Услуги квадрокоптера: Стоимость съемки с квадрокоптера — Цена на аэросъемку с квадрокоптера

Аэросъемка — аэро съемка с квадрокоптера в Москве

Кому мы рекомендуем услугу съемки с квадрокоптера?

• Строительным компаниям и агентствам недвижимости

Услуга аэросъемки с квадрокоптера пригодится для создания больших панорам объектов недвижимости. Это могут быть коттеджные поселки, жилые массивы, бизнес-центры, социальные объекты и многое другое. Панорамный снимок очень информативный, поскольку позволит продемонстрировать всю территорию и планировку объекта.

• Кадастровым структурам, собственникам недвижимости и застройщикам

Съемка дронами в Москве идеально подойдет для предоставления информации об объектах, которые находятся в процессе строительства. Будущие покупатели и дольщики смогут наблюдать за ходом строительства интересующего их объекта недвижимости. Таким образом они смогут получить всю информацию об объекте и принять правильное решение относительно его покупки.

• Владельцам туристических объектов

Выбирая место для отпуска, туристы обращают внимание на инфраструктуру баз отдыха, санаториев, гостиниц. Наглядно предоставить им эту информацию позволит съемка объекта с воздуха. К тому же, создать панорамные снимки или видео можно будет без нарушения покоя отдыхающих.

• Ивент-агентствам

Стоимость съемки с квадрокоптера формируется зависимо от сложности и объема работ. Но эта услуга незаменима, если есть желание запечатлеть различные торжественные события. Наибольшей популярностью услуга пользуется у организаторов свадеб. Видео выездной церемонии, снятой с воздуха, обязательно получится красивым и оригинальным.

Цена съемки с квадрокоптера в Москве дороже обычной съемки, однако она все равно вполне приемлемая. Закажите аэросъемку в нашей компании и вы получите качественные панорамные снимки объектов или событий.

Преимущества услуги съемки с квадрокоптером у нас

• В работе используем исключительно современные модели квадрокоптеров, функциональные возможности которых позволяют создавать очень точные и качественные снимки и видео.
• Операторы имеют большой опыт работы, поэтому смогут выполнить заказ профессионально и оперативно.
• Аэропанорамы, которые мы создаем, отвечают всем строгим критериям качества. К тому же, мы делаем панорамы с поддержкой всех платформ.
• Предоставляем гибкие условия оплаты заказа, а также всю необходимую разрешительную документацию.

Цена съемки квадрокоптером в Москве

Цена съемки с коптера всегда рассчитывается индивидуально, поскольку она зависит от множества факторов. А именно, на стоимость работ могут повлиять сроки их выполнения, погодные условия, сложность съемки, необходимость применять дополнительное оборудование. Заказать съемки коптером и узнать цену вы сможете у наших менеджеров.

Аэросъемка, фото и видеосъемка с квадрокоптера

Аэросъемка – это возможность сделать фотографии и снять видео местности, объекта или события с высоты. Региональный центр инжиниринга осуществляет профессиональную фото и видеосъемку с квадрокоптера в Перми.

Полученные с коптера видео-ролики и фотографии можно использовать для создания рекламных и презентационных материалов, корпоративных фильмов, демонстрации объектов недвижимости и земельных участков и пр.

Используемое оборудование

DJI Phantom 4 Pro:

• фото и видео в высоком разрешении: камера оснащена 1-дюймовым 20-мегапиксельным сенсором и способна снимать 4K 60к/с видео и до 14 фотографий в режиме серийной съемки;
• крупная матрица имеет оптимальный динамический диапазон, пониженный уровень шума и дает отличные результаты даже при слабом освещении;
• технология автономного полета — FlightAutonomy. В реальном времени отслеживает окружение — информацию о высоте, позиции, ближайших препятствиях, чтобы создать 3D-карту и свое местоположение. Датчики IMU и компасы собирают данные о полете в реальном времени — скорость, направление – и отслеживают возможные ошибки.
• коптер может летать в сложных условиях, при ветре до 50 км/ч, обходя препятствия на пути.

Для малого и среднего бизнеса

Услуга предоставляется на условиях софинансирования (от 10% со стороны предприятия — заказчика) в рамках Национального проекта «Малое и среднее предпринимательство и поддержка индивидуальной предпринимательской инициативы».
Мероприятие реализуется при поддержке Министерства промышленности, предпринимательства и торговли Пермского края и Минэкономразвития России.

Реализованные проекты

СофтЭксперт | Автоматизация бизнес-процессов, комплексные IT-услуги

Набор для сборки и пилотирования дрона — это:

1. Знакомство подростков с новой профессией «Оператор беспилотных летательных аппаратов (БПЛА)». 
2. Открытие нового направления в робототехнике. Формирование элиты российских инженеров и ученых. 
3. Знакомство с увлекательным миром гонок квадрокоптеров. 
4. Захватывающие соревнования, способные вывести Вашу школу в число самых продвинутых в России. 
5. Развитие компетенций:

• Проектирование
• Сборка квадрокоптера
• Пилотирование
• Программирование

Конструктор EdDron WS Pro поможет внедрить новый подход к обучению подростков и знакомству их с новейшими технологиями. Познакомиться с конструкцией и освоить сборку, настройку и управление дроном, параллельно приобретая знания в области математики, физики, информатики, черчения, естественных наук, развивая логику, техническое мышление и творческий потенциал ребят.

Подобная работа способствует профориентации учащихся, развивает интерес к научно-технической сфере, формирует аналитическое мышление, развивает творческую инициативу и самостоятельность.

Преимущества инженерного набора EdDron WS Pro:

• Полный «комплект из коробки» – ничего не нужно докупать.
• Сборка с «нуля» до получения работоспособного устройства: несколько этапов обучения, позволяющих освоить основы профессии оператора БПЛА.
• Комплект предназначен для сборки на разъемах, пайка не требуется. Есть возможность разобрать собранный комплект для многоразового использования одного комплекта в рамках одной учебной программы.
• Качественное оборудование от ведущих производителей.
• Рама устойчива к механическим воздействиям.
• Возможность сборки гоночного дрона для дрон-рейсинга.
• Профессиональный комплект FPV-управления.
• Тренировочный дрон и симулятор полета в комплекте – тренировки в процессе сборки.
• Возможность полноценной подготовки к соревнованиям класса WorldSkills

Спецификация поставляемого товара:
Полетный контроллер
Программно-аппаратный комплекс (ПАК) F-12
Регулятор оборотов – 4шт
Бесколлекторный электродвигатель – 4шт
Пропеллер пластиковый – 8шт
BEC (источник питания
Литиевая аккумуляторная батарея
Индикатор уровня заряда батареи (пищалка)
Зарядное устройство
Одноплатный микрокомпьютер
Цифровая видеокамера c шлейфом для однопалатного компьютера
Датчик расстояния
Модуль памяти
Плата микроконтроллера
Светодиодная лента адресная
Кабель Micro-USB – 2шт
Провод медный многожильный с силиконовой изоляцией
Разъёмы силовые

Комплект радиоаппаратуры управления
Кабель для симулятора
Комплект соединительных кабелей для сборки конструктора с разъемами
Комплект соединительных проводов для микроконтроллера
Рама квадрокоптера
Защита пропеллеров
Комплект крепежа
ArUco-маркер – 6шт.
Методические материалы на электронном носителе
Аналоговая видеокамера – 2шт.
FPV-Очки или FPV-шлем
Антенна видеопередатчик
Модуль захвата груза
Сервопривод
Магнитный электрозахват
Рама квадрокоптера для рейсинга
Тренировочный квадрокоптер
Полетный контроллер

Программно-аппаратный комплекс (ПАК) F-12, входящий в состав конструктора программируемого квадрокоптера (КПК) «EDDRON WS pro» предназначен для принципиального улучшения технических, учебных и конкурентных преимуществ КПК.

1. Технически ПАК F-12 предназначен для работы с существующими (PixRacer, Raspberry Pi3b+), дополнительными (GPS, лазерные, ультразвуковые датчики, адресные программируемые светодиодные ленты) и перспективными (камеры визуальной навигации, инфракрасные датчики) блоками. Его применение позволит на новом уровне использовать аппаратную часть КПК, в том числе и другие датчики. 
2. Применить учебно-лабораторные уроки в работе учащихся. ПАК F-12 содержит измерительные программы для применения в измерительных и экспериментальных лабораторных работах в учебных заведениях. 
3. Повысить ряд основных параметров КПК «EDDRON WS pro» для выхода на новый конкурентный уровень.

Учебно-педагогическая часть состоит из 12 учебных практических работ, предназначенных для самостоятельного выполнения учащимся при программировании КПК на занятиях. В своем составе включает учебные и методические планы и разработки для 12 учебных занятий с применением ПАК F-12. Данные занятия могут быть включены в программу работы кружков робототехники, кванториумов, детских дворцов технического творчества, ЦМИТов, средних и средне-специальных учебных заведений. Практические работы позволяют самостоятельно производить подготовку к различным соревнованиям по полетам автономных дронов, в том числе World Skills.

Аэрофотосъёмка Новосибирск. Съемка с квадрокоптера (дрона)

Незаменимой в решении геодезических задач является аэрофотосъёмка, которая позволяет увидеть исследуемую территорию с высоты, зафиксировать полученные изображения и в дальнейшем на их основании составить трехмерную модель или топографический план местности. Раньше для выполнения подобной работы использовались вертолеты и самолеты, что требовало от заказчиков немалых финансовых затрат, но сейчас есть возможность получить снимки с помощью беспилотной техники.

Наш центр предлагает свои услуги по аэрофотосъёмки для различных целей: картографии, установления территориальных границ, кадастрового учета, разведки перед началом строительства или горнодобывающей деятельности и т.д. Такой вид съемок имеет массу тонкостей, которые известны только специалистам, и предполагает задействование высокоточных аппаратов, а также особого программного обеспечения. Доверьтесь нам, и получите топографический план, 3d модель, ортофотоплан без задержек и в нужном формате.

Преимущества аэрофотосъёмки

• минимум времени на организацию;
• отсутствие расходов на топливо, что снижает общую стоимость услуги;
• быстрое выполнение поставленной задачи;
• возможность подбора оптимального вида техники для конкретной съемки;
• высокая точность изображений;
• 50%-ная экономия в сравнении с классическим методом.

Как проходит съемка с помощью беспилотных аппаратов?

Геодезическая аэрофотосъёмка проходит в несколько этапов:

• составление технического задания и разъяснение целей;
• выбор подходящей клиенту даты для приезда специалистов;
• анализ территории для выбора правильных настроек;
• подготовка оборудования и проведение съемки;
• расшифровка и преобразование данных с последующим изготовлением топоплана и отчетов о проведёных работах.

5 причин заказать аэрофотосъёмку в Центре беспилотных технологий

1. Современное оборудование – квадрокоптер DJI Phantom, теодрон 4 TEO PPK GNSS, Supercam – 250, геоскан Gemini.
2. Выполнение аэрофотосъёмки любых объектов, независимо от площади и протяженности, на территории России и Казахстана.
3. Привлекательные цены – при расчете стоимости услуг во внимание берется площадь аэрофотосъёмки, особенности рельефа, количество задействованных дронов и пилотов, срочность выполнения заказа и дальность перемещения летательных аппаратов.
4. Комплексный сервис – мы не просто предоставляем технику и пилотов для осуществления съемки, но и берем на себя всю работу по систематизации, обработке, преобразованию данных, а также составлению цифровой модели местности или 3д модели, ортофотоплана или топоплана.
5. Профессиональная команда – при проведении аэрофотосъёмки и обработке полученной информации задействуются опытные и компетентные пилоты, геодезисты, маркшейдеры, фотограметристы, которым достаточно поставить задачу, чтобы получить нужный результат.

Хотите быть абсолютно уверенными в том, что аэросъёмка Новосибирск будет выполнена качественно и быстро, при этом вы не потратите лишних денег и получите официальное экспертное заключение? Тогда обратиться в Центр Беспилотных Технологий – самое лучшее решение!

Так же на нашем сайте Вы сможете купить квадрокоптер, отремонтировать его, и записаться на курсы по управлению.

 

Квадрокоптеры, как новый инструмент в охране окружающей среды — Новости — Главная — Официальный сайт Министерства природных ресурсов и экологии Свердловской области

8 октября 2020

Квадрокоптеры, как новый инструмент в охране окружающей среды

На территории одного из лесных участков Билимбаевского лесничества 7 октября 2020 года Заместителем Министра природных ресурсов и экологии Свердловской области Вероникой Юрьевной Русиновой организовано «полевое» тестирование квадрокоптера.

Цифровизация стремительно входит во все сферы. Охрана окружающей среды не исключение. Применение квадрокоптеров на территории Свердловской области – это один из инновационных инструментов, который позволит не только увеличить ресурсы государственного контроля, но и сократить человеческие затраты» — отметила Вероника Юрьевна Русинова.

 

 С учетом определенных характеристик квадрокоптера их использование внесет вклад в борьбу с «черными лесорубами». Например, в ходе пилотирования дрона можно увидеть людей и технику, находящиеся в лесу, технологию рубки и даже пни вырубленных деревьев. Патрулирование лесов государственными лесными инспекторами с применением такого дрона в разы увеличит оперативность выявления незаконных рубок. Более того, его применение в режиме реального времени позволит отследить направление вывозки незаконно заготовленной древесины, что поможет скоординировать дальнейшие действия инспекторов.

