Real-Time Remote Hyperspectral Imaging on Aerial Vehicles and Small Satellites (ARIEL)

Fjernmålingssatellitter og luftfartøyer er uunnværlige verktøy for jordovervåking og for å skaffe kunnskap som kan hjelpe til å forstå jordsystemprosesser og økosystemer. Spesielt er småsatellittteknologien preget av lave utviklingskostnader, energieffektiv elektronikk, rimelige oppskytningsmuligheter og teknologidemonstrasjon. En lignende trend har blitt observert i utviklingen av ubemannede fly (UAV)-system på grunn av rask industrivekst og miniatyriseringstrenden av bildeapparater og sensorer. Disse trendene har gjort det mulig for robotagenter å bli utstyrt med avanserte instrumenter som multispektrale og hyperspektrale avbildningssystemer. Å bruke hyperspektral bildebehandling ombord på en satellitt eller UAV er imidlertid utfordrende på grunn av stort informasjonsinnhold, begrenset behandlingstid, energi og kapasitet for datanedlasting. Prosjektets overordnede mål er å gi forbedret intelligens og autonomi til luftfartøyer og små satellitter i jordovervåkingsapplikasjoner ved bruk av teknologier som kunstig intelligens (KI), innebygde systemer og optimert høyytelses edge computing. ARIEL vil bidra til rask beslutningstaking ved å fremme prosessering ombord på små satellitter og luftfartøyer for vedvarende jordobservasjon. De forventede resultatene vil bidra til å nå målene i de internasjonale konvensjonene om bærekraftig utvikling. I dette prosjektet vil NTNU samarbeide med industriaktører som sørger for at næringens behov driver forskningen. Forskningen på implementering av algoritmer for skogovervåking vil bli utført sammen med S[&]T, mens algoritmer for skipsdeteksjon vil bli utforsket med VAKE. Xilinx vil støtte ARIEL for å bygge løsninger som vil sikre at behandlingen oppfyller sanntidsbkravene, mens Inventas vil hjelpe med et verifikasjonsrammeverk. Prosjektet vil i stor grad bruke de hyperspektrale dataene levert av HYPSO-1 og HYPSO-2 CubeSats utviklet og bygget ved NTNU og skutt opp i bane i henholdsvis januar 2022 og august 2024.

Remote sensing satellites and aerial vehicles are nowadays indispensable tools for Earth monitoring and for improving the predictability of Earth system processes. Due to limited processing and downlink capabilities, today’s satellite remote sensing data products are commonly generated on the ground. On the other side, autonomous and fast decision making have become among the principal demands in the development of satellite and aerial vehicle systems. To provide onboard generated data products and to enable the real-time acquisition, processing, and decision-making stages, there is a need for advanced onboard processing system architectures. The project’s overall objective is to provide enhanced intelligence and autonomy to the aerial vehicles and small satellites in Earth monitoring applications using technologies such as artificial intelligence, embedded systems and optimized high-performance computing. The intended work aims toward building the complex autonomous satellite and unmanned aerial vehicles (UAVs) systems as elements of a larger concert of agents. ARIEL will address the challenges and opportunities of artificial intelligence using optical imagery, and system development for intensive onboard data processing with a focus on new concepts, methods, and technologies that are revolutionizing small satellite and UAV capabilities in terms of real-time data analytics. Key research challenges are (i) the development of efficient methodology for remote sensing applications, (ii) system design incorporating developed methodology, and (iii) evaluation of the performance, benefits, and feasibility of the use cases. The project brings together a multi-disciplinary team of leading scientists and industry partners with expertise in remote sensing, machine learning, autonomy, high-performance and reconfigurable computing, small satellite systems, bio-geo-chemistry, and ecology.