Nghiên cứu hệ thống dẫn đường sử dụng ảnh vật mốc địa hình cho UCAV chiến đấu

Bài viết Nghiên cứu hệ thống dẫn đường sử dụng ảnh vật mốc địa hình cho UCAV chiến đấu đề xuất một mô hình hệ thống ứng dụng công nghệ thị giác máy tính kết hợp AI để dẫn đường cho UCAV bay theo lộ trình các điểm mốc địa hình (landmark waypoint) được học máy từ trước, không phụ thuộc vào tín hiệu điều khiển vô tuyến và định vị vệ tinh.

Thông tin khoa học công nghệ Nghiên cứu hệ thống dẫn đường sử dụng ảnh vật mốc địa hình cho UCAV chiến đấu Nguyễn Văn Hiếu1, Lê Mạnh Cường1, Phan Huy Anh2* Cục Khoa học quân sự/Bộ Quốc phòng; Viện Điện tử/Viện Khoa học Công nghệ quân * Email: huyanhfanvdt@gmail.com Nhận bài: 05/01/2022; Hoàn thiện: 15/02/2022; Chấp nhận đăng: 01/3/2022; Xuất bản: 28/6/2022 DOI: https://doi.org/10.54939/1859-1043.j.mst.80.2022.178-182 TÓM TẮT Trong năm gần đây, xuất loại phương tiện bay không người lái công (Unmanned Combat Aerial Vehicle - UCAV) chiến trường thực làm thay đổi cán cân lực lượng xu hướng chiến tranh đại, ví dụ tiêu biểu xung đột NagornoKarabakh tháng 9/2020 Tuy nhiên, UCAV có điểm yếu phụ thuộc vào hệ thống định vị vệ tinh tồn cầu (GNSS) tín hiệu điều khiển vô tuyến từ mặt đất để hoạt động hiệu không Khi bị chế áp điện tử, UCAV bị vơ hiệu hố cách triệt để Trong báo này, chúng tơi đề xuất mơ hình hệ thống ứng dụng cơng nghệ thị giác máy tính kết hợp AI để dẫn đường cho UCAV bay theo lộ trình điểm mốc địa hình (landmark waypoint) học máy từ trước, khơng phụ thuộc vào tín hiệu điều khiển vô tuyến định vị vệ tinh Kết mơ sơ cho thấy hệ thống nhận dạng xác điểm mốc địa hình cách xác theo thời gian thực Từ khố: UCAV; Thị giác máy tính; Dẫn đường theo mốc địa hình MỞ ĐẦU Trong vài năm trở lại đây, xuất phổ biến loại phương tiện bay không người lái thực làm thay đổi sống người nhiều lĩnh vực giải trí quay phim chụp ảnh, cứu hộ cứu nạn, giám sát an ninh, cứu hoả, vận chuyển hàng hoá, vận chuyển người,… Trong lĩnh vực quân sự, UCAV sử dụng từ nhiều thập niên trước chiến tranh với sản phẩm tiêu biểu loại UCAV Mỹ Tuy nhiên, từ xung đột Nagorno-Karabakh tháng 9/2020, sản phẩm UCAV có cấu trúc đơn giản Thổ Nhĩ Kỳ Israel làm mưa làm gió chiến trường công, tiêu diệt hàng loạt mục tiêu quân Armenia thời gian cực ngắn, tạo ưu chiến thắng toàn diện cho Azerbaijan [1] Sự kiện với lịch sử tác chiến hiệu UCAV khiến chuyên gia quân cho minh chứng rõ ràng cho thấy UCAV dần trở thành vũ khí chủ lực đóng vai trị quan trọng chiến dịch quân Các thiết bị bay khơng người lái tích hợp cơng nghệ thị giác máy tính kết hợp AI thực sử dụng ngày rộng rãi chiến trường nhiều năm gần Tiêu biểu kể đến hệ thống dẫn đường AI Nova Sheild.AI, Raven AeroEnvironment, Desert Hawk Lockheed Martin Neurala Brain Neurala với hệ thống tương tự Nga Trung Quốc [2] Quân đội nước phát triển Mỹ, Nga, Trung Quốc phát triển loại UCAV cỡ nhỏ thực đa nhiệm vụ, đặc biệt khả hoạt động tầm thấp, cự ly gần chống lại phát loại radar thiết bị cảnh giới khác Tiêu biểu cho loại thiết bị thiết bị trinh sát Black Hornet FLIR thuộc dòng Nano UCAV với khả hoạt động vượt trội tác chiến thành phố rừng núi Ở phía ngược