JP2010175458A - 目標追尾装置 - Google Patents
目標追尾装置 Download PDFInfo
- Publication number
- JP2010175458A JP2010175458A JP2009020060A JP2009020060A JP2010175458A JP 2010175458 A JP2010175458 A JP 2010175458A JP 2009020060 A JP2009020060 A JP 2009020060A JP 2009020060 A JP2009020060 A JP 2009020060A JP 2010175458 A JP2010175458 A JP 2010175458A
- Authority
- JP
- Japan
- Prior art keywords
- model
- thrust acceleration
- covariance matrix
- smoothing
- error covariance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000001133 acceleration Effects 0.000 claims abstract description 294
- 238000000034 method Methods 0.000 claims abstract description 220
- 230000008569 process Effects 0.000 claims abstract description 219
- 239000011159 matrix material Substances 0.000 claims abstract description 142
- 238000009499 grossing Methods 0.000 claims abstract description 133
- 238000001514 detection method Methods 0.000 claims abstract description 92
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 230000010354 integration Effects 0.000 claims abstract description 15
- 230000007704 transition Effects 0.000 claims description 78
- 238000005070 sampling Methods 0.000 claims description 30
- 230000007423 decrease Effects 0.000 claims description 15
- 238000013213 extrapolation Methods 0.000 claims description 14
- 230000001934 delay Effects 0.000 claims description 13
- 230000002441 reversible effect Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000005484 gravity Effects 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 239000003380 propellant Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000007596 consolidation process Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001141 propulsive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
【解決手段】目標Tの2Dセンサ検出結果を出力する検知器10と、目標Tの3Dセンサ検出結果を出力する信号処理器50と、2Dセンサ検出結果から輝度ヒストリを解析する輝度ヒストリ解析処理20と、輝度ヒストリによる推力加速判定処理30と、モデル信頼度制御処理40と、各運動モデルの混合処理、予測処理および平滑処理70〜93と、2Dおよび3Dセンサ検出結果と各運動モデルの予測処理結果とから事後信頼度を算出するモデル信頼度算出処理100と、各運動モデルの統合平滑ベクトルおよび統合平滑誤差共分散行列を算出する統合処理110と、目標Tの着地を予測する着地予測処理120とを備えている。
【選択図】図1
Description
上記非特許文献1に記載の従来技術においては、図9に示した3つの運動フェーズを持つ目標(打上げロケットのような飛翔体)の追尾を行うために、上記3つの運動フェーズに基づく3つの運動モデル(以下、単に「運動モデル」という)ごとの信頼度を用いて、運動モデルごとの航跡を重み付けすることにより、統合航跡を生成する。
ここで、目標高度が高高度になるにつれて、空気密度が小さくなるので、空気抵抗力が働くものの小さくなるので、空気抵抗力は重力に比べて無視できることが知られている。
さらに、統合航跡のばらつき(つまり、航跡の誤差)は、時間経過につれて収束するものの、航跡の誤差の収束は遅いという課題があった。
目標を観測する2Dセンサを有し、2Dセンサによる2Dセンサ観測値、2Dセンサ観測誤差共分散行列および輝度を含む2Dセンサ検出結果を出力する検知器と、
2Dセンサ検出結果から、時刻対輝度の輝度ヒストリを作成する輝度ヒストリ解析処理と、
