WHY THE HORIZON IS IMPORTANT FOR AIRBORNE SENSE AND AVOID APPLICATIONS
Notice bibliographique
Résumé
Abstract. The utility of the horizon for airborne sense-and-avoid (ABSAA) applications is explored in this work. The horizon is a feature boundary across which an airborne scene can be separated into surface and sky and serves as a salient, heading-independent feature that may be mapped into an electro-optical sensor. The virtual horizon as established in this paper represents the horizon that would be seen assuming a featureless earth model and infinite visibility and is distinct from the apparent horizon in an imaging sensor or the pilot’s eye. For level flight, non-maneuvering collision course trajectories, it is expected that targets of interest will appear in close proximity to this virtual horizon. This paper presents a model for establishing the virtual horizon and its projection into a camera reference plane as part of the sensing element in an ABSAA system. Evaluation of the model was performed on a benchmark dataset of airborne collision geometries flown at the National Research Council (NRC) using the Cerberus camera array. The model was compared against ground truth flight test data collected using high accuracy inertial navigation systems aboard aircraft on several ’near-miss’ intercepts. The paper establishes the concept of ’virtual horizon proximity’ (VHP), the minimum distance from a detected target and the virtual horizon, and investigates the utility of using this metric as a means of rejecting false positive detections, and increasing range at first detection through the use of a region of interest (ROI) mask centred on the virtual horizon. The use of this horizon-centred ROI was shown to increase the range at first detection by an average factor of two, and was shown to reduce false positives for six popular feature detector algorithms applied across the suite of flight test imagery.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».