김하연, 노명일, 조영민, 하지상, 손남선, "센서 데이터를 활용한 해상 장애물 추적 방법 및 실해역 적용 사례", 2023년도 대한조선학회 추계학술발표회, 울산, pp. 211, 2023.11.02-03
Abstract | 무인선의 자율 운항을 위해서는 근접한 해상 장애물을 정확히 탐지하고 추적하는 것이 요구된다. 본 연구에서는 해상 장애물을 RADAR (RAdio Detection And Ranging)로 탐지하고, 탐지된 센서 데이터를 기반으로 추적 알고리즘을 활용해 해상 장애물의 상태를 추적했다. 추적을 위해 대표적인 추적용 알고리즘인 확장 칼만 필터를 이용한 수학 기반의 개선된 추적 방법과 학습 기반의 추적 방법을 활용했다. 확장 칼만 필터의 계산 과정에서 사용되는 파라미터는 일반적으로 추적 대상과 센서의 특성에 따라 시행 착오를 통해 설정하므로 최적의 값을 찾기 어렵다. 이를 보완하기 위해 파라미터 최적화를 위한 수학적 모델을 구성하고 최적화 알고리즘으로 이를 풀어 최적의 파라미터를 도출했다. 한편, 학습 기반의 추적 방법은 확장 칼만 필터와 달리 추적 대상의 정확한 운동 모델 없이도 짧은 수렴 시간으로 추적이 가능하다. 시계열 데이터를 다루는 순환 신경망인 LSTM (Long Short-Term Memory)을 학습 모델로 사용했으며, 실해역 데이터를 모사한 가상 센서 데이터를 모델의 학습 데이터로 활용했다. 본 연구에서 제안한 두 가지 추적 방법을 활용해 무인선의 자율 운항 시험을 수행했으며, 해상 장애물의 상태를 추적한 결과를 실제 결과와 비교 및 분석했다. |
---|---|
Publication Date | 2023-11-03 |
김하연, 노명일, 조영민, 하지상, 손남선, "센서 데이터를 활용한 해상 장애물 추적 방법 및 실해역 적용 사례", 2023년도 대한조선학회 추계학술발표회, 울산, pp. 211, 2023.11.02-03