Математическое и алгоритмическое обеспечение систем управления видеокамерой беспилотных летательных аппаратов тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Абрамов, Николай Сергеевич

• Абрамов, Николай Сергеевич
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Абрамов, Николай Сергеевич

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

Актуальность темы

Цели и задачи

Научная новизна

Достоверность

Теоретическая и практическая ценность работы

Методы исследования

Положения, выносимые на защиту

Апробация работы

Публикации

Структура и объем диссертации

Содержание работы

ГЛАВА 1. АНАЛИТИЧЕСКИЙ ОБЗОР БПЛА И СИСТЕМ ТЕХНИЧЕСКОГО ЗРЕНИЯ

1.1 Обоснование выбора направления исследований

1.2 Обзор отечественных и зарубежных беспилотных летательных аппаратов и их систем

технического зрения

1.2.1 Классификация и технические характеристики БПЛА

1.3 Системы технического зрения БПЛА

1.4 Анализ состояния исследований в области технического зрения и управления БПЛА в РФ и за рубежом

1.5 Выводы

ГЛАВА 2. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МАТЕМАТИЧЕСКОГО ОБЕСПЕЧЕНИЯ ДЛЯ СИСТЕМЫ ТЕХНИЧЕСКОГО ЗРЕНИЯ

2.1 Алгоритм улучшения качества снимка

2.1.1 Эксперименты по улучшению качества снимка

2.1.2 Сравнение с другими методами фильтрации

2.2 Алгоритм распознавания объектов на основе инвариантных моментов

2.2.1 Проверка устойчивости моментов к искажениям данных

2.2.2 Эксперименты по распознаванию объектов на основе инвариантных моментов

2.2.3 Сравнение с алгоритмом распознавания методом сканирующего окна с использованием ИНС Хемминга

2.3 Алгоритм измерения расстояния на основе инвариантных моментов

2.3.1 Эксперименты по измерению расстояния на основе инвариантных моментов

2.3.2 Оценка погрешности измерения инвариантов

2.4 Алгоритм высокоточного нацеливания камеры

2.4.1 Нацеливание камеры из начального положения

2.4.2 Нацеливание камеры из произвольного положения

2.4.3 Эксперименты по высокоточному нацеливанию камеры на объект

2.5 Выводы

ГЛАВА 3. РАЗРАБОТКА МАТЕМАТИЧЕСКОГО ОБЕСПЕЧЕНИЯ УПРАВЛЕНИЯ БПЛА И ЕГО БОРТОВОЙ КАМЕРОЙ В ПРОЦЕССЕ ПРОВОДКИ ПО ЗАДАННОМУ МАРШРУТУ И В ЗАДАЧЕ СЛЕЖЕНИЯ ЗА ОБЪЕКТОМ

3.1. Выбор стратегии управления

3.2. Математическая модель системы управления углом тангажа

3.3. Схема интеллектуального управления полетом

3.4. Вычисление угла тангажа в задаче преследования цели

3.5. Моделирование полета БПЛА с учетом ветровой нагрузки

3.6. Управление камерой на борту БПЛА

3.7. Модель системы платформы-видеокамера

3.8. Моделирование работы системы управления камерой

3.9. Выводы

ГЛАВА 4. РАЗРАБОТКА И ИССЛЕДОВАНИЕ ЭКСПЕРИМЕНТАЛЬНОГО СТЕНДА СТЗ НА БАЗЕ ОДИНОЧНОЙ КАМЕРЫ И СТРУКТУРЫ ЕГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

4.1 Обоснование выбора математического обеспечения и состава программного комплекса

4.2 Общая схема экспериментальной системы технического зрения

4.3 Программное обеспечение экспериментального комплекса

4.4 Выводы

ЗАКЛЮЧЕНИЕ

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А

ПРИЛОЖЕНИЕ Б

Введение диссертации (часть автореферата) на тему «Математическое и алгоритмическое обеспечение систем управления видеокамерой беспилотных летательных аппаратов»

ВВЕДЕНИЕ

Актуальность темы

Актуальность темы и ее научная новизна определяются потребностью создания и оснащения малых летательных аппаратов, в том числе автономных беспилотных (БПЛА) многофункциональными системами технического зрения (СТЗ) на основе видеокамер. Подобные СТЗ должны решать задачи, свойственные современным обзорно-прицельным системам, с учетом условий выполнения полета по заданной траектории при наличии препятствующих факторов и ограничений. В перечень важнейших решаемых задач входят: выделение, распознавание и слежение за целевыми объектами, определение местоположения и ориентации летательных аппаратов, высокоточное наведение камеры в точку возможной встречи двух летательных объектов и многие другие. Вопросы обработки видеоданных и распознавания образов активно развивались в работах Ю.И.Журавлева, В.Н.Вапника, О.А.Славина, Т.Ю.Морозовой, БХоше, Т.Капаёе, А.СеБеШ, Е.РгопЮгп и др. Методы управления видеокамерой рассматривались в работах С.П.Фирсова, А.В.Хамухина, Н.В.Птицына, З.Уош, Ь.8.0ау1з, и др. Существенный вклад в теорию интеллектуального управления динамическими системами внесли: А.Н.Аверкин, В.Н.Вагин, В.В.Емельянов, А.Г.Еремеев, А.Н.Мелихов, Г.С.Осипов, Д.А.Поспелов и др.

