Preview

Вестник Концерна ВКО «Алмаз – Антей»

Расширенный поиск

Способ посадки беспилотного летательного аппарата вертолетного типа с использованием инфракрасной камеры

Полный текст:

Аннотация

Предложено использовать инфракрасную камеру для распознавания фигуры из набора инфракрасных излучателей – ориентиров на посадочной площадке. Построен и протестирован на стенде алгоритм распознавания инфракрасных ориентиров. Создан программный комплекс для моделирования распознавания посадочной площадки в процессе посадки беспилотного летательного аппарата (БПЛА) вертолетного типа.

Для цитирования:


Иванников К.В., Гаврилов А.В., Боев А.С., Шошин И.С. Способ посадки беспилотного летательного аппарата вертолетного типа с использованием инфракрасной камеры. Вестник Концерна ВКО «Алмаз – Антей». 2016;(3):67-73.

For citation:


Ivannikov K.V., Gavrilov A.V., Boev A.S., Shoshin I.S. Method of landing UAV of helicopter type using an infrared camera. Journal of «Almaz – Antey» Air and Space Defence Corporation. 2016;(3):67-73. (In Russ.)

Введение

В последние годы во всем мире наблюдается повышение интереса к использованию БПЛА вертолетного типа в военной области. Такие аппараты могут нести разную полетную на­грузку: радиоэлектронную защиту, радиоэлек­тронную борьбу, локаторы, индикаторы попа­дания в цель при использовании БПЛА в каче­стве мишеней.

Посадка является наиболее сложной и ответственной стадией полета БПЛА. На этой стадии нельзя полагаться полностью на спут­никовые навигационные системы, поскольку данные от них не обладают достаточной для этой стадии точностью и достоверностью, а во многих местах спутники просто недоступны.

Инфракрасная камера

Предлагается использовать инфракрасную (ИК) камеру как часть системы распознавания по­садочной площадки и, соответственно, инфра­красные источники излучения в качестве ориен­тиров в конструкции площадки. Инфракрасная камера в отличие от камеры, осуществляющей съемку в видимом диапазоне, имеет преимуще­ство: она позволяет получать менее сегментиро­ванные изображения, на которых проще распоз­нать посадочные ориентиры, при отсутствии перекрывающего инфракрасного излучения [1].

В качестве ориентиров при использова­нии ИК-камеры используются, как правило, один или несколько источников инфракрасного излучения. Для отделения помех от источни­ков инфракрасного излучения при распозна­вании или моделируют излучение с некоторой несущей частотой, или составляют из набора источников несложную геометрическую фи­гуру. Среди наиболее распространенных фигур можно выделить формы букв T и H. В данной статье используется фигура, образующая букву Т, которая благодаря своей форме позволяет за­давать направление и использовать эту инфор­мацию при корректировке траектории посадки.

Алгоритм распознавания

При разработке механизма распознавания учи­тывалось требование на время выполнения алгоритма на процессорах типа Intel Core i5 не более 0,03 с при том, что частота кадров, получаемых с большинства современных ИК-камер, - 30 кадр/с.

Основные этапы алгоритма следующие:

  • сглаживание Гаусса;
  • бинаризация изображения;
  • морфологическое замыкание;
  • нахождение контуров сегментов;
  • обнаружение ориентира.

Рассмотрим каждый из них подробнее.

Сглаживание Гаусса. На первом этапе проводится обработка изображения сглажи­вающим фильтром, основанным на функции Гаусса для двумерного случая:

где х - расстояние от начала координат по го­ризонтальной оси;

y - расстояние от начала координат по вертикальной оси;

σ - среднеквадратическое отклонение распределения Гаусса.

Фильтрация повышает качество распоз­навания путем снижения чувствительности алгоритма к шуму. Применение сглаживания положительно влияет на процесс выделения границ, снижается количество ложных контуров, а найденные границы определяются точнее.

Бинаризация изображения. Следующий этап - это получение монохромного изображе­ния, где есть только темные и светлые пиксели. Ключевой характеристикой этого процесса яв­ляется порог яркости, позволяющий провести такое преобразование. Существуют принципы (критерии бинаризации), по которым выбирает­ся этот порог. В данной работе был применен ме­тод Оцу [2]. Идея этого метода состоит в разде­лении пикселов на классы полезных и фоновых таким образом, чтобы внутриклассовая диспер­сия была минимальной. Она определяется как взвешенная сумма дисперсий двух классов [2]:

где вес n1(T) и n2(T) - это вероятности двух классов, разделенных порогом T;

 - дисперсии этих классов.

Морфологическое замыкание. Особен­ность данного алгоритма в сравнении с ал­горитмами, представленными, например, в статьях [1, 3], заключается в том, что он рас­познает в кадре не сплошной контур фигуры ориентира посадочной посадки, а контур, со­ставленный из отдельных сегментов, соответ­ствующих отдельным инфракрасным источни­кам излучения.

