Search

KR-20260060763-A - APPARATUS AND METHOD FOR FORMATION CONTROL CONSIDERING POSITION UNCERTAINTY BETWEEN MULTIPLE USVs

KR20260060763AKR 20260060763 AKR20260060763 AKR 20260060763AKR-20260060763-A

Abstract

본 발명은 위치 정보 불확실성을 이용한 편대 제어 장치에 관한 것으로, 복수의 센서들로부터 객체 데이터를 탐지하는 탐지부, 탐지된 객체 데이터를 통합하여 복수의 무인수상정 각각의 위치와 속도 및 침로를 포함하는 현재 운동 정보를 추정하는 제1 추정부, 시스템 모델을 통해 복수의 무인수상정 각각의 운동 정보를 추정하는 제2 추정부, 추정된 운동 정보의 불확실성 정보를 산출하는 불확실성 산출부, 산출된 불확실성 정보 중 위치 정보의 불확실성을 고려하여 제어 명령을 생성하는 제어 명령부를 포함할 수 있다.

Inventors

  • 박정홍
  • 최진우
  • 강민주
  • 하남훈
  • 주기범
  • 최현택

Assignees

  • 국방과학연구소
  • 한국해양과학기술원

Dates

Publication Date
20260506
Application Date
20241025

Claims (17)

