• 한국지능시스템학회논문지
• /
• 제21권2호
• /
• pp.178-185
• /
• 2011

본 논문은 상태변수 평준화 및 되먹임구조를 이용하여 무인잠수정의 위치추정을 개선하기 위한 다중센서 융합 기반의 위치추정 알고리즘을 제안한다. 이를 위해 먼저 상대적으로 오차가 큰 주 센서인 INS와 오차가 작은 보조센서인 DVL에서 측정되는 상태변수를 예측단계 이전에 융합하여 상태변수 평준화 과정을 수행한다. 그 다음, 평준화된 상태변수를 각 필터에 입력하여 예측 및 수정단계의 칼만 필터링 과정을 통해 최종 수정된 상태변수를 융합시키며, 마지막으로 이를 다시 주센서에 되먹임함으로서 무인잠수정의 위치추정을 개선한다. 평가를 위해 무인잠수정의 기동모델에 대한 시뮬레이션을 실시하여 기동경로를 생성하고 제안 알고리즘을 적용하여 위치추정 성능을 확인한다. 평가 결과, 제안 알고리즘이 다중센서 융합 알고리즘 중 가장 우수한 위치추정 성능을 보였으며, 또한 기동침로가 변경되는 구간에서도 강인한 위치추정이 가능하다는 것이 증명되었다.

• 디지털콘텐츠학회 논문지
• /
• 제11권4호
• /
• pp.597-606
• /
• 2010

본 논문에서는 증강현실 환경에서 보다 강건한 카메라 정보 추정을 위한 입자필터 기반의 카메라 추적 기법에 대해서 설명한다. 실시간 카메라 추적을 위해서는 일반적으로 칼만 필터, 또는 확장 칼만 필터 등이 많이 이용되지만, 카메라의 급격한 흔들림 및 장면의 가려짐 등과 같은 불안정한 조건에서는 정상적인 카메라 추적이 매우 힘들다는 단점이 있다. 본 논문에서 제안하는 입자필터링 기법은 시스템 상태에 대한 측정 표본입자의 가중치를 별도의 가중치 계산과정을 이용하지 않고 가우스 분포를 기반으로 계산하였으며, 카메라 입자를 수렴시키기 위한 별도의 처리과정을 거치지 않고 시스템의 실제 불확실도에 근사화되도록 재표본화된 표본입자 집합을 이용하여 카메라 상태의 추정을 수행하였다. 또한 제안된 방법은 보다 많은 수의 표본 입자를 이용하는 환경에서도 실시간 처리가 가능한 장점이 있다. 실험을 통하여 다양한 환경 하에서 제안된 방법의 효율성과 정확성을 확인하였다.

• 한국차세대컴퓨팅학회논문지
• /
• 제13권5호
• /
• pp.39-50
• /
• 2017

이동 객체에 대한 추적 기술은 최근 중요성이 강조되고 있는 동영상 이해에서 가장 핵심적인 기술의 하나라 할 수 있다. 하지만, 동영상이 가지는 조명의 불안정, 객체의 크기나 형태 변화, 카메라 움직임, 그리고 중첩 등으로 인해 동영상 내의 이동 객체 추적은 많은 어려움을 가지고 있다. 객체 추적의 가장 대표적인 종래의 방법인 칼만 필터와 파티클 필터의 문제점을 개선하는 방법으로 스웜 기반의 방법이 제안되어 있으나 동적으로 변화하는 이동 객체의 특징을 반영하는 개선된 알고리즘이 요구된다. 본 논문에서는 이러한 특징을 반영하여 파티클 스웜 최적화 방법에서 사용되는 파라미터 중 가중치 값을 동적으로 변화하는 적응적 파라미터 제어 방법을 제안한다. 각 파티클을 특성에 따라 3가지 종류로 구분하고 각각 서로 다른 가중치 값을 부여하는 방식으로 객체 추적의 성능을 개선할 수 있다. 제안된 알고리즘의 적용 결과 중첩 또는 예측하기 어려운 움직임 등과 같은 객체의 비선형적인 움직임이 있는 동영상에 대해 기존 파티클 스웜 방식에 비해 현저한 성능 개선을 보이는 것을 확인할 수 있었다.

• 해양환경안전학회지
• /
• 제19권6호
• /
• pp.666-673
• /
• 2013

본 연구는 빠른 운항 속도와 짧은 운용 시간을 요구하는 임무에 활용될 저가 소형 자율 무인잠수정에 고가 대형 관성 측정 장치를 대신하여 사용할 수 있는 저가 소형 자세 측정 장치 개발 및 성능 검증을 수행하였다. 저가 소형 자세 측정 장치 개발을 위해서 MEMS 기술을 적용한 gyro, accelerometer 및 magnetometer 채택하여 MEMS 기반 하드웨어를 제작하였으며, 좌표 변환 공식과 칼만 필터를 적용하여 자세 계산 알고리즘을 구현하였다. 또한 개발된 MEMS 기반 자세 측정 장치에 대한 기본 성능 검증을 위한 지자기센서 검증 시험, 정적 자세 시험, 차량 시험, 운동 모사 장치 시험을 수행하였으며, 각각 시험 결과를 제시하였다. 지자기센서 검증 시험 결과 외부 자기장 보정을 통하면 개발된 MEMS 기반 자세 측정 장치의 측정 결과가 외부 자기장에 강인함을 확인하였으며, 정적 자세 시험 및 차량 시험을 통하여 자세 변화가 크지 않는 환경에서 자세 측정 오차가 $0.5^{\circ}/hr$ 임을 확인하였다. 운동 모사 장치 시험을 통하여 5분 내외 자세 변화가 큰 운동 중에도 자세 측정 오차가 발산하지 않고 $1^{\circ}/hr$ 이내임을 확인하였다. 상기 시험 결과로부터 개발된 MEMS 기반 자세 측정 장치가 목표 성능인 $1^{\circ}/hr$이내 roll, pitch, yaw 오차를 보여주고 있음 확인하였으며, 이로부터 20분 내외 운용 시간 동안 정확한 자세 정보 제공 가능성을 확인할 수 있었다.

