Алгоритм комплексирования изображений при групповом применении беспилотных воздушных судов

В настоящее время непрерывно расширяется область применения беспилотных воздушных судов. Перспективной областью совершенствования беспилотных воздушных судов является осуществление при выполнении управляемого полета некоторых групповых действий. В настоящей работе рассмотрены некоторые вопросы группового применения беспилотных воздушных судов, связанные с организацией согласованного планирования и управления беспилотными воздушными судами, выполняющими задачи наблюдения. Выполнение поисковых работ с воздуха технически осложнено необходимостью распознать объект поиска в произвольных условиях, которые могут быть как простыми, так и сложными. Область поиска ограничена техническими возможностями беспилотного воздушного судна, поэтому с целью повышения эффективности поисковых работ беспилотные воздушные суда объединяются в группы. Предлагается алгоритм решения задачи поиска объекта в произвольных условиях группой беспилотных воздушных судов. Преимуществом группового поиска беспилотными воздушными судами является охват района поиска большей площади за условную единицу времени. В настоящей работе рассматривается технический облик беспилотного воздушного судна, содержащий как средства осуществления группового полета, так и систему технического зрения. Изображение, получаемое системой технического зрения, является одновременно источником навигационной информации и средством, достоверно определяющим результат поисковых работ. В зависимости от условий проведения поисковых работ изображение, получаемое системой технического зрения, может потребовать дополнительной обработки для применения по назначению. Предложен алгоритм комплексирования, отличающийся адаптивной настройкой параметров в каждом кадре индивидуально для различных фрагментов изображения. На основе полученных результатов планируется создать новый продукт для коммерческой эксплуатации беспилотных воздушных судов.

1. Гаинутдинова Т.Ю. Модель формирования стаи для автономных летательных аппаратов / Т.Ю. Гаинутдинова, А.В. Гайнутдинова, М.В. Трусфус, В.Г. Гайнутдинов // Известия высших учебных заведений. Авиационная техника. 2020. № 3. С. 134–138.

2. Афанасьев В.А., Дегтярев Г.Л., Мещанов А.С. Формирование программных пространственных траекторий полета беспилотных летательных аппаратов // Известия высших учебных заведений. Авиационная техника. 2017. № 3. С. 29–37.

3. Ким Н.В., Кузнецов А.Г., Крылов И.Г. Применение систем технического зрения на беспилотных летательных аппаратах в задачах ориентации на местности // Вестник МАИ. 2010. Т. 17, № 3. С. 6.

4. Zhang Y., Zhang P. Power control algorithm based on a cooperative game in usercentric unmanned aerial vehicle group [Электронный ресурс] // Complexity. 2021. ID: 7108198. 6 p. DOI: 10.1155/2021/7108198 (дата обращения: 08.02.2023).

5. Бондаренко М.А., Дрынкин В.Н. Оценка информативности комбинированных изображений в мультиспектральных системах технического зрения // Программные системы и вычислительные методы. 2016. № 1. С. 64–79. DOI: 10.7256/2305-6061.2016.1.18047

6. Гриценко А.Е., Степашкин В.Н., Сельвесюк Н.И. Алгоритм непрерывной автоматической коррекции пилотажно-навигационной системы беспилотного летательного аппарата на основе сквозной стереофотограмметрической обработки изображений от бортового многокадрового датчика // Научный Вестник МГТУ ГА. 2012. № 176. С. 128–133.

7. Дрынкин В.Н., Фальков Э.Я., Царева Т.И. Формирование комбинированного изображения в двухзональной бортовой авиационно-космической системе // Механика, управление и информатика. 2012. № 3 (9). С. 33–39.

8. Зотин А.Г. Улучшение визуального качества изображений, полученных в сложных условиях освещенности на основе инфракрасных данных / А.Г. Зотин, М.В. Дамов, А.И. Пахирка, Е.И. Савчина // Программные продукты и системы. 2016. № 3. С. 109–120.

9. Yilmaz V., Gungor O. Fusion of very high-resolution UAV images with criteria-based image fusion algorithm [Электронный ресурс] // Arabian Journal of Geosciences. 2016. Vol. 9, article number 59. 16 p. DOI: 10.1007/s12517-015-2109-8 (дата обращения: 08.02.2023).

10. Инсаров В.В. Формирование комплексированных телевизионно-тепловизионных изображений в системах переднего обзора летательных аппаратов / В.В. Инсаров, К.В. Обросов, В.Я. Ким, В.М. Лисицын // Вестник компьютерных информационных технологий. 2013. № 4. С. 3–10.

11. Пуртов И.С., Синча Д.П. Исследование методов и разработка алгоритмов обработки видеоинформации в задачах локализации положения беспилотного летательного аппарата на основе распознавания изображений при помехах и искажениях [Электронный ресурс] // Труды МАИ. 2012. № 52. 13 с. URL: https://trudymai.ru/upload/iblock/ac0/issledovanie-metodov-i-razrabotka-algoritmovobrabotki-videoinformatsii-v-zadachakhlokalizatsii-polozheniya-bespilotnogoletatelnogo-apparata-na-osnove-raspoznovaniyaizobrazheniy-pri-pomekhakh-iiskazheniyakh.pdf?lang=ru&issue=52 (дата обращения: 08.02.2023).

12. Лунев Е.М. Повышение точности определения навигационных параметров беспилотного летательного аппарата на базе фотограмметрических измерений на этапе посадки // Вестник МАИ. 2011. Т. 18, № 2. С. 150–159.

13. Yu Z. Fusion method of optical image and SAR based on UAV / Z. Yu, F. Wu, X. Ning, L. Pang, Y. He, P. Liu // Journal of Applied Optics. 2017. Vol. 38, no. 2. Pp. 174–179. DOI: 10.5768/JAO201738.0201004

14. Li S. Image fusion employing adaptive spectral-spatial gradient sparse regularization in UAV remote sensing / S. Li, F. Yu, X. Tian, Zh. Ml [Электронный ресурс] // Signal Processing. 2020. Vol. 170, ID: 107434. DOI: 10.1016/j.sigpro.2019.107434 (дата обращения: 08.02.2023).

15. Казбеков Б.В., Максимов Н.А., Шаронов А.В. Метод сопоставления изображений с эталонами как метод идентификации подвижных наземных объектов // Научный Вестник МГТУ ГА. 2014. № 207. С. 61–66.

16. Павлова Н.В., Лунев Е.М. Программно-алгоритмическое обеспечение для определения навигационных параметров беспилотного летательного аппарата на базе фотоизображения // Вестник МАИ. 2009. Т. 16, № 6. С. 16.

17. Shorakaei H. Optimal cooperative path planning of unmanned aerial vehicles by a parallel genetic algorithm / H. Shorakaei, M. Vahdani, B. Imani, A. Gholami // Robotica. 2016. Vol. 34, iss. 4. Pp. 823–836. DOI: 10.1017/S0263574714001878

18. Çaşka S., Gayretli A. An algorithm for collaborative surveillance systems with unmanned aerial and ground vehicles // International journal of engineering trends and technology. 2016. Vol. 33, no. 5. Pp. 208–212. DOI: 10.14445/22315381/IJETT-V33P241

19. Alam M. Topology control algorithms in multi-unmanned aerial vehicle networks: an extensive survey / M. Alam, M.Y. Arafat, S. Moh, J. Shen [Электронный ресурс] // Journal of network and computer applications. 2022. Vol. 207, ID: 103495. DOI: 10.1016/j.jnca.2022. 103495 (дата обращения: 08.02.2023).

20. Do H. Formation control algorithms for multiple-UAVs: a comprehensive survey / H. Do, H. Hua, M. Nguyen, V.-C. Nguyen, H. Nguyen, N. Nga [Электронный ресурс] // EAI Endorsed transactions on industrial networks and intelligent systems. 2021. Vol. 8, ID: 170230. 13 p. DOI: 10.4108/eai.10-6-2021. 170230 (дата обращения: 08.02.2023).

21. Balasundaram B., Thirugnanam G. Multiwavelet based unmanned aerial vehicle thermal image fusion for surveillance and target location // ICACDS 2020: Advances in Computing and Data Sciences, 2020. Vol. 1244. Pp 352–361. Singapore: Springer. DOI: 10.1007/978-981-15-6634-9_32

22. Kaimaris D., Kandylas A. Small multispectral UAV sensor and its image fusion capability in cultural heritage applications // Heritage. 2020. Vol. 3, no. 4. Pp. 1046–1062. DOI: 10.3390/heritage3040057