Due to the nature of Unmanned Aerial Vehicles (UAVs) that operate automatically or semi-automatically, there is a possibility of emergency situations in which the landing zone cannot be reached during the mission. Since it is important to quickly find Safe Landing Zones (SLZ) by analyzing the terrain of the ground, in this paper, a system to detect the SLZs using RANSAC plane fitting algorithm and several constraints is presented. Also, the relative state of SLZs and UAV is modeled as Random Finite Set, in order to estimate the uncertainty associated with the states of UAVs as well as the number and state parameters of SLZs using a Gaussian Mixture Probability Hypothesis Density (GM-PHD) filter. In addition, this paper classifies surveillance regions that change in response to sensor movement and presents a method for predicting birth target intensity using measurements and sensor movement. Furthermore, a state estimator based on the Interacting Multiple Model (IMM) filter and a stochastic phase update method are proposed to account for the camera model’s uncertainties. The proposed systems are validated via a comparative evaluation using benchmark models in the ROS/GAZEBO simulation environment.
자율/반자율로 운용되는 드론의 특성상 임무를 수행하는 중에 착륙지점에 도달할 수 없는 상황이 발생할 수 있고, 이러한 상황을 대비해서 신속하게 지형지물을 분석하여 안전하게 착륙할 수 있는 지점을 찾는 시스템은 필수적이다. 이에 본 논문에서는 랜색 알고리즘과 여러 제약조건을 이용하여 안전하게 착륙할 수 있는 지점을 찾는 기법을 제안한다. 또한, 여러 이미지에서 검출된 안전착륙지점과 기체의 상태를 임의 유한 집합으로 모델링하고 GM-PHD 필터를 통해 각 안전착륙지점의 수와 상태에 대한 추정을 수행하고, 추가적으로 센서가 움직이며 바뀌는 관측대상 지역을 고려하여 새로운 착륙지점이 검출될 확률을 예측하는 기법을 제안한다. 이와 더불어, 비행 중 변화할 수 있는 카메라 모델의 불확실성을 IMM-UKF 모델을 통해 추정하고 비행 페이즈를 확률적으로 추정할 수 있는 시스템을 제안한다. 제안된 시스템은 ROS/GAZEBO 시뮬레이션 환경에서 벤치마크 모델과의 비교검증을 통해 성능을 확인하였다.
