KR20240007457A - 해상관측 합성개구레이더 영상의 기하보정 방법 및 그 장치 - Google Patents

해상관측 합성개구레이더 영상의 기하보정 방법 및 그 장치 Download PDF

Info

Publication number
KR20240007457A
KR20240007457A KR1020220084377A KR20220084377A KR20240007457A KR 20240007457 A KR20240007457 A KR 20240007457A KR 1020220084377 A KR1020220084377 A KR 1020220084377A KR 20220084377 A KR20220084377 A KR 20220084377A KR 20240007457 A KR20240007457 A KR 20240007457A
Authority
KR
South Korea
Prior art keywords
geometric correction
ais
sar image
image
error
Prior art date
Application number
KR1020220084377A
Other languages
English (en)
Inventor
김덕진
송주영
Original Assignee
서울대학교산학협력단
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 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020220084377A priority Critical patent/KR20240007457A/ko
Publication of KR20240007457A publication Critical patent/KR20240007457A/ko

Links

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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B49/00—Arrangements of nautical instruments or navigational aids
    • 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
    • G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
    • G01S13/917—Radar or analogous systems specially adapted for specific applications for traffic control for marine craft or other waterborne vessels
    • 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
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/937—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of marine craft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Ocean & Marine Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Combustion & Propulsion (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Mechanical Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Image Processing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

합성개구레이더(SAR) 영상의 기하보정 오차를 개선하기 위한 지상기준점(GCP)을 선정할 수 없을 때 기하보정 오차를 줄일 수 있는 해상관측 합성개구레이더 영상의 기하보정 방법 및 그 장치가 개시된다. 해상관측 합성개구레이더 영상의 기하보정 장치는, 영상 좌표계로 표현되는 합성개구레이더(SAR) 영상 정보에 지리 좌표를 부여하여 실제 경위도 체계에 맞도록 SAR영상에 대해 기하보정하는 SAR영상 기하보정부; 딥 러닝 합성곱 신경망(CNN) 기반의 탐지 알고리즘으로 상기 기하보정된 SAR영상 내 선박을 탐지하는 선박 탐지부; 상기 SAR영상 내 실시간 선박자동식별장치(AIS) 정보를 전처리하는 선박위치정보 전처리부; 및 상기 기하보정된 SAR영상 내 탐지된 선박의 탐지 결과와 상기 전처리된 선박위치 정보(AIS)와의 반복적인 거리 추산을 통해 기하보정 오차를 측정하는 기하보정 오차 측정부를 포함한다.

