автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Решение целевых и навигационных задач на борту малоразмерного беспилотного летательного аппарата на основе обработки изображения подстилающей поверхности

На правах рукописи

Степанова Наталия Владимировна

РЕШЕНИЕ ЦЕЛЕВЫХ И НАВИГАЦИОННЫХ ЗАДАЧ НА БОРТУ МАЛОРАЗМЕРНОГО БЕСПИЛОТНОГО ЛЕТАТЕЛЬНОГО АППАРАТА НА ОСНОВЕ ОБРАБОТКИ ИЗОБРАЖЕНИЯ ПОДСТИЛАЮЩЕЙ ПОВЕРХНОСТИ

Специальность 05 13 01 Системный анализ, управление и обработка информации (авиационная и ракетно-космическая техника)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва 2007 г

003057793

Работа выполнена на кафедре «Информационно-управляющие комплексы летательных аппаратов» Московского авиационного института (государственного технического университета, МАИ)

Научный руководитель Официальные оппоненты

Ведущая организация

кандидат технических наук, профессор Ким Николай Владимирович

доктор технических наук, профессор Инсаров Вильям Викторович, кандидат технических наук Лапин Валерий Юрьевич

Московский институт электромеханики и автоматики, ОАО, г Москва

Защита состоится "_"_2007 г в_часов на заседании

диссертационного совета Д 212 125 12 в Московском авиационном институте (государственном техническом университете) - МАИ по адресу 125993, Москва, А-80, ГСП-3, Волоколамское шоссе, д 4

Отзывы, заверенные печатью, просьба высылать по адресу института 125993, Москва, А-80, ГСП-3, Волоколамское шоссе, д 4

Автореферат разослан

4Í ??

2007 г

Ученый секретарь кандидат техн наук, доцент

В В Дарнопых

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность темы

В последние годы широкое распространение получают малоразмерные (мини) беспилотные летательные аппараты (МБЛА) весом 3-5 кг, предназначенные для мониторинга земной или водной поверхности, разведки и т д

К основным задачам создания МБЛА можно отнести минимизацию массогабаритных показателей и увеличение точности работы бортового оборудования При этом точность работы цифровой системы автоматического управления (ЦСАУ), включающей навигационную систему (НС), должна обеспечивать автоматический полет по заданному маршруту, а также, при оснащении МБЛА системой наблюдения (СН), решение целевых задач

Целевая аппаратура, СН - включает видеокамеру или другие обзорно-визирные устройства При мониторинге и поиске наземных объектов СН на МБЛА располагается так, чтобы линия визирования была направлена перпендикулярно вниз или под углом (например, 45°) для надежного просмотра подстилающей поверхности Для исключения пропусков наблюдаемых участков подстилающей поверхности, «срывов» слежения и пр СН должна быть по возможности стабилизирована в пространстве

В настоящее время используемые в НС МБЛА малогабаритные датчики как правило не обладают достаточной точностью стабилизации углов ориентации, что приводит к снижению эффективности применения МБЛА

Использование датчиков с более высокими точностными характеристиками ухудшает массогабаритные показатели ЦСАУ и, следовательно, уменьшает эффективность применения МБЛА

Таким образом, повышение точности работы НС без ухудшения массогабаритных показателей ЦСАУ является актуальной и практически важной задачей

В данной диссертационной работе для оценки положения и углов ориентации МБЛА предполагается использовать дополнительную информацию, получаемую при обработке и анализе изображений подстилающей поверхности, получаемых от бортовой СН Эта информация может быть использована для повышения точности и надежности работы ЦСАУ за счет комплексирования с информацией, получаемой от штатной НС

Предлагаемый подход основан на применении обзорно-

сравнительных методов навигации Сложность использования этих методов для оценки положения и углов ориентации МБЛА связана с необходимостью реализации на борту МБЛА трудоемких процессов обработки видеоинформации Одним из вариантов решения данной задачи является формирование комплексного алгоритма обработки изображений (КАОИ), обеспечивающего согласованную работу отдельных частных алгоритмов для одновременного решения целевых и навигационных задач Использование КАОИ может в значительной степени сократить объемы требуемых вычислений

Практическая важность вопросов повышения точности и надежности НС ЦСАУ МБЛА и недостаточная проработка перечисленных задач определили выбор темы диссертации и направление исследований

Цель работы

Целью представленной работы является повышение точности и надежности НС МБЛА за счет использования КАОИ, обеспечивающего одновременное решение целевых (автоматический поиск наземных объектов, сжатие и передача видеоинформации) и навигационных задач (измерение координат и углов ориентации МБЛА) на основе обработки и анализа изображений подстилающей поверхности (видеопоследовательностей), принимаемых бортовой СН на борту МБЛА, без увеличения массогабаритных показателей

В результате исследований должны быть определены

• требования к ЦСАУ, выполнение которых обеспечит возможность решение целевых задач на борту МБЛА, основанных на обработке изображений подстилающей поверхности;

• алгоритм оценки углов ориентации МБЛА на основе обработки последовательных кадров с использованием «поля движения»,

• структура КАОИ,

• точностные характеристики оценки положения и ориентации МБЛА на основе обработки изображений

Объект исследования

Разработка комплексного алгоритма обработки изображений, обеспечивающего решение целевых и навигационных задач малоразмерного беспилотного летательного аппарата на основе обработки и анализа изображений подстилающей поверхности

Предмет исследования

Исследование точности оценки навигационных параметров малоразмерного беспилотного летательного аппарата при использовании

комплексного алгоритма обработки изображений

Методы исследования

В работе использованы методы математического моделирования, теории вероятностей, математической статистики, компьютерного зрения

Научная новизна работы

1 Разработана методика определения требований к ЦСАУ, выполнение которых обеспечит решение целевых задач на борту МБЛА

2 Разработан алгоритм оценки углов ориентации МБЛА на основе обработки и анализа изображений подстилающей поверхности

3 Предложена и разработана структура КАОИ

4 Показано, что при определенных условиях полета МБЛА и параметрах оптической системы рассматриваемый вариант КАОИ удовлетворяет требованиям, предъявляемым к ЦСАУ (с точки зрения решения навигационных задач), и является работоспособным

Достоверность результатов

Достоверность результатов, полученных в работе, подтверждается результатами математического и полунатурного моделирования процесса оценки углов ориентации при полете МБЛА на основе обработки изображений поверхности Земли

Практическая ценность

Практическая ценность результатов работы заключается в том, что определены требования к ЦСАУ, выполнение которых обеспечивает решение целевых задач, разработан КАОИ, реализация которого позволяет повысить точность работы ЦСАУ без увеличения массогаба-ритных показателей НС

Результаты диссертационной работы внедрены в научно-исследовательскую деятельность и учебный процесс кафедры «Информационно-управляющие комплексы летательных аппаратов» Московского авиационного института

Апробация работы

Основные результаты диссертационной работы доложены и обсуждены на 3-й научно-практической конференции «Современные проблемы фотограмметрии и дистанционного зондирования» (Москва, 2002 г), VI Всероссийской конференции (Москва, МАИ, 2002 г), XII Международном научно-техническом семинаре «Труды» (г Алушта, Украина, 2003 г), VII Всероссийской юбилейной научно-технической конференции «Проблема совершенствования робототехнических и интеллектуальных систем летательных аппаратов» (Москва, МАИ,

2005 г), российско-корейском семинаре по науке и технологии (АНТОК СНГ, г Москва, 2006 г) научно-технической конференции «Авиационные системы в XXI веке» (Москва, 2006 г)

К защите представляются следующие основные положения работы

1 Методика определения требований ЦСАУ, выполнение которых обеспечивает решение целевых задач на борту МБЛА

