표제지
목차
논문요약 12
제1장 서론 14
1. 연구 배경 14
2. 연구 내용 17
제2장 관련 이론 19
1. 가시광 신호 기반 위치 인식 기술 19
1.1. 가시광 통신 (VLC : Visible Light Communication) 19
1.2. 가시광 신호 기반 측위 기술의 분류 22
1.3. RSSI 기반 광측위 방식 26
1.4. 기존 광측위 시스템의 문제점 38
2. 관성 측정 장치 45
2.1. 관성 측정 장치 (IMU 센서) 45
2.2. 자세 추정 방식 (AHRS : Attitude and Heading Reference System) 50
2.3. 관성 항법 시스템 (INS : Inertial Navigation System) 54
3. ARM 프로세서 60
3.1. ARM 프로세서 제품군 60
3.2. Cortex-M 계열 프로세서 62
3.3. Keil 컴파일러 (uVision) 63
제3장 단일 광신호기반 센서 추적 알고리즘 64
1. 직교좌표 공간에서 가시광 신호세기의 표현 66
2. 광기반 적응형 파티클 필터 (Li-APF) 68
2.1. 센서 데이터 수집 및 분석 과정 70
2.2. 파티클 초기화 과정 70
2.3. 파티클 정보 업데이트 과정 72
2.4. INS와의 가중평균을 통한 최종 위치 결정 79
2.5. 파티클 정보를 이용한 INS 변수 보정 81
제4장 Li-APF 알고리즘의 검증 84
1. 시뮬레이션을 통한 알고리즘 동작 검증 84
1.1. 파티클 초기화 및 업데이트 과정 84
1.2. 파티클 업데이트를 통한 연속 측위 과정 87
2. 프로세서 구현을 통한 계산시간 검증 89
3. 하드웨어 실험을 통한 검증 93
3.1. 실험환경 구성 93
3.2. 실험 시나리오 95
3.3. 실험 결과 98
3.4. 스무딩 필터를 통한 트래킹 결과 보정 102
4. 2D LiDAR를 통한 SLAM 구현 103
4.1. SLAM (Simultaneous Localization and Mapping) 103
4.2. 실험환경 구성 및 실험 시나리오 108
4.3. 실험 결과 110
제5장 결론 111
참고문헌 112
부록 126
〈부록 1〉 광측위 시스템의 수학적 모델 126
〈부록 2〉 SLAM과 내비게이션 136
ABSTRACT 148
표 1. 광측위 방식 비교 26
표 2. 발광소자의 비교 31
표 3. 수광소자의 비교 32
표 4. 최신 가시광 기반 측위 시스템 44
표 5. 확장 칼만 필터의 변수 58
표 6. 다양한 방식이 적용된 INS 연구들 59
표 7. 제안하는 시스템의 주요 변수들 65
표 8. 샘플 구간에 따른 동작 시간 91
표 9. 실험 환경에 따른 평균 오차 101
그림 1. 다중 신호원 기반 광측위 시스템의 문제 15
그림 2. 가시광 통신의 파장 대역 19
그림 3. 실내 가시광 통신 시스템의 예 20
그림 4. RSSI 방식의 개략도 23
그림 5. TDoA 방식의 개략도 24
그림 6. AoA 방식의 개략도 25
그림 7. 기본적인 광채널 모델과 주요 변수 27
그림 8. IM/DD 기반의 신호 다중화 방식 30
그림 9. 실내 환경의 다양한 반사체에 따른 스펙트럼 반사율의 비교 33
그림 10. 3개의 LED를 사용하는 광측위 시스템의 예 35
그림 11. 구동시간에 따른 LED의 밝기 변화 39
그림 12. LED, PD의 반각과 방사각, 입사각 변화에 따른 실험적 오차 측정 39
그림 13. 인접 셀간 간섭 (ICI)의 예 40
그림 14. PD 배열을 통한 광측위 시스템의 예 41
그림 15. 기울어진 다중 PD 배치의 예 42
그림 16. 특수 상황을 고려하는 가시광 측위 시스템 43
그림 17. 자이로 센서의 원리 46
그림 18. 가속도 센서의 원리 47
그림 19. 자기 교란에 의한 지자계 센서의 오류 49
그림 20. 지자계 센서 보정을 위한 8자 측정 방법 49
그림 21. 모바일 장치의 orientation과 IMU 센서의 출력 값 50
그림 22. 칼만 필터의 개략도 52
그림 23. 칼만 필터를 사용하는 AHRS 기술 블록도 53
그림 24. INS의 동작 다이어그램 56
그림 25. 확장 칼만 필터의 개략도 57
그림 26. ARM 프로세서 제품군 60
그림 27. 직교좌표 공간에서 광신호세기 시스템의 표현 66
그림 28. 제안하는 광기반 적응형 파티클 필터 알고리즘의 순서도 69
그림 29. 파티클 초기화의 예 71
그림 30. 연속 측위과정의 간략한 표현 80
그림 31. 제안하는 Li-APF의 그래프식 표현 81
그림 32. INS 누적 오차에 따른 알고리즘의 동작 예 82
그림 33. 파티클 초기화 및 업데이트 과정 86
그림 34. 파티클 업데이트 및 연속 측위 과정 88
그림 35. Cortex-M4 프로세서에서 구현한 Li-APF 알고리즘의 시뮬레이션 결과 89
그림 36. 각 비교 동작별 알고리즘 수행 경로 92
그림 37. 실험에 사용된 송신부, 수신부 보드 94
그림 38. 전반 광신호처리 과정의 흐름도 95
그림 39. 알고리즘 검증용 실험 환경 96
그림 40. 서로다른 자세에 따른 측정 데이터의 비교 97
그림 41. 강의실 환경에서 제안하는 방식의 결과 (a) 자세 1, (b) 자세 2, (c) 자세 3 99
그림 42. 복도 환경에서 제안하는 방식의 결과 (a) 자세 1, (b) 자세 2, (c) 자세 3 100
그림 43. 서로다른 환경별 제안하는 알고리즘의 CDF 102
그림 44. 스무딩 필터를 통한 트래킹 결과 보정 (a) 강의실 환경, (b) 복도 환경 103
그림 45. 지도 작성 과정에서 SLAM 측위 문제 해결 106
그림 46. 항법 측위 기반 SLAM의 방식적인 제약 해결 107
그림 47. 실험에 사용된 수신부 단말 108
그림 48. SLAM 구현용 실험 환경 109
그림 49. 구현한 SLAM 지도작성의 결과 110
그림 50. 3차원 공간에서의 좌표 표현 129
그림 51. 임의의 좌표에서의 이상적인 신호세기 132
그림 52. 4개의 LED를 사용하는 광측위 상황의 예 134
그림 53. SLAM용 이동 로봇 (AutoLabor 2.5, TurtleBot3 - Burger) 136
그림 54. Online SLAM 시스템의 그래프적 표현 139
그림 55. 지도 작성 과정에서의 SLAM 측위 오류 문제 141
그림 56. 지도 작성 과정에서 SLAM 측위의 방식적인 문제 1 142
그림 57. 지도 작성 과정에서 SLAM 측위의 방식적인 문제 2 142
그림 58. SLAM 내비게이션 시스템의 그래프적 표현 144
그림 59. 특징이 적은 공간의 예 (터널, 복도, 체육관 등) 145
그림 60. 특징이 적은 공간에서 SLAM 내비게이션의 문제 146
그림 61. 관측 정보와 지도 정보의 불일치로 인한 문제 147