ES2400708T3 - Utilización de un sensor de imágenes y de un filtro de seguimiento de tiempo restante para evitar colisiones en vuelo - Google Patents

Utilización de un sensor de imágenes y de un filtro de seguimiento de tiempo restante para evitar colisiones en vuelo Download PDF

Info

Publication number
ES2400708T3
ES2400708T3 ES08163084T ES08163084T ES2400708T3 ES 2400708 T3 ES2400708 T3 ES 2400708T3 ES 08163084 T ES08163084 T ES 08163084T ES 08163084 T ES08163084 T ES 08163084T ES 2400708 T3 ES2400708 T3 ES 2400708T3
Authority
ES
Spain
Prior art keywords
collision
estimate
ttcipu
ttctf
vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES08163084T
Other languages
English (en)
Inventor
Sören MOLANDER
Jimmy Jonsson
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Saab AB
Original Assignee
Saab AB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Saab AB filed Critical Saab AB
Application granted granted Critical
Publication of ES2400708T3 publication Critical patent/ES2400708T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/16—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using electromagnetic waves other than radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/78—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic or electromagnetic waves, or particle emission, not having a directional significance, are being received using electromagnetic waves other than radio waves
    • G01S3/782—Systems for determining direction or deviation from predetermined direction
    • G01S3/785—Systems for determining direction or deviation from predetermined direction using adjustment of orientation of directivity characteristics of a detector or detector system to give a desired condition of signal derived from that detector or detector system
    • G01S3/786—Systems for determining direction or deviation from predetermined direction using adjustment of orientation of directivity characteristics of a detector or detector system to give a desired condition of signal derived from that detector or detector system the desired condition being maintained automatically
    • G01S3/7864—T.V. type tracking systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft
    • G08G5/80—Anti-collision systems

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

Un sistema para evitar colisiones (5) para decidir si se debe realizar una maniobra de evitación autónoma con elfin de evitar una colisión en vuelo entre un vehículo aéreo anfitrión (1) equipado con el sistema (5) y un vehículoaéreo intruso, comprendiendo el citado sistema ( 5): - al menos un sensor electro - óptico [EO] (3) dispuesto para capturar imágenes consecutivas del citadovehículo intruso, el vehículo que se manifiesta como un punto de objetivo en las citadas imágenes, - un medio de tratamiento de imagen (7) dispuesto para la estimar al menos el ángulo de acimut [φ] y de elevación [θ] desde el vehículo anfitrión (1) al vehículo intruso en base a la posición en 2D del punto deobjetivo en la citadas imágenes, que se caracteriza porque el citado medio de tratamiento de imagen(7) está dispuesto, además, para calcular, usando la técnica de tratamiento de imagen de correlaciónde escala, una primera estimación de tiempo para colisión [TTCIPU] del tiempo para la colisión entre elvehículo anfitrión (1) y el vehículo intruso basado en el cambio de escala en el punto de objetivo entreal menos dos de la citadas imágenes consecutivas, y porque el citado sistema (5) comprende,además: - un filtro de seguimiento (12) dispuesto para estimar una segunda estimación de tiempo para colisión[TTCTF ] del tiempo para la colisión entre el vehículo anfitrión (1) y el vehículo intruso usando el citadoángulo de azimut estimado [φ] , el citado ángulo de elevación estimado [θ] y la citada primera estimaciónde tiempo para colisión [TTCIPU] como parámetros de entrada y - un medio (15) para evitar colisiones [CA] dispuesto para decidir si se debe realizar, o no, la maniobrade evitación basándose en cualquier de al menos un parámetro de decisión, de los cuales al menosuno es indicativo de la citada segunda estimación de tiempo para colisión [TTCTF ] .

