KR102317842B1 - 비행체의 원점을 추정하는 방법 및 장치 - Google Patents

비행체의 원점을 추정하는 방법 및 장치 Download PDF

Info

Publication number
KR102317842B1
KR102317842B1 KR1020200067171A KR20200067171A KR102317842B1 KR 102317842 B1 KR102317842 B1 KR 102317842B1 KR 1020200067171 A KR1020200067171 A KR 1020200067171A KR 20200067171 A KR20200067171 A KR 20200067171A KR 102317842 B1 KR102317842 B1 KR 102317842B1
Authority
KR
South Korea
Prior art keywords
vehicle
information
origin
trajectory
thrust section
Prior art date
Application number
KR1020200067171A
Other languages
English (en)
Inventor
서순우
권재우
김진규
우상효
Original Assignee
국방과학연구소
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020200067171A priority Critical patent/KR102317842B1/ko
Application granted granted Critical
Publication of KR102317842B1 publication Critical patent/KR102317842B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 개시는 비행체의 원점을 추정하는 방법 및 장치에 관한 것으로, 일 실시예에 따른 비행체의 원점을 추정하는 방법은 적어도 하나 이상의 센서로부터 수신된 비행체의 위치 정보에 기초하여 비행체의 궤적을 생성하고, 궤적에 기초하여 비행체의 종류, 질량, 추력구간 또는 비추력구간을 포함하는 비행 특성에 대한 제1 정보를 생성하고, 제1 정보에 기초하여, 비행 동역학 모델링을 활용하여 추력구간에 상응하는 제2 정보를 생성하고, 인공지능을 활용하여 비추력구간에 상응하는 제3 정보를 생성하고, 제2 정보 및 제3 정보에 기초하여 비행체의 원점 추정 결과를 최적화함으로써, 비행체의 비추력 구간에 대한 정보를 포함한 비행체의 위치 정보에 기초하여 비행체의 원점을 정확하게 추정할 수 있다.

