WO2021005096A1 - Procede de representation en trois dimensions de la couverture spatiale d'un ou plusieurs systemes de detection - Google Patents

Procede de representation en trois dimensions de la couverture spatiale d'un ou plusieurs systemes de detection Download PDF

Info

Publication number
WO2021005096A1
WO2021005096A1 PCT/EP2020/069214 EP2020069214W WO2021005096A1 WO 2021005096 A1 WO2021005096 A1 WO 2021005096A1 EP 2020069214 W EP2020069214 W EP 2020069214W WO 2021005096 A1 WO2021005096 A1 WO 2021005096A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
detection
probability
determining
rendering
Prior art date
Application number
PCT/EP2020/069214
Other languages
English (en)
Inventor
Charles LEVY
Sébastien BLAISE
Original Assignee
Thales
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Thales filed Critical Thales
Priority to AU2020312182A priority Critical patent/AU2020312182A1/en
Priority to EP20736352.4A priority patent/EP3997480A1/fr
Publication of WO2021005096A1 publication Critical patent/WO2021005096A1/fr

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/56—Display arrangements
    • G01S7/62—Cathode-ray tube displays
    • G01S7/6245—Stereoscopic displays; Three-dimensional displays; Pseudo-three dimensional displays
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/06—Ray-tracing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics

Definitions

  • the invention relates to detection systems, and in particular to the three-dimensional representation of the spatial coverage of one or more detection systems.
  • Detection systems such as sonar or radar are used in many fields of application today.
  • sonar is used in the field of underwater acoustics to detect and locate objects underwater.
  • Detection systems can be used by various surveillance infrastructures (for example for the detection of submarines or objects placed on the seabed), in the field of fishing for the detection of schools of fish, in the field of cartography (for example to map a geographical area or the ocean floor from where other bodies of water), or in the field of archeology (for example underwater and underwater archeology).
  • the detection systems are provided with antennas for transmitting and / or receiving signals.
  • the processing of signals received by the detection system uses a signal processing step and an information processing step.
  • the signal processing step may include operations of
  • Pretreatment operations may include re
  • the antenna processing operations exploit the geometry of the antennas to optimize the compromise between performance and the number of sensors deployed.
  • the coherent processing operations consist in correlating the signals received with the signals transmitted to search for the presence of echoes.
  • the normalization operations consist in modifying the parameters of the noise statistics in order to highlight the signal part.
  • Detection operations are carried out to determine whether a target object is present in the water.
  • the detection of target objects in a sonar system is probabilistic.
  • the probability of detection denoted p (D) refers to the probability that an actual target echo will be detected when an actual target echo exists.
  • the detection probability represents the probability of detecting a real target object which emits a given noise level at different frequencies.
  • the detection probability represents the probability of obtaining a viable echo through emission of acoustic waves by the active sonar.
  • the probability that an actual target echo will not be detected while the target echo exists is 1 -p (D).
  • the probability of false alarm denoted p (FA) designates the probability that a false echo (or spurious echo) is detected, i.e. the probability that there is a false detection of an echo which or really noise.
  • the normalization and detection operations consist in determining a detection threshold of the receiver by setting a minimum probability of detection (or probability of detection threshold) and a minimum probability of false alarm.
  • a minimum probability of detection or probability of detection threshold
  • a minimum probability of false alarm When the signal-to-noise ratio exceeds the value of the threshold detection probability, the receiver can detect the presence of a target echo and for values of the signal-to-noise ratio lower than the value of the threshold detection probability , the receiver does not detect the presence of echoes.
  • the information processing step generally comprises operations consisting in merging the data coming from different platforms and / or from different sensors, tracking, localization, and classification. These operations make it possible to determine the dynamics and the trajectory of the target objects, to determine the position of the target objects in bearing distance and in depth, and determine the nature of the target objects from the information extracted with the detection system.
  • a POD representation is a representation of the probabilities of detection used to determine the spatial coverage of a detection system and to estimate the ability to detect target objects of the detection system.
  • Such a representation is generated from a data matrix of detection probabilities as a function of the distance from the antenna position of the detection system and the depth between the surface and the seabed, using color coding. . More specifically, the probabilities of detection are displayed graphically in the form of color data where each color represents a probability range varying from 0 to 10%, from 1 1 to 20%, up to the range of values [91, 100%].
  • the shapes obtained by means of this representation are relatively complex and non-uniform due to the non-linearity of the propagation of the waves in the environment considered (for example in water for a detection system of the sonar type) and to the means that the image which represents these detection probabilities only makes it possible to visualize part of the scene considered.
  • the final three-dimensional (3D) shape can be relatively complex to interpret.
  • this representation does not make it possible to highlight the dangerous areas representing a potential risk for the infrastructure using the detection system (platform or building to be protected for example). It also does not provide a complete three-dimensional overview of the geographic area covered by the detection system. In addition, such a representation does not cover a sufficiently large area compared to the scale of the infrastructure using the detection system.
  • a method for determining a three-dimensional representation of the spatial coverage of one or more detection systems. evolving in a geographical area from a set of data
  • the method comprises a step consisting in determining a 3D rendering of the probability of detection on the basis of at least some of the probability data of said one or more detection systems, of the position data of the calculation zone and of the dimension data.
  • the method may further comprise a step consisting in determining a main data structure having at least three dimensions from said probability data of said one or more detection systems.
  • the method may further comprise a step consisting in determining a depth rendering of the volume encompassing the calculation area from the position data of the calculation area, the dimension data, and the position and of viewing orientation.
  • the 3D rendering can be volume, the method then comprising a step consisting in: determining a volume rendering of the probability of detection according to at least one function in a given color space from the structure main data and depth rendering.
  • the step of determining the volume rendering can comprise the steps of: determining a volume rendering in gray levels of the detection probability from the main data structure and the depth rendering; determining a color volume rendering of the detection probability from the grayscale volume rendering.
  • the 3D rendering is surface, the method further comprising a step consisting in determining a surface rendering from the probability of detection, the position data of the calculation area, the dimension data, at least one detection probability threshold value, and viewing position and orientation.
  • the step of determining the surface rendering may include the generation of polygonal objects from the three-dimensional data matrix to approximate at least one iso-surface led from the detection probability threshold.
  • the data set may further include an input resolution associated with each detection system, the input resolution associated with a detection system corresponding to a distance between two points of the calculation area, the step of determining the main data structure comprising the steps of:
  • auxiliary data structure from at least some of the probability data, the auxiliary data structure having dimensions defined from the input resolution associated with each of said one or more detection systems;
  • a depth image comprises a set of surfaces associated with position information.
  • the step of determining the depth rendering can comprise determining a first depth image of a cube encompassing the 3D data structure and a second depth image of the rear face of the cube, the depth of the cube. cube encompassing the main data structure representing the distance of the surface of the cube from the view position and orientation, the depth rendering comprising the first depth image and the second depth image.
  • the step of determining a volume rendering may comprise determining the volume rendering from the main data structure and said first depth image and second depth image by applying an algorithm of volume rendering calculation of the ray tracing type by accumulation.
  • the functions can include at least one transfer function defined from a minimum probability limit, a maximum probability limit, a minimum colorimetric bound, and a maximum colorimetric bound, the transfer function being configured to perform an interpolation between the minimum colorimetric bound and the maximum colorimetric bound, the space
  • colorimetric in which is determined the volume rendering representing a detection probability between the minimum probability limit and the maximum probability limit.
  • one or more detection systems can include at least two detection systems.
  • the step of determining the main structure can further comprise the sub-steps consisting of:
  • secondary data being determined by applying a linear interpolation to the probability data of each detection system of said at least two detection systems
  • the determination of a secondary position of the calculation area said secondary position of the calculation area being determined from the position data of the calculation area of each detection system of said at least two detection systems as being the average of the positions of the calculation area;
  • said main data structure being determined from said secondary data, secondary position of the calculation area, secondary dimensions, and secondary resolution.
  • a device is further provided for determining a three-dimensional representation of the spatial coverage of one or more detection systems moving in a geographical area from a set of data comprising a detection probability determined in a calculation area included in the geographical area, the spatial coverage of said one or more detection systems being represented according to a position and a viewing orientation data, the set data comprising compute area position data and compute area dimension data.
  • the device is configured to determine a 3D rendering of the probability of detection on the basis of at least some of the probability data, the position data of the calculation zone and the dimension data.
  • a computer program product for determining a three-dimensional representation of the spatial coverage of one or more detection systems moving in a geographical area from a set of data comprising a probability of detection determined in a calculation area included in the geographic area, the spatial coverage of said one or more detection systems being represented according to a given position and viewing orientation, the data of the dataset comprising position data of the calculation area and dimension data of the calculation area, the computer program product comprising computer program code instructions which when executed by one or more processors cause the processor (s) to determine a 3D rendering of the probability of detection on the basis of at least some of the probability data of said one or more systems detection, computation area position data and dimension data.
  • the embodiments of the invention make it possible to represent the probabilities of detection associated with one or more detection systems for a real scene in three dimensions.
  • the embodiments of the invention can provide a mode of representation of the probabilities of detection in volume form, which allows a 3D display of the spatial coverage of one or more detection systems in the geographical area. considered.
  • the embodiments of the invention further allow a display of the risk areas, which makes it possible to trigger or adjust preventive actions.
  • the embodiments of the invention provide 3D rendering modes that can be used to quickly determine the actions to be implemented despite the complex shapes representing the non-shadow areas. covered by the detection of one or more detection systems and located in security zones within the geographical area.
  • FIG. 1 is an example of the environment for using the device for determining the representation of the spatial coverage of one or more sonar-type detection systems, according to certain embodiments.
  • FIG.2 is a flowchart representing a method for determining a three-dimensional representation of the spatial coverage of one or more detection systems, according to certain embodiments of the invention.
  • FIG.3 is a schematic view showing an accumulation ray tracing algorithm ("Ray Marching" in English), according to some embodiments of the invention.
  • FIG.4 is a schematic view of a device for determining a three-dimensional representation of the spatial coverage of one or more detection systems, according to some embodiments of the invention.
  • FIG.5 represents an example of spatial coverage of one or more detection systems of sonar type used for the detection of objects, obtained by using methods of displaying the spatial coverage of the prior art .
  • FIG.6 is a diagram showing theoretical target detection zones in an example of application of the representation determination device to the detection of objects in an underwater environment.
  • FIG.7 is a diagram showing realistic detection zones in an anti-submarine warfare device, in an example of application of the device for determining representation to the detection of objects in an underwater environment. - sailor.
  • FIG.8 represents an example of spatial coverage of a sonar obtained by using a volume rendering of the probabilities of detection of a sonar, according to certain embodiments of the invention. [0044] Detailed description
  • Figure 1 shows an example of an environment 100 in which is used a device for determining a three-dimensional representation of the spatial coverage of one or more detection systems operating in a geographical area from a set of data comprising a probability of detection of said one or more detection systems determined in a calculation area included in the geographic area.
  • calculation area refers to a geometric area included in the geographic area and comprising the set of calculated detection probabilities of one or more detection systems satisfying a condition.
  • the calculation area is determined by a center and is defined in a frame of reference, such as a Cartesian frame of reference XYZ, for example.
  • the calculation area may for example include all of the calculated detection probabilities of one or more detection systems which are non-zero.
  • the calculation area may for example include all of the calculated detection probabilities of one or more detection systems which are greater than a non-zero threshold.
  • one or more detection systems may include a plurality of collaborative detection systems.
  • one or more detection systems may include a plurality of alternative detection systems.
  • a detection system of one or more detection systems can be any detection system carried by a supporting structure capable of operating in the geographical area, such as a radar or a sonar for example.
  • a detection system can be, for example, a sonar carried by a supporting structure of the surface building type 101.
  • the spatial coverage of one or more detection systems is shown according to a given position and viewing orientation
  • the set of display position and orientation data is also called “point of view”).
  • the data of the dataset includes position data of the compute area and dimension data of the compute area of each detection system of the one or more detection systems.
  • One or more detection systems can be used in various infrastructures or systems for the detection and location of objects in the geographical area considered (for example underwater for a detection system of the sonar type).
  • a detection system can be one of the acoustic detection systems 107, 108 and / or 109 used to detect:
  • One or more detection systems can be further used to locate the detected objects.
  • auxiliary elements can be deployed to implement preventive, defensive or offensive actions to be implemented. depending on the object detected.
  • the auxiliary elements can comprise, for example, surface ships 101 equipped with sonar 107, 108; one or more maritime patrol aircraft; one or more helicopters 103 equipped with sonar (s) such as sonar 109; one or more attack submarines; and one or more acoustic buoys 105 released by a maritime patrol.
  • sonars may include active bow sonar 107, towed active sonar 108, and wet active sonar 109 deployed by helicopter 103.
  • the different elements of the environment 100 can be controlled by an operator or a control system present for example in the surface vessel 101, to monitor and protect the elements of the environment 100 against threats by implementing operations or actions.
  • the operator or the control system can, for example, implement preventive, defensive or offensive actions.
  • the device for determining representation comprises a step consisting in determining a 3D rendering (in three dimensions) of the probability of detection on the basis of at least some of the probability data of one or more detection systems, position data of the computation area and dimension data of one or more detection systems.
  • Determining the 3D (three-dimensional) rendering of the detection probability can additionally take into account the visualization data (position and orientation data).
  • the detection probability data for each of one or more detection systems may be represented by a probability data matrix.
  • the position of the center of this matrix (center of the matrix frame of reference) can then be located at the position of the supporting structure of one or more detection systems.
  • the dimension data of a detection system can be determined from an input resolution associated with the detection system, the input resolution associated with a detection system corresponding to the distance between two points in the calculation area.
  • the determination of the 3D rendering can be made from 3D image synthesis techniques to convert the raw data of the probabilities of detection into a 3D image to generate a display of the 3D image on a chosen rendering device.
  • the rendering device may for example be a 3D device on a screen or an augmented reality device or a virtual reality device.
  • the 3D representation of the spatial coverage can be advantageously superimposed with a representation of the geographical area on the rendering device, which allows a 3D display of the spatial coverage of one or more detection systems in the geographical area considered.
  • the creation of a synthetic image can be broken down into three main stages: the geometric modeling of the objects of the scene to be represented, the creation of the scene, and the rendering.
  • Geometric modeling makes it possible to define the geometric properties of objects either by a mathematical representation from the definitions or from the mathematical systems which describe them, or by a representation by construction tree by representing the complex objects as a composition of objects simple called primitives, or by a representation by the edges which represents an object by materializing the limit between its interior and its exterior by a series of geometric elements linked together (generally triangles).
