Jag accepterar att kakor lagras på min dator

Läs mer

Detection and recognition of surface-laid mines.

Detection and recognition of surface-laid mines. Beställ tryckt exemplar Lägg i kundvagnen Ladda ned som PDF
Författare: Gustav Tolt, Hadi Esteki, Andris Lauberts, Christina Grönwall, Niclas Wadströmer
Ort: Linköping
Sidor: 77
Utgivningsår: 2009
Publiceringsdatum: 2009-09-24
Rapportnummer: (FOI-R--2777--SE)
Nyckelord mindetektion, elektrooptiska sensorer, signalbehandling, datafusion
Keywords mine detection, electro-optical sensors, signal processing, data fusion
Sammanfattning I denna rapport sammanfattas resultaten av det signalbehandlingsarbete som bedrivits inom projektet Multi-optisk minspaning (MOMS). Ett antal metoder för och aspekter av bl a dataregistrering, anomalidetektion, egenskapsextraktion, datafusion och igenkänning av minor beskrivs och diskuteras. Ett antal särskilt intressanta metoder har testats och utvärderats på sensordata från olika scener, för att möjliggöra analys av respektive metods för- och nackdelar under olika förutsättningar. Slutsatser från experimenten presenteras och diskuteras, med särskild tonvikt på aspekter som rör signalbehandling i ett sensorsystemperspektiv. Ett flertal olika elektrooptiska sensorer, såväl passiva som aktiva, har beaktats inom MOMS. I rapporten presenteras en metod för sensoroptimering som ger verktyg för att utforma en förhållandevis enkel elektrooptisk sensor som ändå är adekvat för uppgiften. Detta kan åstadkommas med hjälp av en informationsteoretisk dataanalys i vilken spektralband definieras utifrån mängden information de innehåller. För att data från flera sensorer ska kunna samutnyttjas måste data transformeras till ett gemensamt koordinatsystem. Kvaliteten på positionsbestämningen avgör på vilken nivå man kan fusionera data; ideal registrering möjliggör fusion ner på pixel- eller signalnivå. I ett distribuerat sensorsystem där, säg, data insamlade med en flygande plattform ska kombineras med data från en markbunden sensor, blir sannolikt pixelfusion av dessa data mycket svår att uppnå utan fusion måste då ske på en högre nivå, t ex beslutsnivå. Från ett signalbehandlingsperspektiv är det önskvärt att sensorerna sitter väldigt nära varandra, helst t o m med en gemensam optik eller detektor så att registreringen kan göras så noggrant som möjligt. Bland de undersökta signalanalysmetoderna framstår anomalidetektion som en nyckelkomponent i ett systemkoncept. Denna metod syftar till att detektera sådant som avviker från det normala i scenen (bakgrunden) och ger därför en första indikation på var ev. minor kan finnas. Dessutom kan denna metod potentiellt användas för detektion av andra objekt än minor, t.ex. IEDer. De detekterade anomalierna analyseras sedan genom att olika antaganden om målobjekten utnyttjas, bl a beträffande deras storlek. Detta leder till att minlika objekt kan detekteras. Om man dessutom har tillgång till detaljerad information om vissa måltyper, t ex i form av CAD-modeller eller bilder, erhållen innan eller insamlad under uppdraget, kan de detekterade objekten gå vidare till ett igenkänningssteg. Där undersöks de detekterade objektens likhet med ett antal måltyper.
Abstract This report summarizes the signal processing work carried out within the project Multioptical mine detection (MOMS). A number of methods for and aspects of data registration, anomaly detection, feature extraction, data fusion and mine recognition are described and discussed. A number of especially interesting methods have been tested and evaluated with sensor data from different scenes, in order to allow for analysis of pros and cons under certain conditions. Conclusions from the experiments are presented and discussed, with focus on aspects concerning signal processing in a sensor system perspective. A number of electro-optical sensors, passive as well as active have been considered within MOMS. In this report, a method for optimized sensor design is presented, that provides a tool for designing a relatively simple sensor that still is adequate for the task. This can be achieved through analysis based on information theory, in which the spectral characteristics of the sensor are defined based on the information they contain. In order for data from several sensors to be combined, the data has to been registered, i.e., transformed into a common coordinate system. The quality of the registration strongly influences the level at which data can be combined; ideal registration allows for fusion on the lowest level (pixel- or signal-level). In a distributed sensor system where, say, data from an airborne system shall be combined with data from a groundbased sensor, pixel-level fusion will probably be difficult to use. From a signal processing perspective, it is desirable that the sensors are mounted close to each other, preferably with common optics and/or detector array, so that the registration can be as accurate as possible. Among the signal processing techniques considered, anomaly detection emerges as a key component in a system concept. This method detects things that are different from what is expected (the background) and thus gives a first indication of possible mines. In addition, this technique can potentially be used for detection of other objects, e.g. IED's. The detected anomalies are then analyzed further, by using certain assumptions concerning the targets, e.g. their expected size. This leads to the detection of mine-like objects. If available detailed data about certain targets, e.g. CAD models or images, given before or collected during the mission, can be used for mine recognition, in which the similarity between detected objects and these targets is investigated.

Kundvagn

Inga rapporter i kundvagnen

FOI, Totalförsvarets forskningsinstitut

FOI
Totalförsvarets forskningsinstitut
164 90 Stockholm

Tel: 08-555 030 00
Fax: 08-555 031 00

Orgnr: 202100-5182