Алгоритмы определения пространственного положения беспилотного летательного аппарата относительно посадочной платформы с использованием компьютерного зрения


Цитировать

Полный текст

Аннотация

Рассмотрены алгоритмы определения положения беспилотного летательного аппарата самолётного или вертолётного типа относительно посадочной платформы с помощью специальных оптических меток и программ компьютерного зрения. Проведена оценка возможности расчёта углового положения, высоты и расстояния до посадочной платформы в реальном времени на основе обработки изображений бортовым процессором, объединённым с цифровой оптической камерой в единый измерительный блок. Представлены результаты расчёта ориентации самолёта относительно посадочной платформы, движущейся по программной траектории. Моделирование процесса распознавания оптических меток на движущейся платформе с движущегося летательного аппарата подтвердило, что с использованием процессора с программой распознавания и идентификации оптических меток средствами компьютерного зрения и алгоритмами для расчёта положения летательного аппарата относительно посадочной платформы может гарантированно давать достоверную информацию о положении беспилотного летательного аппарата относительно посадочной платформы в реальном времени и использоваться совместно с другими навигационными средствами (или самостоятельно) для обеспечения точной посадки беспилотных летательных аппаратов.

Об авторах

Т. Ю. Гайнутдинова

Казанский национальный исследовательский технический университет им. А.Н. Туполева

Автор, ответственный за переписку.
Email: tgainut@mail.ru

кандидат технических наук, доцент кафедры конструкции и проектирования летательных аппаратов

Россия

С. В. Новикова

Казанский национальный исследовательский технический университет им. А.Н. Туполева

Email: sweta72@bk.ru

доктор технических наук, профессор кафедры конструкции и проектирования летательных аппаратов

Россия

В. Г. Гайнутдинов

Казанский национальный исследовательский технический университет им. А.Н. Туполева

Email: gainut@mail.ru

доктор технических наук, профессор, заведующий кафедрой конструкции и проектирования летательных аппаратов

Россия

М. В. Трусфус

Казанский национальный исследовательский технический университет им. А.Н. Туполева

Email: mtrusfus@yandex.ru

инженер кафедры конструкции и проектирования летательных аппаратов

Россия

В. М. Литвин

Казанский национальный исследовательский технический университет им. А.Н. Туполева

Email: litwin@mail.ru

инженер кафедры конструкции и проектирования летательных аппаратов

Россия

Список литературы

  1. Sanchez-Lopez J.L., Pestana J., Saripalli S., Campoy P. An approach toward visual autonomous ship board landing of a VTOL UAV // Journal of Intelligent & Robotic Systems. 2014. V. 74. P. 113-127. doi: 10.1007/s10846-013-9926-3
  2. Xu G., Zhang Y., Ji S., Cheng Y., Tian Y. Research on computer vision-based for UAV autonomous landing on a ship // Pattern Recognition Letters. 2009. V. 30, Iss. 6. P. 600-605. doi: 10.1016/j.patrec.2008.12.011
  3. Truong Q.H., Rakotomamonjy T., Taghizad A., Biannic J.-M. Vision-based control for helicopter ship landing with handling qualities constraints // IFAC-PapersOnLine. 2016. V. 49, Iss. 17. P. 118-123. doi: 10.1016/j.ifacol.2016.09.021
  4. Holmes W.K., Langelaan J.W. Autonomous ship-board landing using monocular vision // Proceedings of the AHS 72th Annual Forum (May, 17-19, 2016, West Palm Beach, Florida). V. 2.
  5. Meng Y., Wang W., Han H., Ban J. A visual/inertial integrated landing guidance method for UAV landing on the ship // Aerospace Science and Technology. 2019. V. 85. P. 474-480. doi: 10.1016/j.ast.2018.12.030
  6. Yakimenko O.A., Kaminer I.I., Lentz W.J., Ghyzel P.A. Unmanned aircraft navigation for shipboard landing using infrared vision // IEEE Transactions on Aerospace and Electronic Systems. 2002. V. 38, Iss. 4. P. 1181-1200. doi: 10.1109/taes.2002.1145742
  7. Агеев А.М., Бондарев В.Г., Проценко В.В. Обоснование выбора источников излучения для системы технического зрения в задаче автоматической посадки беспилотных летательных аппаратов // Компьютерная оптика. 2022. Т. 46, № 2. С. 239-245. doi: 10.18287/2412-6179-CO-875
  8. Lumsden B., Wilkinson C., Padfield G. Challenges at the helicopter-ship dynamic interface // 24th European Rotorcraft Forum (September, 15-17, 1998, Marseilles, France).
  9. Colwell J. Maritime helicopter ship motion criteria. Challenges for operational guidance. http://resolver.tudelft.nl/uuid:01b52b50-e242-457d-854d-907b5e04faf1
  10. Stingl A.L. Vtol aircraft flight system. US Patent, no. 3473232, 1969. (Publ. 21.10.1969)
  11. MPP-02 V. I. Helicopter operations from ships other than aircraft carriers (HOSTAC). NATO, 2017.
  12. Girshick R., Donahue J., Darrell T., Malik J. Rich feature hierarchies for accurate object detection and semantic segmentation // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (June, 23-28, 2014, Columbus, OH, USA). doi: 10.1109/cvpr.2014.81
  13. Girshick R. Fast R-CNN // Proceedings of the IEEE International Conference on Computer Vision (December, 07-13, 2015, Santiago, Chile). doi: 10.1109/iccv.2015.169
  14. Ren S., He K., Girshick R., Sun J. Faster R-CNN: towards real-time object detection with region proposal networks // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2017. V. 39, Iss. 6. P. 1137-1149. doi: 10.1109/tpami.2016.2577031
  15. Liu W., Anguelov D., Erhan D., Szegedy C., Reed S., Fu C.-Y., Berg A.C. SSD: Single shot multibox detector // Lecture Notes in Computer Science. 2016. V. 9905. P. 21-37. doi: 10.1007/978-3-319-46448-0_2
  16. Redmon J., Divvala S., Girshick R., Farhadi A. You only look once: Unified, real-time object detection // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (June, 27-30, 2016, Las Vegas, NV, USA). doi: 10.1109/cvpr.2016.91
  17. Redmon J., Farhadi A. YOLO9000: better, faster, stronger // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (July, 21-26, 2017, Honolulu, HI, USA). doi: 10.1109/cvpr.2017.690
  18. Redmon J., Farhadi A. Yolov 3: An incremental improvement. Tech. report, arXiv: 1804.02767 [cs.CV], 2018. doi: 10.48550/arXiv.1804.02767
  19. Benjdira B., Khursheed T., Koubaa A., Ammar A., Ouni K. Car detection using unmanned aerial vehicles: Comparison between faster R-CNN and YOLOv3 // 1st International Conference on Unmanned Vehicle Systems-Oman (UVS) (February, 05-07, 2019, Muscat, Oman). doi: 10.1109/uvs.2019.8658300
  20. Zishan W., Shunliang P., Zishan S., Weiqun S. Computer vision scheme for autonomous landing of unmanned helicopter on ship deck // Journal of Beijing University of Aeronautics and Astronautics. 2007. V. 33, Iss. 6.
  21. Wang X.-J., Pan S.-L., Song Z.-S., Shen W.-Q. Vision based analytic 3D measurement algorithm for the autonomous landing of unmanned helicopter on ship deck // Optical Technique. 2007. V. 33. P. 264-267.
  22. Sharp C.S., Shakernia O., Sastry S.S. A vision system for landing an unmanned aerial vehicle // Proceedings of the IEEE International Conference on Robotics and Automation (ICRA 2001) (May, 21-26, 2001, Seoul, Korea (South)). doi: 10.1109/robot.2001.932859
  23. Shiqing L., Chunhua H., Jihong Z. A Method for estimating position and orientation of an unmanned helicopter based on vanishing line information // Computer Engineering and Applications. 2004. V. 9.
  24. Лукьянов О.Е., Золотов Д.В., Эспиноса Барсенас О.У., Комаров В.А. Определение аэродинамических характеристик малоразмерных беспилотных летательных аппаратов в лётном эксперименте // Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение. 2023. Т. 22, № 3. С. 59-74. doi: 10.18287/2541-7533-2023-22-3-59-74
  25. Tapia E. A note on the computation of high-dimensional integral images // Pattern Recognition Letters. 2011. V. 32, Iss. 2. P. 197-201. doi: 10.1016/j.patrec.2010.10.007
  26. Jähne B., Scharr H., Körkel S. Principles of filter design // Handbook of Computer Vision and Applications. V. 2. Signal Processing and Pattern Recognition. Academic Press, 1999. P. 125-151.
  27. Canny J. A computational approach to edge detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1986. V. 8, Iss. 6. P. 679-698. doi: 10.1109/tpami.1986.4767851
  28. Гайнутдинова T.Ю., Гайнутдинов В.Г., Латыпов Р.Р., Мухаметзянов Ф.Ф. Способ точной посадки беспилотного летательного аппарата и устройство для реализации способа: патент РФ № 2773978; опубл. 14.06.2022; бюл. № 17.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение, 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-ShareAlike 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».