Мустаев А.Ф.
АЛГОРИТМ ФОРМИРОВАНИЯ ТРАЕКТОРИИ ДВИЖЕНИЯБПЛА С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИИ ОБРАБОТКИ И РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ОБЪЕКТОВ *
Аннотация:
в данной статье рассматривается построение траектории полёта БПЛА при помощи технологии обработки изображений для автономного (самостоятельного) движения БПЛА в условиях динамически изменяющейся окружающей обстановки
Ключевые слова:
беспилотные летательные аппараты, БПЛА, машинное зрение
Для преодоления неблагоприятных для полета территорий имеется необходимость формирования гибкой траектории полета с учетом существующей априорной информации о рассматриваемой сцене, включающей тип и характер объектов сцены, их взаимное расположение, геометрические и яркостные характеристики, характеристики текстуры, оптического контраста, позволяющей построить её эталонное изображение, а также с учетом оперативной информации о наблюдаемой в процессе полета сцене, получаемой непосредственно на борту летательного аппарата. Центральное место в поставленной задаче занимает процедура обработки и распознавания изображений объектов для выявления потенциально опасных участков траектории полета, оценки степени их опасности и разработки оптимального косвенного управления БПЛА, формируемого путем программирования движения по упреждающей траектории. Для комплексной оценки опасностей, возникающих при движении БПЛА через лесной массив, предполагается зонирование окружающего воздушного пространства по уровню опасности: – «открытые» участки траектории – области пространства между деревьями, не содержащие видимых препятствий; – «полупроходимые» участки – области пространства, в пределах которых имеются листья и тонкие ветки; – «непроходимые» участки – области пространства, в пределах которых имеются стволы деревьев и крупные ветки. На основе информации, полученной из фотоснимков или от лазерных сканеров, необходимо выполнить сегментацию изображения окружающей обстановки на «открытые», «полупроходимые» и «непроходимые» области. С этой целью используются текстурные дескрипторы, полученные путем статистического анализа гистограмм яркости областей изображения. Статистические методы позволяют отнести текстуру области к одному из следующих типов: гладкой, грубой, зернистой и т.д. Целесообразность использования методов сегментации на основе текстурных признаков обусловлена тем, что «открытые», «полупроходимые» и «непроходимые» области обладают резко различающимися текстурными характеристиками. Так, открытые участки представляют собой «светлые гладкие» области, «непроходимые» участки – «темные гладкие», а «полупроходимые» – «зернистые» области с промежуточным значением яркости. Один из наиболее распространенных подходов, применяемых для описания текстуры, состоит в использовании статистических характеристик, определяемых по гистограмме яркости всего изображения или его области. Пусть zi – дискретная случайная величина, значениями которой являются уровни яркости изображения. Обозначим через p (zi), i = 1,2,...,L соответствующую нормированную гистограмму, где L – число возможных значений яркости. Таким образом, число p(z i ) оценивает относительную частоту появления величины яркости zi на изображении. Характер распределения яркости изображения можно описать с помощью статистических центральных моментов Второй этап. Формирование квадратной или прямоугольной пространственной области (маски) с центром в точке изображения с координатами (x, y), в рамках которой определяются текстурные характеристики. В процессе обработки центр области перемещается от пиксела к пикселу по всему изображению. Полученный результат размещается в центре текущего обрабатываемого участка. Размер участка выбирается исходя из масштаба изображения, т.е. расстояния от БПЛА до деревьев, между которыми прокладывается текущий маршрут. Желательно использовать области с нечетными размерами, т.к. в этом случае у маски имеется выраженная центральная точка. Для обработки граничных пикселов исходное изображение увеличивается с помощью продолжения приграничных значений. Третий этап. Вычисление для каждого участка текстурных признаков. В результате формируется матрица, число строк которой равно количеству пикселов изображения, а четыре столбца содержат текстурные дескрипторы, вычисленные для каждого участка. Четвертый этап. Сегментация изображения лесного массива на основе матрицы текстурных дескрипторов. Для сегментации используются алгоритм кластеризации по математическому ожиданию или алгоритм нечеткой кластеризации c-средних. Количество кластеров выбирается равным трем и соответствует «открытым», «непроходимым» и «полупроходимым» областям. Далее восстанавливается исходное расположение пикселов изображения по горизонтали и вертикали. Пятый этап. Анализ полученного сегментированного изображения для формирования траектории движения БПЛА. При этом размер ближайшей «открытой» области сравнивается с размером БПЛА. Если БПЛА больше, то к «открытой» области добавляются «полупроходимые» участки и снова оценивается возможность пролета устройства. Если объединенный «открытый + полупроходимый» участок меньше БПЛА, то переходят к анализу соседних «открытых» или «полупроходимых» участков.
Номер журнала Вестник науки №1 (22) том 1
Ссылка для цитирования:
Мустаев А.Ф. АЛГОРИТМ ФОРМИРОВАНИЯ ТРАЕКТОРИИ ДВИЖЕНИЯБПЛА С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИИ ОБРАБОТКИ И РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ОБЪЕКТОВ // Вестник науки №1 (22) том 1. С. 176 - 180. 2020 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/2578 (дата обращения: 16.04.2024 г.)
Вестник науки СМИ ЭЛ № ФС 77 - 84401 © 2020. 16+