KR101556918B1 - 영상 표적의 크기 추정 방법 - Google Patents

Abstract

본 발명은 영상 표적의 크기 추정 장치 및 방법에 관한 것이다. 본 발명의 일 실시 예에 따른 영상 표적의 크기 추정 방법은, 촬영된 영상에 포착된 표적을 나타내는 영상 표적의 크기와 상기 표적까지의 거리 간 함수 관계를 산출하는 함수 산출단계; 상기 함수 관계를 통해 제1시점에서의 영상 표적의 크기로부터 상기 제1시점에서의 표적까지의 거리를 산출한 후, 선형 시스템(Linear systems)을 예측하는 칼만 필터(Kalman filter)를 적용하여 상기 제1시점의 후 시점인 제2시점에서의 표적까지의 거리를 추정하는 거리 추정단계; 및 상기 추정된 제2시점에서의 표적까지의 거리로부터 상기 함수 관계를 통해 상기 제2시점에서의 영상 표적의 크기를 추정하는 크기 추정단계;를 포함한다.

Description

영상 표적의 크기 추정 방법{METHOD FOR ESTIMATING THE SIZE OF THE IMAGING TARGET}

본 발명은 유도탄의 영상 탐색기에서 촬영되는 영상 표적의 크기 추정 방법에 관한 것이다.

유도탄(Missile)은 표적 추적 시 영상 탐색기에서 촬영되는 영상 표적의 크기를 고려하는 공지된 알고리즘을 사용할 수 있다. 그러나 이와 같은 알고리즘의 대부분은 실시간으로 동작하기 어렵다. 예를 들면, 영상 표적의 크기를 고려하는 대표적인 알고리즘 DOG(Difference of Gaussian)는 실시간으로 동작하기 위해 성능이 제한된다.

한편 표적 추적을 위해 유도탄에 사용되는 영상 탐색기는 다양한 주파수(Hz)를 사용할 수 있으나, 일반적으로 카메라에서 자주 사용되는 30Hz나 60Hz 등을 사용한다. 또한 탑재 가능량이 제한되어 있는 유도탄의 표적 추적 하드웨어는 오작동을 사전에 방지하기 위해 성능이 검증된 제품을 사용하기 때문에, 시중에서 사용되는 PC보다 성능이 낮은 것으로 선택되는 경우가 많다.

이와 같은 이유들로 인해 영상 탐색기를 사용하는 유도탄에서도 표적 추적을 위해 공지된 다양한 알고리즘을 사용할 수 있으나, 유도탄의 특성상 일반적으로 사용하는 컴퓨터와 같은 고성능의 하드웨어를 무조건 사용할 수는 없다. 따라서 한정된 시스템에서 실시간으로 동작할 수 있는 알고리즘이 요구된다.

앞서 설명한 바와 같이, 유도탄은 표적을 추적하기 위해 영상 표적의 크기를 고려하는 알고리즘을 사용할 수 있다. 이는 유도탄의 영상 표적은 유도탄의 속도에 비례하여 빠르게 변화하여, 영상 표적의 크기를 고려하지 않을 경우 표적에 대한 정확한 추적이 어렵기 때문이다. 이때 영상 표적의 크기는 표적과의 상대 거리, 표적의 종류, 표적의 실제 크기, 표적의 이동 유무 등의 데이터를 통해 정확하게 추정될 수 있다.

이와 관련된 종래 기술로 상대 거리를 측정하여 영상 표적의 크기를 추정하는 기술이 공지된바 있다. 그러나 이와 같은 종래 기술은 능동(Acitve) 센서를 추가로 부착하기 때문에 비용 면에서 더 고가이고, 능동 센서의 사용으로 표적이 유도탄의 발사 유무를 확인할 수 있어 유도탄의 요격률에 부정적인 영향을 미친다.

한편 종래의 영상 센서가 단순하게 영상 표적의 크기가 증가함을 감지하여 이를 이용할 수도 있으나, 영상 표적의 크기를 정확히 추정할 수 없기 때문에 오히려 유도탄의 성능에 부정적인 영향을 미친다.

따라서 수동(Passive) 센서를 사용하며 표적과의 상대 거리, 표적의 종류, 표적의 실제 크기, 표적의 이동 유무 등의 데이터를 모르는 경우 영상 표적의 크기를 정확하게 추정할 수 있는 기술이 필요하다.