  • the stage creation step makes it possible to define the appearance of the objects and to determine the non-geometric parameters of the scene to be displayed.
  • the appearance of objects is defined by determining surface or volume properties of objects including optical properties, color and texture.
  • the non-geometric parameters of the scene include the position and type of light sources, the position and orientation of the visualization of the scene forming the point of view (by a camera or even the eye).
  • each pixel displayed on the image represents a vector of four components, comprising a first R value representing a red color value (Red), a second G value representing a green color value (Green), a third B value representing a blue color value (Blue), a fourth A value
  • each pixel is associated with three geometric dimensions (x, y, z) in an XYZ frame of reference comprising a width x (or abscissa of the frame of reference), a depth y (or ordinate of the frame of reference) and a height z (or side of the frame of reference).
  • the XYZ frame of reference is defined by the calculation area and can be centered at the center of the calculation area.
  • a 'texture' refers to a data structure used for the representation of a computer image.
  • a rendering method refers to a computer method consisting in converting the model of the objects into an image displayable on the selected display medium, the image comprising both objects, light sources and a visualization according to a given point of view.
  • the method according to the embodiments of the invention can be implemented by one or more computer devices or systems, collectively referred to as a computer.
  • the method can be implemented in the form of a set of software programs (or software functions) executed by at least one processing unit (or 'processor') of the computer and a set of computer programs, called shaders (or 'shaders' in English), executed by at least one graphics processing unit (or 'graphics processor') of the computer.
  • a graphics processor is an integrated circuit configured to perform display computing functions that can be integrated on a motherboard or in a central processing unit (CPU). Functions performed by the processing unit may include determining the texture.
  • the functions performed by the graphics processing unit may include the functions implemented in the rendering process.
  • the determination of the spatial coverage of one or more detection systems can use a transformation (or conversion) of the raw data of the probabilities of detection of one or more detection systems into a structure that can be used by the functions of rendering calculations performed by the graphics processing unit.
  • FIG. 2 represents the method for determining a three-dimensional representation of the spatial coverage of one or more detection systems 109 operating in a geographical area according to certain embodiments.
  • the steps of FIG. 2 are implemented to determine a 3D rendering of the probability of detection of one or more detection systems in the geographical area considered on the basis of at least some of the probability data, of the data of position of the calculation zone and of the dimension data of one or more detection systems, according to one embodiment.
  • the 3D (three-dimensional) rendering of the detection probability can further be determined from the visualization data (position and orientation data).
  • step 201 the data of the set of data comprising the position data of the calculation area and dimension data of the calculation area associated with one or more detection systems are read or extracted.
  • a main data structure having at least three dimensions is determined from the probability data of one or more systems of detection.
  • the main data structure can be for example a matrix.
  • the step 203 of determining the main data structure may include:
  • secondary data being determined by applying a linear interpolation to the probability data of each detection system of said at least two detection systems
  • the determination of a secondary position of the calculation area said secondary position of the calculation area being determined from the position data of the calculation area of each detection system of said at least two detection systems as being the average of the positions of the calculation area;
  • the main data structure can be determined from the secondary data, the secondary position of the calculation area, and the secondary dimensions.
  • the input data set may further include the input resolution associated with each detection system of one or more detection systems, the input resolution associated with a detection system corresponding to the distance between two points of the zone of calculation.
  • the step 203 of determining the main data structure can then comprise the steps consisting in:
  • auxiliary data structure from at least some of the probability data of one or more detection systems, the auxiliary data structure having dimensions defined from the probability, and the input resolution associated with each of said one or more detection systems .
  • a secondary resolution can be determined as the minimum value of the input resolutions associated with said at least two detection systems.
  • the data structure can be further determined from the secondary resolution.
  • the main data structure thus comprises a number of pixels corresponding to the input resolution (or to the secondary resolution in certain embodiments where the spatial coverage is determined for at least two systems. detection), each pixel constituting the 3D texture being associated with a colorimetric datum.
  • the colorimetric data can for example be defined in the RGB color space by a vector of three values, each value corresponding to an R, G, or B component of the RGB color space.
  • a depth rendering of the volume encompassing the calculation area can be determined from the position data of the calculation area, the dimension data, the position and the viewing orientation. .
  • the step 205 of determining the depth rendering can comprise the determination of a first depth image of a cube including the main data structure (3D texture) and of a second depth image of the back side of the cube.
  • the depth of the cube including the main data structure (3D texture) representing the distance of the surface of the cube from the position and orientation of visualization (Z depth or 'Z-depth' in English), the depth rendering including the first depth image and the second depth image.
  • a depth image includes a set of surfaces associated with positional information.
  • the second depth image can be determined as the depth image of the cube whose normals have been inverted, corresponding to the depth image of the rear face of the cube at the point of view.
  • steps 203 and 205 are shown in consecutive order, those skilled in the art will easily understand that, as a variant, these steps can be implemented in another order or in parallel.
  • the 3D rendering can be a volume rendering.
  • a volume rendering of the detection probability following at least one function in a given color space is determined from the 3D texture and the depth rendering.
  • the functions used to determine the volume rendering can comprise at least one transfer function defined from a minimum probability bound, a maximum probability bound, a colorimetry bound. minimum, and a maximum colorimetry bound.
  • Each information of a depth image associated with x, y, z geometric dimensions can be defined in a color space, for example in the RGBA coding format.
  • the step 207 of determining a volume rendering can comprise:
  • a step 2070 consisting in determining a volume rendering in gray levels of the probability of detection from the 3D texture and from the depth rendering;
  • the volume rendering can be determined in step 207 from the 3D texture, the first depth image and the second depth image by applying an algorithm (or technique) of volume rendering calculation of the ray tracing type by accumulation (Ray Marching in English).
  • a Ray Marching type algorithm is illustrated in FIG. 3 in an embodiment using steps 2070 and 2090 and RGBA coding.
  • a Ray Marching type algorithm is based on geometrical optics to simulate the path of light energy in the image to be displayed.
  • a projection plane 303 placed in front of a point of view 301, represents the displayed image (that is to say the volume rendering in gray levels). Each point of the projection plane 303 corresponds to a pixel of the volume rendering in gray levels.
  • step 207 from the 3D texture by applying an algorithm of the Ray Marching type can comprise the generation of a ray 307 (defined by a point of origin and one direction) for each pixel of the desired image of the volume rendering in grayscale.
  • the radius can be sampled at regular steps inside the volume 305 and the values in the color space (RGBA colors for example) of the various pixels thus calculated can be summed in proportion to their contribution of transparency Alpha.
  • the algorithm traverses, in the direction of the projection plane 303, the oriented volumes of the results representing the detection probability, while collecting the probability values step by step.
  • the value of a displayed pixel constitutes the result of a function (for example transfer function) of the values collected.
  • the Ray Marching type algorithm can be applied to calculate a probability value accumulated by a radius 307 starting from the front of the enclosing cube 3D texture to the back of the cube.
  • the application of a Ray Marching type algorithm in step 207 can comprise the steps consisting in, for each pixel of the volume rendering:
  • the determination of a color representing a probability value for a selected pixel can comprise the steps consisting in:
  • a 'black' value can be associated at a probability close to zero ( ⁇ ') and at a value' white 'for a probability close to one (' 1 ');
  • the transfer function may be a software function configured to perform linear or non-linear interpolation, between a minimum color boundary and a maximum color boundary, the color space in which the colorimetric is determined.
  • volume rendering representing a detection probability lying between the minimum probability bound and the maximum probability bound associated with the transfer function.
  • the color volume rendering can be determined by applying a color transfer function to the grayscale volume rendering, the color transfer function using the minimum probability bound, the maximum probability bound, the minimum color terminal, and the maximum associated color terminal.
  • the color transfer function can then perform a linear interpolation, between the minimum color bound and the maximum color bound, the colors of said volume rendering representing a detection probability between the minimum probability bound and the maximum probability.
  • the 3D rendering can be surface.
  • the method then comprises, as an alternative to steps 203, 205 and 207, a step 21 1 consisting in determining a surface rendering from the detection probability of one or more detection systems, position data of the calculation area, dimension data, at least one detection probability threshold value , and viewing position and orientation.
  • step 21 1 can comprise a calculation of an iso-probability surface consisting in calculating a geometric surface making it possible to separate the space into two: the interior of the geometric surface corresponding to the probability values detection values greater than the threshold value and the outside of the geometric surface corresponding to values below the threshold value.
  • Such surfaces can be generated, for a given value, by a “Marching Cube” type algorithm.
  • the method can use a function for creating a mesh from the detection probabilities of one or more detection systems.
  • a mesh also called mesh ’in English refers to a spatial discretization of a surface, and to a geometric modeling of the surface by finite proportional elements.
  • the method can for example use a finite element of the triangle type.
  • the mesh creation function can be executed on each update of the detection probabilities and of the threshold value.
  • the mesh creation function can be defined to calculate the mesh of the detection probabilities of one or more detection systems delimiting the bounding surface of a given probability, or probability iso-value.
  • the space contained in the meshed surface delimits the probabilities of detection greater than the probability iso-value.
  • a mesh function based on a Marching Cube type algorithm can implement the following steps:
  • the mesh obtained by means of this function can be non-uniform and complex to interpret.
  • An identification function based on a mesh segmentation algorithm makes it possible to separate the mesh into several uniform sub-meshes (for example a surface delimiting a non-detection zone at G inside a larger detection surface).
  • the function makes it possible to make the resulting mesh easily interpretable by applying a different rendering color according to the average concavity of each of the sub-meshes (for example to differentiate the surfaces delimiting a detection zone, from those delimiting a non-detection zone , i.e. a non-detection cuvette).
  • FIG. 4 represents the device 400 for determining a three-dimensional representation of the spatial coverage of one or more detection systems (sonar for example) operating in a geographical area (marine scene for example) from the data set comprising at least one probability of detection of one or more detection systems.
  • the data set can be saved for example in a memory 43 or in a mass memory device 42.
  • the device 400 can be any type of device or computer system referred to as a computer.
  • the device 400 can comprise at least one processing unit 401 configured to determine a 3D rendering of said probability of detection of one or more detection systems from at least some of the probability data of one or more detection systems. detection, computation area position data and dimension data.
  • the 3D (three-dimensional) rendering of the detection probability can further be determined from the visualization data (position and orientation data).
  • the device 400 can further include a memory 43, a database 42 forming part of a mass storage memory device, an I / O input / output interface 47, and a Human-Machine interface. 41 to receive inputs or return outputs from / to an operator of the detection system.
  • the interface 41 can be used, for example, to configure or configure various parameters or functions used by the representation determination method according to certain embodiments of the invention, such as the configuration of the volume rendering of the probabilities of detection.
  • External resources may include, but are not limited to, servers, databases, mass storage devices, edge devices, cloud network services, or any other suitable computing resource that may be used with device 400.
  • the processing unit 401 can include one or more devices selected from microprocessors, microcontrollers, digital signal processors, microcomputers, central processing units, programmable gate networks, programmable logic devices. state machines, logic circuits, analog circuits, digital circuits, or any other device used to manipulate signals (analog or digital) based on operating instructions stored in memory 43.
  • Memory 43 may include a single device or a plurality of memory devices, including but not limited to read-only memory (ROM), random access memory (RAM), memory volatile, non-volatile memory, static random access memory (SRAM), dynamic random access memory (DRAM), flash memory, cache memory or any other available Positive capable of storing information.
  • the mass storage device 42 may include data storage devices such as a hard disk, an optical disk, a magnetic tape drive, a volatile or non-volatile solid state circuit, or any other device capable of storing informations.
  • a database may reside on the mass memory storage device 42.
  • the processing unit 401 can operate under the control of an operating system 44 which resides in the memory 43.
  • the operating system 44 can manage the computer resources in such a way that the program code of the the computer, integrated in the form of one or more software applications, such as the application 45 which resides in the memory 43, can have instructions executed by the processing unit 401.
  • Device 400 may include a graphics processing unit 403 implemented on a graphics card, on a motherboard, or in a central processing unit.
  • the graphics processing unit may generate a display of the 3D rendering on a display device.
  • the invention also provides a computer program product for determining a three-dimensional representation of the spatial coverage of one or more detection systems, the computer program product comprising
  • Computer program code instructions which, when executed by one or more processors in a computer, cause the processing unit to perform the representation determination process.
  • FIG. 5 represents an example of spatial coverage of a sonar type detection system used in an anti-submarine warfare device obtained by using a technique for displaying probabilities of detection of the state of. art.
  • This representation is generated from the probability data of the detection system as a function of the distance from the antenna position of the detection system and the depth between the surface and the seabed, using color coding, which allows you to assess the sonar's ability to detect a threat.
  • zone 1 which corresponds to a zone associated with 100% probability of detecting a threat (enemy platform for example) and zone 2 corresponds to a zone associated with 0% probability of detecting a threat. threat.
  • the shapes thus obtained are complex and non-uniform.
  • FIG. 6 represents theoretical target detection zones in an anti-submarine warfare device using circles to identify the planned protection of a naval fleet against a possible threat
  • FIG. 7 represents detection zones realistic, in an example of application of the device for determining representation to the detection of objects in an underwater environment.
  • the two figures show that the actual global detection zone is far from the desired theoretical global detection zone, which does not allow effective preventive surveillance to be ensured in order to protect the naval fleet and can represent a danger in the presence of enemies. possible.
  • FIG. 7 represents an example of spatial coverage of a detection system of sonar type obtained according to an embodiment with volume rendering of the probabilities of detection of the detection system, according to an exemplary embodiment of the invention. As illustrated by FIG.
  • the three-dimensional representation of the spatial coverage according to the invention makes it possible to display a global view of the complete zone in three dimensions, to cover a very large zone on the scale of the naval fleet, highlight non-insonified dangerous areas and non-detection cuvettes.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Graphics (AREA)
  • Theoretical Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

