なぜ慣性航法システム（INS）が無人航空機（UAV）の測量・マッピング用途に重要なのでしょうか？

近年、有人のパイロットを乗せない航空機の配備が増加している。 これらの無人航空機（UAV）は、一般にドローン、無人航空機システム（UAS）、または遠隔操縦航空機システム（RPAS）としても知られている。 以下の説明では、これらの用語は互換的に使用される。 あらゆる形や大きさのドローンが、長年にわたって軍で使用されてきた。3Dプリンティングのような）ますます効率的で適応性のある製造手順と電子部品の小型化によってもたらされた利点は、その後、民間の文脈でUAVを展開することをより現実的なものにした。 現在では、一般消費者がUAVを購入し、飛行練習を行い、カメラやその他のセンサーを搭載して周囲の環境を撮影することが簡単にできるようになった。

航空機搭載カメラは、1900年代半ばから監視や地図作成の目的で使用されてきた。 地形や土地被覆の地図作成、傾斜角の計算、地雷の体積計算など、写真測量の目的で航空カメラの画像を使用する場合、使用するカメラやセンサーの仕様（内部モデル）を理解するだけでなく、使用するカメラやセンサーの仕様（内部モデル）を理解する必要があります：

• 撮像センサーの外側の向きがどのように変化するか（地面に対してセンサーがどのように動くか）。
• 上空から撮影した場合、本来3次元の地面形状がマッピング出力の測定値や距離に与える歪みの影響。

航空機のナビゲーション・システムは、航空機が上空を飛行している経路と世界の一部に関する情報を提供する。 地図の作成と更新のために、カメラの写真の位置と足跡は、写真に写っている風景の特徴（地上制御点 - GCP）の既知の座標を介して固定される必要があります。 地形の起伏は、航空三角測量方程式を適用して写真をつなぎ合わせ、画像内の特徴とGCPのx,y,z座標を関連付けることで説明できる。 しかし、これは手作業が多く、コストもかかる作業であり、結果の質は、使用するGCPの数やGCPの配置パターンなどの要因に左右される。

UAV空撮に測量コントロールを提供するために主に使用されてきたのは、既知のGCPの座標にジオリファレンスするこの方法である。 UAVプラットフォームがますます幅広い市場を対象とするようになったため、計算システムおよびそのコストが削減され、プラットフォーム自体に有利な価格設定となっています。 リアルタイム無線リンク（リアルタイム・キネマティックGPS）または後処理されたディファレンシャルGPSワークフローのいずれかを介してローカル基地局から大気補正およびタイミング補正を受信するなど、UAVプラットフォームでGPS測定値をさらに精緻化する方法は、現在では一般的になっています。 とはいえ、それでもGCPの使用を否定するものではなく、測量コントロールの確立や必要な空中三角測量にかかる時間を見落としがちです。

空撮写真に見られる歪みの多くは、空中のプラットフォームが完全に安定して水平に動くことは稀であるという事実によって引き起こされる外向きの変化に起因している。 プラットフォーム自体が角を曲がったり、大気の状態がピッチやヨーの原因となる。 カメラがセルフレベリング・ジンバルに取り付けられていても、極端な状況下では、カメラが常に地表面に対して垂直であるとは限りません。 さらに、地球は平らではありません。 航空機の下にある地面の起伏（丘、山、谷、建物）は、空中プラットホームの高度の変化とともに、撮影された画像に遠近感の変化をもたらし、その結果、測定された距離に歪みを生じさせる。

航空写真から信頼性の高い地図製品を得るためには、重なり合ったステレオ写真のペアから地図をデジタル化するか、オルソフォトグラフを処理する。 これらの技術の目的は、基本的に風景の起伏の影響を正規化し、距離が正確な地図製品を作成することである。 最新の自動化された方法でマッピングを行うには、写真が撮影された場所の座標に関するデータを収集するだけでなく、カメラが撮影された特定の時点におけるカメラの全体的な動きの軌跡とその方向パラメータに関するデータとともに、カメラのモデルを理解する必要がある。

オリエンテーション情報はIMUから得られ、より具体的には、GPSシステム（オンボードおよびローカライズされたベースステーション）からの位置データと、IMUからのオリエンテーション情報の両方を統計的に処理し、カメラの軌道の全体的な最良推定評価を行う計算モジュールから得られます。 この計算モジュールにより、空中プラットフォームが移動している間でも信頼性の高いマッピング製品を作成することができ、これらのシステムは慣性航法システム（INS）と呼ばれています。 マッピンググレードのINSシステムは、1990年代後半から有人飛行プラットフォームで広く利用されています。 有人プラットフォーム上に配備されたエアボーンマッピングセンサーの多くでは、INSのIMUコンポーネントがセンサー自体に統合されています。

