KR20230129744A - 소나 이미지를 이용한 해저면 표적 탐지 장치 및 방법 - Google Patents

소나 이미지를 이용한 해저면 표적 탐지 장치 및 방법 Download PDF

Info

Publication number
KR20230129744A
KR20230129744A KR1020220026709A KR20220026709A KR20230129744A KR 20230129744 A KR20230129744 A KR 20230129744A KR 1020220026709 A KR1020220026709 A KR 1020220026709A KR 20220026709 A KR20220026709 A KR 20220026709A KR 20230129744 A KR20230129744 A KR 20230129744A
Authority
KR
South Korea
Prior art keywords
information map
target
map
generated
highlight
Prior art date
Application number
KR1020220026709A
Other languages
English (en)
Inventor
오택환
박석준
Original Assignee
엘아이지넥스원 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘아이지넥스원 주식회사 filed Critical 엘아이지넥스원 주식회사
Priority to KR1020220026709A priority Critical patent/KR20230129744A/ko
Publication of KR20230129744A publication Critical patent/KR20230129744A/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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G01S15/8977—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using special techniques for image reconstruction, e.g. FFT, geometrical transformations, spatial deconvolution, time deconvolution
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G01S15/8902—Side-looking sonar
    • 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
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52023—Details of receivers
    • G01S7/52036—Details of receivers using analysis of echo signal for target characterisation
    • G06T5/007—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

본 발명의 다양한 실시예에 따르면, 표적 탐지 장치 및 방법을 적용함으로써 소나 이미지 데이터를 활용하여 색상 데이터를 추출하고, 이를 기반으로 해저면에 위치한 표적 식별을 수행함으로써 유효 표적 식별 정확도와 속도를 향상시킬 수 있다.
또한, 본 발명의 다양한 실시예에 따르면, 표적 탐지 장치 및 방법을 적용함으로써 복잡한 이미지 신호처리 기법을 사용하지 않기 때문에 임베디드 소프트웨어 구현이 용이할 수 있다.

