DOI QR코드

DOI QR Code

DTW와 Kalman Filter를 결합한 비행표적의 광학추적 방법

The Optical Tracking Method of Flight Target using Kalman Filter with DTW

  • Jang, Sukwon (The 5th Research and Development Institute, Agency for Defense Development)
  • 투고 : 2021.05.21
  • 심사 : 2021.06.28
  • 발행 : 2021.06.30

초록

EOTS(electro-optical tracking system)는 유도무기의 성능 평가를 위해 유도무기를 추적하여 영상을 획득하는데 활용되고 있다. 유도무기에 대한 추적을 잃어버렸을 경우 유도무기가 매우 빠르게 비행하기 때문에 운용자가 이를 다시 포착하는 것은 거의 불가능하다. 레이더나 텔레메트리 데이터를 활용하여 재 포착 하는 방법이 활용되고 있으나 데이터를 실시간으로 수신할 수 있는 통신망의 설치가 수반되어야하기 때문에 장소에 대한 제약이 따른다. 하지만 유도무기 비행시험 수행 시 계산되는 예상 궤적은 실시간으로 수신할 필요 없이 저장해두었다가 사용할 수 있기 때문에 통신망 설비와 관계없이 활용이 가능하다. 본 논문에서는 미리 알고 있는 비행체의 예상 궤적을 활용하여 비행체를 잃어버렸을 시 비행체의 위치를 예상하는 방법을 제안한다. DTW (dynamic time warping)를 통해 예상궤적과 추적궤적을 비교하여 비행체의 각속도를 추정하고 이를 Kalman Filter의 보정단계에서 관측 값으로 활용하여 비행체의 다음 상태를 예측한다. 제안한 방법의 타당성을 실제 비행체 궤적에 적용하여 검증하였다.

EOTS(Electro-Optical Tracking System) is utilized in acquiring visual information to assess a guided missile's performance. As the missile travels so fast, it is almost impossible for operator to re-capture the lost target. The RADAR or telemetry data are used to re-capture the lost target however facilities to receive real time data is required, which constrains selection of tracking site. Unlike aforementioned data, pre-calculated nominal trajectory can be used without communication facility. This paper proposes a method to predict lost target's state by employing nominal trajectory. Firstly, observed trajectory and nominal trajectory are compared using DTW and current target's state is predicted. The predicted state is used as observation in Kalman filter's correction phase to predict target's next state. The plausibility of the proposed method is verified by applying on actual missile trajectory.

키워드

참고문헌

  1. N. Dalal and B. Triggs, "Histograms of oriented gradients for human detection," in Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, San Diego: CA, pp. 886-893, 2005
  2. D. G. Lowe, "Distinctive image features from scale-invariant keypoints," International Journal of Computer Vision, Vol. 60, No. 2, pp. 91-110, Nov. 2004. https://doi.org/10.1023/B:VISI.0000029664.99615.94
  3. R. Girshick, J. Donahue, T. Darrell, and J. Malik, "Rich feature hierarchies for accurate object detection and semantic segmentation," in Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, Columbus: OH, pp. 580-587, 2014
  4. J. Redmon and A. Farhadi, YOLOv3: An incremental improvement. Technical Report, arXiv preprint arXiv: 1804.02767, 2018
  5. G. Zhai, C. Wu and Y. Wang, "Millimeter wave radar target tracking based on adaptive Kalman Filter," 2018 IEEE Intelligent Vehicles Symposium, Changshu:China, pp. 483-458, 2018
  6. J. Tang, A. Singh, N. Goehausen and P. Abbeel, "Parameterized maneuver learning for autonomous helicopter flight," in 2010 IEEE International Conference on Robotics and Automation, Anchorage: AK, pp. 1142-1148, 2010
  7. S. Park, "Design of small optical tracker for use in the proving ground," Journal of Advanced Navigation Technology, Vol. 24, No. 3, pp. 224-231. Jun. 2020. https://doi.org/10.12673/JANT.2020.24.3.224