제4부 항법 — GNSS와 그 너머

4.10 근거리·실내·지하 항법: UWB·LiDAR SLAM·건물 내부와 터널

4.10.1 이 장에서 배우는 것 / 선수 지식 / 특히 중요한 독자

이 장은 하늘도 막히고 땅의 지도도 없는 곳, 곧 건물 안·창고·터널·광산·지하 시설에서의 항법을 다룬다. 앞 장들이 GNSS를 대신할 수단을 찾았다면, 여기서는 GNSS가 애초에 없는 환경이 기본값이다. 센서는 가까운 거리(수 m~수십 m)를 보고, 오차 허용은 통로 폭 한두 미터로 좁아지며, 통신이 먼저 끊긴다.

배우는 것:

• 실내·지하의 조건 — GNSS 없음·통신 제약·좁은 공간·충돌 위험이 요구를 어떻게 바꾸는가. 폭 2 m 통로의 횡 방향 요구 정확도를 식으로 구한다.
• UWB — 도착시간이 정확도를 정하는 이유, 양방향 거리 측정의 시계 오차, 앵커 배치와 DOP(방과 좁은 통로에서 어떻게 다른가), 다중경로·비가시선.
• LiDAR SLAM — 점-평면 정합과 정보 행렬, 긴 복도에서 축 방향 정보가 0이 되는 이유를 광선 추적으로 센다.
• 보조 센서 — 시각 SLAM(4.7에 이어), 관성·기압·초음파, 연기·먼지 속의 mmWave 레이더, Wi-Fi·BLE.
• 터널·광산·건물의 통신 — 도파관 차단 주파수, 중계 노드, 홉 수와 처리량.
• 실내 비행의 안전과 응용 — 프로펠러 가드의 대가, 창고·소방·점검.

선수 지식: 시각 항법과 SLAM의 구조는 4.7, DOP는 4.1.5.2, 관성항법의 오차 성장은 4.3, 대역폭과 도착시간 하한은 4.9.3.2다. 연기·어둠 속의 광학 센서는 4.11이 다룬다.

특히 중요한 독자: 엔지니어는 4.10.3.3(앵커 배치)과 4.10.4.2(퇴화)를 본다. 사업 담당자는 4.10.9의 성능 표와 4.10.10의 선택지를 읽으면 된다. 인증·안전 담당자는 4.10.7(실내 비행 안전)과 4.10.13을, 법무 독자는 4.10.13(전파·개인정보·실내 비행의 법적 지위)을 본다.

기준 시점과 정직성. 이 장은 2026년 10월 기준이고 지식은 2026년 중반까지다. 계산은 파이썬 표준 라이브러리로 돌렸고(fig-src/4.10-model.py) 방·복도·LiDAR는 가정한 단순 기하다. UWB의 정확도와 Wi-Fi·BLE의 정확도는 제조사·문헌 값을 (공개 주장치)·(경험 범위)로 구분했다. 센서 환경 평가(4.10.5.3)는 저자의 정성 판단이다. 군용 사용은 공개 시험(DARPA 지하 도전)의 범위에서만 작성하고 전술은 작성하지 않는다.

4.10.2 개념·직관 — 지도도 통신도 없는 곳

실내·지하의 조건은 네 가지다.

• GNSS가 없다. 지붕 하나만으로 신호가 사라진다(4.5·4.6의 취약성과 다른, 물리적인 부재).
• 통신이 약하거나 끊긴다. 위성 링크는 가시선이 필요하고(3.13), 셀룰러는 건물 내부 커버리지에 달렸다(3.14). 터널·광산은 곡선과 분기에서 전파가 급히 줄어든다.
• 공간이 좁다. 오차 허용이 통로 폭에서 나온다.
• 충돌이 곧 사고다. 벽·구조물·사람과의 거리가 작고, 로터 후류가 벽에서 되돌아와 추력이 흔들린다(1.2.7.2).

좁은 공간의 요구는 식으로 나타낼 수 있다. 통로 반폭 $w$를 이탈 확률 $P$ 아래로 유지하려면 횡 방향 한 축 오차 $\sigma$가 다음을 넘지 않아야 한다(4.1.8과 같은 방식).

$$\sigma\le\frac{w}{z_{P}},\qquad z_{10^{-3}}=3.29,\quad z_{10^{-5}}=4.42$$

폭 2 m(반폭 1 m)의 통로면 $P=10^{-3}$에서 0.30 m, $10^{-5}$에서 0.23 m다. 이 장의 센서 비교는 횡 방향 0.23 m를 기준으로 삼는다. 야외의 도시 회랑(반폭 50 m, 11.3 m)에 비하면 50배 엄격하다.