Description

Utilización de un sensor de imágenes y de un filtro de seguimiento de tiempo restante para evitar colisiones en vuelo
Campo técnico
La presente invención se refiere al campo de evitar colisiones en vuelo, y más en particular, se refiere a un sistema y procedimiento para decidir si un vehículo aéreo debe realizar, o no, una maniobra autónoma de evitación con el fin de evitar la colisión con otro vehículo aéreo.
Técnica antecedente
Con el fin de permitir que los vehículos aéreos no tripulados (UAV) viajen en el espacio aéreo civil no segregado, se deben resolver varios problemas técnicos. Una de las cuestiones más importantes es el problema de "detectar y evitar": un UAV debe ser capaz de detectar la presencia de otros vehículos aéreos y, si es necesario, realizar una maniobra autónoma y segura de último momento para evitar la colisión en vuelo. Por lo tanto, un UAV comprende típicamente un sistema para evitar colisiones en vuelo, a veces denominado también como sistema Detectar y Evitar, que incluye uno o varios sensores para la detección de aeronave intrusas, y una funcionalidad para evitar la colisión que utiliza los datos detectados y las características de rendimiento de la propia aeronave para realizar una maniobra de escape segura. Puesto que el sistema para evitar colisiones es un sistema de mejora de la seguridad, es crucial que los datos suministrados a la funcionalidad para evitar colisiones sean de alta calidad con el fin de evitar maniobras molestas e inseguras.
Un parámetro crucial en un sistema para evitar colisiones es la entidad denominada Tiempo para la Colisión (TTC), que, como el nombre implica, es el tiempo estimado para el impacto con una aeronave intrusa, calculado en base a los datos relativos a la posición de la propia aeronave y al movimiento y los datos de los vehículos aéreos circundantes, recogidos por los sensores del sistema para evitar colisiones. El valor estimado del TTC se utiliza típicamente para determinar una entidad que a veces es denominada Tiempo Para Maniobrar (TTM), que es una estimación del tiempo que queda antes de que se deba realizar una maniobra de escape con el fin de evitar de una manera segura una colisión en vuelo. El TTM se calcula normalmente como el TTC menos un valor de seguridad, determinándose el citado valor de seguridad en base a, por ejemplo, las características de funcionamiento de la propia aeronave y la incertidumbre asociada con la estimación del valor del TTC.
Hay varias maneras conocidas para estimar el tiempo para la colisión con aeronaves cercanas. Por ejemplo, se conoce el uso de cámaras para capturar imágenes consecutivas de aviones circundantes de tal manera que las aeronaves se representan como puntos de objetivo en las imágenes, y la estimación de TTC en base al cambio de escala en los puntos de objetivo de una imagen a otra.
También es bien conocido en la técnica el uso de diferentes tipos de filtros de seguimiento adaptados para estimar el tiempo para la colisión con una aeronave cercana a partir de una secuencia de observaciones con respecto a la posición de la aeronave cercana, adquiridas típicamente por medio de radar.
El documento norteamericano US 5128874 desvela un sistema que incorpora información del sensor inercial en cálculos de flujo óptico para detectar los obstáculos y para proporcionar rutas de navegación alternativas libres de obstáculos. Los cálculos de flujo óptico implican la extracción, derotación y adecuación de los puntos de interés a partir de fotogramas secuenciales de imágenes para la interpolación del alcance de la escena detectada.
El documento de Fasano, G. et al, "Seguimiento Multisensor en Vuelo para la Evitación Autónoma de Colisiones” Fusión de Información, 2006, ICIF '06, 9ª Conferencia Internacional, IEEE, PI, 1 de julio de 2006, páginas 1 -7, XP031042465 ISBN: 978–1– 4244 – 0953 -2, desvela los algoritmos de seguimiento desarrollados para un sistema multisensorial para evitar la colisión en Vehículos Aéreos No Tripulados. El sistema comprende un radar de impulsos, dos cámaras infrarrojas y dos cámaras visibles utilizadas como sensores de ayuda, y la técnica de fusión de datos adoptada para el seguimiento es el filtro de Kalman.
El documento de Recchia, G. et al: "Un Sistema de Ver y Evitar Electro – Óptico basado en Flujo Óptico para UAV”, Conferencia Aerospacial, 2007, IEEE, Piscataway, NJ, EE.UU., 3 de marzo de 2007, páginas 1 -9, XP031214311 ISBN: 978 – 1 – 4244 – 0524 -4, desvela un estudio de sistema de detección de objetivo autónomo electro -óptico completo para UAV. El algoritmo de detección seleccionado se basa en la técnica de Flujo Óptico y está probado en secuencias de vídeo reales de aeronaves en vuelo.
El documento norteamericano US 2007/210953 desvela sistema para detectar y evitar colisiones para un Vehículo Aéreo No Tripulado. El sistema incluye un interrogador de imágenes que identifica las amenazas potenciales de colisión de la aeronave y proporcionar las maniobras para evitar cualquier riesgo identificado. Sensores de formación de imágenes y / o de infrarrojos son utilizados para proporcionar marcos de imagen del entorno circundante y una unidad de detección de objetivos detecta los objetivos locales que se mueven en los marcos. Una unidad de evaluación de amenazas determina si cualquier objetivo local seguido representa una amenaza para la colisión y una unidad de maniobra de evitación proporciona el control de vuelo y la orientación con una maniobra para evitar cualquier riesgo de colisión identificado.
Sin embargo, cada uno de los principios anteriores para estimar el TTC adolece de inconvenientes. El primer principio de acuerdo con el cual las estimaciones de TTC se calculan en base al cambio de escala en los puntos de objetivo entre imágenes consecutivas sólo es aplicable cuando la aeronave intrusa está muy cerca de la aeronave propia. El segundo principio de acuerdo con el cual las estimaciones de TTC son estimadas por un filtro de seguimiento adolece del inconveniente de que la incertidumbre en las estimaciones de TTC es alta.
Sumario
Un objeto de la presente invención es proporcionar un sistema para evitar colisiones, que es capaz de predecir el tiempo para la colisión (TTC) entre un vehículo aéreo equipado con el sistema y un vehículo aéreo intruso con un alto grado de certidumbre.
Otro objeto de la invención es proporcionar un sistema de este tipo que ofrezca una alta disponibilidad de estimaciones de TTC.
Este objeto se consigue de acuerdo con la invención por medio de un sistema para evitar colisiones para decidir si se debe realizar una maniobra autónoma de evitación con el fin de evitar una colisión en vuelo entre un vehículo aéreo anfitrión equipado con el sistema y un vehículo aéreo intruso. El sistema comprende:
-
al menos un sensor electro óptico dispuesto para capturar imágenes consecutivas del citado vehículo intruso, manifestándose dicho vehículo como un punto de objetivo en las citadas imágenes,
-
un medio de tratamiento de imagen dispuesto para estimar al menos el ángulo de acimut (φ) y de elevación (θ) del vehículo anfitrión con respecto al vehículo intruso en base a la posición en 2D del punto de objetivo en las citadas imágenes, y una primera estimación de tiempo para colisión (TTCIPU), del tiempo para la colisión entre el vehículo anfitrión y el vehículo intruso en base al cambio de escala en el punto de objetivo entre al menos dos de las citadas imágenes consecutivas,
-
un filtro de seguimiento dispuesto para estimar la segunda estimación de tiempo para colisión (TTCTF) del tiempo para la colisión entre el vehículo anfitrión y el vehículo intruso usando el citado ángulo de azimut estimado (φ), el citado ángulo de elevación estimado (θ) y la citada primera estimación de tiempo para colisión (TTCIPU) como parámetros de entrada, y
-
un medio para evitar colisiones (CA) dispuesto para decidir si se debe realizar, o no, la maniobra de evitación en base a cualquiera de al menos un parámetro, de los cuales al menos uno es indicativo de la citada segunda estimación de tiempo para colisión (TTCTF).
Mediante el uso de las estimaciones de TTCIPU como parámetros de entrada para el filtro de seguimiento, la presente invención proporciona un sistema para evitar colisiones que se beneficia tanto de la ventaja ofrecida por filtros de seguimiento convencionales (estimaciones de TTC disponibles incluso cuando el objetivo está lejos), así como de la ventaja ofrecida por los sensores de imagen convencionales que utilizan técnicas de correlación de escala (alto grado de certidumbre en las estimaciones de TTC cuando el objetivo está cerca).
Una ventaja de la ejecución de las estimaciones de TTCIPU por medio del filtro de seguimiento en lugar de simplemente usar las estimaciones de TTCTF del filtro de seguimiento en largas distancias y las estimaciones de TTCIPU de las unidades de tratamiento de imagen a distancias cortas, es que el uso de las estimaciones de TTCIPU como parámetros de entrada al filtro tiene un impacto positivo no sólo en las estimaciones de TTCTF emitidas de salida por el filtro, sino también los otros parámetros de estado del modelo de filtro. Por ejemplo, un filtro de seguimiento está diseñado típicamente para estimar la distancia al vehículo intruso con el fin de establecer la posición tridimensional del mismo. Al proporcionar las estimaciones de TICIPU como entrada al filtro, tanto la estimación de la distancia como la estimación de la incertidumbre de distancia calculadas por el filtro pueden ser mejoradas sustancialmente.
El tiempo para maniobrar (TTM), es decir, el tiempo que queda hasta que se deba realizar una maniobra de evitación con el fin de evitar la colisión, se calcula normalmente en base a una pluralidad de parámetros, de los cuales la estimación de TTC y su incertidumbre asociada son dos muy importantes. La presente invención proporciona un sistema para evitar la colisión más robusto en el que el número de maniobras de evitación realizadas sin justa causa se puede minimizar ya que el principio de utilización de las estimaciones de TTCIPU de la unidad de tratamiento de imagen como parámetros de entrada para el filtro de seguimiento reduce la incertidumbre en las estimaciones de TTCTF producidas como salida por el filtro.
Preferiblemente, el filtro de seguimiento del sistema para evitar colisiones está dispuesto para estimar la incertidumbre en la estimación de TTCTF, por el que el medio de CA está dispuesto para tomar la decisión con respecto a si se debe realizar, o no, la maniobra de evitación de la colisión en base tanto a la estimación de TTCTF como a su incertidumbre asociada.
De acuerdo con otra realización de la invención, el medio de CA está dispuesto para tomar la decisión con respecto a si se debe realizar, o no, la maniobra para evitar colisiones en base a uno o ambos de entre un parámetro indicativo de la estimación de TTCTF enviada por el filtro de seguimiento y un parámetro indicativo de la estimación de
TTCIPU realizada por el medio de tratamiento de imagen. Preferiblemente, el medio de CA está dispuesto, en este caso, para comparar la estimación de TTCTF con la estimación de TTCIPU y tomar la decisión en base a la estimación que indica el menor tiempo para la colisión. Esto añade otra capa de seguridad al sistema para evitar colisiones de acuerdo con la invención.
