행 거리계(ODOM)가 장착된 Scout 2.0 모바일 쿼드를 특징으로 하는 다중 센서 플랫폼을 구축했다. 온보드 센서. 플랫폼은 Ubuntu 시스템에서 실행되었으며 동기화된 데이터 수집을 위해 로봇 운영 시스템(ROS)을 사용했다.

1673341520751522.png

1673341536323621.png

플랫폼의 실제 위치를 얻기 위해 연구원들은 NOKOV 모션 캡처 시스템을 사용했다. 3개의 반사 식별 포인트가 플랫폼에 부착되었으며 5m × 5m 테스트 필드 위에 배치된 16개의 화상 광학 렌즈가 추적한다. NOKOV 모션 캡처 시스템의 위치 정확도가 밀리미터 이하 수준에 도달하기 때문에 구동체의 실제 위치 및 이동 궤적에 대한 신뢰할 수 있는 정보를 제공했다.

1673341558834051.png

1673341576118386.png

내비게이션 시스템의 성능을 분석하기 위해 실험에서는 IMU+UWB+ODOM 데이터를 모션 캡처 시스템에서 기록된 실제 매개변수와 비교한 다음 이 데이터를 단일 센서에서 얻은 데이터와 다시 비교했다.

연구원들은 단일 센서는 특정 한계에 직면하지만 다중 센서 알고리즘은 단일 센서 시스템의 성능을 크게 향상시킨다고 결론지었다. 그들은 또한 다중 센서 시스템의 효율성과 견고성을 분석하여 이 방법이 내비게이션 시스템의 계산 효율성과 견고성을 크게 향상시켰으며 센서 고장의 경우 이전에 가능했던 것보다 더 정확한 위치 정보를 얻을 수 있음을 증명했다.

참조: 

[1] Shen Hebing. Research on multi-source sensor information fusion navigation technology of unmanned vehicle [D]. Harbin Institute of Technology, 2021.DOI:10.27061/d.cnki.ghgdu.2021.004020.

문의하기

  • 우리는 항상 귀하의 질문에 답변하고 더 많은 정보를 제공하게 되어 기쁩니다.

    문제에 대해 알려주시면 최상의 솔루션을 안내해 드리겠습니다.

  • 캡처 볼륨 * m m m
  • 선택 해주세요 *
  • 제안 수 (옵션)
  • 카메라 유형(선택 사항)
  • 카메라 수(선택 사항)
  • 제출하다
문의하기

문의하기

이사이트를 사용하면 쿠키 사용을 설명하는 개인 정보 보호 정책 , 에 동의하는 것입니다. 닫다 ×