In situazioni di emergenza, la rapidità e l’efficacia delle operazioni di ricerca possono fare la differenza tra la vita e la morte. Le tecnologie moderne stanno rivoluzionando il modo in cui le forze pubbliche e la protezione civile affrontano le operazioni di ricerca di persone scomparse. Tra queste innovazioni, il sistema di Sezionamento Ottico Aereo rappresenta un passo avanti significativo per migliorare le capacità di rilevamento, specialmente in aree con densa vegetazione o terreni impervi. Questo articolo è destinato agli enti pubblici, come la Protezione Civile e le forze di pubblica sicurezza, che già utilizzano droni con telecamere RGB e termiche, e mira a illustrare i vantaggi e le modalità di utilizzo di questa tecnologia.
La Sfida del Rilevamento in Ambiente Naturale
Quando una persona scompare in una foresta o in aree con elevata copertura vegetale, le telecamere tradizionali, sia RGB che termiche, faticano a fornire immagini chiare del terreno sottostante. Le chiome degli alberi, i cespugli e altre forme di vegetazione rendono difficile, se non impossibile, vedere cosa si trova al di sotto. Anche le termocamere, che rilevano le variazioni di temperatura, sono spesso limitate dagli ostacoli fisici che bloccano la linea di vista.
La tecnologia di Sezionamento Ottico Aereo affronta questo problema in maniera innovativa, utilizzando un approccio basato su una apertura sintetica. Questo permette di integrare più immagini catturate da diverse posizioni durante il volo del drone, creando una visione più profonda del terreno, riducendo significativamente gli effetti delle occlusioni.
Come Funziona il Sezionamento Ottico Aereo (SOA)
Questo sistema utilizza immagini raccolte da differenti angolazioni per creare un’immagine sintetica che evidenzia ciò che si trova sotto la vegetazione. Durante il volo, il drone cattura immagini singole in successione, che vengono poi elaborate in modo da rimuovere le occlusioni, come le foglie degli alberi, rivelando potenziali anomalie o la presenza di persone sul terreno.
Questa tecnica è particolarmente efficace quando combinata con l’imaging termico. Le immagini termiche, che sono in grado di rilevare il calore corporeo, beneficiano di una maggiore chiarezza una volta integrate con questo metodo. Questo significa che, anche in situazioni in cui una persona è nascosta sotto una chioma di alberi, è possibile rilevare il calore generato dal suo corpo, migliorando significativamente la probabilità di successo dell’operazione di ricerca.
Immagini singole di canali RGB e termici durante la scansione |
Risultato del Sezionamento Ottico SOA per migliorare la visibilità |
Vantaggi per le Forze di Pubblica Sicurezza e la Protezione Civile
- Rimozione delle Occlusioni: Il sistema permette di eliminare l’effetto delle occlusioni vegetali, rendendo visibili aree che sarebbero altrimenti inaccessibili attraverso le sole telecamere standard.
- Integrazione di RGB e Termico: La combinazione di canali RGB e termici fornisce un quadro completo della situazione, consentendo di rilevare dettagli visibili insieme a variazioni di calore. Questo è fondamentale per la localizzazione di persone in difficoltà che potrebbero essere nascoste.
- Maggiore Copertura in Meno Tempo: La possibilità di ottenere informazioni più dettagliate da ogni passaggio riduce la necessità di sorvolare ripetutamente la stessa area, consentendo una copertura più ampia in meno tempo.

Mappa di scansione: pianificazione dell’area da sorvolare con la tecnologia SOA per ottimizzare la copertura del terreno

Schema della scansione: il drone raccoglie immagini da diverse posizioni per creare un’apertura sintetica che riduce l’effetto delle occlusioni
Esempio di Applicazione
Immaginiamo un caso reale: una persona scompare all’interno di un fitto bosco. Il drone equipaggiato con telecamere RGB e termiche effettua un sorvolo dell’area, catturando immagini che vengono elaborate con il sistema. La combinazione delle immagini da diverse prospettive crea una mappa dettagliata del sottobosco, riducendo l’impatto delle chiome degli alberi e aumentando la probabilità di rilevare una presenza umana.
La figura sotto mostra chiaramente come il sistema riesca a individuare dettagli nascosti grazie alla sintesi delle immagini, migliorando la visibilità delle aree coperte dalla vegetazione.

Il sistema in azione: identificazione di persone nascoste sotto la vegetazione grazie all’elaborazione delle immagini sintetiche
- di1 e di2: Sono le distanze orizzontali tra i droni durante la scansione, rispettivamente a un’altitudine più bassa (h1) e a un’altitudine più alta (h2). Queste distanze determinano quanto sono distanti i droni tra loro a diverse altezze di volo.
- max D∫: Indica la massima dimensione dell’area coperta dal campo visivo (FOV) del drone durante la scansione. In pratica, rappresenta la lunghezza massima del segmento di terreno che può essere catturato da ciascun drone.
- FOV: Il campo visivo (Field of View) di ogni drone, cioè l’area a terra che può essere osservata e acquisita dalla fotocamera del drone. Il FOV si espande a cono sotto ogni drone, ed è rappresentato dalle porzioni colorate nell’immagine.
- h1 e h2: Queste sono le altezze (altitudini) a cui i droni volano. h1 è l’altezza inferiore e h2 è l’altezza superiore. Maggiore è l’altitudine, più ampio sarà il campo visivo coperto, ma con una potenziale riduzione della risoluzione dell’immagine.

Drone in azione durante una missione di ricerca
Configurazione di volo per ottimizzare la scansione: descrizione delle distanze e delle altitudini utilizzate per garantire una copertura completa del terreno
Conclusioni
Il Sezionamento Ottico Aereo rappresenta una soluzione rivoluzionaria per le operazioni di ricerca di persone scomparse, soprattutto in ambienti naturali complessi come foreste e aree rurali. Le forze di pubblica sicurezza e la protezione civile, che già dispongono di droni equipaggiati con telecamere RGB e termiche, possono facilmente integrare questa tecnologia per migliorare la loro capacità di risposta e massimizzare l’efficacia delle loro operazioni di ricerca.
L’adozione di questi nuovi sistemi di Sezionamento Ottico potrebbe significare la differenza tra la vita e la morte in molte situazioni di emergenza. Se sei un’organizzazione che opera nel campo della ricerca e soccorso e vuoi saperne di più su come integrare questo sistema nelle tue operazioni, contattaci su Sky53 per una consulenza personalizzata.
Bibbiografia e Pubblicazioni
- Rakesh John Amala Arokia Nathan, Sigrid Strand, Daniel, Mehrwald, Dmitriy Shutin, Oliver Bimber, An Autonomous Drone Swarm for Detecting and Tracking Anomalies among Dense Vegetation, under review (2024)
- Rakesh John Amala Arokia Nathan, Sigrid Strand, Dmitriy Shutin, Oliver Bimber, Reciprocal Visibility for Guided Occlusion Removal With Drones, IEEE Geosci. Remote Sens. Lett. 21, 1 – 5 (2024).
- Mohamed Youssef and Oliver Bimber, Fusion of Single and Integral Multispectral Aerial Images, Remote Sens., 16(4), 673, (2024)
- Robert Kerschner, Rakesh John Amala Arokia Nathan, Rafal Mantiuk, Oliver Bimber, Stereoscopic Depth Perception Through Foliage, Nature Scientific Reports 14, 23056 (2024).