En una versión perfeccionada de la realización anterior, el sistema para evitar colisiones comprende un medio para estimar tanto la incertidumbre en la estimación de TTCTF como la incertidumbre en la estimación de TTCIPU, con el que el medio de CA está dispuesto para tomar la decisión en base a cualquiera de las estimaciones de TTCTF, la estimación de la incertidumbre del TTCTF, la estimación de TTCIPU, la estimación de la incertidumbre del TTCIPU o cualquier combinación de éstos. De esta manera, el medio de CA puede calcular, por ejemplo, un primer TTM basado en la estimación de TTCTF y su incertidumbre asociada, y un segundo TTM basado en la estimación de TTCIPU y su incertidumbre asociada, y en base a la decisión con respecto a si se debe realizar, o no, la maniobra para evitar colisiones en el más corto de los TTM calculados de esta manera.
La incertidumbre en las estimaciones de TTCIPU es típicamente alta, siempre que el vehículo intruso esté lejano del vehículo anfitrión. Preferiblemente, el filtro de seguimiento del sistema para evitar colisiones está dispuesto para comenzar a utilizar las estimaciones de TTCIPU como parámetros de entrada cuando la calidad en las estimaciones de TTCIPU supera un cierto valor umbral. La calidad de las estimaciones de TTCIPU se puede determinar por medio del estudio de diversos parámetros de indicación de calidad, como por ejemplo, la incertidumbre en la estimación de TTCIPU. La incertidumbre de cada estimación de TTCIPU se puede calcular de diferentes maneras, pero preferiblemente se calcula en base a la varianza de la última estimación de TTCIPU estimado.
Características más ventajosas del sistema para evitar colisiones de acuerdo con la invención se describirán en la descripción detallada que sigue en la presente memoria descriptiva y a continuación.
Otro objeto de la presente invención es proporcionar un procedimiento para decidir si se debe realizar una maniobra de evitación con el fin de evitar una colisión en vuelo entre un vehículo aéreo anfitrión y un vehículo aéreo intruso.
Este objeto se consigue por un procedimiento que comprende las etapas de:
-
capturar imágenes consecutivas del citado vehículo intruso, manifestándose dicho vehículo como un punto de objetivo en las citadas imágenes,
-
estimar al menos el ángulo de acimut (φ) y el de elevación (θ) del vehículo anfitrión con respecto al vehículo intruso en base a la posición en 2D del punto de objetivo en la citadas imágenes, y una primera estimación de tiempo para colisión (TTCIPU) del tiempo para la colisión entre el vehículo anfitrión y el vehículo intruso en base al cambio de escala en el punto de objetivo entre al menos dos de las citadas imágenes consecutivas,
-
estimar por medio de un filtro de seguimiento, una segunda estimación de tiempo para colisión (TTCTF) del tiempo para la colisión entre el vehículo anfitrión y el vehículo intruso mediante el uso del citado ángulo de azimut estimado (φ), del citado ángulo de elevación estimado (θ) y de la citada primera estimación de tiempo para colisión (TTCIPU) como parámetros de entrada al citado filtro, y
-
decidir si se debe realizar, o no, la maniobra de evitación en base a cualquiera del al menos un parámetro, de los cuales al menos uno es indicativo de la citada segunda estimación de tiempo para colisión (TTCTF).
Breve descripción de los dibujos
La presente invención se entenderá más completamente a partir de la descripción detallada que se proporciona en la presente memoria descriptiva y a continuación y con los dibujos que se acompañan, que no están necesariamente a escala, y se dan solamente a modo de ilustración. En los diferentes dibujos, los mismos números de referencia corresponden a un mismo elemento.
La figura 1 ilustra una vista superior de la mitad delantera de un Vehículo Aéreo No Tripulado 1 que comprende un sistema para evitar colisiones de acuerdo con la invención.
La figura 2 ilustra un sistema para evitar colisiones para aplicaciones para evitar colisiones en vuelo de acuerdo con una realización de la presente invención.
La figura 3 ilustra dos puntos de objetivo que representan el mismo objetivo en dos imágenes consecutivas capturadas por uno de los sensores electro -ópticos en el sistema para evitar colisiones de la figura 2.
Las figuras 4 a 8B muestran gráficos de los datos de vuelo real, registrados durante un escenario en el cual una aeronave intrusa se acercó a una aeronave anfitriona equipada con el sistema para evitar colisiones que se ilustra en la figura 2.
La figura 9 es un diagrama de flujo que ilustra un procedimiento para decidir si se debe realizar una maniobra de evitación con el fin de evitar una colisión en vuelo entre un vehículo aéreo anfitrión y un vehículo aéreo intruso.
Acrónimos y abreviaturas Siglas ADS -B EKF
Definición Vigilancia Dependiente Automática -Emisión Filtro Kalman Extendido
IPU LIDAR MSC
Unidad de Tratamiento de Imagen Detección de Luz y Alcance Coordenadas Esféricas Modificadas
SNR
Relación Señal A Ruido
TP TS TTC TTM UAV UKF Descripción detallada
Predicción de Seguimiento Sistema de Seguimiento Tiempo para la Colisión Tiempo para la Maniobra Vehículo Aéreo No Tripulado Filtro Kalman tipo “Unscented”
La figura 1 ilustra una vista superior de la mitad delantera de un Vehículo Aéreo No Tripulado (UAV) 1. El UAV 1 comprende uno o varios sensores electro -ópticos (EO) 3 para la monitorización del tráfico aéreo circundante. Los sensores EO 3 constituyen partes de un sistema de seguimiento para el seguimiento continuo de objetos aéreos cercanos con el fin de evitar colisiones en vuelo. El sistema para evitar colisiones de los cuales el sistema de seguimiento forma una parte se describirá con más detalle a continuación con referencia a la figura 2.
En la realización ejemplar que se ilustra en la figura 1, se puede apreciar que el UAV 1 comprenden siete sensores electro -óptico (EO) 3 que están dispuestos en un patrón semicircular en o cerca de la proa del UAV 1. Los sensores EO 3 pueden ser cualesquiera dispositivos que sean capaces de capturar imágenes consecutivas de objetos en el espacio aéreo circundante. En una realización de la invención, los sensores EO 3 son cámaras de vídeo 3 de 9 Hz que capturan imágenes que tienen una resolución de 2048 × 2048 píxeles. Es decir, cada cámara 3 captura nueve imágenes de alta resolución por segundo del espacio aéreo circundante. Cada cámara 3 tiene un campo de visión de 35 grados en azimut y 30 grados en elevación. Los campos de visión de dos cámaras adyacentes 3 se solapan ligeramente en azimut, lo cual produce un campo de visión total de 220 grados en acimut para la disposición completa de sensores EO. Por lo tanto, la disposición de sensores EO tiene un campo de visión de 220 grados en azimut y 30 grados en elevación, lo que se corresponde sustancialmente con el campo de visión de los ojos humanos.
La figura 2 ilustra un sistema para evitar colisiones 5 para aplicaciones para evitar colisiones en vuelo de acuerdo con una realización de la invención.
Cada uno de los sensores EO 3 en la figura 1 está conectado a una unidad de tratamiento de imagen (IPU) 7 a la que transmite los datos de imágenes capturados.
La IPU 7 filtra y procesa los datos de las imágenes recibidas para detectar discrepancias de píxeles que son representativas de los vehículos aéreos cercanos. Un vehículo aéreo que entra en el campo de visión de cualquiera de las cámaras 3 del sistema de seguimiento 5 se manifestará como un objeto sustancialmente en forma de punto que llena uno o varios píxeles de imagen. Una discrepancia de píxeles detectada que representa un vehículo aéreo en la presente memoria descriptiva y a continuación será referido como un punto de objetivo y el vehículo aéreo que se manifiesta como un punto de objetivo en la imagen será referido como un objetivo.
Un problema bien conocido en los sistemas de seguimiento de objetivos basados en el reconocimiento de imágenes es el de separar los puntos de objetivo reales de las discrepancias de píxeles causadas por el ruido de la señal. Típicamente, en una imagen de 2048 × 2048 píxeles, habrá cientos de puntos de objetivo "falsos" causados por el ruido de la señal. Con el fin de filtrar los puntos de objetivo falsos, la IPU 7 está adaptada para comparar dos o más
imágenes consecutivas recibidas desde la cámara 3 y asociar los puntos de objetivo que se producen en las diferentes imágenes unos con los otros cuando son suficientemente similares. En este contexto, "suficientemente similares" significa típicamente que los puntos de objetivo que tienen sustancialmente el mismo tamaño, que se producen sustancialmente en el mismo lugar, y que se mueve sustancialmente en la misma dirección entre las imágenes consecutivas están asociados unos con los otros. Por supuesto, la IPU 7 puede estar adaptada para tolerar pequeños cambios en el tamaño, la posición y la dirección de movimiento entre las imágenes consecutivas para compensar cualquier movimiento relativo entre el UAV anfitrión 1 y el objetivo seguido que se manifiesta como un punto de objetivo en las imágenes. Para este propósito, la IPU 7 se puede adaptar adicionalmente para utilizar los datos de navegación relacionados con la posición y la velocidad de la propia aeronave, recibidos de una unidad de navegación 9. La IPU 7 está adaptada, además, para asociar un punto de objetivo asociado con una pista a lo largo de la cual se mueve el punto de objetivo entre las imágenes consecutivas, y estima la posición de un punto de objetivo particular, en la siguiente imagen o imágenes en base a esta pista. Los puntos de objetivo que no pueden ser asociadas a los puntos de objetivo que se producen en las imágenes anteriores o posteriores son considerados falsos y son filtrados y rechazados por la IPU 7.
La IPU 7 está adaptada, además, para estimar por lo menos tres parámetros de interés, y la incertidumbre asociada con cada parámetro.
En primer lugar, la IPU 7 está adaptada para calcular el azimut, φ y la elevación, θ, de cada objetivo detectado en base a la posición en dos dimensiones (2D) del punto de objetivo que representa ese objetivo en la imagen procesada. A medida que cada cámara 3 se dispone de una manera conocida en relación con el cuerpo del UAV 1, y puesto que el campo de visión de cada cámara, es decir, el ángulo sólido monitorizado por cada cámara, es conocido y bien definido, la IPU 7 puede traducir la posición en 2D del o de los píxeles que constituye el punto de objetivo en la imagen capturada a un ángulo de azimut, φ, y a un ángulo de elevación, θ, desde el UAV 1 al objetivo. El azimut, φ, y la elevación, θ, juntos proporcionan la orientación del UAV 1 al objetivo. La IPU 7 está adaptada también para estimar la incertidumbre, σ(φ), en la estimación del azimut y la incertidumbre, σ(θ), en la estimación de la elevación en base a, por ejemplo, la relación señal -ruido (SNR) en la imagen procesada y otros parámetros del sistema críticos para el rendimiento. Además, la IPU 7 puede estar dispuesta para determinar los parámetros de calidad, p(θ) y p(φ), que son indicativos de la disponibilidad y de la calidad de las estimaciones de azimut, φ, y de elevación, θ. La calidad de las estimaciones de acimut y de elevación depende, por ejemplo, de la técnica de medición utilizada y de las características de funcionamiento del equipo de medición. Los parámetros de calidad que indican el grado de precisión en los datos medidos se desea a menudo en aplicaciones críticas de seguridad, tales como las aplicaciones para evitar colisiones. Los parámetros de incertidumbre σ(φ) y σ(θ) y los parámetros de calidad p(φ) y p(θ) juntos constituyen una buena medida de la fiabilidad de la orientación medida desde el UAV anfitrión 1 a un vehículo aéreo seguido.
En segundo lugar, la IPU 7 está adaptada para calcular un parámetro denominado Tiempo para la Colisión (TTC), siendo de gran importancia dicho parámetro en las aplicaciones para evitar las colisiones. Como el nombre implica, el TTC es una medida del tiempo previsto para la colisión entre el UAV anfitrión 1 y el objetivo detectado. Aunque los datos de imágenes recibidos por la IPU 7 no contienen ninguna información explícita acerca de la distancia a un objetivo detectado o la velocidad del mismo, la IPU 7 es capaz de estimar el TTC utilizando técnicas de tratamiento de imagen de correlación de escala. Las estimaciones de TTC estimadas por la IPU 7 usando las técnicas de tratamiento de imagen de correlación de escala en la presente memoria descriptiva y a continuación se denominarán TTCIPU.