Description

해상관측 합성개구레이더 영상의 기하보정 방법 및 그 장치{METHOD AND APPARATUS FOR CORRECTING GEOMETRY OF SYNTHETIC APERTURE RADAR IMAGE OBSERVED AT SEA}
본 발명은 해상관측 합성개구레이더(Synthetic Aperture Radar, SAR) 영상의 기하보정 방법 및 그 장치에 관한 것으로, 보다 상세하게는 합성개구레이더 영상의 기하보정 오차를 개선하기 위한 지상기준점(Ground Control Point: GCP)을 선정할 수 없을 때 기하보정 오차를 줄일 수 있는 해상관측 합성개구레이더 영상의 기하보정 방법 및 그 장치에 관한 것이다.
일반적으로, 해상에서 항해 중인 선박의 항행 안전을 위해서는 선박들의 위치를 파악하여 모니터링할 수 있게 하는 것이 중요한데, 이를 위해서 선박자동식별장치(Automatic Identification System, AIS) 및 레이더 장치가 이용되고 있다.
상기 선박자동식별장치는 선박에 탑재되는 것으로, 선박 대 선박 또는 선박 대 육상관제소 간에 선박의 위치정보 및 식별정보 등을 자동으로 송수신함으로써, 해상교통량이 많은 해협, 교차점, 해상통항분리대(Traffic Separation Schemes) 구역에서 상대선박의 식별을 용이하게 하며, 선박 간의 충돌방지 및 해난수색구 조활동을 지원한다. 상기 선박자동식별장치는 상기 선박에 탑재가 되어야 하는데, 상기 선박자동식별장치가 탑재되지 않은 미확인 선박이 해상에서 운행하고 있는 경우에는, 해상의 다른 선박들 또는 육상관제소에서 상기 미확인 선박을 용이하게 식별하거나, 정확한 위치정보를 관측하기 어려운 문제점이 있었다.
한편, 상기 레이더 장치는 기상조건 악화 및 시계 불투명 조건에서도 고화질 영상 획득을 위해 합성개구레이더(SAR)를 활용하는 추세이다. 상기 합성개구레이더는 안테나에서 전파를 쏜 뒤 반사되어 돌아오는 전파를 측정해 영상으로 복원하는 것으로, 주로 레이더 위성 또는 항공기에 장착되며, 측량, 관측, 정찰 및 자원탐사 등에 필요한 넓은 지역의 고해상도 영상을 촬영할 수 있고, 특히, 넓은 지역에 대한 정밀한 관측이 가능하다. 상기 합성개구레이더는 광학 센서와 다르게 주간 및 야간, 악천후 상황에서도 사용할 수 있다는 장점 때문에 국방 및 민수 분야에서 다양하게 활용 하고 있다.
또한 상기 합성개구레이더가 탑재된 레이더 위성으로부터 전송되는 위성 신호는 레이더 스캔 컨버터(Radar Scan Converter)와 같은 장치를 이용하여 컴퓨터 데이터로 변환할 수 있으며, 상기 레이더 스캔 컨버터는 상기 위성 신호를 영상화하며, 또한 영상 이미지 속의 이동체의 좌표를 구하여 이동체의 위치를 식별할 수도 있다.
한국등록특허 제10-1334804호(2013. 11. 29.) 한국등록특허 제10-1553275호(2015. 09. 15.) 한국등록특허 제10-2040702호(2019. 11. 05.) 한국등록특허 제10-2214431호(2021. 02. 09.)
이에 본 발명의 기술적 과제는 이러한 점에 착안한 것으로, 본 발명의 목적은 SAR영상의 기하보정 오차를 개선하기 위한 지상기준점(GCP)을 선정할 수 없을 때 기하보정 오차를 줄일 수 있는 해상관측 합성개구레이더 영상의 기하보정 방법을 제공하는 것이다.
본 발명의 다른 목적은 상기한 해상관측 합성개구레이더 영상의 기하보정 방법을 수행하는 해상관측 합성개구레이더 영상의 기하보정 장치를 제공하는 것이다.
상기한 본 발명의 목적을 실현하기 위하여 일실시예에 따른 해상관측 합성개구레이더 영상의 기하보정 방법은, 영상 좌표계로 표현되는 합성개구레이더(Synthetic Aperture Radar, 이하 SAR) 영상 정보에 지리 좌표를 부여하여 실제 경위도 체계에 맞도록 SAR영상에 대해 기하보정하는 단계; 딥 러닝 합성곱 신경망(Convolutional Neural Network: 이하 CNN) 기반의 탐지 알고리즘으로 상기 기하보정된 SAR영상 내 선박을 탐지하는 단계; 상기 SAR영상 내 실시간 선박자동식별장치(Automatic Identification System, 이하 AIS) 정보를 전처리하는 단계; 및 상기 기하보정된 SAR영상 내 탐지된 선박의 탐지 결과와 상기 전처리된 선박위치 정보(AIS)와의 반복적인 거리 추산을 통해 기하보정 오차를 측정하는 단계를 포함한다.
상기한 본 발명의 다른 목적을 실현하기 위하여 일실시예에 따른 해상관측 합성개구레이더 영상의 기하보정 장치는, 영상 좌표계로 표현되는 합성개구레이더(Synthetic Aperture Radar, 이하 SAR) 영상 정보에 지리 좌표를 부여하여 실제 경위도 체계에 맞도록 SAR영상에 대해 기하보정하는 SAR영상 기하보정부; 딥 러닝 합성곱 신경망(Convolutional Neural Network: 이하 CNN) 기반의 탐지 알고리즘으로 상기 기하보정된 SAR영상 내 선박을 탐지하는 선박 탐지부; 상기 SAR영상 내 실시간 선박자동식별장치(Automatic Identification System, 이하 AIS) 정보를 전처리하는 선박위치정보 전처리부; 및 상기 기하보정된 SAR영상 내 탐지된 선박의 탐지 결과와 상기 전처리된 선박위치 정보(AIS)와의 반복적인 거리 추산을 통해 기하보정 오차를 측정하는 기하보정 오차 측정부를 포함한다.
이러한 해상관측 합성개구레이더 영상의 기하보정 방법 및 그 장치에 의하면, 해양관측 SAR영상 내의 선박탐지 결과와 선박의 위경도 정보를 사용한 선박자동식별장치(Automatic Identification System: AIS) 정보를 융합하여 최적화된 SAR영상의 좌표정보를 산정할 수 있다.
도 1은 본 발명의 일실시예에 따른 해상관측 합성개구레이더 영상의 기하보정 장치를 설명하기 위한 개략도이다.
도 2는 도 1에 도시된 해상관측 합성개구레이더 영상의 기하보정 장치를 설명하기 위한 블록도이다.
