본 논문에서는 항공기 자동 공중급유를 위해 영상기반 상대 항법 시스템을 구현한다. 급유기와 피급유기는 프로브-드로그 방식의 공중급유를 가정하며 상대항법은 피급유기가 드로그에 대한 상대정보를 획득하며 진행한다. 드로그로부터 상대정보를 획득하기 위해 드로그 형태를 규정하고 IR카메라를 이용한 영상처리를 진행한다. 영상처리를 통해 얻은 드로그의 정보로부터 Gaussian Least Squares Differential Correction(GLSDC) 및 Levenberg-Marquardt(LM)을 이용한 상대항법을 진행하고 시뮬레이션을 통해 두 알고리즘의 분석을 수행한다.
본 논문에서는 항공기 자동 공중급유를 위해 영상기반 상대 항법 시스템을 구현한다. 급유기와 피급유기는 프로브-드로그 방식의 공중급유를 가정하며 상대항법은 피급유기가 드로그에 대한 상대정보를 획득하며 진행한다. 드로그로부터 상대정보를 획득하기 위해 드로그 형태를 규정하고 IR카메라를 이용한 영상처리를 진행한다. 영상처리를 통해 얻은 드로그의 정보로부터 Gaussian Least Squares Differential Correction(GLSDC) 및 Levenberg-Marquardt(LM)을 이용한 상대항법을 진행하고 시뮬레이션을 통해 두 알고리즘의 분석을 수행한다.
In this paper, a vision-based relative navigation system is addressed for autonomous aerial refueling. In the air-to-air refueling, it is assumed that the tanker has the drogue, and the receiver has the probe. To obtain the relative information from the drogue, a vision-based imaging technology by i...
In this paper, a vision-based relative navigation system is addressed for autonomous aerial refueling. In the air-to-air refueling, it is assumed that the tanker has the drogue, and the receiver has the probe. To obtain the relative information from the drogue, a vision-based imaging technology by infra-red camera is applied. In this process, the relative information is obtained by using Gaussian Least Squares Differential Correction (GLSDC), and Levenberg-Marquadt(LM), where the drouge geometric information calculated through image processing is used. These two approaches proposed in this paper are analyzed through numerical simulations.
In this paper, a vision-based relative navigation system is addressed for autonomous aerial refueling. In the air-to-air refueling, it is assumed that the tanker has the drogue, and the receiver has the probe. To obtain the relative information from the drogue, a vision-based imaging technology by infra-red camera is applied. In this process, the relative information is obtained by using Gaussian Least Squares Differential Correction (GLSDC), and Levenberg-Marquadt(LM), where the drouge geometric information calculated through image processing is used. These two approaches proposed in this paper are analyzed through numerical simulations.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 영상기반 자동 공중급유를 위한상대 항법을 구현하기 위해 영상처리부터 상대항법까지의 내용을 다룬다. 근적외선 카메라를 통해 획득한 잡음 섞인 영상으로부터 드로그를 식별하기 위해 드로그 형태를 구조화함으로써 잡음과 차별되는 특징을 부여했다.
본 논문에서는 프로브 앤 드로그 재급유(Probeand Drogue Refueling)방식을 기반으로 자동 공중급유 시스템을 구현하기 위한 근적외선 카메라를 이용한 영상기반 상대 항법을 다룬다. 본 논문에서 제시하는 영상기반 상대항법은 목표 대상(드로그)에 해당되는 4개 이상의 특징(LED)인식을 요구한다.
가설 설정
라벨링된 객체들은 크기, 형태를 기반으로 일차적인 필터를 진행할 수 있다. 구조화된 드로그의 LED들은 크기가 작으며 원형에 가깝다. 따라서 크기에 대한 임계값을 설정한다면 많은 잡음을 제거할 수 있다.
