Reducing Object Detection Uncertainty from RGB and Thermal Data for UAV Outdoor Surveillance

要約

無人航空機 (UAV) の最近の進歩により、精密農業、バイオセキュリティ、災害監視や監視など、幅広い民間用途に急速に採用されるようになりました。
UAV は、柔軟なハードウェア構成を備えた低コストのプラットフォームを提供するだけでなく、離陸、着陸、物体追跡、障害物回避などの自律機能も増加しています。
しかし、視覚ベースの検出器からの誤った読み取り値、データノイズ、振動、およびオクルージョンによって引き起こされる物体検出の不確実性に、UAV がどのように対処するかについてはほとんど注目されていません。
多くの UAV は環境と自律的に対話するための認識能力が限られているため、ほとんどの状況で、これらの検出の関連性と理解は人間のオペレーターに委ねられます。
この論文では、確率ベースの動作プランナーを使用した、小型 UAV の屋外シナリオにおける不確実性の下での自律ナビゲーションのフレームワークを紹介します。
このフレームワークは、2 kg 未満のクワッドローター UAV を使用した実際の飛行テストで評価され、森林/低木地帯での被害者発見捜索救助 (SAR) のケーススタディで説明されています。
ナビゲーションの問題は、部分的に観察可能なマルコフ決定プロセス (POMDP) を使用してモデル化され、拡張信念ツリー (ABT) と TAPIR ツールキットを使用して小型 UAV 上でリアルタイムで解決されます。
カラー画像と熱画像を使用した実験の結果は、UAV が環境と対話し、ベースラインのモーション プランナーと比較して潜在的な犠牲者のより明確な視覚化を取得する柔軟性を備えているため、提案されたモーション プランナーが正確な犠牲者の位置座標を提供することを示しています。
このシステムを組み込むことで、視覚ベースの物体検出器からの誤検知の読み取りを減少させ、最適化された UAV 監視操作が可能になります。

要約(オリジナル)

Recent advances in Unmanned Aerial Vehicles (UAVs) have resulted in their quick adoption for wide a range of civilian applications, including precision agriculture, biosecurity, disaster monitoring and surveillance. UAVs offer low-cost platforms with flexible hardware configurations, as well as an increasing number of autonomous capabilities, including take-off, landing, object tracking and obstacle avoidance. However, little attention has been paid to how UAVs deal with object detection uncertainties caused by false readings from vision-based detectors, data noise, vibrations, and occlusion. In most situations, the relevance and understanding of these detections are delegated to human operators, as many UAVs have limited cognition power to interact autonomously with the environment. This paper presents a framework for autonomous navigation under uncertainty in outdoor scenarios for small UAVs using a probabilistic-based motion planner. The framework is evaluated with real flight tests using a sub 2 kg quadrotor UAV and illustrated in victim finding Search and Rescue (SAR) case study in a forest/bushland. The navigation problem is modelled using a Partially Observable Markov Decision Process (POMDP), and solved in real time onboard the small UAV using Augmented Belief Trees (ABT) and the TAPIR toolkit. Results from experiments using colour and thermal imagery show that the proposed motion planner provides accurate victim localisation coordinates, as the UAV has the flexibility to interact with the environment and obtain clearer visualisations of any potential victims compared to the baseline motion planner. Incorporating this system allows optimised UAV surveillance operations by diminishing false positive readings from vision-based object detectors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google