[논문]모의 사격 시스템에서 레이저 빔 인식을 위한 영상처리 기법

오세창; 한동일

doi:10.6109/jkiice.2009.13.3.594

모의 사격 시스템에서 레이저 빔 인식을 위한 영상처리 기법
Image Processing Technique for Laser Beam Recognition in Shooting Simulation System 원문보기

한국해양정보통신학회논문지 = The journal of the Korea Institute of Maritime Information & Communication Sciences, v.13 no.3, 2009년, pp.594 - 601

오세창 (세종사이버대학교 유비쿼터스컴퓨팅학과) , 한동일 (세종대학교 컴퓨터공학부)

초록
AI-Helper

모의 사격 시스템은 군사 훈련에 드는 많은 비용과 시간을 줄일 수 있음은 물론이고 사고의 위험을 배제할 수 있다. 특히 레이저를 이용한 모의 사격 시스템은 실탄을 사용한 훈련과 거의 유사한 환경을 제공할 수 있다는 장점을 가지고 있다. 그러나 이러한 시스템을 구현하기 위해서는 레이저빔을 인식하기 위한 효과적인 영상처리기법의 개발이 필요하다. 본 연구에서 제안하는 방법은 인접한 두 영상에서 차 영상을 구하고 이 차 영상에서 빔을 배경과 구분하기 위해서 쓰레쉬홀딩 방법을 적용하였다. 이때 쓰레쉬홀드 값은 배경을 이루는 점들의 밝기 분포가 정규분포를 이룬다는 가정 하에 결정한다. 이 결과에 잡음제거와 영역분리 과정을 거쳐서 빔의 영역을 정한다. 이 영상처리 방법의 계산 복잡도는 영상의 크기와 잡음제거를 위해 사용한 마스크의 크기를 곱한 값에 비례한다. 실험에서 제안한 방법은 93.3%의 정확도를 보였다. 또한 부정확한 결과가 나오는 경우에도 항상 빔을 포함하여 영역을 잡는 것을 확인할 수 있었다.

Abstract ▼ AI-Helper

Shooting simulation systems not only reduce a great amount of expense and time for military exercises but also prevent accidents. In particular, the shooting simulation systems using laser beam have an advantage which is very similar to the shooting exercise that uses real bullets. However, real time technique for laser beam recognition in a target image is necessary. The method proposed in this paper takes a difference image from two adjacent image frames. Then a thresholding is applied on this difference image to discriminate laser beam from background. To decide the threshold value the intensity distribution of background points is modeled assuming normal distribution. Then a noise reduction and a region segmentation are applied on the binary image to find the position of a laser beam. The time complexity of this process depends on the size of an image multiplied by the size of a mask used in the noise reduction process. The experimental result showed that the accuracy of the system was 93.3%. Even in the inaccurate cases the beam was always found in the resultant region.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 본 연구는 레이저를 이용한 모의 사격 훈련 시스템의 구현에 있어서 가장 핵심적인 요소인 레이저 빔즉, 탄착점을 인식하기 위한 영상처리 방법을 개발하는데 그 목적이 있다. 따라서 시스템의 기본적인 기능은 표적지 뒤에 설치된 카메라를 통해서 얻은 영상을 처리하여 레 이 저 빔을 인식한다.
따라서 본 연구에서는 잡음이 남아 있는 이진 영상에서 빔의 범위를 정하기 위해서 투영 방법을 사용했다. 여기 에 서 적용된 알고리즘은 다음과 같다.
따라서 이 연구의 목표는 주변 환경에 영향을 받지 않고 Di로부터 빔을 이루는 점들의 집합 Bi를 구하는 것이다. 물론 Bi는 Di의 부분 집합이 다.
본 연구에서는 레이저를 사용하는 모의 사격 시스템에 적용하기 위한 영상처리 방법을 제안하였다. 이 방법은 임베디드 시스템에서도 적용할 수 있도록 가급적 메모리를 적게 사용하고 빠른 알고리즘을 고안하는데 주안점을 두었다.
이 단계에서는 쓰레쉬홀딩 결과에서 남아 있는 많은 잡음을 제거하고자 한다. 이를 위해 형태학적 개방 연산을 적용하는데, 이때 매스크 M은 크기가 14x14인 정사각형을 사용한다.

가설 설정

한다. 쓰레쉬홀드 값을 정하기 위해 배경에 해당하는 점들의 밝기 분포가 정규분포를 이룬다고 가정하였다. 쓰레쉬홀딩의 결과 남아있는 잡음을 제거하기 위한 잡음 감축 과정에서는 형태학적 개방 연산을 적용했다.

