close

Вход

Забыли?

вход по аккаунту

?

Алгоритм автоматической посадки беспилотного летательного аппарата вертолетного типа с использованием бортовой оптико-электронной системы..pdf

код для вставкиСкачать
Обработка информации в навигационных, спутниковых и интегрированных системах
тельно фона, наличие фоновых помех, шумы различного происхождения и
т.д.). К основным недостаткам этих методов относится резкое снижение
вероятности правильного распознавания при геометрических искажениях
объектов, таких, как поворот, наклон ОЭС БЛА и изменение масштаба.
Кроме того, данные подходы к распознаванию изображений показывают
слабый результат при сложном многокомпонентном фоне.
Для успешного распознавания маркера наиболее эффективными являются алгоритмы, использующие его геометрические особенности. Такой
подход к задачам распознавания имеет ряд преимуществ:
- геометрическое описание маркера, а также поиск его на изображении являются менее ресурсоемкими процессами и, следовательно, требуют
меньше времени для выполнения;
- минимизирование влияния незначительных деталей изображения
на результат распознавания;
- малая зависимость вероятности правильного распознавания от
масштаба, поворота и наклона БЛА.
Основные трудности в данном подходе возникают на этапе описания геометрических признаков маркера, а также на этапе бинаризации изображения. Для верной работы алгоритма необходимо четко определить
границы всех объектов. Таким образом, решаюшую роль в построении
описания изображения играют используемые методы предварительной
обработки изображения. Точное определение "структуры" изображения
является необходимым для успешного применения метода. Рассмотрим
возможности поиска маркера с использованием его геометрических
характеристик. В процессе посадки (взлета) маркер находится в поле
зрения ОЭС БЛА. Главная задача состоит в определении координат БЛА и
выполняется путем обработки изображения, полученного с ОЭС.
Решение данной задачи состоит из нескольких этапов.
Этап 1: алгоритм поиска маркера.
Этап 2: использование найденных координат искусственно созданного ориентира (маркера) в процессе взлета (посадки) для определения координат и ориентации БЛА.
1. Алгоритм поиска маркера
Данная часть алгоритма содержит следующие операции:
- устранение геометрических искажений;
- бинаризация изображения;
- поиск линий и эллипсов на изображении;
- отбор кандидатов маркера и определение положения маркера.
Устранение геометрических искажений
Источником изображения является ТВ (ТПВ) камера. Современные
камеры описываются с помощью модели, называемой проективной камерой (projective camera). Формула, описывающая проективную камеру
(формула проецирования), имеет следующий вид [9]:
87
Известия ТулГУ. Технические науки. 2016. Вып. 11. Ч. 3
x = PX ,
где X – однородные координаты точки пространства, x – однородные координаты точки плоскости, P – матрица перехода размера 3 × 4,
P = K [R | t ] ,
где K – матрица внутренних (физические размеры пикселя, координаты
оптической оси на матрице) параметров камеры размером 3 × 3, R –
матрица, определяющая поворот камеры относительно глобальной системы координат, t – вектор, определяющий смещение камеры относительно
глобальной системы координат.
Матрица внутренних параметров имеет вид:
f x 0 cx 


K =  0 fy cy  ,
0 0
1 

где f x , f y – физические размеры пикселя, c x , c y – координаты оптической
оси на матрице.
На изображении, полученном с камеры, могут быть геометрические
искажения – дисторсия.
Данные искажения могут быть представлены в следующей математической записи [11]:
x′′ = x′(1 + k1r 2 + k 2 r 4 + k3r 6 ) + 2 p1 x′y ′ + p2 (r 2 + 2 x′ 2 ),
y ′′ = y ′(1 + k1r 2 + k 2 r 4 + k3r 6 ) + 2 p2 x′y ′ + p1 (r 2 + 2 y ′ 2 ),
где k1, k2, k3, p1, p2 – коэффициенты геометрических искажений (дисторсии), (X,Y,Z) – координаты БЛА относительно центра маркера, (x',y') – координаты точек без учета дисторсии, (x,y) – координаты точек пространства, (x",y") – координаты точек с учетом дисторсии.
Зависимости между координатами задаются следующими выражениями:
 X
 x′′
 x ′
  x 
y ′ = [R | t ] Y  ; y  = K y ′′ .
 
