무인항공기 대응 방어를 위한 열 적외선 센서 설계 고려 사항
핵심 요약
소형 저비용 드론의 사용은 군 및 공공 안전 환경 전반에 걸쳐 빠르게 확장되어 효과적인 무인항공시스템 대응(C-UAS) 솔루션에 대한 긴급한 필요성이 발생했습니다. 이 백서에서는 EO/IR 센서가 C-UAS 킬체인(Kill Chain)의 근간을 형성하는 방법을 간략히 설명하고, 저비용 이미징 시스템과 고성능 다중 센서 아키텍처 간의 상충관계를 비교합니다. 특히 드론은 몇 개의 픽셀로만 나타날 수 있고 신호 대 잡음비(SNR)에 의해 성능이 제한되는 장거리 감지의 과제를 주요 내용으로 다룹니다. 이 백서에서는 또한 시정 한계에서 기존 MTI와 AI 기반 객체 감지의 한계를 강조합니다. 마지막으로, SNR 개선, 저대비 표적 안정화, 효과적인 감지 및 추적 범위 확장에 있어 고급 이미지 신호 처리(ISP)의 본질적인 역할을 강조합니다.
서론 및 배경
드론 위협이 전술 및 공공 안전 시나리오 전반에 걸쳐 대두되고 있습니다. 작고 저렴하며 기동성이 뛰어난 드론의 확산은 군사 기획관뿐만 아니라 공공, 상업 및 산업 분야의 취약점 보호 측면에서 모두 큰 과제입니다. 공격용 드론과 C-UAS 솔루션 사이에 군비 경쟁이 벌어지고 있다고 해도 과언이 아닙니다.
전자광학(EO) 및 열 적외선(IR) 이미징은 드론의 감지 및 추적에서 핵심 기술이 되었습니다. 비용/편익 분석을 수행하려면 개발자는 감지 범위 한도, 레이더 시스템 능력, 이미지 신호 처리, 임베디드 프로세서 및 인공지능(AI) 모델을 포함한 C-UAS 시스템의 절충영역을 이해해야 합니다. 각 방공 시스템은 특정한 일련의 공중 위협에 대응하도록 개발되었지만, 킬체인은 모두 일반적으로 다음의 세 가지 복잡한 하위 시스템으로 구성됩니다. 센서 시스템, 지휘통제 시스템 및 무력화 시스템.
그림 1. 드론을 감지, 추적, 식별 및 무력화하는 C-UAS 프로세스
러시아-우크라이나 전쟁은 UAS 혁신의 실험장이 되어 드론의 기능과 전술을 가속화했습니다. 무선 전파 방해, GPS 신호 교란 및 물리적 타격 체계와 같은 무력화 시스템은 전선을 따라 배치되지만, 이러한 시스템은 비용이 많이 들고 공공 안전 응용 분야에서의 배치가 제한적입니다.
드론 감지를 위한 EO/IR 이미징 시스템
비용효율적인 전자광학(EO) 센서는 고해상도와 적절한 초점 거리 렌즈를 제공합니다. 수동 적외선(IR) 센서는 가시광선 대신 열 광자 방출에 민감하므로 IR은 연중무휴 24시간 작동에 이상적입니다. EO 카메라는 더 높은 각해상도를 가지며, 이는 표적의 픽셀 수와 직결되므로 조기 드론 감지를 위한 중요한 시스템 매개변수입니다. 그러나 소형 드론에서 EO 픽셀의 SNR은 하늘 배경에 대한 제한된 대비로 인해 낮은 경우가 많습니다. IR 카메라는 종종 하늘의 차가운 배경 덕분에 2x2 픽셀 정도의 작은 클러스터로 나타나는 드론 움직임을 감지할 수 있습니다. 또한 모양, 동작 패턴 및 열 시그니처를 포함한 분류 단서는 IR이 드론을 조류, 항공기 및 클러터와 구별하여 거짓 양성을 최소화하는 데 도움이 되며, 거짓 양성은 종종 이미징 시스템의 효과를 감소시키는 요인이 됩니다.
C-UAS 솔루션 설계 고려 사항
C-UAS 감지 시스템은 저비용과 고성능이라는 두 가지 별도의 비용 및 성능 범주로 나뉩니다. 드론 감지 거리가 1000미터 미만인 저비용 이미징 전용 감지 시스템은 고정 초점 거리 렌즈와 EO 및 장파 IR(LWIR) 비냉각식 센서를 통합하며, 비용은 5만~15만 달러입니다. 이러한 시스템은 일반적으로 고정 시야각(FOV) 또는 90~180도 수평 스캐닝으로 제한되며, 경계 모니터링에 유용합니다. 1000미터 이상 범위의 고급 고성능 다중 센서 감지 시스템은 연속 줌(CZ) 광학장치와 레이더를 EO 및 냉각식 중파장 IR(MWIR) 카메라와 통합합니다. 이러한 시스템은 비용이 15만~100만 달러이며, 상황 인식을 극대화하기 위해 전체 360도 FOV를 제공하도록 구성할 수 있습니다.
저비용 C-UAS 솔루션에는 일반적으로 다음이 포함됩니다.
- 긴 초점 거리 또는 줌 광학장치를 갖춘 EO 및 비냉각식 LWIR 적외선 카메라
- 고정 또는 팬 및 틸트 장착
- 물체 감지 및 추적을 위한 임베디드 컴퓨터
- 무력화 시스템(일반적으로 RF 재밍)
고성능 C-UAS 솔루션에는 일반적으로 다음이 포함됩니다.
- 장거리 CZ 광학장치를 갖춘 EO 및 냉각식 MWIR 카메라
- 확장형 마스트가 있는 고정식 또는 이동식 플랫폼의 팬 및 틸트 또는 안정화 짐벌
- 카메라 ‘슬루 투 큐(slew to cue)’에 사용되는 광역 고해상도 레이더 유닛
- 음향 센서
- 서버 또는 PC 기반
- 무력화 시스템 – 물리적 타격(kinetic)을 포함한 모든 유형
그림 2. 저비용 C-UAS
EO 카메라를 선택할 때는 컬러 대 흑백, 최대 200MP에 달하는 해상도, 롤링 셔터 대 글로벌 셔터 등 고려해야 할 사양이 많습니다. 픽셀 속도, 엣지 임베디드 신호 처리, 비트 전송률, 감도 및 렌즈 선택에 대한 시스템 수준의 상충 관계를 고려해야 합니다. EO 시스템은 IR 카메라보다 표적에서 2~8배 더 많은 해상도와 픽셀을 제공하지만, 감지 범위 성능은 SNR의 함수입니다.
그림 3. 고정 73mm LWIR(왼쪽), 14-75mm CZ LWIR(중앙), 15-300mm CZ MWIR(오른쪽)
비냉각식 LWIR 열화상 카메라를 선택하는 경우, 대부분의 시스템은 열 감도가 (≤)20밀리켈빈(mK) 이하인 640x512 해상도 센서와 F 수치가 ƒ0.9와 ƒ1.4 사이로 지정된 고속 광학장치를 지정합니다. 이는 초점 길이와 거의 동일한 렌즈 조리개(직경)로 변환되지만, 더 긴 초점 길이 및 줌 범위에 대한 실질적인 크기 제한이 있습니다. 또한 초점 거리가 약 250mm를 넘어서는 지점부터는 비냉각식 LWIR에 비해 냉각식 MWIR로의 비용 효율이 더 높아지는 교차점이 발생합니다.
오늘날의 MWIR 시스템에는 저전력에서 작동하는 최대 27,000시간의 평균 고장 시간(MTTF)을 갖는 밀폐형 냉각기가 탑재됩니다. 이 센서 기술은 비냉각식 LWIR보다 훨씬 더 민감하기 때문에 ƒ5.5처럼 느린 광학장치를 사용할 수 있으므로 렌즈 어셈블리를 관리 가능한 크기와 비용으로 유지하면서 1000mm 이상의 초점 길이를 사용할 수 있습니다. 오늘날의 냉각식 MWIR 센서는 최대 1280x1024의 해상도와 30mK의 감도를 갖는 8미크론 픽셀을 갖추고 있습니다.
