본문으로 건너뛰기

GLOSSARY

칼만 필터

Kalman Filter중급

칼만 필터란 노이즈가 포함된 센서 측정값과 시스템 모델을 결합하여 시스템의 실제 상태를 재귀적으로 추정하는 알고리즘이다. 센서는 항상 측정 오차를 포함하므로, 이전 상태 예측(Predict)과 새 측정값 갱신(Update) 두 단계를 반복하며 오차를 최소화하는 추정치를 계산한다. 선형 시스템과 가우시안 잡음이라는 조건이 충족될 때 최소 분산 의미에서 최적 추정기로 동작한다. 자율주행 로봇이 IMU의 가속도·각속도 데이터와 GPS 위치 데이터를 융합하여 현재 위치를 추정하는 것이 대표적인 활용 사례다. 비선형 시스템에는 적용이 어렵기 때문에, 이를 선형 근사로 확장한 확장 칼만 필터(EKF)나 시그마 포인트를 사용하는 무향 칼만 필터(UKF)가 로봇공학에서 함께 쓰인다.

이 용어가 나온 기사

ROS Discourse자율주행·SLAM부품·센서

GPS 공칭 정밀도 ~5m인데 연속 측위 편차는 9cm — 수신기 내부 스무딩 가설 검토

GPS says ~5m accuracy but the fixes agree to 9 cm. Anyone else seen this?

u-blox GPS 수신기를 장착한 소형 로버가 1 Hz로 측위를 수행할 때, position_covariance에 보고되는 수평 1-시그마 오차는 약 5m이다. 그러나 실제 연속 측위값 간 이동량(second difference) 중앙값은 약 0.1m, 최대치도 약 1m에 불과해 백색 가우시안 잡음(white Gaussian noise)을 가정할 때 예상되는 약 14m와 비교하면 약 160배 차이가 난다. 글쓴이는 수신기가 내부적으로 스무딩을 수행해 연속 측위값이 강하게 상관되어 있는 것이 원인이라는 가설을 제시한다. 즉 보고되는 공분산(covariance)은 멀티패스(multipath)를 포함한 절대 오차에 대해서는 유효하지만, 독립 백색 잡음을 전제하는 칼만 필터(Kalman filter)의 가정과는 맞지 않는다는 분석이다. 이 구조적 불일치가 NIS(Normalized Innovation Squared) 값이 0에 수렴하는 현상을 설명한다고 밝혔다.

큐레이터수신기 내부 스무딩으로 인한 시간 상관이 글쓴이 가설대로라면, robot_localization 등 백색 잡음을 전제하는 ROS 융합 패키지에서 제조사 보고 공분산을 그대로 쓰는 것은 필터 일관성을 실질적으로 훼손할 수 있으므로, 자신의 하드웨어·환경에서 second difference 분포를 직접 측정해 잡음 모델을 검증하는 것이 권장된다.

Leo_Visions / Unsplash