도 3은 CNN 기반 사물 탐지 알고리즘의 일종인 EAST(Efficient and Acurate Scene Text Detector)를 적용한 SAR영상 선박 탐지의 예시도이다.
도 4(a)는 SAR영상 취득 시간을 고려한 동적 AIS 보간을 설명하기 위한 도면이고, 도 4(b)는 방위 편이 보정 예시를 나타낸 도면이다.
도 5는 본 발명의 일실시예에 따른 해상관측 합성개구레이더 영상의 기하보정 방법을 설명하기 위한 흐름도이다.
도 6은 YOLOv4 및 Sentinel-1 SAR영상 기반 선박 탐지 알고리즘의 정확도 평가 결과를 나타낸 표이다.
도 7은 Sentinel-1 SAR영상 2장에 대해 가한 기하보정 오차의 보정 결과를 나타낸 표이다.
도 8(a) 및 도 8(b)는 2018년 7월 8일에 취득한 SAR영상이고, 도 8(c) 및 도 8(d)는 2018년 7월 20일에 취득한 SAR영상에 대한 기하보정 오차 보정 결과의 극좌표 자취를 도시한다.
도 9는 기하보정 오차 추산 및 보정이 완료된 SAR영상을 도시한다.
이하 명세서 전체에서 동일 참조 부호는 특별한 사정이 없는 한 동일 구성요소를 지칭한다. 이하에서 사용되는 '부'가 부가된 용어는, 소프트웨어 또는 하드웨어로 구현될 수 있으며, 실시예에 따라 '부'가 하나의 부품으로 구현되거나, 하나의 '부'가 복수의 부품들로 구현되는 것도 가능하다.
명세서 전체에서 어떤 부분이 다른 부분과 연결되어 있다고 할 때, 이는 어떤 부분과 다른 부분에 따라서 물리적 연결을 의미할 수도 있고, 또는 전기적으로 연결된 것을 의미할 수도 있다. 또한 어떤 부분이 다른 부분을 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 부분 이외의 또 다른 부분을 제외하는 것이 아니며, 설계자의 선택에 따라서 또 다른 부분을 더 포함할 수 있음을 의미한다.
제1 이나 제2 등의 용어는 하나의 부분을 다른 부분으로부터 구별하기 위해 사용되는 것으로, 특별한 기재가 없는 이상 이들이 순차적인 표현을 의미하는 것은 아니다. 또한 단수의 표현은 문맥상 명백하게 예외가 있지 않는 한, 복수의 표현을 포함할 수 있다.
도 1은 본 발명의 일실시예에 따른 해상관측 합성개구레이더 영상의 기하보정 장치를 설명하기 위한 개략도이다.
도 1을 참조하면, 본 발명의 일실시예에 따른 해상관측 합성개구레이더 영상의 기하보정 장치(100)는 레이더 위성(200)으로부터 해양관측 위성 영상을 제공받고, 선박자동식별장치(AIS)를 탑재한 복수의 선박들(300)로부터 선박자동식별장치(Auto Identification System: AIS) 정보를 제공받아, 해양관측 위성 영상 내의 선박탐지 결과와 선박의 위경도 정보를 사용한 AIS 정보를 융합하여 기하오차가 줄어든 최적화된 SAR영상의 좌표정보를 산정한다.
구체적으로, 해상관측 합성개구레이더 영상의 기하보정 장치(100)는 해상관측 합성개구레이더(SAR) 영상내 선박의 위치정보를 나타내는 선박 탐지 결과를 획득하고, 상기 SAR 영상과 무관한 절대적인 선박의 경위도 정보를 사용한 자동식별시스템(AIS) 자료를 획득한 후, 상기 선박 탐지 결과와 상기 자동식별시스템 자료를 융합하여 반복적인 오차 보정을 통해 최적화된 SAR 영상의 좌표정보를 산정한다.
본 실시예에서, 레이더 위성(200)은 해상 또는 항구에 정박한 선박들에 대한 정보를 수집하는 것으로, 다양한 형태의 레이더를 탑재한 위성이 사용될 수 있으나, 본 발명의 일실시예에서는 합성개구레이더(SAR)를 탑재한 위성으로 구비하였다. 또한 레이더 위성(200)은 선박들의 정보를 수집할 뿐만 아니라, 합성개구레이더를 이용하여 해류의 흐름 및 파도 등의 정보를 포함하는 해양정보, 지형 또는 지질구조에 대한 정보인 지리정보, 해빙 또는 빙하의 정보인 빙설정보, 강 또는 호수의 면적과, 습지대의 분류 및 식생에 대한 정보인 수문정보, 농작물의 경작면적 또는 농작물의 재해 상황에 대한 정보인 농작물정보 또는 도로, 선로, 다리, 공장 또는 도시에 대한 정보인 도시정보를 더 수집할 수도 있다.
도 2는 도 1에 도시된 해상관측 합성개구레이더 영상의 기하보정 장치(100)를 설명하기 위한 블록도이다.
도 1 및 도 2를 참조하면, 본 발명의 일실시예에 따른 해상관측 합성개구레이더 영상의 기하보정 장치(100)는 SAR영상 기하보정부(110), 선박 탐지부(120), 선박위치정보 전처리부(130) 및 기하보정 오차 측정부(140)를 포함하여, 해상을 관측한 SAR영상에 대해 기하보정 오차를 최소화한다. 본 실시예에서, 해상관측 합성개구레이더 영상의 기하보정 장치(100)가 SAR영상 기하보정부(110), 선박 탐지부(120), 선박위치정보 전처리부(130) 및 기하보정 오차 측정부(140)로 구성된 것을 설명하였으나, 이는 설명의 편의를 위해 논리적으로 또는 소프트웨어적으로 구분하였을 뿐, 하드웨어적으로 구분한 것은 아니다.
SAR영상 기하보정부(110)는 영상 좌표계로 표현되는 SAR영상 정보에 지리 좌표를 부여하여 실제 경위도 체계에 맞도록 SAR영상에 대해 기하보정한다. 통상적인 SAR영상의 기하보정 기법은 SAR 안테나 센서 내에 위치한 관성항법장치(Inertial Measurement Unit: IMU)를 이용한 정밀한 안테나의 경위도 위치정보를 이용한다. 여기에 SAR영상의 지점 별 입사각 정보와 SAR 안테나의 비행경로를 이용하여 기하보정 이전 SAR영상의 지점들 마다 경위도 좌표 정보를 역산하고, 이를 룩-업 테이블(Look-Up Table)로 이용하여 기하보정할 실제 경위도 좌표 체계의 지점들마다 기존 SAR영상의 값을 끌어와 보간(Interpolation)하게 된다. 그러나, IMU에 기반한 SAR 안테나의 위치와 그 비행경로는 필연적으로 측정 오차를 수반하고, 이는 룩-업 테이블 생성 시 오차를 야기하게 된다.
