KR20190113123A - Lrgi 센서를 이용하여 표적의 거리를 추정하는 방법 및 장치 - Google Patents

Lrgi 센서를 이용하여 표적의 거리를 추정하는 방법 및 장치 Download PDF

Info

Publication number
KR20190113123A
KR20190113123A KR1020180035363A KR20180035363A KR20190113123A KR 20190113123 A KR20190113123 A KR 20190113123A KR 1020180035363 A KR1020180035363 A KR 1020180035363A KR 20180035363 A KR20180035363 A KR 20180035363A KR 20190113123 A KR20190113123 A KR 20190113123A
Authority
KR
South Korea
Prior art keywords
target
lrgi
distance
sensor
probability
Prior art date
Application number
KR1020180035363A
Other languages
English (en)
Other versions
KR102150098B1 (ko
Inventor
김준형
최재형
박용찬
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 KR1020180035363A priority Critical patent/KR102150098B1/ko
Publication of KR20190113123A publication Critical patent/KR20190113123A/ko
Application granted granted Critical
Publication of KR102150098B1 publication Critical patent/KR102150098B1/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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
    • H04N5/2353—

Abstract

LRGI 센서에 포함되는 카메라의 셔터를 외부에 노출시키는 시점을 변경해가면서 복수 개의 표본 영상들을 획득하는 단계; 획득된 복수 개의 표본 영상들 각각에 표적이 존재하는지 여부를 판단하고, 판단 결과에 기초하여 이진 시퀀스를 생성하는 단계; 생성된 이진 시퀀스에 대해 최대 공산 기법을 적용함으로써, LRGI 센서로부터 획득되는 영상에 표적이 존재할 확률을 예측하는 단계; 예측된 확률에 기초하여 LRGI 센서의 거리 게이트 내 표적의 위치를 결정하는 단계; 및 거리 게이트의 위치 및 거리 게이트 내 표적의 위치를 이용하여 표적의 거리를 추정하는 단계를 포함하는, LRGI 센서를 이용하여 표적의 거리를 추정하는 방법이 개시된다.

Description

LRGI 센서를 이용하여 표적의 거리를 추정하는 방법 및 장치{A method and an apparatus for estimating a distance of a target by using an Laser Range-Gated Imaging sensor}
본 개시는 LRGI 센서를 이용하여 표적의 거리를 추정하는 방법 및 장치에 관한 것이다.
LRGI(Laser Range-Gated Imaging) 센서는 표적을 향해 펄스 레이저를 발사하고, 표적으로부터 반사되는 광을 카메라를 통해 수신하며, 수신된 광에 기초하여 표적을 영상화하는 장치이다. LRGI 센서는 펄스 레이저를 발사하는 시점 및 카메라의 셔터를 외부에 노출시키는 시점을 조절함으로써 특정한 거리에 위치하는 표적만을 영상화할 수 있다.
예를 들어, 도 1은 LRGI 센서가 영상을 획득하는 과정의 예시를 나타내는 도면이다. 도 1을 참조하면, LRGI 센서는 레이저 광원(110) 및 카메라(120)를 포함할 수 있다. LRGI 센서는 레이저 광원(110)을 이용하여 펄스 레이저를 발사하고, d초가 경과된 후 카메라(120)의 셔터를 외부에 노출시킬 수 있다. 이에 따라, 카메라(120)로부터 거리가 z만큼 떨어진 위치가 영상화될 수 있다. d와 z 간의 관계는 다음과 같은 수학식 1을 따를 수 있다.
Figure pat00001
수학식 1에서 c는 빛의 속도를 의미한다. 한편, 카메라(120)의 셔터가 외부에 노출되는 시간
Figure pat00002
에 따라 영상화되는 심도가 결정될 수 있다. 심도에 대응되는 특정한 거리 구간은 거리 게이트로 지칭될 수 있다. 카메라(120)의 셔터가 외부에 노출되는 시간
Figure pat00003
및 거리 게이트의 심도 s 간의 관계는 다음과 같은 수학식 2를 따를 수 있다.
Figure pat00004
LRGI 센서를 이용하여 움직이는 표적(10)을 지속적으로 영상화하기 위해서는 레이저 광원(110)을 이용하여 펄스 레이저를 발사한 후 카메라(120)의 셔터를 외부에 노출시키는 시점 d를 조절함으로써 거리 게이트 내에 표적(10)이 지속적으로 포함되도록 거리 게이트의 위치를 조정할 필요가 있다. 예를 들어, 표적(10)이 이동하여 거리 게이트를 벗어나려고 하는 경우 카메라(120)의 셔터를 외부에 노출시키는 시점 d를 변경함으로써 거리 게이트의 위치가 조정될 필요가 있다. 다만, 일반적인 LRGI 센서는 표적(10)이 거리 게이트 내 어디에 위치하는지 알 수 없으므로, 카메라(120)의 셔터를 외부에 노출시키는 시점 d를 즉각적으로 변경할 수 없고, 움직이는 표적(10)을 지속적으로 추적 및 영상화하기 어려울 수 있다. 따라서, LRGI 센서를 이용하여 표적(10)의 거리를 정확하게 추정하는 기술이 요구될 수 있다.
다양한 실시예들은 LRGI 센서를 이용하여 표적의 거리를 추정하는 방법 및 장치를 제공하는데 있다. 본 개시가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 이하의 실시예들로부터 또 다른 기술적 과제들이 유추될 수 있다.
상술한 기술적 과제를 해결하기 위한 수단으로서, 일 측면에 따른 LRGI(Laser Range-Gated Imaging) 센서를 이용하여 표적의 거리를 추정하는 방법은, 상기 LRGI 센서에 포함되는 카메라의 셔터를 외부에 노출시키는 시점을 변경해가면서 복수 개의 표본 영상들을 획득하는 단계; 상기 획득된 복수 개의 표본 영상들 각각에 상기 표적이 존재하는지 여부를 판단하고, 상기 판단 결과에 기초하여 이진 시퀀스를 생성하는 단계; 상기 생성된 이진 시퀀스에 대해 최대 공산(Maximum likelihood) 기법을 적용함으로써, 상기 LRGI 센서로부터 획득되는 영상에 상기 표적이 존재할 확률을 예측하는 단계; 상기 예측된 확률에 기초하여 상기 LRGI 센서의 거리 게이트 내 상기 표적의 위치를 결정하는 단계; 및 상기 거리 게이트의 위치 및 상기 거리 게이트 내 상기 표적의 위치를 이용하여 상기 표적의 거리를 추정하는 단계를 포함할 수 있다.
상기 복수 개의 표본 영상들을 획득하기 위한 상기 카메라의 셔터를 외부에 노출시키는 시점은 상기 거리 게이트의 위치에 대응되는 임의의 시점 d에 평균이 0인 기 정의된 랜덤 확률 분포를 따르는 랜덤 변수 j를 더한 값인 d+j에 따라 변경될 수 있다.
일부 실시예에 따르면, 상기 표적이 존재하는지 여부를 판단하는 단계는, 상기 획득된 복수 개의 표본 영상들 각각에 대해 기 설정된 임계값에 기초한 영상 이진화 및 모폴로지 연산을 수행하는 단계; 및 상기 영상 이진화 및 모폴로지 연산 결과에 기초하여 상기 표적이 존재하는지 여부를 판단하는 단계를 포함할 수 있다.
또한, 상기 이진 시퀀스를 생성하는 단계는, 상기 획득된 복수 개의 표본 영상들 중 제1 표본 영상에 상기 표적이 존재한다고 판단되는 경우 상기 이진 시퀀스에서 상기 제1 표본 영상에 대응되는 값을 1로 결정하는 단계; 및 상기 획득된 복수 개의 표본 영상들 중 제2 표본 영상에 상기 표적이 존재하지 않는다고 판단되는 경우 상기 이진 시퀀스에서 상기 제2 표본 영상에 대응되는 값을 0으로 결정하는 단계를 포함할 수 있다.
일 예에서, 상기 표적의 속도가 상대적으로 느린 경우 상기 표적이 존재할 확률을 예측하는 단계는, 상기 표적의 존재 여부를 베르누이(Bernoulli) 랜덤 변수로 모델링하는 단계; 상기 모델링된 결과에 상기 최대 공산 기법을 적용하는 단계를 포함하고, 상기 LRGI 센서로부터 획득되는 영상에 상기 표적이 존재할 확률의 예측값 p는 상기 복수 개의 표본 영상들의 수를 n, 상기 복수 개의 표본 영상들 중 상기 표적이 존재하는 영상들의 수를 r이라고 할 때, 수학식
Figure pat00005
에 따라 결정될 수 있다.
