โมดูล 4/5 · สัปดาห์ 10–12 · 27 ชม.

Payload และข้อมูลภารกิจ

UAT 301 เทคโนโลยีระบบอากาศยานไร้คนขับ

เวลาเรียนประมาณ 85 นาทีร่าง รอตรวจปรับปรุงล่าสุด 28 กันยายน 2569

บทเรียน

เมื่อเรียนจบโมดูลนี้ ผู้เรียนจะสามารถ

  1. คำนวณมุมมองต่อพิกเซล (IFOV) และขนาดพื้นที่ต่อพิกเซลของกล้อง
  2. ประมาณระยะตรวจพบ จำแนก และระบุเป้าหมายด้วยเกณฑ์ Johnson
  3. คำนวณความเบลอจากการสั่นของ gimbal และการเคลื่อนที่ของอากาศยาน
  4. เลือก payload และค่าการถ่ายภาพให้ตรงคำถามของภารกิจ

ความรู้พื้นฐานที่ควรมี: UAT 301 โมดูล 1–3 · UAT 205 (กล้องและการสอบเทียบ)

ทำไมต้องรู้

อากาศยานเป็นเพียงพาหนะ ผลงานของภารกิจมาจาก payload ภารกิจค้นหาผู้ประสบภัยกลางคืนของกรณีนี้ต้องใช้กล้องความร้อน คำถามที่ผู้ใช้ถามคือ “มองเห็นคนได้ไกลเท่าไร” ผู้ขายมักตอบด้วยตัวเลขเดียว วิศวกรต้องคำนวณเองได้และรู้ว่าตัวเลขนั้นอยู่บนสมมติฐานใด หน่วยความรู้เรื่อง payload ของคลังความรู้โดรนแนะนำให้เลือกเซนเซอร์จากผลลัพธ์ที่ต้องการ และเข้าใจการสอบเทียบ ขนาดพื้นที่ต่อพิกเซล และความถูกต้องของผลประมวลผล

มุมมองต่อพิกเซล

กล้องแต่ละพิกเซลมองเห็นมุมเล็ก ๆ เรียกว่า IFOV (instantaneous field of view) เท่ากับขนาดพิกเซล หารด้วยความยาวโฟกัส เมื่อมองลงจากความสูง พื้นที่ต่อพิกเซลบนพื้น (GSD) เท่ากับ ตัวอย่างในโมดูลนี้ใช้ข้อมูลจำเพาะจริงของกล้องความร้อนใน DJI Zenmuse H20T คือ 640×512 พิกเซล ขนาดพิกเซล 12 µm ความยาวโฟกัส 13.5 mm และ gimbal มีช่วงการสั่นเชิงมุม ±0.01° ตามหน้าข้อมูลจำเพาะของผู้ผลิต ซึ่งได้ IFOV ประมาณ 0.889 mrad

เกณฑ์ Johnson

Johnson (1958) ทดลองว่าต้องมีรายละเอียดข้ามขนาดเป้าหมายกี่ คู่เส้น (line pair หรือ cycle) จึงจะทำงานแต่ละระดับได้ที่ความน่าจะเป็น 50% ค่าที่ใช้แพร่หลายคือ ตรวจพบ (detection รู้ว่ามีวัตถุ) 1.0 คู่เส้น จำแนก (recognition รู้ว่าเป็นคนหรือรถ) 4.0 คู่เส้น และระบุ (identification แยกได้ว่าเป็นใคร หรือรุ่นใด) 6.4 คู่เส้น (Perić และคณะ, 2019) หนึ่งคู่เส้นใช้สองพิกเซล ขนาดวิกฤตของคนมาตรฐาน 1.8 m × 0.5 m คิดเป็น m และรถ 2.3 m

ตัวอย่างที่ 1 กล้องความร้อนมองเห็นคนได้ไกลเท่าไร

import math

PITCH, FOCAL = 12e-6, 13.5e-3                   # m ขนาดพิกเซลและความยาวโฟกัส
IFOV = PITCH / FOCAL                            # rad
JOHNSON = {"detection": 1.0, "recognition": 4.0, "identification": 6.4}   # คู่เส้น
TARGETS = {"person": math.sqrt(1.8 * 0.5), "vehicle": 2.3}               # m ขนาดวิกฤต

print(f"IFOV {IFOV * 1000:.3f} mrad, GSD at 90 m {90 * IFOV * 100:.1f} cm")
for name, dc in TARGETS.items():
    ranges = {k: dc / (2 * n * IFOV) for k, n in JOHNSON.items()}
    print(f"{name:<8} (Dc {dc:.2f} m): " + ", ".join(f"{k} {r:,.0f} m" for k, r in ranges.items()))
IFOV 0.889 mrad, GSD at 90 m 8.0 cm
person   (Dc 0.95 m): detection 534 m, recognition 133 m, identification 83 m
vehicle  (Dc 2.30 m): detection 1,294 m, recognition 323 m, identification 202 m

