DBPIA-NURIMEDIA

Size: px

Start display at page:

Download "DBPIA-NURIMEDIA"

서호 마
5 years ago
Views:

1 Jounal of Institute of Contol, Robotics and Systems (18) 24(): ISSN: eissn: 허리장착기반의 IMU 센서를이용한 3D 보행자위치추정알고리즘연구 Thee-Dimensional Pedestian Position Algoithm Using Waist-Mounted IMU Senso 송준우, 류양, 양회성, 이강복, 이장명 * (Jun-Woo Song 1, Yang Liu 1, Hoe-Sung Yang 2, Kang-Bo Lee 2, and Jang-Myung Lee 1,* ) 1 Depatment of Electonics Engineeing, Pusan National Univesity 2 Electoinics and Telecommunications Reseach Institute Abstact: This pape poposes a thee-dimensional pedestian position estimation algoithm using a waist-mounted Inetial Measuement Unit (IMU) senso. A Pedestian Dead Reconing (PDR) system has been implemented using a single IMU senso to locate a pedestian who is caying the PDR system on his waist in a building in which GPS signals ae too wea to be utilized fo localization. The position estimation system using IMU data suffes fom degaded accuacy caused by the bias dift of gyoscope values. This appoach adopts the quatenion to educe the bias dift and obtain the pecise Eule angles to localize the pedestian in two-dimensional space with the step length estimation. To extend the localization into thee-dimensional space to incopoate situations in which the pedestian is ascending o descending the stais, Zeo-Velocity UpdaTe (ZUPT) scheme has been applied fo pocessing gyoscope data fom the IMU senso. Real expeiments have been pefomed to show the poposed algoithm s effectiveness in both two- and thee-dimensional spaces. Keywods: IMU senso, PDR system, step length estimation, quatenion, ZUPT I. 서론사물인터넷 (IoT: Intenet of Things) 을이용한개인맞춤서비스와소방대원의화재현장에서의실종방지를위해개인의위치추정을위한연구가진행되고있다 [1]. 이러한위치를추정하는시스템은개인항법시스템 (PNS: Pesonal Navigation System) 으로불리며, 기존의개인항법시스템에서보행자의위치추정을하기위해서는 GPS(Global Positioning System) 방식을많이사용해왔다 [2]. 하지만 GPS는실내와터널과같이위성신호가도달하기힘은지역에서는보행자의위치정보를연속적으로제공하기어려운단점이있다 [3]. 이러한 GPS의제약사항을극복하기위해다양한방법의위치추정기법이연구되어왔다 [4~]. 그중에 PDR(Pedestian Dead Reconing) 시스템은별로의인프라 (Infa) 구축없이 IMU (Inetial Measuement Unit) 센서만으로보행자의위치추정을가능하게한다. PDR의기본원리는보행자의초기위치에서보행자가이동할때발생하는 IMU의출력데이터를이용하여보행자가이동한거리를추정하는것이다. 기본적으로 PDR은걸음검출기법, 보폭추정기법, 보행방향추정기법등으로구성이된다 [6]. 이중보폭추정은보행자의이동거리를추정하기 위해필요한과정으로서보행자가이동한거리만큼의보폭의누적정보를파악하여최종이동거리를추측할수있다. 기존의보행자이동유형추정방식은 IMU 센서를보행자의발에장착하여걷기형태나뛸때, 보행자발의영속도상태를감지하여보폭을추정한다. 하지만실내의경우신발을신고다니지않는경우와소방대원의경우건물내부의화재열기와소방용수로인한센서고장을고려하여허리장착을기반으로보행자의걸음검출을적용해야한다. 걸음검출의정확도를높이기위해서는보폭추정기법의정확도가우선되어야한다. 보폭추정기법의정확도를높이기위한주요연구로는걸음주파수와가속도분산등을선형결합을이용한기법, 신경회로망을이용한기법, 칼만필터 (KF: Kalman Filte) 와 GPS를이용한보폭추정기법및 GPS 기반의실시간보폭보정방법등이있으나본논문에서는피크치검출 (pea detection) 기법과영교차점검출 (zeo cossing detection) 기법을결합한걸음검출알고리즘을이용하여걸음을검출한다 [7~9]. 그리고정확한방향전환을알기위해서쿼터니언 (Quatenion) 의오일러각변환방식을사용하여계산하며, 높이추정을위해칼만필터와 ZUPT(Zeo- Velocity Update) 기법을활용하여높이를추정한다. 본논문의구성은다음과같다. 2절에서는 PDR에대한기 * Coesponding Autho Manuscipt eceived Novembe 29, 17; evised Febuay 9, 18; accepted Apil 9, 18 송준우, 류양, 이장명 : 부산대학교전자공학과 (junwoo7379@pusan.ac., ooliuoo@pusan.ac., jmlee@pusan.ac., ) 양회성, 이강복 : 한국전자통신연구원 (hsyang@eti.e., blee@eti.e.) 이논문은 17 년도정부 ( 과학기술정보통신부 ) 의재원으로 ETRI 연구개발사업의지원을받아수행된연구임 [17ZH13,Infaless 보행항법기반증강인지커넥티드헬멧시스템기술개발 ]. 본연구는산업통상자원부가지원하는산업융합ㆍ연계형로봇창의인재양성사업의연구결과로수행되었음 (N1126). Copyight ICROS 18