По этой причине перед процедурой рас­познавания следует провести математическую операцию морфологического замыкания [4], предназначенную для соединения отдельных сегментов на изображении для образования контура фигуры ориентира посадочной пло­щадки (для данного примера использована конструкция из диодов, излучающих в види­мом диапазоне) (рис. 1).

 

Рис. 1. Результат морфологического замыкания на примере буквы T, состоящей из отдельных диодов

 

Характерной чертой морфологического замыкания является наличие структурообра­зующего элемента [1], размер которого влияет на качество слияния контуров. Поскольку раз­меры диодов и расстояния между ними увели­чиваются по мере уменьшения высоты полета БПЛА при посадке, размер этого элемента яв­ляется в алгоритме монотонно возрастающей функцией высоты.

Нахождение контуров сегментов. По­сле операции морфологического замыкания в изображении находятся контуры содержа­щихся в нем сегментов, и затем дескрипторы контура каждого найденного сегмента сравни­ваются с номинальными, заранее вычисленны­ми дескрипторами контура фигуры ориентира посадки.

В качестве дескрипторов контуров, как в алгоритме [1], используются четыре первых аффинных инварианта моментов [5], позволя­ющих идентифицировать контур независимо от положения на изображении, угла поворота и размера. Как отмечается в работе [5], аффин­ные инварианты можно применять во многих случаях как аппроксимацию проекционных инвариантов для идентификации трехмерных фигур. Также при их использовании число оши­бок при распознавании гораздо меньше, чем при использовании инвариантов Hu [4], чаще использующихся для идентификации контуров изображений [5]:

где mpq - центральные моменты изображения.

Для черно-белого изображения G цен­тральные моменты определяются следующей формулой:

где (хс, ус) - координаты центра изображения G.

С использованием центральных момен­тов можно также вычислить угол θ между глав­ной осью контура ориентира и осью X системы координат:

Зная угол θ, можно минимизировать от­клонение от курса.

Обнаружение ориентира. Ориентир по­садочной площадки считается найденным, если разность между дескрипторами номи­нального контура и дескриптором одного из найденных на изображении контуров меньше 0,0025. Величина выбрана для конкретного контура экспериментальным путем.

Разность между дескрипторами пред­ставляется следующей формулой:

где IiH - i-й элемент дескриптора найденного контура;

Ii - i-й элемент дескриптора номиналь­ного контура.

Такой вид формулы разности между де­скрипторами выбран для того, чтобы в вычис­лении расстояния участвовали все элементы векторов дескрипторов вне зависимости от величин их значений. Блок-схема описанного выше алгоритма представлена на рис. 2.

 

Рис. 2. Блок-схема алгоритма распознавания

 

Тестирование алгоритма распознавания на стенде

Для тестирования алгоритма распознавания был создан лабораторный стенд из 10 ИК-диодов L-53SF6C (d =5 мм, 860 нм, 100 мВт), рас­положенных на площадке 0,5×0,5 м в виде буквы T.

На рис. 3 слева представлено изобра­жение, приходящее на вход алгоритма распо­знавания с ИК-камеры, а справа - результат операции морфологического замыкания, при­мененный к этому изображению.

 

Рис. 3. Морфологическое замыкание для структуры, составленной из ИК-диодов

 

Проведенная операция позволяет уве­ренно отделять ориентир в виде ИК-маркеров от помех (на стенде в виде помех выступают источники дневного освещения).

Моделирование процесса автономной посадки на программном комплексе

В рамках представленной работы разрабо­тан программный комплекс моделирования движения БПЛА при посадке. Программный комплекс предназначен для анализа точно­сти и времени работы алгоритма в зависимо­сти от траектории автоматической посадки и входных данных - параметров алгоритма рас­познавания - и позволяет анимировать поиск посадочной площадки и снижение БПЛА.

На рис. 4 представлен кадр, полученный из анимации процесса поиска цели и посадки. Буква а указывает на положение БПЛА в на­чальной точке анимации. Этап поиска посадочнои площадки происходит на спиралевид­ной траектории БПЛА от начальной точки до текущего положения. Под вертолетом распо­ложена прямоугольная область фиолетового цвета, которая соответствует площади обзора ИК-камеры. В кадре, зафиксированном на рис. 4, ИК-камерой был обнаружен ориентир поса­дочной площадки b. Контур в виде буквы T попал в поле зрения камеры, после чего была рассчитана траектория посадки.

 

Рис. 4. Кадр анимации приближения БГША вертолетного типа к посадоч­ной площадке: а - начальная точка; b - ориентир посадочной площадки; ι=> - траектория посадки

 

На рис. 5 показаны графики по заверше­нии моделирования захода на посадку, прове­денного на компьютере с процессором Intel Core i5 3.2 ГГц.