목표 객체인 드로그는 대부분 공중급유 시스템을 구성하는 과정에서 크기가 선정된다. 본 시뮬레이션에서는 드로그의 크기를 1m로 가정하고 같은 초기 값을 통해 수렴 및 발산 여부를 확인하고 두 알고리즘의 안정성을 비교한다. 시뮬레이션의 좌표축은 Fig.
상대항법에서는 영상처리를 통해 구한 영상평면에서의 LED위치를 기반으로 진행한다. 카메라모델은 핀홀(Pin-hole) 카메라 모델로 가정하며 Fig. 6과 같은 모습을 띈다.
제안 방법
DLS를 통해 구한 타원 정보와 후보군 점들의 위치를 기반으로 원 투영을 통해 식별 성공여부를 확인한다.
본 논문에서는 영상기반 자동 공중급유를 위한상대 항법을 구현하기 위해 영상처리부터 상대항법까지의 내용을 다룬다. 근적외선 카메라를 통해 획득한 잡음 섞인 영상으로부터 드로그를 식별하기 위해 드로그 형태를 구조화함으로써 잡음과 차별되는 특징을 부여했다. 영상처리에서는 전처리 및 3개의 점을 이용한 후보군 추출과 DLS를 이용하여 영상에서 드로그 식별을 진행했으며 시뮬레이션을 통해 신뢰도를 검증했다.
본 논문은 다음과 같은 구조로 되어있다. 먼저, 드로그에 착착된 IR기반 LED을 검출하기 위하여 영상처리 기법을 적용한다. 이때, 무게중심법을 이용하여 정확한 LED의 중심점을 획득한다.
본 논문에서는 프로브 앤 드로그 재급유(Probeand Drogue Refueling)방식을 기반으로 자동 공중급유 시스템을 구현하기 위한 근적외선 카메라를 이용한 영상기반 상대 항법을 다룬다. 본 논문에서 제시하는 영상기반 상대항법은 목표 대상(드로그)에 해당되는 4개 이상의 특징(LED)인식을 요구한다. 공중 환경처럼 잡음이 많은 경우목표 대상의 특징식별이 어려우며 장거리일 경우특징추출 자체가 불가능할 수 있다.
따라서 원형으로 배치돼있는 객체들을 선정한다면 많은 잡음들을 제외시킬 수 있다. 본 논문에서는 이와 같은 문제를 해결하고자 3개의객체 위치를 기반으로 원의 방정식을 이용한 원추정으로 드로그를 검사한다. 원의 방정식은 아래와 같다.
본 절에서는 2.1.3과 2.1.4절에서 다룬 드로그식별 알고리즘을 시뮬레이션 한다. 시뮬레이션을 위해 8개의 LED와 잡음을 포함한 영상 평면을Fig.
본 절에서는 영상 평면의 목표 객체에 대한 GLSDC 및 LM 알고리즘 시뮬레이션을 진행한다. 목표 객체인 드로그는 대부분 공중급유 시스템을 구성하는 과정에서 크기가 선정된다.
그 다음 영상처리를 통해 얻은 영상평면에서의LED좌표를 기반으로 상대항법을 진행한다. 상대항법에서는 GLSDC 및 LM의 알고리즘의 원리를 소개하고 두 알고리즘간의 차이를 시뮬레이션을 통해 분석을 수행한다.
대상 데이터
근적외선 카메라를 통해 얻어지는 영상은 픽셀에 대해 0~255 범위의 값을 갖는 회색영역(GrayScale) 영상이다. 공중환경에서 획득한 영상에서 높은 픽셀 값을 갖는 요소는 주로 태양광, 태양의 반사광, 근적외선 LED다.
데이터처리
6의 영상평면 좌표축을 기준으로 y,z방향을 고정하며 거리 및 자세를 변수로 한다. 각기 다른 값들의 변수를 이용, 500회 반복하여 GLSDC 및 LM의 성능을 RMSE(RootMean Square Error)로 확인했다. 거리간격은10m이며 Table 1과 같은 조건이 이용됐다.