• International Journal of Contents
• /
• 제9권4호
• /
• pp.1-10
• /
• 2013

The electroencephalogram (EEG) time series is a measure of electrical activity received from multiple electrodes placed on the scalp of a human brain. It provides a direct measurement for characterizing the dynamic aspects of brain activities. These EEG signals are formed from a series of spatial and temporal data with multiple dimensions. Missing data could occur due to fault electrodes. These missing data can cause distortion, repudiation, and further, reduce the effectiveness of analyzing algorithms. Current methodologies for EEG analysis require a complete set of EEG data matrix as input. Therefore, an accurate and reliable imputation approach for missing values is necessary to avoid incomplete data sets for analyses and further improve the usage of performance techniques. This research proposes a new method to automatically recover random consecutive missing data from real world EEG data based on Linear Dynamical System. The proposed method aims to capture the optimal patterns based on two main characteristics in the coevolving EEG time series: namely, (i) dynamics via discovering temporal evolving behaviors, and (ii) correlations by identifying the relationships between multiple brain signals. From these exploits, the proposed method successfully identifies a few hidden variables and discovers their dynamics to impute missing values. The proposed method offers a robust and scalable approach with linear computation time over the size of sequences. A comparative study has been performed to assess the effectiveness of the proposed method against interpolation and missing values via Singular Value Decomposition (MSVD). The experimental simulations demonstrate that the proposed method provides better reconstruction performance up to 49% and 67% improvements over MSVD and interpolation approaches, respectively.

• 한국군사과학기술학회지
• /
• 제20권3호
• /
• pp.315-327
• /
• 2017

In this paper, we present a method for estimating of position and velocity of a moving target by using the range and the bearing measurements from multiple sensors of aiming unit. In many cases, conventional low cost gyro sensor and a portable laser range finder(LRF) degrade the accuracy of estimation. To enhance these problems, we propose two methods. The first is background image tracking and the other is principal component analysis (PCA). The background tracking is used to assist the low cost gyro censor. And the PCA is used to cope with the problems of a portable LRF. In this paper, we prove that our method is robust with respect to low-frequency, biased and noisy inputs. We also present a comparison between our method and the extended Kalman filter(EKF).

• Journal of Power Electronics
• /
• 제13권4호
• /
• pp.516-527
• /
• 2013

This paper presents a new overall system for state-of-available-power (SoAP) prediction for a lithium-ion battery pack. The essential part of this method is based on an adaptive network architecture which utilizes both fuzzy model (FIS) and artificial neural network (ANN) into the framework of adaptive neuro-fuzzy inference system (ANFIS). While battery aging proceeds, the system is capable of delivering accurate power prediction not only for room temperature, but also at lower temperatures at which power prediction is most challenging. Due to design property of ANN, the network parameters are adapted on-line to the current battery states (state-of-charge (SoC), state-of-health (SoH), temperature). SoC is required as an input parameter to SoAP module and high accuracy is crucial for a reliable on-line adaptation. Therefore, a reasonable way to determine the battery state variables is proposed applying a combination of several partly different algorithms. Among other SoC boundary estimation methods, robust extended Kalman filter (REKF) for recalibration of amp hour counters was implemented. ANFIS then achieves the SoAP estimation by means of time forward voltage prognosis (TFVP) before a power pulse occurs. The trade-off between computational cost of batch-learning and accuracy during on-line adaptation was optimized resulting in a real-time system with TFVP absolute error less than 1%. The verification was performed on a software-in-the-loop test bench setup using a 53 Ah lithium-ion cell.

• 자동차안전학회지
• /
• 제13권4호
• /
• pp.14-19
• /
• 2021

This paper presents LiDAR static obstacle map based vehicle dynamic state estimation algorithm for urban autonomous driving. In an autonomous driving, state estimation of host vehicle is important for accurate prediction of ego motion and perceived object. Therefore, in a situation in which noise exists in the control input of the vehicle, state estimation using sensor such as LiDAR and vision is required. However, it is difficult to obtain a measurement for the vehicle state because the recognition sensor of autonomous vehicle perceives including a dynamic object. The proposed algorithm consists of two parts. First, a Bayesian rule-based static obstacle map is constructed using continuous LiDAR point cloud input. Second, vehicle odometry during the time interval is calculated by matching the static obstacle map using Normal Distribution Transformation (NDT) method. And the velocity and yaw rate of vehicle are estimated based on the Extended Kalman Filter (EKF) using vehicle odometry as measurement. The proposed algorithm is implemented in the Linux Robot Operating System (ROS) environment, and is verified with data obtained from actual driving on urban roads. The test results show a more robust and accurate dynamic state estimation result when there is a bias in the chassis IMU sensor.