priborИзвестия высших учебных заведений. ПриборостроениеJournal of Instrument Engineering0021-34542500-0381Национальный исследовательский университет ИТМО10.17586/0021-3454-2026-69-4-313-321pribor-503Research ArticleПРИБОРЫ НАВИГАЦИИNAVIGATION DEVICESАлгоритм навигации беспилотных летательных аппаратов по изображению подстилающей поверхностиAlgorithm of unmanned aerial vehicles navigation based on the image of the underlying surfaceЛитвиненкоА. И.LitvinenkoA. I.

Анна Ивановна Литвиненко — магистр; факультет безопасности информационных технологий

Санкт-Петербург

Anna I. Litvinenko — MSc; Faculty of Information Technology Security

St. Petersburg

anna.litvinenko.01@mail.ruБудькоМ. Ю.BudkoM. Yu.

Михаил Юрьевич Будько — канд. техн. наук, доцент; факультет безопасности информационных технологий; доцент

Санкт-Петербург

Mikhail Yu. Budko — PhD, Associate Professor; Faculty of Information Technology Security

St. Petersburg

mbudko@itmo.ruГирикА. В.GirikA. V.

Алексей Валерьевич Гирик — канд. техн. наук, доцент; факультет безопасности информационных технологий; доцент

Санкт-Петербург

Aleksey V. Girik — PhD, Associate Professor; Faculty of Information Technology Security

St. Petersburg

alexei.guirik@gmail.comАвдонинИ. А.AvdoninI. A.

Иван Александрович Авдонин — факультет безопасности информационных технологий; научный сотрудник

Санкт-Петербург

Ivan A. Avdonin — Faculty of Information Technology Security; Researcher

St. Petersburg

avdoninivan@mail.ruУниверситет ИТМОРоссияITMO UniversityRussian Federation202606052026694313321Copyright © Национальный исследовательский университет ИТМО, 20262026Национальный исследовательский университет ИТМОНациональный исследовательский университет ИТМОhttps://pribor.ifmo.ru/jour/about/submissions#copyrightNoticehttps://pribor.ifmo.ru/jour/article/view/503

Современные беспилотные летательные аппараты для определения точных геокоординат и ориентации в пространстве могут использовать различные типы навигационных систем. Представлен алгоритм визуальной навигации беспилотного летательного аппарата, основанный на системе машинного зрения и заранее построенной карте области полета. Выполнен сравнительный анализ подходов к навигации беспилотных летательных аппаратов с использованием компьютерного зрения. На основе результатов анализа выбран подход, заключающийся в поиске пар соответствующих точек на карте местности и на снимке с беспилотного летательного аппарата. Рассмотрены варианты реализации, по итогам сравнительного анализа выбран алгоритм ORB (Oriented FAST and rotated BRIEF) с сортировкой дескрипторов ключевых точек по расстоянию Хэмминга. По итогам полевых испытаний создан ортофотоплан. Разработан алгоритм, который по сопоставленному изображению с беспилотного летательного аппарата с ортофотопланом выводит значение широты и долготы с погрешностью до двух метров. Разработанный аппаратно-программный комплекс может быть применен для определения местоположения беспилотного летательного аппарата с использованием видеокамеры.

Modern unmanned aerial vehicles can use various types of navigation systems to determine precise coordinates and orientation in space. An algorithm for visual navigation of an unmanned aerial vehicle based on a machine vision system and a pre-built map of the flight area is presented. A comparative analysis of approaches to navigation of unmanned aerial vehicles using computer vision is performed. Based on the results of the analysis, an approach is chosen to search for pairs of corresponding points on the terrain map and in the image from an unmanned aerial vehicle. Implementation options are considered, and based on the results of a comparative analysis, the ORB (Oriented FAST and Rotated BRIEF) algorithm with sorting of key point descriptors by Hamming distance is selected. Based on the results of field tests, an orthophotoplane is created. An algorithm is developed that outputs the latitude and longitude values with an error of up to two meters based on the compared image from an unmanned aerial vehicle with an orthophotoplane. The developed hardware and software complex can be used to determine an unmanned aerial vehicle location using a video camera.

