DOI 10.17586/0021-3454-2017-60-12-1124-1129
УДК 621. 391
АЛГОРИТМ УПРАВЛЕНИЯ БЕСПИЛОТНЫМИ ЛЕТАТЕЛЬНЫМИ АППАРАТАМИ ПРИ ПРОВЕДЕНИИ ПОИСКОВО-СПАСАТЕЛЬНЫХ РАБОТ
Университет ИТМО; докторант
Литвинов Ю. .
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; старший преподаватель
Шмигельский Г. М.
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; аспирант
Щаев Е. Г.
Университет ИТМО, кафедра систем управления и информатики; студент
Тюрин А. И.
Университет ИТМО, кафедра систем управления и информатики; студент
Читать статью полностью
Аннотация. Рассмотрена система управления беспилотным летательным аппаратом (БПЛА) типа квадрокоптер, позволяющая решать задачи идентификации подвижного объекта и слежения за ним при движении по заранее заданному маршруту в экстренной ситуации. Для распознавания объектов система использует встроенные в квадрокоптер датчики и бортовую видеокамеру в качестве основы технического зрения. Предложен алгоритм идентификации объекта на изображении, полученном с фронтальной камеры квадрокоптера ArDrone. В результате выполненного анализа для дальнейшей работы был выбран метод Виолы—Джонса, работающий по принципу контрастных участков, форма которых зависит от объекта. Использование предложенного алгоритма позволяет обеспечить движение БПЛА по заданной траектории, искать заданный объект и в случае его обнаружения следить за ним или отправлять информацию на базу.
Список литературы:
1. Буй В. Ш., Бушуев А. Б., Шмигельский Г. М., Литвинов Ю. В., Щаев Е. Г. Алгоритмы управления летающим роботом при слежении за подвижным объектом // Изв. вузов. Приборостроение. 2015. Т. 58, № 8. С. 593—599.
2. Viola P., Jones M. J. Robust real-time face detection // Intern. J. of Computer Vision. 2004. Vol. 57, N 2. P. 137—154.
3. Viola P., Jones M. J. Rapid object detection using a boosted cascade of simple features // IEEE Conf. on Computer Vision and Pattern Recognition. Kauai, Hawaii, USA, 2001. Vol. 1. P. 511—518.
4. Метод Виолы—Джонса (Viola—Jones) как основа для распознавания лиц [Электронный ресурс]: https://habrahabr.ru/post/133826.
5. Lienhart R., Kuranov А., Pisarevsky V. Empirical analysis of detection cascades of boosted classifiers for rapid object detection // Pattern Recognition. DAGM 2003. Lecture Notes in Computer Science. 2003. Vol. 2781. DOI.org/10.1007/978-3-540-45243-0_39.
6. Основы распознавания лиц [Электронный ресурс]: http://www.intuit.ru/studies/courses/10619/1103/lecture/.
7. Обучение OpenCV каскада Хаара [Электронный ресурс]: http://habrahabr.ru/post/ 208092.
7. Обучение OpenCV каскада Хаара [Электронный ресурс]: http://habrahabr.ru/post/ 208092.
8. Hidayatullah P., Konik H. CAMSHIFT improvement on multi-hue and multi-object tracking // Intern. Conf. on Electrical Engineering and Informatics, ICEEI 2011. Bandung, Indonesia: IEEE, 2011. P. 143—148.
9. Jolliffe I. T. Principal Component Analysis. NY: Springer, 2002. 487 p.
10. Гихман И. И., Скороход А. В. Введение в теорию случайных процессов. М.: Наука, 1965. 570 с.
11. Пучинин С. А. Обзор математических методов распознавания изображений лиц // Интеллектуальные системы в производстве. 2009. Т. 1, № 13. С. 106—110.
12. Piskorski S., Brulez N., Pierre E. AR.Drone Developer Guide. 2011. 107 р.
13. Endres T., Hobley S., Vinel J. ArDrone Control .NET — An application for flying the Parrot AR drone in Windows. 2011 [Электронный ресурс]: https://github.com/shtejv/ARDrone-Control-.NET.
14. Bradsky G., Kaehler A. Learning OpenCV. O’Reilly, 2008. 580 p.
15. Лурье А. И. Аналитическая механика. М.: Физматлит, 1961. 824 с.
