이 논문에서는 장애물이 존재하는 환경에서 적외선 센서를 가진 다수의 감시 로봇이 획득한 정보를 융합하여 분산되어있는 표적의 위치 좌표를 추정하는 기법을 제안한다. 방위각(azimuth)과 표적을 대응시키는 방법으로는 장애물이 존재하지 않는 경우에서 제안되었던 깊이-우선(depth-first) 트리 탐색(tree search) 기법을 바탕으로, 우회경로 탐색, 중간 단계 탐색 종료, 하위 단계 부분 탐색, 결정기준 보완 등을 추가함으로써 트리 탐색을 확장한 새로운 기법을 제시하였다. 방위각과 표적이 대응된 후에는 하나의 표적을 가리키는 방위각들에 최소 제곱 오차(least square error) 알고리듬을 적용하여 최적 교점을 구함으로써 표적의 위치 좌표를 추정한다. 제안한 위치 추정 기법의 좌표 추정 성능과 복잡도를 모의실험으로 제시하고 분석한다.
이 논문에서는 장애물이 존재하는 환경에서 적외선 센서를 가진 다수의 감시 로봇이 획득한 정보를 융합하여 분산되어있는 표적의 위치 좌표를 추정하는 기법을 제안한다. 방위각(azimuth)과 표적을 대응시키는 방법으로는 장애물이 존재하지 않는 경우에서 제안되었던 깊이-우선(depth-first) 트리 탐색(tree search) 기법을 바탕으로, 우회경로 탐색, 중간 단계 탐색 종료, 하위 단계 부분 탐색, 결정기준 보완 등을 추가함으로써 트리 탐색을 확장한 새로운 기법을 제시하였다. 방위각과 표적이 대응된 후에는 하나의 표적을 가리키는 방위각들에 최소 제곱 오차(least square error) 알고리듬을 적용하여 최적 교점을 구함으로써 표적의 위치 좌표를 추정한다. 제안한 위치 추정 기법의 좌표 추정 성능과 복잡도를 모의실험으로 제시하고 분석한다.
This paper proposes the location estimation techniques of distributed targets with the multi-sensor data perceived through IR sensors of the military robots in consideration of obstacles. In order to match up targets with measured azimuths, to add to the depth-first search (DFS) algorithms in free-o...
This paper proposes the location estimation techniques of distributed targets with the multi-sensor data perceived through IR sensors of the military robots in consideration of obstacles. In order to match up targets with measured azimuths, to add to the depth-first search (DFS) algorithms in free-obstacle environment, we suggest the expanded DFS (EDS) algorithm including bypass path search, partial path search, middle level ending, and the supplementation of decision metric. After matching up targets with azimuths, we estimate the coordinate of each target by obtaining the intersection point of the azimuths with the least square error (LSE) algorithm. The experimental results show the error rate of estimated location, mean number of calculating nodes, and mean distance between real coordinates and estimated coordinates of the proposed algorithms.
This paper proposes the location estimation techniques of distributed targets with the multi-sensor data perceived through IR sensors of the military robots in consideration of obstacles. In order to match up targets with measured azimuths, to add to the depth-first search (DFS) algorithms in free-obstacle environment, we suggest the expanded DFS (EDS) algorithm including bypass path search, partial path search, middle level ending, and the supplementation of decision metric. After matching up targets with azimuths, we estimate the coordinate of each target by obtaining the intersection point of the azimuths with the least square error (LSE) algorithm. The experimental results show the error rate of estimated location, mean number of calculating nodes, and mean distance between real coordinates and estimated coordinates of the proposed algorithms.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이 논문에서는 장애물이 존재하는 환경에서 측정 방위각과 표적을 대응시키는 방법을 제안한다. 제안하는 기법은 트리 탐색 알고리듬 중 깊이-우선 탐색(depth-first search: DFS)[7,8]을 바탕으로 하고 있으나, 장애물로 인하여 발생하는 상황을 고려하여 중간 단계의 노드를 거치지 않고 하위 단계로 우회하는 경로나 잎까지 도달하지 못하는 경로까지도 판단기준을 만족하면 후보로 선택될 수 있도록 트리 탐색을 확장한 기법과 추가된 결정 기준을 제시하였다.
이 논문에서는 적외선 센서를 지닌 다수의 무인 감시 로봇이 장애물이 존재하는 환경에서 분산되어 있는 다수의 표적을 탐지하였을 때, 표적의 위치 좌표를 추정하는 기법을 제안하고 추정 성능을 모의실험으로 제시하였다.
