Journal of Korea Roboics Sociey (2012) 7(3):205-215 hp://d.doi.org/10.7746/jkros.2012.7.3.205 ISSN: 1975-6291 / eissn: 2287-3961 데이터베이스기반 GPS 위치보정시스템 205 데이터베이스기반 GPS 위치보정시스템 Daabase based Global Posiioning Sysem Correcion 문준호 1, 최혁두 1, 박남훈 2, 김종희 3, 박용운 3, 김은태 Junho Moon 1, Hyuk-Doo Choi 1, Nam-Hun Park 2, Chong-Hui Kim 3, Yong-Woon Park 3, Eunai Kim Absrac A GPS sensor is widely used in many areas such as navigaion, or air raffic conrol. Paricularly, he car navigaion sysem is equipped wih GPS sensor for locaional informaion. However, when a car goes hrough a unnel, fores, or buil-up area, GPS receiver canno ge he enough number of saellie signals. In hese siuaions, a GPS receiver does no reliably work. A GPS error can be formulaed by sum of bias error and sensor noise. The bias error is generaed by he geomeric arrangemen of saellies and sensor noise error is generaed by he corruped signal noise of receiver. To enhance GPS sensor accuracy, hese wo kinds of errors have o be removed. In his research, we make he road daabase which includes Road Daabase File (RDF). RDF includes road informaion such as road connecion, road condiion, coordinaes of roads, lanes, and sop lines. Among he informaion, we use he sop line coordinaes as a feaure poin o correc he GPS bias error. If he relaive disance and angle of a sop line from a car are deeced and he deeced sop line can be associaed wih one of he sop lines in he daabase, we can measure he bias error and correc he car s locaion. To remove he oher GPS error, sensor noise, he Kalman filer algorihm is used. Addiionally, using he RDF, we can ge he informaion of he road where he car belongs. I can be used o help he GPS correcion algorihm or o give useful informaion o users. Keywords: Road daabase file (RDF), Kalman Filer, GPS Sensor correcion, Mobile Robo Localizaion CopyrighcKROS 1. 서론 1) 최근위치인식기술은자동차네비게이션이나항공교통제어시스템등많은분야에서중요한기술로사용되고있다. 이러한위치인식기술로는 IMU센서를이용하여위치를예측하는기술 [9] 과지상에 pseudo-lie 를설치하여위치를계산하는기술 [10], 인공위성의신호를이용한 GNSS 기술등이있다. 하지만 IMU나 pseudo-lie와같은기술은오차가축적되거나비싼설 Received : May 24. 2012; Reviewed : Jun. 19. 2012; Acceped : Aug. 10. 2012 This projec was funded by he Agency for Defense Developmen (ADD) under Gran UD100061ID. Corresponding auhor: Elecrical & Elecronic Engineering, Yonsei Universiy, Shinchon-Dong, Seodaemun-Gu, Seoul, Korea (ekim@yonsei.ac.kr) 1 Elecrical & Elecronic Engineering, Yonsei Universiy (Junho87@yonsei.ac.kr, goodgodgd@yonsei.ac.kr) 2 Compuer Science, Anyang Universiy (nmhnpark@anyang.ac.kr) 3 Agency for Defense Developmen (ADD) (chonghui.chkim@gmail.com, yongwoon5901@gmail.com) 치비로인하여주로사용되지않고있으며, 가격대성능비가좋은 GNSS 중미국에서개발한 GPS 시스템이널리사용되고있다. 하지만 GPS 시스템역시단점을가지고있다. GPS 수신기가위성의신호를받는경우잡음이추가되기때문에정확한위치정보를수신하기어려우며, 특히위성과수신기사이에나무나건물과같은장애물이있거나위성위치가넓게퍼져있지않을경우, DOP(Diluion of Precision) 값이증가하며, GPS 수신기는편중오차 (bias error) 를생성시킨다 [11]. 따라서 GPS 센서는위성의신호를제대로받을수없는특정한상황에서허용할수없을만한오차를발생시킨다. 이러한문제를해결하기위하여지금까지많은연구자들이다양한연구를수행하였다. GPS 센서의위치를보정하기위해일반적으로이용하는방법중하나는 IMU 센서정보를이용하여위치를보정하는방법이다. [1]-[3][12] 자동차의선속도나각속도등의 IMU 센
206 로봇학회논문지제 7 권제 3 호 (2012. 9) 서정보와 GPS 센서정보를얻은후, 파티클필터를사용한 MCL(Mone Carlo Locarlizaion) 알고리즘 [12] 이나칼만필터알고리즘 [1-3] 을이용하여 GPS 위치를보정하는연구가많이수행되었다. 이러한방법은 GPS센서만을이용한결과보다정확도가높지만 GPS센서정보에많이의존하게되므로 GPS의편중오차를효과적으로제거하지못한다. GPS, IMU, Pseudo-lie와 TLS(Terresrial Laser Scanning) 를자동차에모두장착하여위치를보정하는연구도진행되어왔지만 [2], GPS 수신기만을장착하는방법보다비용도많이들고비효율적이다. 이외의방법으로는이미지센서나 LiDAR 센서, Radar 센서등을이용하여위치를인식하는방법도연구되어왔다 [4-6,8]. 하지만센서정보를매칭하기위해서는실험할지역의센서정보들을미리수집해놓아야하며, 매칭하기도쉽지않다는단점이존재한다. 이러한문제를해결하기위하여본논문에서는도로정보가저장된 RDF (Road Daabase File) 의특징점을이용하여 GPS의편중오차를보정하려한다. 연구를수행하기전에실험할지역의도로정보와도로의특징점정보를 RDF로만들어저장한다. 이후자동차가 GPS 센서를가지고이동하면서칼만필터를이용하여 GPS 센서의잡음을제거하고, 주행하다가정지선을감지하면정지선의좌표를 RDF에서검색하여절대좌표를찾아편중오차를보정하게된다. 추가로 RDF의다양한정보들을이용하여사용자에게현재도로의정보나연결된도로정보, 주변의건물이나특징정보들을제공해주게된다. 본논문의구조는다음과같다. 2장에서는 GPS의문제를정의하며, 이문제를해결하기위해사용될데이터베이스를설계한다. 3장에서는칼만필터를이용하여 GPS의잡음을제거하는방법을설명하며, 4장에서는데이터베이스의특징점좌표를이용하여편중오차를보정하는방법을설명한다. 