L'anno Il 2023 è quasi a metà strada ed entrerà’s secondo tempo in un batter d'occhioe.
Grazie per l'attenzione MOSCA nel corso degli anni.
“Un viaggio di mille miglia inizia con un solo passo”.
Negli ultimi due anni, SRIZFLY è stato lucidatura continuaIng motore di simulazione di volo auto-sviluppato, maturando il simulato di voloo prodotti giorno per giorno.
Oggi annunciamo lo sviluppo di contenuti per la simulazione di sensori UAV
Diamo un'occhiata alle nuove funzionalità~
Simulazione del sensore
Le MOSCA Il motore di simulazione di volo può realizzare la simulazione della percezione ambientale di sistemi senza pilota attraverso la simulazione di imaging di sensori ottici (tra cui luce visibile, infrarossi e LIDAR) e fornire una fotocamera RGB e il suo’ uscita flusso video, LIDAR e la generazione in tempo reale di dati della nuvola di punti, che può essere ampiamente utilizzata nella verifica dell'algoritmo del sistema senza pilota.
· Simulazione della luce visibile
La simulazione della fotocamera costruisce un modello tridimensionale dell'oggetto basato sulle informazioni geometriche e spaziali dell'oggetto ambientale e aggiunge proprietà cromatiche e ottiche al modello tridimensionale attraverso la computer grafica basata sul materiale e sulla consistenza reali dell'oggetto, compresa la simulazione di telecamere monoculari, binoculari e fisheye.
▲ Effetto simulazione fotocamera-giornata di sole
▲ Effetto simulazione fotocamera-giornata nuvolosa
▲ Effetto di simulazione della fotocamera---angolo di visione della trasmissione dell'immagineIl motore di simulazione di volo SRIZFLY genera mappe di imaging a infrarossi ad alta precisione e vari indicatori di valutazione a infrarossi in tempo reale. Il motore di simulazione è stato sottoposto a più set di verifica e messa a punto dei dati di test e ha un'elevata precisione ed efficienza di calcolo in tempo reale. La simulazione della fotocamera utilizza il metodo di conversione del sistema di coordinate per trasformare i punti nello spazio tridimensionale in punti sull'immagine attraverso la relazione prospettica. Simula la struttura e le caratteristiche ottiche dell'obiettivo della fotocamera, l'acquisizione e l'elaborazione dei dati del sensore della fotocamera, l'elaborazione del segnale dell'immagine della fotocamera e i risultati del riconoscimento a livello di target della fotocamera di alcuni chip AI integrati. Il processo specifico è il seguente:
▲ Processo di simulazione della fotocamera
▲ Simulazione della fotocamera-infrarossi (rosso ferro)
▲ Simulazione della fotocamera-infrarossi (calore bianco)La simulazione LIDAR simula il processo di lavoro della trasmissione e ricezione fotoelettrica radar. Il raggio laser si interseca con tutti gli oggetti nella scena di simulazione e l'intensità della riflessione laser e il rumore del punto di intersezione vengono calcolati in base al tipo di materiale fisico e alle proprietà del punto di intersezione.
Il motore di simulazione SRIZFLY utilizza metodi di simulazione LIDAR accelerati da GPU e la tecnologia di ray tracing in tempo reale RTX graphics per simulare nuvole di punti LIDAR estremamente vicine ai dati del mondo reale.
L'intensità della riflessione LIDAR è influenzata dalla distanza dell'ostacolo, dall'angolo di riflessione del laser e dal materiale fisico dell'ostacolo stesso. Durante la simulazione, è necessario impostare materiali fisici adeguati per le risorse della scena, tra cui varie torri, fiori e alberi, terreno, idrologia, ostacoli, corridoi di linea, ecc. Il motore di simulazione SRIZFLY estrae il modello di intensità di riflessione dai dati di scansione radar reali per guidare il modello di simulazione e ottiene l'intensità di riflessione e il rumore del materiale fisico sotto l'attuale LIDAR attraverso la calibrazione effettiva.
▲LIDAR nuvola di punti di simulazione-linea di trasmissione
▲LIDAR Esperimento del motore auto-sviluppato della nuvola di punti di simulazioneAvere una quantità scarsa di disponibile dati di marcatura di alta qualità nel campo di potenza, l'uso di campioni virtuali può essere combinato con un disponibile Marcatura manuale dei campioni per aumentare iterativamente il metodo di apprendimento. Oltre a numero di campioni di formazione effettivi, possibilità di danni da modellismo come l'autodetonazione degli isolantio Le assenza di shock avvincente Martelli facilita grandi espansione di Il set di allenamento, con conseguente miglioramento Tasso di riconoscimento del target dell'immagine. Questo metodo gioca un ruolo significativo specialmente per caso con piccolo importo di Campioni ma l'elevata domanda di il tasso di riconoscimento, e presenta un buone prospettive di applicazione in differente Industrie.
