Payload และข้อมูลภารกิจ
UAT 301 เทคโนโลยีระบบอากาศยานไร้คนขับ
บทเรียน
เมื่อเรียนจบโมดูลนี้ ผู้เรียนจะสามารถ
- คำนวณมุมมองต่อพิกเซล (IFOV) และขนาดพื้นที่ต่อพิกเซลของกล้อง
- ประมาณระยะตรวจพบ จำแนก และระบุเป้าหมายด้วยเกณฑ์ Johnson
- คำนวณความเบลอจากการสั่นของ gimbal และการเคลื่อนที่ของอากาศยาน
- เลือก payload และค่าการถ่ายภาพให้ตรงคำถามของภารกิจ
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
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
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
- อ่านข้อมูลจำเพาะของกล้องในสาขา คำนวณ IFOV และ GSD ที่ความสูงบินตามแผน
- คำนวณระยะตรวจพบ จำแนก และระบุคนด้วยตัวอย่างที่ 1
- ให้เพื่อนยืนที่ระยะต่าง ๆ ในลานโล่ง บินภายใต้การกำกับของอาจารย์ แล้วบันทึกระยะที่ผู้ดูภาพทำแต่ละระดับได้จริง
- ถ่ายภาพขณะบินด้วยความเร็วต่างกัน วัดความเบลอเทียบตัวอย่างที่ 2
- 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
- ขนาดพิกเซล 17 µm ความยาวโฟกัส 19 mm IFOV เท่าใด
- IFOV 1 mrad ที่ความสูง 100 m GSD เท่าใด
- IFOV 1 mrad ขนาดวิกฤต 1 m ระยะตรวจพบตามเกณฑ์ Johnson เท่าใด
- อัตราหมุน 1°/s IFOV 0.05° เปิดรับแสง 20 ms เบลอกี่พิกเซล
- ทำไมระยะจริงของกล้องความร้อนอาจสั้นกว่าระยะที่คำนวณ
เฉลย
- mrad
- m
- m
- พิกเซล
- ความต่างอุณหภูมิน้อย บรรยากาศ ความชื้น ฝน และความไวของกล้อง ซึ่งการคำนวณเชิงเรขาคณิตไม่ได้รวมไว้
สรุปสูตรสำคัญ
| มุมมองต่อพิกเซล | |
| ระยะตามเกณฑ์ Johnson | |
| ความเบลอ (พิกเซล) |
แหล่งอ้างอิงหลัก
- 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
- Perić, D., Livada, B., Perić, M., & Vujić, S. (2019). Thermal imager range: Predictions, expectations, and reality. Sensors, 19(15), 3313. link
- DJI. Zenmuse H20 series specs. link
- Fahlstrom, P. G., Gleason, T. J., & Sadraey, M. H. (2022). Introduction to UAV systems (5th ed.). Wiley. link
- Austin, R. (2010). Unmanned aircraft systems: UAVS design, development and deployment. Wiley. link
- 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