LSTM 기반 이동 장애물 상대 속도 및 경로 예측을 통한 무인항공기 충돌회피기법 연구 :Collision Avoidance Technique of UAV using the Relative Velocity and Trajectory Estimation of Moving Obstacles based on LSTM

김혜지

추천

검색

자료유형: 학위논문

저자정보: 김혜지 (한서대학교, 한서대학교 일반대학원)

지도교수: 이동진

발행연도: 2020

저작권: 한서대학교 논문은 저작권에 의해 보호받습니다.

이용수29

이 논문의 연구 히스토리 (3)

2024

무인항공기용 직선 궤적 기반 지상 장애물 충돌 회피 경로 생성 알고리즘

김혜지 , 김형석 , 강혁 외 3명 한국항공우주학회 학술발표회 초록집 2024.04 학술대회자료

2020

LSTM 기반 이동 장애물 상대 속도 및 경로 예측을 통한 무인항공기 충돌회피기법 연구

김혜지 항공시스템공학과 2020.01 학위논문

2018

충돌회피 알고리즘 적용을 위한 다중센서 기반 무인항공기 시스템 설계

김혜지 , 강우성 , 이주영 외 2명 한국항공우주학회 학술발표회 초록집 2018.11 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 논문에서는 충돌 인식 및 회피 성능을 향상시키기 위해 LSTM 기반 이동 장애물 상대 속도 및 경로 예측을 적용한 충돌 회피 알고리즘을 제안한다. 본 논문에서 제안하는 충돌 회피 알고리즘은 물체 탐지 및 위치 추정을 수행한 후, 충돌 인식 및 회피하는 개념을 적용하여 안전한 회피를 수행하는 것을 목표로 한다.
물체 탐지를 위한 탐지 센서로 사전 정보를 알 수 없는 물체에 대한 탐지가 가능하도록 비협업센서를 사용하였다, 무인항공기에 탑재가 용이하고 2차원의 픽셀 정보로부터 물체에 대한 식별이 가능한 영상 센서와 무인항공기에 탑재가 가능하며 주변 물체에 대한 거리 및 방향을 측정할 수 있는 LiDAR를 선정하였다. 영상 센서를 활용한 물체 탐지에는 YOLOv2를 활용하여 환경 요인 변화에 따른 탐지 성능을 방지하였으며, LiDAR에서 탐지한 물체의 거리 및 방향을 영상 센서를 활용한 탐지 결과와 융합하여 탐지 물체의 위치를 추정하였다.
기존의 충돌 인식 및 회피 알고리즘은 물체의 현재 속도 또는 가속도를 이용하여 경로를 예측한 후 충돌 인식 및 회피를 수행한다. 해당 알고리즘은 속도 또는 가속도의 변화가 큰 물체에 대한 경로 예측 오차가 증가하게 되며, 이로 인해 충돌 인식 및 회피 성능이 저하된다. 이를 보완하기 위하여 본 연구에서는 시간에 따른 물체의 속도 및 위치를 예측할 수 있는 LSTM을 충돌 인식 및 회피 알고리즘에 적용하고자 한다. LSTM을 활용하여 물체의 속도 및 위치를 예측하기 위해 시간에 따른 물체의 속도 및 위치에 대한 시계열 데이터를 생성하였다. 생성한 시계열 데이터를 LSTM에 대입하여 학습을 수행하였으며, 학습 결과 정상적으로 물체의 속도 및 위치가 예측되는 것을 확인하였다. 기존의 알고리즘과 LSTM을 적용한 알고리즘의 성능을 비교 및 분석하기 위하여 시뮬레이션을 수행하였다. 시뮬레이션 수행 결과, 속도가 실시간으로 변화하는 물체에 대하여 기존의 알고리즘보다 LSTM을 적용한 알고리즘의 충돌 인식 및 회피 성능이 높은 것을 확인함으로써 본 논문에서 제안하는 알고리즘의 성능을 검증하였다.

In this paper, we propose a collision avoidance algorithm of UAV using the relative velocity and trajectory estimation of moving obstacles based on LSTM to improve collision recognition and avoidance performance. The collision avoidance algorithm proposed in this paper aims to perform safe avoidance by applying the concept of collision recognition and avoidance after performing object detection and position estimation.
We used non-cooperative sensor to detect an object whose prior information is unknown. We selected an image sensor that can be easily mounted on UAV and can identify objects from two-dimensional pixel information. Also we selected a LiDAR that can be mounted on UAV and can measure distances and directions of surrounding objects. We use YOLOv2 for object detection using image sensor to prevent detection performance degradation according to environmental factors. To estimate the position of the detected object, we combined with the distance and direction of the object detected by LiDAR, and the detection result using the image sensor.
The existing collision recognition and avoidance algorithm performs collision recognition and avoidance after predicts trajectory using the current velocity or acceleration of the object. This algorithm degrades collision recognition and avoidance performance, because it increases the trajectory prediction error for an object with large of velocity or acceleration changes. To compensate for this, this paper applied LSTM that can predict the velocity and position of objects over time, to collision recognition and avoidance algorithms. In order to predict the velocity and position of the object using LSTM, we generated time series data about the velocity and position of the object over time. We performed LSTM learning by substituting the generated time series data. As a result of the learning, we confirmed that the velocity and position of the object were predicted normally. We performed simulation to compare and analyze the performance of the existing algorithm and the algorithm based on LSTM. As a result of the simulation, we confirmed the collision recognition and avoidance performance of the algorithm based on LSTM is higher than existing algorithm. Through this simulation result, we verified the performance of the algorithm proposed in this paper.

#LSTM(Long Short-Term Memory) #상태 속도 및 경로 예측 #충돌 인식 #충돌 회피

제 1 장 서론 1
1.1 연구배경 1
1.2 연구동향 3
1.3 연구 목적 4
제 2 장 LSTM 기반 물체의 상대 속도 및 경로 예측 5
2.1 융합 알고리즘을 통한 물체 탐지 및 위치 추정 5
2.1.1 영상 센서를 활용한 물체 탐지 5
2.1.2 센서 융합을 통한 물체 위치 추정 7
2.2 LSTM을 활용한 상대 속도 및 경로 예측 8
2.2.1 LSTM(Long Short-Term Memory) 8
2.2.2 LSTM 기반 상대 속도 및 경로 예측 11
제 3 장 충돌 인식 및 회피 알고리즘 19
3.1 CPA를 활용한 충돌 인식 및 회피 19
3.1.1 충돌 인식 알고리즘 19
3.1.2 충돌 회피 알고리즘 26
3.2 LSTM 기반 예측 결과를 적용한 충돌 인식 및 회피 33
3.2.1 충돌 인식 알고리즘 33
3.2.2 충돌 회피 알고리즘 38
제 4 장 시뮬레이션을 통한 알고리즘 검증 43
4.1 충돌 인식 및 회피 시뮬레이션 환경 구성 43
4.2 충돌 인식 및 회피 시뮬레이션 결과 46
제 5 장 결론 48
참고문헌 50
Abstract 53

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)