KR101990482B1

KR101990482B1 - 대상 물체의 위치를 추정하는 장치 및 방법

Info

Publication number: KR101990482B1
Application number: KR1020180003466A
Authority: KR
Inventors: 고혜승; 배정일; 정우진
Original assignee: 국방과학연구소
Priority date: 2018-01-10
Filing date: 2018-01-10
Publication date: 2019-06-18

Abstract

일 실시예에 따른 위치 추정 장치는 적어도 두 개의 주변 물체 각각에 대한 제1 정보 및 속도가 확인되지 않은 대상 물체(target object)에 대한 제2 정보를 기초로 상기 적어도 두 개의 주변 물체 중 상기 대상 물체의 위치 추정에 이용될 주변 물체를 소정의 학습된 모델을 이용하여서 선별하는 주변 물체 선별부와, 상기 제1 정보를 기초로 상기 선별된 주변 물체 각각에 대한 소정의 제1 시간 후의 위치를 추정하며, 상기 추정된 소정의 제1 시간 후의 위치 및 상기 제2 정보에 포함된 상기 대상 물체에 대한 초기 위치를 이용하여서 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치를 추정하는 추정부를 포함한다.

Description

대상 물체의 위치를 추정하는 장치 및 방법{APPARATUS AND METHOD FOR ESTIMATING LOCATION OF TARGET OBJECT}

본 발명은 대상 물체의 위치를 추정하는 장치 및 방법에 관한 것이다.

대상 물체의 이동 궤적은 대상 물체의 위치 및 속도를 기초로 추적 내지 추정 가능하다. 다만, 대상 물체의 위치는 확인되지만 속도가 확인되지 않는 경우가 있는데, 이 경우에는 대상 물체의 이동 궤적을 추적하기가 용이하지 않다.

한국등록공보, 제 10-1405583 호 (2014.06.02. 등록)

이에, 본 발명의 해결하고자 하는 과제는 속도가 확인되지 않은 대상 물체(target object)의 이동 궤적을 추정하는 기술을 제안하고자 한다.

다만, 본 발명의 해결하고자 하는 과제는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제는 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

또한, 상기 모델은 분류 알고리즘으로서 PCA(Principal Component Analysis) 또는 SVM(Support Vector Machine) 중 어느 하나일 수 있다.

또한, 상기 모델은 상기 제1 정보 및 상기 제2 정보를 기초로 상기 적어도 두 개의 주변 물체 중에서 소정의 제2 시간 이후에 소정의 경계 영역을 벗어나지 않는 주변 물체를 상기 대상 물체의 위치 추정에 이용될 주변 물체로 선별할 수 있다.

또한, 상기 제1 정보는 상기 적어도 두 개의 주변 물체 각각에 대한 위치 정보, 속력 정보 및 이동 방향에 대한 정보를 포함하고, 상기 제2 정보는 상기 대상 물체에 대한 초기 위치 정보를 포함할 수 있다.

또한, 상기 제1 정보는 상기 적어도 두 개의 주변 물체 각각이 상기 대상 물체와 동일 카테고리로 분류되는지를 나타내는 연관성 정보를 포함할 수 있다.

또한, 상기 추정부는 상기 초기 위치를 중심으로 상기 추정된 소정의 제1 시간 후의 위치를 점대칭한 위치를 산출하고, 상기 산출된 점대칭한 위치와 상기 초기 위치에 대한 무게 중심점을 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치로 추정할 수 있다.

또한, 상기 제1 정보는 상기 적어도 두 개의 주변 물체 각각이 상기 대상 물체와 동일 카테고리로 분류되는지를 나타내는 연관성 정보를 포함하며, 상기 추정부는 상기 대상 물체와 동일 카테고리로 분류되는 주변 물체에 대해서는 상기 초기 위치와 상기 추정된 소정의 제1 시간 후의 위치 간의 거리에 상대적으로 작은 가중치를 곱한 거리만큼이 상기 초기 위치로부터 이격되도록 점대칭하여 산출하고, 상기 대상 물체와 상이한 카테고리로 분류되는 주변 물체에 대해서는 상기 초기 위치와 상기 추정된 소정의 제1 시간 후의 위치 간의 거리에 상대적으로 큰 가중치를 곱한 거리만큼이 상기 초기 위치로부터 이격되도록 점대칭하여 산출할 수 있다.

또한, 상기 추정부는 상기 대상 물체에 대한 초기 위치 및 상기 소정의 제1 시간 후의 위치를 기초로 상기 대상 물체의 속도를 더 추정할 수 있다.

또한, 상기 추정부는 상기 추정된 대상 물체의 속도를 기초로 상기 추정된 대상 물체의 이동 궤적을 추정할 수 있다.

일 실시예에 따른 위치 추정 장치에 의해 수행되는 위치 추정 방법은 적어도 두 개의 주변 물체 각각에 대한 제1 정보 및 속도가 확인되지 않은 대상 물체(target object)에 대한 제2 정보를 기초로 상기 적어도 두 개의 주변 물체 중 상기 대상 물체의 위치 추정에 이용될 주변 물체를 소정의 학습된 모델을 이용하여서 선별하는 단계와, 상기 제1 정보를 기초로 상기 선별된 주변 물체 각각에 대한 소정의 제1 시간 후의 위치를 추정하는 단계와, 상기 추정된 소정의 제1 시간 후의 위치 및 상기 제2 정보에 포함된 상기 대상 물체에 대한 초기 위치를 이용하여서 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치를 추정하는 단계를 포함한다.

또한, 상기 모델은 PCA(Principal Component Analysis) 또는 SVM(Support Vector Machine) 중 어느 하나일 수 있다.

