KR20240095000A - 지형 참조 내비게이션 시스템 - Google Patents

Abstract

항공기용 내비게이션 시스템은 마이크로전자기계 시스템 관성 측정 유닛(microelectromechanical systems inertial measurement unit, MEMS-IMU), 항공기 아래의 지형의 일련의 이미지들을 시간에 따라 촬영하는 카메라, 지형 표고(elevation) 데이터를 포함하는 지형 지도, 관성 내비게이션 시스템(inertial navigation system, INS) 및 광학 지형 참조 내비게이션 유닛(optical terrain-referenced navigation unit, O-TRN)을 포함한다. INS는 MEMS-IMU에 의해 출력된 하나 이상의 신호에 기초하여 제1 위치 추정치를 생성한다. O-TRN은 카메라에 의해 촬영된 이미지에서 지형 특징을 식별하고, 지형 특징의 지형 높이 추정치를 도출하고, 지형 높이 추정치와 지형 지도로부터 추출되는 지형 표고 데이터 간의 비교에 기초하여 제2 위치 추정치를 생성한다. 내비게이션 시스템은 제1 위치 추정치 및 제2 위치 추정치에 기초하여 제3 위치 추정치를 생성한다.

Description

지형 참조 내비게이션 시스템{TERRAIN REFERENCED NAVIGATION SYSTEM}

본 개시는 내비게이션 시스템 분야에 관한 것으로, 특히 항공기용 내비게이션 시스템에 관한 것이다.

다수의 육상, 해상, 항공 비히클에 서비스를 제공하고 있는 관성 내비게이션 시스템(inertial navigation system, INS)은 데드 레코닝(dead reckoning) 원리에 기초한 내비게이션 솔루션을 제공하기 위해 관성 측정 센서(예를 들어, 자이로스코프, 가속도계 등)를 사용한다. 그러나, INS로부터 얻어지는 위치 추정치는 통상적으로 가속도계 및 자이로스코프의 출력에서의 오류의 누적으로 인해 시간이 지남에 따라 드리프트한다. 이를 어느 정도 완화하기 위해, 고품질의 INS, 예를 들어, 내비게이션급(navigation grade)의 INS는 통상적으로 물리적으로 크고 제조 비용이 많이 드는 고정밀 저드리프트의 관성 센서를 사용해야 한다.

INS 위치 추정의 드리프트를 더욱 중화(또는 정정)하기 위해, 이는 보통 글로벌 내비게이션 위성 시스템 이를테면 GPS, Galileo, GLONASS 등과 같은 다른 위치 추정원과 연계하여 사용된다. 그러나, 위성 기반의 내비게이션 시스템은 신뢰성이 없고 신호가 재밍(jamming), 스푸핑(spoofed), 블로킹(blocking) 등이 될 수 있어, 이러한 위성 기반의 내비게이션 시스템에 너무 많이 의존하는 내비게이션 시스템에 문제를 초래할 수 있다.

이러한 관점에서, 일부 내비게이션 시스템은 특히 항공기에 배타적이지는 않지만, INS 드리프트를 중화(또는 교정)하기 위해 INS와 연계하여 지형 참조 내비게이션 시스템(terrain-referenced navigation systems, TRN)을 사용한다. 이와 같은 시스템들은 통상적으로 항공기 밑의 지형 높이를 추정하기 위해 레이더 고도계(radar altimeter)를 사용한다. 그 후, 측정된 지형 표고(elevation) 추정치는 내비게이션 솔루션을 만들기 위해 항공기의 주행 경로를 따라 저장된 지형 표고 데이터(예를 들어, 디지털 지형 표고 데이터베이스(Digital Terrain Elevation Database, DTED))와 상관된다.

제1 양태에서 보면, 본 개시는 항공기용 내비게이션 시스템으로서:

마이크로전자기계 시스템 관성 측정 유닛(microelectromechanical systems inertial measurement unit, MEMS-IMU);

항공기 아래의 지형의 일련의 이미지들을 시간에 따라 촬영하도록 구성된 카메라;

지형 표고(elevation) 데이터를 포함하는 지형 지도;

MEMS-IMU에 의해 출력된 하나 이상의 신호에 기초하여 제1 위치 추정치를 생성하도록 구성된 관성 내비게이션 시스템(inertial navigation system, INS);

광학 지형 참조 내비게이션 유닛(optical terrain-referenced navigation unit, O-TRN) ― O-TRN은:

카메라에 의해 촬영된 이미지에서 지형 특징(terrain feature)을 식별하도록;

지형 특징의 지형 높이 추정치를 도출하도록; 그리고

지형 높이 추정치와 지형 지도로부터 추출되는 지형 표고 데이터 간의 비교에 기초하여 제2 위치 추정치를 생성하도록 구성됨 ― 을 포함하며,

내비게이션 시스템은 제1 위치 추정치 및 제2 위치 추정치에 기초하여 제3 위치 추정치를 생성하도록 구성된 것인, 내비게이션 시스템을 제공한다.

관성 MEMS 센서는 통상적으로, 링 레이저 자이로스코프, 광섬유 자이로스코프 등과 같은 더 정확한 관성 센서보다 물리적으로 더 작고 제조 비용이 현저히 저렴하다. 하지만, 관성 MEMS 센서는 상당한 오류(예를 들어, 바이어스 오류, 스케일 팩터 오류 등)를 겪을 수 있어, 관성 MEMS 센서 출력으로부터 도출되는 위치 추정치가 시간이 지남에 따라 실질적으로 드리프트하게 되며, 이에 의해 정확도가 주요 관심사인 내비게이션 시스템의 유용성을 잠재적으로 감소시킬 수 있다. INS의 오류를 정정하거나 추적하는 데 도움을 주기 위해 예를 들어, GNSS 위치 추적 시스템과 같은 다른 위치 정보원을 사용하는 다양한 기술들이 사용되고 있다. 하지만, GNSS 정보는 특정 상황에서 이용 불가능하거나 신뢰성이 없게 될 수 있고, 따라서 필요에 따라 INS 시스템을 다른 수단으로 정정할 수 있는 것이 바람직하다. 오류를 보상하기 위해, 본 개시는 MEMS 기반 INS의 위치 추정치를 O-TRN의 제2 위치 추정치와 조합하며, 이에 의해 항공기에 대한 제3의 더 정확한 위치 추정치를 제공할 수 있도록 하는 것이다. 이에 따라, 본 개시는 물리적으로 작고 제조 비용이 저렴하며 계속해서 용인가능한 정확도의 내비게이션 솔루션을 제공할 수 있는 내비게이션 시스템을 제공할 수 있다. 이는 무게 추가가 바람직하지 않거나 공간이 제한적인 적용예들, 예를 들어, 드론 및 헬리콥터와 같은 경량 항공기에 특히 적합할 수 있지만, 예를 들어, 대형 여객기 및/또는 화물 항공기 등과 같은 다른 형태의 항공기에도 내비게이션 시스템이 동등하게 적합하다는 것이 이해될 것이다.

또한, 본 개시는 레이더 고도계(radar altimeter, RADALT)를 사용하지 않고도 지형 참조 내비게이션(TRN) 기술을 활용하여 통상적인 TRN 솔루션과 같이 항공기 밑의 지형을 모니터링할 수 있는 내비게이션 시스템을 제공한다. RADALT는 설계에 의해, 항공기로부터 방출되는 전자기 방사와 항공기에서 수신될 타겟으로부터의 반사를 필요로 한하여, 여러 이슈를 초래한다. 첫째, 반사가 검출되기에 충분한 강도로 전자기 방사를 방출하는 것은 상당한 전력 소모를 필요로 할 수 있어, 이는 전력 공급이 제한적인 적용예들(예를 들어, 배터리 구동 드론)에서는 바람직하지 않을 수 있다. 둘째, RADALT는 ― 예를 들어, 의도적인 것(예를 들어, 다른 당사자에 의한 것)이든 또는 우연에 의한 것이든, 유사한 주파수의 전자기 방사가 영역과 침범되는 경우 ― 간섭에 취약할 수 있다. 셋째, RADALT로부터의 방사는 인근 항공기나 항공기 밑 지상의 시스템과 같은 다른 로컬 시스템과 간섭되고, 이에 의해 쉽게 검출될 수 있다. 또한, 양질의 RADALT는 고가일 수 있다.

본 개시에 따르면, RADALT가 지형 높이를 측정/추정에 반드시 필요하지는 않을 수 있다. 대신, 본 개시는 시간에 따른 지형의 이미지들을 촬영하기 위해 카메라를 사용하고, 지형 지도와의 비교를 위해, 이러한 이미지들로부터 지형 높이의 추정치를 도출한다. 이는 카메라가 기능하기 위해 항공기로부터의 어떠한 전자기 방사의 방출도 필요로 하지 않으므로 ― 물론 원한다면 카메라는 항공기에 장착된 방사원(예를 들어, 투광기(floodlight))을 사용할 수 있다는 것이 이해될 것이다 ―, 위에서 언급된 RADALT에 의한 문제들 중 일부를 완화하는 데 도움이 될 수 있다.

카메라는 항공기가 수평으로 즉, 피칭 및 뱅킹(banking) 없이 비행할 때 항공기에 대해 하향으로 향할 수 있다. 카메라는 항공기의 종방향 축(즉, 롤링 또는 뱅킹 축)과 횡방향 축에 실질적으로 수직하게 위치될 수 있다. 횡방향 축은 항공기의 피치 축으로도 고려될 수 있다.

일부 예들에서, 내비게이션 시스템은 각 반복에서 시스템 상태 어레이를 결정하는 반복 알고리즘 유닛(iterative algorithm unit, IAU)을 포함할 수 있으며, 시스템 상태 어레이(또는 시스템 상태 벡터)는 복수의 상태 변수들을 포함하고; IAU는, 각 반복에서, 현재 시스템 상태 어레이, 제1 위치 추정치 및 제2 위치 추정치에 기초하여 다음 반복에 대한 시스템 상태 어레이를 업데이트하고, 업데이트된 시스템 상태 어레이에 기초하여 제3 위치 추정치를 생성한다. IAU는 내비게이션 시스템이 IAU가 이용가능한 데이터에 기초하여 시스템 변수들(예를 들어, 위치, 속도, 가속도, 각속도, 각가속도 등)을 지속적으로 추정하는 메커니즘을 제공할 수 있고, 이에 따라 제1 및 제2 위치 추정치들에 기초하여 제3 위치 추정치를 가능한 정확하게 생성하고 지속적으로 업데이트하기 위한 컴퓨트적으로 효율적인 기법을 제공할 수 있다.

일부 예들에서, 각 상태 변수는 대응하는 시스템 특성과 연관된 오류의 추정치를 포함하고, IAU는 각 반복에서, 업데이트된 시스템 상태 어레이에 기초하여 제1 위치 추정치에 오류 정정을 적용함으로써 제3 위치 추정치를 생성한다. 달리 말하면, 시스템 상태 어레이는 시스템 오류 상태를 포함할 수 있다. 이는 본 시스템이 상이한 시스템 특성들(예를 들어, 속도, 가속도, 각속도, 각가속도 등)에 대한 오류를 지속적으로 추정하도록 할 수 있고, 이에 따라, 예를 들어, 이와 연관된 추정 오류에 기초하여 시스템 특성의 측정을 정정함으로써 응답하도록 할 수 있다. 이와 같은 정정은 가산적 또는 승산적일 수 있거나, 추정 오류에 따라 측정치를 달리 가중함으로써 이루어질 수 있다는 것이 이해될 것이다.

일부 예들에서, 시스템 상태 어레이는 MEMS-IMU로부터 출력되는 신호와 연관된 적어도 하나의 상태 변수를 포함한다. 이와 같은 예들은 시스템 상태 어레이가 전체 시스템의 더 포괄적인 모델을 제공하도록 할 수 있고, 이에 따라, IAU가 더 정확한 제3 위치 추정치를 출력할 수 있게 할 수 있다. 적어도 하나의 상태 변수는 정렬 오류, 스케일 팩터 오류, 바이어스 오류, 또는 MEMS-IMU에 의해 출력되는 신호와 연관된 임의의 다른 적절한 오류 중 하나 이상을 포함할 수 있다. 일부 예들에서, MEMS-IMU는 하나 이상의 가속도계 및/또는 자이로스코프를 포함하고, 시스템 상태 어레이는 가속도계 및/또는 자이로스코프의 정렬 오류, 스케일 팩터 오류, 및/또는 바이어스 오류에 대응하는 적어도 하나의 상태 변수를 포함한다. 특히 바람직한 구성에서, 시스템 상태 어레이는 IMU 내의 각 자이로스코프 및 각 가속도계에 대한 정렬 오류, 스케일 팩터 오류 및 바이어스 오류에 대응하는 상태 변수들을 포함할 수 있다.

일부 예들에서, INS는 적분기를 포함하고, 시스템 상태 어레이는 적분기의 동작 파라미터와 연관된 적어도 하나의 상태 변수를 포함한다. 적분기는 INS가 예를 들어, 가속도계 또는 자이로스코프로부터의 선가속도 또는 각가속도 측정으로부터 속도, 각속도, 또는 거리 또는 각배향 측정을 계산하도록 할 수 있다. 예를 들어, 적분기는 가속도를 적분하여 속도를 제공하는 적분기, 속도를 적분하여 위치를 제공하는 적분기, 각가속도를 적분하여 각속도를 제공하는 적분기, 및 각속도를 적분하여 각도를 제공하는 적분기 중 어느 하나(또는 다수)일 수 있다. 이와 같은 적분기들은 예를 들어, x, y 및 z 위치/속도 및/또는 피치, 롤 및 요 회전 축들을 커버하는 각 검출 축에 대해 제공될 수 있다. 이전에 제안된 솔루션들은 통상적으로 적분기의 동작 파라미터를 직접 추적하는 것이 아니라, 적분기의 출력에 적용될 정정만을 추적하는 것이다. 적분기의 동작 파라미터(예를 들어, 적분기의 계수)와 연관된 상태 변수를 포함하면 내비게이션 시스템에 더 낮은 시스템 레벨 제어(level control)를 제공하여, 이전 시스템보다 더 깊은(또는 프로세싱 체인에서 더 이전의) 정정 레벨로 동작하고, 이에 따라 더 정확한 제3 위치 추정치를 생성할 수 있다. 물론, 정정은 추가 제어 및 정확도를 위해 추가적으로 추적되고 적분기(들)의 출력(들)에 적용될 수 있다.

이에 따라, 일부 예들에서, 내비게이션 시스템은 시스템 상태 어레이에서의 적분기의 현재 동작 파라미터에 기초하여 적분기를 제어하도록 구성된다.

위에서 개략적으로 설명한 바와 같이, 적분기와 연관된 상태 변수의 이러한 제공 및/또는 적분기의 직접 정정은 더 낮은 정확도의 MEMS-IMU의 사용으로 인해 본 개시의 상황에서 특히 바람직할 수 있다. 현재 고사양 시스템에 사용되는 더 고등급의 IMU는 기존의 드리프트 보상/정정 시스템이 적절할 정도로 오류가 충분히 낮다. 하지만, MEMS-IMU를 이용하면, 정확도가 크게 감소된다(예를 들어, 통상적인 고등급의 MEMS-IMU는 여전히 고사양 비(non) MEMS IMU보다 정확도가 몇 자릿수 더 낮다(예를 들어, 약 10배 정확도)). 이에 따라, MEMS-IMU 출력의 정정/보상은 표준 고사양 비 MEMS IMU에 요구되는 것보다 상당히 더 좋을 필요가 있다. 적분기 정정은 이러한 개선된 정정/보상을 제공하거나 적어도 이에 상당히 기여할 수 있다.

일부 예들에서, 시스템 상태 어레이는 15개 초과의 상태 변수들, 선택 사항으로서 적어도 20개의 상태 변수들, 선택 사항으로서 적어도 30개의 상태 변수들, 선택 사항으로서 적어도 40개의 상태 변수들, 선택 사항으로서 적어도 45개의 상태 변수들을 포함한다. 통상적인 내비게이션 알고리즘(예를 들어, 통상적인 내비게이션 칼만(Kalman) 필터)은 최대 15개의 상태 변수를 모니터링한다. 하지만, 본 명세서에서 논의되는 증가된 수의 상태 변수들은 이전에 제안된 솔루션에 비해, 시스템의 더 포괄적인 개요를 IAU에 제공할 수 있고, 이에 따라 시스템의 상이한 상태 변수들(또는 시스템 상태 어레이가 시스템 오류 상태를 포함하는 예에서, 이의 오류)을 더 정확하게 추적하도록 하여, 제3 위치 추정치의 전체 정확도를 잠재적으로 증가시킨다. 증가된 수의 상태 변수들은 더 많은 시스템 파라미터들 및/또는 특성들이 측정되고 결정될 수 있게 한다. 이는 더 많은 부정확성이 정정될 수 있게 한다. 예를 들어, 자이로스코프 및 가속도계는 IMU에서 각자의 감지 축들과 정렬되는 것을 보장하기 위해 가능한 정확하게 장착되지만, 계산에 있어서의 오류에 기여하고 시간에 따른 IMU 드리프트에 기여하는 오정렬이 반드시 존재한다. 이러한 오류를 모델링하고 관측함으로써, IAU(예를 들어, 칼만 필터)는 이러한 오류를 추정 및 정정할 수 있으며, 이에 의해 내비게이션 솔루션의 정확도를 개선할 수 있다. 이에 따라, 더 많은 시스템 상태 특성들을 모니터링하기 위해 IAU의 복잡도를 증가시킴으로써(즉, 더 큰 시스템 상태 어레이를 가짐으로써), 전체 시스템이 더 정확해지고 MEMS IMU의 부정확성을 더욱 보상할 수 있다.