가설 설정
감시 로봇에 의해 탐지되는 표적의 유형은 장갑차/전차/트럭 등의 전투용 차량으로 가정하며, 이 논문에서는 표적의 종류에 관계없이 표적의 위치 좌표를 추정하는 것만을 다루기로 한다. 표적 방위각의 변동 및 오탐지로 인한 크기 변화가 상대적으로 적은 표적의 높이 정보를 픽셀 크기 측정요소로 사용하여 대략적인 거리를 추정한다[6].
여기서, #는 R[i]의 j번째 측정 방위각 방향에서 탐지되는 표적과 R[i] 간의 추정거리이다. 감시 로봇으로부터 1km 거리에 위치한 높이 2.5m의 표적이 적외선 센서 화면에서 높이가 11.4픽셀로 측정된다고 두었으며, 적외선 센서 화면에서 픽셀 퍼짐의 크기 W를 0부터[측정 픽셀로 계산한 거리]/6까지 범위 내에서 균일하게 분포한다고 가정하고 거리를 추정하였다[6]. 마지막으로 장애물로 인한 탐지 방위각의 개수는 가장 왼쪽의 로봇부터 각각 4, 3, 2, 1개로 고정하였다.
의 위치 좌표를 추정한다. 원격통제기는 고정형 감시 로봇들의 위치 좌표를 정확히 알고 있다고 가정하며, 감시 로봇들로부터 표적의 방위각 정보와 픽셀 수를 수신하여 방위각과 표적을 알맞게 대응시키고 표적의 위치 좌표를 계산한다.
적외선 센서는 광시계 모드에서 10초의 주기로 360°를 회전하며 다중표적이 위치하는 방향을 탐지하여 각 표적의 방위각 정보를 획득할 수 있으며, 협시계 모드에서는 하나의 표적을 30Hz 속도로 추적하면서 표적의 방위각 정보를 획득할 수 있다. 이 논문에서는 다중표적의 탐지 및 위치 추정에 목적을 두고 있으므로, 적외선 센서가 광시계 모드로 동작하여 다중 표적을 탐지하는 경우를 고려하며, 획득한 방위각 정보는 평균이 0인 정규분포의 측정오차가 존재한다고 가정한다.
그림 5는 (N × M)=(4×4)인 협업감시 시스템에서 EDS 트리 구조의 일부를 보기를 들어 나타낸 것이다. 이 보기에서 R[1]은 모든 표적을, R[2]는 3개의 표적을, R[3]과 R[4]는 각각 2개의 표적을 탐지하고 있다고 가정하였다. 그림에서 굵은 실선은 후보로 선택된 경로를, 가는 실선은 탐색하였으나 후보로 선택되지 못한 경로를, 점선은 이 보기에서 탐색하지는 않았으나 고려할 수 있는 모든 경로를 표시한 것이고, 동그라미 안의 숫자는 탐색 순서를 나타낸 것이다.
제안 방법
5로 설정한 결과이며, 감시 로봇은 삼각형으로, 표적은 사각형으로, 장애물은 굵은 실선으로 표시하고, 탐색이 완료된 후의 후보들은 빈 동그라미로, 최종 선택된 위치 좌표 해집합은 내부가 색칠된 동그라미로 표시하였다. 감시 로봇은 1km 간격으로 일직선 상에 N = 4대를 고정 배치하고, 표적은 탐지 반경 6km 이내에서 M = 4개를 매번 무작위로(randomly) 위치시켰다. 최종 선택된 위치 좌표는 방위각 측정 잡음의 영향으로 실제 표적 좌표와의 오차가 존재하게 된다.
다음으로 제안한 기법의 결정기준 Cα에서 거리기준 D의 가중치 α와 각도기준 A의 가중치 (1-α)의 변화에 따른 표적 위치 좌표 추정 성능을 모의실험 결과로 비교해보자.
먼저, 제안한 표적 위치 좌표 추정 기법인 EDS의 계산량을 살펴보자. 표 1에서는 (N× M) =(4×4)인 환경에서 각 로봇의 측정 방위각 수에 따른 제안한 기법의 최대 탐색 노드 수를 몇 가지 경우에 대하여 제시하였다.