Description

소나 이미지를 이용한 해저면 표적 탐지 장치 및 방법{APPARATUS AND METHOD FOR DETECTING TARGETS ON THE SEA FLOOR USING SONA IMAGE}
본 발명은 표적 탐지 장치 및 방법에 관한 것이다. 보다 상세하게는, 본 발명은 소나 이미지를 이용한 해저면 표적 탐지 장치 및 방법에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
수중 표적을 탐지하기 위해 소나를 사용한다. 수중 표적의 경우 소나의 반향 신호를 사용해 표적을 탐지하는 방법이 적용되고 있다. 해저면에 착저한 표적의 경우 해저면 반사 신호에 의해 표적 반향 신호를 탐지하기 어렵다는 문제점이 있다.
소나 이미지를 획득 후에는 운용자 또는 분석자가 육안으로 획득된 소나 이미지에서 표적을 식별한다. 최근에는 표적 정보 학습 및 인공 신경망 기반 영상 정보 처리 기법을 적용해 소나 이미지에서 해저면 표적을 식별하는 연구가 진행되고 있다.
종래의 운용자 및 분석자에 의한 육안 표적 식별 방법은 운용자 및 분석자의 경험에 의해 표적 식별 정확도 및 속도가 크게 영향을 받는다는 문제점이 있다.
표적 정보 학습 및 인공 신경망 기반 영상 정보 처리를 활용해 해저면 표적을 식별할 경우에는, 소나 이미지는 사진과 같이 표적의 형상을 정확하게 표현하지 못한다는 점, 소나 성능 및 소나 운용 환경에 의해 소나 이미지 상에서 표적은 다른 형태로 표현될 수 있다는 점, 현재 다양한 형태의 표적에 대한 소나 이미지 확보가 어렵다는 점 및 표적 정보 학습을 위한 학습 데이터 형성이 매우 어렵다는 점과 같은 문제점들이 있다. 또한, 학습 데이터가 불안정하고 다양하지 못할 경우 인공 신경망 기반 영상 정보 처리의 정확도가 낮아 질 수 있다.
이와 같은 해저면 착저 표적 탐지의 문제점 해결을 위해 SSS(Side Scan Sonar)와 같은 소나 이미지 정보를 사용할 수 있다. 소나 이미지에는 해저 지형, 자연 구조물 및 인공 구조물 등과 같은 여러 정보가 포함될 수 있다. 최근 해저면 착저 잠수함 또는 기뢰 탐지를 위해 소나 이미지에서 해저면 표적을 탐지하는 자동화된 기술이 요구되는 실정이다.
대한민국 등록특허공보 제10-2080227호(2020.02.17.) 대한민국 등록특허공보 제10-2339165호(2021.12.09.)
본 발명이 이루고자 하는 목적은, 소나 이미지 데이터를 활용하여 색상 데이터를 추출하고, 이를 기반으로 해저면에 위치한 표적 식별을 수행함으로써 유효 표적 식별 정확도와 속도를 향상시킬 수 있는 표적 탐지 장치 및 방법을 제공하는데 있다.
본 발명이 이루고자 하는 목적은, 임베디드 소프트웨어 구현이 용이한 표적 탐지 장치 및 방법을 제공하는데 있다.
본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 수 있다.
상술한 목적을 달성하기 위한 본 발명의 일 실시예에 따른 표적 탐지 장치는 소나 이미지를 수신하고, 상기 수신한 소나 이미지의 색상 데이터를 생성하는 색상데이터 생성부; 상기 생성된 색상 데이터를 기반으로 하이라이트 구역을 표시하는 하이라이트 정보맵과 음영 구역을 표시하는 음영 정보맵을 생성하는 정보맵 생성부; 상기 생성된 하이라이트 정보맵과 상기 생성된 음영 정보맵을 기반으로 예상표적 식별구역맵을 생성하는 예상표적 식별구역맵 생성부; 및 상기 생성된 예상표적 식별구역맵을 기반으로 표적 탐지를 수행하여 표적을 식별하는 표적식별부;를 포함한다.
여기서, 상기 정보맵 생성부는, 상기 생성된 색상 데이터의 밝기를 기반으로 통계특성을 분석하여 통계특성값들을 산출하고, 상기 산출된 통계특성값들을 기반으로 상기 하이라이트 정보맵과 상기 음영 정보맵을 생성하는 것을 특징으로 한다.
여기서, 상기 정보맵 생성부는, 상기 산출된 통계특성값들 중에서 미리 결정된 제1 기준값 이상의 값을 가지는 통계특성값들을 기반으로 상기 하이라이트 정보맵을 생성하고, 상기 산출된 통계특성값들 중에서 미리 결정된 제2 기준값 이하의 값을 가지는 통계특성값들을 기반으로 상기 음영 정보맵을 생성하는 것을 특징으로 한다.
여기서, 상기 예상표적 식별구역맵 생성부는, 상기 생성된 하이라이트 정보맵과 상기 생성된 음영 정보맵을 중첩시키고, 상기 중첩된 하이라이트 정보맵과 음영 정보맵을 기반으로 예상표적 식별구역맵을 생성하는 것을 특징으로 한다.
여기서, 상기 예상표적 식별구역맵 생성부는, 상기 중첩된 하이라이트 정보맵과 음영 정보맵에 포함된 하이라이트 구역들과 음영 구역들 중에서 하이라이트 구역과 음영 구역 간의 거리가 미리 결정된 기준거리 이하인 하이라이트 구역들과 음영 구역들만을 포함하는 예상표적 식별구역맵을 생성하는 것을 특징으로 한다.
여기서, 상기 표적식별부는, 미리 입력된 예상 표적의 크기 정보와 예상 표적의 높이 정보를 기반으로 표적을 식별하는 것을 특징으로 한다.
여기서, 상기 표적식별부는, 상기 색상데이터 생성부가 수신한 소나 이미지의 중심부를 지나는 세로축을 기준으로 상기 세로축의 좌측이 우측보다 밝은 경우, 상기 예상표적 식별구역맵의 중심부를 지나는 세로축을 기준으로 우측을 탐지하여 표적을 식별하고, 상기 색상데이터 생성부가 수신한 소나 이미지의 중심부를 지나는 세로축을 기준으로 상기 세로축의 우측이 좌측보다 밝은 경우, 상기 예상표적 식별구역맵의 중심부를 지나는 세로축을 기준으로 좌측을 탐지하여 표적을 식별하는 것을 특징으로 한다.
여기서, 상기 색상데이터 생성부는, RGB 데이터 형식의 색상 데이터를 추출하는 것을 특징으로 한다.
여기서, 상기 색상데이터 생성부가 수신하는 소나 이미지는 사이드 스캔 소나에 의하여 생성된 사이드 스캔 소나 이미지인 것을 특징으로 한다.
