基于深度学习与光电探测的无人机防范技术
2021-10-10杨名宇王含宇
液晶与显示 2021年9期
杨名宇, 王 浩, 王含宇
(中国科学院 长春光学精密机械与物理研究所 中国科学院航空光学成像与测量重点实验室,吉林 长春 130033)
1 引 言
近年来,随着无人机产业的迅猛发展和广泛应用,对全球低空安全管理造成了前所未有的严峻压力,非法放飞无人机所带来的安全隐患给机场、边境、监狱、重要敏感区域的低空防范敲响了警钟,引发公众高度关注。无人机的无序飞行时有发生,不仅严重扰乱空域交通秩序,还会引发很多安全问题。如在2018年底,英国西斯罗机场由于无人机的“黑飞”,使得机场关闭数天,滞留旅客上万人,造成巨大经济损失。目前,绝大部分无人机为受控状态,即无人机的购买需要实名制,且每次飞行的航迹、时间、地点等信息通过GPS信号都可在监管部门的后台查询到。在这种情况下,可以较为容易地锁定每台飞机以及飞机拥有者。上述受控监管模式目前已能覆盖大约90%以上的消费级无人机,剩余10%的无人机包括自行研发的、私自拆掉GPS模块的等,则处于非受控状态,是低空防范的重点和难点。如何对非受控的无人机目标进行检测、识别与跟踪,是当前全世界各国普遍存在的难题[1-2]。
当前,无人机防范常用手段主要包括:光电探测、无线电探测、声学探测、雷达探测等[3]。光电探测主要利用光学设备通过成像的方式判断目标是否存在,具有直观、易读等优点,但通常作用距离较小,且探测效率较低,距离实际工程应用尚有差距[4-9]。无线电干扰主要通过特定频段的无线电波阻断无人机和飞行控制器之间的无线链路,使飞行控制器无法向无人机发送信号。……
登录APP查看全文