Использование квадрокоптеров при осуществлении контрольно-надзорных полномочий в отношении особо охраняемых природных территорий, водных объектов и их водоохранных зон, позволит выявлять сбросы сточных вод, факты движений и стоянок транспортных средств в водоохранных зонах вне специально оборудованных мест, обнаружить незаконную добычу общераспространенных полезных ископаемых.

Также использование беспилотных летательных аппаратов окажет положительное влияние в борьбе с незаконными свалками. В частности, станет возможным зафиксировать регистрационные номера автомобилей, которыми осуществляется складирование отходов производства и потребления на запрещенной территории.

В настоящее время Министерством природных ресурсов и экологии Свердловской области рассматриваются оптимальные характеристики беспилотных летательных аппаратов, соответствующего программного обеспечения для их использования. «Но уже сейчас можно точно сказать, что «беспилотник», бесспорно, качественное дополнение наземным силам в охране окружающей среды», — подведя итог тестирования квадрокоптера, отметила Вероника Юрьевна Русинова.

 

Назад к списку

Услуги

Аэрофотосъемка поля — это одна из ключевых тенденций точного земледелия и современного сельского хозяйства в целом. Приступая к освоению новых угодий, фермерские хозяйства, арендаторы или фермеры-владельцы предпочитают составить максимально полное и объективное впечатление о территори. А для этого нужен точный, технологичный и оперативный мониторинг. Аэросъемка участка — оптимальный инструмент для выполнения этой задачи. С ее помощью получают такую информацию:

● точный объем обрабатываемых и/или пригодных к обработке полей;
● территория пастбищ, сенокосов и других угодий;
● количество, размер, расположение пустых участков;

Таким образом аэросъемка поля позволяет не только составить объективную смету и конструктивный бизнес-план, но и с большой точностью прогнозировать будущий урожай. Специалисты новосибирского дрон-центра обладают большим опытом аэросъемки полей и участков с воздуха, оценки и сбора данных. Это только часть работы, которую можно и нужно проделать для повышения эффективности точного земледелия. Гораздо более сложная, требующая технического обеспечения и профессиональных навыков, задача заключается в вычислении количества активной биомассы растений. Эта технология включает в себя определение концентрации хлорофилла в побегах, угнетенности роста и здоровья растительного покрова в целом. А реализуется она при помощи аэрофотосъемки участка с применением специальных датчиков.

Квадрокоптер под управлением оператора перемещается над полем на высоте от 2 метров. С такого расстояния чувствительная камера “видит” все особенности почвы и состояние всходов. Таким образом выполняется фотомониторинг полей с дрона. Кроме того, съемка поля с воздуха позволяет использовать мультиспектральную съемку и получить информацию, недоступную в спектре обычного освещения. В частности, в инфракрасном диапазоне проявляется отражательная способность растений. Зеленые всходы реагируют на тепловое излучение и отражают его, что позволяет оценить количество содержащихся в них хлорофилла.

Технологии видеосъемки полей и участков с воздуха могут удивлять, открывать новые возможности, расширять базу знаний — в зависимости от вашей цели. Но одно можно утверждать совершенно точно: только профессиональный подход и решение сложных задач позволяет достигать действительно эффективных результатов. На этих принципах построена работа дрон-центра в Новосибирске. Съемка квадрокоптером — это приоритетное направление нашей деятельности, и мы уверены в своей компетенции и том сервисе, который предоставляем своим заказчикам.

Технический парк и экспертиза дрон-центра постоянно развиваются. Мы делаем лучшие съемки дроном в Новосибирске, Томске, Барнауле, Красноярске, Кемерово и других городах по доступной и гибкой цене. Наряду со съемкой с воздуха участков мы регулярно пополняем портфолио аэросъемкой недвижимости, аэросъемкой свадеб и рекламной аэросъемкой.

Инструкция: как зарегистрировать квадрокоптер и где его можно запускать

На высоте до 150 м везде в городе, кроме запретных зон, не рядом с аэропортом и диспетчерскими зонами, охранными зонами и не на мероприятиях. Например, Москва внутри МКАД — это запретная зона, а в Санкт-Петербурге запретная зона начинается с Кудрово и доходит до Кронштадта, включая всю зону акватории и большинство пригородов.

Карты запретных и диспетчерских зон:

• Сервис «Полетные планы»;
• PilotHub;
• Google Earth при использовании специальных слоeв;
• Список запретных зон доступен в каталоге «Консультант Плюс». Но бесплатно вы можете с ним ознакомиться только в нерабочее время.

Нельзя запускать дрон над массовыми мероприятиями — митингами, соревнованиями, демонстрациями, концертами и прочими культурными мероприятиями.

Штраф за нарушение правил использования воздушного пространства — от ₽20 тыс. до ₽50 тыс.

Всю текущую информацию по ограничению полетов в связи с проведением международных мероприятий и изменению законодательных актов можно отслеживать на региональных разделах сайта органов обслуживания воздушного движения. Например, по Санкт-Петербургу перейдите в этот раздел и нажмите справа «Нормативные документы», где станут доступны все текущие нормативные акты по полетам в формате PDF (поэтому актуальную информацию, вы не сможете просто погуглить).

Список региональных органов надзора

Генеральная дирекция, Москва. Контакты: +7 (495) 601-0777

МЦ АУВД, Москва. Контакты: +7 (495) 662-8055; [email protected]

Аэронавигация Северо-Запада, Санкт-Петербург. Контакты: +7 (812) 305-1797 — тел/факс, +7 (812) 305-3039 — специалист по режимам; [email protected], [email protected]

Аэронавигация Юга, Ростов-на-Дону. Контакты: +7 (863) 272-3798; [email protected]

Аэронавигация Центральной Волги, Самара. Контакты: +7 (846) 279-1826, +7 (846) 279-1841; [email protected]

Аэронавигация Урала, Екатеринбург. Контакты: +7 (343) 205-8069, +7 (343) 205-8070; [email protected]

Аэронавигация Западной Сибири, Новосибирск. Контакты: +7 (383) 319-0009 — тел/факс, +7 (383) 216-9561; [email protected]

• Иркутский региональный центр ЕС ОрВД

Аэронавигация Восточной Сибири, Иркутск. Контакты: +7 (3952) 52-29-14, +7 (3952) 52-29-18; [email protected]

Аэронавигация Дальнего Востока, Хабаровск. Контакты: +7 (4212) 418-618, +7 (4212) 415-359; [email protected], [email protected]

Прокат, продажа, ремонт и авиационное обслуживание

дронов стало проще! Профессиональные БПЛА и датчики

Trinity F90 + VTOL 90 минут полета. Снимок
42MP и PPK в сочетании с преимуществами БПЛА с неподвижным крылом. Картографический дрон для профессионаловПодробнееPhantom 4 RTK + D-RTK Combo Обновите свою следующую картографическую миссию с помощью Phantom 4 RTK — самого компактного и точного решения DJI для картографирования на малых высотах.АРЕНДА СЕГОДНЯ
Предыдущая
Следующая

«Ага, для этого у нас есть дрон!»

Blue Skies Drone Rental — ваш универсальный магазин для аренды оборудования БПЛА, продажи нового и подержанного, авиауслуг, обучения и многого другого. У нас есть собственный большой и разнообразный парк новейших платформ и датчиков для БПЛА. У нас есть много вариантов от неподвижного крыла до мультироторных платформ и датчиков от оптических датчиков высокого класса до тепловизионных / инфракрасных, мультиспектральных и даже LIDAR. Оборудование доступно для доставки в любую точку США или местным самовывозом у одного из наших партнеров.

Независимо от отрасли, в которой мы вас обслуживаем — точное земледелие, профессиональная кинематография, инспекция зданий, геодезия, энергетика, коммунальные услуги, коммунальные услуги, пожарная безопасность и многое другое.

Прочтите полный обзор на Fixthephoto.com.

Узнайте, как дроны революционизируют индустриальный мир. БПЛА предоставляют нам новый способ анализа данных — от самых мелких задач до крупных сложных проектов. Завершите свой следующий проект быстрее, безопаснее и эффективнее, выбрав подходящий вам дрон.

Приключение

Сельское хозяйство

Кинематография

Строительство

Энергия

Служба быстрого реагирования

Инспекция

Поисково-спасательный

Фотография

Исследования и образование

Геодезия

Наш головной офис

Расположение

209 S Tower Avenue
Centralia, WA 98531

часы

Понедельник — четверг:
9:00 — 17:00

Пятница, сб и вс: выходной

Свяжитесь с нами

Телефон: 1 (844) 474-8833
Электронная почта: contact @ BlueSkiesDroneRental.com

UAS Drone Program | Город Чула-Виста

Миссия:

Задача программы БПЛА полицейского управления Чула-Виста заключается в обеспечении воздушной поддержки полицейских операций безопасным, ответственным и прозрачным образом для сохранения мира, сокращения времени реагирования и повышения качества жизни в Чула-Виста.

Обзор:

Небольшие дистанционно управляемые беспилотные воздушные системы (БПЛА), также обычно называемые дронами, являются эффективным и действенным способом предоставления правоохранительным органам важной информации для ответа на вызовы в службу поддержки, чрезвычайных ситуаций или для проведения уголовных расследований.Некоторые примеры включают; обеспечение обзора местности или инцидента сверху для наземного персонала, безопасная очистка внутренних помещений зданий, предоставление подробной документации о преступлениях и местах происшествий, а также поиск потерявшихся или пропавших без вести.

История:

В декабре 2015 года полицейское управление Чула-Виста сформировало Комитет по беспилотным воздушным системам (БАС) для изучения использования этой технологии в своих операциях по обеспечению общественной безопасности. Члены комитета по БПЛА встречались десятки раз, чтобы изучить передовой опыт, политику и процедуры, касающиеся использования технологии БПЛА в правоохранительных органах.Особое внимание в исследованиях группы уделялось попыткам устранить опасения по поводу общественного доверия, гражданских свобод и права общественности на неприкосновенность частной жизни во время работы систем CVPD UAS.

Перед реализацией своей программы БПЛА CVPD обсуждал свой план работы БПЛА в СМИ, на общественных форумах и размещал информацию о проекте на веб-сайте CVPD. Эта информационная кампания включала в себя механизм, позволяющий общественности связаться с командой UAS по электронной почте, чтобы прокомментировать политику CVPD в отношении UAS, или выразить озабоченность, или предоставить отзыв.Важно отметить, что из уважения к гражданским свободам и неприкосновенности частной жизни политика CVPD в отношении БПЛА прямо запрещает использование систем БПЛА для общего наблюдения или общего патрулирования. После тщательного планирования и исследования CVPD активировала свою программу UAS летом 2017 года для поддержки тактических операций служб быстрого реагирования CVPD.

Дроны в качестве службы быстрого реагирования (DFR):

Начиная с 22 октября 2018 г., при решительной поддержке сообщества, полицейское управление Чула-Виста начало развертывать дроны с крыши штаб-квартиры полицейского управления для звонков в службу экстренной помощи и других сообщений о чрезвычайных происшествиях, таких как совершаемые преступления, пожары, дорожно-транспортные происшествия. , и отчеты об опасных предметах.Эта уникальная концепция операций (CONOPS) для дронов разработана в результате партнерства между CVPD и Cape. CVPD и Cape являются частью группы IPP Сан-Диего, выбранной в качестве одной из 10 команд среди сотен соискателей в рамках пилотного проекта интеграции (IPP) FAA. IPP — это федеральная инициатива, призванная помочь интегрировать дроны в Национальное воздушное пространство (NAS). CONOPS CVPD называется Drone as First Responder (DFR) и представляет собой трансформационный метод полицейской деятельности, который продемонстрировал способность повысить безопасность офицеров и населения и сократить общее время реагирования полиции.DFR дает возможность увидеть, что происходит во время инцидента, до прибытия аварийного персонала на место происшествия. В дополнение к видению сверху, которое всегда обеспечивала традиционная поддержка с воздуха, DFR позволяет обученному командиру инцидента «виртуально» прибыть на место происшествия первым, иногда за несколько минут до того, как офицеры окажутся в опасности. Дрон имеет мощную бортовую камеру, которая транслирует HD-видео обратно в криминальный центр департамента в режиме реального времени, где телеоператор, который является квалифицированным менеджером по критическим инцидентам, не только дистанционно управляет дроном, но и обменивается данными с полевыми подразделениями. им информация и тактическая разведка о том, на что они реагируют.Система также передает видеопоток на сотовые телефоны служб быстрого реагирования, руководителей и командного состава, чтобы они тоже могли точно видеть, что видит дрон.

Кроме того, CVPD — первое и единственное полицейское управление в стране, которое протестировало и успешно использовало Live911 (Live911.com). Это революционное программное обеспечение, разработанное в партнерстве с HigherGround, позволяет операторам связи, а вскоре и офицерам на местах, слушать в реальном времени входящие вызовы службы экстренной помощи. Звук разговора горожанина с диспетчером содержит важную информацию.Teleoperator может запускаться на основе того, что он или она слышит во время продолжающегося вызова службы экстренной помощи, и часто может вызвать дрон на место происшествия до того, как офицеры на земле даже поймут, что произошел инцидент. Эта система Live911 поддерживает и без того надежную и эффективную систему диспетчеризации полиции CVPD, обеспечивая лишь дополнительный уровень эффективности для обслуживания сообщества.