Les modes de réalisation de l'invention fournissent un procédé pour déterminer une représentation en trois dimensions de la couverture spatiale d'un ou plusieurs systèmes de détection se déplaçant dans une zone géographique à partir d'un ensemble de données comprenant une probabilité de détection déterminée dans une zone de calcul incluse dans ladite zone géographique, la couverture spatiale étant représentée par une position et une orientation de visualisation donnée, les données de l'ensemble comprenant des données de position de la zone de calcul et des données de dimensions de la zone de calcul. Le procédé comprend une étape consistant à déterminer un rendu (3D) de ladite probabilité de détection à partir de certaines au moins des données de probabilité, des données de position de la zone de calcul et des données de dimension (201, 203, 205, 207, 211).

Description

DESCRIPTION
Titre de l’invention : Procédé de représentation en trois dimensions de la couverture spatiale d’un ou plusieurs systèmes de détection
Art Antérieur
[0001 ] L’invention se rapporte aux systèmes de détection, et en particulier à la représentation en trois dimensions de la couverture spatiale d’un ou plusieurs systèmes de détection.
[0002] Les systèmes de détection, tels que les sonars ou les radars sont utilisés dans de nombreux domaines d’application aujourd’hui. Par exemple, les sonars sont utilisés dans le domaine de l’acoustique sous-marine pour détecter et localiser les objets sous l’eau.
[0003] Les systèmes de détection peuvent être utilisés par divers infrastructures de surveillance (par exemple pour la détection de sous-marins ou d’objets posés sur le fond marin), dans le domaine de la pêche pour la détection de bancs de poissons, dans le domaine de la cartographie (par exemple pour cartographier une zone géographique ou le fond des océans d’où autres plans d’eau), ou encore dans le domaine de l’archéologie (par exemple archéologie subaquatique et sous-marine).
[0004] Les systèmes de détection sont munis d’antennes pour émettre et/ou recevoir des signaux. Le traitement des signaux reçus par le système de détection utilise une étape de traitement de signal et une étape de traitement de l’information.
[0005] L’étape de traitement de signal peut comprendre des opérations de
prétraitement, de traitement d’antenne, de traitement cohérent, de normalisation et de détection. Les opérations de prétraitement peuvent comprendre une ré
amplification des signaux reçus, un filtrage, une numérisation, une mise en forme du signal par une opération de démodulation permettant de ramener les signaux en bande de base, un filtrage additionnel pour conserver uniquement la partie du signal contenant les informations utiles et rejeter le bruit, et un échantillonnage pour réduire le nombre d’échantillons à traiter. [0006] Les opérations de traitement d’antenne exploitent la géométrie des antennes pour optimiser le compromis entre les performances et le nombre de capteurs déployés.
[0007] Les opérations de traitement cohérent consistent à corréler les signaux reçus avec les signaux émis pour rechercher la présence d’échos.
[0008] Les opérations de normalisation consistent à modifier les paramètres de la statistique du bruit pour mettre en évidence la partie signal.
[0009] Les opérations de détection sont mises en oeuvre pour déterminer si un objet cible est présent dans l’eau. La détection d’objets cibles dans un système sonar est probabiliste. La probabilité de détection, dénotée p(D), désigne la probabilité qu’un écho cible réel soit détecté lorsqu’un écho cible réel existe. Par exemple, dans un système de détection de type sonar passif, la probabilité de détection représente la probabilité de détecter un objet cible réel qui émet un niveau de bruit donné à différentes fréquences. Dans un système de détection de type sonar actif, la probabilité de détection représente la probabilité d’obtenir un écho viable grâce à une émission d’ondes acoustiques par le sonar actif. La probabilité qu’un écho cible réel ne soit pas détecté alors que l’écho cible existe est 1 -p(D). La probabilité de fausse alarme, dénotée p(FA), désigne la probabilité qu’un faux écho (ou écho parasite) soit détecté, c’est-à-dire la probabilité qu’il y ait une fausse détection d’un écho qui soit réellement du bruit.
[0010] Les opérations de normalisation et de détection consistent à déterminer un seuil de détection du récepteur en fixant une probabilité de détection minimale (ou probabilité de détection seuil) et une probabilité de fausse alarme minimale. Lorsque le rapport signal-sur-bruit excède la valeur de la probabilité de détection seuil, le récepteur peut détecter la présence d’un écho cible et pour des valeurs du rapport signal-sur-bruit inférieures à la valeur de la probabilité de détection seuil, le récepteur ne détecte pas la présence d’échos.
[001 1] L’étape de traitement de l’information comprend généralement des opérations consistant à fusionner les données issues de différentes plateformes et/ou de différents capteurs, au pistage, à la localisation, et à la classification. Ces opérations permettent de déterminer la dynamique et la trajectoire des objets cibles, de déterminer la position des objets cibles en distance en gisement et en profondeur, et de déterminer la nature des objets cibles à partir des informations extraites avec le système de détection.
[0012] Il est connu d’utiliser une représentation appelée‘Probabilités de détection ou POD’ (pour‘Performance Of the Day’ en langue anglo-saxonne). Une représentation POD est une représentation des probabilités de détection qui permet de déterminer la couverture spatiale d’un système de détection et d’estimer la capacité à détecter des objets cibles du système de détection. Une telle représentation est générée à partir d’une matrice de données de probabilités de détection en fonction de la distance par rapport à la position de antenne du système de détection et de la profondeur entre la surface et le fond marin, en utilisant un codage couleur. Plus précisément, les probabilités de détection sont affichées graphiquement sous la forme de données de couleur où chaque couleur représente une plage de probabilité variant de 0 à 10%, de 1 1 à 20%, jusqu’à l’intervalle de valeurs [91 ,100%].
[0013] Les formes obtenues au moyen de cette représentation sont relativement complexes et non uniformes dues à la non linéarité de la propagation des ondes dans l’environnement considéré (par exemple dans l’eau pour un système de détection de type sonar) et au fait que l’image qui représente ces probabilités de détection ne permet de visualiser qu'une partie de la scène considérée. Dans des environnements complexes, la forme finale obtenue en trois dimensions (3D) peut être relativement complexe à interpréter. Par ailleurs, cette représentation ne permet pas de mettre en évidence les zones dangereuses représentant un risque potentiel pour l’infrastructure utilisant le système de détection (plateforme ou bâtiment à protéger par exemple). Elle ne permet pas non plus d’avoir une vue globale complète en trois dimensions de la zone géographique couverte par le système de détection. En outre, une telle représentation ne permet pas de couvrir une zone suffisamment importante par rapport à l’échelle de l’infrastructure utilisant le système de détection.
[0014] Il existe donc un besoin pour un procédé et un dispositif améliorés pour déterminer une représentation en trois dimensions de la couverture spatiale d’un ou plusieurs systèmes de détection.
[0015] Définition générale de l’invention
[0016] A cet effet, il est proposé un procédé pour déterminer une représentation en trois dimensions de la couverture spatiale d’un ou plusieurs systèmes de détection évoluant dans une zone géographique à partir d’un ensemble de données
comprenant une probabilité de détection d’un ou plusieurs systèmes de détection déterminée dans une zone de calcul incluse dans la zone géographique, la couverture spatiale de l’un ou plusieurs systèmes de détection étant représentée selon une position et une orientation de visualisation données, les données de ensemble comprenant des données de position de la zone de calcul et des données de dimensions de la zone de calcul. Avantageusement, le procédé comprend une étape consistant à déterminer un rendu 3D de la probabilité de détection à partir de certaines au moins des données de probabilité dudit un ou plusieurs systèmes de détection, des données de position de la zone de calcul et des données de dimension.
[0017] Dans un mode de réalisation, le procédé peut comprendre en outre une étape consistant à déterminer une structure de données principale ayant au moins trois dimensions à partir desdites données de probabilité dudit un ou plusieurs systèmes de détection.
[0018] Avantageusement, le procédé peut comprendre en outre une étape consistant à déterminer un rendu de profondeur du volume englobant la zone de calcul à partir des données de position de la zone de calcul, des données de dimension, et de la position et de l’orientation de visualisation.
[0019] Dans une forme de réalisation, le rendu 3D peut être volumique, le procédé comprenant alors une étape consistant à : - déterminer un rendu volumique de la probabilité de détection suivant au moins une fonction dans un espace colorimétrique donné à partir de la structure de données principale et du rendu de profondeur.
[0020] L’étape de détermination du rendu volumique peut comprendre les étapes consistant à: déterminer un rendu volumique en niveaux de gris de la probabilité de détection à partir de la structure de données principale et du rendu de profondeur ; déterminer un rendu volumique en couleurs de la probabilité de détection à partir du rendu volumique en niveaux de gris.
[0021] Dans une autre forme de réalisation, le rendu 3D est surfacique, le procédé comprenant en outre une étape consistant à déterminer un rendu surfacique à partir de la probabilité de détection, des données de position de la zone de calcul, des données de dimensions, d’au moins une valeur de seuil de probabilité de détection, et de la position et de l’orientation de visualisation.
[0022] L’étape de détermination du rendu surfacique peut comprendre la génération d’objets polygonaux à partir de la matrice de données en trois dimensions pour approximer au moins une iso-surface conduit à parti du seuil de probabilité de détection.
[0023] Dans un mode de réalisation, l’ensemble de données peut comprendre en outre une résolution d’entrée associée à chaque système de détection, la résolution d’entrée associée à un système de détection correspondant à une distance entre deux points de la zone de calcul, l’étape de détermination de la structure de données principale comprenant les étapes consistant à :
- générer une structure de données auxiliaire à partir d’au moins certaines des données de probabilité, la structure de données auxiliaire ayant des dimensions définies à partir de la résolution d’entrée associée à chacun dudit un ou plusieurs systèmes de détection;
- déterminer une structure de données principale en utilisant une conversion des données de la structure auxiliaire en données colorimétriques.
[0024] Une image de profondeur comprend un ensemble de surfaces associées à des informations de position. Avantageusement, l’étape de détermination du rendu de profondeur peut comprendre la détermination d’une première image de profondeur d’un cube englobant la structure de données 3D et d’une seconde image de profondeur de la face arrière du cube, la profondeur du cube englobant la structure de données principale représentant la distance de la surface du cube par rapport à la position et à l’orientation de visualisation, le rendu de profondeur comprenant la première image de profondeur et la seconde image de profondeur.
[0025] Dans un mode de réalisation, l’étape de détermination d’un rendu volumique peut comprendre la détermination du rendu volumique à partir de la structure de données principale et desdites première image de profondeur et seconde image de profondeur en appliquant un algorithme de calcul de rendu volumique de type lancer de rayons par accumulation.
[0026] Les fonctions peuvent comprendre au moins une fonction de transfert définie à partir d’une borne de probabilité minimale, d’une borne de probabilité maximale, d’une borne de colorimétrie minimale, et d’une borne de colorimétrie maximale, la fonction de transfert étant configurée pour exécuter une interpolation entre la borne de colorimétrie minimale et la borne de colorimétrie maximale, l’espace
colorimétrique dans lequel est déterminé le rendu volumique représentant une probabilité de détection comprise entre la borne de probabilité minimale et la borne de probabilité maximale.
[0027] Selon certains modes de réalisation, l’un ou plusieurs systèmes de détection peuvent comprendre au moins deux systèmes de détection. Selon ces modes de réalisation, l’étape de détermination de la structure principale peut en outre comprendre les sous-étapes consistant à :
- la détermination de données secondaires, lesdites données secondaires étant déterminées en appliquant une interpolation linéaire aux données de probabilité de chaque système de détection desdits au moins deux systèmes de détection ;