Description

비행체의 원점을 추정하는 방법 및 장치{Method and apparatus for estimating the origin of a flying object}
본 개시는 비행체의 원점을 추정하는 방법 및 장치에 관한 발명으로서, 보다 상세하게는 비행체의 궤적 정보에 포함된 추력구간 또는 비추력구간에 대한 정보에 기초하여 비행체의 원점을 추정하는 방법 및 장치에 관한 것이다.
비행체가 레이더 등의 센서에 의하여 관측되는 경우, 관측 정보에 기초하여 비행체가 도달하려는 목표 지점뿐만 아니라, 비행체가 출발한 원점을 추정할 수 있다. 비행체의 원점을 추정할 수 있는 경우에는 관측된 지점까지 비행체가 이동한 경로, 비행체가 소모한 연료등에 관한 다양한 정보를 얻을 수 있다.
센서 등으로 관측되는 비행체의 위치 정보는 비행체의 추력구간 또는 비추력구간에 관한 것일 수 있다. 비행체의 추력구간은 비행체가 자신의 연료를 소모하여 가속하는 구간을 의미할 수 있고, 비행체의 비추력구간은 비행체가 연료를 소모하지 않으면서 비행하는 구간을 의미한다.
비행체의 추력구간이 관측되는 경우에는 비행체에 대한 비행 동역학 모델링을 활용하여 역운동방정식을 통하여 비행체의 출발 원점, 비행체가 앞으로 이동할 경로, 비행체가 도달하려는 목표지점 등을 추정할 수 있다. 반면, 비행체의 추력구간이 관측되지 않거나, 추력구간에 대한 정보가 불충분한 경우, 비행체의 출발 원점 등을 추정하는 데에 어려움이 있을 수 있다.
비행체의 원점 추정에 필요한 비행체의 추력구간에 대한 정보가 센서에 의하여 수신되는 것은 제한적일 수 있으므로, 비행체의 비추력구간에 대한 정보를 활용하여 비행체의 원점을 추정하는 방법이 필요한 실정이다.
전술한 기술적 문제점을 해결하기 위해, 비추력구간을 포함하는 궤적 정보를 활용하여 추력구간 정보가 없거나 불충분한 상태에서 비행체의 원점을 추정할 수 있는 비행체의 원점을 추정하는 방법 및 장치를 제공하는 데 있다. 또한, 실시예에 관한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체를 제공하는 데 있다.
본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 이하의 실시예들로부터 또 다른 기술적 과제들이 유추될 수 있다.
상술한 기술적 과제를 해결하기 위한 기술적 수단으로서, 일 실시예에 관한 비행체 원점 추정 방법은 적어도 하나 이상의 센서로부터 수신된 비행체의 위치 정보에 기초하여 비행체의 궤적을 생성하는 단계, 궤적에 기초하여 비행체의 종류를 식별하여 비행체의 특성에 대한 제1 정보를 생성하는 단계, 궤적 및 제1 정보에 기초하여, 비행 동역학 모델링을 활용하여 비행체의 원점에 관한 제2 정보를 생성하고, 기계학습 알고리즘을 활용하여 비행체의 원점에 관한 제3 정보를 생성하는 단계 및 제2 정보 및 제3 정보에 기초하여 비행체의 원점 추정 결과를 최적화하는 단계를 포함할 수 있다.
또한, 제2 정보는 궤적에 포함된 비행체의 추력구간 데이터에 기초하여 생성되고, 제3 정보는 궤적에 포함된 비행체의 비추력구간 데이터에 기초하여 생성되는 것일 수 있다.
또한, 비행체의 원점 추정 결과를 최적화 하는 단계는, 추력구간 데이터 및 비추력구간 데이터의 크기에 기초하여 제2 정보 및 제3 정보 각각에 대한 가중치를 반영하는 단계를 포함할 수 있다.
또한, 비추력구간 데이터의 크기가 추력구간의 데이터의 크기보다 큰 경우, 제3 정보에 반영되는 가중치는 제2 정보에 반영되는 가중치보다 클 수 있다.
또한, 제2 정보 및 제3 정보에는 비행체의 원점, 비행체의 종점 및 원점과 종점 사이의 궤적이 포함될 수 있다.
또한, 제3 정보는 기계학습 알고리즘을 활용하여 센서로부터 실시간으로 측정된 비행체의 위치 정보로부터 생성된 비행체의 궤적을 반영하여 생성될 수 있다.
또한, 제1 정보는 궤적을 데이터베이스에 저장된 정보와 비교하여 생성된 것일 수 있다.
다른 실시예에 관한 비행체 원점 추정 방법은, 적어도 하나 이상의 센서로부터 수신된 비행체의 위치 정보에 기초하여 비행체의 궤적을 생성하는 단계, 궤적에 기초하여 비행체의 종류를 식별하여 비행체의 특성에 대한 제1 정보를 생성하는 단계 및 궤적 및 제1 정보에 기초하여, 미리 학습된 기계학습 알고리즘을 활용하여 비행체의 원점을 추정하는 단계를 포함할 수 있다.
또 다른 실시예에 관한 컴퓨터로 읽을 수 있는 기록 매체는, 상술한 비행체 원점 추정 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 것일 수 있다.
또 다른 실시예에 관한 비행체 원점 추정 시스템은, 적어도 하나 이상의 센서를 포함하며, 비행체의 위치를 감지하여 위치 정보를 생성하는 센서부, 위치 정보에 기초하여 비행체의 궤적을 생성하는 궤적 생성부, 궤적에 기초하여 비행체의 종류를 식별하여 비행체의 특성에 대한 제1 정보를 생성하는 비행체 특성 분석부, 궤적 및 제1 정보에 기초하여, 비행 동역학 모델링을 활용하여 비행체의 원점에 관한 제2 정보를 생성하는 동역학 모델링부, 궤적 및 제1 정보에 기초하여, 기계학습 알고리즘을 활용하여 비행체의 원점에 관한 제3 정보를 생성하는 학습부 및 제2 정보 및 제3 정보에 기초하여 비행체의 원점 추정 결과를 최적화하는 최적화부를 포함할 수 있다.
또한, 제2 정보는 궤적에 포함된 비행체의 추력구간 데이터에 기초하여 생성되고, 제3 정보는 궤적에 포함된 비행체의 비추력구간 데이터에 기초하여 생성되는 것일 수 있다.
또한, 최적화부는 비추력구간의 데이터의 크기가 추력구간의 데이터의 크기보다 큰 경우, 제3 정보에 반영되는 가중치를 제2 정보에 반영되는 가중치보다 크게 반영할 수 있다.
또한, 동역학 모델링부 및 학습부는, 각각 비행체의 원점, 비행체의 종점 및 원점과 종점 사이의 궤적이 포함된 제2 정보 및 제3 정보를 생성할 수 있다.
또한, 학습부는 기계학습 알고리즘을 활용하여 센서로부터 실시간으로 측정된 비행체의 위치 정보로부터 생성된 비행체의 궤적을 반영하여 제3 정보를 생성할 수 있다.