5장에서는 GPS 위치보정알고리즘을이용하여시뮬레이션을진행한영상과그결과를분석하여알고리즘의성능을검증한다. 끝으로 6장에서는결론과향후연구방향에대하여기술한다. 2. 문제정의및데이터베이스설계 2장에서는 GPS 신호에추가되는오차의구성과원인에대해서설명한다. 또한이러한오차를제거하기 위해본논문에서사용되는도로데이터베이스를설계한다. 2.1 문제정의 GPS는위성의신호를수신하여수신기의위치정보를계산하는시스템이다. GPS 위성은신호를지구상에보내기만하며 GPS 수신기는그신호를받아서처리하기만하면되기때문에, GPS 시스템은사용자의숫자에제한이없다는큰장점을가지고있다. 이러한장점때문에 GPS 시스템은항해나국방관련분야외에도자동차네비게이션분야에서특히많이사용되고있다. GPS가위치를비교적정확하게인식하기위해서는 4개이상의위성신호를전송받아야한다. 하지만실제상황에서는나무나건물과같은장애물이존재하거나위성이고르게배열되지않는경우가있다. 이러한경우, GPS 위치는편중오차를생성한다. 또한신호송수신시잡음이추가된다. 따라서 GPS 위치는식 (1) 과같이나타낼수있다. GPS signal = locaion + bias error + noise (1) 본논문에서는이러한 GPS센서의편중오차와잡음을제거하기위한연구를진행하였다. 다음장에서는이문제를해결하기위해필요한도로데이터베이스를설계한다. 2.2 도로데이터베이스설계 RDF는실제도로의정보, 즉도로의좌표나차선의좌표, 도로의특성, 도로간의연결관계, 정지선등특징점의위치등을데이터베이스에저장하기위해설계한모델이다. 이러한정보들을보다효율적으로관리하기위하여 RDF의구조를설계하며, 도로데이터의저장, 관리뿐만아니라필요한정보를검색하여제공하기위하여사용한다. 본논문에서사용하는도로데이터베이스는그림 1 과같이구성되어있다. 도로는 Elemen라는단위로구성되어있으며이테이블은도로의정보를저장하고있다. 또한어느도로에자동차가속해있는지를검색하기위하여 Polygon이라는작은단위로나누었으며, 이테이블은좌표정보를저장한다. 마찬가지로차선정보검색을위하여 Lane 테이블을만들었으며, 차선의좌표정보를저장하기위하여 LineSring 테이블을구성
데이터베이스기반 GPS 위치보정시스템 207 정확하게예측하기위한재귀적알고리즘으로, 크게예측단계 (Predicion Sep) 와보정단계 (Correcion Sep) 의두부분으로구성되어있다. 예측단계에서는이전상태와현재속도, 각속도를이용하여현재위치를예 (a) Fig. 1. The srucures of RDF 하였다. 이외에도차선의연결정보를저장하기위한 Connec 테이블과편중오차를보정할특징점이될정지선테이블을추가하였다. 이러한과정을통하여구성된 RDF에도로정보를저장하여도로데이터베이스를구성할수있다. 그림 2 의 (a) 와같은실제도로를그림 1과같은구조로데이터베이스화하여저장한후, 도로좌표와차선의좌표, 정지선의좌표정보를이용하여그림 2의 (b) 와같이출력할수있다. 이와같이설계된 RDF는 GPS의편중오차보정뿐만아니라사용자에게유용한정보를제공하는데사용될것이다. 3. 칼만필터를이용한위치추정 GPS 센서정보는크게편중오차와잡음을포함하고있다. 본논문에서는잡음이존재하는시스템에서 1 차적으로현재위치를추정하기위하여칼만필터알고리즘을사용하고, 그후에도로데이터베이스의특징점을이용하여추정한위치에포함된편중오차를보정하는방법을사용한다. 본장에서는칼만필터를이용하여잡음을보정하는방법을먼저설명하도록하겠다. GPS의잡음을제거하는대표적인방법은칼만필터알고리즘을사용하는것이다 [7]. 칼만필터알고리즘은잡음이존재하는시스템내에서현재상태를보다 Table 1. Noaion of variables used in he Kalman Filer algorihm 변수 ' = y' θ ' μ = y θ μ v u = w z = y ˆ zˆ = yˆ (b) Fig. 2. (a) The real road and (b) road reconsruced by RDF 설명 로봇의현재상태 칼만필터를통해예측한로봇의현재상태 : 좌표및방향 예측단계를통해예측한상태 로봇의선속도및각속도 센서의측정좌표값 센서의측정예측값