상술한 목적을 달성하기 위한 본 발명의 일 실시예에 따른 표적 탐지 장치에 의하여 수행되는 표적 탐지 방법은, 색상데이터 생성부가, 소나 이미지를 수신하고, 상기 수신한 소나 이미지의 색상 데이터를 생성하는 단계; 정보맵 생성부가, 상기 생성된 색상 데이터를 기반으로 하이라이트 구역을 표시하는 하이라이트 정보맵과 음영 구역을 표시하는 음영 정보맵을 생성하는 단계; 예상표적 식별구역맵 생성부가, 상기 생성된 하이라이트 정보맵과 상기 생성된 음영 정보맵을 기반으로 예상표적 식별구역맵을 생성하는 단계; 및 표적 식별부가, 상기 생성된 예상표적 식별구역맵을 기반으로 표적 탐지를 수행하여 표적을 식별하는 단계;를 포함한다.
여기서, 상기 정보맵을 생성하는 단계는, 상기 생성된 색상 데이터의 밝기를 기반으로 통계특성을 분석하여 통계특성값들을 산출하고, 상기 산출된 통계특성값들을 기반으로 상기 하이라이트 정보맵과 상기 음영 정보맵을 생성하는 것을 특징으로 한다.
여기서, 상기 정보맵을 생성하는 단계는, 상기 산출된 통계특성값들 중에서 미리 결정된 제1 기준값 이상의 값을 가지는 통계특성값들을 기반으로 상기 하이라이트 정보맵을 생성하고, 상기 산출된 통계특성값들 중에서 미리 결정된 제2 기준값 이하의 값을 가지는 통계특성값들을 기반으로 상기 음영 정보맵을 생성하는 것을 특징으로 한다.
상술한 목적을 달성하기 위한 본 발명의 일 실시예에 따른 표적 탐지 시스템은 소나 이미지를 수신하고, 상기 수신한 소나 이미지의 색상 데이터를 생성하는 색상데이터 생성부, 상기 생성된 색상 데이터를 기반으로 하이라이트 구역을 표시하는 하이라이트 정보맵과 음영 구역을 표시하는 음영 정보맵을 생성하는 정보맵 생성부, 상기 생성된 하이라이트 정보맵과 상기 생성된 음영 정보맵을 기반으로 예상표적 식별구역맵을 생성하는 예상표적 식별구역맵 생성부 및 상기 생성된 예상표적 식별구역맵을 기반으로 표적 탐지를 수행하여 표적을 식별하는 표적식별부를 포함하는 표적 탐지 장치; 및 초음파를 이용하여서 해저면의 소나 이미지를 획득하도록 구성된 사이드 스캔 소나;를 포함한다.
이상에서 설명한 바와 같이 본 발명의 일 실시예에 따르면, 표적 탐지 장치 및 방법을 적용함으로써 소나 이미지 데이터를 활용하여 색상 데이터를 추출하고, 이를 기반으로 해저면에 위치한 표적 식별을 수행함으로써 유효 표적 식별 정확도와 속도를 향상시킬 수 있다.
또한, 본 발명의 일 실시예에 따르면, 표적 탐지 장치 및 방법을 적용함으로써 때문에 임베디드 소프트웨어 구현이 용이할 수 있다.
여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급된다.
도 1은 본 발명의 일 실시예에 따른 표적 탐지 시스템의 구성을 개략적으로 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 표적 탐지 시스템을 탑재한 수중 운동체가 소나 탐지빔을 이용하여 해저면을 탐지하는 것을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 표적 탐지 시스템에 의하여 획득된 소나 이미지를 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 표적 탐지 장치에 의하여 추출된 색상 데이터와 통계특성값을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 표적 탐지 장치에 의하여 추출된 흑백 데이터와 통계특성값을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 표적 탐지 장치에 의하여 생성된 하이라이트 정보맵과 음영 정보맵을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 표적 탐지 장치에 의하여 생성된 중첩된 하이라이트 정보맵과 음영 정보맵 및 예상 표적 식별 구역을 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시예에 따른 표적 탐지 장치에 의하여 생성된 예상표적 식별구역맵을 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에 따른 표적 탐지 장치에 의하여 식별된 표적을 설명하기 위한 도면이다.
도 10은 본 발명의 일 실시예에 따른 표적 탐지 시스템에 의하여 수행되는 표적 탐지 방법을 설명하기 위한 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, “가진다”, “가질 수 있다”, “포함한다” 또는 “포함할 수 있다” 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 제2, 제1 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소 들은 상기 용어들에 의해 한정되지는 않는다.
상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제2 구성요소는 제1 구성요소로 명명될 수 있고, 유사하게 제1 구성요소도 제2 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
본 명세서에서 각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
또한, 본 명세서에 기재된 '~부'라는 용어는 소프트웨어 또는 FPGA(field-programmable gate array) 또는 ASIC과 같은 하드웨어 구성요소를 의미할 수 있으며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터 구조들 및 변수들을 포함할 수 있다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다.
이하에서 첨부한 도면을 참조하여 본 발명에 따른 표적 탐지 장치, 방법 및 시스템의 다양한 실시예에 대해 상세하게 설명한다.
본 명세서에 기재된 실시예들은 수중 인공 구조물 및 표적 탐지에 활용되기 위하여 해저면 소나 정보를 생성하고 분석하는 장치(예를 들어, 어뢰, 수중 운동체, 수상정 및 잠수정)에 적용될 수 있다.
도 1은 본 발명의 일 실시예에 따른 표적 탐지 시스템의 구성을 개략적으로 도시한 블록도이다.
도 1을 참조하면, 표적 탐지 시스템(10)은 표적 탐지 장치(100) 및 사이드 스캔 소나(200)를 포함할 수 있다.