또한 룩-업 테이블의 전부 또는 일부를 이용하여 실제 경위도 좌표 체계의 지점들에 상응하는 SAR영상의 값(Digital Number)를 보간하는 과정에서도 보정 방법에 따라, 룩-업 테이블의 부분적 이용에 따라 참값과의 오차가 발생하므로, 고도의 위치정보 정확도가 요구되는 연구에서는 기하보정 이후 추가로 위치 보정 기법이 이용되었다. 즉, SAR영상이 포함하는 육상 산란체 중 강한 신호와 명확한 구조를 가지는 목표물을 선정하여 기하보정된 SAR영상 지점의 위치와 해당 지점의 GPS 좌표 위치를 직접 측정하고, 이를 SAR영상 내 여러 지점에 대해 측정하여 도출한 평균 기하보정 오차값에 대해 SAR영상을 좌표 이동시키는 방법이 흔히 사용되었다. 그러나, GPS의 직접 관측이 어렵고 강한 신호를 보이는 자연 산란체가 존재하지 않는 해상에서는 해당 방법을 적용하는 것이 불가능하다는 문제점이 있다.
이에 반해, 본 발명의 SAR영상 기하보정부(110)에 의한 SAR영상의 기하보정은 영상 좌표계(Image Coordinate)로 표현된 SAR영상 정보에 지리 좌표를 부여하여 실제 경위도 체계에 맞도록 하는 것으로, 이 작업이 종료되고 난 후의 SAR영상은 거리(Range), 방위(Azimuth) 방향으로 서로 다른 해상도를 가지는 기존 SAR영상과는 다르게 경위도 방향으로 동일한 해상도를 가지게 된다.
도 2를 다시 참조하면, 선박 탐지부(120)는 SAR영상 기하보정부(110)에 의해 기하보정된 SAR영상 내 선박을 딥 러닝 합성곱 신경망(Convolutional Neural Network: CNN) 기반의 탐지 알고리즘으로 탐지한다. 본 발명의 해상 SAR영상의 기하보정 오차 보정은 선박을 해상 산란체로 사용하여 기하보정된 SAR영상 좌표와 경위도 좌표 간의 비교를 수행한다. 이를 위해, SAR영상 좌표계 내의 선박의 위치와 해당하는 선박의 경위도 좌표 정보를 필요하고, 그에 따라 SAR영상 내 선박을 효과적으로 탐지할 수 있는 기술인 딥 러닝 합성곱 신경망(CNN) 기반의 선박 탐지 알고리즘을 도입하였다.
통상적인 SAR영상 내 선박탐지 알고리즘은 영상 내 선박의 후방산란계수(Backscattering Coefficient: σ)가 해상보다 크게 높은 점을 이용하여 σ에 임계값을 지정하고 이보다 높은 지점을 선박으로 판단하는 CFAR(Constant False Alarm Rate) 등의 방법이 주로 사용되었다. 그러나, 이러한 방법은 선박과 유사한 인공 산란물(항만 구조물, 풍력발전소 등)을 전혀 구분하지 못해 오탐지율을 크게 증가시킨다. 또한 SAR 안테나의 육상 간섭으로 인해 발생하는 가상의 간섭체(Interferometer)와 방위 방향으로 일정 주기마다 발생하는 방위 유사 신호(Azimuth Ghost) 역시 구분하기 어렵다는 문제가 있다.
하지만, 본 발명에서는 σ 임계값을 기반으로 하는 CFAR 선박 탐지 알고리즘 대신 선박의 SAR영상 산란정보를 직접 이용하여 그 패턴을 인식할 수 있는 CNN 기반 탐지 알고리즘을 도입하였다. 영상 분석에 최적화된 딥 러닝 기법으로 평가되는 CNN은 영상 내 물체의 패턴 정보를 합성곱 기법으로 추출하여, 선박과 같이 정형화된 레이더 패턴을 가진 물체를 효율적으로 탐지할 수 있다.
도 3은 CNN 기반 사물 탐지 알고리즘의 일종인 EAST(Efficient and Acurate Scene Text Detector)를 적용한 SAR영상 선박 탐지의 예시도이다. 특히, 도 3에서, 상부 도면은 20m 해상도 C-band Sentinel-1 SAR영상에 대한 CNN 기반 탐지 알고리즘의 항만 내부에 정박된 선박에 대한 탐지 예시도이고, 하부 도면은 Azimuth Ghost 신호들에 대한 오탐지 회피 예시도이다.
도 3을 참조하면, 임계값 기법으로 구분하기 어려웠던 항만 내부의 선박과 Azimuth Ghost 신호들에 대한 보다 정확한 탐지 결과를 확인할 수 있다.
도 2를 다시 참조하면, 선박위치정보 전처리부(130)는 상기 SAR영상 내 실시간 선박위치정보(AIS)를 전처리한다. 선박 탐지부(120)에 의한 선박의 SAR영상 내 탐지 결과는 영상 좌표계 내에서의 탐지 결과이기에 SAR영상의 기하보정의 오차가 발생하였을 때 경위도 좌표가 부정확할 수 있다. 따라서, SAR영상 내 실제 선박의 경위도 좌표를 나타내는 자료를 도입해야 하며, 이를 위해 선박의 위치 및 속도 정보인 자동식별시스템(AIS) 자료를 도입한다. 자동식별시스템(AIS) 자료는 크게 선박의 실시간 정보인 동적 AIS (Dynamic AIS) 자료와 선박 자체의 고정 정보(선종, 선명 등)를 나타내는 정적 AIS (Static AIS) 자료로 나뉘는데, 동적 AIS에 포함된 경위도 위치 및 속도 정보를 통해 선박의 해당 시각에서의 정확한 위치를 파악하는 것이 가능하다.
선박의 자동식별시스템(AIS) 정보는 일정하지 않은 주기로 지상 기지국 또는 위성으로 수신되기에, SAR영상의 취득 시각에 일치하는 정보가 되도록 자동식별시스템(AIS) 정보를 전처리하는 것이 필요하다. 본 발명에서는 SAR영상의 취득 시각에 정교하게 맞추어 동적 AIS를 전처리하기 위해 반복적인 보간 기법을 도입하였다.
SAR영상의 평균 취득 시각에 맞추어 모든 선박의 동적 AIS를 보간하고, 각각의 선박들의 보간된 지점들에 대해 SAR영상이 해당 지점을 촬영한 시각(Acquisition Time)을 참조한다. 그리고, 선박마다 다른 참조된 시각에 대해 다시 동적 AIS를 보간하고, 이를 보간에 의한 동적 AIS의 이동이 공간해상도보다 작아질 때까지 반복한다.
이렇게 취득된 동적 AIS의 위치는 각 SAR영상 지점의 영상 획득 시각에 완전히 부합하며, 본 발명에서는 칼만 필터(Kalman Filter)를 추가적으로 적용하여 자동식별시스템(AIS) 센서 자체가 가지는 오차 정보를 최소화한다.