2 44 Jun-Woo Song, Yang Liu, Hoe-Sung Yang, Kang-Bo Lee, and Jang-Myung Lee 본구성및원리를소개하고 3절에서는보행자의방향과높이추정을위한알고리즘을, 그리고 4절에서제안한기법에대한실험결과를제시하고마지막으로 절에서결론으로본논문을마무리한다. II. 보행자관성항법시스템 1. 시스템구성 PDR은 IMU를활용하여보행자의걸음정보를추정하고, 이를이용하여초기위치로부터이동한위치까지의위치를추정한다. 그림 1은 IMU가적용된 PDR의블록다이어그램을보여준다. IMU는 MEMS(Mico Electo Mechanical System) 형 3축가속도센서 (3-axis acceleomete), 3축자이로센서 (3-axis gyoscope), 3축지자기센서 (3-axis compass) 로구성된다. PDR 에서보행자의위치를추정하는과정은크게이동거리추정 (waling distance estimaion) 과이동방향추정 (waling diection estimaion) 으로구성된다. 이동거리추정에서는 3축가속도센서로부터의출력값 ( ax, ay, a ) 을이용하여보행자의이동유형을분석 (step z patten analysis) 한후에걸음검출 (step detection) 과보폭추정 (step length estimation method) 과정, 그리고높이추정을거쳐이동거리 ( δ d ) 를추정한다. 이동방향추정에서는 3축가속도센서, 3축자이로센서, 3축지자기센서로부터의출력값들을이용하여자세추정 (attitude estimation) 과방향추정 (heading estimation) 과정을거쳐보행자의이동방향 (δω ) 을추정한다. 이후추정된이동거리와방향정보를이용하여최초로걸음이시작된지점으로부터보행자의이동한위치를추정한다. 그림 1은보행자관성항법시스템블록다이어그램을보여준다. IMU 센서의가속도값 ( a x, a y, a z ) 은걸음검출추정의방식으로활용되며보폭추정과높이추정을하게된다. 그리고자이로값 ( g x, g y, g z ) 과지자기값 ( m x, m y, m z ) 을이용하여보행자의이동방향을추정하고, 이렇게나온보폭추정과방향추정의데이터를활용하여최종적인보행자의위치를나타내게된다. 2. 걸음검출 PDR은보행자의걸음을기반으로보행자의위치를추정하기때문에정확한걸음검출기법을통해보폭추정을하는것이중요하다. 걸음검출기법의종류는피크치검출, 일정구간검출 (flat zone detection), 영교차점검출기법등이있다. 