Известны обзорно-прицельные системы больших летательных аппаратов, которыми занимаются в основном военные ведомства разных стран. Подобные устройства в задачах нацеливания, как правило, основываются на лазерных и тепловизорных указателях, как, например, в системе «Пейв Спайк» самолета Р-4 и «Пейв Тек» самолета Г-111Б, а также в отечественных самолетах и вертолетах. Большое внимание в последнее время уделяется проблеме построения «интеллектуальных систем видеонаблюдения», способных комплексно решать задачу слежения за целью

в автоматическом режиме. Подобными технологиями занимаются, например, в компании «Синезис», где создается поколение стационарных роботизированных камер. В ходе исследований были разработаны основы систем предобработки, выделения и распознавания образов на видеокадрах, управления видеокамерами различных конструкций, построены элементы теории интеллектуального управления динамическими объектами, предложены общие схемы построения прикладных интеллектуальных систем. Однако многие задачи для малых аппаратов остались не до конца решенными, что препятствует созданию автономных измерительно-управляющих систем на основе технического зрения, в частности, задачи определения местоположения и ориентации БПЛА на основе одиночной видеокамеры, как альтернативы системам позиционирования ГЛОНАСС/ОР8; распознавания и высокоточного автоматического наведения видеокамеры на подвижные объекты в реальном времени при ограничениях на вычислительные ресурсы, построения эффективного математического и алгоритмического обеспечения для бортовых систем автоматического управления автономных БПЛА и установленных на них видеокамер.

Особое внимание уделяется алгоритмам улучшения качества снимков, точностным и скоростным характеристикам наведения, анализа и интерпретации видеопотока, которые должны обеспечивать решение задач выделения, распознавания, позиционирования и слежения. Несмотря на удачные аэродинамические и компоновочные решения, отечественные разработки по оснащению БПЛА пока проигрывают зарубежным в части целевой нагрузки, навигационной аппаратуры и бортового оборудования. Поэтому исследование и разработка методов автоматической обработки информации и управления видеокамерой при имеющихся ограничениях на бортовые вычислительные средства БПЛА является крайне актуальным и востребованным направлением для отечественной науки. Для обеспечения данных показателей требуется создание математического, алгоритмического и

программного обеспечения, способного выполнять основные функции анализа и управления.

Цели и задачи

Целью диссертационной работы является разработка математического и алгоритмического обеспечения систем технического зрения на основе одиночной видеокамеры БПЛА, обеспечивающего решение комплекса задач обработки видеопотока. Указанная цель достигается решением следующих задач:

1) разработка алгоритма улучшения качества снимка;

2) разработка алгоритмов распознавания и определения расстояний до объектов;

3) разработка алгоритма и метода перевода камеры из текущей точки наблюдения в заданную и нацеливания видеокамеры с опережением в задачах преследования подвижной цели;

4) разработка математических моделей и методов интеллектуального управления БПЛА и видеокамерой, установленной на БПЛА;

5) разработка и исследование программного комплекса, реализующего алгоритмы СТЗ.

Научная новизна

- Разработан алгоритм улучшения качества снимка по серии смежных кадров видеоряда, отличающийся от известных методов фильтрации искажений отсутствием необходимости настройки параметров и сканирования окном, что увеличивает скорость обработки;

— Разработаны и исследованы алгоритмы распознавания и вычисления расстояний до объекта с помощью одиночной видеокамеры, основанные на модификации метода инвариантных моментов и отличающиеся новым способом масштабирования с пониженной степенью характерного параметра размера изображения, что повышает скорость обработки и позволяет

обоснованно выбирать отдельные инварианты на основе выполненной оценки их чувствительности;

- Разработан алгоритм управления одиночной видеокамерой с двумя степенями свободы, обеспечивающий высокоточное нацеливание в заданную точку наблюдения, в отличие от известных алгоритмов решения задач наведения видеокамер в заданный квадрат;

- Разработан оригинальный алгоритм управления динамической системой «БПЛА-видеокамера» на основе продукционных правил для одновременного решения задач проводки по маршруту при наличии ветровых нагрузок и слежения с опережением за динамическими объектами.

Достоверность

Достоверность полученных результатов обеспечивается использованием математического аппарата аналитической геометрии и машинной графики, методов искусственного интеллекта, теории управления, теории алгоритмов и структур данных, методов математического программирования, имитационным моделированием на ЭВМ в среде МАТЪАВ и экспериментальными исследованиями на испытательном стенде.

Теоретическая и практическая ценность работы

Полученные в диссертационной работе научные результаты позволяют в комплексе решать актуальные задачи управления видеокамерами и обработки потоков видеоинформации с использованием бортовых ЭВМ. Выведены аналитические формулы для точного нацеливания видеокамеры на заданную точку наблюдаемой поверхности. Построена модель управления БПЛА в задачах преследования-убегания, проводки по маршруту и наблюдения за объектом. Разработанные алгоритмы измерения расстояния до объекта, распознавания и наведения могут применяться на борту БПЛА при решении задач определения местоположения и преследования-убегания. Практическую ценность представляет алгоритмическое и программное

обеспечение, а также разработанный стенд, позволяющий проводить отладку и исследование алгоритмов управления видеокамерой для распознавания и нацеливания до их практического применения.

