[논문 리뷰] OPTILOD: Optimal Beacon Placement for High-Accuracy Indoor Localization of Drones

Alireza Famili, Angelos Stavrou외 3명|arXiv (Cornell University)|2022. 01. 26.

Robotics and Sensor-Based Localization인용 수 4

한 줄 요약

OPTILOD는 고정밀 실내 드론 위치 추적을 가능하게 하기 위해 최소한의 수와 최적의 3차원 위치에 초음파 베이컨을 배치하는 데 목적이 있는 진화 최적화 알고리즘입니다. 이 알고리즘은 전체 4연결성 커버리지에 대해 베이컨 수와 기하학적 정밀도 분산도(GDOP)를 동시에 최소화하며, 이로 인해 이론적으로 가능한 최적에 가까운 베이컨 수를 확보하고 복잡한 실내 환경에서 위치 추적 오차를 크게 감소시킵니다.

ABSTRACT

For many applications, drones are required to operate entirely or partially autonomously. To fly completely or partially on their own, drones need access to location services to get navigation commands. While using the Global Positioning System (GPS) is an obvious choice, GPS is not always available, can be spoofed or jammed, and is highly error-prone for indoor and underground environments. The ranging method using beacons is one of the popular methods for localization, specially for indoor environments. In general, localization error in this class is due to two factors: the ranging error and the error induced by the relative geometry between the beacons and the target object to localize. This paper proposes OPTILOD (Optimal Beacon Placement for High-Accuracy Indoor Localization of Drones), an optimization algorithm for the optimal placement of beacons deployed in three-dimensional indoor environments. OPTILOD leverages advances in Evolutionary Algorithms to compute the minimum number of beacons and their optimal placement to minimize the localization error. These problems belong to the Mixed Integer Programming (MIP) class and are both considered NP-Hard. Despite that, OPTILOD can provide multiple optimal beacon configurations that minimize the localization error and the number of deployed beacons concurrently and time efficiently.

연구 동기 및 목표

• GPS가 사용 불가능한 환경에서 정확한 실내 드론 위치 추적 문제를 해결하기 위해.
• 3차원 실내 공간에서 전체 4연결성 커버리지 확보를 위해 필요한 최소한의 베이컨 수를 최소화하기 위해.
• 드론와의 베이컨 간 기하학적 구성이 비최적일 경우 발생하는 위치 추적 오차를 줄이기 위해.
• 최소 베이컨 수와 최적의 위치 배치 문제라는 두 가지 NP-완전 혼합정수계획문제를 해결할 수 있는 실용적인 해법을 개발하기 위해.
• 장애물과 신호 차단이 존재하는 복잡한 실내 환경에서도 비용 효율적이고 고정밀 드론 항법을 가능하게 하기 위해.

제안 방법

• OPTILOD는 이중목표 최적화 문제를 해결하기 위해 진화 알고리즘을 사용합니다: 베이컨 수 최소화와 GDOP 최소화.
• 실내 환경을 장애물과 신호 차단을 고려한 추가 벽으로 간주하여 분할된 3차원 공간으로 모델링합니다.
• 알고리즘은 비행 영역 내 모든 점이 적어도 네 대의 베이컨과 시야 연결을 확보하도록 보장합니다.
• 이중 단계 프로세스를 적용합니다: 첫 번째로 기하학적 제약 조건을 이용해 최소 베이컨 수의 이론적 하한선을 계산합니다.
• 두 번째로 진화적 탐색을 통해 전체 커버리지를 확보하면서도 사용자가 정의한 임계값 이하의 GDOP를 갖는 베이컨 구성(configuration)을 찾습니다.
• GDOP 지표는 기하학적 정밀도 분산도를 수치화하며, 낮은 값일수록 위치 추적 정확도가 높음을 의미합니다.

실험 결과

연구 질문

• RQ1 어떤 3차원 실내 환경이라도 4연결성 커버리지가 보장되도록 하기 위해 필요한 최소한의 베이컨 수는 얼마인가요?
• RQ2 베이컨의 위치를 어떻게 최적화하면 기하학적 정밀도 분산도(GDOP)를 최소화하고 위치 추적 오차를 줄일 수 있나요?
• RQ3 진화 알고리즘이 3차원 실내 공간에서 베이컨 수 최소화와 GDOP 최소화 문제를 함께 효율적으로 해결할 수 있나요?
• RQ4 계산된 베이컨 구성은 이론적 최소 베이컨 수에 얼마나 가까이 도달할 수 있으며, 同시에 낮은 GDOP를 유지할 수 있나요?
• RQ5 신호 차단, 다중 경로, 비선형 시야 조건과 같은 실제 환경 제약 조건 하에서 알고리즘의 성능은 어떠한가요?

주요 결과

• OPTILOD는 다양한 실내 환경에서 전체 4연결성 커버리지 확보를 위해 이론적 최소값과 동일하거나 최대 한 베이컨 이내의 베이컨 수를 일관되게 확보합니다.
• 5m × 5m × 4m 크기의 방에서 OPTILOD는 GDOP_avg가 '충분함' 수준인 17개의 베이컨 구성과 GDOP_avg가 '좋음' 수준인 18개의 베이컨 구성 모두를 발견하였으며, 평균 GDOP를 약 80% 감소시켰습니다.
• 장애물이 있는 복잡한 레이아웃 환경에서도 알고리즘이 장애물을 추가 벽으로 간주하고 커버리지를 적절히 조정함으로써 효과적으로 대응합니다.
• 모든 시험 환경—오피스, 회의실, 대규모 복도—에서 OPTILOD는 이론적 최소 베이컨 수에 매우 가까운 해답을 도출하였고, 낮은 GDOP 값을 달성하였습니다.
• 이중목표 최적화 문제의 경우, NP-완전 문제임에도 불구하고 알고리즘이 합리적인 시간 내에 고품질의 해답을 생성할 수 있음을 입증하였습니다.
• 결과적으로, 단 한 개의 베이컨 추가로도 위치 추적 정확도가 상당히 향상됨을 확인하였으며, 이는 GDOP가 '충분함'에서 '좋음' 수준으로 떨어지는 것으로 확인되었습니다.