본논문에서는피크치검출과영교차점검출기법을결합한걸음검출알고리즘을적용한다 []. Acceleo mete Gyoscope Compass IMU ax, ay, az gx, gy, gz mx, my, mz Patten Analysis Attitude Detection Waling Distance Length Waling Diection PDR System Heading Height 그림 1. 보행자관성항법시스템블록다이어그램. Fig. 1. Bloc Diagam of PDR System. δ d δω Position ACC [m/s 2 ] 1 a-nom a-nom filte Max and Min pea step detection Time [sec] 그림 2. 걸음검출결과그래프. Fig. 2. Detection Result. 가속도값은중력가속도의영향을많이받기때문에자세에따라값의변화가큰특성을갖는다. 따라서아래의수식과같이자세에강인한걸음검출을위해 3축가속도 ( ax, ay, a ) 의크기 (magnitude) 를의미하는 Nom값이적용 z 된다. a i a x i a y i a z i () 2 ( ) 2 ( ) 2 ( ) nom = + + 가속도센서출력값에포함되는잡음 (noise) 으로인해피크치검출기법과영교차점검출기법을그대로적용할경우실제보행자의걸음과다른걸음을검출할수있다. 이러한문제를완화하기위해 a 값에 LPF(Low Pass Filte) 를적용한 nom 다. 그림 2는가속도센서출력데이터의 a 값에 LPF를 nom 적용하여피크치검출한것을붉은선그래프로보여준다. 이렇게나온피크치에 Max/Min 값에각각파란원으로값을측정하며영교차점검출기법으로시간차의분산값을이용해최종적으로검은원의보행자걸음검출을나타내었다. 3. 보폭추정걸음검출후에는각걸음사이의보폭을추정함으로써이동거리를구해야한다. 가속도센서를이용한보폭추정기법에서는선형모델, 역진자형모델, 비선형모델, 인공신경망모델이있으며각각의성능은유사한것으로보고되고있다. 본논문에서는모델의구현복잡도가상대적으로낮고단일보폭추정파라미터를사용하는비선형모델을사용한다. 보폭추정을위한비선형모델은다음과같다 [11~13]. SL 4 Amax Amin K (1) = (2) SL은보폭 (step length) 를뜻하며, A max 와 A max 은개별걸음내에서발생하는가속도의최대값과최소값을의미한다. 이두값은그림 2 걸음검출에서의가속도최대값과최소값을사용하였다. K 는보폭결정상수를의미하며, 특정상수값을적용할수있다. 보통 K 값을구하기위해사전실험을통해선정하나, 실제로는보행자마다보폭의크기가상이하고동일보행자라도보행유형에따라보폭이변화할수있다. 따라서보폭추정결과의정확도를향상시키기위해서는특정상수값이아닌보폭에따라일정한 K 값을적용하는것이필요하다. 본논문에서는일반적인성인의평균보폭 (.6 m) 으로진행하였다.

