최근 국내외 유수 기업(Waymo, TESLA, Mercedes-Benz, 현대자동차, RideFlux, 42dot 등)들은 자율주행 상용화를 위해 기 술 개발에 몰두하고 있다. 개발된 기술들을 요약하자면 차량에 다양한 센서 (GPS / Camera / Radar / LiDAR)를 부착하고 Filter를 사용해 Sensor Fusion하거나 미리 측정한 정밀지도(HD Map)를 활용한다. 이러한 기술들은 위치정확도가 정밀하지 만 가격이 비싸다는 단점이 있다. 이에 본 논문에서는 스마트폰 하나만으로 자율주행이 가능한 시스템을 제안한다. 이 시 스템은 오직 스마트폰 만을 사용하기 때문에 가격이 매우 저렴하다는 장점이 있다. 시스템을 설계하기에 앞서 3가지 Constraint를 설정하였다. 첫째, 실제 차량이 아닌 모바일 로봇을 사용했고 실제 도로에서의 주행을 하지 않고 연구실 건물 옥상에서 주행실험을 한다. 둘째, 자율주행 3단계 [인지(Perception) / 판단(Decision Making) / 제어(Control)] 중 인지 단 계와 제어 단계만 개발한다. 셋째, 센서는 스마트폰 GPS와 IMU만 사용한다. 제안하는 시스템의 내용을 구체적으로 살펴 보면 다음과 같다. 우선 인지 단계에서는 로봇 위에 탑재된 스마트폰(GPS, IMU) 측정치를 Loosely Coupled Extended Kalman Filter (EKF)로 로봇의 위치, 속도, 방향을 추정한다. 이후 제어 단계에서는 앞에서 추정한 State를 가지고 Linear Quadratic Regulator (LQR) 제어기를 사용해 설계한 경로(Desired Trajectory)를 tracking한다. 시스템 성능검증을 위해 위 치, 속도추정성능과 제어성능(Settling Time, 2D Position RMS)을 분석하였다.

Centimeter-level Precision Smartphone Navigation Using RTK

Jongju Kim, Daniel Hong, Hanjoon Shim, Minhuck Park, Yonghwan Bae, Am Cho, Changdon Kee*

With the recent increase in smartphone usage and the availability of the raw Global Navigation Satellite System (GNSS) measurements with the release of Android 7.0, smartphone GNSS based navigation research has been actively conducted. Although it was attempted to perform precise navigation by applying various techniques, there are still no cases of implementing smartphone’s cm-level navigation in a dynamic environment. This is because original navigation algorithms were not considered smartphone’s hardware properties. In this paper, we proposes a Real-Time Kinematic (RTK) based precision navigation algorithm for smartphone. Main idea of the algorithm can be divided into 3 steps. First, calculate double differenced carrier phase measurement and double difference integer ambiguity by using RTK. Second, monitor the double differenced carrier phase measurement when the smartphone is rotated. If the measurement is drastically changed, then the measurement is changed by a new measurement which is predicted by using linear regression. Lastly, using the new measurement, calculate smartphone’s position. To verify the proposed algorithm, a smartphone (Xiaomi Mi8) was mounted on a mobile robot and driven in a rectangular trajectory. As a result of the experiment, it was shown that 2D Root Mean Square Error (RMSE) improved by 73%.

Speaker 김종주 서울대학교