[논문]영상기반 편대비행을 위한 선도기 자세예측 알고리즘

허진우; 김정호; 한동인; 이대우; 조겸래; 허기봉

doi:10.5139/jksas.2013.41.7.532

영상기반 편대비행을 위한 선도기 자세예측 알고리즘
Pose Estimation of Leader Aircraft for Vision-based Formation Flight 원문보기

한국항공우주학회지 = Journal of the Korean Society for Aeronautical & Space Sciences, v.41 no.7, 2013년, pp.532 - 538

허진우 (Pusan National University) , 김정호 (Pusan National University) , 한동인 (Pusan National University) , 이대우 (Pusan National University) , 조겸래 (Pusan National University) , 허기봉 (Agency for Defense Development)

초록
AI-Helper

본 논문은 편대비헹에서 영상만을 이용하여 선도기의 자세를 예측 하는 알고리즘 개발에 대해 논하고 있다. X-PLANE 시뮬레이터를 이용하여 획득한 영상에 SURF(Speed Up Robust Features)알고리즘을 이용하여 특징점을 추출 하였다. 그리고 자세예측 방법은 POSIT(Pose from Orthography and Scaling with Iteration) 알고리즘을 사용하였다. 결론적으로 우리는 영상만을 이용한 자세추정법이 $1.1{\sim}1.76^{\circ}$의 작은 추정오차 결과를 나타냄을 확인할 수 있었다.

Abstract ▼ AI-Helper

This paper describes a vision-based only attitude estimation technique for the leader in the formation flight. The feature points in image obtained from the X-PLANE simulator are extracted by the SURF(Speed Up Robust Features) algorithm. We use POSIT(Pose from Orthography and Scaling with Iteration) algorithm to estimate attitude. Finally we verify that attitude estimation using vision only can yield small estimated error of $1.1{\sim}1.76^{\circ}$.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 통신이 이루어지지 않는 상황을 가정하고 편대비행을 위한 방법으로 영상만을 사용하여 선도기의 자세를 예측하는 알고리즘에 대해 연구하였다. 영상으로 물체의 자세를 예측하는 방법으로는 SURF 알고리즘을 사용하였다.
본 연구에서는 아군의 2대의 비행기가 적지에서 1:1 편대비행 중 통신재밍 등에 의한 통신두절상황에서도 지속적인 편대비행을 유지할 수 있도록 하기위하여, 자기기체의 정보와 영상카메라만을 이용하여 편대비행을 유지하려고 한다. 이를 위한 방법으로는 SURF 알고리즘을 이용하여 특징점을 추출하고, 사전에 입력된 비행기 모델의 데이터와 비교하여 영상상의 특징점의 2차원 위치를 획득한다.
이러한 단점을 극복하기 위해서는 편대비행에서 통신 없이 탑재 장비만으로 독립적인 선도기의 위치와 자세 파악이 가능하여야만 한다. 이를 위해 본 논문에서는 영상만을 이용하여 선도기의 자세를 예측하는 알고리즘을 연구하고, 시뮬레이션 비행영상을 통하여 알고리즘의 성능을 검증하고자 한다. 영상정보만을 이용하여 항법을 수행하는 연구는 외국에서만 진행되고 있는 상황이고, 이 또한 자세 예측 보다는 영상 상에 보이는 선도기의 상대적 차이를 이용하여 편대비행을 하는 방법을 연구하고 있다.

가설 설정

이것은 객체상의 점들이 모두 동일한 깊이를 가진다는 것으로 즉 객체가 충분히 멀리 떨어져 있어서 동일한 평면상에 위치한다고 볼 수 있어야 한다는 것이다. 두 번째로는 객체의 크기 변화는 오로지 카메라와 객체사이의 거리에 의해서만 발생해야 한다는 것이다. 객체가 변형하는 물체일 경우 특징점을 원본 데이터로 줄 수가 없기에 비교 자체가 불가능하게 된다.