 
Z  


 1 
 1 
1
   
1
 
Все параметры дисторсии определяются при калибровке камеры,
например, способом, рассмотренных в работах [9 – 11].
Бинаризация изображения
Изображение, полученное с камеры, обрабатывается в несколько
этапов. Первый - переход от цветного изображения (в случае ТВ-канала
ОЭС) к полутоновому, для уменьшения времени обработки. Второй – избавление от шума. Медианный фильтр – один из видов цифровых фильтров, широко используемый при предварительной обработке сигналов. Зна88
Известия ТулГУ. Технические науки. 2016. Вып. 11. Ч. 3
Поиск маркера заданного вида
Рис. 2. Вид маркера
Отбор кандидатов производится по следующим параметрам:
1) удаление центра кластера пересечений от центра эллипса;
2) расстояние от центра эллипса до дальнейшей его точки;
3) расстояние от центра кластера до малого эллипса.
Предложенный алгоритм, по результатам моделирования обеспечивает обнаружение маркера (рис. 2) с вероятностью близкой к 1.
2. Использование найденных координат искусственно созданного ориентира (маркера) в процессе взлета (посадки)
При известном расположении маркера на изображении, а также известных высоте БЛА и угле наклона ОЭС относительно вертикали однозначно определяется положение БЛА относительно маркера:
h
,
X =
tan(γ + xc x )
 yc y 
,
Y = 2 X sin 

2


d −b
α = 90 − arctan 
,
c−a
где X,Y – горизонтальные координаты БЛА относительно маркера, x,y –
координаты центра маркера на матрице, c x , c y – разрешение пикселя в радианах, рассчитывается из параметров камеры, γ – угол наклона ОЭС в
вертикальной плоскости, α – ориентация БЛА в горизонтальной плоскости относительно маркера, (a,b) – координаты центра маркера на изображении, (c,d) – координаты центра малого эллипса, h – высота над поверхностью.
В результате работы алгоритма получены координаты БЛА относительно центра маркера, которые могут использоваться в процессе взлета
(посадки) для корректировки положения БЛА.
Таким образом, при известной обстановке местности в области расположения искусственно созданного ориентира (маркера) возможно произвести посадку или взлет БЛА. Достоинством алгоритма является то, что
92
Обработка информации в навигационных, спутниковых и интегрированных системах
на результат распознавания не влияет масштаб изображения и ориентация
БЛА в пространстве. Данный алгоритм обработки изображения показал
высокую скорость работы при выполнении данной задачи.
В дальнейшем, при помощи данного алгоритма возможно решение
задачи посадки БЛА на качающуюся палубу корабля, а также посадки вертолета. Еще одно применение алгоритма – это анализ особенностей геометрии естественных ориентиров (дороги, храмы, комплекс построек и
т.п.) для навигации [13].
Список литературы
1. Долженков Н.Н., Воронов В.В. Реализация элементов искусственного интеллекта как путь повышения автономности беспилотных
авиационных систем // Перспективные системы и задачи. 2014. С. 43 – 50.
2. Saripalli S., Montgomery J.F., Sukhatme G.S. Visually-Guided Landing of an Unmanned Aerial Vehicle//In IEEE Transactions on Robotics and Automation. 2003. Vol. 19. No. 3. P. 371 – 381.
3. Saripalli S. and Sukhatme G., Landing a helicopter on a moving target
// In IEEE International Conference on Robotics and Automation (ICRA).
Roma. Italy. 2007. Apr. P. 2030 – 2035.
4. Feron E. and Johnson E. N., Ch 44. Aerial Robotics // In Springer
Handbook of Robotics. Berlin, Germany: Springer, 2008. P. 1009 – 1029.
5. Corke P., An inertial and visual sensing system for a small autonomous helicopter // Journal of Robotic Systems, 2004. Vol. 21. No. 2. P. 43 – 51.
6. Autonomous Safe Landing of a Vision Guided Helicopter / A. Cesetti,
E. Frontoni, A. Mancini, and P. Zingaretti // Proc. Mechatronics and Embedded
Systems and Applications. 2010. P. 125 – 130.
7. Towards vision-based safe landing for an autonomous helicopter / Pedro J.Garcia-Padro, Gaurav S.Sukhatme, and J.F.Montgomery // Robotics and
Autonomous Systems. 2000. (accepted, to appear).
8. Duda R.O., Hart P.E. Use of the Hough Transformation To Detect
Lines and Curves in Pictures // Comm. ACM, 1972. Vol. 15. January. P. 11 –
15.
9. Tsai R.Y. (1987) A versatile camera calibration technique for highaccuracy 3D machine vision metrology using offthe-shelf TV cameras and
lenses // IEEE Journal of Robotics and Automation RA-3(4). P. 323 – 344.
10. Zhang Z. Flexible camera calibration by viewing a plane from unknown orientations // In ICCV. 1999.
11. Zhang Z., Matsushita Y., Yi Ma. Camera Calibration with Lens Distortion from Low-rank Textures // IEEE Conference on Computer Vision and
Pattern Recognition (CVPR). 2011. June.
93
Известия ТулГУ. Технические науки. 2016. Вып. 11. Ч. 3
12. John Canny. A computational approach to edge detection. Pattern
Analysis and Machine Intelligence // IEEE Transactions on, PAMI-8(6). 1986.
Nov. P. 679 – 698.
13. Бездетнов Н.П., Алексеев В.В. Философия летной безопасности.
М., 2014.
14. Справочник по теории вероятностей и математической статистике. / В.С. Королюк, Н.И. Портенко, А.В. Скороход, А.Ф. Турбин. М.:
Наука, 1985. 640 с.
15. Duda R., Hart P. Pattern Classification and Scene Analysis // John
Wiley and Sons, 1973. P. 271 – 272.
Тупиков Владимир Алексеевич, д-р техн. наук, проф., зам. ген. директора, tupikov@nppame.ru, Россия, Санкт-Петербург, АО «Научно-производственное предприятие «Авиационная и морская электроника»,
Павлова Валерия Анатольевна, канд. техн. наук, зам. директора,
pavlova@nppame.ru, Россия, Санкт-Петербург, АО «Научно-производственное предприятие «Авиационная и морская электроника»,
Каплинский Глеб Эдуардович, мл. науч. сотрудник, glebqq@gmail.com, Россия,
Санкт-Петербург, АО «Научно-производственное предприятие «Авиационная и морская электроника»,
Крюков Сергей Николаевич, канд. техн. наук, ведущий науч. сотрудник,
pavlova@nppame.ru, Россия, Санкт-Петербург, АО «Научно-производственное предприятие «Авиационная и морская электроника»
ALGORITHM OF AUTOMATIC HELICOPTER TYPE DRONE LANDING USING
ONBOARD OPTICAL-ELECTRONIC SYSTEM
V.A.Tupikov, V.A.Pavlova, G.E. Kaplinskiy, S.N.Krjukov
The majority of modern methods of control of the drones at take-off (landing) are
based on remote control by specialist, or based on use of the coordinates determined by satellite systems (GPS, GLONASS). The purpose of this work is development of a method of determination of coordinates of drone on the basis of processing of the image of artificially
created reference point (marker) received with onboard OES. For search of a marker on the
image use of the analysis of features of geometry of a marker is offered. Advantage of this method of search of a marker is possibility of recognition of a marker without use of its exact
standard.
Key words: object search algorithms; automatic image recognition; the all aspects
recognition algorithms; Haugh transformation.
Tupikov Vladimir Alekseevich, doctor of technical sciences, professor, Deputy Director General, Director of research - industrial complex robotic systems special purpose, tupikov@nppame.ru, Russia, Saint Petersburg, JSC "Research and Production Enterprise "Air
and Marine Electronics",
94
Обработка информации в навигационных, спутниковых и интегрированных системах
Pavlova Valeria Anatolyevna, candidate of technical science, Deputy Director of research, pavlova@nppame.ru, Russia, Saint Petersburg, JSC "Research and Production Enterprise "Air and Marine Electronics",
Kaplinskiy Gleb Eduardovich, junior researcher at RIC RSSP, glebqq@gmail.com,
Russia, Saint Petersburg, JSC "Research and Production Enterprise "Air and Marine Electronics",
Krjukov Sergey Nikolaevich, candidate of technical science, leading researcher,
SKrjukov@mail.ru, Russia, Saint Petersburg, JSC "Research and Production Enterprise "Air
and Marine Electronics"
УДК 004.932.2
МЕТОДЫ ИНФОРМАЦИОННОГО СОВМЕЩЕНИЯ
ИЗОБРАЖЕНИЙ В МНОГОКАНАЛЬНЫХ
ОПТИКО-ЭЛЕКТРОННЫХ СИСТЕМАХ
В.Н. Фролов, В.А. Тупиков, В.А. Павлова, В.А. Александров
Приведен обзор шести различных способов совмещения изображений, полученных в различных спектральных диапазонах на примере использования исходных изображений в телевизионном и тепловизионном каналах. Выполнена количественная и
качественная оценка полученных результатов, дана сравнительная оценка исследуемых методов по быстродействию.
Ключевые слова: информационное совмещение изображений, комплексирование изображений, многоканальные оптико-электронные системы.
Введение. Развитие оптико-электронной аппаратуры (ОЭА) в системах технического зрения привело к созданию комплексированных многоканальных систем, в которых используются каналы получения информации, основанные на различных физических принципах и работающие в
различных спектральных диапазонах (визуальный, лазерный, радиолокационный, дневной телевизионный (ТВ), низкоуровневый ТВ, тепловизионный (ТПВ) и др.).
Основной предпосылкой комплексирования ОЭА является различное воздействие факторов естественного и искусственного происхождения
на различные каналы получения информации, в силу чего каждый из упомянутых каналов, взятый в отдельности, не в состоянии удовлетворять
технические требования к работе аппаратуры в любых условиях.
Целью комплексирования является извлечение максимума информации путем обработки и сопоставления данных, получаемых по различным каналам комплексированной системы. При этом эффективность системы по выбранному показателю (дальность действия, вероятность опознавания, точность сопровождения и т.п.) оказывается выше эффективности каждого из отдельных каналов.
95
1/--страниц
Пожаловаться на содержимое документа