세 축에서 요구가 다르다. 군용 드론은 건물·지하 시설의 정찰에서 인프라 없는 자립 항법이 필수이고, 공개된 가장 큰 시험대는 미국 DARPA의 지하 도전(SubT)이다. 민간 UAS는 창고 재고·플랜트 점검·재난 구조에서 인프라를 미리 설치할 수 있는 곳(창고)과 없는 곳(재난·광산)으로 구분된다. AAM은 실내·지하 비행이 거의 없고, 격납고·버티포트 구내의 짧은 이동이 접점이다.

4.10.3 UWB — 도착시간과 앵커

4.10.3.1 원리와 표준 — 대역폭이 곧 정확도

결론부터: 초광대역(UWB) 신호는 대역폭이 500 MHz에 이르러 도착시간의 열잡음 하한이 센티미터 아래다. 실제 오차는 다중경로와 비가시선, 안테나 지연 보정이 정한다.

4.9.3.2의 식으로 $C/N_0$=40 dB-Hz, 적분 10 ms일 때 500 MHz 신호의 거리 하한은 2.3 cm이고 20 MHz의 LTE(0.65 m)보다 30배 가까이 작다. UWB는 이 대역폭을 짧은 펄스로 쓰므로 직접파와 늦게 오는 반사파를 시간으로 가를 수 있다(펄스 폭이 2 ns이면 반사 경로 차이 0.6 m부터 분리).

착륙 패드에서의 UWB는 앵커까지의 거리를 수 cm~dm급으로 재는 센서로 2.7.3이 이미 소개했다. 이 장은 같은 센서를 항법용 앵커 배치로 확장한다. 표준은 IEEE 802.15.4z(고속 펄스 UWB 물리 계층과 보안 거리 측정, 2020)다. 대표 채널은 6.5 GHz(5번)·8 GHz(9번) 대역이고 칩 제조사의 공개 자료는 거리 측정을 센티미터급(약 10 cm)이라 소개한다 (공개 주장치). 규제는 나라마다 한도가 있다. 미국은 3.1~10.6 GHz에서 출력 밀도 −41.3 dBm/MHz(FCC Part 15 Subpart F)다. 한국은 3.7~4.8 GHz·7.2~10.2 GHz에 6.0~7.2 GHz가 추가 공급된 것으로 2차 보도가 전하나 현행 고시의 대역·출력은 확인하지 못했다 (확인 필요, 17.19·18.16). 출력이 매우 낮아 통달거리가 수십 m로 제한되므로 항법은 기체 가까이의 앵커를 요구한다.

4.10.3.2 거리 측정 방식 — 시계가 오차를 만든다

방식은 둘이다. 양방향 거리 측정(TWR)은 기체와 앵커가 질문·응답을 주고받아 왕복 시간에서 앵커의 응답 지연을 뺀다. 두 장치의 시계를 맞출 필요가 없다는 장점이 있다. 도착시간차(TDoA)는 기체가 내보낸 신호를 여러 앵커가 받아 차이로 위치를 구하며, 앵커 시계를 맞춰야 하지만 기체가 한 번 송신하면 여러 대가 동시에 사용할 수 있다.

TWR의 오차 원천은 두 시계의 주파수 차이 $e$(상대 오차)다. 한 번 왕복(SS-TWR)에서 응답 지연 $T_{\text{reply}}$ 동안의 시계 어긋남이 거리 오차로 옮겨 간다.

$$\Delta d_{\text{SS}}=\frac{c\,T_{\text{reply}}\,e}{2}$$

크리스털 두 개의 오차가 수십 ppm이므로 한 번 왕복은 사용할 수 없다. 양쪽에서 한 번씩 왕복해 결합하면(양측 양방향 거리 측정, DS-TWR) 첫째 항이 상쇄되고 잔차가 $c\,\text{ToF}\,e$로 줄어든다. 10 m(ToF 33 ns)에서 20 ppm이면 0.2 mm다. 이 밖에 안테나 지연의 보정 오차가 남는다(0.5 ns가 15 cm). 시계를 처리하는 방식이 UWB 정확도의 절반이다.

4.10.3.3 앵커 배치와 DOP — 방과 좁은 통로

결론부터: 수평 정확도는 앵커를 모서리에 두면 쉽게 나오지만 수직 정확도는 3~4배 나쁘고, 폭 2 m의 좁은 통로에서는 횡 방향이 따로 나빠진다. 앵커를 어디에 어떻게 달 것인가가 센서 선택만큼 중요하다.