낮은 SNR에서 EO/IR 이동 표적 표시
EO/IR C-UAS 시스템은 프레임 차분 또는 시간 차분 및 배경 차감을 포함한 기법을 사용하여 이동 표적 표시(MTI) 알고리즘을 첫 번째 단계로 사용합니다. 감지 한계에 근접하면 노이즈가 움직임과 구별되지 않으며, 픽셀 수준의 노이즈 변동은 특히 높은 게인 또는 저조도 환경에서 프레임 간에 움직이는 작은 물체처럼 보일 수 있습니다. 움직이는 나뭇잎, 구름, 물, 아지랑이, 그림자 등을 포함한 배경 움직임은 “거짓 움직임”을 생성합니다. 감지 임계값을 높이면 거짓 양성을 관리 가능한 상태로 유지할 수 있지만, 가시성 경계에서 실제 감지를 불균형적으로 억제할 수 있습니다.
그림 4. SNR 그래픽 예시
MTI 감지에서는 상당한 거짓 양성이 발생할 수 있습니다. MTI 감지를 축적하고 계층 구조에서 감지를 정량화하는 것이 좋습니다. 그런 다음 사용자는 시스템이 조기 감지 및 허용 가능한 거짓 양성에 비해 얼마나 민감해야 하는지 결정할 수 있습니다. 카메라는 확인이 필요한 노이즈가 많은 “블롭(blob)” 또는 마이크로 트랙을 많이 생성합니다. 작동 시, 감지 한계에서의 MTI는 종종 AI 객체 감지기 및 표적 추적기의 후보 생성기(candidate generator) 역할을 수행합니다.
EO/IR 객체 감지기를 사용한 표적 감지 및 추적
딥러닝, AI 기반 객체 감지기는 EO/IR 비디오 시스템에서 드론 감지에 널리 사용되며 감지, 인식 및 식별의 인간 인지 등급과 동일한 체계를 따를 수 있습니다. 이는 다음과 같이 다중 스케일 특징 추출을 통합합니다.
- 감지(>10x10픽셀): 제한된 학습 데이터를 기반으로 소형에서 대형 표적까지에 대한 일반 분류기(드론 대 조류 대 비행기) 및 위치 추정(경계 상자)
- 인식(약 20x10픽셀): 쿼드콥터, 고정익 드론, 공중 ISR 항공기와 같은 표적 등급에 대한 세분화된 분류기
- 식별(약 30x20픽셀): 샤헤드(Shahed), 쿼드콥터의 제조사 및 모델, 고정익 체공 표적과 같은 응용 분야별 등급에 대한 광범위한 고해상도 학습 데이터를 기반으로 하는 세분화된 분류기
그림 5. 드론 감지 비디오 파이프라인
EO/IR의 감지 한계
장거리에 있는 드론의 경우, EO/IR 성능은 종종 SNR 및 해상도에 의해 제한되어 시스템이 감지 한계 근처에서 작동해야 합니다. 소형 쿼드콥터 또는 고정익 드론의 경우, 장거리에서의 각크기는 몇 픽셀 또는 심지어 서브픽셀에 불과할 수 있습니다. 그 지점에서 드론의 겉보기 크기는 광학장치의 점확산함수(PSF)와 비슷하거나 그보다 작습니다. 산란, 연무 및 난류를 포함한 대기 효과는 대비를 더욱 저하시키고 무작위 블러(blur)를 유발할 수 있습니다. 감지 한계 조건은 종종 다음에 해당합니다.
- SNR: 픽셀 또는 소형 패치 수준에서 낮은 SNR(1–3)
- 영역: 매우 작은 겉보기 영역(<20픽셀)
- 배경: 드론이 나무, 건물, 구름 등의 복잡한 배경을 가로지를 때의 간헐적 가시성.