- la détermination d’une position secondaire de la zone de calcul, ladite position secondaire de la zone de calcul étant déterminée à partir des données de position de la zone de calcul de chaque système de détection desdits au moins deux systèmes de détection comme étant la moyenne des positions de la zone de calcul ;
- la détermination de dimensions secondaires de la zone de calcul à partir des données de dimension de chaque système de détection desdits au moins deux systèmes de détection, lesdites dimensions secondaires étant déterminées comme étant les dimensions englobantes des dimensions de la zone de calcul de chaque système de détection;
- la détermination d’une résolution secondaire comme étant la valeur minimale des résolutions d’entrée associées auxdits au moins deux systèmes de détection ;
ladite structure de données principale étant déterminée à partir desdites données secondaires, position secondaire de la zone de calcul, dimensions secondaires, et résolution secondaire.
[0028] Il est en outre proposé un dispositif pour déterminer une représentation en trois dimensions de la couverture spatiale d’un ou plusieurs systèmes de détection se déplaçant dans une zone géographique à partir d’un ensemble de données comprenant une probabilité de détection déterminée dans une zone de calcul incluse dans la zone géographique, la couverture spatiale dudit un ou plusieurs systèmes de détection étant représentée selon une position et une orientation de visualisation données, les données de ensemble comprenant des données de position de la zone de calcul et des données de dimensions de la zone de calcul.
Avantageusement, le dispositif est configuré pour déterminer un rendu 3D de la probabilité de détection à partir de certaines au moins des données de probabilité, des données de position de la zone de calcul et des données de dimension.
[0029] Il est également proposé un produit programme d’ordinateur pour déterminer une représentation en trois dimensions de la couverture spatiale d’un ou plusieurs systèmes de détection se déplaçant dans une zone géographique à partir d’un ensemble de données comprenant une probabilité de détection déterminée dans une zone de calcul incluse dans la zone géographique, la couverture spatiale dudit un ou plusieurs systèmes de détection étant représentée selon une position et une orientation de visualisation données, les données de l’ensemble de données comprenant des données de position de la zone de calcul et des données de dimensions de la zone de calcul, le produit programme d’ordinateur comprenant des instructions de code de programme informatique qui, lorsqu’elles sont exécutées par un ou plusieurs processeurs amènent le ou les processeurs à déterminer un rendu 3D de la probabilité de détection à partir de certaines au moins des données de probabilité dudit un ou plusieurs systèmes de détection, des données de position de la zone de calcul et des données de dimension.
[0030] Avantageusement, les modes de réalisation de l’invention permettent de représenter les probabilités de détection associées à un ou plusieurs systèmes de détection pour une scène réelle en trois dimensions.
[0031] Avantageusement, les modes de réalisation de l’invention peuvent fournir un mode de représentation des probabilités de détection sous forme volumique, ce qui permet un affichage en 3D de la couverture spatiale d’un ou plusieurs systèmes de détection dans la zone géographique considérée.
[0032] Les modes de réalisation de l’invention permettent en outre un affichage des zones à risque, ce qui permet de déclencher ou d’ajuster des actions préventives.
[0033] Avantageusement, les modes de réalisation de l’invention fournissent des modes de rendu 3D pouvant être exploitée pour déterminer rapidement les actions à mettre en œuvre malgré les formes complexes représentant les zones d’ombre non couvertes par la détection de l’un ou plusieurs systèmes de détection et se trouvant dans des zones de sécurité dans la zone géographique.
[0034] Brève description des dessins
[0035] D’autres caractéristiques, détails et avantages de l’invention ressortiront à la lecture de la description faite en référence aux dessins annexés donnés à titre d’exemple et qui représentent, respectivement :
[0036] [Fig.1 ] est un exemple d’environnement d’utilisation du dispositif de détermination de la représentation de la couverture spatiale d’un ou plusieurs systèmes de détection de type sonar, selon certains modes de réalisation.
[0037] [Fig.2] est un organigramme représentant un procédé pour déterminer une représentation en trois dimensions de la couverture spatiale d’un ou plusieurs systèmes de détection, selon certains modes de réalisation de l’invention.
[0038] [Fig.3] est une vue schématique représentant un algorithme de lancer de rayon par accumulation (‘Ray Marching’ en langue anglo-saxonne), selon certains modes de réalisation de l’invention.
[0039] [Fig.4] est une vue schématique d’un dispositif de détermination d’une représentation en trois dimensions de la couverture spatiale d’un ou plusieurs systèmes de détection, selon certains modes de réalisation de l’invention.
[0040] [Fig.5] représente un exemple de couverture spatiale d’un ou plusieurs systèmes de détection de type sonar utilisés pour la détection d’objets, obtenue en utilisant des méthodes d’affichage de la couverture spatiale de l’art antérieur.
[0041] [Fig.6] est un schéma représentant des zones de détection théorique cible dans un exemple d’application du dispositif de détermination de représentation à la détection d’objets en environnement sous- marin.
[0042] [Fig.7] est un schéma représentant des zones de détection réaliste dans un dispositif de lutte-anti-sous-marins, dans un exemple d’application du dispositif de détermination de représentation à la détection d’objets en environnement sous- marin.
[0043] [Fig.8] représente un exemple de couverture spatiale d’un sonar obtenue en utilisant un rendu volumique des probabilités de détection d’un sonar, selon certains modes de réalisation de l’invention. [0044] Description détaillée
[0045] La figure 1 représente un exemple d’environnement 100 dans lequel est utilisé un dispositif de détermination d’une représentation en trois dimensions de la couverture spatiale d’un ou plusieurs systèmes de détection évoluant dans une zone géographique à partir d’un ensemble de données comprenant une probabilité de détection dudit un ou plusieurs systèmes de détection déterminée dans une zone de calcul incluse dans la zone géographique.
[0046] Telle qu’utilisée ici, le terme « zone de calcul » fait référence à une zone géométrique incluse dans la zone géographique et comprenant l’ensemble des probabilités de détection calculées d’un ou plusieurs systèmes de détection satisfaisant une condition. La zone de calcul est déterminée par un centre et est définie dans un référentiel, comme par exemple un référentiel cartésien XYZ. La zone de calcul peut par exemple comprendre l’ensemble des probabilités de détection calculées de l’un ou plusieurs systèmes de détection qui sont non nulles.
En variante, la zone de calcul peut par exemple comprendre l’ensemble des probabilités de détection calculées de l’un ou plusieurs systèmes de détection qui sont supérieure à un seuil non nul.
[0047] Selon certains modes de réalisation, l’un ou plusieurs systèmes de détection peuvent comprendre une pluralité de systèmes de détection collaboratifs.
[0048] Selon certains modes de réalisation, l’un ou plusieurs systèmes de détection peuvent comprendre une pluralité de systèmes de détection alternatifs.
[0049] Un système de détection de l’un ou plusieurs systèmes de détection peut être tout système de détection porté par une structure porteuse capable d’évoluer dans la zone géographique, tel qu’un radar ou un sonar par exemple. Dans l’exemple de la figure 1 , un système de détection peut être par exemple un sonar porté par une structure porteuse de type bâtiment de surface 101 .
[0050] La couverture spatiale de l’un ou plusieurs systèmes de détection est représentée selon une position et une orientation de visualisation données
(l’ensemble des données de position et d’orientation de visualisation est encore appelée « point de vue »). Les données de l’ensemble de données comprennent des données de position de la zone de calcul et des données de dimensions de la zone de calcul de chaque système de détection de l’un ou plusieurs systèmes de détection. [0051] L’un ou plusieurs systèmes de détection peuvent être utilisés dans diverses infrastructures ou systèmes pour la détection et localisation d’objets dans la zone géographique considérée (par exemple sous l’eau pour un système de détection de type sonar).
[0052] Par exemple, un système de détection peut être l’un des systèmes de détection acoustique 107, 108 et/ou 109 utilisés pour détecter :
[0053] - des sous-marins et/ou des bâtiments de surface et/ou des menaces (par exemple des mines) ou objets posés sur le fond marin, des bancs de poissons, dans le domaine de la navigation maritime et fluviale,
- en hydrographie pour cartographier le fond des océans et d’autres plans d’eau,
- en archéologie subaquatique et sous-marine, ou
- dans les capteurs de pollutions aquatiques.
[0054] L’un ou plusieurs systèmes de détection peuvent être utilisés en outre pour localiser les objets détectés.
[0055] Dans l’exemple d’environnement 100 de la figure 1 formant un dispositif de lutte anti-sous-marine, d’autres éléments auxiliaires peuvent être déployés pour mettre en œuvre des actions préventives, défensives ou offensives à mettre en œuvre en fonction de l’objet détecté. Les éléments auxiliaires peuvent comprendre par exemple des navires de surface 101 équipés de sonars 107, 108; un ou plusieurs avions de patrouille maritime ; un ou plusieurs hélicoptères 103 équipé de sonar(s) tel que le sonar 109 ; un ou plusieurs sous-marins d’attaque ; et une ou plusieurs bouées acoustiques 105 larguées par une patrouille maritime. Les sonars peuvent par exemple comprendre un sonar actif d’étrave 107, un sonar actif remorqué 108, et un sonar actif trempé 109 déployé par l’hélicoptère 103.
[0056] Les différents éléments de l’environnement 100 peuvent être contrôlés par un opérateur ou un système de contrôle présent par exemple dans le navire de surface 101 , pour surveiller et protéger les éléments de l’environnement 100 contre des menaces en mettant en œuvre des opérations ou actions. L’opérateur ou le système de contrôle peut par exemple mettre en œuvre des actions de type préventives, défensives, ou offensives.
[0057] La description des modes de réalisation de l’invention qui suit sera faite principalement en référence à un ou plusieurs systèmes de détection de type sonar pour faciliter la compréhension des modes de réalisation de l’invention, à titre d’exemple non limitatif. Cependant, l’homme du métier comprendra aisément que l’invention s’applique plus généralement à tout système de détection capable de détecter un objet dans l’eau ou dans tout autre environnement.
[0058] Avantageusement, le dispositif de détermination de représentation selon les modes de réalisation de l’invention comprend une étape consistant à déterminer un rendu 3D (en trois dimensions) de la probabilité de détection à partir de certaines au moins des données de probabilité de l’un ou plusieurs systèmes de détection, des données de position de la zone de calcul et des données de dimension de l’un ou plusieurs systèmes de détection. Dans un mode de réalisation, l’étape de
détermination du rendu 3D (en trois dimensions) de la probabilité de détection peut en outre prendre en compte les données de visualisation (données de position et d’orientation).
[0059] Dans un mode de réalisation, les données de probabilité de détection de chacun de l’un ou plusieurs systèmes de détection peuvent être représentées par une matrice de données de probabilité. La position du centre de cette matrice (centre du référentiel de la matrice) peut alors être située au niveau de la position de la structure porteuse de l’un ou plusieurs systèmes de détection.
[0060] Dans un mode de réalisation, les données de dimension d’un système de détection peuvent être déterminées à partir d’une résolution d’entrée associée au système de détection, la résolution d’entrée associée à un système de détection correspondant à la distance entre deux points de la zone de calcul.
[0061] La détermination du rendu 3D peut être effectuée à partir de techniques de synthèse d’images 3D pour convertir les données brutes des probabilités de détection en une image 3D pour générer un affichage de l’image 3D sur un dispositif de rendu choisi. Le dispositif de rendu peut être par exemple un dispositif 3D sur écran ou un dispositif de réalité augmentée ou un dispositif de réalité virtuelle.
[0062] La représentation en 3D de la couverture spatiale peut être avantageusement superposée avec une représentation de la zone géographique sur le dispositif de rendu, ce qui permet un affichage en 3D de la couverture spatiale de l’un ou plusieurs systèmes de détection dans la zone géographique considérée. [0063] La création d’une image de synthèse peut se décomposer en trois étapes principales : la modélisation géométrique des objets de la scène à représenter, la création de la scène, et le rendu.
[0064] La modélisation géométrique permet de définir les propriétés géométriques des objets soit par une représentation mathématique à partir des définitions ou des systèmes mathématiques qui les décrivent, soit par une représentation par arbre de construction en représentant les objets complexes comme une composition d’objets simples appelés primitives, soit par une représentation par les bords qui représente un objet en matérialisant la limite entre son intérieur et son extérieur par une série d’éléments géométriques reliés entre eux (généralement des triangles).
[0065] L’étape de création de la scène permet de définir l’apparence des objets et de déterminer les paramètres non géométriques de la scène à afficher. L’apparence des objets est définie en déterminant des propriétés surfaciques ou volumiques des objets dont les propriétés optiques, la couleur et la texture. Les paramètres non géométriques de la scène comprennent la position et le type des sources de lumière, la position et l’orientation de la visualisation de la scène formant le point de vue (par une caméra ou encore l’œil).
[0066] L’attribution d’une couleur à un objet selon les modes de réalisation de l’invention se base sur l’utilisation d’un espace colorimétrique prenant en compte l’opacité. Par exemple, la conversion de données peut être réalisée par l’utilisation du format de codage des couleurs RGBA qui est une extension du format RGB, prenant en compte la notion de transparence. Dans un tel exemple, chaque pixel affiché sur l’image représente un vecteur de quatre composantes, comprenant une première valeur R représentant une valeur de couleur rouge (Red), une seconde valeur G représentant une valeur de couleur verte (Green), une troisième valeur B représentant une valeur de couleur bleue (Blue), une quatrième valeur A
représentant une composante de transparence (ou composante alpha). En utilisant la représentation géométrique dans l’espace Euclidien, chaque pixel est associé à trois dimensions géométriques (x,y,z) dans un référentiel XYZ comprenant une largeur x (ou abscisse du référentiel), une profondeur y (ou ordonnée du référentiel) et une hauteur z (ou côte du référentiel). Le référentiel XYZ est défini par la zone de calcul et peut être centré au niveau du centre de la zone de calcul. [0067] Telle qu’utilisée ici, une‘texture’ fait référence à une structure de données utilisée pour la représentation d’une image de synthèse.
[0068] Un procédé de rendu fait référence à un procédé informatique consistant à convertir le modèle des objets en une image affichable sur le support d’affichage choisi, l’image comportant à la fois des objets, des sources de lumière et une visualisation selon un point de vue donné.
[0069] Le procédé selon les modes de réalisation de l’invention peut être mis en œuvre par un ou plusieurs dispositifs ou systèmes informatiques, désignés collectivement sous le nom d’ordinateur. Le procédé peut être mis en œuvre sous la forme d’un ensemble de programmes logiciels (ou fonctions logicielles) exécutés par au moins une unité de traitement (ou‘processeur’) de l’ordinateur et d’un ensemble de programmes informatiques, appelés nuanceurs (ou ‘shaders’ en langue anglo- saxonne), exécutés par au moins une unité de traitement graphique (ou‘processeur graphique’) de l’ordinateur. Un processeur graphique est un circuit intégré configuré pour exécuter des fonctions de calcul d’affichage qui peut être intégré sur une carte- mère ou dans une unité centrale de traitement (CPU). Les fonctions exécutées par l’unité de traitement peuvent comprendre la détermination de la texture. Les fonctions exécutées par l’unité de traitement graphique peuvent comprendre les fonctions mises en œuvre dans le processus du rendu.
[0070] La détermination de la couverture spatiale de l’un ou plusieurs systèmes de détection peut utiliser une transformation (ou conversion) des données brutes des probabilités de détection de l’un ou plusieurs systèmes de détection en une structure exploitable par les fonctions de calcul de rendu exécutées par l’unité de traitement graphique.
[0071] La figure 2 représente le procédé de détermination d’une représentation en trois dimensions de la couverture spatiale d’un ou plusieurs systèmes de détection 109 évoluant dans une zone géographique selon certains modes de réalisation.
[0072] Les étapes de la figure 2 sont mises en œuvre pour déterminer un rendu 3D de la probabilité de détection d’un ou plusieurs systèmes de détection dans la zone géographique considérée à partir de certaines au moins des données de probabilité, des données de position de la zone de calcul et des données de dimension de l’un ou plusieurs systèmes de détection, selon un mode de réalisation. Dans un mode de réalisation, le rendu 3D (en trois dimensions) de la probabilité de détection peut en outre être déterminé à partir des données de visualisation (données de position et d’orientation).
[0073] A l’étape 201 , les données de l’ensemble de données comprenant les données de position de la zone de calcul et des données de dimensions de la zone de calcul associées à l’un ou plusieurs systèmes de détection sont lues ou extraites.
[0074] A l’étape 203, une structure de données principale ayant au moins trois dimensions (en particulier 3D ou 4D), encore appelée classiquement Texture 3D’, est déterminée à partir des données de probabilité de l’un ou plusieurs systèmes de détection. Dans un mode de réalisation, la structure de données principale peut être par exemple une matrice.
[0075] Selon certains modes de réalisation où l’un ou plusieurs systèmes de détection comprennent au moins deux systèmes de détection, l’étape 203 de détermination de la structure de données principale peut comprendre :
- la détermination de données secondaires, lesdites données secondaires étant déterminées en appliquant une interpolation linéaire aux données de probabilité de chaque système de détection desdits au moins deux systèmes de détection ;
- la détermination d’une position secondaire de la zone de calcul, ladite position secondaire de la zone de calcul étant déterminée à partir des données de position de la zone de calcul de chaque système de détection desdits au moins deux systèmes de détection comme étant la moyenne des positions de la zone de calcul ;
- la détermination de dimensions secondaires de la zone de calcul à partir des données de dimension de chaque système de détection desdits au moins deux systèmes de détection, lesdites dimensions secondaires étant déterminées comme étant les dimensions englobantes des dimensions de la zone de calcul de chaque système de détection. Selon ces modes de réalisation, la structure de données principale peut être déterminée à partir des données secondaires, de la position secondaire de la zone de calcul, et des dimensions secondaires.
[0076] Dans un mode de réalisation, l’ensemble de données d’entrée peut comprendre en outre la résolution d’entrée associée à chaque système de détection de l’un ou plusieurs systèmes de détection, la résolution d’entrée associée à un système de détection correspondant à la distance entre deux points de la zone de calcul. L’étape 203 de détermination de la structure de données principale peut alors comprendre les étapes consistant à :
- générer une structure de données auxiliaire à partir d’au moins certaines des données de probabilité de l’un ou plusieurs systèmes de détection, la structure de données auxiliaire ayant des dimensions définies à partir de la probabilité, et de la résolution d’entrée associée à chacun dudit un ou plusieurs systèmes de détection.;
- déterminer la structure de données principale en utilisant une conversion des données de la structure auxiliaire en données colorimétriques.
[0077] Selon certains modes de réalisation où l’un ou plusieurs systèmes de détection comprennent au moins deux systèmes de détection, une résolution secondaire peut être déterminée comme étant la valeur minimale des résolutions d’entrée associées auxdits au moins deux systèmes de détection. Selon ces modes de réalisation, la structure de données peut être en outre déterminée à partir de la résolution secondaire.
[0078] La structure de données principale (ou‘texture 3D’) comprend ainsi un nombre de pixels correspondant à la résolution d’entrée (ou à la résolution secondaire dans certains modes de réalisation où la couverture spatiale est déterminée pour au moins deux systèmes de détection), chaque pixel constituant la texture 3D étant associé à une donnée colorimétrique. La donnée colorimétrique peut être par exemple définie dans l’espace de couleurs RGB par un vecteur de trois valeurs, chaque valeur correspondant à une composante R, G, ou B de l’espace de couleurs RGB.
[0079] A l’étape 205, un rendu de profondeur du volume englobant la zone de calcul peut être déterminée à partir des données de position de la zone de calcul, des données de dimension, de la position et de l’orientation de visualisation.
[0080] En particulier, l’étape 205 de détermination du rendu de profondeur peut comprendre la détermination d’une première image de profondeur d’un cube englobant la structure de données principale (Texture 3D)et d’une seconde image de profondeur de la face arrière du cube. La profondeur du cube englobant la structure de données principale (texture 3D) représentant la distance de la surface du cube par rapport à la position et à l’orientation de visualisation (profondeur Z ou ‘Z-depth’ en langue anglo-saxonne), le rendu de profondeur comprenant la première image de profondeur et la seconde image de profondeur. Une image de profondeur comprend un ensemble de surfaces associées à des informations de position.
[0081] Dans un mode de réalisation, la seconde image de profondeur peut être déterminée en tant que l’image de profondeur du cube dont les normales ont été inversées, correspondant à l’image de profondeur de la face arrière du cube au point de vue.
[0082] Bien que les étapes 203 et 205 soient représentées selon un ordre consécutif, l’homme du métier comprendra aisément, qu’en variante, ces étapes peuvent être mises en œuvre selon un autre ordre ou en parallèle.
[0083] Dans un mode de réalisation, le rendu 3D peut être un rendu volumique. Dans un tel mode de réalisation, à l’étape 207, il est déterminé un rendu volumique de la probabilité de détection suivant au moins une fonction dans un espace colorimétrique donné à partir de la texture 3D et du rendu de profondeur.
[0084] Dans un mode de réalisation, les fonctions utilisées pour déterminer le rendu volumique peuvent comprendre au moins une fonction de transfert définie à partir d’une borne de probabilité minimale, d’une borne de probabilité maximale, d’une borne de colorimétrie minimale, et d’une borne de colorimétrie maximale.
[0085] Chaque information d’une image de profondeur associée à des dimensions géométriques x, y, z peut être définie d’un espace colorimétrique, par exemple dans le format de codage RGBA.
[0086] Dans un mode de réalisation, l’étape 207 de détermination d’un rendu volumique peut comprendre :
- une étape 2070 consistant à déterminer un rendu volumique en niveaux de gris de la probabilité de détection à partir de la texture 3D et du rendu de profondeur ; et
- une étape 2090 de détermination d’un rendu volumique en couleurs de la probabilité de détection à partir du rendu volumique en niveaux de gris.
[0087] Dans un mode de réalisation, le rendu volumique peut-être déterminé à l’étape 207 à partir de la texture 3D, de la première image de profondeur et de la seconde image de profondeur en appliquant un algorithme (ou technique) de calcul de rendu volumique de type lancer de rayons par accumulation (Ray Marching en langue anglo-saxonne). [0088] Un algorithme de type Ray Marching est illustré sur la figure 3 dans un mode de réalisation utilisant les étapes 2070 et 2090 et le codage RGBA. Un algorithme de type Ray Marching se base sur l’optique géométrique pour simuler le trajet de l’énergie lumineuse dans l’image à afficher. Un plan de projection 303, placé devant un point de vue 301 , représente l’image visualisée (c’est-à-dire le rendu volumique en niveaux gris). Chaque point du plan de projection 303 correspond à un pixel du rendu volumique en niveaux de gris. La mise en oeuvre de l’étape 207 à partir de la texture 3D en appliquant un algorithme de type Ray Marching selon les modes de réalisation de l’invention peut comprendre la génération d’un rayon 307 (défini par un point d’origine et une direction) pour chaque pixel de l’image désirée du rendu volumique en niveaux de gris. Le rayon peut être échantillonné à pas réguliers à l’intérieur du volume 305 et les valeurs dans l’espace colorimétrique (couleurs RGBA par exemple) des différents pixels ainsi calculées peuvent être sommées au prorata de leur contribution de transparence Alpha. L’algorithme traverse, dans la direction du plan de projection 303, les volumes orientés des résultats représentant la probabilité de détection, tout en collectant pas-à-pas les valeurs de probabilité. La valeur d’un pixel affiché constitue le résultat d’une fonction (par exemple fonction de transfert) des valeurs collectées.
[0089] Pour chaque point du plan de projection, chaque point correspondant à un pixel du rendu volumique, l’algorithme de type Ray Marching peut être appliqué pour calculer une valeur de probabilité cumulée par un rayon 307 partant de l’avant du cube englobant la texture 3D jusqu’à l’arrière du cube.
[0090] Dans un mode de réalisation, l’application d’un algorithme de type Ray Marching à l’étape 207 peut comprendre les étapes consistant à, pour chaque pixel du rendu volumique :