Работа выполнена в рамках Госбюджетной НИР ИПС им. А.К. Айламазяна РАН, а также проектов №2.10 «Методы автоматического позиционирования и интеллектуального управления беспилотными летательными аппаратами на основе средств технического зрения» по Программе фундаментальных исследований ОНИТ РАН «Интеллектуальные информационные технологии, системный анализ и автоматизация» и в рамках проектов РФФИ № 13-07-00025 А «Исследование методов анализа интегрированной текстовой, графической и речевой информации в системах интеллектуального управления динамическими объектами» и № 12-07-00205-а «Разработка новых способов решения задач управления движениями космических аппаратов на всех этапах полетов и оперативного отображения получаемых результатов на основе методов годографов и когнитивной графики».

Методы исследования

Поставленные задачи решались с использованием аппарата математической логики, методов системного анализа, методов искусственного интеллекта, теории управления, теории алгоритмов и структур данных, методов математического программирования и имитационного моделирования.

Положения, выносимые на защиту

1. Метод улучшения качества снимка по серии смежных кадров видеоряда, обеспечивающий высокую скорость устранения помех.

2. Алгоритмы распознавания и измерения расстояний до объектов на основе метода инвариантных моментов с предложенной новой системой масштабирования и оценкой устойчивости моментов к помехам.

3. Алгоритм управления видеокамерой с двумя степенями свободы, обеспечивающий высокоточное и быстрое нацеливание в заданную точку наблюдения.

4. Метод управления системой БПЛА-видеокамера для проводки по заданному маршруту при условии наличия ветровых нагрузок и нацеливания на заданный объект, в том числе с опережением.

5. Программный комплекс, реализующий разработанные алгоритмы системы технического зрения.

Апробация работы

Основные результаты работы докладывались и обсуждались на следующих конференциях:

1) V Всероссийская научно-техническая конференция «Актуальные проблемы ракетно-космического приборостроения и информационных технологий», Москва, ОАО «Российские космические системы», 2012 г.

2) Международная молодежная конференция «Информационные системы и технологии», Москва, Конгресс-центр Московского технического университета связи и информатики, 2012 г.

3) Научная сессия НИЯУ МИФИ-2013, Москва, НИЯУ МИФИ, 2013 г.

4) XIII Международная конференция по вычислительной механике и современным прикладным программным системам, Крым, 2013 г. Алгоритмическое и программное обеспечение прошло апробацию в

ИПС им. А.К. Айламазяна РАН, ИСА РАН.

Публикации

Основные результаты диссертации отражены в десяти печатных работах, в том числе, в трудах четырех научных конференций и пяти статьях в изданиях, включенных в перечень рецензируемых научных журналов, рекомендованных ВАК.

Структура и объем диссертации

Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и двух приложений. Общий объем основного текста диссертации составляет 134 страницы, список литературы состоит из 80 наименований. В работе содержится 52 рисунка и 15 таблиц.

Содержание работы

Во введении обосновывается актуальность темы, сформулированы цель и задачи исследования, определена научная новизна, перечислены практические результаты, приведены данные об апробации результатов, структуре и объеме диссертации.

В первой главе выполнен анализ и приведена классификация отечественных беспилотных летательных аппаратов и их бортовых систем технического зрения. Рассмотрена замкнутая схема управления, реализующая движение БПЛА по заданной траектории. Дана постановка задачи диссертационной работы. Показано, что из существующих способов управления БПЛА наиболее перспективным является обеспечение полностью автономного полета по заданной траектории со стабилизацией углов ориентации.

Вторая глава посвящена разработке математического и алгоритмического обеспечения для системы технического зрения на основе одиночной поворотной камеры для решения задач улучшения качества снимка, распознавания, определения расстояния до объекта и точного наведения видеокамеры на объект.

В третьей главе рассмотрены вопросы построения математического и алгоритмического обеспечения задачи интеллектуального управления БПЛА и его бортовой камерой. При этом БПЛА служит управляемой платформой в процессе проводки по заданному маршруту в условиях ветровой нагрузки.

Построена математическая модель БПЛА и его бортовой видеокамеры и исследована система интеллектуального управления в среде МАТЬАВ.

В четвертой главе решены задачи реализации программного обеспечения системы технического зрения на основе одиночной поворотной камеры. Представлены результаты экспериментального исследования алгоритмов управления камерой на исследовательском стенде для оценки скоростных и точностных характеристик. Описана структура программного обеспечения экспериментального стенда.

В заключении перечислены основные результаты, полученные в рамках диссертационной работы.

ГЛАВА 1. АНАЛИТИЧЕСКИЙ ОБЗОР БИЛА И СИСТЕМ ТЕХНИЧЕСКОГО ЗРЕНИЯ

В настоящей главе выполнен анализ и приведена классификация отечественных беспилотных летательных аппаратов и их бортовых систем технического зрения. Рассмотрена замкнутая схема управления, реализующая движение БПЛА по заданной траектории. Дана постановка задачи диссертационной работы. Показано, что из существующих способов управления БПЛА наиболее перспективным является обеспечение полностью автономного полета БПЛА по заданной траектории со стабилизацией углов ориентации.

1.1 Обоснование выбора направления исследований

Повышение надежности и эффективности автономных БПЛА связано, в частности, с созданием новых бортовых СТЗ, которые позволяют в режиме реального времени решать задачи распознавания, нацеливания и др. Поэтому разработка нового математического и алгоритмического обеспечения для бортовых систем технического зрения представляется крайне востребованным научным направлением.

Интеллектуальная задача машинного зрения заключается, например, в определении пространственного местоположения (местоположения объекта, например БПЛА, относительно внешней системы координат) или статического положения объекта (в каком положении находится объект относительно системы координат с началом отсчета в пределах самого объекта) на основе данных аэро- и спутниковой фотосъемки. Усложнение указанной задачи связано, в частности, с уменьшением или полным устранением зависимости алгоритмов навигации и управления БПЛА от сигналов систем ГЛОНАССДЗР8. Для построения имитационной модели системы автоматического ориентирования используют самообучающиеся системы, нейронные сети, численные и другие методы, позволяющие

оперировать областями с большим количеством переменных и многокритериальностью при построении. Можно отметить недостаточный уровень разработки теории и алгоритмов, отсутствие общепринятых стандартов и рекомендаций по созданию перспективных источников навигационных данных. В России подобные исследования ведутся силами ряда институтов РАН, отраслевых НИИ и других организаций. Но, в настоящий момент, основные отечественные разработки направлены на решение базовых задач планирования маршрута, контроля над траекторией движения, обнаружения угроз.

В статье [1] проведен аналитический обзор подходов к решению задач анализа изображений в информационно-телекоммуникационных системах, который показал актуальность задач поиска сходных изображений в информационных системах, извлечения изображений по содержанию из БД, компьютерного распознавания и т.д. Выявлено, что универсального средства решения этих задач нет, поэтому существует большое разнообразие частных методов и алгоритмов, которые ориентированы на разные подзадачи анализа изображений.

Известны методы обработки изображений с использованием искусственных нейронных сетей (ИНС). Анализ такого подхода [1,2] показал высокую скорость нейросетевых алгоритмов, однако, для их работы требуется ресурсозатратное обучение, возникают проблемы с классификацией объектов при изменении освещения или повороте относительно камеры. Использование алгоритмов, анализирующих контуры объектов, в частности, с помощью инвариантных моментов, позволяет быстро и качественно распознавать объекты разных классов, кроме того, такие алгоритмы устойчивы к изменениям освещения и положения относительно видеокамеры.

В работе [3] предлагается интеграция метода инвариантных моментов Ху с вероятностной ИНС. Пример определения инвариантных моментов для контурных изображений некоторых самолетов показан в таблице 1.1.

Таблица 1.1- Инвариантные моменты самолетов

Момент Миг 29 Миг-31 Су-27 Су-37

Мх 44.117 106.886 45.200 44.98

м2 0.1573 0.20717 0.3574 0.35327

м3 0.7588 0.3819 0.7403 0.40862

м4 0.2332 0.13167 0.44153 0.16889

м5 0.09715 0.02767 0.2524 0.04436

м6 0.08701 0.05982 0.2639 0.1003

М1 0.01343 0.01031 -1.2*10-3 -4.146*10-5

Параметры эталонных изображений объектов, как правило, флуктуируют в определенных пределах, что делает целесообразным использование вероятностных нейронных сетей (ВНС) для распознавания, при этом существенно сокращается размерность пространства признаков. Нулевой слой сети необходим для распределения входных данных между нейронами первого слоя. Для нейронов первого слоя устанавливается

следующая активационная функция: gJ =ехр -х,)2 /а

Л

■о2

У

, где } - номер

нейрона, х, (/ = 1,2,...,7) - инвариант неизвестного входного образца, назначение весового коэффициента, соответствующее математическому ожиданию /-го инварианта у'-го эталона. Величина среднеквадратичного отклонения а} - находится в результате экспериментов для каждого эталона.

Количество нейронов первого слоя соответствует числу эталонов. Во втором слое может быть использован нейрон-дискриминатор, обнаруживающий

выход с максимальным сигналом. Данный подход позволяет отказаться от сложной структуры нейронной сети в пользу ВНС с ограниченным числом входов. Описанный выше метод и другие методы обработки изображений являются основой развития современных систем технического зрения.

Сегодня рынок беспилотных летательных аппаратов развивается бурными темпами. С одной стороны, это обусловлено многочисленными приложениями БПЛА как в военной, так и в гражданской сферах (картографирование, геологоразведка, сельское хозяйство, связь, охрана границ, лесов, полицейское патрулирование, мониторинг опасных объектов и процессов, информационное сопровождение чрезвычайных ситуаций, наблюдение за ЛЭП, газо- и нефтепроводами и многое другое), а с другой -этот рост подготовлен многолетним развитием теории распознавания образов и современным состоянием измерительной, оптической и вычислительной техники, позволяющей в режиме реального времени получать и перерабатывать с помощью достаточно миниатюрных измерительных, оптических и вычислительных систем большие объемы цифровой информации.

Развитие методов цифровой обработки видеоизображений началось в 70-х годах, а в 90-х годах, когда появились высокопроизводительные ЭВМ, появились работы с обработкой видеоизображений в режиме реального времени. Автономные БПЛА для компенсации отсутствия операторов в системе принятия решений требуют использования систем искусственного интеллекта, использующих знания, решающие правила и анализ прецедентов. Из существующих способов управления БПЛА (ручное, автоматизированное и автоматическое) наиболее перспективным считается автоматическое управление, так как оно обеспечивает возможность полностью автономного полета БПЛА по заданной траектории на заданной высоте с заданной скоростью и со стабилизацией углов ориентации. Поэтому, представляется критически важным использование новейших достижений теории

управления, искусственного интеллекта, методов обработки изображений для создания систем технического зрения и управления БПЛА.

