CNN 기반 모듈형 정밀착륙 시스템을 활용한 UAM 축소기의 시뮬레이션 및 비행시험

Q: 이 논문에서 정의한 CNN 기반 모듈형 정밀착륙 시스템이란 무엇인가?

CNN 기반 모듈형 정밀착륙 시스템은 CNN 객체 탐지 모델을 활용하여 미지의 착륙 마커를 인식하고, 이를 기반으로 UAM 기체의 정밀한 착륙을 유도하는 시스템이다. 이 시스템은 별도의 지상 유도 설비 없이 기존 헬리패드에서도 정밀 착륙 성능을 보장하며, 모듈 형태로 설계되어 MAVROS 기반의 모든 비행 제어 플랫폼에 적용 가능하다.

Q: CNN 기반 정밀착륙 알고리듬이 기존 GNSS RTH 방식보다 착륙 오차를 얼마나 감소시키는가?

연구 결과, CNN 기반 정밀착륙 알고리듬은 시뮬레이션에서 약 75%, 비행시험에서 약 71%의 착륙 오차 감소율을 보였다. 이는 기존 GNSS RTH 방식의 CEP 0.59m(시뮬레이션) 및 0.45m(비행시험) 대비, CNN 기반 알고리듬이 CEP 0.14m(시뮬레이션) 및 0.13m(비행시험)를 달성하여 정밀하고 일관적인 착륙 성능을 확보함을 의미한다.

박성현; 양예찬; 서영; 정회조; 김승균; 석진영

doi:10.5302/J.ICROS.2025.24.0218

학술저널 DBpia Top 1%

저자정보: 박성현 (충남대학교) 양예찬 (충남대학교) 서영 (충남대학교) 정회조 (충남대학교) 김승균 (충남대학교) 석진영 (충남대학교)

저널정보: 제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제31권 제1호

오류 신고하기

피인용 1

검색

초록·키워드

Urban air mobility (UAM) requires precise take-off and landing maneuvers in urban environments. This study proposes an algorithm that uses a convolutional neural network to recognize an H-shaped unknown landing marker as a landing target and issue it as a precision guidance command in a fixed 3D body coordinate system. The UAM can make precise landings through this approach, even on existing landing pads without any landing guide facility. The algorithm was developed and verified through a software-in-the-loop simulation. It was then implemented and modularized on a companion computer to be applied to all flight control computers operating on MAVROS. In addition, the modular precision landing system was mounted on the UAM scaled model and verified through a flight test. Consequently, precision landing performance was verified in both simulation and flight tests.

#urban air mobility #convolutional neural network #image recognition #modular precision landing system #SITL (Software In The Loop simulation) #flight test

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-25-02-092201350

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료