Projektziele

• Entwicklung eines schnellen Teleskopsystems für die Erkennung und Verfolgung von Drohnen
• Deep Learning-Objekterkennung und -Verfolgung in Echtzeit
• Kamerabasierte Regelung und Nachführung

Beschreibung

Drohnen und andere Arten von unbemannten Flugobjekten (UAVs) gewannen in den letzten Jahren nicht nur im professionellen, sondern auch im privaten Sektor massiv an Popularität. Vorfälle, wie die Schließung des Londoner Flughafens Gatwick aufgrund der Sichtung einer Drohne, zeigen, dass die Fortschritte in der UAV-Technologie eine Bedrohung der öffentlichen Sicherheit darstellen. Die frühzeitige Identifizierung ankommender UAVs ist für die Lagebeurteilung von höchster Priorität.
Kommerzielle Drohnenerkennungssysteme nutzen multispektrale Erkennungssysteme zur Objekterkennung und -identifizierung. Hierfür wird das auf das Zusammenspiel verschiedener Sensoren gesetzt, um Objekte erkennen und identifizieren zu können. Die folgende Abbildung zeigt ein Beispiel, bei dem ein Objekt in einer Entfernung von 5 bis 10 km mit Hilfe von Radar erkannt wird. Problematisch ist jedoch, dass nur schwer eine Unterscheidung zwischen UAV und beispielsweise einem Vogel getroffen werden kann. Hierfür werden optische Sensoren verwendet, welche basierend auf einem aufgenommenen Kamerabild das Objekt eindeutig klassifizieren können. Die Einsatzdistanz dieser optischen Komponente ist zur Zeit auf ein bis zwei Kilometer limitiert, was im Falle einer Bedrohung nur kurze Reaktionszeiten zulässt.

Abb. 1 Typischer, schalenartiger Aufbau eines kommerziellen Drohnendetektions- und Abwehrsystems. Unter Umständen bleiben nur 15 Sekunden für die optische Erfassung, Identifikation und Situationsbeurteilung.

OptoFence II zielt darauf ab, eine teleskopbasierte optische Plattform zu entwickeln, um ein größeres Identifikationsgebiet zu ermöglichen und die Zeitspanne für die Lagebeurteilung erheblich zu verlängern. Durch die Kombination einer präzisen und schnellen Montierung, eines hochwertigen Teleskops, eines Kamerasystems sowie fortschrittlicher Methoden der Regelungstechnik und Computer Vision entsteht eine vielseitige optische Plattform für die optische Erkennung, Verfolgung und Identifizierung von UAVs.

Abb. 2 Links: Darstellung des OptoFence II Systemkonzeptes. Ein Teleskopsystem erlaubt die Erfassung und Beobachtung anfliegender Objekte. Rechts: Beispielhafte Aufnahme einer Drohne durch das Teleskop.

Abb. 2 Links: Darstellung des OptoFence II Systemkonzeptes. Ein Teleskopsystem erlaubt die Erfassung und Beobachtung anfliegender Objekte. Rechts: Beispielhafte Aufnahme einer Drohne durch das Teleskop.

Das Grundkonzept ist in Abbildung 2 dargestellt. Ein geeignetes Paar aus Teleskopen und Kameras liefert hochauflösende Bilder. Diese werden mithilfe moderner Deep-Learning-Algorithmen analysiert, um die Position des UAVs in den einzelnen Bildern zu extrahieren. Hierfür wurde im Projekt eine effiziente Softwarearchitektur implementiert, welche das Detektieren und Verfolgen von Drohnen mit bis zu 100 Bildern pro Sekunde ermöglicht. Für die Regelung der Teleskopplattform wurden modellbasierte Regler entwickelt, welche hochdynamische Positionierung des Systems und Verfolgung von Drohnen mit Geschwindigkeiten bis zu 250 km/h ermöglicht. Zusätzlich ermöglicht eine eigens implementierte automatische Fokusnachführung, die Drohne scharf im Fokus zu halten.

Das implementierte Gesamtsystem wurde während Feldtests unter diversen Szenarien intensiv getestet. Es wurde demonstriert, dass kleine Drohnen, wie beispielsweise die DJI Mavic 3, über Distanzen von 100 m bis 5 km vollautomatisch detektiert und verfolgt werden können.