일부 예들에서, 시스템 상태 어레이는: 최대 세 개의 각도 또는 경사 오류; 최대 세 개의 속도 오류; 최대 세 개의 위치 오류; 최대 세 개의 자이로스코프 바이어스 오류; 최대 세 개의 가속도계 바이어스 오류; 최대 네 개, 또는 그 이상의 적분기의 동작 파라미터 또는 계수; 최대 세 개의 가속도계 스케일 팩터 오류; 최대 세 개의 자이로스코프 스케일 팩터 오류; 최대 여섯 개의 가속도계 정렬 오류; 최대 여섯 개의 자이로스코프 정렬 오류; 및 최대 아홉 개의 자이로스코프 가속도- 또는 g-감도 오류 중, 하나 이상에 대응하는 상태 변수를 포함한다. 일부 예들에서, 각도 또는 경사 오류는 북쪽, 동쪽, 아래쪽 기준 프레임에서 나타내어질 수 있으며, 여기서 아래쪽 경사는 진로 오류이고, 북쪽 경사 및 동쪽 경사는 북쪽, 동쪽, 아래쪽 기준 프레임으로 변환되는 롤 오류 및 피치 오류이다.

일부 예들에서, 내비게이션 시스템은 칼만 필터를 포함한다. 일부 예들에서, IAU는 칼만 필터를 포함한다. 칼만 필터는 내비게이션 시스템에 흔히 사용되고, 이에 따라 기존 시스템의 적응을 상대적으로 간단하게 한다. 하지만, 칼만 필터 대신 다른 유형들의 반복 알고리즘 유닛을 사용될 수 있다는 것이 이해될 것이다. 특히, 다른 선형 이차 추정기도 사용될 수 있다. 내비게이션 시스템은 프로세서에 의해 실행될 때, INS, O-TRN 및 IAU의 기능들을 수행하게 하는 명령어들을 포함하는 컴퓨터 판독가능 저장 매체에 결합된 프로세서를 포함할 수 있다. 달리 말하면, INS, O-TRN 및/또는 IAU는 별개의 하드웨어 모듈들이 아니라, 예를 들어, CPU, FPGA 또는 임의의 다른 적절한 프로세싱 수단과 같은 단일 프로세서 내의 소프트웨어 모듈들로서 구현될 수 있다. 다른 예들에서, 별개의 하드웨어 모듈들이 사용될 수 있거나 하드웨어와 소프트웨어의 임의의 혼합이 사용될 수 있다.

O-TRN은 예를 들어, 에지 검출, 상호 상관 등을 포함하는 표준 이미지 처리 절차를 사용하여 지형 특징을 식별할 수 있다. 지형 특징은 카메라에 의해 촬영된 이미지에서 식별 가능한 객체 ― 예를 들어, 건물, 나무, 언덕 등 ― 를 포함할 수 있고/거나 이미지의 일부분 또는 전체를 포함할 수 있다.

일부 예들에서, O-TRN은 카메라에 의해 촬영된 두 개 이상의 이미지들에서 지형 특징을 식별하고, 상기의 두 개 이상의 이미지들에 기초하여 항공기 아래에서 지형 특징이 지나는 흐름 레이트를 계산하고, 계산된 흐름 레이트에 기초하여 지형 높이 추정치를 도출한다. 이러한 프로세스는 두 개 이상의 이미지들의 상호 상관을 수행하여 (두 이미지들 모두에 공통된 지형 특징에 대응하는) 높은 상관관계의 거리를 식별함으로써 이루어질 수 있다. 이미지들에서의 흐름 레이트는 지형이 카메라의 각도 시야를 통해 지나가는 각도 레이트를 나타낸다. 지형이 카메라에 가까울수록, 카메라를 지나가는 흐름이 빨라질 것이다. 이에 따라, 이미지에서의 지형의 흐름 레이트는 지형 위의 카메라(그리고 이에 따라, 항공기)의 높이와 상관된다. 카메라에 의해 촬영된 두 이미지들 간의 지형 특징의 각도 변화를 계산하고, 이를 (이미지 촬영 간의 항공기 속도 및 시간으로부터 얻어질 수 있는) 항공기가 이동한 거리와 조합함으로써, 지형 위의 항공기의 높이가 계산될 수 있다. 두 개 이상의 이미지들은 카메라에 의해 촬영된 연속적인 이미지들일 수 있거나, 계산을 위한 적절한 거리를 선택하기 위해 비연속적(즉, 하나 이상의 개재 프레임에 의해 분리됨)일 수 있다.

이에 따라, 항공기 밑의 지형 특징의 흐름 레이트는 문제의 지형 위의 항공기의 높이, 및 항공기의 속도라는 두 가지 주요 요인들에 종속하는 것으로 인식되었다. 이에 따라, 항공기의 고도(즉, 해수면 위의 높이) 및 속도를 추정될 수 있고, 지형의 흐름 레이트가 측정될 수 있으면, 해수면 위의 지형 자체의 높이도 추정될 수 있다. 이에 따라, 일부 예들에서, INS는 MEMS-IMU에 의해 출력된 하나 이상의 신호에 기초하여 제1 속도 추정치 및 제1 고도 추정치를 출력하고, O-TRN은 제1 속도 추정치 및 제1 고도 추정치에 또한 기초하여 지형 높이 추정치를 도출한다. 일부 예들에서, 고도 추정치는 INS에 의해 직접 출력되는 것이 아니라, IAU를 사용하여 생성될 수 있다(하지만, 고도 추정치는 IMU로부터의 제1 고도 추정치에 여전히 간접적으로 기초함). 고도 추정치는 기압 고도계를 사용하지 않고, 즉 MEMS-IMU 및/또는 시스템 상태 어레이로부터의 측정만을 사용하여 생성될 수 있다.

일부 예들에서, O-TRN은 카메라에 의해 촬영된 이미지에서 복수의 지형 특징들을 식별하고, 각각에 대한 지형 높이 추정치를 도출한다. O-TRN은 카메라에 의해 촬영된 두 개 이상의 이미지들에서 복수의 지형 특징들을 식별하고, 상기의 두 개 이상의 이미지들에 기초하여 각 지형 특징이 항공기 아래를 지나는 각 흐름 레이트를 계산하고, 각 계산된 흐름 레이트에 기초하여 각 지형 특징에 대한 지형 높이 추정치를 도출할 수 있다. 이에 따라, 단일 이미지에서 촬영된 지형(예를 들어, 언덕, 산 등)의 상이한 부분이 상이한 고도에 있기 때문에, 계산된 흐름 레이트, 그리고 이에 따라 도출된 지형 높이 추정치는 이미지들에 걸쳐 달라질 수 있음을 알게 될 것이다.

