연구실의 핵심 축 중 하나는 GNSS를 기반으로 한 정밀 위치·항법·시각동기화(PNT) 기술이다. 연구 범위는 기존 GPS, Galileo, GLONASS 등 다중 위성항법시스템의 수신 및 신호처리뿐 아니라 한국형 위성항법시스템(KPS), 저궤도 위성 기반 LEO PNT, 정지궤도 및 심우주 환경에서의 GNSS 활용까지 폭넓게 확장되어 있다. 이를 통해 도심, 우주, 전파간섭 환경 등 다양한 조건에서 안정적으로 위치를 산출하는 차세대 항법 체계를 구축하는 데 초점을 맞추고 있다. 세부적으로는 GNSS 신호 설계, 수신기 구조, 소프트웨어 정의 수신기(SDR), 다중주파수·다중위성 신호처리, 항법 필터, 정밀측위 및 간섭 분석 기술이 중요한 연구 주제로 다뤄진다. 특히 미약신호 환경에서의 획득 및 추적, RF 호환성 분석, 재밍 감시, 다중경로 오차 모델링, GEO/LEO 위성 탑재 수신기 설계와 같은 주제는 실제 위성항법 시스템의 성능과 신뢰성을 좌우하는 요소들이다. 연구실은 시뮬레이터와 테스트베드를 함께 활용하여 이론 검증과 시스템 구현을 동시에 수행하는 특징을 가진다. 이 연구는 미래 모빌리티와 국가 인프라 측면에서도 중요성이 크다. 자율주행차, 드론, UAM, 군·민수 무인이동체, 우주 플랫폼은 모두 연속적이고 안전한 위치결정 능력을 요구하며, 기존 GNSS 단독 방식만으로는 충분하지 않은 환경이 점차 늘어나고 있다. 따라서 연구실의 PNT 연구는 한국형 다계층 항법체계 구축, 재밍 대응, 우주용 수신기 고도화, 정밀 시각동기화와 같은 미래 핵심 기술의 기반을 제공하는 역할을 수행한다.

연구실은 자율주행차와 다양한 무인이동체를 위한 항법 및 위치추정 기술을 중점적으로 연구한다. 여기에는 차량, 드론, UAM과 같은 플랫폼이 실제 환경에서 자신의 위치와 자세를 정확하게 파악하고, 주행 경로를 안정적으로 생성하며, 안전하게 제어될 수 있도록 하는 전 과정이 포함된다. 특히 고속 주행, GNSS 음영지역, 복잡한 도심 환경, 협력주행 상황에서 성능을 유지할 수 있는 강건한 항법 기술 개발이 중요한 목표이다. 이를 위해 GNSS, IMU, LiDAR, 카메라, V2X 등의 다양한 센서를 통합하는 센서 융합 기반 항법 알고리즘이 폭넓게 다뤄진다. 약결합·심층결합 GNSS/INS, 칼만필터 기반 위치추정, 차량 동역학 모델링, 협력 위치추정, 장애물 인지와 경로 계획, 차선 추종 및 충돌회피 알고리즘 등은 연구실의 대표적인 세부 주제다. 실제 논문과 특허, 학술발표에서는 자율주행 시스템의 운전능력 평가, 차량용 위치추정 정확도 향상, 협력 센서 기반 안전 운행 기술이 반복적으로 나타나며, 이는 연구실이 단순 인지 기술이 아니라 항법-제어-평가를 통합적으로 다룬다는 점을 보여준다. 이 연구의 의의는 단순히 차량을 움직이게 하는 수준을 넘어, 안전성과 검증 가능성을 함께 확보하는 데 있다. 자율주행 기술이 상용화되기 위해서는 위치오차 최소화, 긴급상황 대응, 법규 기반 주행 안정성 확보가 필수적이다. 연구실은 이러한 요구를 반영하여 실제 도로 기반 자율주행뿐 아니라 경진대회, 테스트 플랫폼, 실증 환경에서 적용 가능한 기술을 꾸준히 축적하고 있으며, 미래자동차와 지능형 무인이동체 분야의 실용적 핵심 역량을 발전시키고 있다.

