Vision-Based Power Line Cables and Pylons Detection for Low Flying Aircrafts

要約

送電線は、低空飛行する航空機にとって、特に視界が悪い状況では危険です。
したがって、航空機の周囲を分析し、パイロットに「第二の目」を提供できる視覚ベースのシステムは、パイロットの安全性の向上に貢献できます。
この目的を達成するために、航空機に搭載されたカメラによって数百メートルの距離で撮影された画像から送電線ケーブルと鉄塔を共同検出するディープラーニングアプローチを開発しました。
その際、私たちは最新の畳み込みアーキテクチャと転移学習、および曲線構造の描写に適応した損失関数を組み合わせました。
私たちは両方の検出タスクに単一のネットワークを使用し、2 つのベンチマーク データセットでそのパフォーマンスを実証しました。
私たちはこれを機内システムに統合して飛行中に実行し、両方のデータセットで以前の遠隔ケーブル検出方法よりも優れた性能を発揮することを実験で実証しました。また、データに注釈が付けられている場合、パイロンの検出にも成功しました。

要約(オリジナル)

Power lines are dangerous for low-flying aircrafts, especially in low-visibility conditions. Thus, a vision-based system able to analyze the aircraft’s surroundings and to provide the pilots with a ‘second pair of eyes’ can contribute to enhancing their safety. To this end, we have developed a deep learning approach to jointly detect power line cables and pylons from images captured at distances of several hundred meters by aircraft-mounted cameras. In doing so, we have combined a modern convolutional architecture with transfer learning and a loss function adapted to curvilinear structure delineation. We use a single network for both detection tasks and demonstrated its performance on two benchmarking datasets. We have integrated it within an onboard system and run it in flight, and have demonstrated with our experiments that it outperforms the prior distant cable detection method on both datasets, while also successfully detecting pylons, given their annotations are available for the data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google