또한, 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치를 추정하는 단계는, 상기 초기 위치를 중심으로 상기 추정된 소정의 제1 시간 후의 위치를 점대칭한 위치를 산출하고, 상기 산출된 점대칭한 위치와 상기 초기 위치에 대한 무게 중심점을 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치로 추정할 수 있다.

또한, 상기 제1 정보는 상기 적어도 두 개의 주변 물체 각각이 상기 대상 물체와 동일 카테고리로 분류되는지를 나타내는 연관성 정보를 포함하며, 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치를 추정하는 단계는 상기 대상 물체와 동일 카테고리로 분류되는 주변 물체에 대해서는 상기 초기 위치와 상기 추정된 소정의 제1 시간 후의 위치 간의 거리에 상대적으로 작은 가중치를 곱한 거리만큼이 상기 초기 위치로부터 이격되도록 점대칭하여 산출하고, 상기 대상 물체와 상이한 카테고리로 분류되는 주변 물체에 대해서는 상기 초기 위치와 상기 추정된 소정의 제1 시간 후의 위치 간의 거리에 상대적으로 큰 가중치를 곱한 거리만큼이 상기 초기 위치로부터 이격되도록 점대칭하여 산출할 수 있다.

또한, 상기 대상 물체에 대한 초기 위치 및 상기 소정의 제1 시간 후의 위치를 기초로 상기 대상 물체의 속도를 추정하는 단계를 더 포함할 수 있다.

또한, 상기 추정된 대상 물체의 속도를 기초로 상기 추정된 대상 물체의 이동 궤적을 추정하는 단계를 더 포함할 수 있다.

일 실시예에 따르면, 적어도 두 개의 주변 물체 각각에 대한 제1 정보 및 속도가 확인되지 않은 대상 물체(target object)에 대한 제2 정보를 기초로 상기 적어도 두 개의 주변 물체 중 상기 대상 물체의 위치 추정에 이용될 주변 물체를 소정의 학습된 모델을 이용하여서 선별하는 단계와, 상기 제1 정보를 기초로 상기 선별된 주변 물체 각각에 대한 소정의 제1 시간 후의 위치를 추정하는 단계와, 상기 추정된 소정의 제1 시간 후의 위치 및 상기 제2 정보에 포함된 상기 대상 물체에 대한 초기 위치를 이용하여서 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치를 추정하는 단계를 수행하도록 프로그램된 컴퓨터 판독가능한 기록매체에 저장된 컴퓨터 프로그램이 구현 가능하다.

일 실시예에 따르면 적어도 두 개의 주변 물체 각각에 대한 제1 정보 및 속도가 확인되지 않은 대상 물체(target object)에 대한 제2 정보를 기초로 상기 적어도 두 개의 주변 물체 중 상기 대상 물체의 위치 추정에 이용될 주변 물체를 소정의 학습된 모델을 이용하여서 선별하는 단계와, 상기 제1 정보를 기초로 상기 선별된 주변 물체 각각에 대한 소정의 제1 시간 후의 위치를 추정하는 단계와, 상기 추정된 소정의 제1 시간 후의 위치 및 상기 제2 정보에 포함된 상기 대상 물체에 대한 초기 위치를 이용하여서 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치를 추정하는 단계를 수행하도록 프로그램된 컴퓨터 프로그램을 저장하는 컴퓨터 판독가능한 기록매체이 구현 가능하다.

일 실시예에 따르면 주변 물체들을 기초로 속도 미확인의 대상 물체에 대한 소정 시간 후의 위치가 추정될 수 있다. 이 때, 주변 물체들 중 대상 물체의 위치 추정에 이용될 물체를 선별하는 과정에서 미리 학습된 모델이 이용될 수 있으므로, 위치 추정 작업이 신속하면서도 효과적으로 수행 가능하다.

도 1은 일 실시예에 따른 위치 추정 장치에 의해 속도가 확인되지 않은 대상 물체에 대한 위치를 추정하는 시스템을 개념적으로 도시한 도면이다.
도 2는 도 1에 도시된 시스템에 의해 대상 물체에 대한 위치, 속도 및 이동 궤적이 추정되는 과정을 도시한 도면이다.
도 3는 도 1에 도시된 위치 추정 장치의 구성을 도시한 도면이다.
도 4은 일 실시예에 따른 위치 추정 장치가 채용한 모델이 학습되는 과정 및 이러한 학습이 완료된 모델을 개념적으로 도시하고 있다.
도 5는 도 3에 도시된 주변 물체 선별부에 의해서 주변 물체 중 대상 물체의 위치 추정에 이용될 주변 물체가 선별되는 과정의 일부를 도시한 도면이다.
도 6는 도 3에 도시된 추정부에 의해서 대상 물체에 대한 소정의 시간 후의 위치를 추정하는 과정의 일부를 도시한 도면이다.
도 7은 도 3에 도시된 추정부에 의해서 대상 물체에 대한 소정의 시간 후의 위치를 추정하는 과정의 일부를 도시한 도면이다.
도 8은 도 3에 도시된 추정부에 의해서 대상 물체에 대한 소정의 시간 후의 위치를 추정하는 과정의 일부를 도시한 도면이다.
도 9은 일 실시예에 따른 위치 추정 방법에 의해 수행되는 절차를 도시한 도면이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

도 1은 일 실시예에 따른 위치 추정 장치(100)가 대상 물체(300)에 대한 위치를 추정하는 것을 예시적으로 도시한 도면이다.

도 1을 참조하면 위치 추정 장치(100)와 탐색 장치(200)가 구비된다. 위치 추정 장치(100)는 탐색 장치(200)가 탐색한 대상 물체(300)에 대해, 탐색 시점으로부터 소정 시간 이후의 위치나 속도 등을 주변 물체들(410 내지 430)에 대한 정보를 이용해서 추정할 수 있고, 이를 기초로 대상 물체(300)의 이동 궤적을 추정할 수 있다.

위치 추정 장치(100)는 주변 물체들(410 내지 430) 중에서 대상 물체(300)의 위치 추정에 이용될 주변 물체를 선별하는데, 이 때 도 1에 도시된 경계 영역(210)이 고려될 수 있다. 이러한 경계 영역(210)에 대해서는 도 3에서 보다 자세하게 살펴보기로 한다.

대상 물체(300)는 이동성을 가지며, 따라서 시간이 지남에 따라 어느 지점에서 다른 지점으로 이동할 수 있다.

주변 물체들(410 내지 430)은 이동성을 가지며, 따라서 시간이 지남에 따라 어느 지점에서 다른 지점으로 이동할 수 있다. 도 1을 살펴보면 주변 물체들(410 내지 430) 각각으로부터 화살표가 인출되도록 도시되어 있는데, 이러한 화살표는 주변 물체들(410 내지 430) 각각이 소정의 시간 동안 이동한 거리와 이동한 방향 등을 나타낸다.

이러한 대상 물체(300)와 주변 물체들(410 내지 430)은 선박, 잠수함, 비행기 또는 자동차 등일 수 있으나 이에 한정되는 것은 아니다.

탐색 장치(200)는 대상 물체(300) 및 주변 물체들(410 내지 430)을 탐색한다. 탐색 장치(200)에는 탐색의 범위를 나타내는 소정의 탐색 영역이 존재한다. 탐색된 대상 물체(300)와 주변 물체들(410 내지 430)들은 이러한 탐색 영역의 범위 내에 있는 것이다. 탐색 영역의 크기 내지 모양(또는 탐색 성능)은 탐색 장치(200)마다 서로 상이할 수 있다. 이러한 탐색 장치(200)는 예컨대 레이더 등일 수 있다.

탐색 장치(200)는 탐색 시점에서의 대상 물체(300)의 위치(이하 대상 물체(300)의 초기 위치라고 지칭), 탐색 시점에서의 주변 물체들(410 내지 430) 각각의 위치(이하 주변 물체들(410 내지 430)의 초기 위치라고 지칭), 탐색 시점에서의 주변 물체들(410 내지 430) 각각의 속력과 이동 방향 등을 정보로서 획득한다.

또한, 탐색 장치(200)는 주변 물체들(410 내지 430) 각각이 대상 물체(300)에 대해 갖는 연관성 정보를 획득할 수 있다. 이러한 연관성 정보는 주변 물체들(410 내지 430) 각각이 대상 물체(300)와 동일 카테고리로 분류되는지 아니면 상이한 카테고리로 분류되는지를 나타낸다. 예컨대, 연관성 정보는 주변 물체(410)가 대상 물체(300)에 대해 아군인 경우(즉, 주변 물체와 대상 물체가 서로 동일 카테고리임을 나타냄) 또는 적군인 경우(즉, 주변 물체와 대상 물체가 서로 상이한 카테고리임을 나타냄) 등을 나타낼 수 있으며, 다만 전술한 카테고리의 종류는 예시적인 것에 불과하다.

연관성 정보를 획득하기 위해, 탐색 장치(200)는 주변 물체들(410 내지 430) 각각과 통신을 시도할 수 있으며, 통신의 결과(예컨대 통신이 이루어졌는지 또는 통신이 이루어졌을 때의 통신 내용 등)를 기초로 주변 물체들(410 내지 430) 각각에 연관성 정보를 부여할 수 있다.

다만, 이러한 탐색 장치(200)는 대상 물체(300)에 대한 속력과 이동 방향이나 이동 궤적 등에 대한 정보를 획득할 수는 없다. 대상 물체(300)에 대한 속력과 이동 방향, 이동 궤적 등에 대한 정보는 위치 추정 장치(100)가 추정하는데, 이하에서는 이러한 위치 추정 장치(100) 및 탐색 장치(200)에 의해 대상 물체(300)에 대한 위치, 속도 및 이동 궤적 등이 추정되는 과정에 대해 개략적으로 살펴보기로 한다.

도 2는 도 1에 도시된 위치 추정 장치(100) 및 탐색 장치(200)에 의해 대상 물체(300)에 대한 위치, 속도 및 이동 궤적 등이 추정되는 과정을 도시한 도면이다. 다만, 도 2는 예시적인 것에 불과하므로, 본 발명의 사상이 도 2에 도시된 것으로 한정해석되지는 않는다.

먼저, 도 2에 도시된 각각의 과정은 도 1에 도시된 위치 추정 장치(100) 및 탐색 장치(200) 중 어느 하나에 의해 수행 가능하다.

도 2를 참조하면, 탐색 장치(200)는 탐색 영역 내에서 탐색을 한다(S10). 탐색의 결과, 속도가 확인되지 않은 대상 물체(300)가 검출될 수 있고(S20), 적어도 하나의 주변 물체들(410 내지 430)이 검출될 수 있다(S30).

위치 추정 장치(100)는 단계 S20에서 검출된 대상 물체(200)에 대해 초기 위치 정보를 획득한다(S21). 획득의 방법으로는 위치 추정 장치(100)가 탐색 장치(200)로부터 초기 위치 정보를 획득하거나 또는 외부의 다른 장치로부터 초기 위치 정보를 획득하는 방법 등이 있으나 이에 한정되는 것은 아니다.

아울러, 위치 추정 장치(100)는 단계 S30에서 검출된 주변 물체들(410 내지 430) 중 대상 물체(200)의 위치 추정에 이용될 물체를 소정의 학습된 모델(단계 S40에서 미리 학습되었음)을 이용하여서 선별한다(S31). 다음으로 위치 추정 장치(100)는 단계 S31에서 선별된 주변 물체들 각각에 대해 소정 시간 후의 위치를 추정한다(S32). 여기서, 단계 S31, S32 및 S40에 대해서는 뒤에 보다 자세하게 설명하기로 한다.

다음으로, 위치 추정 장치(100)는 단계 S21에서 획득된 대상 물체(200)의 초기 위치 정보, 그리고 단계 S32에서 획득된 주변 물체들에 대한 소정 시간 후의 추정된 위치를 기초로 대상 물체(200)에 대한 소정 시간 후의 위치를 추정한다(S50).

다음으로, 위치 추정 장치(100)는 단계 S50에서 추정된 대상 물체(200)에 대한 소정 시간 후의 위치를 기초로 대상 물체(200)의 속도를 추정하고(S60), 단계 S60에서 추정된 속도를 기초로 대상 물체(200)에 대한 이동 궤적을 추정한다(S70).

이하에서는 도 2에 도시된 각각의 단계가 어떻게 수행되는지, 위치 추정 장치(100)의 구성을 통해 보다 자세하게 살펴보기로 한다.

도 3는 일 실시예에 따른 위치 추정 장치(100)의 구성을 개념적으로 도시한 도면이다. 다만, 도 3는 예시적인 것에 불과하므로 위치 추정 장치(100)의 구성이 도 3에 도시된 것으로 한정 해석되는 것은 아니다. 먼저, 위치 추정 장치(100)는 컴퓨터 등에서 구현 가능하다.

도 3를 참조하면, 위치 추정 장치(100)는 주변 물체 선별부(120) 및 추정부(130)를 포함하며, 실시예에 따라서 입력부(110)를 더 포함할 수 있다.

주변 물체 선별부(120)에 대해 먼저 살펴보면, 주변 물체 선별부(120)는 이하에서 설명할 기능을 수행하도록 프로그램된 명령어를 저장하는 메모리와, 이러한 명령어를 실행하는 마이크로프로세서에 의해 구현 가능하다.

주변 물체 선별부(120)는 주변 물체들(410 내지 430) 중에서 대상 물체(300)의 위치 추정에 이용될 주변 물체를 소정의 학습된 모델을 이용하여서 선별한다. 이러한 모델은 입력되는 데이터를 소정의 기준에 따라 분류하는 분류 알고리즘일 수 있으며, 예컨대 PCA(Principal Component Analysis) 또는 SVM(Support Vector Machine) 중 어느 하나일 수 있다.

도 4은 전술한 모델(121)이 학습되는 과정 및 학습이 완료된 모델(121)을 개념적으로 도시하고 있다. 도 4의 (a)를 참조하면, 모델(121)에는 학습용 데이터가 입력된다. 이러한 학습용 데이터는, 대상 물체와 주변 물체 간의 상대적인 거리, 주변 물체가 대상 물체를 기준으로 갖는 속도(속력과 이동 방향)에 대한 정보 및 주변 물체가 대상 물체에 대해 갖는 연관성 정보를 입력 데이터로서 포함할 수 있다. 아울러, 학습용 데이터는 이러한 주변 물체가 소정의 시간 동안 이동하면서, 이러한 소정의 시간 후에도 도 1에 도시된 경계 영역(210) 내에 있을지 아니면 경계 영역(210)을 벗어날지를 나타내는 정보를 정답 데이터로서 포함할 수 있다. 즉, 경계 영역(210)은 주변 물체들 중에서 대상 물체의 위치 추정에 이용될 물체를 선별하는 기준으로 작용한다.

이와 달리, 실시예에 따라 학습용 데이터는 입력 데이터로서 대상 물체의 초기 위치, 주변 물체의 초기 위치 및 주변 물체의 속도(속력과 이동 방향)에 대한 정보 및 주변 물체가 대상 물체에 대해 갖는 연관성 정보를 입력 데이터로서 를 포함할 수도 있다. 이 때, 주변 물체의 초기 위치 및 소정의 시간 후의 위치는 다음과 같은 수식으로 표현 가능하다.

여기서, T'= (x', y')은 소정 시간 후의 대상 물체의 위치이며, (x,y)는 대상 물체의 초기 위치이고, v는 대상 물체의 속력의 크기이며, θ는 대상 물체의 이동 방향을 나타낸다. 아울러, Time은 소정의 시간을 나타낸다. 즉, 모델(121)은 특정 위치에서 소정의 속력을 갖는 대상 물체가 소정의 시간 Time 동안 소정의 방향 θ를 향해 이동할 경우, 경계 영역(210)을 벗어날지 아닐지를 학습하게 되는 것이다.

여기서, 경계 영역(210)은 위치 추정 장치(100)의 관리자나 사용자에 의해 변경 가능하며, 이와 달리 위치 추정 장치(100)에 의해 변경 가능하다. 아울러, 경계 영역(210)은 위치 추정 장치(100)의 종류 또는 탐색 장치(200)의 종류마다 상이할 수 있다.

도 4의 (b)는 도 4의 (a)의 학습 과정에 의해 학습된 모델(121)을 나타낸다. 실제로 대상 물체(300)의 위치 추정 과정이 수행되면, 주변 물체 선별부(120)에는 주변 물체들(410 내지 430)에 대한 제1 정보 및 대상 물체(300)에 대한 제2 정보가 입력된다. 제1 정보는 주변 물체들(410 내지 430) 각각에 대한 초기 위치 정보(x,y), 속력 정보(v), 이동 방향에 대한 정보(θ) 및 연관성 정보(ID)를 포함할 수 있다. 제2 정보는 대상 물체(300)에 대한 초기 위치 정보를 포함할 수 있다.

여기서, 초기 위치 정보는 절대적인 위치를 나타내는 정보, 예컨대 위도와 경도일 수 있으며, 이와 달리 임의의 중심을 기준으로 측정한 상대적인 위치를 나타내는 정보일 수도 있으나, 이하에서는 절대적인 위치를 나타내는 정보인 것을 전제로 한다.

주변 물체 선별부(120)에 포함된 도 4의 (b)에 도시된 모델은 제1 정보와 제2 정보를 기초로 주변 물체들(410 내지 430) 각각에 대해 대상 물체(300)의 위치 추정에 이용될지 여부를 선별하고 그 결과를 출력한다. 예컨대, 대상 물체와 동일한 카테고리에 속하는 임의의 주변 물체가 대상 물체로부터 500m 거리만큼 이격된 상태로 대상 물체를 향해 30km/h의 속력으로 이동 중인 경우, 그리고 대상 물체는 위도 40도 및 경도 55도에 위치해 있는 경우, 학습된 모델(121)은 이러한 정보들을 기초로 해당 주변 물체가 탐색 시점을 기준으로 소정의 시간 후에도 경계 영역(210) 내에 있을지 아니면 경계 영역(210)을 벗어날지 여부를 결과로 출력할 수 있다.

즉, 일 실시예에 따르면 주변 물체들 중에서 대상 물체의 위치 추정에 이용될 주변 물체가 이러한 학습된 모델에 의해 신속하게 선별될 수 있다.

도 5는 도 4의 (b)에 도시된 학습된 모델(121)에 의해 주변 물체들(410 내지 430)이 선별된 결과를 도시하고 있다. 도 5의 좌측은 탐색 장치(200)에 의해 대상 물체(300)와 주변 물체들(410 내지 430)들이 탐색된 시점에서, 대상 물체(300)의 초기 위치, 주변 물체들(410 내지 430)들의 초기 위치 및 이동 방향과 속력을 나타낸다. 주변 물체들(410 내지 430) 각각으로부터 인출되는 화살표의 방향은 이동 방향을 나타내고, 화살표의 종점은 탐색 시점으로부터 소정의 시간 후에 주변 물체들(410 내지 430)의 위치를 나타낸다. 도 4의 (b)에 도시된 학습된 모델(121)은 주변 물체들(410 내지 430) 중에서 소정의 시간 후에도 경계 영역(210) 내에 있는 주변 물체들(420, 430)을 선별의 결과로 출력할 수 있다. 도 5의 우측은 주변 물체들(410 내지 430) 중에서 이러한 선별 결과에 따라 선별된 주변 물체들(420, 430)을 나타낸다.

다시 도 3를 참조하면, 입력부(110)는 대상 물체(300)에 대한 위치 추정에 필요한 전술한 제1 정보와 제2 정보를 입력받는 구성이다. 이러한 입력부(110)는 탐색 장치(200)와 연결되는 입력 포트이거나 또는 탐색 장치(200)와 데이터를 주고받는 통신 모듈일 수 있다.

추정부(130)는 주변 물체 선별부(120)에 의해 선별된 주변 물체들에 대한 정보를 활용하여서, 대상 물체(300)에 대한 소정의 시간 후의 위치를 추정한다. 이에 대해서는 도 6 내지 8을 함께 참조하면서 살펴보기로 한다.

먼저, 추정부(130)는 주변 물체들 각각에 대한 소정의 시간 후의 위치를 추정한다. 이는 도 6에 예시적으로 도시되어 있다. 도 6를 참조하면, 주변 물체(420)의 소정 시간 후의 위치는 식별번호 421로 표시되며, 주변 물체(430)의 소정 시간 후의 위치는 식별번호 431로 표시된다. 이러한 소정 시간 후의 위치는 추정부(130)가 주변 물체들(420,430) 각각의 초기 위치, 주변 물체들(420,430) 각각의 이동 방향 및 속력을 기초로 산출할 수 있으며, 이는 아래의 수학식 2로 표시될 수 있다.

여기서, n은 선별된 주변 물체들(420,430)의 개수이고,

은 주변 물체(420,430)의 초기 위치이며,

은 주변 물체(420,430)의 속도(속력과 방향이 고려됨)이고, t는 소정의 시간이며,

은 소정 시간 후의 주변 물체들(420,430)에 대한 추정 위치를 나타낸다.

다음으로, 추정부(130)는 전술한 소정 시간 후의 위치를 대상 물체(300)의 초기 위치를 중심으로 점대칭하여서 위치를 산출한다. 이는 도 7에 예시적으로 도시되어 있다. 대상 물체(300)의 초기 위치는 식별번호 301로 도시되어 있다. 주변 물체(420)의 소정 시간 후의 위치(421)를 점대칭한 위치는 식별번호 422로 도시되어 있다. 주변 물체(430)의 소정 시간 후의 위치(431)를 점대칭한 위치는 식별번호 432로 도시되어 있다.

