A vision-aided terrain referenced navigation (VATRN) approach is addressed for autonomous navigation of small unmanned aerial vehicles (UAVs) without GPS. A typical terrain referenced navigation (TRN) algorithm blends inertial navigation data with measured terrain information, then matches the data with the stored digital terrain elevation database (DTED) to estimate vehicle’s position. The accuracy and the quality of a TRN system rely on the performance of the inertial navigation system (INS). That is, low-cost UAVs that are not equipped with a high quality INS cannot obtain accurate estimation. For this reason, we supplement a low-cost INS with a vision system using a monocular camera. A point-mass filter based on Bayesian estimation is employed as a TRN algorithm. The point-mass filter is a quantized version of Bayesian filter and is applicable to nonlinear and non-Gaussian problems such as terrain referenced navigation. Moreover the point-mass filter is known as a robust algorithm against various terrain profiles and large initial errors. Homograpies are established to estimate the vehicle’s relative translational motion using ground features with simple assumptions. The feature points on the ground are detected and tracked by image processing algorithm and the outliers are eliminated using random sample consensus (RANSAC). Using singular value decomposition (SVD) of the constructed Homography matrix, the relative translation is calculated. The error analysis in homography estimation is explored to estimate the error covariance matrix associated with the visual odometry data. The error covariance property is changed by the altitude of a vehicle and attitude errors. The estimated error covariance is delivered to the TRN algorithm for robust estimation. Furthermore, multiple ground features tracked by image observations are utilized as multiple height measurements to improve the performance of the VATRN algorithm. This represents that the observability of terrain measurement is increased by the multiple height information. Numerical simulations are constructed and the performance of the proposed VATRN is analyzed.
본 논문에서는 GPS가 단절된 상황에서의 무인항공기 영상기반 지형참조항법 알고리듬에 대해서 연구한다. 일반적인 지형참조항법 알고리듬은 관성항법장치와 지형 정보를 결합하고 저장된 지형 데이터베이스와 비교함으로써 무인항공기의 위치를 추정하게 된다. 이때 지형참조항법의 정확도가 관성항법장치의 정보 신뢰도 및 성능에 영향을 받게 된다. 따라서 고가의 정밀 관성항법시스템을 탑재할 수 없는 소형 무인항공기의 경우 지형참조항법 알고리듬의 성능 저하를 초래하게 된다. 이와 같은 이유로 우리는 본 연구에서 관성항법시스템의 역할을 단일카메라 영상시스템으로 보완 및 대체한다. 지형참조항법의 경우 베이지안 추정기법에 근간한 point-mass filter를 적용한다. Point-mass filter는 베이지안 필터의 근사화된 일종으로 지형참조항법과 같은 비선형 및 non-Gaussian문제에 적용이 가능하다. 또한 다양한 지형 험준도와 초기위치오차에도 강인한 성능을 보이는 것으로 알려져 있다. 영상을 이용한 항체의 상대 이동거리를 추정하기 위하여 Homography기법이 적용되었다. 지상으로부터 인식된 특징점을 계속적으로 추적하면서 Homography 매트릭스를 구성하고 이로부터 singular value decomposition (SVD) 등을 이용하여 무인항공기의 이동 정보를 추출해 낸다. 이동 정보를 추출하는 과정중에 오차가 포함되어 있으며 이 오차가 어떻게 전파되는지 분석함으로써 영상기반의 항법 정보 오차 공분산을 추정할 수 있다. 추정된 오차 공분산은 지형참조항법 알고리듬에 인가되어 강인한 항법해를 도출하게 된다. 뿐만 아니라 영상을 통해 인식된 다수의 특징점으로부터 그 고도를 추정하게 될 경우 이를 이용하여 다중 고도 측정치로 활용할 수 있다. 즉 지형 고도 측정치의 가관측성이 좋아지게 되며 그 결과 본 논문에서 제안한 영상기반 지형참조항법 알고리듬의 성능 향상을 유도할 수 있다. 최종적으로 수치시뮬레이션을 구성하여 그 성능을 비교 분석 하였다.
