01 멘토 소개
성성현
•
Spatial Intelligence팀 Deep Learning Part 담당
◦
Computer Vision
◦
SLAM
•
PDR 알고리즘 연구 진행 중
•
SKT AI Fellowship 3기, 5기 멘토링 경험 有
02 프로젝트 소개
•
연구 내용:
PDR(Pedestrian Dead Reckoning)은 보행자의 이동 경로와 위치를 추정하는 기술입니다. PDR 시스템은 주로 스마트폰이나 웨어러블 장치에 내장된 센서(가속도계, 자이로스코프, 지자기 센서 등) 데이터를 활용합니다. 전통적인 PDR 알고리즘은 보행자의 걸음 수, 보폭 길이, 방향 변화 등을 추정하여 위치를 결정하는데, 이 방법들은 환경 변화나 센서 오류에 취약할 수 있습니다. 최근에는 더 정확하고 신뢰할 수 있는 위치 추정을 위해 딥러닝 기반 접근 방식이 연구되고 있습니다.
•
연구 목적:
이 연구의 주된 목적은 딥러닝 기술을 이용하여 PDR 시스템의 정확도와 신뢰성을 향상시키는 것입니다. 구체적으로, 딥러닝 모델을 통해 센서 데이터의 복잡한 패턴을 학습하고, 이를 기반으로 보행자의 위치와 이동 경로를 더 정확하게 추정하고자 합니다. 최종적으로 이 연구를 통해 개발된 모델을 SKT PDR 시스템에 통합하는 것이 목표입니다.
•
연구 계획:
1.
문헌 조사 : 최신 딥러닝 기반 PDR 연구와 관련 기술을 분석 및 리뷰.
2.
데이터 수집 : 구축되어있는 데이터 수집 시스템을 경험. 이미 수집되어 있는 데이터를 활용하여 프로젝트 진행.
3.
데이터 전처리 및 모델 테스트: 수집된 데이터를 모델에 맞게 전처리하고, 다양한 딥러닝 기반 PDR 모델을 테스트. 다양한 모델 아키텍처를 탐색 및 경험하고 분석 진행.
4.
모델 학습 및 최적화: 테스트 과정에서 의미있다고 도출된 모델들을 Finetuning 및 재학습시키고, 성능을 최적화. 이 단계에서는 정확도 향상을 위한 다양한 기법을 적용.
5.
실험 및 평가: 실제 환경과 유사한 조건에서 모델을 실험하고 평가. 모델의 정확도, 신뢰성, 환경 변화에 대한 강건성을 평가.
6.
최종 모델 통합 및 실용화: 연구 결과를 바탕으로 최종 모델을 SKT PDR 시스템에 통합.
03 이런 Fellows를 찾아요!
가속도계, 자이로스코프 센서 데이터에 대한 이해 및 활용 경험
시계열 기반 Deep Learning 모델 개발 경험
FAQ
Q1: 이미 수집되어 있는 데이터의 경우 어떤 종류의 데이터가 제공되는지 궁금합니다.
A1: 수집되고 있는 데이터는 다음과 같습니다.
ㅇ Android에서 제공하는 센서데이터
•
Accelerometer/Gyroscope/Gravity/Rotation Vector/Game Rotation Vector/Barometer/Magnetometer/Step Detector
ㅇ Anroid에서 제공하는 센서 이외의 데이터
•
Location(Fused, GPS, Network)/ Cellular/Wifi
ㅇ 추가 가공 데이터
•
EKF 알고리즘으로 추정한 Smartphone의 Rotation vector/Timestamp sync 작업이 완료된 센서 데이터
Q2: 고전적인 PDR과 동일하게 IMU 데이터만을 활용하고자 하는 것인지, GPS나 WiFi와 같이 스마트폰 기기를 통해서 획득할 수 있는 데이터를 추가적으로 활용하고자 하는 것인지 궁금합니다.
A2. 물론 PDR에서 추정된 위치와 절대 위치 정보를 융합하는 과정 또한 사내 프로젝트에서 염두에 두고 있는 부분입니다. 다만, 저희는 PDR과 특정 위치에 대한 절대 위치 정보(GPS, Wifi 등)를 분리해서 생각합니다. 발의된 과제는 절대 위치 정보를 제외하고 각종 센서를 활용하여 PDR알고리즘을 개발하는 것입니다. 논의가 필요하겠지만, 현재 GPS나 Network 정보를 PDR알고리즘에 추가하진 않을 계획입니다. 하지만 지원자가 PDR 알고리즘의 결과값과 절대 위치 정보의 융합에 대한 연구 의지가 있고 제시한 아이디어가 효용성 있다 판단되면, 과제의 방향을 함께 변경할 수도 있습니다.