표적 탐지 장치(100)는 색상데이터 생성부(110), 정보맵 생성부(120), 예상표적 식별구역맵 생성부(130) 및 표적식별부(140)를 포함할 수 있다.
색상데이터 생성부(110)는 소나 이미지를 수신하고, 수신한 소나 이미지의 색상 데이터를 생성할 수 있다. 색상데이터 생성부(110)는 수신한 소나 이미지의 색상 데이터를 RGB 데이터의 형식으로 생성할 수 있다. 색상데이터 생성부(110)는 수신한 소나 이미지의 색상 데이터를 흑백 데이터의 형식으로 생성할 수 있다.
정보맵 생성부(120)는 생성된 색상 데이터를 기반으로 하이라이트 정보맵과 음영 정보맵을 생성할 수 있다.
정보맵 생성부(120)는 생성된 색상 데이터의 밝기를 기반으로 통계특성을 분석하여 통계특성값들을 산출하고, 산출된 통계특성값들을 기반으로 하이라이트 정보맵과 음영 정보맵을 생성할 수 있다.
하이라이트 정보맵은 색상 데이터를 기반으로 하이라이트 구역들만이 표시된 정보맵일 수 있다.
음영 정보맵은 색상 데이터를 기반으로 음영 구역들만이 표시된 정보맵일 수 있다.
하이라이트 구역과 음영 구역에 대해서는 도 2에서 보다 상세하게 설명한다.
여기서, 통계특성값은 명도에 대한 값일 수 있다.
여기서 명도에 대한 값은 검정색을 0%, 흰색을 100%로 하였을 때 밝은 정도로, RGB 색 공간에서는 빨강(R), 초록(G), 파랑(B)의 채널 값을 더해 3으로 나눈 값일 수 있다.
본 발명의 일 실시예에 따르면, 통계특성값은 색상값일 수 있다.
일반적으로 색의 경우 R, G, B 3가지 색상 계열로 이미지가 구성되며, R, G, B 3가지 색상 각각은 0 ~ 255까지의 색상값으로 구성될 수 있다. 따라서, 통계특성값은 R 색상값, G 색상값 및 B 색상값의 총합으로 최소 0, 최대 765의 값을 가질 수 있다. 이에 따라, 음영 구역일수록 0에 가까운 값을 갖고, 하이라이트 구역일수록 765에 근접한 값을 가진다.
정보맵 생성부(120)는 산출된 통계특성값들 중에서 미리 결정된 제1 기준값(예를 들어, 색상값이 700) 이상의 값을 가지는 통계특성값들을 기반으로 하이라이트 정보맵을 생성하고, 산출된 통계특성값들 중에서 미리 결정된 제2 기준값 이하(예를 들어, 색상값이 100)의 값을 가지는 통계특성값들을 기반으로 음영 정보맵을 생성할 수 있다.
본 발명의 또 다른 일 실시예에 따르면, 정보맵 생성부(120)는 산출된 통계특성값들의 크기를 기준으로 미리 결정된 상위비율(예를 들어, 상위 10퍼센트의 크기를 가진 통계특성값들)에 해당하는 통계특성값들을 기반으로 하이라이트 정보맵을 생성하고, 산출된 통계특성값들의 크기를 기준으로 미리 결정된 하위비율(예를 들어, 하위 10퍼센트의 크기를 가진 통계특성값들)에 해당하는 통계특성값들을 기반으로 음영 정보맵을 생성할 수 있다.
예상표적 식별구역맵 생성부(130)는 생성된 하이라이트 정보맵과 생성된 음영 정보맵을 기반으로 예상표적 식별구역맵을 생성할 수 있다.
예상표적 식별구역맵 생성부(130)는 생성된 하이라이트 정보맵과 생성된 음영 정보맵을 중첩시키고, 중첩된 하이라이트 정보맵과 음영 정보맵을 기반으로 예상표적 식별구역맵을 생성할 수 있다.
예상표적 식별구역맵 생성부(130)는 중첩된 하이라이트 정보맵과 음영 정보맵에 포함된 하이라이트 구역들과 음영 구역들 중에서 하이라이트 구역과 음영 구역 간의 거리가 미리 결정된 기준거리(예를 들어, 2미터) 이하인 하이라이트 구역들과 음영 구역들만을 포함하는 예상표적 식별구역맵을 생성할 수 있다.
하이라이트 구역과 음영 구역 간의 거리는 해당 구역들의 최외각을 기준으로 하이라이트 구역의 최외각선과 음영 구역의 최외각선 간의 최단거리를 산출하는 방식으로 측정할 수 있다.
표적식별부(140)는 생성된 예상표적 식별구역맵을 기반으로 표적 탐지를 수행하여 표적을 식별할 수 있다.
표적식별부(140)는 사용자 및 운용자에 의하여 미리 입력된 예상 표적의 크기(예를 들어, 가로 8 ~ 10 미터 및 세로 15 ~ 18 미터) 정보와 예상 표적의 높이 정보(예를 들어, 높이 3 ~ 5 미터)를 기반으로 표적을 식별할 수 있다.
사이드 스캔 소나(200)는 초음파를 이용하여서 해저면의 소나 이미지를 획득할 수 있다. 사이드 스캔 소나(200)는 광범위한 수중 탐색을 위해 해저면 이미지를 효과적으로 만들 수 있다. 사이드 스캔 소나(200)는 음파를 이용한 수중영상촬영 장비로서 공기중의 카메라와 같은 역할을 수행할 수 있으며, 수중물체 파악, 2차원 지형조사 등 수중환경을 파악할 수 있다.
도 1에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 표적 탐지 시스템(10)과 연결된 일부 블록이 추가, 변경 또는 삭제될 수 있다.
도 2는 본 발명의 일 실시예에 따른 표적 탐지 시스템을 탑재한 수중 운동체가 소나 탐지빔을 이용하여 해저면을 탐지하는 것을 설명하기 위한 도면이다.
표적 탐지 시스템(10)이 적용된 수중 무기체계(1)는 해저면 표적 탐지를 위한 소나 탐지 빔을 해저면을 향하여 송신하고, 해저면 표적(2)에 의한 반향 신호를 수신할 수 있다.
표적 탐지 시스템(10)은 해저면에 위치한 표적을 탐지하기 위하여 수중의 설정 영역을 운항하도록 추진력을 발생시키도록 형성될 수 있다.
소나 반향 신호에는 해저면 신호와 해저면 표적에 의한 반향 정보가 포함될 수 있다. 보다 상세하게는, 소나 반향 신호에 포함된 정보는 해저면 표적 음향 반사 특성과 해저면 퇴적 층의 종류에 따른 음향 반사 특성에 대한 정보가 포함될 수 있다.
소나 이미지 데이터에서 밝기(예를 들어, 명도 또는 색상값)가 미리 결정된 제1 임계값 이하인 구역을 음영 구역이라고 할 수 있다. 음영 구역은 운용되는 사이드 스캔 소나(200)의 종류 및 수중 무기체계(1)의 운용 환경에 따라 사이드 스캔 소나(200)가 탐지할 수 없어 소나 이미지에 어둡게 나타나는 구역을 의미할 수 있다. 음영 구역은 해저면의 굴곡 또는 자연 구조물에 의하여 생성될 수 있다. 음영 구역은 해저면 표적의 크기 및 높이와 같은 기하학적 표적 정보에 의해 생성될 수 있다.
