Оптические и спектральные методы в задачах обнаружения и распознавания подвижных летательных объектов


https://doi.org/10.36027/rdeng.0220.0000167

Полный текст:


Аннотация

Рассматривается проблема обнаружения и идентификации беспилотных летательных аппаратов (БПЛА) на фоне объектов живой и неживой природы, а также идентификации его нагрузки оптическим и спектральными оптическими методами. Анализ современного уровня развития техники  показал, что при использовании радиолокационных методов для обнаружения малых БПЛА для расстояний 250-700 м существует мертвая зона и в этом случае необходимо применение оптических методов обнаружения БПЛА.

Рассмотрены возможности и необходимые доработки оптической схемы для обнаружения БПЛА на больших расстояниях порядка 1-2 км по собственному инфракрасному (ИК) излучению объекта с помощью ИК камер и тепловизоров, а также с помощью лазерного дальномера – ЛИДАРА. Приведены примеры успешного динамического обнаружения и распознавания объектов по видео изображениям методами теории графов и нейронных сетей с использованием сетевых моделей FasterR-CNN, YOLO и SSD, в том числе по одному полученному кадру.

Проведен анализ возможности использования существующих спектральных оптических методов анализа химического состава материалов, которые могут быть использованы для дистанционной идентификации материалов покрытия БПЛА, а также для обнаружения следовых количеств вещества на его поверхности. Показаны достоинства и недостатки люминесцентной спектроскопии с УФ подсветкой, спектроскопии комбинационного рассеяния света, спектроскопии дифференциального поглощения на основе перестраиваемого УФ лазера, методов формирования спектральных изображений (гипер- / мультиспектральные изображения), лазерной спектроскопию диффузного рассеяния с применением инфракрасных перестраиваемых квантово-каскадных лазеров (ККЛ). 

Оценку потенциально возможных предельных расстояний обнаружения и идентификации БПЛА, а также идентификации химического состава объекта оптическими и спектральными оптическими методами предполагается провести на создаваемом экспериментальном стенде – гибридном лидарном комплексе идентификации БПЛА. Приводится описание состава экспериментального стенда и его технических характеристик. Целью таких исследований должна стать разработка научных основ дистанционного обнаружения, идентификации, сопровождения и определения параметров БПЛА и принадлежности БПЛА к различным группам методами оптической локации и оптической спектроскопии, а также автоматического оптического распознавания в различных средах на фоне подвижных объектов живой природы. Решение проблемы предлагается вести совмещением методов оптической локации и спектрального анализа, методов теории статистики, графов, машинного обучения, нейронных сетей и методов автоматического управления, что является междисциплинарной фундаментальной научной задачей.


Об авторах

А. Н. Морозов
МГТУ им. Н.Э. Баумана, Москва
Россия

Морозов Андрей Николаевич

зав. кафедрой физики МГТУ им. Н.Э. Баумана



А. Л. Назолин
МГТУ им. Н.Э. Баумана, Москва
Россия

Назолин Андрей Леонидович

с.н.с. НИЧ НУК ФН МГТУ им. Н.Э. Баумана,  SPIN 3418-7060



И. Л. Фуфурин
МГТУ им. Н.Э. Баумана, Москва
Россия

Фуфурин Игорь Леонидович

кафедра физики, доцент



Список литературы

1. E.Д. Филин, Р. В. Киричек. Методы обнаружения малоразмерных беспилотных летательных аппаратов на основе анализа электромагнитного спектра // Информационные технологии и телекоммуникации. 2018. Т. 6. № 2. С.87-89.

2. Stary V., Krivanek V., Stefek A. Optical Detection Methods for Laser Guided Unmanned Devices // Journal of Communications and Networks. 2018. Vol. 20, No. 5. Р. 464-472. DOI: 10.1109/JCN.2018.000071.

3. Farlik J., Kratky M., Casar J. and Stary V. Radar cross section and detection of small unmanned aerial vehicles // 2016 17th International Conference on Mechatronics - Mechatronika (ME): Prague.: 2016. pp. 433-439. Режим доступа: https://ieeexplore.ieee.org/document/7827857 (дата обращения 28.04.2020).

4. Kim B.H., Kim M.Y. Anti-saturation and contrast enhancement technique using interlaced histogram equalization (IHE) for improving target detection performance of EO/IR images // 2017 17th International Conference on Control, Automation and Systems (ICCAS). IEEE. Режим доступа: https://doi.org/10.23919/iccas.2017.8204254 (дата обращения 28.04.2020).

5. Kim B., Khan D., Bohak C., Choi W., Lee H., Kim M. V-RBNN Based Small Drone Detection in Augmented Datasets for 3D LADAR System // Sensors. 2018. №18,3825. DOI: 10.3390/s1811382.

6. Müller T. Robust drone detection for day/night counter-UAV with static VIS and SWIR cameras. Ground/Air Multisensor Interoperability, Integration, and Networking for Persistent ISR VIII. SPIE. Режим доступа: https://doi.org/10.1117/12.2262575 (дата обращения 28.04.2020).

7. Hornung A., Wurm K. M., Bennewitz M., Stachniss C., Burgard W. OctoMap: an efficient probabilistic 3D mapping framework based on octrees // Autonomous Robots. 2013. № 34. pp. 189–206. Режим доступа: https://link.springer.com/article/10.1007%2Fs10514-012-9321-0 (дата обращения 28.04.2020).