3 Thee-Dimensional Pedestian Position Algoithm Using Waist-Mounted IMU Senso 4 III. 보행자방향과높이추정 1. 방향각추정보행자가활동하는 3차원공간에서방향각은자이로센서의각속도값을적분하여추정한다. 그리고각속도를측정하기위해서는좌표변환이필요하다. 좌표변환방식에는방향코사인 (diection cosine), 오일러각 (eule angle), 쿼터니언 (quatenion) 의방법이있다 [14]. 본논문에서는이러한좌표변환에오차가적은쿼터니언 (quatenion) 의오일러각변환방식을사용하여계산하였다. q = [ qq1q2q3] (3) q+ q1 q2 q3 2( q1 q2 q q3) 2( q q2 q1 q3) (4) b Rn = 2( q1 q2+ q q3) q q1+ q2 q3 2( q2 q3 q q1) 2( q1 q3+ q q2) 2( q q1 + q2 q3) q q1 q2+ q 3 방향각을알기위해식 (3) 과같이쿼터니언을사용하였으며동체좌표계에서항법좌표계로변환시켜주기위해식 (4) 와같이변환행렬식을구하였다. 그후자세를직관적으로보기위해오일러각계산하게된다. R = 식 () 회전행렬 R로부터오일러각을계산하는방법을나타낸다. 오일러각형식으로롤 (Roll=φ ), 피치 (Pitch=θ ), 요 (Yaw=ψ ) 로변환할수있다. φ = tan = tan 1 32 θ = ( q q1 + q2 q3) q q1 q2+ q3 1 sin ( 31) 1 q1 q3 q q2 = sin ( 2( + )) ψ = tan = tan ( q1 q2+ q q3) q+ q1 q2 q3 () (6) (7) (8) 자이로센서는보행자의움직임이없는경우는각속도값으로 값을가지게된다. 그러나주변노이즈와센서의위치에의해 이아닌값이나오게된다. 보행자가움직이지않는상태에서는 ω3d 값이정지상태라고가정해야한다. 이러한특정영역은임계값 (theshold) 으로설정하여노이즈로인한누적오차를제거한다. 이러한보행자방향각추정은평지이동과계단이동에동일하게적용된다. 2. 높이추정그림 3은높이추정알고리즘을나타낸것으로각알고리즘에대한출력값은 az 는 z축의가속도, SD는걸음검출지점, P 는영속구간정보, acc 가속도, hf 와 az ZUPT 는 ZUPT 적용하여나온 z 축 h 는각각칼만필터와이동평균필터를적용 f 하여나온추정된높이를말한다. 보행자의높이변화는평지가아닌경사로나계단과같은비평지를이동할때발생한다. 일반적인발장착 PDR 시스템에서는보행자의높이를추정하기위해서가속도의이중적분기법 [16] 을사용하거나, 기압센서 (baomete)[17] 등부가적인장치를이용한다. 기압센서를사용하면보행자의이동시변화하는고도를이용하여높이를추정하지만 IMU 센서를제외하고또다른부착방법을구상해야하며, 시간마다기압이변하기에출력되는높이가자주달라지는문제가있다. 그래서이중적분기법의누적오차를제거하기위해많이사용하는 ZUPT기법을허리장착센서환경에맞게칼만필터와이동평균필터 (moving aveage filte) 를사용하여높이추정을하도록한다. 3. 칼만필터단일관성측정장치일수록드리프트 (dift) 오차가심하게존재하여높이추정이매우어렵다. 그렇기에실내위치추적을위해필터링을거치는과정이필요하며본논문에서는칼만필터를사용한다. 식 () 의 2 1 H H /2 + 1 = + + x x z w 1 H x 는 x [ hv ] H = 이며여기서 h 는높이, () 는수직가속도를말한다. z 는항법좌표계에서 z축가속도를말하며 H 는샘플링주기를말하며 Hz로설정하였고 w 는가속도센서의노이즈값을말한다. 그림 4는 ZUPT알고리즘을사용하여보행자의 Z축이동결과를나타낸것으로부산대학교 공학관 6층에서 7층까지올라갔다다시 6층으로내려온결과이다. ~초사이는 v 자이로는시간이지날수록누적오차가지속적으로발생하기때문에정확한측정값이나오기어려워먼저가속도센서값을 1차상보필터를사용하여 Roll, Pitch의누적오차를제거한다 [1]. 그리고정확한 Yaw를구하기위해자이로놈 (nom) 값을사용하게된다. 다음식 (9) 은자이로센서의놈값을나타낸것이다. ω t = ω t + ω t + ω t (9) D[] x[] y[] z[] Detection SD Acceleomete Z-axis Data a z ZUPT acc az ZUPT 그림 3. 높이추정알고리즘블록다이어그램. Fig. 3. Algoithm Stuctue of Height. P KF hf MAF hf