양방향 거리 측정은 시계 바이어스가 미지수가 아니므로 위치 3개가 미지수고, 오차 배율은 4.1.5.2의 정의를 그대로 사용한다. 가정은 방 20×10×3 m, 거리 오차 1σ=10 cm, 기체 높이 1.5 m다.

C 배치의 중앙에서 수평 오차는 8.9 cm, 수직은 33 cm다. 앵커와 기체의 높이 차(1.2~1.5 m)가 수평 거리(5~22 m)보다 훨씬 작아 수직 방향의 시선이 거의 누워 있기 때문이다. 대책은 기압계나 하향 거리계로 고도를 따로 재는 것이다(2.8.8).

좁은 통로는 더 어렵다. 폭 2 m·길이 수십 m의 통로에서 앵커는 벽에 붙는다. 기체가 통로 가운데(y=1 m, z=1.5 m)에 있을 때 앵커 간격별 오차 배율(축·횡·수직)이다(벽에 번갈아 달고 높이는 모두 2.5 m, 40 m 안의 앵커만 사용).

축 방향은 몇 cm로 좋지만 횡 방향은 앵커가 성기면 요구(0.23 m)를 넘는다. 통로를 따라 앵커가 늘어서면 횡 방향 정보가 시선의 작은 각에서만 나오기 때문이다. 더 나쁜 설계도 있다. 앵커를 통로 중심선 위에 일렬로 달거나, 벽에서 교호 배치되는 주기와 높이가 교호 배치되는 주기를 같게 하면 횡과 수직을 구분할 수 없어 해가 특이해진다. 앵커 배치는 DOP를 미리 계산해 확인한다.

4.10.3.4 다중경로와 비가시선

비가시선(NLOS)에서는 직접파가 막혀 반사파가 첫 도착으로 잡히므로 거리에 양의 바이어스가 생긴다. 사람·금속 선반·벽을 지나면 수십 cm에서 수 m까지 나타난다 (경험 범위). 한 앵커에 0.5 m 바이어스가 생겼을 때 C 배치 중앙의 위치 오차는 수평 0.16 m, 수직 0.59 m였다(최소제곱, 바이어스가 다른 앵커 값에 섞인다). 수평 요구 0.23 m 안에 있으나 무작위 오차(0.09 m)와 합치면 여유가 얇다. 방어는 앵커를 잉여로 두고 잔차 검정으로 이상 앵커를 제외하는 것이다(RAIM과 같은 구조, 4.4). 공개 제품 소개의 센티미터 정확도는 가시선·정적·보정된 조건의 값으로 읽어야 한다.

4.10.4 LiDAR SLAM — 점군 정합과 퇴화

4.10.4.1 점-평면 정합과 정보 행렬

LiDAR SLAM(4.7이 시각 쪽을 다룬 것의 대응)은 연속한 점군을 정합해 기체의 이동을 구하고(오도메트리), 정합한 결과를 지도로 쌓는다(LOAM, Cartographer 같은 방식과 관성을 묶은 LIO 계열 — 대표 문헌은 말미). 2D LiDAR(수평 한 평면)는 가볍고 싸지만 한 평면의 선만 보므로 복도에서는 평행한 두 벽선만 남아 퇴화가 더 쉽게 온다. 3D LiDAR(여러 빔)는 천장·바닥·문틀·배관까지 보아 정보가 늘지만 질량·전력·연산이 는다(센서 자체는 6.6). 소형 UAS는 고도를 따로 재는 조건에서 2D를, 임무가 큰 기체는 3D를 사용하는 경향이 있다 (제품별 확인 필요). 가장 널리 사용하는 단위는 점-평면 정합이다. 점 $\mathbf p_i$를 기준 점군의 국소 평면(점 $\mathbf q_i$, 법선 $\mathbf n_i$)에 맞추는 이동 $\mathbf T=(\mathbf R,\mathbf t)$를 찾는다.

$$E(\mathbf T)=\sum_i\Big(\mathbf n_i^{\top}\big(\mathbf R\mathbf p_i+\mathbf t-\mathbf q_i\big)\Big)^{2}$$

작은 이동에서 점 하나의 야코비안 행은 $\big[(\mathbf p_i\times\mathbf n_i)^{\top},\ \mathbf n_i^{\top}\big]$이고 모두 합한 정보 행렬 $\mathbf H=\sum_i\mathbf J_i^{\top}\mathbf J_i$가 정합이 결정하는 6개 자유도(회전 3·이동 3)의 확신을 정한다. 이동 쪽 블록은 단순하다.

$$\mathbf H_{tt}=\sum_i\mathbf n_i\mathbf n_i^{\top}$$

법선이 모두 $x$, $y$, $z$ 축을 향한다면 이동의 정보는 각 축을 향하는 법선의 점 수다. 법선이 없는 방향으로는 미끄러져도 오차가 바뀌지 않는다.

