Метод и алгоритм выделения динамических объектов с подвижной платформы из изображений, полученных в разных спектральных диапазонах и данных лидара

Цель исследования. В современных автоматических системах сбора информации все чаще используются автономные мобильные устройства, данные с которых могут быть получены в опасных для здоровья человека условиях с территориально удаленных мест, в сложной метеорологической обстановке, в режиме круглосуточного наблюдения. Для автономной работы подобных устройств необходимо использовать методы и алгоритмы, позволяющие строить карту местности, осуществлять привязку мобильной платформы на ней, определять маршрут к целевой точке, выделять препятствия на маршруте следования, производить корректировку маршрута с учетом обнаруженных препятствий.
Методы. В статье предложен метод и алгоритм выделения динамических объектов с подвижной платформы, основанный на анализе данных, полученных от мультиспектральной камеры, что позволяет осуществлять выделение препятствий, таких, как водные, растительного происхождения, техногенного характера и т.д. со снижением вычислительной сложности. Для повышения точности определения координат обнаруженных объектов используется лазерный дальномер.
Результаты. Рассмотрены известные методы распознавания мультиспектральных изображений, приведен их сравнительный анализ. Предложен метод и алгоритм выделения динамических объектов с подвижной платформы из изображений, полученных в разных спектральных диапазонах и данных лидара. Проведены экспериментальные исследования, позволяющие подтвердить адекватность математического обоснования метода, снизить погрешность вычисления координат объекта, на удалении до 100 метров до объекта, RMSE - 0,447%, MAPE - 0,397, повысить быстродействие, на выделение объекта и определение его координат было затрачено 0,04 секунды.
Заключение. В статье проведен анализ современных методов распознавания мультиспектральных изображений, представлены принципы, на которых основан каждый метод, приведены достоинства и недостатки. Разработан метод и алгоритм, позволяющие выделять статические и динамические препятствия на маршруте следования подвижной платформы, по последовательности изображений, полученных в разных спектральных диапазонах. В ходе экспериментальных исследований, подтверждены работоспособность предложенных решений и соответствие заданным требованиям точности и достоверности.

1. Хафизов Р. Г., Охотников С. А. Распознавание непрерывных комплекснозначных контуров изображений // Известия высших учебных заведений. Приборостроение. 2012. Т. 55. №. 5.

2. Дегтярев С.В., Спеваков А.Г., Типикин А.П. Определение координат движущихся объектов стереоскопической системой технического зрения // Телекоммуникации. 2004. № 8. С. 35 -36.

3. Ширабакина Т. А., Спеваков А. Г. Стереоскопическая оптико-электронная система определения параметров динамических объектов в реальном времени //Датчики и системы. 2004. №. 6. С. 65-67.

4. Спевакова С. В. Построение маршрута мобильного робота на основе анализа мультиспектральных данных // Интеллектуальные и информационные системы. Интеллект-2019. Тула, 2019. С. 334-337.

5. Спеваков А. Г., Рубанов А. Ф. Стереоскопическая оптико-электронная система слежения // Известия высших учебных заведений. Приборостроение. 2005. Т. 48. № 2. С. 62-67.

6. Спеваков А. Г. Метод выделения движущихся объектов // Известия ЮгоЗападного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2013. №. 1. С. 233-237.

7. Davison A. J. et al. MonoSLAM: Real-time single camera SLAM // IEEE transactions on pattern analysis and machine intelligence. 2007. Т. 29. №. 6. P. 1052-1067.

8. Newcombe R. A. et al. KinectFusion: Real-time dense surface mapping and tracking // 10th IEEE International Symposium on Mixed and Augmented Reality. IEEE, 2011. P. 127-136.

9. Kerl C., Sturm J., Cremers D. Dense visual SLAM for RGB-D cameras. In Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems, Chicago, IL, USA, 14–18 September 2014. P. 2100–2106.

10. Jiang G. et al. A simultaneous localization and mapping (SLAM) framework for 2.5 D map building based on low-cost LiDAR and vision fusion // Applied Sciences. 2019. Vol. 9. № 10. P. 2105.

11. Антюфеев В. И., Быков В. Н. Сравнительный анализ алгоритмов совмещения изображений в корреляционно-экстремальных системах навигации летательных аппаратов //Авиационно-космическая техника и технология. 2008. №. 1. С. 70-78.

12. Зубарев Ю.Б., Сагдуллаев Ю.С., Сагдуллаев Т.Ю. Спектрозональные методы и системы в космическом телевидении // Вопросы радиоэлектроники. Серия техника телевидения. 2009. Вып. 1. С. 47−64.

13. 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.

14. Krishnamoorthy S., Soman K. P. Implementation and comparative study of image fusion algorithms // International Journal of Computer Applications. 2010. Vol. 9. № 2. P. 25-35.

15. Калуцкий И.В., Матюшин Ю.С., Спевакова С.В. Анализ современных статических методов биометрической идентификации // Известия Юго-Западного государственного университета. 2019. Т. 23, № 1. С. 84-94. https://doi.org/10.21869/2223-1560-2019-23-1-84-94.

16. Бехтин Ю. С., Емельянов С. Г., Титов Д. В. Теоретические основы цифровой обработки изображений встраиваемых оптико-электронных систем. Курск, 2016.

17. Пат. 2714603 Российская Федерация. Подвижное стереоскопическое устройство выделения динамических объектов / Спевакова С.В., Калуцкий И.В.; заявитель и патентообладатель: Федеральное государственное бюджетное образовательное учреждение высшего образования «Юго-Западный государственный университет». №2018147106; опубл. 18.02.2020, Бюл. №5.

18. Spevakova S. V., Matiushin I. S., Spevakov A. G. Detecting objects moving in space from a mobile vision system // Radio Electronics, Computer Science, Control. 2019. № 4. Р. 103-110.

19. Kalutskiy I., Spevakova S., Matiushin I. Method of Moving Object Detection from Mobile Vision System // 2019 International Russian Automation Conference (RusAutoCon). IEEE, 2019. Р. 1-5.