무인이동체의 항법을 위한 확장칼만필터의 개선

Abstract

자율 주행 로봇은 주어진 작업 목적에 맞게 주변 환경을 인식하여 경로를 결정하고 이동하여야 한다. 이러한 목표를 수행하기 위해서 주행(navigation)기능이 중요시된다. navigation은 한 장소에서 다른 장소로의 이동 과정을 감시하고 제어하는 것을 의미한다. 본 논문은 이러한 자율주행에서 필요로 하는 navigation 중 위치와 자세 추정을 구현한다. 위치추정은 센서를 통해 추정하는 방법이 있다. 하지만, 이러한 방법은 측정되는 센서가 외부환경에 의해 측정이 불가능해질 수 있다. 이러한 문제점을 해결하기 위해 위치 센서를 사용하지 않고 기체의 자세를 이용하여 위치를 추정하게 된다. 이러한 이유로 정밀한 자세 추정은 위치추정에서 중요한 과제로 대두되고 있다. 본 연구는 무인이동체의 항법에 UKF와 IEKF를 사용하여 성능을 비교하고, 추정방법의 특성을 연구한다.|This research uses Invariant Extended Kalman Filter(IEKF) for estimation of attitude and velocity of an unmanned aerial vehicle(UAV). the invariant EKF uses the measurement of acceleration, angular rate, magnetic field, and velocity. Invariant EKF is more stable than usual EKF and the value of Kalman gain is kept constant with time admitting instantaneous fluctuation. Experiments using fixed wing AUV and multicopter fight show the performance of the estimation by the invariant EKF. This paper describes an unscented Kalman filter approach to estimate the bias in magnetic field measurements. A microelectromechanical systems attitude heading reference system (MEMS AHRS) was used to measure the magnetic field, together with the acceleration and angular rate. A magnetic field is usually used for yaw detection, while the acceleration serves to detect the roll and pitch. Magnetic field measurements are vulnerable to distortion due to hard-iron effect and soft-iron effect. The bias in the measurement accounts for the hard-iron effect, and this paper focuses on an approach to estimate this bias. The proposed method is compared with other methods through experiments that implement the navigation of an underwater robot using an AHRS and Doppler velocity log. The results verify that the compensation of the bias by the proposed method improves the navigation performance more than or comparable to the compensation by other methods.