- Julia Pöschl, Adaptive Particle Swarm Optimization for through-foliage target detection with drone swarms (2023)
- Rakesh John Amala Arokia Nathan and Oliver Bimber, Synthetic Aperture Anomaly Imaging for Through-Foliage Target Detection, Remote Sensing, Volume 15, Number 18, (2023)
- Rakesh John Amala Arokia Nathan, Indrajit Kurmi and Oliver Bimber, Drone swarm strategy for the detection and tracking of occluded targets in complex environments, Nature Communications Engineering 2, 55, https://doi.org/10.1038/s44172-023-00104-0, (2023)
- Francis Seits, Indrajit Kurmi, and Oliver Bimber, Evaluation of Color Anomaly Detection in Multispectral Images For Synthetic Aperture Sensing, Eng, 3(4), 541-553, (2022)
- Rakesh John Amala Arokia Nathan, Indrajit Kurmi and Oliver Bimber, Inverse Airborne Optical Sectioning, Drones, Volume 6, Number 9, (2022)
- Francis Seits, Indrajit Kurmi, Rakesh John Amala Arokia Nathan, Rudolf Ortner and Oliver Bimber, On the Role of Field of View for Occlusion Removal with Airborne Optical Sectioning (2022)
- Rakesh John Amala Arokia Nathan, Indrajit Kurmi, David C. Schedl and Oliver Bimber, Through-Foliage Tracking with Airborne Optical Sectioning, Journal of Remote Sensing, Volume 2022, Article ID 9812765, (2022)
- Indrajit Kurmi, David C. Schedl, and Oliver Bimber, Combined Person Classification with Airborne Optical Sectioning, Nature Scientific Reports, 12, Article number: 3804, 2022
- Rudolf Ortner, Indrajit Kurmi, and Oliver Bimber, Acceleration-Aware Path Planning with Waypoints. Drones. 5, no. 4: 143 (2021).
- David C. Schedl, Indrajit Kurmi, and Oliver Bimber, Autonomous Drones for Search and Rescue in Forests, Science Robotics 6(55), eabg1188, https://doi.org/10.1126/scirobotics.abg1188, (2021)
- David C. Schedl, Indrajit Kurmi, and Oliver Bimber, Search and rescue with airborne optical sectioning, Nature Machine Intelligence 2, 783-790, https://doi.org/10.1038/s42256-020-00261-3 (2020)
- Indrajit Kurmi, David C. Schedl, and Oliver Bimber, Pose Error Reduction for Focus Enhancement in Thermal Synthetic Aperture Visualization, IEEE Geoscience and Remote Sensing Letters, DOI: https://doi.org/10.1109/LGRS.2021.3051718 (2021).
- Indrajit Kurmi, David C. Schedl, and Oliver Bimber, Fast automatic visibility optimization for thermal synthetic aperture visualization, IEEE Geosci. Remote Sens. Lett. https://doi.org/10.1109/LGRS.2020.2987471 (2020).
- David C. Schedl, Indrajit Kurmi, and Oliver Bimber, Airborne Optical Sectioning for Nesting Observation. Sci Rep 10, 7254, https://doi.org/10.1038/s41598-020-63317-9 (2020).
- Indrajit Kurmi, David C. Schedl, and Oliver Bimber, Thermal airborne optical sectioning. Remote Sensing. 11, 1668, https://doi.org/10.3390/rs11141668, (2019).
- Indrajit Kurmi, David C. Schedl, and Oliver Bimber, A statistical view on synthetic aperture imaging for occlusion removal. IEEE Sensors J. 19, 9374 – 9383 (2019).
- Oliver Bimber, Indrajit Kurmi, and David C. Schedl, Synthetic aperture imaging with drones. IEEE Computer Graphics and Applications. 39, 8 – 15 (2019).
- Indrajit Kurmi, David C. Schedl, and Oliver Bimber, Airborne optical sectioning. Journal of Imaging. 4, 102 (2018).
- APA: JKU Institute of Computer Graphics. (2024). AOS: Airborne Optical Sectioning [GitHub repository]. GitHub. https://github.com/JKU-ICG/AOS
- MLA: JKU Institute of Computer Graphics. AOS: Airborne Optical Sectioning. GitHub, 2024, https://github.com/JKU-ICG/AOS.