[논문 리뷰] Improving Localization Accuracy in Connected Vehicle Networks Using Rao-Blackwellized Particle Filters: Theory, Simulations, and Experiments

Macheng Shen, Ding Zhao외 2명|arXiv (Cornell University)|2017. 02. 19.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 17인용 수 6

한 줄 요약

이 논문은 저비용 GNSS 수신기만을 사용하여 연결된 차량 네트워크에서 차선 수준의 정밀 위치 측정 정확도를 향상시키기 위해 레오-블랙웰라이즈드 파티클 필터(RBPF)를 제안한다. 지ap 매칭을 통해 공통된 오차를 동시에 추정함으로써, 개방된 하늘 조건에서 위치 측정 오차를 1미터 이하로 줄이며, 자가 위치 측정 및 이전의 협업 지도 매칭 방법보다 뛰어나면서도 신호 차단에 대해 저항력이 있다.

ABSTRACT

A crucial function for automated vehicle technologies is accurate localization. Lane-level accuracy is not readily available from low-cost Global Navigation Satellite System (GNSS) receivers because of factors such as multipath error and atmospheric bias. Approaches such as Differential GNSS can improve localization accuracy, but usually require investment in expensive base stations. Connected vehicle technologies provide an alternative approach to improving the localization accuracy. It will be shown in this paper that localization accuracy can be enhanced using crude GNSS measurements from a group of connected vehicles, by matching their locations to a digital map. A Rao-Blackwellized particle filter (RBPF) is used to jointly estimate the common biases of the pseudo-ranges and the vehicle positions. Multipath biases, which introduce receiver-specific (non-common) error, are mitigated by a multi-hypothesis detection-rejection approach. The temporal correlation of the estimations is exploited through the prediction-update process. The proposed approach is compared to existing methods using both simulations and experimental results. It was found that the proposed algorithm can eliminate the common biases and reduce the localization error to below 1 meter under open sky conditions.

연구 동기 및 목표

• 이온층 지연 및 위성 시계 오차와 같은 공통 오차로 인해 저비용 GNSS 수신기에서 차선 수준의 정밀 위치 측정 정확도가 떨어지는 문제를 해결하기 위해.
• 전용 기지국이나 고비용 인프라가 필요 없는 DGPS 및 RTK의 저비용 대안을 개발하기 위해.
• 저비용 GNSS 측정치와 디지털 지도 제약 조건만을 사용하여 연결된 차량 간 협업 위치 측정을 통해 정밀 위치 측정 정확도를 향상시키기 위해.
• 공통 오차와 비공통 오차(예: 다중 경로, 수신기 노이즈)를 동시에 억제하기 위한 강건한 추정 프레임워크를 통해 오차를 감소시키기 위해.
• 실제 실험을 통해 다양한 신호 조건에서 자동차 등급 GNSS 수신기를 사용하여 방법을 검증하기 위해.

제안 방법

• 시간에 따른 상관관계를 활용하여 차량 위치와 공통된 가짜 거리 오차를 동시에 추정하기 위해 레오-블랙웰라이즈드 파티클 필터(RBPF)를 사용한다.
• 알고리즘은 공통 오차를 시간에 따라 변화하는 파rameter로 모델링하고, 파티클 필터링과 레오-블랙웰라이제이션을 통해 차량 상태와 함께 추정하여 분산을 감소시킨다.
• 지도 매칭을 적용하여 차량 경로를 알려진 도로 기하학에 제약을 두어 위치 추정 정확도를 향상시킨다.
• 비공통적인 수신기 고유의 다중 경로 오차를 제거하기 위해 다중 가설 탐지-거부 방법을 사용한다.
• RBPF의 예측-업데이트 사이클은 시간 동적 특성을 활용하여 이전 방법 대비 추정 공분산을 최소 두 배수 이상 감소시킨다.
• 실험 데이터에서 수신기 노이즈 공분산을 추정하고, 다중 경로 유도 오차를 처리하기 위해 적응형 공분산 접근법을 적용한다.

실험 결과

연구 질문

• RQ1 연결된 차량에서 저비용 GNSS 수신기만을 사용하여 협업 지도 매칭을 수행할 때, 인프라 없이 1미터 이내의 정밀 위치 측정 정확도를 달성할 수 있는가?
• RQ2 레오-블랙웰라이즈드 파티클 필터는 다수의 차량 간 가짜 거리 측정치의 공통 오차를 얼마나 효과적으로 추정하고 억제할 수 있는가?
• RQ3 제안된 방법은 자가 위치 측정 및 정적 협업 지도 매칭 대비 정밀 위치 측정 오차를 얼마나 줄이는가?
• RQ4 신호 차단 및 위성 가용성 감소에 대해 이 방법은 얼마나 강건한가?
• RQ5 알고리즘이 다중 경로 및 수신기 노이즈와 같은 비공통 오차를 효과적으로 억제하면서도 정밀도를 유지할 수 있는가?

주요 결과

• 제안된 RBPF 방법은 개방된 하늘 조건에서 위치 측정 오차를 1미터 이하로 줄이며, 자가 위치 측정 및 정적 협업 지도 매칭 방법보다 뚜렷이 뛰어나다.
• 시간적 상관관계를 효과적으로 활용함으로써 RBPF의 추정 공분산은 이전에 제안된 알고리즘 대비 최소 두 배수 이상 감소하였다.
• 천천히 변화하는 공통 위치 측정 오차는 거의 완전히 제거되었으며, 자가 위치 측정 및 이전의 CMM 접근법보다 더 높은 정밀도를 달성하였다.
• 신호 차단 상황에서도 RBPF는 강건성을 유지한다: 두 개의 위성이 손실되더라도(HDOP 2.79에서 10.71로 증가), 비편향에 가까운 위치 측정을 유지한다. 반면 정적 방법은 편향된 결과를 추적한다.
• 비공통 오차 중 저주파 성분인 수신기 노이즈는 세 가지 방법(자가 위치 측정, 정적 CMM, RBPF) 모두에서 완전히 제거되지 않아, GNSS 전용 접근법의 근본적인 한계를 시사한다.
• u-blox EVK-6T 수신기를 사용한 실험 결과, 개방된 하늘 조건에서 위치 측정 오차가 2미터 이내로 유지됨을 확인하여 시뮬레이션 결과를 검증하였다.