輝度ヒストリが事前に決めた輝度しきい値との間で所定の関係を満たすか否かを判定し、輝度ヒストリに対応する仮推力加速判定フラグ、輝度ヒストリに対応する推力加速判定フラグ、ならびに、輝度ヒストリに対応する時刻および輝度ヒストリを出力する、輝度ヒストリによる推力加速判定処理と、
推力加速判定フラグが「0」の場合には、目標の推力加速が終了したものと判定して、推力加速モデルへの推移確率を「0」とし、推力加速判定フラグが「1」の場合には、目標が推力加速中と判定して、事前に設定した推移確率を使用するモデル信頼度制御処理と、
目標を観測する3Dセンサを有し、3Dセンサによる3Dセンサ観測値および3Dセンサ観測誤差共分散行列を含む3Dセンサ検出結果を出力する信号処理器と、
推力加速モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、推力加速モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、推力加速モデルから空気抵抗モデルまたは慣性モデルへの逆推移確率と、推力加速モデルの事前信頼度とを算出する、推力加速モデル混合処理と、
推力加速モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を、1サンプリング分だけ遅延させる遅延部と、
カルマンフィルタの予測処理により、現時刻の推力加速モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、推力加速モデル予測処理と、
カルマンフィルタの平滑処理により、現時刻の3Dセンサ検出結果または2Dセンサ検出結果を用いて、推力加速モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を算出する、推力加速モデル平滑処理と、
慣性モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、慣性モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、慣性モデルから空気抵抗モデルまたは推力加速モデルへの逆推移確率と、慣性モデルの事前信頼度とを算出する、慣性モデル混合処理と、
慣性モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を、1サンプリング分だけ遅延させる遅延部と、
カルマンフィルタの予測処理により、現時刻の慣性モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、慣性モデル予測処理と、
カルマンフィルタの平滑処理により、現時刻の3Dセンサ検出結果または2Dセンサ検出結果を用いて、慣性モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を算出する、慣性モデル平滑処理と、
空気抵抗モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、空気抵抗モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、空気抵抗モデルから推力加速モデルまたは慣性モデルへの逆推移確率と、空気抵抗モデルの事前信頼度とを算出する、空気抵抗モデル混合処理と、
空気抵抗モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を、1サンプリング分だけ遅延させる遅延部と、
カルマンフィルタの予測処理により、現時刻の空気抵抗モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、空気抵抗モデル予測処理と、
カルマンフィルタの平滑処理により、現時刻の3Dセンサ検出結果または2Dセンサ検出結果を用いて、空気抵抗モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を算出する、空気抵抗モデル平滑処理と、
3つの運動モデルごとの予測ベクトルおよび予測誤差共分散行列、ならびに、2Dセンサ観測誤差共分散行列または3Dセンサ観測誤差共分散行列を用い、3つの運動モデルごとの尤度を算出するとともに、3つの運動モデルごとの尤度および事前信頼度を用いて、3つの運動モデルごとの事後信頼度を算出する、モデル信頼度算出処理と、
3つの運動モデルごとの平滑ベクトルおよび平滑誤差共分散行列を、3つの運動モデルごとの事後信頼度により重み付け統合して、統合平滑ベクトルおよび統合平滑誤差共分散行列を算出する、統合処理と、
統合平滑ベクトルおよび統合平滑誤差共分散行列を、事前に決めた目標の飛翔モデルに合わせて、着地予測点の高度が0になるまで、事前に決めた所定の外挿間隔で外挿することにより、統合平滑ベクトルの位置から着地予測点までの、所定の外挿間隔ごとの統合平滑ベクトルおよび統合平滑誤差共分散行列の各外挿結果を出力する、着地予測処理と、
を備えたものである。
以下、図面を参照しながら、この発明の好適な実施の形態について説明する。
図1はこの発明の実施の形態1に係る目標追尾装置の全体構成を示すブロック図である。
信号処理器50は、目標Tを観測する3Dセンサ50aを有し、3Dセンサ50aによる3Dセンサ観測値および3Dセンサ観測誤差共分散行列を含む3Dセンサ検出結果を出力する。
遅延部70、80、90は、各運動モデルの平滑処理結果を遅延して各運動モデルの混合処理71、81および91に帰還入力する。
モデル信頼度制御処理40の出力情報は、モデル信頼度算出処理100、推力加速モデル混合処理71、慣性モデル混合処理81および空気抵抗モデル混合処理91に入力される。
図2は輝度ヒストリ解析処理20の動作に関連しており、2Dセンサ検出結果に基づく輝度ヒストリの時間変化例を示している。
2Dセンサ10aがレーダの場合には、パッシブに角度を観測するか、またはアクティブに距離および角度を観測するが、距離の検出精度が低くなる。
