Настоящая статья посвящена разработке и исследованию метода визуальной навигации беспилотных летательных аппаратов (БПЛА), основанного на поиске опорных точек на снимках с видеокамеры, установленной на БПЛА. Опорные точки выделяются на эталонном спутниковом снимке, имеющем геопривязку. Дескрипторы особых точек вычисляются с помощью вейвлетов Габора. Информация о положении и ориентации камеры на БПЛА в предыдущий момент времени используется для сужения области поиска. Разработан алгоритм геометрической коррекции (ректификации) кадра видеоряда. Алгоритм позволяет выполнить точный поиск опорных точек с применением вейвлетов Габора. Приведены результаты экспериментов по применению предложенного метода визуальной навигации на сгенерированных видеорядах. Исследовано влияние высоты полета БПЛА и размера масок дискретизированных фильтров Габора на время поиска опорных точек, точность поиска и точность позиционирования. Результаты показали, что точность позиционирования БПЛА превосходит точность спутниковых систем навигации.
This article is devoted to the research and development of methods of visual navigation of unmanned aerial vehicle (UAV) based on the search for reference points in images from a video camera mounted on the UAV. Reference points are allocated on the reference satellite image having geolocation. Descriptors of reference points are calculated by using Gabor wavelets. The information on the position and orientation of the UAV’s camera to the previous time are used to reduce search area or reference points. An algorithm for geometric correction (rectification) of videoframe is developed. Algorithm allows to perform accurate search of reference points with Gabor wavelets. The results of experiments on the application of the proposed method the visual navigation with generated video are shown. The effect of altitude UAV and masks’ size of sampled Gabor filters on the search time, the accuracy of the search and positioning accuracy. The results showed that the accuracy of positioning the UAV is better than the accuracy of satellite navigation systems.
1. Кравцов А. Общая формулировка задачи внешней калибровки камеры // Компьютерная графика и мультимедиа – 2003. – Выпуск № 1(2), URL: http://cgm.computergraphics.ru/content/view/34 (дата обращения: 29.09.2015).
2. Муратов В.И.. Алгоритмы предварительной обработки изображений в системах комбинированного видения летательных аппаратов: дис. ... канд. техн. наук. – Рязань, 2013. – 177 с.
3. Степанов Д.Н. Методы и алгоритмы определения положения и ориентации беспилотного летательного аппарата с применением бортовых видеокамер // Программные продукты и системы (международный журнал) – 2014. – Т. 1, № 1. – URL: http://www.swsys.ru/index.php?page=article&id=3776 (дата обращения: 29.09.2015).
4. Степанов Д.Н., Тищенко И.П., Поляков А.В., Ватутин В.М., Соболев Д.Б. Подсистема определения положения и ориентации беспилотного летательного аппарата // Актуальные проблемы ракетно-космического приборостроения и информационных технологий. Ракетно-космическое приборостроение и информационные технологии. 2012: Труды V Всероссийской научно-технической конференции (Москва, 5-7 июня 2012 г.). – М.: Радиотехника, 2013. – С. 9–27.
5. Тищенко И.П., Степанов Д.Н., Фраленко В.П. Разработка системы моделирования автономного полета беспилотного летательного аппарата // Программные системы: теория и приложения: электронный научный журнал – 2012. – T. 3, № 3(12). – С. 3–21. URL: http://psta.psiras.ru/read/psta2012_3_3-21.pdf (дата обращения: 29.09.2015).
6. Bardsley D. Stereo Vision for 3D Face Recognition // Year 1 Annual Review, PhD Report, University of Nottingham. – 2005. – 36 p.
7. Bay H., Ess A., Tuytelaars T., Van Gool L. SURF: Speeded Up Robust Features // Computer Vision and Image Understanding (CVIU). – 2008. – Vol. 110, № 3 – 14 p.
8. Cesetti A., Frontoni E., Mancini A., Ascani A., Zingaretti P., Longhi S. A Visual Global Positioning System for Unmanned Aerial Vehicles Used in Photogrammetric Applications // Journal of Intelligent & Robotic Systems. – 2011. – Vol. 61, Issue 1. – P. 157–168.
9. Correlation based similarity measures – Summary [Электронный ресурс]. Режим доступа: https://siddhantahuja.wordpress.com/tag/sum-of-absolute-differences-sad (дата обращения: 14.07.2015).
10. Hartley R., Zisserman A. Multiple View Geometry In Computer Vision / 2nd edition, Cambridge University Press. – 2003. – 670 p.
11. Lowe D.G. Distinctive image features from scale-invariant keypoints // International Journal of Computer Vision. – 2004. – Vol. 60, Issue 2. – P. 91–110.