본 발명이 이루고자 하는 기술적 과제는, 고속으로 표적을 향해 이동하는 유도탄이 표적을 정확하게 추적하기 위한 영상 표적의 크기 추정 방법을 제공함에 있다.

본 발명의 일 실시 예에 따른 영상 표적의 크기 추정 방법은, 촬영된 영상에 포착된 표적을 나타내는 영상 표적의 크기와 상기 표적까지의 거리 간 함수 관계를 산출하는 함수 산출단계; 상기 함수 관계를 통해 제1시점에서의 영상 표적의 크기로부터 상기 제1시점에서의 표적까지의 거리를 산출한 후, 선형 시스템(Linear systems)을 예측하는 칼만 필터(Kalman filter)를 적용하여 상기 제1시점의 후 시점인 제2시점에서의 표적까지의 거리를 추정하는 거리 추정단계; 및 상기 추정된 제2시점에서의 표적까지의 거리로부터 상기 함수 관계를 통해 상기 제2시점에서의 영상 표적의 크기를 추정하는 크기 추정단계;를 포함한다.

실시 예에 있어서, 상기 함수 관계는 아래의 수학식과 같이 표현될 수 있다.

[수학식]

(θ_target: 영상 표적의 크기, a: 표적의 크기, r: 표적까지의 거리)

실시 예에 있어서, 상기 표적의 크기(a)를 최소 자승법(method of least squares)으로 설정할 수 있다.

실시 예에 있어서, 상기 거리 추정단계는, 상기 제1시점에서의 표적까지의 거리 및 표적을 향해 이동하는 속도를 상기 칼만 필터에 적용하여, 상기 제2시점에서의 표적까지의 거리 및 표적을 향해 이동하는 속도를 추정하는 단계를 포함할 수 있다.

실시 예에 있어서, 상기 거리 추정단계는, 상기 산출된 제1시점에서의 표적까지의 거리를 실제로 측정된 제1시점에서의 표적까지의 거리를 이용하여 쇄신(update)한 후, 상기 제2시점에서의 표적까지의 거리를 추정하는 단계를 포함할 수 있다.

본 발명에 따른 영상 표적의 크기 추정 방법에 의하면, 수동 센서인 영상 탐색기만을 사용하여 영상 표적의 크기를 추정할 수 있다. 그 결과 추정된 영상 표적의 크기를 이용해 실시간으로 정확하게 표적을 추적하여 유도탄의 요격률을 높일 수 있다. 또한 능동 센서를 사용하는 경우에 비하여 비용이 절감되고 저가의 하드웨어에서도 빠르게 동작할 수 있다.

도 1은 본 발명에 따른 영상 표적의 크기 추정 방법을 보여주는 순서도이다.
도 2는 함수 산출 단계를 보여주는 개념도이다.
도 3은 도 1에 따른 방법을 구체적으로 설명하기 위한 개념도이다.

이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세하게 설명하기 위하여, 본 발명의 실시 예가 첨부된 도면을 참조하여 설명한다. 하지만, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고, 도면에서 본 발명을 명확하게 설명하기 위해 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통해 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

도 1은 본 발명에 따른 영상 표적의 크기 추정 방법을 보여주는 순서도이다.

도 1을 참조하면, 우선, 촬영된 영상에 포착된 표적을 의미하는 영상 표적의 크기와 표적까지의 거리 간 함수 관계를 산출한다(S210).

이와 같은 과정을 설명하기 위해, 도 2는 영상 표적의 크기와 표적까지의 거리 간 함수 관계를 산출하는 과정을 보여주는 개념도이다.

도 2를 참조하면, 연속하여 촬영된 복수의 영상 각각에 포착된 표적의 크기 데이터와 표적이 포착되는 시점에서의 거리 데이터를 수집한다. 그리고 이를 기초로 최소 자승법(method of least squares)을 적용하여 표적의 실제 크기(a)를 산출한다. 그 결과, 영상 표적의 크기와 표적까지의 거리 간 함수 관계가 도출될 수 있다.

구체적으로, 먼저 다음의 수학식 1과 같은 아크 탄젠트(arctangent) 함수 관계가 산출될 수 있다.

여기서, X_target은 영상 표적의 크기(픽셀 단위)를 의미하고, X_cam은 영상의 총 픽셀의 크기를 의미한다. 또한 θ_cam은 영상을 촬영하는 카메라의 총 각도를 의미하고, a는 표적의 실제 크기를 의미하며, r는 표적까지의 거리를 의미한다.