또 다른 실시예에 관한 비행체 원점 추정 장치는 비행체의 위치 정보를 수신하는 통신 모듈, 메모리 및 프로세서를 포함하고, 프로세서는, 비행체의 위치 정보에 기초하여 비행체의 궤적을 생성하고, 궤적에 기초하여 비행체의 종류를 식별하여 비행체의 특성에 대한 제1 정보를 생성하고, 궤적 및 제1 정보에 기초하여, 비행 동역학 모델링을 활용하여 비행체의 원점에 관한 제2 정보를 생성하고 기계학습을 활용하여 비행체의 원점에 관한 제3 정보를 생성하고, 제2 정보 및 제3 정보에 기초하여 비행체의 원점 추정 결과를 최적화할 수 있다.
본 개시는 비추력구간을 포함하는 궤적 정보를 활용하여 추력구간 정보가 없거나 불충분한 상태에서 비행체의 원점을 추정하는 방법 및 장치를 제공할 수 있다. 이에 따라, 관측된 위치 정보의 종류에 관계없이 비행체의 원점 추정이 가능하여 관측되는 비행체의 원점을 신속하게 추정할 수 있다.
또한, 비행 동역학 모델링 이외에 기계학습 알고리즘을 활용하여 비행체의 원점 추정 수행하므로 비행체의 원점을 추정한 결과에 대한 정확도가 향상될 수 있다.
도 1은 일 실시예에 관한 비행체 원점 추정 방법에 관한 흐름도이다.
도 2는 다른 실시예에 관한 비행체 원점 추정 시스템에 관한 블록도이다.
도 3은 도 2에 도시된 센서부 및 궤적생성부에 관한 블록도이다.
도 4는 도 2에 도시된 비행체 특성 분석부에 관한 블록도이다.
도 5는 도 2에 도시된 동역학 모델링부에 관한 블록도이다.
도 6은 도 2에 도시된 학습부에 관한 블록도이다.
도 7은 도 1에 도시된 단계 130에 관한 구체적인 흐름도이다.
도 8은 도 2에 도시된 최적화부에 관한 블록도이다.
도 9는 또 다른 실시예에 관한 비행체 원점 추정 방법에 관한 흐름도이다.
도 10은 또 다른 실시예에 관한 비행체 원점 추정 장치를 도시한 구성도이다.
본 명세서에서 다양한 곳에 등장하는 "일부 실시예에서" 또는 "일 실시예에서" 등의 어구는 반드시 모두 동일한 실시예를 가리키는 것은 아니다.
본 실시예들에서 사용되는 용어는 본 실시예들에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 실시예들에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 실시예들 전반에 걸친 내용을 토대로 정의되어야 한다.
본 실시예들은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 일부 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 실시예들을 특정한 개시형태에 대해 한정하려는 것이 아니며, 본 실시예들의 사상 및 기술범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 명세서에서 사용한 용어들은 단지 실시예들의 설명을 위해 사용된 것으로, 본 실시예들을 한정하려는 의도가 아니다.
본 실시예들에 사용되는 용어들은 다르게 정의되지 않는 한, 본 실시예들이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 실시예들에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.
본 개시의 일부 실시예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들의 일부 또는 전부는, 특정 기능들을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 또한, 예를 들어, 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “매커니즘”, “요소”, “수단” 및 “구성”등과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 또한, 명세서에 기재된 "부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
이하 첨부된 도면을 참고하여 본 개시를 상세히 설명하기로 한다.
도 1은 일 실시예에 관한 비행체 원점 추정 방법에 관한 흐름도이다.
비행체란 연료를 소모함으로써 추력을 얻어 가속할 수 있고, 연료를 모두 소진한 때에는 기류, 중력, 항력등에 따라 자유 비행할 수 있는 모든 물체를 의미한다. 예를 들어, 비행체는 미사일, 탄도탄일 수 있으나, 이에 제한되지 않는다.
또한, 비행체의 원점은 비행체가 지상으로부터 이륙한 지점을 의미하고, 종점은 비행체가 이륙한 뒤에 지상에 도달하는 지점을 의미한다. 비행체의 전체 궤적은 비행체의 원점과 종점 사이를 연결한 궤적을 의미할 수 있다.
도 2는 다른 실시예에 관한 비행체 원점 추정 시스템(100)에 관한 블록도이다.
도 1에 도시된 비행체 원점 추정 방법은 도 2에 도시된 비행체 원점 추정 시스템(100)에서 시계열적으로 처리되는 단계들로 구성될 수 있다.
도 2를 참조하면, 비행체 원점 추정 시스템(100)은 센서부(110), 궤적 생성부(120), 비행 특성 분석부(130), 동역학 모델링부(140), 학습부(150) 및 최적화부(160)를 포함할 수 있다.
단계 110에서, 적어도 하나 이상의 센서로부터 수신된 비행체의 위치 정보에 기초하여 비행체의 궤적을 생성할 수 있다.
도 3은 도 1에 도시된 센서부(110) 및 궤적 생성부(120)에 관한 블록도이다.
도 3을 참조하면, 센서부(110)는 비행체를 감지하여 비행체의 위치 정보를 궤적 생성부(120)로 전송할 수 있다. 센서부(110)는 비행체의 위치를 감지할 수 있는 센서를 포함할 수 있다. 일 예로서, 센서부(110)는 비행체의 위치 정보를 관측하는 RADAR(RAdio Detection And Ranging) 또는 LIDAR(LIght Detection And Ranging)일 수 있으나, 이에 제한되지 않는다.
센서부(110)는 적어도 하나 이상의 센서를 포함할 수 있다. 센서는 하나의 장치에 포함된 복수 개의 센서일 수 있다. 또한, 센서부(110)는 서로 다른 지역에 배치된 복수개의 센서들로 구성될 수 있다. 예를 들어, 센서부(110)는 지상에 배치되어 비행체를 감지하는 센서 및 해상에서 비행체를 감지하는 센서를 포함할 수 있다.
