[论文解读] Robust Localization of an Arbitrary Distribution of Radioactive Sources for Aerial Inspection

Dhruv Shah, Sebastian Scherer|arXiv (Cornell University)|Oct 4, 2017

Infrared Target Detection Methodologies被引用 5

一句话总结

本文提出了一种可扩展且鲁棒的算法，用于使用安装在空中机器人上的轻量化探测器定位多个放射性源，包括复杂分布和体源。通过结合多层序贯蒙特卡洛方法与自适应聚类及基于置信度的假设验证，该方法在F1分数上超过0.95，并能高效扩展至高维空间（最高达5D），在准确性和收敛性方面优于当前最先进方法。

ABSTRACT

Radiation source detection has seen various applications in the past decade, ranging from the detection of dirty bombs in public places to scanning critical nuclear facilities for leakage or flaws, and in the autonomous inspection of nuclear sites. Despite the success in detecting single point sources or a small number of spatially separated point sources, most of the existing algorithms fail to localize sources in complex scenarios with a large number of point sources or non-trivial distributions & bulk sources. Even in simpler environments, most existing algorithms are not scalable to larger regions and/or higher dimensional spaces. For effective autonomous inspection, we not only need to estimate the positions of the sources, but also the number, distribution, and intensities of each of them. In this paper, we present a novel algorithm for the robust localization of an arbitrary distribution of radiation sources using multi-layer sequential Monte Carlo methods coupled with suitable clustering algorithms. We achieve near-perfect accuracy, in terms of F1-scores (> 0.95), while allowing the algorithm to scale, both to large regions in space and to higher dimensional spaces (5 tested).

研究动机与目标

• 通过准确识别任意分布或数量的辐射源，实现对核设施的自主空中巡检。
• 克服现有算法在存在多个或重叠源的复杂场景下失效的局限性。
• 利用低成本、轻量化的传感器，为大空间区域和更高维环境（最高达5D）开发可扩展的解决方案。
• 通过迭代优化，提升对传感器噪声、航位推算误差及部分源分辨率的鲁棒性。

提出的方法

• 采用多层序贯蒙特卡洛（粒子滤波）框架，随时间递归估计源位置和强度。
• 引入基于传感器位置空间影响的选择性粒子评估，提升计算效率。
• 对粒子假设进行聚类以生成候选源，再通过置信度度量验证后进行标注。
• 在后续迭代中将部分解析的源作为先验知识，加速收敛并提升精度。
• 采用粒子滤波与聚类的混合公式，以处理任意源分布，包括体源。
• 通过高效的假设管理与自适应优化，实现高维空间的可扩展性。

实验结果

研究问题

• RQ1 单一算法能否在复杂环境中鲁棒地定位任意分布的辐射源，包括多个点源和体源？
• RQ2 如何实现对大空间区域和更高维空间（如5D）的可扩展源定位，而不会导致计算量呈指数级增长？
• RQ3 在多大程度上可利用部分源分辨率来提升定位精度与收敛速度？
• RQ4 与现有方法相比，该算法在传感器噪声、测量不确定性及航位推算误差下的表现如何？

主要发现

• 该算法在所有测试配置中均实现F1分数>0.95，包括1至4个源，表现出近乎完美的精确率与召回率。
• 定位误差在4个时间步后趋于稳定，单个2D源的平均误差为0.146 cm，经3次迭代后提升至0.147 cm。
• 该方法可无缝扩展至5D空间，性能未如预期出现指数级退化，证实其在高维空间中的可扩展性。
• 在2D与3D仿真中，与基线粒子滤波方法相比，该方法将定位误差降低最多达40%，尤其在多源场景中表现更优。
• 运行时间快于当前最先进方法：在1.80 GHz A10处理器上，3个时间步、196次传感器读数与2000个粒子的处理仅需32秒。
• 在凤凰纪念实验室的实地测试中，成功准确定位了100 μCi的Cs-137源，结果与真实情况一致，符合真实世界条件。