1.2 Обзор отечественных и зарубежных беспилотных летательных аппаратов и их систем технического зрения

Рынок беспилотных летательных аппаратов (БПЛА) развивается бурными темпами, что обусловлено многочисленными приложениями в военной и гражданской сферах. БПЛА используются в картографировании, геологоразведке, сельском хозяйстве, охране границ, мониторинге опасных объектов и процессов, наблюдении за нефтепроводами и т.д. На прошедших в городе Жуковском авиасалонах «MAKS-2011» и «MAKS-2013» были продемонстрированы современные образцы отечественных и зарубежных БПЛА, начиная от малых и заканчивая большими аппаратами. Несмотря на явные успехи, до сих пор нерешенной, по мнению производителей, остается проблема обеспечения систем управления БПЛА надежными навигационными данными. Ведущее место здесь занимают системы глобального позиционирования ГЛОНАСС/GPS, которыми оснащаются все современные аппараты. Однако в условиях потери связи за счет естественных и наведенных помех они теряют свою работоспособность, становятся малоэффективными. Существенным дополнением к системам позиционирования ГЛОНАСС/GPS могут стать системы технического зрения, которые строятся на основе обработки видеоинформации и инфракрасных снимков. Так, например, австралийские инженеры из организации CSIRO разработали вертолет Mantis («Богомол») [4], способный к автономному полету без использования сигналов GPS. Вертолетом можно управлять дистанционно, но возможен и автономный режим полета с помощью компьютера и видеокамеры. Вертолеты, созданные по программе BEAR (University of California, Berkeley) [5], прошли испытания и продемонстрировали способность автономно реагировать на препятствия при

полете на сверхмалой высоте и возвращаться на заданный ранее курс после обхода препятствия.

В отечественных БПЛА автономное управление на основе СТЗ в настоящее время практически не используется, поскольку отсутствуют соответствующие интеллектуальные технологии и приборы, обеспечивающие навигацию и управление с требуемой точностью. В то же время потребность в таких системах достаточно высока. Перспективность бортовых СТЗ и заинтересованность в их разработке выразили представители ведущих компаний «Транзас», ЗАО «Р.Е.Т.Кронштадт», ЗАО «Эникс», МКБ «Компас», группы компаний «ZALA AERO», продемонстрировавшие на авиасалонах «MAKS-2011» и «MAKS-2013» свои образцы БПЛА.

1.2.1 Классификация и технические характеристики БПЛА

Современные БПЛА можно подразделить на разные классы по признаку управления [6]:

1) беспилотные автоматические неуправляемые (БПЛАН);

2) беспилотные автоматические управляемые (БПЛАУ);

3) беспилотные дистанционно-пилотируемые летательные аппараты (ДПЛА).

БПЛАН (автономные) ориентируются в пространстве при помощи бортовой инерциальной системы, сигналов спутниковой навигации (ГЛОНАСС/GPS), летят по заранее выбранному маршруту и осуществляют полетное задание в полностью автоматическом режиме.

БПЛАУ ориентируются в пространстве при помощи бортовой инерциальной системы, сигналов спутниковой навигации и, как правило, летят по заранее заданному маршруту. Они могут принимать и исполнять команды наземного оператора (управляющего полетом) и, если необходимо, вносить изменения в траекторию полета.

В ДПЛА основным средством навигации и управления является радиоканал, по которому оператор отдает команды с пульта управления, при этом, как правило, оператор видит изображение, передающееся с борта летательного аппарата.

Одним из приложений БПЛА является их использование в местах чрезвычайных происшествий, что обуславливается невозможностью оценить ситуацию в полном масштабе с Земли, необходимостью оперативно получить информацию/изображение в режиме реального времени и, конечно, невозможностью/нецелесообразностью использования крупных

пилотируемых летательных аппаратов. Преимущество БПЛА перед обычными летательными аппаратами в таких ситуациях заключается в том, что практически исключается человеческий фактор. Большинство БПЛА могут вести наблюдение за некоторой областью в течение нескольких часов в автономном режиме, передавая изображение (с фото- видеокамеры, тепловизора и других систем) операторам на Земле для анализа ситуации и принятия решений.

В настоящее время лидерами в сфере построения БПЛА являются компании США, Израиля, Германии, Великобритании и др. Все чаще проводятся международные конференции по технологиям для БПЛА. Повышенный интерес ряда развитых стран к разработке БПЛА подтверждается специально созданными ведомствами и организациями, которые финансируют соответствующие проекты и разрабатывают современные технические требования к аппаратам. В США за разработку БПЛА отвечают организации Joint Program Office (JPO) и Defense Airborne Reconnaissance Office (DARO). Финансированием научно-технических исследований и разработок занимается Defense Advanced Research Projects Agency (DARPA). В 1995 г. была создана Европейская ассоциация по беспилотным системам (EURO UVS), которая развивается и сегодня. В состав ассоциации входят 23 страны на пяти континентах, такие как США,

Германия, Франция, Канада и другие. В декабре 2002 г. в США была принята специальная программа по курсу создания БПЛА «Дорожная карта развития БПЛА: 2002-2027 гг».