2 КАОИ, обеспечивающий совместное решение навигационных и целевых задач

3 Результаты исследования ошибок оценки положения и ориентации МБЛА на основе обработки изображений подстилающей поверхности

4 Алгоритм оценки углов ориентации МБЛА на основе обработки и анализа изображений подстилающей поверхности

5 Программно-математическое обеспечение, имитирующее работу СН на основе математического моделирования полета МБЛА

6 Результаты моделирования, подтверждающие работоспособность предложенного КАОИ для решения навигационных задач

Структура и объем работы

Диссертация состоит из введения, четырех глав, заключения, списка литературы Работа изложена на 122 страницах машинописного текста, содержит 74 рисунка, 10 таблиц и 46 наименования литературных источников

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы, проводится анализ литературы, дается общая характеристика работы и определяется постановка задачи

В первой главе диссертации рассматриваются особенности полета МБЛА и основные целевые задачи, решаемые на борту МБЛА Управление полетом осуществляется ЦСАУ Требования к точности работы ЦСАУ определяются требованиями к точности прохождения заданного маршрута и условиями решения целевых задач

К числу основных целевых задач на основе обработки изображений, решаемых на борту МБЛА, предназначенного для проведения мониторинга подстилающей поверхности, можно отнести следующие

1 Передача и/или хранение изображений (видеопоследовательностей) с использованием алгоритмов сжатия

2 Поиск, обнаружение и оценка координат неподвижных наземных объектов или навигационных ориентиров Данная задача решается на

основе сравнения подготовленных заранее эталонных изображений и принимаемых на борту МБЛА текущих изображений или путем идентификации признаков искомых объектов

3 Поиск подвижных объектов, реализуемый на основе выделения признаков движения объектов при известных параметрах полета

Основной аппаратурой, обеспечивающей решение указанных задач, является СН, включающая, например, видеокамеры, работающие б видимом или ИК-диапазонах

Для эффективного решения целевых задач ЦСАУ требуется, чтобы

1) область наблюдения СН находилась в пределах заданного поля допуска,

2) межкадровые смещения изображений находились в пределах заданного поля допуска

Ошибки положения и ориентации МБЛА, определяющие положение области наблюдения и межкадровые смещения, зависят от различных дестабилизирующих факторов, ошибок управления и измерения

Пусть максимальные ошибки управления известны и фактические значения ошибок положения и ориентации МБЛА зависят, в основном, от ошибок измерения НС ЦСАУ

Примем математическое ожидание ошибки измерения ¿/-го параметра нулевым, где q - индекс измеряемого параметра (координаты и углы ориентации) Тогда для успешного выполнения целевой задачи необходимо выполнение условий

где <тС1 - среднеквадратическое отклонение (СКО) фактических измерений д-го параметра, Д9тах - допустимое значение ошибки оценки

го параметра, определяемое из условий решения целевой задачи, Д?таху - допустимое межкадровое смещение д-го параметра, К?тах -

скорость изменения д-го параметра,/- частота кадров

В табл 1 представлены требования на ограничения максимально допустимых межкадровых линейных и угловых смещений, рассчитанные для следующих начальных условий • размер ПЗС-матрицы 500x500 пике,

МБЛА

откуда

(1) (2) (3)

• угол обзора камеры 60 град,

• скорость полета МБЛА 25 м/с,

• частота кадров 10 кадров/с,

• отношение сигнал/шум 15,

• взаимное перекрытие кадров не менее 0,4

Таблица 1

Высота, м Максимально допустимые межкадровые линейные смещения, м Максимально допустимые межкадровые угловые смещения, град

боковая продольная по крену по тангажу

100 ±33,62 ±66,78 ±34,34 ±13,57

400 ±137,56 ±274,63 ±34,65 ±14,45

Возможность реализации работы рассматриваемого алгоритма обработки изображений в реальном времени определяется условием

Т^Та, (4)

где Т0 = — - требуемое время вычислений, Та - фактическое время

вычислений

Фактическое время Та зависит от количества вычислительных операций, реализуемых в алгоритме, и производительностью используемого бортового процессора Приближенно можно считать

где к — коэффициент запаса, N - количество элементарных операций в алгоритме, Р - производительность процессора

Выполнение заданных (с точки зрения решения целевых задач) требований реализуется ЦСАУ МБЛА Точность работы ЦСАУ определяется точностными характеристиками НС, в качестве которой может быть использована, например, известная малогабаритная интегрированная система «Компанав-2» фирмы «Текнол» (табл 2) _ _ _Таблица 2

Точностные характеристики «Компанав-2»

Крен, тангаж, град 3 4°

Курс (путевой угол), град 2 3°

Горизонтальные координаты, м 5 м

Высота, м 5 7м

На рис 1 представлена функциональная схема ЦСАУ МБЛА, где ДУС — датчики угловых скоростей, РМ! — рулевые машинки для управ-

ления полетом МБЛА по /-му каналу управления (руль направления, руль высоты и элероны), РЬАЗН-память - перезаписываемое устройство для записи и хранения полетной информации, ППМ - координаты промежуточных пунктов маршрута

ЦСАУ

Ввод ППМ Координаты высота

Приемник СНС

Баровысотомер

Акселерометры

ДУСы

Процессор

Полет по маршруту (курс)

Стабилизация и управление высотой

4

Счисление пути

Демпфирование по крену и тангажу

СН

Видеокамера

Решение целевых задач

Ручное управление

РМн

РМв

ivj

РМэ

FLASH—память

Передатчик

Рис 1

В данной работе предлагается рассмотреть вариант использования в ЦСАУ обзорно-сравнительных методов оценки параметров полета МБЛА При этом полезная информация, выделяемая при обработке изображений подстилающей поверхности, принимаемых на борту МБЛА СН, может быть использована для управления полетом по заданному маршруту и демпфирования по каналу крена и тангажа (на рис 1 эти задачи показаны штрихпунктирными стрелками)

Вторая глава посвящена анализу известных алгоритмов обработки изображений, которые могут использоваться для решения целевых и навигационных задач

В рамках решения целевых задач рассматриваются процессы сжатия изображений и поиска объектов Сжатие изображений

Обычно принимаемые изображения содержат большой объем избыточной информации Одно из направлений сокращения избыточности

основано на сжатии (компрессии) изображений

К наиболее известным можно отнести следующие частные алгоритмы сжатия

• Кодирование с переменной длиной кодовой последовательности или строки RLE (Run - Length Encodmg)

• Кодирование Хаффмана (КХ)

• Межкадровое сжатие с использованием алгоритма Motion Compensation (МС)

• Цепной код (ЦК)

• Дискретное косинусное преобразование (ДКП)

• Вейвлет-преобразования (WT)

Широкое распространение получили различные комплексные алгоритмы сжатия, основанные на совместном использовании перечисленных выше частных алгоритмов Одним из них является стандарт (формат) JPEG, предназначенный для хранения растровых, в первую очередь фотографических изображений и стандарты серии MPEG для сжатия видеопоследовательности, в основе которых лежит ДКП

В MPEG используется внутрикадровое сжатие с помощью ДКП и межкадровое сжатие с помощью «предсказания вперед» В этом алгоритме оценка смещений отдельных фрагментов на 2-х последовательных кадрах видеопоследовательности реализуется с помощью MAD.

