도시 환경에서 가려진 목표 추적: 3D GIS와 베르누이 입자 필터 통합

본 논문은 도심 환경에서 목표가 건물에 의해 가려지는 상황을 정량적으로 모델링하고, 이를 베르누이 랜덤 유한 집합(RFS) 기반 입자 필터에 통합함으로써 추적 성능을 향상시키는 방법을 제시한다. 기존 연구는 주로 도로망과 같은 제한된 경로에만 초점을 맞추어, 하향 카메라를 장착한 단일 항공 플랫폼이 LOS 영역 외의 목표를 완전히 관측할 수 없다고 가정했다. 그러나 실제 상황에서는 목표가 도로망에 얽매이지 않고 자유롭게 이동할 수 있으며, 건물의 방위각 그림자(azimuthal shadow) 영역을 정확히 파악해야 한다. 논문은 먼저 3차원 건물 폴리곤 데이터를 활용해 시야 차단 영역을 사전 계산한다. 건물 벡터는 Convex Hull을 적용해 2차원 다각형으로 변환하고, 센서 위치에서 각 꼭짓점으로 광선을 연장해 그림자 볼륨을 생성한다. 이렇게 얻어진 NLOS 다각형은 입자 필터의 예측 및 업데이트 단계에서 사용된다. 베르누이 필터는 존재 확률 q와 단일 목표 상태 분포 s(x)를 추정한다. 예측 단계에서는 기존 전이 밀도 π(x_k|x_{k‑1})에 건물 내부에 위치한 입자에 대해 거의 0에 가까운 가중치를 부여하는 제약식(12)을 적용한다. 이는 목표가 물리적으로 건물 안으로 이동할 수 없다는 사전 지식을 반영한다. 또한, 목표 탄생 분포 b_k(x) 역시 LOS 영역에만 입자를 배치하도록 수정한다(식 14). 이렇게 함으로써 NLOS 영역에서의 인위적 존재 확률 상승을 방지하고, 초기 추정이 편향되는 것을 막는다. 업데이트 단계에서는 상태 의존적 탐지 확률 p_D(x)를 도입한다. 입자가 NLOS 다각형 안에 있으면 p_D를 0으로 설정하고, 그렇지 않으면 기존 센서 모델값을 사용한다(식 13). 이로써 목표가 가려진 구간을 통과할 때도 트랙이 급격히 사라지지 않고, 존재 확률이 유지되면서 추적이 지속된다. 입자 가중치는 식 (8)‑(11)을 통해 업데이트되며, 필요 시 정규화와 재샘플링을 수행해 샘플 고갈을 방지한다. 시뮬레이션은 뉴욕시의 공개 건물 쉐이프파일을 이용해 수행되었다. 실험에서는 단일 목표 베르누이 필터를 기준선 모델과 비교했으며, OSPA (Optimal SubPattern Assignment) 오류와 존재 확률 추적 곡선을 통해 성능 차이를 평가했다. 결과는 GIS 기반 시야 모델을 적용한 경우, 목표가 NLOS 구역에 들어가도 존재 확률이 급격히 감소하지 않고, 재진입 시 빠르게 정확한 위치로 복귀함을 보여준다. 특히, 장기간 가려진 상황에서도 트랙 손실이 거의 없으며, 전체 평균 위치 오차가 현저히 감소했다. 논문의 주요 기여는 다음과 같다. 첫째, 3D GIS 데이터를 활용해 실시간 추적에 필요한 LOS/NLOS 정보를 정밀하게 계산하는 방법을 제시하였다. 둘째, 베르누이 RFS 프레임워크에 이러한 정보를 자연스럽게 통합함으로써, 존재 확률과 위치 추정 모두에서 기존 방법보다 우수한 성능을 달성하였다. 셋째, 입자 필터 구현 단계에서 건물 내부와 그림자 영역을 제약으로 적용하는 구체적인 수식과 알고리즘을 제공하여, 다중 목표 라벨링 RFS(δ‑GLMB, LMB 등)에도 손쉽게 확장 가능함을 강조한다. 최종적으로, 이 연구는 도심 감시, 무인 항공기 탐색, 자율 주행 차량의 주변 인식 등 다양한 실용 분야에서 복잡한 도시 구조를 고려한 보다 신뢰성 높은 목표 추적 시스템 구축에 기여할 수 있다.