Широко известна израильская авиастроительная компания Israel Aerospace Industries (IAI). Еще в 90-х годах прошлого века разработанные БПЛА данной компании Scout (продолжительность полета 7 часов, скорость -150 км/ч) и Searcher (продолжительность полета 12 часов, скорость - 200 км/ч), были взяты на вооружение и использовались в разведывательных, поисковых и военных операциях. Многие технические решения, реализованные в израильских БПЛА, например, запуск с катапульты, аэрофинишер, или парашютная система, применяются теперь в современных БПЛА разных стран. Одним из самых успешных и продаваемых БПЛА Израиля является IAI Heron и его модификации. Аппарат может развивать скорость свыше 200 км/ч, а продолжительность полета составляет 40-50 часов. Heron чаще всего применяется в разведывательных миссиях, он может осуществлять как управляемый из командного пункта, так и полностью автономный полет. Данный БПЛА может нести на борту системы РЛС, фото-и видео-аппаратуру, обеспечивать слежение за шестью целями одновременно. Специально для РЛС-борьбы IAI построила БПЛА Harpy (продолжительность полета 3 часа, скорость - 250 км/ч, дальность действия -400 км). По сути, данный аппарат - самонаводящийся снаряд, который после обнаружения вражеского источника сигналов РЛС определяет пространственные координаты цели, наводится по ним и, пикируя, самоуничтожается, поражая свою цель осколочно-фугасной боевой частью на борту. Из новейших разработок компании IAI выделим тяжелый БПЛА Eitan (продолжительность полета 36 часов, скорость - 300 км/ч), который может нести на борту около тонны полезной нагрузки, в том числе, многоцелевые оптические системы, РЛС и оружие.

Список литературы диссертационного исследования кандидат наук Абрамов, Николай Сергеевич, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1. В.Н. Васильев, И.П. Гуров, A.C. Потапов Математические методы и алгоритмическое обеспечение анализа и распознавания изображений в информационно-телекоммуникационных системах, URL: http://www.ict.edu.ru/ft/005648/62325el-stl2.pdf (дата обращения: 01.11.13).

2. Брилюк Д.В., Старовойтов В.В. Распознавание человека по изображению лица нейросетевыми методами//Ин-т техн. кибернетики HAH Беларуси, № 2 Минск, 2002, 54 с.

3. Пережигин A.A., Хачумов В.М. Обнаружение и автоматическое определение параметров летательного объекта на видео потоке // Информационные технологии и вычислительные системы, № 1, 2005, с. 3848.

4. С SIRO: New-generation autonomous helicopter to create new era of human safety, URL: http://www.sciencedaily.com/releases/2003/12/031219073554.htm (дата обращения: 01.11.13).

5. BEAR: Berkeley Aerobot Team, URL: http://robotics.eecs.berkeley.edu/bear/ (дата обращения: 01.11.13).

6. Ударная сила: Бесконтактная война (беспилотная авиация), URL: http://rnns.ru/l4904-udarnaja-sila-beskontaktnaja-vojjna.html (дата обращения: 01.11.13).

7. Сайт компании «Эникс», URL: http://www.enics.ru/bla?product_id=20 (дата обращения: 01.11.13).

8. ZALA.AERO Группа компаний БПЛА. ZALA 421-1 бе, URL: http://zala.aero/zala-421-16e-2/ (дата обращения: 01.11.13).

9. Корпорация ИРКУТ. Авиационный комплекс дистанционного зондирования Иркут-200, URL: http://www.irkut.com/ru/services/projects/muas/irkut200/ (дата обращения: 01.11.13).

10. Беспилотные летательные аппараты «Дозор». Дозор-50, URL: http://bp-la.ru/bla-dozor-50-ranee-dozor-2/ (дата обращения: 01.11.13).

11. Беспилотные летательные аппараты «Дозор». Дозор-100, URL: http://bp-la.ru/bespilotnyj-letatelnyj-apparat-dozor-100/ (дата обращения: 01.11.13).

12. Беспилотный летательный аппарат «Орлан-10», URL: http://bp-la.ru/bpla-orlan-10/ (дата обращения: 01.11.13).

13. Computer Vision Software, URL: http://www.computer-vision-software.com/ blog/2009/04/taking-snaphots-with-a-moving-ptz-camera/ (дата обращения: 01.11.13).

14. Хамухин A.B. Разработка и анализ высокоэффективных способов и алгоритмов автоматического сопряжения, синхронизации, юстировки изображений, управления поворотными камерами и обработки информации в приборах и системах видеонаблюдения: Дис. на соиск. учен, степени канд. техн. наук по спец. 05.13.01 - «Системный анализ, управление и обработка информации» (в области приборостроения). - М., 2008. - 252 с.

15. Хамухин A.B. Алгоритм управления положением поворотной видеокамеры при смещении центра изображения на заданный вектор, М.: из-во «Компания Спутник+», научно-технический журнал «Аспирант и соискатель», № 5, 2007, с. 159-160.

16. Хамухин A.B. Вычисление угла упреждения при управлении наведением поворотных видеокамер на движущуюся цель, М.: из-во «Компания Спутник+» научно-технический журнал «Техника и технология», №5, 2007, с.34-35.

17. Желтов С.Ю., Визильтер Ю.В. Перспективы интеллектуализации систем управления ДА за счет применения технологий машинного зрения//Труды МФТИ, 2009. Том 1, № 4, с. 164-181.

18. М. Brown, D. G. Lowe Automatic panoramic image stitching using invariant features // International Journal of Computer Vision, 74, 1, 2007, pp. 5973.

19. R. Szeliski, S. Kang Direct methods for visual scene reconstruction//IEEE Workshop on Representations of Visual Scenes, Cambridge, MA, 1995, pp. 26-33.

20. M. Irani, P. Anandan About Direct Methods//ICCV workshop on Vision Algorithms, Corfu, September 1999, pp. 267-277.

21. I. Zoghlami, O. Faugeras, R. Deriche Using geometric corners to build a 2D mosaic from a set of images // Proceedings of the International Conference on Computer Vision and Pattern Recognition, Puerto Rico. IEEE, June 1997, p. 420.