여기서, 실시예에 따라서 점대칭할 때 주변 물체들 각각에 대한 연관성 정보가 고려될 수 있다. 예컨대, 대상 물체와 동일한 카테고리로 분류되는 주변 물체에 대해서는 대상 물체(300)의 초기 위치와 주변 물체에 대한 소정의 시간 후의 위치 간의 거리에 상대적으로 작은 가중치를 곱한 거리만큼이 대상 물체(300)의 초기 위치로부터 이격되도록 점대칭할 수 있다. 아울러, 대상 물체와 상이한 카테고리로 분류되는 주변 물체에 대해서는 대상 물체(300)의 초기 위치와 주변 물체에 대한 소정의 시간 후의 위치 간의 거리에 상대적으로 큰 가중치를 곱한 거리만큼이 대상 물체(300)의 초기 위치로부터 이격되도록 점대칭할 수 있다. 이 때, 가중치에 의해 점대칭된 점이 경계 영역(220)을 벗어날 경우, 경계 영역(220)을 벗어나지 않도록 가중치의 값이 조절될 수 있다. 이는 다음의 수학식 3으로 표시될 수 있다.

여기서,

는 대상 물체(300)의 초기 위치이고,

은 소정 시간 후의 주변 물체들(420,430)에 대한 추정 위치를 나타내며,

는 가중치이고,

은 점대칭된 주변 물체들(420,430)의 위치를 나타낸다.

다음으로, 추정부(130)는 전술한 점대칭된 위치와 대상 물체(300)의 초기 위치의 무게 중심점을 산정하고, 이러한 무게 중심점을 대상 물체(300)에 대한 소정의 시간 후의 위치로 추정한다. 이는 도 8에 예시적으로 도시되어 있다. 도 8을 참조하면, 대상 물체(300)의 초기 위치(301), 그리고 주변 물체들의 소정의 시간 후의 위치를 점대칭한 위치들 (422,432)에 대한 무게 중심점은 식별번호 302로 도시되어 있다. 추정부(130)는 이러한 무게 중심점(302)을 소정 시간 후의 대상 물체(300)의 위치로 추정한다. 이는 다음의 수학식 4로 표시될 수 있다.

여기서, P는 소정 시간 후의 대상 물체(300)의 추정된 위치를 나타낸다.

한편, 도 6 내지 도 8은 예시적인 것에 불과하므로, 본 발명의 사상이 이에 한정되는 것은 아니다. 즉, 주변 물체들에 대한 정보를 기초로 대상 물체에 대한 소정 시간 후의 위치를 추정하는 과정이 도 6 내지 도 8에 도시된 것으로 한정해석되는 것은 아니다.

이상에서 살펴본 바와 같이, 일 실시예에 따르면 주변 물체들을 기초로 속도 미확인의 대상 물체에 대한 소정 시간 후의 위치가 추정될 수 있다. 이 때, 주변 물체들 중 대상 물체의 위치 추정에 이용될 물체를 선별하는 과정에서 미리 학습된 모델이 이용될 수 있으므로, 위치 추정 작업이 신속하면서도 효과적으로 수행 가능하다.

한편, 실시예에 따라서 추정부(130)는 대상 물체(300)의 속도 v(속력과 방향성)를 추정할 수 있다. 이를 위해서 추정부(130)는 대상 물체(300)의 초기 위치 Xo, 그리고 소정 시간 t 후의 대상 물체(300)의 위치 P를 이용할 수 있다. 이는 다음의 수학식 5로 표시될 수 있다.

아울러, 실시예에 따라서 추정부(130)는 대상 물체(300)의 이동 궤적을 추정할 수 있다. 이를 위해서 추정부(130)는 대상 물체(300)의 속도(속력과 방향성)를 이용할 수 있다. 대상 물체(300)의 속도가 주어진 경우 그 이동 궤적을 추정하는 것은 자명한 바, 이에 대한 설명은 생략하기로 한다.

도 9는 일 실시예에 따른 대상 물체의 위치를 추정하는 방법의 절차를 예시적으로 도시하고 있다. 도 9에 도시된 위치 추정 방법은 도 1에 도시된 위치 추정 장치에 의해 수행 가능하다. 아울러, 도 9에 도시된 방법은 예시적인 것에 불과하므로, 도 9에 도시된 것과 다른 순서로 각 단계가 수행될 수 있으며, 도 9에 도시되지 않은 절차가 추가로 수행될 수 있고, 아울러 도 9에 도시된 절차 중 적어도 하나가 수행되지 않을 수도 있다.

도 9를 참조하면, 적어도 두 개의 주변 물체 각각에 대한 제1 정보 및 속도가 확인되지 않은 대상 물체(target object)에 대한 제2 정보를 기초로 상기 적어도 두 개의 주변 물체 중 상기 대상 물체의 위치 추정에 이용될 주변 물체를 소정의 학습된 모델을 이용하여서 선별하는 단계가 수행된다(S100).

또한, 상기 제1 정보를 기초로 상기 선별된 주변 물체 각각에 대한 소정의 제1 시간 후의 위치를 추정하는 단계가 수행된다(S110).

또한, 상기 추정된 소정의 제1 시간 후의 위치 및 상기 제2 정보에 포함된 상기 대상 물체에 대한 초기 위치를 이용하여서 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치를 추정하는 단계가 수행된다(S120).

이하, 위치 추정 방법은 위치 추정 장치(100)에 의해 수행되는 절차이므로, 위치 추정 방법에 대한 것은 이미 설명한 위치 추정 장치(100)에 대한 설명을 원용하기로 한다.