46 송준우, 류양, 양회성, 이강복, 이장명 ACC [m/s 2 ] - - -3 Z-acc/f Z-acc Measuing the maximum speed of each step Inaccuate ZUPT eo measuement. -4 3 4 6 7 Time [sec] 그림 4. 보행자의 Z 축가속도결과. Fig. 4. Z-axis Acceleation Result of Pedestian.

그리고이러한방법으로나온값은보행자의정확한높이변화를알려줄수있다. 보행자의높이변화는계단, 경사와같은비평지지형에서발생한다. 따라서보행자가걷지않거나평지를계속해서이동할경우높이변화는발생하지않아야한다. 일반적인보행을할경우비평지지형에서가속도값의변화가크게나타난다.

이러한알고리즘을그림 와같이나타내었다. Coected maximum speed value. Set the theshold Teain classification 그림. ZUPT 보정및지형구분알고리즘. Fig.. ZUPT Calibation and Teain Classification Algoithm. 그림 6. SMS 센서모듈. Fig. 6. SMS Senso Module.

4 46 송준우, 류양, 양회성, 이강복, 이장명 ACC [m/s 2 ] Z-acc/f Z-acc Measuing the maximum speed of each step Inaccuate ZUPT eo measuement Time [sec] 그림 4. 보행자의 Z 축가속도결과. Fig. 4. Z-axis Acceleation Result of Pedestian. 계단을올라가는부분을, 4~초사이는계단을내려온부분으로파란색으로나타낸그래프가칼만필터와이동평균필터를거쳐서나온값으로필터를거치기전의값에비해노이즈값이많이줄어들어정확한 Z축가속도변화값을보이고있다. 4. 보행자가위치한지형구분 IMU를허리에서장착해서사용하는경우정확한영속도구간을찾기힘들다. 그래서 ZUPT가적용된정확한속도보정방법이필요하다. 그리고이러한방법으로나온값은보행자의정확한높이변화를알려줄수있다. 보행자의높이변화는계단, 경사와같은비평지지형에서발생한다. 따라서보행자가걷지않거나평지를계속해서이동할경우높이변화는발생하지않아야한다. 일반적인보행을할경우비평지지형에서가속도값의변화가크게나타난다. 이러한특성을이용하여평지와비평지를구분하는임계값 (theshold) 을정하여걸음마다지속적으로값을비교하여지형을구분할수있다. 그래서보행자의지형을구분할수있도록한다. 보행자의걸음에서최대속도를구하고여기서영속도구간과의차이를계산하여오차를산출한다. 그후오차값을보정하며 걸음내의최대속도값을보정된값으로갱신한다. 보정된값을바탕으로임계값의범위를지정하고평지와비평지를구분한다. 이러한알고리즘을그림 와같이나타내었다. Coected maximum speed value. Set the theshold Teain classification 그림. ZUPT 보정및지형구분알고리즘. Fig.. ZUPT Calibation and Teain Classification Algoithm. 그림 6. SMS 센서모듈. Fig. 6. SMS Senso Module. IV. 실험및결과 그림 6은실험을위해서사용된 PDR 시스템모듈이며, 이것은한국전자연구원 (ETRI: Electonics and Telecommunications Reseach Institute) 에서실험을위해만든 IMU 센서모듈로그림 7과같이자이로와가속도, 지자기값을나타낸다. 센서테이터형식은 4 bytes로계산되며초당 hz (ms 마다 1증가 ) 이며각각의 3축가속도, 3축각속도, 3축지자기는 2 bytes 형태에컴퓨터와의통신은 UART 통신설정이되어있다. IMU의좌표축은일반적으로많이사용하는 NED (Noth, East, Down) 좌표계를따르며, 그림 8과같이허리뒤에장착을하였다. 그림 9와 은각각수평이동실험환경과계단이동실험환경을나타낸다. 실험은건물내의실내환경에서의보행자위치추정을실험하기위해부산대학교제 공학관에서실험을진행하였으며, 계단이동은그림 과같이출발지점을기준으로하향보행으로 1개의층을내려간후, 다시상 그림 7. (1) 자이로 & 가속도계 (2) 지자기. Fig. 7. (1) Gyoscopes & Acceleometes (2) Compass. 그림 8. 허리에장착한센서모듈. Fig. 8. Waist Mounted Senso Module.

허리 장착 기반의 IMU 센서를 이용한 3D 보행자 위치 추정 알고리즘 연구 47 1. 위치 오차 (실험1). 표 Table 1. Positioning Eo 1. 그림 9. 수평이동 실험 환경. Fig. 9. Hoizontal Movement Expeiment Envionment. 그림. 계단 이동 실험 환경. Fig.. Stai-moving Expeiment Envionment.