도플러 주파수(Doppler Frequency)를 이용하여 데이터를 생성하는 레이더의 특성에 따라, SAR영상은 필연적으로 이동 물체에 의한 위치 오차가 발생한다.
거리 방향으로 속도를 가지는 물체는 SAR영상에서 식 (1)에 따라 방위 방향으로 이동하여 상이 맺히는 현상이 발생하는데, 이를 방위 편이(Azimuth Offset)라고 한다.
(1)
여기서, 은 각각 물체의 거리 방향 속도, 안테나 속도, 안테나와 물체 사이의 거리를 나타낸다.
도 4(a)는 SAR영상 취득 시간을 고려한 동적 AIS 보간을 설명하기 위한 도면이고, 도 4(b)는 방위 편이 보정 예시를 나타낸 도면이다.
도 4a의 과정을 통해 선박의 거리 방향 속도를 도출할 수 있고, 안테나의 속도는 위성의 경우 7600 m/s로 고정되어 있고, 항공기의 경우 IMU 정보를 참조하여 구할 수 있다. 안테나-물체 사이의 거리를 정확하게 구하기 위해서는 물체와 물체를 촬영한 시점의 안테나의 위치 좌표를 직접 구해야 하고, 그에 따른 안테나의 궤도 정보 복원이 필수적이다.
항공기의 경우 일정 간격으로 IMU 정보를 샘플링한 뒤 보간하여 좌표를 구할 수 있고, 위성의 경우 위성의 타원 궤적을 복원하기 위한 6개의 궤도 정보(Orbital Elements)의 평균값을 도출한 뒤, 물체가 촬영된 시점의 위치를 좌표로 도출하게 된다.
이로부터 식 (1)에 의해 이동하는 선박의 방위 편이(Azimuth Offset)를 계산하여 반영하고 나면, SAR영상에 포커싱된 선박의 위치가 동적 AIS를 기반으로 도출되게 된다.
도 2를 다시 참조하면, 기하보정 오차 측정부(140)는 상기 기하보정된 SAR영상 내 탐지된 선박의 탐지 결과와 상기 전처리된 선박위치정보(AIS)와의 반복적인 거리 추산을 통해 기하보정 오차를 측정한다. 즉, 전처리된 동적 AIS가 기준 경위도 좌표를 나타내고, 탐지 결과의 중점으로부터 도출된 경위도 좌표가 기하보정 오차가 포함된 좌표를 나타내므로, 기하보정 오차 측정부(140)는 이들을 반복적으로 비교하여 기하보정 오차만을 도출한다.
구체적으로, 자동식별시스템(AIS) 송신 센서가 선박의 중심부에 있지 않기에, 기하보정 오차 측정부(140)는 해당하는 선박의 정적 AIS 정보를 찾아 전처리된 동적 AIS 지점을 이동시키는 절차를 수행한다.
이어, 기하보정 오차 측정부(140)는 동적 AIS의 위치로부터 일정 반경 내에 포함되는 탐지된 선박의 중심점들을 추출하여 추출된 중심점들과 자동식별시스템(AIS) 지점 사이의 거리를 도출하고, 모든 자동식별시스템(AIS) 지점들의 위치에 대해 이 작업을 수행하여 경위도 방향의 평균 오차를 각각 도출하는 절차를 수행한다.
이어, 기하보정 오차 측정부(140)는 도출된 경위도 방향의 오차만큼 SAR영상의 경위도 좌표 전체를 이동시키고, 이동된 영상 좌표계에 대하여 같은 작업을 반복적으로 수행하여 좌표계의 이동이 이전 결과 대비 공간해상도의 1/5 안쪽에서 이루어질 때까지의 누적 경위도 좌표 오차를 해당 SAR영상의 최종 기하보정 오차로 추산하는 절차를 수행한다.
이러한 절차를 통해 기하보정 오차뿐 아니라 기하보정 오차가 보정된 SAR영상 또한 같이 취득할 수 있게 된다.
이상에서 설명된 바와 같이, 본 발명에 따르면, SAR영상내 선박의 위치정보를 나타내는 선박 탐지 결과와, SAR영상과 무관한 절대적인 선박의 경위도 정보를 사용한 자동식별시스템(AIS) 자료를 융합하여 반복적인 오차 보정을 통해 최적화된 SAR영상의 좌표정보를 산정할 수 있다. 즉, 일반적인 형태의 지상기준점(Ground Control Point: GCP) 취득이 불가능한 해상에서 지상기준점(GCP) 역할을 대신할 수 있는 산란체인 선박을 사용하고, SAR영상 획득시간에 해당하는 실시간 선박의 위치 및 속도 정보인 자동식별시스템(Automatic Identification System: AIS)을 전처리하여 기하보정 오차를 가진 SAR영상에 위치시키고, 딥 러닝 기반 탐지 알고리즘을 통해 찾은 영상 내 선박과의 거리를 계산하여, 그 평균치만큼 영상을 이동시키는 과정을 반복하여 SAR영상의 기하보정 오차를 줄일 수 있다.
도 5는 본 발명의 일실시예에 따른 해상관측 합성개구레이더 영상의 기하보정 방법을 설명하기 위한 흐름도이다.
도 5를 참조하면, 수신된 원시 SAR영상에 대해 방사 및 기하보정을 수행하여(단계 S102), 위치 오차가 포함된 SAR영상을 획득한다. 상기한 방사 및 기하보정은 도 2에서 설명된 기하보정부(110)에 의해 수행될 수 있다.
단계 S102에 의해 위치 오차가 포함된 SAR영상에서 인공지능(예컨대, CNN)을 이용하여 선박을 탐지하여(단계 S104), 선박 탐지 결과를 획득한다. 상기한 선박 탐지는 도 2에서 설명된 선박 탐지부(120)에 의해 수행될 수 있다.
한편, 수신된 원시 AIS 자료에 대해 시간정보를 이용하여 보간 처리한다(단계 S106). 상기한 보간 처리는 도 2에서 설명된 선박위치정보 전처리부(130)에 의해 수행될 수 있다.
단계 S106에 이어, 속도 때문에 틀어진 위치 오차를 보정하여(단계 S108), 전처리된 AIS 자료를 획득한다. 상기한 위치 오차 보정은 도 2에서 설명된 선박위치정보 전처리부(130)에 의해 수행될 수 있다.
단계 S108에 이어, 전처리된 AIS 자료와 단계 S104에 의해 탐지된 선박 탐지 결과를 근거로 오차를 측정한다(단계 S110). 상기한 오차 측정은 도 2에서 설명된 기하보정 오차 측정부(140)에 의해 수행될 수 있다.
단계 S110에 이어, AIS 자료와 탐지 결과 간의 평균 오차를 연산하여(단계 S112), 위치 오차가 보정된 SAR영상을 획득한다. 상기한 평균 오차 연산은 도 2에서 설명된 기하보정 오차 측정부(140)에 의해 수행될 수 있다.
상기한 위치 오차가 보정된 SAR영상의 위치 오차가 임계치 이하인지의 여부를 체크한다(단계 S114).