4.10.4.2 복도의 퇴화 — 법선이 없는 방향

결론부터: 복도에서 점은 거의 옆벽·바닥·천장에서 나오고, 그 법선은 모두 복도 축에 수직이다. 따라서 축 방향 이동의 정보가 0이다. 이것이 긴 복도에서 LiDAR 오도메트리가 앞뒤로 미끄러지는 이유다.

복도 폭 2 m·높이 2.5 m, 센서가 가운데(바닥 위 1.2 m), 16빔(±15°)·방위 0.2°·감지 거리 25 m인 LiDAR가 한 번 돌 때 광선 추적으로 점과 법선을 세었다.

끝벽까지의 거리가 멀수록 정보가 줄어든다(점 수가 거리의 제곱에 반비례). 끝벽이 6·12·18·24 m이면 축 방향 점이 1,140·282·124·69개이고 하한이 0.59·1.19·1.80·2.41 mm다. 감지 거리 25 m를 넘으면 0이다. 횡 방향은 반대다. 빈 복도에서도 법선이 $y$인 점이 26,656개여서 횡 방향 하한은 0.12 mm다.

이 표는 정보의 이론적 하한이고 실제 퇴화는 더 일찍 온다. 실제 구현은 모든 점을 사용하지 않고 에지·평면 특징이나 다운샘플한 점만 사용하며, 법선은 이웃 점으로 추정해 노이즈가 있고, 대응점 탐색은 가까운 점을 잡아 축 방향으로는 기울기가 없어 초기 추정에 머문다. 점의 1~2 %가 걸린 정보는 동적 물체(사람·문)나 이상치에 쉽게 가려진다.

4.10.4.3 퇴화에 대응하는 길

① 퇴화를 검출한다. 정보 행렬의 고유값(또는 조건수)이 임계 아래인 방향을 찾아 그 방향의 정합 갱신을 막고 다른 정보로 채운다(Zhang·Kaess·Singh, 2016의 방식). ② 관성과 묶는다. LIO 계열(FAST-LIO2 같은 반복 칼만 필터)은 정합이 못 주는 방향을 관성으로 버틴다. 오래 못 버틴다(4.10.8의 표). ③ 기하가 아닌 단서를 사용한다. 바퀴·시각의 질감·UWB 앵커 거리·문 틀의 위치를 지도에 미리 넣는다. ④ 횡 방향은 LiDAR, 축 방향은 다른 센서로 역할을 나눈다. 이것이 4.10.8의 결론이다.

4.10.4.4 드리프트·루프 폐쇄·사전 지도와 야외에서 실내로

오도메트리의 오차는 이동 거리와 함께 쌓인다. 이동 거리 대비 드리프트율 $\delta$이면 거리 $s$에서 오차가 $\delta s$다(4.7과 같은 논리). 아래는 가정한 $\delta$로 계산한 것이다.

횡 방향 요구 0.23 m(4.10.2)와 견주면 $\delta$가 0.5 %이면 100 m에서 이미 넘는다. 그래서 오도메트리만으로 긴 경로를 나는 것은 좁은 통로에서 맞지 않고 오차를 한정하는 수단이 있어야 한다. 하나는 루프 폐쇄다. 이전에 본 장소를 다시 알아보고 지도를 당겨 누적 오차를 한 번에 줄인다(구조는 4.7.5). 비슷한 복도가 이어지면 다른 장소를 같은 곳으로 오인해 지도를 비틀 수 있어 오인식의 무결성이 문제다(4.7.6.3의 오정합, 4.7.8과 같은 문제). 다른 하나는 사전 지도와의 정합이다. 건물 도면(CAD·BIM)이나 이전 방문의 지도에 맞추면 절대 위치를 얻는다. 도면은 설계도라 개조·가구와 다를 수 있다. 내부 지도와 도면은 공간정보·보안 법제의 대상이 될 수 있다(18.20).

야외에서 실내로 들어가는 문턱은 실무의 약점이다. 입구 직전의 GNSS 위치로 실내 지도의 원점을 정하면 그 위치 오차(단독 GNSS 1.5 m, 2.7.8.1)가 실내 지도 전체의 오프셋으로 남는다. 상대 항법은 이 오프셋을 지우지 못한다. 실내 절대 좌표가 필요하면 입구의 비전 마커(2.7.3)나 도면 정합으로 오프셋을 다시 잡아야 한다.

