김하연, 노명일, 하지상, "해상 장애물 추적을 위한 혼합 추적 방법", 2024년도 한국CDE학회 동계학술발표회, 평창, pp. 94, 2024.01.29-02.01
Domestic Conference
2024.01.11 15:40
김하연, 노명일, 하지상, "해상 장애물 추적을 위한 혼합 추적 방법", 2024년도 한국CDE학회 동계학술발표회, 평창, pp. 94, 2024.01.29-02.01
조회 수 178
| 첨부 '1' |
|---|
| Abstract | 선박의 안전한 운항을 위해서 RADAR (RAdio Detection And Ranging), AIS (Automatic Identification System) 등의 센서를 사용하여 근접한 해상 장애물을 탐지하고, 이러한 센서 데이터를 기반으로 추적 알고 리즘을 활용하여 해상 장애물의 상태를 추적한다. 해상 장애물 추적 방법에 관해 많은 연구가 진행되어왔는 데, 그 중에서도 대표적인 방법은 확장 칼만 필터 기반의 추적 방법이다. 확장 칼만 필터 기반의 추적 방법 은 잡음이 포함된 측정값으로부터 상대적으로 정확하게 장애물의 상태를 추적할 수 있다. 하지만, 추적하려 는 장애물의 정확한 운동 모델이 필요하며 추적 초반에는 추정값이 안정적으로 수렴하기까지 일정한 수렴 시간이 필요하다. 확장 칼만 필터 기반의 추적 방법 외에도 최근에는 딥 러닝을 활용한 학습 기반의 추적 방 법에 대한 연구가 활발히 이루어지고 있다. 학습 기반의 추적 방법은 장애물의 정확한 운동 모델이 필요하 지 않으며, 추적 초반에 수렴 시간 없이 장애물의 상태를 추적할 수 있다. 그러나 딥 러닝 모델의 학습 과정 과 방대한 양의 학습 데이터가 필요하며, 확장 칼만 필터 기반의 추적 방법보다 상대적으로 정확도가 낮다 고 알려져 있다. 본 연구에서는 각 추적 방법 별 단점을 보완하고자 위 두 방법을 결합한 혼합 추적 방법을 제안하였다. 제안한 방법의 효용성 검증을 위해, 이를 실해역 시험에서 취득한 데이터에 적용해 보았으며, 그 결과 제안된 방법이 해상 장애물을 효과적으로 추적할 수 있음을 확인하였다. |
|---|---|
| Publication Date | 2024-01-30 |