- déterminer les positions 3D de départ et d’arrivée du rayon 307 à partir des valeurs lues de couleurs des textures de la première image de profondeur et de la seconde image de profondeur pour le pixel sélectionné ;
- calculer un vecteur de déplacement pas-à-pas, pendant un nombre d’itérations donné ou prédéterminé, à partir du vecteur de déplacement de direction du rayon 307, de la distance du pas des itérations déterminée en divisant la distance totale par le nombre d’itérations, et en multipliant le vecteur de déplacement de direction par la distance du pas. - Pour chaque itération, la détermination d’une couleur représentant une valeur de probabilité pour un pixel sélectionné peut comprendre les étapes consistant à:
- mettre à jour la position du parcours du rayon 307 en ajoutant le vecteur de déplacement ;
- associer une valeur de niveau de gris à la valeur de probabilité correspondant à la position mise à jour dans la texture 3D, une telle couleur représentant un niveau de gris associé à la probabilité correspondante : par exemple, une valeur‘noir’ peut être associée à une probabilité proche de zéro (Ό’) et à une valeur‘blanc’ pour une probabilité proche de un (‘1’) ;
- déterminer la composante de transparence Alpha de la valeur de la couleur ;
- appliquer une fonction dans l’espace colorimétrique (par exemple fonction de transfert) ;
- ajouter la couleur déterminée à la couleur du pixel résultant de l’algorithme.
[0091] Dans un mode de réalisation, la fonction de transfert peut être une fonction logicielle configurée pour exécuter une interpolation linéaire ou non linéaire, entre une borne de couleurs minimale et une borne de couleurs maximale, l’espace colorimétrique dans lequel est déterminé le rendu volumique représentant une probabilité de détection comprise entre la borne de probabilité minimale et la borne de probabilité maximale associées à la fonction de transfert.
[0092] Par exemple, à l’étape 2090, dans laquelle un rendu volumique en couleurs de la probabilité de détection de l’un ou plusieurs systèmes de détection est déterminé à partir du rendu volumique en niveaux de gris de la probabilité de détection déterminé à l’étape 2070, le rendu volumique en couleurs peut être déterminé en appliquant une fonction de transfert de couleurs au rendu volumique en niveaux de gris, la fonction de transfert de couleurs utilisant la borne de probabilité minimale, la borne de probabilité maximale, la borne de couleurs minimale, et la borne de couleurs maximale associées. Par exemple, la fonction de transfert de couleurs peut alors exécuter une interpolation linéaire, entre la borne de couleurs minimale et la borne de couleurs maximale, les couleurs dudit rendu volumique représentant une probabilité de détection comprise entre la borne de probabilité minimale et la borne de probabilité maximale.
[0093] Dans un autre mode de réalisation, le rendu 3D peut être surfacique. Le procédé comprend alors, en alternative des étapes 203, 205 et 207 une étape 21 1 consistant à déterminer un rendu surfacique à partir de la probabilité de détection de l’un ou plusieurs systèmes de détection, des données de position de la zone de calcul, des données de dimensions, d’au moins une valeur de seuil de probabilité de détection, et de la position et de l’orientation de visualisation.
[0094] En particulier, l’étape 21 1 peut comprendre un calcul d’une surface d’iso probabilité consistant à calculer une surface géométrique permettant de séparer l’espace en deux : l’intérieur de la surface géométrique correspondant aux valeurs de probabilités de détection supérieures à la valeur de seuil et l’extérieur de la surface géométrique correspondant aux valeurs inférieures à la valeur de seuil. De telles surfaces peuvent être générées, pour une valeur donnée, par un algorithme de type ‘Marching Cube’.
[0095] Pour générer un affichage du rendu surfacique, le procédé peut utiliser une fonction de création de maillage à partir des probabilités de détection de l’un ou plusieurs systèmes de détection. Un maillage (aussi appelé‘mesh’ en langue anglo- saxonne) fait référence à une discrétisation spatiale d’une surface, et à une modélisation géométrique de la surface par des éléments proportionnés finis. Le procédé peut utiliser par exemple un élément fini de type triangle.
[0096] La fonction de création du maillage peut être exécutée à chaque mise à jour des probabilités de détection et de la valeur de seuil.
[0097] La fonction création du maillage peut être définie pour calculer le maillage des probabilités de détection de l’un ou plusieurs systèmes de détection délimitant la surface englobante d’une probabilité donnée, ou iso-valeur de probabilité. L’espace contenu dans la surface ainsi maillée délimite les probabilités de détection supérieures à l’iso-valeur de probabilité. Dans un mode de réalisation, une fonction de maillage basée sur un algorithme de type Marching Cube peut mettre en œuvre les étapes suivantes :
- Lecture de l’ensemble des données d’entrée comprenant la résolution d’entrée associée à chaque système de détection et des données de probabilité de l’un ou plusieurs systèmes de détection sous la forme d’un tableau de données;
- Conversion des données en une matrice de données prenant en compte la résolution en entrée considérée ;
- Calcul du maillage pour la valeur de probabilité en entrée (iso-valeur) en appliquant un algorithme de maillage, l’algorithme parcourant le volume de probabilité, prenant huit points à la fois pour former un cube de travail, comparant les valeurs de probabilité des points par rapport à la valeur de probabilité seuils, et déterminant les éventuels polygones à créer pour représenter une partie de l'iso-surface contenue dans ce cube selon un schéma ;
- le maillage ainsi calculé est retourné dans un format d’échange adapté pour être lu par la plupart des applications de visualisation 3D.
[0098] Le maillage obtenu au moyen de cette fonction peut être non uniforme et complexe à interpréter. Une fonction d’ identification basée sur un algorithme de segmentation de maillage permet de séparer le maillage en plusieurs sous-maillages uniformes (par exemple une surface délimitant une zone de non détection à G intérieur d’ une surface de détection plus grande). La fonction permet de rendre le maillage obtenu facilement interprétable en appliquant une couleur de rendu différente en fonction de la concavité moyenne de chacun des sous-maillages (par exemple pour différentier les surfaces délimitant une zone de détection, de celles délimitant une zone de non détection, c’ est-à-dire une cuvette de non détection).
[0099] La figure 4 représente le dispositif 400 de détermination d’une représentation en trois dimensions de la couverture spatiale d’un ou plusieurs systèmes de détection (sonar par exemple) évoluant dans une zone géographique (scène marine par exemple) à partir de l’ensemble de données comprenant au moins une probabilité de détection de l’un ou plusieurs systèmes de détection. L’ensemble de données peut être sauvegardé par exemple dans une mémoire 43 ou dans un dispositif de mémoire de masse 42. Le dispositif 400 peut être tout type de dispositif ou système informatique désigné sous le nom d’ordinateur. Le dispositif 400 peut comprendre au moins une unité de traitement 401 configurée pour déterminer un rendu 3D de ladite probabilité de détection de l’un ou plusieurs systèmes de détection à partir de certaines au moins des données de probabilité de l’un ou plusieurs systèmes de détection, des données de position de la zone de calcul et des données de dimension. Dans un mode de réalisation, le rendu 3D (en trois dimensions) de la probabilité de détection peut en outre être déterminé à partir des données de visualisation (données de position et d’orientation). [0100] Le dispositif 400 peut en outre inclure une mémoire 43, une base de donnée 42 faisant partie d’un dispositif de mémoire de stockage de masse, une interface d’entrée/sortie E/S 47, et une interface Homme-Machine 41 pour recevoir des entrées ou retourner des sorties de/à un opérateur du système de détection.
L’interface 41 peut être utilisée par exemple pour configurer ou paramétrer différents paramètres ou fonctions utilisées par le procédé de détermination de représentation selon certains modes de réalisation de l’invention, tels que la configuration du rendu volumique des probabilités de détection. Les ressources externes peuvent inclure, mais sans s’y limiter, des serveurs, des bases de données, des dispositifs de stockage de masse, des dispositifs périphériques, des services de réseau en nuage (cloud), ou toute autre ressource informatique appropriée qui peut être utilisée avec le dispositif 400.
[0101] L’unité de traitement 401 peut inclure un ou plusieurs dispositifs sélectionnés parmi des microprocesseurs, des microcontrôleurs, des processeurs de signal numérique, des micro-ordinateurs, des unités centrales de traitement, des réseaux de portes programmables, des dispositifs logiques programmables, des machines à état défini, des circuits logiques, des circuits analogiques, des circuits numériques, ou tout autre dispositif servant à manipuler des signaux (analogiques ou numériques) basé sur des instructions de fonctionnement enregistrées dans la mémoire 43. La mémoire 43 peut inclure un seul dispositif ou une pluralité de dispositifs de mémoire, notamment mais sans s’y limiter, la mémoire à lecture seule (read-only memory (ROM)), la mémoire à accès aléatoire (random access memory (RAM)), la mémoire volatile, la mémoire non volatile, la mémoire vive statique (SRAM), la mémoire dynamique à accès aléatoire (DRAM), la mémoire flash, l'antémémoire (cache memory) ou tout autre dispositif capable de stocker des informations. Le dispositif de mémoire de masse 42 peut inclure des dispositifs de stockage de données tels qu'un disque dur, un disque optique, un dérouleur de bande magnétique, un circuit à l'état solide volatile ou non volatile ou tout autre dispositif capable de stocker des informations. Une base de données peut résider sur le dispositif de stockage de mémoire de masse 42.
[0102] L’unité de traitement 401 peut fonctionner sous le contrôle d'un système d'exploitation 44 qui réside dans la mémoire 43. Le système d'exploitation 44 peut gérer les ressources informatiques de telle façon que le code de programme de l'ordinateur, intégré sous forme d'une ou de plusieurs applications logicielles, telles que l'application 45 qui réside dans la mémoire 43, puisse disposer d'instructions exécutées par l’unité de traitement 401 . Le dispositif 400 peut comprendre une unité de traitement graphique 403 implémentée sur une carte graphique, sur une carte- mère, ou dans une unité centrale de traitement. L’unité de traitement graphique peut générer un affichage du rendu 3D sur un dispositif d’affichage.
[0103] L’invention fournit aussi un produit programme d’ordinateur pour déterminer une représentation en trois dimensions de la couverture spatiale d’un ou plusieurs systèmes de détection, le produit programme d’ordinateur comprenant des
instructions de code de programme informatique qui, lorsqu’elles sont exécutées par un ou plusieurs processeurs dans un ordinateur, amènent T’unité de traitement à exécuter le procédé de détermination de représentation.
[0104] La figure 5 représente un exemple de couverture spatiale d’un système de détection de type sonar utilisé dans un dispositif de lutte-anti-sous-marins obtenue en utilisant une technique d’affichage de probabilités de détection de l’état de l’art. Cette représentation est générée à partir des données de probabilité du système de détection en fonction de la distance par rapport à la position de antenne du système de détection et de la profondeur entre la surface et le fond marin, en utilisant un codage couleur, ce qui permet d’évaluer la capacité du sonar à détecter une menace. Dans l’exemple de la figure 5, la zone 1 qui correspond à une zone associée à 100% de probabilité de détecter une menace (plateforme ennemie par exemple) et la zone 2 correspond à une zone associée à 0% de probabilité de détecter une menace. Les formes ainsi obtenues sont complexes et non-uniformes.
[0105] La figure 6 représente des zones de détection théorique cible dans un dispositif de lutte-anti-sous-marine utilisant des cercles pour identifier la protection prévue d’une flotte navale contre une menace éventuelle et la figure 7 représente des zones de détection réaliste, dans un exemple d’application du dispositif de détermination de représentation à la détection d’objets en environnement sous-marin. Les deux figures montrent que la zone globale de détection réelle est éloignée de la zone globale de détection théorique souhaitée, ce qui ne permet pas d’assurer une surveillance préventive efficace afin de protéger la flotte navale et peut représenter un danger en présence d’ennemis éventuels. [0106] La figure 7 représente un exemple de couverture spatiale d’un système de détection de type sonar obtenue selon un mode de réalisation avec rendu volumique des probabilités de détection du système de détection, selon un exemple de réalisation de l’invention. Comme illustré par la figure 7, la représentation en trois dimensions de la couverture spatiale selon l’invention permet d’afficher une vue globale de la zone complète en trois dimensions, de couvrir une zone très importante à l’échelle de la flotte navale, de mettre en évidence les zones dangereuses non insonifiées et les cuvettes de non détection.

