Computer Vision for Carriers: PATRIOT

要約

現在、空母で行われている甲板追跡には、船員のチームが手動で航空機を識別し、ウィジャボードと呼ばれるデジタルユーザーインターフェースを更新することが含まれています。
デッキ追跡プロセスを改善すると出撃生成率が増加するため、自動化の適用はデッキ追跡を改善する重要な方法とみなされます。
ただし、輸送船の要件では、全地球測位システム (GPS) センサーなどのハードウェア ベースの位置検知テクノロジの設置は許可されていません。
PATRIOT (Panoramic Asset Tracking of Real-Time Information for the Ouija Tabletop) は、パッシブ センシングを使用し、GPS センサーを必要とせずにデッキ トラッキングを実行するための研究活動であり、提案されたソリューションです。
PATRIOT は、既存のカメラ フィードを取得し、航空機のポーズを計算し、資産の現在のステータスで仮想ウィジャ ボード インターフェイスを更新するプロトタイプ システムです。
PATRIOT を使用すると、航空機、人員、および支援機器の資産追跡をより速く、より正確に、より労力を軽減できるようになります。
PATRIOT は、認知作業負荷の軽減、人員配置要件の軽減、ロジスティクスを改善するためのデータ収集、および効率と安全性を向上させるための将来の取り組みのための自動化ゲートウェイを可能にすることにより、戦闘員に利益をもたらすことが期待されています。
著者らは、OpenPifPaf、高解像度ネットワーク (HRNet)、HigherHRNet (HHRNet)、Faster R-CNN、社内開発のエンコーダ/デコーダ ネットワークなどのアセットの姿勢推定をリアルタイムで実行するアルゴリズムを開発およびテストしてきました。
このソフトウェアは合成データと現実世界のデータを使用してテストされ、アセットの姿勢を正確に抽出することができました。
フリートへの移行を確実に成功させるために、融合、追跡、および現実世界の汎用性が改善される予定です。

要約(オリジナル)

Deck tracking performed on carriers currently involves a team of sailors manually identifying aircraft and updating a digital user interface called the Ouija Board. Improvements to the deck tracking process would result in increased Sortie Generation Rates, and therefore applying automation is seen as a critical method to improve deck tracking. However, the requirements on a carrier ship do not allow for the installation of hardware-based location sensing technologies like Global Positioning System (GPS) sensors. PATRIOT (Panoramic Asset Tracking of Real-Time Information for the Ouija Tabletop) is a research effort and proposed solution to performing deck tracking with passive sensing and without the need for GPS sensors. PATRIOT is a prototype system which takes existing camera feeds, calculates aircraft poses, and updates a virtual Ouija board interface with the current status of the assets. PATRIOT would allow for faster, more accurate, and less laborious asset tracking for aircraft, people, and support equipment. PATRIOT is anticipated to benefit the warfighter by reducing cognitive workload, reducing manning requirements, collecting data to improve logistics, and enabling an automation gateway for future efforts to improve efficiency and safety. The authors have developed and tested algorithms to perform pose estimations of assets in real-time including OpenPifPaf, High-Resolution Network (HRNet), HigherHRNet (HHRNet), Faster R-CNN, and in-house developed encoder-decoder network. The software was tested with synthetic and real-world data and was able to accurately extract the pose of assets. Fusion, tracking, and real-world generality are planned to be improved to ensure a successful transition to the fleet.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google