KR20160000084A - 이미징 소나의 이미지 예측 시뮬레이션 방법 및 이를 이용한 장치 - Google Patents

이미징 소나의 이미지 예측 시뮬레이션 방법 및 이를 이용한 장치 Download PDF

Info

Publication number
KR20160000084A
KR20160000084A KR1020140076702A KR20140076702A KR20160000084A KR 20160000084 A KR20160000084 A KR 20160000084A KR 1020140076702 A KR1020140076702 A KR 1020140076702A KR 20140076702 A KR20140076702 A KR 20140076702A KR 20160000084 A KR20160000084 A KR 20160000084A
Authority
KR
South Korea
Prior art keywords
sonar
image
image data
straight line
plane
Prior art date
Application number
KR1020140076702A
Other languages
English (en)
Other versions
KR101590253B1 (ko
Inventor
유선철
조현우
조한길
구정회
표주현
Original Assignee
포항공과대학교 산학협력단
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 포항공과대학교 산학협력단 filed Critical 포항공과대학교 산학협력단
Priority to KR1020140076702A priority Critical patent/KR101590253B1/ko
Priority to US14/678,384 priority patent/US20160283619A1/en
Publication of KR20160000084A publication Critical patent/KR20160000084A/ko
Application granted granted Critical
Publication of KR101590253B1 publication Critical patent/KR101590253B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)

Abstract

이미징 소나의 이미지 예측 시뮬레이션 방법 및 이를 이용한 장치가 제공된다. 본 발명의 실시예에 따른 이미징 소나의 이미지 예측 시뮬레이션 방법은 이미징 소나의 초음파의 파라미터, 대상 물체의 파라미터, 상기 대상 물체가 놓인 바닥을 각각 다수의 직선, 다수의 미소 평면, 무한 평면으로 설정하는 단계; 상기 초음파의 다수의 직선과, 상기 대상 물체의 다수의 미소 평면 및 상기 무한 평면과의 교점을 각각 산출하고, 상기 산출된 교점들을 기초로 이미지 데이터를 에뮬레이션하는 단계; 및 상기 이미지 데이터를 변환하여 소나 이미지를 생성하는 단계를 포함한다.

Description

이미징 소나의 이미지 예측 시뮬레이션 방법 및 이를 이용한 장치{Method and device for simulation of sonar images of multi-beam imaging sonar}
본 발명은 이미징 소나의 이미지 예측 시뮬레이션 방법 및 이를 이용한 장치에 관한 것이다.
일반적으로, 자동 수중 물체 인식은 물체 탐색, 환경 모니터링 및 수중 구조물 설치 및 유지와 같은 일들에 대하여 큰 잠재력을 가지며, 예를 들면, 자동 수중 잠수정을 이용하여 수중 기뢰 추적에 적용할 수 있다. 이를 위한 수중 광학 비전(vision)은 최대-해상도 수중 이미지들을 제공하지만, 그들의 시계는 제한적이며, 특히, 천해(shallow water)에서는 2m미만이다. 광학 비전에 비하여, 이미징 소나들은 대부분의 수중 환경들에서 높은 신뢰성을 갖기 때문에, 수중에서 물체 인식이 우수하므로 대안으로서 대두되고 있다.
일반적으로, 이미징 소나는 수중에서 초음파를 이용하여 수중 환경을 감지하고 그것을 하나의 이미지로 나타내는 센서를 일컫는다. 그러나, 이미징-소나-기반 인식은, 실제 사용을 위해 극복해야할 많은 어려움을 갖고 있다. 수중 환경의 초음파 특성 때문에, 소나 이미지들은 저 해상도를 갖고, 그레이(gray)-스케일 이미지이다. 즉, 인식을 위해 이용가능한 정보는 광학 이미지들보다 제한적이다. 게다가, 이미징 소나의 디스플레이 메커니즘은 광학 카메라와 완전히 상이하다. 따라서, 핀홀(pinhole)과 같은 광학-카메라-기반 모델은 소나 이미지에 적용할 수 없다.
특히, 이미징 소나는 광학 이미지와 달리 관측대상에 대하여 오직 센서로부터 떨어진 거리를 측정하여 이미지를 만들어내므로 고유의 작동 원리를 가진다. 하지만 이 고유의 작동 원리를 알고 있다 하더라도 소나 이미지의 예측은 매우 어려운 편이다. 즉, 크기와 모양을 잘 알고 있는 물체라 하더라도 소나 이미지에서는 직관적으로 예측되는 형상과 매우 다르게 나타날 수 있다. 또한, 물체를 바라보는 방향에 따라 이미지의 모양이 상당이 달라질 수 있다.
이를 보완하기 위하여 수중에서 찾고자 하는 물체가 이미징 소나에서 어떻게 보이게 될지를 미리 알게 되면 그 탐색이 훨씬 수월하기 때문에 소나 이미지의 예측이 미리 가능하게 하는 시뮬레이터가 요구되고 있다.
본 발명의 일 실시예는 수중에서 이미징 소나에 의해 생성되는 대상 물체에 대한 소나 이미지를 사전에 예측할 수 있는 이미징 소나의 이미지 예측 시뮬레이션 방법 및 이를 이용한 장치를 제공하고자 한다.
본 발명의 일 측면에 따르면, 이미징 소나의 초음파의 파라미터, 대상 물체의 파라미터, 상기 대상 물체가 놓인 바닥을 각각 다수의 직선, 다수의 미소 평면, 무한 평면으로 설정하는 단계; 상기 초음파의 다수의 직선과, 상기 대상 물체의 다수의 미소 평면 및 상기 무한 평면과의 교점을 각각 산출하고, 상기 산출된 교점들을 기초로 이미지 데이터를 에뮬레이션하는 단계; 및 상기 이미지 데이터를 변환하여 소나 이미지를 생성하는 단계를 포함하는 이미징 소나의 이미지 예측 시뮬레이션 방법이 제공된다.
이 때, 상기 설정하는 단계는, 상기 초음파의 파라미터로서 상기 직선의 방향, 및 상기 이미징 소나의 위치 및 방위(orientation)를 설정하는 제 1 설정 단계; 및 상기 대상 물체의 파라미터로서 다수의 폴리곤 메시를 설정하는 제 2 설정 단계를 포함할 수 있다.
이 때, 상기 제 2 설정 단계는 상기 폴리곤이 삼각형 또는 사각형일 수 있다.
이 때, 상기 설정하는 단계는 상기 대상 물체의 파라미터를 상기 대상 물체에 대한 캐드(CAD) 파일의 형태로 외부로부터 입력받을 수 있다.
이 때, 상기 에뮬레이션하는 단계는, 상기 다수의 미소 평면의 좌표를 글로벌 좌표계에서 로컬 좌표계로 변환하는 단계; 상기 좌표 변환된 다수의 미소 평면 및 상기 무한 평면과 상기 다수의 직선의 교점을 산출하는 단계; 및 상기 교점과 상기 이미징 소나의 소스 사이의 위치 관계에 따라 이미지 데이터를 산출하는 단계를 포함할 수 있다.
이 때, 상기 교점을 산출하는 단계는 상기 교점이 상기 미소 평면 내인지의 여부를 판정하는 단계를 더 포함할 수 있다.
이 때, 상기 이미지 데이터를 산출하는 단계는 상기 교점과 상기 이미징 소나의 소스 사이의 거리(r), 방위각(azimuth angle)(θ), 및 앙각(elevation angle)(φ)을 산출할 수 있다.
이 때, 상기 이미지 데이터를 산출하는 단계는 두 개의 직선이 동일한 거리 및 방위각을 갖고, 상이한 앙각을 갖는 경우, 더 큰 세기 값을 갖는 직선을 선택할 수 있다.
이 때, 상기 이미지 데이터를 산출하는 단계는 하나의 직선 상에 두 개의 교점이 산출되는 경우 거리가 짧은 것을 선택할 수 있다.
이 때, 상기 이미지 데이터를 생성하는 단계는 상기 이미지 데이터의 세기를 상기 직선이 교차하는 대상에 따라 결정할 수 있다.
이 때, 상기 이미지 데이터를 생성하는 단계는 상기 이미지 데이터의 세기가, 상기 직선이 상기 미소 평면과 만나는 경우 가장 크고, 상기 직선이 상기 미소 평면 및 상기 무한 평면 모두와 만나지 않은 경우 가장 작으며, 상기 직선이 상기 무한 평면과 만나는 경우 중간 크기라고 결정할 수 있다.
이 때, 상기 소나 이미지를 생성하는 단계는, 상기 산출된 이미지 데이터를 이미지 평면에 매핑하는 단계; 및 상기 이미지 평면을 섹터 형태로 변환하는 단계를 포함할 수 있다.
이 때, 상기 생성된 소나 이미지를 디스플레이하는 단계를 더 포함할 수 있다.
본 발명의 다른 측면에 따르면, 상술한 바와 같은 방법을 수행하는 컴퓨터 프로그램이 저장된 기록 매체가 제공된다.
본 발명의 또 다른 측면에 따르면, 이미징 소나의 초음파의 파라미터, 대상 물체의 파라미터, 상기 대상 물체가 놓인 바닥을 각각 다수의 직선, 다수의 미소 평면, 무한 평면으로 설정하는 파라미터 설정부; 상기 초음파의 다수의 직선과, 상기 대상 물체의 다수의 미소 평면 및 상기 무한 평면과의 교점을 각각 산출하고, 상기 산출된 교점들을 기초로 이미지 데이터를 에뮬레이션하는 에뮬레이터; 및 상기 이미지 데이터를 변환하여 소나 이미지를 생성하는 소나 이미지 생성부를 포함하는 이미징 소나의 이미지 예측 시뮬레이션 장치가 제공된다.
이 때, 상기 파라미터 설정부는, 상기 초음파의 파라미터로서 상기 직선의 방향, 및 상기 이미징 소나의 위치 및 방위를 설정하는 이미징 소나 파라미터 설정부; 및 상기 대상 물체의 파라미터로서 다수의 폴리곤 메시를 설정하는 물체 파라미터 설정부를 포함할 수 있다.
이 때, 상기 폴리곤은 삼각형 또는 사각형일 수 있다.
이 때, 상기 파라미터 설정부는 상기 대상 물체의 파라미터를 상기 대상 물체에 대한 캐드 파일의 형태로 외부로부터 입력받을 수 있다.
이 때, 상기 에뮬레이터는 상기 다수의 미소 평면의 좌표를 글로벌 좌표계에서 로컬 좌표계로 변환하고, 상기 좌표 변환된 다수의 미소 평면 및 상기 무한 평면과 상기 다수의 직선의 교점을 산출하며, 상기 교점과 상기 이미징 소나의 소스 사이의 위치 관계에 따라 이미지 데이터를 산출할 수 있다.
이 때, 상기 에뮬레이터는 상기 교점이 상기 미소 평면 내인지의 여부를 판정할 수 있다.
이 때, 상기 에뮬레이터는 상기 교점과 상기 이미징 소나의 소스 사이의 거리(r), 방위각(θ), 및 앙각(φ)을 산출할 수 있다.
이 때, 상기 에뮬레이터는 두 개의 직선이 동일한 거리 및 방위각을 갖고, 상이한 앙각을 갖는 경우, 더 큰 세기 값을 갖는 직선을 선택할 수 있다.
이 때, 상기 에뮬레이터는 하나의 직선 상에 두 개의 교점이 산출되는 경우 거리가 짧은 것을 선택할 수 있다.
이 때, 상기 에뮬레이터는 상기 이미지 데이터의 세기를 상기 직선이 교차하는 대상에 따라 결정할 수 있다.
이 때, 상기 에뮬레이터는 상기 이미지 데이터의 세기가, 상기 직선이 상기 미소 평면과 만나는 경우 가장 크고, 상기 직선이 상기 미소 평면 및 상기 무한 평면 모두와 만나지 않은 경우 가장 작으며, 상기 직선이 상기 무한 평면과 만나는 경우 중간 크기라고 결정할 수 있다.
이 때, 상기 소나 이미지 생성부는 상기 산출된 이미지 데이터를 이미지 평면에 매핑하고, 상기 이미지 평면을 섹터 형태로 변환할 수 있다.
이 때, 상기 생성된 소나 이미지를 디스플레이하는 디스플레이부를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 이미징 소나의 이미지 예측 시뮬레이션 방법 및 이를 이용한 장치는 캐드 등으로 제작 또는 모델링할 수 있는 모든 물체에 대하여 실제 이미징 소나 환경을 그대로 재현하여 이미징 소나에 의해 생성되는 소나 이미지를 예측할 수 있다.
또한, 본 발명의 일 실시예에 따른 이미징 소나의 이미지 예측 시뮬레이션 방법 및 이를 이용한 장치는 실제 이미징 소나에 의해 생성되는 소나 이미지와 유사하고, 노이즈가 없는 소나 이미지를 생성하기 때문에, 대상 물체의 윤곽 형상을 실시간으로 예측할 수 있다.
도 1은 본 발명의 일 실시예에 따른 이미징 소나의 이미지 예측 시뮬레이션 방법을 이용한 장치의 개략적 블록도이다.
도 2는 이미징 소나의 초음파의 모델을 설명하기 위한 개념도이다.
도 3은 수직 평면의 형태의 이미징 소나의 초음파 빔을 설명하기 위한 개념도이다.
도 4는 직선으로서의 초음파 빔의 모델을 설명하기 위한 개념도이다.
도 5는 대상 물체의 모델을 설명하기 위한 개념도이다.
도 6은 이미징 소나의 디스플레이 메커니즘을 설명하기 위한 개념도이다.
도 7은 법선 벡터와 동일한 방향을 갖는 3개의 벡터를 나타낸 도면이다.
도 8은 이미지 데이터와 섹터 형태의 소나 이미지를 나타낸 도면이다.
도 9는 본 발명의 일 실시예에 따른 이미징 소나의 이미지 예측 시뮬레이션 방법의 순서도이다.
도 10은 미소 평면과 초음파 직선의 교점 산출을 설명하기 위한 도면이다.
도 11은 실시예에 따른 이미징 소나의 이미지 예측 시뮬레이션 방법을 적용하기 위한 예시적인 대상 물체의 사진이다.
도 12는 도 11에 대한 소나 이미지 및 시뮬레이션 예를 나타낸 도면이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조부호를 붙였다.
도 1은 본 발명의 일 실시예에 따른 이미징 소나의 이미지 예측 시뮬레이션 방법을 이용한 장치의 개략적 블록도이다. 이하에서는 도면을 참조하여 본 발명의 실시예에 따른 실시간 수중 초음파 영상 개선 장치를 보다 상세히 설명하도록 한다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 이미징 소나의 이미지 예측 시뮬레이션 장치(100)는 파라미터 설정부(110), 에뮬레이터(120), 및 소나 이미지 생성부(130)를 포함할 수 있다.
파라미터 설정부(110)는 이미징 소나의 초음파의 파라미터, 대상 물체의 파라미터, 대상 물체가 놓인 바닥을 각각 다수의 직선, 다수의 미소 평면, 무한 평면으로 설정하며, 이미징 소나 파라미터 설정부(112) 및 물체 파라미터 설정부(114)를 포함할 수 있다.
보다 구체적으로는, 이미징 소나 파라미터 설정부(112)는 초음파의 파라미터로서 초음파를 나타내는 직선의 방향, 및 이미징 소나의 위치 및 방위를 설정할 수 있다. 즉, 이미징 소나에서 초음파는 도 2에 도시된 바와 같이, 면에 가까운 빔의 형태로 방사되는데, 이는 많은 직선들의 집합으로 표현될 수 있다.
도 2는 이미징 소나의 초음파의 모델을 설명하기 위한 개념도이고, 도 3은 수직 평면의 형태의 이미징 소나의 초음파 빔을 설명하기 위한 개념도이며, 도 4는 직선으로서의 초음파 빔의 모델을 설명하기 위한 개념도이다.
도 3에 도시된 바와 같이, 초음파 빔은 팬(fan) 형태로 진행하는 수직 평면이다. 이런 평면이 물체들을 검출하기 위해 좌우로 빠르게 스위핑할 수 있다. 이와 같이, 이미징 소나는 전방으로 특정 영역 범위를 커버할 수 있다. 여기서, 많은 직선들이 평면을 근사화할 수 있기 때문에, 초음파 빔들은 다수의 직선들로 고려될 수 있다.
도 4에서, 초음파 빔을 나타내는 직선은 각 방향에 대하여 앙각 φ 및 방위각 θ를 가질 수 있다. 예를 들면, 앙각 φ 및 방위각 θ 각각은 -15에서 15°의 범위를 가질 수 있고, 도 2 및 도 3에 도시된 바와 같이, 스캔 평면을 근사화하기 위해 앙각 φ 방향에 대하여 1000개의 직선들 및 스위핑 동작을 근사화하기 위해 방위각 θ 방향에 대하여 96개 직선들로 가정할 수 있다.
이와 같은 초음파를 나타내는 직선의 방정식은 로컬 좌표계에서 다음과 같이 정의될 수 있다.
Figure pat00001
또는
Figure pat00002
여기서, p는 직선 상의 임의의 점이고,
Figure pat00003
는 정규화된 방향 벡터이다. 좌표계의 원점은 빔들의 소스로 고려된다.
다시 도 1을 참조하면, 물체 파라미터 설정부(114)는 대상 물체의 파라미터로서 다수의 폴리곤 메시를 설정하며, 이 때, 물체의 표면을 나타내는 폴리곤은 삼각형 또는 사각형일 수 있다. 이와 같이 물체를 폴리곤으로 표현하는 경우 임의의 형태를 갖는 물체를 쉽게 표현 및 제작할 수 있다.
통상적으로, 물체들의 형상 또는 표면은 분석적인 방정식들로 표현하기에는 너무 복잡하지만, 간단한 평면 방정식들로 처리될 수 있다. 따라서, 물체가 많은 작은 평면들로 설명될 수 있으면 그것의 표면을 모델링 할 수 있다. 이들 평면들은 폴리곤으로 지칭된다.
도 5는 대상 물체의 모델을 설명하기 위한 개념도이다.
도 5에 도시된 바와 같이, 물체의 표면은 복수의 삼각형 폴리곤으로 구성될 수 있으며, 이는 곡선 표면이 폴리곤에 의해 근사화되어 있는 예이다. 더 많은 폴리곤이 사용되는 경우, 표면은 더 부드러워질 수 있다. 3점들이 평면을 정의할 수 있기 때문에 가장 간단한 폴리곤은 삼각형일 수 있다. 이들 3개의 점들은 글로벌 좌표계에서 정의된다. 점을 위치 벡터들로 고려하는 경우, 폴리곤의 법선 벡터 N은 다음과 같이 표현될 수 있다. :
Figure pat00004
평면의 방정식은 다음 조건을 만족할 수 있다 :
Figure pat00005
.
여기서, 점 p는 평면 상에 임의의 점이다.
이러한 파라미터 설정부(110)는 상술한 바와 같은 대상 물체의 파라미터를 자체적으로 설정할 수도 있지만, 대상 물체에 대한 캐드 파일의 형태로 외부로부터 입력받을 수도 있다. 이 경우, 물체 파라미터 설정부(114)는 외부로부터 입력되는 캐드 파일을 대상 물체의 파리미터로 설정할 수 있다.
다시 도 1을 참조하면, 에뮬레이터(120)는 초음파의 다수의 직선과, 대상 물체의 다수의 미소 평면 및 상기 무한 평면과의 교점을 각각 산출하고, 산출된 교점들을 기초로 이미지 데이터를 에뮬레이션할 수 있다. 이 때, 바닥을 나타내는 무한 평면의 파라미터는 초음파 및 물체의 설정들과 무관하기 때문에 에뮬레이터(120)에 사전 설정될 수 있다.
이러한 에뮬레이터(120)는 초음파가 물체에 의해 반사되는 현상을 직선이 미소 평면과의 교점에 의해 나타낼 수 있고, 이하, 그 교점과 이미징 소나(좌표계의 원점) 사이의 거리를 연산하는 과정을 더 상세히 설명한다.
도 6은 이미징 소나의 디스플레이 메커니즘을 설명하기 위한 개념도이다.
도 6에서, 점 DP는 초음파 빔의 소스 및 싱크를 나타내고, 이미지 스크린 또는 소나 이미지는 설명을 위해 90°로 회전되어 도시된다. 점 B는 빔들이 만날 수 있는 가장 가까운 지점이고, 그래서 점 B는 소나 이미지에서 가장 우측 지점으로 매핑된다. 소나 이미지의 우측은 좌측보다 이미징 소나에 더 근접할 수 있다. 또한, 빔들은 대상 물체, 예를 들면, 콘의 바닥인 점 A와 접하며, 점 B에서 보다 큰 거리이고, 그래서, 이는 소나 이미지에서 점 B의 좌측에 위치된다. 콘의 전면(A에서 B까지의 영역)은 빔의 진행을 차단하고, 점 D까지 물체와 만나지 않는다. 이러한 영역은 소나 이미지에서 그림자로 도시된다. 그림자는 반사되지 않은 빔 데이터를 갖는 영역이고, 예를 들면, 소나 이미지에서 검정으로 도시된다.
한편, 이미징 소나는 배 또는 수중 잠수정에 부착될 수 있는 센서이고, 그래서 전후이동 및 회전에 의해 이동할 수 있다. 따라서, 위에서 설명된 초음파 빔들을 설명하기 위해 물체의 좌표계와 상이한 로컬 좌표계를 사용할 수 있다.
따라서, 에뮬레이터(120)는 다수의 미소 평면의 좌표를 글로벌 좌표계에서 로컬 좌표계로 변환할 수 있다. 즉, 상술한 바와 같이, 물체들은 글로벌 좌표계로 정의되는 반면, 초음파 빔들은 로컬 좌표계로 정의되기 때문에, 에뮬레이터(120)는 교점의 좌표를 산출하기 위해 좌표 변환을 수행하며, 예를 들면, 오일러 각(Euler's angle) 및 이동 벡터(translation vector)로 표현될 수 있는 좌표 변환을 수행할 수 있다.
이러한 에뮬레이터(120)는 다수의 미소 평면 및 무한 평면과, 다수의 직선의 교점을 산출하며, 교점과 이미징 소나의 소스 사이의 위치 관계에 따라 이미지 데이터를 산출할 수 있다. 즉, 초음파 빔의 물체로부터의 반사는 물체를 나타내는 평면들과 초음파를 나타내는 직선의 교점으로 표현될 수 있다.
이 때, 교점의 산출은 미소 평면과 직선의 수가 매우 많기 때문에 효율적인 연산을 위해 다음과 같은 방법을 사용할 수 있다. 즉, 미소 평면의 위치 정보를 상술한 바와 같이 직선이 서술되는 각도로 환산하여 직선 후보군을 산출하여 모든 미소 평면이 아니라 적절한 후보군에 대해서만 직선과의 교점을 산출함으로써 연산 량을 감소시킬 수 있다. 보다 구체적으로 설명하면, 변환된 미소 평면의 편각 또는 방위각의 최소값 및 최대값을 구하면, 이 범위 내에 있는 직선들만이 미소 평면과 만날 수 있다. 예를 들면, 도 7a에 도시된 바와 같이, -30, -15, 0, 15, 30도의 5개의 직선과 미소 평면의 변환 위치 범위가 -5에서 20도인 경우, 중복 범위인 0, 15도의 각도를 갖는 직선만이 후보군이 되며, 이들 후보군에 대해서만 교점을 산출할 수 있고, 따라서 전체 연산량을 효율적으로 감소시킬 수 있다.
이와 같이 교점을 찾은 경우, 소스(원점)에서 교점까지의 거리를 연산할 수 있고, 이런 거리를 이용하여 실제 이미징 소나에서와 같은 소나 이미지를 생성하는데 사용할 수 있다.
이 때, 에뮬레이터(120)는 하나의 직선 상에 두 개의 교점이 산출되는 경우, 길이가 짧은 것을 선택할 수 있다. 즉, 에뮬레이터(120)는 초음파가 물체에 반사되는 현상을 표현하기 위해서, 미소 평면들과 직선의 교점들을 무한 평면과 직선의 교점에 우선하여 취할 수 있다.
이 때, 중요한 점은 교점들이 폴리곤 내에 존재해야 한다.
도 7은 법선 벡터와 동일한 방향을 갖는 3개의 벡터를 나타낸 도면이다.
도 7에 도시된 바와 같이, 법선 벡터와 동일한 방향을 갖는 3개의 벡터들을 구성하기 위해 교점을 사용해야 한다. 교점들이 폴리곤 내에 있기 위해서는, 이들 3개의 벡터들에 대하여, 다음 3개의 방정식이 충족되어야한다.
Figure pat00006
이와 같이, 교점이 산출되면, 에뮬레이터(120)는 교점이 미소 평면 내인지의 여부를 판정하여, 미소 평면 내인 경우에만 해당 교점을 초음파가 물체에 의해 반사되는 점으로 인식하고, 그 외에는 해당 데이터를 무시할 수 있다.
또한, 에뮬레이터(120)는 교점을 이미지 데이터로 사용하기 위해 특성값들을 산출하는데, 예를 들면, 산출된 교점과 이미징 소나의 소스 사이의 거리(r), 방위각(θ), 및 앙각(φ)을 산출할 수 있다. 이 때, 에뮬레이터(120)는 두 개의 직선이 동일한 거리 및 방위각을 갖고, 상이한 앙각를 갖는 경우, 더 큰 세기 값을 갖는 직선을 선택할 수 있다.
또한, 에뮬레이터(120)는 산출된 교점에서의 세기, 즉, 이미지 데이터의 세기를 직선이 교차하는 대상에 따라 결정할 수 있다. 예를 들면, 에뮬레이터(120)는 이미지 데이터의 세기가, 직선이 미소 평면과 만나는 경우, 즉, 초음파가 물체에 의해 반사되는 경우 가장 크게 나타내고, 직선이 미소 평면 및 무한 평면 모두와 만나지 않은 경우, 즉, 그림자인 경우 가장 작으며, 직선이 무한 평면과 만나는 경우, 즉, 물체가 놓인 바닥으로서 인식되는 경우 중간 크기라고 결정할 수 있다. 이와 같이, 본 발명의 일 실시예에 따른 에뮬레이터(120)는 이미지 데이터의 세기를 크게 3가지 정도로만 구분하여 명암이 급격히 변하는 에지 모양들을 대략적으로 예측할 수 있다.
소나 이미지 생성부(130)는 에뮬레이터(120)에서 획득된 이미지 데이터를 변환하여 소나 이미지를 생성할 수 있다. 도 8은 이미지 데이터와 섹터 형태의 소나 이미지를 나타낸 도면이다.
도 8(a)에 도시된 바와 같이, 소나 이미지 생성부(130)는 산출된 이미지 데이터를 거리(r), 및 방위각(θ)을 기초로 이미지 평면에 매핑한 다음, 도 8(b)에 도시된 바와 같이, 매핑된 이미지 평면을 다시 섹터 형태로 변환할 수 있다.
다시 도 1을 참조하여, 이미징 소나의 이미지 예측 시뮬레이션 장치(100)는 생성된 소나 이미지를 디스플레이하는 디스플레이부(140)를 더 포함할 수 있다. 이러한 디스플레이부(140)는, 예를 들면, 컴퓨터에 연결할 수 있는 일반적인 표시 장치일 수 있지만, 이에 한정되지 않는다.
이와 같은 구성에 의해, 본 발명의 실시예에 따른 실시간 수중 초음파 영상 생성 장치(100)는 캐드 등으로 제작 또는 모델링할 수 있는 모든 물체에 대하여 실제 이미징 소나 환경을 그대로 재현하여 이미징 소나에 의해 생성되는 소나 이미지를 예측할 수 있고, 실제 이미징 소나에 의해 생성되는 소나 이미지와 유사하고, 노이즈가 없는 소나 이미지를 생성하기 때문에, 대상 물체의 에지 형상을 로 실시간으로 예측할 수 있다.
이하, 도 9를 참조하여 본 발명의 일 실시예에 따른 실시간 수중 초음파 영상 개선 방법을 설명한다. 도 9는 본 발명의 일 실시예에 따른 이미징 소나의 이미지 예측 시뮬레이션 방법의 순서도이고, 도 10은 미소 평면과 초음파 직선의 교점 산출을 설명하기 위한 도면이다.
도 9를 참조하면, 본 발명의 일 실시예에 따른 이미징 소나의 이미지 예측 시뮬레이션 방법(900)은 이미징 소나의 초음파의 파라미터, 대상 물체의 파라미터, 대상 물체가 놓인 바닥을 설정하는 단계(단계 S901-S902), 초음파와 대상 물체 및 바닥과의 교점을 산출하여 이미지 데이터를 에뮬레이션하는 단계(단계 S903~S906), 및 이미지 데이터를 기초로 소나 이미지를 생성하는 단계(단계 S907-S908)를 포함할 수 있다.
보다 상세히 설명하면, 도 9에 도시된 바와 같이, 먼저, 이미징 소나의 초음파의 파라미터를 다수의 직선으로 설정할 수 있다(단계 S901). 이 때, 초음파의 파라미터로서 직선의 방향, 및 이미징 소나의 위치 및 방위를 설정할 수 있다. 즉, 이미징 소나에서 초음파는 도 2에 도시된 바와 같이, 면에 가까운 빔의 형태로 방사되는데, 이는 많은 직선들의 집합으로 표현될 수 있다. 이와 같은 초음파를 나타내는 곡선은 도 4에 도시된 바와 같이, 각 방향에 대하여 앙각 φ 및 방위각 θ를 가질 수 있다. 예를 들면, 앙각 φ 및 방위각 θ 각각은 -15에서 15°의 범위를 가질 수 있고, 도 2 및 도 3에 도시된 바와 같이, 스캔 평면을 근사화하기 위해 앙각 φ 방향에 대하여 1000개의 직선들 및 스위핑 동작을 근사화하기 위해 방위각 θ 방향에 대하여 96개 직선들로 가정할 수 있다.
다음으로, 대상 물체의 파라미터를 다수의 미소 평면으로 설정할 수 있다(단계 S902). 이 때, 대상 물체의 파라미터로서 다수의 폴리곤 메시를 설정할 수 있고, 이러한 폴리곤은 삼각형 또는 사각형일 수 있다. 예를 들면, 물체는, 도 5에 도시된 바와 같이, 그 표면이 복수의 삼각형 폴리곤으로 구성될 수 있으며, 이는 곡선 표면이 폴리곤에 의해 근사화되어 있는 예이다. 더 많은 폴리곤이 사용되는 경우, 표면은 더 부드러워질 수 있다. 3점들이 평면을 정의할 수 있기 때문에 가장 간단한 폴리곤은 삼각형일 수 있다.
대안적으로, 대상 물체의 설정은 상기와 같이 자체적으로 설정할 수 있지만, 대상 물체의 파라미터를 대상 물체에 대한 캐드 파일의 형태로 외부로부터 입력받음으로써 달성할 수 있다.
다음으로, 다수의 미소 평면을 나타내는 좌표를 글로벌 좌표계에서 로컬 좌표계로 변환할 수 있다(단계 S903). 즉, 상술한 바와 같이, 물체들은 글로벌 좌표계로 정의되는 반면, 초음파 빔들은 로컬 좌표계로 정의되기 때문에, 에뮬레이터(120)는 교점의 좌표를 산출하기 위해 좌표 변환을 수행하며, 예를 들면, 오일러 각 및 이동 벡터로 표현될 수 있는 좌표 변환을 수행할 수 있다.
다음으로, 물체의 표면을 나타내는 다수의 미소 평면 및 물체가 놓인 바닥을 나타내는 무한 평면과, 초음파를 나타내는 다수의 직선의 교점을 산출할 수 있다(단계 S904). 즉, 초음파 빔의 물체로부터의 반사는 물체를 나타내는 평면들과 초음파를 나타내는 직선의 교점으로 표현될 수 있다.
이 때, 교점의 산출은 미소 평면과 직선의 수가 매우 많기 때문에 효율적인 연산을 위해 다음과 같은 방법을 사용할 수 있다. 즉, 미소 평면의 위치 정보를 상술한 바와 같이 직선이 서술되는 각도로 환산하여 직선 후보군을 산출하여 모든 미소 평면이 아니라 적절한 후보군에 대해서만 직선과의 교점을 산출함으로써 연산 량을 감소시킬 수 있다. 보다 구체적으로 설명하면, 변환된 미소 평면의 편각 또는 방위각의 최소값 및 최대값을 구하면, 이 범위 내에 있는 직선들만이 미소 평면과 만날 수 있다. 예를 들면, 도 10에 도시된 바와 같이, -30, -15, 0, 15, 30도의 5개의 직선과 미소 평면의 변환 위치 범위가 -5에서 20도인 경우, 중복 범위인 0, 15도의 각도를 갖는 직선만이 후보군이 되며, 이들 후보군에 대해서만 교점을 산출할 수 있고, 따라서 전체 연산량을 효율적으로 감소시킬 수 있다.
교점을 찾은 경우, 소스(원점)에서 교점까지의 거리를 연산할 수 있고, 이런 거리를 이용하여 실제 이미징 소나에서와 같은 소나 이미지를 생성하는데 사용할 수 있다.
이 때, 하나의 직선이 무한 평면과 미소 평면에 모두 교점이 형성되는 경우에는, 미소 평면과의 교점을 선택할 수 있다. 다시 말하면, 하나의 직선 상에 두 개의 교점이 산출되는 경우, 길이가 짧은 것을 선택할 수 있다. 즉, 초음파가 물체에 반사되는 현상을 표현하기 위해서, 미소 평면들과 직선의 교점들을 무한 평면과 직선의 교점에 우선하여 취할 수 있다.
다음으로, 산출된 교점이 미소 평면 내인지의 여부를 판정하여(단계 S905) 미소 평면 내가 아니라고 판단한 경우에는 그 값을 무시하고 다음 교점을 산출하고, 산출된 교점이 미소 평면 내라고 판단한 경우에는 해당 교점의 특성값을 산출할 수 있다. 즉, 미소 평면 내인 경우에만 해당 교점을 초음파가 물체에 의해 반사되는 점으로 인식하고, 그 외에는 해당 데이터를 무시할 수 있다.
다음으로, 산출된 교점으로부터 이미지 데이터를 산출할 수 있다(단계 S906). 즉, 교점과 이미징 소나의 소스 사이의 위치 관계에 따라 이미지 데이터를 산출하는데, 예를 들면, 교점과 이미징 소나의 소스 사이의 거리(r), 방위각(θ), 및 앙각(φ)을 산출할 수 있다. 이 때, 두 개의 직선이 동일한 거리 및 방위각을 갖고, 상이한 앙각을 갖는 경우, 더 큰 세기 값을 갖는 직선을 선택할 수 있다.
여기서, 산출된 이미지 데이터의 세기는 직선이 교차하는 대상에 따라 결정할 수 있다. 예를 들면, 이미지 데이터의 세기는, 직선이 미소 평면과 만나는 경우, 즉, 초음파가 물체에 의해 반사되는 경우 가장 크게 나타내고, 직선이 미소 평면 및 무한 평면 모두와 만나지 않은 경우, 즉, 그림자인 경우 가장 작으며, 직선이 무한 평면과 만나는 경우, 즉, 물체가 놓인 바닥으로서 인식되는 경우 중간 크기라고 결정할 수 있다. 이와 같이, 본 발명의 일 실시예에 따른 에뮬레이터(120)는 이미지 데이터의 세기를 크게 3가지 정도로만 구분하여 명암이 급격히 변하는 에지 모양들을 대략적으로 예측할 수 있다.
다음으로, 산출된 이미지 데이터를 이미지 평면에 매핑할 수 있다(단계 S907). 예를 들면, 도 8(a)에 도시된 바와 같이, 산출된 이미지 데이터를 거리(r), 및 방위각(θ)을 기초로 이미지 평면에 매핑할 수 있다.
다음으로, 이미지 평면을 섹터 형태로 변환할 수 있다(단계 S908). 예를 들면, 도 8(b)에 도시된 바와 같이, 매핑된 이미지 평면을 다시 섹터 형태로 변환할 수 있다.
다음으로, 생성된 소나 이미지를 디스플레이할 수 있다(단계 S909). 컴퓨터에 연결할 수 있는 일반적인 표시 장치를 통하여 디스플레이할 수 있지만, 이에 한정되지 않는다.
이와 같은 방법에 의해 본 발명의 실시예에 따른 이미징 소나의 이미지 예측 시뮬레이션 방법(900)은 캐드 등으로 제작 또는 모델링할 수 있는 모든 물체에 대하여 실제 이미징 소나 환경을 그대로 재현하여 이미징 소나에 의해 생성되는 소나 이미지를 예측할 수 있고, 실제 이미징 소나에 의해 생성되는 소나 이미지와 유사하고, 노이즈가 없는 소나 이미지를 생성하기 때문에, 대상 물체의 에지 형상을 로 실시간으로 예측할 수 있다.
상기와 같은 방법들은 도 1에 도시된 바와 같은 이미징 소나의 이미지 예측 시뮬레이션 장치(100)에 의해 구현될 수 있고, 특히, 이러한 단계들을 수행하는 프로그램으로 구현될 수 있으며, 이 경우, 이러한 프로그램들은 컴퓨터 판독가능한 기록 매체에 저장될 수 있다.
도 11은 실시예에 따른 이미징 소나의 이미지 예측 시뮬레이션 방법을 적용하기 위한 예시적인 대상 물체의 사진이다. 도 12는 도 11에 대한 소나 이미지 및 시뮬레이션 예를 나타낸 도면이다.
도 11에 도시된 바와 같은 복잡한 형태의 대상 물체를 서로 다른 각도에 대하여 이미징 소나에 의한 촬영과 본 발명의 일 실시예에 따른 방법에 의해 시뮬레이션하였다.
도 12에 도시된 바와 같이, 실제 소나 이미지는 상당한 잡음을 갖는 반면, 시뮬레이션된 이미지들은 잡음이 없다. 또한, 실제 소나 이미지에서는 초음파 빔들이 표면에서 반사되는 각도에 따라 이미지 상의 세기가 다르게 표현되는 반면, 시뮬레이션된 이미지들은 동일 세기로 나타낸다.
그러나 이러한 차이에도 불구하고, 대상 물체의 전반적인 형상은 매우 유사하며, 특히 대상 물체의 대략적인 형상을 쉽고 빠르게 예측할 수 있다.
이상에서 본 발명의 일 실시예에 대하여 설명하였으나, 본 발명의 사상은 본 명세서에 제시되는 실시 예에 제한되지 아니하며, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서, 구성요소의 부가, 변경, 삭제, 추가 등에 의해서 다른 실시 예를 용이하게 제안할 수 있을 것이나, 이 또한 본 발명의 사상범위 내에 든다고 할 것이다.
100 : 이미징 소나의 이미지 예측 시뮬레이션 장치
110 : 파라미터 설정부 112 : 이미징 소나 파라미터 설정부
114 : 물체 파라미터 설정부 120 : 에뮬레이터
130 : 소나 이미지 생성부 140 : 디스플레이부

Claims (27)

  1. 이미징 소나의 초음파의 파라미터, 대상 물체의 파라미터, 상기 대상 물체가 놓인 바닥을 각각 다수의 직선, 다수의 미소 평면, 무한 평면으로 설정하는 단계;
    상기 초음파의 다수의 직선과, 상기 대상 물체의 다수의 미소 평면 및 상기 무한 평면과의 교점을 각각 산출하고, 상기 산출된 교점들을 기초로 이미지 데이터를 에뮬레이션하는 단계; 및
    상기 이미지 데이터를 변환하여 소나 이미지를 생성하는 단계를 포함하는, 이미징 소나의 이미지 예측 시뮬레이션 방법.
  2. 제 1 항에 있어서,
    상기 설정하는 단계는,
    상기 초음파의 파라미터로서 상기 직선의 방향, 및 상기 이미징 소나의 위치 및 방위(orientation)를 설정하는 제 1 설정 단계; 및
    상기 대상 물체의 파라미터로서 다수의 폴리곤 메시를 설정하는 제 2 설정 단계를 포함하는, 이미징 소나의 이미지 예측 시뮬레이션 방법.
  3. 제 2 항에 있어서,
    상기 제 2 설정 단계는 상기 폴리곤이 삼각형 또는 사각형인, 이미징 소나의 이미지 예측 시뮬레이션 방법.
  4. 제 1 항에 있어서,
    상기 설정하는 단계는 상기 대상 물체의 파라미터를 상기 대상 물체에 대한 캐드 파일의 형태로 외부로부터 입력받는, 이미징 소나의 이미지 예측 시뮬레이션 방법.
  5. 제 1 항에 있어서,
    상기 에뮬레이션하는 단계는,
    상기 다수의 미소 평면의 좌표를 글로벌 좌표계에서 로컬 좌표계로 변환하는 단계;
    상기 좌표 변환된 다수의 미소 평면 및 상기 무한 평면과 상기 다수의 직선의 교점을 산출하는 단계; 및
    상기 교점과 상기 이미징 소나의 소스 사이의 위치 관계에 따라 이미지 데이터를 산출하는 단계를 포함하는, 이미징 소나의 이미지 예측 시뮬레이션 방법.
  6. 제 5 항에 있어서,
    상기 교점을 산출하는 단계는 상기 교점이 상기 미소 평면 내인지의 여부를 판정하는 단계를 더 포함하는, 이미징 소나의 이미지 예측 시뮬레이션 방법.
  7. 제 5 항에 있어서,
    상기 이미지 데이터를 산출하는 단계는 상기 교점과 상기 이미징 소나의 소스 사이의 거리(r), 방위각(azimuth angle)(θ), 및 앙각(elevation angle)(φ)을 산출하는, 이미징 소나의 이미지 예측 시뮬레이션 방법.
  8. 제 7 항에 있어서,
    상기 이미지 데이터를 산출하는 단계는 두 개의 직선이 동일한 거리 및 방위각을 갖고, 상이한 앙각을 갖는 경우, 더 큰 세기 값을 갖는 직선을 선택하는, 이미징 소나의 이미지 예측 시뮬레이션 방법.
  9. 제 7 항에 있어서,
    상기 이미지 데이터를 산출하는 단계는 하나의 직선 상에 두 개의 교점이 산출되는 경우 거리가 짧은 것을 선택하는, 이미징 소나의 이미지 예측 시뮬레이션 방법.
  10. 제 5 항에 있어서,
    상기 이미지 데이터를 생성하는 단계는 상기 이미지 데이터의 세기를 상기 직선이 교차하는 대상에 따라 결정하는, 이미징 소나의 이미지 예측 시뮬레이션 방법.
  11. 제 10 항에 있어서,
    상기 이미지 데이터를 생성하는 단계는 상기 이미지 데이터의 세기가, 상기 직선이 상기 미소 평면과 만나는 경우 가장 크고, 상기 직선이 상기 미소 평면 및 상기 무한 평면 모두와 만나지 않은 경우 가장 작으며, 상기 직선이 상기 무한 평면과 만나는 경우 중간 크기라고 결정하는, 이미징 소나의 이미지 예측 시뮬레이션 방법.
  12. 제 1 항에 있어서,
    상기 소나 이미지를 생성하는 단계는,
    상기 산출된 이미지 데이터를 이미지 평면에 매핑하는 단계; 및
    상기 이미지 평면을 섹터 형태로 변환하는 단계를 포함하는, 이미징 소나의 이미지 예측 시뮬레이션 방법.
  13. 제 1 항에 있어서,
    상기 생성된 소나 이미지를 디스플레이하는 단계를 더 포함하는, 이미징 소나의 이미지 예측 시뮬레이션 방법.
  14. 제 1 항 내지 제 13 항 중 어느 한 항에 따른 방법을 수행하는 컴퓨터 프로그램이 저장된 기록 매체.
  15. 이미징 소나의 초음파의 파라미터, 대상 물체의 파라미터, 상기 대상 물체가 놓인 바닥을 각각 다수의 직선, 다수의 미소 평면, 무한 평면으로 설정하는 파라미터 설정부;
    상기 초음파의 다수의 직선과, 상기 대상 물체의 다수의 미소 평면 및 상기 무한 평면과의 교점을 각각 산출하고, 상기 산출된 교점들을 기초로 이미지 데이터를 에뮬레이션하는 에뮬레이터; 및
    상기 이미지 데이터를 변환하여 소나 이미지를 생성하는 소나 이미지 생성부를 포함하는, 이미징 소나의 이미지 예측 시뮬레이션 장치.
  16. 제 15 항에 있어서,
    상기 파라미터 설정부는,
    상기 초음파의 파라미터로서 상기 직선의 방향, 및 상기 이미징 소나의 위치 및 방위를 설정하는 이미징 소나 파라미터 설정부; 및
    상기 대상 물체의 파라미터로서 다수의 폴리곤 메시를 설정하는 물체 파라미터 설정부를 포함하는, 이미징 소나의 이미지 예측 시뮬레이션 장치.
  17. 제 16 항에 있어서,
    상기 폴리곤은 삼각형 또는 사각형인, 이미징 소나의 이미지 예측 시뮬레이션 장치.
  18. 제 15 항에 있어서,
    상기 파라미터 설정부는 상기 대상 물체의 파라미터를 상기 대상 물체에 대한 캐드 파일의 형태로 외부로부터 입력받는, 이미징 소나의 이미지 예측 시뮬레이션 장치.
  19. 제 15 항에 있어서,
    상기 에뮬레이터는 상기 다수의 미소 평면의 좌표를 글로벌 좌표계에서 로컬 좌표계로 변환하고, 상기 좌표 변환된 다수의 미소 평면 및 상기 무한 평면과 상기 다수의 직선의 교점을 산출하며, 상기 교점과 상기 이미징 소나의 소스 사이의 위치 관계에 따라 이미지 데이터를 산출하는, 이미징 소나의 이미지 예측 시뮬레이션 장치.
  20. 제 19 항에 있어서,
    상기 에뮬레이터는 상기 교점이 상기 미소 평면 내인지의 여부를 판정하는, 이미징 소나의 이미지 예측 시뮬레이션 장치.
  21. 제 19 항에 있어서,
    상기 에뮬레이터는 상기 교점과 상기 이미징 소나의 소스 사이의 거리(r), 방위각(θ), 및 앙각(φ)을 산출하는, 이미징 소나의 이미지 예측 시뮬레이션 장치.
  22. 제 21 항에 있어서,
    상기 에뮬레이터는 두 개의 직선이 동일한 거리 및 방위각을 갖고, 상이한 앙각을 갖는 경우, 더 큰 세기 값을 갖는 직선을 선택하는, 이미징 소나의 이미지 예측 시뮬레이션 장치.
  23. 제 21 항에 있어서,
    상기 에뮬레이터는 하나의 직선 상에 두 개의 교점이 산출되는 경우 거리가 짧은 것을 선택하는, 이미징 소나의 이미지 예측 시뮬레이션 장치.
  24. 제 19 항에 있어서,
    상기 에뮬레이터는 상기 이미지 데이터의 세기를 상기 직선이 교차하는 대상에 따라 결정하는, 이미징 소나의 이미지 예측 시뮬레이션 장치.
  25. 제 24 항에 있어서,
    상기 에뮬레이터는 상기 이미지 데이터의 세기가, 상기 직선이 상기 미소 평면과 만나는 경우 가장 크고, 상기 직선이 상기 미소 평면 및 상기 무한 평면 모두와 만나지 않은 경우 가장 작으며, 상기 직선이 상기 무한 평면과 만나는 경우 중간 크기라고 결정하는, 이미징 소나의 이미지 예측 시뮬레이션 장치.
  26. 제 15 항에 있어서,
    상기 소나 이미지 생성부는 상기 산출된 이미지 데이터를 이미지 평면에 매핑하고, 상기 이미지 평면을 섹터 형태로 변환하는, 이미징 소나의 이미지 예측 시뮬레이션 장치.
  27. 제 14 항에 있어서,
    상기 생성된 소나 이미지를 디스플레이하는 디스플레이부를 더 포함하는, 이미징 소나의 이미지 예측 시뮬레이션 장치.
KR1020140076702A 2014-06-23 2014-06-23 이미징 소나의 이미지 예측 시뮬레이션 방법 및 이를 이용한 장치 KR101590253B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020140076702A KR101590253B1 (ko) 2014-06-23 2014-06-23 이미징 소나의 이미지 예측 시뮬레이션 방법 및 이를 이용한 장치
US14/678,384 US20160283619A1 (en) 2014-06-23 2015-04-03 Sonar-image-simulation method for image prediction of imaging sonar and apparatus using the sonar-image-simulation method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140076702A KR101590253B1 (ko) 2014-06-23 2014-06-23 이미징 소나의 이미지 예측 시뮬레이션 방법 및 이를 이용한 장치

Publications (2)

Publication Number Publication Date
KR20160000084A true KR20160000084A (ko) 2016-01-04
KR101590253B1 KR101590253B1 (ko) 2016-02-01

Family

ID=55164054

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140076702A KR101590253B1 (ko) 2014-06-23 2014-06-23 이미징 소나의 이미지 예측 시뮬레이션 방법 및 이를 이용한 장치

Country Status (2)

Country Link
US (1) US20160283619A1 (ko)
KR (1) KR101590253B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107942316A (zh) * 2018-01-08 2018-04-20 哈尔滨工程大学 一种基于多波束声呐波束输出信号的水中浓悬浮体运动速度估计方法
CN113052200A (zh) * 2020-12-09 2021-06-29 江苏科技大学 一种基于yolov3网络的声呐图像目标检测方法
CN113589300A (zh) * 2021-06-29 2021-11-02 中国船舶重工集团公司第七一五研究所 一种基于压缩感知的合成孔径声纳沉底目标成像增强方法
KR102516795B1 (ko) * 2022-11-07 2023-03-30 포항공과대학교 산학협력단 소나 이미지 시뮬레이터 장치 및 수중 객체 탐지 장치

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9984181B2 (en) * 2015-04-30 2018-05-29 Within Technologies Ltd. Junction meshing for lattice structures
CN111582403A (zh) * 2020-05-18 2020-08-25 哈尔滨工程大学 一种零样本侧扫声呐图像目标分类方法
US11688059B2 (en) 2021-05-27 2023-06-27 International Business Machines Corporation Asset maintenance prediction using infrared and regular images
CN113781399B (zh) * 2021-08-13 2023-12-22 哈尔滨工程大学 一种auv在输水隧洞内运动的声学引导方法
CN116558504B (zh) * 2023-07-11 2023-09-29 之江实验室 一种单目视觉的定位方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR980003577A (ko) * 1996-06-19 1998-03-30 제일 엘. 차스킨 초음파 이미징 방법 및 장치
JP2006527054A (ja) * 2003-06-10 2006-11-30 コーニンクレッカ　フィリップス　エレクトロニクス　エヌ　ヴィ 三次元カラー超音波イメージングシステムのためのユーザインタフェース
JP2009085915A (ja) * 2007-10-03 2009-04-23 Furuno Electric Co Ltd 水中探知装置
KR20090084877A (ko) * 2006-11-24 2009-08-05 비피 쉬핑 리미티드 수중 소나 시스템을 탑재한 선박

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5105814A (en) * 1990-08-15 1992-04-21 Hewlett-Packard Company Method of transforming a multi-beam ultrasonic image
US5903473A (en) * 1997-01-27 1999-05-11 The United States Of America As Represented By The Secretary Of The Air Force Radar scattering netting simulation
US6002914A (en) * 1997-07-10 1999-12-14 The United States Of America As Represented By The Secretary Of The Navy Method and apparatus for simulating reverberation in a multipath sonar system
US5983067A (en) * 1997-07-10 1999-11-09 The United States Of America As Represented By The Secretary Of The Navy Method and apparatus for simulating cross-correlation coefficients in a multipath sonar system
US6096085A (en) * 1998-03-23 2000-08-01 The United States Of America As Represented By The Secretary Of The Navy Computer-readable software and computer-implemented method for performing an integrated sonar simulation
US6683820B1 (en) * 2002-09-12 2004-01-27 The United States Of America As Represented By The Secretary Of The Navy Method and apparatus for tracking sonar targets
US6714481B1 (en) * 2002-09-30 2004-03-30 The United States Of America As Represented By The Secretary Of The Navy System and method for active sonar signal detection and classification
EP1656568B1 (en) * 2003-07-11 2017-12-27 Teledyne RESON A/S Systems and methods implementing frequency-steered acoutic arrays for 2d and 3d imaging
US7728833B2 (en) * 2004-08-18 2010-06-01 Sarnoff Corporation Method for generating a three-dimensional model of a roof structure
JP2006162480A (ja) * 2004-12-08 2006-06-22 Furuno Electric Co Ltd 水中探知装置
US7466628B2 (en) * 2006-08-15 2008-12-16 Coda Octopus Group, Inc. Method of constructing mathematical representations of objects from reflected sonar signals
US9019795B2 (en) * 2012-09-05 2015-04-28 Codaoctopus Group Method of object tracking using sonar imaging
US8854920B2 (en) * 2012-09-05 2014-10-07 Codaoctopus Group Volume rendering of 3D sonar data

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR980003577A (ko) * 1996-06-19 1998-03-30 제일 엘. 차스킨 초음파 이미징 방법 및 장치
JP2006527054A (ja) * 2003-06-10 2006-11-30 コーニンクレッカ　フィリップス　エレクトロニクス　エヌ　ヴィ 三次元カラー超音波イメージングシステムのためのユーザインタフェース
KR20090084877A (ko) * 2006-11-24 2009-08-05 비피 쉬핑 리미티드 수중 소나 시스템을 탑재한 선박
JP2009085915A (ja) * 2007-10-03 2009-04-23 Furuno Electric Co Ltd 水中探知装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107942316A (zh) * 2018-01-08 2018-04-20 哈尔滨工程大学 一种基于多波束声呐波束输出信号的水中浓悬浮体运动速度估计方法
CN113052200A (zh) * 2020-12-09 2021-06-29 江苏科技大学 一种基于yolov3网络的声呐图像目标检测方法
CN113052200B (zh) * 2020-12-09 2024-03-19 江苏科技大学 一种基于yolov3网络的声呐图像目标检测方法
CN113589300A (zh) * 2021-06-29 2021-11-02 中国船舶重工集团公司第七一五研究所 一种基于压缩感知的合成孔径声纳沉底目标成像增强方法
CN113589300B (zh) * 2021-06-29 2023-08-15 中国船舶重工集团公司第七一五研究所 一种基于压缩感知的合成孔径声纳沉底目标成像增强方法
KR102516795B1 (ko) * 2022-11-07 2023-03-30 포항공과대학교 산학협력단 소나 이미지 시뮬레이터 장치 및 수중 객체 탐지 장치

Also Published As

Publication number Publication date
KR101590253B1 (ko) 2016-02-01
US20160283619A1 (en) 2016-09-29

Similar Documents

Publication Publication Date Title
KR101590253B1 (ko) 이미징 소나의 이미지 예측 시뮬레이션 방법 및 이를 이용한 장치
US11982747B2 (en) Systems and methods for generating synthetic sensor data
US20230005218A1 (en) Satellite sar artifact suppression for enhanced three-dimensional feature extraction, change detection, and visualizations
US10262243B2 (en) Neural network point cloud generation system
JP7148718B2 (ja) 場面のパラメトリック上面視表現
Cerqueira et al. A novel GPU-based sonar simulator for real-time applications
US9058661B2 (en) Method for the real-time-capable, computer-assisted analysis of an image sequence containing a variable pose
JP2020035441A (ja) 模擬点群データを生成する方法、装置、機器および記憶媒体
CN108875804B (zh) 一种基于激光点云数据的数据处理方法和相关装置
JP5181704B2 (ja) データ処理装置、姿勢推定システム、姿勢推定方法およびプログラム
US20150206003A1 (en) Method for the Real-Time-Capable, Computer-Assisted Analysis of an Image Sequence Containing a Variable Pose
Gu et al. Development of image sonar simulator for underwater object recognition
WO2020133230A1 (zh) 雷达仿真方法、装置及系统
DeMarco et al. A computationally-efficient 2D imaging sonar model for underwater robotics simulations in Gazebo
KR20170045809A (ko) 커스틱을 표현하는 방법 및 장치
CN105260524A (zh) 一种扫描状态下船舶导航雷达二维回波序列像仿真方法
JP7475022B2 (ja) 室内空間の３次元地図生成方法及び装置
Sung et al. Realistic sonar image simulation using generative adversarial network
WO2009104218A1 (ja) 地図表示装置
JP2024511043A (ja) モデル注入を用いた点群データ拡張のためのシステム、および方法
JP7020418B2 (ja) 情報処理装置、情報処理方法、およびプログラム
JP2022501751A (ja) ３ｄ幾何抽出のために画像の複数から相補的画像を選択するシステムおよび方法
JP2011033528A (ja) 気象現象の自動追尾方法及び自動追尾システム
Almanza-Medina et al. Imaging sonar simulator for assessment of image registration techniques
Meister On creating reference data for performance analysis in image processing

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190102

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20200113

Year of fee payment: 5