Overstromingen, aardbevingen, schietpartijen, aanslagen... Na een ramp is het vaak extreem gevaarlijk om hulpverleners meteen op pad te sturen, zelfs als er mensen dringend hulp nodig hebben. Bieden autonome drones een oplossing?
Drones zijn erg nuttig en worden de dag van vandaag al af en toe ingezet na rampen. Helaas hebben de meeste echter een menselijke piloot nodig die het onbemande toestel met afstandsbediening bestuurt. Dat beperkt de snelheid waarmee hulpverleners een volledig getroffen gebied kunnen doorzoeken, en zo kan het dus langer duren vooraleer slachtoffers effectief worden geholpen.
Autonome drones zouden sneller een groter gebied kunnen doorzoeken, maar zouden enkel efficiënt zijn als ze zelfstandig mensen in nood kunnen identificeren. Aan de University of Dayton in Ohio (VS) werken ze aan een systeem dat kan helpen om mensen of dieren te herkennen - in het bijzonder diegene die vastzitten tussen puin of brokstukken. De technologie bootst het gedrag van een menselijke hulpverlener na: het systeem doorzoekt uitgestrekte gebieden aan een vrij snel tempo en kiest er dan enkele specifieke regio's uit om grondiger te inspecteren.
Objecten lokaliseren in een chaotische omgeving
Rampgebieden zijn vaak bezaaid met omgevallen bomen, ingestorte gebouwen, opgebroken wegen en ander puin, wat het moeilijk kan maken om mensen in nood te vinden.
Het onderzoeksteam ontwikkelde een systeem op basis van kunstmatige neurale netwerken dat kan geïnstalleerd worden op de computer van een drone. Dit systeem spiegelt verschillende aspecten van de uitmuntende werking van het menselijke gezichtsvermogen. Het analyseert de beelden gemaakt door de camera van de drone en stuurt de belangrijkste informatie door naar menselijke toezichthouders.
Eerst en vooral bewerkt het systeem de beelden om de helderheid ervan te verbeteren. Net zoals mensen hun ogen samenknijpen om hun focus aan te passen, lokaliseert deze technologie de donkere zones in een landschap en maakt ze de beelden automatisch lichter. Als de beelden te wazig of mistig zijn, bestempelt het systeem ze als 'overbelicht'. In dat geval wordt de helderheid verminderd zodat de omgeving duidelijker in beeld komt.
In een regenachtige omgeving gebruikt het menselijke brein een briljante strategie om scherp te zien. Door te focussen op de delen van een landschap die niet bewegen - en die die het wel doen, zoals regendruppels - kunnen mensen vrij goed zien wanneer het regent. De technologie van de onderzoekers gebruikt dezelfde techniek: elke locatie wordt voortdurend gescand met een reeks van beelden om zo duidelijke informatie te krijgen over de verschillende voorwerpen die zich op die plek bevinden.
Daarnaast ontwikkelden de onderzoekers ook een technologie die de beelden gemaakt door een drone groter, duidelijker en lichter kan maken. Door een beeld te vergroten kunnen zowel mensen als algoritmes de belangrijkste kenmerken van een beeld duidelijker herkennen.
Personen herkennen
Het systeem kan mensen in verschillende houdingen herkennen, bijvoorbeeld uitgestrekt met het gezicht naar beneden of opgerold in een bolletje, zelfs vanuit verschillende hoeken en in wisselende lichtomstandigheden.
Het menselijk brein kan een object vanuit een bepaald perspectief bekijken en zich dan voorstellen hoe het er vanuit andere hoeken zou uitzien. Wanneer de politie een opsporingsbericht verspreidt, dan bevat dat bijvoorbeeld meestal ook een foto. Men weet namelijk dat mensen zich een driedimensioneel beeld vormen van hoe die persoon eruitziet en dat ze hem/haar hoe dan ook zullen herkennen op straat, zelfs als ze niet exact hetzelfde beeld zien als op de foto. De onderzoekers incorporeerden deze strategie in het systeem door driedimensionele modellen van mensen te berekenen, zowel van menselijke vormen in het algemeen als gedetailleerdere projecties van specifieke personen. Deze modellen worden gebruikt om gelijkenissen te zoeken wanneer een persoon in beeld verschijnt.
De onderzoekers slaagden er ook in een manier te vinden om delen van een object te herkennen, zonder dat het geheel zichtbaar is. Het systeem kan getraind worden om een been dat uitsteekt vanonder het puin, een zwaaiende hand in de verte of een hoofd dat boven een hoop hout uitsteekt, te herkennen en lokaliseren. Het is in staat een persoon of dier te onderscheiden van een boom, struik of voertuig.
Van beelden maken tot slachtoffers lokaliseren
Tijdens de eerste scan van het landschap bootst het systeem de aanpak van een verkenner in de lucht na. Het inspecteert het terrein om mogelijke belangrijke objecten of gebieden te identificeren en gaat die dan grondiger analyseren. Een piloot die vanuit de lucht bijvoorbeeld op zoek is naar een vrachtwagen zal normaal gezien minder aandacht schenken aan meren, vijvers, landbouwpercelen en speeltuinen, aangezien je daar meestal geen vrachtwagens ziet. De autonome technologie past dezelfde strategie toe om het zoekgebied te beperken tot de belangrijkste zones in een landschap.
Daarna onderzoekt het systeem elke geselecteerde zone om informatie te verkrijgen over de vorm, structuur en textuur van objecten in de regio. Wanneer het een aantal eigenschappen detecteert die overeenkomen met een persoon of deel van een persoon, dan markeert het systeem dat als locatie van een slachtoffer.
De drone verzamelt ook gps-gegevens over de locatie en weet hoe ver het slachtoffer verwijderd is van andere objecten op de beelden. Met die informatie kan het systeem de exacte locatie berekenen van de persoon in nood en meteen de hulpdiensten verwittigen.
Dit hele proces - beelden maken, ze bewerken voor optimale zichtbaarheid en ze analyseren om verborgen of gevangen mensen op te sporen - duurt slechts een vijfde van een seconde op de computer van drones met een HR-camera.
Het Amerikaanse leger heeft al interesse getoond in de technologie: de onderzoekers werkten met hen samen om gewonden in een slagveld op te sporen. Daarnaast werd het systeem ook al aangepast om nutsbedrijven te helpen beschadigingen aan pijpleidingen, veroorzaakt door bouwwerken of voertuigen, op te sporen. Daarnaast zijn de nutsbedrijven ook geïnteresseerd in het detecteren van nieuwe constructies of gebouwen in de buurt van het pijpleidingennetwerk. Deze en nog veel meer groepen zijn geïnteresseerd in dit soort technologie die de werking van menselijke ogen evenaart, vooral om zaken op te sporen op plaatsen waar we als mens niet bij kunnen.
Vertaling: Nikita Vanboterdael