상기한 위치 오차가 임계치 이상으로 체크되면 단계 S110으로 피드백하여 선박 탐지 결과의 다른 값과 AIS 자료간의 위치 오차를 측정한다. 상기한 위치 오차 측정은 도 2에서 설명된 기하보정 오차 측정부(140)에 의해 수행될 수 있다.
상기한 위치 오차가 임계치 이상으로 체크되지 않으면 오차보정 완료된 SAR영상을 획득하여 저장하고, 최종 기하보정 오차를 산출한다(단계 S116). 상기한 최종 기하보정 오차 산출은 도 2에서 설명된 기하보정 오차 측정부(140)에 의해 수행될 수 있다.
그러면, 이하에서 해상관측 합성개구레이더 영상의 기하보정 기술의 구체적인 실시예에 대해 설명한다.
본 발명에서는 선박 탐지를 위해 구조적으로 단순하고, 데이터에 따라 최적화하기 용이한 CNN 기반 탐지 알고리즘인 YOLOv4(You Only Look Once version 4) 알고리즘을 도입하였다.
탐지에 사용될 SAR영상 데이터는 20m 해상도의 Sentinel-1 SAR IW 모드를 방사 및 기하보정하였으며, 한반도 인접 해역의 147장의 영상과 상응하는 선박 학습자료를 이용하여 7장의 SAR영상들에 대해 도 5와 같은 탐지 결과를 도출하였다.
도 6은 YOLOv4 및 Sentinel-1 SAR영상 기반 선박 탐지 알고리즘의 정확도 평가 결과를 나타낸 표이다.
탐지 정확도 평가에 사용된 평가 지표는 식(2)-(4)에서 나타난 정밀도(Precision), 재현율(Recall)과 F1-스코어가 사용될 숴 있다. 하지만, 정밀도와 재현율은 상호 모순적(Trade-Off) 관계에 있기에 그 조화평균인 F1-스코어를 종합 탐지 정확도로 사용한다.
(2)
(3)
(4)
여기서, 는 각각 정확히 탐지한 사물, 탐지한 전체 사물, 실제 사물의 수를 나타낸다.
탐지는 실제 선박의 위치와 탐지 결과 간의 IoU(Intersection over Union) 값이 0.2 이상일 때 이루어지며, 본 발명에 사용된 선박 탐지 알고리즘의 종합 정확도는 F1-스코어 기준 83.07%이다.
본 실시예에서는 기하보정 오차의 추산을 위해 2018년 7월 8일과 20일에 취득한 부산 인접 지역의 Sentinel-1 SAR영상 2장에 대해 도 5과 같은 탐지 성능을 보이는 선박 탐지 알고리즘을 적용한 뒤, 상응하는 동적 AIS를 전처리하고, 의도적으로 기하보정 오차를 주어 제안된 알고리즘으로 기하보정 오차의 개선을 확인하였다.
기하보정 오차는 2가지 조건으로, 500m에 30도의 각도를 가지는 오차와 300m에 210도의 각도를 가지는 오차를 선정하였다. 각각의 오차 조건은 경도(X)와 위도(Y) 방향으로 (433m, 250m), (-260m, -150m)의 오차를 보인다.
해당하는 기하보정 오차를 본 발명에서 제시된 방법을 통하여 추산한 결과는 도 6, 7와 같다. 이때, 동적 AIS와 탐지 결과를 대응시키는 반지름은 500m로 적용하였다.
도 7은 Sentinel-1 SAR영상 2장에 대해 가한 기하보정 오차의 보정 결과를 나타낸 표이다.
도 8(a) 및 도 8(b)는 2018년 7월 8일에 취득한 SAR영상이고, 도 8(c) 및 도 8(d)는 2018년 7월 20일에 취득한 SAR영상에 대한 기하보정 오차 보정 결과의 극좌표 자취를 도시한다. 특히, 파란색 지표가 설정한 기하보정 오차의 참값을 나타내고, 붉은 점과 지표가 각각 본 발명에서 제시한 알고리즘에 의한 기하보정 오차 추산 과정 및 결과를 나타낸다.
도 8에서와 같이 4가지 실험조건 모두에 대하여 실제 오차와 추산한 오차의 차이가 공간해상도인 20m 안쪽으로 들어온 것을 확인하였다.
실험 조건에 따른 동적 AIS, 오차 보정 전후의 탐지 결과의 예시는 도 8과 같다.
도 9는 기하보정 오차 추산 및 보정이 완료된 SAR영상을 도시한다. 특히, SAR영상 위에 동적 AIS는 초록색으로 표시되고, 기하보정 오차 보정 전은 노랑색으로 표시되고, 보정 후는 빨강색으로 표시된다.
도 9에서 초록색, 노란색, 붉은색 지표는 각각 중심점으로 보정한 동적 AIS 기준점, 기하보정 오차 보정 전, 후의 탐지 결과 중점을 나타낸다.
이상에서 설명된 바와 같이, 본 발명에 따르면, 일반적인 형태의 지상기준점(GCP) 취득이 불가능한 해상에서 지상기준점(GCP) 역할을 대신할 수 있는 산란체인 선박을 사용하고, SAR영상 획득시간에 해당하는 실시간 선박의 위치 및 속도 정보인 자동식별시스템(AIS)을 전처리하여 기하보정 오차를 가진 SAR영상에 위치시키고, 딥 러닝 기반 탐지 알고리즘을 통해 찾은 영상 내 선박과의 거리를 계산하여 그 평균치만큼 영상을 이동시키는 과정을 반복하여 SAR영상의 기하보정 오차를 줄일 수 있다.
또한 합성개구레이더에서 전송되는 선박들에 대한 정보인 위성정보와, 각 선박에 탑재된 선박자동식별 장치에서 전송되는 선박정보들을 통합하여, 선박자동식별장치를 탑재하여 식별이 가능한 확인선박 및 선박자동식별장치가 탑재되지 않은 미확인선박을 모두 모니터링할 수 있다.
또한 각 선박의 위치정보, 각 선박을 식별할 수 있는 식별정보 및 상기 위성정보 및 상기 선박정보 간의 오차정보를 획득할 수 있으므로 위성정보 및 선박정보를 통합하여 선박 통합모니터링 시스템을 구현할 수 있다.
이상에서는 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
본 발명은 해상 SAR영상의 기하보정 오차의 보정을 지상기준점(GCP) 선정이나 현장 관측 없이 선박 탐지 결과와 AIS 자료만으로 수행하기에, 선박 탐지 결과의 정확한 경위도 좌표를 요구하는 기술분야에서 그 활용성이 높을 것으로 기대한다. 이는 기하보정의 후속 과정으로 오차가 큰 SAR영상에서 선박 탐지 결과와 동적 AIS와의 정교한 대응을 통한 미식별 선박 판정 기술을 도입할 때 더욱 유용할 것으로 판단된다.
100 : 기하보정 장치 110 : SAR영상 기하보정부
120 : 선박 탐지부 130 : 선박위치정보 전처리부
140 : 기하보정 오차 측정부 200 : 레이더 위성
300 : 선박