제안 방법

본 연구에서는 잡음 제거를 위해서 형태학적 개방 (morphological opening) 연산을 사용했다. 이 연산은 다음과 같이 수학적 형태학 (mathematical morphology) 에서 사용하는 침식 (erosion) 연산과 팽 창 (dilation) 연산을 차례로 적용하는 연산이다[10].
본 연구에서는 차 영상에 대한 히스토그램에서 발견할 수 있는 이러한 특성을 이용해서 쓰레쉬홀드 값을 결정한다. 즉, 히스토그램 상에서 배경의 분포 f(x)를 M = 0 인 정 규분포의 오른쪽 반으로 보면, 다음과 같은 식으로 O■를구할수있다.
쓰레쉬홀딩의 결과 남아있는 잡음을 제거하기 위한 잡음 감축 과정에서는 형태학적 개방 연산을 적용했다. 분할 과정에서는 앞에서 제거되지 않는 큰 잡음과 빔을 구분하여, 빔의 바운딩 박스를 정하기 위해서 투영 방법을 반복적으로 적용했다. 본 논문에서 제안하는 영상처리 방법의 계산 복잡도는O(n・m)로 영상의 크기와 형태학적 개방 연산에 사용되는 매스크의 크기에 종속적이 다.
쓰레쉬홀드 값을 정하기 위해 배경에 해당하는 점들의 밝기 분포가 정규분포를 이룬다고 가정하였다. 쓰레쉬홀딩의 결과 남아있는 잡음을 제거하기 위한 잡음 감축 과정에서는 형태학적 개방 연산을 적용했다. 분할 과정에서는 앞에서 제거되지 않는 큰 잡음과 빔을 구분하여, 빔의 바운딩 박스를 정하기 위해서 투영 방법을 반복적으로 적용했다.
적용하기 위한 영상처리 방법을 제안하였다. 이 방법은 임베디드 시스템에서도 적용할 수 있도록 가급적 메모리를 적게 사용하고 빠른 알고리즘을 고안하는데 주안점을 두었다.
이 카메라 모듈을 사용해서 밤과 낮에 각각 15번씩 25m의 거리에서 발사 실험을 하여 총 30개의 동영상을 얻었다. 촬영 당시 표적지 주변의 조도는 밤에는 1~1.
제 안 하는 영상처리 방법은 레이저 빔 즉, 탄착점을 인식하기 위해서 차 영상을 구하고 이를 쓰레쉬홀딩 한다. 쓰레쉬홀드 값을 정하기 위해 배경에 해당하는 점들의 밝기 분포가 정규분포를 이룬다고 가정하였다.

대상 데이터

이는 개발하고자 하는 기 술이 계산 자원이 PC에 비해 상대 적 으로 부족한 임베디드 시스템에서 적용 가능해야 하기 때문이다. 따라서 본 연구에 서 는 3 바이트 RGB 칼라 영 상 대신 1 바이트 그레이 영상을 사용한다. 이는 메모리 사용량을 줄이고 속도를 높이기 위해서이다.
레벨 그레이 영상으로 변환한 것이다. 따라서 실험에 사용한 정지 영상은 총 150장이다.
5 lux이 었고, 낮에는 20000-40000 lux이었다. 실험 에 사용된 데이터는 각 동영상에서 빔이 나타나기 시작하는 프레임을 전후로 각각 2 프레임을 포함하여 총 5장의 정지영상을 추출하고 이를 256. 레벨 그레이 영상으로 변환한 것이다.
실험에 사용한 장비는 출력이 ltnW인 가시광선 레 이저 와 표적 지 뒤 에 설치된 PP-DEB-005라는 카메라 모듈이다. 이 카메라 모듈은 640x480 크기의 RBG 이미지를 초당 30 프레임의 속도로 생성한다.

성능/효과

분할 과정에서는 앞에서 제거되지 않는 큰 잡음과 빔을 구분하여, 빔의 바운딩 박스를 정하기 위해서 투영 방법을 반복적으로 적용했다. 본 논문에서 제안하는 영상처리 방법의 계산 복잡도는O(n・m)로 영상의 크기와 형태학적 개방 연산에 사용되는 매스크의 크기에 종속적이 다.
실험 결과 30개의 빔에 대해서 93.3%가 정확한 결과를 보였으며, 6.7%가 빔과 가깝게 위치한 잡음을 포함해서 바운딩 박스를 잡는 다소 부정확한 결과를 보였다. 이러한 결과는 빔 고유의 특성을 고려하지 않고 투영 이 라는 단순한 방법에의 해 분할을 했기 때문으로 보인다.

후속연구

이러한 결과는 빔 고유의 특성을 고려하지 않고 투영 이 라는 단순한 방법에의 해 분할을 했기 때문으로 보인다. 따라서 빔이 원의 일부라는 특성을 이용하여 영역을 잡는다면 보다 정확한 결과를 얻을 수 있을 것이 다.
이때 인접 한 두 프레 임만을 비교하면 빔이 움직 이지 않는 시 점 에서 는 빔을 놓치게 된다. 차후에는 이러한문제에 대해서도 연구가 필요하다.

참고문헌 (10)

박원우, "적외선을 이용한 가상 사격장에서의 가상 탄착점 위치를 찾는 방법", KR Patent 10-0388945-0000, 2003-06-12
김길홍, "사격훈련시스템", KR Patent 20-0197122- 0000, 2000-07-10
정경희, 이창훈, "행렬식 수광 소자를 이용한 전자식 사격 훈련 시스템", KR Patent 10-0648625-0000, 2006-11-15
김성길, "레이저 축소 사격 표적기", KR Patent 10-0403921-0000, 2003-10-20
임창균, 이태국, 서효방, "영상처리기반 탄착점 추출에 관한 연구," 한국인터넷정보학회 춘계학술발표대회, 제 9권, 제 1호, pp. 411-414, 2008년 5월
김맹수, "레이저 사격 훈련 시스템", KR Patent 20-0206981-0000, 2000-10-05
윤욱선, "증강 현실을 이용한 사격 훈련 시뮬레이션 시스템 및 그 방법", KR Patent 10-2000-0012160, 2000-03-06
John Clark, Kendir Tansel, Shechter Motti, "Firearm laser training system and method facilitating fire arm training with various targets and visual feedback of simulated projectile impact locations", KR Patent 10-0674629-0000, 2007-01-19
Meijering, E. H. et al., "Restrospective Motion Correction in Digital Substraction Angiography: A Review," IEEE Trans. Medical Imaging, vol.18, no. 1, pp. 2-21, 1999

상세보기
Serra, J., "Image Analysis and Mathematical Morphology," Academic Press, New York, 1982

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증