한편, 본 발명의 사상은 컴퓨터 판독가능한 기록매체에 저장된 컴퓨터 프로그램의 형태로 구현되거나, 또는 컴퓨터 프로그램을 저장하는 컴퓨터 판독가능한 기록매체에 저장될 수 있다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 품질에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

100 : 위치 추정 장치
100 : 탐색 장치
200 : 대상 물체

Claims

삭제
적어도 두 개의 주변 물체 각각에 대한 제1 정보 및 속도가 확인되지 않은 대상 물체(target object)에 대한 제2 정보를 기초로 상기 적어도 두 개의 주변 물체 중 상기 대상 물체의 위치 추정에 이용될 주변 물체를 소정의 학습된 모델을 이용하여서 선별하는 주변 물체 선별부와,
상기 제1 정보를 기초로 상기 선별된 주변 물체 각각에 대한 소정의 제1 시간 후의 위치를 추정하며, 상기 추정된 소정의 제1 시간 후의 위치 및 상기 제2 정보에 포함된 상기 대상 물체에 대한 초기 위치를 이용하여서 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치를 추정하는 추정부를 포함하고,
상기 모델은,
분류 알고리즘으로서 PCA(Principal Component Analysis) 또는 SVM(Support Vector Machine) 중 어느 하나인
대상 물체에 대한 위치 추정 장치.
적어도 두 개의 주변 물체 각각에 대한 제1 정보 및 속도가 확인되지 않은 대상 물체(target object)에 대한 제2 정보를 기초로 상기 적어도 두 개의 주변 물체 중 상기 대상 물체의 위치 추정에 이용될 주변 물체를 소정의 학습된 모델을 이용하여서 선별하는 주변 물체 선별부와,
상기 제1 정보를 기초로 상기 선별된 주변 물체 각각에 대한 소정의 제1 시간 후의 위치를 추정하며, 상기 추정된 소정의 제1 시간 후의 위치 및 상기 제2 정보에 포함된 상기 대상 물체에 대한 초기 위치를 이용하여서 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치를 추정하는 추정부를 포함하고,
상기 모델은,
상기 제1 정보 및 상기 제2 정보를 기초로 상기 적어도 두 개의 주변 물체 중에서 소정의 제2 시간 이후에 소정의 경계 영역을 벗어나지 않는 주변 물체를 상기 대상 물체의 위치 추정에 이용될 주변 물체로 선별하는
대상 물체에 대한 위치 추정 장치.
제 2 항 또는 제 3 항에 있어서,
상기 제1 정보는 상기 적어도 두 개의 주변 물체 각각에 대한 위치 정보, 속력 정보 및 이동 방향에 대한 정보를 포함하고,
상기 제2 정보는 상기 대상 물체에 대한 초기 위치 정보를 포함하는
대상 물체에 대한 위치 추정 장치.
제 4 항에 있어서,
상기 제1 정보는,
상기 적어도 두 개의 주변 물체 각각이 상기 대상 물체와 동일 카테고리로 분류되는지를 나타내는 연관성 정보를 포함하는
대상 물체에 대한 위치 추정 장치.
제 2 항 또는 제 3 항에 있어서,
상기 추정부는,
상기 초기 위치를 중심으로 상기 추정된 소정의 제1 시간 후의 위치를 점대칭한 위치를 산출하고, 상기 산출된 점대칭한 위치와 상기 초기 위치에 대한 무게 중심점을 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치로 추정하는
대상 물체에 대한 위치 추정 장치.
제 6 항에 있어서,
상기 제1 정보는,
상기 적어도 두 개의 주변 물체 각각이 상기 대상 물체와 동일 카테고리로 분류되는지를 나타내는 연관성 정보를 포함하며,
상기 추정부는,
상기 대상 물체와 동일 카테고리로 분류되는 주변 물체에 대해서는 상기 초기 위치와 상기 추정된 소정의 제1 시간 후의 위치 간의 거리에 상대적으로 작은 가중치를 곱한 거리만큼이 상기 초기 위치로부터 이격되도록 점대칭하여 산출하고,
상기 대상 물체와 상이한 카테고리로 분류되는 주변 물체에 대해서는 상기 초기 위치와 상기 추정된 소정의 제1 시간 후의 위치 간의 거리에 상대적으로 큰 가중치를 곱한 거리만큼이 상기 초기 위치로부터 이격되도록 점대칭하여 산출하는
대상 물체에 대한 위치 추정 장치.
제 2 항 또는 제 3 항에 있어서,
상기 추정부는,
상기 대상 물체에 대한 초기 위치 및 상기 소정의 제1 시간 후의 위치를 기초로 상기 대상 물체의 속도를 더 추정하는
대상 물체에 대한 위치 추정 장치.
제 8 항에 있어서,
상기 추정부는,
상기 추정된 대상 물체의 속도를 기초로 상기 추정된 대상 물체의 이동 궤적을 추정하는
대상 물체에 대한 위치 추정 장치.
삭제
위치 추정 장치에 의해 수행되는 위치 추정 방법으로서,
적어도 두 개의 주변 물체 각각에 대한 제1 정보 및 속도가 확인되지 않은 대상 물체(target object)에 대한 제2 정보를 기초로 상기 적어도 두 개의 주변 물체 중 상기 대상 물체의 위치 추정에 이용될 주변 물체를 소정의 학습된 모델을 이용하여서 선별하는 단계와,
상기 제1 정보를 기초로 상기 선별된 주변 물체 각각에 대한 소정의 제1 시간 후의 위치를 추정하는 단계와,
상기 추정된 소정의 제1 시간 후의 위치 및 상기 제2 정보에 포함된 상기 대상 물체에 대한 초기 위치를 이용하여서 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치를 추정하는 단계를 포함하고,
상기 모델은,
