라이다 센서를 이용한 UWB 앵커 배치 최적화에 관한 연구

Abstract

본 논문에서는 LiDAR 센서를 이용하여 Ultra-Wide Band (UWB) 앵커 배치를 최적화하는 시스템을 제안한다. 본 시스템은 LiDAR 센서를 이용하여 UWB 앵커를 설치할 공간을 스캔하고, 스캐닝을 통해 획득한 Point Cloud 데이터를 기반으로 AutoDesk사의 Revit과 JOSM을 이용하여 사물의 위치, 매질, 높이 등이 반영된 환경 모델링을 수행한다. 환경 모델을 기반으로 채널 모델링 시뮬레이터인 Pylayers를 이용하여 IEEE 802.15.4z 표준 기반의 채널 모델링을 수행하여 TDoA(Uplink/Downlink), TWR, AoA(Uplink/Downlink) 별 측위 방법에 따른 1차 앵커 배치 최적화를 수행한다. 1차 앵커 배치를 기준으로 시뮬레이터 상에서 앵커의 위치를 이동하며 측위를 수행하고, 측위 오차가 최소화되는 최적 앵커 배치를 산출한다. 본 논문에서 제안하는 시스템의 성능 평가를 위해 다양한 사물이 존재하는 실내 공간에서 실험을 진행한다. 실내 공간 내 기준 좌표를 설정하고, DecaWave 사의 DWM1000 장비를 이용하여 Uplink-TDoA 방식을 통해 측위를 수행한다. 시스템의 정량적 평가를 위하여 일반적인 앵커 배치와 최적화된 앵커 배치에서 기준 좌표와 측위 좌표의 측위 오차를 계산한다. 두 가지 배치의 측위 오차를 기반으로 RMSE를 계산하고, 결과 값을 비교하여 측위 성능 향상도를 도출한다. |In this thesis, we propose a system that optimizes the placement of Ultra-Wide Band (UWB) anchors using LiDAR sensor. The system scans a space in which the UWB anchors are installed using a LiDAR sensor. Based on Point Cloud data obtained through scanning, AutoDesk's Revit and JOSM are used to perform environmental modeling considering the location, medium, and height of objects. We use Pylayers simulator, which is based on the IEEE 802.15.4z standard, for channel modeling using the environment model. The first anchor placement is optimized according to the positioning methods such as TDoA (Uplink/Downlink), TWR (Uplink/Downlink), and AoA (Uplink/Downlink). Based on the first anchor placement on the simulator, localization is performed while the anchor is moving so that localization error is minimized. To demonstrate the performance of the system, experiments are conducted in indoor spaces where various objects exist. We set reference coordinates in the indoor spaces and perform localization using the Uplink-TDoA method equipped with DecaWave's DWM1000. For the quantitative evaluation of the system, the positioning error between the reference coordinates and the estimated coordinates is calculated in the general anchor placement and the optimized anchor placement. The RMSE is calculated based on the localization error of the two placements, and the degree of improvement in localization performance is calculated through comparison of result.