4.10.5 보조 센서와 무선 신호

4.10.5.1 시각 SLAM·레이더·초음파·기압

시각 SLAM은 4.7의 구조를 그대로 사용한다. 실내는 조도가 낮고 균일한 벽이 많아 특징이 모자라는 것이 주된 약점이다. 조명 조건과 센서 대체는 4.11이 다룬다. 시각과 관성을 묶은 시각-관성 오도메트리는 LiDAR가 못 보는 유리 벽에서 보완이 된다.

mmWave 레이더(77 GHz 대역)는 조도와 연기·먼지에 거의 영향을 받지 않는다(4.11.8.1, 안개에서 0.2 dB/km). 거리 분해능은 대역폭 4 GHz에서 3.75 cm이지만 각도 분해능이 약 8.5°여서 10 m에서 가로 칸이 1.5 m(3 m에서 0.45 m, 30 m에서 4.5 m)다. 점군이 성기고 다중 반사의 가짜 점이 생기므로 지도 만들기보다 도플러로 자기 속도를 구하는 용도가 강하다. 정지한 물체의 시선 방향 속도(도플러) 분포로 한 번의 관측에서 자기 속도를 구하는 방법이 자동차 레이더 문헌에 있다(Kellner 외, 2013). 이 속도를 관성과 묶으면 연기 속에서도 드리프트를 줄일 수 있다 (드리프트 값은 구성별로 달라 확인 필요).

초음파 거리계는 수 m 이내의 높이·측벽 거리에 값싸고 유리에 강하다. 로터 소음과 바람, 흡음재에서 약하다. 기압계는 실내에서도 층간 높이 변화에 사용할 수 있으나 환기·문 개폐의 압력 변화가 오차가 된다 (경험 범위). 연기에서 광학 센서(LiDAR)가 줄어드는 정량은 4.11.9가 다루며 연기는 입자 크기가 달라 계산이 더 어렵다(4.11.9.4). 시정 10 m의 짙은 연기를 가시광 소광으로 근사하면 10 m 왕복에 −34 dB다. 연기 입자는 905 nm에서 가시광보다 덜 흩뜨릴 수 있어 이 값은 최대 감쇠의 근사이지만 (확인 필요), LiDAR는 짙은 연기 속에서 몇 m 못 간다고 보는 것이 안전하다.

4.10.5.2 Wi-Fi·BLE

이미 설치된 무선 시설을 재활용하는 방식이다. 수신 세기(RSSI)의 지문은 환경 변화에 약하고 정확도가 수 m (경험 범위)다. IEEE 802.11mc의 왕복 시간 측정(FTM)은 가시선에 가까운 실내에서 1~2 m라는 문헌 보고가 있다 (2차 확인). 블루투스는 5.1에서 방향 탐지(도래각·출발각)를 넣었고, 6.0의 채널 사운딩(위상 기반과 왕복 시간)은 업체 자료가 수십 cm에서 10 cm 아래까지 주장하나 값이 불일치한다 (공개 주장치). 요구(0.23 m)에는 모자라므로 구역 판정과 위치 재초기화에 사용하고 연속 항법에는 사용하지 않는 것이 맞다. 비협조 신호의 위조·교란에 대한 취약성은 4.9.3.5와 같다.

4.10.5.3 환경 한계를 한눈에

센서마다 강한 환경과 약한 환경이 반대다. LiDAR와 카메라는 연기·유리에서, UWB·레이더·Wi-Fi는 금속 다중경로에서 약하다. 한 센서로 모든 환경을 포괄하는 구성은 없고, 약점이 다른 센서를 짝지어야 한다. 이것이 4.13가 센서 다양성을 구성 원리로 삼는 이유다.

4.10.6 터널·광산·건물의 통신 — 위치보다 먼저 막히는 것

실내·지하에서는 위치보다 통신이 먼저 끊긴다. 기체가 통신 없이도 임무를 끝내거나 안전하게 멈출 수 있어야 한다는 뜻이다(2.6.6, 링크 상실 절차 3.11).

터널은 도파관이다. 폭 $a$의 사각 터널에서 가장 낮은 모드의 차단 주파수는 다음이고, 원형 터널(지름 $d$)은 $1.841\,c/(\pi d)$다. 이보다 낮은 주파수는 급히 줄고 높은 주파수는 먼 거리까지 간다.

$$f_c=\frac{c}{2a}$$

UHF·2.4 GHz는 차단 주파수보다 훨씬 위여서 직선 터널에서 멀리 가지만(이상화한 매끈한 벽), 곡선·분기·차량·표면 거칠기에서 급히 줄고 여러 모드의 간섭으로 페이딩이 심하다(3.3). 실제 감쇠는 측정이 정한다. 광산에서는 저주파 자기 유도를 사용하는 지하 통신이 있다고 알려져 있으나 이 장은 다루지 않는다 (확인 필요).

