VINS(Visual Inertial Navigation System)는 시각 및 관성 센서 데이터를 독창적으로 결합하여 자율 드론을 위한 견고한 내비게이션 솔루션을 제공합니다. 특히, 이는 불리한 환경에서 정확하고 신뢰할 수 있는 위치 파악 및 매핑을 가능하게 합니다.
데이터 수집 및 구성 요소
VINS는 주로 카메라와 IMU(관성 측정 장치)와 같은 여러 온보드 구성 요소에 의존하며, 이들은 함께 작동하여 UAV의 움직임과 주변 환경에 대한 정보를 수집합니다. 카메라는 이미지 또는 비디오 프레임을 캡처하여 시각 데이터를 제공하고, IMU는 회전 및 가속도 측정을 기록합니다.
시각 서브시스템은 컴퓨터 비전 알고리즘을 사용하여 캡처된 이미지를 처리합니다. 이 알고리즘은 특징 감지, 추적 및 매칭과 같은 작업을 수행하여 중요한 환경 특징을 추출합니다. 연속적인 이미지에서 특징적인 포인트를 식별하고 추적함으로써 VINS는 UAV의 위치, 속도 및 방향을 포함한 상태를 추정할 수 있습니다.
관성 서브시스템은 선형 및 각운동에 대한 고주파 측정값을 제공하는 가속도계와 자이로스코프로 구성됩니다. 이러한 정밀한 측정값은 UAV의 움직임을 추적하고 외부 교란을 보상하는 데 도움을 줍니다. 마지막으로, 센서 융합 알고리즘은 IMU 데이터를 시각 정보와 통합하여 UAV 위치에 대한 고도로 정확한 추정치를 생성합니다.
운영상의 이점 및 과제
VINS는 GNSS 신호가 손실된 경우에도 안정적인 항법을 보장하여 드론 운용에 큰 이점을 제공합니다. 건물, 장애물 또는 신호 방해로 인해 GNSS 수신이 차단되는 실내, 고밀도 도심 지역 또는 전쟁 지역과 같이 위성 신호가 약하거나 사용할 수 없는 환경에서 잘 작동합니다. 이러한 GNSS 거부 환경에서 VINS는 시각적 단서와 관성 측정에 의존하여 정확한 위치 파악 및 매핑을 계속 제공하며, UAV가 위치 및 자세에 대한 정밀한 추정치를 유지하고 자율적으로 항법할 수 있도록 합니다.
VINS 워크플로우는 시각-관성 센서 융합 및 상태 추정 등 여러 주요 단계를 포함합니다. 특징 추출 과정에서 시스템은 중요한 시각적 포인트를 식별하고 프레임 전반에 걸쳐 추적합니다. 센서 융합 알고리즘은 시각 및 관성 데이터를 통합된 상태 추정치로 병합합니다. 상태 추정 알고리즘은 이 융합된 정보를 사용하여 드론의 위치, 속도 및 방향을 높은 정확도로 계산합니다.
VINS는 GNSS 데이터를 신뢰할 수 없는 상황에서 항공 매핑, 감시 및 추측 항법을 포함한 광범위한 응용 분야를 지원합니다.
강점에도 불구하고 VINS는 여전히 기술적 과제에 직면해 있습니다. 카메라와 관성 센서를 통합하려면 측정 정확도를 보장하기 위해 정밀한 보정 및 동기화가 필요합니다. 시각 하위 시스템의 가려짐 및 가변적인 조명 조건과 같은 문제 또한 지속적인 연구가 필요합니다. VINS의 견고성과 성능을 향상시키는 것은 미래 개선의 핵심 목표로 남아 있습니다.