분류 알고리즘으로서 PCA(Principal Component Analysis) 또는 SVM(Support Vector Machine) 중 어느 하나인
위치 추정 방법.
위치 추정 장치에 의해 수행되는 위치 추정 방법으로서,
적어도 두 개의 주변 물체 각각에 대한 제1 정보 및 속도가 확인되지 않은 대상 물체(target object)에 대한 제2 정보를 기초로 상기 적어도 두 개의 주변 물체 중 상기 대상 물체의 위치 추정에 이용될 주변 물체를 소정의 학습된 모델을 이용하여서 선별하는 단계와,
상기 제1 정보를 기초로 상기 선별된 주변 물체 각각에 대한 소정의 제1 시간 후의 위치를 추정하는 단계와,
상기 추정된 소정의 제1 시간 후의 위치 및 상기 제2 정보에 포함된 상기 대상 물체에 대한 초기 위치를 이용하여서 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치를 추정하는 단계를 포함하고,
상기 모델은,
상기 제1 정보 및 상기 제2 정보를 기초로 상기 적어도 두 개의 주변 물체 중에서 소정의 제2 시간 이후에 소정의 경계 영역을 벗어나지 않는 주변 물체를 상기 대상 물체의 위치 추정에 이용될 주변 물체로 선별하는
위치 추정 방법.
제 11 항 또는 제 12 항에 있어서,
상기 제1 정보는 상기 적어도 두 개의 주변 물체 각각에 대한 위치 정보, 속력 정보 및 이동 방향에 대한 정보를 포함하고,
상기 제2 정보는 상기 대상 물체에 대한 초기 위치 정보를 포함하는
위치 추정 방법.
제 13 항에 있어서,
상기 제1 정보는,
상기 적어도 두 개의 주변 물체 각각이 상기 대상 물체와 동일 카테고리로 분류되는지를 나타내는 연관성 정보를 포함하는
위치 추정 방법.
제 11 항 또는 제 12 항에 있어서,
상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치를 추정하는 단계는,
상기 초기 위치를 중심으로 상기 추정된 소정의 제1 시간 후의 위치를 점대칭한 위치를 산출하고, 상기 산출된 점대칭한 위치와 상기 초기 위치에 대한 무게 중심점을 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치로 추정하는
위치 추정 방법.
제 15 항에 있어서,
상기 제1 정보는,
상기 적어도 두 개의 주변 물체 각각이 상기 대상 물체와 동일 카테고리로 분류되는지를 나타내는 연관성 정보를 포함하며,
상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치를 추정하는 단계는,
상기 대상 물체와 동일 카테고리로 분류되는 주변 물체에 대해서는 상기 초기 위치와 상기 추정된 소정의 제1 시간 후의 위치 간의 거리에 상대적으로 작은 가중치를 곱한 거리만큼이 상기 초기 위치로부터 이격되도록 점대칭하여 산출하고,
상기 대상 물체와 상이한 카테고리로 분류되는 주변 물체에 대해서는 상기 초기 위치와 상기 추정된 소정의 제1 시간 후의 위치 간의 거리에 상대적으로 큰 가중치를 곱한 거리만큼이 상기 초기 위치로부터 이격되도록 점대칭하여 산출하는
위치 추정 방법.
제 11 항 또는 제 12 항에 있어서,
상기 대상 물체에 대한 초기 위치 및 상기 소정의 제1 시간 후의 위치를 기초로 상기 대상 물체의 속도를 추정하는 단계를 더 포함하는
위치 추정 방법.
제 17 항에 있어서,
상기 추정된 대상 물체의 속도를 기초로 상기 추정된 대상 물체의 이동 궤적을 추정하는 단계를 더 포함하는
위치 추정 방법.
적어도 두 개의 주변 물체 각각에 대한 제1 정보 및 속도가 확인되지 않은 대상 물체(target object)에 대한 제2 정보를 기초로 상기 적어도 두 개의 주변 물체 중 상기 대상 물체의 위치 추정에 이용될 주변 물체를 소정의 학습된 모델을 이용하여서 선별하는 단계 - 상기 모델은, 분류 알고리즘으로서 PCA(Principal Component Analysis) 또는 SVM(Support Vector Machine) 중 어느 하나임 - 와,
상기 제1 정보를 기초로 상기 선별된 주변 물체 각각에 대한 소정의 제1 시간 후의 위치를 추정하는 단계와,
상기 추정된 소정의 제1 시간 후의 위치 및 상기 제2 정보에 포함된 상기 대상 물체에 대한 초기 위치를 이용하여서 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치를 추정하는 단계를 수행하도록 프로그램된
컴퓨터 판독가능한 기록매체에 저장된 컴퓨터 프로그램.
적어도 두 개의 주변 물체 각각에 대한 제1 정보 및 속도가 확인되지 않은 대상 물체(target object)에 대한 제2 정보를 기초로 상기 적어도 두 개의 주변 물체 중 상기 대상 물체의 위치 추정에 이용될 주변 물체를 소정의 학습된 모델을 이용하여서 선별하는 단계 - 상기 모델은, 분류 알고리즘으로서 PCA(Principal Component Analysis) 또는 SVM(Support Vector Machine) 중 어느 하나임 - 와,
상기 제1 정보를 기초로 상기 선별된 주변 물체 각각에 대한 소정의 제1 시간 후의 위치를 추정하는 단계와,
상기 추정된 소정의 제1 시간 후의 위치 및 상기 제2 정보에 포함된 상기 대상 물체에 대한 초기 위치를 이용하여서 상기 대상 물체에 대한 상기 소정의 제1 시간 후의 위치를 추정하는 단계를 수행하도록 프로그램된
컴퓨터 프로그램을 저장하는 컴퓨터 판독가능한 기록매체.