중계 노드는 공개된 SubT 팀의 공통 해법이다. 팀 CERBERUS는 운반 로봇이 중계 노드('breadcrumb')를 내려놓아 메쉬 네트워크를 늘렸고, 공중 정찰체는 그 백본에 와이파이 클라이언트로 붙었다. CSIRO Data61의 궤도형 로봇은 투하 노드를 최대 8개(터널 회차 기준) 싣고 다니며 신호가 약해질 때 내렸다(각 팀의 공개 기술 보고). 대가는 홉이 늘수록 처리량이 줄고 지연이 는다는 점이다. 3.16.5.2의 이상 모형(홉당 10 Mbit/s·5홉이면 종단 3.3 Mbit/s, 지연 25 ms)은 이 장의 노드 수에도 그대로 적용된다 (이상 모형, 실제는 더 낮다고 보고됨). 공중 중계(3.16.6)는 실내에서는 가시선이 없어 사용하기 어렵다. SubT에서 공중 로봇이 맡은 일과 교훈은 7.14.9에 모았다.

위성과 셀룰러는 지하에서 기대할 수 없다. 그래서 설계 원칙은 통신 두절을 기본 상태로 두는 자율이다. 통신이 끊기면 기체는 가장 최근 안전 상태로 돌아가거나 멈추고(2.6), 노획이나 소실을 전제로 한 데이터 보호(8.17)를 설계에 넣는다.

4.10.7 실내 비행의 안전과 응용

4.10.7.1 충돌 방호와 가드의 대가

실내에서는 충돌이 예외가 아니라 설계 조건이다. 프로펠러 가드(케이지)는 벽과 닿아도 기체를 보호하지만, 접촉력을 일정하게 대는 접촉 점검의 제어와 다른 해법이다(2.4.4). 대가는 질량과 항력이다. 1.7.7.1의 2 kg 쿼드콥터에 가드 0.25 kg을 더하면 호버 전기 동력이 270 W에서 319 W로 18 % 늘고 체공이 18.1분에서 15.3분으로 15 % 준다. 가드는 안전의 가격이 체공의 가격으로 나타난다.

좁은 복도에서는 로터 후류가 벽과 바닥·천장에서 되돌아와 추력이 요동하는 재순환이 커진다(1.2.7.2). 천장에 가까우면 흡입이 늘어 위로 붙는 거동이 생길 수 있다 (기체별 확인 필요). 이 효과는 항법이 아니라 제어의 몫이지만 항법의 가정(매끄러운 비행)을 훼손한다.

4.10.7.2 사람과의 거리, 법

실내의 사람 가까이를 나는 것은 야외의 사람 위 운용(14.18)보다 거리가 훨씬 짧다. 프로펠러·배터리의 위험을 방호 설계와 운용 절차로 낮춘다. 실내 비행이 항공 규제의 적용을 받는지는 나라마다 다르다. 완전히 폐쇄된 구조물 안 운용을 연방 항공 규정의 밖으로 보는 입장이 알려져 있고, 한국의 해석은 확인하지 못했다 (확인 필요). 실내 지도·영상은 개인정보·영상정보 규제의 대상이 될 수 있다(18.17).

4.10.7.3 응용

• 창고·제조 현장(14.11) — 재고 조사와 순환 점검. 인프라를 미리 설치할 수 있어 UWB·바코드·시각이 맞다.
• 소방·재난(14.7·16.19) — 연기·어둠·통신 두절. 미리 설치한 인프라가 없어 자립 항법(LiDAR·레이더·시각-관성)이 중심이다.
• 점검(14.4) — 보일러·탱크·터널·광산의 내부. 접촉 점검(2.4)과 가드가 중복된다.
• 군용 — 건물·지하 시설의 정찰은 공개된 시험(DARPA SubT 최종전, 2021년 9월 21~24일 미국 루이빌 메가 케이번)에서 엿볼 수 있다. DARPA의 발표는 CERBERUS가 23점으로 우승하고 CSIRO Data61이 같은 23점으로 2위, 3위는 18점이라고 정리한다. 이 장은 전술을 작성하지 않는다.

4.10.8 수치 예시 — 폭 2 m 통로에서 센서의 강한 축과 약한 축

반폭 1 m의 통로(요구: 횡 방향 $\sigma\le0.23$ m)를 길이 100 m 날 때 두 센서의 강한 축과 약한 축을 정리한다. 가정은 UWB의 거리 오차 10 cm, LiDAR의 거리 잡음 2 cm, 속도 1 m/s(100 m에 100 s), 관성만 사용하는 구간의 가속도계 바이어스 0.1·1·5 mg다.