したがって、距離が有効な観測情報として使えずに角度のみを使用する場合や、距離が(妨害波により)有効な観測情報として使えずに角度のみを使用する場合が考えられる。
検知器10から出力された2Dセンサ検出結果は、直ちに、輝度ヒストリ20に入力されるとともに、入力スイッチ65を介して、多重運動モデルフィルタ60内のモデル信頼度算出処理100に入力される。
また、図1では、代表的に1台の検知器10のみを示しているが、複数台の検知器が設置されてもよい。
図2において、輝度は、目標Tが燃焼して(ブースト中で)温度が高ければ大きくなり、燃焼(ブースト)が終了して温度が低ければ小さくなる。
なお、温度の高低のみではなく、目標Tの特徴を反映する指標(反射係数など)であれば、輝度情報に相当するものとして使用することができる。
輝度ヒストリ解析処理20は、輝度ヒストリの解析結果を、輝度ヒストリによる推力加速判定処理30に送信する。
(2)Bth2≧B(図2内のブースト中)の場合には、目標Tが推力加速中であると判定し、仮推力加速判定フラグFpを「1」に設定する。
(3)Bth2>B>Bth1(図2内のブースト判定保留)の場合には、推力加速判定を保留状態とし、仮推力加速判定フラグFpを「2」に設定する。
最後に、輝度ヒストリによる推力加速判定処理30は、輝度ヒストリに対応する仮推力加速判定フラグFp、輝度ヒストリに対応する推力加速判定フラグFr、輝度ヒストリに対応する時刻および輝度ヒストリを、モデル信頼度制御処理40に入力する。
モデル信頼度制御処理40の詳細内容については、後述する。
信号処理器50から出力された3Dセンサ検出結果は、入力スイッチ65を介して多重運動モデルフィルタ60内のモデル信頼度算出処理100に入力される。
なお、3Dセンサ検出結果は、3Dセンサ観測値および3Dセンサ観測誤差共分散行列の情報を含む。
また、モデル信頼度算出処理100は、運動モデルごとの尤度および事前信頼度を用いて、運動モデルごとの事後信頼度を算出する。なお、「運動モデルごと」とは、推力モデル、慣性モデル、空気抵抗モデルごと、という意味である。
また、Nは、運動モデル数を表し、nは、推力加速モデル、慣性モデル、空気抵抗モデルのいずれかの運動モデルを表す。
まず、時刻kの運動モデルmの混合平滑ベクトルを、
次に、時刻kの運動モデルmの混合平滑ベクトルを、
また、Tは行列の転置を表し、Nは運動モデル数を表す。
ここで、運動モデルmから運動モデルnへの逆推移確率を、
ここで、時刻k+1の運動モデルnの事前信頼度を、
モデル信頼度制御処理40は、輝度ヒストリによる推力加速判定処理30から入力された推力加速判定フラグFrが「0」の場合には、目標Tの推力加速が終了したものと見なして、推力加速モデルへの推移する推移確率を「0」に設定し、推力加速モデルの識別子を「1」、慣性モデルの識別子を「2」、空気抵抗モデルの識別子を「3」とした場合の推移確率の組合せを行列形式で表し、
このとき、推移確率の組合せは、以下の式(6)で表される。
たとえば、推力加速中と判定されて、推力加速判定フラグFrが「1」の場合には、
また、目標Tの推力加速が終了したと判定されて、推力加速判定フラグFrが「0」の場合には、以下の式(7)のように、推力加速モデルに関わる成分を「0」とする。
このように推移確率を設定することにより、慣性モデルの事前信頼度および事後信頼度の各重み付けを高く設定することができる。
信号処理器50は、目標Tを観測する3Dセンサ50aを有し、3Dセンサ50aによる3Dセンサ観測値および3Dセンサ観測誤差共分散行列を含む3Dセンサ検出結果を出力する。
また、遅延部80は、慣性モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を、1サンプリング分だけ遅延させ、遅延部90は、空気抵抗モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を、1サンプリング分だけ遅延させる。
推力加速モデル平滑処理73は、カルマンフィルタの平滑処理により、現時刻の3Dセンサ検出結果または2Dセンサ検出結果を用いて、推力加速モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を算出する。
すなわち、目標Tの統合航跡の誤差の早期収束と、目標Tの着地予測位置および着地予測範囲を算出する着地予測位置誤差共分散行列の早期収束とを実現することができる。
さらに、上記のように、輝度ヒストリによる推力加速判定による効果の相乗効果により、統合航跡の判定精度をさらに向上させることができる。この結果、着地予測処理120の測定精度を向上させることができる。
なお、上記実施の形態1(図1)では、輝度ヒストリ解析処理20および輝度ヒストリによる推力加速判定処理30を用いて、輝度ヒストリに基づく判定処理を実行したが、図3のように、検出データ数による推力加速判定処理130を用いて、検出データ数に基づく判定処理を実行してもよい。
図3においては、図1内の輝度ヒストリ解析処理20および輝度ヒストリによる推力加速判定処理30に代えて、検出データ数による推力加速判定処理130を設けた点のみが前述と異なる。
(B)Dth2≧Dの場合には、目標Tが推力加速中であると判定して、仮推力加速判定フラグFpを「1」に設定する。
(C)Dth2>D>Dth1の場合には、推力加速判定を保留状態として、仮推力加速判定フラグFpを「2」に設定する。
最後に、検出データ数による推力加速判定処理130は、検出データ数Dに対応する仮推力加速判定フラグFpおよび推力加速判定フラグFrと、検出データ数Dに対応する時刻とを、モデル信頼度制御処理40に入力する。
