센서 융합
센서 융합은 여러 이종 센서의 측정값을 결합하여 개별 센서가 제공할 수 있는 것보다 더 높은 정확도, 신뢰성 및 견고성으로 시스템의 상태를 추정하는 프로세스입니다. 관성 항법에서 센서 융합은 IMU, GNSS 수신기, 자력계, 주행거리계, DVL, 카메라, LiDAR 및 기타 보조 센서의 데이터를 통합하여 위치, 속도 및 자세를 지속적으로 추정합니다.
각 센서는 고유한 장점과 한계를 나타냅니다. MEMS 자이로스코프와 가속도계는 뛰어난 단기 안정성으로 고속 모션 측정값을 제공하지만, 추측 항법을 통해 시간이 지남에 따라 바이어스와 오차가 누적됩니다. 반대로, GNSS는 장기적인 오차 누적 없이 절대 위치와 속도를 제공하지만, 신호 차단, 다중 경로, 간섭 및 제한된 갱신 주기로 인해 어려움을 겪습니다. 센서 융합은 이러한 상호 보완적 특성을 활용하여 동적이고 가혹한 조건에서도 정확성을 유지하는 솔루션을 생성합니다.
현대식 센서 융합 알고리즘은 주로 베이지안 추정 기법에 의존합니다. 확장 칼만 필터(EKF)는 비선형 항법 시스템을 위한 업계 표준입니다. EKF는 고속 IMU 측정값을 사용하여 관성 솔루션을 전파합니다. 외부 관측값을 사용하여 누적된 오차를 지속적으로 보정합니다. 이 접근 방식은 시간이 지나도 정확하고 안정적인 항법을 유지합니다. 다른 시스템들은 팩터 그래프 최적화, 파티클 필터 또는 스무딩 알고리즘을 구현합니다. 알고리즘 선택은 애플리케이션 요구 사항, 연산 리소스 및 시스템 복잡성에 따라 달라집니다.
고성능 GNSS/INS는 관성 데이터를 외부 센서 측정값과 긴밀하게 통합합니다. GNSS 사용 가능 상태와 GNSS 음영 지역 운용 간에 원활하게 전환됩니다. 항법 필터는 실시간으로 플랫폼 상태를 추정합니다. 또한 센서 바이어스, 스케일 팩터 및 기타 확률론적 오차 소스도 추정합니다. 이러한 보정은 장기적인 정확도, 안정성 및 시스템 무결성을 크게 향상시킵니다.
센서 융합은 국방, 해양, 측량, 로봇 공학 및 자율주행 애플리케이션을 지원합니다. 상호 보완적인 센서 측정값을 결합하여 정확도와 견고성을 향상시킵니다. 또한 까다로운 환경에서 상황 인식을 강화합니다. 결과적으로 개별 센서만으로는 성능 요구 사항을 충족할 수 없을 때에도 시스템이 안정적인 위치 인식을 유지할 수 있도록 합니다.