소나 이미지에서는 표적 반향 신호는 신호 크기가 크며, 음영 구역의 신호 크기는 작게 표현될 수 있다.
수중 무기체계(1)는 시간에 따라 이동하며 반향된 수중 음향 소나 신호를 획득하고, 표적 탐지 장치(100)는 수중 무기체계(1)가 획득한 수중 음향 소나 신호를 수중 무기체계(1)의 위치 정보 등을 사용해 보정한 후 소나 이미지 데이터를 생성할 수 있다.
일반적으로 소나 이미지 데이터에서 표적 신호에 의한 정보는 밝은 색으로 표현되며, 음영구역 정보는 어두운 색으로 표현된다.
소나 이미지 데이터에서 밝기(예를 들어, 명도 또는 색상값)가 미리 결정된 제2 임계값 이상인 구역을 하이라이트 구역이라고 할 수 있다.
도 3은 본 발명의 일 실시예에 따른 표적 탐지 시스템에 의하여 획득된 소나 이미지를 나타낸 도면이다.
소나 이미지 정보는 사이드 스캔 소나(SSS, Side Scan Sonar)(200)를 사용하여 획득할 수 있다.
도 3을 참조하면, 사이드 스캔 소나 이미지 데이터는 좌현 소나 이미지와 우현 소나 이미지로 구분될 수 있으며, 중앙 부분에 음영구역이 형성될 수 있다. 보다 상세하게는, 사이드 스캔 소나 이미지 데이터에서는 해저 지형에 의한 하이라이트 구역 및 음영 구역이 형성될 수 있다. 사이드 스캔 소나 이미지 데이터에서는 해저면 표적의 음향학적 특성과 표적의 기하학적 크기에 의해서 하이라이트 구역과 음영 구역이 형성될 수 있다.
표적식별부(140)는 사이드 스캔 소나 이미지 데이터로부터 사이드 스캔 소나 운용 정보를 통해 X-Y 2차원적 해상도를 산출할 수 있으며, 사용자 및 운용자는 산출된 해상도를 기반으로 예상 표적의 크기 정보를 유추할 수 있다.
표적 주변은 표적의 기하학적 크기에 의해 음영구역이 형성될 수 있으며, 표적식별부(140)는 표적 주변에 표적에 의하여 형성된 음영 구역정보를 사용하여 사용자 및 운용자는 해저면을 기준으로한 예상 표적의 높이 정보를 유추할 수 있다.
사용자 및 운용자는 유추한 예상 표적의 크기 정보와 높이 정보를 기반으로 표적식별부(140)에 입력했던 미리 입력된 예상 표적의 크기 정보와 예상 표적의 높이 정보를 정정할 수 있다.
여기서, 표적식별부(140)는 정정된 예상 표적의 크기 정보와 높이 정보를 기반으로 표적을 식별할 수 있다.
도 4는 본 발명의 일 실시예에 따른 표적 탐지 장치에 의하여 추출된 색상 데이터와 통계특성값을 설명하기 위한 도면이다.
도 4의 (a)는 본 발명의 일 실시예에 따른 색상데이터 생성부(110)에 의하여 생성된 RGB 색상 데이터를 나타내는 도면이다.
도 4의 (b)는 본 발명의 일 실시예에 따른 색상데이터 생성부(110)에 의하여 생성된 통계특성값들을 나타내는 그래프이다.
도 4의 (b) 그래프의 X축은 색상값을 나타내고, 도 4의 (b)의 Y축은 색상값들 중 X축 값에 해당하는 색상값들의 개수에 대한 누적 분포를 나타낸다.
색상데이터 생성부(110)는 소나 이미지를 R, G, B 색상 데이터로 각각 분리해 색상 데이터를 생성할 수 있다.
일반적으로 소나 이미지에서는 해저면 및 자연 지형 정보가 대부분이므로, 해저면의 정보 및 자연 지형의 정보를 제거하는 과정이 필요하다.
정보맵 생성부(120)는 소나 이미지에서 해저면의 정보를 제거하기 위해 R, G, B 색상 데이터의 통계 특성을 분석할 수 있다.
해저면 도출 자연 지형 및 표적의 경우 음향학적 특성에 의해 소나 이미지 상에 하이라이트 정보 및 음영 정보로서 나타날 수 있다.
비교적 평탄한 해저 지형, 즉, 잡음 데이터의 경우 소나 이미지 상에 하이라이트나 음영 정보로서 나타나지 않을 수 있다. 소나 이미지 데이터에서 하이라이트 구역은 밝은 색으로, 음영 구역은 어두운 색으로 표현될 수 있다.
정보맵 생성부(120)는 하이라이트 정보맵을 생성하기 위하여 RGB 데이터의 통계특성을 분석하여 산출된 통계특성값들 중에서 제1 기준값을 결정할 수 있다. 정보맵 생성부(120)는 음영 정보맵을 생성하기 위하여 RGB 데이터의 통계특성을 분석하여 산출된 통계특성값들 중에서 제2 기준값을 결정할 수 있다.
정보맵 생성부(120)는 미리 결정된 제1 기준값을 이용하여 2차원 하이라이트 정보맵을 생성할 수 있다.
정보맵 생성부(120)는 미리 결정된 제2 기준값을 이용하여 2차원 음영 정보맵을 생성할 수 있다.
도 5는 본 발명의 일 실시예에 따른 표적 탐지 장치에 의하여 추출된 흑백 데이터와 통계특성값을 설명하기 위한 도면이다.
도 5의 (a)는 본 발명의 일 실시예에 따른 색상데이터 생성부(110)에 의하여 추출된 흑백 데이터를 나타내는 도면이다.
도 5의 (b)는 본 발명의 일 실시예에 따른 색상데이터 생성부(110)에 의하여 생성된 흑백 데이터 값들의 분포를 나타내는 도면이다.
도 5의 (b) 그래프의 X축은 흑백값을 나타내고, 도 5의 (b) 그래프의 Y축은 X축 상의 흑백값들에 대응되는 흑백 데이터들의 개수를 나타낸다.
본 발명의 일 실시예에 따르면, 색상데이터 생성부(110)는 해저면의 정보를 제거하기 위하여 수신한 소나 이미지를 기반으로 흑백 데이터를 생성할 수 있다. 이어서, 색상데이터 생성부(110)는 생성된 흑백 데이터를 기반으로 흑백값을 산출할 수 있다.
흑백값은 0 ~ 255 사이의 값으로 0의 값은 검은색을 나타내고, 255의 값은 흰색을 나타낼 수 있다.
색상데이터 생성부(110)는 산출된 흑백값들의 크기를 기반으로 미리 결정된 하위비율(예를 들어, 하위 10%)의 크기를 가지는 값들과 미리 결정된 상위비율(예를 들어, 상위 10%)의 크기를 가지는 값들을 제외한 값들을 제거하는 방식으로 해저면 정보인 잡음 데이터들을 삭제할 수 있다.
이어서, 색상데이터 생성부(110)는 잡음 데이터들이 삭제된 이후의 데이터들을 기반으로 RGB 색상 데이터를 생성할 수 있다.
도 6은 본 발명의 일 실시예에 따른 표적 탐지 장치에 의하여 생성된 하이라이트 정보맵과 음영 정보맵을 설명하기 위한 도면이다.
도 6의 (a)는 본 발명의 일 실시예에 따른 정보맵 생성부(120)에 의하여 생성된 하이라이트 정보맵을 나타내는 도면이다.