208 로봇학회논문지제 7 권제 3 호 (2012. 9) 측하고, 보정단계에서는 GPS 센서값을측정값으로사용하여현재위치를보정하게된다. 칼만필터알고리즘을설명하기위한변수들의표기법은표 1에서제시한다. 3.1 예측단계칼만필터의예측단계에서는선속도와각속도를입력값으로사용하여현재상태를예측한다. 하지만이때입력값에는잡음이추가되기때문에식 (2) 와같이실제속도와각속도는값은노이즈가추가된형태로표현할수있다. 이때입력값에추가되는가우시안잡음의평균은 0, 공분산은 M로가정한다. 본논 0.1 0 문의시뮬레이션환경에서는 M = 0 0.1 로설정하였다. vˆ v uˆ = N(0, M) wˆ = + (2) w 또한실제로봇의위치 는실제입력값과이전의실제위치를이용하여 (3) 과같이표현할수있으며, (4) 와같이식을전개할수있다. = g (, u ) (3) ˆ 1 vˆ ˆ v sinθ + sin( θ + wˆ Δ) wˆ ˆ w ' vˆ ˆ v y' = y + cosθ cos( θ + wˆ Δ) (4) wˆ ˆ w θ' θ wˆ Δ 이때예측한로봇의현재상태는 (5) 와같이잡음을분리할수있다. = g(, u ) + ε (5) 1 이때식 (5) 의로봇의상태에대한자코비안 G 는 (6) 과같이계산할수있다. g( μ 1, u) G = 1 v 1 0 ( cosμ 1, θ + cos( μ 1, θ + wδ)) w (6) v = 0 1 ( sinμ 1, θ + sin( μ 1, θ + wδ)) w 0 0 1 같은방법으로속도입력에대한자코비안 V 는식 (7) 과같이표현할수있다. g( μ 1, u) V = u sinθ + sin( θ + wδ) v(sinθ sin( θ + wδ ) vcos( θ + wδ) Δ + 2 w w w cosθ cos( θ + wδ) v(cosθ cos( θ + wδ ) vsin( θ + wδ) Δ = + 2 w w w 0 Δ 따라서예측단계에서예측한현재로봇의상태는식 (8), (9) 와같이계산할수있다. v v sinθ + sin( θ + w Δ) w w v v μ = μ 1 + cosθ cos( θ + wδ) (8) w w w Δ T T 1 (7) Σ = GΣ G + VMV (9) 3.2 보정단계칼만필터의보정단계에서는측정한 GPS센서의값을사용하여예측했던현재상태를보정한다. 이단계에서도측정값에는잡음이추가되기때문에 GPS 센서의값은식 (10) 과같이표현할수있다. 이때 GPS 센서값에추가되는가우시안잡음의평균은 0, 공분산은 Q로설정하였다. 본논문의시뮬레이션환경 1 0 에서는 Q = 0 1 로설정하였다. z = h( ) + ε = + N(0, Q) (10) y
데이터베이스기반 GPS 위치보정시스템 209 이때 에대한 h( ) 의자코비안 H 는식 (11) 과같이계산된다. h( μ ) 1 0 H = = (11) 0 1 따라서칼만필터알고리즘의칼만이득은 (12) 와같이계산할수있으며, 이값을이용하여 (13), (14) 와같이현재상태를보정할수있다. K H H H Q T T 1 =Σ[ ] [ Σ [ ] + ] (12) μ = μ + K ( z zˆ ) (13) Σ = ( I K H ) Σ (14) 중앙선의두점을자동차의방향과맞추는것이중요하다. 그림 3과같이자동차의방향 (θ v) 과정지선의방향 (θ c) 를비교하여만약 라면같은방향이므로 P1과 P2의순서를그대로두고, 아니면순서를바꾸어, 어느상황에서든자동차앞의방향에점 P1이오도록저장한다. 중앙선좌표의순서를고정하였으면, 자동차는중앙선의오른쪽방향으로이동하므로중앙선을기준으로오른쪽방향의정지선만고려하면된다. 정지선이차선의오른쪽에있는경우는그림 4 (a) 와같이자동차가오른쪽방향으로진행하는경우와, (b) 와같이왼쪽으로진행하는경우를고려하면된다. 먼저그림 4 (a) 와같이 P1 > P2 인경우에는중앙선의아래쪽방향에존재하는정지선 S를고려해야하므로부등식 (15) 를만족하는정지선을찾아야한다. 4. GPS 편중오차의보정 이번장에서는 RDF에저장된정지선의위치를특징점으로사용하여 GPS의편중오차를보정하는알고리즘을설명한다. 자동차에설치된센서에서정지선의양끝점을인식할수있다고가정하며, 이때 RDF에저장된많은정지선좌표중인식한정지선과맞는정지선을검색한다. 