이때, 영상 표적의 크기는 영상에 나타난 표적의 최외각 사각형(MBR : Minimum Boundary Ractangular)을 기준으로 측정될 수 있다.

수학식 1에서 X_cam 및 θ_cam은 상수이므로 수학식 1로부터 다음의 수학식 2를 유도할 수 있다.

여기서, θ_target은 영상 표적의 크기(각도 단위)를 의미한다.

이와 같은 함수 관계에, 최소 자승법(method of least squares)으로 산출된 표적의 실제 크기(a)를 대입시킬 수 있다.

구체적으로, 다음의 수학식 3과 같이 표적의 실제 크기가 산출될 수 있다.

여기서, i는 영상 표적이 촬영된 시점을 의미하고, r_i는 i시점에서의 표적까지의 거리를 의미하며, y_i는 i시점에서의 영상 표적의 크기(각도 단위)를 의미한다.

즉, 유도탄에서 촬영된 복수의 시점에서의 표적까지의 거리와 영상 표적의 크기 데이터를 기초로 실제 표적의 크기를 추정한다.

다시 도 1을 참조하면, 산출된 함수 관계를 통해 제1시점에서의 영상 표적의 크기로부터 제1시점에서의 표적까지의 거리를 산출한다(S220).

다음으로, 산출된 제1시점에서의 표적까지의 거리를 실제로 측정된 제1시점에서의 표적까지의 거리를 이용하여 쇄신(update)한다(S230).

이와 같이 쇄신한 제1시점에서의 표적까지의 거리로부터, 제1시점의 후 시점인 제2시점에서의 표적까지의 거리를 추정한다(S240).

그 후, 추정된 제2시점에서의 표적까지의 거리로부터 앞서 산출한 함수 관계를 통해 제2시점에서의 영상 표적의 크기를 추정한다(S250).

여기서, 제1시점은 영상 표적의 크기를 추정하고자 하는 제2시점의 이전 시점으로, 특정 시점에 한정된 것은 아니며 제1 및 제2시점은 연속적인 시점을 나타내기 위한 임의의 시점을 의미하는 것이다.

전체적인 알고리즘의 설명을 위해 도 3을 추가하였다. 도 3은 도 1에 따른 방법을 구체적으로 설명하기 위한 개념도이다.

도 3을 참조하면, 산출된 함수 관계에 측정된 물체(표적)의 크기를 대입하여 측정된 물체의 상대거리를 도출한다.

이렇게 도출된 상대거리는 선형 시스템(Linear systems)을 예측하는 칼만 필터(Kalman filter)에 대입된다(상대거리 추정 필터). 그 후, 추정된 다음 영상에서의 물체의 상대 거리를 추정한다.

구체적으로, 표적까지의 거리 및 표적을 향해 이동하는 속도를 칼만 필터에 적용하여(칼만 필터의 초기화), 추정된 다음 영상에서의 표적까지의 거리 및 표적을 향해 이동하는 속도를 추정할 수 있다.

이때, 칼만 필터의 동작은 크게 쇄신(update)과 추정(predict)으로 이루어진다. 즉, 산출된 표적까지의 거리를 실제로 측정된 표적까지의 거리를 이용하여 쇄신(update)한 후, 추정된 다음 영상에서의 표적까지의 거리를 추정할 수 있다. 이와 같은 쇄신 후 추정의 과정은 유도탄이 표적을 요격할 때까지 반복적으로 수행되어 매 시점에서의 표적까지의 거리를 추정할 수 있다.

이렇게 추정된 다음 영상에서의 표적까지의 거리를 앞서 산출한 함수 관계에 대입하여 추정된 다음 영상에서의 표적의 크기를 추정한다.

앞서 설명한 바와 같이, 본 발명에 따른 영상 표적의 크기 추정 방법은 유도탄이 표적을 요격할 때까지 반복적으로 쇄신 후 추정의 과정을 수행하여, 매 시점에서의 표적까지의 거리를 추정할 수 있다. 또한 반복적으로 추정한 표적까지의 거리에 대응하여 매 시점에서의 영상 표적의 크기를 추정할 수 있다.

본 발명의 성능을 평가하기 위해 다음과 같은 실험 환경을 설정하였다.

유도탄은 영상 탐색기를 사용하는 LOBL(Lock On Before Launch) 방식의 유도탄으로 설정하고, 표적은 유도탄으로부터 1km 떨어진 곳에 위치한 전차로 설정하였다. 또한 유도탄은 사격 방향에서 좌측으로 5m/s의 속도로 움직이고, 영상 탐색기는 480×640의 픽셀 크기를 가지며 커버하는 각도는 가로 18도 및 세로 24도이다.

영상 탐색기에서 사용하는 표적 추적 방식은 영상에서 표적이 존재할 가능성이 큰 ROI(Region Of Interest) 안에 공간 필터(Spatial Filter) 및 라벨링(Labeling) 알고리즘을 사용하여 생성한 측정치를 이용한다. 이때 영상 표적의 최외각 사각형(MBR)을 계산할 수 있다. 또한 표적 추적 알고리즘은 다이나믹 필터인 HPDAF(Highest Probability Data Association Filter)를 사용하였다.

본 발명의 성능을 평가하기 위한 실험으로 본 발명에 따른 영상 표적의 크기 추정 방법 및 비교하기 위한 방법을 수행하였다.

구체적으로, 본 발명에 따른 영상 표적의 크기 추정 방법에 따라 추정된 영상 표적의 크기에 해당하는 픽셀을 더하여 후 시점에서의 ROI로 사용하였다. 비교 방법으로는 MBR이 ROI와 인접한 경우, 후 시점에서의 ROI를 증가시키기 위해 추적 필터인 HPDAF의 Q 행렬을 사용하여 증가하는 방법을 사용하였다.

실험 결과, 본 발명에 따른 영상 표적의 크기 추정 방법 수행 시 영상 표적의 크기를 정확히 추정하여 이와 유사한 크기의 ROI를 생성하였다. 그러나 비교 방법 수행 시 영상 표적보다 작거나 큰 ROI를 생성하여 표적을 놓치는 현상이 자주 발생하였다.

결과적으로, 본 발명에 따른 영상 표적의 크기 추정 방법에 의하면, 수동 센서인 영상 탐색기만을 사용하여 영상 표적의 크기를 추정할 수 있다. 그 결과 추정된 영상 표적의 크기를 이용해 실시간으로 정확하게 표적을 추적하여 유도탄의 요격률을 높일 수 있다. 또한 능동 센서를 사용하는 경우에 비하여 비용이 절감되고 저가의 하드웨어에서도 빠르게 동작할 수 있다.

Claims (5)

1. 촬영된 영상에 포착된 표적을 나타내는 영상 표적의 크기와 상기 표적까지의 거리 간 함수 관계를 산출하는 함수 산출단계;
   상기 함수 관계를 통해 제1시점에서의 영상 표적의 크기로부터 상기 제1시점에서의 표적까지의 거리를 산출한 후, 선형 시스템(Linear systems)을 예측하는 칼만 필터(Kalman filter)를 적용하여 상기 제1시점의 후 시점인 제2시점에서의 표적까지의 거리를 추정하는 거리 추정단계; 및
   상기 추정된 제2시점에서의 표적까지의 거리로부터 상기 함수 관계를 통해 상기 제2시점에서의 영상 표적의 크기를 추정하는 크기 추정단계;를 포함하며,
   상기 거리 추정단계는,
   상기 제1시점에서의 표적까지의 거리 및 표적을 향해 이동하는 속도를 상기 칼만 필터에 적용하여, 상기 제2시점에서의 표적까지의 거리 및 표적을 향해 이동하는 속도를 추정하는 단계를 포함하는 것을 특징으로 하는 영상 표적의 크기 추정 방법.
2. 제 1항에 있어서,
   상기 함수 관계는 아래의 수학식과 같이 표현되는 것을 특징으로 하는 영상 표적의 크기 추정 방법.
   [수학식]
   

   

   
   (θ_target: 영상 표적의 크기, a: 표적의 크기, r: 표적까지의 거리)
3. 제 2항에 있어서,
   상기 표적의 크기(a)를 최소 자승법(method of least squares)으로 설정하는 것을 특징으로 하는 영상 표적의 크기 추정 방법.
4. 삭제
5. 제 1항에 있어서,
   상기 거리 추정단계는,
   상기 산출된 제1시점에서의 표적까지의 거리를 실제로 측정된 제1시점에서의 표적까지의 거리를 이용하여 쇄신(update)한 후, 상기 제2시점에서의 표적까지의 거리를 추정하는 단계를 포함하는 것을 특징으로 하는 영상 표적의 크기 추정 방법.

Images