5 허리 장착 기반의 IMU 센서를 이용한 3D 보행자 위치 추정 알고리즘 연구 위치 오차 (실험1). 표 Table 1. Positioning Eo 1. 그림 9. 수평이동 실험 환경. Fig. 9. Hoizontal Movement Expeiment Envionment. 그림. 계단 이동 실험 환경. Fig.. Stai-moving Expeiment Envionment. 1 Real oute Y [m] RDR-new Maximum Distance Eo (m) Maximum Distance Eo (%) Aveage Distance Eo (m) 6..2 Aveage Distance Eo (%) 높이 변화 추정 실험 높이 변화에 대한 실험을 하기 위해 실제 높이와 이동한 높이의 차이를 비교하였다. 실험 방법은 건물 6층에서 7층으로 올라갔다 다시 6층으로 내려오는 방법으로 회 진행했으며, 한 층 간의 높이는 약 4 m, 1개의 계단 높이는 약.17 m로 총 24개의 계단으로 구성되어 있다. 그림 12는 높이 변화 추정 실험 결과 를 나타낸다. 먼저 실제 경로는 시작 지점을 m로 하여 12개의 계단을 올라간 2 m 지점에서의 계단참 평지 부분을 거쳐, 다 시 12개의 계단을 올라 완전히 한 층을 올라간 후 다시 내려오는 모습을 보여준다. 여기서 단순IMU 센서의 Z축 가 속도 변화만으로 높이 변화는 빨간선으로 나오나 검은선으로 나 타낸 실제 경로를 예측하지 못할 정도로 결과값이 좋지 않게 나오 고 있다. 그에 반해 파란색 점선으로 나타낸 ZUPT와 칼만 필터 를 적용하여 나온 값은 높이 변화에 대한 모습이 확실히 개선되 었다는 것을 알 수 있다. 표 2는 높이 오차를 비교하여 나타낸 것으로 출발점을 기 준으로 높이가 확실히 변화되는 지점, 2.4, 4 m 지점의 거리 값 을 구해 오차를 계산하였다. 이 오차도 알고리즘을 적용 하였을 시 최대 오차율은 6 % 가량 개선되었으며 평균 오차 율도 개선됨을 확인할 수 있다. 그림 11. 위치 측정 결과 1. Fig. 11. Results fo the Measuement of Positioning Real oute 4. 험을 하였다. 실험은 동일한 방법으로 회 반복 수행하였으 며 3 m x 9. m의 직사각형 형태로 보행을 하였다. PDR 알고리즘을 거치지 않은 방법은 심홍색 선으로 초기 m정도의 직선 구간에서는 검은색 선인 실제 경로와 비슷 하게 움직이는 것을 확인할 수 있다. 하지만 그 이후로는 계 속되는 누적 오차로 인해 처음의 방향 전환을 한 후부터 경 로를 많이 벗어나는 모습 보이며 직사각형의 경로가 아니게 움직였다. 파란색 선은 본 논문에서 제안하는 알고리즘을 적 용한 결과를 나타낸다. 추정 결과 실제 경로와 매우 유사한 직선움직임과 방향 전환을 그림 9에서 보여준다. 방향 전환 이 일어난 곳을 시작 점과 거리를 비교하여 오차 정도를 계 산했으며, 알고리즘 적용 시 평균 거리 오차는 1 % 정도로 나오며 거리 오차 결과를 표 1로 정리하였다. Height [m] 향 보행을 통해 원래 위치로 복귀하면서 실험을 진행하였다. 걸음 보폭은 약.6 m, 보행 속도는 센서를 통해 측정된 보 행 거리와 보행 시 소요된 시간을 이용, 반복적인 실험을 통 해 구한 평균 보행 속도 약 1.23 m/s 로 실험을 진행하였다. 1. 평지 방향각 추정 실험 첫번째로 방향각 성능을 확인하기 위해 평지에서 보행 실 Time [sec] 6 7 그림 12. 위치 측정 결과 2. Fig. 12. Results fo the Measuement of Positioning 2. 표 2. 위치 오차 (실험 2). Table 2. Positioning Eo 2. RDR-new Maximum Distance Eo (m) 4.6 Maximum Distance Eo (%) 9.2 Aveage Distance Eo (m) 1.2 Aveage Distance Eo (%) 2..8