관성만으로 축 방향을 유지하는 구간의 오차는 $\tfrac12 b t^2$(4.3의 식)이다.

읽는 법. LiDAR는 횡 방향에는 충분하나 축 방향이 비고, UWB는 축 방향에 강하나 횡 방향이 앵커 간격에 묶인다. 두 센서의 강한 축과 약한 축이 서로 반대이므로 LiDAR가 횡 방향·고도를 맡고 UWB가 축 방향을 맡으면 요구를 맞추는 구성이 나온다. 반대로 UWB가 없는 재난·지하에서는 LiDAR 퇴화 구간(수십 m)마다 관성이 유지해야 하고, 1 mg급 MEMS는 30 s 만에 4.4 m가 흘러간다. 그래서 인프라가 없는 현장에서는 긴 복도에서 속도를 줄이거나 멈춰 끝벽·기둥을 확보하는 운용이 필요하다.

4.10.9 방식별 성능 가정 — 4.13가 모으는 표

정확도는 정상 동작 때 수평 한 축의 범위다. 출처의 성격이 섞여 있다.

4.10.10 설계 트레이드오프 — 인프라를 놓을 것인가

① 인프라 설치형(UWB 앵커). 정확도가 예측 가능하고 환경 변화에 덜 민감하며 축 방향을 확실히 준다. 설치·교정·유지가 비용이고 재난·광산에는 사용할 수 없다. 창고·공장처럼 반복 운용이 있는 곳이 맞다.

② 자립형 SLAM(LiDAR·시각·레이더). 인프라가 필요 없고 처음 가는 건물에서도 작동한다. 퇴화와 환경 약점이 곧 위험이고 장시간 드리프트와 연산·전력이 부담이다(2.9).

③ 하이브리드(자립 + 현장 투하 비콘). 기체나 지상 로봇이 일을 하면서 UWB 앵커나 중계기를 떨어뜨려 인프라를 즉석에서 만든다. 공개 SubT 팀이 사용한 방식이다. 투하 장치·노드 수가 한계이고 노드 위치를 정확히 알기 어렵다.

견해: 공장·창고의 반복 운용에서는 ①을, 처음 들어가는 현장에서는 ②를 바탕으로 하고, 지하·터널처럼 긴 복도가 길게 이어지는 곳에서는 ③으로 축 방향 정보를 현장에서 만들어 주는 것이 합리적이라고 본다. 근거는 두 가지다. 첫째, 4.10.8의 계산이 보인 대로 LiDAR는 축 방향이 비는 구조적 약점이 있고 UWB는 횡 방향이 약하다. 둘째, SubT에서 우승한 구성이 이질적인 로봇과 중계 노드의 조합이었다는 공개 보고가 이 판단과 맞는다. 다만 이 판단은 센서·환경이 이 장의 가정 안에 있을 때의 것이고, 실제 구성은 시험으로 정한다. 단일 센서로 모든 환경을 포괄하려는 입장(큰 모델 하나·고가 센서 하나)도 있고, 그 입장은 시스템 단순성을 가치로 둔다.

4.10.11 세 축 비교 — 같은 센서, 다른 요구

4.10.12 관련 규격·프로토콜

유료·비공개 규격은 구조 수준으로만 다뤘다.

4.10.13 관련 규제·인증 요구와의 연결

4.10.14 함정과 한계

이 장의 한계다.

• 가정한 단순 기하다. 방·복도·기둥은 직육면체로 두었고 실제 환경(문·선반·사람·가구)은 넣지 않았다.
• LiDAR 정보는 이론적 하한이다. 실제 정합은 특징 선택·노이즈·이상치에서 더 일찍 퇴화한다.
• UWB의 NLOS 모형은 단일 앵커의 상수 바이어스다. 다중경로의 통계는 다루지 않았다.
• 한국의 UWB 대역·실내 비행의 법적 지위·현장 인프라를 확인하지 못했다.