근적외선 카메라를 통해 획득한 잡음 섞인 영상으로부터 드로그를 식별하기 위해 드로그 형태를 구조화함으로써 잡음과 차별되는 특징을 부여했다. 영상처리에서는 전처리 및 3개의 점을 이용한 후보군 추출과 DLS를 이용하여 영상에서 드로그 식별을 진행했으며 시뮬레이션을 통해 신뢰도를 검증했다.
이론/모형
∥DA∥ 2를 최소로 하는 A의 값은 라그랑지승수법(Lagrange Multiplier)을 이용하여 풀 수 있다[6].
이때, 무게중심법을 이용하여 정확한 LED의 중심점을 획득한다. 그 다음 영상처리를 통해 얻은 영상평면에서의LED좌표를 기반으로 상대항법을 진행한다. 상대항법에서는 GLSDC 및 LM의 알고리즘의 원리를 소개하고 두 알고리즘간의 차이를 시뮬레이션을 통해 분석을 수행한다.
화면의 모든 픽셀을 비교분석하면서 진행하며 보통 2회의 순회를 거친다. 따라서 계산 시간(Computing time)을 줄이기 위해연결 요소(Conneted component) 알고리즘을 사용한다[5]. 연결 요소 알고리즘은 연산 픽셀의 주변 픽셀을 참고하여 라벨링을 진행하는 방식으로1회의 순회로 모든 객체들을 라벨링하는 방법이 많이 연구됐다.
연결 요소 알고리즘은 연산 픽셀의 주변 픽셀을 참고하여 라벨링을 진행하는 방식으로1회의 순회로 모든 객체들을 라벨링하는 방법이 많이 연구됐다. 본 논문에서는 윤곽추적 기법을 이용한 연결 요소 라벨링 알고리즘을 사용함으로써 객체들의 라벨링을 진행했다[6].
드로그를 식별하기 위하여 라벨링된 각각의 객체들을 대표할 하나의 중심점을 선정하여야 한다. 본 논문에서는 이 문제를 해결하기 위해 객체의 정보만을 이용하여 위치를 선정하는 무게중심법을 이용한다.
이때, 초기값의 과도한 오차는 발산을 야기했다. 본 연구에서는 이러한 문제를 보완하기 위해 Levenberg-Marquadt(LM)을 적용하여 초기값에 따른 발산을 최소화하는 알고리즘을 구현하였으며, 전체적인 알고리즘의 안정도를 향상시켰다.
상대 항법에서는 영상처리를 통해 얻은 드로그LED의 영상평면 좌표를 기반으로 진행했으며 GLSDC 및 LM 알고리즘을 이용하여 상대항법을 구현하였다. 두 알고리즘은 시뮬레이션을 통해 비교분석이 이루어졌으며 제안된 LM 알고리즘이 기존 GLSDC 알고리즘보다 높은 안정성을 가짐을 증명했다.
타원 정합의 접근방법은 기하학적 방법[7]이존재하지만 본 논문에서는 최대 8개의 점을 이용하여 타원을 유추해야 하므로 최소자승법을 이용하는 타원 정합을 이용한다[8]. Direct LeastSquares Fitting of Ellipse(DLS)는 타원 정합 알고리즘 중 매우 빠른 계산속도와 정확도를 보이는 알고리즘이다.
성능/효과
Figure 9에서 파란 십자(+)표시는 추정된 타원의 중심 좌표다. 결과적으로 3개의 객체를 이용한 원 추정 방법으로 목표 객체 식별에 성공하였으며 잡음이 많은 상황에서도 강인성을 보임을 확인했다.
결과적으로 GLSDC 알고리즘은 LM 알고리즘에 비하여 계산량이 적기 때문에 수렴속도가 빠를 수 있으나 수렴성에 대한 신뢰도가 LM알고리즘에 비하여 떨어지기 때문에 LM 알고리즘이 실제 공중급유 시스템 운용에 더 적합하다고 판단된다.
