Ellipse-D 가장 정확하고 컴팩트한 듀얼 안테나 INS

---

SBG Systems의 관성 시스템을 드론 매핑용 LiDAR와 결합하면 정밀한 지리 공간 데이터를 캡처할 때 정확성과 신뢰성이 향상됩니다.

통합이 작동하는 방식과 이것이 드론 기반 매핑에 제공하는 이점은 다음과 같습니다.

• 레이저 펄스를 사용하여 지표면까지의 거리를 측정하고 지형이나 구조물의 상세한 3D 맵을 생성하는 원격 탐사 방식입니다.
• SBG Systems INS는 IMU(Inertial Measurement Unit)와 GNSS 데이터를 결합하여 GNSS가 차단된 환경에서도 정확한 위치, 방향(피치, 롤, 요), 속도를 제공합니다.

SBG의 관성 시스템은 LiDAR 데이터와 동기화됩니다. INS는 드론의 위치와 방향을 정확하게 추적하고, LiDAR는 아래의 지형이나 물체 세부 정보를 포착합니다.

드론의 정확한 방위를 파악함으로써 LiDAR 데이터를 3차원 공간에 정밀하게 위치시킬 수 있습니다.

GNSS 구성 요소는 전 지구적 위치 결정을 제공하고, IMU는 실시간 방향 및 움직임 데이터를 제공합니다. 이러한 조합을 통해 GNSS 신호가 약하거나 사용할 수 없는 경우(예: 고층 빌딩이나 숲이 우거진 지역 근처)에도 INS는 드론의 경로와 위치를 계속 추적할 수 있어 일관된 LiDAR 매핑이 가능합니다.

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.

실내측위시스템(Indoor Positioning System, IPS)은 건물과 같이 GNSS 신호가 약하거나 도달하지 않는 폐쇄된 공간에서 객체나 개인의 위치를 정확하게 식별하는 특수 기술입니다. IPS는 쇼핑몰, 공항, 병원, 물류창고 등의 환경에서 정밀한 위치 정보를 제공하기 위해 다양한 기술을 활용합니다.

IPS는 위치 결정을 위해 다음과 같은 여러 기술을 활용할 수 있습니다:

• Wi-Fi: 여러 액세스 포인트의 신호 강도와 삼각 측량을 활용하여 위치를 추정합니다.
• 블루투스 저에너지(BLE): 추적을 위해 근처 기기로 신호를 전송하는 비콘을 활용합니다.
• 초음파: 음파를 사용하여 정확한 위치를 감지하며, 모바일 기기 센서와 함께 사용되는 경우가 많습니다.
• RFID(무선 주파수 식별): 물품에 태그를 부착하여 실시간으로 추적하는 기술입니다.
• 관성 측정 장치(IMU): 이 센서는 움직임과 방향을 모니터링하며, 다른 방법과 결합할 때 위치 정확도를 향상시킵니다.

정밀한 위치 결정을 위해서는 실내 공간의 상세한 디지털 맵이 필수적이며, 모바일 기기나 특수 장비는 위치 인프라로부터 신호를 수집합니다.

IPS는 내비게이션을 향상시키고, 자산을 추적하며, 비상 구조 서비스를 지원하고, 리테일 행동 양상을 분석하며, 스마트 빌딩 시스템에 통합되어 기존 GNSS가 작동하지 않는 환경에서 운영 효율성을 크게 향상시킵니다.

주행거리계는 차량이 주행한 거리를 측정하는 계기입니다. 이 계기는 차량이 얼마나 멀리 주행했는지에 대한 중요한 정보를 제공하며, 이는 정비 일정 수립, 연비 계산, 재판매 가치 평가 등 다양한 용도로 유용하게 활용됩니다.

주행거리계는 차량 바퀴의 회전 횟수를 기준으로 거리를 측정합니다. 타이어 크기에 기반한 보정 계수를 통해 바퀴의 회전 횟수를 거리로 변환합니다.

많은 내비게이션 애플리케이션, 특히 차량에서 주행 거리계 데이터는 전반적인 정확도를 향상시키기 위해 INS 데이터와 통합될 수 있습니다. 센서 융합으로 알려진 이 프로세스는 두 시스템의 강점을 결합합니다.

RMS (제곱평균제곱근)는 변동하는 오차나 신호의 크기를 수치화하는 데 사용되는 통계적 측정값입니다. 이는 데이터셋 내 제곱 값들의 평균에 대한 제곱근을 나타냅니다. 가속도계, 자이로스코프 또는 전체 INS 출력 등 관성 센서의 오차는 0을 중심으로 변동할 수 있으므로, 단순 평균을 내면 오차가 전혀 없는 것처럼 보일 수 있습니다.

RMS는 각 값을 제곱하여(모든 값을 양수로 만든 뒤), 그 제곱값들의 평균을 구하고, 그 값의 제곱근을 구함으로써 결과를 원래 단위로 되돌리는 방식으로 이 문제를 해결합니다.

실무에서 RMS는 시스템의 유효 또는 전체 노이즈, 드리프트(drift) 또는 편차 수준을 설명하는 단일하고 의미 있는 숫자를 제공합니다. 관성항법에서 RMS는 센서 노이즈 밀도, 자세 또는 위치 정확도, 진동 수준, 캘리브레이션 잔차 오차를 표현하는 데 널리 사용됩니다. 이를 통해 엔지니어는 센서 간 성능을 비교하고, 사양을 검증하며, 시간에 따른 내비게이션 출력의 안정성이나 품질을 평가할 수 있습니다. 요약하자면, RMS는 관성 시스템에서 변동하는 오차 소스의 실제 에너지를 포착하는 간결하고 견고한 메트릭입니다.