Professional Documents
Culture Documents
우주파편 능동제거를 위한 영상 추적 기법 비교
우주파편 능동제거를 위한 영상 추적 기법 비교
Key Words : Space Debris(우주 파편), Active Debris Removals(우주파편 능동제거), Vision Tracking (영상추적)
632
랑데부 및 도킹, 근접운용 그리고 캡처 등 기술 상과 현재 프레임간의 차연산을 수행하고, 이때
들은 필수적이며 이를 수행하기 위해서는 추격 일정 임계값이상의 변화를 보이는 영역만 추출
대상물체인 Target을 추격하는 위성인 Tracker 하고, 이를 이용하여 물체를 추적한다.
가 지속적으로 추적하면서 접근 단계에 따른 적
절한 상황판단이 필요하며, 특히 빛의 변화가 크
고, 다른 물체에 의한 외란이 존재하는 우주환경
에서는 이러한 영향에 강인한 알고리즘이 필요하
다.
본 논문에서는 우주파편 능동제거 및 우주궤도
상 서비스(On-Orbit Satellite Servicing) 임무를 Fig. 1. Flow chart of Difference Image
수행하기 위한 영상추적기법에 대한 테스트를 수
행하고 결과를 통해 우주환경에서 적합도를 비교 2.1.2 특징점 추적기법
하였고, 보완사항에 대해 제시하였다. 영상의 시점, 크기, 회전 또는 물체의 크기, 회
전 등에 불변하는 점을 특징점이라 하며, 이를
이용하여 물체검출, 인식분야에 적용되고 있
2. 본 론 다.(6) 불변하는 점을 추적함으로써 사전정보가
2.1 영상 추적 기법 없는 상황에서도 정확하고 지속적으로 추적이
영상을 이용한 물체추적은 이동물체의 지속적 가능한 장점을 가지고 있다. 하지만 추적에 필
인 움직임을 추적하는 것을 목적으로 하고, 그 요한 특징점인지를 정확히 판단하는 것도 필요
적용분야는 자동주행, 로보틱스, 인간-컴퓨터 하다.
상호작용, 비디오 감시, 산업자동화 및 보안 영 입력영상은 이진영상으로 변환하여 Intel社
(5)
역 등 다양한 영역에서 이용된다. 각각의 영역 OpenCV Library의 함수인 cvGoodFeatures
에서 시스템이 운용되는 환경 등을 고려하여 적 -ToTrack를 이용하여 특징점을 추출한다. 추출
절한 알고리즘을 적용하는 것이 중요하다. 우주 된 특징점을 이용하여 외곽선을 만들고 이를 타
파편 능동제거는 서비스위성인 Tracker가 Tar 원 적합하여 물체영역을 구하고 이를 추적한다.
-get에 접근하는 상황으로 Tracker와 Target 테스트 알고리즘의 순서도는 Fig. 2와 같다.
간의 상대운동이 있으며, Tracker에 탑재된 영
상센서도 움직이는 상태이며, 배경의 변화도 존
재한다. 이러한 상황과 유사한 환경에서 적용된
대표적인 알고리즘은 차영상 추적기법(Differen
-ce Image Tracking), 특징점 추적기법(Fea
-ture Points Tracking), 캠시프트 기법(CAM
-Shift)이다. Fig. 2. Flow chart of Feature Points
633
속적인 추적이 어려운 상황에서 탐색윈도우의 2.3 실험 결과
크기변경과 갱신이 이루어지기 때문에 보다 정 Fig. 4는 Tracker가 Target에 접근하면서 텀
밀도 높은 추적이 가능하다. 블링상태를 고려한 S5와 S6를 각 알고리즘을
알고리즘은 전처리된 입력영상에서 색상분포를 이용하여 Target을 추적하는 모습이다. 차영상
계산하여 탐색윈도우의 위치와 크기를 결정하 알고리즘을 이용한 (a)-(b)는 위성이 전체적으
고, 이때의 무게중심을 찾으면서 물체를 추적하 로 움직이면서 영역 위성전체부분으로 추적한
는 방식이다. 반면, 특징점 알고리즘을 이용한 (c)-(d)는 배경
과 유사한 태양전지판 부분에 비해 위성 본체
많은 특징점이 분포하여 본체에 위주로 추적하
였다. 캠시프트 알고리즘 (e)-(f)의 경우에도 배
경과 색상값 차이가 큰 본체위주로 추적하는 결
과를 보였다.