  1. 복수의 센서들로부터 객체 데이터를 탐지하는 단계; 상기 탐지된 객체 데이터를 통합하여 복수의 무인수상정 각각의 위치와 속도 및 침로를 포함하는 현재 운동 정보를 추정하는 단계; 시스템 모델을 통해 상기 복수의 무인수상정 각각의 운동 정보를 추정하는 단계; 추정된 상기 운동 정보의 불확실성 정보를 산출하는 단계; 및 산출된 상기 불확실성 정보 중 위치 정보의 불확실성을 고려하여 제어 명령을 생성하는 단계; 를 포함하는, 위치 정보 불확실성을 이용한 편대 제어 방법.
  2. 제 1 항에 있어서, 상기 복수의 센서들은 카메라, 라이다, 및 레이더를 포함하는, 위치 정보 불확실성을 이용한 편대 제어 방법.
  3. 제 2 항에 있어서, 상기 객체 데이터를 탐지하는 단계는, 상기 카메라로부터 획득한 카메라 이미지의 왜곡을 보정하는 캘리브레이션을 수행하고, 상기 카메라 이미지의 조도 변화를 보정하고 고유 잡음을 제거하고, 인공지능 기반의 무인수상정을 탐지하여 상대 방위를 산출하는 단계; 상기 라이다로부터 획득한 라이다 정보 내 포함된 고유 잡음을 제거하고, 연산 효율을 증대하도록 3차원 공간을 보셀(voxel) 단위로 분할하고, DBSCAN(Density-Based Spatial Clustering of Applications with Noise)에 기초하여 객체를 탐지하여 상대 거리 및 방위 정보를 산출하는 단계; 및 상기 레이더로부터 획득한 레이더 이미지 내에 포함된 고유 잡음을 제거하고, 운용 범위를 고려한 지형 정보를 제거하고, 상기 레이더 이미지 내의 객체를 탐지하여 상대 거리 및 방위 정보를 산출하는 단계를 포함하는, 위치 정보 불확실성을 이용한 편대 제어 방법.
  4. 제 1 항에 있어서, 상기 시스템 모델은 등속운항모델, 등가속도운항모델, 및 선회운항모델을 포함하는, 위치 정보 불확실성을 이용한 편대 제어 방법.
  5. 제 4 항에 있어서, 상기 운동 정보를 추정하는 단계는, EKF(Extended Kalman Filter)를 기반으로 추정되는, 위치 정보 불확실성을 이용한 편대 제어 방법.
  6. 제 2 항에 있어서, 추정된 상기 운동 정보의 상기 불확실성 정보를 산출하는 단계는, 상기 카메라로부터 산출된 상대 방위, 상기 라이다로부터 산출된 상대 거리 및 방위 정보, 및 상기 레이더로부터 산출된 상대 거리 및 방위 정보를 각각의 계측 모델에 적용하는 단계를 포함하는, 위치 정보 불확실성을 이용한 편대 제어 방법.
  7. 제 1 항에 있어서, 산출된 상기 불확실성 정보 중 위치 정보의 불확실성을 고려하여 제어 명령을 생성하는 단계는, 상기 불확실성이 임의의 기준값 보다 높은 경우 무인수상정 간에 반발장(Repulsive field)이 생성되고, 상기 불확실성이 임의의 기준값 보다 낮은 경우 흡인장(Attraction field)이 생성되는, 위치 정보 불확실성을 이용한 편대 제어 방법.
  8. 제 1 항에 있어서, 상기 제어 명령은, 목표 속도 및 목표 침로에 대한 제어명령인, 위치 정보 불확실성을 이용한 편대 제어 방법.
  9. 복수의 센서들로부터 객체 데이터를 탐지하는 탐지부; 상기 탐지된 객체 데이터를 통합하여 복수의 무인수상정 각각의 위치와 속도 및 침로를 포함하는 현재 운동 정보를 추정하는 제1 추정부; 시스템 모델을 통해 상기 복수의 무인수상정 각각의 운동 정보를 추정하는 제2 추정부; 추정된 상기 운동 정보의 불확실성 정보를 산출하는 불확실성 산출부; 및 산출된 상기 불확실성 정보 중 위치 정보의 불확실성을 고려하여 제어 명령을 생성하는 제어 명령부; 를 포함하는, 위치 정보 불확실성을 이용한 편대 제어 장치.
  10. 제 9 항에 있어서, 상기 복수의 센서들은 카메라, 라이다, 및 레이더를 포함하는, 위치 정보 불확실성을 이용한 편대 제어 장치.
  11. 제 10 항에 있어서, 상기 탐지부는, 상기 카메라로부터 획득한 카메라 이미지의 왜곡을 보정하는 캘리브레이션을 수행하고, 상기 카메라 이미지의 조도 변화를 보정하고 고유 잡음을 제거하고, 인공지능 기반의 무인수상정을 탐지하여 상대 방위를 산출하는 카메라 처리부, 상기 라이다로부터 획득한 라이다 정보 내 포함된 고유 잡음을 제거하고, 연산 효율을 증대하도록 3차원 공간을 보셀(voxel) 단위로 분할하고, DBSCAN에 기초하여 객체를 탐지하고, 상대 거리 및 방위 정보를 산출하는 라이다 처리부, 및 상기 레이더로부터 획득한 레이더 이미지 내에 포함된 고유 잡음을 제거하고, 운용 범위를 고려한 지형 정보를 제거하고, 상기 레이더 이미지 내의 객체를 탐지하여 상대 거리 및 방위 정보를 산출하는 레이더 처리부를 포함하는, 위치 정보 불확실성을 이용한 편대 제어 장치.
  12. 제 9 항에 있어서, 상기 시스템 모델은 등속운항모델, 등가속도운항모델, 및 선회운항모델을 포함하는, 위치 정보 불확실성을 이용한 편대 제어 장치.
  13. 제 12 항에 있어서, 상기 제2 추정부에서 운동 정보를 추정하는 과정은 EKF(Extended Kalman Filter)를 기반으로 수행되는, 위치 정보 불확실성을 이용한 편대 제어 장치.
  14. 제 10 항에 있어서, 상기 불확실성 산출부는, 상기 카메라로부터 산출된 상대 방위, 상기 라이다로부터 산출된 상대 거리 및 방위 정보, 및 상기 레이더로부터 산출된 상대 거리 및 방위 정보를 각각의 계측 모델에 적용하여 상기 불확실성 정보를 산출하는, 위치 정보 불확실성을 이용한 편대 제어 장치.
  15. 제 9 항에 있어서, 상기 제어 명령부는, 산출된 상기 불확실성 정보 중 위치 정보의 불확실성을 고려하여 제어 명령을 생성하며, 상기 불확실성이 임의의 기준값보다 높은 경우 무인수상정 간에 반발장(Repulsive field)을 생성하고, 상기 불확실성이 임의의 기준값보다 낮은 경우 흡인장(Attraction field)을 생성하는, 위치 정보 불확실성을 이용한 편대 제어 장치.
  16. 제 9 항에 있어서, 상기 제어 명령은, 목표 속도 및 목표 침로에 대한 제어 명령인, 위치 정보 불확실성을 이용한 편대 제어 장치.
  17. 제 9 항 내지 제 16 항 중 어느 한 항에 기재된 위치 정보 불확실성을 이용한 편대 제어 장치를 포함하는 무인수상정.

Description

군집 무인수상정 간의 위치 정보 불확실성을 고려한 편대 제어 장치 및 방법{APPARATUS AND METHOD FOR FORMATION CONTROL CONSIDERING POSITION UNCERTAINTY BETWEEN MULTIPLE USVs} 본 발명은 무인수상정 내에 탑재된 센서인 카메라, 라이다, 및 레이더로부터 탐지한 정보를 활용하여 상대적 위치 정보를 추정하는 센서 융합 프레임워크로부터 제공되는 추정한 정보의 불확실성 정보도 동시에 고려한 편대 제어 장치 및 방법에 관한 것이다. 무인수상정(Unmanned Surface Vehicle, USV)은 인력 개입 없이 자율적으로 작동하며 해양 탐사, 경비, 구조 작업 등 다양한 해상 작업에 활용되고 있다. 특히 다수의 무인수상정이 협동하여 편대를 유지하며 운용되는 시스템은 작업 효율성과 안정성을 높일 수 있는 장점이 있어 활발히 연구되고 있다. 이러한 편대 운용을 위해 필수적인 기술로는 각 무인수상정 간의 상대적 거리 및 방위 정보를 측정하고 이를 기반으로 편대의 배치와 제어를 수행하는 방법이 사용되고 있다. 종래의 무인수상정 제어 시스템에서는 각 무인수상정 간의 상대적 위치 정보를 다양한 계측 센서(예: 카메라, 라이더, 레이더 등)를 이용하여 수집하고, 이 정보를 바탕으로 편대의 유지 및 제어를 수행한다. 그러나 이러한 센서로부터 수집된 정보는 센서의 특성이나 해상 환경 및 기상 조건에 따라 측정 오차 및 불확실성이 발생할 수 있다. 종래의 기술에서는 이와 같은 측정 오차나 불확실성을 충분히 고려하지 않고, 단순히 측정된 상대 거리와 방위 정보만을 바탕으로 편대를 유지하고 제어하는 방식을 채택해 왔다. 이러한 접근 방식은 해상 환경에서 발생하는 불확실성으로 인해 무인수상정 간의 상대적 위치가 정확하게 파악되지 않아 편대 제어의 정확성을 저하시키고, 편대 운용의 신뢰성이 떨어지는 문제점이 있다. 따라서 기존의 무인수상정 제어 기술들은 센서 오차와 측정 불확실성을 충분히 반영하지 않는 한계가 있으며, 이러한 문제를 극복하기 위해 보다 정교한 측정 정보 처리와 불확실성을 고려한 제어 방법이 필요하다. 도 1은 본 발명의 일 실시예에 따른 위치 정보 불확실성을 이용한 편대 제어 방법을 나타내는 순서도이다. 도 2는 본 발명의 일 실시예에 따른 위치 정보 불확실성을 이용한 편대 제어 장치를 나타내는 블록도다. 도 3은 무인수상정 간 편대 유지 및 제어를 나타내는 개념도이다. 도 4는 불확실성 정보를 반영하여 대상 무인수상정을 식별하고, 결합된 확률 분포와 안전 경계 영역을 시각적으로 나타낸 도면이다. 아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 명확하게 설명하기 위해 도면에서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. 또한, 도면을 참고하여 설명하면서, 같은 명칭으로 나타낸 구성일지라도 도면에 따라 도면 번호가 달라질 수 있고, 도면 번호는 설명의 편의를 위해 기재된 것에 불과하고 해당 도면 번호에 의해 각 구성의 개념, 특징, 기능 또는 효과가 제한 해석되는 것은 아니다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. "및/또는" 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다. 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미가 있는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 위치 정보 불확실성을 이용한 편대 제어 방법을 설명하고자 한다. 도 1은 본 발명의 일 실시예에 따른 위치 정보 불확실성을 이용한 편대 제어 방법을 나타내는 순서도이고, 도 2는 본 발명의 일 실시예에 따른 위치 정보 불확실성을 이용한 편대 제어 장치를 나타내는 블록도다. 도 1 및 도 2를 참조하면, 탐지부(210)는 복수의 센서들로부터 객체 데이터를 탐지할 수 있다(S110). S110 단계에서는 카메라, 라이다, 레이더 등과 같은 여러 종류의 센서가 활용될 수 있으며, 각 센서는 고유한 방식으로 데이터를 탐지하고 처리하여 환경과 물체를 인식하는 데 사용될 수 있다. 카메라 기반 탐지는 시각적인 정보를 바탕으로 객체를 인식하는 과정이다. 카메라를 통해 얻는 이미지는 실시간으로 처리되어 USV가 주변 환경의 시각적 특징을 인식할 수 있는 데이터를 제공할 수 있다. 이때 카메라의 캘리브레이션(calibration)을 통해 이미지 왜곡을 교정하고, 조도 변화에 따른 데이터 손실을 방지하기 위해 감마 보정(Gamma Correction)과 같은 이미지 처리 기법이 사용될 수 있다. 예를 들어, 일몰이나 야간 해양 환경에서 발생하는 명암 차이를 보정하여 보다 정확한 시각 정보를 얻을 수 있다. 또한, 카메라에서 발생할 수 있는 고유 잡음(Glint) 제거 과정을 통해 객체 탐지 성능을 높일 수 있다. 이 과정은 주로 인공지능 기반 객체 인식 알고리즘에 활용되며, 탐지된 객체가 특정 방향에 위치하는지 파악하기 위해 방위 정보가 추출될 수 있다. 라이다(LiDAR) 센서는 레이저를 활용하여 거리를 측정하는 장비로, 주로 3차원 공간의 정확한 거리 정보를 얻는 데 사용될 수 있다. 라이다를 통해 탐지된 데이터는 잡음을 최소화하고 연산 속도를 높이기 위해 보셀(voxel)이라는 작은 입방체 단위로 분할될 수 있다. 이러한 보셀 단위는 3차원 공간을 효율적으로 표현하며, DBSCAN(Density-Based Spatial Clustering of Applications with Noise)과 같은 군집화 알고리즘을 통해 객체를 탐지하고, 상대 거리와 방위 정보를 산출하는 데 유용할 수 있다. 레이더(Radar)는 전파를 사용해 물체를 탐지하며, 주로 장거리에서의 탐지에 유리한 특징이 있다. 레이더는 기상 조건에 관계없이 안정적으로 작동할 수 있으며, 악천후나 안개가 끼어 있는 상황에서도 정확한 탐지가 가능하다. 레이더를 통해 얻은 정보는 지형 정보를 제거하는 과정에서 전처리될 수 있으며, 불필요한 잡음을 제거한 후 객체 탐지 및 상대 거리와 방위 정보를 산출하는 데 사용될 수 있다. 예를 들어, 해상 탐색 시 레이더는 원거리에서 접근하는 선박을 탐지하고, 이를 바탕으로 USV의 경로를 조정할 수 있다. 레이더는 근거리에서의 탐지 시에 라이다나 카메라와의 협력할 수 있다. 각 센서로부터 수집된 정보는 해당 센서의 특성에 따라 개별적으로 처리된 후 통합적으로 활용될 수 있다. 예를 들어, 카메라로부터 얻은 방위 정보와 라이다로부터 얻은 거리 정보를 조합하여 보다 정확한 객체의 위치를 산출할 수 있다. 다음으로, 제1 추정부(220)는 탐지된 객체 데이터를 통합하여 복수의 무인수상정 각각의 위치와 속도 및 침로를 포함하는 현재 운동 정보를 추정할 수 있다(S120). 데이터 통합 과정에서는 EKF(Extended Kalman Filter)와 같은 필터링 알고리즘이 사용될 수 있다. EKF는 비선형 시스템의 상태를 추정할 수 있고, 예측과 보정이라는 두 가지 주요 단계를 통해 각 무인수상정의 위치와 속도를 지속적으로 갱신할 수 있다. 예측 단계에서는 이전에 수집된 데이터를 기반으로 다음 시간 간격의 상태를 추정하며, 이는 무인수상정의 운동 모델에 따라 수행될 수 있다. 예를 들어, 무인수상정이 일정한 속도로 직선 경로를 따라 이동한다고 가정하면 등속운항모델이 사용될 수 있고, 가속이 필요한 경우에는 등가속운항모델이 적용될 수 있다. 또한, 무인수상정이 경로를 따라 선회할 경우에는 선회운항모델이 사용되어 해당 시점에서의 위치와 속도를 예측할 수 있다. 각 센서가 제공하는 정보는 센서 특성에 따라 오차와 불확실성을 동반할 수 있으므로, EKF는 이러한 오차를 고려하여 예측된 상태 변수를 보정할 수 있다. 보정 단계에서는 카메라, 라이다, 레이더 등의 센서로부터 수집된 최신 데이터를 바탕으로 예측된 값과 실제 측정값 간의 차이를 최소화하도록 상태 변수를 조정할 수 있다. 예를 들어, 카메라로부터 얻은 방위 정보와 라이다로부터 얻은 거리 정보 간의 상호 불일치를 EKF의 보정 알고리즘을 통해 조정할 수 있다. 이 과정에서 오차 공분산(covariance) 정보가 활용될 수 있다. 오차 공분산은 위치와 속도와 같은 상태 변수 간의 상관관계를 나타내는 값으로, 이를 통해 추정된 정보의 불확실성을 정량화할 수 있다. 추가적으로, 각 무인수상정의 침로 정보는 다른 무인