[논문 리뷰] A DVL Aided Loosely Coupled Inertial Navigation Strategy for AUVs with Attitude Error Modeling and Variance Propagation

Jin Huang, Zichen Liu외 3명|arXiv (Cornell University)|2026. 01. 27.

Inertial Sensor and Navigation인용 수 0

한 줄 요약

논문은 자세 오차 인식 DVL 속도 변환 및 공분산 기반 분산 전파를 도입하여 AUV의 SINS/DVL 느슨한 결합 내비게이션 성능을 향상시키고, 시뮬레이션과 현장 테스트에서 장기 정확도 향상을 보여준다.

ABSTRACT

In underwater navigation systems, strap-down inertial navigation system/Doppler velocity log (SINS/DVL)-based loosely coupled architectures are widely adopted. Conventional approaches project DVL velocities from the body coordinate system to the navigation coordinate system using SINS-derived attitude; however, accumulated attitude estimation errors introduce biases into velocity projection and degrade navigation performance during long-term operation. To address this issue, two complementary improvements are introduced. First, a vehicle attitude error-aware DVL velocity transformation model is formulated by incorporating attitude error terms into the observation equation to reduce projection-induced velocity bias. Second, a covariance matrix-based variance propagation method is developed to transform DVL measurement uncertainty across coordinate systems, introducing an expectation-based attitude error compensation term to achieve statistically consistent noise modeling. Simulation and field experiment results demonstrate that both improvements individually enhance navigation accuracy and confirm that accumulated attitude errors affect both projected velocity measurements and their associated uncertainty. When jointly applied, long-term error divergence is effectively suppressed. Field experimental results show that the proposed approach achieves a 78.3% improvement in 3D position RMSE and a 71.8% reduction in the maximum component-wise position error compared with the baseline IMU+DVL method, providing a robust solution for improving long-term SINS/DVL navigation performance.

연구 동기 및 목표

• 강성한 장기 수중 내비게이션에 대한 필요성 제시: 자세 추정 drift가 속도 투영에 미치는 영향.
• SINS/DVL 느슨한 결합 시스템을 위한 자세 오차 인식 DVL 속도 변환 모델 제안.
• 프레임 간 통계적으로 일관된 잡음 매핑을 보장하기 위한 공분산 행렬 기반 분산 전파 방법 개발.
• 시뮬레이션 및 현장 실험으로 제안 방법 검증.
• 기준 IMU+DVL 솔루션 대비 장기 내비게이션 정확도 및 강인성 향상 입증

제안 방법

• 투시 투영으로 인한 속도 바이어스를 줄이기 위해 차량 자세 오차 인식 DVL 속도 변환 모델 수립.
• DVL 속도 투영에 자세 오차 항을 명시적으로 포함하는 관측 방정식 도출.
• 프레임 간 DVL 측정 불확실성을 변환하기 위해 공분산 행렬을 중간 매개로 사용하는 공분산 전파 접근법 개발.
• 일관된 잡음 모델링을 달성하기 위한 기대값 기반의 자세 오차 보상항 도입.
• 두 가지 방법: 자세 오차 기반 내비게이션(AE) 및 공분산 기반 분산 전파(CP), 그리고 결합 AE+CP 접근법 제공.
• 기준 IMU+DVL과 비교하는 시뮬레이션 및 현장 실험을 통해 방법 검증

실험 결과

연구 질문

• RQ1 SINS/DVL 느슨한 결합 내비게이션에서 차량 자세 오차가 DVL 속도 투영에 어떤 영향을 미치는가?
• RQ2 자세 오차 인식 속도 변환이 투영 바이어스를 줄이고 장기 내비게이션 정확도를 향상시킬 수 있는가?
• RQ3 자세 오차가 존재할 때 좌표계 간 DVL 측정 불확실성을 일관되게 전파하는 방법은 무엇인가?
• RQ4 AE 및 CP 방법이 개별적으로뿐만 아니라 공동으로 장기간 작동 시 위치, 속도, 자세 추정치를 개선하는가?

주요 결과

Method	Pos RMSE (m)	Pos Max (m)	Vel RMSE (m/s)	Vel Max (m/s)	Att RMSE (deg)	Att Max (deg)
IMU+DVL	28.35	49.44	0.039	0.11	0.67	1.70
IMU+DVL (AE)	8.14	16.85	0.032	0.075	0.50	0.79
IMU+DVL (CP)	9.27	14.83	0.017	0.070	0.23	0.31
IMU+DVL (AE+CP)	7.86	12.46	0.017	0.072	0.26	0.30

• Baseline IMU+DVL은 큰 위치 오차 및 변동성을 보인다.
• 자세 오차(AE)만으로도 위치 RMSE를 28.35 m에서 8.14 m로, 최대 오차를 49.44 m에서 16.85 m로 감소시킨다.
• 공분산 전파(CP)는 위치 RMSE를 9.27 m로, 최대 오차를 14.83 m로 감소시킨다.
• AE+CP는 위치 RMSE 7.86 m, 최대 12.46 m로 최상의 결과를 제공하고 속도 및 자세 지표도 개선한다.
• 속도 RMSE 오차가 IMU+DVL의 0.039 m/s에서 CP 및 AE+CP의 0.017 m/s로 감소하고, AE+CP의 자세 RMSE가 0.26°로 감소한다.
• 현장 실험은 시뮬레이션 결과를 확인하며 AE+CP 구성에서 가장 낮은 RMSE 및 최대 위치 오차를 나타낸다.