순수 관성 고도 추정치는 특히 고도가 높을수록 감소된 중력으로 인해, 사용되는 IMU의 유형에 관계없이 불안정할 수 있다. 고사양 내비게이션 IMU에 비해 MEMS IMU의 정확도가 더 낮다는 것은 적분된 고도 추정은 훨씬 낮은 정확도를 갖는다는 것을 의미한다. 이는 지형 지도 데이터와의 비교를 위해 정확한 지형높이를 계산하기 위해 해수면 위의 정확한 고도가 필요한 TRN 시스템의 문제이다. 비 TRN 적용예들에서의 고사양의 비 MEMS 내비게이션 IMU(즉, 지형 매칭 능력이 없고 통상적으로 레이더 고도계가 없음)에서는, 고도 추정치를 안정적으로 유지하기 위해 임의의 형태의 도움이 필요하다. 이는 보통 기압 고도 입력의 형태를 취한다. 하지만, TRN 적용예에서는, 기압을 고려하지 않을 때, 즉 기압 측정이 계산에 감안되지 않을 때 고도 계산이 보통 더 양호하다. 이의 이유는 기압 고도 데이터가 적분되는 IMU 고도에 비해 약간 지체되는 경향이 있기 때문이다. 더욱이, 기압은 높이 및 날씨에 따라 빠르고 예측할 수 없게 변화할 수 있는 온도에 영향을 받는다. 지형 매칭 프로세스를 통해(예를 들어, 레이더 고도계 및 지도 데이터베이스를 통해) 얻어지는 높이 데이터는 고사양 INS 고도 추정을 돕고 우수한 정확도의 높이 출력을 생성하기에 충분한 것으로 밝혀졌다. 본 발명자는 이와 함께 기압 고도를 사용할 때, 전체적인 결과가 덜 정확할 수 있음을 이전에 발견하였다. 하지만, 본 발명자는 이제, MEMS IMU를 사용할 때 기압 고도를 사용하여 통합 내비게이션 솔루션의 전체적인 고도 계산을 개선할 수 있음을 발견하였다. 이에 따라, 일부 예들에서, 내비게이션 시스템은 기압 고도계를 더 포함하고, O-TRN은 기압 고도계의 출력으로부터 도출되는 제2 고도 추정치에 기초하여 지형 높이 추정치를 도출한다. 이러한 항공기 고도의 추가 추정은 O-TRN이 지형 특징의 높이를 추정할 수 있는 전체 정확도를 증가시키고, 이에 따라 제2 위치 추정의 전체 정확도를 증가시키며, 이에 따라 제3 위치 추정도 증가시킨다. 기압 고도의 추가는 MEMS IMU의 높이 추정을 개선하여 O-TRN이 정확하게 동작할 수 있게 하기에 충분할 수 있다. 하지만, 이는 위에서 논의한 바와 같은 적분기의 직접 제어 및/또는 아래에서 논의하는 다른 정확도 개선과 같은 다른 개선과 조합하여 잘 작동하는 것으로도 밝혀졌다.

일부 예들에서, O-TRN은 카메라에 의해 촬영된 복수의 이미지들에서 복수의 지형 특징들을 식별하고, 복수의 지형 특징들의 각 지형 높이 추정치를 도출하고, 복수의 지형 높이 추정치들 지형 지도로부터 추출되는 지형 표고 데이터 간의 비교에 기초하여 제2 위치 추정치를 출력한다. O-TRN은 항공기의 주행 경로를 따라 지형 높이 추정의 추적을 도출할 수 있으며, 그 후 이는 제2 위치 추정을 출력하기 위해 지형 높이 데이터와 상관될 수 있다. 이러한 방식으로 복수의 지형 특징들의 높이를 추정하는 것은 O-TRN에 지형 지도에서의 지형 표고 데이터에 비해 더 많은 데이터를 제공할 수 있으므로, 더 정확한 제2 위치 추정치를 제공할 수 있게 한다.

일부 예들에서, 카메라는 단파 적외선(short-wave infra-red, SW-IR) 카메라를 포함한다. 이는 바람직하게는, SW-IR 방사선이 물에 의해 크게 감쇠되지 않으므로 구름 덮개 및/또는 날씨(예를 들어, 강수)를 통해서도 카메라가 지형의 이미지를 촬영할 수 있게 한다. 이를 통해 O-TRN은 (카메라가 가시광선 범위에서만 작동하는 경우일 수 있는) 시각이 가려져 지형 모니터링에서 드롭아웃할 위험 없이, 더 높은 항공기 고도, 또는 낮은 가시도에서 사용될 수 있다. 카메라에 의해 촬영된 이미지는 2차원일 수 있다. 카메라는 예를 들어, 30 Hz, 60 Hz, 144 Hz, 등의 임의의 적합한 프레임 레이트 또는 주파수로 일련의 이미지들을 촬영하도록 구성될 수 있다. 카메라는 좁은 시야(예를 들어, 0º 내지 60º)를 가질 수 있고, 이에 따라 항공기 아래 지형의 상대적으로 작은 지역의 이미지를 촬영할 수 있으며, 이 경우 O-TRN은 이미지마다 하나의(또는 적은 수의) 지형 특징을 식별할 수 있다. 동등하게, 이는 넓은 시야(예를 들어, 30º 내지 180º)를 가질 수 있고, 이에 따라 항공기 아래 지형의 상대적으로 큰 지역의 이미지를 촬영할 수 있으며, 이 경우 O-TRN은 각 이미지에서 복수의 상이한 지형 특징들을 식별할 수 있다. 넓은 시야는 바람직하게는, 카메라가 움직임, 특히 피칭 및 롤링 동안에도 항공기 아래 지형의 적어도 일부분을 촬영할 수 있게 하고, 이에 따라 지면에 실질적으로 평행하게 비행하는 항공기에 의존하지 않고 내비게이션 솔루션을 지속적으로 제공할 수 있다. 카메라의 시야는 항공기의 예상되는 피치 및 롤에 기초하여 선택될 수 있으며, 이는 적용예에 따라 변할 것이다. 예를 들어, 여객기 또는 화물 항공기는 예를 들어, 무인 항공기보다 극단적인 움직임을 덜 수행할 것으로 예상될 수 있고, 따라서 카메라가 움직임 동안 항공기 아래의 지형의 이미지를 신뢰성 있게 촬영할 수 있기 위해 시야가 크게 필요하지 않을 것이다.

(예를 들어, 내비게이션 시스템으로부터 얻어지는 바와 같은) 항공기의 피치 및 롤은 이미지 촬영 및/또는 이미지 프로세싱 프로세스들에서 순차적인 이미지들에 걸친 지형 특징을 식별하는 것을 돕기 위해 사용될 수 있다. 이와 같은 피치/롤 프로세싱은 지형 특징을 식별하는 데 필수적이지는 않지만, 가능성 있는 매치가 발견될 수 있는 이미지 영역을 좁혀서 프로세스를 가속화할 수 있다는 것이 이해될 것이다.

제2 양태에서 보면, 본 개시는 항공기를 내비게이션하는 방법으로서:

마이크로전자기계 시스템 관성 측정 유닛(MEMS-IMU)에 의해 출력된 하나 이상의 신호에 기초하여 제1 위치 추정치를 도출하는 단계;

카메라를 사용하여 항공기 아래의 지형의 일련의 이미지들을 시간에 따라 촬영하는 단계;

카메라에 의해 촬영된 이미지에서 지형 특징을 식별하는 단계;

지형 특징의 지형 높이 추정치를 도출하는 단계;

지형 높이 추정치와 지형 지도로부터 추출되는 지형 표고 데이터 간의 비교에 기초하여 제2 위치 추정치를 도출하는 단계; 및

제1 위치 추정치 및 제2 위치 추정치에 기초하여 제3 위치 추정치를 도출하는 단계를 포함하는, 방법을 제공한다.

본 명세서에서 설명된 임의의 양태, 실시예 또는 예의 특징들은 본 명세서에서 설명된 임의의 다른 양태, 실시예 또는 예에 적절하게 적용될 수 있다는 것이 이해될 것이다. 특히, 제1 양태 관련하여 위에서 설명된 내비게이션 시스템의 임의의 특징들은 제2 양태의 방법에도 동등하게 적용될 수 있고, 그 반대의 경우도 마찬가지라는 것이 이해될 것이다. 상이한 실시예들 또는 예들을 참조하는 경우, 이들은 반드시 별개일 필요는 없고, 중첩될 수 있는 것으로 이해되어야 한다.

이제 첨부된 도면을 참조하여 하나 이상의 비제한적인 예를 설명할 것이며, 첨부된 도면에서:
도 1은 본 개시에 따른 내비게이션 시스템의 개략적인 블록도이다;
도 2는 지형의 높이를 추정하기 위해 카메라를 사용하는 배후의 원리를 도시한 간략도이다;
도 3은 도 1에 도시된 반복 알고리즘 유닛의 예시적인 반복 루프를 도시한 순서도이다.

도 1은 항공기용 내비게이션 시스템(100)의 개략적인 블록도이다. 내비게이션 시스템(100)은 반복 알고리즘 유닛(iterative algorithm unit, IAU)(106), 마이크로전자기계 시스템 관성 측정 유닛(microelectromechanical systems inertial measurement unit, MEMS-IMU)(108), 적분 블록(114), 기압 고도계(116), 단파 적외선(short-wave infra-red, SW-IR) 카메라(118), 및 지형 고 지도(120)를 포함한다. MEMS-IMU(108)는 각 감지 축들이 서로 직교하도록 위치된 세 개의 MEMS 가속도계들(110), 및 각 감지 축들이 서로 직교하도록 위치된 세 개의 MEMS 자이로스코프들(112)을 포함한다. 본 명세서에서 개략적으로 설명되는 원리들은 MEMS-IMU(108)의 특정 구조에 제한되는 것이 아니라, 임의의 적절한 개수의 가속도계 및/또는 자이로스코프를 임의의 적절한 방식으로 포함할 수 있다는 것이 이해될 것이다.

