Robots are utilized to carry out tasks in environments that are difficult for humans to deploy, such as exploration in unknown areas and rescue in dangerous areas. There are many attempts to apply drones to various tasks such as exploration in unknown areas or transportation to rough areas because of their high degree of freedom. However, if only one drone is operated, various difficulties arise, such as the maximum payload of the robot and the limitation of the tasks that can be performed. In an effort to solve the problems presented above, research on operating cluster drones is actively underway. It is essential to estimate the relative position between drones in order to construct certain formations or to perform tasks cooperatively. Several studies using loop closure, image-based detection, and ultrawideband(UWB) sensors are proposed. However, studies that use loop closure or image-based detection require high-cost and heavy-weight sensor sets such as camera sensors or LiDAR sensors. For studies that use UWB sensors, there is a demerit of data error because of non-line-of-sight (NLOS) conditions. Therefore, a novel deep learning-based UWB range estimation for multi-unmanned aerial vehicle(multi-UAV) relative position estimation and adaptive correction on NLOS situation is proposed in this paper. UWb range data the probability of NLOS condition are estimated using a deep learning-based approach. These estimated range data and probability are used to correct the range data on NLOS condition. The comparison with other state-of-the-art algorithms that perform NLOS identification and error correction is performed to show the superiority and robustness of the proposed method using real-world custom data sets.
미지 지역의 탐사, 위험 지역에서의 구조와 같은 인간이 투입하기 어려운 환경에서의 임무 수행을 위해 로봇을 이용하는 경우가 많다. 그 중에서도 드론은 높은 자유도 덕분에 운용 지형에 제약이 적어 미지 지역 탐사나, 험지로의 운송 등 다양한 임무 수행에 적용하려는 시도가 많다. 하지만 한 대의 드론만을 운용할 경우 로봇의 최대 탑재 중량, 수행 가능 업무의 제한 등 여러 어려움이 발생한다. 앞서 제시한 문제를 해결하기 위한 노력으로 군집 드론을 운용하는 연구가 활발하게 진행 중이다. 군집 드론을 운용하면서 드론의 대형을 유지하거나, 공통된 업무를 수행하기 위해 드론 간 상대 위치 인식이 필수적이다. 군집 드론의 상대 위치를 추정하기 위해서 루프 폐쇄, 이미지 상 상대 드론 탐지, 그리고 초광대역 센서를 이용한 방법 등 여러 연구가 진행 중이다. 하지만, 루프 폐쇄나 상대 드론 탐지 기술의 경우, 카메라, 라이다 센서와 같은 고비용, 고중량의 센서가 필요하고, 초광대역 거리 센서를 이용한 경우 비가시 상황에 취약하다는 단점이 있다. 따라서, 본 연구는 심층 학습 기반 초광대역 거리 센서 정보 예측 및 비가시 상황에서의 적응형 보정 기술을 제안한다. 심층 학습을 기반으로 초광대역 거리 센서 정보를 예측하고, 비가시 상황의 발생을 확률적으로 판단한다. 또한, 비가시 상황 발생 확률을 이용하여 적응형 거리 정보 보정을 수행한다. 본 연구의 우수성을 입증하기 위해 실제 환경에서 취득한 데이터를 이용해 비가시 상황을 판단하고 거리 센서 정보 보정을 수행하는 다른 연구들과 비교 분석을 수행한다. 실제 데이터를 이용한 비교를 통해 제안한 기술의 실제 환경 적용 가능성도 제시한다.