Con el fin de estimar el TTCIPU, la IPU 7 está adaptada para medir el cambio de escala de un objetivo proyectado entre imágenes consecutivas, es decir, el cambio de escala de un punto de objetivo entre imágenes consecutivas, y el TTCIPU estimado en base al citado cambio de escala. El cambio de escala de un punto de objetivo entre imágenes consecutivas, o, en otras palabras, la velocidad de cambio de crecimiento angular en el punto de objetivo, es igual a una medida de la distancia al objetivo seguido dividida por la velocidad de cierre del objetivo y es por lo tanto, es una medida del tiempo para la colisión entre el UAV anfitrión 1 y el objetivo seguido. La figura 3 ilustra dos puntos de objetivo que representan el mismo objetivo en dos imágenes consecutivas tomadas por la cámara 3. La primera imagen es capturada en un primer punto en el tiempo, t, en el que la extensión angular del punto de objetivo en el sensor se denomina α(t), y la segunda imagen capturada en un segundo punto en el tiempo, t + ΔT, en el que la extensión angular del punto de objetivo, α(t + ΔT), es ligeramente más grande debido al hecho de que el objetivo está más cerca del UAV anfitrión 1 durante el período de tiempo ΔT. El área rayada representa el cambio en el crecimiento angular del punto de objetivo entre las dos imágenes. Midiendo el área rayada utilizando técnicas de procesamiento, la IPU 7 puede calcular la velocidad de cambio del punto de objetivo de crecimiento angular puesto que el tiempo, ΔT, transcurrido entre la captación de las diferentes imágenes, es conocido. Típicamente, la extensión angular de un punto de objetivo se estima midiendo la extensión lineal del punto de objetivo en la imagen, es decir, por medio de la medición de la anchura y / o la altura del punto de objetivo.
Se debe hacer notar que, con el fin de que la IPU 7 obtenga una estimación precisa del TTCIPU, el objetivo se debe estar moviendo sustancialmente directamente hacia el UAV anfitrión 1. Es decir, el cambio en la orientación (|dφ/dt| y |dθ/dt|) al objetivo seguido debe ser próximo a cero en el tiempo. Esto es debido al hecho de que, con el fin de que la IPU 7 determine el cambio de escala del punto de objetivo y por lo tanto el TTCIPU con un grado razonable de certidumbre, los puntos de objetivo se deben solapar preferentemente unos con los otros por completo, como se ilustra en la figura 3. Además, con el fin de obtener un alto grado de certidumbre en la estimación de TTCIPU, el cam
bio de escala del punto de objetivo debe ser lo suficientemente grande entre las imágenes consecutivas. Las "imágenes consecutivas" en este contexto no se deben interpretar necesariamente como dos imágenes inmediatamente consecutivas. En el ejemplo de realización en la que las cámaras de vídeo 3 de 9 Hz se utilizan como sensores EO, la utilización de dos imágenes consecutivas inmediatas cuando se trata de estimar el TTCIPU produciría un ΔT de aproximadamente 0,2 segundos. Un valor de ΔT de 0,2 segundos es normalmente pequeño cuando se siguen vehículos aéreos muy distantes que tienen un tamaño y velocidad estándar. Con la configuración de sensores EO sugerida, ΔT se elige preferiblemente para que sea entre 2 y 10 segundos (correspondiente a la determinación del cambio de escala del punto de objetivo entre un máximo cada decimoctava imagen, y un mínimo cada nonagésima imagen).
Un problema cuando se usa el cambio de escala en puntos de objetivo entre imágenes consecutivas para la estimación de tiempo para colisión es que las estimaciones solamente están disponibles cuando el vehículo aéreo intruso está cerca de los sensores EO 3 y por lo tanto, del UAV anfitrión 1. La distancia crítica en la cual las estimaciones de TTCIPU estén disponibles depende de la visibilidad, la velocidad de cierre relativa de los vehículos, las propiedades de los sensores EO y el tamaño del vehículo aéreo intruso. Que las estimaciones de TTCIPU se encuentren "disponibles" aquí significa que más allá de esta distancia crítica, cualquier estimación de TTCIPU es demasiado incierta para confiar en ella. Sin embargo, una ventaja de la estimación de tiempo para la colisión en base al cambio de escala en los puntos de objetivo entre las imágenes captadas consecutivamente es que una vez que el vehículo aéreo intruso está dentro de la distancia crítica mencionada, los valores del TTCIPU estimado tienen un grado de certidumbre muy alto.
Además de las incertidumbres asociadas con las estimaciones de azimut y elevación, σ(φ) y σ(θ), la IPU 7 está adaptada, además, para estimar la incertidumbre, σ(TTCIPU) asociada con la estimación del TTCIPU. La incertidumbre del TTCIPU puede ser estimada de diferentes maneras. Por ejemplo, se puede calcular en base a diversos parámetros del sistema, tales como la SNR y el ruido de medición angular en una base de imagen a imagen. Típicamente, sin embargo, la incertidumbre asociada con la estimación del TTCIPU particular es determinada por la IPU 7 mediante el estudio de la varianza de una pluralidad de valores de TTCIPU estimados inmediatamente antes de la estimación del TTCIPU del cual se va a determinar la incertidumbre. Una buena correspondencia / pequeña varianza indica que la estimación del TTCIPU es fiable. La IPU 7 puede estar adaptada para generar un indicador de incertidumbre del TTCIPU, fσ(TTC_IPU), que es indicativa de la incertidumbre, σ(TTCIPU), asociada con cada estimación del TTCIPU y por lo tanto, la fiabilidad de la misma. El indicador de incertidumbre del TTCIPU puede ser, por ejemplo, una bandera que es establecida por la IPU 7 cuando la incertidumbre del TTCIPU cae por debajo de un valor umbral predeterminado.
Volviendo de nuevo a la figura 2, el sistema de seguimiento 5 comprende, además, el medio de predicción de seguimiento (TP) 11. El predictor de seguimiento 11 comprende un filtro de seguimiento 12, para estimar el tiempo para la colisión con vehículos aéreos intrusos basado en las mediciones de orientación, es decir, las mediciones del acimut, φ, y de la elevación, θ, realizadas por la IPU 7. Las estimaciones de tiempo para la colisión estimadas por el filtro de seguimiento 12 en la presente memoria descriptiva y a continuación se denominarán TTCTF.
Los filtros de seguimiento son bien conocidos en la técnica y se pueden implementar de muchas maneras diferentes. Por ejemplo, el filtro de seguimiento 12 puede ser un Filtro de Kalman Extendido (EKF), un filtro de Kalman de tipo “Unscented” (UKF), variaciones de filtros de partículas (Procedimientos Recursivos de Monte Carlo) o combinaciones de los mismos. Ambos filtros de Kalman y filtros de partículas son bien conocidos en la técnica y se sabe que son filtros recursivos eficaces para estimar el estado de un sistema dinámico a partir de una serie de mediciones. También se conoce el uso de tales filtros en los predictores de seguimiento para la estimación de la posición y de la velocidad de un vehículo aéreo cercano a partir de una secuencia de observaciones respecto de la posición del vehículo.
Como se indica en la figura 2, el predictor de seguimiento 11 recibe las mediciones angulares (φ y θ) y las incertidumbres asociadas con las mismas (σ(φ) y σ(θ)) desde la IPU 7. También recibe los datos de navegación relacionados con la propia aeronave 1, tales como la altura, velocidad, dirección de movimiento, aceleración etc., actuales, de la unidad de navegación 9. Estos datos se utilizan como parámetros de entrada al filtro de seguimiento 12 con el fin de que el citado filtro estime la posición tridimensional (3D) (posT) del objetivo, la velocidad (VT) del objetivo, TTCTF y las incertidumbres asociadas a estos parámetros.
Una ventaja de utilizar filtros de seguimiento para la estimación de tiempo para colisión, en comparación con el uso de técnicas de correlación de escala como la utilizada por la IPU 7 que se ha explicado más arriba, es que las estimaciones de TTCTF se pueden conseguir también cuando el objetivo seguido se encuentra a gran distancia del UAV
1. Las estimaciones de TTCTF para un vehículo aéreo intruso pueden ser calculadas por el filtro de seguimiento 12 a distancias mucho más grandes que la distancia crítica de la cual las estimaciones fiables de TTCIPU pueden ser derivadas por la IPU 7. Una desventaja de estimar el tiempo para la colisión utilizando un filtro de seguimiento en lugar de utilizar la técnica de cambio de escala que se ha descrito más arriba es, sin embargo, que las incertidumbres en las estimaciones de TTCTF son mucho mayores que las incertidumbres en las estimaciones de TTCIPU para mediciones de distancias cortas, es decir, para las distancias más cortas que la citada distancia crítica. Es decir, mientras las estimaciones de TTCTF de un vehículo aéreo intruso a menudo están disponibles tan pronto como el vehículo es detectable por los sensores EO 3, las estimaciones de TTCIPU son mucho más ciertas cuando el vehículo se encuentra cerca del UAV anfitrión 1.
El concepto básico de la presente invención es el uso de las estimaciones de TTCIPU estimadas por la IPU 7 como parámetros de entrada para el filtro de seguimiento 12 cuando las estimaciones de TTCIPU se consideran suficientemente fiables, y permitir que la decisión con respecto a si el UAV 1 debe realizar, o no, una maniobra autónoma para evitar la colisión en base en las estimaciones de TTCTF enviadas por el filtro de seguimiento12, o cualquier otro parámetro relacionado con el mismo. Mediante el uso de las estimaciones de TTCIPU como parámetros de entrada medidos para el filtro de seguimiento 12, se reduce drásticamente la incertidumbre en las estimaciones de TTCTF producidas como salida por el filtro 12. Además, tanto la estimación de la distancia al objetivo y la incertidumbre de distancia se mejoran. Por lo tanto, se puede obtener una estimación más precisa y segura de la posición en 3D del objetivo.
A continuación, se describirá un ejemplo de la implementación de la invención. En esta implementación ejemplar, el filtro de seguimiento 12 es un EKF 12 que utiliza Coordenadas Esféricas Modificadas (MSC). Sin embargo, se debe apreciar que el concepto básico de usar las estimaciones de TTCIPU como parámetros de entrada para el filtro de seguimiento 12 con el fin de aumentar la precisión y reducir la incertidumbre en las estimaciones de TTCTF son aplicables también cuando se utilizan otros tipos de filtros de seguimiento.
En las coordenadas MSC, el TTCTF puede ser deducido directamente por el filtro de seguimiento 12 si ambas velocidad de orientación (| dφ / dt | y | dθ / dt |) y aceleración de la orientación (|d2φ/dt2| y |d2θ/dt2|) son distintas de cero. En la práctica, el movimiento relativo entre el UAV anfitrión 1 y un vehículo aéreo intruso nunca es uniforme debido, por ejemplo, a cambios pequeños pero ubicuos en la fuerza del viento, y, por lo tanto, estas condiciones se cumplen siempre y el EKF 12 siempre es capaz de estimar el tiempo para la colisión con un objetivo detectado.
En esta implementación ejemplar, el vector de estado estimado por el EKF 12 utilizando coordenadas MSC es:
en la que φ es el acimut y θ es la elevación del UAV anfitrión 1 con respecto al objetivo seguido, φJ y θJ son las velocidades de cambio del azimut y la elevación, respectivamente, r es la distancia desde el UAV anfitrión 1 al objetivo
seguido, y es la velocidad de cambio en la citada distancia, es decir, la velocidad de cierre relativa del UAV anfi