Claims (12)

  1. 영상 좌표계로 표현되는 합성개구레이더(Synthetic Aperture Radar, 이하 SAR) 영상 정보에 지리 좌표를 부여하여 실제 경위도 체계에 맞도록 SAR영상에 대해 기하보정하는 단계;
    딥 러닝 합성곱 신경망(Convolutional Neural Network: 이하 CNN) 기반의 탐지 알고리즘으로 상기 기하보정된 SAR영상 내 선박을 탐지하는 단계;
    상기 SAR영상 내 실시간 선박자동식별장치(Automatic Identification System, 이하 AIS) 정보를 전처리하는 단계; 및
    상기 기하보정된 SAR영상 내 탐지된 선박의 탐지 결과와 상기 전처리된 AIS 정보와의 반복적인 거리 추산을 통해 기하보정 오차를 측정하는 단계를 포함하는 것을 특징으로 하는 해상관측 합성개구레이더 영상의 기하보정 방법.
  2. 제1항에 있어서, 상기 기하 보정된 SAR영상은 경위도 방향으로 동일한 해상도를 갖는 것을 특징으로 하는 해상관측 합성개구레이더 영상의 기하보정 방법.
  3. 제1항에 있어서, 상기 실시간 선박위치 정보는 선정 및 선명을 포함하는 선박 자체의 고정 정보를 나타내는 동적 AIS이고, 상기 동적 AIS는 경위도 위치 및 속도 정보를 포함하여 선박의 해당 시각에서의 정확한 위치 파악이 가능한 것을 특징으로 하는 해상관측 합성개구레이더 영상의 기하보정 방법.
  4. 제1항에 있어서, 상기 SAR영상의 취득 시각에 맞추어 동적 AIS를 전처리하기 위해 반복적인 보간 기법이 도입되는 것을 특징으로 하는 해상관측 합성개구레이더 영상의 기하보정 방법.
  5. 제1항에 있어서,
    SAR영상의 평균 취득 시각에 맞추어 모든 선박의 동적 AIS를 보간하고,
    각각의 선박들의 보간된 지점들에 대해 SAR영상이 해당 지점을 촬영한 시각(Acquisition Time)을 참조하고,
    선박마다 다른 참조된 시각에 대해 다시 동적 AIS를 보간하되, 상기 보간에 의한 동적 AIS의 이동이 공간해상도보다 작아질 때까지 반복하는 것을 특징으로 하는 해상관측 합성개구레이더 영상의 기하보정 방법.
  6. 제5항에 있어서, 취득된 동적 AIS의 위치는 각 SAR영상 지점의 영상 획득 시각에 부합되는 것을 특징으로 하는 해상관측 합성개구레이더 영상의 기하보정 방법.
  7. 제6항에 있어서, 자동식별시스템(AIS) 센서 자체가 가지는 오차 정보를 최소화하기 위해 칼만 필터링을 더 수행하는 것을 특징으로 하는 해상관측 합성개구레이더 영상의 기하보정 방법.
  8. 영상 좌표계로 표현되는 SAR영상 정보에 지리 좌표를 부여하여 실제 경위도 체계에 맞도록 SAR영상에 대해 기하보정하는 SAR영상 기하보정부;
    딥 러닝 합성곱 신경망(CNN) 기반의 탐지 알고리즘으로 상기 기하보정된 SAR영상 내 선박을 탐지하는 선박 탐지부;
    상기 SAR영상 내 실시간 선박위치정보(AIS)를 전처리하는 선박위치정보 전처리부; 및
    상기 기하보정된 SAR영상 내 탐지된 선박의 탐지 결과와 상기 전처리된 선박위치 정보(AIS)와의 반복적인 거리 추산을 통해 기하보정 오차를 측정하는 기하보정 오차 측정부를 포함하는 것을 특징으로 하는 해상관측 합성개구레이더 영상의 기하보정 장치.
  9. 제8항에 있어서, 상기 SAR영상 기하보정부는, SAR영상을 수신 및 저장하고, 상기 SAR영상에 방사 및 기하보정을 수행하고,
    상기 선박 탐지부는, 상기 SAR영상에 좌표를 추가 및 저장하고, 인공 지능을 이용하여 선박을 탐지하고, 상기 선박 탐지 결과를 획득 및 저장하는 것을 특징으로 하는 해상관측 합성개구레이더 영상의 기하보정 장치.
  10. 제8항에 있어서, 상기 선박위치정보 전처리부는, AIS 자료를 수집 및 저장하고, 시간 정보를 이용하여 상기 AIS 자료를 전처리하고, 속도에 의해 틀어진 상기 AIS 자료의 위치 오차를 보정하고, 전처리된 AIS 자료를 획득 및 저장하는 것을 특징으로 하는 해상관측 합성개구레이더 영상의 기하보정 장치.
  11. 제8항에 있어서, 상기 기하보정 오차 측정부는, 상기 AIS 자료와 선박 탐지 결과를 근거로 오차를 측정하고, AIS 자료와 탐지 결과 간의 평균 오차를 연산하고, SAR영상에서 위치오차를 보정 및 저장하고, 상기 평균오차가 임계치 이하인지의 여부와 상기 위치오차가 임계치 이하인지의 여부를 체크하고, 상기 평균오차가 임계치 초과이거나 상기 위치오차가 임계치 초과인 것으로 체크되면, 선박 탐지 결과를 획득 및 저장을 다시 수행하고, 상기 평균오차가 임계치 이하이거나 상기 위치오차가 임계치 이하인 것으로 체크되면, 오차보정 완료된 SAR영상을 획득 및 저장하는 것을 특징으로 하는 해상관측 합성개구레이더 영상의 기하보정 장치.
  12. 제8항에 있어서, 상기 기하보정 오차 측정부는, 선박의 정적 AIS 정보를 찾아 전처리된 동적 AIS 지점을 이동시키고,
    동적 AIS의 위치로부터 일정 반경 내에 포함되는 탐지된 선박의 중심점들을 추출하여 추출된 중심점들과 자동식별시스템(AIS) 지점 사이의 거리를 도출하고, 모든 자동식별시스템(AIS) 지점들의 위치에 대해 이 작업을 수행하여 경위도 방향의 평균 오차를 각각 도출하고,
    도출된 경위도 방향의 오차만큼 SAR영상의 경위도 좌표 전체를 이동시키고, 이동된 영상 좌표계에 대하여 같은 작업을 반복적으로 수행하여 좌표계의 이동이 이전 결과 대비 공간해상도의 1/5 안쪽에서 이루어질 때까지의 누적 경위도 좌표 오차를 해당 SAR영상의 최종 기하보정 오차로 추산하는 것을 특징으로 하는 해상관측 합성개구레이더 영상의 기하보정 장치.
KR1020220084377A 2022-07-08 2022-07-08 해상관측 합성개구레이더 영상의 기하보정 방법 및 그 장치 KR20240007457A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220084377A KR20240007457A (ko) 2022-07-08 2022-07-08 해상관측 합성개구레이더 영상의 기하보정 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220084377A KR20240007457A (ko) 2022-07-08 2022-07-08 해상관측 합성개구레이더 영상의 기하보정 방법 및 그 장치

