Autonom övervakning med samverkande sensorer

Författare:

  • Stefan Nilsson
  • Maria Andersson
  • Thord Andersson
  • Erika Bilock
  • Viktor Deleskog
  • Fredrik Hemström
  • David Lindgren
  • Sara Molin
  • Jonas Nygårds
  • Emil Relfsson
  • Joakim Rydell

Publiceringsdatum: 2021-04-06

Rapportnummer: FOI-R--5065--SE

Sidor: 33

Skriven på: Svenska

Forskningsområde:

  • Sensorer och signaturanpassning

Nyckelord:

  • multisensorsystem
  • övervakningssystem
  • multisensornätverk
  • multisensorarkitektur
  • multisensorfusion
  • detektion
  • följning
  • distribuerad målföljning
  • egenpositionering
  • egenkartering
  • komplex miljö
  • anomalidetektion
  • hotdetektor
  • UAV
  • SLAM

Sammanfattning

Denna slutrapport redovisar forskningsinsatser inom FoT-projektet Autonom övervakning med samverkande sensorer (2018-2020). Projektet har undersökt och värderat hur multisensorsystem av samverkande mobila och stationära enheter bör utformas för att autonomt kunna upptäcka, klassificera och följa hot i militärt utmanande övervakningssituationer. Multisensorarkitekturen för ett system som ska uppnå robusthet och uthållighet vid övervakning av militära anläggningar har utformats på hög nivå. Centrala funktioner har identifierats och funktionella samband har delvis beskrivits. För de flygande multisensorplattformarna har två olika positioneringsmetoder undersökts som möjliggör autonomi utan satellitnavigering, t.ex. GPS. Realtidspositionering baserat på bilddata har utvecklats, och positionering baserat på magnetfältsmätningar har utvärderats. Metoder för detektion och följning av rörliga objekt har också utvecklats. Ett ramverk för utvärdering av nya metoder för distribuerad målföljning har utvecklats. För att studera egenheter hos rörliga plattformar med dynamisk navigeringsosäkerhet har målföljningsresultat från ett simuleringstestfall med en UAV utvärderats. Resultaten visar att hänsyn måste tas till navigeringsosäkerheten vid målföljning. En ny hotdetektor baserad på deep learning har tagits fram. Syftet är att detektera hot såsom fientlig rekognosering, skjutningar och hot kopplade till folksamlingar. Hotdetektorn har validerats utifrån data från en simuleringsmodell utformad likt MSS Kvarns urbana träningsanläggning. Resultaten visar att metoden har förmåga att detektera de olika hoten.