Eine Lichtshow endete in einer Kettenkollision, als fünfzig Drohnen mitten im Flug zusammenstießen. Die Behörden und Techniker vermuten, dass der Rauch eines pyrotechnischen Effekts die Näherungssensoren gesättigt hat. Zur Bestätigung wurde eine forensische Rekonstruktion eingeleitet, die Luftbildfotogrammetrie und Echtzeitsimulation kombiniert, um den Okklusionsfehler in einem digitalen Zwilling des Ereignisses zu reproduzieren.
Rekonstruktion der Flugbahnen mit RealityCapture und Pix4D 🚁
Der erste Schritt war die Erfassung des Showraums durch mehrere Luft- und Bodenaufnahmen. RealityCapture verarbeitete die Bilder, um eine dichte Punktwolke der Umgebung zu generieren, einschließlich der genauen Position jeder Drohne im Moment vor dem Aufprall. Parallel dazu wurde Pix4D verwendet, um die individuellen Flugvektoren aus den Telemetriedaten zu berechnen, Drift zu korrigieren und die Routen mit dem 3D-Modell abzugleichen. Dieser Prozess ermöglichte es, die Bereiche mit der höchsten Rauchpartikeldichte zu identifizieren, in denen die Okklusionssensoren versagten, da sie die Nähe benachbarter Fluggeräte nicht erkannten. Die Fusion beider Programme erzeugte eine Wärmekarte potenzieller Kollisionen, die die genauen Punkte markierte, an denen sich die Fehlerkette ausbreitete.
Simulation in Unreal Engine 5: Rauch als kritische Variable 🎮
Mit dem fertigen digitalen Zwilling wurden die rekonstruierten Flugbahnen in Unreal Engine 5 importiert. Dort wurde eine Simulation durchgeführt, die die Licht- und Partikelbedingungen der Originalshow nachbildete. Bei Aktivierung des volumetrischen Raucheffekts zeigten die virtuellen Sensoren der Drohnen einen Genauigkeitsverlust bei der Erkennung naher Objekte, was die Okklusionsfehler-Hypothese bestätigte. Die Visualisierung der Flugvektoren und Aufprallpunkte in Echtzeit bestätigte, dass die Sättigung des LiDAR-Sensors durch die Schwebepartikel die Grundursache der Kettenreaktion war, und lieferte eine technische Lektion für zukünftige Schwarmdesigns in Umgebungen mit physikalischen Störungen.
Wie modelliert man die Rauchausbreitung und Sensorokklusion in einem 3D-digitalen Zwilling korrekt, um Kettenkollisionen während einer Drohnenshow bei eingeschränkter Sicht vorherzusagen?
(PS: Flugbahnen zu simulieren ist wie Billardspielen, nur dass man danach nicht den Tisch putzen muss.)