Core Concepts
본 연구는 초소형 드론 간 상대 위치 추정을 위한 고속 시각 기반 완전 합성곱 신경망을 제안한다. 제안된 모델은 저해상도 흑백 카메라와 초저전력 시스템 온 칩(SoC)을 활용하여 실시간으로 동작하며, 기존 접근법에 비해 우수한 성능을 보인다.
Abstract
본 연구는 초소형 드론 간 상대 위치 추정을 위한 시각 기반 솔루션을 제안한다. 주요 내용은 다음과 같다:
초소형 드론에 적합한 완전 합성곱 신경망(FCNN) 모델을 설계하였다. 이 모델은 160x160 픽셀 흑백 입력 이미지로부터 3개의 20x20 픽셀 출력 맵을 생성한다. 이 출력 맵은 드론의 상대 위치와 깊이, 그리고 타겟 드론의 LED 상태를 나타낸다.
제안된 FCNN 모델을 실제 드론에 구현하여 성능을 평가하였다. 기존 접근법과 비교 시, 상대 위치 추정 정확도가 크게 향상되었다. 또한 초당 39프레임의 실시간 처리 성능을 달성하였다.
실제 환경에서 드론 추적 실험을 수행하였다. 제안 모델은 기존 접근법 대비 37%, 52%, 23% 향상된 평균 추적 오차를 보였다. 또한 4분 동안 지속적으로 타겟 드론을 추적할 수 있었다.
제안 모델은 새로운 환경에서도 우수한 일반화 성능을 보였다. 실험 결과, 학습에 사용되지 않은 3개의 다른 환경에서도 안정적으로 타겟 드론을 추적할 수 있었다.
이를 통해 제안된 FCNN 모델이 초소형 드론의 상대 위치 추정을 위한 효과적인 솔루션임을 입증하였다.
Stats
제안 모델은 기존 접근법 대비 8.3배 적은 연산량을 요구한다.
제안 모델은 GAP8 SoC에서 초당 39프레임의 처리 성능을 달성한다.
제안 모델은 실제 환경에서 기존 접근법 대비 37%, 52%, 23% 향상된 평균 추적 오차를 보였다.
Quotes
"제안된 FCNN 모델이 초소형 드론의 상대 위치 추정을 위한 효과적인 솔루션임을 입증하였다."
"제안 모델은 기존 접근법 대비 8.3배 적은 연산량을 요구하면서도 초당 39프레임의 실시간 처리 성능을 달성하였다."
"실제 환경에서 제안 모델은 기존 접근법 대비 37%, 52%, 23% 향상된 평균 추적 오차를 보였다."