Определение положения и ориентации беспилотного летательного аппарата на основе системы технического зрения Автор – Степанов Д. Н., ИПС РАН Научный руководитель – Тищенко И. П., к. т. н.
Задача автоматического позиционирования БПЛА Недостатки GPS/ГЛОНАСС Применение видеокамер, а также использование алгоритмов и методов ТЗ.
Постановка задачи
Опорные и тестовые снимки
Поиск «соответствующих» точек 1. выделение некоторого множества точек (так называемых особых точек) на тех фрагментах карты, которые попали в вышеуказанную область; 2. выделение некоторого множества точек на снимке с БПЛА; 3. сопоставление особых точек на двух изображениях. Поиск особых точек – алгоритм SURF, каждой точке сопоставляется свой дескриптор. Использовались различные реализации алгоритма из различных программных библиотек
Сопоставление особых точек для каждой особой точки p 1, найденной на снимке с БПЛА, надо найти особую точку p 2 на фрагменте карты, такую, что p 1 и p 2 – проекции одной и той же точки, лежащей на поверхности Земли. Полный перебор (алгоритм Brute-Force). Использование kd-деревьев – библиотека FLANN ( Fast Library for Approximate Nearest Neighbors ).
Поиск матрицы гомографии, связывающей карту местности и снимок с БПЛА Используем множество пар «соответствующих» точек. Данные могут быть зашумлены. Используем методику RANSAC (RAndom SAmple Consensus): 1.Основана на использовании случайных выборок. 2.Отбрасываем «ложные» пары точек. 3.Находим начальное приближение для неизвестных величин
Поиск матрицы гомографии, связывающей карту местности и снимок с БПЛА (2)
Уточнение значений неизвестных параметров Алгоритм Левенберга - Марквардта :
Результаты Действительная траектория полета : Вычисленная траектория :
Что дальше ? Снятие ограничений на возможные движения аппарата. Полет виртуального БПЛА над местностью с рельефом. Использование кластеров и GPU для распараллеливания некоторых частей существующих и разрабатываемых алгоритмов. Управление полетом БПЛА.
Спасибо за внимание!