[논문 리뷰] An Evaluation of Bayesian Methods for Bathymetry-based Localization of Autonomous Underwater Robots

Jungseok Hong, Michael Fulton외 1명|arXiv (Cornell University)|2018. 09. 21.

Underwater Vehicles and Communication Systems참고 문헌 30인용 수 4

한 줄 요약

이 논문은 저비용의 깊이 및 고도계 센서를 사용하여 해저도 기반 국소화를 위한 네 가지 베이지안 필터링 방법—확장 칼만 필터(EKF), 유스클리드 칼만 필터(UKF), 입자 필터(PF), 그리고 최소화된 입자 필터(MPF)—을 평가한다. MPF는 다양한 호수 해저도 및 운동 프로파일에서 일관되게 높은 정확도와 계산 효율성을 보였다.

ABSTRACT

This paper presents an evaluation of a number of probabilistic algorithms for localization of autonomous underwater vehicles (AUVs) using bathymetry data. The algorithms, based on the principles of the Bayes filter, work by fusing bathymetry information with depth and altitude data from an AUV. Four different Bayes filter-based algorithms are used to design the localization algorithms: the Extended Kalman Filter (EKF), Unscented Kalman Filter (UKF), Particle Filter (PF), and Marginalized Particle Filter (MPF). We evaluate the performance of these four Bayesian bathymetry-based AUV localization approaches under variable conditions and available computational resources. The localization algorithms overcome unique challenges of the underwater domain, including visual distortion and radio frequency (RF) signal attenuation, which often make landmark-based localization infeasible. Evaluation results on real-world bathymetric data show the effectiveness of each algorithm under a variety of conditions, with the MPF being the most accurate.

연구 동기 및 목표

• GPS가 사용 불가능한 수중 환경에서 기존의 RF나 랜드마크 기반 시스템이 비실용적인 상황에서 정확하고 저비용의 AUV 국소화 문제를 해결하기 위해.
• 해저도 지도를 사전 지식으로 사용하여 AUV 국소화를 위한 베이지안 필터링 기법의 실현 가능성과 성능을 평가하기 위해.
• 다양한 운동 역학과 해저도 복잡성 조건에서 EKF, UKF, PF, MPF의 네 가지 베이지안 필터 기반 알고리즘을 비교하기 위해.
• 내륙 호수에서 해저도 데이터가 이용 가능한 실세계 환경에 적합한 가장 강력하고 효율적인 국소화 방법을 규명하기 위해.

제안 방법

• 각 (x,y) 위치에서 수면에서 해저까지의 수심을 나타내는 해저도 데이터를 수심 지도의 사전 지도로 사용한다.
• AUV의 수심과 해저에서의 고도를 측정하기 위해 깊이 센서와 단일 빔 소나 고도계를 활용하여 현재 위치에서의 전체 수심을 추정할 수 있도록 한다.
• 네 가지 베이지안 필터링 기법을 적용한다: 가우시안 가정 하에 정규화된 상태 추정을 위한 EKF와 UKF, 비모수적 입자 기반 추정을 위한 PF, 그리고 KF와 PF를 융합하여 효율성을 향상시킨 레이즈-블랙웰라이즈드 하이브리드인 MPF.
• 실시간 수심 및 고도 측정값과 해저도 지도를 융합하여 AUV의 3차원 위치 (x, y, z)를 확률적 추론을 통해 추정함으로써 국소화를 수행한다.
• 베이지안 필터의 측정 모델로 측정된 수심과 예측된 수심 간의 차이를 사용한다.
• 선형 운동 정책과 혼합(비선형) 운동 정책 하에서 실제 미네소타 주의 여덟 개 호수 해저도 지도를 대상으로 성능을 평가한다.

실험 결과

연구 질문

• RQ1 실제 호수 환경에서 해저도 데이터와 저비용 센서를 사용할 때 EKF, UKF, PF, MPF의 국소화 정확도는 어떻게 성능을 내는가?
• RQ2 대칭성, 변동성, 지형적 구조와 같은 해저도 복잡성이 PF 및 MPF와 같은 입자 기반 필터의 성능에 어떤 영향을 미치는가?
• RQ3 실제 AUV 운동 프로파일 하에서 네 가지 베이지안 필터의 계산 비용과 메모리 요구량은 어떻게 비교되는가?
• RQ4 MPF가 PF 및 UKF보다 정확도와 효율성 면에서 우월한 조건은 무엇인가?
• RQ5 저비용 센서 구성(깊이 센서와 소나 고도계)만으로도 전용 기반 시설(예: 트랜스ponder나 비콘) 없이 신뢰할 수 있고 고정밀도의 국소화를 가능하게 할 수 있는가?

주요 결과

• 최소화된 입자 필터(MPF)는 모든 호수와 운동 프로파일에서 가장 높은 국소화 정확도를 달성하였으며, 선형 운동 조건에서 하워드 호수의 중앙값 오차는 2.71 m, 투얼러 호수의 중앙값 오차는 2.75 m였다.
• PF보다 낮은 계산 비용을 유지하였으며, 하워드 호수의 중앙값 계산 시간은 58.75 ms, 투얼러 호수의 경우 45.31 ms였고, PF의 213.86 ms(투얼러)보다 현저히 낮았다.
• 입자 필터(PF)는 해저도의 변동성이 크고 비대칭적인 호수에서는 가장 우수한 성능을 보였지만, 노코미스와 같은 대칭적인 호수에서는 특징이 뚜렷하지 않아 발산하는 경향을 보였다.
• 유스클리드 칼만 필터(UKF)는 낮은 계산 부담으로 안정적이고 중간 수준의 정확도를 제공하여, 처리 능력이 제한된 AUV와 주로 선형 운동을 하는 경우에 적합하다.
• 확장 칼만 필터(EKF)는 전반적으로 가장 열악한 성능을 보였으며, 하워드 호수에서 88.94 m의 높은 오차와 다양한 호수에서의 일관성 없는 결과를 보였고, 비선형 운동 시나리오에서 특히 약했다.
• MPF는 선형 운동과 혼합 운동 조건에서 모두 다른 모든 필터보다 뛰어난 성능을 보이며, 다양한 해저도 조건에서 강력하고 신뢰할 수 있는 성능을 입증하였다.