다른 예에서, 상기 표적의 속도가 상대적으로 빠른 경우 상기 표적이 존재할 확률을 예측하는 단계는, 상기 LRGI 센서로부터 획득되는 영상에 상기 표적이 존재할 확률의 예측값을 상기 복수 개의 표본 영상들 각각에 대해 변경되도록 모델링하는 단계를 포함하고, 상기 LRGI 센서로부터 획득되는 영상에 상기 표적이 존재할 확률의 예측값은 상기 복수 개의 표본 영상들의 수를 n, 상기 복수 개의 표본 영상들 중 k번째 영상에 상기 표적이 존재하는지 여부를 나타내는 함수를
Figure pat00006
, 상기 k번째 영상에서 상기 표적이 존재할 확률을
Figure pat00007
, 기 정의된 상수를
Figure pat00008
라고 할 때,
Figure pat00009
의 조건 하에서 수학식
Figure pat00010
을 최대화하는
Figure pat00011
로 결정될 수 있다.
한편, 상기 랜덤 변수 j에 대응되는 랜덤 확률 분포 함수를
Figure pat00012
, 상기 거리 게이트의 심도를 s, 상기 거리 게이트 내 상기 표적의 위치를 m이라고 할 때, 다음과 같은 수학식
Figure pat00013
에 기초하여 상기 LRGI 센서로부터 획득되는 영상에 상기 표적이 존재할 확률(
Figure pat00014
) 및 상기 거리 게이트 내 상기 표적의 위치(m) 간의 관계가 결정될 수 있다.
상기 표적의 거리를 추정하는 단계는, 상기 거리 게이트의 위치 및 상기 거리 게이트 내 상기 표적의 위치를 더한 값에 칼만(Kalman) 필터링을 적용하는 단계를 포함할 수 있다.
또한, 상기 방법은, 상기 추정된 표적의 거리에 기초하여 상기 LRGI 센서에 포함되는 카메라의 셔터를 외부에 노출시키는 시점을 조정함으로써 상기 거리 게이트의 위치를 조정하는 단계를 더 포함할 수도 있다.
또한, 다른 측면에 따른 컴퓨터로 읽을 수 있는 기록매체는 상술한 방법을 실행하는 명령어들을 포함하는 하나 이상의 프로그램이 기록된 기록매체를 포함할 수 있다.
또한, 또 다른 측면에 따른 LRGI 센서를 이용하여 표적의 거리를 추정하는 장치는, 상기 표적을 향해 펄스 레이저를 발사하는 레이저 광원; 상기 레이저 광원이 상기 표적을 향해 상기 펄스 레이저를 발사하고 임의의 시간이 경과한 후 셔터를 열어 상기 표적으로부터 반사되는 레이저 빛을 수신하는 카메라; 적어도 하나의 프로그램이 저장된 메모리; 및 상기 적어도 하나의 프로그램을 실행함으로써 상기 표적의 거리를 추정하는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 상기 카메라의 셔터를 외부에 노출시키는 시점을 변경해가면서 복수 개의 표본 영상들을 획득하고, 상기 획득된 복수 개의 표본 영상들 각각에 상기 표적이 존재하는지 여부를 판단하고, 상기 판단 결과에 기초하여 이진 시퀀스를 생성하며, 상기 생성된 이진 시퀀스에 대해 최대 공산 기법을 적용함으로써, 상기 LRGI 센서로부터 획득되는 영상에 상기 표적이 존재할 확률을 예측하고, 상기 예측된 확률에 기초하여 상기 LRGI 센서의 거리 게이트 내 상기 표적의 위치를 결정하며, 상기 거리 게이트의 위치 및 상기 거리 게이트 내 상기 표적의 위치를 이용하여 상기 표적의 거리를 추정할 수 있다.
본 개시는 LRGI 센서를 이용하여 표적의 거리를 추정하는 방법 및 장치를 제공할 수 있다. 구체적으로, 본 개시에 따른 방법 및 장치는 복수 개의 표본 영상들 각각에 표적이 존재하는지 여부를 판단하고, 판단 결과에 기초하여 이진 시퀀스를 생성하고, 생성된 이진 시퀀스에 대해 최대 공산 기법을 적용함으로써, LRGI 센서로부터 획득되는 영상에 표적이 존재할 확률을 예측하며, 예측된 확률에 기초하여 LRGI 센서의 거리 게이트 내 표적의 위치를 결정함으로써 표적의 거리를 정확하게 추정할 수 있다.
이에 따라, 표적이 LRGI 센서의 거리 게이트를 벗어나려고 하는지 여부가 예측될 수 있고, 표적이 거리 게이트 내에 계속하여 포함되도록 거리 게이트의 위치가 조절될 수 있다. 따라서, 움직이는 표적이 지속적으로 추적 및 영상화될 수 있다.
도 1은 LRGI 센서가 영상을 획득하는 과정의 예시를 나타내는 도면이다.
도 2는 일부 실시예에 따른 LRGI 센서를 이용하여 표적의 거리를 추정하는 방법을 나타내는 흐름도이다.
도 3은 일부 실시예에 따른 거리 게이트 내 표적의 위치 및 영상에 표적이 존재하는 확률 간의 관계를 나타내는 그래프이다.
도 4는 일부 실시예에 따른 LRGI 센서를 이용하여 표적의 거리를 추정하는 장치의 구성을 나타내는 블록도이다.
이하 첨부된 도면을 참조하면서 오로지 예시를 위한 실시예들을 상세히 설명하기로 한다. 하기 설명은 실시예들을 구체화하기 위한 것일 뿐 발명의 권리 범위를 제한하거나 한정하는 것이 아님은 물론이다. 상세한 설명 및 실시예로부터 당해 기술분야의 전문가가 용이하게 유추할 수 있는 것은 권리범위에 속하는 것으로 해석된다.
본 명세서에서 사용되는 '구성된다' 또는 '포함한다' 등의 용어는 명세서 상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
또한, 본 명세서에서 사용되는 '제 1' 또는 '제 2' 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용할 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다.
본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 실시예들은 LRGI 센서를 이용하여 표적의 거리를 추정하는 방법 및 장치에 관한 것으로서 이하의 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자에게 널리 알려져 있는 사항들에 관해서는 자세한 설명을 생략한다.
도 2는 일부 실시예에 따른 LRGI 센서를 이용하여 표적의 거리를 추정하는 방법을 나타내는 흐름도이다. 도 2의 LRGI 센서를 이용하여 표적의 거리를 추정하는 방법은 LRGI 센서 자체에서 수행될 수 있고, LRGI 센서를 포함하는 장치에서 수행될 수도 있다. 이하에서는 LRGI 센서 및 LRGI 센서를 포함하는 장치를 모두 '장치'로 지칭한다.
도 2를 참조하면, 단계 210에서, 장치는 LRGI 센서에 포함되는 카메라의 셔터를 외부에 노출시키는 시점을 변경해가면서 복수 개의 표본 영상들을 획득할 수 있다. 장치가 LRGI 센서를 이용하여 특정 위치에 있는 표적을 영상화하기 위해서는 거리 게이트의 위치를 적절하게 조절하여야 한다. 예를 들어, 사용자가 원하는 위치 z에 거리 게이트를 위치시키고자 할 때, 앞의 수학식 1에 따라 LRGI 센서에 포함되는 카메라의 셔터를 외부에 노출시키는 시점이 산출될 수 있다.
복수 개의 표본 영상들을 획득하기 위한 카메라의 셔터를 외부에 노출시키는 시점은 거리 게이트의 위치에 대응되는 임의의 시점 d에 평균이 0인 기 정의된 랜덤 확률 분포를 따르는 랜덤 변수 j를 더한 값인 d+j에 따라 변경될 수 있다. 이에 따라, 거리 게이트의 심도 내 표적의 위치에 따라 LRGI 센서로부터 획득되는 영상에 표적이 존재할 확률이 변경될 수 있다.
랜덤 변수 j에 대응되는 랜덤 확률 분포 함수를
Figure pat00015
, 거리 게이트의 심도를 s, 거리 게이트 내 표적의 위치를 m이라고 할 때, 다음과 같은 수학식 3 에 기초하여 LRGI 센서로부터 획득되는 영상에 표적이 존재할 확률
Figure pat00016
및 거리 게이트 내 표적의 위치(m) 간의 관계가 결정될 수 있다.
Figure pat00017
수학식 3에서 m은 거리 게이트 내 표적의 위치를 의미한다. LRGI 센서로부터 가장 가까운 위치를 0, 가장 먼 위치를 s라고 하면, m은 (0,s) 범위의 값을 갖는다.
Figure pat00018
는 평균이 0인 랜덤 확률 분포 함수일 수 있다. 이하 도 3을 참조하여 s=30m이고,
Figure pat00019
가 가우시안 랜덤 확률 분포 함수(
Figure pat00020
의 표준편차는 5.5m)인 경우를 가정할 때의 영상에 표적이 존재하는 확률
Figure pat00021
을 보다 상세히 설명한다.
도 3은 일부 실시예에 따른 거리 게이트 내 표적의 위치 및 영상에 표적이 존재하는 확률 간의 관계를 나타내는 그래프이다.
도 3의 그래프(300)를 참조하면, 거리 게이트 내 표적의 위치 m에 따라 영상에 표적이 존재하는 확률
Figure pat00022
이 달라짐을 알 수 있다. 따라서, 영상에 표적이 존재하는 확률
Figure pat00023
이 예측될 수 있다면, 앞의 수학식 3의 관계를 이용하여 거리 게이트 내 표적의 위치가 추정될 수 있다.
한편, 그래프(300)는 거리 게이트의 중간 지점을 중심으로 대칭을 이루므로, 하나의 존재 확률 값에 대응되는 위치가 2개로 결정될 수 있다. 이러한 경우 표적의 존재 확률 변화량의 증가 또는 감소 여부에 따라 2개의 위치 중 하나가 결정될 수 있다. 또한, 추적 필터(예를 들어, 칼만(Kalman) 필터)를 이용하여 표적의 위치를 지속적으로 추적함으로써 예측 위치와 가까운 위치가 결정될 수도 있다.
한편, 도 3의 그래프(300)는 s=30m이고,
Figure pat00024
가 가우시안 랜덤 확률 분포 함수(
Figure pat00025
의 표준편차는 5.5m)인 경우를 가정할 때의 예시에 불과할 뿐 이에 제한되는 것은 아니다. 거리 게이트 내 표적의 위치 및 영상에 표적이 존재하는 확률 간의 관계를 나타내는 그래프가 조건에 따라 다르게 설정될 수 있음은 해당 기술분야의 통상의 지식을 가진 자라면 쉽게 알 수 있다.
다시 도 2로 돌아와서, 단계 220에서, 장치는 획득된 복수 개의 표본 영상들 각각에 표적이 존재하는지 여부를 판단하고, 판단 결과에 기초하여 이진 시퀀스를 생성할 수 있다.
장치는 간단한 영상 처리 기법을 이용하여 획득된 복수 개의 표본 영상들 각각에 표적이 존재하는지 여부를 판단할 수 있다. 예를 들어, 장치는 획득된 복수 개의 표본 영상들 각각에 대해 기 설정된 임계값에 기초한 영상 이진화 및 모폴로지 연산을 수행할 수 있고, 영상 이진화 및 모폴로지 연산 결과에 기초하여 표적이 존재하는지 여부를 판단할 수 있다. LRGI 센서로부터 획득되는 영상에서 배경 신호는 제거되고 표적 신호만 남으므로, 기 설정된 임계값에 기초한 영상 이진화 및 모폴로지 연산을 통해 표적의 존재 여부가 확인될 수 있다. 다만, 이에 제한되는 것은 아니다.
장치는 획득된 복수 개의 표본 영상들 중 제1 표본 영상에 표적이 존재한다고 판단되는 경우 이진 시퀀스에서 제1 표본 영상에 대응되는 값을 1로 결정하고, 획득된 복수 개의 표본 영상들 중 제2 표본 영상에 표적이 존재하지 않는다고 판단되는 경우 이진 시퀀스에서 제2 표본 영상에 대응되는 값을 0으로 결정할 수 있다.
단계 230에서, 장치는 생성된 이진 시퀀스에 대해 최대 공산(Maximum likelihood) 기법을 적용함으로써, LRGI 센서로부터 획득되는 영상에 표적이 존재할 확률을 예측할 수 있다.
표적의 속도가 상대적으로 느린 경우 장치는 표적의 존재 여부를 베르누이(Bernoulli) 랜덤 변수로 모델링하고, 모델링된 결과에 최대 공산 기법을 적용할 수 있다. 예를 들어, k번째 영상에서 표적이 존재하는 경우와 존재하지 않는 경우를 각각 1 및 0으로 나타내는 함수를
Figure pat00026
라 할 때,
Figure pat00027
의 예측 값 p는 다음과 같은 수학식 4를 따르는 최대화 문제의 해를 구함으로써 계산될 수 있다.
Figure pat00028