lại, quan nghiên cứu nước liên tục phát triển sản phẩm tác chiến điện tử để chống lại nguy bị thám, công UCAV Nguyên lý chung hệ thống phát từ xa chế áp đường định vị vệ tinh đường điều khiển vô tuyến để vơ hiệu hóa UCAV Tuy nhiên, UCAV bay đến 178 N V Hiếu, L M Cường, P H Anh, “Nghiên cứu hệ thống dẫn đường … cho UCAV chiến đấu.” Thông tin khoa học công nghệ mục tiêu mà khơng cần tín hiệu dẫn đường định vị vệ tinh đường điều khiển từ mặt đất việc chế áp khó khả thi Do đó, việc nghiên cứu thiết bị UCAV có khả tự điều khiển thông qua hệ thống xử lý ảnh thơng minh kết hợp thuật tốn trí tuệ nhân tạo giảm thiểu nguy bị chế áp điện tử xuống mức thấp Trong báo này, đề xuất mơ hình hệ thống dẫn đường cho UCAV dựa cơng nghệ thị giác máy tính ứng dụng học sâu học máy Quá trình học sâu dựa thông tin trinh sát thực mặt đất để UCAV nhận dạng trước vật mốc địa hình (landmark) cần quan tâm Khi bay khơng, UCAV sử dụng hình ảnh thu từ camera để đối chiếu, tìm kiếm vật mốc địa hình để làm di chuyển đến mục tiêu mà không cần liệu điều khiển hay định vị vệ tinh Phần trình bày chi tiết thiết kế hệ thống phần cứng, phần mềm ứng dụng Chúng tơi trình bày kết mơ chạy video có sẵn thu từ UCAV Kết học máy cho thấy UCAV nhận dạng định vị vật mốc địa hình dù góc quay bị thay đổi THIẾT KẾ HỆ THỐNG 2.1 Cơng nghệ dẫn đường hình ảnh cho UCAV Trong nhiều năm qua, kỹ thuật dẫn đường cho phương tiện bay không người lái phát triển mạnh mẽ thông qua nhiều phương thức khác có kết hợp nhiều phương thức, tuỳ thuộc vào ứng dụng dẫn đường Bằng cách kết hợp thu GNSS với dẫn đường quán tính IMU, hồn tồn điều khiển UCAV cách ổn định nhiệm vụ bay khác Nhược điểm phương pháp bắt buộc phải thu tín hiệu GNSS, ngồi kết hợp GNSS/IMU không chặt chẽ gây sai số khiến UCAV bị tính ổn định vài tình huống, dẫn tới bị cố gây hỏng hóc [3] Một phương án khác sử dụng camera lắp đặt vị trí cố định biết để theo dõi UCAV báo cho UCAV biết hành trình vị trí thiết bị bay [4] Tuy nhiên, phương pháp phù hợp cho mục đích thử nghiệm thiết bị bay địi hỏi phải chuẩn bị địa bàn, hạ tầng, phương tiện phức tạp Theo [5], nhóm nghiên cứu thực thành công việc gắn camera lên trực thăng để theo dõi, bám sát số hình ảnh vật chuẩn biết mặt đất cách điều khiển máy bay di chuyển theo lộ trình gồm nhiều vật chuẩn Tuy nhiên, vật chuẩn hình ảnh đặc thù, thiết kế sẵn nên khơng có ý nghĩa thực tế Sự phát triển camera kích thước, trọng lượng nhỏ với khả zoom xa độ phân giải cao mang lại khả cho toán dẫn đường không Các nghiên cứu ứng dụng luồng quang học (optical flow) từ camera bên sườn máy bay để dẫn hướng cho UCAV bay xuyên qua khu vực có định hình phức tạp hẻm núi, thành phố [6] Tuy nhiên, phương pháp cho độ ổn định không cao thường phải kết hợp với liệu định vị vệ tinh loại cảm biến khác cảm biến vật cản, đo xa laser, cảm biến áp suất,… Liên quan trực tiếp đến tốn dẫn đường cho UCAV từ cao, nhóm nghiên cứu Blösch [7] sử dụng camera RGB để đồ hố điều khiển UCAV mơi trường thực tế có thơng tin biết trước, ứng dụng thuật toán theo dõi lập đồ song song (PTAM) Tuy nhiên, việc xử lý ảnh đòi hỏi phải sử dụng máy tính hiệu cao trạm mặt đất chạy