Publications (1)

Publication Number Publication Date
KR20240007457A true KR20240007457A (ko) 2024-01-16

Family

ID=89719533

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220084377A KR20240007457A (ko) 2022-07-08 2022-07-08 해상관측 합성개구레이더 영상의 기하보정 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR20240007457A (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101334804B1 (ko) 2011-10-07 2013-11-29 한국해양과학기술원 선박 통합모니터링을 위한 위성정보 및 선박정보의 통합방법
KR101553275B1 (ko) 2013-10-31 2015-09-15 한국해양과학기술원 선박 통합모니터링 장치
KR102040702B1 (ko) 2019-05-07 2019-11-05 (주)컨텍 위성영상을 이용한 활용서비스 제공 장치 및 방법
KR102214431B1 (ko) 2019-10-02 2021-02-09 한국해양과학기술원 미식별 선박의 이동 속도 추정 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101334804B1 (ko) 2011-10-07 2013-11-29 한국해양과학기술원 선박 통합모니터링을 위한 위성정보 및 선박정보의 통합방법
KR101553275B1 (ko) 2013-10-31 2015-09-15 한국해양과학기술원 선박 통합모니터링 장치
KR102040702B1 (ko) 2019-05-07 2019-11-05 (주)컨텍 위성영상을 이용한 활용서비스 제공 장치 및 방법
KR102214431B1 (ko) 2019-10-02 2021-02-09 한국해양과학기술원 미식별 선박의 이동 속도 추정 시스템 및 방법

Similar Documents

Publication Publication Date Title
JP5724907B2 (ja) 船舶の統合監視のための衛星情報及び船舶情報の統合方法
US10424205B2 (en) Auxiliary berthing method and system for vessel
KR101992731B1 (ko) 선박 보조 도킹 방법과 시스템
CA2579898C (en) Method for the processing and representing of ground images obtained by synthetic aperture radar systems (sar)
KR101880616B1 (ko) 해상풍과 해무 위성정보를 이용한 해무 예측 방법
EP2211200A1 (en) Marine radar system with three-dimensional memory
US9958276B2 (en) Method for calculating the surface speed of at least one vessel and method for deducing each drift vector at every point on the path of said vessel
CN110780327A (zh) 基于星载ais与红外相机的海上目标协同定位方法
JP5152913B2 (ja) 洋上監視システムおよび方法
US8577608B2 (en) Method of obtaining a local terrain elevation database from detector means on board a vehicle
US6256264B1 (en) Localization of a submerged tow vehicle (lost)
CN111626129A (zh) 基于卫星ais与红外相机的舰船目标联合探测方法
KR20240007457A (ko) 해상관측 합성개구레이더 영상의 기하보정 방법 및 그 장치
CN116699662A (zh) 一种基于gnss-r的海上目标定位方法及系统
CN115937243A (zh) 一种基于点云三维数据的下游河道图像变形监测方法
CN114445761A (zh) 一种基于图像识别的雷康状态远程监测方法
CN113625241A (zh) 差异沉降监控预警方法
CN113484864A (zh) 面向无人艇的航海雷达与光电吊舱协同环境感知方法
Brekke et al. Ship traffic monitoring using multi-polarisation satellite SAR images combined with AIS reports
Archetti et al. Coastal vulnerability assessment through complementary monitoring technologies: The case of riccione
WO2015194966A1 (en) Method and system for quality control and correction of position data from navigation satellites in areas with obstructing objects
Kim et al. Geometric Enhancement of Small SAR Satellite Image in Ocean Using Ship AIS
JP2804145B2 (ja) 自動レーダプロッティング装置
Lv et al. A method for position offset correction of ship target on SAR image based on AIS data
Jung et al. High precision automatic sar geocoding method using GSHHS for coastal ship monitoring

Legal Events

Date Code Title Description
E902 Notification of reason for refusal