СИСТЕМА АВТОМАТИЧНОГО ПІЛОТУВАННЯ БЕЗПІЛОТНИХ ЛЕТАЛЬНИХ АПАРАТІВ В УМОВАХ ВІДСУТНОСТІ РАДІОЗВ'ЯЗКУ
DOI:
https://doi.org/10.28925/2663-4023.2020.9.93103Ключові слова:
безпілотний літальний апарат; технічний зір; навігаціяАнотація
У статті розглядається одна з найбільш актуальних проблем пілотування безпілотних летальних апаратів (БПЛА) в умовах відсутності радіозв'язку. Тому метою статті є розробка алгоритму та способу автоматичного пілотування БПЛА в умовах втрати сигналу радіоуправління з використанням методів технічного зору. Найбільш ефективні методи відстеження, ідентифікації і детектування наземних орієнтирів основані на порівнянні еталонної інформації (база даних відомих навігаційних об'єктів) зі спостережною сценою в реальному масштабі часу. Розроблено працездатну систему автоматичного пілотування БПЛА в умовах втрати радіо сигналу управління або GPS-навігації. Апаратне та програмне забезпечення БПЛА забезпечує повноцінне автоматичне управління. Програмування системи складається з двох етапів: планування польотного завдання і розрахунок траєкторії руху БПЛА в польоті. Планування польотного завдання здійснюється заданням орієнтирів топооснови і параметрів польоту щодо них. На цьому етапі складаються критерії генералізації різних компонентів ландшафту і їх поділ по градаціях. Цю роботу поєднують з упізнанням точок, що мають висотні позначки, і фіксуванням висот горизонтальних поверхонь, наявних у районі. Всі горизонтальні поверхні прив'язують найкоротшими знімальними ходами не менше ніж до трьох точок з висотними відмітками. Процес виділення об'єктів на топооснові безпосередньо пов'язаний з її сегментацією, результати якої значно впливають на подальший процес аналізу зображення і управління БПЛА. Під час запуску БПЛА відбувається калібрування початкової точки маршруту. Протягом усієї траєкторії руху система управління автоматично відстежує по топооснові розташування БПЛА щодо заздалегідь зазначених орієнтирів. У процесі польоту зіставляються структуровані кадри місцевості і топооснови. Алгоритм, заснований на зіставленні геометричних параметрів орієнтирів. Такими параметрами прийнято координати геометричного центру О(х, у) та площа S. Відповідність сегментованих відеокадру і кадру топооснови має забезпечуватись виконанням умови мінімального відхилення координат (хк, ук) орієнтирів, а також їх площ Sк. Вперше методом найменших квадратів визначають сигнал управління в трьох осях ОХ, ОY і OZ в залежності від значень розрахованих коефіцієнтів вихідних рівнянь.
Завантаження
Посилання
Mahrovska N.A., Bezrukava V.G., Pogromska G.S. “Analysis of image recognition algorithms to optimize the solution of the problem of finding an object in the video sequence” // Molodij Vchenij - 2016. - № 5 (32). - pp. 238-241. (in Ukrainian)
Stepanyuk–Volinskij S.I. “Rozpiznavannya obraziv na osnovi analogovih nejronnih merezh: viznachennya maksimalnih sign Pattern recognition based on analog neural networks: determination of maximum signals” // Naukovij visnik NLTU Ukrayini – 2010. − 20.11. - pp. 307-315. (in Ukrainian)
Kotvickij R. S. Avtomatichne keruvannya optichnoyu vissyu kameri na osnovi sistemi tehnichnogo zoru z vikoristannyam metodu identifikaciyi ob’yektiv za kolorom / R. S. Kotvickij, G. V. Sariboga, O. V. Zbruckij // Informacijni sistemi, mehanika ta keruvannya: naukovo-tehnichnij zbirnik – 2015. – Vip. 13. – pp. 111–115. (in Ukrainian)
Vozna N. Ya., Sidor A. I. “Criterion of structural complexity and estimation of extended hemming distance for spatial objects” // Naukovij visnik NLTU Ukrayini – 2017. - t. 27. - № 4. - pp. 159-165, https://doi.org/10.15421/40270434 (in Ukrainian)
Chris Urmson. Autonomous Driving in Urban Environments: Boss and the Urban Challenge / Chris Urmson, Joshua Anhalt, Drew Bagnell, [etc.] // Journal of Field Robotics - 2008. - 25(8), pp. 425–466. https://doi.org/10.1002/rob.20255. (in English)
Marinoshenko A.P., Pikenin A.A. “Use point-of-sight methods to improve the identification and detection of navigation signals” // Molodij Vchenij - 2018. - № 4 (56). - pp. 363-369. (in Ukrainian)
G. Payen de La Garanderie. Eliminating the Dreaded Blind Spot: Adapting 3D Object Detection and Monocular Depth Estimation to 360° Panoramic Imagery / G. Payen de La Garanderie, A. Atapour-Abarghouei, T.P. Breckon // European Conference on Computer Vision, Springer – 2018. - pp. 812-830. http://breckon.eu/toby/publications/papers/ pdlg18panoramic.pdf. (in English)
Anna Gaszczak, Toby P. Breckon, and Jiwan Han "Real-time people and vehicle detection from UAV imagery", Proc. SPIE 7878, Intelligent Robots and Computer Vision XXVIII: Algorithms and Techniques, 78780B (24 January 2011); https://doi.org/10.1117/12.876663. (in English)
Krulikovskij B.B., Sidor A.I., Zastavnij O.M. [etc.] “Theoretical bases of recognition of multifaceted images in Hamming space” // Naukovij visnik NLTU Ukrayini - 2016. - 26.3. - pp. 361-367. (in Ukrainian)
Chochia P.A. Image segmentation based on distance analysis in feature space // Avtometriya - 2014. - t. 50. - № 6. – pp. 97-110. (in English)
Klas Nordberg. A flexible runtime system for image processing in a distributed computational environment for an unmanned aerial vehicle // Klas Nordberg, Patrick Doherty, Per-Erik Forssen, Johan Wiklund and Per Andersson.- International Journal of Pattern Recognition and Artificial Intelligence. -Vol. 20, No. 05, pp. 763-780 (2006) https://doi.org/10.1142/ S0218001406004867. (in English)
Bradski G.R. Learning OpenCV 3: Computer Vision in C++ with the OpenCV Library / Dr. Gary Rost Bradski, Adrian Kaehler - O'Reilly Media, Inc., 2017. - 1024 p. (in English)
