CC BY
32
Dr Dragoslav Ugarak,
pukovnik, dipl. in'.
Tehnicki opitni centar, Beograd
OCENA DALJINE CILJA U TOKU PRAĆENJA VIDEO SENZORIMA
UDC: 621.397 : 623.4.023.4
Rezime:
U radu su opisani kinematski modeli estimacije daljine cilja, dobijene obradom video snimaka u toku pra}enja. Analizirani su uticaji suma procesa na veli~inu gresaka estimacije daljine i predlo'en je metod adaptacije modela, podesavanjem nivoa suma procesa.
Klju~ne re~i: video senzori, estimacija daljine cilja, kinematski modeli, Kalmanov filter, adaptacija modela na sum procesa.
TARGET RANGE ETIMATION BASED ON VIDEO SENSOR TRACKING
Summary:
This paper specifies kinematic models of target range estimation based on analyzing video frames during the tracking. The influences of process noise on range estimation accuracy are analyzed, and adaptive estimation method by noise level adjustment is nominated.
Key words: video sensors, target range estimation, estimation for kinematic models, Kalman filter, adaptive estimation, noise level adjustment.
Uvod
Pozicija cilja u prostoru definisana je njegovim pravouglim ili sfernim koor-dinatama u toku vremena. Koordinate ci-lja odre|uju se na osnovu očitavanja pa-rametara sa senzora u toku njegovog pra-}enja. Najče{}e kori{}eni senzori za pra-}enje ciljeva su: ni{anski radar, laserski daljinomer, televizijska i termovizijska kamera. Radar i laser su aktivni senzori čije prisustvo se lak{e otkriva i ometa od video senzora (TV i TTV kamere) koji rade u pasivnom re'imu. Osnovni nedo-statak video sistema je velika zavisnost daljine efikasnog pra}enja cilja od mete-orolo{kih uslova, ali se mogu efikasno
koristiti na bliskim i srednjim daljinama. Video urelaji u ni{anskim sistemima slu-'e za vizuelno otkrivanje i pra}enje cilje-va po ugaonim koordinatama. Problem odrelivanja daljine cilja, bez upotrebe aktivnih senzora, mo'e se re{iti na osnovu poznavanja dimenzija cilja metodama projektivne geometrije. Za uspe{no pra-}enje cilja odlucuju}i znacaj ima tacnost odrelivanja koordinata cilja. Merenja ko-ordinata cilja optere}ena su {umovima i gre{kama, pa je potrebno izvr{iti uravna-vanje (filtriranje) merenih podataka radi dobijanja valjane ocene pozicije cilja u toku pra}enja. Da bi se ocenjivanje pozicije cilja izvr{ilo dovoljno kvalitetno, po-trebno je da merenja budu izvedena sa
VOJNOTEHNICKI GLASNIK 2/2006.
141
određenom tacnosti i ucestanosti i da su poznate statisticke karakteristike gresaka i sumova merenja. U radu je opisan po-stupak merenja pozicije cilja primenom video senzora i matematički modeli za obradu podataka merenja radi dobijanja optimalnih ocena pozicije cilja u toku pra}enja.
Senzori za praćenje cilja
Senzori za pra}enje ciljeva su ure-đaji namenjeni da izvrse transformaciju energije elektromagnetnih talasa, koji nose informaciju o cilju, u električne signa-le koji treba da omogu}e detekciju, pre-poznavanje i identifikaciju cilja i određi-vanje njegovih koordinata i orijentacije u prostoru. Daljom obradom ovih informa-cija u računarima SUV-a, pomocu po-godnih algoritama, formiraju se signali upravljanja.
Senzorski podsistem za prikupljanje i obradu informacija o cilju podrazumeva par senzorski uređaj - procesor (slika 1). Senzorski uređaj obezbeđuje transformaciju elektromagnetnog zracenja koje nosi informaciju o cilju u elektricne signale, a procesorski uređaj vrsi detekciju, prepo-znavanje i identifikaciju cilja. Pod detekci-jom cilja podrazumeva se utvrđivanje pri-
SCENA ATMOSFERA
Sl. 1 — Blok-šema senzorskogpodsistema za praćenje cilja
sustva cilja u vidnom polju senzora. Prepo-znavanje je utvrđivanje vrste cilja (na primer - avion, helikopter, bespilotna letelica, raketa, ptica), a identifikacija mogu}nost utvrđivanja tipa cilja u okviru utvrđene vr-ste (na primer, tip aviona i slicno).