궤적 생성부(120)는 적어도 하나 이상의 센서가 감지한 비행체의 위치 정보를 수신할 수 있다. 비행체의 위치 정보는 비행체의 시간에 따른 2차원 좌표 또는 3차원 좌표 형태로 처리될 수 있다.
궤적 생성부(120)는 비행체의 위치 정보에 기초하여 비행체의 궤적을 생성할 수 있다. 궤적 생성부(120)는 감지된 복수의 비행체의 위치 정보를 연결하여 궤적을 생성할 수 있다. 또한, 궤적 생성부(120)가 생성한 궤적에는 시간 정보, 궤적 선상에 표시된 시간에 따른 비행체의 위치 좌표, 속도 및 가속도 정보가 포함될 수 있다.
궤적 생성부(120)는 센서부(110)로부터 비행체의 위치 정보를 수신하여, 각 정보에 대한 우선 순위에 따라 비행체의 궤적을 생성할 수 있다. 비행체 위치 정보에 대한 우선 순위는 비행체와 센서와의 거리, 센서의 성능, 감지된 지역의 습도, 비행체와 해수면과의 거리 등에 따라 상이할 수 있다. 예를 들어, 비행체와 센서의 거리가 가까울수록 또는 센서의 성능이 우수할수록, 궤적 생성부(120)는 해당 센서로부터 수신한 비행체의 위치 정보를 우선하여 반영하여 궤적을 생성할 수 있다.
궤적 생성부(120)에서 생성된 궤적은 비행체의 전체 궤적 중 적어도 일부일 수 있다. 즉, 궤적 생성부(120)가 생성한 궤적은 센서부(110)가 비행체를 감지하기 시작한 지점의 비행체의 위치와 감지를 종료한 지점의 비행체의 위치 사이를 연결한 궤적일 수 있다.
궤적 생성부(120)는 센서부(110)로부터 수신한 비행체의 위치 정보에 기초하여 궤적을 생성하고, 비행체 특성 분석부(130)로 전송할 수 있다.
단계 120에서, 궤적에 기초하여 비행체의 종류를 식별하여 비행체의 특성에 대한 제1 정보를 생성할 수 있다.
도 4는 도 1에 도시된 비행체 특성 분석부(130)에 관한 블록도이다.
도 4를 참조하면, 비행체 특성 분석부(130)는 데이터 베이스(131)를 포함할 수 있다. 데이터 베이스(131)는 감지된 궤적에 기초하여 분석된 비행체의 종류에 따른 정보를 저장할 수 있다. 비행체의 종류에 따른 정보에는 비행체의 질량, 탄도계수, 추력계수, 항력계수등이 포함될 수 있다. 또한, 데이터 베이스(131)는 관측된 궤적 정보를 비행체의 종류별로 분류하여 저장할 수 있다.
예를 들어, 데이터 베이스(131)는 DRAM(dynamic random access memory), SRAM(static random access memory) 등과 같은 RAM(random access memory), ROM(read-only memory), EEPROM(electrically erasable programmable read-only memory) HDD(hard disk drive), SSD(solid state drive), 또는 플래시 메모리를 포함할 수 있다.
비행체 특성 분석부(130)는 궤적 생성부(120)로부터 수신한 궤적을 데이터 베이스(131)에 저장된 궤적과 비교하여, 비행체의 특성에 대한 제1 정보를 생성할 수 있다.
예를 들어, 비행체 특성 분석부(130)는 궤적 생성부(120)로부터 수신한 궤적을 데이터 베이스(131)에 저장된 비행체의 종류별로 분류된 궤적과 비교하여, 센서부(110)가 감지한 비행체의 종류를 추정할 수 있다. 비행체의 종류가 추정되면, 비행체 특성 분석부(130)는 데이터 베이스(131)에 저장된 정보를 반영하여 제1 정보를 생성할 수 있다.
제1 정보는 비행체의 종류 및 종류에 따른 질량, 탄도계수, 추력계수, 항력계수 등을 포함할 수 있다. 제1 정보에 포함된 비행체의 종류에 관한 정보는 비행체의 기종, 탄종등을 의미할 수 있다.
비행체 특성 분석부(130)는 궤적 생성부(120)로부터 수신한 궤적에 포함된 비행체의 추력구간 또는 비행체의 비추력구간을 분석할 수 있다.
비행체의 추력구간은 비행체가 연료를 소모하며 가속을 하고 있는 구간을 의미하며, 비행체의 비추력구간은 비행체가 가속하지 않고 자유 비행하고 있는 구간을 의미한다. 일 예로서, 비행체 특성 분석부(130)는 가속도 정보에 기초하여 궤적에 포함된 비행체의 추력구간 또는 비추력구간을 분석할 수 있다.
또한, 비행체 특성 분석부(130)는 궤적의 형상에 기초하여 궤적에 포함된 비행체의 추력구간 또는 비추력구간을 분석할 수 있다. 예를 들어, 궤적 생성부(120)가 생성한 궤적에 직선과 유사한 형태의 구간이 포함된 경우 비행체 특성 분석부(130)는 이를 비추력구간으로 분석할 수 있다. 또한 궤적에 포물선과 유사한 형태의 구간이 포함된 경우, 비행체 특성 분석부(130)는 이를 추력구간으로 분석할 수 있다.
비행체 특성 분석부(130)는 궤적 생성부(120)로부터 수신된 궤적에 기초하여 제1 정보를 생성하고, 제1 정보를 동역학 모델링부(140) 또는 학습부(150)에 전송할 수 있다.
단계 130에서, 제1 정보에 기초하여 비행 동역학 모델링을 활용하여 비행체의 원점에 관한 제2 정보를 생성하고, 기계학습 알고리즘을 활용하여 비행체의 원점에 관한 제3 정보를 생성할 수 있다.
도 5는 도 1에 도시된 동역학 모델링부(140)에 관한 블록도이다.
동역학 모델링부(140)는 비행체 특성 분석부(130)로부터 제1 정보를 수신하여 제2 정보를 생성할 수 있다. 동역학 모델링부(140)는 제1 정보에 포함된 추력구간에 상응하는 궤적에 대하여 동역학 모델링을 활용하여 분석을 수행할 수 있다.
동역학 모델링부(140)는 비행체가 추력, 항력, 중력의 세가지 힘을 받아 세 가지 가속도를 가지고 있는 상태로 비행체를 모델링할 수 있다. 비행체의 가속도는 아래 수학식 1과 같이 표현될 수 있다.
Figure 112020057261939-pat00001
수학식 1의
Figure 112020057261939-pat00002
는 추력에 의한 가속도,
Figure 112020057261939-pat00003
는 항력에 의한 가속도,
Figure 112020057261939-pat00004
는 중력에 의한 가속도를 의미한다.
Figure 112020057261939-pat00005