IAU(106), MEMS-IMU(108) 및 적분 블록(114)은 함께 관성 내비게이션 시스템(inertial navigation system, INS)(102)을 형성한다. IAU(106), SW-IR 카메라(118) 및 지형 표고 지도(120)는 함께 광학 지형 참조 내비게이션 시스템(optical terrain-referenced navigation system, O-TRN)(104)을 형성한다. 이러한 특정 예에서 INS(102)와 O-TRN(104)은 오버랩되지만, 이들 간에 IAU(106)가 서로 공유되므로, 이는 제한적이지 않다는 것이 이해될 것이다. 다른 예들에서 INS(102)와 O-TRN(104)은 출력들이 개별적으로 IAU(106)로 공급되는 별개의 모듈들이다. 기압 고도계(116)는 대기 데이터 시스템(Air Data System, ADS)(도시되지 않음)의 일부를 형성할 수 있지만, 반드시 그러한 것은 아니다.

MEMS-IMU(108)는 항공기에 (직접 또는 짐벌에 의해) 고정될 때, 가속도계들(110)의 감지 축들에 따른 항공기의 선가속도 및 자이로스코프들(112)의 감지 축들을 중심으로 하는 항공기의 각가속도를 나타내는 신호들(122)을 출력한다. 이러한 신호들(122)은 IAU(106) 및 적분 블록(114)으로 직접 출력된다. 적분 블록(114)은 가능하게는 연쇄적으로, 하나 이상의 적분기를 포함하여, 이는 MEMS-IMU에 의해 출력되는 신호들(122)을 적분하여, 항공기의 (선가속도를 적분함으로써) 속도, (속도를 적분함으로써) 위치, (각가속도를 적분함으로써) 각속도 및/또는 (각속도를 적분함으로써) 각배향을 나타내는 하나 이상의 신호(124)를 생성한다. 이러한 신호들(124)은 IAU(106)로 출력된다. 이러한 예에서, 적분 블록(114)에 포함된 적분기는 더 상세히 후술될 바와 같이, 각각 구성가능하다.

기압 고도계(116)는 대기압을 측정하는 하나 이상의 공기압 센서를 포함하고, 공기압 센서의 출력에 기초하여 항공기의 고도를 나타내는 신호(126)를 출력한다. 기압 고도계(116)는 내부에 포함된 압력 센서로부터의 원시 압력 데이터(126)를 IAU(106)로 동일하게 출력할 수 있다.

이러한 예에서, SW-IR 카메라(118)는 내비게이션 시스템(100)이 설치된 항공기에 고정되어 항공기 아래의 지형의 이미지들을 촬영할 수 있게 한다. SW-IR 카메라(118)는 항공기 아래의 지형의 이미지들을 촬영하고, 이를 지형 이미지 데이터(128)로서 IAU(106)로 출력한다. 이러한 예에서, SW-IR 카메라(118)는 뱅킹 없이 수평으로(즉, 지구 표면과 실질적으로 평행하게) 주행할 때 항공기에 대해 아래로 향하고 있다. 이는 항공기의 종방향(롤) 축과 횡방향(피치) 축에 실질적으로 직교하도록 위치될 수 있지만, 카메라(118)가 정상 사용 동안 항공기 아래의 지형의 이미지들을 촬영할 수 있으면 꼭 필요한 것은 아니다. 이러한 예에서, 카메라(118)는 SW-IR 방사선이 구름에 의해 크게 감쇠되지 않으므로, 예를 들어, 구름 덮개를 통해, 항공기 아래의 지형의 이미지들을 촬영할 수 있도록 하기 위한 SW-IR 카메라(118)이다. 하지만, SW-IR 카메라(118) 대신 임의의 적합한 카메라도 사용될 수 있다는 것이 이해될 것이다.

지형 표고 지도(120)는 복수의 지도 포스트들을 포함하며, 각 지도 포스트는 지구 표면 상의 영역에 대한 지형 표고 데이터(즉, 해수면 위의 높이)를 포함한다. 이러한 예에서, 각 지도 포스트는 지구 표면 상의 30 m × 30 m의 영역에 대한 지형 표고 데이터를 포함한다. 예를 들어, DTED 레벨 2는 30 m의 포스트 간격을 갖는 지형 데이터를 제공한다. 지형 표고 지도(120)는 하드 디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SDD), 플래시 저장장치 등 임의의 적절한 저장 수단을 사용하여 저장될 수 있다. 지형 표고 지도(120)는 지엽적 지형 표고 데이터(130)를 IAU(106)로 출력한다.

이러한 예에서, IAU(106)는 내비게이션 시스템(100)의 다른 구성요소들로부터 수신한 신호들(122, 124, 126, 128 및 130)에 기초하여, 복수의 상태 변수들로 구성된 시스템 상태 어레이를 반복적으로 업데이트하는 칼만 필터, 이러한 예에서, 각 변수는 특정 대응 시스템 특성에 대한 오류의 추정치를 포함한다(즉, 이러한 예에서, 칼만 필터는 오류 상태 칼만 필터이지만, 필수적이지는 않음). 예시적인 시스템 특성들은 특정 축에 따른 가속도, 특정 축에 따른 속도, 특정 축에 따른 위치, 적분 블록(114)에 포함된 적분기의 하나 이상의 계수(또는 동작 파라미터들), (특정 가속도계(110) 또는 자이로스코프(112)의) 고도, (특정 가속도계(110) 또는 자이로스코프(112)의) 정렬 오류, (특정 가속도계(110) 또는 자이로스코프(112)의) 스케일 팩터 오류, (특정 가속도계(110) 또는 자이로스코프(112)의) 바이어스 오류 등을 포함하지만, 이에 제한되지 않는다. 이러한 특정 예에서, 시스템 상태 어레이는 통상적인 내비게이션 칼만 필터의 동등한 상태 어레이보다 더 많은 상태 변수들(예를 들어, 39개 또는 42개의 상태 변수들)을 포함한다. 예를 들어, 통상적인 내비게이션 칼만 필터는 12개 또는 15개의 상태 변수들의 상태 어레이를 갖는다. 하지만, MEMS IMU로부터 충분한 정확도를 추출하기 위해서는, 상태 어레이에 훨씬 더 많은 변수를 채용하는 것이 유리한 것으로 밝혀졌다. 특정 예들에서, MEMS IMU용 칼만 필터는 적어도 20개, 적어도 30개, 적어도 40개, 또는 심지어 적어도 45개의 상태 변수들을 가질 수 있다.

예를 들어, 통상적인 15개의 상태 내비게이션 오류 상태 칼만 필터의 일례에서, 상태 어레이는 세 개의(즉, 각각이 각 축에 대응하는) 각도 또는 기울기 오류, 세 개의 속도 오류, 세 개의 위치 오류, 세 개의 자이로스코프 바이어스 오류 및 세 개의 가속도계 바이어스 오류에 대응하는 변수들을 포함하여, 총 15개의 변수들을 제공한다. 이와 대조적으로, MEMS-IMU(108)를 이용하는 본 개시의 예에서, 상태 어레이는 이러한 오류들 중 하나 이상에 대응하는 변수들을 포함할 수 있고, 추가로: 적분 블록(114)에 포함된 적분기의 네 개 이상의 동작 파라미터 또는 계수들(예를 들어, 두 개는 가속도계들(110)로부터의 선가속도 측정치들이고, 두 개는 자이로스코프들(112)로부터의 각가속도 측정치들), 세 개의 가속도계 스케일 팩터 오류(각 가속도계마다 하나씩), 세 개의 자이로스코프 스케일 팩터 오류(각 자이로스코프마다 하나씩), 여섯 개의 가속도계 정렬 또는 오정렬 오류(각각이 두 개의 축외 방향으로 오정렬될 수 있으므로 각 가속도계마다 두 개씩), 여섯 개의 자이로스코프 정렬 또는 오정렬 오류(각각이 두 개의 축외 방향으로 오정렬될 수 있으므로 각 자이로스코프마다 두 개씩), 및 아홉 개의 자이로스코프 가속도- 또는 g-감도 오류(각 축마다 상이한 가속도 감도들을 가질 수 있는 각 자이로스코프마다 세 개씩) 아홉 개 중, 하나 이상에 대응하는 변수들을 포함할 수 있다. 본 개시의 예들에서, 각도 또는 경사 오류는 북쪽, 동쪽, 아래쪽 기준 프레임에서 나타내어질 수 있으며, 여기서 아래쪽 경사는 진로 오류이고, 북쪽 경사 및 동쪽 경사는 북쪽, 동쪽, 아래쪽 기준 프레임으로 변환되는 롤 오류 및 피치 오류이다.

IAU(106)는 INS(102)의 다른 구성요소들로부터의 신호들(122, 124 및 126)을 사용하여 데드 레코닝(dead reckoning) 원리들을 사용하여 제1 위치 추정치를 생성한다. 제1 위치 추정치는 항공기의 고도("수직" 위치 좌표) ― 예를 들어, 해수면 위의 높이 ― 뿐만 아니라, "수평" 위치 좌표, 예를 들어, 위도 및 경도의 추정치를 포함한다. 이러한 제1 위치 추정치는 INS(102)에 의해 생성된 관성 위치 추정치인 것으로 고려될 수 있다.

IAU(106)는 또한, 도 2를 참조하여 더 상세히 후술될 바와 같이, 카메라(118)로부터의 이미지 데이터(128)를 지형 표고 지도(120)로부터의 지엽적 지형 표고 데이터(130)와 조합하여 사용하여 제2 위치 추정치를 생성한다. 이러한 제2 위치 추정치는 O-TRN(104)에 의해 생성된 지형 참조 위치 추정치인 것으로 고려될 수 있다.

각 반복에서, IAU(106)는 제1 위치 추정치, 제2 위치 추정치 및 현재 시스템 상태 어레이에 기초하여, 제3의 현재 위치 추정치(134)를 생성하여, 이를 위치 출력(136)으로 출력하며, 이는 내비게이션 시스템(100)이 설치된 항공기의 추가 시스템, 예를 들어, 내비게이션 디스플레이, 항공기 제어기 등으로 전달될 수 있다. 현재 위치 추정치(134)는 또한, 이 위치 추정치(134)를 사용하여 지엽적 지형 표고 데이터(130)(즉, 항공기의 현재 위치 추정치(134) 근처의 지형 표고 데이터)를 결정할 수 있는 지형 표고 지도(120)로 출력되며, 이는 그 후 IAU(106)로 출력된다.

IAU(106)는 또한, 하나 이상의 적분기 제어 신호(132)를 적분 블록(114)으로 출력하며, 이는 적분기에 포함된 적분기들의 하나 이상의 계수 또는 동작 파라미터를 제어한다. 적분기 제어 신호(132)는 현재 시스템 상태 어레이, 특히 적분 블록(114) 내의 적분기들과 연관된 상태 변수들에 기초하여 생성된다. 이는 IAU(106)가 이러한 적분기들에 의해 출력되는 신호들(124)을 소급해서 정정하기보다, 적분 블록(114) 내의 적분기들을 내부에서 임의의 오류를 정정하도록 직접 구성할 수 있게 한다. 이러한 방식으로 적분 블록(114) 내의 적분기들을 직접 구성하는 것은 적분기들에 후속하여 단순히 정정을 적용하는 것보다 훨씬 더 우수하게, INS(102)가 MEMS-IMU(108)의 내재적 오류 및 드리프트를 보상할 수 있게 하는 것으로 밝혀졌다. 이는 INS(102)에 의해 생성되는 제1 위치 추정치의 정확도를 개선한다.

도 2는 카메라(118) 및 지형 표고 지도(120)가 앞서 언급한 제2 위치 추정치를 생성하는 데 어떻게 사용될 수 있는지 배후의 원리들을 도시한 간략화된 축척에 따르지 않은 도해이다. 도 2는 도 1의 내비게이션 시스템(100)이 설치된 항공기(200)를 도시한다. 도 2는 또한, 지구 표면 상의 해수면(202), 및 지형물(204)을 도시한다. 지형물(204)은 임의의 지형 영역, 예를 들어, 어느 한 언덕, 산, 건물 등일 수 있다. 지형물(204)은 단지 대표적인 것일 뿐이고, 실제로는 도 2에 도시된 바와 같이 편평한 윗면을 특징으로 하지 않을 것이라는 것이 이해될 것이다. 지형물(204)은 해수면(202) 위의 높이 또는 표고(h)를 갖는다. 항공기(200)와 지형물(204)의 윗면 간의 수직 간격(d) ― 즉, 항공기(200)와 지형물(204)의 윗면 간의 거리의 수직 성분 ― 는 이러한 예에서 항공기(200)가 상승하지도 하강하지도 않으므로(하지만, 이와 같은 움직임은 계산에 간단하게 감안될 수 있다는 것이 이해될 것이다) 실질적으로 일정하게 유지된다.

항공기(200)는 지구 표면과 실질적으로 평행한(즉, 수평인) 직선으로 일정한 속도(v)로 비행하고, 이에 따라 해수면(202) 위의 실질적으로 일정한 고도(A)를 유지한다. 비행 동안, 항공기(200)는 지형물(204) 위를 지나간다. 제1 시간(t1)에, 항공기(200)는 제1 위치(206)에 있고, 제2 시간(t2)에, 항공기(200)는 제2 위치(208)에 있다.

제1 시간(t1)에, 카메라(118)는 지형물(204)을 포함하는 항공기(200) 아래의 지형의 제1 이미지를 촬영한다. 제2 시간(t2)에, 카메라(118)는 다시 지형물(204)을 포함하는 항공기(200) 아래의 지형의 제2 이미지를 촬영한다. 제1 시간(t1)에, 지형물(204)의 윗면의 위치는 지형물(204)과 항공기(200) 간에, 수직에 대해, 제1 각도(θ1)를 형성한다. 제2 시간(t2)에, 지형물(204)의 윗면의 위치는 지형물(204)과 항공기(200) 간에, 수직에 대해, 제2 각도(θ2)를 형성한다. 제1 시간(t1)과 제2 시간(t2) 간에 항공기(200)가 주행한 수평 거리는 v(t2-t1)로 주어진다.

이에 따라, 지형물(204)은 카메라(118)에 의해 제1 이미지가 촬영된 순간과 카메라(118)에 의해 제2 이미지가 촬영된 순간 간의 시간 t2-t1에 카메라(118)의 시야에 걸쳐 각도 θ1 + θ2를 이동할 것이라는 것이 이해될 것이다. 카메라(118)가 실질적으로 일정한 방향을 향하고 있음에 따라, 이러한 각도 변화는 카메라(118)에 의해 촬영된 이미지들에서 지형물(204)의 위치를 개별 각도들(θ1 및 θ2)인 것으로서 고려함으로써 카메라(118)에 의해 촬영된 두 개의 이미지들에서 관측가능하다. 기본적으로, 이미지 내의 각 픽셀은 입사광의 상이한 각도를 나타내고, 이에 따라 이미지에 걸쳐(즉, 카메라 센서에 걸쳐) 지형물이 이동된 픽셀의 수를 결정함으로써, 지형 특징이 이동된 각도가 계산될 수 있다.

삼각 측량을 사용하여, 시간 t1과 t2 간에 항공기가 주행한 거리는 v(t2-t1) = dtan(θ1) + dtan(θ2)로 주어진다. 이에 따라, 지형물(204)의 윗면과 항공기(200) 간의 수직 간격(d)은 d = v(t2-t1)/(tan(θ1)+tan(θ2))로 주어진다. 이에 따라, 항공기(200)의 고도(A)가 A = d + h로 주어질 때, h = A - v(t2-t1)/(tan(θ1)+tan(θ2))가 된다.

이에 따라, 지형물(204)의 높이(h)는 항공기(200)의 고도(A), 항공기(200)의 속도(v), 카메라 프레임들 간의 시간(이는 카메라(118)의 프레임 레이트에 종속함), 및 카메라(118)에 의해 촬영된 이미지들에서의 지형물(204)의 위치에 종속한다는 것이 이해될 것이다. 항공기(200)의 고도(A) 및 속도(v)는 INS(102)를 사용하여 추정될 수 있으며, 카메라 프레임들 간의 시간은 카메라(118)의 구성에 따라 알려지거나 제어가능하고, 카메라(118)에 의해 촬영된 이미지들에서의 지형물(204)의 위치는 표준 이미지 프로세싱 기술들과 카메라(118)의 알려져 있는 변수들, 예를 들어, 시야를 사용하여 관측가능하다. 이에 따라, 도 1에 도시된 INS(102) 및 O-TRN(104)이 지형 특징(204)의 높이(h)를 추정하는 데 사용할 수 있다는 것이 이해될 것이다. 항공기(200)의 고도(A)는 (예를 들어, 도 1에 도시된 기압 고도계(116)를 사용한) 그 측정치들에 기초하여 지속적으로 업데이트될 필요가 있는 것이 아니라, IAU(106)가 고도(A)의 초기 추정치를 공급받아 이를 시스템 상태 어레이에 기초하여 지속적으로 업데이트할 수 있다.

또한, 도 2는 이미지 촬영 간의 시간차가 크고, 이에 따라 각도 변화가 큰 것으로 도시되어 있지만, 위에서 개략적으로 설명된 원리들은 더 작은 시간차와 더 작은 각도 변화에도 용이하게 적용가능하다는 것이 이해될 것이다. 이에 따라, 지형물(204)이 카메라(118)의 시야에 걸쳐 지나가는 레이트 ― 즉 각속도 또는 속도 ― 를 고려하기 위해 위에서 개략적으로 설명된 원리들이 용이하게 수정될 수 있다는 것이 당업자들에 의해 이해될 것이다. 본 명세서에서는 이를 또한 흐름 레이트로도 지칭한다.

이러한 예에서, 카메라(118)는 항공기(200) 아래의 지형의 이미지들을 지속적으로 촬영하고, 이에 따라 시간에 따라 일련의 이미지들을 출력한다. IAU(106)는 이러한 이미지들을 수신하고, 지속적으로 이들 간의 교차 상관(cross-correlation)을 수행한다. 이를 통해 IAU(106)가 하나 이상의 이미지 간에 공유되는 지형 특징들을 식별할 수 있게 되어, 이미지들 간의 이러한 지형 특징들의 각도 변화를 계산할 수 있게 되고, 이에 따라 이러한 지형 특징들의 흐름 레이트 ― 즉, 카메라(118)의 시야에 걸친 각속도/속도 ― 를 계산할 수 있게 된다. 단일의 이미지는 통상적으로 지형의 다수의 부분들을 높이가 다르게 촬영할 것이라는 것, 그리고 계산된 흐름 레이트가 이미지들의 상이한 이미지 부분들에 걸쳐 통상적으로 달라질 것이라는 것이 이해될 것이다.

일부 예들에서, IAU(106)는 자신의 전체 시야에 걸쳐 흐름 레이트를 계산하고, 이에 따라 카메라(118)의 전체 시야가 지형물인 것으로 고려될 수 있다. 다른 예들에서, IAU(106)는 이미지들의 하나 이상의 상이한 영역 또는 지역에 대한 흐름 레이트를 계산하고, 이에 따라 이러한 영역들 각각이 지형물인 것으로 고려될 수 있다. 이와 같은 영역들 또는 지역들은 미리 결정된 값을 초과하거나 다른 영역들 또는 지역들보다 더 큰 상관 계수들을 생성하는 영역들인 것으로서 식별될 수 있다. 다른 예들에서, IAU(106)는 예를 들어, 에지 검출을 사용하여, 각 이미지에서 특정 지형물들을 식별하고, 각 지형물에 대한 흐름 레이트를 계산하고, 이에 따라 이미지에서 식별된 각 지형물이 지형 특징인 것으로 고려될 수 있다.

그 후, 계산된 흐름 레이트(들)를 지형 높이의 추정치들(또는 지형 높이의 변화 또는 변동)을 계산하는 데 사용한다. 그 후, 이러한 추정치들은 항공기(200)의 위치에 대한 제2 위치 추정치를 생성하기 위해 지형 높이 지도(120)로부터 수신되는 지형 높이 데이터(130)와 상관된다. 이러한 제2 위치 추정치는 각 반복에서 시스템 상태 어레이를 업데이트하는 데 사용되고, 이에 따라 IAU(106)에 의해 출력되는 현재의 제3 위치 추정치(134)의 정확도를 개선한다.

도 3은 IAU(106)의 동작을 간략한 형태로 도시한 흐름도이다. 도 3의 각종 단계들은 특정 순서로 도시되어 있지만, 이러한 순서는 제한되지 않고 IAU(106)는 이러한 단계들을 임의의 적절한 순서로 수행할 수 있다. 이는 또한, 구현예에 따라, 추가적인 그리고/또는 더 적은 단계들을 수행할 수도 있다.

단계 300은 반복의 시작을 나타낸다. 단계 302에서, IAU(106)는 MEMS-IMU(108)의 출력(122)(예를 들어, 원시 센서 데이터)을 수신한다. 단계 304에서 IAU(106)는 적분 블록(124)의 출력(124)(예를 들어, 적분된 속도 및/또는 적분된 위치/배향)을 수신한다. 단계 306에서, IAU(106)는 기압 고도계(116)의 출력(126)을 수신한다. 단계 308에서, IAU(106)는 데드 레코닝을 사용하여 이러한 수신된 출력들로부터 제1 위치 추정치(또한 INS 위치 추정치로도 지칭됨)를 계산한다.

단계 310에서, IAU(106)는 카메라(118)로부터 이미지 데이터(128)를 수신한다. 단계 312에서, IAU(106)는 카메라(118)에 의해 촬영된 이미지들 간의 위에서 언급된 이미지 교차 상관을 수행하고, 이러한 이미지들에서 식별된 하나 이상의 지형 특징(여기서 지형 특징은 이미지 전체, 또는 이미지의 일부분, 또는 이미지 내의 식별가능한 특징일 수 있음)의 흐름 레이트를 계산한다. 단계 314에서, IAU(106)는 앞서 설명한 바와 같이, 계산된 흐름 레이트로부터 하나 이상의 지형 높이(또는 지형 높이 변화)를 추정한다. 단계 316에서, IAU(106)는 지형 높이 지도(120)으로부터 지엽적 지형 높이 데이터(130)를 수신한다. 단계 318에서, IAU(106)는 추정된 지형 높이를 지형 표고 지도(120)으로부터 수신한 지형 표고 데이터(130)와 상관시키고, 상관 결과에 기초하여 제2 위치 추정치를 생성한다. 제2 위치 추정치는 가장 큰 상관 계수를 부여한 위치인 것으로 결정될 수 있다. 단계 320에서, IAU(106)는 내비게이션 시스템(100)의 다른 구성요소들로부터 수신한 모든 데이터, 제1 위치 추정치 및 제2 위치 추정치에 기초하여 시스템 상태 어레이를 업데이트한다. 단계 322에서, IAU(106)는 시스템 상태 어레이에 기초하여 INS 위치 추정치(즉, 제1 위치 추정치)를 정정하며, 이는 이러한 예에서, 앞서 설명한 바와 같은 시스템 오류 상태이다. 정정된 INS 위치 추정치는 현재의 제3 위치 추정치(134)이며, 이는 그 후, IAU(106)에 의해 출력된다. 단계 324에서, 반복이 종료되고, IAU(106)는 새로운 반복을 시작하는 단계 300으로 되돌아간다.

본 명세서에서 설명된 다양한 방법들은 하나 이상의 디바이스 상에 제공되는 하나 이상의 컴퓨터 프로그램 제품 또는 컴퓨터 판독가능 매체에 의해 구현될 수 있다. 컴퓨터 프로그램 제품 또는 컴퓨터 판독가능 매체는 컴퓨터 또는 복수의 컴퓨터들에 본 명세서에서 설명된 다양한 방법들 중 하나 이상의 방법의 기능들을 수행할 것을 지시하도록 구성된 컴퓨터 코드를 포함할 수 있다. 이와 같은 방법을 수행하기 위한 컴퓨터 프로그램 및/또는 코드는 컴퓨터 판독가능 매체 또는 컴퓨터 프로그램 제품 상의 컴퓨터와 같은 장치에 제공될 수 있다. 컴퓨터 판독가능 매체는 일시적 또는 비일시적일 수 있다. 컴퓨터 판독가능 매체는 예를 들어, 전자, 자기, 광학, 전자기, 적외선, 또는 반도체 시스템, 또는 예를 들어, 인터넷을 통해 코드를 다운로드하기 위한 데이터 송신을 위한 전파 매체일 수 있다. 대안적으로, 컴퓨터 판독가능 매체는 반도체 또는 솔리드 스테이트 메모리, 자기 테이프, 착탈식 컴퓨터 디스켓, 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 강성 자기 디스크, 및 광학 디스크, 이를테면 CD-ROM, CD-R/W 또는 DVD와 같은 물리적 컴퓨터 판독가능 매체의 형태를 취할 수 있다. 컴퓨터와 같은 장치는 본 명세서에서 논의된 다양한 방법들에 따라 하나 이상의 프로세스를 수행하도록 상기한 바와 같은 코드에 따라 구성될 수 있다. 이와 같은 장치는 데이터 프로세싱 시스템의 형태를 취할 수 있다. 이와 같은 데이터 프로세싱 시스템은 분산 시스템일 수 있다. 예를 들어, 이와 같은 데이터 프로세싱 시스템은 네트워크에 걸쳐 분산될 수 있다.