 

Рис. 5. Графическое отображение результата моделирования посадки БПЛА: а - зависимость разности между дескрипторами от времени; б - зависимость времени распознавания каждого кадра от времени; в - зависимость высоты полеты по оси Y от времени.

 

Пересечение прямой а и оси абсцисс соответствует точке определения положения ориентира посадки, когда первый раз ошиб­ка распознавания становится ближе всего к нулю. Промежуток между прямыми b и с со­ответствует снижению вертолета. При этом весь оставшийся путь он находится над посадочной площадкой, что отражено на рис. 5, а, где раз­ность между дескрипторами минимальна. На участке после пересечения прямой c и оси абс­цисс буква T выходит за пределы камеры, поэто­му разность между дескрипторами возрастает.

Дальнейшее развитие алгоритма распознавания ориентира посадочной площадки

Следующими шагами в разработке алго­ритма распознавания являются:

  • подбор необходимой промышленной аппаратуры для решения задачи;
  • проведение натурных испытаний суще­ствующего алгоритма и подтверждение пра­вильного выбора аппаратуры;
  • исследование возможности использова­ния источника модулируемого ИК-излучения в качестве ориентира посадочной площадки;
  • создание и отработка завершенной оп­тической системы посадки на небольшом вер­толете.

В настоящее время запланированы на­турные испытания разработанного алгоритма распознавания, цель которых - решение задачи выбора ИК-камеры и ориентира посадочной площадки при предположении, что ИК-камера будет находиться на расстоянии 100 м от ориентира посадочной площадки. Также требуется подобрать специальную аппаратуру (напри­мер, одноплатный компьютерный модуль) для установки на борт вертолета с определенными характеристиками в зависимости от постав­ленных задач.

В дальнейшем существующий алгоритм будет проверен совместно с камерой, выбранной для установки на борт вертолета, а также оборудованием для индикации посадочного ориентира.

Большой интерес представляет исследо­вание возможности использования модулируе­мого ИК-излучения в качестве ориентира по­садочной площадки, как в разработке фирмы IR-Lock [6], которая с 2015 г. начала коммер­ческое производство комплектов ИК-камер и ИК-маяков с характеристиками, позволяющи­ми производить распознавание практически во всех погодных условиях, при ярком солнеч­ном свете и в темноте. Разработанная фирмой технология позволяет предотвращать ошибки распознавания и нежелательные приземления.

После всевозможных отработок и изго­товления законченного изделия планируется его отработка на вертолете взлетной массой свыше 450 кг.

Список литературы

1. Research on computer vision-based for UAV autonomous landing on a ship / G. Xu et al. // Pattern Recognition Letters. 2009. No. 30. Pp. 600–605.

2. Otsu N. A threshold selection method from gray-level histograms // Proc. 1979 IEEE Trans. Sys. Man. Cybern. No. 9 (1). Pp. 62–66.

3. Saripalli S., Montgomery J., Sukhatme G. Vision-based autonomous landing of an unmanned aerial vehicle // Proc. 2002 IEEE Intern. Conf. on Robotics and Automation. Pp. 2799–2804.

4. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений. М.: Техносфера, 2005.

5. Flusser J., Suk T., Zitová B. Moments and moment invariants in pattern recognition. Wiley & Sons Ltd., 2009. 312 p.

6. IR-LOCK. URL: http://irlock.com


Об авторах

К. В. Иванников
ОАО «ГосНИИП»
Россия

Иванников Константин Валерьевич – начальник отдела.

Область научных интересов: беспилотные летательные аппараты.

г. Москва



А. В. Гаврилов
ОАО «ГосНИИП»
Россия

Гаврилов Алексей Владимирович – кандидат технических наук, ведущий инженер-программист.

Область научных интересов: распознавание образов.

г. Москва



А. С. Боев
ОАО «ГосНИИП»
Россия

Боев Антон Сергеевич – инженер-программист.

Область научных интересов: распознавание образов.

г. Москва



И. С. Шошин
ОАО «ГосНИИП»
Россия

Шошин Илья Сергеевич – инженер-программист.

Область научных интересов: распознавание образов, 3D-моделирование.

г. Москва



Для цитирования:


Иванников К.В., Гаврилов А.В., Боев А.С., Шошин И.С. Способ посадки беспилотного летательного аппарата вертолетного типа с использованием инфракрасной камеры. Вестник Концерна ВКО «Алмаз – Антей». 2016;(3):67-73.

For citation:


Ivannikov K.V., Gavrilov A.V., Boev A.S., Shoshin I.S. Method of landing UAV of helicopter type using an infrared camera. Journal of «Almaz – Antey» Air and Space Defence Corporation. 2016;(3):67-73. (In Russ.)

Просмотров: 42


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2542-0542 (Print)