6 48 Jun-Woo Song, Yang Liu, Hoe-Sung Yang, Kang-Bo Lee, and Jang-Myung Lee 3. 최종 3D 보폭추정실험앞서실험한평지방향각추정과높이변화추정실험을동시에진행하였다. 실험방법장소는높이변화추정실험장소에서동일하게진행을하였으며총 회진행하였다. 그림 13~1는 IMU 센서를허리에장착하고이동한최종추정결과를보여준다. 그림 11은 x-y좌표상에서의보행자이동경로를추정한결과를보여준다. x-y좌표상에서추정결과를확인하였을때, 시간이지남에따라 y축방향으로오차가커지는것으로확인되는데이는계단이동시센서의흔들림이상대적으로평지이동보다심하게발생하였기때문이다. Y [m] Real oute PDR-New -6-1 그림 13. 3D 위치측정결과 X-Y. Fig D Positioning Result X-Y. Z [m] Real oute - 1 그림 14. 3D 위치측정결과 X-Z. Fig D Positioning Result X-Z. Z [m] Y [m] 그림 1. 3D 최종위치측정결과. Fig. 1. 3D Final Positioning Result. - - Real oute 1 이러한흔들림으로인해보행자자세추정오차가발생하고시간이지남아따라누적되어오차는점점커지는결과를나타낸다. 비록따로실험한그래프에비해평면상의누적오차가발생하였지만높이변화량은기존의허리장착단일 IMU 센서로표현하지못한결과에비해충분히개선되어육안으로도가능한, 좋은결과값이나온것을확인할수있다. V. 결론본논문에서는단일 IMU 센서를이용하여제작한관성센서모듈을허리에부착하여보행자의방향과높이를정확히추정하는시스템을구현하고이를위한알고리즘을제안하였다. 칼만필터와쿼터니언, ZUPT를사용하여보행자의위치추정성능향상을위한알고리즘을제시하였으며, 제안한시스템의우수성을실제실험을통하여검증하였다. 방향각은오차율이 1 % 이하로감소되었으며, 높이추정은최대오차율이 6 % 감소함을확인하였다. 실내에서이동하는보행자의 3D 움직임을정확히추정하는연구에기여도가높으며더욱안정적으로 3D 움직임을보정하는연구가미래의과제로남는다. REFERENCES [1] M. S. Lee, H. J. Ju, C. G. Pa, and M. B. Heo, length estimation algoithm fo fiefighte using linea calibation, Jounal of Institute of Contol, Robotics and Systems (in Koean), vol. 19, no. 7, pp , Jul. 13. [2] W. J. Seo, K. I. Han, and K. R. Bae, A positioning method using bluetooth and odomety fo a mobile obot, Jounal of Institute of Contol, Robotics and Systems (in Koean), vol. 23, no. 1, pp. 3-9, Jan. 17. [3] Q. Wang, X. Chen, R. Chen, Y, Chen, and X. Zhang, Electomyogaphy-Based Locomotion Patten Recognition and pesonal Positionig Towad Impoved Context-Awaeness Applications, IEE Tans. On Systems, Man, and Cybenetics: Systems, vol. 43, no., pp , Sep. 13. [4] C. Huang, Z. Liao, and L. Zhao, Synegism of INS and PDR in Self-Contained pedestian tacing with a miniatue senso module, IEEE Tans. On Senso Jounal, vol., no. 8, pp , Aug.. [] J. Y. Kim, J. S. Kim, G. T. Kang, and W. C. Lee, An indoo positioning system fo mobile obots using visible light communication and f uzzy l ogic, Jounal of Institute of Contol, Robotics and Systems (in Koean), vol. 22, no. 2, pp. 7-82, Feb. 16. [6] W. Kang and Y. Han, SmatPDR: Smatphone-Based pedestian dead econing fo indoo localization, IEEE Tans. On Sensos Jounal, vol. 1, no., pp , May 1. [7] I. Nabney, NETLAB: algoithms fo patten ecognition, Spinge Science & Business Media, London, 2. [8] J. Geogy, A. Noueldin, M. J. Koenbeg, and M. M. Bayoumi, Modeling the stochastic dift of a MEMS-Based gyoscope in Gyo/Odomete/GPS integated navigation, IEEE Tans. on Geoscience and Remote Sensing, vol. 49, no. 1, pp. 3-2, Jan. 11. [9] W. Soehen and W. Hawinson, Pototype pesonal navigation system, IEEE on Aeospace and Electinic Systems Magazine,

Thee-Dimensional Pedestian Position Algoithm Using Waist-Mounted IMU Senso 49 vol. 23, no. 4, pp. -18, Ap. 8. [] J. Kim and S.

Chen, Y. Chen, H. Kuusniemi and J. Wang, An effective pedestian dead econing algoithm using a unified heading eo model, Poc. of Position Location and Navigation Symposium(PLANS), pp.

