This paper represents the study of tracking and capturing an invading drone using an vision-based drone to defend it. To achieve the goal, it is required that the tracker UAV can detect a drone first and estimate the location of the target and track it. Existing image processing is not appropriate because the size of the target drone is too small. In this research, in order to overcome these shortcomings, a deep learning-based detection algorithm was applied, which has excellent performance and robustness, and the estimation for the position of a drone using the detected information was developed. Most studies for tracking targets have used techniques a lot, usually used in the missile guidance law. However, there are many parameters that need to be tuned according to the situation and the speed of the tracking drone, so tracking performance is not constant. To complement this problem, this research proposed an algorithm that intelligently tracks by applying the deep reinforcement learning method. The framework in deep reinforcement learning can find the optimal behavior through repetitive episodes, but it takes a lot of time and cost if it is conducted as an actual experiment. In this paper, through GAZEBO simulation that reflects the drone model well, many repetitive episodes were performed to learn, and overall algorithm was verified in the simulation. Finally, a drone platform was developed, and it was verified through a tracking experiment with an actual target.
본 논문은 영상기반 무인기를 활용해서 침입하는 드론의 위협으로부터 방어하기 위한 안티드론 시스템의 개발에 대한 내용을 다루고 있다. 드론을 이용한 안티드론 시스템을 구축하기 위해서는 먼저 드론을 탐지할 수 있어야 하고 그 드론의 위치를 추정해서 이를 추적하는 알고리즘이 필요하다. 기존의 영상처리 기법으로는 칩입하는 드론의 크기가 작기 때문에 검출하기 어려운 단점이 있다. 본 연구에서는 이러한 단점을 극복하고자 딥러닝 기반의 탐지 알고리즘을 적용해서 탐지율이 우수하고 강건한 알고리즘을 개발하였고, 탐지된 정보를 이용해 드론의 위치를 추정하는 알고리즘을 개발하였다. 타겟을 추적하기 위한 대부분의 연구는 미사일 유도 법칙에 사용되는 추적 기법을 많이 사용했는데 이를 이용하면 추적에 실패했을 때 상황 인지나 혹은 드론의 추적 속도에 따라 튜닝해야 되는 파라미터들이 있어 추적 성능이 일정하지 않게 된다. 본 논문에서는 이러한 문제를 해결하기 위해 심층 강화학습 알고리즘을 도입했고 이를 바탕으로 지능적으로 추적하는 시스템을 제안하고 있다. 강화학습 프레임워크는 반복적인 에피소드를 통해 최적의 행동을 찾는데 실제 시스템으로 반복하게 되면 시간과 자원이 많이 소모된다. 따라서 본 연구에서는 실제 운동 모델을 잘 반영하고 있는 GAZEBO 시뮬레이션을 통해 많은 에피소드를 실행하여 행동을 학습하도록 하고 학습된 모델을 이용해 제안된 알고리즘을 검증하였다. 마지막으로 실제 드론 플랫폼을 제작하여 시뮬레이션 환경에서 학습된 모델을 이용해 타겟을 추적하고 포획하는 시나리오를 실험으로 검증하였다.