Программа DFR продолжает расширять свои возможности с конечной целью — предоставить возможность реагировать в любом месте города в течение нескольких минут.В мае 2019 года полиции Чула-Виста было разрешено выполнять полеты за пределы прямой видимости (отказ BVLOS). Это позволяло дронам летать на расстояние до 3 миль в любом направлении от места запуска (в пределах города). Переход от радиуса полета 1 мили к 3 милям увеличил зону обслуживания в геометрической прогрессии.

В августе 2019 года Chula Vista в партнерстве с Paradise Valley Hospital и Rush Properties добавили дополнительную площадку для запуска. Это место находится примерно в 2 милях к югу от полицейского управления и дает возможность охватить всю западную часть города.Этот район составляет примерно 30% географической площади города, но из-за его плотности и коммерческой активности на него приходится около 70% приоритетных запросов на обслуживание. CVPD планирует в ближайшем будущем расширить DFR на восток и, в идеале, покрыть большую часть географической области Чула-Виста.

Также в августе 2019 года благодаря огромной щедрости Фонда полиции Чула-Виста CVPD смогла приобрести два новых дрона DJI Matrice 210 V2. Эти новые беспилотные летательные аппараты стали значительным усовершенствованием операции и обеспечили увеличение дальности и возможностей.

В первый год DFR дроны отреагировали на более чем 1000 отдельных инцидентов, и программа продолжает служить жителям Чула-Виста, сокращая время реагирования и повышая безопасность.

Шеф

Роксана Кеннеди назвала DFR одним из своих самых важных инструментов в улучшении ситуационной осведомленности, деэскалации опасных ситуаций и защите своих офицеров и населения. DFR, наряду с Live911, — это лишь два из нескольких компонентов инициативы Chief Public Safety Innovation (PSI).Инициатива PSI является примером приверженности CVPD поддержке роли Города как лидера в международном движении «Умные города».

Чтобы узнать больше о DFR и о том, как реализовать программу UAS в вашем агентстве:

Презентация БПЛА МАПП

Ежемесячная серия подкастов COPS Office, The Beat

Программа «Дроны Чула Виста как службы быстрого реагирования» — веб-семинар, организованный журналом POLICE Magazine

Использование дрона в качестве службы быстрого реагирования

Программа

Drone as First Responder (DFR) — Брошюра

Подкаст

: капитан Дон Редмонд о новаторской программе дронов CVPD

Панель мониторинга активности, связанной с дронами

Карты истории полетов дронов

Часто задаваемые вопросы

Что такое дрон или БПЛА?

UAS — это беспилотная воздушная система, которую обычно называют дроном.Дрон — это воздушное устройство с бортовым компьютером, которое управляется дистанционно, как правило, пилотом на земле с помощью портативного контроллера. Маленькие дроны работают от батарей, весят менее 55 фунтов, имеют несколько роторов, как у вертолета, и оснащены видеокамерой.

Где хранятся видео и фотографии, сделанные БПЛА?

Все видео- и фото-доказательства, снятые во время любой миссии БПЛА, хранятся в том же месте и в том же месте, что и видео с камеры для ношения на теле (BWC) и другие следственные доказательства.Департамент полиции использует частный «облачный» сервис Evidence.com для хранения всех цифровых доказательств. Служба авторизована и сертифицирована в соответствии с нормативными актами штата и федеральными законами о безопасности и защите конфиденциальной информации и доступна только для официальных целей правоохранительных органов. Доказательства хранятся и хранятся в течение ограниченного времени (один год или меньше), если они не отнесены к категории доказательств фактического преступления или официального расследования. Затем он хранится в течение периода времени, совместимого со всеми другими доказательствами, относящимися к этому инциденту / расследованию.

У кого есть доступ к видео и фото?

Видео и фотографии, собранные БПЛА, хранятся для целей полицейского расследования и последующего судебного преследования. Соответственно, видео и фотографии обычно доступны следователям полиции только для служебного пользования. Как и все полицейские записи, видео и фотографии могут также подлежать дополнительной публикации в соответствии с теми же правилами и ограничениями, что и BWC Video и другие доказательства. Как правило, фотографии и видео с БПЛА считаются частью материалов расследования и недоступны для общественности в соответствии с Законом Калифорнии о публичных записях (CPRA) или Законом о свободе информации (FOIA).Для получения более подробной информации, пожалуйста, обратитесь к Политике Департамента полиции Чула-Виста в отношении портативных аудио- и видеомагнитофонов.

Как защищена моя конфиденциальность?

Цель программы DFR — улучшить реакцию Департамента полиции на вызовы службы экстренной помощи. Таким образом, дроны используются во время активного реагирования на чрезвычайную ситуацию или другой вызов полиции. Политика CVPD запрещает операторам беспилотных летательных аппаратов намеренно записывать или передавать изображения любого места, где у человека могут быть разумные ожидания конфиденциальности, например, частные дворы или внутри частных зданий, за исключением случаев, когда это разрешено ордером, выданным судьей, или в чрезвычайных ситуациях.

Какую подготовку проходят пилоты БПЛА?

В дополнение к обучению и учебе, необходимым для поддержания лицензии дистанционного пилота FAA Part 107, все члены группы CVPD UAS регулярно проходят обучение в различных местах и ​​условиях для обеспечения эффективности работы. Все обучение оформляется документально, записи ведутся CVPD и подлежат проверке Федеральным авиационным управлением (FAA).

Какие правила и положения должны соблюдать пилоты БПЛА CVPD?

Все пилоты БПЛА CVPD подчиняются правилам FAA, касающимся использования воздушного пространства, и все должны иметь действующую лицензию удаленного пилота «Часть 107».Пилоты БПЛА также подпадают под действие Политики Департамента полиции Чула-Виста в отношении операций БПЛА, с которой можно ознакомиться на веб-сайте CVPD.

Почему CVPD использует БПЛА, а не вертолеты?

Вертолеты и другие пилотируемые самолеты (воздушная поддержка) очень дороги в эксплуатации. В настоящее время CVPD полагается на управление полиции Сан-Диего и департамент шерифа Сан-Диего для поддержки с воздуха. БПЛА можно использовать различными способами, которые дополняют запросы воздушной поддержки взаимопомощи рентабельным и эффективным способом, например, Дрон как средство первого реагирования (DFR) для аварийного реагирования с помощью средств воздушной разведки.

Что такое дрон как служба быстрого реагирования (DFR)?

Drone as First Responder (DFR) — это инновационное и преобразующее использование БПЛА, разработанное и внедренное полицейским управлением Чула-Виста и CAPE, частной компанией по дистанционному управлению БПЛА. DFR — это пример использования Операционной концепции общественной безопасности группы IPP города Сан-Диего. Концепция состоит в том, чтобы использовать БПЛА для полета к любому сообщенному инциденту и прибыть до того, как на земле появятся первые лица. Видеопоток с БПЛА просматривается в отделении полиции обученным оператором быстрого реагирования (телеоператором или ТО).TO может управлять БПЛА удаленно и немедленно общаться с полевым персоналом по радио. TO может оценить место происшествия и обстоятельства до прибытия тех, кто находится на месте, и предоставить необходимую тактическую информацию, которая поможет им оставаться в безопасности и повысить эффективность. Видеотрансляция также доступна каждому полевому офицеру через приложение для смартфона. Офицеры и пожарные могут сами видеть, на что они реагируют. Способность оценить необходимые ресурсы, подготовить надлежащие тактические меры и повысить безопасность служб быстрого реагирования и общественности является целью проекта и миссии полицейского управления Чула-Виста.

Когда полиция Чула-Виста использует беспилотные летательные аппараты?

Департамент полиции Чула-Виста использует БПЛА в различных обстоятельствах, таких как документирование мест преступлений и происшествий, поиск пропавших без вести или разыскиваемых лиц, пожаров и оценка ущерба после крупного инцидента или стихийных бедствий. Это может произойти в любом месте города, и команда CVPD UAS ответит на них по мере необходимости. Группа полицейских БПЛА Чула-Виста также является частью инициативы FAA (Пилотный проект интеграции БПЛА, или IPP), которая поощряет государственные агентства и частные компании к сотрудничеству в использовании БПЛА инновационными способами для обслуживания сообщества и оценки интеграции БПЛА в систему. Национальное воздушное пространство (НАН).С 22 октября 2018 года CVPD в партнерстве с CAPE и другими компаниями использует БПЛА для ответа на вызовы службы экстренной помощи или сообщения об инцидентах в районе вокруг здания полицейского управления (радиус около 1 мили). БПЛА запускаются с крыши полицейского управления и летят к месту происшествия, такого как текущее преступление, серьезное происшествие, офицер, нуждающийся в помощи, или любой другой инцидент, когда вы заранее знаете, что происходит на месте происшествия. Прибытие полиции и пожарных спасателей может повысить безопасность и эффективность.Эта программа называется Drone as First Responder (DFR) Operations (см. Выше).

Q: Как мне задать вопрос или пожаловаться на использование БПЛА в Chula Vista?

Кто угодно может отправить электронное письмо команде UAS по адресу [email protected]. Также любой может подать служебную жалобу в полицейское управление Чула-Виста лично по телефону (619) 691-5151 или заполнить форму жалобы здесь.

Чтобы узнать больше о БПЛА, перейдите по ссылке FAA: https: // www.faa.gov/uas/faqs/

Полезные ссылки:

наконечников для развлекательных дронов | Лесная служба США

---

Следующие советы относятся к ответственному использованию беспилотных летательных аппаратов (БПЛА) или «дронов» в хобби или в развлекательных целях на землях Национальной лесной системы.

Знай, куда летать

• Физические лица и организации могут использовать БПЛА для хобби или отдыха в соответствии с http://www.faa.gov/uas/model_aircraft/ (раздел 336 публичного закона 112-95).
• БПЛА должен лететь ниже 400 футов и оставаться в стороне от окружающих препятствий.
• БПЛА считаются как «моторизованным оборудованием», так и «механическим транспортным средством», и как таковые они не могут взлетать, приземляться или эксплуатироваться из районов дикой природы, определенных Конгрессом.
БПЛА
• не имеют права летать в районах, где действуют временные ограничения полетов (TFR), например в местах лесных пожаров. Найдите текущие СКР на веб-сайте Федерального авиационного управления (FAA) по адресу http: // tfr.faa.gov/tfr2/list.html.

Следуйте инструкциям FAA

• Убедитесь, что вы соблюдаете все правила и инструкции FAA по управлению вашим БПЛА. FAA имеет власть над всем воздушным пространством. Информация о правилах FAA доступна по адресу http://www.faa.gov/uas/.
• Не управляйте самолетами весом более 55 фунтов (общий вес, включая полезную нагрузку и источник топлива).

Защита дикой природы и окружающей среды

• Не летайте над определенными Конгрессом районами дикой природы или примитивными территориями, так как многие люди ищут эти места, чтобы уединиться и отдохнуть в тишине, которые они предоставляют.
• Не летайте над дикими животными и не приближайтесь к ним, так как это может вызвать стресс, который может причинить серьезный вред или даже смерть. Преднамеренное беспокойство животных во время размножения, гнездования, выращивания молодняка или других важных функций жизненного цикла не допускается, если это не одобрено в качестве исследования или руководства.
• Соблюдайте правила государственного агентства по охране дикой природы и рыбы по использованию БПЛА для поиска или обнаружения диких животных и рыб.
• Запустите БПЛА на расстоянии более 100 метров (328 футов) от дикой природы. Не приближайтесь к животным или птицам вертикально с БПЛА.

Летайте безопасно, оставайтесь под контролем

• Всегда держите БПЛА в пределах прямой видимости.
• Возьмите уроки и научитесь безопасно управлять своим БПЛА.
• Держитесь подальше от пилотируемых самолетов и не мешайте им.
• Летите на своем БПЛА не менее чем на 5 миль от аэропорта или взлетно-посадочной полосы.
• Держите ваш БПЛА вдали от населенных и чувствительных к шуму мест, таких как кемпинги, места для палаток и центры для посетителей.
• Соблюдайте все законы о конфиденциальности.

дронов | Отдел инноваций ЮНИСЕФ

Поставки вакцин с использованием дронов в Вануату

Республика Вануату представляет собой архипелаг Y-образной формы, состоящий из 83 относительно небольших островов вулканического происхождения, протянувшихся на 1600 километров с севера на юг. На многие острова и деревни можно добраться только на лодке, а дороги на крупных островах соединяют только самые важные города и деревни. Дороги в плохом состоянии, из-за преобладающих климатических условий они довольно часто затопляются или размываются.