탐색 기법은 노드가 판단 기준을 만족할 때 자녀 방향으로 다음 탐색을 진행하는 깊이-우선 방식을 바탕으로 하고 있으나, 2단계의 자녀(children) 노드가 모두 후보로 적합하지 않을 때 다음 단계로의 탐색을 멈추고 가지치기를 하는 기존의 DFS 방식과 달리, 자녀 노드가 모두 후보로 적합하지 않을 때 손자녀(grand- children) 노드로 우회하여 탐색을 계속 진행한다. 모든 자손 노드로의 경로가 후보로 적합하지 않을 때, 현재 노드까지의 경로만을 후보로 등록하고 형제자매 노드로 탐색을 진행한다. 만약 뿌리에서 연결되는 경로가 존재하지 않을 경우에는 다음 단계의 각 노드를 뿌리로 하여 하위 단계에서 같은 방식의 탐색을 진행한다.
추정 오류는 실제 표적 좌표와 추정한 좌표의 거리 오차가 1km 이상이 될 경우의 회수를 누적하여 총 추정 표적 수로 나눈 값이다. 무작위로 발생시킨 표적이 장애물에 가려져서 감시 로봇 2대 이상에서 탐지되지 못할 경우에는 위치 좌표를 추정할 수 없고 이러한 경우는 추정 기법의 오류가 아니므로, 총 표적 수로 나누지 않고 총 추정 표적 수로 나누었다. 그림 10에서는 α를 변화시켜가며 실제 표적 위치와 추정 위치 간의 평균 거리오차(단위: m)를 계산하여 비교하였고, 그림 11에서는 판단기준의 만족 여부를 계산한 평균 노드 개수를 구하여 비교하였다.
본 논문에서 고려하는 일반적인 감시 환경에서는 장애물로 인하여 N대의 감시 로봇이 탐지할 수 있는 표적의 개수가 서로 다를 수 있으므로, 각 감시 로봇을 단계로 설정하는 트리 탐색에서 N단계까지 도달하지 못하는 경로가 최종 해일 수 있다. 이러한 상황을 고려하여 우회 경로 탐색, 중간 단계 탐색 종료, 하위 단계 부분 탐색을 추가한 확장된 깊이-우선 탐색(EDS: expanded DFS) 기법을 제안한다.
이 논문에서 고려하는 협업감시 시스템에서는 무인형 감시 로봇의 표적 감시 장비로 고정형 적외선 센서를 사용한다. 적외선 센서를 활용하면 표적의 방위각, 온도, 대략적인 크기 및 형태 등에 대한 정보를 얻을 수 있으나, 이 논문에서는 방위각 정보와 대략적인 크기만을 활용한 다중표적의 위치 좌표 추정으로 연구 범위를 제한하기로 한다. 적외선 센서는 광시계 모드에서 10초의 주기로 360°를 회전하며 다중표적이 위치하는 방향을 탐지하여 각 표적의 방위각 정보를 획득할 수 있으며, 협시계 모드에서는 하나의 표적을 30Hz 속도로 추적하면서 표적의 방위각 정보를 획득할 수 있다.
이 논문에서는 장애물이 존재하는 환경에서 측정 방위각과 표적을 대응시키는 방법을 제안한다. 제안하는 기법은 트리 탐색 알고리듬 중 깊이-우선 탐색(depth-first search: DFS)[7,8]을 바탕으로 하고 있으나, 장애물로 인하여 발생하는 상황을 고려하여 중간 단계의 노드를 거치지 않고 하위 단계로 우회하는 경로나 잎까지 도달하지 못하는 경로까지도 판단기준을 만족하면 후보로 선택될 수 있도록 트리 탐색을 확장한 기법과 추가된 결정 기준을 제시하였다. 논문의 구성은 다음과 같다.
제안한 기법의 계산량을 살펴보기 위하여 (N× M) =(4×4)인 환경에서 각 로봇의 측정 방위각 수에 따른 제안한 기법의 최대 탐색 노드 수를 몇 가지 경우에 대하여 제시하였다.
표적의 위치 좌표 추정에서 필수 선결 과정인 여러 개의 측정 방위각과 여러 개의 표적을 알맞게 대응시키는 방법으로는 장애물이 없는 환경에서 제안된 깊이-우선 트리 탐색 기법을 바탕으로 우회 경로 탐색, 중간 단계 탐색 종료, 하위 단계 부분 탐색 등을 추가하고 후보 판단기준을 개선한 대응관계 결정 기법을 제안하였고, 방위각과 표적이 대응된 후에는 방위각들의 최적 교점을 구하는 LSE 알고리듬으로 표적의 위치 좌표를 생성하였다.
