Autonomous vehicles require high positional accuracy, making reliable integrity assurance essential. This paper proposes an integrity assurance methodology for LiDAR-based navigation, FastSLAM. Major faults are categorized into nominal integrity threats, data association faults, and particle distribution faults, with tailored mitigation strategies designed for each. PAC Bayesian theory is applied to evaluate nominal integrity threats, data association faults are detected through innovation-based monitoring, and particle distribution faults are addressed using resampling and roughening techniques. Results from 2D simulations demonstrate that the proposed methodology outperforms the conventional Extended Kalman Filter-based SLAM (EKF SLAM) in terms of integrity performance and effectively mitigates faults under challenging scenarios.
자율주행차는 높은 위치 정확도를 요구하며, 이를 위한 신뢰성 있는 무결성 보장이 필수적이다. 본 논문은 라이더 (LiDAR) 기반 항법인 패스트 슬램 (FastSLAM)의 무결성 보장 방법론을 제안한다. 주요 고장을 정상 상태 무결성 위협, 데이터 연계 고장, 파티클 분포 고장으로 분류하고 각각의 대응 방안을 설계하였다. 피에이씨 (PAC) 베이지안 이론을 활용해 정상 상태에서의 무결성 위협을 평가하고, 데이터 연계 고장은 이노베이션 기반 모니터링으로 검출하며, 파티클 분포 고장은 리샘플링과 거침화 기법으로 해결하였다. 2차원 시뮬레이션 결과, 제안된 방법론은 기존 확장 칼만필터 기반 슬램 (EKF SLAM) 대비 우수한 무결성 성능을 보였으며, 고장 상황에서도 효과적으로 대응 가능함을 확인하였다.
