La sperimentazione SkyTraffic

Tra il 2019 ed il 2021 abbiamo sperimentato una modalità alternativa per intensificare ed approfondire le verifiche ed il monitoraggio degli asset, attreverso riprese puntuali rese operative attraverso Droni. Obiettivo dell’esperienza era quello di unire la rapidità e accuratezza di immagini da mezzo aereo, all’analisi video delle riprese, tramite algoritmi cognitivi per identificare, al 2021, le anomalie relative a guardrail e segnaletica. 

Il Sistema di volo e ripresa SkyTraffic è composto da un multirotore a 6 eliche con interasse 120cm e massa contenuta in 14 Kg, l’autonomia complessiva a pieno carico è di 45 minuti, con una velocità orizzontale di crociera per il monitoraggio di 6 m/s, è equipaggiato con una camera nel visibile in HD e una camera termica nell’infrarosso, l’operatività è limitata ad un raggio di 5 km per singola missione.
 

Dal punto di vista della sicurezza aeronautica il drone SkyTraffic è dotato di chassis esterno impermeabile, avionica a tripla ridondanza, sistema di posizionamento RTK, terminatore di volo associato a paracadute di sicurezza. Il datalink e videolink sono a doppia ridondanza (radio & 4G/LTE).
 

La Box SkyTraffic garantisce la custodia del mezzo, con protezione dagli agenti atmosferici e azioni vandaliche, inoltre permette la ricarica delle batterie del Drone, l’avvicinamento finale alla Box con sentiero di atterraggio, il download delle immagini raccolte per la trasmissione al post-processing e la videosorveglianza dell’area di ricovero completa di sensori meteo.
 

Le modalità di volo abilitate sono:

• Volo programmato, near fully autonomus, per l’esecuzione delle riprese finalizzate alla verifica dell’asset a quota operativa di 60mt
• Presa in carico del volo da parte del pilota per effettuare ispezioni puntuali secondo necessità

Il pilota definisce la tipologia di volo dalla Piattaforma SkyTraffic, predisposta presso la Centrale Operativa, supervisionando ogni missione del Drone. La valutazione del rischio, secondo lo standard SORA, come da emendamento ENAC, prevede operazioni con opportune aree di buffer compatibili con la vicinanza alla sede stradale, quali sistemi a doppia e/o tripla ridondanza, autonomia di rientro di sicurezza pari al 30% dell’autonomia totale a piena carica. Le immagini in tempo reale sono sempre disponibili nella piattaforma di monitoraggio della viabilità di CAV.

Al rientro nella Box di ricarica, le riprese sono inviate nell’ambiente di analisi. Vengono utilizzate la posizione GPS del drone e i parametri di inquadratura della missione per definire i vincoli prospettici da applicare.
 

I frame vengono validati e corretti:

• Rimozione degli scatti esterni al perimetro della missione
• Rimozione degli scatti non collineari
• Rimozione degli scatti con parametri di esposizione o contrasto non soddisfacenti
• Rimozione dei fotogrammi troppo sfocati
• Normalizzazione dell’esposizione e del contrasto (normalizzazione dell’istogramma)
• Correzione delle deformazioni dovute all’ottica della telecamera

Il modello di riconoscimento necessita di un ciclo di training importante, il quale viene costantemente alimentato dalle nuove immagini, inoltre al fine di migliorarne la coerenza, vengono eliminate le categorie di oggetti che possono generare ambiguità, a favore di rilevamento e classificazione di elementi con pattern periodico o a sviluppo lineare.

In questo ambito la parte di debug rientra pienamente in quella di training, in quanto l’ottimizzazione delle riprese dipende dalla disponibilità di spazi di evoluzione del mezzo retro azionati secondo il risultato della classificazione. Nella rete neurale utilizzata sono state ottimizzati i flussi al fine di ottenere una segmentazione maggiore, di modo da aumentare i dettagli e le porzioni di elementi lineari.

Il modello di riconoscimento utilizzato si basa su prodotti Open Source, che essendo strutturato in moduli permettono di effettuare modifiche senza alterare le parti più complesse della rete neurale, a favore dei tempi di calcolo. Sempre per ottimizzare la velocità di analisi sono state rimosse le categorie non pertinenti al progetto o che possono creare ambiguità nel riconoscimento dei nostri asset.

Sequenza di elaborazione delle immagini: