최근 자율주행 시스템이 발전함에 따라 여러 환경에서 운용됨이 요구되고 있다. 특히 기존 Global Navigation Satellite System (GNSS)/Inertial Navigation System (INS) 결합 항법 알고리 즘은 도심지와 같이 열악한 GNSS 수신 환경에서 성능이 크게 저하된다는 한계를 지닌다. 이를 극복하기 위하여 GNSS/INS 뿐만 아니라 영상을 결합한 알고리즘이 다양한 분야에서 활발히 연구되고 있다. 본 논문에서는 열악한 도심 환경속에서도 정확한 위치해를 제공하는 Compressed-State Constraint Kalman Filter (CSCKF) 기반의 영상/관성/GNSS 복합 항법 알고리즘을 제안한다. 제안된 알고리즘은 기존 Multi-State Constraint Kalman Filter (MSCKF)와 달리 Time-propagated measurement fusion 이론을 활용하여 불필요한 카메라 상태변수 가 제거된 것이 특징이다. 제안된 알고리즘의 성능 평가를 위하여 실외 실험을 진행하였으며 기존 알고리즘 대비 성능이 개선되었다.

Performance Evaluation of CSCKF-based Visual/Inertial/GNSS Navigation Algorithm

Yu Dam Lee, Taek Geun Lee, Hyung Keun Lee*

According to the development of the recent autonomous driving system, the operation of the system is required in different environments. Especially, the Global Navigation Satellite System (GNSS)/Inertial Navigation System (INS) integrated system has difficulties in accurate positioning in GNSS-challenged environments like urban canyons. To overcome these difficulties, integrated Visual/Inertial/GNSS algorithms have extensively studied in various areas. This paper proposes a Compressed-State Constraint Kalman Filter (CSCKF)-based Visual/Inertial/GNSS algorithm for providing accurate pose in urban environments. Unlike the conventional Multi-State Constraint Kalman Filter (MSCKF), the proposed algorithm has characteristic that unnecessary camera states are not required in the system state based on the time-propagation measurement fusion theory. The proposed algorithm is evaluated by a field experiment in different GNSS availability situations. The result shows that accuracy is improved in the GNSS-degraded environment compared to that of the conventional algorithms.

Keywords: visual-inertial odometry, multi-GNSS, multi-sensor fusion, compression filter

Speaker 이유담 한국항공대학교