상대 항법에서는 영상처리를 통해 얻은 드로그LED의 영상평면 좌표를 기반으로 진행했으며 GLSDC 및 LM 알고리즘을 이용하여 상대항법을 구현하였다. 두 알고리즘은 시뮬레이션을 통해 비교분석이 이루어졌으며 제안된 LM 알고리즘이 기존 GLSDC 알고리즘보다 높은 안정성을 가짐을 증명했다.
후속연구
향후, 동적인 공중급유 운용환경을 고려하여 영상처리 및 상대항법의 신뢰도를 위한 칼만필터(Kalman Filter)등의 최적 상태 추정알고리즘 연구가 필요하며 정교한 지상 및 공중 실험을 통해 전체 시스템의 실현 가능성 확인이 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
Gaussian Least SquaresDifferential Correction의 항법 정보를 획득하는 과정은?
기존의 연구에서는 항법정보를 획득하기 위하여 일반적으로 Gaussian Least SquaresDifferential Correction(GLSDC) 알고리즘이 주로 적용되었다[2]. 이 방법은 항법정보를 추정하기 위하여 초기값 선정에 따라 반복적으로 현재 예측값과의 차이를 계산하며, 임계값 이하로 차이가 수렴하면 최종적으로 항법정보를 획득하게 된다. 이때, 초기값의 과도한 오차는 발산을 야기했다.
자동 공중급유 시스템이 요구되는 이유는 무엇인가?
체공시간의 증가는 많은 연료소비를 야기하며 경우에 따라 임무수행 중 공중급유의 필요성이 증대 되었다. 그러나 공중급유는 조종사의 조종 실력이 급유 성공여부 결정하며 자칫 치명적인 사고로 이어질 수 있다. 따라서 안전한 공중급유를 위해서는 자동 공중급유 시스템이 요구된다.
GPS/IMU 센서의 단점은?
대표적인 방법으로 GPS/IMU 센서를 이용한 방법이다[1]. 그러나 GPS/IMU 센서의 경우 상대항법 시스템을 운용하기 위해 급유기와 피급유기의 정보 교환이 요구되며 GPS신호 정보의 왜곡이 발생되면 신뢰도가 떨어진다. 이와 같은 임무실패 요소 문제를 해결하는 대표적인 방법은 영상센서 기반의 상대항법 시스템이다[2,3].
참고문헌 (11)
Fosbury, A. M., and Crassidis, J. L., "Relative navigation of Air Vehicles," Journal of Guidance Control, and Dynamics, Vol. 31, No. 4, 2008, pp.824-834.
Valasek, J., Gunnam, K., Kimmett, J., Junkins, J. L., Hughes, D., and Tandale, M. D., "Vision-based sensor and navigation system for autonomous air refueling," Journal of Guidance, Control, and Dynamics, Vol. 28, No. 5, 2005, pp.979-985
Chen, C. I., Koseluk, R., Buchanan, C., Duerner, A., Jeppesen, B., and Laux, H., "Autonomous aerial refueling ground test demonstration-Asensor-in-the-loop, non-tracking method," Sensors, Vol. 15, No. 5, pp.10948-10972.
Kasturi, J. R., and Schunck, B. G., "Machine Vision," Vol. 5. New York : McGraw-Hill, 1955.
Di Stefano, L., and Bulgarelli, A., "A simple and efficient connected components labeling algorithm," Proceedings 10th International Conference on Image Analysis and Processing, September 1999, pp.322-327.
Chang, F., Chen, C. J., and Lu, C. J., "A linear-time component-labeling algorithm using contour tracing technique," Computer Vision and Image Understanding, Vol. 93, No. 2, 2004, pp.206-220.
Fitzgibbon, A., Pilu, M., and Fisher, R. B., "Direct least square fitting of ellipse," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 21, No. 5, 1999, pp.476-480.
Jizheng, C., Jianping, Y., and Qun F., "Flight vehicle attitude determination using the modified rodrigues parameters," Chinese journal of aeronautics, Vol. 21, No. 5, 2008, pp. 433-440.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.