беспилотный летательный аппаратавтономное позиционированиесистема технического зренияобработка изображенийаппаратно-программный комплексunmanned aerial vehicleautonomous positioningvision systemimage processinghardware and software complexReferencesZitová B., Flusser J. Image registration methods: a survey // Image and Vision Computing. 2003. Vol. 21, N 11. P. 977–1000.Zitová B., Flusser J. Image and Vision Computing, 2003, no. 11(21), pp. 977–1000.Lowe D. G. Distinctive image features from scale-invariant keypoints // Intern. J. of Computer Vision. 2004. Vol. 60, N 2. P. 91–110.Lowe D.G. International Journal of Computer Vision, 2004, no. 2(60), pp. 91–110.Simonyan K., Zisserman A. Very deep convolutional networks for large-scale image recognition // arXiv:1409.1556 [cs. CV]. 2014. https://doi.org/10.48550/arXiv.1409.1556.Simonyan K., Zisserman A. arXiv:1409.1556 [cs.CV], 2014, https://doi.org/10.48550/arXiv.1409.1556.Szeliski R. Computer Vision: Algorithms and Applications, Texts in Computer Science. Springer International Publishing, 2010. P. 183–228.Szeliski R. Computer Vision: Algorithms and Applications, Texts in Computer Science, Springer International Publishing, 2010, рр. 183–228.Fraundorfer F., Scaramuzza D., Pollefeys M. Visual odometry. Part II. Matching, robustness, optimization, and applications // Foundations and Trends in Computer Graphics and Vision. 2012. Vol. 7, N 1. P. 1–177.Fraundorfer F., Scaramuzza D., Pollefeys M. Foundations and Trends in Computer Graphics and Vision, 2012, no. 1(7), pp. 1–177.Schleiss M. Translating aerial images into street-map representations for visual self-localization of UAVs // Remote Sensing and Spatial Information Sciences. 2019. Vol. 42. P. 575–580.Schleiss M. Remote Sensing and Spatial Information Sciences, 2019, vol. 42, рр. 575–580.Silva Filho P., Shiguemori E. H., Saotome O. UAV visual autolocalization based on automatic landmark recognition // Intern. Conf. on Unmanned Aerial Vehicles in Geomatics. 2017. P. 89–94.Silva Filho P., Shiguemori E.H., Saotome O. International Conference on Unmanned Aerial Vehicles in Geomatics, 2017, рр. 89–94.Isola P., Zhu J.-Y., Zhou T., Efros A. A. Image-To-Image translation with conditional adversarial networks // Proc. of the IEEE Conf. on computer vision and pattern recognition. 2017. P. 1125–1134.Isola P., Zhu J.-Y., Zhou T., Efros A.A. Proceedings of the IEEE Conference on computer vision and pattern recognition, 2017, рр. 1125–1134.Alcantarilla P. F., Nuevo J., Bartoli A. Fast explicit diffusion for accelerated features in nonlinear scale spaces // British Machine Vision Conference (BMVC). 2013. P. 10.Alcantarilla P.F., Nuevo J., Bartoli A. British Machine Vision Conference (BMVC), 2013, рр. 10.Wang X., Kealy A., Li W., Jelfs B., Gilliam C., May S. L., Moran B. T. Autonomous UAV Localization via Aerial Image Registration // Electronics. 2021. Vol. 10, N 4. P. 15.Wang X., Kealy A., Li W., Jelfs B., Gilliam C., May S.L., Moran B.T. Electronics, 2021, no. 4(10), pp. 15.Bay H., Tuytelaars T., Van Gool L. SURF: Speeded Up Robust Features // Computer Vision ECCV 2006. Lecture Notes in Computer Science. Springer Berlin Heidelberg, 2006. P. 404–417.Bay H., Tuytelaars T., Van Gool L. Lecture Notes in Computer Science, Springer Berlin Heidelberg, 2006, рр. 404–417.Fischler M. A., Bolles R. C. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography // Communications of the ACM. 1981. Vol. 24, N 6. P. 381–395.Fischler M.A., Bolles R.C. Communications of the ACM, 1981, no. 6(24), pp. 381–395.Masselli A., Hanten R., Zell A. Localization of Unmanned Aerial Vehicles Using Terrain Classification from Aerial Images // Advances in Intelligent Systems and Computing. Springer International Publishing, 2016. Vol. 13. P. 831– 842.Masselli A., Hanten R., Zell A. Advances in Intelligent Systems and Computing, Springer International Publishing, 2016. vol. 13, рр. 831–842.Rublee E., Rabaud V., Konolige K., Bradski G. ORB: An efficient alternative to SIFT or SURF // Intern. Conf. on Computer Vision. 2011. P. 2564–2571.Rublee E., Rabaud V., Konolige K., Bradski G. International Conference on Computer Vision, 2011, рр. 2564–2571.Harvey W., Rainwater C., Cothren J. Direct Aerial Visual Geolocalization Using Deep Neural Networks // Remote Sensing. 2021. Vol. 13. P. 43.Harvey W., Rainwater C., Cothren J. Remote Sensing, 2021, vol. 13, рр. 43.Kendall A., Grimes M., Cipolla R. Posenet: A convolutional network for real-time 6-dof camera relocalization // Proc. of the IEEE Intern. Conf. on Computer Vision. Santiago, Chile, 2015. P. 2938–2946.Kendall A., Grimes M., Cipolla R. Proceedings of the IEEE International Conference on Computer Vision, Santiago, Chile, 2015, рр. 2938–2946.Краснобаев Е. А., Краснобаев Е. А., Чистобаев Д. В., Малышев А. Л. Сравнение бинарных дескрипторов особых точек изображений в условиях искажении // Компьютерная оптика. 2019. Т. 43, № 3. С. 434–445.Krasnabayeu E.A., Chistabayeu D.V., Malyshev A.L. Computer Optics, 2019, no. 3(43), pp. 434–445. (in Russ.)

The authors declare that there are no conflicts of interest present.