Nghiên cứu hệ thống dẫn đường sử dụng ảnh vật mốc địa hình
163 lượt xemDOI:
https://doi.org/10.54939/1859-1043.j.mst.80.2022.178-182Từ khóa:
UCAV; Thị giác máy tính; Dẫn đường theo mốc địa hình.Tóm tắt
Trong những năm gần đây, sự xuất hiện của các loại phương tiện bay không người lái tấn công (Unmanned Combat Aerial Vehicle - UCAV) trên chiến trường đã thực sự làm thay đổi cán cân lực lượng và xu hướng chiến tranh hiện đại, ví dụ tiêu biểu là cuộc xung đột Nagorno-Karabakh tháng 9/2020. Tuy nhiên, UCAV có điểm yếu là phụ thuộc vào hệ thống định vị vệ tinh toàn cầu (GNSS) và tín hiệu điều khiển vô tuyến từ mặt đất để hoạt động hiệu quả trên không. Khi bị chế áp điện tử, UCAV sẽ bị vô hiệu hoá một cách triệt để. Trong bài báo này, chúng tôi đề xuất một mô hình hệ thống ứng dụng công nghệ thị giác máy tính kết hợp AI để dẫn đường cho UCAV bay theo lộ trình các điểm mốc địa hình (landmark waypoint) được học máy từ trước, không phụ thuộc vào tín hiệu điều khiển vô tuyến và định vị vệ tinh. Kết quả mô phỏng sơ bộ cho thấy hệ thống có thể nhận dạng chính xác các điểm mốc địa hình một cách chính xác theo thời gian thực.
Tài liệu tham khảo
[1]. Ilić, Damir & Tomasevic, Vladimir, “The impact of the Nagorno-Karabakh conflict in 2020 on the perception of combat drones”, Serbian Journal of Engineering Management. 6. 9-21. 10.5937/SJEM2101009I, (2021).
[2]. Marcus Roth, “AI in Military Drones and UCAVs – Current Applications”, (2019), https://emerj.com/ai-sector-overviews/ai-drones-and-UCAVs-in-the-military-current-applications.
[3]. B. Yun, K. Peng, and B. M. Chen, “Enhancement of GPS signals for automatic control of a UCAV helicopter system,” in Proc. IEEE International Conference on Control and Automation ICCA, pp. 1185–1189, (2007).
[4]. S. Park, D. H. Won, M. S. Kang, T. J. Kim, H. G. Lee, and S. J. Kwon, “RIC (robust internal-loop compensator) based flight control of a quad-rotor type UCAV” in Proc. IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 3542–3547, (2005).
[5]. T. Hamel, R. Mahony, and A. Chriette, “Visual servo trajectory tracking for a four rotor vtol aerial vehicle,” in Proc. IEEE International Conference on Robotics and Automation ICRA ’02, vol. 3, pp. 2781–2786, (2002).
[6]. T. Templeton, D. H. Shim, C. Geyer, and S. S. Sastry, “Autonomous vision-based landing and terrain mapping using an mpc-controlled unmanned rotorcraft,” in Proc. IEEE International Conference on Robotics and Automation, pp. 1349–1356, (2007).
[7]. Blösch, M.; Weiss, S.; Scaramuzza, D.; Siegwart, R., “Vision Based MAV Navigation in Unknown and Unstructured Environments,” In Proceedings of the 2010 IEEE International Conference on Robotics and Automation, Anchorage, AK, USA, pp. 21–28, (2010).
[8]. Zhou, J.; Tian, Y.; Yuan, C.; Yin, K.; Yang, G.; Wen, M., “Improved UCAV Opium Poppy Detection Using an Updated YOLOv3 Model,” Sensors, 19(22):4851, (2019).
[9]. Martinez-Alpiste, I.; Casaseca-de-la-Higuera, P.; Alcaraz-Calero, J.; Grecos, C.; Wang, Q. “Benchmarking Machine-Learning-Based Object Detection on a UCAV and Mobile Platform,” In Proceedings of the 2019 IEEE Wireless Communications and Networking Conference (WCNC), Marrakesh, Morocco, (2019).
[10]. Zhang, T.; Hu, X.; Xiao, J.; Zhang, G. A “Machine Learning Method for Vision-Based Unmanned Aerial Vehicle Systems to Understand Unknown Environments,” Sensors, 20(11):3245. https://doi.org/10.3390/s20113245, (2020).
[11]. A. He, C. Luo, X. Tian, and W. Zeng. “A twofold siamese network for real-time object tracking,” In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 4834–4843, (2018).
[12]. B. Li, J. Yan, W. Wu, Z. Zhu, and X. Hu. “High performance visual tracking with siamese region proposal network,” In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 8971–8980, (2018).
