Omvärldsanalys inom signalbehandling för EO/IR-sensorer

Projektet Intelligenta spaningsfunktioner har i uppgift att bedriva forskning med syfte att göra framtida sensorsystem mer intelligenta. Ett intelligent sensorsystem kan i framtiden ge sensoroperatörer bättre situationsuppfattning, högre systemtilltro, mindre risk för felhandlingar (eng. human error) och lägre mental arbetsbelastning. I denna rapport redovisas en omvärldsanalys som har genomförts inom området signalbehandling för EO/IR-sensorer. I detta arbete har vi analyserat forskningen inom automatisk detektion, måligenkänning, målföljning, positionering och sensorstyrning. Inom detektion och måligenkänningsområdet har utvecklingen varit mycket kraftig de senaste åren. En relativt ny ansats inom maskininlärning som kallas Deep learning har på ett dramatiskt sätt flyttat fram forskningsfronten inom flera bildbehandlingstillämpningar till nivåer som tidigare var orealistiska och ansågs ligga långt in i framtiden. Forskning inom positionering är fortsatt ett mycket aktivt område. Framför allt inom SLAM (simultaneous localization and mapping) sker mycket forskning. SLAM går ut på att med en rörlig sensorplattform samtidigt kartera och lokalisera plattformen i kartan som byggs ut vartefter plattformen rör sig. Det kan göras genom att hitta och följa stabila och väldefinierade punkter i bilder, s.k. landmärken, från olika sensorer som sedan kan användas för att beräkna ett förbättrat positions- och orienteringsestimat. Mer avancerade SLAM-metoder blir allt vanligare där alla landmärken används i ett och samma ekvationssystem för att beräkna hela rörelsebanan (d.v.s. inte bara den senaste positionen). Forskningen inom sensorstyrningsområdet är fortsatt mycket aktiv och nya metoder och algoritmer utvecklas för att lösa planeringsproblemet. För sensorstyrning av flera sensorsystem innebär det nya frågeställningar om hur och vilken information som ska utbytas mellan sensorsystemen för att de ska samverka. Forskningsområdet kring multi-robot systems (samverkande robotar) är på stor frammarsch inom forskningen med avancerade tillämpningar i olika robottävlingar. Samverkande sensorer har blivit allt mer intressant de senaste åren för att utnyttja alla tillgängliga sensorer på bättre sätt.