Аннотация. Описан метод оценки пространственной ориентации летательного аппарата в режиме реального времени при помощи обработки данных, поступающих с регистрирующей камеры. Такой метод позволяет получить альтернативную, не зависящую от бортовых датчиков, оценку углов курса, крена и тангажа ракеты. Он обесечивает определение пространственной ориентации ракеты в случае сбоев в получении данных от бортовых датчиков. Для обработки видеопотока используются модифицированные алгоритмы покадрового отслеживания ключевых особенностей, например, контрастных деталей, основанные на алгоритме авторов Shi, Tomasi, Kanade. В частности, используется модификация алгоритма, допускающая аффинные искажения особенностей, а также локальные изменения их яркости. Найденный набор особенностей используется для оценки пространственной ориентации. Предложен алгоритм оценки пространственной ориентации через эквивалентное смещение регистрирующей камеры. Полученные значения можно использовать для анализа как в режиме реального времени, так и в режиме постобработки.

Ключевые слова: точечная особенность изображения, алгоритмы слежения за особенностями, определение пространственной ориентации, летательный аппарат, угол курса, угол крена, угол тангажа, вычислительная платформа

Список литературы:

1. Конушин А. Слежение за точечными особенностями сцены // Компьютерная графика и мультимедиа. 2003. Т. 5, № 1.
2. Rodehorst V. and Koschan A. Comparison and Evaluation of Feature Point Detectors // Proc. of the 5th Intern. Symp. Turkish-German Joint Geodetic Days. 2006 [Электронный ресурс]: http://www.cv.tu-berlin.de/fileadmin/fg140/Comp_vr.pdf.
3. Tuytelaars T., Mikolajczyk K. Local Invariant Feature Detectors: A Survey // Foundations and Trends in Computer Graphics and Vision. 2008. Vol. 3, N 3. P. 177—280.
4. Chen He X., Yung N. Corner detector based on global and local curvature // Optical Engineering. 2008. N 47(5).
5. Shi J., Tomasi C. Good features to track // IEEE Computer Society Conf. on Computer Vision and Pattern Recognition (CVPR'94). IEEE Computer Society, Seattle. 1994.
6. Kanade T. Detection and tracking of point features. TR Carnegie-Melon University, 1991. 
7. Lucas B., Kanade T. An Iterative Image Registration Technique with an Application to Stereo Vision // Proc. of 7th Intern. Joint Conf. on Artificial Intelligence (IJCAI). 1981. P. 6.
8. Zhengyou Zhang, Loop Ch. Estimating the Fundamental Matrix by Transforming Image Points in Projective Space // Computer Vision and Image Understanding. 2001. Vol. 82, Is. 2. P. 174—180.
9. Грузман И. С., Киричук В. С., Косых В. П., Перетягин Г. И., Спектор А. А. Цифровая обработка изображений в информационных системах. Новосибирск: Изд-во НГТУ, 2002. 352 c.
10. Челноков Ю. Н. Инерциальная ориентация и навигация движущихся объектов. Саратов: Изд-во Саратовского ун-та им. Н.Г. Чернышевского, 2002.
11. Abhishek Yadav, Poonam Yadav. Digital Image Processing. Front Cover. Laxmi Publications Pvt. Ltd, 2009 
12. Gui-Song Xia, Delon J., Gousseau Y. Accurate Junction Detection and Characterization in Natural Images // Intern. J. of Computer Vision (IJCV). 2014. Vol. 106, N 1. P. 31—56.
13. Hartenstein R., Kaiserslautern T. U., Karlsruhe K. I. T. SE Curricula are Unqualified to Cope with the Data Avalanche. 2017. P. 1—20 [Электронный ресурс]: http://hartenstein.de/publications/CS.pdf.
14. McFarland M. C., Parker A. C., Camposano R. The high-level synthesis of digital systems // Proc. IEEE. 1990. Vol. 78, N 2. P. 301—318.