연구실은 최근 3차원 LiDAR와 포인트클라우드 지도를 활용한 장소인식, 자세추정, 점군 정합 기술을 활발히 연구하고 있다. 이는 자율주행차와 AAM/UAM이 GNSS가 불안정하거나 이용 불가능한 환경에서도 자신의 위치를 파악할 수 있도록 하는 핵심 기술이다. 특히 장소인식은 이미 지나간 지점을 다시 식별하여 누적 오차를 줄이는 루프 클로저와 밀접하게 연결되며, 안정적인 SLAM 시스템의 성능을 좌우한다. 대표적으로 연구실은 딥러닝 의존도를 줄이면서도 높은 성능을 내는 수작업 기반 특징 추출과 기술자(descriptor) 설계에 강점을 보인다. 3D LiDAR 기반 특징점 추출, 포인트클라우드 정합, 회전 환경에 강인한 장소 인식, 점군 지도 기반 가상 기술자 데이터베이스 생성, 실시간 연산 최적화 등이 주요 연구 내용이다. 이러한 접근은 학습 데이터 의존성과 해석 가능성 문제를 줄이면서, 임베디드 장치나 저전력 환경에서도 실시간 동작이 가능하도록 설계된다는 장점이 있다. 이 분야의 연구는 도심 자율주행, 실내외 혼합 공간, 항공 모빌리티, 비가시 환경 항법에서 특히 큰 가치를 가진다. GNSS 거부 환경에서의 대체 위치추정 수단으로서 LiDAR 기반 장소인식은 안전성과 연속성을 동시에 제공할 수 있다. 연구실은 차량뿐 아니라 공중이동체까지 적용 범위를 확장하며, 향후 고정밀 지도 기반 자율항법, 디지털트윈 연계 위치결정, 다종 센서 간 상호운용이 가능한 차세대 항법 기술로 발전시킬 가능성이 크다.

연구실은 실제 도로 시험의 위험성과 비용 문제를 줄이기 위해 자율주행 알고리즘을 가상환경에서 검증할 수 있는 시뮬레이션 기술을 중점적으로 개발하고 있다. 여기에는 드라이빙 시뮬레이터, 센서 에뮬레이션, 증강현실 기반 실차 연동, HIL 및 VILS 환경, co-simulation 프레임워크가 포함된다. 이러한 연구는 자율주행 시스템을 개발 초기 단계부터 반복적으로 시험하고 성능을 정량화할 수 있게 해준다는 점에서 매우 중요하다. 연구실이 수행한 프로젝트들에서는 현실-가상정보 융합형 자율주행 시뮬레이션 소프트웨어, 민군겸용 가상환경 시뮬레이터, AI 운전능력평가 프로세스 개발과 같은 주제가 반복적으로 나타난다. 이는 단순한 주행 영상 재현이 아니라 센서, 환경, 차량, 제어기, 평가 지표를 모두 통합한 검증 체계를 지향함을 보여준다. 또한 도로교통법과 안전운전 규정을 반영한 시나리오 기반 평가, 원격 모니터링, 다수 자율주행 클라이언트의 동시 검증과 같은 요소는 연구실의 시뮬레이션 연구가 실제 인증과 시험평가 체계로 연결되고 있음을 시사한다. 이 연구의 장점은 자율주행 기술의 상용화에 필요한 신뢰성 확보와 표준화 기반 마련에 있다. 실제 도로에서 검증하기 어려운 위험 상황, 악천후, 드문 교통 시나리오를 가상환경에서 재현하면 알고리즘의 한계를 미리 확인하고 개선할 수 있다. 나아가 향후에는 디지털트윈, 엣지 컴퓨팅, 가상 센서 검증, 법규 기반 AI 평가체계와 결합하여 미래자동차 산업의 시험·인증 인프라를 구성하는 핵심 기술로 발전할 수 있다.