Из-за этих ограничений логистика поставок вакцин и товаров медицинского назначения является дорогостоящей, рискованной и ненадежной. Мобильным командам часто приходится ходить в деревни и общины в отдаленных районах с вакцинами и оборудованием, чувствительными к температуре. Минздрав совместно с ЮНИСЕФ изучает возможность использования беспилотных авиационных систем (БАС) или дронов в качестве быстрого, надежного и эффективного средства транспортировки вакцин из основных медицинских учреждений в амбулатории, медпункты и мобильные группы вакцинации. .Это также включает поддержание температуры груза от 2 до 8 градусов Цельсия, чтобы гарантировать, что холодовая цепь не прерывается, а вакцины доставляются в оптимальном состоянии.

Основная цель проекта — проверить техническую осуществимость и экономическую устойчивость включения этого нового вида транспорта в существующую Расширенную программу иммунизации (РПИ) в качестве ресурса доставки «последней мили». Для достижения этой цели Министерство здравоохранения стремится заключить контракт с тремя подрядчиками по оказанию услуг в рамках процесса государственных закупок.Три (3) запроса на тендер (RFT) на предоставление физических услуг для островов Пятидесятница, Эпи и Шепердс и Эрромаго, соответственно, были официально выпущены.

25 октября 2018 г .: Правительство Вануату впервые в мире заключило коммерческие контракты с двумя международными компаниями по производству дронов, Swoop Aero и Wingcopter, на испытание использования дронов для доставки жизненно важных вакцин детям, живущим на отдаленных сельских островах.

Децентрализованная гибридная вычислительная среда аутентификации потребителей для надежной доставки с помощью дронов как услуги

Реферат

Бурное распространение беспилотных летательных аппаратов для доставки посылок, пакетов, лекарств и т. Д., растет со временем. Применение дронов для служб доставки приводит к более быстрой доставке, экономии топлива и меньшему потреблению энергии. Гигантские компании, такие как Google, Amazon, Facebook и т. Д., Активно работают над разработкой, тестированием и улучшением систем доставки с помощью дронов. До сих пор была проделана большая работа по улучшению конструкции, скорости, дальности действия, безопасности дронов для доставки и т. Д. Однако были выполнены очень ограниченные работы по обеспечению полной и надежной доставки последней мили из магазина продавца. в руки реального клиента.Чтобы обеспечить полную и надежную доставку на «последнюю милю», дрон должен аутентифицировать потребителя перед тем, как сбросить посылку. Поэтому в этой работе мы предлагаем платформу гибридных вычислений для аутентификации потребителя (Consumer-Auth) для доставки дроном в качестве услуги, чтобы гарантировать, что посылка будет идеально доставлена ​​предполагаемому покупателю. Предлагаемая структура Consumer-Auth позволяет дрону достигать точного пункта назначения, автономно используя GPS-координаты клиента. Достигнув точного местоположения, дрон ожидает, пока клиент придет в определенное закрепленное место, затем запускает процесс двухфакторной аутентификации клиента, т.е.е., проверка одноразового пароля (OTP) и распознавание лиц. Результаты экспериментов демонстрируют эффективность предложенной структуры Consumer-Auth для обеспечения полной и надежной доставки последней мили с помощью дронов.

Образец цитирования: Ханнан А., Хуссейн Ф., Али Н., Эхатишам-Уль-Хак М., Ашраф М.Ю., Мохаммад Альгамди А. и др. (2021) Децентрализованная гибридная вычислительная среда аутентификации потребителей для надежной доставки дроном как услуги. PLoS ONE 16 (4): e0250737.https://doi.org/10.1371/journal.pone.0250737

Редактор: Ци Цзян, Сидянский университет, КИТАЙ

Поступила: 20.11.2020; Одобрена: 13 апреля 2021 г .; Опубликован: 30 апреля 2021 г.

Авторские права: © 2021 Hannan et al. Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Доступность данных: Набор данных, используемый в этом исследовании, состоит из изображений добровольцев, которые используются для обучения модуля AWS «Face Rekognition». Из соображений конфиденциальности набор данных не является открытым, за исключением нескольких изображений, которые показаны в рукописи. Более того, изображения добровольцев бесполезны для других людей, потому что, когда мы обучаем модуль AWS Rekognition на изображениях человека, он сопоставляет изображения, снятые дроном во время выполнения, с загруженными изображениями.Итак, если мы поделимся фотографиями добровольца с кем-то для тестирования модуля AWS Rekognition, доброволец должен находиться перед дроном, пока дрон фиксирует и проверяет лицо добровольца в режиме реального времени. Будущие исследователи могут загрузить свое собственное изображение, которое будет храниться в AWS S3 Bucket и использоваться для обучения модуля AWS Face Rekognition. БПЛА будет проверять лицо клиента на основе данных о лице клиента, хранящихся в корзине AWS S3. Модуль AWS «Face Rekognition» общедоступен.Для получения информации о том, как получить к нему доступ, см. Следующее, которое также цитируется в документе: Как установить модель распознавания лиц на периферии с AWS IoT Greengrass: доступно по адресу: https://aws.amazon.com/ блоги / iot / как-установить-модель-распознавания-лица-на-краю-авс-iot-greengrass /. Распознавание лиц на Raspberry Pi с помощью AWS Rekognition: доступно по адресу: https://github.com/xbwei/data-analysis-aws/tree/master/facial-recognition-raspberry-pi.

Финансирование: Авторы не получали специального финансирования на эту работу.

Конкурирующие интересы: Авторы заявили, что никаких конкурирующих интересов не существует.

1 Введение

Беспилотный летательный аппарат или беспилотный летательный аппарат (БПЛА) — это летательный аппарат, который летает автономно без пилота на борту. С развитием технологий беспилотные летательные аппараты быстро улучшились по конструкции, форме, размеру, дальности связи и сферам применения [1, 2]. В настоящее время дроны используются в военных, гражданских, сельскохозяйственных и других секторах для различных целей, таких как безопасность, мониторинг окружающей среды, наблюдение, доставка товаров и т. Д.благодаря их гибкости, универсальности, простоте установки, низкой стоимости эксплуатации и обслуживания [1].

Как правило, дрон — это летательный аппарат, который для полета состоит из нескольких датчиков, аккумуляторных батарей, камер и 3-8 роторов (также называемых пропеллерами). В зависимости от количества роторов дроны называются трикоптерами, квадрокоптерами, гексакоптерами и октокоптерами, которые состоят из трех, четырех, шести и восьми роторов соответственно [2]. Аналогичным образом, в зависимости от веса, грузоподъемности, дальности действия и высоты беспилотные летательные аппараты делятся на пять категорий: i.е., нано-, микро-, мини-, малые и тактические дроны [2]. Эти характеристики каждой категории определены в таблице 1. В настоящее время дроны Nano, Mini и Microdron используются в гражданских целях, а дроны Small и Tactic используются в военных целях [2]. По конструкции крыла беспилотные летательные аппараты подразделяются на два типа: беспилотные летательные аппараты с неподвижным крылом и беспилотные летательные аппараты с вращающимся крылом [3]. Беспилотные летательные аппараты с неподвижным крылом имеют дальность действия и большую грузоподъемность по сравнению с беспилотными летательными аппаратами с несущим крылом. С другой стороны, беспилотные летательные аппараты с несущим винтом могут приземляться и взлетать вертикально, а также зависать во время полета.В этой связи беспилотные летательные аппараты с винтокрылыми крыльями полезны для доставки посылок в городских районах благодаря их функциям ближнего и вертикального приземления и взлета, тогда как беспилотные летательные аппараты с неподвижным крылом полезны для доставки посылок в сельской местности из-за их большой зоны действия. емкость [3].

Архитектура системы БПЛА состоит из трех основных блоков, которые включают полетный контроллер, наземную станцию ​​управления и канал передачи данных [4]. Контроллер полета встроен в самолет; это центральный процессор самолета.В то время как наземная станция управления помогает операторам-людям контролировать и контролировать работу самолета во время его полета. Канал передачи данных предназначен для передачи информации с наземной станции управления на самолет и наоборот.

Развитие беспилотных технологий движется в сторону предоставления альтернативы для перевозки грузов [2]. Сейчас дроны используются для доставки лекарств, продуктов питания, посылок, посылок и других товаров. Применение дронов для служб доставки приводит к более быстрой доставке, экономии топлива и энергопотребления.Хотя услуги, предоставляемые дронами, удобны, быстры, рентабельны, энергосберегающие и привлекательные, их зависимость от кибер-возможностей вызывает серьезные проблемы с безопасностью и конфиденциальностью. В настоящее время все большее распространение получают дроны для быстрой и экономичной доставки посылок. Гигантские компании, такие как Google, Amazon, Facebook, DHL и т. Д., Активно работают над разработкой, тестированием и улучшением систем доставки на основе дронов, чтобы обойти ограничения безопасности, конфиденциальности и эффективности [5].

На данный момент проделана большая работа по улучшению конструкции, скорости, рабочего диапазона, протоколов безопасности для дронов, правил эксплуатации дронов, аспектов конфиденциальности и безопасности дронов доставки и т. Д. Однако проделана очень ограниченная работа. для обеспечения полной доставки из магазина в руки реального покупателя. Короче говоря, в существующих системах доставки с помощью дронов отсутствует аутентификация потребителя. Поэтому в этой работе мы обращаем внимание на аспект аутентификации клиента для обеспечения правильной доставки посылки предполагаемому покупателю.

В традиционной логистике доставка товаров на «последнюю милю» является сложной задачей [6]. Существуют небезопасные зоны, куда обычный грузовой транспорт отказывается доставить посылку. Точно так же в эпоху наводнений или других стихийных бедствий доставка «последней мили» с использованием обычных средств становится невозможной. Однако дрон можно использовать для доставки посылок во всех подобных ситуациях [7]. Во время существующего распространения COVID-19 системы доставки с помощью дронов привлекли к себе большое внимание и приобрели значимость из-за их способности доставлять посылки быстрее без физического контакта с людьми [8, 9].Более того, чтобы уменьшить страх людей при посещении центров тестирования COVID-19, дроны могут использоваться для сбора и доставки тестовых образцов населения в лабораторию [9].

Существующие системы доставки дронов доставляют посылки в централизованные пункты приема [10]. Хотя у Amazon, Google, UPS и многих других дронов для доставки посылок есть очень впечатляющие видеоролики, демонстрирующие автономную доставку посылок с помощью дронов, но их дроны доставляют посылки в централизованное место выдачи либо в сельской местности, либо в городской местности. дом около [10, 11].Автономная доставка «последней мили» становится серьезной проблемой при ее развертывании в городских районах [10]. Это связано с распространением многоэтажных домов, жилых домов, квартир и т. Д. В городской среде [12]. В такой городской среде, помимо поиска правильного здания, дрону необходимо добраться до конкретной квартиры, чтобы завершить доставку последней мили [10]. Кроме того, идентификации точного пункта назначения недостаточно, поскольку в некоторых случаях посылка не доставляется покупателю.Например, если дрон просто бросает посылку перед порогом покупателя, но в это время покупателя нет дома, и посылка крадется с порога покупателя до того, как покупатель прибудет для ее получения. Следовательно, для выполнения полной доставки «последней мили», помимо определения точного пункта назначения для посадки, дрон должен также аутентифицировать клиента, чтобы предотвратить отказ [11]. Поэтому в этой работе мы предлагаем платформу децентрализованной гибридной вычислительной аутентификации потребителя (Consumer-Auth) для надежной и безопасной системы доставки с помощью дронов, чтобы убедиться, что посылка правильно доставляется предполагаемому покупателю.

Предлагаемая структура Consumer-Auth позволяет дрону достигать точного пункта назначения, автономно используя GPS-координаты клиента. Достигнув точного местоположения, дрон ожидает, пока клиент придет в определенное закрепленное место, затем запускает процесс двухфакторной аутентификации клиента, то есть распознавание лица и проверку одноразового пароля (OTP). Кроме того, вышеупомянутый процесс проверки потребителя используется для идентификации получателя с принятием предложенного гибридного вычислительного механизма для минимизации задержки и потребления энергии.В случае, если потребитель не распознается или не вводит правильный OTP, дрон ждет некоторое время и снова начинает аутентификацию получателя. В худшем случае, если получатель не появился в нужном месте или не был признан фактическим получателем, дрон возвращается в исходное место без доставки посылки.

1,1 Вклад в исследования

Основные вклады этой исследовательской работы следующие:

1. Мы предложили структуру аутентификации потребителя (Consumer-Auth) для обеспечения полной и надежной доставки «последней мили» с использованием дронов.
2. Мы использовали гибридные вычисления, чтобы минимизировать время отклика при аутентификации потребителя с помощью метода двухфакторной проверки.
3. Мы разработали индивидуальный прототип беспилотного летательного аппарата для реализации и тестирования эффективности предложенной структуры Consumer-Auth в режиме Drone Delivery as a Service в режиме реального времени.
4. Мы оценили и проанализировали производительность предложенной инфраструктуры, сравнив существующие механизмы облачных и периферийных вычислений с предлагаемой архитектурой гибридных вычислений на платформе Consumer-Auth.

Остальная часть документа организована следующим образом: Раздел 2 представляет собой обзор некоторых существующих работ по дрону как системе доставки. В разделе 3 описывается предлагаемая структура аутентификации потребителя для надежной доставки «последней мили». В разделе 4 объясняются коммуникационные потоки предлагаемой системной архитектуры для надежной доставки дроном на основе аутентификации потребителя как системы. Раздел 5 описывает экспериментальную установку и рабочие параметры, использованные в этом исследовании.В разделе 6 обсуждаются результаты предлагаемой структуры. Наконец, раздел 7 завершает статью.

