Алгоритм навигации беспилотных летательных аппаратов по изображению подстилающей поверхности

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.

1. Zitová B., Flusser J. Image registration methods: a survey // Image and Vision Computing. 2003. Vol. 21, N 11. P. 977–1000.

2. Lowe D. G. Distinctive image features from scale-invariant keypoints // Intern. J. of Computer Vision. 2004. Vol. 60, N 2. P. 91–110.

3. 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.

4. Szeliski R. Computer Vision: Algorithms and Applications, Texts in Computer Science. Springer International Publishing, 2010. P. 183–228.

5. 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.

6. 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.

7. 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.

8. 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.

9. 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.

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.

11. 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.

12. 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.

13. 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.

14. 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.

15. Harvey W., Rainwater C., Cothren J. Direct Aerial Visual Geolocalization Using Deep Neural Networks // Remote Sensing. 2021. Vol. 13. P. 43.

16. 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.

17. 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.