ドローン テクノロジ: 現在のトレンドと今後

使いやすい、機械部品数が少ない、そして一般人に受け入れられているため、このプラットフォームが最も広く使われるようになっています。 最新のクワッドコプターのコンパクト性は素晴らしいセンサー パッケージと組み合わされています。 現在、この分野のあらゆるジョブでは、ドローンを工具箱に入れて持ち運ぶことができます。 ドローンをコンパクト化する同じ進歩で、より大型のマルチローターもより長い時間飛行でき、より多くのものを運べるようにしています。 ペイロード付きの電動マルチローターは、現場で実証された 1 時間のフライトに近づき、より大型の航空機では、多くの場合、40 ～ 45 分に達します。

レンジを優先する場合、翼が最適に動作します。 飛行機の単純さとマルチローターの複雑さおよび実用性を組み合わせたものが、VTOL プラットフォームです。 これらのプラットフォームでは、マルチローターと同様に、固定翼航空機のフライト時間と離着陸の単純さが統合されています。 たとえば、Quantum-Systems Vector は、かなりのペイロード容量を持つ大型の機体であり、翼にあるモーターを回転させて垂直飛行と前進飛行を切り替えることで VTOL プラットフォームに移行します。 また、テールで離着陸する WingtraOne Gen II は、目的の高度に達すると、水平にフリップ (宙返り) します。 VTOL の設計にかかわらず、ユーザーは、従来の航空機では飛行できなかったエリアを飛行できるメリットを非常に気に入っています。

標準の画像サイズはこれまで 12 メガピクセルでしたが、現在、ほとんどのユースケースで 20 メガピクセルが絶対最小値です。 より大型のプラットフォームは 40、60、さらには 100 メガピクセルの RGB センサーを搭載しています。 これによりフライト パスを効率化できます。ドローンは、同じ解像度または地表サンプル距離 (GSD) を得るために被写体に近付く必要がないからです。 これは、フライト ラインの減少、高度の上昇、収集される画像の減少を意味します。

対応する RGB センサーと同様に、これらのセンサーでは低価格化および軽量化が進み、解像度が向上しています。 これらのセンサーの使用は、驚くほど普及が遅れています。 これにはいくつかの理由が考えらます。 RGB カメラとは違って、マルチスペクトル センサーを正確に使用するには、画像をキャリブレーションする追加の手動ステップが必要です。 そのため、この処理により精通している農業部門に市場が限定されることがあります。 より人気がある航空機プラットフォーム用のプラグアンドプレイ マルチスペクトル パッケージはわずかしか存在していません。 パッケージの数は確かに増加していますが、予想されたよりも増加のペースは下がっています。

企業は、ドローンの出現以来、LIDAR をドローンに組み入れようと取り組んでいます。 2 つの主要な課題はセンサーの重量と慣性計測装置 (IMU) の精度でした。 最近になって、これらの 2 つの問題は解決されました。 レーザー パルスが植生を貫通できるため、より精度の高い数値表層モデル (DSM) が可能になっています。 このため、結果のポイント クラウド データの管理という課題が生まれます。 今後はクラウド管理が主流となるでしょう。 このトレンドは、有人航空機からの空中マッピングがどのように画像から LIDAR に移行して、同様の課題を克服し、時間枠を短縮したことを反映しています。

これまで、それぞれのドローン メーカーはオートパイロット ナビゲーションと航空機制御について独自の開発チームを持っていました。 現在、ドローン ハードウェア メーカーは、システムの指揮統制部分の処理をオートパイロット企業に依存しています。 Auterion はそのようなメーカーの 1 つであり、フライトの自律的側面を処理する一体型のオートパイロットである Skynode を作成しています。 Skynode は、基本的にすべてのドローンを対応する IoT デバイスに変換するセルラー データ接続も備えています。

大幅な改革の 1 つとして、米国国防総省 (DoD) はこの省庁で使用されていた中国の DJI ドローンを禁止しました。 それに応じて、DoD の DIU (Defense Innovation Unit) は、使用を承認するドローン ハードウェアおよびソフトウェアの評価を開始しました。 DIU の現在のリストには、何年にもわたって映画や TV 用のドローンを開発し、信頼できるマッピング プラットフォームとしての地位にもある米国のドローン メーカー Freefly 製のハードウェアが含まれています。

センサーはより大きく、より多くのデータを格納するようになったため、データセットのデジタル サイズが重くなっています。 これまで、データセットの処理はデスクトップ コンピューター上でのみ実行されていました。 これがクラウド中心の処理方法に移行しています。 オフラインのデスクトップ処理は、特に、即時の意思決定のための陣俗なフィールド処理に常に役立ってきました。 生データは、組織の残りの用途向けにより解像度の高い、より大規模なデータセットを用意できるクラウドへと向かいます。 クラウドでは、より大きなファイル サイズのニーズに合わせて処理を自動で調整し、結果をユーザーのエンタープライズ ワークフローへ提供できます。

例としては、災害発生時が挙げられます。ドローンは、最初にデータを収集する航空機でもあります。 インターネット接続が利用できない場合は、迅速なローカルの処理によって、意思決定に必要な情報を第一対応者に提供できます。 後で、デバイスがインターネットに接続され、生データがクラウドにアップロードされると、そこで、より大規模なデータセットへと処理されます。 関係者は、これらのデータセットをオンラインで解析できるため、コンピューター間で転送する必要はありません。

未加工の画像を 2D および 3D データセットに変換するには、常に時間がかかりますが、画期的なことに、データのリアルタイム解析またはほぼリアルタイムな解析の成長です。 FMV は、当初、特殊な (かつ、コストの高い) ジンバルで取得され、メタデータを付加したビデオとして軍事用に開発したテクノロジです。 これらのセンサーのコストが低下するにつれ、FMV データを所有することが容易になり、そのコストも低下しています。

Quantum-Systems Vector など、FMV データをサポートするセンサー パッケージがある場合は、ArcGIS Pro などの地理情報システム (GIS) に FMV をライブストリーミングできます。 または、Esri の Site Scan Flight for ArcGIS アプリでサポートされている低コストの消費者向けドローンを使用している場合は、ビデオ ファイルをドローンから直接取得してドラッグ アンド ドロップすることでも、情報が付加されたビデオを再生できます。

ドローン収集からの情報量が増加するにつれ、資産と問題の特定を支援する機械学習の利用がこれまでになく重要になっています。 成功のための要件はデータのトレーニング、高解像度の入力情報、および計算能力です。 これらすべてが、ここで確認しているハードウェアとソフトウェアのトレンドによって改善されています。 ドローンからの未処理の画像やビデオのほか、処理エンジンの 2D および 3D 出力に対して AI をトレーニングできます。

ドローンは標準のエンタープライズ ワークフローの一部であるため、コンピューターや IoT デバイスと同様に管理されますが、規制要件、保守、フライト トラッキングによって車両と同じようにも管理されます。 ドローン フライトをトラッキングするためのソリューションは多数ありますが、優勢なテクノロジはこの情報を自動的にキャプチャして、オペレーターが各自のジョブを中断することなく実行できるようにします。 たとえば、米国では、空港または他の管制空域から一定の半径内を飛行する場合、認証を連邦航空局 (FAA) に要求する必要があります。 Airspace Link は、認定 LAANC (Low Altitude Authorization and Notification Capability) プロバイダーとして要求を直接 FAA に送信して、この処理を自動化する企業の 1 つです。 Esri の Site Scan Flight アプリ内では、オペレーターが無料の Airspace Link アカウントを使用してログインし、この認証を要求できます。