김하연, 노명일, 이혜원, 조영민, "센서 데이터를 이용한 선박의 추적 방법", 2023년도 한국CDE학회 동계학술발표회, 평창, pp. 109, 2023.02.08-11
Domestic Conference
2023.02.13 15:04
김하연, 노명일, 이혜원, 조영민, "센서 데이터를 이용한 선박의 추적 방법", 2023년도 한국CDE학회 동계학술발표회, 평창, pp. 109, 2023.02.08-11
조회 수 197
| 첨부 '1' |
|---|
| Abstract | 최근 자율운항선박에 대한 연구가 다방면으로 진행되고 있다. 자율운항선박의 운항 시, 주변 해상 장애물의 탐지 및 추적이 중요하다. 해상 장애물은 주로 RADAR (Radio Detection And Ranging), Camera, AIS (Automatic Identification System)와 같은 여러 종류의 센서 데이터를 사용하여 탐지하고, 탐지된 센서 데이터를 기반으로 타선을 포함한 해상 장애물의 상태를 추적한다. 대표적인 추적 알고리즘인 확장 칼만 필터 (Extended Kalman Filter, EKF)를 사용하여 장애물 추적을 수행할 수 있는데, 이때 사용되는 EKF의 파라미터는 임의로 설정해주는 값으로, 이를 수작업을 통해 최적의 값으로 설정하기에는 한계가 있다. 본 연구에서는 RADAR 데이터를 기반으로 EKF의 파라미터 최적화를 수행하여 기존 추적 방법을 개선한 추적 방법을 제안하였다. 이를 위해 최적화 문제의 설계 변수는 확장 칼만 필터의 파라미터로 설정하였고, 목적 함수는 해상 장애물 (타선)의 AIS 데이터와 추적 결과의 오차 최소화로 정식화하였다. 이 문제를 전역 최적화 알고리즘을 사용하여 풀어, 최적의 EKF의 파라미터를 도출하였다. 이 EKF에 파라미터를 적용하여 해상 장애물의 경로 (trajectory), 속도 (Speed Over Ground, SOG), 진행 방향 (Course Over Ground, COG)를 추적하였다. 또한, 추적 결과와 해상 장애물의 실제 AIS 데이터의 비교를 통하여 추적 정확도를 분석하였다. 본 연구에서 제안한 방법을 다양한 실해역 시험의 RADAR 데이터에 적용하여 검증하였다. 그 결과, 제안된 방법의 추적 정확도가 기존 추적 방법의 추적 정확도보다 개선됨을 확인하였다. |
|---|---|
| Publication Date | 2023-02-09 |
Prev 김진혁, 노명일, 여인창, 김기수, 오민재, "딥 러닝을 이용한 소형 선박의 저항 예측", 2022년도 대한조선학회 춘계학술발표회, 제주, pp. 290, 2022.06.02-04
김진혁, 노명일, 여인창, 김기수, 오민재, "딥 러닝을 이용한 소형 선박의 저항 예측", 2022년도 대한조선학회 춘계학술발표회, 제주, pp. 290, 2022.06.02-04
2022.06.07by SyDLab
김하연, 노명일, 조영민, 하지상, 손남선, "센서 데이터를 ... Next
김하연, 노명일, 조영민, 하지상, 손남선, "센서 데이터를 ...
2023.11.06by
