Monisensorinen kuvafuusio miehittämättömissä ilma-alusjärjestelmissä ihmisen havaitsemiseksi maastoetsinnöissä

Abstract

Miehittämättömien ilma-alusjärjestelmien hyödyntäminen maastoetsinnöissä on nykyään vakiintunut käytäntö. Niiden käyttöön liittyy kuitenkin usein haasteita, jotka rajoittavat järjestelmien suorituskykyä ja tehokkuutta. Maasto-olosuhteissa sääolosuhteet ja etsintäympäristö ovat dynaamisia. Vaikeuksia voivat aiheuttaa muun muassa epäsuotuisat sääolosuhteet, kasvillisuuden aiheuttama peitteisyys sekä muuttuvat valo-olosuhteet. Jotta miehittämättömät ilma-alusjärjestelmät toimisivat tehokkaammin monimutkaisessa ja dynaamisessa ympäristössä, tarkastellaan tutkielmassa ratkaisuna kuvafuusiota. Tutkielman tavoitteena on selvittää kuvafuusion hyödyntämisen nykytilanne etsintätarkoitukseen käytetyissä miehittämättömissä ilma-aluksissa, kartoittaa kuvafuusion hyödyntämiseen liittyviä haasteita sekä tarkastella eri anturiyhdistelmien ja fuusiometodien soveltuvuutta kyseiseen käyttötarkoitukseen. Tutkielma on toteutettu kirjallisuuskatsauksena.

Kuvafuusiota ei tällä hetkellä varsinaisesti hyödynnetä käytännössä etsintätoimessa, vaikka tutkimustulokset ovat osoittaneet, että sillä voidaan tehostaa miehittämättömien ilma-aluksien suorituskykyä. Kuvafuusion käyttöä etsinnöissä on tutkittu jonkun verran teoreettisesti, mutta käytännön sovelluksia on vain vähän. Tutkielmassa tarkastellaan kuvafuusiota yleisesti sekä eri kuvafuusiometodeja, jotka voidaan karkeasti jakaa perinteisiin metodeihin ja uudempiin syväoppimispohjaisiin fuusiomenetelmiin. Sopivan fuusiometodin valintaan vaikuttavat miehittämättömän ilma-aluksen ominaisuudet, kuten rajallinen laskentateho, hyötykuorman kantokyky ja virtalähteen kapasiteetti. Kuvafuusiota hankaloittavat myös kohina ja vääristymät, jotka johtuvat sääolosuhteista, vaihtelevista kuvakulmista sekä järjestelmän liikkeestä ja tärinästä.

Tutkielman analyysin mukaan syväoppimispohjaiset fuusiometodit ovat suuremaksi osaksi korvanneet perinteiset metodit ja tarjoavat perinteisiin metodeihin verrattuna useita etuja, kuten paremman laskentatehokkuuden ja kyvyn tunnistaa pitkän matkan riippuvuuksia. Myös hyvin suunnitellulla perinteisellä fuusiometodilla voidaan kuitenkin saavuttaa hyviä tuloksia. Analyysin perusteella syväoppimispohjaisista fuusiometodeista erityisen hyvin suoriutui SeAFusion ja DenseFuse. Myös perinteinen fuusiomenetelmä MST-SR saavutti hyviä tuloksia. Fuusiometodien vertailussa ei kuitenkaan käytetty miehittämättömän ilma-aluksen ottamia ilmakuvia maasto-olosuhteissa, joten fuusiometodien todellista suorituskykyä käytännön sovelluksissa on vaikea arvioida.