본 개시가 이의 하나 이상의 특정 예를 설명함으로써 예시되었지만, 이러한 예들로 제한되지 않으며, 첨부된 청구항들의 범위 내에서, 많은 변형 및 수정이 가능하다는 것이 당업자들에 의해 이해될 것이다.

Claims (15)

1. 항공기용 내비게이션 시스템으로서,
   마이크로전자기계 시스템 관성 측정 유닛(microelectromechanical systems inertial measurement unit, MEMS-IMU);
   상기 항공기 아래의 지형의 일련의 이미지들을 시간에 따라 촬영하도록 구성된 카메라;
   지형 표고(elevation) 데이터를 포함하는 지형 지도;
   상기 MEMS-IMU에 의해 출력된 하나 이상의 신호에 기초하여 제1 위치 추정치를 생성하도록 구성된 관성 내비게이션 시스템(inertial navigation system, INS);
   광학 지형 참조 내비게이션 유닛(optical terrain-referenced navigation unit, O-TRN) ― 상기 O-TRN은:
   상기 카메라에 의해 촬영된 이미지에서 지형 특징(terrain feature)을 식별하도록;
   상기 지형 특징의 지형 높이 추정치를 도출하도록; 그리고
   상기 지형 높이 추정치와 상기 지형 지도로부터 추출되는 지형 표고 데이터 간의 비교에 기초하여 제2 위치 추정치를 생성하도록 구성됨 ― 을 포함하며,
   상기 내비게이션 시스템은 상기 제1 위치 추정치 및 상기 제2 위치 추정치에 기초하여 제3 위치 추정치를 생성하도록 구성된 것인, 내비게이션 시스템.
2. 제1항에 있어서,
   상기 내비게이션 시스템은 각 반복에서 시스템 상태 어레이를 결정하도록 구성된 반복 알고리즘 유닛(iterative algorithm unit, IAU)을 포함하며, 상기 시스템 상태 어레이는 복수의 상태 변수들을 포함하고, 그리고
   상기 IAU는, 각 반복에서:
   현재 시스템 상태 어레이, 상기 제1 위치 추정치 및 상기 제2 위치 추정치에 기초하여 다음 반복에 대한 상기 시스템 상태 어레이를 업데이트하도록; 그리고
   상기 업데이트된 시스템 상태 어레이에 기초하여 상기 제3 위치 추정치를 생성하도록 구성된 것인, 내비게이션 시스템.
3. 제2항에 있어서,
   각 상태 변수는 대응하는 시스템 특성과 연관된 오류의 추정치를 포함하고, 그리고
   상기 IAU는 각 반복에서, 상기 업데이트된 시스템 상태 어레이에 기초하여 상기 제1 위치 추정치에 오류 정정을 적용함으로써 상기 제3 위치 추정치를 생성하도록 구성된 것인, 내비게이션 시스템.
4. 제2항 또는 제3항에 있어서,
   상기 MEMS-IMU는 하나 이상의 가속도계 및/또는 자이로스코프를 포함하고, 그리고
   상기 시스템 상태 어레이는 가속도계 및/또는 자이로스코프의 정렬 오류, 스케일 팩터 오류, 및/또는 바이어스 오류에 대응하는 적어도 하나의 상태 변수를 포함하는 것인, 내비게이션 시스템.
5. 제2항 또는 제3항에 있어서,
   상기 INS는 적분기를 포함하고, 그리고
   상기 시스템 상태 어레이는 상기 적분기의 동작 파라미터와 연관된 적어도 하나의 상태 변수를 포함하는 것인, 내비게이션 시스템.
6. 제5항에 있어서, 상기 내비게이션 시스템은 상기 시스템 상태 어레이에서의 상기 적분기의 상기 동작 파라미터와 연관된 현재 상태 변수에 기초하여 상기 적분기를 제어하도록 구성된 것인, 내비게이션 시스템.
7. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 시스템 상태 어레이는:
   최대 세 개의 각도 또는 경사 오류;
   최대 세 개의 속도 오류;
   최대 세 개의 위치 오류;
   최대 세 개의 자이로스코프 바이어스 오류;
   최대 세 개의 가속도계 바이어스 오류;
   최대 네 개, 또는 그 이상의 적분기의 동작 파라미터 또는 계수;
   최대 세 개의 가속도계 스케일 팩터 오류;
   최대 세 개의 자이로스코프 스케일 팩터 오류;
   최대 여섯 개의 가속도계 정렬 오류;
   최대 여섯 개의 자이로스코프 정렬 오류; 및
   최대 아홉 개의 자이로스코프 가속도- 또는 g-감도 오류 중, 하나 이상에 대응하는 상태 변수를 포함하는 것인, 내비게이션 시스템.
8. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 항법 시스템 또는 IAU는 칼만(Kalman) 필터를 포함하는 것인, 내비게이션 시스템.
9. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 O-TRN은:
   상기 카메라에 의해 촬영된 두 개 이상의 이미지들에서 상기 지형 특징을 식별하도록;
   상기의 두 개 이상의 이미지들에 기초하여 상기 항공기 아래에서 상기 지형 특징이 지나는 흐름 레이트(flow rate)를 계산하도록; 그리고
   상기 계산된 흐름 레이트에 기초하여 상기 지형 높이 추정치를 도출하도록 구성된 것인, 내비게이션 시스템.
10. 제9항에 있어서,
    상기 INS는 상기 MEMS-IMU에 의해 출력된 하나 이상의 신호에 기초하여 제1 속도 추정치 및 제1 고도(altitude) 추정치를 출력하도록 배열되고, 그리고
    상기 O-TRN은 상기 제1 속도 추정치 및 상기 제1 고도 추정치에 기초하여 상기 지형 높이 추정치를 도출하도록 구성된 것인, 내비게이션 시스템.
11. 제9항에 있어서, 기압 고도계를 더 포함하며, 상기 O-TRN은 상기 기압 고도계의 출력으로부터 도출되는 제2 고도 추정치에 기초하여 상기 지형 높이 추정치를 도출하도록 구성된 것인, 내비게이션 시스템.
12. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 O-TRN은:
    상기 카메라에 의해 촬영된 복수의 이미지들에서 복수의 지형 특징들을 식별하도록;
    상기 복수의 지형 특징들 각각의 각 지형 높이 추정치를 도출하도록; 그리고
    상기 복수의 지형 높이 추정치들과 상기 지형 지도로부터 추출되는 지형 표고 데이터 간의 상관관계에 기초하여 상기 제2 위치 추정치를 출력하도록 구성된 것인, 내비게이션 시스템.
13. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 시스템 상태 어레이는 15개 초과의 상태 변수들, 선택 사항으로서 적어도 20개의 상태 변수들, 선택 사항으로서 적어도 30개의 상태 변수들, 선택 사항으로서 적어도 40개의 상태 변수들, 선택 사항으로서 적어도 45개의 상태 변수들을 포함하는 것인, 내비게이션 시스템.
14. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 카메라는 단파 적외선 카메라를 포함하는 것인, 내비게이션 시스템.
15. 항공기를 내비게이션하는 방법으로서,
    마이크로전자기계 시스템 관성 측정 유닛(MEMS-IMU)에 의해 출력된 하나 이상의 신호에 기초하여 제1 위치 추정치를 도출하는 단계;
    카메라를 사용하여 상기 항공기 아래의 지형의 일련의 이미지들을 시간에 따라 촬영하는 단계;
    상기 카메라에 의해 촬영된 이미지에서 지형 특징을 식별하는 단계;
    상기 지형 특징의 지형 높이 추정치를 도출하는 단계;
    상기 지형 높이 추정치와 지형 지도로부터 추출되는 지형 표고 데이터 간의 비교에 기초하여 제2 위치 추정치를 도출하는 단계; 및
    상기 제1 위치 추정치 및 상기 제2 위치 추정치에 기초하여 제3 위치 추정치를 도출하는 단계를 포함하는, 방법.