위의과정을통하여얻은자동차의상대좌표계상의정지선좌표와절대좌표계상의정지선좌표를이용하여실제자동차의위치를알아낸후, GPS 좌표에추가된편중오차를계산하여보정하게된다. 4.1 정지선매칭알고리즘자동차에장착된이미지센서등으로감지한정지선과데이터베이스내의정지선을매칭하기위해서, 기본적으로주위정지선과이전단계에예측한자동차와의거리를계산하여가장가까운정지선을선택하게된다. 하지만바로옆차선의정지선이앞의정지선보다더가까이있거나예측한자동차위치에잡음이추가되어제대로정지선이매칭되지않을경우더큰오차가발생하며, 제대로알고리즘이진행되지않게된다. 따라서본논문에서는정지선매칭알고리즘에반대차선의정지선을배제하는알고리즘을추가하였다. 반대차선을배제하기위해서는먼저기준이되는 Fig. 3. The process of ordering cener poins Fig. 4. The 2 kinds of siuaions for a driving vehicle. (a) A vehicle driving from lef side o righ side and (b) he vehicle driving from righ side o lef side
210 로봇학회논문지제 7 권제 3 호 (2012. 9) P2y P1y Sy P1 y < ( S P1 ) P2 P1 (15) P1 > P2 의조건을이용하여부등식 (15) 를정리하면부등식 (16) 과같은결과를얻을수있다. ( S P1 )( P2 P1 ) > ( P2 P1 )( S P1 ) (16) y y y y 같은방법으로그림 4 (b) 와같이 P1 > P2 인경우, 중앙선의위쪽방향에존재하는정지선 S 를고려해야하므로부등식 (17) 을만족하는정지선을찾아야한다. P2y P1y Sy P1 y > ( S P1 ) P2 P1 (17) P1 > P2 의조건을이용하여부등식 (17) 을정리하면부등식 (18) 과같은결과를얻을수있다. ( S P1 )( P2 P1 ) > ( P2 P1 )( S P1 ) (18) y y y y 두점의순서가다를수있다는점이다. 따라서다른두좌표계를고려하고, 두점의기울기만을이용하여위치를보정하고자한다. 편중오차보정알고리즘을설명하기에앞서먼저알고리즘에사용되는변수들을표 2에정리하였다. 자동차의위치좌표를보정하기에앞서먼저각도를보정한다. 그림 5는각도를보정하는과정을그림으로표현해주고있다. 그림과같이인식한정지선의절대좌표의기울기를 α, 자동차의상대좌표계에서정지선의기울기를 β라하면, α와 β는식 (20) 과같이표현된다. 이때 P1, P2는절대좌표계에서정지선양끝의좌표를순서없이저장한좌표이며, P1, P2 는상대좌표계에서정지선양끝의좌표를순서없이저장한좌표이다. P2y P1y α = arcan( ) P2 P1 (20) P2' y P1' y β = arcan( ) P2' P1' Table 2. Noaion of variables used in he bias correcion algorihm 그러므로두부등식 (16) 과 (18) 은 (19) 와같이하나의부등식으로표현할수있다. ( S P1 )( P2 P1 ) > ( P2 P1 )( S P1 ) (19) y y y y 따라서위의식 (19) 를정지선검색알고리즘에적용하면현재자동차가지나고있는도로의정지선을기준으로반대편의정지선을고려하지않을수있다. 또한부등식 (19) 는예측한자동차의위치와는관계없이자동차의방향을중앙선에맞춘뒤중앙선좌표를이용하기때문에예측한자동차의위치가오차로인하여실제위치에서벗어나더라도알고리즘에는문제가없다는장점이있다. 4.2 편중오차보정알고리즘도로데이터베이스에서원하는정지선의좌표를검색하였으면, 그좌표와자동차가인식한정지선좌표를이용하여자동차의위치를보정하여야한다. 하지만문제는자동차가인식한정지선의좌표계와도로데이터베이스내의정지선좌표계가다르다는점과, 정지선의 변수 α β ρ φ P 1, P2 P 1', P2' C, ' Cy C, C ' y μ = y θ V V = Vy V θ 설명 절대좌표계에서정지선의기울기 상대좌표계에서정지선의기울기 상대좌표계에서정지선중심과로봇사이의거리상대좌표계에서로봇의방향을기준으로정지선중심좌표와의각도 ( 그림 6 참조 ) 절대좌표계에서정지선양끝점좌표 상대좌표계에서정지선양끝점좌표 절대좌표계에서정지선중심좌표 상대좌표계에서정지선중심좌표 칼만필터알고리즘에의해예측한현재로봇의상태정보 편중오차보정알고리즘에의해계산된현재로봇의상태정보 칼만필터의결과에편중오차보정값을더해최종적으로예측한로봇의상태정보