이론/모형
이 논문에서 고려하는 협업감시 시스템에서는 무인형 감시 로봇의 표적 감시 장비로 고정형 적외선 센서를 사용한다. 적외선 센서를 활용하면 표적의 방위각, 온도, 대략적인 크기 및 형태 등에 대한 정보를 얻을 수 있으나, 이 논문에서는 방위각 정보와 대략적인 크기만을 활용한 다중표적의 위치 좌표 추정으로 연구 범위를 제한하기로 한다.
성능/효과
그 반면, 제안한 방식은 측정 잡음의 표준편차가 0.3°일 때까지는 모든 표적의 위치를 찾아내고 있으며, 모든 α에서 Pmiss가 5 × 10-3 이하의 값으로 존재함을 볼 수 있다.
그러나 장애물이 존재하는 (N× M) =(4×4)인 환경에서 로봇의 탐지 방위각 개수를 각각 4, 3, 2, 1개로 고정하고 모의실험 하였을 때, 제안한 기법의 평균 탐색 노드 수는 24~30개로 이론적인 최대 탐색 노드 수인 92개의 1/3 수준을 보였다.
또한, 평균 탐색 노드 수는 모든 Cα에서 24~30개로 거의 비슷한 결과를 나타내고 있으므로, C0.8을 사용하는 제안 기법이 가장 좋은 성능을 보인다고 할 수 있다.
그러나 장애물이 존재하는 (N× M) =(4×4)인 환경에서 로봇의 탐지 방위각 개수를 각각 4, 3, 2, 1개로 고정하고 모의실험 하였을 때, 제안한 기법의 평균 탐색 노드 수는 24~30개로 이론적인 최대 탐색 노드 수인 92개의 1/3 수준을 보였다. 모의실험을 통하여 제안한 기법의 평균 오류율과 평균 거리오차를 살펴본 결과, 두 기준 모두에서 결정기준 C0.8을 사용할 때에 가장 좋은 성능을 보였고, 이는 각도 판단기준보다 거리 판단기준의 영향이 좀더 우세하다는 것을 나타낸다고 볼 수 있다.
기존의 대응관계 결정 기법은 M개의 표적을 N대의 감시 로봇에서 모두 탐지하는 경우를 가정하고 있으므로, 1단계 노드부터 시작하여 N단계 노드까지 도달하는 경로가 아니면 후보로 선택되지 못한다. 본 논문에서 고려하는 일반적인 감시 환경에서는 장애물로 인하여 N대의 감시 로봇이 탐지할 수 있는 표적의 개수가 서로 다를 수 있으므로, 각 감시 로봇을 단계로 설정하는 트리 탐색에서 N단계까지 도달하지 못하는 경로가 최종 해일 수 있다. 이러한 상황을 고려하여 우회 경로 탐색, 중간 단계 탐색 종료, 하위 단계 부분 탐색을 추가한 확장된 깊이-우선 탐색(EDS: expanded DFS) 기법을 제안한다.
제안한 기법의 계산량을 살펴보기 위하여 (N× M) =(4×4)인 환경에서 각 로봇의 측정 방위각 수에 따른 제안한 기법의 최대 탐색 노드 수를 몇 가지 경우에 대하여 제시하였다. 장애물이 없을 경우, 즉, 모든 감시 로봇이 모든 표적을 탐지하는 경우, 제안한 기법의 최대 탐색 노드 수는 우회 경로의 추가로 인하여 기존의 장애물이 없는 환경에서 제안된 트리 탐색 기법의 최대 탐색 노드 수보다 2배 정도 많아진다. 그러나 장애물이 존재하는 (N× M) =(4×4)인 환경에서 로봇의 탐지 방위각 개수를 각각 4, 3, 2, 1개로 고정하고 모의실험 하였을 때, 제안한 기법의 평균 탐색 노드 수는 24~30개로 이론적인 최대 탐색 노드 수인 92개의 1/3 수준을 보였다.
질의응답
핵심어
질문
논문에서 추출한 답변
기존의 방위각을 활용하여 신호원의 위치를 추정하는 방법의 문제점은?
방위각을 활용하여 신호원의 위치를 추정하는 이제까지의 연구에서는 항공기에 설치된 배열센서들을 이용하여 고정된 신호원 하나의 위치를 추정하거나, 각 센서에서 측정한 방위각이 동일한 하나의 표적이라는 확신이 있을 경우에 최소제곱오차(least square error: LSE)를 보장하는 위치 추정 방식, 장애물이 존재하지 않는 환경에서 측정 방위각과 표적을 알맞게 대응시키는 방법으로 트리 탐색(tree search) 알고리듬을 적용하는 기법 등이 제안되었다[4-6]. 그러나 장애물이 존재하는 경우에는 모든 감시 로봇이 동일한 수의 표적을 탐지하는 것을 보장할 수 없고, 어느 방위각들의 교점에 표적이 위치하는지 알 수 없으므로, 기존의 알고리듬을 그대로 적용하는 것이 불가능하다.
