Алгоритмы обнаружения и локализации целей БПЛА с помощью оптических камер

Автор: Гревцов Дмитрий Владимирович

Организация: ВИИРЭиС

Населенный пункт: Республика Казахстан, г. Алматы

Автор: Гельмич Илья Иванович

Организация: ВИИРЭиС

Населенный пункт: Республика Казахстан, г. Алматы

Алгоритмы обнаружения и локализации целей БПЛА представляют собой набор методов и технологий, которые позволяют беспилотному летательному аппарату (БПЛА) обнаруживать и определять местоположение различных объектов на земле. Эти алгоритмы играют ключевую роль в обеспечении безопасности полётов, навигации и картографирования, а также в выполнении других задач, связанных с целевым использованием БПЛА.

Обнаружение целей — это процесс поиска и идентификации объектов определённого типа на изображении или видео, полученном с помощью датчиков БПЛА. На современных БПЛА обычно используются следующие типы датчиков для захвата изображения: оптические камеры, тепловизионные камеры, мультиспектральные камеры(позволяют получать изображения в нескольких спектральных диапазонах, что позволяет анализировать различные характеристики объектов, такие как влажность, содержание минералов и т. д.), лазерные сканеры или лидары (датчики используют лазерные лучи для измерения расстояния до объектов и создания трёхмерных карт местности).

Полученное изображение обрабатывается для улучшения качества и удаления шумов. Это может включать в себя такие операции, как выравнивание яркости, контраста и цвета. На изображении выделяются характерные черты лица или силуэта, такие как контуры, углы, линии и т. д.

Для выделения характерных черт объектов БПЛА использует в совокупности методы: обнаружение границ; метод сегментации изображений и распознавание образов.

Алгоритмы обнаружения границ ищут на изображении резкие переходы яркости или цвета, которые могут указывать на границы объектов.

Вернемся к математики и вспомним что такое градиент, но применительно к контексту изображения — это вектор, показывающий направление и степень максимального возрастания некоторой величины, в данном случае это яркость изображения, значение которой меняется от одной точки(пиксель) пространства к другой. Градиент вычисляется с помощью частных производных функции интенсивности изображения по осям x и y, полученные значения позволяют выделить контуры объектов и их границы.

Наиболее популярные механизмы, применяемые в обнаружении границ:

• метод «Края Канни» ищет на изображении области с максимальным градиентом яркости. Это позволяет выделить контуры объектов и их границы.

• «оператор Собеля» вычисляет градиент яркости в каждом пикселе изображения. Пиксели с большим градиентом считаются границами.

• «преобразование Лапласа» вычисляет вторую производную функции яркости по координатам. Пики этой функции соответствуют границам.

Алгоритмы сегментации изображений разделяют изображение на области, на основе сходства пикселей внутри каждой области. Границы между этими областями могут быть интерпретированы как границы объектов.

Алгоритмы распознавания образов сравнивают сегментированные объекты с шаблонами из базы данных. Если сходство объекта с шаблоном высокое, он считается распознанным.

После того как характерные черты выделены, они используются для описания объекта и его классификации. Например, для распознавания лиц можно использовать такие признаки, как форма и размер глаз, носа и рта, а также расстояние между ними. Для распознавания силуэтов можно использовать такие признаки, как длина, ширина и высота объекта, а также его ориентация относительно камеры.

На основе результатов распознавания и классификации принимается решение о дальнейших действиях БПЛА. Например, если обнаружено лицо человека, БПЛА может выдать информацию такую как: местоположение, траекторию движения, характер цели. Далее оператор принимает дальнейшие действия в зависимости от целевого предназначения БПЛА.

В целом, распознавание объектов БПЛА позволяет получать более точную и актуальную информацию о ситуации на земле, что способствует более эффективному и безопасному выполнению задач по своему целевому предназначению.

Список литературы:

1. М.М. Абрамов. Новые и перспективные направления применения беспилотных летательных аппаратов / Известия Тульского государственного университета. Технические науки. – 2022. – № 3. – С. 227-232 // НЭБ eLIBRARY. (Дата обращения 10 июля 2024 г.).

2. А.Ю. Сечин, М.А. Дракин, А.С. Киселева. Беспилотный летательный аппарат: применение в целях аэрофотосъемки для картографирования (часть 2) // - URL: https://racurs.ru/press-center/articles/bespilotnye-letatelnye-apparaty/UAV-for-mapping-2/. (Дата обращения 16 июля 2024 г).

3. О градиенте изображения... //
- URL: https://habr.com/ru/articles/114489/. (Дата обращения 22 июля 2024 г.).

4. И.В. Зоев, Н.Г. Марков, С.Е. Рыжова. Известия Томского политехнического университета.Интеллектуальная система компьютерного зрения беспилотных летательных аппаратов для мониторинга технологических объектов предприятий нефтегазовой отрасли
- URL: https://cyberleninka.ru/article/n/intellektualnaya-sistema-kompyuternogo-zreniya-bespilotnyh-letatelnyh-apparatov-dlya-monitoringa-tehnologicheskih-obektov/viewer. (Дата обращения 7 августа 2024 г.).

1. file0.docx (20,0 КБ)

Опубликовано: 11.09.2024