2 Обзор литературы

Внедрение дронов в качестве системы доставки в настоящее время стало привлекательной областью исследований и разработок. Многие гигантские компании, такие как Google, Amazon и т. Д., Активно работают над разработкой, тестированием и улучшением дронов, доставляющих товары. Недавно Amazon начала использовать систему доставки с помощью дронов для 86% посылок весом до 5 фунтов [13]. Точно так же Почтовая служба США (USPS) также работает над использованием дронов вместо традиционных систем доставки для доставки посылок из-за скорости и экономической эффективности системы [14].Стратегия USPS будет в первую очередь затрагивать сельские районы, где распределение товаров среди домашних хозяйств вряд ли затруднено.

Было проведено несколько исследований по оптимизации конструкции, диапазона рабочих зон, грузоподъемности, времени доставки, времени работы от аккумулятора, безопасности, конфиденциальности, законодательства о полетах и ​​т. Д. Дронов, чтобы гарантировать надежное применение дронов в нашей повседневной жизни. Бабар и др. . [15] предложили схему, позволяющую минимизировать время доставки дронов и стоимость эксплуатации.Авторы следовали пространственно-временной модели обслуживания и модели качества и предложили эвристический подход для сокращения времени и стоимости системы доставки с помощью дронов. Ли и др. . [16] описал доставку грузов с помощью дронов в трехмерной (3D) среде, координаты которой устанавливаются от точки взлета до места назначения через мобильное приложение. Представленный модуль может лететь к поставщику и, при этом, увязать вес, затем вылететь к клиенту.Он объединяет методы оптимизации маршрута и визуальные модели, чтобы дрон мог эффективно доставлять заказы в задушенных и запутанных местах, таких как дома или офисы. Дрон летит к месту назначения и сканирует QR-код, чтобы безопасно приземлиться. В нескольких исследованиях использовались дроны для обнаружения объектов и отслеживания людей, чтобы облегчить полицейские и военные операции, такие как наблюдение, отслеживание подозреваемых, поиск пропавших без вести и т. Д. Adam et al . [17] предложили подход глубокого обучения для задач распознавания лиц с помощью дронов.Авторы сравнили три различных алгоритма глубокого обучения, из которых InceptionResNetV2 исключительно превзошел другие модели. Ван и др. . [18] использовали дроны для отслеживания наземных объектов. Авторы предложили подход к идентификации людей на основе обзора дрона и данных носимых устройств.

На данный момент была проделана большая работа по обеспечению безопасности и конфиденциальности личности и местоположения дрона. Кымхван и др. . [19] предложили структуру аутентификации для проверки личности летающих БПЛА для предотвращения несанкционированного использования БПЛА.Предлагаемая ими структура генерирует ключ сеанса полета для БПЛА и сохраняет этот ключ в центральной базе данных вместе с планом полета. Наземные станции могут получить доступ к этой базе данных для проверки сеансового ключа дрона и его плана полета, чтобы обеспечить взаимную аутентификацию между летающими БПЛА и наземными станциями. Лин и др. . [20] предложили решение для защиты личности и конфиденциальности полетной информации дронов. Кроме того, они также обсудили безопасность обмена данными между дронами и облаками.Аналогичным образом Али и др. . [21] работали над безопасностью данных наблюдения, передаваемых с помощью дронов.

В [22], Jaihyun et al . предложил модульный подход к системе доставки дронов вместо примитивной немодульной конструкции. Более того, автор описал преимущества использования модульных БЛА в составе флота, которые весьма выразительны и плодотворны. Однако во время полета дронов замена модульных компонентов дронов, таких как аккумулятор и т. Д., Будет сложной задачей, а также потребуются хорошо оборудованные станции обслуживания дронов на пути, что может увеличить проблемы безопасности и общую задержку распространения.Таким образом, для повышения производительности системы доставки дронов недостаточно использовать модульный подход вместо встроенной памяти и компонентов питания. Нам нужна надлежащая система, которая использует минимальные энергетические ресурсы дронов вместо замены компонентов во время эксплуатации дронов. Учитывая вышеупомянутые лазейки, мы предложили систему доставки дронов на основе децентрализованных вычислений. Это довольно эффективно из-за распределения задач по нескольким вычислительным моделям, которые могут снизить общую потребность дрона в энергии в системе доставки на базе БПЛА.

Кроме того, в [23] автор представил быструю, надежную и экономичную систему доставки дронов последней мили на основе технологии IoT. Более того, в этой статье автор использует технологию Long Range Wide Area (LoRA) с существующей системой географического позиционирования для улучшения механизма сквозной доставки посылок. Чтобы улучшить существующую систему доставки дронов, автор сосредоточился только на поиске оптимального пути, которого недостаточно. Есть много других параметров, которые необходимо учитывать, чтобы снизить стоимость доставки дронов на последнюю милю и сделать их более надежными.Чтобы преодолеть вышеупомянутую проблему, мы предложили модель доставки дронов на основе децентрализованных вычислений энергии, которая не только снижает стоимость, но также становится более безопасной и надежной благодаря внедрению механизма гибридных вычислений.

Между тем, в [24], Hailong et al . предложила еще одну систему доставки дронов с помощью маршрутов движения поездов общего пользования. В этой статье дроны устанавливаются на крыше поезда, поэтому он может запускаться с крыши поезда и возвращаться в исходное положение после выполнения задачи по доставке посылки.Несмотря на свои преимущества, основной лазейкой в ​​этой работе является отсутствие возможности доставки дронов последней мили на пороге. Более того, эта система работала в соответствии с существующим графиком движения поездов, что ограничивает общий объем механизма доставки дронов. Ввиду вышеупомянутой лазейки мы предложили децентрализованный механизм вычисления доставки дронов, который более эффективен, чем существующие подходы.

Кроме того, Novella et al . [8], предложил надежный децентрализованный механизм доставки с помощью дронов.В этой статье автор использовал концепцию цепочки дронов для доставки грузов на последней миле. Более того, вместо использования центрального узла дронов исследователь использовал несколько дронов, принадлежащих разным владельцам, для доставки одной посылки с помощью БПЛА. Заказ клиента проходит через несколько пунктов выдачи дронов в его парке, что довольно сложно и сложно обеспечить полную безопасность. Кроме того, автор применил механизм доставки с помощью дронов на основе блокчейна, чтобы обезопасить и удовлетворить потребности конечного потребителя.Однако передача нескольких зарядов в схеме цепочки дронов ставит под угрозу фактор надежности всей системы доставки дронов. Принимая во внимание вышеупомянутый факт, мы предложили децентрализованный механизм доставки с помощью дронов, основанный на аутентификации клиентов, который не только оптимизирует потребности дронов в энергии, но и повышает удовлетворенность клиентов за счет надлежащего двухэтапного процесса проверки клиентов.

В [5] автор предложил процесс аутентификации доставки с дронов, основанный на снятии отпечатков пальцев акустического шума.В данной работе автор выделил различия в характеристиках акустического шума в двигателях из-за производственных дефектов для идентификации дрона. Однако из-за сложных параметров окружающей среды в реальном времени во время эксплуатации парка дронов, нецелесообразно снимать отпечатки пальцев с конкретного дрона, в частности, на основе двигателя SoundUAV. Существует множество других факторов, таких как влажность, давление воздуха, скорость двигателей и т. Д., Которые улавливают звуковые волны, влияющие на систему аутентификации. Таким образом, мы предложили двухэтапный децентрализованный механизм доставки дронов с аутентификацией клиентов, который является более безопасным и надежным по сравнению с примитивными подходами.

Бруннер и др. . [10] подчеркнули, что существующие дроны доставки полагаются на центральную точку высадки. Следовательно, эти дроны не могут выполнять автономную доставку на последней миле в городских районах, где люди живут в многоэтажном доме. Авторы обратили внимание на создание беспилотного летательного аппарата, способного доставлять посылки в другие места, такие как крыльцо или балкон, в густонаселенных городских районах с многоэтажной жилой инфраструктурой. В связи с этим они представили концепцию визуального маркера, в которой покупатель / получатель просто должен напечатать визуальный маркер и наклеить его на балконную дверь, стену или другое место высадки.Дрон сначала направится к местоположению клиента по GPS, а затем начнет спуск, чтобы найти место высадки, где клиент отметил визуальный маркер. Наконец, дрон выгружает пакет, в котором находится визуальный маркер. Аналогичным образом, Seo et al . [11] предложили структуру безопасности, которая использует метод шифрования белого ящика для защиты критически важных данных дронов доставки. Авторы также предложили концепцию электронной квитанции для аутентификации покупателя для безопасной доставки посылки.

Несмотря на то, что была проделана большая работа по улучшению различных аспектов дизайна дронов, дальности действия, безопасности, конфиденциальности и т. Д., Чтобы увеличить использование дронов в качестве услуги в нашей повседневной жизни. Однако дронам доставки по-прежнему не хватает аутентификации личности клиента, чтобы полностью решить проблему доставки «последней мили», особенно в случае плотной городской многоэтажной инфраструктуры. Отныне была проделана очень ограниченная работа, такая как [10, 11], чтобы гарантировать безрисковую и надежную доставку товаров в надежные руки.Поэтому в этой работе мы предлагаем структуру, которая позволяет дрону достичь точного пункта назначения, используя автономные GPS-координаты клиента, и сбросить посылку после распознавания лица клиента и проверки через одноразовый пароль. В следующем разделе представлено подробное описание предлагаемой методологии.

3 Предлагаемая структура

Чтобы обеспечить полную и надежную доставку последней мили с помощью беспилотных летательных аппаратов, мы предлагаем структуру двухфакторной аутентификации потребителя (Consumer-Auth).Предлагаемая структура Consumer-Auth состоит из пяти основных модулей, которые включают интерфейс клиента, облачную платформу, поставщика услуг, автономный концентратор и модуль аутентификации потребителя, как показано на рисунке 1. Предлагаемая структура Consumer-Auth запускает заказ продукта пользователя, запрошенный через клиента. интерфейсный модуль. После этого информация о клиенте сохраняется в облаке Amazon Web Service (AWS) [25], где поставщик курьерских услуг извлекает, утверждает заказ и отправляет его в автономный хаб (дрон).После этого автономный дрон меняет режим полета с «Удержание» на «Взлет» и движется к месту назначения клиента. Используя GPS-координаты клиента, когда дрон достигает пункта назначения, он начинает процесс двухфакторной аутентификации клиента. Наконец, после успешной аутентификации продукт доставляется подлинному покупателю. Подробные функции каждого модуля описаны в следующих подразделах.

3.1 Модуль клиентского интерфейса

Интерфейс клиента — это самый первый модуль, активирующий процесс доставки дроном.Этот модуль получает от клиента четыре типа информации, включая персональную информацию, информацию о заказе, местоположение по GPS и платежные реквизиты, а затем отправляет ее на платформу облачных сервисов для утверждения заказа, как показано на рис. 1. В личной информации клиент предоставляет сведения о его / ее имени, фамилии, адресе, электронной почте, контактном номере и загрузите его / ее фотографию. После этого покупатель выбирает желаемый товар и размещает заказ. После этого клиент предоставляет GPS-местоположение, по которому дрон должен доставить посылку.Наконец, покупатель предоставляет информацию для оплаты своего заказа. GPS-местоположение клиента будет использоваться дроном для достижения пункта назначения. Точно так же контактный номер клиента будет использоваться для процесса проверки подлинности OTP, а фотография клиента будет использоваться для распознавания лица перед доставкой посылки.

3.2 Платформа облачных услуг

Платформа облачных сервисов — это центральный обрабатывающий модуль предлагаемой структуры, который принимает, обрабатывает и передает данные всем другим модулям.Чтобы сэкономить время, энергию, память и вычислительную мощность на граничных узлах, все основные вычислительные задачи, включая хранение данных, генерацию OTP, проверку OTP и распознавание лиц с использованием модели глубокого обучения, обрабатываются на платформе облачных сервисов.

Платформа облачных сервисов состоит из двух субмодулей, которые включают: AWS и Firebase. Firebase получает, обрабатывает и хранит сведения о клиенте, полученные из модуля клиентского интерфейса. С другой стороны, облачная платформа AWS выполняет процесс распознавания лиц только с помощью модуля «AWS Rekognition» [26, 27].Затем он передает эту информацию в модуль поставщика услуг, где утверждается заказ клиента. Помимо утверждения, модуль поставщика услуг запрашивает модуль Firebase, чтобы он поделился данными о местоположении клиента с помощью GPS с дроном, чтобы добраться до пункта назначения. Кроме того, AWS передает результаты распознавания лиц клиентов в Firebase, который использует их для аутентификации и проверки клиентов. Firebase — это база данных в реальном времени, которая размещается на облачном сервере и централизованно доступна для всех подключенных клиентов [28].