Abb. 3 Implementiertes Teleskopsystem für die Detektion und Verfolgung von Kleindrohnen über mehrere Kilometer

Abb. 3 Implementiertes Teleskopsystem für die Detektion und Verfolgung von Kleindrohnen über mehrere Kilometer

Anwendungen

• Drohnenaufklärung

Relevante Publikationen

• C. Naverschnigg, A. Sinn, D. Ojdanić, and G. Schitter, Analysis of the system dynamics of small deployable telescopes and the impact of support structures, Precision Engineering, vol. 99, pp. 427–439, 2026.
• C. Naverschnigg, D. Ojdanić, A. Sinn, and G. Schitter, Analysis and control of a robotic telescope system for high-speed small-UAV tracking, IEEE Aerospace and Electronic Systems Magazine, vol. 40, iss. 3, pp. 34–46, 2024.
• C. Naverschnigg, D. Ojdanić, A. Sinn, and G. Schitter, Trajectory tracking control for high-speed positioning of robotic telescope systems for optical UAV detection, in Proceedings of the 10th International Conference on Control and Robotics Engineering (ICCRE), pp. 61–67, 2025.
• C. Naverschnigg, A. Sinn, K. Waltenberger, D. Ojdanić, and G. Schitter, Rapid GNSS-based calibration and target localization strategy for deployable optical UAV detection systems, IEEE Sensors Journal, vol. 25, iss. 17, pp. 33703–33712, 2025.
• C. Naverschnigg, A. Sinn, D. Zelinskyi, D. Ojdanić, and G. Schitter, Telescope-based scanning LiDAR system for eye-safe long-range UAV localization and tracking, Optics Express, vol. 34, iss. 3, pp. 3713–3731, 2026.
• C. Naverschnigg, D. Ojdanić, A. Sinn, and G. Schitter, Deep learning-based flight path prediction for optical UAV tracking, in Signal Processing, Sensor/Information Fusion, and Target Recognition XXXIV, 2025.
• D. Ojdanić, A. Sinn, C. Naverschnigg, and G. Schitter, Feasibility Analysis of Optical UAV Detection Over Long Distances Using Robotic Telescopes, IEEE Transactions on Aerospace and Electronic Systems, vol. 59, iss. 5, pp. 5148-5157, 2023.
• D. Ojdanić, C. Naverschnigg, A. Sinn, D. Zelinskyi, and G. Schitter, Parallel Architecture for Low Latency UAV Detection and Tracking Using Robotic Telescopes, IEEE Transactions on Aerospace and Electronic Systems, vol. 60, iss. 4, pp. 5515-5524, 2024.
• D. Ojdanić, D. Zelinskyi, C. Naverschnigg, A. Sinn, and G. Schitter, High-speed telescope autofocus for UAV detection and tracking, Optics Express, vol. 32, iss. 5, p. 7147–7157, 2024.
• D. Ojdanić, N. Paternoster, C. Naverschnigg, A. Sinn, and G. Schitter, Evaluation of the required optical resolution for deep learning-based long-range UAV detection, in Pattern Recognition and Tracking XXXV, 2024.
• D. Ojdanić, C. Naverschnigg, A. Sinn, and G. Schitter, Algorithm evaluation for parallel detection and tracking of UAVs, in Optics, Photonics, and Digital Technologies for Imaging Applications VIII, 2024.
• D. Ojdanić, C. Naverschnigg, A. Sinn, and G. Schitter, Deep learning-based long-distance optical UAV detection: color versus grayscale, in Pattern Recognition and Tracking XXXIV, 2023.
• D. Ojdanić, B. Gräf, A. Sinn, H. W. Yoo, and G. Schitter, Camera-guided real-time laser ranging for multi-UAV distance measurement, Appl. Opt., vol. 61, iss. 31, p. 9233–9240, 2022.
• D. Ojdanic, A. Sinn, C. Schwaer, and G. Schitter, UAV Detection and Tracking with a Robotic Telescope System, in Proceedings of the Advanced Intelligent Mechatronics Conference 2021, 2021.

Projektpartner

• ASA Astrosysteme GmbH
• Bundesministerium für Landesverteidigung

Funding

Das Projekt wird innerhalb des Verteidigungsforschungs–Förderprogramm FORTE durch das Bundesministerium für Finanzen (BMF) gefördert.