딥러닝 기반 IMU 추측항법을 이용한 3차원 라이다 위치 추정 기법
- Title
- 딥러닝 기반 IMU 추측항법을 이용한 3차원 라이다 위치 추정 기법
- Other Titles
- 3D LiDAR localization using deep learning-based IMU Dead-Reckoning
- Author
- 이도영
- Alternative Author(s)
- Lee Doyoung
- Advisor(s)
- 박장현
- Issue Date
- 2024. 2
- Publisher
- 한양대학교 대학원
- Degree
- Master
- Abstract
- 자율 주행 차량이 주변 환경 데이터와 현재 차량의 위치에 대한 정보가 전혀 없는 상황에서 원하는 경로로 주행하기 위해서는 자신의 위치 정보를 정확하게 추정하여야 한다. 일반적으로 GPS, IMU, LiDAR와 같은 센서로 위치를 추정한다. 하지만 각각 GPS는 도심 지역이나 고층 건물에서 가로막힘에 의해 신호가 차단되어 정확도가 떨어지고, IMU는 시간이 지남에 따라 초기 위치에 비해 누적된 오차 때문에 위치 추정이 부정확 해 진다. 또한 LiDAR 센서는 부정확한 초기 위치 추정, 동적 환경에서의 데이터 누락과 같은 문제점을 가지고 있다.
본 논문에서는 이러한 위치 추정 문제를 개선하고자 LiDAR-Only Matching 알고리즘에 딥러닝 기반 IMU Dead-Reckoning을 결합하여 기존의 문제점이었던 초기 추정 개선, 고속 및 동적 환경에서 강인한 위치 추정 알고리즘을 제안한다. 또한 제안한 알고리즘을 통하여 최근 많이 쓰이고 있는 LiDAR 위치 추정 알고리즘인 KISS-ICP와 비교하여 기존 알고리즘과 제안한 알고리즘의 차별성을 검증한다.
제안한 알고리즘의 검증은 KITTI 데이터셋의 2011_09_30_drive_0033, 2011_10_03_drive_0027 데이터를 사용하여 시행한다. 위치 추정 정확도를 비교하기 위해서 RMSE 값을 사용하였다. 이 때 Ground Truth 값과 비교하여 제안한 알고리즘과 KISS-ICP의 RMSE를 각각 계산하였다. 실험 결과 각 Timestamp의 RMSE(평균 제곱근 오차) 값이 KISS-ICP보다 제안한 알고리즘에서 낮게 나와 제안한 알고리즘의 성능이 더 우수함을 입증하였다. 직진 상황에서는 비슷한 결과를 보였지만 동적 상황인 회전 상황에서 제안한 알고리즘이 더 정확한 수치를 보였고, 이는 LiDAR-Only Matching 방식보다 제안한 방법인 딥러닝 기반 IMU Dead-Reckoning을 LiDAR matching 알고리즘에 적용하였을 때 위치 추정 정확도가 더 우수하다는 걸 확인할 수 있었다.|Autonomous vehicles must precisely estimate their pose to navigate a desired path without environmental data and information about their current location. Sensors (GPS, IMU, and LiDAR) generally used to estimate the position of such vehicles are vulnerable to inaccuracies. More importantly, IMU and LiDAR sensors face multiple challenges, such as incorrect initial pose estimation and missing data under dynamic environments.
This paper proposes a pose estimation algorithm that improves the unsolved problems in currently used algorithms. The proposed one is more robust in high-speed and dynamic environments by combining the LiDAR-Only Matching algorithm with deep learning-based IMU Dead-Reckoning.
In addition, the proposed algorithm is compared with the KISS-ICP algorithm, an up-to-date LiDAR localization algorithm, to verify the difference between these two. For the validation process, this paper utilized 2011_09_30_drive_0033 and 2011_10_03_drive_0027 data from the KITTI dataset.
To compare the localization accuracy, I used the RMSE value. In this case, the RMSE of the proposed algorithm and KISS-ICP were calculated by comparing them to the ground truth value. The results showed that the RMSE value of each timestamp is lower in the proposed algorithm than in KISS-ICP, proving that the proposed algorithm performs better. Although the results were similar in a straight-driving situation, the proposed one was more precise in the more dynamic, curved-driving situation.
In conclusion, the proposed method (LiDAR matching algorithm combined with the deep learning-based IMU Dead-Reckoning) provides enhanced pose estimation compared to the existing LiDAR-Only Matching method.
- URI
- http://hanyang.dcollection.net/common/orgView/200000725127https://repository.hanyang.ac.kr/handle/20.500.11754/189106
- Appears in Collections:
- GRADUATE SCHOOL[S](대학원) > AUTOMOTIVE ENGINEERING(미래자동차공학과) > Theses (Master)
- Files in This Item:
There are no files associated with this item.
- Export
- RIS (EndNote)
- XLS (Excel)
- XML