Towards Robust Lidar-based 3D Detection and Tracking of UAVs (Vers une détection et un suivi 3D robustes des drones à l'aide d'un Lidar) est un ouvrage de référence. document de recherche par Tasnim Azad Abir, Endrowednes Kuantama, Richard Han, Judith Dawes, Rich Mildren et Phuc Nguyen.

Cet article étudie la robustesse de la détection et du suivi 3D des véhicules aériens sans pilote (UAV) par lidar. Les auteurs étudient les portées de détection effectives de différents drones en fonction de leurs matériaux de construction et évaluent les performances de détection 3D d'un drone spécifique dans différentes conditions de visibilité atmosphérique. En outre, l'article étudie la capacité des systèmes basés sur le lidar à suivre les trajectoires des drones par le biais d'expériences réelles et du traitement de données de nuages de points.

En utilisant un système lidar commercial (Livox Mid-40), les auteurs valident la capacité de suivre avec précision des drones à des distances allant jusqu'à 80 mètres dans diverses conditions environnementales, y compris des scénarios du matin, de l'après-midi et de la nuit.

Date de publication– 2023

Towards Robust Lidar-based 3D Detection and Tracking of UAVs contient les sections principales suivantes :

  • Introduction
  • Principes de base Détection par Lidar et travaux connexes
  • Analyse de l'estimation de la portée
  • Robustesse du Lidar en matière de visibilité
  • 3D Suivi des drones
  • Conclusion et travaux futurs

Ce document est disponible via Creative Commons by 4.0 Deed. Aucune modification n'a été apportée à ce travail. Pour plus d'informations, veuillez consulter CC by 4.0 Deed.

Il n'y a pas de limites de distribution notées pour ce document. C-UAS Hub n'est pas propriétaire de ce contenu et fournit un lien pour les utilisateurs à l'adresse suivante fond de la page pour y accéder à son emplacement d'origine. Cela permet à l'auteur ou aux auteurs de suivre les métriques importantes de l'article liées à leur travail. Tout le mérite en revient à son propriétaire légitime.

Crédit photo : Adobe Stock par Bryan Kelly