무인 지상 차량(UGV)용 정밀 항법 시스템

무인 지상 차량(UGV) 내비게이션은 탑승자 없이 다양한 환경에서 지상 차량을 자율적으로 또는 원격으로 제어하는 데 사용되는 방법과 기술을 의미합니다. UGV는 인간에게 단순하고, 더럽고, 위험할 수 있는 작업을 위해 국방(예: 무인 전차), 산업, 농업, 연구 분야에서 활용됩니다.

이들의 항법 시스템은 센서, 알고리즘, 외부 입력을 조합하여 복잡한 지형을 주행하거나 임무에 특화된 작업을 수행합니다. 군사 작전에서 무인 지상 차량(UGV)은 기동성을 제공하며, 감시, 표적 획득, 정찰 및 무장 임무를 위해 센서와 도구를 활용합니다. UGV는 위험한 환경에서 임무를 수행함으로써 인간 군인의 위험을 줄여줍니다.

홈 국방 무인 지상 차량

GNSS 신호 차단 시 항법 연속성

당사의 항법 솔루션은 무인 지상 차량(UGV)을 위해 여러 이점을 제공하며, 특히 다른 항법 기술이 실패할 수 있는 까다로운 환경에서 더욱 유용합니다.

이제 UGV는 GNSS 신호를 사용할 수 없거나, 신뢰할 수 없거나, 고의로 교란되는 환경(예: 도심 협곡, 지하 터널 또는 분쟁 지역)에서도 효과적으로 작동할 수 있습니다. 이는 GNSS 간섭이 UGV 항법 정확도를 저해할 수 있는 구조 및 국방 임무에서 매우 중요합니다.

당사의 항법 솔루션 덕분에 UGV는 GNSS와 같은 외부 기준에 의존하지 않고도 중단 없는 항법 데이터를 수신할 수 있습니다. 이를 통해 통신이나 외부 신호가 손실된 상황에서도 UGV는 상황 인지 능력과 자율성을 유지할 수 있습니다.

당사의 솔루션을 확인해 보세요

동적 환경에서의 고정밀성

당사의 항법 시스템을 통해 차량의 위치, 속도, 자세(롤, 피치, 요)에 관한 실시간 데이터가 지속적으로 수집되며, 이를 통해 험지나 오프로드 조건과 같은 고도로 역동적인 환경에서도 정밀한 제어가 가능합니다.

당사 센서의 정밀성은 복잡하고 급변하는 환경에서도 신뢰할 수 있는 성능을 보장합니다. 차량 위치 데이터의 정확도를 높이기 위해 카메라, LiDAR, 주행 거리 측정(odometry) 등 다른 온보드 센서와 INS를 결합하여 다중 센서 항법 시스템을 구성할 수 있습니다. 이러한 센서 융합은 전반적인 위치 추정 정확도와 상황 인식 능력을 향상시킵니다.

또한 매우 신뢰성 높은 항법 데이터를 제공하여 충돌이나 임무 실패 가능성을 줄여줍니다. 이는 특히 안전이 가장 중요한 군사 작전이나 위험한 환경에서 매우 중요합니다.

브로셔를 다운로드하세요

가혹한 환경에서의 내구성

자율주행 지상 차량은 먼지, 기상 악화, 전자기 간섭 등의 환경적 요인이 다른 항법 시스템에 영향을 미칠 수 있는 사막, 밀림, 재난 지역과 같은 극한 환경에서 자주 작동합니다.

당사의 솔루션은 이러한 조건에 대한 저항력이 매우 뛰어나 견고한 성능을 보장합니다. 당사 센서는 매우 정확한 자세 및 위치 데이터를 제공함으로써 UGV가 자율적으로 복잡한 경로를 계획하고 주행하는 능력을 향상시키며, 사람의 개입을 최소화합니다.

이러한 기능은 방위, 물류, 산업 분야에서 운영 효율성을 향상시킵니다.

프로젝트에 대해 알려주세요

당사의 강점

당사의 관성항법장치는 무인 지상 차량(UGV)을 위해 다음과 같은 몇 가지 이점을 제공합니다.

GNSS 수신 불가 환경에서의 항법 터널, 도시의 고층 건물 사이, 또는 나무가 우거진 지역에서도 위치와 방향을 파악할 수 있습니다.
정밀한 경로 계획 및 제어 미리 정해진 경로를 추종하고 복잡한 기동을 정확하게 수행합니다.
가혹한 환경에도 견디는 충격, 진동, 극한의 온도에 견딜 수 있도록 설계되었습니다.
컴팩트하고 가벼운 컴팩트한 크기와 가벼운 무게로 매끄러운 통합이 가능합니다.

제품 선택

당사의 솔루션은 UGV 플랫폼과 원활하게 연동되어, 가장 까다로운 환경에서도 안정적인 성능을 제공합니다.