なお、上記実施の形態2では、検知器10におけるS/N環境の違いについて考慮しなかったが、図4〜図6のように、検知器10におけるS/N環境の違いに応じて、検出データ数による推力加速判定処理130の適用状況を変更してもよい。
図4〜図6は異なるS/N環境下での目標信号および不要信号と輝度しきい値Bthとの関係を示す説明図であり、S/N環境の違いに応じて可変設定される検知器10の輝度しきい値Bthにより、目標信号または不要信号が検出されるか否かを示している。
図4〜図6のS/N環境の違いは、この発明の実施の形態3に係る検出データ数による推力加速判定処理130の適用状況と関連する。
図5および図6は、低S/N環境(低輝度環境)での検出データと低減された輝度しきい値Bthとの関係を示しており、目標信号が低S/N(低輝度)で検出される。
ここでは、図4→図5→図6の順で、目標信号のS/Nが小さくなっており、図6では、図5よりも輝度しきい値Bthがさらに低減されている。
ただし、推力加速が終了直後の時間帯においては、目標の輝度低下により、目標信号のS/Nが徐々に低くなるので、不要信号のS/Nと同じ程度(または、それ以下)に低下することが想定される。
この場合は、推力加速が終了して、目標Tが低S/Nになったと判定できる。
なお、前述の実施の形態1(図1)では特に言及しなかったが、モデル信頼度制御処理40は、目標Tの推力加速が終了したと判定された場合には、図7に示すように、推力加速モデルから3つの運動モデルのいずれかへの推移確率を、時間経過ごとに単調減少させるように設定してもよい。
なお、図7の単調減少させていく推力加速モデルに関わる推移確率のモデルは、事前に決めておく。
これにより、推力加速モデルに関わる推移確率が小さくなるにつれて、慣性モデルおよび空気抵抗モデルに関わる推移確率が大きくなる。
これにより、推力加速モデルに関わる推移確率が小さくなるにつれて、慣性モデルに関わる推移確率が大きくなる。
なお、上記実施の形態4(図7)では、モデル信頼度制御処理40は、目標Tの推力加速が終了したと判定された場合に、推力加速モデルから3つの運動モデルのいずれかへの推移確率を、時間経過ごとに単調減少させたが、推力加速モデルの事後信頼度を小さい値に設定してもよい。
なお、この発明の実施の形態5の全体構成は、図1に示した通りである。
なお、上記実施の形態1(図1)では特に言及しなかったが、図8に示すように、モデル信頼度制御処理40に関連した第2のモデル信頼度制御処理140を設けてもよい。
図8はこの発明の実施の形態6に係る目標追尾装置の全体構成を示すブロック図であり、前述(図1参照)と同様のものについては、前述と同一符号を付して詳述を省略する。
第2のモデル信頼度制御処理140の出力情報は、モデル信頼度制御処理40およびモデル信頼度算出処理100に入力されている。
遅延部150は、統合処理110から得られた、統合平滑ベクトルおよび統合平滑誤差共分散行列を、1サンプリング分だけ遅延させて第2のモデル信頼度制御処理140に入力する。
続いて、第2のモデル信頼度制御処理140は、算出された高度平滑位置と事前に決めた高度しきい値とを比較し、高度平滑位置が高度しきい値よりも小さい状態が、現在を含む過去のM2フレーム中にN2フレーム(M2≧N2)だけ存在するか否かを判定する。
また、第2のモデル信頼度制御処理140において、現在を含む過去M2フレーム中のN2フレームにおいて、高度平滑位置が事前に決めた高度しきい値以上である場合には、空気抵抗モデルの影響が小さくなるものと判定し、事前に決めた高度しきい値対推移確率パラメータファイルを用いて、空気抵抗モデルの推移確率を小さい値に設定する。
また、モデル信頼度制御処理40は、第2のモデル信頼度制御処理140で可変設定された空気抵抗モデルの推移確率と、輝度ヒストリによる推力加速判定処理から得られた推力加速判定フラグFr(ブースト判定フラグ)とを用いて、3つの運動モデルに関わる各推移確率を設定する。
Claims (6)
- 3つの運動フェーズとして、推力加速フェーズ、慣性フェーズおよび空気抵抗フェーズを持つ目標を追尾するために、前記3つの運動フェーズに対応した3つの運動モデルとして、推力加速モデル、慣性モデルおよび空気抵抗モデルを用いた目標追尾装置であって、
前記目標を観測する2Dセンサを有し、前記2Dセンサによる2Dセンサ観測値、2Dセンサ観測誤差共分散行列および輝度を含む2Dセンサ検出結果を出力する検知器と、
前記2Dセンサ検出結果から、時刻対輝度の輝度ヒストリを作成する輝度ヒストリ解析処理と、
前記輝度ヒストリが事前に決めた輝度しきい値との間で所定の関係を満たすか否かを判定し、前記輝度ヒストリに対応する仮推力加速判定フラグ、前記輝度ヒストリに対応する推力加速判定フラグ、ならびに、前記輝度ヒストリに対応する時刻および輝度ヒストリを出力する、輝度ヒストリによる推力加速判定処理と、
前記推力加速判定フラグが「0」の場合には、前記目標の推力加速が終了したものと判定して、前記推力加速モデルへの推移確率を「0」とし、前記推力加速判定フラグが「1」の場合には、前記目標が推力加速中と判定して、事前に設定した推移確率を使用するモデル信頼度制御処理と、
前記目標を観測する3Dセンサを有し、前記3Dセンサによる3Dセンサ観測値および3Dセンサ観測誤差共分散行列を含む3Dセンサ検出結果を出力する信号処理器と、
前記推力加速モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、前記推力加速モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、前記推力加速モデルから前記空気抵抗モデルまたは前記慣性モデルへの逆推移確率と、前記推力加速モデルの事前信頼度とを算出する、推力加速モデル混合処理と、
前記推力加速モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を、1サンプリング分だけ遅延させる遅延部と、
カルマンフィルタの予測処理により、現時刻の推力加速モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、推力加速モデル予測処理と、
前記カルマンフィルタの平滑処理により、現時刻の3Dセンサ検出結果または2Dセンサ検出結果を用いて、前記推力加速モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を算出する、推力加速モデル平滑処理と、
前記慣性モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、前記慣性モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、前記慣性モデルから前記空気抵抗モデルまたは前記推力加速モデルへの逆推移確率と、前記慣性モデルの事前信頼度とを算出する、慣性モデル混合処理と、
前記慣性モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を、1サンプリング分だけ遅延させる遅延部と、
前記カルマンフィルタの予測処理により、現時刻の慣性モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、慣性モデル予測処理と、
前記カルマンフィルタの平滑処理により、現時刻の3Dセンサ検出結果または2Dセンサ検出結果を用いて、前記慣性モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を算出する、慣性モデル平滑処理と、
前記空気抵抗モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、前記空気抵抗モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、前記空気抵抗モデルから前記推力加速モデルまたは前記慣性モデルへの逆推移確率と、前記空気抵抗モデルの事前信頼度とを算出する、空気抵抗モデル混合処理と、
前記空気抵抗モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を、1サンプリング分だけ遅延させる遅延部と、
前記カルマンフィルタの予測処理により、現時刻の空気抵抗モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、空気抵抗モデル予測処理と、
前記カルマンフィルタの平滑処理により、現時刻の3Dセンサ検出結果または2Dセンサ検出結果を用いて、前記空気抵抗モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を算出する、空気抵抗モデル平滑処理と、
前記3つの運動モデルごとの予測ベクトルおよび予測誤差共分散行列、ならびに、前記2Dセンサ観測誤差共分散行列または前記3Dセンサ観測誤差共分散行列を用い、前記3つの運動モデルごとの尤度を算出するとともに、前記3つの運動モデルごとの尤度および事前信頼度を用いて、前記3つの運動モデルごとの事後信頼度を算出する、モデル信頼度算出処理と、
前記3つの運動モデルごとの平滑ベクトルおよび平滑誤差共分散行列を、前記3つの運動モデルごとの事後信頼度により重み付け統合して、統合平滑ベクトルおよび統合平滑誤差共分散行列を算出する、統合処理と、
前記統合平滑ベクトルおよび前記統合平滑誤差共分散行列を、事前に決めた目標の飛翔モデルに合わせて、着地予測点の高度が0になるまで、事前に決めた所定の外挿間隔で外挿することにより、前記統合平滑ベクトルの位置から前記着地予測点までの、前記所定の外挿間隔ごとの前記統合平滑ベクトルおよび前記統合平滑誤差共分散行列の各外挿結果を出力する、着地予測処理と、
を備えたことを特徴とする目標追尾装置。 - 3つの運動フェーズとして、推力加速フェーズ、慣性フェーズおよび空気抵抗フェーズを持つ目標を追尾するために、前記3つの運動フェーズに対応した3つの運動モデルとして、推力加速モデル、慣性モデルおよび空気抵抗モデルを用いた目標追尾装置であって、
前記目標を観測する2Dセンサを有し、前記2Dセンサによる2Dセンサ観測値、2Dセンサ観測誤差共分散行列および輝度を含む2Dセンサ検出結果を出力する検知器と、
前記2Dセンサ検出結果に含まれる前記2Dセンサの検出データ数を用いて、前記2Dセンサ検出結果に含まれる検出データ数が、事前に決めた検出しきい値との間で所定の関係を満たすか否かにより前記目標の推力加速を判定し、前記推力加速が終了したと判定された場合に、前記慣性モデルの事前信頼度および事後信頼度が高くなるように推移確率を設定するとともに、前記検出データ数に対応する仮推力加速判定フラグ、推力加速判定フラグおよび時刻を出力する、検出データ数による推力加速判定処理と、
前記推力加速判定フラグが「0」の場合には、前記目標の推力加速が終了したものと判定して、前記推力加速モデルへの推移確率を「0」とし、前記推力加速判定フラグが「1」の場合には、前記目標が推力加速中と判定して、事前に設定した推移確率を使用するモデル信頼度制御処理と、
前記目標を観測する3Dセンサを有し、前記3Dセンサによる3Dセンサ観測値および3Dセンサ観測誤差共分散行列を含む3Dセンサ検出結果を出力する信号処理器と、
前記推力加速モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、前記推力加速モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、前記推力加速モデルから前記空気抵抗モデルまたは前記慣性モデルへの逆推移確率と、前記推力加速モデルの事前信頼度とを算出する、推力加速モデル混合処理と、
前記推力加速モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を、1サンプリング分だけ遅延させる遅延部と、
カルマンフィルタの予測処理により、現時刻の推力加速モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、推力加速モデル予測処理と、
前記カルマンフィルタの平滑処理により、現時刻の3Dセンサ検出結果または2Dセンサ検出結果を用いて、前記推力加速モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を算出する、推力加速モデル平滑処理と、
前記慣性モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、前記慣性モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、前記慣性モデルから前記空気抵抗モデルまたは前記推力加速モデルへの逆推移確率と、前記慣性モデルの事前信頼度とを算出する、慣性モデル混合処理と、
前記慣性モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を、1サンプリング分だけ遅延させる遅延部と、
前記カルマンフィルタの予測処理により、現時刻の慣性モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、慣性モデル予測処理と、
前記カルマンフィルタの平滑処理により、現時刻の3Dセンサ検出結果または2Dセンサ検出結果を用いて、前記慣性モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を算出する、慣性モデル平滑処理と、
前記空気抵抗モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、前記空気抵抗モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、前記空気抵抗モデルから前記推力加速モデルまたは前記慣性モデルへの逆推移確率と、前記空気抵抗モデルの事前信頼度とを算出する、空気抵抗モデル混合処理と、
前記空気抵抗モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を、1サンプリング分だけ遅延させる遅延部と、
前記カルマンフィルタの予測処理により、現時刻の空気抵抗モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、空気抵抗モデル予測処理と、
前記カルマンフィルタの平滑処理により、現時刻の3Dセンサ検出結果または2Dセンサ検出結果を用いて、前記空気抵抗モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を算出する、空気抵抗モデル平滑処理と、
前記3つの運動モデルごとの予測ベクトルおよび予測誤差共分散行列、ならびに、前記2Dセンサ観測誤差共分散行列または前記3Dセンサ観測誤差共分散行列を用いて、前記3つの運動モデルごとの尤度を算出するとともに、前記3つの運動モデルごとの尤度および事前信頼度を用いて、前記3つの運動モデルごとの事後信頼度を算出する、モデル信頼度算出処理と、
前記3つの運動モデルごとの平滑ベクトルおよび平滑誤差共分散行列を、前記3つの運動モデルごとの事後信頼度により重み付け統合して、統合平滑ベクトルおよび統合平滑誤差共分散行列を算出する、統合処理と、
前記統合平滑ベクトルおよび前記統合平滑誤差共分散行列を、事前に決めた目標の飛翔モデルに合わせて、着地予測点の高度が0になるまで、事前に決めた所定の外挿間隔で外挿することにより、前記統合平滑ベクトルの位置から前記着地予測点までの、前記所定の外挿間隔ごとの前記統合平滑ベクトルおよび前記統合平滑誤差共分散行列の各外挿結果を出力する、着地予測処理と、
を備えたことを特徴とする目標追尾装置。 - 前記検出データ数による推力加速判定処理は、
前記検知器から得られる検出信号が低S/Nであって、前記検知器の輝度しきい値を下げなければ目標信号が検出されない状態においては、前記検出信号がL個以上の状況が、Mフレーム中にN(≦M)フレームある場合に、前記目標の推力加速が終了したものと判定するとともに、前記慣性モデルの事前信頼度および事後信頼度が高くなるように、前記推移確率を設定することを特徴とする請求項2に記載の目標追尾装置。 - 前記モデル信頼度制御処理は、
前記輝度ヒストリによる推力加速判定処理からの前記推力加速判定フラグが「0」であって、前記目標の推力加速が終了したことを示す判定結果が得られた場合には、前記推力加速モデルから前記3つの運動モデルのいずれかへの推移確率を、時間経過ごとに単調減少させるように設定することを特徴とする請求項1に記載の目標追尾装置。 - 前記モデル信頼度制御処理は、
前記輝度ヒストリによる推力加速判定処理から得られた、前記輝度ヒストリに対応する推力加速判定フラグが「0」であって、前記目標の推力加速が終了したと判定された場合には、前記推力加速モデルの事後信頼度を小さい値に設定することを特徴とする請求項1に記載の目標追尾装置。 - 前記統合平滑ベクトルから算出した高度平滑位置に応じて、前記空気抵抗モデルの推移確率を変更する第2のモデル信頼度制御処理を備え、
前記モデル信頼度制御処理は、前記空気抵抗モデルの推移確率と、前記輝度ヒストリによる推力加速判定処理から得られた前記ブースト判定フラグとを用いて、前記3つの運動モデルに関わる各推移確率を設定することを特徴とする請求項1に記載の目標追尾装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009020060A JP5424662B2 (ja) | 2009-01-30 | 2009-01-30 | 目標追尾装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009020060A JP5424662B2 (ja) | 2009-01-30 | 2009-01-30 | 目標追尾装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010175458A true JP2010175458A (ja) | 2010-08-12 |
JP5424662B2 JP5424662B2 (ja) | 2014-02-26 |
Family
ID=42706570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009020060A Active JP5424662B2 (ja) | 2009-01-30 | 2009-01-30 | 目標追尾装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5424662B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012251904A (ja) * | 2011-06-03 | 2012-12-20 | Mitsubishi Electric Corp | 追尾装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12078716B2 (en) * | 2020-08-31 | 2024-09-03 | Raytheon Company | System and method of hypersonic object tracking |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000147107A (ja) * | 1998-11-13 | 2000-05-26 | Mitsubishi Electric Corp | 移動物体観測システム |
JP2000249758A (ja) * | 1999-02-26 | 2000-09-14 | Mitsubishi Electric Corp | 追尾装置 |
JP2001337161A (ja) * | 2000-05-25 | 2001-12-07 | Mitsubishi Electric Corp | 追尾装置 |
JP2003098255A (ja) * | 2001-09-26 | 2003-04-03 | Mitsubishi Electric Corp | 複合追尾センサ装置 |
JP2005274300A (ja) * | 2004-03-24 | 2005-10-06 | Mitsubishi Electric Corp | 目標追尾装置 |
JP2007183112A (ja) * | 2006-01-04 | 2007-07-19 | Mitsubishi Electric Corp | 目標追尾装置 |
JP2008102033A (ja) * | 2006-10-19 | 2008-05-01 | Mitsubishi Electric Corp | センサ制御装置 |
JP2009031096A (ja) * | 2007-07-26 | 2009-02-12 | Mitsubishi Electric Corp | 状態推定装置及び状態推定方法 |
-
2009
- 2009-01-30 JP JP2009020060A patent/JP5424662B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000147107A (ja) * | 1998-11-13 | 2000-05-26 | Mitsubishi Electric Corp | 移動物体観測システム |
JP2000249758A (ja) * | 1999-02-26 | 2000-09-14 | Mitsubishi Electric Corp | 追尾装置 |
JP2001337161A (ja) * | 2000-05-25 | 2001-12-07 | Mitsubishi Electric Corp | 追尾装置 |
JP2003098255A (ja) * | 2001-09-26 | 2003-04-03 | Mitsubishi Electric Corp | 複合追尾センサ装置 |
JP2005274300A (ja) * | 2004-03-24 | 2005-10-06 | Mitsubishi Electric Corp | 目標追尾装置 |
JP2007183112A (ja) * | 2006-01-04 | 2007-07-19 | Mitsubishi Electric Corp | 目標追尾装置 |
JP2008102033A (ja) * | 2006-10-19 | 2008-05-01 | Mitsubishi Electric Corp | センサ制御装置 |
JP2009031096A (ja) * | 2007-07-26 | 2009-02-12 | Mitsubishi Electric Corp | 状態推定装置及び状態推定方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012251904A (ja) * | 2011-06-03 | 2012-12-20 | Mitsubishi Electric Corp | 追尾装置 |
Also Published As
Publication number | Publication date |
---|---|
JP5424662B2 (ja) | 2014-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8655513B2 (en) | Methods of real time image enhancement of flash LIDAR data and navigating a vehicle using flash LIDAR data | |
US20200285202A1 (en) | Control device, unmanned system, control method, and program | |
KR20190042247A (ko) | 위치 추정 장치 및 방법 | |
EP3136047A1 (en) | Position and orientation estimation device, image processing device, and position and orientation estimation method | |
US11856549B2 (en) | Fingerprint data pre-process method for improving localization model | |
KR102241404B1 (ko) | 시각 입력을 이용한 에이전트 네비게이션 | |
EP2733075B1 (en) | Flight control device, spacecraft, and reference path correction method | |
Burston et al. | Reverse engineering of a fixed wing unmanned aircraft 6-DoF model for navigation and guidance applications | |
JP5424662B2 (ja) | 目標追尾装置 | |
KR102069100B1 (ko) | 뉴럴 네트워크 기반 FMCW LiDAR 신호처리 시스템 및 방법 | |
CN114608585A (zh) | 一种移动机器人同步定位与建图方法及装置 | |
WO2017101437A1 (zh) | 一种惯导协作定位方法及定位设备 | |
JP5760772B2 (ja) | 飛しょう体誘導制御装置 | |
US20230118390A1 (en) | Method and device for providing tracking data for recognizing the movement of persons and hands for controlling at least one function of a technical system, and sensor system | |
KR101600772B1 (ko) | 비행 동역학 모델을 활용한 항공기 정밀 추적 방법 | |
JP4882544B2 (ja) | 追尾処理装置及びその方法並びにプログラム | |
KR102632708B1 (ko) | 파편 낙하 안전 영역 산출 시스템 및 방법 | |
KR102578886B1 (ko) | 발사체 식별 방법, 발사체 식별 장치 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램 | |
Kim et al. | Variable-structured interacting multiple model algorithm for the ballistic coefficient estimation of a re-entry ballistic target | |
JP2004117017A (ja) | センサバイアス誤差推定用の目標位置決定方法 | |
KR101040305B1 (ko) | 영상 탐색 장치 및 이를 이용한 표적 결정 방법 | |
Ebenezer et al. | Multiple transition mode multiple target track-before-detect with partitioned sampling | |
Kumar et al. | Adaptive extended kalman filter for ballistic missile tracking | |
JP3848846B2 (ja) | 追尾装置 | |
Saho | Fundamental properties and optimal gains of a steady-state velocity measured α-β tracking filter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110914 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20121128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130108 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130131 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20131029 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131126 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 5424662 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |