The purpose of this project was to create an active dampening suspension for a small prototype that was able to detect obstacles using infrared sensors. The suspension system consisted of servomotors that controlled the angle of a leg upon which a wheel was attached. The infrared distance sensor measured the height of obstacles and the necessary raising of the suspension was calculated on a microcomputer of type Arduino Uno. It was concluded that the constructed system of suspension and obstacle detection was inadequate. Most subsystems worked but not as a whole. / Syftet med detta projekt var att konstruera en aktiv stötdämpning för en mindre prototyp som skulle upptäcka hinder med hjälp av infraröda sensorer. Upphängningen bestod av servomotorer som styrde vinkeln på benen där hjulen var monterade. De infraröda sensorerna mätte höjden på hindren och hur mycket upphängningen skulle lyftas beräknades sedan med en mikrodator av typen Arduino Uno. Slutsatsen blev att det konstruerade system av upphängning och hinder-detektion var otillräckligt. De flesta delsystemen fungerade men inte helheten.

<p>An image that has been subject to the out-of-focus phenomenon has reducedsharpness, contrast and level of detail depending on the amount of defocus. Torestore out-of-focused images is a complex task due to the information loss thatoccurs. However there exist many restoration algorithms that attempt to revertthis defocus by estimating a noise model and utilizing the point spread function.The purpose of this thesis, proposed by FLIR Systems, was to find a robustalgorithm that can restore focus and from the customer’s perspective be userfriendly. The thesis includes three implemented algorithms that have been com-pared to MATLABs built-in. Three image series were used to evaluate the limitsand performance of each algorithm, based on deblurring quality, implementationcomplexity, computation time and usability.Results show that the Alternating Direction Method for total variation de-convolution proposed by Tao et al. [29] together with its the modified discretecosines transform version restores the defocused images with the highest qual-ity. These two algorithms include features such as, fast computational time, fewparameters to tune and a powerful noise reduction.</p>

In the master thesis about object detection(OD) using deep convolutional neural network(DCNN), the area of OD is being tested when being applied to infrared images(IR). In this thesis the, goal is to use both long wave infrared(LWIR) images and short wave infrared(SWIR) images taken from an airplane in order to train a DCNN to detect runways, Precision Approach Path Indicator(PAPI) lights, and approaching lights. The purpose for detecting these objects in IR images is because IR light transmits better than visible light under certain weather conditions, for example, fog. This system could then help the pilot detect the runway in bad weather. The RetinaNet model architecture was used and modified in different ways to find the best performing model. The models contain parameters that are found during the training process but some parameters, called hyperparameters, need to be determined in advance. A way to automatically find good values of these hyperparameters was also tested. In hyperparameter optimization, the Bayesian optimization method proved to create a model with equally good performance as the best performance acieved by the author using manual hyperparameter tuning. The OD system was implemented using Keras with Tensorflow backend and received a high perfomance (mAP=0.9245) on the test data. The system manages to detect the wanted objects in the images but is expected to perform worse in a general situation since the training data and test data are very similar. In order to further develop this system and to improve performance under general conditions more data is needed from other airfields and under different weather conditions.

Infrared small target detection is widely used in fields such as military and security. UNet, which is a classical semantic segmentation method proposed in 2015, has shown excellent performance and robustness. However, U-Net suffers from the problem of losing small targets in deep layers after multiple down-sampling operations. Dilated convolution, as a special convolution that can increase the receptive field without increasing the number of parameters, is considered to be able to optimize the problems caused by down-sampling. Dense Nested Attention Network (DNANet), due to its superior performance, was chosen as the baseline, but it still has the issue of target loss. This study proposes three optimization directions: deep down-sampling replaced by cascaded dilated convolution, dilated spatial attention, and dilated residual block. In these three directions, this study proposes four methods, respectively DNANet-DS-1, DNANet-DS-2, DNANet-Att, and DNANet-RB. Two open-source infrared small target datasets, NUDT-SIRST and NUAA-SIRST, were used in this study. The four proposed methods were trained and tested on these two datasets. Among them, DNANetRB significantly outperforms other methods on the NUAA-SIRST dataset, so further experiments were conducted to observe the influence of different network depths on DNANet-RB. The experimental result indicates that when the network depth exceeds a certain threshold, the network can only achieve marginal improvements, but the number of parameters will increase significantly. / Infraröd detektering av små mål används ofta inom områden som militär och säkerhet. U-Net, som är en klassisk semantisk segmenteringsmetod som föreslogs 2015, har visat utmärkt prestanda och robusthet. U-Net lider dock av problemet med att förlora små mål i djupa lager efter flera nedprovningsoperationer. Dilaterad konvolution, som är en speciell konvolution som kan öka det receptiva fältet utan att öka antalet parametrar, anses kunna optimera de problem som orsakas av downsampling. DNANet (Dense Nested Attention Network) valdes som baslinje på grund av dess överlägsna prestanda, men det har fortfarande problemet med målförlust. Denna studie föreslår tre optimeringsriktningar: djup nedsampling ersatt av kaskad dilaterad konvolution, dilaterad rumslig uppmärksamhet och dilaterat restblock. I dessa tre riktningar föreslår denna studie fyra metoder, respektive DNANet-DS-1, DNANet-DS-2, DNANet-Att och DNANet-RB. Två dataset med små infraröda mål med öppen källkod, NUDT-SIRST och NUAA-SIRST, användes i denna studie. De fyra föreslagna metoderna tränades och testades på dessa två datamängder. Bland dem överträffar DNANet-RB betydligt andra metoder på NUAA-SIRST-datasetet, så ytterligare experiment genomfördes för att observera påverkan av olika nätverksdjup på DNANet-RB. Det experimentella resultatet visar att när nätverksdjupet överskrider ett visst tröskelvärde kan nätverket bara uppnå marginella förbättringar, men antalet parametrar kommer att öka avsevärt.

An image that has been subject to the out-of-focus phenomenon has reducedsharpness, contrast and level of detail depending on the amount of defocus. Torestore out-of-focused images is a complex task due to the information loss thatoccurs. However there exist many restoration algorithms that attempt to revertthis defocus by estimating a noise model and utilizing the point spread function.The purpose of this thesis, proposed by FLIR Systems, was to find a robustalgorithm that can restore focus and from the customer’s perspective be userfriendly. The thesis includes three implemented algorithms that have been com-pared to MATLABs built-in. Three image series were used to evaluate the limitsand performance of each algorithm, based on deblurring quality, implementationcomplexity, computation time and usability.Results show that the Alternating Direction Method for total variation de-convolution proposed by Tao et al. [29] together with its the modified discretecosines transform version restores the defocused images with the highest qual-ity. These two algorithms include features such as, fast computational time, fewparameters to tune and a powerful noise reduction.

Detta självständiga arbete undersöker stridstekniska obemannade luftfarkostsystem (SUAV) och potentiella tekniska system som är motverkande mot obemannade luftfarkoster (CUAS). Nyttjandet av stridstekniska obemannade luftfarkostsystem har ökat kraftigt och har observerats i både Syrien och Ukraina. I den ryska armén har de sett framgångsrik användning i samverkan med befintliga artillerisystem. Syftet med detta självständiga arbete är att analysera och förstå de effekter som tekniken har på militära operationer. I detta arbete används det militärtekniska konceptet ’militär nytta’ Andersson m.fl. (2015) i kombination med Johnsonkriteriet som används för att beräkna räckvidden på infraröda sensorer. Tillsammans med användningen av systemanalys och scenariobaserade metoder, har stridstekniska obemannade luftfarkostsystem och tekniska system som är motverkande mot obemannade luftfarkoster värderats med konceptet militär nytta. Slutsatserna från detta arbete visar att stridstekniska obemannade luftfarkostsystem har en god militär nytta då de används mot en motoriserad skyttebataljon (militär aktör), i förberedelsefasen av en fördröjningsstrid (kontext). Vid värderingen av de två tekniska systemalternativen som motverkar obemannade luftfarkoster; eldvapensystem och robotsystem, har bärbara luftvärnsrobotsystem bedömts ha en bättre militär nytta än automatkanonsystem på grund av dess möjliga användning i avsuttna operationer. / This independent project studies Small Unmanned Aerial Vehicles and potential Counter Unmanned Aerial Systems. The usage of Small Unmanned Aerial Systems has grown rapidly and has seen use in warfare in both Syria and Ukraine. In the Russian armed forces, they have seen successful use when used in combination with legacy artillery systems. The purpose of this independent project is to analyse and understand the effects that technology has on military operations. In this project, a military-technology concept called ‘military utility’ Andersson et al. (2015) is used in combination with the Johnson criteria which is used to calculate infrared sensor range. Together with the use of systems analysis and scenario-based methods, Small Unmanned Aerial Vehicles and two identified Counter Unmanned Aerial System alternatives have been assessed with the military utility concept. The conclusions of this independent project show that Small Unmanned Aerial Vehicles have a good degree of military utility when used against a motorized infantry battalion (military actor), in the preparatory phase of a delay operation (context). When assessing the two Counter Unmanned Aerial System alternatives; gun-based systems and missile air defence systems, man-portable air-defence systems have, because of their possible use in dismounted operations, been considered to have a greater military utility in comparison to autocannon systems.

På grund av ökad urbanisering och exploatering av grönområden i stadsnära miljöer fragmenteras och reduceras arters habitat vilket bland annat ligger till grund för den globalt minskade biologiska mångfalden. För att stärka och förbättra arters möjlighet till spridning i landskapet, och därmed säkra en hög biologisk mångfald, efterfrågas insamling av data och utveckling av nya metoder för att identifiera ekologiska kärnområden och för att analysera habitatnätverk. Syftet med den här studien är därför att 1) kartera och sammanställa biotoper i en biotopdatabas utifrån tolkning av infraröda flygbilder med digital stereofotogrammetri, 2) undersöka olika metoder att samla in data med hjälp av laser- och höjddata, och 3) att tillämpa landskapsekologisk analys på underlag i biotopkarteringen. Resultatet validerar att tolkning av infraröda flygbilder med digital stereofotogrammetri är en utmärkt källa för att kartera biotoper som medför en tolkningsnoggrannhet på 86 %. Valideringen av kateringen genomfördes med fältkontroller som utvärderades i felmatriser. En metod har även undersökts baserat på tidigare studier för att uppskatta busk- och krontäckning med hjälp av laserdata, men eftersom det saknas validering av resultatet bör den användas som en indikator för att visuellt uppskatta busk- och krontäckning i dagsläget. Fortsättningsvis har ett topografiskt fuktighetsindex (TWI) tillämpats med hjälp av höjddata för att uppskatta fuktighet i vegetationstäckta områden. Eftersom det saknas validering och tröskelvärden för att avgöra hur TWI ska klassificera olika fuktighetsgradienter, bör verktyget endast användas som en indikator för att visuellt uppskatta fuktighet tillsammans med tolkning av infraröda flygbilder. Om metoderna valideras med fältmätningar kan de bidra med att förbättra kvaliteten och tidseffektivisera kartering av biotoper. Biotopkarteringen fungerar som ett bra underlag vid tillämpning av landskapsekologisk analys. Med hjälp av MatrixGreen var det möjligt att modellera potentiella habitatnätverk för två olika arter inom studieområdet. På grund av en del problem med modelleringen i MatrixGreen bör resultaten beaktas med ett kritiskt angreppssätt, men kan eventuellt användas som ett underlag för framtida artinventeringar. / Due to urbanisation and exploitation of green areas in cities during the last decades, the rate of habitat fragmentation has increased, resulting in a decline in the global biodiversity. In order to strengthen the possibilities of species migration, and to secure a high biodiversity, there is an increasing demand in the collection of data and in the exploration of methods to identify ecological core areas and to analyse habitat networks at a landscape level. Therefore, this study aims to 1) map and organise biotopes in a biotope database using interpretation of colour infrared aerial photos in digital stereophotogrammetry, 2) to explore different methods using laser and elevation data in order to improve the collection of ecologically important attributes, and 3) to apply landscape ecological analysis on the collected biotope data. The results validate interpretation of colour infrared aerial photos with digital stereophotogrammetry as a key source in mapping biotopes with an overall accuracy of 86 %. A method to estimate bush and crown cover has been explored based on previous studies using laser data. It has however not been validated in this study and should therefore be used as an indicator and as support for visual estimation of bush and crown coverage using CIR aerial photo interpretation. Furthermore, a topographic wetness index (TWI) was applied using elevation data in order to estimate moisture regimes in vegetated areas. It should also be used as an indicator due to lack of verification and limitations of arranging TWI values in relation to different moisture regimes. However, if these two methods are validated using field collected data for example, they hold significant potential in improving mapping accuracies and mapping rates of different biotopes. Collected biotope data are well suited in the application of landscape ecological analysis. Using MatrixGreen, it was possible to analyse potential habitat networks of two different species within the study area. Due to some problems in the least cost path modeling in MatrixGreen, the results should be carefully assessed, but could probably be used as a background material for future species inventories.

This master thesis project was based on the development and evaluation of an open learning material in thermal imaging for automation applications. The outsourcer – FLIR Systems – wanted a three-day course covering all necessary topics for infrared cameras in automation applications. These topics include thermography, optics, detectors, networks, protocols, and more. The open learning material was designed to function as a three-day, self-paced, distance course, and it was based on theories of andragogy, self-directed learning and transformative learning. The master thesis process was essentially divided into two phases: the development phase and the evaluation phase. The method for the development phase was based on a literature study. The literature on creating open learning material included ways of compensating for the lack of social interaction in distance courses, such as a friendly, warm narrator using the pronoun “I”, encouraging phrases, and self-assessment questions (SAQs). An SAQ is a framing of question intended to guide the learner towards self-assessment of his or her learning and knowledge. The vital part of the SAQ is the response, where not only the correct answer is given, but feedback on the wrong choices too. The development of the open learning material was an iterative process where discussion with supervisors at FLIR Systems and KTH Royal Institute of Technology led to improvements of the material. The evaluation phase consisted of two tests with test subjects. The first test was conducted by sending a sample unit of the material to test subjects around the world along with a questionnaire. The main objective was to test the tone and style of the material. There were variations in the result, but the majority found the material friendly and readable. The second test was an in-house test with three participants. Three sample units of the material was used, and the main objective was to test the usability of the material and the test subjects’ perceived learning process. The usability of the material varied with the three test subjects and depended on their technological prerequisites and reading comprehension in English. All test subjects responded positively to their perceived learning outcome. The following conclusions were drawn: the open learning material has the potential to promote autonomous and self-directed learners and can be used as a basis for further development – such as web-based courses and teacher-led classes. The open learning material as a whole and the results and analysis from the tests are included as appendices. / Detta examensarbete baserades på utveckling och utvärdering av ett öppet läromedel i termografi för automationstillämpningar. Uppdragsgivaren – FLIR Systems – hade uttryckt ett behov av en tredagarskurs som täckte alla nödvändiga ämnen för infraröda kameror för automationstillämpningar. Dessa ämnen var bland annat termografi, optik, detektorer, nätverk, protokoll med flera. Det öppna läromedlet var designat för att fungera som en tredagars distanskurs och det var baserat på teorier om andragogik, självstyrt lärande och transformativt lärande. Examensarbetets process bestod i huvudsak av två faser: utvecklingsfasen och utvärderingsfasen. Metoden för utvecklingsfasen baserades på en litteraturstudie. Litteraturen i skapande av öppet läromedel inkluderade tillvägagångssätt för att kompensera för bristen av social interaktion i distanskurser, så som en vänlig och varm berättarröst som använder pronomenet ”jag”, uppmuntrande fraser och självbedömningsfrågor (SAQ, Self-Assessment Question). En självbedömningsfråga är en frågeställning menad att leda den lärande mot självbedömning av hens lärande och kunskap. Den viktiga delen av självbedömningsfrågan är responsen, där inte bara det rätta svaret är givet, utan också feedback på de felaktiga svaren. Utvecklingen av det öppna läromedlet var en iterativ process där diskussion med handledare på FLIR Systems och Kungliga Tekniska högskolan ledde till förbättringar i materialet. Utvärderingsfasen bestod av två test med försökspersoner. Det första testet utfördes genom att skicka en provenhet av materialet till försökspersoner över hela världen tillsammans med en enkät. Huvudsyftet med testet var att testa tonen och stilen på materialet. Resultatet var varierande, men majoriteten av testpersonerna fann materialet vänskapligt och läsligt. Det andra testet var ett internt test med tre deltagare. Tre provenheter från materialet användes och huvudsyftet var att testa användbarheten av materialet och försökspersonernas upplevda läroprocess. Användbarheten av materialet varierade hos de tre försökspersonerna och berodde på deras tekniska förutsättningar och läsförståelse i engelska. Alla försökspersoner gav positiv respons om deras upplevda läranderesultat. Följande slutsatser drogs: det öppna läromedlet har potential att främja autonomt och självstyrt lärande, samt kan användas som en bas för fortsatt utveckling så som webbaserade kurser och lärarledda kurser. Det öppna läromedlet i sin helhet och resultat och analys av testen är inkluderade som bilagor.

This thesis presented an overview of the development of a geolocating algorithm as part of a geoprocessor for raw satellite imagery. This algorithm was devised for and limited by the specifications of a state-of-the-art multispectral telescope designed by Aistech Space, hosted onboard the Guardian spacecraft, which will observe Earth through the visible, near infrared, and thermal infrared bands of the electromagnetic spectrum. The geolocation algorithm presented here is composed of the combination of two models. The first is a physical model, which makes use of spacecraft telemetry and external satellite-tracking data to approximate the geographical center of a sensed scene. Secondly, an optical model obtains a reference Landsat image based on the timestamp and approximated location of the sensed scene and utilizes image processing techniques to pinpoint a more precise geographical location of the sensed scene within acceptable limits. This performance was achieved in 77% of the cases considered. To conclude, a roadmap of the subsequent development topics and their relevance was laid out. / Detta examensarbete presenterar en översikt för utvecklingen av en geolokaliseringsalgoritm som en del av en geoprocessor för obearbetade satellitbilder. Algoritmen anpassades för och begränsades av specifikationerna för ett toppmodernt multispektralt teleskop designat av Aistech Space. Teleskopet kommer att finnas ombord på rymdfarkosten Guardian, där den är avsedd att observera jorden i de synliga, nära infraröda och termiska infraröda delarna av det elektromagnetiska spektrumet. Geolokaliseringsalgoritmen som presenteras i detta arbete är sammansatt av en kombination av två modeller. Den första är en fysisk modell, vilken använder sig av rymdfarkostens telemetri och extern satellitspårningsdata för att approximera det geografiska centrumet av en plats. Den andra är en optisk modell, vilken använder sig av en Landsat-referensbild baserad på tidsstämpeln och den ungefärliga positionen av platsen och använder sedan bildbehandlingstekniker för att fastställa en mer exakt geografisk position av platsen inom acceptabla gränser. Denna prestation lyckades uppnås i 77% av de övervägda fallen. Avslutningsvis lades en plan ut för de efterföljande utvecklingsämnena och deras relevans.

Gaze estimation is the process of determining where a person is looking, which has recently become a popular research area due to its broad range of applications. For example, tools that estimate gaze are used for research, medical diagnosis, virtual and augmented reality, driver assistance system, and many more. Therefore, better products are sought by many. Gaze estimation methods typically use images of only the eyes or the whole face to estimate the gaze since these methods are the most practical and convenient options. Recently, Convolutional Neural Networks (CNNs) have been appealing candidates for estimating the gaze. Nevertheless, the recent success of Vision Transformers (ViTs) in image classification tasks has introduced a new potential alternative. Hence, this work investigates the potential of using ViTs to estimate the gaze on Near-Infrared (NIR) images. This is done in terms of average error and computational complexity. Furthermore, this work examines not only pure ViTs but other models, such as hybrid ViTs and CNN-Formers, which combine CNNs and ViTs. The empirical results showed that hybrid ViTs are the only models that can outperform state-of-the-art CNNs such as MobileNetV2 and ResNet-18 while maintaining similar computational complexity to ResNet-18. The results on hybrid ViTs indicate that the convolutional stem is the most crucial part of them. Improved convolutional stems lead to better outcomes. Moreover, in this work, we defined a new training algorithm for hybrid ViTs, the hybrid Data-Efficient Image Transformer (DeiT) procedure, which has shown remarkable results. It is 3.5% better than the pretrained ResNet-18 while having the same time complexity. / Blickuppskattning är processen att uppskatta en persons blick, vilket nyligen har blivit ett populärt forskningsområde på grund av dess breda användningsområde. Till exempel, verktyg för blickuppskattning används inom forskning, medicinsk diagnos, virtuell och förstärkt verklighet, förarassistanssystem och för mycket mer. Därför, bättre produkter för blickuppskattning eftersträvas av många. Blickuppskattnings metoder vanligtvis använder bilder av endast ögonen eller hela ansiktet för att uppskatta blicken eftersom denna typen av metoder är de mest praktiska och lämliga alternativ. På sistånde har Convolutional Neural Networks (CNNs) varit tilltalande kandidater för att uppskatta blicken. Dock, har den senaste framgången med Vision Transformers (ViTs) i bildklassificeringsuppgifter introducerat ett nytt potentiellt alternativ. Därför undersöker detta arbete potentialen av att använda ViTs för att uppskatta blicken på Nära-infraröda (NIR) bilder. Undersökningen görs både i termer av medelfel och beräkningskomplexitet. Hursomhelst, detta arbete undersöker inte enbart rena ViTs utan andra modeller, som hybrida ViTs och CNN-Formers, som kombinerar CNNs och ViTs. De empiriska resultaten visade att hybrida ViTs är de enda modellerna som kan överträffa toppmoderna CNNs som MobileNetV2 och ResNet-18 samtidigt som de bibehåller liknande beräkningskomplexitet som ResNet-18. Resultaten på hybrida ViTs indikerar att faltningsstammen är den mest avgörande delen av dem. Det vill säga, desto bättre faltningsstamm en har desto bättre resultat kan man erhålla. Dessutom definierade vi i detta arbete en ny träningsalgoritm för hybrida ViTs, vilket vi kallar hybrida Data-Efficient Image Transformer (DeiT) procedur som har visat anmärkningsvärda resultat. Den är 3,5% bättre än den förtränade ResNet-18 samtidigt som den har samma tid komplexitet.