3.3 Модуль поставщика услуг

Модуль поставщика услуг состоит из интерфейса, через который поставщик услуг может вести учет клиента, управлять заказами, проверять платежи, а также одобрять или отклонять запрос. После подтверждения заказа необходимая информация о клиенте, такая как координаты GPS, извлекается из базы данных Firebase в реальном времени для выполнения автономного полета с доставкой дроном в заданные координаты долготы и широты. Более того, посылка прикреплена под дроном, который будет доставлен в нужное место после двухэтапного процесса проверки потребителя для идентификации соответствующего покупателя.

3.4 Автономный хаб (дрон)

В предлагаемой структуре Consumer-Auth автономный хаб (дрон) является наиболее важным субъектом для выполнения процесса доставки продукта в точном месте нахождения покупателя и доставки посылки подлинному покупателю. Модуль автономного концентратора состоит из двух субмодулей, которые включают полетный контроллер и граничный узел, как показано на рис. 1.

Модуль полетного контроллера отвечает за управление режимами взлета и посадки дрона.Модуль полетного контроллера снимает дрон после получения инструкций от поставщика услуг через платформу облачных услуг. Наконец, когда дрон достигает местоположения клиента по GPS, он приземляется и отправляет посылку после двухэтапной проверки. С другой стороны, модуль граничного узла отвечает за захват изображения клиента, когда дрон достигает пункта назначения. После захвата изображения клиента граничный узел выполняет некоторую задачу обработки изображения, чтобы локализовать лицо клиента на изображении, а затем отправить его в хранилище AWS S3 bucket, где модель глубокого обучения Amazon Rekognition распознает подлинное лицо клиента относительно изображения, предоставленного покупатель при оформлении заказа.В случае, если лицо покупателя не локализовано на захваченном изображении, краевой узел захватит другое изображение покупателя, пока не локализует лицо покупателя в рамках указанной ограниченной попытки — в нашем случае мы ограничиваем количество попыток до менее равный трем, и отправьте его в модель глубокого обучения Amazon Rekognition для аутентификации клиентов.

3.5 Двухэтапная проверка потребителя

Этот модуль является ключевым модулем предлагаемой структуры, поскольку он выполняет аутентификацию потребителя с использованием механизма двухфакторной аутентификации.Этот модуль содержит два субмодуля, которые включают модуль проверки OTP и модуль распознавания лиц. Модуль проверки OTP аутентифицирует клиента, отправляя OTP на номер мобильного телефона клиента, который он / она предоставил при размещении заказа. С другой стороны, модуль распознавания лиц распознает, является ли получатель аутентифицированным клиентом или нет.

Двухэтапный модуль проверки потребителя активируется, когда дрон достигает указанного покупателем места, куда он должен доставить посылку.Когда дрон достигает местоположения клиента по GPS, он сначала начинает захват изображения лица получателя и отправляет его в модуль распознавания лиц. Кроме того, клиент также получает OTP, отправленный на мобильный телефон клиента для окончательной аутентификации. В следующих подразделах описывается работа этих двух подмодулей:

3.5.1 Проверка OTP.

Этот модуль отвечает за создание одноразового пароля и проверку подлинности получателя перед доставкой посылки.В этом процессе проверки пользователя дрон отправляет сообщение-маяк на мобильный телефон клиента с помощью службы API Twilio [29] после достижения требуемого пункта назначения. После ожидания выхода клиента на улицу, случайный 4-значный OTP генерируется путем запуска скрипта python на граничном узле — контроллера Raspberry Pi 4 (RPi-4), который мы встроили в дрон для облегченных вычислений — и это отправлено в облачную службу Firebase. Firebase сохраняет этот одноразовый пароль в своей базе данных, а также отправляет его на мобильный телефон клиента.

После получения одноразового пароля клиент вводит этот одноразовый пароль в мобильное приложение, которое было отправлено по указанному клиенту контактному номеру. Процесс проверки одноразового пароля клиента занимает примерно 10–15 секунд. После проверки заказчиком автономный дрон меняет высоту и опускается на высоту 4 метра от получателя. Наконец, при быстром изменении высоты запускается процесс распознавания лиц. Однако, если клиент не был проверен с первой попытки, одноразовый пароль создается и снова отправляется для проверки.В случае трех попыток, если клиент не прошел проверку через OTP, автономный дрон возвращается в исходное положение без доставки посылки.

3.5.2 Распознавание лиц.

Распознавание лиц — последний этап проверки получателя. Распознает ли модуль распознавания лиц, является ли получатель аутентифицированным покупателем или нет? Этот модуль выполняет сложную классификацию глубокого обучения с использованием механизмов гибридных вычислений, таких как облако AWS и периферийные вычисления.Цель использования механизма гибридных вычислений — получить преимущества как облачных, так и граничных схем вычислений. Облачные вычисления выгодны с точки зрения ответственности за ресурсы, но увеличение задержки является основной лазейкой в ​​этом явлении. С другой стороны, в граничных вычислениях данные вычисляются там, где они генерируются. Хотя периферийные вычисления сводят к минимуму фактор задержки, увеличивается потребление энергии, что является основной проблемой в системе доставки с помощью дронов. Чтобы обойти эти лазейки, мы предложили гибридный вычислительный механизм в структуре Consumer-Auth.Поэтому сначала мы обнаруживаем лицо получателя на граничном узле (контроллер RPi-4) с помощью алгоритма Хаара, который развернут на автономном хабе, то есть на дроне. Алгоритм Хаара использует четыре основных фильтра, то есть линейный фильтр, прямоугольный фильтр и два краевых фильтра для обнаружения конкретного лица. Краевые элементы используются для обнаружения краев, а линейные и прямоугольные фильтры используются для обнаружения наклонной линии в данном изображении. На рис. 2 представлено визуальное восприятие функций Хаара вместе с окном ядра каждой функции, т.е.е., (1) и (2) для обнаружения края, (3) для обнаружения линии и (4) для обнаружения прямоугольника, который используется для обнаружения лица.

Как только лицо получателя обнаруживается краевым узлом на захваченном изображении, это изображение передается в облако AWS. В облаке AWS у нас есть сервис «AWS Rekognition», который использует модель глубокого обучения для сопоставления захваченного изображения, чтобы определить, является ли получатель предполагаемым клиентом или нет? Наконец, после завершения двухэтапного процесса проверки продукт сбрасывается в указанном клиентом месте, и автономный дрон возвращается в исходное местоположение.

4 Рабочий процесс предложенной структуры Consumer-Auth

Чтобы лучше проиллюстрировать работу предлагаемой структуры Consumer-Auth, на рис. -2 (P2) и процесс-3 (P3). P1 демонстрирует потоки, начиная от заказа клиента до отправления дрона в заданный клиентом пункт назначения. Точно так же P2 иллюстрирует этапы последовательности операций для генерации и проверки одноразового пароля, которые начинаются после того, как дрон достигает места назначения клиента.Аналогичным образом, P3 представляет собой коммуникационный поток для процесса распознавания лиц, который выполняется после проверки клиента через одноразовый пароль. Короче говоря, доставка дроном начинается с заказа потребителя, поэтому все эти три процесса выполняются последовательно, чтобы обеспечить надежную доставку продукта на «последнюю милю». Эти процессы объясняются в следующих подразделах.

4.1 От заказа клиента до отправления дрона (П1)

Как обсуждалось ранее, предложенная структура Consumer-Auth инициирует размещение заказа.На рис. 3 красные стрелки показывают поток, начиная от заказа клиента до отправления дрона в указанное клиентом место. Потоки с красными стрелками, показанные на рис. 3, демонстрируют, что по мере того, как клиент размещает заказ через интерфейс клиента, все данные клиента, включая его / ее данные, местоположение по GPS, заказ продукта, изображение лица и контактный номер, хранятся в AWS и Облачный сервер Firebase. После этого сервисный агент этого конкретного поставщика курьерских услуг получает информацию о клиенте, проверяет платеж и утверждает заказ клиента на доставку через интерфейс поставщика услуг.Наконец, заказ клиента загружается в автономный хаб (дрон), а данные о местоположении клиента по GPS и номер мобильного телефона передаются дрону для автоматического взлета, как показано на рис. 3.

4.2 Проверка OTP (P2)

Как только дрон достигает указанного местоположения GPS клиента, он отправляет сообщение маяка на мобильный телефон клиента, чтобы уведомить его / ее о необходимости прибыть в указанное место для доставки посылки, как показано на рис. 3.

После этого дрон генерирует случайный 4-значный OTP и отправляет запрос на сервер Firebase для проверки OTP, как показано на рис. 3, в частности, представленными зелеными стрелками.Сервер Firebase сначала сохраняет полученный одноразовый пароль в своей базе данных и отправляет его на указанный мобильный номер клиента для инициализации процесса двухфакторной проверки. Когда клиент получает OTP, он / она отправляет его на сервер Firebase через интерфейс клиента для проверки, как показано на рис. 3. Наконец, после успешной проверки OTP, автономный дрон изменяет свою высоту и перемещается вниз до высоты 4. метрах от получателя, чтобы запечатлеть его / ее изображение.

4.3 Распознавание лица получателя и доставка товара (P3)

Когда дрон понижает высоту и достигает высоты 4 метра от получателя в заданном местоположении GPS, дрон начинает делать снимок получателя. После захвата изображения получателя дрон сначала обнаруживает и локализует лицо получателя на захваченном изображении с помощью алгоритма Хаара, перебегая через свой пограничный вычислительный модуль, как указано в подразделе 3.5.2. Весь процесс аутентификации лица потребителя представлен темно-синими стрелками, как показано на рисунке 3.Если на снятом изображении обнаруживается лицо получателя, дрон отправляет его в AWS Lambda — модуль в облаке AWS, где сервис AWS face Rekognition определяет, является ли получатель реальным клиентом или нет, с помощью модели глубокого обучения. В случае, если лицо не обнаружено модулем граничных вычислений на захваченном изображении, дрон захватывает другое изображение, пока не обнаружит лицо на захваченном изображении в течение заданного времени. Точно так же, если получатель не распознан на первом захваченном изображении, то максимум две попытки будут предприняты, чтобы распознать предполагаемого покупателя для надежной доставки.Наконец, после успешного процесса двухфакторной аутентификации потребителя запрошенный продукт доставляется получателю.

Вкратце, предлагаемый механизм двухфакторной аутентификации потребителя, предлагаемая структура Consumer-Auth, позволяет дрону надежно доставить посылку реальному предполагаемому покупателю. Кроме того, предлагаемая структура Consumer-Auth также снижает фактор задержки с помощью гибридных вычислений, выполняя легкую задачу обработки, такую ​​как обнаружение лиц на граничном узле, и сложные задачи обработки, такие как распознавание лиц, с использованием модели глубокого обучения на границе облака.

Предложенная структура аутентификации потребителя для алгоритма 1 .

Вход : DES. Координаты, Заказчик-имидж, Контактный №

Выход : продукт доставлен клиенту

Сокращения : одноразовый пароль (OTP), контроллер (Pi), возврат к запуску (RTL), место назначения (DES), Amazon Web Service (AWS)

Инициализация :

Проверка параметров полета дрона

Проверить подключение к Интернету

1: Получить DES.Координаты

LOOP Process

2: , а 1 до

3: Взлет

4: если Высота > = цель * 0,95 , то

5: Возврат

6: конец, если

7: Wait_for _1 сек

8: конец, а

9: перейти _ путь _ точка

10: если OTP == Проверено то

11: Изображение ← камера . пи ()

12: EdgeNode ( Face ← обнаружение _ [ изображение ])

13: иначе, если Face > = 1 then

14: CloudNode ( Соответствие ← AWS _ [ изображение ])

15: иначе, если Соответствие == Истинно тогда

16: доставить _ товар

17: RTL

18: остальное

19: РТЛ

20: остальное

21: перейти _ Строка _11

22: остальное

23: РТЛ

24: иначе, если

4.4 Предлагаемый алгоритм Consumer-Auth

Алгоритм 1 относится к псевдокоду предлагаемой структуры Consumer-Auth. Предлагаемый механизм доставки с помощью дронов состоит из трех основных входов, которые включают координаты GPS пункта назначения, изображение клиента и номер мобильного телефона клиента. Более того, конечная цель предлагаемой системы — сделать ее надежным и безопасным механизмом доставки с помощью беспилотных летательных аппаратов. После настройки параметров полета дрона и беспроводной связи предлагаемый автономный хаб отправляется в путь к месту назначения клиента.Кроме того, когда высота дрона превышает 95% от назначенной цели, он возвращается, иначе он продолжает достигать этой высоты. Далее, после достижения конечной точки, он начинает продолжать процесс аутентификации клиента с помощью одноразовых паролей и модулей распознавания изображений, которые в конечном итоге завершаются доставкой продукта. Несмотря на это, если какой-либо модуль во всей предлагаемой системе не выполняется должным образом, он вызывает процесс возврата к запуску (RTL), чтобы обеспечить его безопасность.