ระยะที่คำนวณเป็นขีดจำกัดทางเรขาคณิตเท่านั้น ยังไม่รวมความต่างอุณหภูมิระหว่างคนกับพื้นหลัง ความชื้นในอากาศ ฝน และความไวของกล้อง Perić และคณะ (2019) เปรียบเทียบการคาดการณ์กับการวัดจริง และพบว่าระยะจริงขึ้นกับสภาพเหล่านี้มาก ในงานน้ำท่วมกลางคืน ผิวน้ำและคนที่เปียกอาจมีอุณหภูมิใกล้กัน ระยะจริงจึงสั้นกว่าตัวเลขนี้ได้ ทีมต้องทดสอบภาคสนามกับเป้าหมายจริงก่อนกำหนดความสูงบินค้นหา

แผนภูมิแท่งแนวนอนสามแท่ง ตรวจพบ 534 เมตร จำแนก 133 เมตร และระบุตัว 83 เมตร สำหรับคนด้วยกล้องความร้อน
ภาพที่ 1 ระยะตรวจพบ จำแนก และระบุคนด้วยกล้องความร้อน (เชิงเรขาคณิต)

Gimbal และความเบลอ

ขณะกล้องเปิดรับแสง ถ้ากล้องหมุนด้วยอัตราเชิงมุม ภาพจะเลื่อนไป ซึ่งคิดเป็น พิกเซล และถ้าอากาศยานเคลื่อนที่ด้วยความเร็ว ภาพพื้นเลื่อน พิกเซล ความเบลอเกินราว 1 พิกเซลทำให้รายละเอียดที่คำนวณด้วยเกณฑ์ Johnson หายไป gimbal ทำหน้าที่ลดการหมุนของกล้องจากการสั่นและการเอียงของอากาศยาน

ตัวอย่างที่ 2 ความเบลอจาก gimbal และการบิน

import math

IFOV = 12e-6 / 13.5e-3                          # rad
IFOV_DEG = math.degrees(IFOV)
print(f"gimbal vibration 0.01 deg = {0.01 / IFOV_DEG:.2f} pixel")
for rate in (0.5, 2.0):                         # องศาต่อวินาที อัตราหมุนที่เหลือหลัง gimbal
    for ms in (10, 20, 40):
        print(f"rate {rate} deg/s, exposure {ms} ms: {rate * ms / 1000 / IFOV_DEG:.2f} px")
    print(f"  longest exposure for 1 px at {rate} deg/s: {IFOV_DEG / rate * 1000:.0f} ms")

H, V = 90, 16                                   # ความสูง m ความเร็ว m/s
gsd = H * IFOV
for ms in (5, 10):
    print(f"forward motion at {V} m/s, {H} m, {ms} ms: {V * ms / 1000 / gsd:.1f} px")
gimbal vibration 0.01 deg = 0.20 pixel
rate 0.5 deg/s, exposure 10 ms: 0.10 px
rate 0.5 deg/s, exposure 20 ms: 0.20 px
rate 0.5 deg/s, exposure 40 ms: 0.39 px
  longest exposure for 1 px at 0.5 deg/s: 102 ms
rate 2.0 deg/s, exposure 10 ms: 0.39 px
rate 2.0 deg/s, exposure 20 ms: 0.79 px
rate 2.0 deg/s, exposure 40 ms: 1.57 px
  longest exposure for 1 px at 2.0 deg/s: 25 ms
forward motion at 16 m/s, 90 m, 5 ms: 1.0 px
forward motion at 16 m/s, 90 m, 10 ms: 2.0 px

การสั่นที่ gimbal ยอมให้เพียง 0.2 พิกเซล จึงไม่ใช่ปัญหา แต่ถ้าอากาศยานเลี้ยวหรือถูกลมกระโชกจนกล้องหมุน 2°/s ความเบลอจะเกิน 1 พิกเซลเมื่อเปิดรับแสงนานกว่าราว 25 ms ส่วนการบินไปข้างหน้าเร็ว 16 m/s ที่ความสูง 90 m ทำให้ภาพเบลอ 1–2 พิกเซลเมื่อเปิดรับแสง 5–10 ms ภารกิจค้นหาจึงควรบินช้าลงหรือบินสูงขึ้นในพื้นที่ที่ต้องการรายละเอียด

กราฟความเบลอเป็นพิกเซลตามเวลาเปิดรับแสง 0 ถึง 40 มิลลิวินาที เส้นสีชมพูอัตราหมุน 2 องศาต่อวินาทีขึ้นถึงราว 1.6 พิกเซล เส้นสีเขียว 0.5 องศาต่อวินาทีขึ้นถึงราว 0.4 พิกเซล เส้นประสีทองที่ 1 พิกเซล
ภาพที่ 2 ความเบลอจากการหมุนเชิงมุมของกล้อง

เลือก payload ให้ตรงคำถาม

Fahlstrom และคณะ และ Barnhart และคณะ แนะนำให้เริ่มจากคำถามของผู้ใช้ แล้วจึงเลือก payload เช่น “มีคนติดอยู่ที่ใด” ต้องการกล้องความร้อนกับกล้องซูมสำหรับยืนยัน “น้ำท่วมกว้างเท่าใด” ต้องการกล้องถ่ายภาพสำหรับทำแผนที่พร้อมพิกัดแม่น และ “ระดับน้ำลดลงเท่าใด” อาจต้องการแบบจำลองความสูงจากโฟโตแกรมเมทรีหรือ LiDAR ข้อมูลทุกภาพต้องมีเวลาและพิกัดที่ถูกต้อง มิฉะนั้นผู้ใช้จะวางตำแหน่งผิด ตามที่เรียนใน UAT 311