도 6의 (b)는 본 발명의 일 실시예에 따른 정보맵 생성부(120)에 의하여 생성된 음영 정보맵을 나타내는 도면이다.
하이라이트 정보맵은 하이라이트 구역만이 도시된 맵을 의미할 수 있다.
음영 정보맵은 음영 구역만이 도시된 맵을 의미할 수 있다.
도 7은 본 발명의 일 실시예에 따른 표적 탐지 장치에 의하여 생성된 중첩된 하이라이트 정보맵과 음영 정보맵 및 예상 표적 식별 구역을 설명하기 위한 도면이다.
예상표적 식별구역맵 생성부(130)는 예상 표적의 기하학적 정보(크기 및 높이)를 사용해 가상의 표적정보 처리구역을 생성한다.
예상표적 식별구역맵 생성부(130)는 하이라이트 정보맵과 음영 정보맵을 중첩시킬 수 있다. 이어서, 예상표적 식별구역맵 생성부(130)는 예상표적 식별구역맵을 생성하기 위하여, 중첩된 하이라이트 정보맵과 음영 정보맵의 2차원 데이터를 2차원 검색 수행하기 위한 표적정보 처리구역을 생성할 수 있다.
예상표적 식별구역맵 생성부(130)는 생성된 표적정보처리구역을 2차원 이동시켜가며 예상표적 식별구역을 탐색하고, 탐색된 예상표적 식별구역을 기반으로 예상표적 식별구역맵을 생성할 수 있다.
예상표적 식별구역맵 생성부(130)는 표적의 경우 하이라이트 구역과 음영 구역이 근접한 거리에 위치하므로 이를 이용해 예상표적 식별구역을 탐색할 수 있다.
도 8은 본 발명의 일 실시예에 따른 표적 탐지 장치에 의하여 생성된 예상 표적 식별구역맵을 설명하기 위한 도면이다.
예상표적 식별구역맵 생성부(130)는 도 6의 (a)와 같이 중첩된 하이라이트 정보맵과 음영정보맵에서, 탐색된 예상표적 식별구역을 제외한 나머지 하이라이트 구역들과 음영 구역들이 삭제된 형태인 예상표적 식별구역맵을 생성할 수 있다.
예상표적 식별구역맵 생성부(130)에 의하여 생성된 예상표적 식별구역맵은 도 7에 도시된 바와 같은 형태일 수 있다.
표적식별부(140)는 생성된 예상표적 식별구역맵에서, 예상 표적보다 큰 하이라이트 구역과 음영 구역을 제거하는 방식으로 표적을 식별할 수 잇다.
해저 지형 또는 자연 구조물에 의하여 생성되는 하이라이트 구역과 음영 구역의 예상 표적의 하이라이트 구역과 음영구역보다 크기가 크기 때문에 이러한 방식으로 표적을 식별할 수 있다.
도 9는 본 발명의 일 실시예에 따른 표적 탐지 장치에 의하여 식별된 표적을 설명하기 위한 도면이다.
일반적으로 사이드 스캔 소나 이미지에 있어서, 사이드 스캔 소나 이미지의 중심부를 기준으로 좌현 이미지에 표적이 있을 경우, 사이드 스캔 소나 이미지의 중심부를 기준으로 우현이 더 밝게 나타나고, 사이드 스캔 소나 이미지의 중심부를 기준으로 우현 이미지에 표적이 있을 경우, 사이드 스캔 소나 이미지의 중심부를 기준으로 좌현이 더 밝게 나타난다.
표적식별부(140)는 색상데이터 생성부(110)가 수신한 소나 이미지의 중심부를 지나는 세로축을 기준으로 세로축의 좌측이 우측보다 밝은 경우, 예상표적 식별구역맵의 중심부를 지나는 세로축을 기준으로 우측을 탐지하여 표적을 식별하고, 색상데이터 생성부(110)가 수신한 소나 이미지의 중심부를 지나는 세로축을 기준으로 세로축의 우측이 좌측보다 밝은 경우, 예상표적 식별구역맵의 중심부를 지나는 세로축을 기준으로 좌측을 탐지하여 표적을 식별할 수 있다.
그러면, 도 10을 참조하여 본 발명의 일 실시예에 따른 표적 탐지 방법에 대하여 설명한다.
도 10은 본 발명의 일 실시예에 따른 표적 탐지 시스템에 의하여 수행되는 표적 탐지 방법을 설명하기 위한 흐름도이다.
S910 단계에서, 사이드 스캔 소나(200)는 초음파를 이용하여 해저면의 소나 이미지를 획득할 수 있다.
S920 단계에서, 사이드 스캔 소나(200)는 획득한 소나 이미지를 표적 탐지 장치(100)로 송신할 수 있다.
S930 단계에서, 표적 탐지 장치(100)는 소나 이미지를 수신하고, 수신한 소나 이미지의 색상 데이터를 생성할 수 있다.
S940 단계에서, 표적 탐지 장치(100)는 생성된 색상 데이터를 기반으로 하이라이트 구역을 표시하는 하이라이트 정보맵과 음영 구역을 표시하는 음영 정보맵을 생성할 수 있다.
S950 단계에서, 표적 탐지 장치(100)는 생성된 하이라이트 정보맵과 생성된 음영 정보맵을 기반으로 예상표적 식별구역맵을 생성할 수 있다.
S960 단계에서, 표적 탐지 장치(100)는 생성된 예상표적 식별구역맵을 기반으로 표적 탐지를 수행하여 표적을 식별할 수 있다.
도 10에서는 각각의 과정을 순차적으로 실행하는 것으로 기재하고 있으나 이는 예시적으로 설명한 것에 불과하고, 이 분야의 기술자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 10에 기재된 순서를 변경하여 실행하거나 또는 하나 이상의 과정을 병렬적으로 실행하거나 다른 과정을 추가하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이다.
본 출원은 컴퓨터 저장 매체도 제공한다. 컴퓨터 저장 매체에는 프로그램 명령이 저장되어 있고, 프로세서에 의해 프로그램 명령이 실행되면, 상술한 표적 탐지 방법이 실현된다.
본 발명의 일 실시예에 따른 컴퓨터 저장 매체는 U디스크, SD카드, PD광학 드라이브, 모바일 하드 디스크, 대용량 플로피 드라이브, 플래시 메모리, 멀티미디어 메모리 카드, 서버 등일 수 있지만 반드시 이에 한정되는 것은 아니다.
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 기록 매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 기록 매체로서는 자기기록매체, 광 기록매체 등이 포함될 수 있다.
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.
1: 수중운동체
2: 표적
10: 표적 탐지 시스템
100: 표적 탐지 장치
110: 색상데이터 생성부
120: 정보맵 생성부
130: 예상표적 식별구역맵 생성부
140: 표적식별부
200: 사이드 스캔 소나