Kod uređaja za automatsko pra}e-nje ciljeva u vazdusnom prostoru senzorski podsistem obezbeđuje informacije o ugaonoj poziciji cilja u odnosu na osu senzora i daljini do cilja. Pri tome, davaci uglova uređaja za pra}enje cilja mere uglove azimuta i elevacije ose senzora.
Zahvaljuju}i svojim poznatim svoj-stvima televizijski i termovizijski uređaji nasli su siroku primenu u sistemima za iz-viđanje, osmatranje i pra}enje ciljeva. Kompatibilnost formata termovizijske sli-ke sa standardnim televizijskim formatom omogu}ava primenu jedinstvenog procesa obrade slike i simultanu obradu slike sa televizijskog i termovizijskog senzora. Njihova komplementarna primena u mul-tisenzorskim sistemima bitno je pove}ala ukupne mogu}nosti primene optoelek-tronskih nisanskih sistema, danju i no}u. Zahvaljuju}i pasivnom režimu rada znat-no je pove}ana otpornost na ometanje ni-sanskih sistema. Optoelektronski nisanski sistemi mogu se samostalno koristiti u si-stemima PVO na bliskim i srednjim dalji-nama, a poseban znacaj imaju u odbrani od niskolete}ih ciljeva.
Merenje daljine cilja na osnovu video snimaka
Za određivanje daljine cilja na osno-vu video snimaka koriste se metode per-spektivne projektivne geometrije, pri ce-mu je potrebno poznavati prirodnu veli-
142
VOJNOTEHNIČKI GLASNIK 2/2006.
cinu cilja. Pri tome će biti korišćena me-toda lokacije trougla poznatih dužina strana opisana u [2].
Metoda lokacije trougla poznatih dužina strana može poslužiti za određiva-nje lokacije cilja na kojem se mogu uoci-ti tri tacke cija su međusobna rastojanja poznata. To su obicno vrh, rep i krajevi krila letelice koja se prati i ciji tip i di-menzije su poznati. U [2] je obrađena pu-tanja aviona G2, snimljena „sky track“ teodolitima, koja predstavlja let sa mane-vrom propinjanja u vertikalnoj ravni.
Za potrebe određivanja daljine cilja sa snimaka TV kamere izvršeno je ocita-vanje koordinata vrha, dna i vrhova krila aviona u ravni snimka. Određivanje daljine cilja na osnovu poznavanja velicine cilja i koordinata karakteristicnih tacaka u ravni snimka (dna, vrha i krajeva krila) izvršeno je metodom lokacije trougla poznatih dužina stranica tako što su formi-rana cetiri trougla i za svaki od njih odre-đena je daljina. Konacna vrednost daljine cilja dobijena je usrednjavanjem vredno-sti dobijenih za cetiri uocena trougla (sli-ka 2). Kao što se može videti, daljina od-ređena obradom snimaka osciluje oko njene stvarne vrednosti, što je posledica slucajnih grešaka merenja. Odstupanja daljine od njene stvarne vrednosti veća su na većim daljinama, zato što je lik cilja tada sitniji a time je i relativna greška merenja veća. Srednja greška određiva-nja daljine na rastojanju od 5 do 2,5 km kreće se oko 50 m, a na manjim rastoja-njima naglo pada do vrednosti oko 10 m, odnosno do velicine realnog cilja. Vrednosti greške određivanja daljine cilja obradom video snimaka ukazuju na potrebu filtriranja dobijenih podataka.
Sl. 2 — Daljina cilja određena sa snimaka TV kamere
Kvalitet podataka dobijenih obradom snimaka cilja prvenstveno zavisi od kvaliteta i rezolucije slike, odnosno od uticaja šuma u video slici i grešaka kvan-tizacije video signala.