제안 방법

이 기체의 경우 날개 끝에 윙렛이 없어 끝부분이 명확하고, 제원이 공개되어 있기에 선정을 하였다. 여기에 목표가 일괄적인 색상 등을 가지고 있을 경우 밝기값의 차이가 없어 특징점 추출에 어려움이 있기에 기체에 임의의 마크를 하여 좀 더 특징점이 두드러지도록 하였다. 특징점은 최소 4점이 필요할 뿐 어느 위치에 두어도 상관없지만 본 논문에서는 관측성을 고려하여 비행기의 노즈부분, 주익의 양끝부분, 미익의 가운데 부분으로 각 끝 4점에 특징점을 두도록 하였다.
여러 장의 사진을 이용하여 추정된 매개 변수를 토대로 카메라 렌즈의 곡률에 의해 입력된 영상의 왜곡을 보정한다. 아래 Fig.
자세예측 방법으로는 POSIT 알고리즘을 사용하였는데, 이는 보통의 수학적 알고리즘들과 달리 반복수행을 통해 오차를 줄여나가며 강인성을 가지고, 계산속도 또한 수학적 알고리즘들과 크게 차이가 나지 않는다. 이렇게 사용된 SURF 알고리즘과 POSIT 알고리즘을 연계하였고, X-PLANE 이라는 시뮬레이터 프로그램에서 편대비행상황과 동일하게 맞추고 영상과 데이터를 획득하여 특징점을 추출한 뒤 3차원 자세를 예측 하였다.
마지막으로 3차원의 위치 및 자세를 계산하기 위해서는 최소한 4개 이상의 특징점이 영상에 존재해야 한다. 이와 같은 조건을 만족한 상태에서 카메라의 실제 중심점, 초점거리등과 같은 카메라 내부 파라미터를 이용하여 3차원 위치정보를 추정한다.
특징점은 최소 4점이 필요할 뿐 어느 위치에 두어도 상관없지만 본 논문에서는 관측성을 고려하여 비행기의 노즈부분, 주익의 양끝부분, 미익의 가운데 부분으로 각 끝 4점에 특징점을 두도록 하였다. 카메라의 시점을 추종기에서 바라보는 것처럼 설정하고 일정한 거리를 두고 비행할 수 있도록 선도기를 조종하였다. 이 경우 외란 조건은 전혀 주지 않았으며, 순수한 비행데이터만을 도출 하였다.
여기에 목표가 일괄적인 색상 등을 가지고 있을 경우 밝기값의 차이가 없어 특징점 추출에 어려움이 있기에 기체에 임의의 마크를 하여 좀 더 특징점이 두드러지도록 하였다. 특징점은 최소 4점이 필요할 뿐 어느 위치에 두어도 상관없지만 본 논문에서는 관측성을 고려하여 비행기의 노즈부분, 주익의 양끝부분, 미익의 가운데 부분으로 각 끝 4점에 특징점을 두도록 하였다. 카메라의 시점을 추종기에서 바라보는 것처럼 설정하고 일정한 거리를 두고 비행할 수 있도록 선도기를 조종하였다.
특징점을 추출하고 검증하기 위하여 X-PLANE 시뮬레이터를 이용하여 편대비행과 유사한 상황을 만들어 재현을 하였다.

대상 데이터

비행기의 기종은 보잉사의 777-200이며 제원은 전폭 60.93m, 길이 63.73m, 높이 18.51m, 최대순항속도 마하 0.87이다. 이 기체의 경우 날개 끝에 윙렛이 없어 끝부분이 명확하고, 제원이 공개되어 있기에 선정을 하였다.
이 경우 외란 조건은 전혀 주지 않았으며, 순수한 비행데이터만을 도출 하였다. 시뮬레이션을 통해 입력받을 수 있는 데이터는 선도기의 회전각(roll, pitch, heading)과 현재 위치, 카메라의 위치와 선도기와 카메라의 roll, pitch, heading 자세 차이 등의 데이터이다.

이론/모형

본 논문에서는 통신이 이루어지지 않는 상황을 가정하고 편대비행을 위한 방법으로 영상만을 사용하여 선도기의 자세를 예측하는 알고리즘에 대해 연구하였다. 영상으로 물체의 자세를 예측하는 방법으로는 SURF 알고리즘을 사용하였다. 이는 크기와 회전에 강인한 알고리즘으로 편대비행 중 선도기와 추적기의 상태에 따라 크기와 회전이 많이 발생하기 때문이다.
이를 위한 방법으로는 SURF 알고리즘을 이용하여 특징점을 추출하고, 사전에 입력된 비행기 모델의 데이터와 비교하여 영상상의 특징점의 2차원 위치를 획득한다. 이를 POSIT 알고리즘을 이용하여 선도기의 추종기에 대한 3차원의 자세를 추정하게 된다.
본 연구에서는 아군의 2대의 비행기가 적지에서 1:1 편대비행 중 통신재밍 등에 의한 통신두절상황에서도 지속적인 편대비행을 유지할 수 있도록 하기위하여, 자기기체의 정보와 영상카메라만을 이용하여 편대비행을 유지하려고 한다. 이를 위한 방법으로는 SURF 알고리즘을 이용하여 특징점을 추출하고, 사전에 입력된 비행기 모델의 데이터와 비교하여 영상상의 특징점의 2차원 위치를 획득한다. 이를 POSIT 알고리즘을 이용하여 선도기의 추종기에 대한 3차원의 자세를 추정하게 된다.

후속연구

앞으로 오차를 줄이기 위한 연구와 시뮬레이터의 영상이 아닌 실제 비행 영상을 이용한 연구가 추가적으로 필요하다고 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	무인항공기의 장점은 무엇인가?	특히 미국의 무인항공기인 글로벌 호크의 경우 1999년에 최종 테스트를 마치고 2000년대에 들어서 실전배치를 통해 이라크전 등 에서 뛰어난 성능을 입증하였다. 이렇게 무인항공기가 대두되는 핵심적인 이유는 조종사의 훈련의 편의성 및 유사시에 조종사의 생명이 보장된다는 점과 사람처럼 휴식이 필요 없이 장기간 지속적인 임무수행이 가능하다는 점이다. 이러한 장점들을 바탕으로 무인 항공기는 현대전에서 뛰어난 활약을 보이고 있고, 작전반경 또한 점차 확대되고 있다.
	선도기의 위치를 파악 할 수 있는 대표적인 방법에는 무엇이 있는가?	선도기의 위치를 파악 할 수 있는 대표적인 방법으로는 GPS(Global Positioning System)와 AHRS(Attitude/Heading Reference System)를 이용하여 자신의 위치와 자세를 알아낸 뒤 다른 무인기와 통신을 이용하여 편대비행을 하는 방법이 있다. 하지만 이 방법은 적진 깊숙이 침투하여 비행을 할 때 적들에게 비행정보가 담긴 통신이 노출되는 경우가 발생하거나, 적들의 통신방해를 당할 경우 편대비행 자체가 불가능 해진다는 단점이 존재한다.
	무인항공기의 임무 난이도가 높아지고 있는 이유는 무엇인가?	임무의 범위가 기존의 주변 정찰 위주에서 주요 시설 타격 및 요인 추적 등으로 확장됨에 따라 임무의 난이도가 높아지고 있다. 이렇게 임무의 난이도가 높아짐에 따라 1대의 무인기만으로는 임무를 수행하기 어렵고, 다수의 무인기가 동시에 임무를 수행하는 방향으로 연구가 진행되고 있다.

참고문헌 (8)

Seung-Min Oh and Eric N. Johnson., " Relative Motion Estimation for Vision-based Formation Flight using Unscented Kalman Filter," AIAA Guidance, Navigation and Control Conference and Exhibit, 20 - 23. Aug. 2007
Zouhair Mahboubi , Zico Kolter , Tao Wang, Geoffrey Bower., "Camera Based Localization for Autonomous UAV Formation Flight." AIAA Infotech@Aerospace 2011, 29 - 31. Mar. 2011
D. Dementhon, L. Davis "Model-Based Object Pose in 25 Lines of Code." International Journal of Computer Vision, Vol.15, 1995, pp.123-141.

상세보기
Herbert Bay, Andreas Ess, Tinne Tuytelaars, Luc Van Gool, "SURF: Speeded Up Robust Features", Computer Vision and Image Understanding (CVIU), Vol. 110, No. 3, 2008 pp. 346-359.

상세보기
Yeong-Ju Kim, Jun-Yong Lee, Hyun-Joo Park, Dongjin Lee, and Hyochoong Bang "Real-time Implementation of Vision-based Pose Estimation for UAV Aerial Refueling" KSAS Spring Symposium, 2011, pp. 633-637
Minku Kang, Wonkook Choo and Seungbin Moon, "Face Recognition based on SURF Interest Point Extraction Algorithm." IEEK, Vol. 48, No. 3, 2011, pp.323-330
Deok-Jae Seo, Hyun-Woo Kim, Young-Mo Kim, Doo-Hyun Choi, and Re-Mi Do, "Vehicle detection using SURF." CICS, 2010, pp.107-108
Ji-Wook Kwon, Mun-Soo Park, Dongkyoung Chwa, and Suk-Kyo Hong, "Three-Dimensional Pose Estimaion of Neighbor Mobile Robots in Formation System Based on the Vision System", ICROS, Vol. 15, No. 12, 2009, pp.1223-1231

원문보기 상세보기

저자의 다른 논문 :

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