동적 물체에 의한 GNSS NLOS 차단: 실시간 3D 포인트 클라우드 기반 무지도 접근법

초록

본 연구는 홍콩의 복잡한 도심 환경에서 이층 버스와 같은 고정밀 이동 물체가 GNSS 신호를 차단(NLOS)하는 현상을 실시간 3D 포인트 클라우드를 이용해 탐지하고, 차단된 위성을 자동으로 제외함으로써 위치 정확도를 향상시키는 방법을 제안한다. Euclidean 클러스터링과 객체 분류를 통해 버스의 위치·방향을 추정하고, 고도, SNR, HDOP을 고려한 NLOS 제외 기준을 적용한 뒤 가중 최소제곱(WLS)으로 최종 위치를 계산한다. 정적 실험 결과, 제안 기법이 기존 GNSS 단독 이용 대비 수십 센티미터 수준의 오차 감소를 확인하였다.

상세 분석

이 논문은 기존 3D 지도 기반 GNSS 보정(3DMA) 기술이 정적인 건물에 의한 NLOS와 멀티패스 효과는 효과적으로 완화하지만, 이동 물체—특히 이층 버스와 같은 고도가 큰 차량—에 의한 동적 차단을 모델링하지 못한다는 한계를 정확히 짚어낸다. 저자는 이를 해결하기 위해 실시간 라이다(LiDAR) 혹은 스테레오 카메라 등으로부터 생성되는 3D 포인트 클라우드를 활용한다. 핵심 알고리즘은 두 단계로 구성된다. 첫 번째는 Euclidean 클러스터링을 이용해 포인트 클라우드 내에서 연속적인 점들을 군집화하고, 각 군집의 형태와 크기를 기반으로 이층 버스를 식별한다. 여기서 사용된 클러스터링 파라미터(거리 임계값, 최소/최대 포인트 수)는 실험적으로 최적화되어, 버스와 같은 대형 물체와 보행자·자전거 등 소형 물체를 명확히 구분한다. 두 번째 단계는 식별된 버스 군집의 중심 좌표와 주축 방향을 추정해, GNSS 수신기(차량)의 좌표계와 상대적인 위치·방향을 계산한다. 이때 차량의 자세(요잉, 피치, 요) 정보를 이용해 버스 표면이 위성 신호와 수신기 사이에 실제로 가려지는지를 기하학적으로 판단한다.

NLOS 제외 기준은 세 가지 요소를 종합한다. 첫째, 위성의 고도각이 낮을수록 차단 가능성이 높아지므로, 버스와 수신기 사이에 차단 구역이 형성되는 고도각 임계값을 설정한다. 둘째, 수신된 신호의 SNR이 급격히 감소하면 차단 또는 강한 멀티패스가 의심되므로, 실시간 SNR 변동을 모니터링한다. 셋째, HDOP 값이 급격히 상승하면 위성 배열이 불균형해졌음을 의미하므로, HDOP 상승 폭을 NLOS 판단에 활용한다. 이 세 기준을 논리곱(AND) 형태로 결합해, 차단이 확실히 의심되는 위성만을 리스트에서 제외한다.

제외된 위성 집합을 기반으로 가중 최소제곱(WLS) 방법을 적용한다. 여기서 가중치는 각 위성의 SNR과 고도각에 비례하도록 설계되어, 남은 위성들의 품질을 최대한 활용한다. 실험은 홍콩의 이층 버스 정류장 인근에서 정적 차량을 두고 수행했으며, 기준선으로는 기존 GNSS 단독, 그리고 3DMA(정적 건물 지도 사용) 두 가지를 비교했다. 결과는 제안 방법이 평균 위치 오차를 약 0.45 m에서 0.12 m 수준으로 감소시켰으며, 특히 저고도 위성 3~4개가 차단될 때도 안정적인 위치 추정이 가능함을 보여준다.

이 연구는 실시간 포인트 클라우드와 기하학적 NLOS 판단을 결합함으로써, 사전 구축된 3D 지도 없이도 동적 차단을 효과적으로 탐지·제외할 수 있음을 증명한다. 향후 차량에 장착된 라이다와 GNSS 수신기의 동시 활용을 통해, 복잡한 도시 교통 상황에서도 지속적인 고정밀 위치 서비스를 제공할 수 있을 것으로 기대된다. 다만, 라이다 센서의 시야 제한, 악천후 시 포인트 클라우드 품질 저하, 그리고 고속 주행 시 클러스터링 연산 지연 등의 실용적 과제가 남아 있다. 이러한 한계를 극복하기 위한 경량화 알고리즘 및 멀티센서 융합 연구가 향후 과제로 제시된다.