A scanning LiDAR for long range detection and tracking of UAVs - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2021

A scanning LiDAR for long range detection and tracking of UAVs

Développement d'un LIDAR à balayage pour la détection et la poursuite longue portée de drones

Résumé

Misuse of civil drones, or UAVs (unmanned aerial vehicles) has been a rising concern in the past few years. As a response, multiple systems including optics, electronics and even acoustics technologies have been developed for detection and tracking. Unfortunately, UAVs represent a challenging target to detect and track due to their small, decimetric size and large variability of shapes and behaviors. In this PhD, we developed and optimized a LiDAR (light detection and ranging) system to tackle this issue to distances up to a kilometer. In our system, range is acquired using the time of flight principle, and imagery done by sequentially scanning the scene with a dual-axis galvanometer. We took advantage of the scanning versatility to develop several operating modes. A standard detection mode captures the image of the scene using a raster-scan of large _eld of view. Tracking mode is based on a local pattern surrounding the target, which is updated at a very high rate to keep the target within its boundaries. Efforts were put into a theoretical and numerical optimization study of the numerous parameters involved in our scanning LiDAR, so as to reach su_cient performances in term of maximal range, localization resolution and rate. Pattern optimization for both detection and tracking mode was a primary focus, using the target probability of detection as the function to maximize. Target size, speed and re_ectivity was also introduced in the probability of detection, giving a complete overview of the system performance. On our LiDAR platform, developed from the ground up, each component was characterized to enrich and validate our models. This prototype was tested for UAVs detection and tracking during several weeks of trials. Following this success, a pre-industrial integration process was launched and supervised by the candidate.
L'utilisation abusive de drones civils est une préoccupation croissante depuis ces dernières années. En réponse, de multiples systèmes basés sur des technologies optiques, électroniques et même acoustiques ont été développés pour la détection et la poursuite de ces drones. Cela représente néanmoins un challenge en raison de leur faible taille et de leur grande diversité de formes et de trajectoire. Afin de répondre à ce besoin pour des distances allant jusqu'au kilomètre, nous avons recherché, développé et optimisé un système LiDAR (light detection and ranging) à balayage. Dans notre système, la mesure de distance est réalisée via le principe du temps de vol, et l'imagerie est effectuée en scannant séquentiellement la scène en utilisant un système de miroir galvanométrique à deux axes. Nous avons profité de la polyvalence du système de balayage pour développer plusieurs modes de fonctionnement. Un mode de détection classique réalise l'image de la scène à l'aide d'un balayage ligne par ligne de type grand champ. Le mode de suivi est basé sur un motif local entourant la cible, qui est mis à jour à une très haute cadence afin de maintenir la cible dans les limites de ce motif. Nous avons réalisé une étude d'optimisation, théorique et numérique, des nombreux paramètres impliqués dans le balayage LiDAR afin d'atteindre des performances suffisantes en termes de portée maximale, de résolution et de fréquence de localisation. L'optimisation des modèles pour les modes de détection et de poursuite a été le principal focus, en utilisant la probabilité de détection cible comme fonction à maximiser. La taille, la vitesse et la réflectivité de la cible ont également été incluses dans la probabilité de détection, donnant un aperçu complet des performances du système. Sur la plateforme LiDAR, chaque composant a été caractérisé afin d'enrichir et de valider nos modèles. Cette plateforme a été testée durant plusieurs semaines d'essais, au cours desquelles nous avons réalisé la détection et la poursuite de divers types de drones. S'en est suivi un processus d'intégration pré-industrielle des chaînes optiques, électroniques et algorithmiques.
Fichier principal
Vignette du fichier
alainquentel.pdf (62.82 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03228683 , version 1 (18-05-2021)

Identifiants

  • HAL Id : tel-03228683 , version 1

Citer

Alain Quentel. A scanning LiDAR for long range detection and tracking of UAVs. Electronics. Normandie Université, 2021. English. ⟨NNT : 2021NORMR011⟩. ⟨tel-03228683⟩
398 Consultations
22 Téléchargements

Partager

Gmail Facebook X LinkedIn More