Lee, of attitude and position of moving objects using multi-filteed inetial navigation system, The Tansactions of The Koean Institute of Electical Enginees, vol. 6, no. 12, pp.

wood, D. W. A. Taylo, and J. Bohlin, Altitude accuacy while tacing pedestians using a bootmounted IMU, Poc. of IEEE/ION Position Location and Navigation Symposium (PLANS), pp.

of Signals, Cicuits and Systems (ISSCS), 11 th Intenational Symposium on, pp. 1-4, Jun. 11. 송준우 16년인제대학교전자지능로봇공학과 ( 공학사 ). 16년 ~ 현재부산대학교대학원전기전자컴퓨터공학과전자공학전공석사과정재학중.

7 Thee-Dimensional Pedestian Position Algoithm Using Waist-Mounted IMU Senso 49 vol. 23, no. 4, pp. -18, Ap. 8. [] J. Kim and S. Lee, of the use s location/postue fo mobile augmented eality, Jounal of Institute of Contol Robotics and System (in Koean), vol. 18, no. 11, pp , Dec. 12. [11] W. Chen, R. Chen, Y. Chen, H. Kuusniemi and J. Wang, An effective pedestian dead econing algoithm using a unified heading eo model, Poc. of Position Location and Navigation Symposium(PLANS), pp , May.. [12] W. Zijlsta and A. L. Hof, Displacement of the pelvis duing human waling: expeimental data and model pedications, Gait & Postue, vol. 6, no. 3, pp , Dec [13] S. Cho and C. Pa, MEMS based pedestian navigation system, The Jounal of Navigation, vol. 9, pp , Jan. 6. [14] S. Y. Hwang and J. M. Lee, of attitude and position of moving objects using multi-filteed inetial navigation system, The Tansactions of The Koean Institute of Electical Enginees, vol. 6, no. 12, pp , Dec. 11. [1] S. Y. Cho and C. G. Pa, MEMS based pedestian navigation system, The Jounal of Navigation, vol. 9, no. 1, pp , Jan. 6. [16] W. T. Faulne, R. Alwood, D. W. A. Taylo, and J. Bohlin, Altitude accuacy while tacing pedestians using a bootmounted IMU, Poc. of IEEE/ION Position Location and Navigation Symposium (PLANS), pp. 9-96, May.. [17] L. I. Iozan, J. Colliny, J. Taala, and C. Rusu, Impoved indoo navigation system based on MEMS Technology, Poc. of Signals, Cicuits and Systems (ISSCS), 11 th Intenational Symposium on, pp. 1-4, Jun. 11. 송준우 16년인제대학교전자지능로봇공학과 ( 공학사 ). 16년 ~ 현재부산대학교대학원전기전자컴퓨터공학과전자공학전공석사과정재학중. 관심분야는시스템제어, 위치인식시스템마이크로프로세서응용. 류양 17년부산대학교전자공학과 ( 공학사 ). 17년 ~ 현재부산대학교대학원전기전자컴퓨터공학과전자공학전공석사과정재학중. 관심분야는 Deep Leaning, 위치인식시스템. 양회성 3년광운대학교전자공학부 ( 공학사 ). 년서울대학교대학원전기컴퓨터공학부졸업 ( 공학석사 ). 년 7월 ~ 현재한국전자통신연구원 IoT연구본부선임연구원. 관심분야는위치추적, UWB, 무선통신시스템, 초고주파회로설계, 신호처리. 이강복 1993년경북대학교전자공학과 ( 공학사 ). 년충북대학교정보통신공학과졸업 ( 공학석사 ). 2년충북대학교정보통신공학과박사과정수료. 년 7월 ~ 현재한국전자통신연구원재난안전 IoT연구실장. 관심분야는 RFID/NFC, ROIC, 생체신호처리, IoT센서응용기술. 이장명 198년서울대학교전자공학과졸업 년동대학원공학석사. 199년 USC( 미국남가주대학교 ) 공학박사. 1992년 ~ 현재부산대학교전자전기공학과정교수. 관심분야는특수환경 Navigation and Localization, 지능로봇시스템설계및제어, 마이크로프로세서응용.

(JBE Vol. 20, No. 3, May 2015) (Special Paper) 20 3, (JBE Vol. 20, No. 3, May 2015) ISSN

(Special Pape) 20 3, 2015 5 (JBE Vol. 20, No. 3, May 2015) http://dx.doi.og/10.5909/jbe.2015.20.3.414 ISSN 2287-9137 (Online) ISSN 1226-7953 (Pint) a), a) Tempoally-Consistent High-Resolution Depth Video