In the tracking of a target using a radar or an imaging sensor, the acceleration of the target is usually modeled as a random vector (or the process noise in the state-space model) with known statistical properties. For a highly maneuvering target, the process noise has a large covariance matrix, and consequently, the estimated state has a large amount of error. In this paper, we propose an approach that estimates the acceleration from the attitude of the target, and uses the estimated acceleration for the accurate tracking of the target. An imaging sensor is used for the attitude estimation of the target (an aircraft, in this paper) as well as for its tracking, not relying on a radar.
To detect the attitude of a target, we use cross-correlation matching cost-function because of the background noise. A main difficulty of this approach is in the presence of multiple local minima. To overcome these problem, we propose to use the global optimization method, simulated annealing during the acquisition mode and to use a faster and simpler descending-type optimization method, downhill simplex during tracking mode.
Using the attitude information, we formulate 12-state equations with attitude terms. Then, we compose 12-state EKF with 5-measurement(two angles and three Euler angles). Finally, our simulation study shows that the proposed method can track a maneuvering target much more accurately than the traditional Kalman filters.
레이더나 영상센서를 이용한 표적 추적에 있어서 표적의 가속도는 알려진 통계적 특성과 함께 랜덤 벡터로 일반적으로 모델링한다. 이러한 경우에 기동(가속도)이 큰 표적에 대해서 프로세서 잡음은 큰 분산을 가지며, 결과적으로 추정된 값은 큰 에러를 가진다. 본 논문에서는 레이더와 연계되지 않은 단일 영상 센서를 이용하여 표적 추적뿐만 아니라 자세 추정을 한다.
배경 잡음이 존재하는 상황에서 표적의 자세를 탐지하기 위해, 매칭 상관계수 함수를 사용한다. 이러한 접근의 가장 큰 난제는 많은 지역 최소치 값이 존재한다는 것이다. 이러한 문제를 극복하기 위해, 표적 획득모드에서는 global 최적화 방법인 simlated annealing 사용하고, 추적모드에서는 downhill simplex 방법을 사용한다.
필터를 구성하기 위해 자세정보를 포함한 12개의 상태 방정식을 구성한다. 그리고 5개의 측정값(두개의 각도 및 3개의 Euler 각도)과 함께 12개의 상태 EKF를 구성한다.
시뮬레이션에서는 제안된 방법이 기존의 칼만 필터보다 기동 표적에 대해 더 정확하게 추적함을 보인다.
