Grunnleggende konsepter
본 연구는 관성 센서 노이즈 불확실성을 실시간으로 추정하기 위해 딥러닝 기반 접근법을 제안한다. 이를 통해 최적화 기반 VIO 알고리즘의 정확성과 강건성을 향상시킬 수 있다.
Sammendrag
이 논문은 시각-관성 항법(VIO)에 대한 새로운 접근법을 제안한다. VIO는 시각 및 관성 측정치를 융합하여 정확한 위치와 자세를 추정하는 기술이다. 기존 VIO 방법은 관성 센서 노이즈 공분산을 고정값으로 가정하지만, 실제로는 운용 환경 및 센서 상태에 따라 변화한다.
이 논문에서는 DualProNet이라는 딥러닝 기반 네트워크를 제안하여 관성 센서 노이즈 공분산을 실시간으로 추정한다. DualProNet은 가속도계와 자이로스코프 측정치를 입력으로 받아 각 축의 노이즈 공분산을 예측한다. 이 추정값은 VINS-Mono VIO 알고리즘에 통합되어 적응형 노이즈 모델을 구현한다.
실험 결과, VIO-DualProNet은 기존 고정 노이즈 공분산 모델 대비 평균 25% 향상된 성능을 보였다. 특히 동적 환경이나 센서 성능 저하 상황에서 강건한 항법 성능을 보였다. 이를 통해 VIO 알고리즘의 정확성과 신뢰성을 크게 향상시킬 수 있다.
Statistikk
가속도계 노이즈 표준편차 σf는 0.04 m/s2에서 0.16 m/s2 범위에 있다.
자이로스코프 노이즈 표준편차 σω는 0.002 rad/s에서 0.008 rad/s 범위에 있다.
Sitater
"현재 VIO 알고리즘은 관성 센서 노이즈 공분산을 고정값으로 가정하지만, 실제로는 운용 환경 및 센서 상태에 따라 변화한다."
"DualProNet은 가속도계와 자이로스코프 측정치를 입력으로 받아 각 축의 노이즈 공분산을 실시간으로 예측한다."