直接ジオリファレンスは、航空写真を効率的に収集する能力を提供するだけでなく、光検出と測距（LiDAR）システムや他の画像センサー（例えば、ハイパースペクトルバンドで測定するもの）など、他のすべてのタイプのマッピングセンサーにも適用されます。

UAVは通常、有人撮影よりも低コストのカメラを搭載して飛行するが、これらのカメラはもともと空中で使用するために設計されたものではないことが多い。 したがって、これらのカメラにUAVに搭載するための高度なINSシステムがすでに組み込まれていることは稀です。 つまり、マッピングプロジェクトの効率と品質を向上させるためには、UAVプラットフォームにINSを組み込むことを検討することがより重要になります。 理想的には、INSをマッピングセンサーの可能な限り近くに搭載し、ミッションを通してマッピングセンサーの位置と向きを最適に推定できるようにすることです。 有人航空機の場合、航空機の大きさにより、INSシステムはカメラマウントから少し離れた場所に設置されることがあります。 この場合、INS本体とカメラフレーム間の相対的な距離、角度、姿勢を計算する必要があります。

UAVは全体的なサイズが小さいため、INS本体とカメラフレームの中心間の距離は、有人プラットフォームよりもはるかに小さくなる可能性が高い。 それにもかかわらず、レバーアームベクトルを計算することで、直接ジオリファレンス結果をさらに改善することができます。

カメラが固定マウントの場合、INSで計測されたUAV本体の動きはそのままカメラの空間位置の動きに変換されます。 カメラが従来の直下（UAVの真下に焦点を合わせる）ではなく、斜めの角度で取り付けられている場合、INSへのレバーアームベクトルを適切に計算することで、カメラマウントの角度を考慮し、画像の直接ジオリファレンスが可能になります。

UAVには、UAVプラットフォームの動きとは無関係に、地面に対するカメラの取り付け角度を安定させるために、ジンバルスタイルのマウントがよく使用される。 理論的には、UAVがロール、ピッチ、ヨーイングしても、カメラは地面に対して水平を保つことを意味します。 ジンバルでは、高度やUAVプラットフォームの同じ動きによる動的な変化は考慮されません。 また、ジンバルは、INSが調査全体を通して位置の全体的な最良推定値を計算するという要件を否定するものでもない。 したがって、カメラがジンバルに搭載されている場合でも、INSを使用することで、地図作成プロジェクトにおいて直接的に最適なジオリファレンスが得られます。

ライダーシステムは、林業や鉱業などのマッピングプロジェクトに多くの利点をもたらします。 通常、画像フレーム全体で受動的にデータを取得するカメラセンサーとは異なり、ライダーシステムは能動的なシステムです。 ライダーは個々の光パルスを放射し、その光パルスがライダーセンサーに戻ってくるまでの時間を計算することでデータを収集します。 1秒間に何千もの光パルスが、スキャンラインと呼ばれる範囲を横切って放出される。 光の速度は既知であるため、各パルスのターゲット（例えば地面）までの距離を計算することができる。 ターゲットのx,y,z座標位置を計算するためには、航空機の正確な位置と向きがわかっている必要があり、各パルス・リターンに動的に割り当てる必要があります。 その結果、UAV搭載ライダーの直接ジオリファレンスは、ハイグレードなINSシステムを使用することが不可欠となります。 航空カメラなどの他のマッピングセンサーと同様に、INSとライダーシステムをUAVに一緒に搭載し、ライダーの取り付け角度を考慮したレバーアームを計算することで、最良の結果が得られます。

UAVは有人システムよりも小型で、初期資本コストを低く抑えることができ、より狭いエリアで運用されるのが一般的だが、それでもUAVベースのマッピング・オペレーションは、より低コストなプラットフォームの利点をよりよく活用できるよう、効率的に運用される必要がある。 通常、UAVを使ったマッピング・プロジェクトは有人よりも低価格で提供される。 競争力を維持するためには、UAVオペレーターは調査作業のために現場で費やす時間のコストに敏感である必要があります。 GCPを利用した従来のジオリファレンス作業は、手作業が多いことで知られている。 使用するセンサーに関係なく、有人航空測量作業で学んだ経験と同様に、INSを使用した直接ジオリファレンスは、UAVからマッピングデータを正確に収集する手段を提供し、LiDARのような高度なセンサーを利用するために不可欠です。