데이터베이스기반 GPS 위치보정시스템 211 ρ, φ을계산하면현재자동차의위치는식 (23) 과같이계산된다. 이때 C, C y 는절대좌표계에서정지선의중심점이며, θ는자동차의각도이다. V = C ρcos( φ + Vθ ) Vy = Cy ρsin( φ + Vθ ) (23) Fig. 5. The vehicle direcion calculaion process 식 (20) 에의해계산된 α, β, 의좌표를이용하면자동차의각도 (θ) 를식 (21) 과같이계산할수있다. V θ = α β (21) 자동차의방향이결정되면이를이용하여위치를결정한다. 그림 6은자동차의위치를보정하는과정을그림으로표현하고있다. 먼저센서에서얻은상대좌표계의정지선좌표를이용하여그림 6의 C (,y) 와같이정지선의중심점을계산하고, 식 (22) 를이용하여정지선의중심점좌표와자동차위치와의거리인 ρ와자동차방향과의각도차이인 θ를계산한다. 따라서편중오차보정알고리즘을통하여칼만필터를이용한위치정보와정지선인식을통한위치정보가얼마나차이가나는지를식 (24) 와같이계산할수있다. e = V ey = Vy y e = V θ θ θ (24) 식 (24) 에서계산한자동차의위치보정값 (e) 은다음정지선이인식되기전까지칼만필터알고리즘에의하여계산된자동차상태값에추가되어식 (25) 와같이위치를보정하게된다. 다음정지선을인식하면위치가다시업데이트된다. = μ + e (25) 5. 시뮬레이션결과 ρ = C' + C' C ' y φ = arcan( ) C ' 2 2 y (22) 이번장에서는 GPS의오차를제거하는알고리즘을이용하여시뮬레이션한후결과를통하여 GPS 위치가보정됨을증명할것이다. 그림 7은전체시뮬레이션과정을보여준다. 시뮬레이션과정은크게 3가지 (Simulaor, RDF, Oupu) 로나누어진다. 먼저사용자가자동차가이동할경유점을정해주면 Simulaor에서각 Sep마다로봇이 Fig. 6. Definiion of ρ and φ Fig. 7. The simulaion process
212 로봇학회논문지제 7 권제 3 호 (2012. 9) 움직인위치를계산하며, 잡음이추가된속도와각속도를계산한다. 추가로이위치에편중오차와잡음을추가하여가상 GPS 신호를만든다. 만약자동차가이동하다가정해진범위내에서정지선을감지하면그상대좌표역시계산하게된다. 끝으로계산한속도, 각속도, GPS좌표, 정지선좌표를 RDF단으로전송한다. 그림 8은 MFC환경에서출력된시뮬레이션화면을보여준다. 그림 8의왼쪽지도에서사용자는도로에원하는경유점을설정할수있으며, 그림오른쪽의 Sar 버튼을클릭하면설정한경유점을따라자동차가움직이면서실제좌표와 GPS좌표, 속도, 정지선과의거리등을계산하여 RDF단으로전송한다. RDF 단에서는 3장에서소개한칼만필터알고리즘과편중오차보정알고리즘을이용하여 Simulaor로부터받은 GPS좌표를보정하게된다. 이결과 GPS의잡음과편중오차는보정되며보정된좌표는출력단으로보내진다. RDF 부분에서는추가적으로도로의연결정보를검색하거나주위의특징좌표를검색하는역할도수행한다. 출력단에서는 RDF로부터받은보정된 GPS좌표를사용자에게보여준다. 추가로 RDF에서검색한연결된도로정보등의유용한정보역시그림 9의오른쪽화면에보여준다. 사용자는이정보를이용하여현재도로의상태와어느도로로이동할수있는지등의정보 를쉽게얻을수있다. 그림 10은위의시뮬레이션프로그램을통하여얻은자동차의실제경로와 GPS 경로, 보정한결과의경로를표시하였다. 그림 10 (a) 의파란색경로는사용자가임의로지정한경유점을따라움직인경로이며, 진한검정색경로는자동차의위치에편중오차와잡음을추가시킨 GPS 경로이다. 본실험에서는편중오차를각축마다증가다가감소하도록정하였으며잡음은가우시안으로정하였다. 따라서실험에서만든 GPS 좌표는그림 10 (a) 의진한검정색경로와같이도로를벗어나움직이게된다. 하지만복원한좌표는그림 10 (b) 의진한빨간점선과같이칼만필터알고리즘에의해노이즈가보정되고, 정지선을감지할때마다편중오차가보정되어 (a) 의 GPS 좌표와같이차선을벗어나지않고따라가는것을확인할수있다. 그림 10 (b) 의보라색원은 10 sep마다공분산행렬을가시화한것이다. 그림 11은보정전의 GPS 좌표오차 ( 빨강 ) 와보정후의 GPS 좌표오차 ( 파랑 ) 를보여준다. 보정전에는빨간그래프와같이오차를증가하다가감소하도록설 (a) Fig. 8. The simulaion window Fig. 9. The oupu window (b) Fig. 10. The simulaion resuls
