This paper presents a particle filter that considers the constraint that ground targets are constrained to the terrain surface, namely ‘terrain constraint’, to improve the tracking performance. Tracking of a ground target with terrain constraint is formulated as a constrained state estimation problem. Especially, not only the position constraint but also the velocity constraint is introduced in the formulation to make the joint constraint consistent with the kinematics. The ground-truth terrain elevation included in the terrain constraint is modeled with Gaussian process, and DTED is regarded as noisy observations of it. As a result, terrain constraint becomes a soft constraint that can reflect the uncertainty of DTED. Adding assumptions about the motion of the target, we propose a particle filter, STC-PF, to which the terrain constraint can be efficiently applied. STC-PF is based on SIR PF, but the major difference is that STC-PF uses the elevation model. Due to the elevation model, knowledge of the horizontal position and velocity of a target enables us to infer its vertical position and velocity more precisely. In a numerical simulation, STC-PF is compared with SCKF which can incorporate hard constraint only. Furthermore, to reflect the uncertainty in DTED, filters make use of DTED contaminated by noise whereas the ground-truth trajectory of the target is generated by the original DTED. The simulation result shows that STC-PF outperforms SCKF in terms of RMS error.
본 논문은 지상 표적에 대한 추적 성능을 높이기 위해, 지상 표적이 지표면에 구속되어 있다는 제약조건(terrain constraint)을 고려한 입자 필터를 제안한다. Terrain constraint가 있는 지상 표적 추적을 제약조건이 있는 상태 추정 문제로 정식화 하였는데, 운동학과 제약조건 간의 일관성을 위해서 위치에 대한 제약조건 뿐만 아니라 속도에 대한 제약조건도 정식화에 포함되었다. Terrain constraint를 정의하는데 필요한 실제 표고는 가우시안 프로세스로 모델링 되며, DTED는 실제 표고에 노이즈가 더해진 관측으로 간주하였다. 이로써 terrain constraint는 DTED의 불확실성을 반영할 수 있는 연성 제약조건이 된다. 여기에 표적의 운동에 대한 가정을 추가해, terrain constraint를 효과적으로 적용할 수 있는 입자 필터, STC-PF를 제안하였다. STC-PF는 SIR PF를 기반으로 하지만, 가장 큰 차이점은 STC-PF가 고도 모델(elevation model)을 사용한다는 것이다. 고도 모델을 이용함으로써, 표적의 수평 위치와 속도에 대한 정보로 수직 위치와 속도를 더욱 정확하게 추론할 수 있게 된다. 시뮬레이션을 통해 STC-PF를 경성 제약조건만 사용할 수 있는 SCKF와 비교하였다. 여기서, DTED의 불확실성을 반영하기 위한 목적으로 필터는 잡음이 포함된 DTED를 사용하는 반면, 표적의 실제 궤적을 만들 때는 잡음이 없는 DTED를 사용한다. 시뮬레이션 결과, STC-PF가 RMS 오차 측면에서 SCKF보다 월등히 더 좋은 성능을 보여주었다.