22. D. Capel, A. Zisserman Automated mosaicing with super-resolution zoom//Proceedings of the International Conference on Computer Vision and Pattern Recognition (CVPR98), June 1998, pp. 885-891.

23. Веретенников И. Многодиапазонная система наблюдения для вертолетов, URL: http://www.radioradar.net/articles/scientific_technical/mchs.html#lnk2 (дата обращения: 01.11.13).

24. Т. Kanade, R. Collins, A. Lipton, P. Anandan, P. Burt Cooperative multisensor video surveillance//Proc. of the DARPA Image Understanding Workshop, May 1997, volume 1, pp. 3-10.

25. T. Kanade, R. Collins, A. Lipton, P. Burfc, L. Wixson Advances in cooperative multisensor video surveillance // Proc. of the DARPA Image Understanding Workshop, November 1998, volume 1, pp. 3-24.

26. I. Haritaoglu, D. Harwood, L. S. Davis W4: real-time surveillance of people and their activities // IEEE Trans, on Pattern Analysis and Machine Intelligence, vol. 22, № 8, 2000, pp. 809-830.

27. Цифровая модель рельефа (ЦМР), URL: http://www.geokosmos.ru/service s/dtm/ (дата обращения: 01.11.13).

28. База данных системы ТТА-12, URL: http://uaecis.com/files/13/NaviTAWS.pdf (дата обращения: 01.11.13).

29. Официальный веб-сайт проекта Shuttle Radar Topography Mission, URL: http://srtm.usgs.gov/ (дата обращения: 01.11.13).

30. Долгополов Ю., Серегин Г. Использование современных интеллектуальных технологий в авиатренажерах // Аэрокосмическое обозрение. - 2005.02, с. 58-59.

31. Никифорова Jl.Н. Интеллектуальное управление вертолетами, URL: http://www.library.mephi.rU/data/scientific-sessions/2001/3/1355.html (дата обращения: 01.11.13).

32. David G. Lowe Distinctive image features from scale-invariant keypoints//Int. J. Comput. Vis. 60(2), 2004, pp. 91-110.

33. A. Cesetti, E. Frontoni, A. Mancini, P. Zingaretti, S. Longhi A Vision-Based Guidance System for UAV Navigation and Safe Landing using Natural Landmarks//Journal of Intelligent and Robotic Systems, 57(1-4), 2009, pp. 233257.

34. Andrea Cesetti, Emanuele Frontoni, Adriano Mancini, Andrea Ascani, Primo Zingaretti, Sauro Longhi A Visual Global Positioning System for Unmanned Aerial Vehicles Used in Photogrammetric Applications // Journal of Intelligent and Robotic Systems, Volume 61, Issue 1-4, January 2011, pp. 157168.

35. G. Conte, P. Doherty An integrated UAV navigation system based on aerial image matching // 2008 IEEE Aerospace Conference, 2008, pp. 1-10.

36. Грузман И. С., Киричук В. С., Косых В. П., Перетягин Г. И., Спектор А. А. Цифровая обработка изображений в информационных системах. - Новосибирск: Изд-во НГТУ, 2000, 168 с.

37. Журавель И. М. Краткий курс теории обработки изображений, URL: http://matlab.exponenta.ru/imageprocess/book2/index.php (дата обращения: 01.11.13)

38. Richardson W. Н. Bayesian-based iterative method of image restoration // Journal of the Optical Society of America, vol. 62, no. 1, 1972. pp. 55-59.

39. Lucy L. B. An iterative techniques for the rectification of observed distributions // Astronomical Journal, vol. 79, no. 6, 1974. pp. 745-754.

40. Manoj Kumar Singh, Uma Shanker Tiwary, Young-Hoon Kim An Adaptively Accelerated Lucy-Richardson Method for Image Deblurring // EURASIP Journal on Advances in Signal Processing. Vol. 2008, 2008, Article ID 365021. p. 10.

41. Richardson L. F. The Approximate Arithmetical Solution by Finite Differences of Physical Problems Involving Differential Equations, with an Application to the Stresses in a Masonry Dam // Philosophical Transactions of the Royal Society of London. Series A, Containing Papers of a Math, or Phys. Character, v. 210, 1910. pp. 307-357.

42. Бахвалов H. С. Численные методы, 2 изд., M., 1975.

43. МарчукГ. И., Шайдуров В. В. Повышение точности решений разностных схем. - М.: Наука, 1979. 320 с.

44. Роджерс Д., Адаме Дж. Математические основы машинной графики. -М.: Машиностроение, 1980. - 240 с.

45. Dudani S. A., Breeding К. J., McChee R. В. Aircraft identification by moment invariants/ЯЕЕЕ transaction on computers, vol. C26, No 1, 1977, pp. 3945.

46. Wong R. Y. Scene matching with invariant moments//Computer Graphics and image processing, 1978, vol. 8, pp. 16-24.

47. Ни M. K. Visual pattern recognition by moment invariants//IRE Transactions on Information Theory 8, 1962, pp. 179-187.

48. Библиотека OpenCV. URL: http://opencv.willowgarage.com (дата обращения: 01.11.13)

49. Свидетельство о государственной регистрации программы для ЭВМ №2012618314.