5 Экспериментальная установка

Экспериментальная установка состоит из трех основных компонентов, включая облако AWS, Firebase и дрон, которые используются для реализации предлагаемой структуры Consumer-Auth.Облако AWS и Firebase — это облачные сервисы, которые используются для реализации предлагаемой двухфакторной структуры Consumer-Auth. С другой стороны, дрон — это наш основной аппаратный компонент, который используется для того, чтобы забрать посылку клиента у поставщика услуг и отправить ее в пункт назначения после двухфакторной проверки получателя. Мы разработали каркас дрона и встроили в него четыре ключевых модуля. Эти модули включают камеру, полетный контроллер, граничный узел и контроллер GPS. В таблице 2 приведены обобщенные характеристики дрона, который мы разработали для надежной системы доставки с помощью дронов.Контроллер полета управляет двигателями дрона, а также его режимами полета, в то время как граничный узел выполняет вычисления и децентрализацию хранилища в отношении двухэтапного процесса проверки потребителя с помощью облачных серверов. Функциональные детали этих компонентов приведены в предыдущих разделах 2 и 3.

Тестирование предлагаемой системы в реальном времени проводится в открытой среде без ограничений. Далее эксперимент проводится на различных расстояниях (X) от его начальной точки, т.е.е., 100м, 150м, 200м,…, 500м. Как и в случае блока батарей 12 В, 2600 мА, скорости (v = 6,5 м / с), максимальное пройденное расстояние составляет 1 км (т. Е. Расстояние в одну сторону 500 м), как показано на рис. 4.

5.1 Показатели производительности

Предлагаемая структура Consumer-Auth для надежной системы доставки с помощью дронов оценивается на основе пяти общих параметров, которые включают расстояние (S), затраченное время (t), потребление энергии (E), точность системы (AC), и коэффициент ошибок (ER). Эти параметры определены в следующих подразделах:

5.1.1 Расстояние (S).

Чтобы вычислить круговое расстояние для дрона, мы использовали теорему Хаверсина. Теорема Хаверсина вычисляет расстояние на основе начальных и конечных координат долготы и широты, а также тригонометрических тождеств синкосинуса. Математическая зависимость дается как уравнение 1: (1) Здесь R = 6371.0 KM определяет радиус Земли, FLT относится к широте конечного местоположения, а ILT относится к широте начальной точки, тогда как FLN относится к конечной долготе, а ILN — к начальной долготе.

5.1.2 Время (t).

Параметр времени (t) рассчитывается на основе двух факторов: расстояния (S) и скорости (v). Математическое представление показано в уравнении 2: (2) Здесь v представляет фиксированную скорость, равную 6,5 м / с.

5.1.3 Энергопотребление (E).

Энергия, потребляемая предлагаемой системой, учитывается как скалярное произведение тока (I), напряжения (V) и затраченного времени (t). Математическое представление дано в уравнении 3: (3) Здесь фиксированы напряжение (В) и ток (I) i.е. 12 В и 2600 мА.

5.1.4 Точность системы (AC).

Точность системы определяется как процент правильно спрогнозированных наблюдений по отношению ко всем наблюдениям. Математически это дается как уравнение 4: (4)

Здесь TP означает истинный положительный результат, TN — истинный отрицательный результат, FP — ложный положительный результат, а FN — ложный отрицательный результат.

5.1.5 Накладные расходы задержки Hn (HLO).

Это коэффициент накладных расходов на задержку, который рассчитывается на основе общего количества попыток обнаружения и распознавания лиц.В следующих уравнениях уравнение 5 представляет накладные расходы задержки (LO) в случае, когда задача обнаружения и распознавания лиц выполняется в облаке (CLO), а уравнение 6 представляет накладные расходы задержки, когда эта задача выполняется только на граничном устройстве (ELO). . Наконец, уравнение 6 представляет накладные расходы, связанные с задержкой, когда часть этой задачи выполняется на пограничном устройстве, а часть — на уровне облака, то есть гибридным способом (HLO). (5) (6) (7)

Здесь «n» — общее количество попыток без распознавания лиц, Lc = облачная задержка (т. Е. 10 с), Le = пограничная задержка (т.е.е. 7сек) и le = время обнаружения граничного узла (т. Е. 2сек)

6 Анализ производительности

В этом разделе описаны экспериментальные результаты предлагаемой структуры Consumer-Auth для показателей производительности, как описано в разделе 5.1.

6.1 Анализ расстояния (S) и времени (t)

На рис. 5 показано сравнение между общим расстоянием (в метрах), пройденным дроном, и общим временем (в секундах), взятым как для теоретической, так и для экспериментальной точки зрения в реальном времени.При теоретическом анализе мы сначала рассчитали ожидаемое время (t), используя уравнение 2 и рассматривая различные точки расстояния, начиная от 50 м до 500 м с интервалом 50 м, то есть 0 м, 50 м,…, 500 м, сохраняя скорость 6,5 мс. Теоретические расчетные значения параметра времени (t) показаны на рис. 5 синей линией.

Основываясь на теоретически рассчитанных значениях параметра времени (t), мы затем заметили координаты GPS дрона после теоретически рассчитанного значения времени, чтобы рассчитать расстояние (S), пройденное дроном, с помощью теоремы Харверсина, как показано в уравнении 1.Мы заметили меньшую разницу между теоретическими и фактическими результатами. Кроме того, мы также подсчитали время, необходимое дрону для достижения различных точек расстояния, начиная от 50 м до 500 м с интервалом 50 м. Результаты показаны на рис. 5 зеленой линией.

Из рис. 5 видно, что существует небольшая разница в ожидаемых и фактических значениях параметра времени (t) для разных точек расстояния, которые показывают эффективность предлагаемого механизма доставки дронов.Более того, эта минимальная разница на самом деле связана с отсутствием в теоретическом уравнении таких параметров трения, как давление воздуха, механические компоненты и т. Д., Что очевидно в среде реального времени. Кроме того, расстояние до автономного хаба (дрона) полностью зависит от долготы и широты, предоставленных соответствующим клиентом. Поскольку время прямо пропорционально расстоянию, поэтому, если мы увеличиваем расстояние, параметр времени также соответственно увеличивается.Фактически, сохраняя разницу между двумя кривыми, значение расстояния в нашей первой оценке составляло 50 метров, поэтому фактор времени, относящийся к теоретическому модулю, показывает 7,7 с, но фактическое время было записано как 10,2 с. Точно так же мы изменяем параметр расстояния по оси X с шагом 50 м и находим соответствующее время, чтобы преодолеть это расстояние, как показано на рис. 5. Наконец, анализируя выходной результат обеих тестовых кривых, он показывает эффективность Предлагаемая система.

6.2 Использование энергии (E)

Для оценки эффективности системы рассеяние энергии является одним из основных факторов. Чтобы вычислить этот параметр, мы провели несколько экспериментов для разных отметок расстояния, как показано на рис. 6 с помощью математического выражения (3). Кроме того, мы сравнили три основных вычислительных метода, то есть облачные, граничные и предлагаемые гибридные вычислительные методы.

Как показано на рис. 6, облачные вычисления превосходят с точки зрения энергопотребления за счет платформы удаленных вычислений по сравнению с граничными вычислениями.Но из-за накладных расходов мы не можем предпочесть облачный механизм хранения, особенно при доставке с помощью дронов как услуги (DaaS), где фактор задержки является решающим. Тем не менее, феномен облачного хранилища потребляет меньше энергии, поэтому мы предложили механизм гибридных вычислений, в котором используются как облачные, так и периферийные платформы. Точно так же, таким образом, мы решили проблему накладных расходов, связанных с задержкой, за счет использования немного больше энергии, чем в облаке, но намного меньше, чем при периферийных вычислениях, как показано на рис. 6.Принимая во внимание огромные преимущества предлагаемой структуры Consumer-Auth, использующей концепцию гибридных вычислений, наша система является высокоэффективной и надежной по сравнению с существующими методами.

6.3 Распознавание лиц и точность распознавания (AC)

Как уже говорилось ранее, мы использовали алгоритм Хаара для обнаружения лица на изображении, полученном с помощью done. Для обнаружения лиц мы достигли 95% точности, которая рассчитывается с использованием уравнения 4. На рис. 7 показано процентное сходство распознавания лиц с точки зрения достоверности, которое вычисляется в облаке AWS с использованием модуля «AWS Rekognition» и математически выражается в уравнении 4.Он наглядно демонстрирует универсальность модуля распознавания лиц AWS даже при разной ориентации лица во время автономного полета дрона. Чтобы добавить больше, на Рис. 7 ось X представляет углы лица, такие как FA-1,…, FA-10, которые также визуализируются в верхней части в виде образца с соответствующими метками. Кроме того, по оси Y отображается процентное значение достоверности, также называемое коэффициентом сходства лиц пользователя. После анализа вышеуказанных значений, показанных на рис. 7, наибольшее значение достоверности достигается при FA-2, т.е.е., 99,46%, а самый низкий показатель у FA-5, который составляет 76,19% соответственно. Точно так же FA-3 и FA-10 также распознаются со значением достоверности> 99%, если мы внимательно наблюдаем за FA-2 и FA-10, в обоих случаях кажется, что модель глубокого обучения распознает человека на основе стороны угол, при котором край носа более заметен по сравнению с другими чертами лица [30]. На основе носа и других черт лица, модуль «AWS Rekognition» распознал человека с большим доверительным интервалом в FA-2 по сравнению с FA-10.Аналогичным образом, если мы сравним доверительный интервал FA-1 и FA-10, из-за более четкого аэрофотоснимка (наклонного угла) носа для модуля AWS Rekognition, FA-10 имеет на 0,27% больше доверительного значения, чем FA-1. . Короче говоря, даже лицо кажется ясным невооруженным глазом, все черты лица не так заметны, как в прямой видимости. Таким образом, модуль AWS Rekognition на основе глубокого обучения выбирает наиболее заметные черты лица для обработки с помощью БПЛА. Следовательно, FA-10 распознается с большим значением доверительного интервала по сравнению с FA-1.

Таким образом, мы достигли в среднем 94,6% точности распознавания лиц. Даже при неориентированном угле лица, как в FA-5, предлагаемая нами структура хорошо распознает конкретное лицо. Он отображает подлинность предлагаемого феномена аутентификации пользователя в нашей структуре Consumer-Auth. Наконец, на рис. 7 мы показали все углы лица для одного пользователя в качестве образца для надлежащего анализа и оценки результата.

6.4 Накладные расходы на задержку (HLO)

На рис. 8 показано сравнение накладных расходов по задержке для облака, периферии и предлагаемого механизма гибридных вычислений Consumer-Auth, математически представленных уравнениями 5–7 соответственно.Мы вычислили параметр задержки, когда на снимке с автономного дрона нет лица. Как мы заявляли в разделах 3 и 4, платформы облачных вычислений требуют огромного времени отклика для вычисления обработки изображений из-за их удаленного физического существования. Таким образом, в сценарии без лица примерно в два раза больше времени, необходимого для вычисления еще одной попытки распознавания лиц.

С другой стороны, граничным вычислениям из-за ограничений обработки требуется много времени для распознавания лица в случае, когда сделано несколько попыток.Принимая во внимание указанные выше ограничения существующих вычислительных схем, мы можем эффективно распознавать лица в облаке AWS только тогда, когда обнаружение лиц выполняется на граничном узле (как мы это делали в разделе 5.1.5, предлагаемый фреймворк Consumer-Auth. На рис.8 показано, как количество попыток обнаружения и распознавания лиц увеличивается с 2 до 10, схема облачных вычислений демонстрирует приблизительно линейный отклик на среднюю задержку, то есть от 5 до 100 секунд. средняя задержка немного меньше, чем при облачном подходе, но все же требует много времени, т.е.е., от 4 до 70 секунд, чтобы повторить попытку распознавания лица.

Напротив, предлагаемая структура Consumer-Auth работает феноменально благодаря принятию предлагаемой системы децентрализованных гибридных вычислений. Однако общее количество попыток обнаружения и распознавания лиц не повлияло отрицательно на общую эффективность предложенной системы. Средняя задержка служебных данных почти постоянна при увеличении количества попыток с 2 до большего. Как указано в разделе 5.1.5, когда количество попыток равно «1», все вычислительные схемы требуют примерно одинаковой задержки служебных данных. Это не повлияло на математические отношения из-за того, что они идентичны.

Таким образом, мы можем эффективно использовать облачный сервис распознавания лиц AWS, а также избавиться от накладных расходов на задержку в случае отсутствия лица, как показано на рис. 8. Наконец, предлагаемая структура Consumer-Auth очень отзывчива с минимальной задержкой даже если на захваченном изображении нет лица.

7 Заключение

В этой работе мы предложили структуру аутентификации потребителя (Consumer-Auth) для обеспечения полной и надежной доставки «последней мили» с помощью автономных дронов. Благодаря предлагаемой структуре Consumer-Auth дрон сначала достигает точного местоположения клиента по GPS. После этого дрон аутентифицирует клиента с помощью метода двухфакторной проверки, который включает аутентификацию клиента через OTP и распознавание лиц. После успешной аутентификации предполагаемого клиента дрон доставляет заказанную посылку, в противном случае он возвращается, не доставляя посылку.Чтобы обеспечить своевременность, надежность и устойчивость аутентификации потребителей, мы предложили гибридную вычислительную модель, то есть архитектуру облачных и периферийных вычислений. Наконец, мы оценили предложенную структуру Consumer-Auth на основе пяти общих показателей производительности, как описано в разделе 5.1. Предложенная структура Consumer-Auth достигла минимального значения достоверности 76,19% и среднего значения достоверности 94,6%. Общие результаты демонстрируют эффективность предложенной структуры Consumer-Auth для обеспечения полной и надежной доставки «последней мили» с помощью дронов.

