연속시간 비균등 B스플라인 기반 초소형 앵커 UWB 관성 오도미터 통합 위치추정

초록

본 논문은 적은 수의 UWB 앵커만으로도 높은 정확도의 실내 위치추정을 가능하게 하는 연속시간 시스템 CT‑UIO를 제안한다. 비균등 B스플라인을 이용해 로봇의 궤적을 동적으로 표현하고, IMU‑오도미터 융합 EKF로 단기 운동 선행 정보를 제공한다. 또한 가상 앵커를 다중 가설 방식으로 생성해 관측 가능성을 확보하고, 적응형 슬라이딩 윈도우 최적화로 전역 궤적을 정제한다. 실험 결과, 복잡한 실내 환경에서 0.15 ~ 0.40 m 수준의 평균 오류를 달성하며 기존 최첨단 방법 대비 15 ~ 26 % 향상을 보였다.

상세 분석

CT‑UIO는 세 가지 핵심 기술을 결합한다. 첫째, 비균등 B스플라인을 이용한 연속시간 궤적 모델링이다. 기존의 균등 B스플라인은 고정된 knot 간격을 가정해 속도 변화가 큰 구간에서 과소표현하거나, 정지 구간에서 과다한 제어점을 생성해 계산량을 증가시킨다. 저자들은 로봇의 순간 속도 추정을 기반으로 knot 간격을 동적으로 조정하는 적응형 knot‑span 전략을 설계하였다. 속도가 급변하면 knot을 촘촘히 배치해 고해상도 궤적을 복원하고, 속도가 완만하면 간격을 넓혀 연산 부하를 감소시킨다. 둘째, IMU와 휠 오도미터를 결합한 개선된 EKF이다. 혁신 기반 적응 추정(innovation‑based adaptive estimation)을 도입해 센서 노이즈와 바이어스를 실시간으로 보정하고, 단기적인 속도·가속도 선행 정보를 제공한다. 이 선행 정보는 비균등 스플라인의 knot 배치를 결정하는 핵심 입력으로 활용된다. 셋째, 물리적 앵커가 부족한 상황을 보완하기 위한 가상 앵커(VA) 생성 메커니즘이다. EKF에서 얻은 운동 선행 정보를 이용해 가상의 거리 측정을 가정하고, 다중 가설 프레임워크를 통해 VA의 위치 후보들을 생성한다. 이후 후보 중 기하학적 콜리니어리티와 NLOS 가능성을 평가해 최적 VA를 선택함으로써 시스템 전체의 관측 가능성을 확보한다. 백엔드에서는 적응형 슬라이딩 윈도우를 적용해 최근 제어점과 VA를 포함한 factor graph를 최적화한다. 윈도우 크기는 로봇의 움직임 복잡도에 따라 자동 조절되어 실시간성을 유지하면서도 전역 일관성을 보장한다. 실험에서는 3가지 실내 시나리오(복도, 전시관, 사무실)와 다양한 앵커 수(1~3개)에서 CT‑UIO가 기존 UIO 기반 방법들보다 평균 0.15 ~ 0.40 m의 낮은 RMSE를 기록했으며, 특히 빠른 가속·감속 구간에서 비균등 스플라인이 큰 이점을 보였다. 전체 파이프라인은 ROS 기반으로 구현되어 공개된 코드와 데이터셋을 통해 재현 가능성을 제공한다.