지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 성상만
- 발행연도
- 2022
- 저작권
- 한국기술교육대학교 논문은 저작권에 의해 보호받습니다.
이용수12
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 자율주행 기술의 발전으로 자율주행 자동차, 항공 무인체 그리고 모바일 로봇이 활발하게 연구되고 있다. 특히 자율주행 자동차의 경우 국내뿐만 아니라 해외에서도 꾸준하게 연구되고 있다. 자율주행 자동차, 항공 무인체 등의 항체에서 위치, 속도, 자세를 추정하는 것을 항법이라 하는데 항법 수행을 위해 가장 많이 사용하는 필터는 칼만필터이다. 이때, 칼만필터의 공정잡음 및 측정잡음 공분산이 튜닝 파라미터로 작용하는데 이는 필터 설계자의 반복시행(trial and error) 방법으로 구하여 사용한다.
하지만, 항체의 급격한 기동(maneuver)에 의한 선형화 오차와 보조 센서의 측정값 오차가 발생하는 상황 등에서 고정된 잡음 공분산들은 오차가 증가하는 것을 억제하지 못하기 때문에 실시간 튜닝이 필요하다.
본 논문에서는 딥러닝 중 하나인 LSTM(Long Short-Term Memory)을 활용하여 센서값에 따라 확장칼만필터(Extended Kalman Filter, EKF)의 잡음 공분산들을 실시간으로 튜닝하는 모델을 제안한다. 본 논문에서 제안하는 모델은 크게 preprocessing EKF와 tuned EKF로 구성되어 있으며 preprocessing EKF는 인공신경망의 입력에 해당하는 센서의 잔차와 상태변수 오차 공분산을 만드는 역할을 하며 고정된 잡음 공분산을 사용하는 EKF이다. Tuned EKF는 위에서 출력된 값을 인공신경망의 입력으로 하여 LSTM 층과 Dense 층을 통과한 후 센서값에 따른 시변 잡음 공분산 들을 출력한다. 또한, 이를 실시간으로 EKF에서 동작할 수 있도록 하기 위해 EKF를 활성화 함수로 사용함으로써 인공신경망에 포함시킨다.
본 논문에서 제안한 방법의 성능을 확인하기 위해 2차원 시뮬레이션, 2차원 실험 그리고 3차원 시뮬레이션을 진행하였으며 모든 실험에서 제안한 방법의 성능이 기존의 방법과 유사하거나 더 나음을 확인하였다.
본 논문에서 제안하는 LSTM을 이용한 확장칼만필터 공분산 튜닝 모델을 자율주행 자동차 또는 드론과 같은 실제 시스템에 적용 시 기존의 고정된 잡음 공분산을 사용하는 경우에 비하여 추정오차를 감소시킬 수 있으므로 그 효용성이 매우 높을 것으로 기대된다.
하지만, 항체의 급격한 기동(maneuver)에 의한 선형화 오차와 보조 센서의 측정값 오차가 발생하는 상황 등에서 고정된 잡음 공분산들은 오차가 증가하는 것을 억제하지 못하기 때문에 실시간 튜닝이 필요하다.
본 논문에서는 딥러닝 중 하나인 LSTM(Long Short-Term Memory)을 활용하여 센서값에 따라 확장칼만필터(Extended Kalman Filter, EKF)의 잡음 공분산들을 실시간으로 튜닝하는 모델을 제안한다. 본 논문에서 제안하는 모델은 크게 preprocessing EKF와 tuned EKF로 구성되어 있으며 preprocessing EKF는 인공신경망의 입력에 해당하는 센서의 잔차와 상태변수 오차 공분산을 만드는 역할을 하며 고정된 잡음 공분산을 사용하는 EKF이다. Tuned EKF는 위에서 출력된 값을 인공신경망의 입력으로 하여 LSTM 층과 Dense 층을 통과한 후 센서값에 따른 시변 잡음 공분산 들을 출력한다. 또한, 이를 실시간으로 EKF에서 동작할 수 있도록 하기 위해 EKF를 활성화 함수로 사용함으로써 인공신경망에 포함시킨다.
본 논문에서 제안한 방법의 성능을 확인하기 위해 2차원 시뮬레이션, 2차원 실험 그리고 3차원 시뮬레이션을 진행하였으며 모든 실험에서 제안한 방법의 성능이 기존의 방법과 유사하거나 더 나음을 확인하였다.
본 논문에서 제안하는 LSTM을 이용한 확장칼만필터 공분산 튜닝 모델을 자율주행 자동차 또는 드론과 같은 실제 시스템에 적용 시 기존의 고정된 잡음 공분산을 사용하는 경우에 비하여 추정오차를 감소시킬 수 있으므로 그 효용성이 매우 높을 것으로 기대된다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0