수학식 4에서 n은 복수 개의 표본 영상들의 수를 의미하고, r은 복수 개의 표본 영상들 중 표적이 존재하는 영상들의 수를 의미한다. 앞의 수학식 4를 최대화하는 p는 다음과 같은 수학식 5에 따라 유도될 수 있다.
Figure pat00029
한편, 표적의 속도가 상대적으로 빠른 경우 앞의 수학식 5를 이용하여 영상에 표적이 존재할 확률을 예측하는 경우 예측 오차가 커질 수 있다. 이를 방지하기 위해 장치는 LRGI 센서로부터 획득되는 영상에 표적이 존재할 확률
Figure pat00030
의 예측 값 p를 복수 개의 표본 영상들 각각에 대해 변경되도록 모델링할 수 있다. 예를 들어,
Figure pat00031
의 예측 값 p는 다음과 같은 수학식 6를 따르는 최대화 문제의 해를 구함으로써 계산될 수 있다.
Figure pat00032
수학식 6에서
Figure pat00033
는 k번째 영상에서 표적이 존재할 확률을 의미하고,
Figure pat00034
는 기 정의된 상수를 의미할 수 있다.
Figure pat00035
에 의해 표적의 존재 확률의 최대 변화량이 제한될 수 있다. 도 3에서 살펴본 바와 같이, 표적의 존재 확률은 연속적으로 변하므로, 표적의 존재 확률의 최대 변화량을 제한함으로써
Figure pat00036
의 예측 값 p가 계산될 수 있다. 수학식 6의 비용함수(cost function)에 로그를 취하면 다음과 같은 수학식 7이 도출될 수 있다.
Figure pat00037
수학식 7은 비선형 최적화(nonlinear programming) 방법을 적용함으로써 해가 구해질 수 있는 비선형 최적화 문제이다.
정리하면, LRGI 센서로부터 획득되는 영상에 표적이 존재할 확률의 예측값은 복수 개의 표본 영상들의 수를 n, 복수 개의 표본 영상들 중 k번째 영상에 표적이 존재하는지 여부를 나타내는 함수를
Figure pat00038
, k번째 영상에서 표적이 존재할 확률을
Figure pat00039
, 기 정의된 상수를
Figure pat00040
라고 할 때,
Figure pat00041
의 조건 하에서 수학식
Figure pat00042
을 최대화하는
Figure pat00043
로 결정될 수 있다.
단계 240에서, 장치는 예측된 확률에 기초하여 LRGI 센서의 거리 게이트 내 표적의 위치를 결정할 수 있다. 예측된 확률에 기초하여 LRGI 센서의 거리 게이트 내 표적의 위치를 결정하기 위해 도 3에 도시된 바와 같은 거리 게이트 내 표적의 위치 및 영상에 표적이 존재하는 확률 간의 관계가 이용될 수 있다.
단계 250에서, 장치는 거리 게이트의 위치 및 거리 게이트 내 표적의 위치를 이용하여 표적의 거리를 추정할 수 있다. 예를 들어, 장치는 거리 게이트의 위치 및 거리 게이트 내 표적의 위치를 더한 값을 표적의 거리로 추정할 수 있다. 또한, 장치는 거리 게이트의 위치 및 거리 게이트 내 표적의 위치를 더한 값에 칼만 필터링을 적용할 수도 있다.
장치는 추정된 표적의 거리에 기초하여 LRGI 센서에 포함되는 카메라의 셔터를 외부에 노출시키는 시점을 조정함으로써 거리 게이트의 위치를 조정할 수 있다. 거리 게이트 내에 표적이 계속하여 포함되도록 거리 게이트의 위치가 적절하게 조절됨에 따라 LRGI 센서를 이용한, 움직이는 표적에 대한 추적 및 영상화가 수행될 수 있다.
한편, LRGI 센서를 이용하여 표적의 거리를 추정하는 방법은 그 방법을 실행하는 명령어들을 포함하는 하나 이상의 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체에 기록될 수 있다. 컴퓨터로 읽을 수 있는 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
도 4는 일부 실시예에 따른 LRGI 센서를 이용하여 표적의 거리를 추정하는 장치의 구성을 나타내는 블록도이다.
도 4를 참조하면, 장치(40)는 레이저 광원(410), 카메라(420), 적어도 하나의 프로세서(430) 및 메모리(440)를 포함할 수 있다. 장치(40)는 LRGI 센서 자체일 수 있고, LRGI 센서를 포함하는 장치일 수도 있다. 도 4에 도시된 장치(40)는 도 2에 도시된 방법을 시계열적으로 처리할 수 있다. 따라서, 이하에서 생략된 내용이라고 하더라도 도 2의 방법에 관하여 이상에서 기술된 내용은 도 4의 장치(40)에 의해 수행될 수 있음을 알 수 있다.
한편, 도 4에 도시된 장치(40)에는 본 실시예와 관련된 구성들만이 도시되어 있다. 따라서, 도 4에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 장치(40)에 더 포함될 수 있음을 본 실시예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.
레이저 광원(410)은 표적을 향해 펄스 레이저를 발사할 수 있다.
카메라(420)는 레이저 광원(410)이 표적을 향해 펄스 레이저를 발사하고 임의의 시간이 경과한 후 셔터를 열어 표적으로부터 반사되는 광을 수신할 수 있다. 또한, 카메라(420)는 수신된 광에 기초하여 영상화를 수행할 수 있다. 카메라(420)의 셔터가 외부에 노출되는 시점이 조절됨에 따라 거리 게이트의 위치가 조절될 수 있고, 거리 게이트의 위치가 적절하게 조절됨에 따라 특정 위치에 있는 표적이 영상화될 수 있다.
적어도 하나의 프로세서(430)는 하나 또는 복수 개의 프로세서에 의하여 구현될 수 있다. 예를 들어, 적어도 하나의 프로세서(430)는 다수의 논리 게이트들의 어레이로 구현될 수 있고, 범용적인 마이크로 프로세서와 마이크로 프로세서에서 실행될 수 있는 프로그램이 저장된 메모리의 조합으로 구현될 수도 있다.
적어도 하나의 프로세서(430)는 카메라(420)의 셔터를 외부에 노출시키는 시점을 변경해가면서 복수 개의 표본 영상들을 획득할 수 있다. 복수 개의 표본 영상들을 획득하기 위한 카메라(420)의 셔터를 외부에 노출시키는 시점은 거리 게이트의 위치에 대응되는 임의의 시점 d에 평균이 0인 기 정의된 랜덤 확률 분포를 따르는 랜덤 변수 j를 더한 값인 d+j에 따라 변경될 수 있다.
적어도 하나의 프로세서(430)는 획득된 복수 개의 표본 영상들 각각에 표적이 존재하는지 여부를 판단하고, 판단 결과에 기초하여 이진 시퀀스를 생성할 수 있다.
적어도 하나의 프로세서(430)는 획득된 복수 개의 표본 영상들 각각에 대해 기 설정된 임계값에 기초한 영상 이진화 및 모폴로지 연산을 수행하고, 영상 이진화 및 모폴로지 연산 결과에 기초하여 표적이 존재하는지 여부를 판단할 수 있다.
또한, 적어도 하나의 프로세서(430)는 획득된 복수 개의 표본 영상들 중 제1 표본 영상에 표적이 존재한다고 판단되는 경우 이진 시퀀스에서 제1 표본 영상에 대응되는 값을 1로 결정하고, 획득된 복수 개의 표본 영상들 중 제2 표본 영상에 표적이 존재하지 않는다고 판단되는 경우 이진 시퀀스에서 제2 표본 영상에 대응되는 값을 0으로 결정할 수 있다.
적어도 하나의 프로세서(430)는 생성된 이진 시퀀스에 대해 최대 공산 기법을 적용함으로써, LRGI 센서로부터 획득되는 영상에 표적이 존재할 확률을 예측할 수 있다.
표적의 속도가 상대적으로 느린 경우 적어도 하나의 프로세서(430)는 표적의 존재 여부를 베르누이 랜덤 변수로 모델링할 수 있고, 모델링된 결과에 최대 공산 기법을 적용할 수 있다. LRGI 센서로부터 획득되는 영상에 표적이 존재할 확률의 예측값 p는 복수 개의 표본 영상들의 수를 n, 복수 개의 표본 영상들 중 표적이 존재하는 영상들의 수를 r이라고 할 때, 수학식
Figure pat00044
에 따라 결정될 수 있다.
속도가 상대적으로 빠른 경우 적어도 하나의 프로세서(430)는 LRGI 센서로부터 획득되는 영상에 표적이 존재할 확률의 예측 값을 복수 개의 표본 영상들 각각에 대해 변경되도록 모델링할 수 있다. LRGI 센서로부터 획득되는 영상에 표적이 존재할 확률의 예측값은 복수 개의 표본 영상들의 수를 n, 복수 개의 표본 영상들 중 k번째 영상에 표적이 존재하는지 여부를 나타내는 함수를
Figure pat00045
, k번째 영상에서 표적이 존재할 확률을
Figure pat00046
, 기 정의된 상수를
Figure pat00047
라고 할 때,
Figure pat00048
의 조건 하에서 수학식
Figure pat00049
을 최대화하는
Figure pat00050
로 결정될 수 있다.
적어도 하나의 프로세서(430)는 예측된 확률에 기초하여 LRGI 센서의 거리 게이트 내 표적의 위치를 결정할 수 있다. 적어도 하나의 프로세서(430)는 LRGI 센서로부터 획득되는 영상에 표적이 존재할 확률(
Figure pat00051
) 및 거리 게이트 내 상기 표적의 위치(m) 간의 관계를 이용하여 거리 게이트 내 표적의 위치를 결정할 수 있다.
예를 들어, 랜덤 변수 j에 대응되는 랜덤 확률 분포 함수를
Figure pat00052
, 상기 거리 게이트의 심도를 s, 상기 거리 게이트 내 상기 표적의 위치를 m이라고 할 때, 다음과 같은 수학식
Figure pat00053
에 기초하여 LRGI 센서로부터 획득되는 영상에 표적이 존재할 확률(
Figure pat00054
) 및 거리 게이트 내 상기 표적의 위치(m) 간의 관계가 결정될 수 있다. LRGI 센서로부터 획득되는 영상에 표적이 존재할 확률(
Figure pat00055
) 및 거리 게이트 내 상기 표적의 위치(m) 간의 관계를 나타내는 그래프(300)의 예시는 도 3에 도시되어 있다.
적어도 하나의 프로세서(430)는 거리 게이트의 위치 및 거리 게이트 내 표적의 위치를 이용하여 표적의 거리를 추정할 수 있다. 예를 들어, 적어도 하나의 프로세서(430)는 거리 게이트의 위치 및 거리 게이트 내 표적의 위치를 더한 값을 표적의 거리로 추정할 수 있다. 적어도 하나의 프로세서(430)는 거리 게이트의 위치 및 거리 게이트 내 표적의 위치를 더한 값에 칼만 필터링을 적용할 수도 있다.
또한, 적어도 하나의 프로세서(430)는 추정된 표적의 거리에 기초하여 LRGI 센서에 포함되는 카메라의 셔터를 외부에 노출시키는 시점을 조정함으로써 거리 게이트의 위치를 조정할 수 있다. 거리 게이트 내에 표적이 계속하여 포함되도록 거리 게이트의 위치가 적절하게 조절됨에 따라 LRGI 센서를 이용한, 움직이는 표적에 대한 추적 및 영상화가 수행될 수 있다.
메모리(440)는 장치(40) 내에서 처리되는 각종 데이터들을 저장하는 하드웨어로서, 예를 들어, 메모리(440)는 장치(40)에서 처리된 데이터들 및 처리될 데이터들을 저장할 수 있다. 또한, 메모리(440)는 장치(40)에 의해 구동될 애플리케이션들, 드라이버들 등을 저장할 수 있다. 예를 들어, 메모리(440)는 LRGI 센서로부터 획득된 복수 개의 표본 영상들을 저장할 수 있다.
메모리(440)는 DRAM(dynamic random access memory), SRAM(static random access memory) 등과 같은 RAM(random access memory), ROM(read-only memory), EEPROM(electrically erasable programmable read-only memory), CD-ROM, 블루레이 또는 다른 광학 디스크 스토리지, HDD(hard disk drive), SSD(solid state drive), 또는 플래시 메모리를 포함하며, 나아가서, 장치(40)에 액세스될 수 있는 외부의 다른 스토리지 디바이스를 포함할 수 있다.
이상에서 실시예들에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속한다.

Claims (11)

  1. LRGI(Laser Range-Gated Imaging) 센서를 이용하여 표적의 거리를 추정하는 방법에 있어서,
    상기 LRGI 센서에 포함되는 카메라의 셔터를 외부에 노출시키는 시점을 변경해가면서 복수 개의 표본 영상들을 획득하는 단계;
    상기 획득된 복수 개의 표본 영상들 각각에 상기 표적이 존재하는지 여부를 판단하고, 상기 판단 결과에 기초하여 이진 시퀀스를 생성하는 단계;
    상기 생성된 이진 시퀀스에 대해 최대 공산(Maximum likelihood) 기법을 적용함으로써, 상기 LRGI 센서로부터 획득되는 영상에 상기 표적이 존재할 확률을 예측하는 단계;
    상기 예측된 확률에 기초하여 상기 LRGI 센서의 거리 게이트 내 상기 표적의 위치를 결정하는 단계; 및
    상기 거리 게이트의 위치 및 상기 거리 게이트 내 상기 표적의 위치를 이용하여 상기 표적의 거리를 추정하는 단계를 포함하는, 방법.
  2. 제 1항에 있어서,
    상기 복수 개의 표본 영상들을 획득하기 위한 상기 카메라의 셔터를 외부에 노출시키는 시점은 상기 거리 게이트의 위치에 대응되는 임의의 시점 d에 평균이 0인 기 정의된 랜덤 확률 분포를 따르는 랜덤 변수 j를 더한 값인 d+j에 따라 변경되는, 방법.
  3. 제 1항에 있어서,
    상기 표적이 존재하는지 여부를 판단하는 단계는,
    상기 획득된 복수 개의 표본 영상들 각각에 대해 기 설정된 임계값에 기초한 영상 이진화 및 모폴로지 연산을 수행하는 단계; 및
    상기 영상 이진화 및 모폴로지 연산 결과에 기초하여 상기 표적이 존재하는지 여부를 판단하는 단계를 포함하는, 방법.
  4. 제 1항에 있어서,
    상기 이진 시퀀스를 생성하는 단계는,
    상기 획득된 복수 개의 표본 영상들 중 제1 표본 영상에 상기 표적이 존재한다고 판단되는 경우 상기 이진 시퀀스에서 상기 제1 표본 영상에 대응되는 값을 1로 결정하는 단계; 및
    상기 획득된 복수 개의 표본 영상들 중 제2 표본 영상에 상기 표적이 존재하지 않는다고 판단되는 경우 상기 이진 시퀀스에서 상기 제2 표본 영상에 대응되는 값을 0으로 결정하는 단계를 포함하는, 방법.
  5. 제 1항에 있어서,
    상기 표적의 속도가 상대적으로 느린 경우 상기 표적이 존재할 확률을 예측하는 단계는,
    상기 표적의 존재 여부를 베르누이(Bernoulli) 랜덤 변수로 모델링하는 단계;
    상기 모델링된 결과에 상기 최대 공산 기법을 적용하는 단계를 포함하고,
    상기 LRGI 센서로부터 획득되는 영상에 상기 표적이 존재할 확률의 예측값 p는 상기 복수 개의 표본 영상들의 수를 n, 상기 복수 개의 표본 영상들 중 상기 표적이 존재하는 영상들의 수를 r이라고 할 때, 수학식
    Figure pat00056
    에 따라 결정되는, 방법.
  6. 제 1 항에 있어서,
    상기 표적의 속도가 상대적으로 빠른 경우 상기 표적이 존재할 확률을 예측하는 단계는,
    상기 LRGI 센서로부터 획득되는 영상에 상기 표적이 존재할 확률의 예측 값을 상기 복수 개의 표본 영상들 각각에 대해 변경되도록 모델링하는 단계를 포함하고,
    상기 LRGI 센서로부터 획득되는 영상에 상기 표적이 존재할 확률의 예측값은 상기 복수 개의 표본 영상들의 수를 n, 상기 복수 개의 표본 영상들 중 k번째 영상에 상기 표적이 존재하는지 여부를 나타내는 함수를
    Figure pat00057
    , 상기 k번째 영상에서 상기 표적이 존재할 확률을
    Figure pat00058
    , 기 정의된 상수를
    Figure pat00059
    라고 할 때,
    Figure pat00060
    의 조건 하에서 수학식
    Figure pat00061
    을 최대화하는
    Figure pat00062
    로 결정되는, 방법.
  7. 제 2항에 있어서,
    상기 랜덤 변수 j에 대응되는 랜덤 확률 분포 함수를
    Figure pat00063
    , 상기 거리 게이트의 심도를 s, 상기 거리 게이트 내 상기 표적의 위치를 m이라고 할 때, 다음과 같은 수학식
    Figure pat00064
    에 기초하여 상기 LRGI 센서로부터 획득되는 영상에 상기 표적이 존재할 확률(
    Figure pat00065
    ) 및 상기 거리 게이트 내 상기 표적의 위치(m) 간의 관계가 결정되는, 방법.
  8. 제 1항에 있어서,
    상기 표적의 거리를 추정하는 단계는,
    상기 거리 게이트의 위치 및 상기 거리 게이트 내 상기 표적의 위치를 더한 값에 칼만(Kalman) 필터링을 적용하는 단계를 포함하는, 방법.
  9. 제 1항에 있어서,
    상기 방법은,
    상기 추정된 표적의 거리에 기초하여 상기 LRGI 센서에 포함되는 카메라의 셔터를 외부에 노출시키는 시점을 조정함으로써 상기 거리 게이트의 위치를 조정하는 단계를 더 포함하는, 방법.
  10. 제 1항의 방법을 실행하는 명령어들을 포함하는 하나 이상의 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체.
  11. LRGI 센서를 이용하여 표적의 거리를 추정하는 장치에 있어서,
    상기 표적을 향해 펄스 레이저를 발사하는 레이저 광원;
    상기 레이저 광원이 상기 표적을 향해 상기 펄스 레이저를 발사하고 임의의 시간이 경과한 후 셔터를 열어 상기 표적으로부터 반사되는 광을 수신하는 카메라;
    적어도 하나의 프로그램이 저장된 메모리; 및
    상기 적어도 하나의 프로그램을 실행함으로써 상기 표적의 거리를 추정하는 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 카메라의 셔터를 외부에 노출시키는 시점을 변경해가면서 복수 개의 표본 영상들을 획득하고,
    상기 획득된 복수 개의 표본 영상들 각각에 상기 표적이 존재하는지 여부를 판단하고, 상기 판단 결과에 기초하여 이진 시퀀스를 생성하며,
    상기 생성된 이진 시퀀스에 대해 최대 공산 기법을 적용함으로써, 상기 LRGI 센서로부터 획득되는 영상에 상기 표적이 존재할 확률을 예측하고,
    상기 예측된 확률에 기초하여 상기 LRGI 센서의 거리 게이트 내 상기 표적의 위치를 결정하며,
    상기 거리 게이트의 위치 및 상기 거리 게이트 내 상기 표적의 위치를 이용하여 상기 표적의 거리를 추정하는, 장치.
KR1020180035363A 2018-03-27 2018-03-27 Lrgi 센서를 이용하여 표적의 거리를 추정하는 방법 및 장치 KR102150098B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180035363A KR102150098B1 (ko) 2018-03-27 2018-03-27 Lrgi 센서를 이용하여 표적의 거리를 추정하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180035363A KR102150098B1 (ko) 2018-03-27 2018-03-27 Lrgi 센서를 이용하여 표적의 거리를 추정하는 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20190113123A true KR20190113123A (ko) 2019-10-08
KR102150098B1 KR102150098B1 (ko) 2020-08-31

Family

ID=68209177

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180035363A KR102150098B1 (ko) 2018-03-27 2018-03-27 Lrgi 센서를 이용하여 표적의 거리를 추정하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102150098B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101313908B1 (ko) * 2013-05-10 2013-10-01 위아코퍼레이션 주식회사 레이저 레인지 게이트 방식을 이용한 영상 보안 시스템
KR101357120B1 (ko) * 2013-04-23 2014-02-05 김태민 광 신호를 이용한 거리 측정 방법 및 장치
KR20150024860A (ko) * 2012-05-29 2015-03-09 브라이트웨이 비젼 엘티디. 적응 피사계 심도를 이용한 게이트된 영상
KR20150089791A (ko) * 2014-01-28 2015-08-05 국방과학연구소 영상 표적의 크기 추정 방법
KR20170050608A (ko) * 2015-10-30 2017-05-11 주식회사 엘지화학 레이저 센서부를 이용한 기재의 결함 유무 검출 시스템 및 그 시스템을 통한 기재의 결함 유무 검출 방법
KR101827889B1 (ko) * 2017-04-03 2018-02-09 대구대학교 산학협력단 지역적 대비차 계산 방법을 이용한 실시간 소형 표적 검출방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150024860A (ko) * 2012-05-29 2015-03-09 브라이트웨이 비젼 엘티디. 적응 피사계 심도를 이용한 게이트된 영상
KR101357120B1 (ko) * 2013-04-23 2014-02-05 김태민 광 신호를 이용한 거리 측정 방법 및 장치
KR101313908B1 (ko) * 2013-05-10 2013-10-01 위아코퍼레이션 주식회사 레이저 레인지 게이트 방식을 이용한 영상 보안 시스템
KR20150089791A (ko) * 2014-01-28 2015-08-05 국방과학연구소 영상 표적의 크기 추정 방법
KR20170050608A (ko) * 2015-10-30 2017-05-11 주식회사 엘지화학 레이저 센서부를 이용한 기재의 결함 유무 검출 시스템 및 그 시스템을 통한 기재의 결함 유무 검출 방법
KR101827889B1 (ko) * 2017-04-03 2018-02-09 대구대학교 산학협력단 지역적 대비차 계산 방법을 이용한 실시간 소형 표적 검출방법

Also Published As

Publication number Publication date
KR102150098B1 (ko) 2020-08-31

Similar Documents

Publication Publication Date Title
US9373057B1 (en) Training a neural network to detect objects in images
US20210117760A1 (en) Methods and apparatus to obtain well-calibrated uncertainty in deep neural networks
US11715001B2 (en) Water quality prediction
US11574481B2 (en) Camera blockage detection for autonomous driving systems
US11830136B2 (en) Methods and systems for auto-leveling of point clouds and 3D models
US11068831B2 (en) Work analysis assistance device, work analysis assistance method, computer program, and information storage medium
US20210133558A1 (en) Deep-learning model creation recommendations
JP7150841B2 (ja) コンピュータ実装方法、コンピュータ・プログラム製品および装置
US20190163949A1 (en) Intelligent tumor tracking system
EP3189348B1 (fr) Procede de gestion de croisements dans le suivi d'objets mobiles et dispositif associe
US10120575B2 (en) Dynamic storage tiering
JP6851408B2 (ja) 機械の空間的に配置された別個の部分の周波数の非影響な自動検出
KR20190113123A (ko) Lrgi 센서를 이용하여 표적의 거리를 추정하는 방법 및 장치
US20220011429A1 (en) Method and system for optical distance measurement
US10605607B2 (en) Two step pruning in a PHD filter
US11961308B2 (en) Camera blockage detection for autonomous driving systems
US9898672B2 (en) System and method of detection, tracking and identification of evolutionary adaptation of vehicle lamp
KR101524944B1 (ko) 다중 영역 영상 분할 방법 및 그 장치
KR20220138620A (ko) 모델 앙상블을 이용한 객체 탐지 방법 및 장치
CN105321381A (zh) 基于传感器轨迹id调整phd过滤器中的强度的权重
EP4099211A1 (en) Method and device for training a machine learning algorithm
US11037066B2 (en) Estimation of abnormal sensors
KR20200045356A (ko) 표적의 위치를 추적하는 장치 및 방법
US11915433B2 (en) Object tracking system, tracking parameter setting method, and non-transitory computer readable medium
KR102513803B1 (ko) 인공신경망을 이용한 객체 카운팅 방법 및 이를 수행하기 위한 컴퓨팅 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant