KR20170129361A - System and method for tracking target using asynchronous sensors - Google Patents
System and method for tracking target using asynchronous sensors Download PDFInfo
- Publication number
- KR20170129361A KR20170129361A KR1020160059945A KR20160059945A KR20170129361A KR 20170129361 A KR20170129361 A KR 20170129361A KR 1020160059945 A KR1020160059945 A KR 1020160059945A KR 20160059945 A KR20160059945 A KR 20160059945A KR 20170129361 A KR20170129361 A KR 20170129361A
- Authority
- KR
- South Korea
- Prior art keywords
- track
- target
- information
- detection information
- sensor
- Prior art date
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
- G01S13/66—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
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
- G01S7/4004—Means for monitoring or calibrating of parts of a radar system
- G01S7/4021—Means for monitoring or calibrating of parts of a radar system of receivers
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
Description
본 발명은 표적을 추적하는 시스템 및 방법에 관한 것이다. 보다 상세하게는, 복수개의 센서들을 이용하여 표적을 추적하는 시스템 및 방법에 관한 것이다.The present invention relates to a system and method for tracking a target. More particularly, the present invention relates to a system and method for tracking a target using a plurality of sensors.
저탐지 확률, 고클러터 등 단일 센서의 한계로 인해 다중 센서 환경에서의 표적 추적 방법에 대한 연구가 계속적으로 증가하고 있다.Due to the limitations of single sensor such as low detection probability and high clutter, the research on target tracking method in multi - sensor environment is continuously increasing.
그런데 종래에 제안된 자동 표적 추적 방법은 각 센서의 샘플링 주기가 같고 동시에 표적 정보들이 탐지되는 동기식 환경 가정 하에서 로컬 트랙들 간 융합이 이루어진다.However, in the automatic track tracking method proposed in the related art, fusion between local tracks is performed under the assumption of a synchronous environment in which the target information is detected at the same time with the sampling periods of the respective sensors.
그러나 실제 다중 센서 시스템은 서로 다른 샘플링 주기를 갖고 비동기식으로 탐지되는 경우가 많기 때문에 종래에 제안된 자동 표적 추적 방법을 실제 시스템에 적용하기에는 다소 무리가 있다.However, since the actual multi-sensor system has a different sampling period and is often detected asynchronously, it is somewhat difficult to apply the conventional automatic target tracking method to an actual system.
한국공개특허 제2012-0137314호는 표적을 추적하는 장치에 대하여 제안하고 있다. 그러나 이 장치는 영상을 이용하여 움직이는 표적을 추적하는 방법을 제안하고 있을 뿐, 다중 센서 특히 비동기식 환경에서 작동되는 다중 센서에 대해서는 고려하지 않았기 때문에 상기한 문제점을 해결할 수 없다.Korean Laid-Open Patent Application No. 2012-0137314 proposes a device for tracking a target. However, this device proposes a method of tracking a moving target using an image, and can not solve the above problem because it does not take into consideration multiple sensors, in particular, multiple sensors operating in an asynchronous environment.
본 발명은 상기한 문제점을 해결하기 위해 안출된 것으로서, 비동기식 센서 환경에서 각 센서에서의 확정 로컬 트랙 정보들을 같은 시간대의 것으로 맞추어 주며 이후 분산식 정보 융합을 수행하여 표적을 추적하는 비동기식 센서들을 이용한 표적 추적 시스템 및 방법을 제안하는 것을 목적으로 한다.SUMMARY OF THE INVENTION The present invention has been made in order to solve the above-mentioned problems, and it is an object of the present invention to provide an asynchronous sensor system, Tracking system and method.
그러나 본 발명의 목적은 상기에 언급된 사항으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.However, the objects of the present invention are not limited to those mentioned above, and other objects not mentioned can be clearly understood by those skilled in the art from the following description.
본 발명은 상기한 목적을 달성하기 위해 안출된 것으로서, 샘플링 주기가 서로 다른 센서들을 이용하여 표적에 대한 탐지 정보들을 획득하는 탐지 정보 획득부들; 상기 탐지 정보들을 기초로 상기 표적의 이동 궤적을 표시하는 트랙(Track)들을 생성하는 트랙 생성부들; 상기 센서들 중에서 선택된 기준 센서가 제1 탐지 정보를 획득할 때의 시간 정보를 기초로 상기 센서들 중에서 상기 기준 센서를 제외한 적어도 하나의 기타 센서에 의해 획득된 제2 탐지 정보와 관련된 제2 트랙을 보정하는 트랙 보정부; 및 상기 제1 탐지 정보와 관련된 제1 트랙 및 보정된 상기 제2 트랙을 기초로 상기 표적을 추적하는 표적 추적부를 포함하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 시스템을 제안한다.In order to achieve the above object, the present invention provides detection information acquisition units for acquiring detection information on a target using sensors having different sampling periods. Track generating units for generating tracks for displaying the movement trajectory of the target based on the detection information; A second track related to the second detection information obtained by at least one other sensor other than the reference sensor among the sensors based on time information when the reference sensor selected from the sensors acquires the first detection information, A track corrector for correcting the track; And a target tracking unit for tracking the target based on a first track and a corrected second track associated with the first detection information.
바람직하게는, 상기 트랙 생성부들은, 상태 천이 행렬(State transition matrix)을 이용하여 상기 트랙들에 대한 정보들을 예측하는 트랙 정보 예측부; 상기 탐지 정보들을 기초로 상기 트랙들에 대한 정보들을 쇄신하는 트랙 정보 쇄신부; 및 상기 트랙들에 대한 정보들을 기초로 상기 표적의 임시 궤적들 중에서 선택된 최종 궤적들을 상기 트랙들로 생성하는 최종 궤적 추출부를 포함한다.Preferably, the track generators include: a track information predictor for predicting information on the tracks using a state transition matrix; A track information reforming unit for reforming information on the tracks based on the detection information; And a final trajectory extractor for generating final trajectories selected from temporary trajectories of the target on the basis of the information on the tracks.
바람직하게는, 상기 트랙 생성부들은, 상기 최종 궤적들 중에 유사도가 기준값 이상인 유사 궤적들이 존재하는지 여부를 판단하는 궤적 연관 판단부; 및 상기 유사 궤적들이 존재하는 것으로 판단되면 상기 유사 궤적들을 병합하여 하나의 트랙으로 생성하는 최종 궤적 병합부를 더 포함한다.Preferably, the track generators include: a trajectory association determination unit that determines whether or not there are similar trajectories in which the degree of similarity is equal to or greater than a reference value among the final trajectories; And a final trajectory merging unit for merging the similar trajectories to generate a single track if the similar trajectories are determined to exist.
바람직하게는, 상기 트랙 정보 예측부는 IPDA(Integrated Probabilistic Data Association) 필터를 이용하여 각각의 트랙에 대한 정보로 상기 표적과 관련된 상태 변수의 추정값, 상기 상태 변수의 추정과 관련된 오차 공분산, 및 해당 트랙에 대한 상기 표적이 존재할 확률을 예측한다.Preferably, the track information predicting unit uses an integrated probabilistic data association (IPDA) filter to estimate an estimated value of a state variable related to the target, an error covariance associated with estimation of the state variable, Predicts the probability that the target exists.
바람직하게는, 상기 트랙 정보 예측부는 상기 상태 천이 행렬 및 이전 시간에 쇄신된 상기 상태 변수의 추정값을 기초로 현재 시간에서의 상기 상태 변수의 추정값을 예측하고, 상기 상태 천이 행렬, 이전 시간에 쇄신된 상기 오차 공분산 및 동역학 모델링과 관련된 공정 잡음 공분산을 기초로 상기 현재 시간에서의 상기 오차 공분산을 예측하며, 상기 이전 시간과 상기 현재 시간에 상기 해당 트랙에 대한 상기 표적이 존재할 제1 확률, 상기 현재 시간에 상기 해당 트랙에 대한 상기 표적이 존재할 제2 확률 및 상기 이전 시간에 쇄신된 상기 표적이 존재할 제3 확률을 기초로 상기 현재 시간에 상기 해당 트랙에 대한 상기 표적이 존재할 확률을 예측한다.Preferably, the track information predicting unit predicts an estimated value of the state variable at a current time based on the state transition matrix and the estimated value of the state variable renewed at a previous time, and updates the state transition matrix, Predicting the error covariance at the current time based on the process noise covariance associated with the error covariance and dynamics modeling, and estimating the error probability of the target at the previous time and the current time, Predicts the probability that the target for the track exists at the current time based on a second probability that the target exists for the track and a third probability that the target will be present at the previous time.
바람직하게는, 상기 트랙 정보 예측부는 상기 제3 확률과 상기 제1 확률을 곱하여 제1 연산값을 산출하고, 1에서 상기 제3 확률을 뺀 값과 상기 제2 확률을 곱하여 제2 연산값을 산출하며, 상기 제1 연산값과 상기 제2 연산값을 더하여 상기 현재 시간에 상기 해당 트랙에 대한 상기 표적이 존재할 확률을 예측한다.Preferably, the track information predicting unit may calculate a first calculation value by multiplying the third probability by the first probability, multiplying a value obtained by subtracting the third probability from 1 by the second probability, and calculating a second calculation value And adds the first calculation value and the second calculation value to predict a probability that the target exists for the track in the current time.
바람직하게는, 상기 트랙 정보 예측부는 상기 상태 변수의 추정값으로 상기 표적의 위치를 추정한 값과 상기 표적의 속도를 추정한 값을 예측한다.Preferably, the track information predicting unit predicts a value obtained by estimating the position of the target with the estimated value of the state variable and a value obtained by estimating the speed of the target.
바람직하게는, 상기 최종 궤적 추출부는 상기 임시 궤적들 중에서 상기 최종 궤적들을 선택할 때 각각의 트랙에 대한 정보로 해당 트랙에 대한 상기 표적이 존재할 확률을 이용한다.Preferably, the final trajectory extractor uses the probability that the target exists for a corresponding track when the final trajectories are selected from among the temporary trajectories.
바람직하게는, 상기 탐지 정보 획득부들은 각각의 탐지 정보로 상기 표적까지의 거리와 상기 표적의 방위를 획득한다.Preferably, the detection information obtaining units obtain the distance to the target and the orientation of the target with each detection information.
바람직하게는, 상기 트랙 보정부는 동역학 모델링(Kinetic modeling)을 이용하여 상기 제2 탐지 정보가 상기 제1 탐지 정보와 동일 시간에 획득된 것이 되도록 상기 제2 트랙을 보정한다.Advantageously, the track compensator uses the kinetic modeling to correct the second track such that the second detection information is obtained at the same time as the first detection information.
바람직하게는, 상기 트랙 보정부는 상기 제2 트랙에 대한 정보들을 보정하여 상기 제2 트랙을 보정하며, 상기 제2 트랙에 대한 정보들로 상기 표적과 관련된 상태 변수의 추정값, 상기 상태 변수의 추정과 관련된 오차 공분산, 및 해당 트랙에 대한 상기 표적이 존재할 확률을 보정한다.Preferably, the track corrector corrects the second track by correcting information on the second track, and estimates the state variable associated with the target, the state variable, The associated error covariance, and the probability that the target exists for that track.
바람직하게는, 상기 트랙 보정부는 상기 기준 센서가 상기 제1 탐지 정보를 획득할 때의 시간과 상기 기타 센서가 상기 제2 탐지 정보를 획득할 때의 시간 사이의 시간차를 성분으로 포함하는 제1 행렬 및 단위 행렬 간 크로네커 곱(Kronecker product)으로부터 얻은 제2 행렬을 기초로 상기 상태 변수의 추정값을 보정한다.Preferably, the track compensator may include a first matrix including a time difference between a time when the reference sensor acquires the first detection information and a time when the other sensor acquires the second detection information as a component, And the second matrix obtained from the Kronecker product between the unitary matrix.
바람직하게는, 상기 트랙 보정부는 상기 제2 행렬, 상기 제2 행렬의 전치 행렬(Transposed matrix), 상기 시간차와 상기 시간차를 2로 나눈 값을 성분으로 포함하는 제3 행렬, 및 상기 제3 행렬의 전치 행렬을 기초로 상기 오차 공분산을 보정한다.Preferably, the track compensating unit may include a second matrix, a transposed matrix of the second matrix, a third matrix including a value obtained by dividing the time difference by the time difference by 2, And corrects the error covariance based on the transpose matrix.
바람직하게는, 상기 표적 추적부는 상기 제1 트랙 및 상기 제2 트랙을 융합하여 얻은 융합 트랙을 기초로 상기 표적을 추적한다.Preferably, the target tracking unit tracks the target based on a fusion track obtained by fusing the first track and the second track.
또한 본 발명은 샘플링 주기가 서로 다른 센서들을 이용하여 표적에 대한 탐지 정보들을 획득하는 단계; 상기 탐지 정보들을 기초로 상기 표적의 이동 궤적을 표시하는 트랙(Track)들을 생성하는 단계; 상기 센서들 중에서 선택된 기준 센서가 제1 탐지 정보를 획득할 때의 시간 정보를 기초로 상기 센서들 중에서 상기 기준 센서를 제외한 적어도 하나의 기타 센서에 의해 획득된 제2 탐지 정보와 관련된 제2 트랙을 보정하는 단계; 및 상기 제1 탐지 정보와 관련된 제1 트랙 및 보정된 상기 제2 트랙을 기초로 상기 표적을 추적하는 단계를 포함하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 방법을 제안한다.The present invention also provides a method of detecting a target, the method comprising: acquiring detection information on a target using sensors having different sampling periods; Generating tracks that display the movement trajectory of the target based on the detection information; A second track related to the second detection information obtained by at least one other sensor other than the reference sensor among the sensors based on time information when the reference sensor selected from the sensors acquires the first detection information, Correcting; And tracking the target based on the first track and the corrected second track associated with the first detection information. The present invention also provides a method of tracking a target using asynchronous sensors.
바람직하게는, 상기 트랙들을 생성하는 단계는, 상태 천이 행렬(State transition matrix)을 이용하여 상기 트랙들에 대한 정보들을 예측하는 단계; 상기 탐지 정보들을 기초로 상기 트랙들에 대한 정보들을 쇄신하는 단계; 및 상기 트랙들에 대한 정보들을 기초로 상기 표적의 임시 궤적들 중에서 선택된 최종 궤적들을 상기 트랙들로 생성하는 단계를 포함한다.Advantageously, the step of generating the tracks comprises: predicting information on the tracks using a state transition matrix; Renewing information on the tracks based on the detection information; And generating the final trajectories selected from the temporary trajectories of the target as the tracks based on the information about the tracks.
바람직하게는, 상기 트랙들을 생성하는 단계는, 상기 최종 궤적들을 상기 트랙들로 생성하는 단계 이후에, 상기 최종 궤적들 중에 유사도가 기준값 이상인 유사 궤적들이 존재하는지 여부를 판단하는 단계; 및 상기 유사 궤적들이 존재하는 것으로 판단되면 상기 유사 궤적들을 병합하여 하나의 트랙으로 생성하는 단계를 더 포함한다.Preferably, the step of generating the tracks may include: determining whether there are similar trajectories among the final trajectories, the similar trajectories having a similarity value higher than a reference value, after the step of generating the final trajectories as the tracks; And merging the similar trajectories into a single track if the similar trajectories are determined to exist.
바람직하게는, 상기 예측하는 단계는 IPDA(Integrated Probabilistic Data Association) 필터를 이용하여 각각의 트랙에 대한 정보로 상기 표적과 관련된 상태 변수의 추정값, 상기 상태 변수의 추정과 관련된 오차 공분산, 및 해당 트랙에 대한 상기 표적이 존재할 확률을 예측한다.Advantageously, the step of predicting comprises using an IPDA (Integrated Probabilistic Data Association) filter to estimate an estimate of the state variable associated with the target, an error covariance associated with the estimation of the state variable, Predicts the probability that the target exists.
바람직하게는, 상기 예측하는 단계는 상기 상태 천이 행렬 및 이전 시간에 쇄신된 상기 상태 변수의 추정값을 기초로 현재 시간에서의 상기 상태 변수의 추정값을 예측하고, 상기 상태 천이 행렬, 이전 시간에 쇄신된 상기 오차 공분산 및 동역학 모델링과 관련된 공정 잡음 공분산을 기초로 상기 현재 시간에서의 상기 오차 공분산을 예측하며, 상기 이전 시간과 상기 현재 시간에 상기 해당 트랙에 상기 표적이 존재할 제1 확률, 상기 현재 시간에만 상기 해당 트랙에 상기 표적이 존재할 제2 확률 및 상기 이전 시간에 쇄신된 상기 표적이 존재할 제3 확률을 기초로 상기 현재 시간에 상기 해당 트랙에 대한 상기 표적이 존재할 확률을 예측한다.Preferably, the predicting step predicts an estimated value of the state variable at the current time based on the state transition matrix and the estimated value of the state variable renewed at a previous time, and updates the state transition matrix, Predicting the error covariance at the current time based on the process noise covariance associated with the error covariance and dynamics modeling, and estimating the error covariance at the current time with the first probability that the target exists in the track, Predicts a probability that the target exists for the track at the current time based on a second probability of the target being present on the track and a third probability of the target being renewed at the previous time.
바람직하게는, 상기 예측하는 단계는 상기 제3 확률과 상기 제1 확률을 곱하여 제1 연산값을 산출하고, 1에서 상기 제3 확률을 뺀 값과 상기 제2 확률을 곱하여 제2 연산값을 산출하며, 상기 제1 연산값과 상기 제2 연산값을 더하여 상기 현재 시간에 상기 해당 트랙에 대한 상기 표적이 존재할 확률을 예측한다.Preferably, the predicting step may include calculating a first calculation value by multiplying the third probability by the first probability, multiplying a value obtained by subtracting the third probability from 1 and the second probability to calculate a second calculation value And adds the first calculation value and the second calculation value to predict a probability that the target exists for the track in the current time.
바람직하게는, 상기 예측하는 단계는 상기 상태 변수의 추정값으로 상기 표적의 위치를 추정한 값과 상기 표적의 속도를 추정한 값을 예측한다.Preferably, the predicting step predicts a value obtained by estimating the position of the target with the estimated value of the state variable and a value obtained by estimating the speed of the target.
바람직하게는, 상기 최종 궤적들을 상기 트랙들로 생성하는 단계는 상기 임시 궤적들 중에서 상기 최종 궤적들을 선택할 때 각각의 트랙에 대한 정보로 해당 트랙에 대한 상기 표적이 존재할 확률을 이용한다.Advantageously, the step of generating the final trajectories as the tracks utilizes the probability that the target exists for the track as information about each track when selecting the final trajectory from the temporary trajectories.
바람직하게는, 상기 획득하는 단계는 각각의 탐지 정보로 상기 표적까지의 거리와 상기 표적의 방위를 획득한다.Advantageously, said acquiring acquires the distance to said target and the orientation of said target with each piece of detection information.
바람직하게는, 상기 보정하는 단계는 동역학 모델링(Kinetic modeling)을 이용하여 상기 제2 탐지 정보가 상기 제1 탐지 정보와 동일 시간에 획득된 것이 되도록 상기 제2 트랙을 보정한다.Advantageously, said correcting step corrects said second track such that said second detection information is obtained at the same time as said first detection information using kinetic modeling.
바람직하게는, 상기 보정하는 단계는 상기 제2 트랙에 대한 정보들을 보정하여 상기 제2 트랙을 보정하며, 상기 제2 트랙에 대한 정보들로 상기 표적과 관련된 상태 변수의 추정값, 상기 상태 변수의 추정과 관련된 오차 공분산, 및 해당 트랙에 대한 상기 표적이 존재할 확률을 보정한다.Advantageously, said correcting step corrects said second track by correcting information about said second track, and estimates the state variable associated with said target with said information about said second track, And the probability that the target for the track is present.
바람직하게는, 상기 보정하는 단계는 상기 기준 센서가 상기 제1 탐지 정보를 획득할 때의 시간과 상기 기타 센서가 상기 제2 탐지 정보를 획득할 때의 시간 사이의 시간차를 성분으로 포함하는 제1 행렬 및 단위 행렬 간 크로네커 곱(Kronecker product)으로부터 얻은 제2 행렬을 기초로 상기 상태 변수의 추정값을 보정한다.Preferably, the correcting step may include a first time interval including a time difference between a time when the reference sensor acquires the first detection information and a time when the other sensor acquires the second detection information, And corrects the estimate of the state variable based on the second matrix obtained from the Kronecker product between the matrix and the unit matrix.
바람직하게는, 상기 보정하는 단계는 상기 제2 행렬, 상기 제2 행렬의 전치 행렬(Transposed matrix), 상기 시간차와 상기 시간차를 2로 나눈 값을 성분으로 포함하는 제3 행렬, 및 상기 제3 행렬의 전치 행렬을 기초로 상기 오차 공분산을 보정한다.Advantageously, the correcting step comprises: a second matrix, a transposed matrix of the second matrix, a third matrix containing as a component a value obtained by dividing the time difference by the time difference by 2, The error covariance is corrected based on the transposed matrix of the error covariance matrix.
바람직하게는, 상기 추적하는 단계는 상기 제1 트랙 및 상기 제2 트랙을 융합하여 얻은 융합 트랙을 기초로 상기 표적을 추적한다.Advantageously, said tracking tracks said target based on a fusion track obtained by fusing said first track and said second track.
본 발명은 상기한 목적 달성을 위한 구성들을 통하여 다음 효과를 얻을 수 있다.The present invention can achieve the following effects through the above-described configurations.
첫째, 비동기 다중 샘플링 주기를 갖는 다중 센서 환경에서 유동적인 정보 융합이 가능해진다.First, flexible information fusion is possible in a multi-sensor environment with asynchronous multiple sampling periods.
둘째, 전송된 다른 센서의 확정 로컬 트랙을 융합 트랙에 맞게 보정해줌으로써 융합 트랙의 정확도를 향상시킬 수 있다.Second, the accuracy of the fusion track can be improved by correcting the confirmed local track of the transmitted sensor to fit the fusion track.
도 1은 본 발명의 일실시예에 따른 자동 표적 추적 시스템의 개념도이다.
도 2는 도 1의 자동 표적 추적 시스템에서 각 센서에 연동되는 로컬 트랙 처리 유닛의 내부 구성도이다.
도 3은 도 1의 자동 표적 추적 시스템을 구성하는 트랙 융합 유닛의 내부 구성도이다.
도 4는 본 발명의 바람직한 실시예에 따른 표적 추적 시스템의 개념도이다.
도 5는 도 4의 표적 추적 시스템을 구성하는 트랙 생성부의 내부 구성도이다.
도 6은 본 발명의 바람직한 실시예에 따른 표적 추적 방법을 개략적으로 도시한 흐름도이다.1 is a conceptual diagram of an automatic target tracking system according to an embodiment of the present invention.
2 is an internal block diagram of a local track processing unit interlocked with each sensor in the automatic target tracking system of FIG.
3 is an internal configuration diagram of a track fusion unit constituting the automatic target tracking system of FIG.
4 is a conceptual diagram of a target tracking system according to a preferred embodiment of the present invention.
FIG. 5 is an internal configuration diagram of a track generation unit constituting the target tracking system of FIG. 4;
6 is a flowchart schematically showing a target tracking method according to a preferred embodiment of the present invention.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성요소들에 참조 부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the drawings, the same reference numerals are used to designate the same or similar components throughout the drawings. In the following description of the present invention, a detailed description of known functions and configurations incorporated herein will be omitted when it may make the subject matter of the present invention rather unclear. In addition, the preferred embodiments of the present invention will be described below, but it is needless to say that the technical idea of the present invention is not limited thereto and can be variously modified by those skilled in the art.
동기식 다중 센서 환경에서의 자동 표적 추적 및 정보 융합 기법은 동기식 센서 환경에 적용되는 것으로서, 다음 순서에 따라 작동한다.Automatic target tracking and information fusion in a synchronous multiple sensor environment are applied to a synchronous sensor environment and operate in the following order.
먼저 각 단일 센서에 탐지된 정보(측정치)들을 이용하여 로컬 추적을 수행하며, 로컬 추적시 자동 표적 추적을 위한 트랙 관리 기법을 적용한다. 이후 확정된 로컬 트랙들을 융합 센터에 전송한다. 이후 각 단일 센서에서 확정된 로컬 트랙들을 융합하고 트랙 평가를 위한 융합 트랙 스코어를 계산한다. 이후 이 정보들을 저장하고 있다가 융합 트랙 관리를 위해 사용한다.First, local tracking is performed using the information (measured values) detected in each single sensor, and a track management technique for automatic target tracking is applied in local tracking. And then transmits the confirmed local tracks to the fusion center. It then fuses the determined local tracks in each single sensor and calculates the fused track score for track evaluation. It then stores this information and uses it for fusion track management.
그런데 상기한 기법은 다중 센서 환경에 적용할 경우 전송된 확정 로컬 트랙들이 서로 동기화되어야 적용이 가능해지는 한계가 있으며, 실제 다중 센서 시스템에서 센서들의 동기화는 어렵다는 문제점도 있다.However, in the case of applying the above technique to a multi-sensor environment, there is a limitation that the transmitted definite local tracks need to be synchronized with each other, and there is also a problem that synchronization of sensors in a real multi-sensor system is difficult.
상기한 기법의 한계 및 문제점은 본 발명을 통해 해결 가능하다. 이하 도면을 참조하여 본 발명을 보다 자세하게 설명한다.The limitations and problems of the above-described technique can be solved by the present invention. BEST MODE FOR CARRYING OUT THE INVENTION Hereinafter, the present invention will be described in detail with reference to the drawings.
도 1은 본 발명의 일실시예에 따른 자동 표적 추적 시스템의 개념도이다.1 is a conceptual diagram of an automatic target tracking system according to an embodiment of the present invention.
실제 다중 센서 시스템의 경우 비동기 다중 샘플링 주기 환경일 경우가 많은데, 이러한 환경에서 탐지 정보들을 이용하여 자동으로 표적을 추적할 수 있는 방법이 제안되어 있지 않다. 본 발명에서 제안하는 자동 표적 추적 시스템(100)은 이러한 문제점을 해결하기 위한 것으로서, 비동기 다중 샘플링 주기를 갖는 다중 센서 환경에서 표적을 자동으로 추적하고 그에 따른 정보들을 융합한다.In actual multi-sensor systems, asynchronous multi-sampling cycle environment is often used. In this environment, there is not proposed a method of automatically tracking a target using detection information. The automatic
자동 표적 추적 시스템(100)은 비동기식 센서 환경에서 분산식 정보 융합(트랙 융합)을 수행하기 위해 각 센서에서의 확정 로컬 트랙 정보들을 같은 시간대에 맞춰 주는 작업이 요구된다. 자동 표적 추적 시스템(100)은 동역학 모델을 이용하여 확정 로컬 트랙 정보를 보정하여 비동기식 센서 환경에서의 기존 정보 융합 문제점을 해결하고자 한다.The automatic
도 1을 참조하면, 자동 표적 추적 시스템(100)은 제1 센서(110), 제2 센서(150), 제1 로컬 트랙 처리 유닛(120), 제2 로컬 트랙 처리 유닛(160), 로컬 트랙 보정 유닛(130) 및 트랙 융합 유닛(140)을 포함한다.Referring to Figure 1, an automatic
제1 센서(110)와 제2 센서(150)는 표적에 대한 탐지 정보를 획득하는 기능을 수행한다. 본 실시예에서 제1 센서(110)와 제2 센서(150)는 비동기식 환경(170)에서 작동하는 것을 특징으로 한다. 즉 제1 센서(110)와 제2 센서(150)는 샘플링 주기가 서로 다른 것을 특징으로 한다.The first sensor 110 and the
제1 센서(110)와 제2 센서(150)에 의해 획득되는 탐지 정보는 표적에 대한 2차원 상의 거리 및 방위로 구성될 수 있다. 이를 수식으로 표현하면 다음과 같다.Detection information obtained by the first sensor 110 and the
Zk = [γk, θk]T Z k = [? K ,? K ] T
상기에서 Zk는 스캔 k에서의 센서에서 획득한 탐지 정보 벡터를 의미한다. γk는 탐지 정보 벡터 중 거리 정보를 의미하며, θk는 탐지 정보 벡터 중 방위 정보를 의미한다.In the above, Z k denotes a detection information vector obtained from the sensor at scan k. γ k denotes distance information in the detection information vector, and θ k denotes azimuth information in the detection information vector.
도 1에서는 편의상 센서가 2개 구비된 것으로 설명하였으나, 본 발명에서 센서는 3개 이상 구비되는 것도 가능하다. 센서가 3개 이상 구비될 경우 이에 대응하게 로컬 트랙 처리 유닛이 추가됨은 물론이다.In FIG. 1, two sensors are provided for convenience. However, in the present invention, three or more sensors may be provided. Of course, when three or more sensors are provided, a local track processing unit is added correspondingly.
제1 로컬 트랙 처리 유닛(120)과 제2 로컬 트랙 처리 유닛(160)은 연동되는 제1 센서(110)와 제2 센서(150)에 의해 획득된 탐지 정보를 기초로 확정 로컬 트랙을 생성하는 기능을 수행한다. 본 실시예에서 트랙은 표적으로 간주되는 오브젝트가 이동하는 궤적을 의미한다.The first local
제1 로컬 트랙 처리 유닛(120)과 제2 로컬 트랙 처리 유닛(160)은 상기한 기능을 수행하기 위해 동일한 내부 구성을 갖출 수 있다. 이하에서는 제1 로컬 트랙 처리 유닛(120)을 대표로 하여 그 내부 구성에 대하여 설명할 것이나, 이 내부 구성이 제2 로컬 트랙 처리 유닛(160)에도 동일하게 적용됨은 물론이다.The first local
도 2는 도 1의 자동 표적 추적 시스템에서 각 센서에 연동되는 로컬 트랙 처리 유닛의 내부 구성도이다.2 is an internal block diagram of a local track processing unit interlocked with each sensor in the automatic target tracking system of FIG.
도 2에 따르면, 제1 로컬 트랙 처리 유닛(120)은 트랙 초기화 모듈(121), 예측 모듈(122), 쇄신 모듈(123), 트랙 제거 모듈(124), 트랙 확정 모듈(125) 및 트랙 합병 모듈(126)을 포함한다.2, the first local
트랙 초기화 모듈(121)은 제1 센서(110)에 의해 획득된 탐지 정보를 이용하여 가능한 트랙들을 초기화시키는 기능을 수행한다.The track initialization module 121 performs the function of initializing the available tracks using the detection information obtained by the first sensor 110. [
예측 모듈(122)은 상태 변수 천이 행렬(State transition matrix)을 이용하여 트랙 정보를 예측하는 기능을 수행한다. 예측 모듈(122)에 의해 예측되는 트랙 정보에는 상태 변수 추정치(위치, 속도), 오차 공분산, 트랙 존재 확률 등이 있다.The
예측 모듈(122)은 트랙 존재 확률 기반의 알고리즘을 이용하여 상태 변수 추정치, 오차 공분산, 트랙 존재 확률 등을 예측할 수 있다. 예측 모듈(122)은 트랙 존재 확률 기반의 알고리즘으로 예컨대 IPDA(Integrated Probabilistic Data Association) 필터를 이용할 수 있다.The
예측 모듈(122)은 다음 수학식 1을 이용하여 상태 변수 추정치, 오차 공분산, 트랙 존재 확률 등을 예측할 수 있다.The
수학식 1을 참조하면, 예측 모듈(122)은 수학식 1의 (a)를 이용하여 상태 변수 추정치를 예측할 수 있다. 수학식 1의 (a)에서 401은 시간 ti -1(이전 시간)에서 ti(현재 시간)로 예측된 상태 변수 추정치를 의미한다. F는 상태 변수 천이 행렬(4×4 행렬)을 의미한다. 402는 시간 ti -1에서 쇄신된 상태 변수 추정치를 의미한다.Referring to Equation (1), the prediction module (122) can predict a state variable estimate using Equation (1). In Equation (1), 401 denotes a state variable estimation value predicted from time t i -1 (previous time) to t i (current time). F means a state variable transition matrix (4 × 4 matrix). 402 denotes a state variable estimate renewed at time t i -1 .
예측 모듈(122)은 수학식 1의 (b)를 이용하여 오차 공분산을 예측할 수 있다. 수학식 1의 (b)에서 403은 시간 ti -1에서 ti로 예측된 상태 변수 오차 공분산을 의미한다. 404는 시간 ti -1에서 쇄신된 상태 변수 오차 공분산을 의미한다. Q는 공정 잡음 공분산을 의미한다.The
예측 모듈(122)은 수학식 1의 (c)를 이용하여 트랙 존재 확률을 예측할 수 있다. 수학식 1의 (c)에서 405은 시간 ti에서 표적이 존재할 사건을 의미한다. 406은 시간 ti에서의 사전 트랙 존재 확률을 의미한다. p11은 시간 ti -1에서 표적이 존재하였고 시간 ti에서도 표적이 존재할 확률을 의미한다. 407은 시간 ti -1에서의 사후 트랙 존재 확률을 의미한다. p12는 시간 ti -1에서 표적이 존재하지 않았지만 시간 ti에서는 표적이 존재할 확률을 의미한다.The
한편 본 실시예에서 상태 변수는 표적에 대한 2차원 상의 위치 및 속력으로 구성되는 벡터로 표현할 수 있다. 상태 변수 벡터는 수학식 2에 도시된 바와 같이 나타낼 수 있다.Meanwhile, in the present embodiment, the state variable can be expressed by a vector composed of two-dimensional position and speed with respect to the target. The state variable vector can be expressed as shown in equation (2).
상기에서 Xk는 스캔 k에서의 표적의 상태 변수 벡터를 의미한다. xk는 상태 변수 중 x축 위치 정보를 의미하며, yk는 상태 변수 중 y축 위치 정보를 의미한다. 408은 상태 변수 중 x축 속력 정보를 의미하며, 409는 상태 변수 중 y축 속력 정보를 의미한다.Where X k denotes the state variable vector of the target at scan k. x k denotes x-axis position information among state variables, and y k denotes y-axis position information among state variables. 408 denotes x-axis speed information among state variables, and 409 denotes y-axis speed information among state variables.
쇄신 모듈(123)은 현재 스캔에서의 탐지 정보를 이용하여 트랙 정보를 쇄신하는 기능을 수행한다. 도 2에서 쇄신 모듈(123)로 입력되는 정보는 제1 센서(110)에 의해 획득된 탐지 정보를 의미한다.The
쇄신 모듈(123)은 다음 수학식 3을 이용하여 트랙 정보 중 상태 변수 추정치, 오차 공분산 등을 쇄신할 수 있다.The
수학식 3을 참조하면, 쇄신 모듈(123)은 수학식 3의 (a)를 이용하여 상태 변수 추정치를 쇄신할 수 있다. 수학식 3의 (a)에서 410은 시간 ti에서 쇄신된 상태 변수 추정치를 의미한다. 411은 시간 ti에서 k번째 측정치가 표적 정보일 확률을 의미한다. 412는 시간 ti에서 k번째 측정치로 쇄신된 상태 변수 추정치를 의미한다.Referring to Equation (3), the modification module (123) can rewrite the state variable estimate using Equation (3). In Equation (3) (a), 410 denotes a state variable estimate renewed at time t i . 411 denotes probability that the kth measurement value at time t i is the target information. And 412 denotes a state variable estimate renewed from the time t i to the k-th measurement value.
쇄신 모듈(123)은 수학식 3의 (b)를 이용하여 오차 공분산을 쇄신할 수 있다. 수학식 3의 (b)에서 413은 시간 ti에서 쇄신된 상태 변수 오차 공분산을 의미한다. 414는 시간 ti에서 k번째 측정치로 쇄신된 상태 변수 추정치 오차 공분산을 의미한다.The
다음 수학식 4는 쇄신 모듈(123)이 수학식 3을 이용하여 상태 변수 추정치와 오차 공분산을 쇄신할 때의 조건을 나타낸다.Equation (4) below represents the condition when the
상기에서 415는 시간 ti에서 k번째 측정치를 의미한다. 416은 측정 방정식을 의미한다. H는 비선형 측정치 모델을 선형화시키기 위한 측정치 행렬(Measurement matrix)을 의미한다. R은 측정 잡음 공분산 행렬(Measurement error matrix)을 의미한다.Where 415 denotes the k-th measurement at time t i . Reference numeral 416 denotes a measurement equation. H denotes a measurement matrix for linearizing a nonlinear measurement model. R denotes a measurement error covariance matrix.
한편 상기에서 415가 시간 ti에서 k번째 측정치를 의미한다고 설명하였다. 시간 ti에서 k번째 측정치와 관련된 측정치 모델링은 다음 수학식 5를 참조하여 설명한다.On the other hand, in the above description, 415 means the k-th measurement value at time t i . The measurement modeling associated with the k-th measurement at time t i will be described with reference to the following equation (5).
상기에서 ωti,r은 거리 정보에 대한 측정 잡음(백색 가우시안 잡음으로 가정)을 의미하며, ωti,θ는 방위 정보에 대한 측정 잡음(백색 가우시안 잡음으로 가정)을 의미한다. xti는 시간 ti에서 표적의 x축 위치를 의미하며, xs는 센서의 x축 위치를 의미한다. yti는 시간 ti에서 표적의 y축 위치를 의미하며, ys는 센서의 y축 위치를 의미한다.In the above, ω ti, r means measurement noise (assuming white Gaussian noise) for distance information, and ω ti, θ means measurement noise (assuming white Gaussian noise) for azimuth information. x ti denotes the x-axis position of the target at time t i , and x s denotes the x-axis position of the sensor. y ti denotes the y-axis position of the target at time t i , and y s denotes the y-axis position of the sensor.
수학식 4에서 415는 측정치를 나타내며, 만약 해당 측정치가 표적에 대한 정보일 경우 수학식 5가 관련된 측정치 모델링이 된다. 그러나 해당 측정치가 거짓 정보(클러터)일 경우, 일반적으로 시뮬레이션 상에서는 감시 영역에 대해 균일 분포 형태로 생성하게 된다.In Equation 4, 415 represents a measurement, and Equation 5 becomes a related measurement modeling if the measurement is information on a target. However, when the measured value is false information (clutter), it is generally generated in the form of uniform distribution for the surveillance area in the simulation.
본 실시예에서 가정한 측정치 모델링 예시는 거리 정보와 방위 정보가 탐지 정보로 획득된다고 가정하였으며, 수학식 5와 같이 표적과 센서의 x축과 y축에서의 상대 거리 및 방위에 측정 잡음이 섞이는 형태로 표현된다.Assuming that the distance information and the azimuth information are obtained as the detection information, the measurement modeling example assumed in this embodiment assumes that the measurement noise is mixed in the relative distance and azimuth between the target and the sensor in the x-axis and y- Lt; / RTI >
쇄신 모듈(123)은 수학식 6을 이용하여 트랙 정보 중 트랙 존재 확률을 쇄신할 수 있다.The
상기에서 417은 시간 ti에서의 사후 트랙 존재 확률을 의미한다. 418은 시간 ti에서의 사전 트랙 존재 확률을 의미한다. Λti는 시간 ti에서의 우도비(Likelihood ratio)를 의미하며, PD는 표적의 탐지 확률을 의미한다. PG는 게이팅 확률을 의미하며, mti는 시간 ti에서의 유효 측정치 개수를 의미한다. λ는 클러터 공간 밀도를 의미하며, pt,k는 시간 ti에서의 k번째 측정치에 대한 트랙의 우도(Likelihood)를 의미한다.In the above, 417 denotes the probability of existence of a track after time t i . Reference numeral 418 denotes a pre-track existence probability at time t i . Λ ti denotes the likelihood ratio at time t i , and P D denotes the detection probability of the target. P G denotes the gating probability, and m ti denotes the number of valid measurements at time t i . λ denotes the clutter spatial density, and p t, k denotes the likelihood of the track for the k th measurement at time t i .
트랙 제거 모듈(124)은 트랙 정보 중 트랙 존재 확률을 이용하여 제거 문턱값(임계값) 이하의 값을 갖는 트랙들을 제거하는 기능을 수행한다. 트랙 제거 모듈(124)이 제거 문턱값 이하의 값을 갖는 트랙들을 제거하는 것은 이 트랙들이 표적에 대한 트랙일 가능성이 낮기 때문이다.The track removal module 124 performs a function of removing tracks having a value less than or equal to the removal threshold value (threshold value) using the track existence probability in the track information. The reason that the track clear module 124 removes tracks having a value below the removal threshold value is that these tracks are unlikely to be tracks for the target.
트랙 확정 모듈(125)은 트랙 정보 중 트랙 존재 확률을 이용하여 확정 문턱값 이상의 값을 갖는 트랙들을 확정하는 기능을 수행한다. 트랙 확정 모듈(125)이 확정 문턱값 이상의 값을 갖는 트랙들을 확정하는 것은 이 트랙들이 표적에 대한 트랙일 가능성이 높기 때문이다.The track determination module 125 performs a function of determining tracks having a value equal to or greater than a predetermined threshold value by using a track existence probability in the track information. It is because the track confirmation module 125 confirms the tracks having a value equal to or larger than the determination threshold value because these tracks are likely to be tracks for the target.
트랙 합병 모듈(126)은 유사 트랙들을 하나의 트랙으로 합병하는 기능을 수행한다. 상기에서 유사 트랙들은 동일 표적에 대한 트랙들을 의미한다.The
매 스캔 트랙 초기화 단계를 수행함에 따라 동일 표적에 대한 트랙들이 다수 존재할 수 있다. 본 발명에서는 이 점을 고려하여 트랙 합병 모듈(126)을 더욱 구비한다. 트랙 합병 모듈(126)은 유사 트랙들을 하나의 트랙으로 합병한 후 합병된 트랙을 로컬 트랙 보정 유닛(130)으로 전송하는 기능을 수행한다.There can be many tracks for the same target by performing every scan track initialization step. In the present invention, the
한편 본 실시예에서 동일 표적에 대한 트랙은 하나만 존재할 수도 있다. 이 경우에는 트랙 확정 모듈(125)이 확정된 트랙을 로컬 트랙 보정 유닛(130)으로 전송하는 기능을 수행한다. 본 실시예에서는 이러한 경우를 참작하여 트랙 합병 모듈(126)을 구비하지 않는 것도 가능하다.In the present embodiment, however, there may be only one track for the same target. In this case, the track determination module 125 performs the function of transmitting the determined track to the local track correction unit 130. [ In this embodiment, it is also possible that the
한편 도 2에서 트랙 초기화 모듈(121), 예측 모듈(122), 쇄신 모듈(123), 트랙 제거 모듈(124), 트랙 확정 모듈(125) 및 트랙 합병 모듈(126)은 순환하는 구조를 가진다. 이와 같이 순환하는 구조로 되어 있는 이유는 매 스캔 센서를 통해 탐지 정보가 입력되면 해당 정보를 이용하여 트랙 정보들이 쇄신되기 때문이다.In FIG. 2, the track initialization module 121, the
다시 도 1을 참조하여 설명한다.Referring back to FIG.
로컬 트랙 보정 유닛(130)은 기준 센서를 제외한 나머지 센서들 즉 기타 센서들과 연동되는 로컬 트랙 확정 유닛으로부터 확정 로컬 트랙이 생성되면 이 확정 로컬 트랙을 보정하는 기능을 수행한다. 도 1의 일례에서 기준 센서를 제2 센서(150)로 할 경우, 기준 센서와 연동되는 로컬 트랙 확정 유닛은 제2 로컬 트랙 처리 유닛(160)을 의미한다. 그리고 기타 센서 및 기타 센서와 연동되는 로컬 트랙 확정 유닛은 각각 제1 센서(110) 및 제1 로컬 트랙 처리 유닛(120)을 의미한다.The local track correction unit 130 performs a function of correcting the determined local track when a definite local track is generated from the local track determination unit interlocked with the remaining sensors except the reference sensor, i.e., other sensors. In the example of Fig. 1, when the reference sensor is the
로컬 트랙 보정 유닛(130)은 기준 센서가 탐지 정보를 획득한 시간 정보를 기초로 기타 센서들과 연동되는 로컬 트랙 확정 유닛으로부터 생성된 확정 로컬 트랙을 보정한다. 본 실시예에서 센싱 필드에 구비되는 센서들(도 1의 경우 제1 센서(110)와 제2 센서(150))은 비동기식 환경에서 작동하는 것들로서 샘플링 주기가 서로 다른 것을 특징으로 한다. 따라서 도 1의 경우 제1 센서(110)와 제2 센서(150)의 샘플링 주기가 서로 다를 경우 각 센서에서 생성된 트랙 정보 시간이 다르기 때문에 해당 시간 차만큼의 트랙 정보를 보정한다.The local track correction unit 130 corrects the determined local track generated from the local track determination unit that is interlocked with other sensors based on the time information at which the reference sensor acquired the detection information. In the present embodiment, the sensors (the first sensor 110 and the
로컬 트랙 보정 유닛(130)은 본 실시예에서 기타 센서들에 연동되는 각각의 로컬 트랙 확정 유닛에 대응하게 구비될 수 있으나, 하나만 구비되어 기타 센서들에 연동되는 모든 로컬 트랙 확정 유닛들에 연결되는 것도 가능하다.The local track correction unit 130 may be provided in correspondence with each local track determination unit interlocked with other sensors in this embodiment, but may be connected to all local track determination units provided with only one sensor It is also possible.
센서 필드에 도 1과 같이 제1 센서(110)와 제2 센서(150)가 구비되어 있는 경우, 제1 로컬 트랙 처리 유닛(120)에 의한 확정 로컬 트랙 정보(이하, 제1 로컬 트랙 정보)와 제2 로컬 트랙 처리 유닛(160)에 의한 확정 로컬 트랙 정보(이하, 제2 로컬 트랙 정보)의 시간대가 서로 다르기 때문에, 로컬 트랙 보정 유닛(130)은 제2 로컬 트랙 정보와 동일한 시간대로 제1 로컬 트랙 정보를 보정한다. 그 이유는 제2 센서(150)를 기준 센서로 가정하였기 때문이다. 로컬 트랙 보정 유닛(130)은 동역학 모델을 이용하여 동일 시간대로 보정할 수 있다.When the first sensor 110 and the
제1 로컬 트랙 정보(상태 변수 추정치, 오차 공분산 등)와 제2 로컬 트랙 정보(상태 변수 추정치, 오차 공분산 등)를 다음 수학식 7과 같이 나타낼 경우, 제1 로컬 트랙 정보에서 상태 변수 추정치, 오차 공분산 등은 다음 수학식 8에 의해 산출된 것을 보정할 수 있다.When the first local track information (state variable estimation value, error covariance, etc.) and second local track information (state variable estimation value, error covariance, etc.) are expressed by the following Equation (7) The covariance and the like can be corrected by the following formula (8).
상기에서 (a)는 시간 ti에서의 제1 센서(110)의 확정 로컬 트랙 정보 중 쇄신 상태 변수 추정치를 의미하며, 4×1 행렬로 나타낼 수 있다. (b)는 시간 ti에서의 제1 센서(110)의 확정 로컬 트랙 정보 중 쇄신 상태 변수 오차 공분산을 의미하며, 4×4 행렬로 나타낼 수 있다. (c)는 시간 ti에서의 제2 센서(150)의 확정 로컬 트랙 정보 중 쇄신 상태 변수 추정치를 의미하며, 4×1 행렬로 나타낼 수 있다. (d)는 시간 ti에서의 제2 센서(150)의 확정 로컬 트랙 정보 중 쇄신 상태 변수 오차 공분산을 의미하며, 4×4 행렬로 나타낼 수 있다.(A) represents a change state variable estimation value among the confirmed local track information of the first sensor 110 at time t i , and may be represented by a 4 × 1 matrix. (b) represents a change state variable error covariance among the confirmed local track information of the first sensor 110 at time t i , and may be represented by a 4 × 4 matrix. (c) represents a change state variable estimation value among the confirmed local track information of the
상기에서 ti는 제1 센서(110)의 확정 로컬 트랙 정보 시간을 의미하며, tj는 제2 센서(150)의 확정 로컬 트랙 정보 시간을 의미한다. ⓧ는 크로네커 곱(Kronecker product)을 의미하며, I2×2는 단위 행렬(2×2 행렬)을 의미한다. Qtj,ti는 공정 잡음 공분산을 의미하며, Ftj,ti는 상태 변수 천이 행렬(4×4 행렬)을 의미한다. σp는 공정 잡음 표준 편차를 의미한다.In the above, t i denotes the determined local track information time of the first sensor 110, and t j denotes the confirmed local track information time of the
수학식 8은 제1 로컬 트랙 정보에서 상태 변수 추정치, 오차 공분산, 트랙 존재 확률 등을 보정하는 과정을 보여준다. 수학식 8에서 첫번째 수식이 상태 변수 추정치를 보정하는 과정을 보여주는 것이고, 두번째 수식이 오차 공분산을 보정하는 과정을 보여주는 것이다. 그리고 마지막 수식이 트랙 존재 확률을 보정하는 과정을 보여주는 것이다.Equation (8) shows a process of correcting the state variable estimate, error covariance, track existence probability, and the like in the first local track information. In Equation (8), the first equation shows the process of correcting the state variable estimate, and the second equation shows the process of correcting the error covariance. And the last equation corrects the track presence probability.
상태 변수 추정치와 오차 공분산은 IPDA 필터의 예측 과정과 유사한 형태로 동역학 모델링의 상태 변수 천이 행렬을 이용하여 보정하고자 하는 해당 시간으로 보정되며, 트랙 존재 확률의 경우 기존 쇄신 시간에서의 트랙 존재 확률로 대체하여 사용한다.The state variable estimate and the error covariance are corrected to the corresponding time to be corrected using the state variable transition matrix of the dynamics modeling in a form similar to the prediction process of the IPDA filter. In the case of the track existence probability, .
트랙 융합 유닛(140)은 기준 센서(ex. 제2 센서(150))와 연동되는 로컬 트랙 확정 유닛(ex. 제2 로컬 트랙 처리 유닛(160))으로부터 확정 로컬 트랙을 수신하는 기능을 수행한다. 또한 트랙 융합 유닛(140)은 로컬 트랙 보정 유닛(130)으로부터 보정된 확정 로컬 트랙을 수신하는 기능을 수행한다.The
트랙 융합 유닛(140)은 수신된 확정 로컬 트랙들을 융합시키는 기능을 수행한다. 로컬 트랙 보정 유닛(130)에 의해 보정된 확정 로컬 트랙은 기준 센서와 연동되는 로컬 트랙 확정 유닛에 의해 생성된 확정 로컬 트랙과 동일 시간대에 생성된 것으로 보정된 것이다. 따라서 트랙 융합 유닛(140)은 수신된 확정 로컬 트랙들을 융합시키는 것이 가능해진다.The
트랙 융합 유닛(140)은 도 3에 도시된 바와 같이 트랙 융합 모듈(141), 융합 트랙 제거 모듈(142) 및 융합 트랙 확정 모듈(143)을 포함할 수 있다. 도 3은 도 1의 자동 표적 추적 시스템을 구성하는 트랙 융합 유닛의 내부 구성도이다.The
트랙 융합 모듈(141)은 트랙 존재 확률 기반의 트랙 융합 기능을 수행한다. 이때 트랙 융합 모듈(141)은 로컬 트랙 보정 유닛(130)에 의해 보정된 확정 로컬 트랙을 마치 측정치처럼 사용하여 기준 센서와 연동되는 로컬 트랙 처리 유닛에 의해 생성된 확정 로컬 트랙과 융합시킨다.The track fusing module 141 performs a track fusing function based on the track presence probability. At this time, the track fusing module 141 fuses the definite local track corrected by the local track correcting unit 130 with the determined local track generated by the local track processing unit, which is used as a measurement value and interlocked with the reference sensor.
도 1의 일실시예에서는 제2 센서(150)를 기준 센서로 설명하였다. 따라서 제2 로컬 트랙 처리 유닛(160)의 확정 로컬 트랙은 제1 로컬 트랙 처리 유닛(120)에 의해 생성된 뒤 로컬 트랙 보정 유닛(130)에 의해 보정된 확정 로컬 트랙을 마치 측정치처럼 사용하여 융합 트랙을 생성시킨다. 트랙 융합 모듈(141)은 트랙 존재 확률, 상태 변수 추정치, 오차 공분산 등의 융합 결과를 산출하여 이를 최종 추정치로 하여 융합 트랙을 생성할 수 있다.In the embodiment of FIG. 1, the
트랙 융합 모듈(141)은 트랙 존재 확률 기반으로 트랙을 융합할 때 융합 트랙에 대한 상태 변수 추정치, 오차 공분산, 트랙 존재 확률 등을 산출할 수 있다. 이하 이에 대해 설명한다.The track fusing module 141 may calculate a state variable estimate, an error covariance, a track existence probability, and the like for the fusion track when fusing the tracks based on the track presence probability. This will be described below.
트랙 융합 모듈(141)은 다음 수학식 9를 이용하여 융합 트랙에 대한 상태 변수 추정치와 오차 공분산을 산출할 수 있다.The track fusing module 141 may calculate the state variable estimate and the error covariance for the fusion track using the following equation (9).
수학식 9에서 위 식은 상태 변수 추정치를 산출하기 위한 식이며, 아래 식은 오차 공분산을 산출하기 위한 식이다. 수학식 9의 위 식에서 419는 시간 tj에서 융합 트랙에 대한 상태 변수 추정치를 의미한다. 420은 시간 tj에서 제1 센서(110) n번째 로컬 트랙이 표적 정보일 확률을 의미하며, 421은 시간 tj에서 제1 센서(110) n번째 로컬 트랙으로 쇄신된 상태 변수 추정치를 의미한다. 수학식 9의 아래 식에서 422는 시간 tj에서 융합 트랙에 대한 상태 변수 오차 공분산을 의미하며, 423은 시간 tj에서 제1 센서(110) n번째 로컬 트랙으로 쇄신된 상태 변수 오차 공분산을 의미한다.In Equation (9), the above equation is used to calculate the state variable estimate, and the following equation is used to calculate the error covariance. In equation (9), 419 represents the state variable estimate for the fusion track at time t j . Reference numeral 420 denotes a probability that the nth local track of the first sensor 110 at time t j is the target information, and 421 denotes a state variable estimate updated at time t j to the nth local track of the first sensor 110 . In the following equation (9), 422 denotes a state variable error covariance for the fusion track at time t j , and 423 denotes a state variable error covariance reconstructed from the first sensor 110 to the n-th local track at time t j .
한편 수학식 9에 따라 융합 트랙에 대한 상태 변수 추정치와 오차 공분산을 산출할 때 조건식은 다음 수학식 10과 같다.Meanwhile, when calculating the state variable estimation value and the error covariance for the fusion track according to Equation (9), the conditional expression is expressed by Equation (10).
수학식 10에서 424는 시간 tj에서 제1 센서(110) n번째 로컬 트랙을 의미한다.In equation (10) 424 refers to the first sensor (110) n-th track in the local time t j.
한편 트랙 융합 모듈(141)은 다음 수학식 11을 이용하여 트랙 존재 확률(즉 융합 트랙에 대한 사후 트랙 존재 확률)을 산출할 수 있다.On the other hand, the track fusing module 141 can calculate the track presence probability (that is, the post track existence probability for the fusion track) using the following equation (11).
수학식 11에서 425는 시간 tj에서의 융합 트랙에 대한 사후 트랙 존재 확률을 의미한다. 426은 시간 tj에서의 제2 센서(150) 로컬 트랙의 사후 트랙 존재 확률을 의미한다. 427은 시간 tj에서의 융합 트랙의 우도비(Likelihood ratio)를 의미하며, 428은 시간 tj에서의 제1 센서(110) n번째 로컬 트랙의 사후 트랙 존재 확률을 의미한다. PC는 트랙의 탐지 확률을 의미하며, n은 시간 tj에서의 제1 센서(110) 로컬 트랙 인덱스를 의미한다. Pt+ i,n은 시간 tj에서의 제1 센서(110) n번째 로컬 트랙에 대한 우도를 의미하며, λt+i,n은 거짓 트랙 공간 밀도를 의미한다.In Equation (11), 425 denotes a post track existence probability for the fusion track at time t j . Reference numeral 426 denotes a post track existence probability of the local track of the
융합 트랙 제거 모듈(142)은 융합 트랙 중 트랙 존재 확률을 이용하여 제거 문턱값(임계값) 이하의 값을 갖는 트랙들을 제거하는 기능을 수행한다. 융합 트랙 제거 모듈(142)이 제거 문턱값 이하의 값을 갖는 트랙들을 제거하는 것은 이 트랙들이 표적에 대한 트랙일 가능성이 낮기 때문이다.The fusion track removal module 142 performs a function of removing tracks having a value equal to or less than the removal threshold value (threshold value) using the track presence probability in the fusion track. It is because the fused track removal module 142 removes tracks having a value below the removal threshold value because these tracks are less likely to be tracks for the target.
융합 트랙 확정 모듈(143)은 융합 트랙 중 트랙 존재 확률을 이용하여 확정 문턱값 이상의 값을 갖는 트랙들을 확정하는 기능을 수행한다. 융합 트랙 확정 모듈(143)이 확정 문턱값 이상의 값을 갖는 트랙들을 확정하는 것은 이 트랙들이 표적에 대한 트랙일 가능성이 높기 때문이다.The fusing
확정 로컬 트랙들은 트랙 융합 유닛(140)으로 입력되기 이전에 각각의 로컬 트랙 처리 유닛(즉 트랙 제거 모듈(124)와 트랙 확정 모듈(125))에 의해 필터링된다. 따라서 본 실시예에서는 이 점을 고려하여 트랙 융합 유닛(140)이 융합 트랙 제거 모듈(142)과 융합 트랙 확정 모듈(143)을 구비하지 않아도 무방하다.The confirmed local tracks are filtered by each local track processing unit (i.e., the track removal module 124 and the track determination module 125) before being input to the
다중 센서 환경에서의 트랙 융합 기법은 최적의 정보 융합 기법으로 알려진 측정치 융합 기법에 비해 성능은 다소 떨어진다. 하지만 측정치 융합 기법이 융합 센터에 대한 의존도가 커 융합 센터의 고장이 전체 네트워크의 신뢰도로 이어지고 통신량이 많아 과부하가 초래될 수 있다는 단점이 있어서 자료의 송수신량이 적은 트랙 융합 기법에 대한 연구가 많이 이루어지고 있다.The performance of the track convergence technique in the multi - sensor environment is somewhat lower than that of the measurement convergence technique known as the optimal information fusion technique. However, there is a disadvantage that the measurement convergence technique is highly dependent on the convergence center, and the failure of the convergence center leads to the reliability of the whole network and the overload due to a large amount of traffic can be caused. Therefore, there are many studies on the track convergence technique, have.
최근에 제안된 트랙 융합 기법은 센서들의 주기가 같고 동기화되었다는 가정 하에 자동으로 트랙들을 관리하고 융합하는 방법이었지만, 실제 센서 환경이 동기화되기 어렵다는 문제점이 존재하기 때문에 본 발명에서는 이를 감안하여 해결 방안을 제시한다.Recently, the proposed track fusion method manages and fuses tracks automatically based on the assumption that the sensors are synchronized with each other. However, since there is a problem that the actual sensor environment is difficult to synchronize, the present invention proposes a solution do.
각 센서에서는 탐지된 정보들을 이용하여 단일 센서 환경에서의 트랙 관리 기법이 적용된 자동 표적 추적 기법이 수행된다. 이를 통해 표적 정보 뿐만 아니라 거짓 정보들도 함께 탐지되는 센서 환경에서 거짓 정보로 발생된 트랙들은 제거되고 표적에 대한 트랙들을 식별하여 추적할 수 있다.In each sensor, an automatic target tracking method using a track management technique in a single sensor environment is performed using the detected information. In this way, in the sensor environment where not only the target information but also the false information are detected, tracks generated as false information can be removed and the tracks for the target can be identified and tracked.
그리고 트랙 융합을 위해서는 각 센서에서 형성된 확정 로컬 트랙들을 융합해야 하는데, 각 센서의 확정 로컬 트랙들이 서로 비동기라는 문제점을 해결하기 위해 본 발명에서는 수신된 확정 트랙 정보를 같은 시간대로 보정해 주는 과정을 추가적으로 구성하였다. 보정 과정은 대상이 되는 추정된 정보를 동역학 모델을 통해 원하는 시간대로 예측해 주는 방법을 적용하였다.In order to solve the problem that the determined local tracks of each sensor are asynchronous with each other, it is necessary to fuse the confirmed local tracks formed by the respective sensors in order to perform the track fusion. In the present invention, Respectively. In the calibration process, a method of predicting the target information at a desired time using a dynamic model is applied.
따라서 비동기 다중 샘플링 주기를 갖는 다중 센서 환경에서 각 센서의 확정 로컬 트랙들을 동기화하여 트랙 융합이 가능하다.Thus, track fusion is possible by synchronizing the deterministic local tracks of each sensor in a multi-sensor environment with asynchronous multiple sampling periods.
이상 설명한 본 발명은 다중 센서 기반의 자동 표적 추적 및 정보 융합 시스템에 적용될 수 있다. 본 발명은 소나 센서 등을 이용하여 표적(ex. 적군)을 감시 정찰하는 데에 적용될 수 있다. 예컨대 본 발명은 다수의 소나(Sonar)들 또는 레이더들로 구성된 다중 센서 환경에서 보다 적은 통신량으로 개선된 타겟 추정 결과가 요구되는 체계에서 사용될 수 있다.The present invention described above can be applied to an automatic target tracking and information fusion system based on multiple sensors. The present invention can be applied to surveillance and reconnaissance target (ex. Enemy group) using a sonar sensor or the like. For example, the present invention can be used in a system requiring improved target estimation results with less traffic in a multi-sensor environment consisting of multiple Sonar or radars.
이상 도 1 내지 도 3을 참조하여 본 발명의 일실시 형태에 대하여 설명하였다. 이하에서는 이러한 일실시 형태로부터 추론 가능한 본 발명의 바람직한 형태에 대하여 설명한다.1 to 3, an embodiment of the present invention has been described. Best Mode for Carrying Out the Invention Hereinafter, preferred forms of the present invention that can be inferred from the above embodiment will be described.
도 4는 본 발명의 바람직한 실시예에 따른 표적 추적 시스템의 개념도이다.4 is a conceptual diagram of a target tracking system according to a preferred embodiment of the present invention.
도 4에 따르면, 표적 추적 시스템(200)은 탐지 정보 획득부들(210), 트랙 생성부들(220), 트랙 보정부(230), 표적 추적부(240) 및 주제어부(250)를 포함한다.4, the
주제어부(250)는 표적 추적 시스템(200)을 구성하는 각 구성의 전체 작동을 제어하는 기능을 수행한다.The
탐지 정보 획득부들(210)은 샘플링 주기가 서로 다른 센서들을 이용하여 표적에 대한 탐지 정보들을 획득하는 기능을 수행한다. 본 실시예에서 탐지 정보 획득부들(210)은 제1 탐지 정보 획득부(210a), 제2 탐지 정보 획득부(210b), …, 제n 탐지 정보 획득부(210n) 등과 같이 n개 구비될 수 있으며, 적어도 두 개이상 구비되는 것이 바람직하다. 상기에서 센서는 예컨대 소나 센서로 구현될 수 있다.The detection
탐지 정보 획득부들(210)에 의해 획득되는 탐지 정보들은 표적에 대한 정보 뿐만 아니라 표적이 아닌 오브젝트에 대한 정보도 포함할 수 있다. 탐지 정보 획득부들(210)은 도 1의 제1 센서(110), 제2 센서(150) 등에 대응하는 개념이다.Detection information obtained by the detection
탐지 정보 획득부들(210)은 각각의 탐지 정보로 표적까지의 거리와 표적의 방위를 획득할 수 있다.The detection
트랙 생성부들(220)은 탐지 정보 획득부들(210)에 의해 획득된 탐지 정보들을 기초로 표적의 이동 궤적을 표시하는 트랙(Track)들을 생성하는 기능을 수행한다. 본 실시예에서 트랙 생성부들(220)은 탐지 정보 획득부들(210)과 마찬가지로 제1 트랙 생성부(220a), 제2 트랙 생성부(220b), …, 제n 트랙 생성부(220n) 등과 같이 n개 구비될 수 있으며, 적어도 두 개이상 구비되는 것이 바람직하다.The
본 실시예에서 트랙 생성부들(220)은 탐지 정보 획득부들(210)에 대응하는 개수만큼 구비될 수 있다. 트랙 생성부들(220)은 도 1의 제1 로컬 트랙 처리 유닛(120), 제2 로컬 트랙 처리 유닛(160) 등에 대응하는 개념이다.In this embodiment, the number of
트랙 생성부들(220)은 도 5에 도시된 바와 같이 트랙 정보 예측부(221), 트랙 정보 쇄신부(222) 및 최종 궤적 추출부(223)를 포함할 수 있다. 도 5는 도 4의 표적 추적 시스템을 구성하는 트랙 생성부의 내부 구성도이다.The
트랙 정보 예측부(221)는 상태 천이 행렬(State transition matrix)을 이용하여 트랙들에 대한 정보들을 예측하는 기능을 수행한다. 트랙 정보 예측부(221)는 도 2의 예측 모듈(122)에 대응하는 개념이다.The track information predicting unit 221 performs a function of predicting information on tracks using a state transition matrix. The track information prediction unit 221 corresponds to the
트랙 정보 예측부(221)는 트랙 존재 확률 기반의 알고리즘을 이용하여 트랙들에 대한 정보들을 예측할 수 있다. 예컨대 트랙 정보 예측부(221)는 IPDA(Integrated Probabilistic Data Association) 알고리즘을 이용하여 트랙들에 대한 정보들을 예측할 수 있다.The track information predicting unit 221 can predict information on tracks using a track existence probability based algorithm. For example, the track information predicting unit 221 can predict information on tracks using an IPDA (Integrated Probabilistic Data Association) algorithm.
트랙 정보 예측부(221)는 각각의 트랙에 대한 정보를 예측할 때 각각의 트랙에 대한 정보로 표적과 관련된 상태 변수의 추정값, 상태 변수의 추정과 관련된 오차 공분산, 및 해당 트랙에 대한 표적이 존재할 확률을 예측할 수 있다. 트랙 정보 예측부(221)는 상태 변수의 추정값으로 표적의 위치를 추정한 값과 표적의 속도를 추정한 값을 예측할 수 있다.The track information predicting unit 221 estimates information about each track when estimating information about each track, an error covariance associated with estimation of state variables associated with the target, an error covariance associated with estimation of a state variable, Can be predicted. The track information predicting unit 221 can predict a value obtained by estimating the position of the target and an estimated value of the speed of the target with the estimated value of the state variable.
트랙 정보 예측부(221)는 상태 천이 행렬 및 이전 시간에 쇄신된 상태 변수의 추정값을 기초로 현재 시간에서의 상태 변수의 추정값을 예측할 수 있다. 상기에서 현재 시간은 탐지 정보가 획득된 시간을 의미한다.The track information predicting unit 221 can estimate an estimated value of the state variable at the current time based on the state transition matrix and the estimated value of the state variable renewed at the previous time. In the above, the current time means the time at which the detection information is obtained.
또한 트랙 정보 예측부(221)는 상태 천이 행렬, 이전 시간에 쇄신된 오차 공분산 및 동역학 모델링과 관련된 공정 잡음 공분산을 기초로 현재 시간에서의 오차 공분산을 예측할 수 있다.Also, the track information predicting unit 221 can predict the error covariance at the current time based on the state transition matrix, the error covariance reconstructed at the previous time, and the process noise covariance associated with the dynamic modeling.
또한 트랙 정보 예측부(221)는 이전 시간과 현재 시간에 해당 트랙에 표적이 존재할 제1 확률, 현재 시간에만 해당 트랙에 표적이 존재할 제2 확률 및 이전 시간에 쇄신된 표적이 존재할 제3 확률을 기초로 현재 시간에 해당 트랙에 표적이 존재할 확률을 예측할 수 있다.The track information predicting unit 221 estimates a first probability that a target exists in the track at the previous time and the current time, a second probability that the target exists in the track only at the current time, and a third probability that the target, The probability that a target exists in the track at the present time can be predicted based on the base.
상기에서 트랙 정보 예측부(221)는 제3 확률과 제1 확률을 곱하여 제1 연산값을 산출하고, 1에서 제3 확률을 뺀 값과 제2 확률을 곱하여 제2 연산값을 산출하며, 제1 연산값과 제2 연산값을 더하여 현재 시간에 해당 트랙에 대한 표적이 존재할 확률을 예측할 수 있다.The track information predicting unit 221 calculates a first calculation value by multiplying a third probability by a first probability, multiplies a value obtained by subtracting the third probability from 1 and a second probability to calculate a second calculation value, 1 < / RTI > computed value and the second computed value may be added to predict the probability that a target for the track will exist in the current time.
트랙 정보 쇄신부(222)는 탐지 정보들을 기초로 트랙 정보 예측부(221)에 의해 예측된 트랙들에 대한 정보들을 쇄신하는 기능을 수행한다. 트랙 정보 쇄신부(222)는 도 2의 쇄신 모듈(123)에 대응하는 개념이다.The track information creating unit 222 performs a function of replacing information on tracks predicted by the track information predicting unit 221 based on the detection information. The track information creating unit 222 corresponds to the
최종 궤적 추출부(223)는 트랙 정보 쇄신부(222)에 의해 쇄신된 트랙들에 대한 정보들을 기초로 표적의 임시 궤적들 중에서 선택된 최종 궤적들을 트랙들로 생성하는 기능을 수행한다. 최종 궤적 추출부(223)는 도 2의 트랙 제거 모듈(124) 및 트랙 확정 모듈(125)에 대응하는 개념이다.The final trajectory extracting unit 223 performs a function of generating final trajectories selected from the temporary trajectories of the target on the basis of the information about the tracks that have been changed by the track information creating unit 222 as tracks. The final trajectory extractor 223 is a concept corresponding to the track elimination module 124 and the track determination module 125 in Fig.
최종 궤적 추출부(223)는 임시 궤적들 중에서 최종 궤적들을 선택할 때 각각의 트랙에 대한 정보로 해당 트랙에 대한 표적이 존재할 확률을 이용할 수 있다. 최종 궤적 추출부(223)는 해당 트랙에 대한 표적이 존재할 확률을 기초로 임계값 미만의 임시 궤적들을 제거하고, 임계값 이상의 임시 궤적들을 최종 궤적들로 선택한다.The final trajectory extracting unit 223 can use the probability that a target for the corresponding track exists as information about each track when selecting the final trajectory from the temporary trajectories. The final trajectory extractor 223 removes temporary trajectories less than the threshold value based on the probability that a target for the track exists, and selects temporary trajectories with a threshold value or more as final trajectories.
트랙 생성부들(220)은 궤적 연관 판단부(224) 및 최종 궤적 병합부(225)를 더 포함할 수 있다.The
궤적 연관 판단부(224)는 최종 궤적들 중에서 유사도가 기준값 이상인 유사 궤적들이 존재하는지 여부를 판단하는 기능을 수행한다. 본 실시예에서 궤적 연관 판단부(224)는 최종 궤적들 중에서 선택된 두개의 궤적들을 상호 비교하여 유사 궤적들을 검출할 수 있다.The trajectory
최종 궤적 병합부(225)는 궤적 연관 판단부(224)에 의해 최종 궤적들 중에 유사 궤적들이 존재하는 것으로 판단되면 유사 궤적들을 병합하여 하나의 트랙으로 생성하는 기능을 수행한다. 최종 궤적 병합부(226)는 도 2의 트랙 합병 모듈(126)에 대응하는 개념이다.The final trajectory merging unit 225 merges similar trajectories to generate a single track if the trajectory
한편 트랙 생성부들(220)은 임시 궤적 생성부(미도시)를 더 포함할 수 있다. 임시 궤적 생성부는 표적에 대한 탐지 정보들을 기초로 표적의 임시 궤적들을 생성하는 기능을 수행한다. 트랙 생성부들(220)이 임시 궤적 생성부를 더 포함하는 경우, 최종 궤적 추출부(223)는 임시 궤적 생성부에 의해 생성된 임시 궤적들을 대상으로 하여 최종 궤적들을 추출하는 기능을 수행할 수 있다. 임시 궤적 생성부는 도 2의 트랙 초기화 모듈(121)에 대응하는 개념이다.Meanwhile, the
다시 도 4를 참조하여 설명한다.Referring back to FIG.
트랙 보정부(230)는 센서들 중에서 선택된 기준 센서가 제1 탐지 정보를 획득할 때의 시간 정보를 기초로 센서들 중에서 기준 센서를 제외한 적어도 하나의 기타 센서에 의해 획득된 제2 탐지 정보와 관련된 제2 트랙을 보정하는 기능을 수행한다. 트랙 보정부(230)는 도 1의 로컬 트랙 보정 유닛(130)에 대응하는 개념이다.The
트랙 보정부(230)는 동역학 모델링(Kinetic modeling)을 이용하여 제2 탐지 정보가 제1 탐지 정보와 동일 시간에 획득된 것이 되도록 제2 트랙을 보정할 수 있다.The
트랙 보정부(230)는 제2 트랙에 대한 정보들을 보정하여 제2 트랙을 보정할 수 있다. 이때 트랙 보정부(230)는 제2 트랙에 대한 정보들로 표적과 관련된 상태 변수의 추정값, 상태 변수의 추정과 관련된 오차 공분산, 및 해당 트랙에 대한 표적이 존재할 확률을 보정할 수 있다.The
트랙 보정부(230)는 제1 행렬 및 단위 행렬 간 크로네커 곱(Kronecker product)으로부터 얻은 제2 행렬을 기초로 상태 변수의 추정값을 보정할 수 있다. 상기에서 제1 행렬은 기준 센서가 제1 탐지 정보를 획득할 때의 제1 시간과 기타 센서가 제2 탐지 정보를 획득할 때의 제2 시간 사이의 시간차를 성분으로 포함하는 행렬을 의미한다.The
또한 트랙 보정부(230)는 제2 행렬, 제2 행렬의 전치 행렬(Transposed matrix), 제3 행렬, 및 제3 행렬의 전치 행렬을 기초로 오차 공분산을 보정할 수 있다. 상기에서 제3 행렬은 제1 시간과 제2 시간 사이의 시간차, 및 이 시간차를 2로 나눈 값을 성분으로 포함하는 행렬을 의미한다.The
표적 추적부(240)는 제1 탐지 정보와 관련된 제1 트랙 및 보정된 제2 트랙을 기초로 표적을 추적하는 기능을 수행한다. 이때 표적 추적부(240)는 제1 트랙과 제2 트랙을 융합한 후 이 융합 트랙을 이용하여 표적을 추적할 수 있다.The
표적 추적부(240)는 특정 대상(ex. 적군)을 감시 정찰할 목적으로 표적을 추적할 수 있다. 표적 추적부(240)는 도 1의 트랙 융합 유닛(140)을 포함하는 개념이다.The
다음으로 표적 추적 시스템(200)의 작동 방법에 대하여 설명한다. 도 6은 본 발명의 바람직한 실시예에 따른 표적 추적 방법을 개략적으로 도시한 흐름도이다.Next, an operation method of the
먼저 탐지 정보 획득부들(210)이 샘플링 주기가 서로 다른 센서들을 이용하여 표적에 대한 탐지 정보들을 획득한다(S310).First, the detection
이후 트랙 생성부들(220)이 탐지 정보들을 기초로 표적의 이동 궤적을 표시하는 트랙(Track)들을 생성한다(S320).Thereafter, the
이후 트랙 보정부(230)가 센서들 중에서 선택된 기준 센서가 제1 탐지 정보를 획득할 때의 시간 정보를 기초로 센서들 중에서 기준 센서를 제외한 적어도 하나의 기타 센서에 의해 획득된 제2 탐지 정보와 관련된 제2 트랙을 보정한다(S330).Then, the
이후 표적 추적부(240)가 제1 탐지 정보와 관련된 제1 트랙 및 보정된 제2 트랙을 기초로 표적을 추적한다(S340).Thereafter, the
이상에서 설명한 본 발명의 실시예를 구성하는 모든 구성요소들이 하나로 결합하거나 결합하여 동작하는 것으로 기재되어 있다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 또한, 이와 같은 컴퓨터 프로그램은 USB 메모리, CD 디스크, 플래쉬 메모리 등과 같은 컴퓨터가 읽을 수 있는 기록매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 기록매체로서는 자기 기록매체, 광 기록매체, 캐리어 웨이브 매체 등이 포함될 수 있다.It is to be understood that the present invention is not limited to these embodiments, and all elements constituting the embodiment of the present invention described above are described as being combined or operated in one operation. That is, within the scope of the present invention, all of the components may be selectively coupled to one or more of them. In addition, although all of the components may be implemented as one independent hardware, some or all of the components may be selectively combined to perform a part or all of the functions in one or a plurality of hardware. As shown in FIG. In addition, such a computer program may be stored in a computer readable medium such as a USB memory, a CD disk, a flash memory, etc., and read and executed by a computer to implement an embodiment of the present invention. As the recording medium of the computer program, a magnetic recording medium, an optical recording medium, a carrier wave medium, and the like can be included.
또한, 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 상세한 설명에서 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Furthermore, all terms including technical or scientific terms have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs, unless otherwise defined in the Detailed Description. Commonly used terms, such as predefined terms, should be interpreted to be consistent with the contextual meanings of the related art, and are not to be construed as ideal or overly formal, unless expressly defined to the contrary.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다. 따라서, 본 발명에 개시된 실시예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.It will be apparent to those skilled in the art that various modifications, substitutions and substitutions are possible, without departing from the scope and spirit of the invention as disclosed in the accompanying claims. will be. Therefore, the embodiments disclosed in the present invention and the accompanying drawings are intended to illustrate and not to limit the technical spirit of the present invention, and the scope of the technical idea of the present invention is not limited by these embodiments and the accompanying drawings . The scope of protection of the present invention should be construed according to the following claims, and all technical ideas within the scope of equivalents should be construed as falling within the scope of the present invention.
Claims (14)
상기 탐지 정보들을 기초로 상기 표적의 이동 궤적을 표시하는 트랙(Track)들을 생성하는 트랙 생성부들;
상기 센서들 중에서 선택된 기준 센서가 제1 탐지 정보를 획득할 때의 시간 정보를 기초로 상기 센서들 중에서 상기 기준 센서를 제외한 적어도 하나의 기타 센서에 의해 획득된 제2 탐지 정보와 관련된 제2 트랙을 보정하는 트랙 보정부; 및
상기 제1 탐지 정보와 관련된 제1 트랙 및 보정된 상기 제2 트랙을 기초로 상기 표적을 추적하는 표적 추적부
를 포함하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 시스템.Detection information acquisition units for acquiring detection information on a target using sensors having different sampling periods;
Track generating units for generating tracks for displaying the movement trajectory of the target based on the detection information;
A second track related to the second detection information obtained by at least one other sensor other than the reference sensor among the sensors based on time information when the reference sensor selected from the sensors acquires the first detection information, A track corrector for correcting the track; And
A target tracking unit for tracking the target based on a first track associated with the first detection information and a corrected second track,
Wherein the asynchronous sensors are used for tracking the target.
상기 탐지 정보 획득부들은 각각의 탐지 정보로 상기 표적까지의 거리와 상기 표적의 방위를 획득하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 시스템.The method according to claim 1,
Wherein the detection information obtaining units obtain the distance to the target and the orientation of the target with each detection information.
상기 트랙 생성부들은,
상태 천이 행렬(State transition matrix)을 이용하여 상기 트랙들에 대한 정보들을 예측하는 트랙 정보 예측부;
상기 탐지 정보들을 기초로 상기 트랙들에 대한 정보들을 쇄신하는 트랙 정보 쇄신부; 및
상기 트랙들에 대한 정보들을 기초로 상기 표적의 임시 궤적들 중에서 선택된 최종 궤적들을 상기 트랙들로 생성하는 최종 궤적 추출부
를 포함하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 시스템.The method according to claim 1,
The track generators include:
A track information predicting unit for predicting information on the tracks using a state transition matrix;
A track information reforming unit for reforming information on the tracks based on the detection information; And
A final trajectory extracting unit for generating final trajectories selected from the temporary trajectories of the target on the basis of the information on the tracks,
Wherein the asynchronous sensors are used for tracking the target.
상기 트랙 정보 예측부는 IPDA(Integrated Probabilistic Data Association) 필터를 이용하여 각각의 트랙에 대한 정보로 상기 표적과 관련된 상태 변수의 추정값, 상기 상태 변수의 추정과 관련된 오차 공분산, 및 해당 트랙에 대한 상기 표적이 존재할 확률을 예측하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 시스템.The method of claim 3,
The track information predicting unit may use an IPDA (Integrated Probabilistic Data Association) filter to estimate an estimated value of the state variable related to the target, an error covariance related to the estimation of the state variable, And estimating the probability of the presence of the asymmetric sensor.
상기 트랙 생성부들은,
상기 최종 궤적들 중에 유사도가 기준값 이상인 유사 궤적들이 존재하는지 여부를 판단하는 궤적 연관 판단부; 및
상기 유사 궤적들이 존재하는 것으로 판단되면 상기 유사 궤적들을 병합하여 하나의 트랙으로 생성하는 최종 궤적 병합부
를 더 포함하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 시스템.The method of claim 3,
The track generators include:
A trajectory association determining unit for determining whether or not there are similar trajectories in which the degree of similarity is equal to or greater than a reference value among the final trajectories; And
If it is determined that the similar trajectories exist, merges the similar trajectories to generate a single track,
Further comprising an asynchronous sensor.
상기 트랙 보정부는 동역학 모델링(Kinetic modeling)을 이용하여 상기 제2 탐지 정보가 상기 제1 탐지 정보와 동일 시간에 획득된 것이 되도록 상기 제2 트랙을 보정하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 시스템.The method according to claim 1,
Wherein the track correction unit corrects the second track so that the second detection information is obtained at the same time as the first detection information using kinetic modeling. .
상기 트랙 보정부는 상기 제2 트랙에 대한 정보들을 보정하여 상기 제2 트랙을 보정하며, 상기 제2 트랙에 대한 정보들로 상기 표적과 관련된 상태 변수의 추정값, 상기 상태 변수의 추정과 관련된 오차 공분산, 및 해당 트랙에 대한 상기 표적이 존재할 확률을 보정하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 시스템.The method according to claim 1,
Wherein the track corrector corrects the second track by correcting information about the second track and uses the information about the second track as an estimate of the state variable associated with the target, an error covariance associated with the estimation of the state variable, And corrects the probability that the target for the track is present.
상기 트랙 보정부는 상기 기준 센서가 상기 제1 탐지 정보를 획득할 때의 시간과 상기 기타 센서가 상기 제2 탐지 정보를 획득할 때의 시간 사이의 시간차를 성분으로 포함하는 제1 행렬 및 단위 행렬 간 크로네커 곱(Kronecker product)으로부터 얻은 제2 행렬을 기초로 상기 상태 변수의 추정값을 보정하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 시스템.8. The method of claim 7,
The track compensator may include a first matrix and a unit matrix including a time difference between a time when the reference sensor acquires the first detection information and a time when the other sensor acquires the second detection information, And corrects the estimate of the state variable based on a second matrix obtained from a Kronecker product.
상기 트랙 보정부는 상기 제2 행렬, 상기 제2 행렬의 전치 행렬(Transposed matrix), 상기 시간차와 상기 시간차를 2로 나눈 값을 성분으로 포함하는 제3 행렬, 및 상기 제3 행렬의 전치 행렬을 기초로 상기 오차 공분산을 보정하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 시스템.9. The method of claim 8,
Wherein the track corrector comprises: a second matrix, a transposed matrix of the second matrix, a third matrix including a value obtained by dividing the time difference by the time difference by 2, and a transpose matrix of the third matrix, And correcting the error covariance by using the asynchronous sensors.
상기 표적 추적부는 상기 제1 트랙 및 상기 제2 트랙을 융합하여 얻은 융합 트랙을 기초로 상기 표적을 추적하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 시스템.The method according to claim 1,
Wherein the target tracking unit tracks the target based on a fusion track obtained by fusing the first track and the second track.
상기 탐지 정보들을 기초로 상기 표적의 이동 궤적을 표시하는 트랙(Track)들을 생성하는 단계;
상기 센서들 중에서 선택된 기준 센서가 제1 탐지 정보를 획득할 때의 시간 정보를 기초로 상기 센서들 중에서 상기 기준 센서를 제외한 적어도 하나의 기타 센서에 의해 획득된 제2 탐지 정보와 관련된 제2 트랙을 보정하는 단계; 및
상기 제1 탐지 정보와 관련된 제1 트랙 및 보정된 상기 제2 트랙을 기초로 상기 표적을 추적하는 단계
를 포함하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 방법.Acquiring detection information on a target using sensors having different sampling periods;
Generating tracks that display the movement trajectory of the target based on the detection information;
A second track related to the second detection information obtained by at least one other sensor other than the reference sensor among the sensors based on time information when the reference sensor selected from the sensors acquires the first detection information, Correcting; And
Tracking the target based on a first track associated with the first detection information and a corrected second track
Wherein the asynchronous sensors are used for tracking the target.
상기 보정하는 단계는 상기 제2 트랙에 대한 정보들을 보정하여 상기 제2 트랙을 보정하며, 상기 제2 트랙에 대한 정보들로 상기 표적과 관련된 상태 변수의 추정값, 상기 상태 변수의 추정과 관련된 오차 공분산, 및 해당 트랙에 대한 상기 표적이 존재할 확률을 보정하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 방법.12. The method of claim 11,
Wherein the correcting step corrects the second track by correcting information about the second track, and estimates an estimated value of the state variable associated with the target with the information about the second track, an error covariance And corrects the probability that the target exists for the track.
상기 보정하는 단계는 상기 기준 센서가 상기 제1 탐지 정보를 획득할 때의 시간과 상기 기타 센서가 상기 제2 탐지 정보를 획득할 때의 시간 사이의 시간차를 성분으로 포함하는 제1 행렬 및 단위 행렬 간 크로네커 곱(Kronecker product)으로부터 얻은 제2 행렬을 기초로 상기 상태 변수의 추정값을 보정하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 방법.13. The method of claim 12,
Wherein the correcting step includes a first matrix including a time difference between a time when the reference sensor acquires the first detection information and a time when the other sensor acquires the second detection information as a component, Wherein the estimate of the state variable is corrected based on a second matrix obtained from a Kronecker product.
상기 보정하는 단계는 상기 제2 행렬, 상기 제2 행렬의 전치 행렬(Transposed matrix), 상기 시간차와 상기 시간차를 2로 나눈 값을 성분으로 포함하는 제3 행렬, 및 상기 제3 행렬의 전치 행렬을 기초로 상기 오차 공분산을 보정하는 것을 특징으로 하는 비동기식 센서들을 이용한 표적 추적 방법.14. The method of claim 13,
Wherein the step of correcting comprises the steps of: transforming the second matrix, a transposed matrix of the second matrix, a third matrix including a value obtained by dividing the time difference by the time difference by 2, and a transpose matrix of the third matrix, And correcting the error covariance based on the asymmetric sensors.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020160059945A KR101833238B1 (en) | 2016-05-17 | 2016-05-17 | System and method for tracking target using asynchronous sensors |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020160059945A KR101833238B1 (en) | 2016-05-17 | 2016-05-17 | System and method for tracking target using asynchronous sensors |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20170129361A true KR20170129361A (en) | 2017-11-27 |
KR101833238B1 KR101833238B1 (en) | 2018-03-02 |
Family
ID=60810738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020160059945A KR101833238B1 (en) | 2016-05-17 | 2016-05-17 | System and method for tracking target using asynchronous sensors |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101833238B1 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113495270A (en) * | 2020-04-07 | 2021-10-12 | 富士通株式会社 | Monitoring device and method based on microwave radar |
KR102317842B1 (en) * | 2020-06-03 | 2021-10-26 | 국방과학연구소 | Method and apparatus for estimating the origin of a flying object |
CN117146709A (en) * | 2023-10-30 | 2023-12-01 | 钛玛科(北京)工业科技有限公司 | Deviation rectifying control device and system based on automatic selection of sensor |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2780569B2 (en) * | 1992-06-15 | 1998-07-30 | 三菱電機株式会社 | Target fusion device |
JP2004301586A (en) * | 2003-03-31 | 2004-10-28 | Mitsubishi Electric Corp | Moving locus measuring apparatus |
JP6210845B2 (en) * | 2013-11-01 | 2017-10-11 | 三菱電機株式会社 | Target tracking device and target tracking method |
JP6358006B2 (en) * | 2014-09-19 | 2018-07-18 | 三菱電機株式会社 | Target tracking device |
-
2016
- 2016-05-17 KR KR1020160059945A patent/KR101833238B1/en active IP Right Grant
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113495270A (en) * | 2020-04-07 | 2021-10-12 | 富士通株式会社 | Monitoring device and method based on microwave radar |
KR102317842B1 (en) * | 2020-06-03 | 2021-10-26 | 국방과학연구소 | Method and apparatus for estimating the origin of a flying object |
CN117146709A (en) * | 2023-10-30 | 2023-12-01 | 钛玛科(北京)工业科技有限公司 | Deviation rectifying control device and system based on automatic selection of sensor |
CN117146709B (en) * | 2023-10-30 | 2024-02-02 | 钛玛科(北京)工业科技有限公司 | Deviation rectifying control device and system based on automatic selection of sensor |
Also Published As
Publication number | Publication date |
---|---|
KR101833238B1 (en) | 2018-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104778358B (en) | The partly overlapping extension method for tracking target in monitored area be present in multisensor | |
JP2758063B2 (en) | Search tracking apparatus and search tracking method | |
Bar-Shalom et al. | One-step solution for the general out-of-sequence-measurement problem in tracking | |
US8180107B2 (en) | Active coordinated tracking for multi-camera systems | |
EP2495583B1 (en) | Target tracking system and target tracking method | |
CN109886305B (en) | Multi-sensor non-sequential measurement asynchronous fusion method based on GM-PHD filtering | |
CN108573270A (en) | Multisensor Target Information is set to merge method and device, computer equipment and the recording medium synchronous with multisensor sensing | |
KR101833238B1 (en) | System and method for tracking target using asynchronous sensors | |
AU2007327875A1 (en) | A multiple target tracking system incorporating merge, split and reacquisition hypotheses | |
CN112313536B (en) | Object state acquisition method, movable platform and storage medium | |
CN110879598A (en) | Information fusion method and device of multiple sensors for vehicle | |
JP4558600B2 (en) | Wake correlation integration device | |
JP6702562B2 (en) | Multi-sensor system, sensor bias estimation device, sensor bias estimation method, and sensor bias estimation program | |
CN110398735A (en) | A kind of perception data processing method and system based on more radars | |
Koch | Exact update formulae for distributed Kalman filtering and retrodiction at arbitrary communication rates | |
KR101280348B1 (en) | Multiple target tracking method | |
JP3750855B2 (en) | Target tracking device | |
CN113625262A (en) | Target track determination method and related equipment | |
JP6759130B2 (en) | Sensor network system, data fusion system, sensor bias estimation device, sensor bias estimation method and sensor bias estimation program | |
Bhuyan et al. | Tracking with multiple cameras for video surveillance | |
JP2004233136A (en) | Target tracking device | |
Parra et al. | Visual odometry for accurate vehicle localization-an assistant for gps based navigation | |
Zaveri et al. | Tracking multiple maneuvering point targets using multiple filter bank in infrared image sequence | |
CA2558887A1 (en) | Short term and long term forecasting systems with enhanced prediction accuracy | |
Guang-yuan et al. | Interacting multiple model algorithm used in multi-sensor fusion system |
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 |