ปฏิบัติการประจำโมดูล

ปฏิบัติการ: ตรวจสมรรถนะกล้องภาคสนาม

  1. อ่านข้อมูลจำเพาะของกล้องในสาขา คำนวณ IFOV และ GSD ที่ความสูงบินตามแผน
  2. คำนวณระยะตรวจพบ จำแนก และระบุคนด้วยตัวอย่างที่ 1
  3. ให้เพื่อนยืนที่ระยะต่าง ๆ ในลานโล่ง บินภายใต้การกำกับของอาจารย์ แล้วบันทึกระยะที่ผู้ดูภาพทำแต่ละระดับได้จริง
  4. ถ่ายภาพขณะบินด้วยความเร็วต่างกัน วัดความเบลอเทียบตัวอย่างที่ 2
  5. เขียนข้อเสนอความสูงและความเร็วบินค้นหาที่เหมาะสม พร้อมเหตุผล

ข้อผิดพลาดที่พบบ่อย

ระวัง

  • เชื่อระยะตรวจพบจากโบรชัวร์ โดยไม่ถามว่าเป้าหมายและสภาพเป็นแบบใด
  • ลืมว่าหนึ่งคู่เส้นเท่ากับสองพิกเซล
  • ใช้ระยะเชิงเรขาคณิตโดยไม่ทดสอบจริง
  • บินเร็วเกินไป จนภาพเบลอ
  • เลือก payload ก่อนรู้คำถามของผู้ใช้

สรุป

  • IFOV = ขนาดพิกเซล/ความยาวโฟกัส และ GSD = ความสูง × IFOV
  • เกณฑ์ Johnson ใช้ 1.0, 4.0 และ 6.4 คู่เส้นข้ามขนาดวิกฤตสำหรับตรวจพบ จำแนก และระบุ
  • ความเบลอมาจากการหมุนของกล้องและการเคลื่อนที่ของอากาศยาน ควรต่ำกว่าราว 1 พิกเซล
  • ระยะที่คำนวณเป็นขีดจำกัดทางเรขาคณิต ต้องยืนยันด้วยการทดสอบภาคสนาม

แบบฝึกตรวจความเข้าใจ

  1. ขนาดพิกเซล 17 µm ความยาวโฟกัส 19 mm IFOV เท่าใด
  2. IFOV 1 mrad ที่ความสูง 100 m GSD เท่าใด
  3. IFOV 1 mrad ขนาดวิกฤต 1 m ระยะตรวจพบตามเกณฑ์ Johnson เท่าใด
  4. อัตราหมุน 1°/s IFOV 0.05° เปิดรับแสง 20 ms เบลอกี่พิกเซล
  5. ทำไมระยะจริงของกล้องความร้อนอาจสั้นกว่าระยะที่คำนวณ
เฉลย
  1. mrad
  2. m
  3. m
  4. พิกเซล
  5. ความต่างอุณหภูมิน้อย บรรยากาศ ความชื้น ฝน และความไวของกล้อง ซึ่งการคำนวณเชิงเรขาคณิตไม่ได้รวมไว้

สรุปสูตรสำคัญ

มุมมองต่อพิกเซล
ระยะตามเกณฑ์ Johnson
ความเบลอ (พิกเซล)

แหล่งอ้างอิงหลัก

  1. Johnson, J. (1958). Analysis of image forming systems. In Proceedings of the Image Intensifier Symposium (AD 220160). U.S. Army Engineer Research and Development Laboratories. link
  2. Perić, D., Livada, B., Perić, M., & Vujić, S. (2019). Thermal imager range: Predictions, expectations, and reality. Sensors, 19(15), 3313. link
  3. DJI. Zenmuse H20 series specs. link
  4. Fahlstrom, P. G., Gleason, T. J., & Sadraey, M. H. (2022). Introduction to UAV systems (5th ed.). Wiley. link
  5. Austin, R. (2010). Unmanned aircraft systems: UAVS design, development and deployment. Wiley. link
  6. Barnhart, R. K., Marshall, D. M., & Shappee, E. (Eds.). (2021). Introduction to unmanned aircraft systems (3rd ed.). CRC Press. link

อ่านเพิ่มเติม

ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล

ในชั้นเรียน / ภาคสนาม

ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย

หลักฐานการเรียนรู้: ใบงานที่ผ่านการตรวจและผล quiz

แบบทดสอบประจำโมดูล

แบบทดสอบนี้ใช้ตรวจความเข้าใจ (formative) ไม่ใช่การสอบเก็บคะแนน

โดเมนความรู้: การสำรวจ ทำแผนที่ และภูมิสารสนเทศ · การตรวจสอบ อุตสาหกรรม และการเฝ้าระวัง · เซนเซอร์และระบบสมองกลฝังตัว