감시정찰 전장환경에서 신뢰도있는 표적분류를 위한 불확실한 정보의 융합 = Uncertain Information Fusion for Robust Target Classification in Surveillance Battlefield Environments

국문 초록 (Abstract)

본 논문은 전장환경에서 일정한 거리이내에 분산되어있는 무인정찰로봇의 IR센서를 통하여 수신된 다중센서 데이터의 융합 기법을 설명한다. 분산전장 로봇들이 획득한 다중센서 데이터로부터 종합적인 예측을 제시할 수 있는 일련의 융합규칙을 제안한다. 제안한 융합규칙을 통하여 표적유형에 대한 신뢰도있는 예측을 가능하게하며, 이러한 예측값은 수학적 확률속성으로 표시한다. 본 논문에서는 세 가지의 융합규칙을 구현하여 융합처리에 대한 각각의 성능을 비교하였으며, 불확실한 시뮬레이션 전장환경에서 구현한 융합규칙을 활용하여 실험하였다. 또한, 다수의 정찰로봇과 다양한 유형의 표적을 설정할 수 있는 무인전장 시뮬레이터를 개발하였으며, 검증된 융합규칙을 시뮬레이터에 적용하여 융합성능을 측정하였다. 실험을 통하여 단위로봇의 표적유형에 대한 예측의 신뢰도보다 제안한 융합규칙을 통하여 융합된 정보를 기반으로 예측한 표적유형에 대한 신뢰도가 향상되었음을 확인하였다.

목차 (Table of Contents)

• 요약
• Abstract
• 1. Introduction
• 2. Related Work
• 3. Combining multi-sensor data from distributed robots
• 4. Experiments and data analysis
• 4.1 Individual fusion process using the aggregation operators
• 4.2 Fusion results of the types of targets depending on the use of different sensors
• 5. CONCLUSION
• ACKNOWLEDGMENT
• References