Estimacija daljine cilja
Iskustva sa senzorskih uređaja za praćenje ciljeva ukazuju na to da svestra-nost Kalmanovog filtera cini njegovu pri-menu gotovo obaveznom u problemima kada nedostaju podaci, sa promenljivim statistikama šumova merenja ili pri pra-ćenju manevrišućih ciljeva sa promenlji-vim dinamickim mogućnostima. Posebno je pogodna primena sofisticiranih metoda Kalmanovog filtera na probleme praće-nja visoko manevrišućih ciljeva [3, 4, 5].
Izbor koordinata praćenja zavisi od primene [3]. Uopšte, sistemi koji koriste više fizicki razdvojenih senzora treba da koriste Kartezijeve koordinate. Sferne koordinate su povoljnije za sisteme sa jednim senzorom ili sa više zajedno loci-ranih senzora. Upotreba sfernih koordi-nata olakšava razdvajanje filtera po koor-dinatama, što dovodi do znatnog smanje-nja racunanja. Razdvojeni fllteri daljine i
VOJNOTEHNICKI GLASNIK 2/2006.
143
uglova sa dva stanja primenjuju se radi uravnavanja podataka merenja. Kada se meri samo pozicija uglavnom se koriste filteri sa dva stanja - pozicija i brzina. Upotreba ubrzanja kao veli~ine stanja ge-neralno se zahteva ako se meri brzina, kao kod radarske radijalne brzine ili uga-one brzine pra}enja. Radi predikcije kre-tanja cilja koristi se filter sa Kartezijevim koordinatama i devet veli~ina stanja.
Ovde }e biti primenjen Kalmanov filter za estimaciju daljine cilja. Po{to se opservacije cilja vr{e u diskretnim trenu-cima vremena, potrebno je da se u esti-matoru koriste diskretni modeli sistema. U mnogim aplikacijama koristi se isti model za svaku koordinatu, pod pretpo-stavkom da se kretanje duž svake koordi-nate može razdvojiti od drugih koordina-ta. Sumovi uvedeni za razli~ite koordina-te su, po pretpostavci, uzajamno nezavi-sni sa moguće razli~itim varijansama.
Siroko kori{ćeni modeli su kinemat-ski modeli izvedeni iz prostih jedna~ina kretanja sa konstantnom brzinom i kon-stantnim ubrzanjem [4, 5]. Diskretna di-nami~ka jedna~ina sistema je:
x(k + 1)=Fx(k) + Gv(k) (1)
gde je: F matrica prelaza, r poja~anje su-ma dato kao vektor dimenzije nx, a v(k) skalarna veli~ina {uma procesa, bela se-kvenca nulte sredine sa kovarijansom:
E[((r(k)v(k))(r(k)v(k))T ] = (2)
= r(k )Q(k )r(k )T
Uvodi se pretpostavka da za vreme svakog perioda uzorkovanja dužine T model drugog reda ima konstantno ubr-
zanje, a da se u modelu trećeg reda ubr-zanje uvećava sa sekvencom belog suma:
v (t) = v(k), t e [kT, (k + 1)T] (3)
To ubrzanje je intervalno periodi~no konstantno ubrzanje koje je nekorelisano od perioda do perioda. Jasno je da gornja pretpostavka važi za dati period uzorkovanja T1, ali ne mora da važi i za neki drugi period T2 (osim za celobrojni umnožak od T1). Pretpostavka zasnovana na modelu periodi~no konstantnog ubr-zanja, kao belog suma procesa, nije pot-puno ta~na, nego samo aproksimativno, ali u praksi daje dobre rezultate [4].
Diskretna jedna~ina merenja, kada su dostupna samo merenja pozicije, data je formulom:
z(k) = H(k)x(k) + w(k), k= 0,1,2, ... (4)
Ovde je za modele ubrzanja, kao be-log {uma drugog i trećeg reda, matrica merenja data sa:
H[l 0] ili H[l 0 0] (5)
Autokorelaciona funkcija sumova merenja je:
E[(w(k )w(k )T ] = R(k) (6)
Diskretni model približno
konstantne brzine
To je model drugog reda u kojem sum procesa v(k) predstavlja konstantno ubrzanje u toku k-tog perioda uzorkova-nja dužine T. Uvećanje brzine u toku tog perioda je v(k)T, dok je uticaj tog ubrza-nja na poziciju izražen sa v(k)T2/2.
144
VOJNOTEHNIČKI GLASNIK 2/2006.
Jednacina stanja za model sa perio-dicno konstantnim ubrzanjem drugog re-da data je relacijom (1), gde je v(k) beli {um procesa sa nultom sredinom. Stanje modela predstavlja dvodimenzionalni vektor:
x =
f X ^
V X2 J
f d 1
V d J
(7)
kao i za ubrzanje [m/s2]. Promene brzine u toku perioda T su reda veličine:
AV = 4Q2 = JlWv = Tvv [m /s] (12)
Ova cinjenica može poslužiti da se odredi velicina suma procesa. Za ovaj model standardno odstupanje {uma pro-cesa mora biti reda velicine ubrzanja:
Jednacine promene stanja biće:
x1(k +1) = + x2(k)T + v(k)T2/2 ( )
x2 (k +1) = x2 (k) + v(k )T
Jednacina stanja u vektorskom obli-ku određena je matricama sistema F i G. Tranziciona matrica sistema dobija se u obliku:
F =
1 T 0 1
(9)
Vektor pojacanja skalarnog suma procesa iznosi:
T2 /2 T
(10)
G'v = — = a [m / s2] (13)
Izborom male vrednosti za standard-no odstupanje suma procesa promena brzine biće mala u odnosu na aktuelnu br-zinu, pa se tada dobija model priblizno konstantne brzine (NCV).
Da bi se izloženi model sistema pri-menio za sintezu Kalmanovog filtera za estimaciju daljine cilja merenu sa video snimaka u toku praćenja, potrebno je odre-diti varijanse suma merenja i suma modela.
Varijansa suma merenja daljine cilja sa video snimaka određena je ranije u ob-liku formule za standardno odstupanje daljine. Standardno odstupanje daljine cilja može se odrediti na osnovu standard-nog odstupanja velicine lika cilja i prema [2] iznosi:
Kovarijansa suma procesa uvećanog sa vektorom pojacanja iznosi:
°d =
d2
(14)
Q = r^2 rT = *?
1 t 4 1 t 3
4 2
1 t 3 t 2 .2 _
(11)
Ovde je ov2 varijansa skalarnog suma procesa v(k). Fizicka dimenzija za sum v i njegovo standardno odstupanje ov je ista
gde je: d daljina cilja, f fokusna daljina izražena u pikselima, koja za upotreblje-nu TV kameru iznosi 40 000 piksela, L je dimanzija cilja koja za avion G2 iznosi L=10 m, a ol =1 piksel je standardna gre-ska merenja dimenzije cilja na video snimcima.
VOJNOTEHNIČKI GLASNIK 2/2006.
145
Smenom ovih vrednosti u jednacinu (14) dobija se da varijansa šuma merenja daljine sa video snimaka iznosi:
asr
1
n
I
k =1
Vkal (k) - Vkal (k -1) T
(16)
f d(k)2 \
V400000
[ m2]
(15)
Radi određivanja varijanse šuma pro-cesa ov potrebno je pretpostaviti velicinu ubrzanja promene daljine cilja, saglasno re-laciji (13). Za ilustraciju uticaja velicine ubrzanja promene daljine cilja na kvalitet estimacije daljine urađen je primer sa tri vrednosti ubrzanja, odnosno standardnog odstupanja šuma procesa, i to: ov=1, ov=5 i ov=10 m/s2. Dobijene vrednosti greške estimacije u odnosu na daljinu određenu „sky track“ teodolitima (s-dkal) i ubrzanja promene daljine (asr), date su na slici 3.
Sl. 3 — Estimacija daljine cilja prema modelu približno konstantne brzine (NCV)
Dobijeni rezultati pokazuju da sred-nje ubrzanje menja vrednost saglasno promeni brzine kretanja cilja.
Može se zakljuciti da tacnost estimacije veoma zavisi od velicine varijanse šuma procesa, odnosno od pretposta-vljene vrednosti ubrzanja promene dalji-ne. Staviše, pokazuje se da to ubrzanje ima promenljiv karakter, što je potrebno uzeti u obzir pri modeliranju filtera. To se rešava adaptacijom modela estimacije na promenljivi šum procesa.
Diskretni model približno konstantnog ubrzanja
To je model trećeg reda u kojem šum procesa v(k) predstavlja uvećanje ubrzanja u toku k-tog perioda. Pod pret-postavkom da je šum bela sekvenca sa nultom sredinom, ubrzanje je diskretni Wienerov proces. Vektor stanja u ovom
(17)
slucaju j e:
f x' f d"
x = x2 = d
V x3 J v(d J
Sa dijagrama se može videti da je u pocetnom delu putanje greška određivanja daljine manja kod modela sa manjim stan-dardnim odstupanjem ov, a da se sa približa-vanjem cilja dobija manja greška kod modela sa većim standardnim odstupanjem ov. Srednja vrednost ubrzanja na poslednjem dijagramu određena je usrednjavanjem u prozoru od n=50 tacaka, po formuli:
Jednacine stanja ovog modela su:
X (k+1)=x1 (k)+x2 (k )T+x3 (k )T2 / 2+v(k )T 2/2 (
x2 (k+1)=x2 (k)+x3 (k )T+v(k )T x3 (k+1)=x3 (k )+v(k)
146
VOJNOTEHNIČKI GLASNIK 2/2006.
Tranziciona matrica sistema dobija se u obliku:
1 T T2 /2
F = 0 1 T
0 0 1
(19)
Vektor poja~anja skalarnog {uma procesa iznosi:
r =
T2 /2 T 1
(20)
Kovarijansa {uma procesa uve}anog sa vektorom poja~anja iznosi:
Q = r*V rT =*2
1 t 4 1 t ^ 1T
4 2 2
1 T2 T 2 T
2
1 2 —T2 T 1
2
(21)
Ovde je ov2 varijansa skalarnog {u-ma procesa v(k). Fizi~ka dimenzija za {um v i njegovo standardno odstupanje ov je ista kao i za ubrzanje [m/s2]. Prome-na ubrzanja u toku perioda T je reda veli-~ine:
Aa = VQ33 ='I*V = *v [m / s 2] (22)
Za ovaj model standardno odstupa-nje {uma procesa treba da bude reda veli-~ine maksimalne promene ubrzanja Aa u periodu uzorkovanja. Izborom malog in-tenziteta standardnog odstupanja {uma procesa promena ubrzanja bi}e mala u
odnosu na aktuelno ubrzanje, pa se tada dobija model priblizno konstantnog ubrzanja (NCA).
Da bi se izloženi model sistema pri-menio za sintezu Kalmanovog filtera za estimaciju daljine cilja merenu sa video snimaka u toku pra}enja potrebno je, kao i u prethodnom slu~aju, odrediti varijan-se {uma merenja i {uma procesa. Vari-jansa {uma merenja daljine cilja R(k) sa video snimaka ranije je određena formu-lom (15).
Radi određivanja varijanse {uma procesa Q potrebno je pretpostaviti ve-li~inu ubrzanja promene daljine cilja, saglasno relaciji (22). Za ilustraciju uticaja promene ubrzanja promene daljine cilja na kvalitet estimacije daljine urađen je primer sa tri vrednosti pro-mene ubrzanja, odnosno standardnog odstupanja {uma procesa, i to: Aa=0,001, Aa=0,01 i Aa=0,1m/s2. Do-bijene vrednosti gre{ke estimacije da-ljine (s-dkal), u odnosu na daljinu (s) određenu „sky track“ teodolitima i promene ubrzanja (Aasr) prikazane su na slici 4.
Sa dijagrama se može videti da je u po~etnom delu putanje gre{ka određiva-nja daljine manja kod modela sa manjom promenom ubrzanja Aa, a da se sa pribli-žavanjem cilja dobija manja gre{ka kod modela sa vecom promenom ubrzanja. Srednja vrednost promene ubrzanja Aasr na poslednjem dijagramu određena je usrednjavanjem u prozoru od n=50 ta~a-ka, po formuli:
Aasr = - J [akal [) - akal (k - b)] (23)
n k=i
VOJNOTEHNIČKI GLASNIK 2/2006.
147
Dobijeni rezultati pokazuju da pro-mena ubrzanja zadržava zadatu vrednost u po~etnom delu putanje i da je sa pribli-žavanjem cilju uvećava proporcionalno dinamici kretanja cilja, kao sto se može videti sa zadnjeg dijagrama na slici 4.
Može se zaklju~iti da ta~nost estimaci-je daljine i za ovaj model veoma zavisi od veli~ine varijanse suma procesa, odnosno od pretpostavljene vrednosti promene ubr-zanja daljine. To zna~i da je potrebno izvrsi-ti adaptaciju modela estimacije na promen-ljivi sum procesa u toku praćenja cilja.
Podešavanje nivoa šuma procesa
Za praćenje cilja koristi se model u kojem je pretpostavljen određeni nizak nivo suma procesa. Nivo suma određen je pomoću njegove varijanse. Ako cilj po~ne da menja na~in kretanja dolazi do promene ubrazanja koje je modelisano sa sumom procesa. To zna~i da se pri pojavi manevra u modelu cilja mora me-njati intenzitet suma procesa da bi se model prilagodio novim vrednostima ubrzanja cilja.
Kod estimacije daljine cilja, ~ak i kada se cilj kreće konstantnom brzinom a približava video senzoru, dolazi do promene radijalne brzine u odnosu na uređaj za praćenje, sto se može smatrati poja-vom manevra. Prakti~no, to zna~i da se sa približavanjem cilja prag manevra ne-prestano menja. Zato se u svrhu adaptaci-je estimatora u toku praćenja cilja predla-že stalno određivanje ubrzanja promene daljine cilja radi prilagođavanja nivoa su-ma procesa.
Na osnovu dijagrama gresaka esti-macije daljine (s-dkal) na slikama 3 i 4 zaklju~uje se da je potrebno uvesti pro-menljivu vrednost za standardno odstu-panje suma procesa ov, saglasno prome-nama ubrzanja (asr), odnosno prirastaja ubrzanja (Aasr) u toku praćenja cilja, ka-ko bi greska određivanja daljine u po~et-nom delu putanje odgovarala modelu sa manjim ov, a u zavrsnom delu sa većim ov. To se resava adaptacijom modela estimacije na promenljivo ubrzanje.
Kod modela sa približno konstantnom brzinom (NCV), nakon inicijalizaci-je Kalmanovog flltera, uz pretpostavku nižeg nivoa varijanse suma procesa ov2=1, izra~unavaju se srednje vrednosti ubrzanja promene daljine cilja asr=AV/T, u kliznom prozoru, po formuli (16). Po-sle izra~unavanja prve vrednosti asr uvo-di se nova vrednost za varijansu suma po formuli:
a2=asr (24)
Dijagram greske određivanja daljine nakon izvrsene adaptacije estimatora po modelu NCV prikazan je na slici 5. Radi poređenja rezultata sa estimatorom bez adaptacije po istom modelu, prikazan je
148
VOJNOTEHNIČKI GLASNIK 2/2006.
dijagram greske određivanja daljine za adaptivni (ANCV) i neadaptivni (NCV) model. Kao sto se može videti, nakon uvođenja adaptacije rezultati estimacije su poboljsani u smislu smanjivanja greske određivanja daljine cilja.
Sl. 5 — Greške daljina za ANCVi NCV modele
Sl. 6 — Greske daljina za ANCA i NCA modele
Poređenjem rezultata estimacije adaptivnih modela sa približno konstant-nom brzinom i približno konstantnim ubrzanjem može se zakljuciti da u ovom slucaju kretanja cilja oba modela podjed-nako dobro estimiraju daljinu cilja.
Kod modela sa približno konstantnim ubrzanjem (NCA), nakon inicijaliza-cije Kalmanovog filtera uz pretpostavku nižeg nivoa varijanse suma procesa ov2=0,0001, izracunavaju se srednje vred-nosti promene ubrzanja Aasr, u kliznom prozoru, po formuli (23). Posle izracuna-vanja prve vrednosti asr uvodi se nova vrednost za varijansu suma po formuli:
a2=dasrT (25)
Rad estimatora po NCA modelu na-kon izvrsene estimacije (ANCA) prika-zan je na slici 6 u vidu dijagrama greske određivanja daljine i dijagrama gresaka daljine cilja za adaptivni i neadaptivni NCA model. Vidi se da je nakon adapta-cije određivanje daljine znatno popra-vljeno, narocito u pocetnom delu putanje, gde su greske i bile najveće.
Zaključak
U radu je izvrsena sinteza estimatora daljine cilja u vidu adaptivnog Kalmanovog filtera za dva modela promene daljine, sa približno konstantnom brzinom (ANCV) i približno konstantnim ubrzanjem (ANCA). Konacni rezultati pokazu-ju da se dobijena daljina cilja velicine 10 m na daljini od 5 km, sa video sistemom fokusne daljine 750 mm, određuje sa tac-nosću ±10 m. To znaci da su dobijene vrednosti daljine cilja potpuno upotreblji-ve za određivanje pozicije cilja u SUV PVO, cak se može reći da su u klasi tac-nosti radarskih (5 do 10 m) i laserskih (2 do 5 m) daljinomera. Tacnost određivanja daljine cilja obrnuto je srazmerna foku-snoj daljini video sistema. Znaci da će se sa povećavanjem fokusne daljine video sistema povećati tacnost određivanja daljine
VOJNOTEHNICKI GLASNIK 2/2006.
149
udaljenih ciljeva. U datom primeru, pove-ćavanjem fokusne daljine na 1500 mm, sto postoji kao mogućnost razmatrane ka-mere, procenjuje se da će ta~nost odre|i-vanja daljine cilja velicine 10 m na daljini od 8 do 10 km iznositi 10 m. To ukazuje na važan zakljucak da je obradom video snimaka cilja moguće dovoljno tacno od-ređivanje daljine aktuelnih letećih ciljeva na zahtevanim daljinama dejstva SUV PVO artiljerijskim oruđima. Primena ove metode moguća je uz upotrebu savreme-nih digitalnih video kamera i racunarskih sistema velikog kapaciteta i brzine obrade podataka. Oni mogu u realnom vremenu da obrade sve podatke sa video slike i iz-vrse estimaciju sfernih koordinata cilja, azimuta, elevacije i daljine, u periodu for-miranja video slike, koji se dalje koriste za predikciju pozicije cilja radi određiva-nja elemenata gađanja.
U radu je izložena osnovna primena nove metode za potrebe praćenja cilja u pasivnom režimu rada senzora, koji se te-sko otkriva i ometa. Izložena metoda ima i ogranicenja zbog zahteva za apriornim po-znavanjem velicine cilja, senzorima viso-
kog kvaliteta video snimaka sa velikim uvećanjem i racunarima velike brzine i ka-paciteta za obradu velikog broja podataka u realnom vremenu. Ova ogranicenja se la-ko mogu prevazići, pa se preporucuje pri-mena ove metode u SUV PVO samostalno ili kao obavezna dopuna uz postojeće naci-ne određivanja pozicije cilja pomoću aktiv-nih senzora, radara ili lasera.
Nova metoda za određivanje i esti-maciju daljine cilja, postavljena na osno-vu obrade video snimaka, može imati ve-oma siroku primenu, kako vojnu, tako i civilnu. Znacajno mesto može imati u si-stemima za navigaciju pokretnih objeka-ta ili u automatizaciji industrijske proiz-vodnje i slicno.
Literatura:
[1] Ugarak, D.; Milinović, M.: Error and noise analyses and their
influence on the air target tracking and coordinates estimation, Scientific Tehnical Review, Vol LIII, No.1,2003.
[2] Ugarak, D.: Određivanje daljine cilja pomoću video senzora
i analiza uticaja gresaka i suma merenja, OTEH Vojna aka-demija, Beograd, 2005.
[3] Blackman, S.: Design and Analysis of Modern Tracking Systems, Norwood, MA:Arteach House, 1999.
[4] Bar-Shalom, Y.: Estimation With Applications to Tracking and Navigation, John Wily & Sons, New York, 2001.
[5] Zarchan, P.; Musoff, H.: Fundamentals of Kalman Filtering: A Practical Approach, Cambridge, Massachusetts, 2000.
150
VOJNOTEHNICKI GLASNIK 2/2006.