trión 1 y el objetivo seguido. Se debe hacer notar que el estado quinto, es la velocidad de cierre relativa del UAV anfitrión 1 y del objetivo seguido dividida por la distancia entre los mismos, y por lo tanto es el inverso de TTCTF .
Inicialmente, cuando un objetivo lejano es detectado por primera vez por un sensor EO 3, el ángulo de azimut, φ, el ángulo de elevación, θ, y las incertidumbres asociadas con los mismos, σ(φ) y σ(θ), son calculados por la IPU 7 y se proporciona a la TP 11 en la que se utilizan como valores de entrada al EKF 12. Los valores iniciales de los otros estados del vector de estado, x, se suponen. Normalmente, la velocidad de cambio en azimut y elevación, y por lo tanto el estado segundo y cuarto del vector de estado, x, se establecen inicialmente en cero. Los valores iniciales de los estados quinto y sexto del vector de estado, x, se puede disponer en cualquier valor adecuado. Sin embargo, un valor inicial preferido del parámetro r es un valor correspondiente al alcance operativo de los sensores EO 1, puesto que es probable que un objetivo que es detectado por primera vez por un sensor EO 1 se encuentre cerca del límite del alcance de detección del sensor. El alcance de detección depende del sensor, del tamaño del objeto (aeronave intrusa), y de las condiciones atmosféricas. Una estimación del tamaño de la aeronave intrusa se puede lograr utilizando el conocimiento de la zona de vuelo. Por ejemplo, las pequeñas aeronaves funcionan típicamente en niveles de vuelo bajos fuera del alcance de la Gestión del Tráfico Aéreo (ATM), mientras que las grandes aeronaves comerciales operan en espacio aéreo controlado en altitudes elevadas. En cuanto al valor inicial del estado quinto, que se corresponde con la inversa del TTCTF , un valor inicial adecuado del TTCTF se puede suponer en base a los datos disponibles. Típicamente, un primer valor del TTCTF se calcula en base a la suposición de que el objetivo detectado y el UAV anfitrión 1 eventualmente colisionarán, la distancia supuesta al objetivo (es decir, el alcance operativo de los sensores EO 1), la velocidad de la propia aeronave 1, y la velocidad de cierre supuesta entre la propia aeronave y el objetivo.
Como es bien conocido en la técnica, el filtro de seguimiento 12 a continuación calcula los nuevos valores de los parámetros de estado y de las incertidumbres asociadas con los mismos, en base a los valores iniciales anteriores y las mediciones de acimut y de elevación recibidas de la IPU 7. En las siguientes iteraciones, el filtro 12 utiliza los valores de los parámetros de estado estimados en el paso de tiempo anterior y las estimaciones últimas de azimut y de elevación realizadas por la IPU 7 para calcular nuevos valores de los parámetros de estado e incertidumbres.
Como se ha mencionado más arriba, las incertidumbres en las estimaciones de TTCIPU de la IPU 7 son generalmente altas en distancias largas. Sin embargo, si la distancia entre el objetivo seguido y el UAV anfitrión 1 llega a ser suficientemente pequeña, las estimaciones de TTCIPU son mucho más seguras que las estimaciones de TTCTF.
Puesto que una maniobra para evitar colisiones, por naturaleza, se realiza cuando una aeronave intrusa está cerca del UAV 1, las estimaciones fiables del TTCIPU estarán disponibles en el sistema para evitar colisiones 5 en el momento en que surja la necesidad de realizar una maniobra de evitación.
Típicamente, el sistema para evitar colisiones 5 se dispone de manera que el filtro de seguimiento 12 comienza a utilizar las estimaciones de TTCIPU de la IPU 7 como parámetros de entrada cuando han alcanzado un cierto grado de fiabilidad. Por ejemplo, la TP 11 puede estar dispuesta para recibir el indicador de incertidumbre, fσ(TCC_IPU), del TTCIPU, desde la IPU 7, y para proporcionar las estimaciones de TTCIPU como parámetros de entrada para el filtro de seguimiento 12 cuando el indicador de incertidumbre del TTC indica que la incertidumbre, σ(TCCIPU), en las estimaciones de TTCIPU ha caído por debajo de un cierto valor umbral. Sin embargo, se debe entender que la incertidumbre en las estimaciones de TTCIPU no es el único parámetro que indica la fiabilidad del mismo y también se puede usar otros parámetros de calidad para determinar cuando el filtro 12 debe empezar a utilizar las estimaciones de TTCIPU como parámetros de entrada.
El filtro de seguimiento 12 puede ser diseñado para utilizar estimaciones fiables del TTCIPU recibidas desde la IPU 7 de diferentes maneras. Preferiblemente, el filtro de seguimiento 12 está adaptado para fusionar las estimaciones de TTCIPU de la IPU 7 con las estimaciones de TTCTF enviadas por el filtro 12, lo que significa que cada estimación de TTCIPU se utiliza como parámetro de entrada adicional para el filtro, complementando la estimación de TTCTF estimada por el mismo filtro en la iteración anterior (es decir, la inversa de quinto estado en el vector de estado, x). Es decir, las estimaciones de TTCIPU se consideran como un parámetro de estado medido por el filtro de seguimiento
12. De esta manera, de acuerdo con esta realización, el TTCIPU es utilizada como una medición de entrada por el filtro de seguimiento 12, que produce una estimación de TTCTF con una la estimación mejorada de la incertidumbre de TTCTF así como de otros estados.
El sistema para evitar colisión propuesto 5 en el que las estimaciones de TTCIPU de la IPU 7 se utilizan como parámetros de entrada al filtro de seguimiento 12 cuando las citadas estimaciones de TTCIPU se hacen fiables, combina las ventajas ofrecidas por los filtros de seguimiento (estimaciones de tiempo para la colisión disponibles también para los objetivo lejanos) y sensores de imágenes que utilizan las técnicas de correlación de escala (alto grado de certidumbre en las estimaciones de tiempo para la colisión de objetos cercanos). Una ventaja de la ejecución de las estimaciones de TTCIPU por medio del filtro de seguimiento 12 en lugar de utilizar simplemente las estimaciones de TTCTF del filtro de seguimiento 12 en largas distancias y las estimaciones de TTCIPU de la IPU 7 en distancias cortas, es que también la estimación de la distancia, r, al objetivo, y por lo tanto la estimación de la posición en 3D del objetivo, se mejoran. Esto es debido al hecho de que el alto grado de certidumbre en la estimación de TTCTF ofrecida por el principio propuesto tiene un impacto directo en la precisión y en la certidumbre en la estimación de alcance.
Como se ha mencionado más arriba, la distancia crítica en la cual el TTCIPU se hace disponible depende de la visibilidad, de la velocidad de cierre relativa de los vehículos, de las propiedades de los sensores EO y del tamaño del vehículo aéreo intruso. De hecho, una estimación de la distancia efectiva en la que las estimaciones de TTCIPU son lo suficientemente fiable para utilizar como parámetros de entrada al filtro de seguimiento 12 se puede derivar considerando la SNR:
en la que E es el operador de estimación, α es la extensión angular del punto de objetivo en el sensor, y Stdv es el operador de la desviación estándar de la estimación de TTC. Esto proporciona:
en la que TTTC es el tiempo que queda para la colisión en el punto en el tiempo en el que las estimaciones de TTCIPU de la IPU 7 estén disponibles (es decir, el tiempo real para la colisión, menos el tiempo que queda hasta las estimaciones fiables del TTCIPU de la IPU estén disponibles), L es el tamaño lineal del objetivo seguido, ΔT es un tiempo de integración correspondiente al tiempo entre dos imágenes consecutivas inmediatamente tomadas por los sensores EO 1, v es la velocidad de cierre entre el UAV anfitrión 1 y el objetivo seguido, y SNR es la relación señal -ruido y σα es el ruido de medición angular.
Además de los sensores EO 1, la IPU 7, la unidad de navegación 9 y la TP 11, se puede ver que el sistema para evitar colisiones 5 en la figura 2 comprende, además, una unidad de fusión de datos opcional 13. La unidad de fusión de datos 13 puede estar conectada a otros sensores (no mostrados) del sistema para evitar colisiones 5, tales como el radar primario y / o secundario, LIDAR, equipo ADS -B, etc., y estar dispuesto para fusionar los datos recibidos desde cualesquiera sensor o sensores de este tipo con los datos que son producidos como salida por el filtro de seguimiento 11.
Los datos que son producidos como salida por el filtro de seguimiento 12, se proporcionan entonces como datos de entrada a una unidad para evitar colisiones (CA) 15, opcionalmente después de ser fusionados con los datos obtenidos de otros sensores en la unidad de fusión 13. La unidad de CA 15 comprende la funcionalidad para la evaluación de los datos recibidos con el fin de determinar si se debe realizar una maniobra para evitar colisiones por el UAV 1, y si es así, cómo se debe hacer con el fin de evitar la colisión con el objetivo seguido. Esta decisión se puede basar no sólo en los citados datos recibidos, sino también en los datos de navegación en relación con la localización y el movimiento de la propia aeronave, proporcionados a la unidad de CA 15 por la unidad de navegación 9. Típicamente, se basa también en el funcionamiento de vuelo del UAV 1. Si la unidad de CA 15 determina que ahora es el momento de hacer una maniobra de evitación con el fin de evitar la colisión con un vehículo aéreo intruso, envía órdenes de control del UAV a una unidad de maniobra 17 del UAV, instruyendo a la unidad de maniobra 17 a que controle el UAV 1 acuerdo con las citadas órdenes de control.
De acuerdo con la invención, el sistema para evitar colisiones 5 está diseñado de tal manera que la decisión de si se debe realizar, o no una maniobra de evitación, se puede basar al menos en la estimación de TTCTF enviada por el filtro de seguimiento 12, o cualquier parámetro indicativo de la citada estimación de TTCTF. Por ejemplo, la decisión se puede basar en la misma estimación de TTCTF, y la incertidumbre asociada con la misma. Típicamente, la unidad para evitar colisiones 15 está dispuesta para calcular el tiempo que queda hasta que se deba iniciar una maniobra para evitar de último instante, que en la presente memoria descriptiva y a continuación será denominada como el tiempo para maniobrar (TTM), en base a una pluralidad de parámetros, de los cuales la estimación de TTCTF y su incertidumbre asociada son dos de los más importantes. Por lo tanto, el principio propuesto de utilizar los valores del TTCIPU estimados por la IPU 7 como parámetros de entrada al filtro de seguimiento 12 proporcionan una funcionalidad para evitar colisiones más robusta y segura con menos peticiones de maniobras de evitación innecesarias puesto que la incertidumbre en el parámetro de TTCTF iterada por el filtro de seguimiento 12 se reduce drásticamente.
De acuerdo con otra realización de la invención, el sistema para evitar colisiones 5 está diseñado de tal manera que la unidad de CA 15 recibe también las estimaciones de TTCIPU calculadas por la IPU 7, y las incertidumbres asociadas con la misma. En esta realización, la unidad de CA 15 está dispuesta para decidir si se debe realizar, o no, una maniobra de evitación en base a una o ambas estimaciones de TTCTF y de las estimaciones de TTCIPU. En este caso, la unidad de CA 15 puede estar dispuesta para comparar una estimación de TTCTF recibida con una estimación de TTCIPU recibida simultáneamente y decidir si se inicia, o no, una maniobra de evitación en base a la estimación que indica el TTC más pequeño. De ese modo, todavía otra capa de seguridad se añade al sistema para evitar colisiones 5. Preferiblemente, la unidad de CA 15 está dispuesta no sólo para considerar las estimaciones de TTCTF y del TTCIPU cuando se toma la decisión, sino también la incertidumbre asociada a cada estimación respectiva. Por ejemplo, la unidad de CA 15 puede estar dispuesta para calcular un primer TTM basado en la estimación de TTCTF y su incertidumbre asociada, y un segundo TTM basada en la estimación de TTCIPU y su incertidumbre asociada, y basar la decisión en cuanto a si se debe realizar, o no, la maniobra para evitar colisiones en el más corto de los TTM calculados de esta manera.
