• 한국항공우주학회지
• /
• 제47권2호
• /
• pp.107-113
• /
• 2019

본 논문에서는 대기 속도 센서가 없는 항공기에서의 강인 필터 기반의 바람 추정 기법을 제안한다. 바람 속도(wind velocity)는 항공기의 유도 및 제어를 더욱 정밀하게 수행하기 위해 사용되는 정보이다. 일반적으로 바람 속도는, 대기 속도와 지면 속도의 차이를 계산하여 얻을 수 있다. 이때 대기 속도는 피토 튜브와 같은 항공기와 대기의 상대 속도를 측정하는 대기 속도 측정 센서에서 얻을 수 있고, 지면 속도는 항법 시스템으로부터 얻을 수 있다. 그러나 항공기의 구성을 간단하게하기 위하여 대기 속도 측정 센서를 장착하지 않는 경우, 바람 속도를 직접적으로 얻을 수 없기 때문에 필터를 이용한 바람 추정 기법이 필수이다. 이때 난류에 의해 항공기의 공력 계수가 변하게 되는데, 이는 바람 추정 필터의 시스템 모델의 불확실성을 유발하게 되고, 결국 바람 추정 성능이 저하된다. 따라서 본 연구에서는 공력계수 불확실성에 강인함을 확보하기 위해 $H{\infty}$ 필터를 적용한 바람 추정 기법을 제안하였다. 시뮬레이션을 통해 제안하는 기법이 공력계수의 불확실성이 있는 상황에서 성능을 개선하는 것을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 춘계학술대회
• /
• pp.685-688
• /
• 2016

위성기반 보강시스템은 위성항법시스템 사용자의 측위 정확도를 향상 시킬 수 있는 보정정보를 위성을 이용하여 방송하는 시스템으로, 특히 항행분야에서 많이 활용되고 있다. 위성기반 보강시스템을 항행분야에서 활용하기 위해서는 정확성뿐만 아니라 무결성, 지속성, 가용성, 서비스 영역 등의 요구사항을 만족해야한다. 기준국은 보정정보 생성을 위한 측정치를 수집하는 기반 시스템으로서, 기준국의 환경, 위치, 분포 등은 위성기반 보강시스템의 성능을 결정하는 중요한 요소이다. 따라서 위성기반 보강시스템의 기준국 선정을 위해서는 사이트 조사를 통한 환경 분석이 필수적이다. 본 논문에서는 우리나라 해양수산부에서 운영 중인 NDGPS 기준국을 위성기반 보강시스템의 기준국으로 공동 활용한다는 전제하에 NDGPS 기준국 사이트 중 일부의 환경 분석을 수행한다. 기준국 환경 분석은 GPS 위성의 가시성과 전파환경에 대하여 분석하며, 이로부터 기준국 사이트 조사를 위한 간략한 절차와 요구사항을 제시한다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.939-951
• /
• 2022

자율주행차에 있어 가장 중요한 요소는 차량 주변 환경과 정확한 위치를 인식하는 것이며, 이를 위해 다양한 센서와 항법 시스템 등이 활용된다. 하지만 센서와 항법 시스템의 한계와 오차로 인해 차량 주변 환경과 위치 인식에 어려움이 있다. 이러한 한계를 극복하고 안전하고 편리한 자율주행을 위해서 고정밀의 인프라 정보를 제공하는 정밀도로지도(high definition map, HD map)의 필요성은 증대되고 있다. 정밀도로지도는 모바일 매핑 시스템(mobile mapping system, MMS)을 통해 획득된 3차원 point cloud 데이터를 이용하여 작성된다. 하지만 정밀도로지도 작성에 많은 양의 점을 필요로 하고 작성 항목이 많아 수작업이 요구되어 많은 비용과 시간이 소요된다. 본 연구는 정밀도로지도의 필수 요소인 차선을 포함한 도로, 연석, 보도, 중앙분리대, 기타 6개의 클래스로 MMS point cloud 데이터를 유의미한정보로 분할하여 정밀도로지도의 효율적인 작성에 목적을 둔다. 분할에는 머신러닝 모델인 random forest (RF), support vector machine (SVM), k-nearest neighbor (KNN) 그리고 gradient boosting machine (GBM)을 사용하였고 MMS point cloud 데이터의 기하학적, 색상, 강도 특성과 차선 분할을 위해 추가한 도로 설계적 특성을 고려하여 11개의 변수를 선정하였다. 부산광역시 미남역 일대 5차선도로 130 m 구간의 MMS point cloud 데이터를 사용하였으며, 분할 결과 각 모델의 평균 F1 score는 RF 95.43%, SVM 92.1%, GBM 91.05%, KNN 82.63%로 나타났다. 가장 좋은 분할 성능을 보인 모델은 RF이며 클래스 별 F1 score는 도로, 보도, 연석, 중앙분리대, 차선에서 F1 score가 각각 99.3%, 95.5%, 94.5%, 93.5%, 90.1% 로 나타났다. RF 모델의 변수 중요도 결과는 본 연구에서 추가한 도로 설계적 특성의 변수 XY dist., Z dist. 모두 mean decrease accuracy (MDA), mean decrease gini (MDG)가 높게 나타났다. 이는 도로 설계적 특성을 고려한 변수가 차선을 포함한 여러 클래스 분할에 중요하게 작용하였음을 뜻한다. 본 연구를 통해 MMS point cloud를 머신러닝 기반으로 차선을 포함한 여러 클래스로 분할 가능성을 확인하고 정밀도로지도 작성 시 수작업으로 인한 비용과 시간 소모를 줄이는데 도움이 될 것으로 기대한다.