Измерение расстояния до беспилотного летательного аппарата с помощью твердотельного лазерного дальномера и определение его размеров с помощью видеокамеры видимого и ближнего ИК-диапазона

Язык труда и переводы:
УДК:
53.06
Дата публикации:
14 ноября 2022, 17:48
Категория:
Фундаментальные проблемы создания новой техники
Авторы
Задорожный Евгений Николаевич
АО «Центр прикладной физики МГТУ им. Н.Э. Баумана»
Винтайкин Иван Борисович
АО «Центр прикладной физики МГТУ им. Н.Э. Баумана»
Аннотация:
Рассмотрены вопросы использования твердотельного дальномера и видеокамеры для определения расстояния до объекта и его геометрических размеров. Сконструирован экспериментальный стенд. Проведен эксперимент по определению размеров беспилотного летательного аппарата. В результате эксперимента получены данные, согласно которым определенные на экспериментальном стенде размеры отличаются от истинных размеров объекта на 20 %.
Ключевые слова:
определение размеров, лазерный дальномер, видеокамера, беспилотный летательный аппарат
Основной текст труда

Целью работы является измерение расстояния до подвижных летательных объектов с помощью твердотельного лазерного дальномера.

Для измерения расстояния до подвижных объектов в разработанном экспериментальном стенде (рис. 1) использован твердотельный лазерный дальномер НТЕВ.461321 с длиной волны 1,5 мкм.

Рис. 1. Основные элементы экспериментального стенда: 1 — тепловизор NEC 2640; 2 — источник питания и управления лазерного дальномера; 3 — объектив лазерного излучателя; 4 — лазерный дальномерный модуль; 5 — видеокамера видимого и ближнего ИК-диапазона DFK 39GX265-Z20

Получаемые с него осциллограммы отраженного от беспилотного летательного аппарата(БПЛА) оптического сигнала используются для определения характерного расстояния до объекта. Частота получения осциллограмм составляет 10 Гц. Характерный вид осциллограмм от БПЛА типа квадрокоптер марки DJI Phantom 2 с характерными размерами 300×300×140мм и массой 1 кг (рис. 2, а) [1].

Для каждой осциллограммы определен уровень отраженного от БПЛА сигнала, который нанесен на диаграмму рассеяния (рис. 2, б). Видно, что на всех расстояниях до БПЛА от 461 до 1017 м уровень отраженного сигнала достигает верхней границы динамического диапазона измерения амплитуд отраженного сигнала, что указывает на возможность применения ИК лазерного дальномера НТЕВ.461321 для обнаружения как меньших, так и больших по размерам БПЛА на расстояниях значительно больших 1 км [2]. В условиях городской застройки, в черте города открытые трассы более 2...3 км встречаются крайне редко, поэтому лазерный дальномер НТЕВ.461321 гарантированно обеспечивает определение расстояния до малых БПЛА в городских условиях, находящихся на расстоянии более 200 м [3].

Рис. 2. Результаты работы ИК-лазерного дальномера НТЕВ.461321: а — осциллограммы зарегистрированного отраженного от БПЛА сигнала; б — максимальное значение осциллограмм для разных расстояний до БПЛА

У лазерного дальномера НТЕВ.461321 частота оцифровки осциллограмм 500 МГц, длина излучающего импульса 20 нс. При таких параметрах пространственное разрешение по глубине ИК лазерного дальномера составляет значение порядка 10 м, что не дает локализовать размеры БПЛА по глубине. В разработанном экспериментальном стенде видеопоток регистрируется с помощью промышленной камеры DFK 39GX265-Z20 с фокусным расстоянием от 6,8 до 136 мм и числом элементов 2048×1536 [4].

Результаты определения характерного размера объекта на основе анализа видеокадров и оценки расстояния до БПЛА (рис. 3).

Рис. 3. Оценка размера БПЛА марки DJI Phantom 2 с характерными размерами 300×300×140 мм на различных расстояниях

Таким образом, по результатам эксперимента наблюдаемый размер БПЛА в зависимости от ориентации составляет от 0,29 до 0,41 м. Максимальное значение полуширины доверительного интервала для доверительной вероятности 95 % составляет 0,07 м, что не превышает 20 % истинного размера объекта.

Литература
  1. Адоньев Е.А., Зинкевич А.В. Анализ методов идентификации беспилотных летательных аппаратов в реальном времени и способы их реализации. Информационные технологии XXI века, 2020, с. 197–202.
  2. Kovács L., Benedek C. Visual real-time detection, recognition and tracking of ground and airborne targets. Computational Imaging IX. International Society for Optics and Photonics, 2011, vol. 7873, art. 787311. DOI: https://doi.org/10.1117/12.872314
  3. LeCun Y. et al. Backpropagation applied to handwritten zip code recognition. Neural computation, 1989, vol. 1, no. 4, pp. 541–551. DOI: https://doi.org/10.1162/neco.1989.1.4.541
  4. LeCun Y. et al. LeNet-5, convolutional neural networks. Available at: URL: http://yann. lecun.com/exdb/lenet (accessed September 20, 2022).
Ваш браузер устарел и не обеспечивает полноценную и безопасную работу с сайтом.
Установите актуальную версию вашего браузера или одну из современных альтернатив.