데이터베이스기반 GPS 위치보정시스템 213 (a) Fig. 11. The error beween original and correced GPS 정하였지만, 보정후의좌표는파란그래프와같이정지선을만날때마다위치가보정되어주기적으로에러가감소하는것을쉽게확인할수있다. 이는정지선을인식하면수행되는편중오차보정알고리즘이확실하게동작하는것을의미한다. 다음으로실제 GPS 신호에서도본논문에서제시한알고리즘이동작하는지확인하기위하여같은지역에서 GPS를장착한자동차를주행시켜얻은 GPS 좌표를이용하여실험하였다. 본실험에서사용한 GPS 좌표는국방과학연구소에서제공하였다. 그림 12 (a) 의경로는실제로얻은 GPS 좌표를화면에표시한결과이다. 주변에장애물이많지않아서노이즈는심하지않지만, 편중오차에의하여도로경로를벗어나거나반대차선에서나타나는것을확인할수있다. 하지만본논문에서제시한알고리즘에의하여보정한결과인그림 12 (b) 의경로에서는, 정지선이인식되는경우그위치가보정되어서올바른차선으로이동하는것을확인할수있다. 그림 12 (b) 내에표시한원의중심에나타난경로를보면, 자동차가진행하면서인식한정지선의좌표정보에의해편중오차가보정되는것을쉽게확인할수있다. 위의두시뮬레이션결과를통하여본논문에서제시한 GPS 보정알고리즘을이용하면, 신호의노이즈나위성의배열등으로생기는에러에의해도로를벗어나거나반대차선에나타나는 GPS 신호를특징점인정지선의좌표를인식하여보정할수있다는것을확인할수있다. (b) Fig. 12. The simulaion resuls using real GPS signal 6. 결론 GPS 센서정보는편중오차와잡음을가지고있기때문에건물사이로이동하거나주위에장애물이존재하는경우위치를정확히추정하기어렵다. 이러한문제를해결하기위하여본논문에서는칼만필터와 RDF의정지선좌표를특징점으로사용하여편중오차와잡음을제거하고자하였다. 칼만필터알고리즘은매스텝마다수행되며편중오차보정알고리즘은정지선을인식하면수행된다. 두가지실험을통하여제안한알고리즘을이용하여 GPS의오차를제거할수있음을확인하였으며, 데이터베이스를확장하여사용자에게유용한정보를추가로제공할수도있음을시뮬레이션을통하여보여주었다. 본논문에서제시한알고리즘은특징점이제대로인식되어야한다는가정이존재하며, 실험전에도로정보가저장된 RDF를만들어야한다는단점이존재한
214 로봇학회논문지제 7 권제 3 호 (2012. 9) 다. 하지만이두가지조건이충족된다면, 현재네비게이션에서 GPS위치를보정하기위해서사용하는, 자동차바퀴의회전을계산하여위치를추정하는기술의단점인오차가갈수록누적된다는점을해결해줄알고리즘이될수있을것이다. 참고문헌 [1] R. L. Greenspan, GPS and inerial inegraion, Global Posiioning Sysem: Theory and Applicaions, vol. 164, pp.187-218, 1996. [2] D. A. Grejner-Brzezinska, R. Da, and C. Toh, GPS error modeling and OTF ambiguiy resoluion for high-accuracy GPS/INS inegraed sysem, Journal of Geodesy, vol. 72, no.11, pp.628-638, Nov, 1998. [3] J. Wendel, O. Meiser, C. Schlaile, and G. F. Trommer, "An inegraed GPS/MEMS-IMU navigaion sysem for an auonomous helicoper", Aerospace