Claims

REVENDICATIONS
1. Procédé pour déterminer une représentation en trois dimensions de la couverture spatiale d’un ou plusieurs systèmes de détection évoluant dans une zone géographique à partir d’un ensemble de données comprenant une probabilité de détection dudit un ou plusieurs systèmes de détection déterminée dans une zone de calcul incluse dans ladite zone géographique, la couverture spatiale dudit un ou plusieurs systèmes de détection étant représentée selon une position et une orientation de visualisation données, les données dudit ensemble de données comprenant des données de position de la zone de calcul et des données de dimensions de la zone de calcul, caractérisé en ce que le procédé comprend une étape consistant à déterminer un rendu 3D de ladite probabilité de détection à partir de certaines au moins des données de probabilité dudit un ou plusieurs systèmes de détection, des données de position de la zone de calcul et des données de dimension (201 , 203, 205, 207, 21 1 ).
2. Procédé selon la revendication 1 , caractérisé en ce qu’il comprend en outre une étape consistant à déterminer (203) une structure de données principale ayant au moins trois dimensions à partir desdites données de probabilité dudit un ou plusieurs systèmes de détection.
3. Procédé selon la revendication 2, caractérisé en ce que ledit un ou plusieurs systèmes de détection comprennent au moins deux systèmes de détection, l’étape (203) de détermination de ladite structure de données principale comprenant :
- la détermination de données secondaires, lesdites données secondaires étant déterminées en appliquant une interpolation linéaire aux données de probabilité de chaque système de détection desdits au moins deux systèmes de détection ;
- la détermination d’une position secondaire de la zone de calcul, ladite position secondaire de la zone de calcul étant déterminée à partir des données de position de la zone de calcul de chaque système de détection desdits au moins deux systèmes de détection comme étant la moyenne des positions de la zone de calcul ;
- la détermination de dimensions secondaires de la zone de calcul à partir des données de dimension de chaque système de détection desdits au moins deux systèmes de détection, lesdites dimensions secondaires étant déterminées comme étant les dimensions
englobantes des dimensions de la zone de calcul de chaque système de détection;
ladite structure de données principale étant déterminée à partir desdites données secondaires, position secondaire de la zone de calcul, et dimensions secondaires.
4. Procédé selon l’une des revendications 1 à 3, caractérisé en ce qu’il comprend en outre une étape consistant à déterminer (205) un rendu de profondeur du volume englobant la zone de calcul à partir des données de position de la zone de calcul, des données de dimension, et de la position et de l’orientation de visualisation.
5. Procédé selon les revendications 2 et 4, caractérisé en ce que ledit rendu 3D est volumique et en ce que le procédé comprend en outre une étape consistant à :
- déterminer (207) un rendu volumique de la probabilité de détection suivant au moins une fonction dans un espace colorimétrique donné à partir de ladite structure de données principale et dudit rendu de profondeur.
6. Procédé selon la revendication 5, caractérisé en ce que ladite étape de détermination d’un rendu volumique (207) comprend les étapes consistant à:
- déterminer (2070) un rendu volumique en niveaux de gris de la probabilité de détection à partir de ladite structure de données principale et dudit rendu de profondeur ;
- déterminer (2090) un rendu volumique en couleurs de la probabilité de détection à partir du rendu volumique en niveaux de gris.
7. Procédé selon l’une des revendications précédentes, caractérisé en ce que ledit rendu 3D est surfacique et en ce que le procédé comprend en outre une étape consistant à déterminer (21 1 ) un rendu surfacique à partir de la probabilité de détection dudit un ou plusieurs systèmes de détection, des données de position de la zone de calcul, des données de dimensions, d’au moins une valeur de seuil de probabilité de détection, et de la position et de l’orientation de visualisation.
8. Procédé selon la revendication 7, caractérisé en ce que l’étape (21 1 ) de
détermination dudit rendu surfacique comprend la génération d’objets polygonaux à partir de la matrice de données en trois dimensions pour approximer au moins une iso-surface conduit à parti dudit seuil de probabilité de détection.
9. Procédé selon la revendication 2, caractérisé en ce que ledit ensemble de données comprend en outre une résolution d’entrée associée à chacun dudit un ou plusieurs systèmes de détection, une résolution d’entrée associée à un système de détection correspondant à une distance entre deux points de ladite zone de calcul, et en ce que ladite étape de détermination de la structure de données principale comprend les étapes consistant à :
- générer une structure de données auxiliaire à partir d’au moins certaines des données de probabilité, ladite structure de données auxiliaire ayant des dimensions définies à partir de la résolution d’entrée associée à chacun dudit un ou plusieurs systèmes de détection;
- déterminer une structure de données principale en utilisant une conversion des données de la structure auxiliaire en données colorimétriques.
10. Procédé selon la revendication 9, caractérisé en ce que ledit un ou plusieurs systèmes de détection comprennent au moins deux systèmes de détection, une résolution secondaire étant déterminée comme étant la valeur minimale des résolutions d’entrée de chacun desdits au moins deux systèmes de détection, ladite structure de données principale étant déterminée à partir de ladite résolution secondaire.
1 1. Procédé selon l’une des revendications 4 à 6, caractérisé en ce qu’une image de profondeur comprend un ensemble de surfaces associées à des informations de position, et en ce que l’étape (205) de détermination dudit rendu de profondeur comprend la
détermination d’une première image de profondeur d’un cube englobant ladite structure de données 3D et d’une seconde image de profondeur de la face arrière dudit cube, la profondeur du cube englobant ladite structure de données principale représentant la distance de la surface dudit cube par rapport à la position et à l’orientation de visualisation, ledit rendu de profondeur comprenant la première image de profondeur et la seconde image de profondeur.
12. Procédé selon les revendications 5 et 1 1 , caractérisé en ce que l’étape de détermination d’un rendu volumique (207) comprend la détermination dudit rendu volumique à partir de ladite structure de données principale et desdites première image de profondeur et seconde image de profondeur en appliquant un algorithme de calcul de rendu volumique de type lancer de rayons par accumulation.
13. Procédé selon l’une des revendications 4 à 6, caractérisé en ce que lesdites fonctions comprennent au moins une fonction de transfert définie à partir d’une borne de probabilité minimale, d’une borne de probabilité maximale, d’une borne de colorimétrie minimale, et d’une borne de colorimétrie maximale, ladite fonction de transfert étant configurée pour exécuter une interpolation entre ladite borne de colorimétrie minimale et ladite borne de colorimétrie maximale, l’espace colorimétrique dans lequel est déterminé ledit rendu volumique représentant une probabilité de détection comprise entre ladite borne de probabilité minimale et ladite borne de probabilité maximale.
14. Dispositif (400) pour déterminer une représentation en trois dimensions de la couverture spatiale d’un ou plusieurs systèmes de détection se déplaçant dans une zone géographique à partir d’un ensemble de données comprenant une probabilité de détection dudit un ou plusieurs systèmes de détection déterminée dans une zone de calcul incluse dans ladite zone géographique, la couverture spatiale dudit un ou plusieurs systèmes de détection étant représentée selon une position et une orientation de visualisation données, les données dudit ensemble comprenant des données de position de la zone de calcul et des données de dimensions de la zone de calcul, caractérisé en ce que le dispositif est configuré pour déterminer un rendu 3D de ladite probabilité de détection à partir de certaines au moins des données de probabilité, des données de position de la zone de calcul et des données de dimension.
15. Produit programme d’ordinateur pour déterminer une représentation en trois dimensions de la couverture spatiale d’un ou plusieurs systèmes de détection se déplaçant dans une zone géographique à partir d’un ensemble de données comprenant une probabilité de détection déterminée dans une zone de calcul incluse dans ladite zone géographique, la couverture spatiale dudit un ou plusieurs systèmes de détection étant représentée selon une position et une orientation de visualisation données, les données dudit ensemble comprenant des données de position de la zone de calcul et des données de dimensions de la zone de calcul, le produit programme d’ordinateur comprenant des instructions de code de programme informatique qui, lorsqu’elles sont exécutées par un ou plusieurs processeurs amènent le ou les processeurs à déterminer un rendu 3D de ladite probabilité de détection à partir de certaines au moins des données de probabilité, des données de position de la zone de calcul et des données de dimension.
PCT/EP2020/069214 2019-07-09 2020-07-08 Procede de representation en trois dimensions de la couverture spatiale d'un ou plusieurs systemes de detection WO2021005096A1 (fr)

Priority Applications (2)

Application Number Priority Date Filing Date Title
AU2020312182A AU2020312182A1 (en) 2019-07-09 2020-07-08 Method for three-dimensional representation of the spatial coverage of one or more detection systems
EP20736352.4A EP3997480A1 (fr) 2019-07-09 2020-07-08 Procede de representation en trois dimensions de la couverture spatiale d'un ou plusieurs systemes de detection

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1907673A FR3098601B1 (fr) 2019-07-09 2019-07-09 Procede de representation en trois dimensions de la couverture d'un systeme de detection
FRFR1907673 2019-07-09

Publications (1)

Publication Number Publication Date
WO2021005096A1 true WO2021005096A1 (fr) 2021-01-14

Family

ID=68733210

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2020/069214 WO2021005096A1 (fr) 2019-07-09 2020-07-08 Procede de representation en trois dimensions de la couverture spatiale d'un ou plusieurs systemes de detection

Country Status (4)

Country Link
EP (1) EP3997480A1 (fr)
AU (1) AU2020312182A1 (fr)
FR (1) FR3098601B1 (fr)
WO (1) WO2021005096A1 (fr)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108874932A (zh) * 2018-05-31 2018-11-23 哈尔滨工程大学 一种基于改进的光线投射算法的海洋水声场三维可视化方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108874932A (zh) * 2018-05-31 2018-11-23 哈尔滨工程大学 一种基于改进的光线投射算法的海洋水声场三维可视化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LIV HOVLAND: "Visualization of 3D Structures in Underwater Volumes in Sonar Performance Context", 1 June 2004 (2004-06-01), Østfold University College, XP055688034, Retrieved from the Internet <URL:http://www.ia.hiof.no/~gunnarmi/masters/hovland2004v3s.pdf> [retrieved on 20200421] *
WALSH COREY H ET AL: "CDDT: Fast Approximate 2D Ray Casting for Accelerated Localization", 2018 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION (ICRA), IEEE, 21 May 2018 (2018-05-21), pages 1 - 8, XP033403246, DOI: 10.1109/ICRA.2018.8460743 *

Also Published As

Publication number Publication date
FR3098601B1 (fr) 2022-09-02
EP3997480A1 (fr) 2022-05-18
FR3098601A1 (fr) 2021-01-15
AU2020312182A1 (en) 2022-02-24

Similar Documents

Publication Publication Date Title
US10809376B2 (en) Systems and methods for detecting objects in underwater environments
US9702966B2 (en) Synthetic underwater visualization system
US7990804B2 (en) Method and system for real-time automated change detection and classification for images
US11656353B2 (en) Object measurement using deep learning analysis of synthetic aperture radar backscatter signatures
US20080175434A1 (en) Automatic target recognition system for detection and classification of objects in water
FR2953313A1 (fr) Systeme optronique et procede d&#39;elaboration d&#39;images en trois dimensions dedies a l&#39;identification
Villar et al. Evaluation of an efficient approach for target tracking from acoustic imagery for the perception system of an autonomous underwater vehicle
US9767361B2 (en) Bathymetric techniques using satellite imagery
Wilson et al. Branching algorithm to identify bottom habitat in the optically complex coastal waters of Atlantic Canada using sentinel-2 satellite imagery
Febriawan et al. Support vector machine and decision tree based classification of side-scan sonar mosaics using textural features
Li et al. Exploring modern bathymetry: A comprehensive review of data acquisition devices, model accuracy, and interpolation techniques for enhanced underwater mapping
Makboul et al. Performance assessment of ANN in estimating remotely sensed extracted bathymetry. Case study: Eastern harbor of alexandria
FR2954540A1 (fr) Procede de classification d&#39;objets dans un systeme de veille par imagerie.
WO2021005096A1 (fr) Procede de representation en trois dimensions de la couverture spatiale d&#39;un ou plusieurs systemes de detection
FR3070768A1 (fr) Procede de classification automatique d&#39;un navire cible et systeme radar associe
WO2021004987A1 (fr) Procede de determination de la couverture spatiale d&#39;un systeme de detection
Zhu et al. Seafloor Classification Combining Shipboard Low-Frequency and AUV High-Frequency Acoustic Data: A Case Study of Duanqiao Hydrothermal Field, Southwest Indian Ridge
FR3055422A1 (fr) Procede de generation d&#39;une image radar a synthese d&#39;ouverture inverse
EP3757943B1 (fr) Procédé et dispositif de télémétrie passive par traitement d&#39;image et utilisation de modeles en trois dimensions
Voinov Deep Learning-based Vessel Detection from Very High and Medium Resolution Optical Satellite Images as Component of Maritime Surveillance Systems
Fan et al. Underwater ice adaptive mapping and reconstruction using autonomous underwater vehicles
EP1697764A1 (fr) Procede de visualisation des echos recus par un sonar actif utilisant une emission a spectre de raies
Camp Evaluation of object detection algorithms for ship detection in the visible spectrum
WO2021165237A1 (fr) Procédé et dispositif de détermination d&#39;obstacles d&#39;altitude
LaFontaine A data density reduction algorithm for post-processed airborne lidar bathymetric survey data

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20736352

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020736352

Country of ref document: EP

Effective date: 20220209

ENP Entry into the national phase

Ref document number: 2020312182

Country of ref document: AU

Date of ref document: 20200708

Kind code of ref document: A