2.2 영상추적 기법 비교
기존의 랑데부 및 도킹 테스트는 Tracker와
Target이 정렬된 상태에서 임무를 수행하였지
만 우주파편은 임무수행중이나 다른 우주물체와 (a) (b)
의 충돌로 발생하므로 텀블링상태(Tumbling
State)로 존재한다. 이를 고려하여 테스트는
Table 1과 같이 6가지 시나리오를 구성하였다.
S1과 S2는 접근상황, S3와 S4는 텀블링상태를
고려하였고, S5와 S6은 이 두 가지 상황을 고
려하였다. 각 상황에서 느린 속도로 변화하는 (c) (d)
별의 영향을 살펴보기 위하여 배경의 유무를 적
용하였다.
테스트 동영상은 AGI社의 STK®를 이용하였
고, 차영상 알고리즘은 Matlab®, 특징점 및 캠
시프트 알고리즘은 Visual Studio 2010에서
OpenCV Library를 이용하였다.
(e) (f)
Fig. 4. Object Track by Tracking Algorithms
Table 1. Test Scenarios (a):S5-DI, (b):S6-DI, (c):S5-FP, (d):S6-FP,
(e):S5-CAM, (f):S6-CAM
Scenario Approach Tumbling Background
S1 ○ × ○ 추적 결과는 Table 2와 같이 정리하였다. 차영
S2 ○ × × 상의 경우 시나리오에 따른 큰 차이를 보였다.
텀블링 상태만을 고려하였을 때는 90%이상의
S3 × ○ ○
높은 추적율을 보였으나 접근을 고려한 S1, S2,
S4 × ○ × S5, S6에서는 좋은 성능을 보여주지 못하였다.
S5 ○ ○ ○ S1, S2와 S5, S6를 비교할 때 접근만 고려한
S6 ○ ○ × 상황은 테스트 동영상에서 느린 속도로 접근하
여 영상간의 차이가 적어 추적에 어려움이 발생
634
하였고, 텀블링이 있는 접근상황은 텀블링에 의 특징점의 경우에는 우주파편의 경우 사전정보가
한 차이로 보다 좋은 성능을 보인 것으로 판단 없는 상태에서 접근해야하기 때문에 추적하기 좋
된다. 은 특징점을 알고리즘을 이용하여 추출해야한다.
특징점 추적 결과는 세 가지 알고리즘 중 모든 이때 Target이외의 영역에서 추출되는 것을 방
시나리오에서 가장 낮은 추적성능을 보였다. 지해야 될 것이다.
Fig. 4의 (c)와 (d)를 비교하면, 배경이 없을 경 캠시프트의 경우에는 알고리즘이 빠르고 강인한
우에는 Target에서만 특징점을 추출하는데 반 추적성능을 보여주고, 특히 우주환경이 지상환경
해 배경이 있을 경우 배경에서도 특징점이 추출 보다 단순한 색상분포를 보여주므로 추적에 가장
되어 추적에 어려움으로 작용한 것으로 판단된 적합하다고 판단된다.
다. Fig. 4의 (c)와 (d)의 녹색점들은 추적하기
에 좋은 특징점을 의미한다. 후 기
캠시프트의 경우에는 모든 시나리오에서 80%
본 연구는 기초기술연구회 ‘NAP 우주물체 전자
이상의 안정적인 추적성능을 보였다. 색상분포
광학 감시체계’의 협동연구과제(우주파편 충돌위
가 단순하고, 접근상황에서는 Target의 크기가
험 종합관리시스템 개발 및 우주파편 제거시스템
변화가능하기 때문에 안정적으로 지속적인 추적
연구)의 일부로 수행되었으며, 이에 기초기술연구
이 가능한 것으로 사료된다.
회와 한국항공우주연구원의 지원에 감사드립니
다.
Table 2. Accuracy of Tracking Algorithms
635