Science and Technology, vol. 10, pp.527-533, Sep, 2006. [4] Parick J. F. Carle, Paul T. Furgale, Timohy D. Barfoo, Long-range rover localizaion by maching LIDAR scans o orbial elevaion maps, Journal of Field Roboics, vol. 27, pp.344-370, June, 2011. [5] F. Viani, P. Rocca, G. Oliveri, D. Trinchero, A. Massa, Localizaion, racking, and imaging of arges in wireless sensor neworks : An invied review, Radio Science, vol. 46, 2011. [6] S. Cho, J. Lee, Localizaion of a high-speed mobile robo using global feaures, Roboica, vol. 29, pp.757-765, Sepember, 2011. [7] H, Bian, Z, Jin, W, Tian IAE-adapive Kalman filer for INS/GPS inegraed navigaion sysem, BIAI Journals & Magazines, vol. 17, pp.502-508, 2006. [8] J. Moon, H. Choi, N. H. Park, Y. W. Park, C. H. Kim, and E. Kim, LiDAR sensor maching sysem using daabase, Inernaional Conference on Auomaion and Conrol Engineering, pp.995-998, January, 2012. [9] 김상섭, 진용, 조성윤, 박찬국, 지규인, 이영재, 저 급 IMU의오차보정, 항공우주학회춘계학술발표회논문집, pp.197-200, 2000. [10] 김종원, 이택진, 소형민, 전상훈, 김강호, 기창돈, 멀티안테나와반송파위상측정치를이용한의사위성위치측정방법, 한국항공우주학회춘계학술대회, pp.614-620, 2011. [11] 차득기저, GPS 측량이해, 성림출판사, May, 2006. [12] 노성우, 김태균, 고낙용, 배영철, 이동로봇의 GPS 위치정보보정을위한파티클필터방법 한국전자통신학회논문지 7권 2호, pp.381-389, 2012. 문준호 2010 연세대학교전기전자공학과 ( 공학사 ) 2010~ 현재연세대학교전기전자공학과석사과정관심분야 :SLAM, 데이터베이스최혁두 2009 연세대학교전기전자공학과 ( 공학사 ) 2009~ 현재연세대학교전기전자공학과통합과정관심분야 : 로보틱스, 인공지능, SLAM
데이터베이스기반 GPS 위치보정시스템 215 박남훈 2002 연세대학교컴퓨터과학과 ( 공학석사 ) 2007 연세대학교컴퓨터과학과 ( 공학박사 ) 2007~2008 연세대학교데이터베이스국가지정연구실연구원 2008~2010 Worceser Polyechnic Insiue Research Associae 관심분야 : 데이터베이스, 데이터마이닝, 실시간데이터스트림 박용운 1994 Universiy of Uah 기계공학과박사 1982~ 현재국방과학연구소책임연구원무인자율화기술부장관심분야 : 자율주행, SLAM, 차량제어 김종희 2007 한국과학기술원전자전산학부전기및전자공학전공박사 2008~ 현재국방과학연구소선임연구원관심분야 : 최적제어, 자율주행 김은태 1992 연세대학교전자공학과 ( 공학사 ) 1994 연세대학교전자공학과 ( 공학석사 ) 1999 연세대학교전자공학과 ( 공학박사 ) 1999~2002 국립한경대학교제어계측공학과조교수 2008 BISC (Berkeley Iniiaive in Sof Compuing), UC a Berkeley, USA 2002~ 현재연세대학교전기전자공학부교수관심분야 : Compuaional Inelligence, 지능형로봇