수학식 2는 추력에 의한 가속도를 표현하는 수식이다. T는 추력을 의미하고, m은 비행체의 질량,
Figure 112020057261939-pat00006
는 비행체의 속도(또는 추진체로부터 분사되는 분사물질의 평균 속도)를 의미한다.
Figure 112020057261939-pat00007
수학식 3은 항력에 의한 가속도를 표현하는 수식이다.
Figure 112020057261939-pat00008
는 공기의 밀도를 의미하고,
Figure 112020057261939-pat00009
는 항력계수를 의미한다. 또한,
Figure 112020057261939-pat00010
는 유체에 대한 비행체의 상대 속도를 의미하고,
Figure 112020057261939-pat00011
는 유체에 대한 비행체의 속력을 의미한다.
동역학 모델링부(140)는 상술한 수학식 1내지 3을 이용하여 비행체를 모델링을 수행한 후, 추력(T) 및 항력계수(
Figure 112020057261939-pat00012
)에 대하여 필터를 이용하여 추정을 수행한다. 또한, 동역학 모델링부(140)는 제1 정보에 포함된 비행체의 항력계수(
Figure 112020057261939-pat00013
)를 활용하지 않고 필터를 활용하여 비행체의 항력계수를 새로이 추정할 수 있다.
상술한 필터는 Kalman Filter(KF), Extended Kalman Filter(EKF), Particle Filter(PF), Interacting Multiple Model Filter (IMM Filter), 다중 IMM 필터 (Multi-Layered IMM Filter) 또는 이들의 조합 중에서 선택되는 적어도 하나를 포함할 수 있다.
동역학 모델링부(140)는 필터를 이용하여 추력(T) 및 항력계수(
Figure 112020057261939-pat00014
)에 대한 추정을 수행한 뒤, 제1 정보에 포함된 비행체의 질량정보(m)를 이용하여 역동역학 공식(Inverse Dynamics)을 적용하여 원점 추정을 수행할 수 있다. 역동역학 공식은 수학식 1의 가속도의 방향을 반대방향으로 바꾸어 적용한 공식을 의미한다.
동역학 모델링부(140)는 역동역학 공식을 이용하여 비행체의 원점에 대한 추정을 수행하여 제2 정보를 생성할 수 있다. 제2 정보에는 비행체의 원점, 비행체의 종점 및 원점과 종점 사이의 궤적에 대한 정보가 포함될 수 있다.
동역학 모델링부(140)는 제2 정보를 생성한 후, 제2 정보를 최적화부(160) 및 데이터 베이스(131)에 전송할 수 있다.
도 6은 도 1에 도시된 학습부(150)에 관한 블록도이다.
학습부(150)는 기계학습 알고리즘을 활용하여 비행체의 원점에 관한 제3 정보를 생성할 수 있다. 학습부(150)는 제1 정보에 기초하여 비행체의 비추력구간에 상응하는 제3 정보를 생성할 수 있다.
기계학습 알고리즘은 제1 정보에 포함된 비행체의 질량, 탄도계수, 추력계수, 항력계수를 활용하여 비행체의 원점과 종점, 원점과 종점 사이의 궤적을 학습 결과로하여 제3 정보를 생성할 수 있다. 제3 정보에는 비행체의 원점, 비행체의 종점 및 원점과 종점 사이의 궤적에 대한 정보가 포함될 수 있다.
기계학습 알고리즘은 사람이 직접 로직(logic)을 지시하지 않아도 데이터를 통하여 비행체 원점 추정 시스템이 학습을 수행하고 이를 통해 비행체 원점 추정 시스템(100)이 스스로 원점 추정을 수행하도록 하는 알고리즘을 의미할 수 있다. 기계학습 알고리즘은 머신 러닝 알고리즘 또는 딥러닝 알고리즘 중 적어도 하나를 포함할 수 있다.
딥러닝 알고리즘에는 학습된 CNN(convolutional neural network), RNN(recurrent neural network), DBN(deep belief network)등 심층신경망(deep neural network)을 포함할 수 있으나, 이에 제한되지 않는다.
도 7은 도 2에 도시된 단계 130에 관한 구체적인 흐름도이다.
도 7을 참조하면, 학습부(150)는 제1 정보에 기초하여 비행체의 원점을 추정하는 결과를 생성하고, 실시간으로 감지되는 비행체의 위치 정보를 반영하여 학습을 수행할 수 있다.
단계 131에서, 학습부(150)는 제1 정보에 기초하여 비행체의 원점, 종점 및 원점과 종점사이의 궤적에 대한 정보를 생성할 수 있다.
단계 132에서, 학습부(150)는 센서부(110)로부터 실시간으로 감지된 비행체의 위치정보로부터 생성된 궤적정보를 반영할 수 있다.
센서부(110)는 실시간으로 감지된 비행체의 위치 정보를 궤적 생성부(120)에 전송하고, 궤적 생성부(120)는 실시간으로 감지된 비행체의 위치 정보를 반영하여 궤적을 생성한다.
단계 S133에서, 학습부(150)는 궤적 생성부(120)로부터 궤적을 전송 받고, 실시간으로 생성된 궤적을 반영하여 비행체 원점 추정 결과에 대한 강화학습을 수행하고, 제3 정보를 생성할 수 있다.
상술한 바와 같이, 실시간으로 감지된 비행체의 위치정보를 반영하여 제3 정보를 생성함으로써, 비행체의 원점 추정 결과에 대한 오차가 감소할 수 있다.
학습부(150)는 생성된 제3 정보를 최적화부(160)와 데이터 베이스(131)로 전송할 수 있다. 학습부(150)는 데이터 베이스(131)에 저장된 제2 정보 및 제3 정보에 기초하여, 학습을 수행할 수 있다.
여기서 학습이란, 입력 데이터를 분류(classification), 회귀분석(regression) 또는 군집화(clustering)하는 등의 목적을 달성하기 위하여 학습 데이터를 이용하여 인공 신경망의 파라미터(parameter)를 결정하는 과정을 의미할 수 있다. 파라미터는 가중치(weight)를 의미할 수 있으나, 이에 제한되지 않는다.
단계 140에서, 제2 정보 및 제3 정보에 기초하여 비행체의 원점 추정 결과를 최적화할 수 있다.
도 8은 도 1에 도시된 최적화부(160)에 관한 블록도이다.
최적화부(160)는 제2 정보 및 제3 정보를 수신하여 비행체 원점 추정 결과를 최적화 할 수 있다. 최적화부(160)는 추력구간 데이터 및 비추력구간 데이터의 크기에 기초하여 제2 정보 및 제3 정보에 대한 가중치를 반영할 수 있다.