기존에 제안된 방위각을 활용하여 신호원의 위치를 추정하는 방법은?
적외선 감시 장비에서 획득할 수 있는 정보 중에서 표적의 좌표 추정에 활용할 수 있는 것은 표적의 방위각(azimuth)과 화면에서의 표적 크기 정도이다. 방위각을 활용하여 신호원의 위치를 추정하는 이제까지의 연구에서는 항공기에 설치된 배열센서들을 이용하여 고정된 신호원 하나의 위치를 추정하거나, 각 센서에서 측정한 방위각이 동일한 하나의 표적이라는 확신이 있을 경우에 최소제곱오차(least square error: LSE)를 보장하는 위치 추정 방식, 장애물이 존재하지 않는 환경에서 측정 방위각과 표적을 알맞게 대응시키는 방법으로 트리 탐색(tree search) 알고리듬을 적용하는 기법 등이 제안되었다[4-6]. 그러나 장애물이 존재하는 경우에는 모든 감시 로봇이 동일한 수의 표적을 탐지하는 것을 보장할 수 없고, 어느 방위각들의 교점에 표적이 위치하는지 알 수 없으므로, 기존의 알고리듬을 그대로 적용하는 것이 불가능하다.
적외선 감시 장비에서 획득할 수 있는 정보 중에서 표적의 좌표 추정에 활용할 수 있는 것은 무엇이 있는가?
적외선 감시 장비에서 획득할 수 있는 정보 중에서 표적의 좌표 추정에 활용할 수 있는 것은 표적의 방위각(azimuth)과 화면에서의 표적 크기 정도이다. 방위각을 활용하여 신호원의 위치를 추정하는 이제까지의 연구에서는 항공기에 설치된 배열센서들을 이용하여 고정된 신호원 하나의 위치를 추정하거나, 각 센서에서 측정한 방위각이 동일한 하나의 표적이라는 확신이 있을 경우에 최소제곱오차(least square error: LSE)를 보장하는 위치 추정 방식, 장애물이 존재하지 않는 환경에서 측정 방위각과 표적을 알맞게 대응시키는 방법으로 트리 탐색(tree search) 알고리듬을 적용하는 기법 등이 제안되었다[4-6].
참고문헌 (8)
C. S. Ryu, "Improved target localization using line fitting in distributed sensor network of detection-only sensor," J. Inst. Electron. Eng. Korea (IEEK), vol. 49, no. 9, pp. 362-369, Sep. 2012.
H. J. Kwon, T. W. Bae, B. I. Kim, S. H. Lee, Y. C. Kim, S. H. Ahn, and K. I. Sohng, "Shape extraction of near target using opening operator with adaptive structure element in infrared images," J. Korean Inst. Commun. Inform. Sci. (KICS), vol. 36, no. 9, pp. 546-554, Sep. 2011.
M. Valera and S. A. Velastin, "Intelligent distributed surveillance systems: a review," IEE Proc. Vision, Image, Signal Process., vol. 152, no. 2, pp. 192-204, Apr. 2005.
J. H. Lee, M. C. Kim, S. W. Cho, Y. Jin, and D. Lee, "Performance comparison of LOB-based emitter localization algorithms," J. Korea Inst. Military Sci. Technol. (KIMST), vol. 12, no. 4, pp. 437- 445, Aug. 2009.
M. Gavish and A. J. Weiss, "Performance analysis of bearing-only target location algorithms," IEEE Trans. Aerosp. Electron. Syst., vol. 28, no. 3, pp. 817-828, July 1992.
S. R. Park and S. Noh, "Location estimation for multiple targets using tree search algorithms under cooperative surveillance of multiple robots," J. Korean Inst. Commun. Inform. Sci. (KICS), vol. 38, no. 9, pp. 782-791, Sep. 2013.
M. Lee, Y. Lee, I. Song, and S. Yoon, "A novel decoding scheme for MIMO signals using combined depth-and breadth-first and tree partitioning," J. Korean Inst. Commun. Inform. Sci. (KICS), vol. 36, no. 1, pp. 37-47, Jan. 2011.
J. Ahn and K. Kim, "Lower bound on expected complexity of depth-first tree search with multiple radii," IEEE Commun. Lett., vol. 16, no. 6, pp. 805-808, June 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.