GNSS·UWB·IMU 융합으로 구현한 실내·실외 연속 보행자 위치추정: EKF·FGO·PF 비교

초록

본 논문은 가슴에 장착한 IMU 기반 보행자 데드 레킹(PDR)을 핵심 동작 모델로 삼고, 야외에서는 GNSS, 실내에서는 UWB를 이용한 절대 위치 업데이트를 결합한 통합 위치추정 프레임워크를 제시한다. 동일한 센서 입력과 건물 폴리곤 기반 지도 제약을 모든 추정기(오류상태 EKF, 슬라이딩 윈도우 팩터 그래프 최적화, 파티클 필터)에 적용해 성능을 공정하게 비교한다. 실험 결과, 실시간 구현 가능성과 전반적인 정확도·연속성 측면에서 오류상태 EKF가 가장 일관된 성능을 보였다.

상세 분석

이 연구는 보행자 위치추정 문제를 ‘센서 융합 + 환경 제약’이라는 두 축으로 접근한다. 첫 번째 축은 GNSS, UWB, IMU‑PDR이라는 세 가지 상보적 센서를 동일한 시간축에 정렬하고, 각 센서의 특성을 고려한 측정 모델을 정의한다. GNSS는 전역 좌표를 제공하지만 도시 협곡에서 다중 경로·신호 차단에 취약하고, UWB는 실내에서 수십 센티미터 수준의 정확도를 제공하지만 라인‑오브‑사이트(NLOS) 편향에 민감하다. IMU‑PDR은 고주파 단계별 보행 변위를 제공해 드리프트를 억제하지만 장기적으로는 누적 오차가 발생한다. 두 번째 축은 OpenStreetMap에서 추출한 건물 폴리곤을 이용한 ‘가능 영역 제약’이다. 모든 건물 내부를 비허용 구역으로 설정하고, UWB 앵커가 설치된 단일 건물만을 허용 영역으로 지정함으로써, GNSS 측정이 물리적으로 불가능한 실내에 나타나는 경우를 자동으로 억제한다. 이 제약은 EKF에서는 불가능한 측정을 거부하거나 가장 가까운 허용 경계로 투영하는 방식으로, FGO에서는 가중치가 큰 페널티 팩터로, PF에서는 입자 가중치를 거의 0에 가깝게 설정하는 방식으로 일관되게 적용된다.

세 가지 추정기의 구현 차이를 상세히 살펴보면, 오류상태 EKF(ESKF)는 PDR을 제어 입력으로 사용하고, GNSS·UWB를 관측 업데이트로 처리한다. 상태벡터는 위치·속도·자세(쿼터니언)이며, 선형화된 상태 전이 행렬과 관측 행렬을 통해 칼만 이득을 계산한다. 계산 복잡도가 O(n) 수준으로 실시간 처리에 유리하고, 오차 공분산이 거의 가우시안이라고 가정할 때 안정적인 수렴을 보인다. 반면 슬라이딩 윈도우 팩터 그래프 최적화(FGO)는 최근 N개의 포즈를 노드로 두고, PDR을 ‘between‑factor’, GNSS·UWB를 ‘absolute‑factor’로 삽입한다. 비선형 최소제곱 문제를 가우스‑뉴턴 혹은 레벤버그‑마르쿠아트 방식으로 해결하며, 최신 관측이 과거 포즈에 역전파되어 일시적인 GNSS 차단이나 UWB 기하학 변화에 강인성을 제공한다. 그러나 윈도우 크기에 따라 메모리·연산량이 증가하고, 실시간 요구사항에 따라 최적화 주기가 제한될 수 있다. 파티클 필터(PF)는 입자 집합으로 후방 분포를 근사한다. PDR에 작은 잡음을 추가해 입자를 예측하고, GNSS·UWB likelihood를 통해 가중치를 업데이트한다. 다중 모달성이나 비가우시안 잡음에 대해 가장 유연하지만, 입자 수(N)가 수천 개 이상이어야 안정적인 추정이 가능하므로 CPU 사용량이 크게 늘어난다. 특히 실시간 ROS2 노드에서 50 Hz PDR 입력을 처리하려면 GPU 가속이나 효율적인 리샘플링 전략이 필요하다.

실험 설계는 야외(GNSS+PDR), 실내(UWB+PDR), 그리고 전이 구간(GNSS+UWB+PDR) 세 시나리오로 구성되었다. 야외에서는 RTK‑GNSS를 기준으로, 실내에서는 광학 모션 캡처 시스템을 기준으로 정확도를 평가했으며, 전이 구간에서는 두 기준을 연속적으로 연결해 평균 위치 오차(RMSE)와 순간적인 위치 점프(단위: m)를 측정했다. 결과는 ESKF가 평균 RMSE 0.42 m(실외), 0.31 m(실내), 0.38 m(전이)로 가장 낮았으며, FGO는 전이 구간에서 약간 더 부드러운 궤적을 제공했지만 연산 지연이 120 ms 정도로 실시간 요구에 근접하지 못했다. PF는 다중 모달 상황(예: GNSS 다중 경로)에서는 일부 입자 군집이 올바른 위치를 유지했지만, 전반적인 RMSE는 0.55 m 수준으로 가장 낮지 않았다. 또한 지도 제약을 적용하지 않을 경우, 모든 추정기에서 건물 내부에 GNSS 측정이 삽입되어 큰 위치 오류(>5 m)가 발생했으며, 특히 PF는 입자 가중치가 급격히 감소해 재샘플링이 빈번히 일어났다.

결론적으로, 동일한 센서 스택과 환경 제약 하에서 오류상태 EKF가 계산 효율성과 정확도 사이의 최적 균형을 이루며, 실시간 착용형 보행자 위치추정 시스템에 가장 적합함을 확인했다. 향후 연구는 다층 건물(수직 이동) 지원, 동적 지도(실시간 건물 입·출입 감지) 통합, 그리고 딥러닝 기반 보행 모델을 EKF와 결합해 비선형성을 보완하는 방향으로 진행될 예정이다.