thuật toán SLAM gửi lại kết xử lý cho UCAV thông qua đường vô tuyến Do đó, nghiên cứu tồn yếu điểm cịn đường liên lạc vơ tuyến từ UCAV với trạm mặt đất Trong điều kiện bị chế áp điện tử rõ ràng UCAV khơng thể tự thân hoạt động Với phát triển nhanh chóng năm gần kỹ thuật xử lý ảnh dựa trí tuệ nhân tạo, số nghiên cứu tập trung vào cơng nghệ thị giác máy tính UCAV ứng dụng trí tuệ nhân tạo (UCAV-AI) Zhou cộng [8] sử dụng mơ hình YOLO v3 cập nhật để phát số loại đặc thù từ hình ảnh UCAV Trong [9], tác giả thực thi mơ hình YOLO v3 dựa thư viện OpenCV tảng điện thoại Android để nhận dạng Tạp chí Nghiên cứu KH&CN quân sự, Số 80, - 2022 179 Thông tin khoa học cơng nghệ hình ảnh quen thuộc, sử dụng hình ảnh chuyển đổi định dạng YUV, sau đó, so sánh với kết xử lý máy tính lớn cho kết vượt trội Cơng trình [10] nâng khả phát lên tầm cao kết hợp OpenCV với Tensorflow giúp tăng khả nhận dạng cho UCAV lên tới 80 lớp hình ảnh Tuy nhiên, nghiên cứu cần phải có hỗ trợ từ máy chủ chạy ứng dụng tính tốn Tensorflow chưa hoàn toàn hoạt động độc lập thông tin liên lạc máy chủ UCAV không cần phải liên tục 2.2 Thiết kế hệ thống đề xuất Trong báo này, nhóm thực đề xuất cấu trúc sản phẩm đề tài gồm thành phần tính sau: Hình Sơ đồ khối hệ thống nghiên cứu - Thiết bị bay không ngưới lái đa cánh quạt: UCAV cánh quạt, tốc độ tối đa 90 km/h, thời gian bay không tải tối đa 40 phút, trần bay 1000 m, tầm hoạt động km tải trọng kg - Bộ dẫn đường khơng: bao gồm máy tính khoang tích hợp phần mềm nhận dạng mục tiêu phần mềm điều khiển UCAV, camera I/R có cự ly nhận dạng 500 m, gimbal dẫn hướng cho camera thiết bị truyền liệu vô tuyến - Trạm mặt đất: Bộ điều khiển UCAV từ xa (RC) tích hợp máy tính bảng cài đặt phần mềm hiển thị điều khiển, Máy tính trung tâm cài đặt phần mềm học sâu xử lý ảnh, Thiết bị thu phát vô tuyến để nhận liệu từ UCAV RC Về cấu trúc trao đổi liệu, hệ thống chia làm phần chính: Thơng tin khoang bao gồm liệu hình ảnh camera I/R truyền máy tính khoang để xử lý nhận dạng xác định vị trí mục tiêu, vật mốc để dẫn đường cho UCAV; Luồng thông tin từ UCAV truyền xuống điều khiển RC chuyển tiếp sang Trạm mặt đất Trước thực nhiệm vụ bay, hệ thống học sâu để nhận biết đặc trưng điểm mốc địa hình thông tin phụ trợ từ nguồn ảnh database ảnh trinh sát trường có sẵn Từ đặc trưng này, hệ thống thiết lập đường bay cho UCAV nạp thông tin cho dẫn đường khoang Q trình huấn luyện mơ tả hình đây: Hình Quá trình huấn luyện nhận dạng mục tiêu cho UCAV trước bay Trong trình bay, bị chế áp điện tử phạm vi lớn (hình 3), UCAV khơng thu tín hiệu định vị GNSS khó nhận lệnh điều khiển từ trắc thủ Do vậy, tính UCAV phải xử lý tình hồn tồn tự động Từ cao, UCAV dùng camera quan sát để xác định vật mốc học từ trước hành tiến bám theo cột mốc để 180 N V Hiếu, L M Cường, P H Anh, “Nghiên cứu hệ thống dẫn đường … cho UCAV chiến đấu.” Thông tin khoa học công nghệ hướng tới mục tiêu Q trình hồn tồn lập trình sẵn nạp vào máy tính khoang làm thành lộ trình buộc phải tuân thủ UCAV Nếu trình bay tự động xảy cố, ví dụ UCAV phát cột mốc UCAV quay trở điểm xuất phát dựa theo cột mốc cũ, tình xấu tự hạ cánh chỗ Hình Chế độ bay chống chế áp, khơng có tín hiệu GNSS đường điều khiển từ xa MÔ PHỎNG NHẬN DẠNG VẬT MỐC ĐỊA HÌNH Trong báo này, thử nghiệm phương án nhận dạng vật mốc địa hình với mơ hình mạng neuron Siamese (SNN) Mạng SNN thường dùng để giải vấn đề tốn xác minh chữ ký đặc trưng hình ảnh, đó, phù hợp với tốn nhận dạng mục tiêu cho UCAV [11, 12] Ưu điểm SNN sử dụng liệu huấn luyện, tập trung chủ yếu vào việc học đặc trưng gần lớp sâu, phù hợp với môi trường tác chiến nhanh UCAV Ở đây, sử dụng video quay trực tiếp UCAV khối kiến trúc có khác biệt so với mơi trường xung quanh lựa chọn làm đối tượng nhận dạng Hình Kết nhận dạng định vị vật mốc địa hình từ video thực tế Kết ban đầu cho thấy mạng SNN ứng dụng cho UCAV cho kết tốt Khối kiến trúc lựa chọn làm vật mốc địa hình “nhìn thấy” góc quay khác hình Ở đây, nhóm thực sử dụng số video UCAV quay điều kiện lý tưởng làm liệu học sâu nhận dạng Số lớp cho mơ hình SNN chưa nhiều độ xác điều kiện khác chưa đánh giá chi tiết Do đó, mơ hình SNN cần cải tiến thử nghiệm nhiều điều kiện khác thời tiết, ánh sáng có thay đổi Cơ sở liệu huấn luyện cần xây dựng dựa đặc trưng sâu vật mốc địa hình, hướng tới nhận dạng đa mục tiêu cho toán dẫn đường UCAV KẾT LUẬN Trong báo này, chúng tơi đề xuất mơ hình hệ thống dẫn đường chống tác chiến điện tử cho UCAV chiến đấu cấp chiến thuật Mơ hình hướng tới trang bị cho UCAV khả hoạt động khơng phụ thuộc vào tín hiệu điều khiển vô tuyến định vị vệ tinh mà dựa hình ảnh quan sát từ camera để xác định vị trí, vật mốc địa hình đường đến mục tiêu Kết mô video quay từ UCAV cho thấy phần mềm có khả nhận dạng vật mốc địa hình góc quay, độ cao khác Tuy nhiên, để hồn thiện hệ thống dẫn đường cho UCAV thực tế cần phải xây dựng chi tiết sở liệu nhận dạng vật mốc địa hình đa dạng cải tiến thuật toán cho phù hợp với phần cứng khoang Tạp chí Nghiên cứu KH&CN quân sự, Số 80, - 2022 181 Thông tin khoa học công nghệ TÀI LIỆU THAM KHẢO [1] Ilić, Damir & Tomasevic, Vladimir, “The impact of the Nagorno-Karabakh conflict in 2020 on the perception of combat drones”, Serbian Journal of Engineering Management 9-21 10.5937/SJEM2101009I, (2021) [2] Marcus Roth, “AI in Military Drones and UCAVs – Current Applications”, (2019), https://emerj.com/ai-sector-overviews/ai-drones-and-UCAVs-in-the-military-current-applications [3] B Yun, K Peng, and B M Chen, “Enhancement of GPS signals for automatic control of a UCAV helicopter system,” in Proc IEEE International Conference on Control and Automation ICCA, pp 1185–1189, (2007) [4] S Park, D H Won, M S Kang, T J Kim, H G Lee, and S J Kwon, “RIC (robust internal-loop compensator) based flight control of a quad-rotor type UCAV” in Proc IEEE/RSJ International Conference on Intelligent Robots and Systems, pp 3542–3547, (2005) [5] T Hamel, R Mahony, and A Chriette, “Visual servo trajectory tracking for a four rotor vtol aerial vehicle,” in Proc IEEE International Conference on Robotics and Automation ICRA ’02, vol 3, pp 2781–2786, (2002) [6] T Templeton, D H Shim, C Geyer, and S S Sastry, “Autonomous vision-based landing and terrain mapping using an mpc-controlled unmanned rotorcraft,” in Proc IEEE International Conference on Robotics and Automation, pp 1349–1356, (2007) [7] Blösch, M.; Weiss, S.; Scaramuzza, D.; Siegwart, R., “Vision Based MAV Navigation in Unknown and Unstructured Environments,” In Proceedings of the 2010 IEEE International Conference on Robotics and Automation, Anchorage, AK, USA, pp 21–28, (2010) [8] Zhou, J.; Tian, Y.; Yuan, C.; Yin, K.; Yang, G.; Wen, M., “Improved UCAV Opium Poppy Detection Using an Updated YOLOv3 Model,” Sensors, 19(22):4851, (2019) [9] Martinez-Alpiste, I.; Casaseca-de-la-Higuera, P.; Alcaraz-Calero, J.; Grecos, C.; Wang, Q “Benchmarking Machine-Learning-Based Object Detection on a UCAV and Mobile Platform,” In Proceedings of the 2019 IEEE Wireless Communications and Networking Conference (WCNC), Marrakesh, Morocco, (2019) [10] Zhang, T.; Hu, X.; Xiao, J.; Zhang, G A “Machine Learning Method for Vision-Based Unmanned Aerial Vehicle Systems to Understand Unknown Environments,” Sensors, 20(11):3245 https://doi.org/10.3390/s20113245, (2020) [11].A He, C Luo, X Tian, and W Zeng “A twofold siamese network for real-time object tracking,” In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp 4834– 4843, (2018) [12] B Li, J Yan, W Wu, Z Zhu, and X Hu “High performance visual tracking with siamese region proposal network,” In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp 8971–8980, (2018) ABSTRACT Navigation system using landmark images for combat UCAVs In recent years, the appearance of unmanned aerial vehicles (UCAVs) on the battlefield has really changed the balance of forces in modern warfare Since the Nagorno-Karabakh conflict in September 2020, combat UCAVs (UCAVs) with simple and flexible designs have attacked and destroyed a series of Armenian military targets in a short time bringing advantages for a total victory of Azerbaijan However, UCAV has the weakness of relying on the Global Navigation Satellite System (GNSS) and radio control signals from the ground for operation in the air Under electronic suppression, UCAV will be completely disabled In this paper, we propose a system model that applies computer vision technology combined with AI to guide UCAV to fly along a machine-learned route, independent of radio and satellite navigation signals Preliminary simulation results show that the system can accurately recognize landmarks accurately in real time Keywords: UCAV; Computer vision; Landmark-based navigation 182 N V Hiếu, L M Cường, P H Anh, “Nghiên cứu hệ thống dẫn đường … cho UCAV chiến đấu.” ... UCAV Kết học máy cho thấy UCAV nhận dạng định vị vật mốc địa hình dù góc quay bị thay đổi THIẾT KẾ HỆ THỐNG 2.1 Công nghệ dẫn đường hình ảnh cho UCAV Trong nhiều năm qua, kỹ thuật dẫn đường cho. .. trưng sâu vật mốc địa hình, hướng tới nhận dạng đa mục tiêu cho toán dẫn đường UCAV KẾT LUẬN Trong báo này, đề xuất mơ hình hệ thống dẫn đường chống tác chiến điện tử cho UCAV chiến đấu cấp chiến. .. từ UCAV cho thấy phần mềm có khả nhận dạng vật mốc địa hình góc quay, độ cao khác Tuy nhiên, để hoàn thiện hệ thống dẫn đường cho UCAV thực tế cần phải xây dựng chi tiết sở liệu nhận dạng vật mốc