Por lo tanto, se debe entenderse que la unidad para evitar colisiones 15 puede estar dispuesta para basar la decisión con respecto a si se debe realizar, o no, una maniobra de evitación en cualquiera de una pluralidad de parámetros, de los cuales al menos uno es la estimación de TTCTF producida como salida por el filtro de seguimiento 12, estando dispuesto dicho filtro de seguimiento para usar las estimaciones de TTCIPU como parámetros de entrada. Al permitir que la decisión se base en las estimaciones de TTCTF estimadas de acuerdo con el principio propuesto en la presente memoria descriptiva, se proporciona un sistema para evitar colisiones 5 robusto y seguro.
Aunque siempre lo puede hacer, la unidad de CA 15 no tiene que tomar la decisión en cuanto a si se debe realizar, o no, la maniobra de evitación en base a las estimaciones de TTCTF. Como se ha descrito más arriba, ejemplos de otros parámetros en los que se puede basar la decisión son las estimaciones de TTCIPU tal como son deducidas directamente por la IPU 7, y las incertidumbres asociadas con las estimaciones de TICTF y del TTCIPU. Otros parámetros estimados por la IPU 7 o por el filtro de seguimiento 12, como por ejemplo la incertidumbre en las estimaciones de azimut, elevación y alcance, o los parámetros de calidad p(θ) y p(φ) que indican la calidad y la disponibilidad de las estimaciones de azimut y de elevación, también se pueden usar en el proceso de decisión. Es decir, el sistema para evitar colisiones 5 está diseñado de tal manera que la unidad de CA 15 siempre puede tomar la decisión en base a las estimaciones de TTCTF producidas como salida por el filtro de seguimiento 12, pero también puede elegir, bajo ciertas circunstancias en cuales otros parámetros se consideran más importantes o fiables, tomar la decisión en base a estos valores de parámetro, solos o en combinación con la estimación del valor del TTCTF.
En una realización refinada de la invención, la unidad de CA 15 comprende un medio de selección separado (no mostrado) que determina qué parámetro o parámetros se deben utilizar en la decisión de si se debe realizar, o no, una maniobra de evitación. El medio de selección puede estar dispuesto para analizar todos los parámetros disponibles en el sistema para evitar colisiones 5 y decidir en cual parámetro o parámetros se debe basas la decisión considerando los valores de los parámetros actuales.
Las figuras 4 a 8B muestran gráficos de los datos de vuelo reales, registrados durante un escenario en el que una aeronave "perseguidora" y la aeronave propia volaron aproximadamente a 100 m/s, acercándose la una a la otra con una velocidad de cierre aproximadamente de 30 m/s. El filtro de seguimiento 12 que se utilizó para registrar los datos de vuelo fue un EKF que utilizaba coordenadas MSC. El vector de estado del modelo dinámico utilizado por el
filtro 12 era el vector de estado, x, anterior. En la implementación ejemplar del filtro de seguimiento 12 utilizado en esta prueba, las estimaciones de TTCTF fueron estimadas por el filtro 12 utilizando las mediciones del TTCIPU en la estimación de estado cuando la incertidumbre de las mismas eran inferiores a un cierto valor de umbral. El ruido de medida se estableció en 1 mrad (desviación estándar), el ruido del proceso en 1, y la varianza de 1/TTC en 0,0001. El tiempo estimado para la detección del objetivo por los sensores EO 1 hasta el punto en el tiempo en el que las estimaciones de TTC se encontraban disponibles en la IPU 7 se pueden obtener, como se ha mencionado más arriba, por medio de la ecuación (3). Con SNR ~10, v (velocidad de cierre relativa) ~ 30 m / s, σα ~ 1 E -4 rad, ΔT~ 10 s, y L~ 10 m, el valor de TTTC se puede calcular ~ 48 s.
La figura 4 ilustra la trayectoria de la nave propia 19 y la trayectoria de la aeronave intrusa 21 durante 120 segundos, representada en RT 90 que es un sistema de coordenadas cartesianas plano, en ángulos rectos, local (sueco), . El eje Y indica la altitud en metros por encima de una altitud de referencia.
Las figuras 5A y 5B muestran el error del TTCTF y del TTCTF estimado por el filtro de seguimiento 12 cuando la estimación de TTCIPU no es utilizada por la IPU 7 como parámetros de entrada al filtro. En la figura 5A, la línea 23 ilustra el tiempo real a la colisión, TTCGPS, que el tiempo para la colisión que se determinó en base a los datos de GPS (posiciones y velocidades conocidas de las dos aeronaves). La línea 25 ilustra el tiempo para la colisión, TTCTF, estimada por el filtro de seguimiento. La línea 29 ilustra el TTCTF menos uno multiplicado por la desviación estándar, y la línea 31 ilustra el TTCTF más uno multiplicado por la desviación estándar. En la figura 5B, la línea 33 ilustra el error cuadrático medio (RMS) del TTCTF y la línea 35 la desviación estándar de los datos del TTCTF.
Las figuras 6A y 6B muestran el alcance de la aeronave intrusa y el error de alcance estimado por el filtro de seguimiento 12 cuando no se utilizaron las estimaciones de TTCIPU de la IPU 7 como parámetros de entrada al filtro. En la figura 6A, la línea 37 ilustra el alcance verdadero, siendo determinado dicho alcance, RGPS, en base a los datos de GPS (posiciones y velocidades conocidas de las dos aeronaves). La línea 39 ilustra el alcance, RTF, estimada por el filtro de seguimiento. La línea 41 ilustra RTF menos uno multiplicado por la desviación estándar, y la línea 43 ilustra RTF más uno multiplicado por la desviación estándar. En la figura 6B, la línea 45 ilustra el error RMS de RTF y la línea 47 la desviación estándar de los datos del RTF. La línea 49 muestra una aproximación del límite inferior paramétrico Cramer -Rao.
Las figuras 7A y 7B muestran el error del TTCTF y del TTCTF estimado por el filtro de seguimiento 12 cuando las estimaciones de TTCIPU de la IPU 7 fueron utilizados como parámetros de entrada al filtro cuando están disponibles. En la figura 7A, la línea 51 corresponde a la línea 23 en la figura 5A y por lo tanto muestra el tiempo verdadero a la colisión, TTCGPS, como se calcula usando datos de GPS (posiciones y velocidades conocidas de las dos aeronaves). La línea 53 ilustra el TTCTF estimada por el filtro de seguimiento 12 usando las estimaciones de TTCIPU. La línea 55 ilustra las estimaciones de TTCIPU estimado por la IPU 7 cuando la calidad de las mismas era suficientemente alta. La línea 57 ilustra el TTCTF menos uno multiplicado por la desviación estándar, y la línea 59 ilustra el TTCTF más uno multiplicado por la desviación estándar.
Las figuras 8A y 8B muestran el alcance de la aeronave intrusa y el error en alcance estimado por el filtro de seguimiento 12 cuando las estimaciones de TTCIPU de la IPU 7 fueron utilizadas como parámetros de entrada al filtro cuando estaban disponibles. En la figura 8A, la línea 65 corresponde a la línea 37 en la figura 6A y de esta manera ilustra el alcance verdadero, RGPS, como se calcula usando datos de GPS (posiciones y velocidades conocidas de las dos aeronaves). La línea 67 ilustra el alcance, RTF, estimado por el filtro de seguimiento usando las estimaciones de TTCIPU. La línea 69 ilustra RTF menos uno multiplicado por la desviación estándar, y la línea 71 ilustra RTF más uno multiplicado por la desviación estándar. En la figura 8B, la línea 73 muestra el error RMS de RTF y la línea 75 muestra la desviación estándar de los datos RTF. La línea 77 muestra una aproximación del límite inferior paramétrico de Cramer -Rao
Cuando se comparan los gráficos que se ilustran en las figuras 5A -B y 6A -B, con los gráficos que se ilustran en las figuras 7A -B y 8A -B, los beneficios de la presente invención se hacen claros. Cuando se compara la figura 5A con la figura 7A, es claro que las estimaciones de TTCTF producidas como salida por el filtro de seguimiento 12 se acercan mucho más al tiempo verdadero para la colisión, TTCGPS, cuando las estimaciones de TTCIPU de la IPU 7 se utilizan como entrada para el filtro. De las figuras 5B y 7B, también se puede ver que el error RMS en la estimación de TTCTF se reduce sustancialmente cuando el filtro 12 usa las estimaciones de TTCIPU de la IPU 7 como parámetros de entrada. Al comparar la figura 6A con la figura 8A, y la figura 6B con la figura 8B, se puede ver, además, que la estimación de alcance, RTF, se hace mucho más precisa cuando el filtro 12 utiliza las estimaciones de TTCIPU y que la incertidumbre en la estimación de alcance se reduce sustancialmente.
En la figura 7A, se puede observar que, en estas circunstancias particulares y con este ejemplo de implementación del sistema para evitar colisiones 5, las estimaciones de TTCIPU estimadas por la IPU 7 son lo suficientemente fiables para ser utilizadas como parámetros de entrada al filtro de seguimiento 12 aproximadamente 60 segundos después de que la aeronave intrusa haya sido detectada por los sensores EO 3. Esto concuerda relativamente bien con la estimación efectuada utilizando la ecuación (3) anterior, de acuerdo con la cual las estimaciones de TTGIPU estarían disponibles después de aproximadamente 48 segundos, decidiendo si una maniobra de evitación se debe realizar con el fin de evitar una colisión en vuelo entre un vehículo aéreo anfitrión (1) y un vehículo aéreo intruso
En la figura 9, se muestra un diagrama de flujo que ilustra un procedimiento para decidir si se debe realizar una maniobra de evitación con el fin de evitar una colisión en vuelo entre un vehículo aéreo anfitrión 1 y un vehículo aéreo intruso. Las siguientes etapas se realizan de acuerdo con el procedimiento:
S91: Una imagen del objetivo es capturada por un sensor EO 3. El objetivo se manifiesta como un punto de 5 objetivo en la imagen.
S92: Los ángulos de azimut (φ) y de elevación (θ) desde el UAV anfitrión 1 al objetivo seguido son estimados por medio de la IPU 7 en base a la posición en 2D del punto objetivo en la imagen.
S93: Una primera estimación (TTCIPU) del tiempo para la colisión entre el UAV anfitrión 1 y el objetivo seguido es estimada por la IPU 7 en base al cambio de escala en el punto de objetivo entre la imagen captu
10 rada y una o varias imágenes previamente capturadas.
S94: Una segunda estimación (TTCTF) del tiempo para la colisión entre el UAV anfitrión 1 y el objetivo seguido es estimada por el filtro de seguimiento 12 por medio del ángulo de azimut (φ), el ángulo de elevación (θ) y la primera estimación de tiempo para colisión (TTCIPU) estimados por la IPU 7 en las etapas S92 y S93 como parámetros de entrada.
15 S95: Una decisión respecto a si se debe realizar, o no, una maniobra para evitar colisiones es realizada en base a cualquiera de al menos un parámetro, de los cuales al menos un parámetro es indicativo de la segunda estimación de tiempo para colisión (TTCTF ) estimado en el paso S94.
Aunque la invención se ha descrito con referencia a realizaciones específicas, estas descripciones no pretenden ser interpretadas en un sentido limitativo. Diversas modificaciones de las realizaciones desveladas, así como de realiza
20 ciones alternativas de la invención serán evidentes a los expertos en la técnica con referencia a la descripción de la invención. Podrá ser apreciado por los expertos en la técnica que la concepción y las realizaciones específicas desveladas se pueden utilizar fácilmente como base para modificar o diseñar otras estructuras para realizar los mismos propósitos de la presente invención.

