사용자의 수요가 증가함으로 인하여 최근의 마커 기반 증강현실 기술은 제스처 기반 인간-컴퓨터 상호작용 분야에서 주목을 받고 있다. 그러나 개체가 프레임에서 빠른 움직임을 보일 때 발생하는 모션 블러 효과에 의하여 마커의 추적 및 감지의 한계점이 발생한다. 기존의 디블러링 기술들에서 전체 프레임 중 특정 프레임을 추출하는 작업이 없다면 실시간 비디오에서 사용하기에 문제가 있다. 본 논문에서는 인간-컴퓨터 상호작용을 위하여 ArUco 마커를 사용한 특징점 기반 광학흐름 추적 방법을 제안하며, 마커를 이용한 자세 추정 방법을 설명한다. 이 방법은 ArUco 마커를 감지하고 특수한 마커 추적 방법을 통해 마커 감지를 보완한다. 특히 마커 추적 방법은 FAST 알고리즘을 사용하여 특징점을 추출하고 루카스-카나데 방법을 사용하여 특징점의 움직임을 분석하여 움직임 벡터를 계산한다. 또한 Perspective-n-Point 문제를 해결하여 마커 포즈 추정을 구현했다. 제안된 시스템은 기존의 방법보다 높은 검출률을 보였으며, 마커를 포함한 비디오 에서 프레임 처리 속도가 약 37% 향상되었다. 또한 마커 포즈 추정을 그래픽으로 구현하였다. 이 연구는 실제 환경에서 카메라를 통한 제스처 기반 인간-컴퓨터 상호작용 분야와 또한 이동 로봇 분야에도 도움이 될 것이라 기대된다.

This paper studies the problem of tracking a re-entry vehicle (RV) in order to predict its impact point on the ground. Re-entry target dynamics combined with super-high speed has a complex non-linearity due to ballistic coefficient variations. However, it is difficult to construct a database for the ballistic coefficient of a unknown vehicle for a wide range of variations, thus the reliability of target tracking performance cannot be guaranteed if accurate ballistic coefficient estimation is not achieved. Various techniques for ballistic coefficient estimation have been previously proposed, but limitations exist for the estimation of non-linear parts accurately without obtaining prior information. In this paper we propose the ballistic coefficient β model-based interacting multiple model-extended Kalman filter (β-IMM-EKF) for precise tracking of an RV. To evaluate the performance, other ballistic coefficient model based filters, which are gamma augmented filter, gamma bootstrapped filter were compared and assessed with the proposed β-IMM-EKF for precise tracking of an RV.