[論文レビュー] Stereo Vision for Unmanned Aerial VehicleDetection, Tracking, and Motion Control

Maria N. Brunet, Guilherme A. Ribeiro+2 more|arXiv (Cornell University)|May 7, 2020

Robotics and Sensor-Based Localization参考文献 10被引用数 4

ひとこと要約

本論文では、ステレオカメラとネットランチャーを搭載したハンタードローンを用いて、自律的かつリアルタイムに侵入ドローンの検出、追跡、運動制御を実現するステレオビジョンベースのシステムを提案する。本手法は、ステレオ視差を用いた3次元点群再構成、ユークリッドクラスタリングによるドローン検出、リアルタイム追跡のためのカルマンフィルタを統合し、0.09 mのルート平均二乗誤差（RMSE）というサブメートルレベルの追跡精度と高い正確性・再現率を達成した。これにより、リアルタイムでネットによる捕獲が信頼性高く可能となった。

ABSTRACT

An innovative method of detecting Unmanned Aerial Vehicles (UAVs) is presented. The goal of this study is to develop a robust setup for an autonomous multi-rotor hunter UAV, capable of visually detecting and tracking the intruder UAVs for real-time motion planning. The system consists of two parts: object detection using a stereo camera to generate 3D point cloud data and video tracking applying a Kalman filter for UAV motion modeling. After detection, the hunter can aim and shoot a tethered net at the intruder to neutralize it. The computer vision, motion tracking, and planning algorithms can be implemented on a portable computer installed on the hunter UAV.

研究の動機と目的

• 侵入ドローンの自律的検出・追跡を可能にするリアルタイムでオンボードのビジョンシステムの開発。
• 無許可のUAV運用の増加する脅威に応じ、ドローンベースの対策プラットフォームを提供。
• ステレオビジョン、オブジェクト検出、運動制御を統合し、マルチローターのハンタードローンに搭載可能なポータブルでROS互換のシステムを構築。
• センサのノイズや一時的な検出喪失に対しても耐性を確保。
• 追跡遅延と弾道的ダイナミクスを補償する予測制御により、タグネットランチャーの正確な狙いを可能に。

提案手法

• ハンタードローンに搭載されたステレオカメラ（WithRobot oCamS-1CGN-U）を用いて、基準基準長と焦点距離パラメータを用いた視差マッピングにより3次元点群データを生成。
• 計算負荷の低減と精度向上を目的として、0.1 m解像度のボクセルグリッドダウンサンプリングを実施し、10 mを超える距離の点群を除外。
• フィルタリング済み点群に対してユークリッドクラスタリングを適用し、UAVを検出。20点未塔または200点を超えるクラスタを除外することでノイズおよび非UAV物体を除外。
• ノイズの多い検出測定値から、侵入ドローンの状態（位置、速度、加速度）を推定・予測するため、離散カルマンフィルタを採用。
• ハンタードローンの現在位置と予測されたターゲット位置の誤差を最小化するように、ポーズコマンドを生成する位置制御器を実装。
• 全パイプラインをオンボードコンピュータ上で30 FPSで実行。検出および追跡の遅延はそれぞれ0.15秒であり、検出処理がパイプラインの主なボトルネックであることが示された。

実験結果

リサーチクエスチョン

• RQ1 さまざまな距離や環境条件下でも、3次元点群再構成を伴うステレオビジョンが、小型で高速移動するUAVをリアルタイムに信頼性高く検出できるか？
• RQ2 一時的な検出喪失が発生しても、カルマンフィルタベースの追跡システムが一貫したターゲット関連付けを維持できるか？
• RQ3 検出および追跡の遅延が、ハンタードローンによるネット捕獲の精度にどの程度影響を及ぼすか？
• RQ4 実現可能な追跡精度（例：RMSE）はどの程度で、ネットの捕獲領域と比較してどうなるか？
• RQ5 環境クラッターに起因する誤検出をフィルタリングしながら、UAV検出における高い正確性と再現率を維持できるか？

主な発見

• 2.5 mの距離で、検出システムはX方向に0.063 m、Y方向に0.112 m、Z方向に0.032 mのルート平均二乗誤差（RMSE）を達成し、正確性は1.000、再現率は0.974であった。
• 7.5 mの距離でも、再現率0.993、正確性0.998を維持し、距離およびノイズに対して強い耐性を示した。
• 追跡アルゴリズムは、最適な測定ノイズ分散パrameter（r = 1.0）で最小RMSE 0.09 mを達成し、全テストされたr値においてMOTAが0.999を超えた。
• 検出および追跡の遅延はともに0.15秒であり、パイプライン全体において検出処理が主なボトルネックであることが示された。
• カルマンフィルタは、一時的な検出喪失中でも、軌道予測を通じて侵入ドローンの位置を的確に予測し、追跡の途切れを防ぐことができた。
• 最終的な追跡誤差（0.09 m RMSE）は、ネットの捕獲径（>1 m）よりも著しく小さく、本システムが正確な捕獲に適していることを確認した。