Ellipse A AHRS 미니 유닛 우측

Ellipse-A

Ellipse-A는 정밀한 자기 보정과 우수한 온도 허용 오차를 갖춘 비용 효율적인 AHRS에서 고성능 방위 및 히브(heave)를 제공합니다.
AHRS 0.8 ° 방위(자기) 5 cm 히브 0.1 ° 롤 및 피치
발견하기
Ellipse-A
Ellipse E INS 미니 유닛 우측

Ellipse-E

Ellipse-E는 외부 GNSS 및 센서와 통합되어 롤, 피치, 헤딩, 히브 및 위치 데이터를 제공함으로써 정밀한 항법을 지원합니다.
INS 외장형 GNSS 0.05 ° 롤 및 피치(Roll & Pitch) 0.2° 헤딩(Heading)
발견하기
Ellipse-E
Ellipse N INS 미니 유닛 우측

Ellipse-N

Ellipse-N은 정밀한 센티미터 수준의 위치 결정과 견고한 항법을 제공하는 소형 고성능 단일 안테나 GNSS입니다.
INS 단일 안테나 RTK GNSS 0.05 ° 롤 및 피치(Roll & Pitch) 0.2° 헤딩(Heading)
발견하기
Ellipse-N
Ellipse D INS 미니 유닛 우측

Ellipse-D

Ellipse-D는 듀얼 안테나 GNSS를 탑재한 가장 작은 크기의 관성 항법 시스템으로, 어떤 조건에서도 정밀한 방위각과 센티미터 수준의 정확도를 제공합니다.
INS 듀얼 안테나 RTK INS 0.05 ° 롤 및 피치(Roll and Pitch) 0.2° 헤딩(Heading)
발견하기
Ellipse-D
Ekinox Micro INS 미니 유닛 우측면

Ekinox Micro

Ekinox Micro는 듀얼 안테나 GNSS를 탑재한 콤팩트하고 고성능인 INS로, 미션 크리티컬 애플리케이션에서 뛰어난 정확성과 신뢰성을 제공합니다.
INS 내장형 GNSS 단일/이중 안테나 0.015 ° 롤 및 피치(Roll and Pitch) 0.05 ° 방위각(Heading)
발견하기
Ekinox Micro

국방 애플리케이션 리플렛

이메일로 브로셔를 바로 받아보세요!

활용 사례

UGV 관성 솔루션의 성공 사례를 살펴보세요. 다양한 산업 분야에서 당사의 첨단 항법 시스템이 UGV 운용에 미친 중대한 영향을 확인해 보시기 바랍니다.
각 사례 연구를 통해 첨단 관성 센서와 GNSS 기술이 실제 상황에서 어떻게 일관되게 뛰어난 정확도, 신뢰성, 성능을 제공해 왔는지 구체적인 예를 검토합니다. 당사의 솔루션이 복잡한 과제를 해결하고 운영 우수성을 달성하는 방법에 대한 상세한 통찰력과 실용적인 예를 확인해 보세요.
사례 연구를 통해 당사의 관성 솔루션이 어떻게 프로젝트를 한 단계 더 발전시키고 뛰어난 결과를 달성할 수 있는지 확인해 보시기 바랍니다.

트랜스민

원격 조종 암석 파쇄기를 위해 선택된 Ellipse-A

자동 제어 시스템
사례 연구: 트랜스민
레오 드라이브

자율주행차량 혁신을 이끄는 Ellipse

자율주행차의 내비게이션
레오, 자율주행차 시승
맥길스 로보틱스

맥길 대학교(McGill)의 화성 탐사 로버에 SBG 관성항법장치 통합

로봇공학
화성 탐사 로버 INS
나무제비

트리스위프트가 유틸리티 현장 운영을 어떻게 현대화하고 있는지

모바일 매핑
식생 관리 검사 중 AI 기반 LiDAR 장치인 Treeswift Swiftpack을 착용한 유틸리티 현장 기술자
TREALIS

Apogee Navsight를 활용한 TREALIS의 레일 결함 탐지

트램 및 열차 위치 파악
프랑스 철도망에서 레일 결함 탐지를 수행 중인 TREALIS 검사 열차
GapEOD

Ellipse가 더 안전한 지구물리 탐사를 구현하는 방법

트램 및 열차 위치 파악
GapEOD 시스템 제어 및 작동 중
모든 사례 연구 보기

사람들이 우리에 대해 이야기하네요

당사의 기술을 도입한 혁신가들과 고객들의 생생한 이야기를 직접 들어보세요.

이들의 사용 후기와 성공 사례는 당사 센서가 실제 UGV 항법 애플리케이션에서 미치는 중요한 영향을 잘 보여줍니다.