대부분의 객체 감지기는 객체가 약 10×10픽셀 미만일 때 성능이 크게 저하됩니다. 3×3 또는 최대 5×5픽셀에서는 네트워크가 파악할 수 있는 세부 정보가 매우 적고, 형태 단서가 제한적이며 텍스처는 전혀 없고, 거친 움직임/대비만 남습니다. 네트워크 학습에 매우 작고 노이즈가 많은 표적이 포함되지 않으면, 감지기가 표적을 놓치거나 불안정한 출력을 생성합니다. 깨끗한 주간 이미지, 특정 배경 및 강한 대비 표적을 사용하여 학습된 감지기는 특히 저조도 또는 야간 조건, 연무 또는 습도, 그리고 사막 대 도시 대 해양과 같은 배경 변화에서 어려움을 겪거나 실패할 수 있습니다.
감지 한계에서는 학습 분포와 운용 분포 간의 불일치가 확대됩니다. 학습 데이터 라벨링 및 어노테이션 방법은 초소형 표적에 매우 중요합니다. 수동 어노테이션은 오류가 발생하기 쉽습니다. 경계 상자는 실제 표적과 일치하지 않을 수 있으며, 극한 거리에서는 표적을 완전히 놓칠 수도 있습니다. 이는 감지기를 혼란스럽게 하고 낮은 SNR에서 미세한 차이를 학습하는 능력을 제한할 수 있는 라벨 노이즈를 유발합니다.
또한 학습 데이터에는 작고 심하게 흐리게 보이는 드론의 예시가 거의 포함되지 않습니다. 대부분의 CNN 네트워크는 선명하거나 적당히 흐릿한 표적에 편향되어 있습니다. 블러(blur) 및 카메라 움직임은 특히 장거리 또는 움직이는 플랫폼에서 진행되는 EO/IR 드론 감지의 주요 제약 조건입니다. 감지 기반 추적 파이프라인은 위치와 크기가 일관된 감지에 의존합니다. 블러는 지터(jitter) 및 크기 변동성을 유발하여 데이터 간의 연관성을 깨뜨립니다. KLT 특징점 또는 템플릿 매칭과 같은 기존 방식의 추적기는 블러의 방향과 강도로 인해 템플릿의 내부 외형이 급격히 변할 경우 추적에 어려움을 겪습니다.
그림 6. 범위 내 고정익 및 쿼드콥터를 포함한 EO/IR 합성 시뮬레이션
성능 향상을 위해 개발팀은 스케일링, 노이즈 주입, 블러 및 조명 변화 등을 포함한 데이터 증강을 사용할 수 있습니다. 합성 데이터로 학습하면 드론 모델을 현실적인 배경과 조류, 비행기 및 클러터의 오답 사례(negative examples)에 렌더링할 수 있습니다. 다중 프레임 또는 트랙 인식 감지기는 단일 프레임 대신 시퀀스를 사용하여 활용할 수 있습니다.
EO/IR 이미지 신호 처리(ISP)
EO/IR 카메라 시스템용 ISP는 원시 센서 데이터를 감지, 인식, 식별, 측정 및 자동화된 의사 결정을 지원하는 사용 가능한 고품질 영상으로 변환하는 알고리즘 및 하드웨어 기능의 집합을 의미합니다. EO/IR 시스템, 특히 열화상 IR 카메라에서 초점면 어레이(FPA)의 원시 출력은 노이즈가 많고 비선형이며 보정되지 않은 상태입니다. ISP는 이 원시 데이터를 실시간으로 안정적이고, 보정되고, 시각적으로 최적화된 영상으로 변환합니다. SNR과 네트워크 성능 및 신뢰성은 표적 감지, 인식 및 식별(DRI) 개선을 위한 ISP의 품질에 따라 달라집니다. Teledyne FLIR OEM은 SNR을 개선하고 감지 한계(약2x1.5픽셀)에서 드론 추적을 시작하는 범위를 최대 20%까지 증가시키는 IR ISP 알고리즘을 개발했습니다. 자세한 내용은 www.oem.flir.com/prism-family를 참조하십시오.
그림 7. Teledyne FLIR OEM ISP 초해상도 예시