최적화부(160)는 비추력구간의 데이터의 크기가 추력구간의 데이터의 크기보다 큰 경우, 제3 정보에 반영되는 가중치를 제2 정보에 반영되는 가중치보다 크게 반영할 수 있다.
예를 들어, 궤적 생성부(120)가 생성한 궤적에 추력구간 데이터의 크기와 비추력 구간 데이터 크기가 3대 7의 비율을 만족하는 경우, 최적화부(160)는 제2 정보에 0.3의 가중치를, 제3 정보에 0.7의 가중치를 반영할 수 있다. 다만, 이에 제한되지 않고, 비행체 원점 추정 결과에 대한 오차를 줄이기 위해 다양한 알고리즘을 활용하여 가중치를 선정할 수 있다.
한편, 궤적 생성부(120)가 생성한 궤적에 비행체의 추력구간 데이터가 포함되지 않은 경우, 최적화부(160)는 제2 정보를 반영하지 않고 비행체 원점 추정 결과를 생성할 수 있다.
도 9는 또 다른 실시예에 관한 비행체 원점 추정 방법에 관한 흐름도이다.
단계 210에서, 적어도 하나 이상의 센서로부터 수신된 비행체의 위치 정보에 기초하여 비행체의 궤적을 생성할 수 있다.
적어도 하나 이상의 센서는 상술한 센서부(110)에 해당할 수 있다. 또한, 궤적 생성부(120)가 비행체의 위치 정보에 기초하여 비행체의 궤적을 생성할 수 있다.
단계 220에서, 궤적에 기초하여 비행체의 종류를 식별하여 비행체의 특성에 대한 제1 정보를 생성할 수 있다.
비행체 특성 분석부(130)는 상술한 바와 같이 궤적에 기초하여 비행체의 특성에 대한 제1 정보를 생성할 수 있다.
단계 230에서, 궤적 및 제1 정보에 기초하여 미리 학습된 기계학습 알고리즘을 활용하여 비행체의 원점을 추정할 수 있다.
학습부(150)의 기계학습 알고리즘은 상술한 바와 같이, 데이터 베이스(131)에 저장된 정보를 활용하여 학습을 진행할 수 있다. 학습에 활용되는 정보는 제2 정보 또는 제3 정보일 수 있으나, 이에 제한되지 않고 데이터 베이스(131)에 저장된 모든 정보를 의미할 수 있다.
상술한 바와 같은 또 다른 실시예에 관한 비행체 원점 추정 방법은 궤적 생성부(120)가 생성한 궤적에 비행체의 추력구간 데이터가 포함되지 않은 경우 비행체의 원점을 추정할 수 있는 방법을 제공한다.
도 10은 또 다른 실시예에 관한 비행체 원점 추정 장치(200)를 도시한 구성도이다.
또 다른 실시예에 관한 비행체 원점 추정 장치(200)는 통신 모듈(210), 메모리(220), 프로세서(230)를 포함할 수 있다.
통신 모듈(210)은 통신 모듈은 RF신호, 레이저 신호, 유선 신호 등으로 각종 정보를 송신 또는 수신할 수 있는 장치를 의미할 수 있다.
메모리(220)는 비행체 원점 추정 장치(200) 내에서 처리되는 각종 데이터들을 저장하는 하드웨어로서, 예를 들어, 메모리(220)는 비행체 원점 추정 장치(200)에서 처리된 데이터들 및 처리될 데이터들을 저장할 수 있다. 메모리(220)는 DRAM(dynamic random access memory), SRAM(static random access memory) 등과 같은 RAM(random access memory), ROM(read-only memory), EEPROM(electrically erasable programmable read-only memory), CD-ROM, 블루레이 또는 다른 광학 디스크 스토리지, HDD(hard disk drive), SSD(solid state drive), 또는 플래시 메모리를 포함할 수 있다. 또한, 메모리(220)는 상술한 데이터 베이스(131)를 포함할 수 있다.
프로세서(230)는 도 1 및 도 9에서 상술한, 비행체 원점 추정 방법을 위한 전반적인 기능을 수행할 수 있다. 예를 들어, 프로세서(230)는 비행체 원점 추정 장치(200) 내의 메모리(220)에 저장된 프로그램들을 실행함으로써, 비행체 원점 추정 장치(200)를 전반적으로 제어할 수 있다.
일 실시예에서 프로세서(230)는 통신 모듈(210)이 수신한 비행체의 위치 정보에 기초하여 비행체의 궤적을 생성할 수 있다. 또한 프로세서(230)는 궤적에 기초하여 비행체의 종류를 식별하여 비행체의 특성에 대한 제1 정보를 생성할 수 있다. 프로세서(230)는 궤적 및 제1 정보에 기초하여 비행 동역학 모델링을 활용하여 비행체의 원점에 관한 제2 정보를 생성하고, 기계학습 알고리즘을 활용하여 비행체의 원점에 관한 제3 정보를 생성할 수 있다. 또한 프로세서(230)는 제2 정보 및 제3 정보에 기초하여 비행체의 원점 추정 결과를 최적화할 수 있다.
프로세서(230)는 하나 또는 복수 개의 프로세서에 의하여 구현될 수 있다. 예를 들어, 프로세서(230)는 다수의 논리 게이트들의 어레이로 구현될 수 있고, 범용적인 마이크로 프로세서와 마이크로 프로세서에서 실행될 수 있는 프로그램이 저장된 메모리의 조합으로 구현될 수도 있다. 예를 들어, 프로세서(230)는 CPU(Central processing unit), GPU(Graphic processing unit), 하드웨어 가속기 등일 수 있다.
본 실시예들은 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈과 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
또한, 본 명세서에서, "부"는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.
전술한 본 명세서의 설명은 예시를 위한 것이며, 본 명세서의 내용이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 실시예의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 포함되는 것으로 해석되어야 한다.
100: 비행체 원점 추정 시스템
110: 센서부
120: 궤적 생성부
130: 비행체 특성 분석부
131: 데이터 베이스
140: 동역학 모델링부
150: 학습부
160: 최적화부
200: 비행체 원점 추정 장치
210: 통신 모듈
220: 메모리
230: 프로세서

Claims (16)

  1. 적어도 하나 이상의 센서로부터 수신된 비행체의 위치 정보에 기초하여 상기 비행체의 궤적을 생성하는 단계;
    상기 궤적에 기초하여 상기 비행체의 종류를 식별하여 상기 비행체의 특성에 대한 제1 정보를 생성하는 단계;
    상기 궤적 및 상기 제1 정보에 기초하여, 비행 동역학 모델링을 활용하여 상기 비행체의 원점에 관한 제2 정보를 생성하고, 기계학습 알고리즘을 활용하여 상기 비행체의 원점에 관한 제3 정보를 생성하는 단계; 및
    상기 제2 정보 및 상기 제3 정보에 기초하여 상기 비행체의 원점 추정 결과를 최적화하는 단계;를 포함하고,
    상기 제2 정보는 상기 궤적에 포함된 상기 비행체의 추력구간 데이터에 기초하여 생성되고, 상기 제3 정보는 상기 궤적에 포함된 상기 비행체의 비추력구간 데이터에 기초하여 생성된 것인, 비행체 원점 추정 방법.
  2. 삭제
  3. 제1 항에 있어서,
    상기 비행체의 원점 추정 결과를 최적화 하는 단계는,
    상기 추력구간 데이터 및 상기 비추력구간 데이터의 크기에 기초하여 상기 제2 정보 및 상기 제3 정보 각각에 대한 가중치를 반영하는 단계를 포함하는, 비행체 원점 추정 방법.
  4. 제3 항에 있어서,
    상기 비추력구간 데이터의 크기가 상기 추력구간의 데이터의 크기보다 큰 경우,
    상기 제3 정보에 반영되는 가중치는 상기 제2 정보에 반영되는 가중치보다 큰, 비행체 원점 추정 방법.
  5. 제1 항에 있어서,
    상기 제2 정보 및 상기 제3 정보는 상기 비행체의 원점, 상기 비행체의 종점 및 상기 원점과 상기 종점 사이의 궤적을 포함하는, 비행체 원점 추정 방법.
  6. 제1 항에 있어서,
    상기 제3 정보는,
    상기 기계학습 알고리즘을 활용하여 상기 센서로부터 실시간으로 측정된 상기 비행체의 위치 정보로부터 생성된 상기 비행체의 궤적을 반영하여 생성된, 비행체 원점 추정 방법.
  7. 제1 항에 있어서,
    상기 제1 정보는 상기 궤적을 데이터베이스에 저장된 정보와 비교하여 생성된, 비행체 원점 추정 방법.
  8. 삭제
  9. 제1 항 및 제3항 내지 제7 항 중 어느 한 항에 따른 비행체 원점 추정 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  10. 적어도 하나 이상의 센서를 포함하며, 비행체의 위치를 감지하여 위치 정보를 생성하는 센서부;
    상기 위치 정보에 기초하여 상기 비행체의 궤적을 생성하는 궤적 생성부;
    상기 궤적에 기초하여 상기 비행체의 종류를 식별하여 상기 비행체의 특성에 대한 제1 정보를 생성하는 비행체 특성 분석부;
    상기 궤적 및 상기 제1 정보에 기초하여, 비행 동역학 모델링을 활용하여 상기 비행체의 원점에 관한 제2 정보를 생성하는 동역학 모델링부;
    상기 궤적 및 상기 제1 정보에 기초하여, 기계학습 알고리즘을 활용하여 상기 비행체의 원점에 관한 제3 정보를 생성하는 학습부; 및
    상기 제2 정보 및 상기 제3 정보에 기초하여 상기 비행체의 원점 추정 결과를 최적화하는 최적화부;를 포함하고,
    상기 제2 정보는 상기 궤적에 포함된 상기 비행체의 추력구간 데이터에 기초하여 생성되고, 상기 제3 정보는 상기 궤적에 포함된 상기 비행체의 비추력구간 데이터에 기초하여 생성된 것인, 비행체 원점 추정 시스템.
  11. 삭제
  12. 제10 항에 있어서,
    상기 최적화부는 상기 추력구간 데이터 및 상기 비추력구간 데이터의 크기에 기초하여 상기 제2 정보 및 상기 제3 정보 각각에 대한 가중치를 반영하는, 비행체 원점 추정 시스템.
  13. 제12 항에 있어서,
    상기 최적화부는 상기 비추력구간의 데이터의 크기가 상기 추력구간의 데이터의 크기보다 큰 경우,
    상기 제3 정보에 반영되는 가중치를 상기 제2 정보에 반영되는 가중치보다 크게 반영하는, 비행체 원점 추정 시스템.
  14. 제10 항에 있어서,
    상기 동역학 모델링부 및 상기 학습부는,
    각각 상기 비행체의 원점, 상기 비행체의 종점 및 상기 원점과 상기 종점 사이의 궤적이 포함된 제2 정보 및 제3 정보를 생성하는, 비행체 원점 추정 시스템.
  15. 제10 항에 있어서,
    상기 학습부는
    상기 기계학습 알고리즘을 활용하여 상기 센서로부터 실시간으로 측정된 상기 비행체의 위치 정보로부터 생성된 상기 비행체의 궤적을 반영하여 제3 정보를 생성하는, 비행체 원점 추정 시스템.
  16. 비행체의 위치 정보를 수신하는 통신 모듈;
    메모리; 및
    프로세서;를 포함하고,
    상기 프로세서는,
    상기 비행체의 위치 정보에 기초하여 상기 비행체의 궤적을 생성하고, 상기 궤적에 기초하여 상기 비행체의 종류를 식별하여 상기 비행체의 특성에 대한 제1 정보를 생성하고, 상기 궤적 및 상기 제1 정보에 기초하여, 비행 동역학 모델링을 활용하여 상기 비행체의 원점에 관한 제2 정보를 생성하고 기계학습 알고리즘을 활용하여 상기 비행체의 원점에 관한 제3 정보를 생성하고, 상기 제2 정보 및 상기 제3 정보에 기초하여 상기 비행체의 원점 추정 결과를 최적화하고,
    상기 제2 정보는 상기 궤적에 포함된 상기 비행체의 추력구간 데이터에 기초하여 생성되고, 상기 제3 정보는 상기 궤적에 포함된 상기 비행체의 비추력구간 데이터에 기초하여 생성된 것인, 비행체 원점 추정 장치.
KR1020200067171A 2020-06-03 2020-06-03 비행체의 원점을 추정하는 방법 및 장치 KR102317842B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200067171A KR102317842B1 (ko) 2020-06-03 2020-06-03 비행체의 원점을 추정하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200067171A KR102317842B1 (ko) 2020-06-03 2020-06-03 비행체의 원점을 추정하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102317842B1 true KR102317842B1 (ko) 2021-10-26

Family

ID=78268700

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200067171A KR102317842B1 (ko) 2020-06-03 2020-06-03 비행체의 원점을 추정하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102317842B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102620468B1 (ko) * 2023-04-05 2024-01-02 이한성 비행체 궤적 분석 장치 및 그 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150099874A (ko) * 2013-01-15 2015-09-01 레이티언 캄파니 발생 지점 추정 및 표적 분류를 위한 공중 표적을 트레일링하는 항적 난기류의 레이저-레이더 역추적
KR20160036310A (ko) * 2014-09-25 2016-04-04 한국항공대학교산학협력단 궤적 패턴을 이용한 항공기 도착시간 예측 장치 및 방법
KR20170129361A (ko) * 2016-05-17 2017-11-27 엘아이지넥스원 주식회사 비동기식 센서들을 이용한 표적 추적 시스템 및 방법
WO2018029683A1 (en) * 2016-08-11 2018-02-15 Rodradar Ltd. Wire and pylon classification based on trajectory tracking
KR20190054641A (ko) * 2017-11-14 2019-05-22 주식회사 셈웨어 인공지능 기반의 드론의 동역학 모델링 생성 방법
US20190359208A1 (en) * 2018-04-06 2019-11-28 Zoox, Inc. Feature-based prediction

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150099874A (ko) * 2013-01-15 2015-09-01 레이티언 캄파니 발생 지점 추정 및 표적 분류를 위한 공중 표적을 트레일링하는 항적 난기류의 레이저-레이더 역추적
KR20160036310A (ko) * 2014-09-25 2016-04-04 한국항공대학교산학협력단 궤적 패턴을 이용한 항공기 도착시간 예측 장치 및 방법
KR20170129361A (ko) * 2016-05-17 2017-11-27 엘아이지넥스원 주식회사 비동기식 센서들을 이용한 표적 추적 시스템 및 방법
WO2018029683A1 (en) * 2016-08-11 2018-02-15 Rodradar Ltd. Wire and pylon classification based on trajectory tracking
KR20190054641A (ko) * 2017-11-14 2019-05-22 주식회사 셈웨어 인공지능 기반의 드론의 동역학 모델링 생성 방법
US20190359208A1 (en) * 2018-04-06 2019-11-28 Zoox, Inc. Feature-based prediction

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ou, Li-he 외 1명. An End-to-End LSTM-MDN Network for Projectile Trajectory Prediction. International Conference on Intelligent Science and Big Data Engineering. Springer. 2019.* *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102620468B1 (ko) * 2023-04-05 2024-01-02 이한성 비행체 궤적 분석 장치 및 그 방법

Similar Documents

Publication Publication Date Title
GB2589751A (en) Automatically choosing data samples for annotation
EP3899804A2 (en) Neural networks for coarse- and fine-object classifications
EP3578944B1 (en) Automated fault isolation of flight control surfaces and damage detection of aircraft through non-contact measurement
US20200057160A1 (en) Multi-object tracking based on lidar point cloud
US20200356849A1 (en) Automated training data extraction method for dynamic models for autonomous driving vehicles
KR102317842B1 (ko) 비행체의 원점을 추정하는 방법 및 장치
CN106371106A (zh) 单线激光雷达人形目标识别方法、装置和汽车
CN109766905B (zh) 基于自组织特征映射网络的目标分群方法
CN107960122A (zh) 飞行器和使飞行器稳定的方法
US20150134234A1 (en) Apparatus for determining motion characteristics of target and device for controlling driving route of vehicle including the same
CN114118361A (zh) 一种基于深度学习参数锚定的态势评估方法
US7627170B2 (en) Process for the identification of objects
Ajakwe et al. Tractable minacious drones aerial recognition and safe-channel neutralization scheme for mission critical operations
US10935938B1 (en) Learning from operator data for practical autonomy
CN116626670B (zh) 自动驾驶模型的生成方法、装置、车辆及存储介质
KR101426290B1 (ko) 레이더 시스템 및 이를 이용한 표적 추적 방법
US20220357730A1 (en) Anomaly detection apparatus, anomaly detection method, and recording medium
CN111488787A (zh) 在极端状况下提高故障容许度及波动鲁棒性的方法及装置
Wastupranata et al. UAV detection using web application approach based on SSD pre-trained model
US11745766B2 (en) Unseen environment classification
Calvi et al. Machine learning techniques for detection and tracking of space objects in optical telescope images
CN107003405B (zh) 用于检测机动车辆的传感器装置由物体屏蔽的方法、计算装置、驾驶员辅助系统和机动车辆
KR102283444B1 (ko) 온톨로지 및 딥 러닝을 이용한 무인기의 위협 상황 인지 방법
KR102287430B1 (ko) 신경망 용 입력 데이터의 검사 적합도 평가 방법 및 그 장치
KR101040305B1 (ko) 영상 탐색 장치 및 이를 이용한 표적 결정 방법

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant