KR20170134092A - 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치 및 방법 - Google Patents

고해상도 거리 프로파일을 이용한 다중 물체 판단 장치 및 방법 Download PDF

Info

Publication number
KR20170134092A
KR20170134092A KR1020160065849A KR20160065849A KR20170134092A KR 20170134092 A KR20170134092 A KR 20170134092A KR 1020160065849 A KR1020160065849 A KR 1020160065849A KR 20160065849 A KR20160065849 A KR 20160065849A KR 20170134092 A KR20170134092 A KR 20170134092A
Authority
KR
South Korea
Prior art keywords
distance profile
generated
resolution distance
probability distribution
distribution function
Prior art date
Application number
KR1020160065849A
Other languages
English (en)
Other versions
KR101851635B1 (ko
Inventor
이정원
최각규
Original Assignee
국방과학연구소
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020160065849A priority Critical patent/KR101851635B1/ko
Publication of KR20170134092A publication Critical patent/KR20170134092A/ko
Application granted granted Critical
Publication of KR101851635B1 publication Critical patent/KR101851635B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • 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
    • G01S7/021—Auxiliary means for detecting or identifying radar signals or the like, e.g. radar jamming signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/0209—Systems with very large relative bandwidth, i.e. larger than 10 %, e.g. baseband, pulse, carrier-free, ultrawideband
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging

Abstract

본 발명에 따른 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치는, 레이더에서 획득된 임의의 신호가 단일 물체에 의한 것인지 다중 물체에 의한 것인지를 판단하기 위하여, 입력되는 초고주파 신호를 일정 시간마다 소정의 사이즈의 고해상도 거리프로파일을 생성하는 거리 프로파일 생성부; 상기 생성한 대상 물체의 정적 특징 벡터에 해당하는 고해상도 거리 프로파일을 시간에 따라 평행하게 붙여나가며 매트릭스 형태의 영상을 생성하는 고해상도 거리 프로파일 기반 영상생성부;상기 고해상도 거리 프로파일을 시간에 따라 누적한 영상에서 정적 특징 벡터의 시간에 따른 변화인 동적 특징을 추출하는 동적 특징 추출부; 상기 추출한 동적 특징들로부터 확률분포함수(probability density function)를 생성하는 확률분포함수 생성부; 및 상기 확률분포함수의 변화 정도를 측정하여 대상 물체 이 외에 다른 물체 및 기만체 발생 여부를 판단하는 확률분포 함수 변화 측정부를 포함하고, 기상상태나 플레어 등 기만수단에 취약한 전자광학 센서의 물리적인 제한사항을 극복하고 열악한 환경조건에서도 다중 물체 발생 판단을 할 수 있다.

Description

고해상도 거리 프로파일을 이용한 다중 물체 판단 장치 및 방법{Event Detection of Multi-target Existence using High Range Resolution Profile}
본 발명은 초고주파 레이더에 관한 것으로, 대상 물체를 추적 중에 고해상도 거리 프로파일의 시간에 따른 변화에서 얻어낸 특징을 이용하여 대상 물체 이 외에 다른 물체 및 기만체 발생 여부를 효과적으로 포착하기 위한 기술에 관한 것이다.
일반적으로 물체를 탐지하고 추적하기 위한 레이더는 마이크로파 대역의 초고주파 센서를 사용하여 물체에 대한 정보를 얻어낸다.
그러나, 이러한 레이더는 레이더 반사 단면적(RCS: Radar Cross Section)에 따른 반사신호로부터 정보를 추출하기 때문에 물체를 추적하고 있는 상태에서 추적 범위 내에 대상 물체 이외에 다른 물체가 나타나거나 레이더를 기만하기 위한 기만체가 발생했을 경우 대상 물체를 놓치고 다른 물체를 추적하게 되는 상황이 발생할 수 있다는 문제점이 있다.
레이더 입장에서는 대상 물체를 효율적으로 추적하기 위해서 반사신호로부터 대상 물체만 존재하는지 다른 물체가 추가적으로 생긴 것인지 판단해야 할 필요가 생긴다. 만약 다른 물체나 기만체가 존재할 경우 추적해야 할 대상을 바르게 구분하고 물체를 추적하기 위한 방법을 모색해야 하기 때문이다. 유도탄의 경우, 수 초의 짧은 시간 동안 먼 거리를 이동하므로 대상 물체 이 외에 다른 물체 발생 여부를 짧은 시간 안에 빨리 판단을 해야 한다.
이러한 상황을 위해 전자광학 센서를 추가함으로 어느 정도 해소할 수 있다. 그러나, 전자광학 센서를 이용하여 대상 물체를 탐지하고 추적하는 경우 전자광학 센서의 물리적인 특성으로 인해 환경조건에 따라 많은 제한 사항이 발생한다. 특히, 안개가 끼는 등 기상상태가 좋지 않은 경우, 일출이나 일몰 전후 물체와 주변의 온도가 큰 차이가 나지 않는 경우, 눈/비로 인하여 시정이 좋지 않은 경우, 대상 물체에서 플레어 등 기만수단을 사용하는 경우에 대상 물체를 효과적으로 인식하거나 탐지하기가 곤란하므로 레이더 운용상에 많은 제한사항이 발생할 수밖에 없다. 또한 전자광학 센서의 경우 초고주파 센서보다 각도 방향의 분해능이 좋지만, 거리 방향의 분해능은 성능이 현저하게 떨어진다는 문제점이 있다.
본 발명은 위 배경기술에 따라 새로운 기술 요구에 의하여 안출된 것으로, 전술한 문제점을 해결하는 데에 있다.
또한, 본 발명의 목적은 도래각을 추정하는 데에 있어서, 배열 안테나 간에 발생하는 상호간섭 효과를 보상하는 데에 있다.
이에 상기와 같은 점을 감안한 본 발명은 초고주파 신호로부터 얻어낸 고해상도 거리 프로파일의 시간에 따른 변화에서 추출된 특징을 이용하여 좋지 않은 기상 조건과 기만수단 사용 환경조건에 취약한 전자광학 센서의 물리적인 제한사항과 거리 방향의 분해능이 보완됨으로써 대상 물체 이 외에 다른 물체 및 기만체 발생 여부를 효과적으로 포착하기 위한 기술 제공에 목적이 있다.
이와 같은 목적을 달성하기 위한 본 발명에 따른 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치는, 레이더에서 획득된 임의의 신호가 단일 물체에 의한 것인지 다중 물체에 의한 것인지를 판단하기 위하여, 입력되는 초고주파 신호를 일정 시간마다 소정의 사이즈의 고해상도 거리프로파일을 생성하는 거리 프로파일 생성부; 상기 생성한 대상 물체의 정적 특징 벡터에 해당하는 고해상도 거리 프로파일을 시간에 따라 평행하게 붙여나가며 매트릭스 형태의 영상을 생성하는 고해상도 거리 프로파일 기반 영상생성부; 상기 고해상도 거리 프로파일을 시간에 따라 누적한 영상에서 정적 특징 벡터의 시간에 따른 변화인 동적 특징을 추출하는 동적 특징 추출부; 상기 추출한 동적 특징들로부터 확률분포함수(probability density function)를 생성하는 확률분포함수 생성부; 및 상기 확률분포함수의 변화 정도를 측정하여 대상 물체 이 외에 다른 물체 및 기만체 발생 여부를 판단하는 확률분포 함수 변화 측정부를 포함하고, 기상상태나 플레어 등 기만수단에 취약한 전자광학 센서의 물리적인 제한사항을 극복하고 열악한 환경조건에서도 다중 물체 발생 판단을 할 수 있다.
일 실시예에 따르면, 상기 영상생성부는, 새로 입력되는 상기 고해상도 거리 프로파일에 의해 FIFO(First In First Out) 형태로 업데이트될 수 있다.
일 실시예에 따르면, 상기 동적 특징 추출부는, 상기 생성된 영상에서 동적 특징으로 기울기(gradient)를 추출할 수 있다.
일 실시예에 따르면, 상기 동적 특징 추출부는, 기울기 추출 전처리 단계로 상기 생성된 영상에서 일정 문턱값(threshold)보다 작은 영상 pixel 값을 특정 값으로 보정하고, 기울기 추출 후처리 단계로 상기 생성된 영상에서 일정 문턱값(threshold) 이상의 기울기만 추출할 수 있다.
일 실시예에 따르면, 상기 동적 특징 추출부는, 상기 생성된 영상에서 영상 pixel 값 크기에 따라 가중치(weighting)를 줌으로써 기울기를 복수로 추출할 수 있다.
일 실시예에 따르면, 상기 확률분포 함수 변화 측정부는, 상기 생성된 확률분포함수의 변화를 측정하기 위해 엔트로피(entropy)를 이용할 수 있다.
일 실시예에 따르면, 상기 확률분포 함수 변화 측정부는, 상기 생성된 확률분포함수의 변화를 측정하기 위해 정규화 검사(normality test)를 이용할 수 있다.
일 실시예에 따르면, 상기 확률분포 함수 변화 측정부는, 상기 생성된 확률분포함수의 변화를 측정하여 측정값에 따라 다중 물체의 개수를 추정할 수 있다.
본 발명에 다른 양상에 따른 다중 물체 판단 방법은 레이더에서 획득된 임의의 신호가 단일 물체에 의한 것인지 다중 물체에 의한 것인지를 판단하기 위하여, 입력되는 초고주파 신호를 일정 시간마다 소정의 사이즈의 고해상도 거리 프로파일을 생성하는 단계; 상기 생성한 대상 물체의 정적 특징 벡터에 해당하는 고해상도 거리 프로파일을 시간에 따라 평행하게 붙여나가며 매트릭스 형태의 영상을 생성하는 단계; 상기 고해상도 거리 프로파일을 시간에 따라 누적한 영상에서 정적 특징 벡터의 시간에 따른 변화인 동적 특징을 추출하는 단계; 상기 추출한 동적 특징들로부터 확률분포함수(probability density function)를 생성하는 단계; 및 상기 확률분포함수의 변화 정도를 측정하여 대상 물체 이 외에 다른 물체 및 기만체 발생 여부를 판단하는 단계를 포함한다.
이러한 본 발명은 대상 물체를 추적 중에 초고주파 센서의 입력 신호로부터 얻어낸 고해상도 거리 프로파일의 시간에 따른 변화에서 추출된 동적 특징을 이용하여 대상 물체 이 외에 다른 물체 및 기만체 발생 여부를 효과적으로 포착하기 위한 기술로써 기존의 고해상도 거리 프로파일로부터 정적인 특징 뿐만 아니라 동적인 특징을 추출함으로 다중 물체 발생 판단 성능을 개선시킬 수 있는 효과가 있다.
또한, 본 발명은 기상상태나 플레어 등 기만수단에 취약한 전자광학 센서의 물리적인 제한사항을 극복하고 열악한 환경조건에서도 다중 물체 발생 판단을 할 수 있다.
또한, 본 발명은 다중 물체 발생 검출 뿐만 아니라 탐지 및 추적 시 다중 물체의 개수 추정에도 적용할 수 있다.
도 1은 본 발명과 관련된 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치의 구성도를 도시한다.
도 2는 본 발명에 따른 도래각 추정 방법의 흐름도를 도시한다.
상술한 본 발명의 특징 및 효과는 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해 질 것이며, 그에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명은 다양한 변경을 가할 수 있고 여러가지 형태를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 명세서에서 사용한 용어는 단지 특정한 실시 예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다.
제1, 제2등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. "및/또는" 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.
이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈", "블록" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
이하 본 발명의 실시예를 첨부된 예시도면을 참조로 상세히 설명하며, 이러한 실시예는 일례로서 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 여러 가지 상이한 형태로 구현될 수 있으므로, 여기에서 설명하는 실시예에 한정되지 않는다.
이하 첨부된 도면을 참조하여 본 발명에 따른 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치 및 방법을 상세하게 설명하기로 한다.
도 1은 본 발명과 관련된 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치의 구성도를 도시한다. 도 1에 도시된 바와 같이, 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치(100)는 고해상도 거리 프로파일 생성부(101), 고해상도 거리 프로파일 기반 영상생성부(102), 동적 특징 추출부(103), 확률분포함수 생성부(104), 확률분포 함수 변화 측정부(105)로 구성된다.
상기 고해상도 거리 프로파일 생성부(101)는 레이더에서 획득된 임의의 신호가 단일 물체에 의한 것인지 다중 물체에 의한 것인지를 판단하기 위하여, 입력되는 초고주파 신호를 일정 시간마다 소정의 사이즈의 고해상도 거리프로파일을 생성한다. 즉, 초고주파 센서의 입력 신호인 I, Q data로부터 일정 주기마다 고해상도 거리 프로파일을 생성한다. 이는 본 발명에서 정적 특징 벡터로 해석된다.
상기 고해상도 거리 프로파일 기반 영상생성부(102)는 고해상도 거리 프로파일 생성부(101)에서 생성한 정적 특징 벡터(고해상도 거리 프로파일)를 시간에 따라 평행하게 붙여나가며 매트릭스 형태의 영상을 생성한다. 생성된 영상의 세로 길이는 고해상도 거리 프로파일 생성부(101)에서 생성한 정적 특징 벡터(고해상도 거리 프로파일)의 길이와 동일하며, 가로 길이는 누적하고자 하는 정적 특징 벡터(고해상도 거리 프로파일)의 개수와 같게 된다. 영상의 가로 길이가 원하는 길이만큼 누적된 후 새로 입력되는 정적 특징 벡터(고해상도 거리 프로파일)에 의해 FIFO(First In First Out) 형태로 영상은 업데이트된다.
상기 동적 특징 추출부(103)은 상기 추출된 고해상도 거리 프로파일 기반 영상(102)을 이용하여 정적 특징 벡터(고해상도 거리 프로파일)의 시간에 따른 변화를 나타내는 동적 특징을 추출한다. 본 발명의 실시예에서는 기울기(gradient)를 추출한다. 효율적인 기울기 추출을 위하여 기울기 추출 전처리 단계로 상기 생성된 영상에서 일정 문턱값(threshold)보다 작은 영상 pixel 값을 특정 값으로 보정할 수 있으며, 상기 생성된 영상에서 일정 문턱값(threshold) 이상의 기울기만 추출하는 방법이 이용될 수 있다. 또한 영상 pixel 값 크기에 따라 가중치(weighting)를 줌으로써 기울기를 복수로 추출하는 방법도 사용할 수 있다.
상기 확률분포함수 생성부(104)는 동적 특징 추출부(103)에서 추출한 동적 특징들로부터 확률분포함수(probability density function)를 생성한다.
상기 확률분포함수 변화 측정부(105)는 상기 생성된 확률분포함수의 변화를 측정한다. 즉, 상기 확률분포함수의 변화 정도를 측정하여 대상 물체 이 외에 다른 물체 및 기만체 발생 여부를 판단한다. 이를 위해 엔트로피(entropy) 및 정규화 검사(normality test) 등 다양한 방법이 사용할 수 있다.
대상 물체가 단수로 존재한다면 고해상도 거리 프로파일 기반 영상(102)에는 대상 물체의 움직임에 해당하는 하나의 직선 또는 직선에 가까운 선이 존재하게 되며, 동적 특징 추출부(103)의 추출 결과 대상 물체의 직선 기울기 값들이 동적 특징의 대부분이 되어, 확률분포함수는 하나의 값에 집중된 분포를 갖게 된다. 이 분포를 엔트로피로 측정할 경우, 낮은 값을 나타내게 되며, 정규화 분포를 유지하게 된다. 만약, 단수가 아닌 복수의 물체가 존재하게 될 경우(복수의 물체들이 동일한 거리 방향 속도를 갖지 않는다면) 확률분포함수는 하나의 값에 집중된 분포가 아닌 상대적으로 넓게 퍼진 분포를 갖게 된다. 이 분포를 엔트로피로 측정할 경우, 단수일 때보다 높은 값을 나타내게 되며, 정규화 분포가 유지되지 않을 수도 있다. 이를 통해 대상 물체 이외에 다른 물체가 나타나거나 레이더를 기만하기 위한 기만체가 발생하였는지 여부를 판단한다.
이상에서 전술된 본 발명에 따른 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치에 관한 내용은 후술될 본 발명에 따른 고해상도 거리 프로파일을 이용한 다중 물체 판단 방법에도 적용될 수 있음은 물론이다. 이와 관련하여, 도 2는 본 발명에 따른 도래각 추정 방법의 흐름도를 도시한다.
도 2를 참조하면, 상기 다중 물체 판단 방법은 거리 프로파일 생성 단계(S201), 고해상도 거리 프로파일 기반 영상생성 단계(S202), 동적 특징 추출 단계(S203), 확률분포함수 생성단계(S204) 및 확률분포 함수 변화 측정단계(S205)를 포함한다.
상기 거리 프로파일 생성 단계(S201)는 레이더에서 획득된 임의의 신호가 단일 물체에 의한 것인지 다중 물체에 의한 것인지를 판단하기 위하여, 입력되는 초고주파 신호를 일정 시간마다 소정의 사이즈의 고해상도 거리 프로파일을 생성한다.
고해상도 거리 프로파일 기반 영상생성 단계(S202)는 상기 생성한 대상 물체의 정적 특징 벡터에 해당하는 고해상도 거리 프로파일을 시간에 따라 평행하게 붙여나가며 매트릭스 형태의 영상을 생성한다.
상기 동적 특징 추출 단계(S203)는 상기 고해상도 거리 프로파일을 시간에 따라 누적한 영상에서 정적 특징 벡터의 시간에 따른 변화인 동적 특징을 추출한다.
상기 확률분포함수 생성단계(S204)는 상기 추출한 동적 특징들로부터 확률분포함수(probability density function)를 생성한다.
상기 확률분포 함수 변화 측정단계(S205)는 상기 확률분포함수의 변화 정도를 측정하여 대상 물체 이 외에 다른 물체 및 기만체 발생 여부를 판단한다.
한편, 이상에서 다중 물체 판단 장치 및 다중 물체 판단 방법에서 전술된 내용들은 상호 결합되어 활용될 수 있음은 물론이다.
상기와 같은 목적을 달성하기 위한 본 발명의 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치 및 방법은 초고주파 센서의 입력 신호로부터 얻어낸 고해상도 거리 프로파일을 시간에 따라 누적하여 일종의 영상을 만듦으로써 1차원 데이터를 2차원 데이터로 만드는 것을 특징으로 한다.
상기 고해상도 거리 프로파일을 시간에 따라 누적한 영상의 가로 및 세로 크기는 대상 물체의 크기 및 거리 프로파일 해상도, 누적하는 시간 길이에 따라 적절히 선정하여 사용한다.
상기 고해상도 거리 프로파일을 시간에 따라 누적한 영상에서 동적 특징을 추출한다. 본 발명의 실시예에서는 기울기(gradient)를 추출한다. 효율적인 기울기 추출을 위하여 노이즈 제거 및 적절한 문턱값(threshold) 이상의 기울기 추출 등의 방법을 사용한다.
상기 고해상도 거리 프로파일을 시간에 따라 누적한 영상에서 추출한 기울기 값들의 확률분포함수(probability density function)를 생성한다. 확률분포함수의 변화 정도를 측정하여 대상 물체 이 외에 다른 물체 및 기만체 발생 여부를 판단한다. 확률분포함수의 변화 측정을 위해 엔트로피(entropy) 및 정규화(normality)의 정도 판단 등 다양한 방법이 사용할 수 있다.
본 발명의 실시예들 중 적어도 하나에 따르면, 대상 물체를 추적 중에 초고주파 센서의 입력 신호로부터 얻어낸 고해상도 거리 프로파일의 시간에 따른 변화에서 추출된 동적 특징을 이용하여 대상 물체 이 외에 다른 물체 및 기만체 발생 여부를 효과적으로 포착하기 위한 기술로써 기존의 고해상도 거리 프로파일로부터 정적인 특징 뿐만 아니라 동적인 특징을 추출함으로 다중 물체 발생 판단 성능을 개선시킬 수 있는 장점이 있다.
또한, 본 발명의 실시예들 중 적어도 하나에 따르면, 기상상태나 플레어 등 기만수단에 취약한 전자광학 센서의 물리적인 제한사항을 극복하고 열악한 환경조건에서도 다중 물체 발생 판단을 할 수 있다는 장점이 있다.
또한, 본 발명의 실시예들 중 적어도 하나에 따르면, 다중 물체 발생 검출 뿐만 아니라 탐지 및 추적 시 다중 물체의 개수 추정에도 적용할 수 있다는 장점이 있다.
100: 다중 물체 판단 장치
101 : 고해상도 거리 프로파일 생성부
102 : 고해상도 거리 프로파일 기반 영상 생성부
103 : 동적 특징 추출부
104 : 확률분포함수 생성부
105 : 확률분포함수 변화 측정부

Claims (8)

  1. 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치에 있어서,
    레이더에서 획득된 임의의 신호가 단일 물체에 의한 것인지 다중 물체에 의한 것인지를 판단하기 위하여, 입력되는 초고주파 신호를 일정 시간마다 소정의 사이즈의 고해상도 거리프로파일을 생성하는 거리 프로파일 생성부;
    상기 생성한 대상 물체의 정적 특징 벡터에 해당하는 고해상도 거리 프로파일을 시간에 따라 평행하게 붙여나가며 매트릭스 형태의 영상을 생성하는 고해상도 거리 프로파일 기반 영상생성부;
    상기 고해상도 거리 프로파일을 시간에 따라 누적한 영상에서 정적 특징 벡터의 시간에 따른 변화인 동적 특징을 추출하는 동적 특징 추출부;
    상기 추출한 동적 특징들로부터 확률분포함수(probability density function)를 생성하는 확률분포함수 생성부; 및
    상기 확률분포함수의 변화 정도를 측정하여 대상 물체 이 외에 다른 물체 및 기만체 발생 여부를 판단하는 확률분포 함수 변화 측정부를 포함하는, 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치.
  2. 제1항에 있어서,
    상기 영상생성부는,
    새로 입력되는 상기 고해상도 거리 프로파일에 의해 FIFO(First In First Out) 형태로 업데이트되는, 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치.
  3. 제1항에 있어서,
    상기 동적 특징 추출부는,
    상기 생성된 영상에서 동적 특징으로 기울기(gradient)를 추출하는, 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치.
  4. 제3항에 있어서,
    상기 동적 특징 추출부는,
    기울기 추출 전처리 단계로 상기 생성된 영상에서 일정 문턱값(threshold)보다 작은 영상 pixel 값을 특정 값으로 보정하고,
    기울기 추출 후처리 단계로 상기 생성된 영상에서 일정 문턱값(threshold) 이상의 기울기만 추출하는, 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치.
  5. 제3항에 있어서,
    상기 동적 특징 추출부는,
    상기 생성된 영상에서 영상 pixel 값 크기에 따라 가중치(weighting)를 줌으로써 기울기를 복수로 추출하는 과정을 포함하는, 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치.
  6. 제1항에 있어서,
    상기 확률분포 함수 변화 측정부는,
    상기 생성된 확률분포함수의 변화를 측정하기 위해 엔트로피(entropy)를 이용하는, 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치.
  7. 제1항에 있어서,
    상기 확률분포 함수 변화 측정부는,
    상기 생성된 확률분포함수의 변화를 측정하기 위해 정규화 검사(normality test)를 이용하는, 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치.
  8. 제1항에 있어서,
    상기 확률분포 함수 변화 측정부는,
    상기 생성된 확률분포함수의 변화를 측정하여 측정값에 따라 다중 물체의 개수를 추정하는, 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치.
KR1020160065849A 2016-05-27 2016-05-27 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치 및 방법 KR101851635B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160065849A KR101851635B1 (ko) 2016-05-27 2016-05-27 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160065849A KR101851635B1 (ko) 2016-05-27 2016-05-27 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20170134092A true KR20170134092A (ko) 2017-12-06
KR101851635B1 KR101851635B1 (ko) 2018-04-24

Family

ID=60922345

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160065849A KR101851635B1 (ko) 2016-05-27 2016-05-27 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101851635B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102319405B1 (ko) * 2020-05-19 2021-10-29 국방과학연구소 특징 추출을 이용한 다중 물체 판단 장치 및 방법
KR102328065B1 (ko) * 2020-05-19 2021-11-17 국방과학연구소 주파수 가변 레이더 및 주파수 가변 레이더를 이용한 다중 물체 판단 방법
WO2023146670A1 (en) * 2022-01-25 2023-08-03 Intel Corporation Apparatus, system and method of radar tracking

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102452572B1 (ko) * 2019-05-23 2022-10-11 주식회사 브이씨 물체의 발사각 측정 방법 및 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000098028A (ja) * 1998-09-28 2000-04-07 Mitsubishi Electric Corp レーダ装置
KR101348512B1 (ko) * 2012-11-08 2014-01-10 재단법인대구경북과학기술원 레이더를 이용한 이동 타겟 판단 장치 및 그 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102319405B1 (ko) * 2020-05-19 2021-10-29 국방과학연구소 특징 추출을 이용한 다중 물체 판단 장치 및 방법
KR102328065B1 (ko) * 2020-05-19 2021-11-17 국방과학연구소 주파수 가변 레이더 및 주파수 가변 레이더를 이용한 다중 물체 판단 방법
WO2023146670A1 (en) * 2022-01-25 2023-08-03 Intel Corporation Apparatus, system and method of radar tracking

Also Published As

Publication number Publication date
KR101851635B1 (ko) 2018-04-24

Similar Documents

Publication Publication Date Title
CN106101590B (zh) 雷达视频复合数据探测与处理系统及探测与处理方法
CN107728115B (zh) 一种雷达目标成像后基于svm的背景干扰抑制方法
KR101851635B1 (ko) 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치 및 방법
US10871551B2 (en) Least squares fit classifier for improved sensor performance
Wang et al. Recognition of roads and bridges in SAR images
CN111027496A (zh) 基于空时联合局部对比度的红外弱小目标检测方法
JP2017156219A (ja) 追尾装置、追尾方法およびプログラム
CN110187342B (zh) 一种基于fmcw移动平台的生命体征检测与成像方法
WO2023071992A1 (zh) 多传感器信号融合的方法、装置、电子设备及存储介质
CN108020834B (zh) 基于改进edpca的运动目标检测方法、装置及电子设备
US8369572B2 (en) System and method for passive automatic target recognition (ATR)
KR101389516B1 (ko) 바이스태틱 레이더의 이미징 장치 및 이미징 방법
CN103065320A (zh) 基于恒虚警阈值的sar图像变化检测方法
Magraner et al. Detection in gamma-distributed nonhomogeneous backgrounds
Zhang et al. Scattering key-frame extraction for comprehensive VideoSAR summarization: A spatiotemporal background subtraction perspective
CN113514833B (zh) 一种基于海浪图像的海面任意点波向的反演方法
US11307288B2 (en) Object sensing apparatus, object sensing method, and computer readable recording medium
CN116990773A (zh) 基于自适应门限的低慢小目标检测方法、装置和存储介质
CN105844756B (zh) 一种基于射频反向散射信号的人数计数方法
CN108008374B (zh) 基于能量中值的海面大型目标检测方法
CN105974413B (zh) 多基地外辐射源雷达成像系统的自聚焦方法
CN116027288A (zh) 生成数据的方法、装置、电子设备及存储介质
KR102211844B1 (ko) Ir-uwb 레이더 시스템에서의 벽 후방 다중표적위치 추정 방법 및 장치
Hellsten et al. Experimental results on change detection based on Bayes probability theorem
KR102031133B1 (ko) 물체의 산란점 추적 장치 및 그 방법

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