50. LifeCam VX-3000. URL: http://www.microsoft.com/hardware/ru-ru/d/lifecam-vx-3000 (дата обращения: 01.11.13)

51. Александров П.С. Лекции по аналитической геометрии, пополненные необходимыми сведениями из алгебры с приложением собрания задач, снабженных решениями, составленного А.С. Пархоменко. - М.: Наука, 1968. -912 с.

52. Выгодский М.Я. Справочник по высшей математике. - М.: Наука, 1977. - 872 с.

53. Лебедев А.А., Чернобровкин Л. С. Динамика полета. М.: Оборонгиз, 1962. 548 с.

54. Петросян Э.А. Аэродинамика соосного вертолета. Балансировка, устойчивость, управляемость, маневренность, автоматическая стабилизация и автоматическое управление. - М.: Полигон-Пресс, 2004. 816 с.

55. Каршаков Е.В. Особенности алгоритмов управления летательным аппаратом при аэросъемке // Проблемы управления. 2012. № 3. с. 71-76.

56. Корсун О.Н., Веселов Ю.Г., Гулевич С.П. Прогнозирование параметров движения самолета на основе идентификации упрощенной линейной модели // Наука и образование. 2011. № 12 (декабрь), с. 1-16.

57. Понтрягин J1.C. Оптимизация и дифференциальные игры // Вестник АН СССР. 1978. № 7, с. 10-17.

58. Петросян JI.А., РихсиевБ.Б. Преследование на плоскости. М.: Наука, 1991.96 с.

59. Зарепур Г., Лебедев Г.Н., Толуи А. Интеллектуальное управление автономным полетом вертолета при георазведке, URL: http://www.rtc.ru/conference/roblO-ogl.shtml (дата обращения: 01.11.12).

60. Хачумов В.М. Планирование траектории движения летательного аппарата // Искусственный интеллект и принятие решений, № 4, 2010, с. 7076.

61. Кудрявцев Е.М. Исследование операций в задачах, алгоритмах и программах. - М.: Радио и связь, 1984.

62. Антонова А.О. Оптимизация траектории полета самолета с учетом воздействия атмосферной турбулентности и исследование влияния размеров самолета на динамику полета в турбулентной атмосфере - Диссертация на соискание степени кандидата технических наук по специальности 05.07.09 -1983, с. 149.

63. Сайт компании ООО «Текнол». URL: http://www.teknol.ru/(ÄaTa обращения: 01.11.13).

64. Сайт компании ООО «Раменское приборостроительное конструкторское бюро». URL: www.rpkb.ru/ (дата обращения: 01.11.13)

65. Смирнов C.B. Модель интеллектуального управления космическими аппаратами средствами наземных станций командно-измерительных систем // Авиакосмическое приборостроение, № 6, 2008, с. 42-49.

66. Осипов Г.С. Динамические модели и инструментальные средства, использующие эмпирические и экспертные знания // Труды 3-го расширенного семинара «Использование методов искусственного интеллекта и высокопроизводительных вычислений в аэрокосмических исследованиях», Переславль-Залесский: Изд-во «Феникс», 2003, с. 17-27.

67. Ковшов A.M. Стратегии параллельного сближения в игре простого преследования на сфере. Геодезическое сближение // Математическая теория игр и ее приложения. 2009. Т. 1. № 4. с. 41-62.

68. Доброленский Ю. П. Динамика полета в неспокойной атмосфере - М.: Машиностроение, 1969.

69. Веселов А.П. Лекции по курсу «Управление сложными системами», URL: http://maxoness.narod.ru/Study/ASUTP/dz.htm (дата обращения: 01.11.13).

70. А.П. Веселов, А.Л. Волков, Е.Г. Ревункова. Расчет автоматизированной системы управления техническим процессом (методические указания). - М.: Эликс+, 2000.

71. Лекции по теории автоматического управления, URL: http://www.studfiles.ru/dir/download/!3903.Ы:т1(дата обращения: 01.11.13).

72. Математическая модель приводов наведения видеокамеры в горизонтальной и вертикальной плоскостях. URL: http://knowledge.allbest.ru/radio/d-3c0b65625a2bc68 a5d43a 88421316c36.html (дата обращения: 01.11.13).

73. Захаров A.B. Методы вычислений с гарантированной точностью на платформе «Мультикор» - Диссертация на соискание степени кандидата технических наук по специальности 05.13.11, 2007 г., с. 118.

74. Захаров A.B. Разрядно-параллельные вычислительные схемы для тригонометрических преобразований//Труды 3-го расширенного семинара

«Использование методов искусственного интеллекта и высокопроизводительных вычислений в аэрокосмических исследованиях», М., Физматлит, 2003, с. 167-173.

75. Захаров A.B., Хачумов В.М. Алгоритмы CORDIC. Современное состояние и перспективы // Программные системы: теория и приложения, М.: Физматлит, май 2004, с. 353-372.

76. Микросхемы Мультикор, URL: http://multicore.ru/ (дата обращения: 01.11.13)

77. Микросхемы LogiCore, URL: http://www.xilinx.com (дата обращения: 01.11.13)

78. Купольные камеры. Сайт компании SPYMAX. URL: http://www.spymax.ru/katalog/videokamery/kupolnye (дата обращения: 01.11.13)

79. Терминология, PTZ-камера, Сайт компании TrueConf. URL: http://trueconf.ru/support/videoconferencing-terminology/ptz-camera.html (дата обращения: 01.11.13)

80. Сайт платформы «Arduino». URL: http://www.arduino.cc/ (дата обращения: 01.11.13)