4.10.15 체크포인트·연구 질문

체크포인트

1. 반폭 1 m 통로에서 이탈 확률 $10^{-5}$를 충족하는 횡 방향 $\sigma$는 얼마인가? 반폭 50 m 회랑과 비교하라.
2. SS-TWR에서 응답 지연 300 µs·시계 차이 20 ppm이면 거리 오차는? DS-TWR이 이것을 어떻게 줄이는가?
3. 방 중앙에서 HDOP 0.89·VDOP 3.3이고 거리 오차가 10 cm이면 수평·수직 오차는? 수직을 줄이는 방법은?
4. 점-평면 정합의 이동 정보가 "법선이 그 축인 점의 수"인 이유를 야코비안으로 설명하라. 빈 복도에서 축 방향은 왜 비는가?
5. LiDAR 퇴화에 대한 네 가지 대응을 들고 각각의 한계를 말하라.
6. 폭 5 m 터널의 차단 주파수는? 2.4 GHz 신호가 이 터널에서 어떻게 거동하는가?

연구 질문 — 이 장에서 파생되는 열린 주제(25.7에 모은다)

1. 좁은 통로의 UWB 앵커 설계 — 횡 방향 요구(0.23 m)를 만족하는 최소 앵커 수와 배치를 어떻게 최적화하는가? 비가시선 바이어스를 잉여로 얼마나 막을 수 있는가?
2. LiDAR 퇴화의 온라인 검출과 보완 — 정보 행렬의 고유값 임계가 실제 퇴화를 얼마나 일찍 알리는가? 퇴화 구간의 오차 상한을 어떻게 보증하는가?
3. 연기 속 레이더·LiDAR의 정량 비교 — 연기의 입자 분포를 반영한 투과·산란 모델이 4.11의 안개 모형과 어떻게 다른가?
4. 현장 투하 비콘의 위치 추정 — 투하한 UWB 앵커의 위치를 기체가 SLAM과 함께 어떻게 추정하고 그 불확실성을 항법에 전달하는가?

1차 출처(이 장)

• IEEE Std 802.15.4z-2020, Enhanced High Rate Pulse (HRP) and Low Rate Pulse (LRP) Ultra Wideband (UWB) Physical Layers (PHYs) and Associated Ranging Techniques.
• Sahinoglu, Z.; Gezici, S.; Güvenç, I., Ultra-Wideband Positioning Systems, Cambridge University Press, 2008.
• Zhang, J.; Singh, S., "LOAM: Lidar Odometry and Mapping in Real-time", Robotics: Science and Systems, 2014.
• Zhang, J.; Kaess, M.; Singh, S., "On Degeneracy of Optimization-based State Estimation Problems", IEEE ICRA, 2016, pp. 809–816.
• Hess, W. 외, "Real-Time Loop Closure in 2D LIDAR SLAM", IEEE ICRA, 2016 (쪽 확인 필요).
• Xu, W. 외, "FAST-LIO2: Fast Direct LiDAR-Inertial Odometry", IEEE Transactions on Robotics, 2022, DOI 10.1109/TRO.2022.3141876.
• Besl, P. J.; McKay, N. D., "A Method for Registration of 3-D Shapes", IEEE Transactions on Pattern Analysis and Machine Intelligence 14(2), 1992. Low, K.-L., "Linear Least-Squares Optimization for Point-to-Plane ICP Surface Registration", UNC Chapel Hill 기술보고서 TR04-004, 2004.
• Cadena, C. 외, "Past, Present, and Future of Simultaneous Localization and Mapping: Toward the Robust-Perception Age", IEEE Transactions on Robotics 32(6), 2016.
• Kellner, D. 외, "Instantaneous ego-motion estimation using Doppler radar", IEEE ITSC, 2013.
• Team CERBERUS, "Team CERBERUS Wins the DARPA Subterranean Challenge: Technical Overview and Lessons Learned", arXiv:2207.04914, 2022. CSIRO Data61 팀, "Heterogeneous Ground and Air Platforms, Homogeneous Sensing: Team CSIRO Data61's Approach to the DARPA Subterranean Challenge", arXiv:2104.09053, 2021. DARPA, Subterranean Challenge 결과 발표(2021년 9월).
• Barfoot, T. D., State Estimation for Robotics, Cambridge University Press, 2017. Groves, P. D., Principles of GNSS, Inertial, and Multisensor Integrated Navigation Systems, 2nd ed., Artech House, 2013.
• Qorvo DW3000 제품 소개 자료(칩 제조사, 공개 주장치). Bluetooth SIG, Core Specification 6.0 개요.

출처를 찾고 판을 추적하는 방법은 0.9에서 다룬다.

다음 장: 4.11에서는 어둠과 안개 속에서 보는 법을 다룬다. 조도와 파장, 가시광 카메라의 광자 한계, 열영상·근적외선·영상 증폭·이벤트 카메라, 밀리미터파 레이더·LiDAR의 안개 투과, 그리고 야간 시각 항법과 착륙 보조를 정리한다. 4.13가 이 부의 센서와 인프라를 임무별 항법 구성으로 모은다.