Claims (12)

  1. REIVINDICACIONES
    1. Un sistema para evitar colisiones (5) para decidir si se debe realizar una maniobra de evitación autónoma con el fin de evitar una colisión en vuelo entre un vehículo aéreo anfitrión (1) equipado con el sistema (5) y un vehículo aéreo intruso, comprendiendo el citado sistema ( 5):
    5 -al menos un sensor electro -óptico [EO] (3) dispuesto para capturar imágenes consecutivas del citado vehículo intruso, el vehículo que se manifiesta como un punto de objetivo en las citadas imágenes,
    -
    un medio de tratamiento de imagen (7) dispuesto para la estimar al menos el ángulo de acimut [φ] y de elevación [θ] desde el vehículo anfitrión (1) al vehículo intruso en base a la posición en 2D del punto de objetivo en la citadas imágenes, que se caracteriza porque el citado medio de tratamiento de imagen
    10 (7) está dispuesto, además, para calcular, usando la técnica de tratamiento de imagen de correlación de escala, una primera estimación de tiempo para colisión [TTCIPU] del tiempo para la colisión entre el vehículo anfitrión (1) y el vehículo intruso basado en el cambio de escala en el punto de objetivo entre al menos dos de la citadas imágenes consecutivas, y porque el citado sistema (5) comprende, además:
    15 -un filtro de seguimiento (12) dispuesto para estimar una segunda estimación de tiempo para colisión [TTCTF ] del tiempo para la colisión entre el vehículo anfitrión (1) y el vehículo intruso usando el citado ángulo de azimut estimado [φ] , el citado ángulo de elevación estimado [θ] y la citada primera estimación de tiempo para colisión [TTCIPU] como parámetros de entrada y
    -
    un medio (15) para evitar colisiones [CA] dispuesto para decidir si se debe realizar, o no, la maniobra 20 de evitación basándose en cualquier de al menos un parámetro de decisión, de los cuales al menos uno es indicativo de la citada segunda estimación de tiempo para colisión [TTCTF ] .
  2. 2. Un sistema para evitar colisiones (5) de acuerdo con la reivindicación 1, en el que el citado filtro de seguimiento
    (12) está dispuesto, además, para estimar la incertidumbre [σ(TTCTF)] en la citada segunda estimación de tiem
    po para colisión [TTCTF] , estando dispuesto el citado un medio de CA (15) para tomar la decisión en base a la 25 citada segunda estimación de tiempo para colisión [TTCTF] y la citada incertidumbre [σ(TTCTF)].
  3. 3. Un sistema para evitar colisiones (5) de acuerdo con la reivindicación 1 o 2, en el que el citado medio de CA
    (15) está dispuesto para tomar la decisión en base a uno o ambos de un parámetro indicativo de la citada segunda estimación de tiempo para colisión [TTCTF] y un parámetro indicativo de la citada primera estimación de tiempo para colisión [TTCIPU]
    30 4. Un sistema para evitar colisiones (5) de acuerdo con la reivindicación 3 cuando depende de la reivindicación 2, que comprende, además, un medio (7) para determinar la incertidumbre [σ(TTCIPU)] en la primera estimación de tiempo para colisión [TTCIPU] , estando dispuesto el citado un medio de CA (15) para tomar la decisión en base a cualquiera de la segunda estimación de tiempo para colisión [TTCTF], la incertidumbre de la segunda estimación de tiempo para colisión [σ (TTCTF )], la segunda estimación de tiempo para colisión [TTCIPU] , la incertidum
    35 bre de la primera estimación de tiempo para colisión [σ (TTCIPU)] , o cualquier combinación de éstos.
  4. 5. Un sistema para evitar colisiones (5) de acuerdo con cualquiera de las reivindicaciones precedentes, en el que el citado filtro de seguimiento (12) está dispuesto para, en cada iteración del filtro, usar tanto la primera estimación de tiempo para colisión [TTCIPU] estimada por el medio de tratamiento de imagen (7) de la última imagen capturada y la segunda estimación de tiempo para colisión [TTCTF] estimada por el filtro (12) en la iteración pre
    40 cedente del filtro como parámetros de entrada cuando se estima la citada segunda estimación de tiempo para colisión [TTCTF ].
  5. 6. Un sistema para evitar colisiones (5) de acuerdo con cualquiera de las reivindicaciones precedentes, que comprende un medio (7) para la determinación de la incertidumbre [σ (TTCIPU)] en la primera estimación de tiempo para colisión [TTCIPU], y un medio (11) para determinar cuándo comenzar a usar la citada primera estimación de
    45 tiempo para colisión [TTCIPU] como parámetro de entrada para el citado filtro de seguimiento (12) en base a la citada incertidumbre [σ (TTCIPU)] .
  6. 7. Un sistema para evitar colisiones (5) de acuerdo con cualquiera de las reivindicaciones precedentes, en el que el citado filtro de seguimiento 12, es un filtro de Kalman extendido [EKF]
  7. 8. Un sistema para evitar colisiones (5) de acuerdo con cualquiera de las reivindicaciones precedentes, en el que 50 el citado filtro de seguimiento 12, es un filtro de Kalman de tipo “unscented” [UKF].
  8. 9.
    Un sistema para evitar colisiones (5) de acuerdo con cualquiera de las reivindicaciones precedentes, en el que el citado filtro de seguimiento 12 es un filtro de partículas.
  9. 10.
    Un procedimiento para decidir si se debe realizar una maniobra de evitación con el fin de evitar una colisión en vuelo entre un vehículo aéreo anfitrión (1) y un vehículo aéreo intruso, comprendiendo el citado procedimiento las etapas de:
    -
    capturar imágenes consecutivas del citado vehículo intruso, el vehículo que se manifiesta como un 5 punto de objetivo en la citadas imágenes,
    -
    estimar al menos los ángulos de acimut [φ] y de elevación [θ] del vehículo anfitrión (1) con respecto al vehículo intruso en base a la posición en 2D del punto de objetivo en las citadas imágenes,
    el citado procedimiento se caracteriza porque comprende también las siguientes etapas:
    -
    estimar, utilizando la técnica de tratamiento de imagen de correlación de escala, una primera estima
    10 ción de tiempo para colisión [TTCIPU] del tiempo para la colisión entre el vehículo anfitrión (1) y el vehículo intruso en base al cambio de escala en el punto de objetivo entre al menos dos de las citadas imágenes consecutivas,
    -
    estimar, por medio de un filtro de seguimiento (12), una segunda estimación de tiempo para colisión [TTCTF] del tiempo para la colisión entre el vehículo anfitrión (1) y el vehículo intruso mediante el uso 15 del citado ángulo de azimut estimado [φ], del citado ángulo de elevación estimado [θ] y de la citada
    primera estimación de tiempo para colisión [TTCIPU] como parámetros de entrada al citado filtro (12), y
    -
    decidir si se debe realizar, o no, la maniobra de evitación en base a cualquier de al menos un parámetro decisión, de los cuales al menos uno es indicativo de la citada segunda estimación de tiempo para colisión [TTCTF ].
    20 11. Un procedimiento de acuerdo con la reivindicación 10, que comprende, además, la etapa de estimar la incertidumbre [σ (TTCTF )] en la citada segunda estimación de tiempo para colisión [TTCTF] , estando basada la etapa de decidir si se debe realizar, o no, la maniobra de evitación en la citada segunda estimación de tiempo para colisión [TTCTF ] y en la citada incertidumbre [σ (TTCTF )] .
  10. 12. Un procedimiento de acuerdo con la reivindicación 10 o 11, en el que la etapa de decidir si se debe realizar, o
    25 no, la maniobra de evitación está basada en uno o ambos de un parámetro indicativo de la citada segunda estimación de tiempo para colisión [TTCTF/IPU] y un parámetro indicativo de la citada primera estimación de tiempo para colisión [TTCIPU] .
  11. 13. Un procedimiento de acuerdo con la reivindicación 12 cuando depende de la reivindicación 11, que comprende, además, la etapa de estimar la incertidumbre [σ(TTCIPU)] en la citada primera estimación de tiempo para colisión
    30 [TTCIPU], la etapa de decidir si se debe realizar, o no, la maniobra de evitación en base a cualquiera de la citada segunda estimación de tiempo para colisión [TTCTF], la incertidumbre de la citada segunda estimación de tiempo para colisión [σ(TTCTF )], la citada primera estimación de tiempo para colisión [TTCIPU], la incertidumbre de la citada primera estimación de tiempo para colisión [σ (TTCIPU)] , o cualquier combinación de éstos.
  12. 14. Un procedimiento de acuerdo con cualquiera de las reivindicaciones 10 a 13, que comprende, además, la etapa
    35 estimar la incertidumbre [σ (TTCIPU)] en la citada primera estimación de tiempo para colisión [TTCIPU], siendo usada la citada incertidumbre [σ(TTCIPU)] como indicador de cuando empezar a utilizar la citada primera estimación de tiempo para colisión [TTCIPU] como parámetro de entrada al filtro de seguimiento (12).
ES08163084T 2008-08-27 2008-08-27 Utilización de un sensor de imágenes y de un filtro de seguimiento de tiempo restante para evitar colisiones en vuelo Active ES2400708T3 (es)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
EP08163084A EP2159779B1 (en) 2008-08-27 2008-08-27 Using image sensor and tracking filter time-to-go to avoid mid-air collisions

Publications (1)

Publication Number Publication Date
ES2400708T3 true ES2400708T3 (es) 2013-04-11

Family

ID=40266009

Family Applications (1)

Application Number Title Priority Date Filing Date
ES08163084T Active ES2400708T3 (es) 2008-08-27 2008-08-27 Utilización de un sensor de imágenes y de un filtro de seguimiento de tiempo restante para evitar colisiones en vuelo

Country Status (5)

Country Link
US (1) US8970401B2 (es)
EP (1) EP2159779B1 (es)
BR (1) BRPI0918818B1 (es)
ES (1) ES2400708T3 (es)
WO (1) WO2010024751A1 (es)

Families Citing this family (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011157723A1 (de) * 2010-06-14 2011-12-22 Aerospy Sense And Avoid Technology Gmbh System und verfahren zur kollisionsvermeidung
US9230419B2 (en) * 2010-07-27 2016-01-05 Rite-Hite Holding Corporation Methods and apparatus to detect and warn proximate entities of interest
DE102011016964A1 (de) * 2011-04-13 2012-10-18 Diehl Bgt Defence Gmbh & Co. Kg Verfahren zum Überwachen eines Luftraums um ein Luftfahrzeug
US10474166B2 (en) 2011-07-06 2019-11-12 Peloton Technology, Inc. System and method for implementing pre-cognition braking and/or avoiding or mitigation risks among platooning vehicles
US10520581B2 (en) 2011-07-06 2019-12-31 Peloton Technology, Inc. Sensor fusion for autonomous or partially autonomous vehicle control
US8744666B2 (en) 2011-07-06 2014-06-03 Peloton Technology, Inc. Systems and methods for semi-autonomous vehicular convoys
US20170242443A1 (en) 2015-11-02 2017-08-24 Peloton Technology, Inc. Gap measurement for vehicle convoying
US9146295B2 (en) * 2012-05-24 2015-09-29 The Boeing Company Acoustic ranging system using atmospheric dispersion
ITBO20120289A1 (it) 2012-05-25 2013-11-26 Marposs Spa Metodo per stimare la velocita' di rotazione di un utensile montato su un mandrino rotante di una macchina utensile
DE102012211961A1 (de) * 2012-07-10 2014-01-30 Robert Bosch Gmbh Verfahren und Vorrichtung zum Berechnen einer Veränderung eines Abbildungsmaßstabs eines Objekts
JP5944781B2 (ja) * 2012-07-31 2016-07-05 株式会社デンソーアイティーラボラトリ 移動体認識システム、移動体認識プログラム、及び移動体認識方法
DE102012216386A1 (de) * 2012-09-14 2014-03-20 Robert Bosch Gmbh Verfahren zum Betreiben eines Fahrerassistenzsystems eines Fahrzeugs
US11294396B2 (en) 2013-03-15 2022-04-05 Peloton Technology, Inc. System and method for implementing pre-cognition braking and/or avoiding or mitigation risks among platooning vehicles
FR3013834B1 (fr) * 2013-11-28 2015-12-25 Airbus Operations Sas Methode de fusion de donnees de capteurs utilisant un critere de coherence
KR102016551B1 (ko) * 2014-01-24 2019-09-02 한화디펜스 주식회사 위치 추정 장치 및 방법
US9562773B2 (en) 2014-03-15 2017-02-07 Aurora Flight Sciences Corporation Autonomous vehicle navigation system and method
US9875661B2 (en) * 2014-05-10 2018-01-23 Aurora Flight Sciences Corporation Dynamic collision-avoidance system and method
FR3020892B1 (fr) * 2014-05-12 2016-05-27 Sagem Defense Securite Procede de navigation d'un drone aerien en presence d'un aeronef intrus et drone pour la mise en œuvre de ce procede
RU2559196C1 (ru) * 2014-05-21 2015-08-10 Открытое акционерное общество "Лётно-исследовательский институт имени М.М. Громова" Способ захода на посадку летательного аппарата и система для его осуществления
US9812021B2 (en) * 2014-06-25 2017-11-07 Amazon Technologies, Inc. Object avoidance for automated aerial vehicles
US10415960B2 (en) 2015-04-06 2019-09-17 Worldvu Satellites Limited Elevation angle estimating system and method for user terminal placement
US9812020B2 (en) * 2015-08-13 2017-11-07 Hon Hai Precision Industry Co., Ltd. Electronic device and unmanned aerial vehicle control method
US9764736B2 (en) * 2015-08-14 2017-09-19 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle operation relative to unexpected dynamic objects
US10083614B2 (en) * 2015-10-22 2018-09-25 Drone Traffic, Llc Drone alerting and reporting system
US9701307B1 (en) * 2016-04-11 2017-07-11 David E. Newman Systems and methods for hazard mitigation
EP3465371A4 (en) 2016-05-31 2019-12-18 Peloton Technology Inc. STATE MACHINE OF A COLUMN CONTROL UNIT
US10543852B2 (en) * 2016-08-20 2020-01-28 Toyota Motor Engineering & Manufacturing North America, Inc. Environmental driver comfort feedback for autonomous vehicle
JP6690056B2 (ja) 2016-08-22 2020-04-28 ぺロトン テクノロジー インコーポレイテッド 自動連続車両の制御システムアーキテクチャ
US10369998B2 (en) 2016-08-22 2019-08-06 Peloton Technology, Inc. Dynamic gap control for automated driving
US10332409B2 (en) * 2016-09-27 2019-06-25 Rockwell Collins, Inc. Midair collision threat detection and assessment using visual information
JP7152395B2 (ja) * 2016-11-02 2022-10-12 ぺロトン テクノロジー インコーポレイテッド 車両隊列のためのギャップ測定
RU2757549C2 (ru) 2017-01-06 2021-10-18 Аурора Флайт Сайенсиз Корпорейшн Система и способ для предупреждения столкновений беспилотного летательного аппарата
CN106979863A (zh) * 2017-03-17 2017-07-25 上海瞬动科技有限公司合肥分公司 一种无人机imu碰撞检测方法及装置
US10515559B2 (en) * 2017-08-11 2019-12-24 The Boeing Company Automated detection and avoidance system
US11119212B2 (en) 2018-08-10 2021-09-14 Aurora Flight Sciences Corporation System and method to reduce DVE effect on lidar return
US11037453B2 (en) 2018-10-12 2021-06-15 Aurora Flight Sciences Corporation Adaptive sense and avoid system
US10820349B2 (en) 2018-12-20 2020-10-27 Autonomous Roadway Intelligence, Llc Wireless message collision avoidance with high throughput
US10816635B1 (en) 2018-12-20 2020-10-27 Autonomous Roadway Intelligence, Llc Autonomous vehicle localization system
JP7354295B2 (ja) 2019-05-23 2023-10-02 ストリートスコープ，インコーポレイテッド 車両信号を処理して挙動危険性の測度を計算するための装置及び方法
US10713950B1 (en) 2019-06-13 2020-07-14 Autonomous Roadway Intelligence, Llc Rapid wireless communication for vehicle collision mitigation
US10820182B1 (en) 2019-06-13 2020-10-27 David E. Newman Wireless protocols for emergency message transmission
US10939471B2 (en) 2019-06-13 2021-03-02 David E. Newman Managed transmission of wireless DAT messages
CN111239740A (zh) * 2020-01-20 2020-06-05 上海眼控科技股份有限公司 一种去除射线噪声的方法及设备
US11153780B1 (en) 2020-11-13 2021-10-19 Ultralogic 5G, Llc Selecting a modulation table to mitigate 5G message faults
US20220183068A1 (en) 2020-12-04 2022-06-09 David E. Newman Rapid Uplink Access by Parallel Signaling on a 5G Random-Access Channel
CN113030977A (zh) * 2021-04-16 2021-06-25 西南科技大学 一种无人机雷达探测系统
KR20230120609A (ko) * 2022-02-09 2023-08-17 팅크웨어(주) 비행체를 위한 전방위 위험요소 표시 방법 및 장치
US12481074B2 (en) * 2022-03-18 2025-11-25 Skydio, Inc. Motion-based calibration of an aerial device
FR3139919B1 (fr) * 2022-09-16 2025-04-18 Safran Electronics & Defense Procédé de contrôle de la trajectoire d’un aéronef

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5128874A (en) * 1990-01-02 1992-07-07 Honeywell Inc. Inertial navigation sensor integrated obstacle detection system
IL104542A (en) * 1993-01-28 1996-05-14 Israel State Airborne obstacle collision avoidance apparatus
US6677941B2 (en) * 2000-08-05 2004-01-13 American Gnc Corporation Three-dimensional relative positioning and tracking using LDRI
US6975246B1 (en) * 2003-05-13 2005-12-13 Itt Manufacturing Enterprises, Inc. Collision avoidance using limited range gated video
US7660436B2 (en) * 2003-06-13 2010-02-09 Sarnoff Corporation Stereo-vision based imminent collision detection
US7061401B2 (en) * 2003-08-07 2006-06-13 BODENSEEWERK GERäTETECHNIK GMBH Method and apparatus for detecting a flight obstacle
US7876258B2 (en) * 2006-03-13 2011-01-25 The Boeing Company Aircraft collision sense and avoidance system and method
JP4579191B2 (ja) * 2006-06-05 2010-11-10 本田技研工業株式会社 移動体の衝突回避システム、プログラムおよび方法
US8260036B2 (en) 2007-05-09 2012-09-04 Honeywell International Inc. Object detection using cooperative sensors and video triangulation
ATE551674T1 (de) 2007-09-14 2012-04-15 Saab Ab Verfahren, computerprogramm und vorrichtung zum bestimmen der gefahr einer kollision in der luft
EP2071515A1 (en) 2007-12-11 2009-06-17 Honda Research Institute Europe GmbH Visually tracking an object in real world using 2D appearance and multicue depth estimations

Also Published As

Publication number Publication date
EP2159779A1 (en) 2010-03-03
US20110210872A1 (en) 2011-09-01
EP2159779B1 (en) 2013-01-16
BRPI0918818A2 (pt) 2015-12-01
BRPI0918818B1 (pt) 2021-02-02
US8970401B2 (en) 2015-03-03
WO2010024751A1 (en) 2010-03-04

Similar Documents

Publication Publication Date Title
ES2400708T3 (es) Utilización de un sensor de imágenes y de un filtro de seguimiento de tiempo restante para evitar colisiones en vuelo
US9097532B2 (en) Systems and methods for monocular airborne object detection
JP7157054B2 (ja) 整合画像及びｌｉｄａｒ情報に基づいた車両ナビゲーション
US12315196B2 (en) Determining position using computer vision, lidar, and trilateration
EP3682308B1 (en) Intelligent ladar system with low latency motion planning updates
ES2381761T3 (es) Procedimiento, programa de ordenador y dispositivo para determinar el riesgo de una colisión en el aire
US11321572B2 (en) Self-position estimation method and self-position estimation device
KR101956447B1 (ko) 그래프 구조 기반의 무인체 위치 추정 장치 및 그 방법
EP2883209B1 (en) Strike detection using video images
JP6599143B2 (ja) 自律移動ロボット
US10369993B2 (en) Method and device for monitoring a setpoint trajectory to be traveled by a vehicle for being collision free
CN108364304A (zh) 一种用于单目机载目标检测的系统和方法
JP6935947B2 (ja) スマートフォンを利用する歩行者を保護するための先端歩行者補助システムを提供する方法及び装置
JP7366695B2 (ja) 物体認識方法及び物体認識装置
CN104136298A (zh) 测定车辆的速度和/或位置的方法和装置
JP7603709B2 (ja) 視覚キュー型ランダムアクセスｌｉｄａｒシステム、並びに、所在特定及びナビゲーションのための方法
Dolph et al. Ground to air testing of a fused optical-radar aircraft detection and tracking system
Altekar et al. Infrastructure-based sensor data capture systems for measurement of operational safety assessment (osa) metrics
KR101821992B1 (ko) 무인비행체를 이용한 목표물의 3차원 위치 산출 방법 및 장치
Domhof et al. Multi-sensor object tracking performance limits by the cramer-rao lower bound
JP2023084412A (ja) 物体判定装置、物体判定用コンピュータプログラム及び物体判定方法
US20250147170A1 (en) Method for deriving position during navigation
Guo et al. Ground moving target geo-location from monocular camera mounted on a micro air vehicle
Dinesh et al. Using GPS and LASER optic position determination system for detailed visual recognition in mobile robot guidance.
Gauci Obstacle detection in aerodrome areas through the use of computer vision