利用PointNet分割机载雷达点云中的无人机碰撞危险
机器人学
2023-11-07 v1 计算机视觉与模式识别
摘要
将无人 aerial vehicles（UAVs，无人机）集成至共享空域以执行超视距（BVLOS）运行面临重大挑战，但在交通、建筑、能源与国防等领域具有变革潜力。该集成的一个关键前提是使无人机具备增强的态势感知以保障安全运行。当前方法主要面向单目标检测或分类，或提供更有限感知理解且缺乏将传感器数据转化为安全关键洞察所需的快速端到端处理的较简单传感输出。相比之下，我们的研究利用雷达技术对航空点云进行新颖的端到端语义分割，以同时识别多种碰撞危险。通过适配并优化PointNet架构并融合航空领域见解，我们的框架区分了五种不同的类别：移动无人机（DJI M300与DJI Mini）和飞机（Ikarus C42），以及静态回波（地面与基础设施），从而为无人机增强了态势感知。据我们所知，这是首个在航空环境中解决多种碰撞威胁同时识别的方法，实现了稳健的94%准确率。本工作凸显了雷达技术推进无人机态势感知、促进安全高效BVLOS运行的潜力。
引用
@article{arxiv.2311.03221,
title = {Segmentation of Drone Collision Hazards in Airborne RADAR Point Clouds Using PointNet},
author = {Hector Arroyo and Paul Kier and Dylan Angus and Santiago Matalonga and Svetlozar Georgiev and Mehdi Goli and Gerard Dooly and James Riordan},
journal= {arXiv preprint arXiv:2311.03221},
year = {2023}
}
备注
16 pages, 13 figures, 4 tables