[논문 리뷰] Attitude Determination and Estimation using Vector Observations: Review, Challenges and Comparative Results

Hashim A. Hashim|arXiv (Cornell University)|2020. 01. 11.

Inertial Sensor and Navigation참고 문헌 40인용 수 15

한 줄 요약

이 논문은 벡터 관측치를 사용한 자세 결정 및 추정 알고리즘에 대한 종합적인 리뷰와 비교 분석을 제시한다. 대표적으로 다루는 방법은 대수적 방법, 가우시안 필터(예: EKF, GAMEF), 그리고 고급 비선형 필터(예: CG-NDAF, AG-NDAF, GP-NSAF)이다. 시뮬레이션을 통해 비선형 필터가 전통적인 가우시안 필터에 비해 더 높은 정상 상태 정확도와 노이즈에 대한 강건성을 확보함을 입증하였으며, 무한노름과 표준편차와 같은 오차 지표에 대한 통계적 검증도 수행하였다.

ABSTRACT

This paper concerns the problem of attitude determination and estimation. The early applications considered algebraic methods of attitude determination. Attitude determination algorithms were supplanted by the Gaussian attitude estimation filters (which continue to be widely used in commercial applications). However, the sensitivity of the Gaussian attitude filter to the measurement noise prompted the introduction of the nonlinear attitude filters which account for the nonlinear nature of the attitude dynamics problem and allow for a simpler filter derivation. This paper presents a survey of several types of attitude determination and estimation algorithms. Each category is detailed and illustrated with literature examples in both continuous and discrete form. A comparison between these algorithms is demonstrated in terms of transient and steady-state error through simulation results. The comparison is supplemented by statistical analysis of the error-related mean, infinity norm, and standard deviation of each algorithm in the steady-state. Keywords: Comparative Study, Attitude, Determination, Estimation, Filter, Adaptive Filter, Gaussian Filter, Nonlinear Filter, Overview, Review, Rodrigues Vector, Special Orthogonal Group, Unit-quaternion, Angle-axis, Determinstic, Stochastic, Continuous, Discrete, Multiplicative extended kalman filter, KF, EKF, MEKF, white noise, colored noise.

연구 동기 및 목표

• 벡터 관측치 기반 자세 결정 및 추정 알고리즘에 대한 체계적인 리뷰를 제공하는 것.
• 비선형 자세 동역학과 측정 노이즈를 다룰 때 가우시안 필터의 한계를 분석하는 것.
• 과도기 및 정상 상태 오차 측면에서 다양한 비선형 자세 필터의 성능을 평가하고 비교하는 것.
• 다양한 필터 유형 간 오차 지표(평균, 무한노름, 표준편차)의 통계적 분석을 수행하는 것.
• 적응형 및 보장 성능 비선형 필터가 추정 정확도와 강건성 향상에 얼마나 효과적인지 입증하는 것.

제안 방법

• 벡터 측정치를 이용한 자세 결정을 위한 대수적 방법(예: TRIAD, QUEST, SVD)을 검토한다.
• 연속형 및 이산형 가우시안 필터의 형태를 분석한다: 확장 칼만 필터(EKF), 승법적 EKF, 기하학적 근사 최소 에너지 필터(GAMEF).
• 비선형 결정론적 및 확률적 필터를 도입하며, 이는 일정 이득 비선형 결정론적 자세 필터(CG-NDAF), 적응형 이득 NDAF(AG-NDAF), 보장 성능 NDAF(GP-NDAF)를 포함한다.
• 로드리그 벡터 및 행렬 지수 표현을 사용하여 이산 시간 형태의 비선형 필터를 유도함으로써 회전 행렬의 타당성을 보장한다.
• 오차 동역학과 오차 함수 기준을 활용하여 반직접 및 직접 필터 구조에서 자세 오차를 최소화하는 필터 설계를 수행한다.
• 오차 노름(||·||_I 및 α)의 통계적 분석을 통해 다양한 알고리즘 간 정상 상태 성능을 비교한다.

실험 결과

연구 질문

• RQ1 TRIAD, QUEST, SVD와 같은 대수적 자세 결정 방법 간 정확도 및 수렴 속도 측면에서의 비교 결과는 어떠한가?
• RQ2 비선형 동역학과 비정규 분포 노이즈 존재 시 가우시안 필터(EKF, GAMEF 등)의 성능 한계는 무엇인가?
• RQ3 적응형 및 보장 성능 비선형 필터는 기존 필터에 비해 추정 정확도와 강건성 향상에 어떻게 기여하는가?
• RQ4 반직접 구조 대비 직접 구조의 필터 구조가 오차 수렴성과 안정성에 미치는 영향은 어떠한가?
• RQ5 무한노름과 자세 오차의 표준편차 측면에서 가장 낮은 정상 상태 오차를 기록하는 필터는 무엇인가?

주요 결과

• QUEST 알고리즘이 TRIAD 및 SVD에 비해 정상 상태 오차 측면에서 뛰어나며, 자세 오차 지표의 평균과 표준편차가 모두 낮아 보였다.
• 가우시안 필터(MEKF 및 GAMEF)는 비선형 필터에 비해 더 높은 정상 상태 오차를 보였으며, MEKF는 더 큰 무한노름과 표준편차를 나타냈다.
• CG-NDAF 필터는 결정론적 비선형 필터 중에서 가장 낮은 정상 상태 오차를 기록하였으며, 평균 ||~R||_I는 0.01 이하, 표준편차는 0.005 이하였다.
• AG-NDAF 및 GP-NSAF 필터는 노이즈 및 오프셋에 대한 강건성이 향상되었으며, 평균 ||~R||_I 값은 0.008 이하, 표준편차는 0.003 이하였다.
• 직접 필터 구조는 비선형 필터에서 반직접 구조에 비해 항상 더 낮은 오차를 기록하였으며, 특히 고노이즈 조건에서 두드러졌다.
• 통계적 분석 결과, 비선형 필터는 가우시안 필터 대비 자세 오차의 무한노름을 최대 60%까지 감소시켰으며, 수렴 속도와 안정성 향상도 뚜렷하게 관찰되었다.