로고: WarnowstromerAI 자율 운항 페리 프로젝트
WarnowstromerAI
“Ekinox Micro는 도심 지역의 자율운항 선박을 발전시키기 위한 최고의 센서 장비입니다.”
WarnowstromerAI 팀
Logo Gap EOD 설문조사
GapEOD
"전반적으로 SBG의 솔루션은 당사의 어플리케이션 제약 사항에 매우 잘 부합합니다. 당사에 필요한 헤딩 안정성과 정확도를 제공하며, 일상적인 운영에서도 모든 플랫폼에 걸쳐 안정적인 성능을 발휘합니다."
마리-리스 틸크, 프로젝트 매니저
워털루 대학교
“SBG Systems의 Ellipse-D는 사용이 간편하고 매우 정확하며 안정적이고 폼팩터가 작았으며, 이 모든 요소가 당사의 WATonoTruck 개발에 필수적이었습니다.”
아미르 K, 교수 겸 소장

다른 무인 시스템 애플리케이션 알아보기

육상, 해상, 공중 전반의 무인 플랫폼에서 관성 시스템이 활용되는 다양한 응용 분야를 살펴보세요. 자율주행 지상 차량과 UAV부터 수중 드론 및 수상함에 이르기까지, 당사의 기술은 가장 까다로운 환경에서도 정밀한 항법, 안정성, 제어 능력을 보장합니다.


궁금한 점이 있으신가요?

GNSS와 GPS의 차이점은 무엇인가요?

GNSS는 Global Navigation Satellite System을 의미하며, GPS는 Global Positioning System을 의미합니다. 이 용어들은 종종 상호 교환적으로 사용되지만, 위성 기반 항법 시스템 내에서 서로 다른 개념을 나타냅니다.

GNSS는 모든 위성 항법 시스템을 통칭하는 용어인 반면, GPS는 특히 미국의 시스템을 지칭합니다. GNSS는 더 포괄적인 전 세계적 커버리지를 제공하는 여러 시스템을 포함하며, GPS는 그러한 시스템 중 하나일 뿐입니다.

GPS 단독으로는 위성 가용성 및 환경 조건에 따라 한계가 있을 수 있는 반면, 여러 시스템의 데이터를 통합하는 GNSS를 통해 정확성과 신뢰성이 향상됩니다.

‘재밍’과 ‘스푸핑’이란 무엇을 의미하나요?

재밍(Jamming)과 스푸핑(Spoofing)은 GNSS와 같은 위성 기반 항법 시스템의 신뢰성과 정확성에 큰 영향을 미칠 수 있는 두 가지 유형의 간섭입니다.

재밍(Jamming)은 GNSS 시스템에서 사용하는 것과 동일한 주파수로 간섭 신호를 송출하여 위성 신호를 고의로 교란하는 것을 의미합니다. 이 간섭은 정상적인 위성 신호를 압도하거나 묻혀버리게 만들어 GNSS 수신기가 정보를 정확하게 처리할 수 없도록 합니다. 재밍은 적군의 항법 능력을 무력화하기 위해 군사 작전에서 흔히 사용되며, 민간 시스템에도 영향을 미쳐 항법 실패와 운영상의 문제를 야기할 수 있습니다.

반면 스푸핑(Spoofing)은 정품 GNSS 신호를 모방한 위조 신호를 송출하는 것입니다. 이러한 기만 신호는 GNSS 수신기가 잘못된 위치나 시간을 계산하도록 오도할 수 있습니다. 스푸핑은 항법 시스템을 잘못 인도하거나 그릇된 정보를 제공하여 차량이나 항공기가 경로를 이탈하게 만들거나 허위 위치 데이터를 제공하는 데 사용될 수 있습니다. 신호 수신을 단순히 방해하는 재밍과 달리, 스푸핑은 허위 정보를 마치 정상적인 정보인 것처럼 제시하여 수신기를 적극적으로 기만합니다.

재밍과 스푸핑 모두 GNSS 의존 시스템의 무결성에 심각한 위협을 가하며, 분쟁 지역 또는 까다로운 환경에서 안정적인 작동을 보장하기 위해 고급 대응책과 탄력적인 항법 기술이 필수적입니다.

관성항법이란 무엇인가요?

관성 항법은 GPS와 같은 외부 신호에 의존하지 않고, 내부 센서만을 사용하여 차량의 위치, 자세 및 움직임을 결정하는 방법입니다. 본질적으로, INS(관성 항법 시스템)는 3차원 공간에서 물체의 가속도와 회전을 지속적으로 추적하여 물체의 움직임을 측정합니다. INS는 선형 가속도를 감지하는 가속도계와 각속도를 측정하는 자이로스코프를 포함하는 IMU(관성 측정 장치)를 사용합니다. 시간 경과에 따라 이러한 측정값을 수학적으로 통합함으로써, 시스템은 알려진 시작점(기준점)에 대한 속도, 자세, 그리고 궁극적으로 위치를 계산합니다.

관성 항법은 완전히 독립적이기 때문에 지하, 수중, 우주 또는 GPS 신호가 없는 환경 등 어떤 환경에서도 작동하며, 미사일, 항공기, 잠수함, 자율주행차 및 로봇 공학과 같은 응용 분야에 필수적입니다. 최신 INS 솔루션은 드리프트를 줄이고 장기적인 정확도를 향상시키기 위해 관성 센서를 GNSS 수신기, 자력계, 기압계 또는 도플러 속도 로그와 같은 추가 보조 소스와 결합하는 경우가 많습니다. 고성능 INS는 가장 까다로운 환경에서도 안정적이고 신뢰할 수 있는 항법 데이터를 제공하기 위해 정밀한 센서 보정, 고급 필터링 알고리즘 및 견고한 오류 모델링에 의존합니다.