딥러닝을 이용한 UWB ToA/AoA 기반의 차량 위치 추정 향상 기법에 대한 연구

Abstract

본 논문에서는 차량 주차 환경에서 Ultra-wideband(UWB) Time of Arrival(ToA)/Angle of Arrival(AoA) 위치 측위 기법을 기반으로 차량의 위치를 추정하고 이를 보정하여 차량의 정밀한 위치 좌표를 도출하는 시스템을 제안한다. 본 시스템은 측위 기준점이 되는 1개의 UWB Anchor를 기준으로 차량에 부착되는 UWB Tag 4개의 위치 추정을 수행하고, 이를 통해 차량의 중심점의 위치 좌표를 도출한다. 본 시스템은 다양한 실내/외 주차 환경에 제약을 받지 않고 Non-line-of-sight(NLOS) 상황에서도 차량의 위치 추정 정확도를 향상시키기 위해 딥러닝 기술을 기반으로 UWB Channel Impulse Response(CIR)를 분석한다. 딥러닝 모델의 CIR 분석 결과를 통해 UWB 신호의 NLOS 정도를 예측하고, 이를 기반으로 Adaptive Kalman Filter(AKF)의 필터 변수 값을 보정하여 NLOS 상황에서 위치 추정 정확도를 높인다. 본 시스템의 성능 평가 및 분석을 위해 실내 및 실외 주차장 각각에서 차량 의 위치 추정 실험을 진행하였다. 실험 진행 중 스마트폰 어플리케이션을 통해 차량의 실시간 위치 좌표를 시각적으로 확인하였으며, 시스템의 정량적 평가를 위해 실험 공간의 Ground Truth와 시스템의 측위 좌표 간의 평균 측위 오차를 계산하였다. 또한 차량 주차 상황을 가정한 주행 실험을 진행하여 딥러닝 기반 위치 보정 알고리즘의 성능을 분석하였다.