Vision-based navigation has emerged as a crucial research area due to the vulnerabilities of the global navigation satellite systems(GNSS). In navigation, dealing with the effect of the variations in lighting, weather, and moving object is important issue. While deep learning techniques have enabled the use of high-level features for navigation, errors such as false positives and false negatives in the visual detector pose significant challenges. This paper presents a novel method for matching images captured by aerial vehicles with images in a database using Gaussian mixture models(GMMs). The features are approximated with GMMs, which can capture the uncertainties and multi-modal nature of the feature distributions. Additionally, we propose a similarity measure based on a data association method to mitigate errors caused by the visual detector. Particle filtering is used to guarantee the accuracy and robustness of vision-based navigation due to severe non-linearity of the measurement model. Numerical simulations show that our proposed method significantly improves the accuracy and robustness of vision-based navigation in challenging environments.
영상 기반 항법은 위성 항법 시스템(GNSS)의 취약성으로 인해 GNSS/INS 통합 항법 시스템의 보조 항법으로 많은 관심을 받고 있다. 영상 기반 항법에는 조명, 날씨, 움직이는 물체의 변화에도 성공적으로 두 영상을 정합해야 한다. 최근 딥러닝 기술을 통해 영상 내 의미론적 특징을 추출할 수 있게 되었지만, 거짓 양성, 거짓 음성과 같은 특징 감지기의 오차로 해당 특징을 직접적으로 활용하는 것은 어려움이 있다. 본 논문에서는 가우시안 혼합 모델을 사용하여 항공기에서 촬영된 영상과 데이터베이스 영상을 대조하는 방법을 제시한다. 가우시안 혼합 모델은 추출된 특징 분포의 불확실성과 다중 모달 특성을 포착할 수 있다는 장점이 있다. 또한 영상 측정치의 오차를 완화하기 위해 데이터 할당 방법을 기반으로 두 가우시안 혼합 모델 간 유사도 측정 방법을 제안한다. 파티클 필터는 비선형성이 심한 측정치 모델에서도 영상 기반 항법의의 정확도와 견고성을 확보하기 위해 적용된다. 마지막으로, 측정치 오차가 존재하는 상황에서의 수치 시뮬레이션을 통해 항법 정확도 및 견고성 측면에서 제안한 방법의 우수성을 보여준다.