Эффективность предлагаемой конструкции ограничена соответствующим освещением и условиями окружающей среды. Однако в будущем мы рассмотрим параметры освещения и окружающей среды, чтобы улучшить производительность системы на базе дронов. Кроме того, дальность действия системы доставки с помощью дронов может быть увеличена за счет использования многозвенной связи.

Благодарности

Авторы благодарны KUST UMT и DSR King Abdulaziz University за техническую поддержку в проведении этого исследования.

Ссылки

1. 1. Хентати AI, Fourati LC. Комплексное обследование сетей связи БПЛА. Компьютерные стандарты и интерфейсы. 2020; п. 103451.
2. 2. Наси Б., Шабтай А., Масуока Р., Еловичи Ю. Сок-безопасность и конфиденциальность в эпоху дронов: угрозы, проблемы, механизмы решения и научные пробелы. Препринт arXiv arXiv: 1

   155. 2019 ;.

3. 3. Привет, MSY, Кортни П., Роял П.Г. Оценка доставки лекарств с помощью дронов.Дроны. 2019; 3 (3): 52.
4. 4. Altawy R, Youssef AM. Безопасность, конфиденциальность и аспекты безопасности гражданских дронов: обзор. ACM-транзакции в киберфизических системах. 2016; 1 (2): 1–25.
5. 5. Рамеш С., Патьер Т., Хан Дж. SoundUAV: На пути к аутентификации дронов доставки с помощью акустического шумового отпечатка пальца. В: Труды 5-го семинара по сетям, системам и приложениям для микро-летательных аппаратов; 2019. стр. 27–32.
6. 6. Чжу X, Паш Т., Бергстрем А.Понимание структуры систем веры в риск, связанных с доставкой дронов: сетевой анализ. Технологии в обществе. 2020; п. 101262.
7. 7. Cheng C, Adulyasak Y, Rousseau LM. Маршрутизация дронов с энергетической функцией: формулировка и точный алгоритм. Транспортные исследования. Часть B: Методологические. 2020; 139: 364–387.
8. 8. Bartolini N, Coletta A, Maselli G, Piva M. DRUBER: надежная децентрализованная система доставки на основе дронов. В: Труды 6-го семинара ACM по сетям, системам и приложениям для микро-летательных аппаратов; 2020.п. 1–6.
9. 9. Седов Л., Красночуб А., Полищук В. Моделирование карантина во время эпидемий и массовое тестирование с использованием дронов. ПлоС один. 2020; 15 (6): e0235307.
10. 10. Бруннер Дж., Себеди Б., Таннер С., Ваттенхофер Р. Проблема городской последней мили: автономная доставка дронов на ваш балкон. В: Международная конференция по беспилотным авиационным системам (ICUAS), 2019 г. IEEE; 2019. стр. 1005–1012.
11. 11. Со Ш., Вон Дж., Бертино Э, Кан Й, Чой Д. Фреймворк безопасности для службы доставки дронов.В: Материалы 2-го семинара по сетям, системам и приложениям для использования в гражданских целях для воздушных судов; 2016. с. 29–34.
12. 12. Ли Пи Джей, Пак Ш., Чжон Дж. Х., Чонг Т, Ким К. Связь между транспортным шумом и артериальным давлением у взрослых, проживающих в многоэтажных жилых домах. Окружающая среда международная. 2019; 132: 105101.
13. 13. Amazon Prime Air; 2020. Доступно по адресу: https://www.amazon.com/b?node=8037720011 [цитируется 18 июля 2020 г.].
14. 14.Почтовая служба США (USPS) дрон RFI ;. Доступно по адресу: https://www.suasnews.com/2019/09/united-states-postal-service-usps-drone-rfi/ [процитировано 18 июля 2020 г.].
15. 15. Шахзаад Б., Бугеттайя А., Мистри С., Нейат АГ. Составление дрон как услуга (DAAS) для доставки. В: Международная конференция IEEE по веб-сервисам (ICWS), 2019 г. IEEE; 2019. стр. 28–32.
16. 16. Ли Б., Лин Х, Самани Х, Сэдлер Л., Грегори Т., Джалаян Б. О трехмерных автономных системах доставки: проектирование и разработка.В: Международная конференция по передовой робототехнике и интеллектуальным системам (ARIS), 2017 г. IEEE; 2017. с. 1–6.
17. 17. Диб А., Рой К., Эдо К.Д. Распознавание лиц с помощью дронов с использованием глубокого обучения. В: Международная конференция по передовым технологиям и приложениям машинного обучения. Springer; 2020. стр. 197–206.
18. 18. Ван Л.Д., Чанг Ч., Тонг К.Л., Ву К.Р., Чжан Л.Й., Цзэн Ю.К. Пометка данных IoT в представлении Drone. В: 25-я ежегодная международная конференция по мобильным вычислениям и сетям; 2019.п. 1–3.
19. 19. Чо Г, Чо Дж, Хён С., Ким Х. SENTINEL: Безопасная и эффективная структура аутентификации для беспилотных летательных аппаратов. Прикладные науки. 2020; 10 (9): 3149.
20. 20. Лин Си, Хе Д, Кумар Н., Чу ККР, Винель А., Хуанг Х. Безопасность и конфиденциальность в Интернете дронов: проблемы и решения. Журнал IEEE Communications. 2018; 56 (1): 64–69.
21. 21. Али З., Чаудри С.А., Рамзан М.С., Аль-Турджман Ф. Обеспечение безопасности наблюдения за умным городом: облегченный механизм аутентификации для беспилотных автомобилей.Доступ IEEE. 2020; 8: 43711–43724.
22. 22. Ли Дж. Оптимизация модульной системы доставки дронов. В: Ежегодная международная системная конференция IEEE 2017 (SysCon). IEEE; 2017. с. 1–8.
23. 23. Сон Х.Й., Хан Х. Дизайн системы доставки посылок для доставки от точки к точке с использованием технологии IoT. Интернет будущего. 2020; 12 (4): 70.
24. 24. Хуанг Х., Савкин А.В., Хуанг С. Новая система доставки посылок с дронами и общественным поездом. Журнал интеллектуальных и робототехнических систем.2020; п. 1–14.
25. 25. Amazon Cloud Service ;. Доступно по адресу: https://aws.amazon.com/ [цитируется 1 января 2021 г.].
26. 26. Как установить модель распознавания лиц на периферии с помощью AWS IoT Greengrass ;. Доступно по адресу: https://aws.amazon.com/blogs/iot/how-to-install-a-face-recognition-model-at-the-edge-with-aws-iot-greengrass/ [процитировано 24 января 2021 г. ].
27. 27. Распознавание лиц на Raspberry Pi с помощью AWS Rekognition. Доступно по адресу: https: // github.com / xbwei / data-analysis-aws / tree / master / faces-распознавание-raspberry-pi [цитируется 24 января 2021 г.].
28. 28. Интернет вещей с использованием Raspberry Pi, Firebase и Android. Доступно по адресу: https://www.hackster.io/ahmedibrrahim/iot-using-raspberry-pi-and-firebase-and-android-dbe61d [цитируется 1 октября 2020 г.].
29. 29. Twilio-; 2020. Доступно по адресу: https://www.twilio.com/ [процитировано 18 июля 2020 года].
30. 30. Soltanpour S, Boufama B, Джонатан Ву QM. Обзор методов локального распознавания лиц для трехмерного распознавания лиц.Распознавание образов. 2017; 72 (6): 391–406.

Доставка пакетов дроном (Часть 135)

По мере того, как дроны внедряются в повседневную жизнь в U.S. — от развлекательных полетов до коммерческого использования — приоритетом номер один для FAA остается безопасность. Независимо от того, пилотируемый или беспилотный самолет, FAA требует, чтобы все эксплуатанты следовали определенным инструкциям по выполняемым ими операциям.

FAA поощряет инновации и работает с промышленными, государственными, местными и племенными правительствами для реализации преимуществ дронов и информирования будущих правил и положений.С 2017 по 2020 годы Пилотная программа интеграции беспилотных авиационных систем ( UAS ) ( IPP ) была направлена ​​на тестирование и оценку интеграции гражданских и общественных беспилотных летательных аппаратов в нашу национальную систему воздушного пространства. Эта работа продолжается в рамках программы UAS BEYOND, которая фокусируется на остающихся проблемах интеграции UAS, включая операции за пределами прямой видимости ( BVLOS ), социальные и экономические выгоды от операций UAS и взаимодействие с общественностью.

Участники этих программ одними из первых подтвердили свою концепцию, включая доставку посылок дроном в рамках сертификации авиаперевозчика по части 135.Сертификация по Части 135 — это единственный способ для небольших дронов переносить собственность другого за компенсацию за пределы прямой видимости.

По мере того, как участники этих программ продвигаются, чтобы доказать свои концепции, они должны использовать существующий процесс сертификации FAA по Части 135, часть из которых FAA адаптировала для работы с дронами, предоставив исключения для правил, которые не применяются к дронам, например, требование иметь на борту летательные аппараты руководства по летной эксплуатации.

Все кандидаты по программе Part 135 должны пройти полные пять этапов процесса сертификации.

FAA выдает сертификаты авиаперевозчика заявителям US в зависимости от типа услуг, которые они планируют предоставлять, и места, где они хотят проводить свои операции. Эксплуатанты должны получить разрешения на воздушное пространство и сертификаты авиаперевозчика или эксплуатационные сертификаты, прежде чем они смогут начать полеты.

Сертификаты

доступны для четырех типов операций по Части 135:

• Part 135 Single Pilot.Эксплуатант с одним пилотом — это владелец сертификата, который может использовать только одного пилота для всех операций по части 135.
• Сертификат одиночного пилота в команде является сертификатом с ограниченной частью 135. Он включает в себя одного пилота в обладателе сертификата команды и трех вторых пилотов в команде. Также существуют ограничения по размеру самолета и объему операций.
• Базовый сертификат оператора ограничен по размеру и объему их операций. Максимум пять пилотов, включая заместителя командира.В их эксплуатации могут быть задействованы не более пяти самолетов.
• Стандартный оператор имеет сертификат без ограничений по размеру или объему операций. Однако оператору необходимо предоставить разрешение на каждый тип операции, которую он хочет выполнить.

FAA выдал Wing Aviation, LLC первый сертификат авиаперевозчика с одним пилотом Part 135 для работы с беспилотниками в апреле 2019 года. FAA позже выдал сертификат авиаперевозчика Wing a Standard Part 135 на управление беспилотным самолетом в октябре 2019 года. .Wing Aviation является частью Пилотной программы интеграции ( IPP ), доставляя продукты питания и фармацевтические препараты, отпускаемые без рецепта, прямо на дом в Кристиансбурге, штат Вирджиния.

UPS Flight Forward, Inc., еще один участник IPP, была первой компанией, получившей сертификат авиаперевозчика Standard Part 135 на управление дроном. 27 сентября 2019 года UPS Flight Forward провела первую доставку посылок с помощью дронов с сертификатом Part 135, когда она доставила медицинские принадлежности в кампус больницы WakeMed в Роли, Северная Каролина.

FAA в настоящее время работает над шестью дополнительными заявками на сертификат авиаперевозчика, часть 135, которые были поданы операторами IPP , и одной заявкой 135, которая была подана участником FAA Partnership for Safety Plan ( PSP ).

Последнее изменение страницы: 16 марта 2021 г. 15:29:00 EDT

Автоматизированные промышленные дроны | Airobotics

Автоматизированные промышленные дроны | Airobotics

Ваш браузер не поддерживает теги видео.

Airobotics Solution

Для удовлетворения уникальных потребностей самых сложных промышленных сред в мире компания
Airobotics разработала платформу, которая является полностью автоматизированной, промышленного уровня, универсальной по запросу.

Интуитивное программное обеспечение

Программное обеспечение Airobotics может быть доступно в любом месте и в любое время, что позволяет пользователям программировать, контролировать и управлять миссиями одним щелчком мыши, а также обрабатывать необработанные аэрофотоснимки, превращая их в краткую и действенную информацию.

Разработанное для простоты программное обеспечение отвечает потребностям пользователей в режиме реального времени.

Полностью автоматический

Самостоятельное развертывание и посадка. Пилот не требуется

Safe

Geofencing, «возвращение домой», резервирование GPS, аварийная посадка, парашют

Robotic ARM

Автоматическая замена полезной нагрузки и батареи. Несколько полезных нагрузок

Industrial
Grade

Долговечность, коррозионная стойкость и защита от атмосферных воздействий

Непрерывная работа
Operation

По расписанию и по запросу

Точность

Точность позиционирования 5 см

Скачать профиль нашей компании

Для обеспечения безопасной и эффективной работы на крупных промышленных объектах операторы должны постоянно знать о деятельности на объекте, оборудовании и текущих процессах.Комплексное решение для дронов Airobotics выходит далеко за рамки стандартных вариантов дронов. Платформа была разработана и создана многопрофильной командой для удовлетворения потребностей таких отраслей, как энергетика, горнодобывающая промышленность, нефтегазовая промышленность, путем предоставления безопасного и экономичного решения, доступного на месте и по запросу.