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

국문 초록 (Abstract)

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.

다국어 초록 (Multilingual Abstract)

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.

목차 (Table of Contents)

• 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