KR102361218B1 - 유도 무기, 유도 무기 시스템, 및 표적 식별 및 추적 방법 - Google Patents

유도 무기, 유도 무기 시스템, 및 표적 식별 및 추적 방법 Download PDF

Info

Publication number
KR102361218B1
KR102361218B1 KR1020200135386A KR20200135386A KR102361218B1 KR 102361218 B1 KR102361218 B1 KR 102361218B1 KR 1020200135386 A KR1020200135386 A KR 1020200135386A KR 20200135386 A KR20200135386 A KR 20200135386A KR 102361218 B1 KR102361218 B1 KR 102361218B1
Authority
KR
South Korea
Prior art keywords
target
target identification
algorithm
identification result
guided weapon
Prior art date
Application number
KR1020200135386A
Other languages
English (en)
Inventor
김성운
진상훈
Original Assignee
엘아이지넥스원 주식회사
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 엘아이지넥스원 주식회사 filed Critical 엘아이지넥스원 주식회사
Priority to KR1020200135386A priority Critical patent/KR102361218B1/ko
Application granted granted Critical
Publication of KR102361218B1 publication Critical patent/KR102361218B1/ko

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41—WEAPONS
    • F41G—WEAPON SIGHTS; AIMING
    • F41G9/00—Systems for controlling missiles or projectiles, not provided for elsewhere
    • F41G9/002—Systems for controlling missiles or projectiles, not provided for elsewhere for guiding a craft to a correct firing position
    • F41G9/004—Training or teaching apparatus therefor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41—WEAPONS
    • F41G—WEAPON SIGHTS; AIMING
    • F41G7/00—Direction control systems for self-propelled missiles
    • F41G7/20—Direction control systems for self-propelled missiles based on continuous observation of target position
    • F41G7/22—Homing guidance systems
    • F41G7/2246—Active homing systems, i.e. comprising both a transmitter and a receiver
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41—WEAPONS
    • F41G—WEAPON SIGHTS; AIMING
    • F41G7/00—Direction control systems for self-propelled missiles
    • F41G7/20—Direction control systems for self-propelled missiles based on continuous observation of target position
    • F41G7/24—Beam riding guidance systems
    • F41G7/26—Optical guidance systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)

Abstract

유도 무기, 유도 무기 시스템, 및 표적 식별 및 추적 방법이 개시될 수 있다. 본 발명의 일 실시예에 따른 유도 무기 시스템은 표적을 포함하는 대상체의 영상에 대응하는 영상 신호를 실시간으로 획득하고, 영상 신호에 고속 표적 식별 알고리즘 및 표적 추적 알고리즘을 적용하여 표적의 식별 및 추적을 수행하는 유도 무기; 및 유도 무기와 연결되고, 유도 무기로부터 영상 신호를 수신하고, 영상 신호에 정밀 표적 식별 알고리즘을 적용하여 정밀 표적 식별 결과 정보를 생성하고, 정밀 표적 식별 결과 정보를 유도 무기로 전송하는 발사 통제 장치를 포함하고, 유도 무기는 고속 표적 식별 알고리즘에 의한 표적 식별 결과 정보와 정밀 표적 식별 결과 정보에 기초하여 최종 표적 식별 결과를 도출할 수 있다.

Description

유도 무기, 유도 무기 시스템, 및 표적 식별 및 추적 방법{GUIDED WEAPON, GUIDED WEAPON SYSTEM, AND METHOD OF IDENTIFYING AND TRACKING TARGET}
본 발명은 유도 무기, 유도 무기 시스템, 및 표적 식별 및 추적 방법에 관한 것이다.
유도 폭탄, 유도 로켓 등의 유도무기들은 다양한 방식으로 표적을 탐지 및 추적하여 비행하도록 구성된다. 예를 들면, 유도 무기는 표적을 포함하는 영상을 획득하고, 획득된 영상으로부터 표적을 식별하고 식별된 표적을 추적하여 비행한다.
일반적으로, 유도 무기는 표적을 추적하기 위한 표적 센서를 포함하고 있다. 표적 센서는 표적의 가시광 또는 적외선 영상 정보를 획득하고, 획득된 영상 정보에 대한 추적 정보를 생성하여 무기 체계의 정밀도를 향상시키는 역할을 수행하고 있다.
영상을 이용한 표적 식별 및 추적은 다수의 유도 무기에 탑재되어 적용되는 기술이다. 그러나, 종래에는 유도 무기의 특성상 탑재할 수 있는 컴퓨터 자원의 한계로 오포착 확률이 존재하며, 오포착 확률을 줄이기 위해 무선/광섬유의 통신 채널을 만들고, 운용자가 개입하여 표적을 식별하고 포착명령을 인가함으로써 유도무기가 유도되도록 한다. 유도무기 유도에 있어 운용자 개입에 따른 문제점은 운용자가 유도 무기의 종말 단계의 제한된 시간 구간에서 표적을 포착 및 추적해야 하기 때문에 운용자가 매우 많은 훈련과 숙달을 거쳐야 하는 문제점이 있다. 시간 제한이 발생하는 이유는 운용자가 너무 빠른 시간에 표적을 식별 및 추적을 시도하는 경우에는 표적 센서의 영상 해상도가 충분하지 못하여 운용자가 표적을 식별하기 어렵기 때문이다. 반대의 경우로서, 운용자가 너무 늦은 시간에 표적을 식별 및 추적을 시도하는 경우에는 충분한 종말 유도 시간을 갖지 못하므로 유도 무기의 명중률이 낮아지게 되는 문제점이 있다. 한편, 유도 무기가 배치된 이후에도 변화하는 전장 환경에 따라 표적을 식별 및 추적하는 기술이 정교화되고 이를 지속 반영하는 것이 필요로 하는 문제점이 있다.
본 발명은 표적을 포함하는 대상체의 영상에 대응하는 영상 신호에 고속 표적 식별 알고리즘 및 정밀 표적 식별 알고리즘을 적용하여 표적을 식별하고, 식별된 표적을 추적하는 유도 무기, 유도 무기 시스템, 및 표적 식별 및 추적 방법을 제공함으로써, 긴박한 전장상황에서 운용자의 임무를 인공지능 컴퓨터를 이용하여 대체 수행하게 함으로써 향상된 유도 무기 시스템을 제공할 수 있다.
본 발명의 일 실시예에 따르면, 유도 무기 시스템이 개시될 수 있다. 일 실시예에 따른 유도 무기 시스템은 표적을 포함하는 대상체의 영상에 대응하는 영상 신호를 실시간으로 획득하고, 상기 영상 신호에 고속 표적 식별 알고리즘 및 표적 추적 알고리즘을 적용하여 표적의 식별 및 추적을 수행하는 유도 무기; 및 상기 유도 무기와 연결되고, 상기 유도 무기로부터 상기 영상 신호를 수신하고, 상기 영상 신호에 정밀 표적 식별 알고리즘을 적용하여 정밀 표적 식별 결과 정보를 생성하고, 상기 정밀 표적 식별 결과 정보를 상기 유도 무기로 전송하는 발사 통제 장치를 포함하고, 상기 유도 무기는 상기 고속 표적 식별 알고리즘에 의한 표적 식별 결과 정보와 상기 정밀 표적 식별 결과 정보에 기초하여 최종 표적 식별 결과를 도출할 수 있다.
일 실시예에 있어서, 상기 유도 무기 시스템은 상기 영상 신호를 이용하여 상기 정밀 표적 식별 알고리즘에 적용될 알고리즘 표적 정보를 새로이 학습하고, 상기 학습된 알고리즘 표적 정보를 상기 발사 통제 장치로 전송하는 영상 분석 및 학습 장치를 더 포함할 수 있다.
일 실시예에 있어서, 상기 유도 무기는 상기 영상 신호를 실시간을 획득하는 영상 센서; 상기 영상 신호를 상기 발사 통제 장치로 전송하고 상기 발사 통제 장치로부터 상기 정밀 표적 식별 결과 정보를 수신하는 제1 통신 모듈; 및 상기 영상 신호에 상기 고속 표적 식별 알고리즘을 적용하여 고속 표적 식별 결과 정보를 생성하고, 상기 고속 표적 식별 결과 정보와 상기 정밀 표적 식별 결과 정보에 기초하여 상기 최종 표적 식별 결과를 도출하고, 상기 최종 표적 식별 결과에 상기 표적 추적 알고리즘을 적용하여 상기 표적의 정밀 추적을 수행하는 신호 처리부를 포함할 수 있다.
일 실시예에 있어서, 상기 영상 센서는 상기 대상체의 가시광 영상 신호를 획득하는 가시광 센서; 및 상기 대상체의 적외선 영상 신호를 획득하는 적외선 센서를 포함할 수 있다.
일 실시예에 있어서, 상기 신호 처리부는 상기 영상 신호에 표적 후보를 검출하기 위한 표적 후보 검출 알고리즘을 적용하여 표적 후보를 검출하고, 상기 검출된 표적 후보에 표적 특징점을 추출하고, 상기 추출된 특징점에 상기 고속 표적 식별 알고리즘을 적용하여 상기 고속 표적 식별 결과 정보를 생성하고, 상기 고속 표적 식별 결과 정보와 상기 정밀 표적 식별 결과 정보를 융합하여 상기 최종 표적 식별 결과를 도출할 수 있다.
일 실시예에 있어서, 상기 신호 처리부는 상기 검출된 표적 후보 각각에 대한 융합의 비용함수 값을 산출하고, 상기 융합 비용함수 값 중 최소의 비용함수 값을 결정하고, 상기 최소의 비용함수 값에 해당하는 표적 후보를 최종 표적으로서 결정할 수 있다.
일 실시예에 있어서, 상기 신호 처리부는 횡방향 비용함수, 종방향 비용함수 및 정합 오차 비용함수를 이용하여 상기 비용함수 값을 산출할 수 있다.
일 실시예에 있어서, 상기 신호 처리부는 아래의 수학식 1을 이용하여 상기 비용함수 값을 산출하고,
(수학식 1)
Figure 112020110449308-pat00001
상기 수학식 1에서, COSTi는 상기 비용함수 값을 나타내고, daz는 상기 횡방향 비용함수를 나타내고, del은 상기 종방향 비용함수를 나타내며, dmat은 상기 정합 오차 비용함수를 나타낼 수 있다.
일 실시예에 있어서, 상기 신호 처리부는 아래의 수학식 2를 이용하여 상기 횡방향 비용함수, 상기 종방향 비용함수 및 상기 정합 오차 비용함수를 산출하고,
(수학식 2)
Figure 112020110449308-pat00002
Figure 112020110449308-pat00003
Figure 112020110449308-pat00004
상기 수학식 2에서, ym은 상기 유도 무기에서 계측한 상기 표적의 위치를 나타내고, yf는 상기 발사 통제 장치에서 계측한 표적의 위치를 나타내고, ye는 표적 예상 위치를 나타내고, σdm과 σdf는 각각 상기 고속 식별 알고리즘과 상기 정밀 식별 알고리즘의 표적 위치에 추정 오차에 대한 통계적인 표준 편차를 나타내고, Cm은 상기 유도 무기에서 계측한 표적의 신뢰도 값이고, Cf는 상기 발사 통제 장치에서 계측한 신뢰도 값을 나타내고, σmm과 σmf는 각각 상기 고속 식별 알고리즘과 상기 정밀 식별 알고리즘의 신뢰도에 대한 통계적인 표준 편차를 나타내고, K는 상기 횡방향 비용함수, 상기 종방향 비용함수, 상기 정합 오차 비용함수의 비중을 조절하기 위한 비례 상수를 나타낼 수 있다.
일 실시예에 있어서, 상기 신호 처리부는 상기 최종 표적 식별 결과의 식별된 표적 영역을 이용하여 상기 영상 신호에서 상기 표적의 위치를 지속적으로 산출하여 상기 표적의 추적을 수행할 수 있다.
일 실시예에 있어서, 상기 신호 처리부는 아래의 수학식 3을 이용하여 상기 표적의 추적을 수행하고,
(수학식 3)
Figure 112020110449308-pat00005
상기 수학식 3에서, T(i,j)는 식별된 표적 영상을 나타내고, I(i,j)는 상기 영상 신호를 나타낼 수 있다.
일 실시예에 있어서, 상기 발사 통제 장치는 상기 유도 무기로부터 실시간으로 상기 영상 신호를 수신하고, 상기 정밀 표적 식별 결과 정보를 상기 유도 무기로 송신하는 제2 통신 모듈; 상기 영상 신호를 저장하고 상기 정밀 표적 식별 결과 정보를 저장하는 데이터 저장부; 상기 영상 신호에 상기 정밀 표적 식별 알고리즘을 적용하여 상기 정밀 표적 식별 결과 정보를 생성하는 정밀 표적 식별 알고리즘 처리부; 및 상기 제2 통신 모듈, 상기 데이터 저장부 및 상기 정밀 표적 식별 알고리즘 처리부를 제어하는 발사 통제 제어부를 포함할 수 있다.
일 실시예에 있어서, 상기 정밀 표적 식별 알고리즘 처리부는 상기 영상 분석 및 학습 장치로부터 상기 학습된 알고리즘 표적 정보를 수신하고, 상기 학습된 알고리즘 표적 정보를 적용한 상기 정밀 표적 식별 알고리즘을 상기 영상 신호에 적용하여 상기 정밀 표적 식별 결과 정보를 생성할 수 있다.
일 실시예에 있어서, 상기 영상 분석 및 학습 장치는 상기 발사 통제 장치로부터 상기 영상 신호를 수신하고 상기 알고리즘 표적 정보를 상기 발사 통제 장치로 송신하는 제3 통신 모듈; 상기 영상 신호를 저장하는 대용량 데이터 저장부; 및 상기 영상 신호에 인공 지능 학습 알고리즘을 적용하여 상기 알고리즘 표적 정보를 생성하는 인공 지능 알고리즘 학습부를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 유도 무기 시스템에서의 유도 무기가 개시될 수 있다. 일 실시예에 따른 유도 무기는, 표적을 포함하는 대상체의 영상에 대응하는 영상 신호를 실시간으로 획득하는 영상 센서; 상기 영상 신호를 상기 유도 무기 시스템의 발사 통제 장치로 송신하고, 상기 발사 통제 장치로부터 정밀 표적 식별 결과 정보를 수신하는 통신 모듈; 및 상기 영상 신호에 고속 표적 식별 알고리즘을 적용하여 표적 식별 결과 정보를 생성하고, 상기 표적 식별 결과 정보 및 상기 정밀 표적 식별 결과 정보를 융합하여 최종 표적 식별 결과를 도출하고, 상기 최종 표적 식별 결과에 표적 추적 알고리즘을 적용하여 상기 표적의 추적을 수행하는 신호 처리부를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 유도 무기 시스템에서의 표적 식별 및 추적 방법이 개시될 수 있다. 일 실시예에 따른 표적 식별 및 추적 방법은, 상기 유도 무기 시스템의 유도 무기에서, 상기 표적을 포함하는 대상체의 영상에 대응하는 영상 신호를 실시간으로 획득하는 단계; 상기 유도 무기에서, 상기 영상 신호에 고속 표적 식별 알고리즘을 적용하여 표적 식별 결과 정보를 생성하는 단계; 상기 유도 무기 시스템의 발사 통제 장치에서, 상기 유도 무기로부터 제공되는 상기 영상 신호에 정밀 표적 식별 알고리즘을 적용하여 정밀 표적 식별 결과 정보를 제공하는 단계; 상기 유도 무기에서, 상기 표적 식별 결과 정보 및 상기 발사 통제 장치로부터 제공되는 상기 정밀 표적 식별 결과 정보에 기초하여 최종 표적 식별 결과를 도출하는 단계; 및 상기 유도 무기에서, 상기 최종 표적 식별 결과에 표적 추적 알고리즘을 적용하여 상기 표적의 추적을 수행하는 단계를 포함할 수 있다.
일 실시예에 있어서, 상기 표적 식별 및 추적 방법은, 상기 유도 무기 시스템의 영상 분석 및 학습 장치에서, 상기 영상 신호를 이용하여 상기 정밀 표적 식별 알고리즘에 적용될 알고리즘 표적 정보를 새로이 학습하는 단계; 및 상기 영상 분석 및 학습 장치에서, 상기 학습된 알고리즘 표적 정보를 상기 발사 통제 장치로 전송하는 단계를 더 포함할 수 있다.
일 실시예에 있어서, 상기 영상 신호에 고속 표적 식별 알고리즘을 적용하여 표적 식별 결과 정보를 생성하는 단계는 상기 영상 신호에 표적 후보를 검출하기 위한 표적 후보 검출 알고리즘을 적용하여 표적 후보를 검출하는 단계; 상기 검출된 표적 후보에 표적 특징점을 추출하는 단계; 및 상기 추출된 특징점에 상기 고속 표적 식별 알고리즘을 적용하여 상기 표적 식별 결과 정보를 생성하는 단계를 포함할 수 있다.
일 실시예에 있어서, 상기 최종 표적 식별 결과를 도출하는 단계는 상기 표적 식별 결과 정보와 상기 정밀 표적 식별 결과 정보를 융합하여 상기 최종 표적 식별 결과를 도출하는 단계를 포함할 수 있다.
일 실시예에 있어서, 상기 최종 표적 식별 결과를 도출하는 단계는, 상기 검출된 표적 후보 각각에 대한 융합의 비용함수 값을 산출하는 단계; 상기 융합 비용함수 값 중 최소의 비용함수 값을 결정하는 단계; 및 상기 최소의 비용함수 값에 해당하는 표적 후보를 최종 표적으로서 결정하는 단계를 포함할 수 있다.
일 실시예에 있어서, 상기 비용함수 값은 횡방향 비용함수, 종방향 비용함수 및 정합 오차 비용함수를 이용하여 산출될 수 있다.
일 실시예에 있어서, 상기 비용함수 값은 아래의 수학식 4를 이용하여 산출되고,
(수학식 4)
Figure 112020110449308-pat00006
상기 수학식 4에서, COSTi는 상기 비용함수 값을 나타내고, daz는 상기 횡방향 비용함수를 나타내고, del은 상기 종방향 비용함수를 나타내며, dmat은 상기 정합 오차 비용함수를 나타낼 수 있다.
일 실시예에 있어서, 상기 횡방향 비용함수, 상기 종방향 비용함수 및 상기 정합 오차 비용함수는 아래의 수학식 5를 이용하여 산출되고,
(수학식 5)
Figure 112020110449308-pat00007
Figure 112020110449308-pat00008
Figure 112020110449308-pat00009
상기 수학식 5에서, ym은 상기 유도 무기에서 계측한 상기 표적의 위치를 나타내고, yf는 상기 발사 통제 장치에서 계측한 표적의 위치를 나타내고, ye는 표적 예상 위치를 나타내고, σdm과 σdf는 각각 상기 고속 식별 알고리즘과 상기 정밀 식별 알고리즘의 표적 위치에 추정 오차에 대한 통계적인 표준 편차를 나타내고, Cm은 상기 유도 무기에서 계측한 표적의 신뢰도 값이고, Cf는 상기 발사 통제 장치에서 계측한 신뢰도 값을 나타내고, σmm과 σmf는 각각 상기 고속 식별 알고리즘과 상기 정밀 식별 알고리즘의 신뢰도에 대한 통계적인 표준 편차를 나타내고, K는 상기 횡방향 비용함수, 상기 종방향 비용함수, 상기 정합 오차 비용함수의 비중을 조절하기 위한 비례 상수를 나타낼 수 있다.
일 실시예에 있어서, 상기 최종 표적 식별 결과에 표적 추적 알고리즘을 적용하여 상기 표적의 추적을 수행하는 단계는, 상기 최종 표적 식별 결과의 식별된 표적 영역을 이용하여 상기 영상 신호에서 상기 표적의 위치를 지속적으로 산출하여 상기 표적의 추적을 수행하는 단계를 포함할 수 있다.
일 실시예에 있어서, 상기 표적의 추적은 아래의 수학식 6을 이용하여 수행되고,
(수학식 6)
Figure 112020110449308-pat00010
상기 수학식 6에서, T(i,j)는 식별된 표적 영상을 나타내고, I(i,j)는 상기 영상 신호를 나타낼 수 있다.
일 실시예에 있어서, 상기 정밀 표적 식별 결과 정보를 생성하는 단계는, 상기 유도 무기로부터 실시간으로 상기 영상 신호를 수신하는 단계; 상기 영상 신호에 상기 정밀 표적 식별 알고리즘을 적용하여 상기 정밀 표적 식별 결과 정보를 생성하는 단계; 및 상기 정밀 표적 결과 정보를 상기 유도 무기로 송신하는 단계를 포함할 수 있다.
일 실시예에 있어서, 상기 정밀 표적 식별 결과 정보를 생성하는 단계는, 상기 발사 통제 장치에서, 상기 영상 분석 및 학습 장치로부터 상기 학습된 알고리즘 표적 정보를 수신하는 단계; 및 상기 발사 통제 장치에서, 상기 학습된 알고리즘 표적 정보를 적용한 상기 정밀 표적 식별 알고리즘을 상기 영상 신호에 적용하여 상기 정밀 표적 식별 결과 정보를 생성하는 단계를 포함할 수 있다.
본 발명의 다양한 실시예에 따르면, 유도 무기에서 생성된 고속 표적 식별 결과 정보와 발사 통제 장치에서 생성된 정밀 표적 식별 결과 정보를 이용하여 표적을 식별할 수 있어, 표적을 보다 정확하고 신속하게 식별할 수 있다.
또한, 유도 무기에서 획득된 영상 신호를 이용하여 표적을 식별하기 위한 표적 식별 알고리즘을 학습하고 학습된 표적 식별 알고리즘을 적용할 수 있어, 유도 무기가 배치된 이후에도 변화하는 전장 환경에 따라 표적을 식별하는 기술을 정교화할 수 있다.
도 1은 본 발명의 일 실시예에 따른 유도 무기 시스템을 개략적으로 나타낸 블록도이다.
도 2는 본 발명의 일 실시예에 따른 유도 무기의 구성을 개략적으로 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 발사 통제 장치의 구성을 개략적으로 나타낸 블록도이다.
도 4는 본 발명의 일 실시예에 따른 영상 분석 및 학습 장치의 구성을 개략적으로 나타낸 블록도이다.
도 5는 본 발명의 일 실시예에 따라 표적을 식별 및 추적하는 방법을 나타낸 흐름도이다.
도 6은 본 발명의 일 실시예에 따라 표적 식별 결과 정보를 생성하는 방법을 나타낸 흐름도이다.
도 7은 본 발명의 일 실시예에 따라 정밀 표적 식별 결과 정보를 제공하는 방법을 나타낸 흐름도이다.
본 발명의 실시예들은 본 발명의 기술적 사상을 설명하기 위한 목적으로 예시된 것이다. 본 발명에 따른 권리범위가 이하에 제시되는 실시예들이나 이들 실시예들에 대한 구체적 설명으로 한정되는 것은 아니다.
본 발명에 사용되는 모든 기술적 용어들 및 과학적 용어들은, 달리 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 일반적으로 이해되는 의미를 갖는다. 본 발명에 사용되는 모든 용어들은 본 발명을 더욱 명확히 설명하기 위한 목적으로 선택된 것이며 본 발명에 따른 권리범위를 제한하기 위해 선택된 것이 아니다.
본 발명에서 사용되는 "포함하는", "구비하는", "갖는" 등과 같은 표현은, 해당 표현이 포함되는 어구 또는 문장에서 달리 언급되지 않는 한, 다른 실시예를 포함할 가능성을 내포하는 개방형 용어(open-ended terms)로 이해되어야 한다.
본 발명에서 기술된 단수형의 표현은 달리 언급하지 않는 한 복수형의 의미를 포함할 수 있으며, 이는 청구범위에 기재된 단수형의 표현에도 마찬가지로 적용된다.
본 발명에서 사용되는 "제1", "제2" 등의 표현들은 복수의 구성요소들을 상호 구분하기 위해 사용되며, 해당 구성요소들의 순서 또는 중요도를 한정하는 것은 아니다.
본 발명에서 사용되는 용어 "부"는, 소프트웨어, 또는 FPGA(field-programmable gate array), ASIC(application specific integrated circuit)과 같은 하드웨어 구성요소를 의미한다. 그러나, "부"는 하드웨어 및 소프트웨어에 한정되는 것은 아니다. "부"는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, "부"는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스, 함수, 속성, 프로시저, 서브루틴, 프로그램 코드의 세그먼트, 드라이버, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조, 테이블, 어레이 및 변수를 포함한다. 구성요소와 "부" 내에서 제공되는 기능은 더 작은 수의 구성요소 및 "부"로 결합되거나 추가적인 구성요소와 "부"로 분리될 수 있다.
본 발명에서 사용되는 "~에 기초하여"라는 표현은, 해당 표현이 포함되는 어구 또는 문장에서 기술되는, 결정 판단의 행위 또는 동작에 영향을 주는 하나 이상의 인자를 기술하는데 사용되며, 이 표현은 결정, 판단의 행위 또는 동작에 영향을 주는 추가적인 인자를 배제하지 않는다.
본 발명에서, 어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 경우, 어떤 구성요소가 다른 구성요소에 직접적으로 연결될 수 있거나 접속될 수 있는 것으로, 또는 새로운 다른 구성요소를 매개로 하여 연결될 수 있거나 접속될 수 있는 것으로 이해되어야 한다.
이하, 첨부된 도면들을 참조하여 본 발명의 실시예들을 설명한다. 첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응하는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.
도 1은 본 발명의 일 실시예에 따른 유도 무기 시스템을 개략적으로 나타낸 블록도이다. 도 1을 참조하면, 유도 무기 시스템(100)은 유도 무기(110) 및 발사 통제 장치(120)를 포함할 수 있다. 또한, 유도 무기 시스템(100)은 영상 분석 및 학습 장치(130)를 더 포함할 수 있다.
유도 무기(110)는 표적을 포함하는 대상체의 영상에 대응하는 영상 신호를 실시간으로 획득할 수 있다. 일 실시예에 있어서, 영상 신호는 가시광 영상 신호 및 적외선 영상 신호를 포함할 수 있다. 또한, 유도 무기(110)는 획득된 영상 신호에 표적 식별 알고리즘 및 표적 추적 알고리즘을 적용하여 표적의 식별 및 추적을 수행할 수 있다. 일 실시예에 있어서, 표적 식별 알고리즘은 고속 표적 식별 알고리즘을 포함하고, 표적 추적 알고리즘은 정밀 표적 추적 알고리즘을 포함할 수 있다. 일 실시예에 있어서, 표적 식별 알고리즘은 영상 분석 및 학습 장치(130)에 의해 이미 학습된 고속 표적 식별 알고리즘일 수 있다.
발사 통제 장치(120)는 유도 무기(110)에 연결되어, 유도 무기(110)로부터 영상 신호를 수신할 수 있다. 또한, 발사 통제 장치(120)는 수신된 영상 신호에 정밀 표적 식별 알고리즘을 적용하여 표적을 식별하고, 식별된 표적을 포함하는 결과 정보(이하, "정밀 표적 식별 결과 정보"라 함)를 생성할 수 있다. 더욱이, 발사 통제 장치(120)는 정밀 표적 식별 결과 정보를 유도 무기(110)로 전송할 수 있다. 일 실시예에 있어서, 발사 통제 장치(120)는 항공기, 함정, 지상 차량에 장착될 수 있다.
일 실시예에 있어서, 발사 통제 장치(120)는 영상 분석 및 학습 장치(130)에 의해 새로이 학습된 표적 식별 알고리즘을 수신하고, 학습된 표적 식별 알고리즘을 이용하여 표적의 식별을 수행할 수 있다.
영상 분석 및 학습 장치(130)는 발사 통제 장치(120)에 연결되어, 발사 통제 장치(120)로부터 영상 신호를 수신하여 저장할 수 있다. 또한, 영상 분석 및 학습 장치(130)는 새로이 추가된 영상 신호를 이용하여 표적 식별 알리고즘에 적용될 알고리즘 표적 정보를 새로이 학습할 수 있다. 일 실시예에 있어서, 표적 식별 알고리즘은 고속 표적 식별 알고리즘 및 정밀 표적 식별 알고리즘을 포함할 수 있다. 일 실시예에 있어서, 알고리즘 표적 정보는 알고리즘 모델 및 표적 정보를 포함할 수 있다. 더욱이, 영상 분석 및 학습 장치(130)는 학습된 표적 식별 알고리즘을 저장할 수 있으며, 알고리즘 표적 정보를 발사 통제 장치(120)로 전송할 수 있다.
도 2는 본 발명의 일 실시예에 따른 유도 무기의 구성을 개략적으로 나타낸 블록도이다. 도 2를 참조하면, 유도 무기(110)는 영상 센서(210), 제1 통신 모듈(220), 신호 처리부(230) 및 유도 제어부(240)를 포함할 수 있다.
영상 센서(210)는 표적을 포함하는 대상체의 영상에 해당하는 영상 신호를 획득할 수 있다. 일 실시예에 있어서, 영상 센서(210)는 영상 신호를 실시간으로 획득할 수 있다. 일 실시예에 있어서, 영상 센서(210)는 가시광 센서 및 적외선 센서를 포함할 수 있다. 예를 들면, 영상 센서(210)는 가시광 센서에 의해 대상체의 가시광 영상 신호를 획득하고, 적외선 센서에 의해 대상체의 적외선 영상 신호를 획득할 수 있다.
제1 통신 모듈(220)은 영상 센서(210)에 의해 획득된 영상 신호를 발사 통제 장치(120)로 전송할 수 있다. 또한, 제1 통신 모듈(220)은 발사 통제 장치(120)로부터 유도 명령을 수신할 수 있다. 또한, 제1 통신 모듈(220)은 발사 통제 장치(120)로부터 표적 식별 결과 정보를 수신할 수 있다.
일 실시예에 있어서, 제1 통신 모듈(220)은 발사 통제 장치(120)와 무선 또는 유선(예를 들어, 광섬유)로 연결될 수 있다. 예를 들면, 제1 통신 모듈(220)은 유도 무기(110)의 발사 전에 발사 통제 장치(120)와 유선(또는 무선)으로 연결되고, 유도 무기(110)의 발사 후에 발사 통제 장치(120)와 유선(또는 무선)으로 연결될 수 있다.
일 실시예에 있어서, 제1 통신 모듈(220)은 영상 센서(210)에 의해 획득된 영상 신호를 실시간으로 발사 통제 장치(120)로 송신하는 영상 신호 송신부(221) 및 발사 통제 장치(120)로부터 표적 식별 결과 정보를 수신하는 데이터 수신부(222)를 포함할 수 있다.
신호 처리부(230)는 제1 통신 모듈(220)에 연결되어, 제1 통신 모듈(220)로부터 영상 신호를 수신할 수 있다. 또한, 신호 처리부(230)는 영상 신호에 표적 식별 알고리즘 및 표적 추적 알고리즘을 적용하여 표적의 식별 및 추적을 수행할 수 있다.
일 실시예에 있어서, 신호 처리부(230)는 영상 신호에 표적 후보를 검출하기 위한 알고리즘(이하, "표적 후보 검출 알고리즘"이라 함)을 적용하여 표적 후보를 검출할 수 있다. 예를 들면, 표적 후보 검출 알고리즘은 세일리언시 알고리즘(saliency algorithm)을 포함할 수 있다. 그러나, 표적 후보 검출 알고리즘은 반드시 이에 한정되는 것은 아니다.
일 실시예에 있어서, 신호 처리부(230)는 검출된 표적 후보에 대해 표적 특징점을 추출하고, 추출된 특징점에 표적 식별 알고리즘으로서 고속 표적 식별 알고리즘을 적용하여 표적을 식별하고, 식별된 표적을 포함하는 결과 정보(이하, "고속 표적 식별 결과 정보"라 함)를 생성할 수 있다. 예를 들면, 신호 처리부(230)는 추출된 특징점에 SVM(support vector machine), 뉴럴 네트워크(neural network) 등의 제한된 연산 능력 내에서 구현 가능한 고속 표적 식별 알고리즘을 적용할 수 있다.
일 실시예에 있어서, 신호 처리부(230)는 발사 통제 장치(120)로부터 정밀 표적 식별 결과 정보가 수신되기 전까지 고속 표적 식별 알고리즘을 이용하여 표적을 빠르게 식별하며, 예를 들어, 장비 고장, 통신 불량 등으로 인해 발사 통제 장치(120)와의 연동이 끊어진 경우에, 유도 무기(110) 단독으로 임무를 수행하도록 동작할 수 있다.
일 실시예에 있어서, 신호 처리부(230)는 발사 통제 장치(120)로부터 정밀 표적 식별 결과 정보를 수신하고, 수신된 정밀 표적 식별 결과 정보와 고속 표적 식별 결과 정보에 기초하여 최종 표적 식별 결과를 도출할 수 있다. 예를 들면, 신호 처리부(230)는 정밀 표적 식별 결과 정보와 고속 표적 식별 결과 정보를 융합하여 최종 표적 식별 결과를 도출할 수 있다.
일 실시예에 있어서, 신호 처리부(230)는 최종 표적 식별 결과에 기초하여 표적의 정밀 추적을 수행할 수 있다. 예를 들면, 신호 처리부(230)는 최종 표적 식별 결과에 정밀 표적 추적 알고리즘을 적용하여 표적의 정밀 추적을 수행할 수 있다. 일부 실시예에서, 신호 처리부(230)는 칼만 필터(Lalman filter) 및 KLT(Kanade-Lucas-Tomasi) 알고리즘을 이용하여 표적의 정밀 추적을 수행할 수 있다.
유도 제어부(240)는 신호 처리부(230)에 연결되어 신호 처리부(230)로부터 표적의 정밀 추적 결과를 수신할 수 있다. 또한, 유도 제어부(240)는 표적의 정밀 추적 결과에 기초하여 유도 무기(110)의 유도 제어를 수행할 수 있다.
도 3은 본 발명의 일 실시예에 따른 발사 통제 장치의 구성을 개략적으로 나타낸 블록도이다. 도 3를 참조하면, 발사 통제 장치(120)는 제2 통신 모듈(310), 데이터 저장부(320), 정밀 표적 식별 알고리즘 처리부(330) 및 발사 통제 제어부(340)를 포함할 수 있다.
제2 통신 모듈(310)은 유도 무기(110)와 무선 또는 유선(예를 들어, 광섬유)로 연결될 수 있다. 예를 들면, 제2 통신 모듈(310)은 유도 무기(110)의 발사 전에 유도 무기(110)와 유선(또는 무선)으로 연결되고, 유도 무기(110)의 발사 후에 유도 무기(110)와 유선(또는 무선)으로 연결될 수 있다.
일 실시예에 있어서, 제2 통신 모듈(310)은 유도 무기(110)로부터 실시간으로 영상 신호를 수신하는 영상 신호 수신부(311) 및 정밀 표적 식별 결과 정보를 유도 무기(110)로 송신하는 데이터 송신부(312)를 포함할 수 있다.
데이터 저장부(320)는 제2 통신 모듈(310)을 통해 수신되는 영상 신호를 저장할 수 있다. 또한, 데이터 저장부(320)는 정밀 표적 식별 결과 정보를 저장할 수 있다. 더욱이, 데이터 저장부(320)는 영상 분석 및 학습 장치(130)로부터 제공되는 알고리즘 표적 정보(즉, 알고리즘 모델 및 표적 정보)를 저장할 수 있다.
일 실시예에 있어서, 데이터 저장부(320)는 내장 메모리 또는 외장 메모리를 포함할 수 있다. 내장 메모리는 휘발성 메모리(예: DRAM, SRAM 또는 SDRAM 등), 비휘발성 메모리(예: 플래시 메모리, 하드 드라이브, 또는 솔리드 스테이트 드라이브 (SSD)) 중 적어도 하나를 포함할 수 있다. 외장 메모리는 다양한 인터페이스를 통하여 발사 통제 장치(120)와 기능적으로 또는 물리적으로 연결될 수 있다.
정밀 표적 식별 알고리즘 처리부(330)는 영상 신호에 정밀 표적 식별 알고리즘을 적용하여 정밀 표적 식별 결과 정보를 생성할 수 있다. 일 실시예에 있어서, 정밀 표적 식별 알고리즘 처리부(330)는 영상 분석 및 학습 장치(130)에 의해 새로이 학습된 알고리즘 표적 정보를 수신하고, 알고리즘 표적 정보를 적용한 정밀 표적 식별 알고리즘을 영상 신호에 적용하여 정밀 표적 식별 결과 정보를 생성할 수 있다.
일 실시예에 있어서, 정밀 표적 식별 알고리즘은 인공 지능 기법이 적용되어, 딥러닝 합성곱 신경망((deep learning convolution neural network)을 이용한 다양한 알고리즘이 정밀 식별 알고리즘 처리부(330)에 적용될 수 있다.
일 실시예에 있어서, 합성곱 신경망(convolution neural network, CNN)은 LeNet, AlexNet, VGG 등을 포함할 수 있다.
발사 통제 제어부(340)는 발사 통제 장치(120)의 각 구성요소에 연결되어, 각 구성요소의 동작을 제어할 수 있다. 일 실시예에 있어서, 발사 통제 제어부(340)는 영상 신호를 수신하고 정밀 표적 식별 결과 정보를 송신하도록 제2 통신 모듈(310)을 제어할 수 있다. 또한, 발사 통제 제어부(340)는 영상 신호 및 정밀 표적 식별 결과 정보를 데이터 저장부(320)에 저장할 수 있다. 또한, 발사 통제 제어부(340)는 정밀 표적 식별 결과 정보를 생성하도록 정밀 표적 식별 알고리즘 처리부(330)를 제어할 수 있다.
일 실시예에 있어서, 발사 통제 제어부(340)는 유도 무기(110)의 유도 명령을 생성하고, 생성된 유도 명령을 제2 통신 모듈(310)을 통해 유도 무기(110)로 송신할 수 있다.
도 4는 본 발명의 일 실시예에 따른 영상 분석 및 학습 장치의 구성을 개략적으로 나타낸 블록도이다. 도 4를 참조하면, 영상 분석 및 학습 장치(130)는 제3 통신 모듈(410), 대용량 데이터 저장부(420), 인공 지능 알고리즘 학습부(430) 및 영상 신호 관리부(440)를 포함할 수 있다.
제3 통신 모듈(410)은 발사 통제 장치(120)와 무선 또는 유선으로 연결될 수 있다. 제3 통신 모듈(410)은 발사 통제 장치(120)로부터 영상 신호를 수신하고, 알고리즘 표적 정보를 발사 통제 장치(120)로 송신할 수 있다.
대용량 데이터 저장부(420)는 제3 통신 모듈(410)에 연결되어, 제3 통신 모듈(410)을 통해 수신되는 영상 신호를 저장할 수 있다. 또한, 대용량 데이터 저장부(420)는 새로운 알고리즘 표적 정보(즉, 알고리즘 모델 및 표적 정보)를 생성하기 위한 대용량 데이터를 저장할 수 있다.
일 실시예에 있어서, 대용량 데이터 저장부(420)는 내장 메모리 또는 외장 메모리를 포함할 수 있다. 내장 메모리는 휘발성 메모리(예: DRAM, SRAM 또는 SDRAM 등), 비휘발성 메모리(예: 플래시 메모리, 하드 드라이브, 또는 솔리드 스테이트 드라이브 (SSD)) 중 적어도 하나를 포함할 수 있다. 외장 메모리는 다양한 인터페이스를 통하여 영상 분석 및 학습 장치(130)와 기능적으로 또는 물리적으로 연결될 수 있다.
인공 지능 알고리즘 학습부(430)는 발사 통제 장치(120)로부터 제공되는 영상 신호에 인공 지능 학습 알고리즘을 적용하여 알고리즘 표적 정보를 생성할 수 있다. 일 실시예에 있어서, 인공 지능 알고리즘 학습부(430)는 대용량 데이터 저장부(420)에 저장된 대용량 데이터에 기초하여, 발사 통제 장치(120)로부터 제공되는 영상 신호에 인공 지능 학습 알고리즘을 적용하여, 영상 신호를 처리 및 분석하여 알고리즘 표적 정보를 생성할 수 있다. 생성된 알고리즘 표적 정보는 발사 통제 장치(120)에 장착될 수 있다.
영상 신호 관리부(440)는 영상 분석 및 학습 장치(130)의 각 구성요소에 연결되어, 각 구성요소의 동작을 제어할 수 있다. 일 실시예에 있어서, 영상 신호 관리부(440)는 영상 신호를 수신하고 알고리즘 표적 정보를 송신하도록 제3 통신 모듈(410)을 제어할 수 있다. 또한, 영상 신호 관리부(440)는 영상 신호를 대용량 데이터 저장부(420)에 저장할 수 있다. 또한, 영상 신호 관리부(440)는 알고리즘 표적 정보를 생성하도록 인공 지능 알고리즘 학습부(430)를 제어할 수 있다.
본 발명에 도시된 흐름도에서 프로세스 단계들, 방법 단계들, 알고리즘들 등이 순차적인 순서로 설명되었지만, 그러한 프로세스들, 방법들 및 알고리즘들은 임의의 적합한 순서로 작동되도록 구성될 수 있다. 다시 말하면, 본 발명의 다양한 실시예들에서 설명되는 프로세스들, 방법들 및 알고리즘들의 단계들이 본 발명에서 기술된 순서로 수행될 필요는 없다. 또한, 일부 단계들이 비동시적으로 수행되는 것으로서 설명되더라도, 다른 실시예에서는 이러한 일부 단계들이 동시에 수행될 수 있다. 또한, 도면에서의 묘사에 의한 프로세스의 예시는 예시된 프로세스가 그에 대한 다른 변화들 및 수정들을 제외하는 것을 의미하지 않으며, 예시된 프로세스 또는 그의 단계들 중 임의의 것이 본 발명의 다양한 실시예들 중 하나 이상에 필수적임을 의미하지 않으며, 예시된 프로세스가 바람직하다는 것을 의미하지 않는다.
도 5는 본 발명의 일 실시예에 따라 표적을 식별 및 추적하는 방법을 나타낸 흐름도이다. 도 5를 참조하면, 단계 S502에서, 유도 무기(110)는 표적을 포함하는 대상체의 영상에 대응하는 영상 신호를 실시간으로 획득할 수 있다. 일 실시예에 있어서, 유도 무기(110)의 영상 센서(210)는 표적을 포함하는 대상체의 영상에 대응하는 영상 신호를 실시간으로 획득할 수 있다. 예를 들면, 영상 센서(210)의 가시광 센서(211)는 대상체의 영상에 대응하는 가시광 영상 신호를 획득하고, 영상 센서(210)의 적외선 센서(212)는 대상체의 영상에 대응하는 적외선 영상 신호를 획득할 수 있다.
단계 S504에서, 유도 무기(110)는 영상 신호에 기초하여 표적 식별 결과 정보를 생성할 수 있다. 일 실시예에 있어서, 유도 무기(110)는 영상 신호에 고속 표적 식별 알고리즘을 적용하여 표적 식별 결과 정보를 생성할 수 있다.
단계 S506에서, 발사 통제 장치(120)는 유도 무기(110)로부터 제공되는 영상 신호에 기초하여 정밀 표적 식별 결과 정보를 제공할 수 있다. 일 실시예에 있어서, 발사 통제 장치(120)는 영상 신호에 정밀 표적 식별 알고리즘을 적용하여 정밀 표적 식별 결과 정보를 제공할 수 있다.
단계 S508에서, 유도 무기(110)는 표적 식별 결과 정보 및 발사 통제 장치(120)로부터 제공되는 정밀 표적 식별 결과 정보에 기초하여 최종 표적 식별 결과를 도출할 수 있다. 일 실시예에 있어서, 유도 무기(110)는 표적 식별 결과 정보 및 정밀 표적 식별 결과 정보를 융합하여 최종 표적 식별 결과를 도출할 수 있다.
일 실시예에 있어서, 유도 무기(110)의 신호 처리부(230)는 복수의 후보 표적 각각에 대한 융합의 비용함수 값을 산출할 수 있다. 예를 들면, 신호 처리부(230)는 횡방향 비용함수, 종방향 비용함수 및 정합 오차 비용함수를 이용하여 비용함수 값을 산출할 수 있다. 일부 실시예에서, 신호 처리부(230)는 아래의 수학식 1을 이용하여 비용함수 값을 산출할 수 있다.
Figure 112020110449308-pat00011
수학식 1에 있어서, COSTi는 비용함수 값을 나타내고, daz는 횡방향 비용함수를 나타내고, del은 종방향 비용함수를 나타내며, dmat은 정합 오차 비용함수를 나타낼 수 있다.
일 실시예에 있어서, 횡방향 비용함수(daz), 종방향 비용함수(del) 및 정합 오차 비용함수(dmat)는 아래의 수학식을 이용하여 산출될 수 있다.
Figure 112020110449308-pat00012
Figure 112020110449308-pat00013
Figure 112020110449308-pat00014
수학식 2에 있어서, ym은 유도 무기(110)에서 계측한 표적의 위치를 나타내고, yf는 발사 통제 장치(120)에서 계측한 표적의 위치를 나타내고, ye는 표적 예상위치를 나타내고, σdm과 σdf는 각각 고속 식별 알고리즘과 정밀 식별 알고리즘의 표적 위치에 추정 오차에 대한 통계적인 표준 편차를 나타내고, Cm은 유도 무기(110)에서 계측한 표적의 신뢰도 값이고, Cf는 발사 통제 장치(120)에서 계측한 신뢰도 값을 나타내다. σmm과 σmf는 각각 고속 식별 알고리즘과 정밀 식별 알고리즘의 신뢰도에 대한 통계적인 표준 편차를 나타내고, K는 횡방향 비용함수(daz), 종방향 비용함수(del), 정합 오차 비용함수(dmat)의 비중을 조절하기 위한 비례 상수를 나타낸다.
단계 S510에서, 유도 무기(110)는 최종 표적 식별 결과에 기초하여 표적의 추적을 수행할 수 있다. 일 실시예에 있어서, 유도 무기(110)의 신호 처리부(230)는 최종 표적 식별 결과에 정밀 표적 추적 알고리즘을 적용하여 표적의 추적을 수행할 수 있다.
예를 들면, 신호 처리부(230)는 최종 표적 식별 결과의 식별된 표적 영역을 이용하여 새로이 입력되는 영상 신호에서 표적의 위치를 지속적으로 산출하여 표적의 추적을 수행할 수 있다. 일부 실시예에서, 신호 처리부(230)는 SSD(Sum of Square Difference)를 이용하여 표적의 추적을 수행할 수 있다.
일 실시예에 있어서, 신호 처리부(230)는 아래의 수학식 3을 이용하여 표적의 추적을 수행할 수 있다.
Figure 112020110449308-pat00015
수학식 3에 있어서, T(i,j)는 식별된 표적 영상을 나타내고, I(i,j)는 새로이 입력되는 영상을 나타낸다.
도 6은 본 발명의 일 실시예에 따라 표적 식별 결과 정보를 생성하는 방법을 나타낸 흐름도이다. 도 6을 참조하면, 단계 S602에서, 유도 무기(110)는 영상 신호에 표적 후보를 검출하기 위한 표적 후보 검출 알고리즘을 적용하여 표적 후보를 검출할 수 있다. 일 실시예에 있어서, 유도 무기(110)의 신호 처리부(230)는 영상 신호에 표적 후보 검출 알고리즘을 적용하여 표적 후보를 검출할 수 있다.
단계 S604에서, 유도 무기(110)는 검출된 표적 후보에 표적 특징점을 추출할 수 있다. 일 실시예에 있어서, 유도 무기(110)의 신호 처리부(230)는 표적 후보에 표적 특징점을 추출할 수 있다.
단계 S606에서, 유도 무기(110)는 추출된 특징점에 기초하여 표적 식별 결과 정보를 생성할 수 있다. 일 실시예에 있어서, 유도 무기(110)의 신호 처리부(230)는 추출된 특징점에 고속 표적 식별 알고리즘을 적용하여 표적 식별 결과 정보를 생성할 수 있다.
도 7은 본 발명의 일 실시예에 따라 정밀 표적 식별 결과 정보를 제공하는 방법을 나타낸 흐름도이다. 도 7을 참조하면, 단계 S702에서, 발사 통제 장치(120)는 유도 무기(110)로부터 영상 신호를 수신할 수 있다. 일 실시예에 있어서, 발사 통제 장치(120)의 제2 통신 모듈(310)은 유도 무기(110)로부터 영상 신호를 수신할 수 있다.
단계 S704에서, 발사 통제 장치(120)는 수신된 영상 신호에 기초하여 정밀 표적 식별 결과 정보를 생성할 수 있다. 일 실시예에 있어서, 발사 통제 장치(120)의 정밀 표적 식별 알고리즘 처리부(330)는 수신된 영상 신호에 정밀 표적 식별 알고리즘을 적용하여 정밀 표적 식별 결과 정보를 생성할 수 있다.
단계 S706에서, 발사 통제 장치(120)는 정밀 표적 식별 결과 정보를 유도 무기(110)로 송신할 수 있다. 일 실시예에 있어서, 발사 통제 장치(120)의 제2 통신 모듈(310)은 정밀 표적 식별 알고리즘 처리부(330)에 의해 생성된 정밀 표적 식별 결과 정보를 유도 무기(110)로 송신할 수 있다.
위 방법은 특정 실시예들을 통하여 설명되었지만, 위 방법은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 위 실시예들을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
이상 일부 실시예들과 첨부된 도면에 도시된 예에 의해 본 발명의 기술적 사상이 설명되었지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 이해할 수 있는 본 발명의 기술적 사상 및 범위를 벗어나지 않는 범위에서 다양한 치환, 변형 및 변경이 이루어질 수 있다는 점을 알아야 할 것이다. 또한, 그러한 치환, 변형 및 변경은 첨부된 청구범위 내에 속하는 것으로 생각되어야 한다.
100: 유도 무기 시스템, 110: 유도 무기, 120: 발사 통제 장치, 130: 영상 분석 및 학습 장치, 210: 영상 센서, 220: 제1 통신 모듈, 230: 신호 처리부, 240: 유도 제어부, 310: 제2 통신 모듈, 320: 데이터 저장부, 330: 정밀 표적 식별 알고리즘 처리부, 340: 발사 통제 제어부

Claims (27)

  1. 유도 무기 시스템으로서,
    표적을 포함하는 대상체의 영상에 대응하는 영상 신호를 실시간으로 획득하고, 상기 영상 신호에 고속 표적 식별 알고리즘 및 표적 추적 알고리즘을 적용하여 표적의 식별 및 추적을 수행하는 유도 무기; 및
    상기 유도 무기와 연결되고, 상기 유도 무기로부터 상기 영상 신호를 수신하고, 상기 영상 신호에 정밀 표적 식별 알고리즘을 적용하여 정밀 표적 식별 결과 정보를 생성하고, 상기 정밀 표적 식별 결과 정보를 상기 유도 무기로 전송하는 발사 통제 장치
    를 포함하고,
    상기 유도 무기는 상기 고속 표적 식별 알고리즘에 의한 표적 식별 결과 정보와 상기 정밀 표적 식별 결과 정보에 기초하여 최종 표적 식별 결과를 도출하는 유도 무기 시스템.
  2. 제1항에 있어서,
    상기 영상 신호를 이용하여 상기 정밀 표적 식별 알고리즘에 적용될 알고리즘 표적 정보를 새로이 학습하고, 상기 학습된 알고리즘 표적 정보를 상기 발사 통제 장치로 전송하는 영상 분석 및 학습 장치
    를 더 포함하는 유도 무기 시스템.
  3. 제2항에 있어서, 상기 유도 무기는
    상기 영상 신호를 실시간을 획득하는 영상 센서;
    상기 영상 신호를 상기 발사 통제 장치로 전송하고 상기 발사 통제 장치로부터 상기 정밀 표적 식별 결과 정보를 수신하는 제1 통신 모듈; 및
    상기 영상 신호에 상기 고속 표적 식별 알고리즘을 적용하여 고속 표적 식별 결과 정보를 생성하고, 상기 고속 표적 식별 결과 정보와 상기 정밀 표적 식별 결과 정보에 기초하여 상기 최종 표적 식별 결과를 도출하고, 상기 최종 표적 식별 결과에 상기 표적 추적 알고리즘을 적용하여 상기 표적의 정밀 추적을 수행하는 신호 처리부
    를 포함하는 유도 무기 시스템.
  4. 제3항에 있어서, 상기 영상 센서는
    상기 대상체의 가시광 영상 신호를 획득하는 가시광 센서; 및
    상기 대상체의 적외선 영상 신호를 획득하는 적외선 센서
    를 포함하는 유도 무기 시스템.
  5. 제3항에 있어서, 상기 신호 처리부는
    상기 영상 신호에 표적 후보를 검출하기 위한 표적 후보 검출 알고리즘을 적용하여 표적 후보를 검출하고,
    상기 검출된 표적 후보에 표적 특징점을 추출하고,
    상기 추출된 특징점에 상기 고속 표적 식별 알고리즘을 적용하여 상기 고속 표적 식별 결과 정보를 생성하고,
    상기 고속 표적 식별 결과 정보와 상기 정밀 표적 식별 결과 정보를 융합하여 상기 최종 표적 식별 결과를 도출하는 유도 무기 시스템.
  6. 제5항에 있어서, 상기 신호 처리부는
    상기 검출된 표적 후보 각각에 대한 융합의 비용함수 값을 산출하고,
    상기 융합 비용함수 값 중 최소의 비용함수 값을 결정하고,
    상기 최소의 비용함수 값에 해당하는 표적 후보를 최종 표적으로서 결정하는 유도 무기 시스템.
  7. 제6항에 있어서, 상기 신호 처리부는 횡방향 비용함수, 종방향 비용함수 및 정합 오차 비용함수를 이용하여 상기 비용함수 값을 산출하는 유도 무기 시스템.
  8. 제7항에 있어서, 상기 신호 처리부는 아래의 수학식 1을 이용하여 상기 비용함수 값을 산출하고,
    (수학식 1)
    Figure 112020110449308-pat00016

    상기 수학식 1에서, COSTi는 상기 비용함수 값을 나타내고, daz는 상기 횡방향 비용함수를 나타내고, del은 상기 종방향 비용함수를 나타내며, dmat은 상기 정합 오차 비용함수를 나타내는 유도 무기 시스템.
  9. 제8항에 있어서, 상기 신호 처리부는 아래의 수학식 2를 이용하여 상기 횡방향 비용함수, 상기 종방향 비용함수 및 상기 정합 오차 비용함수를 산출하고,
    (수학식 2)
    Figure 112021148419925-pat00017

    Figure 112021148419925-pat00018

    Figure 112021148419925-pat00019

    상기 수학식 2에서, ym은 상기 유도 무기에서 계측한 상기 표적의 위치를 나타내고, yf는 상기 발사 통제 장치에서 계측한 표적의 위치를 나타내고, ye는 표적 예상 위치를 나타내고, σdm과 σdf는 각각 상기 고속 표적 식별 알고리즘과 상기 정밀 표적 식별 알고리즘의 표적 위치에 추정 오차에 대한 통계적인 표준 편차를 나타내고, Cm은 상기 유도 무기에서 계측한 표적의 신뢰도 값이고, Cf는 상기 발사 통제 장치에서 계측한 신뢰도 값을 나타내고, σmm과 σmf는 각각 상기 고속 표적 식별 알고리즘과 상기 정밀 표적 식별 알고리즘의 신뢰도에 대한 통계적인 표준 편차를 나타내고, K는 상기 횡방향 비용함수, 상기 종방향 비용함수, 상기 정합 오차 비용함수의 비중을 조절하기 위한 비례 상수를 나타내는 유도 무기 시스템.
  10. 제8항에 있어서, 상기 신호 처리부는 상기 최종 표적 식별 결과의 식별된 표적 영역을 이용하여 상기 영상 신호에서 상기 표적의 위치를 지속적으로 산출하여 상기 표적의 추적을 수행하는 유도 무기 시스템.
  11. 제10항에 있어서, 상기 신호 처리부는 아래의 수학식 3을 이용하여 상기 표적의 추적을 수행하고,
    (수학식 3)
    Figure 112020110449308-pat00020

    상기 수학식 3에서, T(i,j)는 식별된 표적 영상을 나타내고, I(i,j)는 상기 영상 신호를 나타내는 유도 무기 시스템.
  12. 제2항에 있어서, 상기 발사 통제 장치는
    상기 유도 무기로부터 실시간으로 상기 영상 신호를 수신하고, 상기 정밀 표적 식별 결과 정보를 상기 유도 무기로 송신하는 제2 통신 모듈;
    상기 영상 신호를 저장하고 상기 정밀 표적 식별 결과 정보를 저장하는 데이터 저장부;
    상기 영상 신호에 상기 정밀 표적 식별 알고리즘을 적용하여 상기 정밀 표적 식별 결과 정보를 생성하는 정밀 표적 식별 알고리즘 처리부; 및
    상기 제2 통신 모듈, 상기 데이터 저장부 및 상기 정밀 표적 식별 알고리즘 처리부를 제어하는 발사 통제 제어부
    를 포함하는 유도 무기 시스템.
  13. 제12항에 있어서, 상기 정밀 표적 식별 알고리즘 처리부는
    상기 영상 분석 및 학습 장치로부터 상기 학습된 알고리즘 표적 정보를 수신하고,
    상기 학습된 알고리즘 표적 정보를 적용한 상기 정밀 표적 식별 알고리즘을 상기 영상 신호에 적용하여 상기 정밀 표적 식별 결과 정보를 생성하는 유도 무기 시스템.
  14. 제2항에 있어서, 상기 영상 분석 및 학습 장치는
    상기 발사 통제 장치로부터 상기 영상 신호를 수신하고 상기 알고리즘 표적 정보를 상기 발사 통제 장치로 송신하는 제3 통신 모듈;
    상기 영상 신호를 저장하는 대용량 데이터 저장부; 및
    상기 영상 신호에 인공 지능 학습 알고리즘을 적용하여 상기 알고리즘 표적 정보를 생성하는 인공 지능 알고리즘 학습부
    를 포함하는 유도 무기 시스템.
  15. 유도 무기 시스템에서의 유도 무기로서,
    표적을 포함하는 대상체의 영상에 대응하는 영상 신호를 실시간으로 획득하는 영상 센서;
    상기 영상 신호를 상기 유도 무기 시스템의 발사 통제 장치로 송신하고, 상기 발사 통제 장치로부터 정밀 표적 식별 결과 정보를 수신하는 통신 모듈; 및
    상기 영상 신호에 고속 표적 식별 알고리즘을 적용하여 표적 식별 결과 정보를 생성하고, 상기 표적 식별 결과 정보 및 상기 정밀 표적 식별 결과 정보를 융합하여 최종 표적 식별 결과를 도출하고, 상기 최종 표적 식별 결과에 표적 추적 알고리즘을 적용하여 상기 표적의 추적을 수행하는 신호 처리부
    를 포함하는 유도 무기.
  16. 유도 무기 시스템에서의 표적 식별 및 추적 방법으로서,
    상기 유도 무기 시스템의 유도 무기에서, 상기 표적을 포함하는 대상체의 영상에 대응하는 영상 신호를 실시간으로 획득하는 단계;
    상기 유도 무기에서, 상기 영상 신호에 고속 표적 식별 알고리즘을 적용하여 표적 식별 결과 정보를 생성하는 단계;
    상기 유도 무기 시스템의 발사 통제 장치에서, 상기 유도 무기로부터 제공되는 상기 영상 신호에 정밀 표적 식별 알고리즘을 적용하여 정밀 표적 식별 결과 정보를 제공하는 단계;
    상기 유도 무기에서, 상기 표적 식별 결과 정보 및 상기 발사 통제 장치로부터 제공되는 상기 정밀 표적 식별 결과 정보에 기초하여 최종 표적 식별 결과를 도출하는 단계; 및
    상기 유도 무기에서, 상기 최종 표적 식별 결과에 표적 추적 알고리즘을 적용하여 상기 표적의 추적을 수행하는 단계
    를 포함하는 표적 식별 및 추적 방법.
  17. 제16항에 있어서,
    상기 유도 무기 시스템의 영상 분석 및 학습 장치에서, 상기 영상 신호를 이용하여 상기 정밀 표적 식별 알고리즘에 적용될 알고리즘 표적 정보를 새로이 학습하는 단계; 및
    상기 영상 분석 및 학습 장치에서, 상기 학습된 알고리즘 표적 정보를 상기 발사 통제 장치로 전송하는 단계
    를 더 포함하는 표적 식별 및 추적 방법.
  18. 제17항에 있어서, 상기 영상 신호에 고속 표적 식별 알고리즘을 적용하여 표적 식별 결과 정보를 생성하는 단계는
    상기 영상 신호에 표적 후보를 검출하기 위한 표적 후보 검출 알고리즘을 적용하여 표적 후보를 검출하는 단계;
    상기 검출된 표적 후보에 표적 특징점을 추출하는 단계; 및
    상기 추출된 특징점에 상기 고속 표적 식별 알고리즘을 적용하여 상기 표적 식별 결과 정보를 생성하는 단계
    를 포함하는 표적 식별 및 추적 방법.
  19. 제18항에 있어서, 상기 최종 표적 식별 결과를 도출하는 단계는
    상기 표적 식별 결과 정보와 상기 정밀 표적 식별 결과 정보를 융합하여 상기 최종 표적 식별 결과를 도출하는 단계
    를 포함하는 표적 식별 및 추적 방법.
  20. 제19항에 있어서, 상기 최종 표적 식별 결과를 도출하는 단계는
    상기 검출된 표적 후보 각각에 대한 융합의 비용함수 값을 산출하는 단계;
    상기 융합 비용함수 값 중 최소의 비용함수 값을 결정하는 단계; 및
    상기 최소의 비용함수 값에 해당하는 표적 후보를 최종 표적으로서 결정하는 단계
    를 포함하는 표적 식별 및 추적 방법.
  21. 제20항에 있어서, 상기 비용함수 값은 횡방향 비용함수, 종방향 비용함수 및 정합 오차 비용함수를 이용하여 산출되는 표적 식별 및 추적 방법.
  22. 제21항에 있어서, 상기 비용함수 값은 아래의 수학식 4를 이용하여 산출되고,
    (수학식 4)
    Figure 112020110449308-pat00021

    상기 수학식 4에서, COSTi는 상기 비용함수 값을 나타내고, daz는 상기 횡방향 비용함수를 나타내고, del은 상기 종방향 비용함수를 나타내며, dmat은 상기 정합 오차 비용함수를 나타내는 표적 식별 및 추적 방법.
  23. 제22항에 있어서, 상기 횡방향 비용함수, 상기 종방향 비용함수 및 상기 정합 오차 비용함수는 아래의 수학식 5를 이용하여 산출되고,
    (수학식 5)
    Figure 112021148419925-pat00022

    Figure 112021148419925-pat00023

    Figure 112021148419925-pat00024

    상기 수학식 5에서, ym은 상기 유도 무기에서 계측한 상기 표적의 위치를 나타내고, yf는 상기 발사 통제 장치에서 계측한 표적의 위치를 나타내고, ye는 표적 예상 위치를 나타내고, σdm과 σdf는 각각 상기 고속 표적 식별 알고리즘과 상기 정밀 표적 식별 알고리즘의 표적 위치에 추정 오차에 대한 통계적인 표준 편차를 나타내고, Cm은 상기 유도 무기에서 계측한 표적의 신뢰도 값이고, Cf는 상기 발사 통제 장치에서 계측한 신뢰도 값을 나타내고, σmm과 σmf는 각각 상기 고속 표적 식별 알고리즘과 상기 정밀 표적 식별 알고리즘의 신뢰도에 대한 통계적인 표준 편차를 나타내고, K는 상기 횡방향 비용함수, 상기 종방향 비용함수, 상기 정합 오차 비용함수의 비중을 조절하기 위한 비례 상수를 나타내는 표적 식별 및 추적 방법.
  24. 제22항에 있어서, 상기 최종 표적 식별 결과에 표적 추적 알고리즘을 적용하여 상기 표적의 추적을 수행하는 단계는
    상기 최종 표적 식별 결과의 식별된 표적 영역을 이용하여 상기 영상 신호에서 상기 표적의 위치를 지속적으로 산출하여 상기 표적의 추적을 수행하는 단계
    를 포함하는 표적 식별 및 추적 방법.
  25. 제24항에 있어서, 상기 표적의 추적은 아래의 수학식 6을 이용하여 수행되고,
    (수학식 6)
    Figure 112020110449308-pat00025

    상기 수학식 6에서, T(i,j)는 식별된 표적 영상을 나타내고, I(i,j)는 상기 영상 신호를 나타내는 표적 식별 및 추적 방법.
  26. 제17항에 있어서, 상기 정밀 표적 식별 결과 정보를 제공하는 단계는,
    상기 유도 무기로부터 실시간으로 상기 영상 신호를 수신하는 단계;
    상기 영상 신호에 상기 정밀 표적 식별 알고리즘을 적용하여 상기 정밀 표적 식별 결과 정보를 생성하는 단계; 및
    상기 정밀 표적 식별 결과 정보를 상기 유도 무기로 송신하는 단계
    를 포함하는 표적 식별 및 추적 방법.
  27. 제26항에 있어서, 상기 정밀 표적 식별 결과 정보를 생성하는 단계는,
    상기 발사 통제 장치에서, 상기 영상 분석 및 학습 장치로부터 상기 학습된 알고리즘 표적 정보를 수신하는 단계; 및
    상기 발사 통제 장치에서, 상기 학습된 알고리즘 표적 정보를 적용한 상기 정밀 표적 식별 알고리즘을 상기 영상 신호에 적용하여 상기 정밀 표적 식별 결과 정보를 생성하는 단계
    를 포함하는 표적 식별 및 추적 방법.
KR1020200135386A 2020-10-19 2020-10-19 유도 무기, 유도 무기 시스템, 및 표적 식별 및 추적 방법 KR102361218B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200135386A KR102361218B1 (ko) 2020-10-19 2020-10-19 유도 무기, 유도 무기 시스템, 및 표적 식별 및 추적 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200135386A KR102361218B1 (ko) 2020-10-19 2020-10-19 유도 무기, 유도 무기 시스템, 및 표적 식별 및 추적 방법

Publications (1)

Publication Number Publication Date
KR102361218B1 true KR102361218B1 (ko) 2022-02-14

Family

ID=80254198

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200135386A KR102361218B1 (ko) 2020-10-19 2020-10-19 유도 무기, 유도 무기 시스템, 및 표적 식별 및 추적 방법

Country Status (1)

Country Link
KR (1) KR102361218B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101750507B1 (ko) * 2016-10-07 2017-06-23 엘아이지넥스원 주식회사 합성 개구 레이더 탐색기를 구비하는 유도 비행체 및 이의 표적 추적 방법
KR101750500B1 (ko) * 2016-07-27 2017-06-26 엘아이지넥스원 주식회사 Ka 대역 신호를 이용한 비행체 요격 시스템 및 방법
KR102006467B1 (ko) * 2018-11-26 2019-08-01 엘아이지넥스원 주식회사 선택적 발사 제어 시스템 및 이를 기반으로 하는 발사 제어 방법
JP2019184138A (ja) * 2018-04-06 2019-10-24 三菱電機株式会社 誘導装置、飛しょう体及び誘導システム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101750500B1 (ko) * 2016-07-27 2017-06-26 엘아이지넥스원 주식회사 Ka 대역 신호를 이용한 비행체 요격 시스템 및 방법
KR101750507B1 (ko) * 2016-10-07 2017-06-23 엘아이지넥스원 주식회사 합성 개구 레이더 탐색기를 구비하는 유도 비행체 및 이의 표적 추적 방법
JP2019184138A (ja) * 2018-04-06 2019-10-24 三菱電機株式会社 誘導装置、飛しょう体及び誘導システム
KR102006467B1 (ko) * 2018-11-26 2019-08-01 엘아이지넥스원 주식회사 선택적 발사 제어 시스템 및 이를 기반으로 하는 발사 제어 방법

Similar Documents

Publication Publication Date Title
GB2596448A (en) System and method of incremental learning for object detection
KR102077597B1 (ko) 대공 추적 장치 및 이의 동작 방법
US10621473B1 (en) Method for providing object detecting system capable of updating types of detectable classes in real-time by using continual learning and devices using the same
US11866067B2 (en) System and method for generating and controlling driving paths in autonomous vehicle
Banharnsakun et al. Object Detection Based on Template Matching through Use of Best‐So‐Far ABC
EP3593284A1 (en) A transductive and/or adaptive max margin zero-shot learning method and system
US20220357730A1 (en) Anomaly detection apparatus, anomaly detection method, and recording medium
CN111709471A (zh) 对象检测模型的训练方法以及对象检测方法、装置
KR20210152269A (ko) 딥러닝 모델 학습 방법 및 이를 수행하기 위한 컴퓨팅 장치
KR20210011186A (ko) 드론 영상 분석 장치 및 방법
KR20200068258A (ko) 차량용 센서퓨전 타겟 예측 장치 및 그의 센서 퓨전 타겟 예측 방법과 그를 포함하는 차량
CN116964588A (zh) 一种目标检测方法、目标检测模型训练方法及装置
KR102361218B1 (ko) 유도 무기, 유도 무기 시스템, 및 표적 식별 및 추적 방법
CN117311393A (zh) 一种无人机自主飞行路径规划方法及系统
US20200379455A1 (en) Method for drawing map of specific area, robot and electronic device implementing thereof
KR102349818B1 (ko) 개선된 cnn 기반으로 한 도로 균열 감지 자율 비행 드론
EP4343700A1 (en) Architecture for distributed artificial intelligence augmentation
KR102136245B1 (ko) 표적 탐지 및 포착을 위한 장치, 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램
KR101978491B1 (ko) 복합 센서를 이용한 타격 명령 제어 장치 및 그 방법
KR102066975B1 (ko) 유도탄의 타격 정확도를 향상시키기 위한 유도 비행 제어 장치 및 그 방법
CN115527083B (zh) 图像标注方法、装置和电子设备
KR102308075B1 (ko) 미사일 유도명령 학습시스템
KR102547315B1 (ko) 무인기의 임무 수준 자율화 시스템 및 그 방법
KR102414986B1 (ko) 해킹 방지 기술이 적용된 딥러닝 기반의 무인 항공기 및 이를 이용한 무인 항공기 시스템
KR102172974B1 (ko) 레이더를 이용한 무인 비행체 식별 장치 및 그 방법

Legal Events

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