소형 무인 항공 시스템 탐지를 위한 머신 러닝을 이용한 가시광선 및 적외선 스펙트럼 이미지 결합은 Vinicius G. Goecks, Grayson Woods, John Valasek의 연구 논문입니다. 텍사스 A&M.
상업적으로 이용 가능한 소형 무인 항공 시스템(sUAS)에 대응하기 위한 기술과 솔루션에 대한 수요가 증가하고 있습니다. 물체 감지를 위한 머신 러닝과 딥 뉴럴 네트워크의 발전과 카메라의 비용 및 전력 요구 사항의 감소로 인해 sUAS 감지 분야에서 유망한 비전 기반 솔루션의 길이 열렸습니다. 그러나 가시광선 스펙트럼에만 의존하는 것은 sUAS가 나무 아래나 밝은 광원을 향해 비행하는 경우와 같이 대비가 낮은 시나리오에서 신뢰성 문제를 야기했습니다. 대안으로, 비행 중 sUAS가 방출하는 상대적으로 높은 열 신호를 포착하는 장파장 적외선(LWIR) 센서를 활용하면 sUAS를 배경과 효과적으로 구별하는 이미지를 생성할 수 있습니다.
하지만 쉽게 접근할 수 있는 가시 스펙트럼 센서에 비해 LWIR 센서는 해상도가 낮고 조류와 같은 열원에 노출될 경우 오탐지가 증가할 수 있습니다. 이 연구는 머신 러닝을 통해 LWIR 센서와 가시 스펙트럼 센서의 강점을 결합하여 다음과 같은 비전 기반 감지에 대한 해결책을 제시합니다. 소형 무인 항공 시스템 (sUAS). LWIR 센서가 제공하는 향상된 배경 대비를 활용하고 이를 가시 스펙트럼 센서의 상대적으로 향상된 해상도와 동기화하여 딥러닝 모델을 학습하여 까다로운 환경에서도 sUAS를 사용할 수 있습니다.
게시 날짜- 2020년 4월
'소형 무인 항공 시스템 탐지를 위한 머신 러닝을 이용한 가시광선 및 적외선 스펙트럼 이미지 결합'에는 다음과 같은 주요 섹션이 포함되어 있습니다:
- 소개
- 관련 작업
- 방법
- 결과 및 토론
- 결론
- 제한 사항 및 향후 작업
이 문서에는 배포 제한이 명시되어 있지 않습니다. C-UAS Hub는 이 콘텐츠를 소유하지 않으며 사용자에게 링크를 제공합니다. 하단 을 클릭하여 원래 위치에서 페이지에 액세스할 수 있습니다. 이를 통해 작성자는 자신의 작업과 관련된 중요한 문서 지표를 추적할 수 있습니다. 모든 저작권은 정당한 소유자에게 있습니다.
포스트 이미지 크레딧- 제공: 다음 제공자 하프포인트