8. Wang C., Wang T., Wang E., Sun E., Luo Z. Flying Small Target Detection for Anti-UAV Based on a Gaussian Mixture Model in a Compressive Sensing Domain // Sensors. 2019. №19,2168. DOI:10.3390/s19092168.

9. Klasing K., Wollherr D., Buss M. A clustering method for efficient segmentation of 3D laser data // 2008 IEEE International Conference on Robotics and Automation, ICRA 2008. May 19-13, Pasadena, California, USA. DOI: 10.1109/ROBOT.2008.4543832.

10. Ren S., He K., Girshick R, Sun J. Towards Real-Time Object Detection with Region Proposal Networks // CVPR, 2016. Режим доступа: https://arxiv.org/pdf/1506.01497.pdf, (дата обращения 28.04.2020).

11. Redmon J., Farhadi A. YOLO9000: Better, Faster, Stronger // CVPR, 2016. Режим доступа: https://arxiv.org/pdf/1612.08242.pdf, (дата обращения 28.04.2020).

12. Liu W., Angurlov D., Erhan D. & other. SSD: Single Shot MultiBox Detector // ECCV 2016, pp 21-37. DOI: 10.1007/978-3-319-46448-0_2.

13. Li X. Zhou Y., Pan Z., Feng J. Partial Order Pruning: for Best Speed/Accuracy Trade-off in Neural Architecture Search // CVPR, 2019. Режим доступа: https://arxiv.org/pdf/1903.03777.pdf, (дата обращения 28.04.2020).

14. Gkioxari G., Hariharan B., Girshick R., Malik J. R-CNNs for Pose Estimation and Action Detection // CVPR, 2014. Режим доступа: https://arxiv.org/pdf/1903.03777.pdf, (дата обращения 28.04.2020).

15. Lefcourt A., Siemens M., Rivadeneira P. Optical Parameters for Using Visible-Wavelength Reflectance or Fluorescence Imaging to Detect Bird Excrements in Produce Fields // Applied Sciences. 2019, №9(4), 715. Режим доступа: https://doi.org/10.3390/app9040715 (дата обращения 28.04.2020).

16. Л. А. Скворцов. Лазерные методы дистанционного обнаружения химических соединений на поверхности тел. М.: Техносфера, 2014. 207с.

17. Misra A.K., Acosta-Maeda T.E., Porter J.N., Berlanga G., Muchow D., Sharma S.K., Chee B. A Two Components Approach for Long Range Remote Raman and Laser-Induced Breakdown (LIBS) Spectroscopy Using Low Laser Pulse Energy // Applied Spectroscopy, 2018, №73(3), рр. 320–328. Режим доступа: https://www.osapublishing.org/as/abstract.cfm?uri=as-73-3-320, (дата обращения 28.04.2020).

18. Hugger S., Fuchs F., Jarvis J., Yang Q.K., Rattunde M., Ostendorf R., Rieblinger K. Quantum cascade laser based active hyperspectral imaging for standoff detection of chemicals on surfaces // Proceedings Volume 9755, Quantum Sensing and Nano Electronics and Photonics XIII, 97550A (2016). Режим доступа: https://doi.org/10.1117/12.2210913 (дата обращения 28.04.2020).

19. Rayner T., Weida M., Pushkarsky M., Day T. Remote explosive and chemical agent detection using broadly tunable mid-infrared external cavity quantum cascade lasers // Proceedings Volume 6540, Optics and Photonics in Global Homeland Security III; 65401Q (2007) DOI:10.1117/12.727700.

20. Fufurin I.L., Tabalina A.S., Morozov A.N., Golyak I.S., Svetlichnyi S.I., Anfimov D. R. & Kochikov I.V. . Identification of substances from diffuse reflectance spectra of a broadband quantum cascade laser using Kramers–Kronig relations // Optical Engineering, 2020, №59(6), 061621. DOI:10.1117/1.OE.59.6.061621.

21. Голяк И.C., Морозов А.Н., Светличный С.И., Табалина А.С., Фуфурин И.Л. Идентификация химических соединений по спектрам рассеянного излучения в диапазоне длин волн 5.3-12.8 мкм с применением перестраиваемого квантово-каскадного лазера // Химическая физика. 2019. том 38, № 7, с. 3-10.

22. Fufurin I.L, Tabalina A.S., Morozov A.N., Golyak I. & Svetlichnyi S.I. Causality relations in analysis of diffuse reflectance spectra obtained by infrared quantum cascade laser // International Conference on Optical Instruments and Technology: IRMMW-THz Technologies and Applications, 114410G (12 March 2020). DOI: 10.1117/12.2549554.


Дополнительные файлы

Для цитирования: Морозов А.Н., Назолин А.Л., Фуфурин И.Л. Оптические и спектральные методы в задачах обнаружения и распознавания подвижных летательных объектов. Радиостроение. 2020;(2):39-50. https://doi.org/10.36027/rdeng.0220.0000167

For citation: Morozov A.N., Nazolin A.L., Fufurin I.L. Optical and Spectral Methods for Detection and Recognition of Unmanned Aerial Vehicles. Radio Engineering. 2020;(2):39-50. (In Russ.) https://doi.org/10.36027/rdeng.0220.0000167

Просмотров: 13

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2587-926X (Online)