Avbildande lasersensorer- Slutrapport för perioden 2017-2019

Denna rapport sammanfattar och slutrapporterar resultaten från det treåriga FoTprojektet Avbildande lasersensorer som har pågått 2017-2019 och som är en del av Försvarsmaktens samlingsbeställning till FOI inom området Sensorer och signaturanpassning. Projektet har studerat på fotonräknande sensorsystem för längre räckvidder och för undervattensavbildning, samt upplyfta 3D-avbildande lasersensorsystem monterade på UAV (eng. unmanned aerial vehicle). Förutom resultat beskriver rapporten även samverkan med andra aktörer inom området och kunskapsspridningen till Försvarsmakten, FMV och andra intressenter. Avbildande lasersystem med fotonräknande teknik kan göras relativt små och kompakta eftersom man kan utnyttja lasrar med relativt låga pulsenergier. Dessutom kan man mäta scener med stort djup med hög avståndsupplösning. Vi har utvecklat och testat ett fotonräknande sensorsystem med räckvidd över 2 km. Systemet är baserat på en matrisdetektor som är 128×32 pixlar där varje pixel mäter gångtiden för laserpulserna. Även om sensorn är stor i jämfört med andra fotonräknande sensorer så har den ett litet synfält jämfört med bildalstrande sensorer i visuellt och IR. Därför har vi utvecklat en panoramateknik så att systemet kan täcka större scener och testat det vid fältförsök både i solljus och mörker. Vi har utvecklat metoder för att minska brus, detektera ytor på objekt i data, lägga ihop resultat från multipla vyer samt detekterat mål med skillnadsdetektion. Inledande försök med fotonräknande system för undervattensavbildning har också gjorts. Ett upplyft 3D-avbildande lasersensorsystem har förmåga att se ner genom skyl. Dessutom har man mer information om ett mål i 3D jämfört med 2D. I projektet har vi utvecklat vårt upplyfta system så att mer databehandling kan göras ombord på en UAV. Vi har också visat att sensorsystemet kan detektera fordon under träd som är svåra för passiva sensorer att upptäcka. Data insamlat med systemet har utnyttjats för att göra prov med metoder för scenanalys baserat på maskininlärning med semantisk segmentering, en klassificering av varje punkt i data.