Claims (13)

  1. 소나 이미지를 수신하고, 상기 수신한 소나 이미지의 색상 데이터를 생성하는 색상데이터 생성부;
    상기 생성된 색상 데이터를 기반으로 하이라이트 구역을 표시하는 하이라이트 정보맵과 음영 구역을 표시하는 음영 정보맵을 생성하는 정보맵 생성부;
    상기 생성된 하이라이트 정보맵과 상기 생성된 음영 정보맵을 기반으로 예상표적 식별구역맵을 생성하는 예상표적 식별구역맵 생성부; 및
    상기 생성된 예상표적 식별구역맵을 기반으로 표적 탐지를 수행하여 표적을 식별하는 표적식별부;를 포함하는 표적 탐지 장치.
  2. 제1항에 있어서,
    상기 정보맵 생성부는,
    상기 생성된 색상 데이터의 밝기를 기반으로 통계특성을 분석하여 통계특성값들을 산출하고, 상기 산출된 통계특성값들을 기반으로 상기 하이라이트 정보맵과 상기 음영 정보맵을 생성하는 것을 특징으로 하는 표적 탐지 장치.
  3. 제2항에 있어서,
    상기 정보맵 생성부는,
    상기 산출된 통계특성값들 중에서 미리 결정된 제1 기준값 이상의 값을 가지는 통계특성값들을 기반으로 상기 하이라이트 정보맵을 생성하고,
    상기 산출된 통계특성값들 중에서 미리 결정된 제2 기준값 이하의 값을 가지는 통계특성값들을 기반으로 상기 음영 정보맵을 생성하는 것을 특징으로 하는 표적 탐지 장치.
  4. 제3항에 있어서,
    상기 예상표적 식별구역맵 생성부는,
    상기 생성된 하이라이트 정보맵과 상기 생성된 음영 정보맵을 중첩시키고, 상기 중첩된 하이라이트 정보맵과 음영 정보맵을 기반으로 예상표적 식별구역맵을 생성하는 것을 특징으로 하는 표적 탐지 장치.
  5. 제4항에 있어서,
    상기 예상표적 식별구역맵 생성부는,
    상기 중첩된 하이라이트 정보맵과 음영 정보맵에 포함된 하이라이트 구역들과 음영 구역들 중에서 하이라이트 구역과 음영 구역 간의 거리가 미리 결정된 기준거리 이하인 하이라이트 구역들과 음영 구역들만을 포함하는 예상표적 식별구역맵을 생성하는 것을 특징으로 하는 표적 탐지 장치.
  6. 제5항에 있어서,
    상기 표적식별부는,
    미리 입력된 예상 표적의 크기 정보와 예상 표적의 높이 정보를 기반으로 표적을 식별하는 것을 특징으로 하는 표적 탐지 장치.
  7. 제6항에 있어서,
    상기 표적식별부는,
    상기 색상데이터 생성부가 수신한 소나 이미지의 중심부를 지나는 세로축을 기준으로 상기 세로축의 좌측이 우측보다 밝은 경우, 상기 예상표적 식별구역맵의 중심부를 지나는 세로축을 기준으로 우측을 탐지하여 표적을 식별하고,
    상기 색상데이터 생성부가 수신한 소나 이미지의 중심부를 지나는 세로축을 기준으로 상기 세로축의 우측이 좌측보다 밝은 경우, 상기 예상표적 식별구역맵의 중심부를 지나는 세로축을 기준으로 좌측을 탐지하여 표적을 식별하는 것을 특징으로 하는 표적 탐지 장치.
  8. 제1항에 있어서,
    상기 색상데이터 생성부는,
    RGB 데이터 형식의 색상 데이터를 추출하는 것을 특징으로 하는 표적 탐지 장치.
  9. 제1항에 있어서,
    상기 색상데이터 생성부가 수신하는 소나 이미지는 사이드 스캔 소나에 의하여 생성된 사이드 스캔 소나 이미지인 것을 특징으로 하는 표적 탐지 장치.
  10. 표적 탐지 장치에 의하여 수행되는 표적 탐지 방법에 있어서,
    색상데이터 생성부가, 소나 이미지를 수신하고, 상기 수신한 소나 이미지의 색상 데이터를 생성하는 단계;
    정보맵 생성부가, 상기 생성된 색상 데이터를 기반으로 하이라이트 구역을 표시하는 하이라이트 정보맵과 음영 구역을 표시하는 음영 정보맵을 생성하는 단계;
    예상표적 식별구역맵 생성부가, 상기 생성된 하이라이트 정보맵과 상기 생성된 음영 정보맵을 기반으로 예상표적 식별구역맵을 생성하는 단계; 및
    표적 식별부가, 상기 생성된 예상표적 식별구역맵을 기반으로 표적 탐지를 수행하여 표적을 식별하는 단계;를 포함하는 표적 탐지 방법.
  11. 제10항에 있어서,
    상기 정보맵을 생성하는 단계는,
    상기 생성된 색상 데이터의 밝기를 기반으로 통계특성을 분석하여 통계특성값들을 산출하고, 상기 산출된 통계특성값들을 기반으로 상기 하이라이트 정보맵과 상기 음영 정보맵을 생성하는 것을 특징으로 하는 표적 탐지 방법.
  12. 제11항에 있어서,
    상기 정보맵을 생성하는 단계는,
    상기 산출된 통계특성값들 중에서 미리 결정된 제1 기준값 이상의 값을 가지는 통계특성값들을 기반으로 상기 하이라이트 정보맵을 생성하고,
    상기 산출된 통계특성값들 중에서 미리 결정된 제2 기준값 이하의 값을 가지는 통계특성값들을 기반으로 상기 음영 정보맵을 생성하는 것을 특징으로 하는 표적 탐지 방법.
  13. 소나 이미지를 수신하고, 상기 수신한 소나 이미지의 색상 데이터를 생성하는 색상데이터 생성부, 상기 생성된 색상 데이터를 기반으로 하이라이트 구역을 표시하는 하이라이트 정보맵과 음영 구역을 표시하는 음영 정보맵을 생성하는 정보맵 생성부, 상기 생성된 하이라이트 정보맵과 상기 생성된 음영 정보맵을 기반으로 예상표적 식별구역맵을 생성하는 예상표적 식별구역맵 생성부 및 상기 생성된 예상표적 식별구역맵을 기반으로 표적 탐지를 수행하여 표적을 식별하는 표적식별부를 포함하는 표적 탐지 장치; 및
    초음파를 이용하여서 해저면의 소나 이미지를 획득하도록 구성된 사이드 스캔 소나;를 포함하는 표적 탐지 시스템.
KR1020220026709A 2022-03-02 2022-03-02 소나 이미지를 이용한 해저면 표적 탐지 장치 및 방법 KR20230129744A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220026709A KR20230129744A (ko) 2022-03-02 2022-03-02 소나 이미지를 이용한 해저면 표적 탐지 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220026709A KR20230129744A (ko) 2022-03-02 2022-03-02 소나 이미지를 이용한 해저면 표적 탐지 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20230129744A true KR20230129744A (ko) 2023-09-11

Family

ID=88020451

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220026709A KR20230129744A (ko) 2022-03-02 2022-03-02 소나 이미지를 이용한 해저면 표적 탐지 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20230129744A (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102080227B1 (ko) 2019-07-03 2020-02-21 한국해양과학기술원 수중의 타겟 물체를 수색하기 위한 자율 무인 잠수정의 운용 시스템 및 방법
KR102339165B1 (ko) 2020-07-07 2021-12-14 한화시스템 주식회사 소나를 이용한 기뢰 식별 기능을 구비하는 무인 잠수정

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102080227B1 (ko) 2019-07-03 2020-02-21 한국해양과학기술원 수중의 타겟 물체를 수색하기 위한 자율 무인 잠수정의 운용 시스템 및 방법
KR102339165B1 (ko) 2020-07-07 2021-12-14 한화시스템 주식회사 소나를 이용한 기뢰 식별 기능을 구비하는 무인 잠수정

Similar Documents

Publication Publication Date Title
Yue et al. A lidar point cloud generator: from a virtual world to autonomous driving
US10809376B2 (en) Systems and methods for detecting objects in underwater environments
Kim et al. Real-time visual SLAM for autonomous underwater hull inspection using visual saliency
CN111489403A (zh) 利用gan来生成虚拟特征图的方法及装置
EP3776450A1 (en) Method of vehicle image comparison and system thereof
US9244159B1 (en) Distinguishing between maritime targets and clutter in range-doppler maps
Sung et al. Crosstalk removal in forward scan sonar image using deep learning for object detection
CN112526490B (zh) 一种基于计算机视觉的水下小目标声呐探测系统与方法
Reggiannini et al. Seafloor analysis and understanding for underwater archeology
Zhu et al. Saliency‐Based Diver Target Detection and Localization Method
Huang et al. An underwater image enhancement method for simultaneous localization and mapping of autonomous underwater vehicle
Yang et al. Foreground enhancement network for object detection in sonar images
KR20230129744A (ko) 소나 이미지를 이용한 해저면 표적 탐지 장치 및 방법
Bhattarai et al. A deep learning approach for underwater bubble detection
Quintana et al. Towards automatic recognition of mining targets using an autonomous robot
Neves et al. Rotation-invariant shipwreck recognition with forward-looking sonar
Barngrover Automated detection of mine-like objects in side scan sonar imagery
US11874407B2 (en) Technologies for dynamic, real-time, four-dimensional volumetric multi-object underwater scene segmentation
Neettiyath et al. Identification of manganese crusts in 3D visual reconstructions to filter geo-registered acoustic sub-surface measurements
Chapple Unsupervised detection of mine-like objects in seabed imagery from autonomous underwater vehicles
Tang et al. ROV6D: 6D Pose Estimation Benchmark Dataset for Underwater Remotely Operated Vehicles
CN118015010B (zh) Gpr实例分割方法、装置、电子设备及存储介质
Sion et al. Embedded multibeam sonar feature extraction for online AUV control
Moroni et al. Curve recognition for underwater wrecks and handmade artefacts
Steiniger et al. Reducing the false alarm rate of a simple sidescan sonar change detection system using deep learning

Legal Events

Date Code Title Description
E902 Notification of reason for refusal