Поиск подвижных и неподвижных объектов

Основу многих алгоритмов поиска стационарных и подвижных наземных объектов составляют различные корреляционные критериальные функции (КФ)

В корреляционных алгоритмах заложен принцип сравнения двух изображений принимаемого текущего изображения (ТИ) и эталонного изображения (ЭИ) с помощью различных КФ, например, классического корреляционного алгоритма (ККА), функции среднего модуля разности (MAD) и др

В качестве ЭИ может использоваться заранее сформированное изображение объекта поиска или изображение, полученное на предыдущем кадре видеопоследовательности

На рис 2 показана блок-схема алгоритма поиска стационарных и подвижных объектов Обработка изображений может реализовываться как попиксельно, так и блочно

Рис 2

Решение навигационных задач

Оценка параметров полета МБЛА предполагает решение следующих навигационных задач

1 Определение координат МБЛА

2 Определение углов ориентации МБЛА в пространстве

Первая задача решается с помощью нахождения наземных ориентиров и оценки координат МБЛА относительно этих ориентиров Перед полетом в память ЦСАУ вводятся эталонные изображения и координаты наземных ориентиров Поиск и оценка координат наземных ориентиров решаются с помощью корреляционных алгоритмов

Вторая задача может быть осуществлена с помощью методов аналитической фотограмметрии, позволяющих решать задачи внешней и внутренней ориентации приемной камеры

Перемещение МБЛА относительно неподвижной подстилающей поверхности приводит к изменению изображений на отдельных кадрах принимаемой видеопоследовательности Параметры движения могут быть определены на основе анализа «поля движения» (Полем движения называется набор векторов, характеризующих смещения (направления и величину) отдельных точек изображения на текущем кадре 1п относительно предыдущего кадра 7„_, )

При реализации рассматриваемого подхода алгоритм определения углов ориентации МБЛА должен включать

1) Модуль формирования поля движения

2) Модуль анализа поля движения

Процедура формирования поля движения состоит в определении величины и направления смещений отдельных точек изображений на двух кадрах, выбираемых из принимаемой видеопоследовательности

Для решения данной задачи могут быть использованы различные корреляционные алгоритмы (ККА, MAD и др ), позволяющие искать

идентичные (похожие) фрагменты на различных изображениях

Анализ поля движения Систему координат свяжем с камерой, так чтобы ось 2 совпадала с оптической осью камеры. Движение твердого тела можно разложить на две составляющие мгновенное поступательное движение (/) и мгновенное вращение (со ) вокруг оси, проходящей через начало координат Текущие координаты точки Р окружающего мира (Х,У,2)Т Скорость точки Р относительно системы

координат ХУ2 будет иметь вид V = -1-юхг , где ( = (и,У,ж)г -

мгновенное поступательное движение, ¿о = (л,В,с)т - мгновенное вращение Точка Р переходит в соответствующую точку р путем центральной проекции, где х = X12, а у-У 12

Оптический поток в точке р{х,у) обозначим через (к,г), где и = х, V = у Если продифференцировать уравнения для л: и у по времени, получим следующие уравнения для оптического потока

На основании системы уравнений (6) и с учетом блочного разбиения изображений были получены формулы для вычисления углов крена и тангажа МБЛА

где у, 3 - углы крена и тангажа, Ыт - размер матрицы векторов поля движения, Н - высота полета МБЛА, с/у - величина перемещений МБЛА между двумя последовательными кадрами, $и -

величина вектора смещения на плоскости изображения, ау ~

направление вектора смещения на плоскости изображения, т —

величина изменения курса между двумя последовательными кадрами (град), куХ , ку2 и кд - коэффициенты, зависящие от параметров

видеокамеры (разрешающая способность, фокусное расстояние, угол обзНрфеденные в данной главе исследования подтверждают возмож-

(6)

ность решения навигационных задач на основе использования разработанных алгоритмов

• формирование «поле движения» на основе обработки изображений подстилающей поверхности,

• оценка углов ориентации МБЛА на основе анализа векторов «поля движения»

В табл 3 представлены результаты анализа решаемых СН задач Таким образом, для решения указанных задач в бортовом процессоре необходимо реализовать одновременную работу большого количества различных трудоемких алгоритмов обработки изображений При этом в большинстве решаемых задач используются КФ, обеспечивающие сравнение двух изображений

Таблица 3

Решаемая задача Частные ал- Тип обработки Изображения

горитмы

Сжатие изображений RLE Пиксельный тип

КХ Пиксельный ти„

МС (MAD) Блочный тип, ТИЛ.,

ЦК Пиксельный ТИП

ДКП Блочный ти„

WT Пиксельный тип

Поиск стационарных MAD Блочный (пиксельный) ТИ, ЭИ

объектов ККА Блочный (пиксельный) ТИ, ЭИ

Поиск подвижных MAD Блочный ТИП, ТИП.,

объектов ККА Блочный тип,тип.,

Оценка координат MAD Блочный (пиксельный) ТИ, ЭИ

МБЛА ККА Блочный (пиксельный) ТИ, ЭИ

Оценка углов MAD Блочный ТИП, тип.,

ККА Блочный ТИП, ти„.,

В третьей главе обосновывается выбор структуры КАОИ

Для повышения вычислительной экономичности реализуемых алгоритмов с целью выбора основной рабочей КФ в КАОИ был проведен сравнительный анализ алгоритмов ККА и МАО В ряде работ показано, что наиболее эффективно использование функции МАБ, преимуществом которой по сравнению с ККА является отсутствие операций умножения, что в ряде случаев позволяет ускорить процессы вычислений в 4 10 раз

К1>г (Л, ф) = лф(/, _/)-/?(/+ ¿//,7 + (9)

где 8(г,у)-эталонное изображение (ЭИ), текущее изображение

(ТИ), М[ ] - символ математического ожидания, i,j — координаты ячеек изображения, /тах, _/тах - размеры сравниваемого фрагмента изображения

На следующем этапе проведены исследования MAD на эффективность поиска идентичных фрагментов изображений при воздействии шумов

Методика исследований состоит в следующем

1 На исходном изображении на основе расчета градиента изменения яркости - матрицы (si) выбирается информативная точка (с максимальным градиентом max/(ymax, jcmax))

2 На изображении, зашумленном аддитивным белым гауссовским шумом, рассчитывается матрица градиентов изменения яркости (s2)

3 На зашумленном изображении с учетом значения градиента в точке (ушах, хшах) определяется коридор допустимых значений градиентов Предполагается, что точки с градиентами, попадающими в заданный коридор, не селектируются

4 Пункты 2, 3 повторяются для зашумленного изображения, обработанного медианным фильтром

5 Расчет вероятности (частота) правильного обнаружения проводится по формуле

Р(р) = 1- No/N,

где Р - отношение сигнал/шум, N0 - количество точек со значениями градиентов, попавших в коридор допустимых значений, N - количество точек со значениями градиентов в пределах допустимого коридора, обнаруживаемых на изображении с шумовом полем (без полезного сигнала) /?= О

На основании проведенных исследований были сделаны следующие выводы

1 Стабильная идентификация соответствующих точек при вероятности правильного обнаружения Р>0,95 обеспечивается при отношении сигнал/шум J3> 15

2 Повышение вероятности правильного обнаружения зависит от контрастности исходного изображения

3 Предварительная фильтрация зашумленного изображения повышает устойчивость работы алгоритма

Таким образом, алгоритм MAD является работоспособным при отношении сигнал/шум J3> 15 (вероятность правильной идентификации соответствующих точек Р>0,95)

Для реализации целевой задачи сжатия видеопоследовательности предлагается использовать в КАОИ алгоритм ДКП и алгоритм межкадрового сжатия («с предсказанием вперед»), использующие блочную обработку изображений

Коэффициент сжатия вычисляется по формуле

= У0/У5,

где У0 - размер исходной видеопоследовательности [байт], - размер сжатой видеопоследовательности [байт], 51- количество используемых ДКП-коэффициентов

Для оценки эффективности сжатия было проведено исследование предлагаемого алгоритма На рис 3 представлена зависимость коэффициента сжатия от количества используемых ДКП-коэффициентов

Кол-во ДКП-коэф ф нцнентов

Рис 3

Исследования известных алгоритмов обработки изображений подстилающей поверхности для решения целевых и навигационных задач показали, что для объединения частных алгоритмов, структура которых не меняется в зависимости от решаемой задачи, необходимо

1 Обработку изображений в КАОИ строить на блочном разбиении исходных изображений

2 Во всех процессах поиска идентичных фрагментов изображений использовать алгоритм МАО, как наиболее эффективный

3 При сжатии изображений использовать алгоритм ДКП и алгоритм межкадрового сжатия «с предсказанием вперед», основанные также на блочной обработке изображений

На основании результатов исследований была разработана структу-

pa КАОИ, в состав которой включены следующие частиые алгоритмы (табл. 4).

Таблица 4

Решаемая задача Частные алгоритмы Тип обработки Изображения

Сжатие изображений МС (MAD) дкп Блочный Ёлочный ТИ,,, ТИ„., ти„

Поиск стационарных объектов MAD Блочный ТИ, ЭИ

Поиск подвижных объектов MAD Блочный тиЛ1 ТИ„.,

Оценка координат ШЛА MAD Блочный ТИ, ЭИ

Оценка углов MAD Блочный ти«„ ТИ,н

На рис. 4 представлена блок-схема разработанного алгоритма.

1 .Камера

2 Л'И

__] "___

£

5. Фи рмиро-ва н не РЧИ

6. Выделение блоков

i 1. ДШ

7. Сш'рт^н блоков

I

8. А пял из поля движения

4. ЭИ

12. Формирование ни форм анион ною сообщения

13. Передатчик

9. Блок управления обработкой изображены я

т

[0.

СУ

Рис.4

Блок 1 - приемник изображения.

Блок 2 - текущее цифровое изображение (ТИ).

Блок 3 - буфер для хранения предыдущего изображения.

Блок 4 - эталонное изображение (ЭИ). В данном блоке в зависимости от предполагаемого местоположения и высоты полета формируется эталонное изображение на основе заложенных заранее изображений наземных ориентиров, координаты которых известны и хранятся в памяти ЦСАУ.

Блок 5 - рабочее эталонное изображение (РЭИ). Если решается задача оценки углов ориентации, поиска наземных подвижных объектов и передача или хранение изображений, то в качестве РЭИ используется

предыдущее изображение из блока 3 Если решается задача оценки положения МБЛА по наземным ориентирам, то в качестве РЭИ используется ЭИ (блок 4)

Блок 6 - выделение блоков Разбиение ТИ на блоки Блок 7 - свертка блоков В этом блоке реализовано поблочное сравнение ТИ и РЭИ с помощью алгоритма МАО В результате данной операции получается поле векторов смещения («поле движения»)

Блок 8 - анализ поля движения В блоке 8 производится анализ полученных векторов Выбор алгоритма для анализа поля движения реализуется в блоке 9 При решении навигационных задач включается блок 10, где СУ - система управления, формирующая сигналы управления Для сжатия и передачи видеоинформации по радиоканалу используются блоки 11, 12, 13.

Серым цветом отмечены блоки, обеспечивающие решение как целевых, так и навигационных задач Алгоритмы работы, реализованные в этих блоках, являются независимыми от решаемых задач, что позволяет существенно повысить производительность их работы

В четвертой главе рассматривается влияние ошибок совмещения эталонного и текущего изображений на определения координат и ориентации МБЛА

Рассмотрим неподвижную систему координат (рис 5) NXУ},2},, начало которой находится в точке N Точка С - центр бортовой аппаратуры наблюдения, В - центре масс МБЛА, точка Р - наблюдаемый элемент поверхности Земли

В результате можно записать координаты наблюдаемого элемента поверхности Земли в системе координат бортовой аппаратуры (вектор х';, = [хСР уСР 2а, ]т) в виде

х^С^СМ-х^-СЖ, (Ю)

где с(н - постоянная переходная матрица из связанной системы координат в систему координат бортовой аппаратуры, С® - переходная

матрица из системы координат бортовой аппаратуры в неподвижную систему координат Таким образом, выражение (10) показывает взаимоотношение между координатами МБЛА и его ориентацией и координатами наблюдаемого элемента поверхности Земли в системе координат бортовой аппаратуры

Рис 5

с

Составляющие вектора координат хг связаны с пиксельными координатами на плоскости наблюдения (ир, v/;) следующим соотношением

Up =-/ —+UC, VP =-/ +

xcr xcf

где lie , l'( - координаты (пике) центра бортовой аппаратуры наблюдения относительно начала координат бортовой аппаратуры, которое находится в верхнем левом углу, / - фокусное расстояние бортовой аппаратуры

В табл 5 представлены результаты исследования ошибок положения и ориентации МБЛА, обусловленные ошибкой совмещения ЭИ и ТИ для следующих начальных данных

• максимальная ошибка совмещения ЭИ и ТИ 1 пике,

• угол обзора камеры 60 град,

• размер ПЗС-матрицы 640x480 пике

Для исследования работоспособности и точности работы алгоритма оценки углов ориентации на основе обработки изображений подстилающей поверхности было разработано программно-математическое обеспечение (ПМО) «Test-1»

_ _ Таблица 5

Высота, м Ошибка положения, м Ошибка по высоте, м Ошибка ориентации, град

100 ±0,54 ±1,07 ±0,24

400 ±2,16 ±16,6 ±0,29

На рис. 6 показан интерфейс ПМО «Test-I».

Текущие (начальные) координаты камеры

Текущая (начальная) ориентация камеры

Текущее поло-

жениекамеры относительно поверхности

У, Раамср чарты 50DD-50M) ■ X 334 7,1 Э68ЭЭ4712S2SS

Li^^aig i^sM в V (Too ^-f о

Порог на критериальную функцию

Параметры скорости измене углов

[--— I-- г покГ^»- Г™

Скорость перемещения

Рис, 6

«Test-l» позволяет:

]. Задавать параметры (начальное положение и углы ориентации, скорость полета, функции для изменения углов ориентации, выбор канала управления) для моделирования полета МБЛА.

2. Задавать оптические параметры СИ (угол обзора камеры, размеры приемной матрицы, фокусное расстояние).

3. Формировать изображение подстилающей поверхности в зависимости от текущего положения и ориентации МБЛА, а также оптических параметров СН.

4. Формировать поле движения на основе двух последующих кадров с использованием КФ MAD.

5. Вычислять текущие углы ориентации с помощью формул (8)-(9).

6. Выводить результаты сравнения фактических углов ориентации и расчетных в графическом виде.

На рис. 7 представлены результаты расчета углов крена и тангажа с помощью ПМО «Test-1». Начальные условия моделирования соответствуют следующим данным:

• размер ПЗС-матрицы 500x500 пике;

• угол обзора камеры 60 град;

• скорость полета МБЛА 25 м/с;

• частота кадров i 0 кадров/с;

• отношение сигнал/шум 15

Угол ориентации (град)

л п

Г п

\ я 1

\ \ 1 1 1 //

\ )

/Л г Ьл- #». _ л. \\ Л N \ \ч /1 Гч \\

2 10 20 30 40 50 60 70

а

Угол ориентации (град)

г 1 1 г 1 и.1 -1 Г ' г" 1 /

1 1 1 1 1 к1 1 1 » \ 1 11 1

1 1 1 1 1 1 1 \ 1 1 ч 1 1 1

1 1 / т 1 •> «/ 1 1 1 г 1 1 Г i

АР •ч 1 1 'Л ' ' 1 7 1 1

2 10 20 30 40 50 60 70

б

- . - Факт крен ........ факт тангаж

- Расч крен — — — Расч тангаж

Рис 7

В табл 6 представлены результаты моделирования, где заданная точность соответствует точностным характеристикам «Компанав-2», а фактическая точность рассчитана на основе данных, полученных в результате работы КАОИ

Как видно из таблицы, при перепаде высот подстилающей поверхности менее ±10 м, высоты полета больше 100 м и заданных оптических параметров СН, алгоритм оценки углов ориентации МБЛА на основе обработки изображений позволяет существенно повысить заданную точность В то же время существуют условия, при которых

оценки углов ориентации МБЛА хуже оценок, полученных НС «Ком-панав-2» Однако в соответствии с условием (1) полученные ошибки находятся в пределах заданных допусков и позволяют успешно решать целевые задачи на борту МБЛА.

Таблица 6

Высота, м Перепад высот, м Канал крена Канал тангажа

заданная точность фактическая точность заданная точность фактическая точность

град град

100 ±5 ±4 ±1,30 ±4 ±2,10

±15 ±4 ±7,54 ±4 ±6,07

±25 ±4 ±13,91 ±4 ±10,13

±35 ±4 ±20,54 ±4 ±14,34

±45 ±4 ±27,53 ±4 ±18,79

200 ±5 ±4 ±1,75 ±4 ±2,65

±15 ±4 ±4,85 ±4 ±4,62

±25 ±4 ±7,97 ±4 ±6,61

±35 ±4 ±11,11 ±4 ±8,61

±45 ±4 ±14,30 ±4 ±10,64

300 ±5 ±4 ±2,03 ±4 ±2,93

±15 ±4 ±4,09 ±4 ±4,24

±25 ±4 ±6,16 ±4 ±5,56

±35 ±4 ±8,24 ±4 ±6,88

±45 ±4 ±10,33 ±4 ±8,21

400 ±5 ±4 ±2,41 ±4 ±3,41

±15 ±4 ±3,96 ±4 ±4,39

±25 ±4 ±5,51 ±4 ±5,38

±35 ±4 ±7,06 ±4 ±6,37

±45 ±4 ±8,62 ±4 ±7,36

Таким образом, результаты исследований подтверждают работоспособность КАОИ и возможность использования предлагаемых подходов для оценки углов ориентации МБЛА

Исследования возможности реализации КАОИ в реальном времени, показали, что КАОИ может быть построен на процессорах компании Texas Instruments (платформа С67х и выше), обеспечивающих работу КАОИ с разрешающей способностью 500x500 пике в реальном времени

ОСНОВНЫЕ ВЫВОДЫ ПО РАБОТЕ

На основании проведенных исследований можно сделать следующие выводы

1. Разработана основанная на ограничении величины взаимного перекрытия двух последующих кадров видеопоследовательности методика определения требований к ЦСАУ, выполнение которых обеспечивает возможность решения целевых задач на борту МБЛА Представлены результаты расчетов в зависимости от оптических параметров СН и условий полета МБЛА

2 Показано, что для решения целевых и навигационных задач (на основе обзорно-сравнительных методов навигации) необходимо реализовать в бортовом процессоре одновременную работу нескольких трудоемких алгоритмов обработки изображений

3 Анализ решаемых задач и соответствующих алгоритмов обработки изображений показал, что основные целевые и навигационные задачи могут быть решены с использованием единого алгоритма MAD и блочной обработки изображений

4 Предложен и разработан КАОИ, обеспечивающий одновременное решение целевых и навигационных задач и существенно повышающий производительность обработки изображений по сравнению с раздельным использованием частных алгоритмов

5 Разработана методика исследования влияния шума на идентификацию соответствующих фрагментов изображения алгоритма MAD на основе градиентного способа Показано, что при отношении сигнал/шум больше 15 вероятность правильной идентификации соответствующих фрагментов изображения больше 0,95

6 Проведены исследования и представлены результаты оценки точности работы СН, обусловленные дискретностью совмещения соответствующих фрагментов эталонного и текущего изображений

7 Разработан алгоритм оценки углов ориентации МБЛА на основе анализа «поля движения» с использованием двух последовательных кадров

8 Разработано имитирующее работу СН с точки зрения решения целевых и навигационных задач ПМО, основанное на математическом моделировании полета МБЛА

9 Представлены результаты исследований алгоритма оценки углов ориентации МБЛА в зависимости от разных условий полета, на базе разработанного ПМО,

10 Показано, что при определенных условиях полета и характери-

стиках подстилающей поверхности предложенный алгоритм оценки углов ориентации МБЛА позволяет повысить точность по сравнению с штатной НС

11 Подтверждена возможность реализации КАОИ в реальном времени на базе существующих сигнальных процессорах

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ

1 Ким НВ, Степанова НВ Слежение за несколькими подвижными целями на основе информационного подхода // Сб мат 3-й научно-практ конф «Современные проблемы фотограмметрии и дистанционного зондирования», -М , 2002

2 Ким Н В, Степанова Н В Ситуационно-информационный подход к обработке и анализу видеоинформации // Сб докладов VI Всероссийской конференции «Проблемы совершенствования робототех-нических и интеллектуальных систем летательных аппаратов», стр 132-135,-М, МАИ, 2002

3 Ким Н В, Степанова Н В Однолучевое слежение за подвижными целями на основе информационного подхода // «Труды» XII Международного научно-технического семинара, стр 274-275, г Алушта, Украина 2003

4 Ким НВ, Степанова НВ Комплексное решение навигационных и прикладных задач с помощью системы наблюдения беспилотного летательного аппарата // Сб докладов VII Всероссийской юбилейной научно-технической конференции «Проблема совершенствования робототехнических и интеллектуальных систем летательных аппаратов», стр 139-143 -М, МАИ, 2005

5 Ким НВ, Степанова НВ Решение целевых и навигационных задач на основе обработки изображений на борту беспилотного летательного аппарата // Вестник компьютерных и информационных технологий, стр 12-16, № 6, 2006

6 Ким Н В, Степанова Н В Определение углов крена и тангажа беспилотного летательного аппарата на основе обработки и анализа последовательности изображений подстилающей поверхности // Авиакосмическое приборостроение, стр 18-23, № 8, 2006

7 Ким НВ, Степанова НВ Решение навигационных задач на основе обработки изображений на борту самолета // Сб докладов российско-корейского семинара по науке и технологии (АНТОК СНГ), стр 51-52,-М, 2006

8 Красильщиков М Н, Ким Н В , Степанова Н В, Носов В И (МАИ) Интегрированная система автономного управления и навига-

ции беспилотного летательного аппарата // Научно-техническая конференция «Авиационные системы в XXI веке», стр 45-53 -М, 2006

ВВЕДЕНИЕ.

Постановка задачи.

1. АВТОМАТИЗАЦИЯ ЗАДАЧ, РЕШАЕМЫХ МАЛОРАЗМЕРНЫМ БЕСПИЛОТНЫМ ЛЕТАТЕЛЬНЫМ АППАРАТОМ.

1.1. Особенности автоматического полета МБЛА.

1.2. Решение целевых задач.

1.3. Требования к точности работы ЦСАУ.

1.4. Система автоматического управления МБЛА.

2. АНАЛИЗ АЛГОРИТМОВ РЕШЕНИЯ ЦЕЛЕВЫХ И НАВИГАЦИОННЫХ ЗАДАЧ.

2.1. Решение целевых задач.

2.1.1. Сжатие изображений.

2.1.2. Поиск объектов.

2.2. Решение навигационных задач.

3. СТРУКТУРА КОМПЛЕКСНОГО АЛГОРИТМА ОБРАБОТКИ ИЗОБРАЖЕНИЙ.

3.1. Критериальные функции в корреляционных алгоритмах.

3.2. Дискретное косинусное преобразование.

3.3. Структура комплексного алгоритма системы наблюдения.

4. ИССЛЕДОВАНИЕ РАБОТОСПОСОБНОСТИ КОМПЛЕКСНОГО АЛГОРИТМА ОБРАБОТКИ ИЗОБРАЖЕНИЙ.

4.1. Оценка точности определения положения и ориентации МБЛА системой наблюдения.

4.2. Моделирование системы наблюдения.

4.3. Реализация работы алгоритма в реальном времени.

В последние годы широкое применение нашли малоразмерные (мини) беспилотные летательные аппараты (МБЛА), предназначенные для автоматизированного мониторинга земной или водной поверхности, разведки и т.д.

Основными предпосылками для распространения подобных МБЛА послужило:

• Создание однокристальных микроЭВМ большой вычислительной мощности.

• Появление дешёвых, массовых, миниатюрных изделий микромеханики: акселерометров и датчиков угловой скорости.

• Производство дешёвых массовых миниатюрных ОРБ-приемников.

• производство дешёвых массовых достаточно точных твёрдотельных баровысотомеров.

• Широкое распространение миниатюрных матриц для создания телевизионных и инфракрасных камер.

• Распространение дешёвых и надёжных никель-кадмиевых, никель-металлогидридных и литиевых аккумуляторов высокой удельной ёмкости.

В табл. В.1 представлены основные характеристики отечественных и зарубежных дистанционно-пилотируемых летательных аппаратов (ДПЛА) и аэродинамических забрасываемых передатчиков помех (АЗПП).

Таблица В.1

Название Страна Назначение (целевые задачи) Стартовая масса Дальность действия Способ старта Автоматическая навигация

1. ДПЛА «Нетопырь-3» США Ближняя разведка и воздушное картографирование 6,8 кг 290 км Автономный старт с пружинной катапульты Полет по пунктам маршрута с использованием данных от GPS и бортовой ЭВМ с инерциальным измерителем. Полет автономный от старта до посадки. Возможна смена пунктов маршрута при нахождении в пределах действия радиолиний

2. ДПЛА «ГРАНТ» НП КЦ "Новик-XXI век" Мониторинг 20 кг 70 км Пусковая установка Нет данных

3. ДПЛА «БРАТ» НП КЦ "Новик-XXI век" Мониторинг 2,5 кг 10 км С руки Нет данных

4. Электролет миниДПЛА «Пойнтер» США Телевизионное или инфракрасное наблюдение местности и целей на ней в реальном масштабе времени 4-4,5 кг 5-8 км С руки Режимы: удержания высоты, навигация по промежуточным пунктам маршрута по данным GPS, автоматическое барражирование и возврат

5. ДПЛА «Орбитер» Израиль Мониторинг 6,5 кг Нет данных

6. АЗПП «Мошкарец» Беларусь Постановка помех наземным линиям радиосвязи противника 30 км С руки Наземный пункт дистанционного управления

7. АЗЗП «Амёба» НП КЦ "Новнк-XXI век" Постановка помех УКВ линиям радиосвязи в диапазонах 30. 110 МГц и 110.220 МГц 3 кг С руки Нет данных

8. ДПЛА- НИИ ПФМ Скрытое 2 кг 10 км С руки Система электролёты Украина наблюдение управления

Аист» дистанционная с

Г/ 1 наземного пульта

9. МиниДПЛА Франция Видеокамера, 6,5 кг 12 км С руки Нет данных

Azimut» цифровой фотоаппарат или аппаратуры метеорологической, радиационнохими-ческой разведок

Управление полетом МБЛА осуществляется дистанционно с наземного пункта по радиоканалу или с помощью системы автоматического управления (САУ).

При использовании САУ в память бортовой системы вводится маршрут полета, например в виде координат промежуточных пунктов или координат цели.

Анализ решаемых задач МБЛА, указанных в табл. В.1, например, для п. 1-5, 8, 9, показал, что частными целевыми задачами разведки, мониторинга, наблюдения являются:

• Прием, хранение и/или передача видеоинформации.

• Поиск подвижных и неподвижных объектов (в том числе навигационных ориентиров).

Следовательно, для работы в автоматическом режиме бортовые вычислители должны оснащаться соответствующими алгоритмами обработки и анализа изображений для решения задач сжатия видеоинформации и поиска объектов.

Анализ массогабаритных показателей МБЛА и дальности действия показал, что для большинства подобных летательных аппаратов массогабаритные показатели проектируемых САУ должны иметь жесткие ограничения, так как уже незначительное увеличение веса САУ (даже десятки грамм) приводит к существенному снижению дальности действия МБЛА.

Таким образом, минимизация массогабаритных показателей при разработке САУ МБЛА, в частности цифровой системы автоматического управления

ЦСАУ), относится к числу наиболее важных задач проектирования. При этом ЦСАУ должна обеспечивать с определенной точностью полет по заданному маршруту и решение целевых задач.

Целевая аппаратура - система наблюдения (СН) - включает в свой состав видеокамеру или другие обзорно-визирные устройства. В зависимости от типа МБЛА и решаемой целевой задачи СН может быть жестко закреплена на борту МБЛА или установлена на гиростабилизированной платформе. СН может состоять из двух камер с различными установочными углами линии визирования, разными углами обзора или работающих в разных диапазонах излучения (например, видимом или инфракрасном). Высота полета МБЛА лежит в диапазоне от 100 до 2000 м, скорость - от 25 до 140 км/ч.

Для исключения пропусков наблюдаемых участков подстилающей поверхности, «срывов» слежения и пр., бортовая видеокамера должна быть по возможности стабилизирована в пространстве. В свою очередь, точность полета, с точки зрения прохождения маршрута и стабилизации МБЛА в пространстве, определяется приборами, входящими в состав навигационной системы (НС) ЦСАУ и измеряющими координаты и углы ориентации МБЛА в пространстве.

В большинстве случаев структура штатной НС включает [1-6, 36, 37]: вычислитель (микроконтроллер), приемник спутниковой навигационной системы (СНС), датчики угловых скоростей (ДУСы), акселерометры, магнитометры, высотомеры.

При решении целевых задач используемые в НС МБЛА малогабаритные датчики, например ДУСы ADXRS150 или ADXRS300, выпускаемые фирмой «Analog Devices», акселерометры ADXL213 и другие, не обладают достаточной точностью для стабилизации углов ориентации МБЛА, что приводит к снижению эффективности применения МБЛА.

Использование датчиков с более высокими точностными характеристиками ухудшает массогабаритные показатели ЦСАУ и, следовательно, также уменьшает ' эффективность применения МБЛА.

Таким образом, повышение точности работы НС без ухудшения массогабаритных показателей ЦСАУ становится актуальной и практически важной задачей.

Одним из перспективных подходов, связанных с решением данной задачи, является использование в НС дополнительной информации о положении и ориентации МБЛА, получаемой при обработке и анализе изображений подстилающей поверхности от СН.

Такой подход основан на применении обзорно-сравнительных методов навигации по изображениям подстилающей поверхности [7-16].

Обзорно-сравнительные методы основаны на опознании и сравнении комбинации линий, точек поверхностей положения и целых ландшафтов или обозреваемых участков местности для определения местоположения объекта [17,18].

Решению навигационных задач для оценки собственных координат летательных аппаратов на основе измерений параметров различных геофизических навигационных полей посвящено большое количество работ

A. А Красовского, В.П. Тарасенко, И.Н. Белоглазова, Г.И. Джангджавы,

B.К. Баклицкого и др. авторов.

Построение СН и соответствующих алгоритмов для решения задачи навигации по наземным ориентирам и исследование их точностей для различных летательных аппаратов и условий применения проводилось в диссертационных работах С.А. Семенченко, Ян Хэ Квана, М.В. Якобсона, Хюн Ен Мока, И.А. Белоусова [19-21], выполненных на кафедре 704 МАИ.

Сложность реализации обзорно-сравнительных методов в НС МБЛА состоит в том, что необходимо разработать алгоритмы обработки и анализа изображений, обеспечивающие измерение не только координат (как это делается в известных корреляционно-экстремальных навигационных системах (КЭНС) [17]), но и углов ориентации МБЛА. При этом обработка и анализ изображений должны быть ^ реализованы в реальном масштабе времени.

Как показано в ряде работ [17, 18], измерения координат нескольких ориентиров относительно СН позволяют рассчитывать координаты МБЛА. Если географические координаты найденных наземных ориентиров заранее известны, то использование видеокамеры позволяет организовать автономный полет МБЛА по маршруту.

Однако данных по использованию обзорно-сравнительных методов для оценки ориентации МБЛА в литературе не имеется. В то же время известно, что в рамках теории фотограмметрии и теории компьютерного зрения [22, 23] возможно решение задачи внешнего ориентирования камеры, позволяющее определять углы ориентации МБЛА относительно подстилающей поверхности.

Таким образом, если на борту МБЛА установлена система наблюдения, направленная перпендикулярно вниз или под углом (например, 45 град) на подстилающую поверхность, то с помощью заложенного заранее в бортовой процессор алгоритма обработки и анализа изображений подстилающей поверхности можно получить дополнительную информацию о положении и ориентации МБЛА в пространстве.

Дополнительная информация может быть использована для повышения точности работы ЦСАУ. В частности, получаемая информация может использоваться как автономно, так и комплексироваться с аналогичной информацией, получаемой традиционно при обработке данных от акселерометров и ДУСов.

Необходимо отметить, что подобная навигационная система, основанная на обработке изображений подстилающей поверхности, будет работоспособной только при наличии достаточно информативного навигационного поля и при условии обеспечения требуемых точностей измерений СН в соответствии с решаемыми задачами [разд. 1.2].

Сложность применения обзорно-сравнительных методов навигации для оценки положения, углов ориентации МБЛА и решения целевых задач связана с необходимостью реализации на борту трудоемких процессов обработки видеоинформации. При этом обработка видеоинформации для решения целевых и навигационных задач должна реализовываться в реальном времени, что накладывает чрезмерно высокие требования на вычислители ЦСАУ.

Одним из вариантов решения данной задачи является формирование комплексного алгоритма обработки изображений (КАОИ), обеспечивающего согласованную работу отдельных частных алгоритмов для одновременного решения целевых и навигационных задач. Использование подобного КАОИ может в значительной степени сократить объемы требуемых вычислений.

Суть КАОИ заключается в том, чтобы выделить наиболее трудоемкие, с точки зрения вычислительных ресурсов, частные алгоритмы обработки изображений подстилающей поверхности и выбрать из существующих алгоритмов те, структура которых не будет меняться в зависимости от решаемой на борту задачи.

Практическая важность рассмотренных выше вопросов и недостаточная проработка перечисленных задач определили выбор темы диссертации и направление исследований.

Целью представленной диссертационной работы является повышение точности и надежности системы навигации малоразмерного беспилотного летательного аппарата за счет использования комплексного алгоритма обработки изображений (КАОИ), обеспечивающего одновременное решение целевых (поиск наземных объектов, сжатие и/или передача видеоинформации) и навигационных задач (измерение координат и углов ориентации МБЛА) за счет обработки и анализа изображений подстилающей поверхности (видеопоследовательностей), принимаемых бортовой системой наблюдения на борту МБЛА, без увеличения массогабаритных показателей НС.

Постановка задачи

Для решения задачи повышения точности и надежности системы навигации малоразмерного беспилотного летательного аппарата без увеличения массогабаритных показателей НС необходимо:

1. Определить требования к цифровой системе автоматического управления, выполнение которых обеспечит решения целевых задач, основанных на обработке и анализе изображений подстилающей поверхности, на борту малоразмерного МБЛА.

2. Провести анализ известных алгоритмов решения целевых и навигационных задач, основанных на обработке и анализе изображений подстилающей поверхности, с целью выделения тех алгоритмов, структура которых не зависит от решаемой задачи.

3. Сформировать КАОИ с учетом выбранных частных алгоритмов обработки и анализа подстилающей поверхности.

4. Провести исследования и разработать методику оценки работоспособности КАОИ в зависимости от шумового воздействия внешней среды.

5. Провести исследования КАОИ с точки зрения оценки положения и ориентации МБЛА в пространстве в зависимости от ошибки совмещения эталонного и текущего изображений.

6. Разработать алгоритм оценки углов ориентации МБЛА в пространстве, основанный на обработке и анализе изображений подстилающей поверхности.

7. Провести исследования точности алгоритма определения углов ориентации в зависимости от высоты полета и рельефа подстилающей поверхности.

Необходимо отметить, что в рамках указанной постановки задачи исследуется вопросы оценки углов ориентации МБЛА на основе обзорно-сравнительных методов, не зависимо от аэродинамических характеристик конкретного носителя и ошибок управления.

В первой главе диссертации рассматриваются особенности полета МБЛА и основные целевые задачи, решаемые на борту МБЛА с использованием системы наблюдения. Анализируется функциональная схема ЦСАУ и состав "навигационных датчиков. Предложена методика и определены требования к точности работы ЦСАУ, обеспечивающие возможность решения целевых задач на основе обработки и анализа изображений подстилающей поверхности на борту МБЛА.

Вторая глава посвящена анализу известных алгоритмов решения целевых и навигационных задач. Рассматриваются структуры алгоритмов, реализующих решения отдельных целевых и навигационных задач; обсуждаются особенности, достоинства и недостатки их работы. Рассмотрен алгоритм формирования «поля движения» с использованием двух последовательных кадров. Описан алгоритм оценки углов ориентации на основе обработки изображений подстилающей поверхности на борту МБЛА.

В третьей главе проведены исследования влияния шумового воздействия на вероятность правильного поиска объектов на изображениях, использующих в основе корреляционные алгоритмы. Рассмотрено влияние степени сжатия видеопоследовательности на качество полученных изображений. На основе проведенного в главе 2 анализа алгоритмов решения целевых и навигационных задач обосновывается выбор структуры КАОИ, который позволит одновременно решать целевые и навигационные задачи, а также, за счет сокращения вычислительных ресурсов, при определенных условиях работать в реальном времени.

В четвертой главе представлены результаты исследования влияния ошибки совмещения эталонного и текущего изображения на оценку положения и ориентации МБЛА. Проведено описание программно-математического обеспечения, имитирующего полет МБЛА и позволяющего исследовать работоспособность предложенного КАОИ. Показаны результаты и подтверждена работоспособность алгоритма оценки углов ориентации МБЛА на основе обработки и анализа изображений подстилающей поверхности Земли в зависимости от высоты полета МБЛА и характеристик подстилающей поверхности.

Актуальность представленной диссертационной работы: реализация ц предлагаемого подхода позволит повысить точность работы ЦСАУ МБЛА без увеличения массогабаритных характеристик НС.

Научная новизна диссертационной работы:

1. Разработана методика определения требований к ЦСАУ, обеспечивающих возможность решения целевых задач на борту МБЛА.

2. Разработан алгоритм оценки углов ориентации МБЛА на основе обработки изображений подстилающей поверхности.

3. Предложена и разработана структура КАОИ.

4. Показано, что при определенных условиях полета МБЛА и параметрах оптической системы рассматриваемый вариант КАОИ удовлетворяет требованиям, предъявляемым к ЦСАУ (с точки зрения решения целевых задач), и является работоспособным.

ЗАКЛЮЧЕНИЕ л

1. Разработана основанная на ограничении величины взаимного перекрытия двух последующих кадров видеопоследовательности методика определения требований к цифровой системе автоматического управления (ЦСАУ), выполнение которых обеспечивает возможность решения целевых задач на борту малоразмерного беспилотного летательного аппарата. Представлены результаты расчетов в зависимости от оптических параметров системы наблюдения и условий полета МБЛА.

2. Показано, что для решения целевых и навигационных задач (на основе обзорно-сравнительных методов навигации) необходимо реализовать в бортовом процессоре одновременную работу нескольких трудоемких алгоритмов обработки изображений.

3. Анализ решаемых задач и соответствующих алгоритмов обработки изображений показал, что основные целевые и навигационные задачи могут быть решены с использованием единого алгоритма MAD и блочной обработки изображений.

4. Предложен и разработан комплексный алгоритм обработки изображений (КАОИ), обеспечивающий одновременное решение целевых и навигационных задач и существенно повышающий производительность обработки изображений по сравнению с раздельным использованием частных алгоритмов.

5. Разработана методика исследования влияния шума на идентификацию соответствующих фрагментов изображения алгоритма MAD на основе градиентного способа. Показано, что при отношении сигнал/шум больше 15 вероятность правильной идентификации соответствующих фрагментов изображения больше 0,95. 6. Проведены исследования и представлены результаты оценки точности работы системы наблюдения, обусловленные дискретностью совмещения соответствующих фрагментов эталонного и текущего изображений.

7. Разработан алгоритм оценки углов ориентации МБ Л А на основе анализа «поля движения» с использованием двух последовательных кадров.

8. Разработано имитирующее работу СН с точки зрения решения целевых и навигационных задач программно-математическое обеспечение (ПМО), основанное на математическом моделировании полета МБЛА.

9. Представлены результаты исследований алгоритма оценки углов ориентации МБЛА в зависимости от разных условий полета, на базе разработанного ПМО;

10. Показано, что при определенных условиях полета и характеристиках подстилающей поверхности предложенный алгоритм оценки углов ориентации МБЛА позволяет повысить точность по сравнению с штатной НС.

11. Подтверждена возможность реализации КАОИ в реальном времени на базе существующих сигнальных процессорах.

1. Управление и наведение беспилотных маневренных летательных аппаратов на основе современных информационных технологий / Под ред. М.Н. Красилыцикова и Г.Г. Себрякова. М.: физматлит, 2003.

2. Беспилотные летательные аппараты: Учеб. пособие для вузов / Под ред. Л.С. Чернобровкина. -М.: Машиностроение, 1967.

3. Ростопчин В.В., Румянцев С.С. ООО "Техкомтех" // Вестник воздушного флота. №2. 2001.4. http://www.dpla.ru.5. http://www.avia.ru.

4. Михалев И. А., Окоемов E.H., Чикулаев М.С. Системы автоматического управления самолетом. -М.: Машиностроение, 1987.

5. Красовский A.A., Поспелов Г.С. Основы автоматики и технической кибернетики. -М.: Госэнергоиздат, 1962.

6. Белоглазое И.Н., Тарасенко В.П. Корреляционно-экстремальные системы. ' -М.: Советское радио, 1974.

7. Тарасенко В.П., Раводин О.М. Корреляционно-экстремальный координатор для речных и морских судов // Поиск экстремума. -Томск: Томский государственный университет, 1969.

8. Эндрюс Г. Применение вычислительных машин для обработки изображений. М.: Энергия, 1977.

9. Белоглазое И.Н., Тарасенко В.П. Корреляционно-экстремальные системы. -М.: Советское радио, 1974.

10. Красовский A.A. Оптимальная фильтрация в теории корреляционно-экстремальных систем // Изв. АН СССР. Техническая кибернетика. 1976. №3.

11. Белоглазое H.H. Оптимальная фильтрация в корреляционно-экстремальных системах, использующих изображения местности // Изв. АН !СССР. Техническая кибернетика. 1977. №2.

12. Баклицкий B.K. Применение метода нелинейной фильтрации для синтеза корреляционно-экстремальных систем навигации // Корреляционно-экстремальные системы управления. -Томск: Томский государственный университет, 1979.

13. Баклицкий В.К. Корреляционно-экстремальные системы навигации. -М: Радио и связь, 1982.

14. Красовский A.A., Белоглазое КН., Чигин Г.П. Теория корреляционно-экстремальных систем. М: Наука, 1979.

15. Белоглазое И.Н., Дэ/санджгава Г.И., Чигин Г.П. Основы навигации по геофизическим полям. -М.: Наука, 1985.

16. Баклицкий В.К., Бочкарев А.М., Мусьяков М.П. Методы фильтрации сигналов в корреляционно-экстремальных системах навигации. Под ред. В.К. Баклицкого. -М.: Радио и связь, 1986.

17. Семеиченко С.А. Синтез алгоритмов поиска наземных объектов с помощью контурных эталонных изображений. Диссертация на соискание ученой степени кандидата технических наук. Московский авиационный институт (технический университет), 1997.

18. Хори Б.К.П. Зрение роботов: Пер. с англ. -М.: Мир, 1989.

19. Форсайт, Дэвид А., Понс, Жан. Компьютерное зрение. Современный подход: Пер. с англ. -М.: Издательский дом «Вильяме», 2004.

20. Ким Н.В. Обработка и анализ изображений в системах технического зрения: Учеб. Пособие. М.: Изд-во МАИ, 2001

21. Архангельский А.Я. Программирование в С++ Builder 5. -М.: ЗАО «Издательство БИНОМ», 2000.

22. Уэлстид С. Фракталы и вейвлеты для сжатия изображений в действии: Учеб. пособие. -М.: Триумф, 2003

23. Ким Н.В. Алгоритмы сжатия изображения: Учеб. пособие. -М.: Изд-во МАИ, 2005.

24. Яншин В.В., Калинин Г.А. Обработка изображений на языке Си для IBM PC: Алгоритмы и программы. М.: Мир, 1994.

25. Солонина A.M., Улахович Д.А., Яковлев JI.A. Алгоритмы и процессоры для цифровой обработки сигналов. СПб.: БХВ-Петербург, 2001.

26. Мубаракшин Р.В., Ким Н.В., Красильщиков М.Н., Саблин Ю.А., Шингирий И.П. Бортовые информационно-управляющие средства оснащения летательных аппаратов. Под редакцией Красилыцикова М.Н. М.: Изд-во МАИ, 2003.I31. http://www.teknol.ru.

27. Ким Н.В., Степанова Н.В. Слежение за несколькими подвижными целями на основе информационного подхода // Сб. мат. 3-й научно-практ. конф. «Современные проблемы фотограмметрии и дистанционного зондирования». -М., 2002.

28. Ким Н.В., Степанова Н.В. Ситуационно-информационный подход к обработке и анализу видеоинформации // Сб. докладов VI Всероссийской конференции. -М., МАИ, 2002.

29. Ким Н.В., Степанова Н.В. Однолучевое слежение за подвижными целями на основе информационного подхода // «Труды» XII Международного научно-технического семинара, г. Алушта, Украина. 2003.

30. Ким Н.В., Степанова Н.В. Решение целевых и навигационных задач на основе обработки изображений на борту беспилотного летательного аппарата // Вестник компьютерных и информационных технологий, № 6, 2006 г.

31. Ким Н.В., Степанова Н.В. Определение углов крена и тангажа беспилотного летательного аппарата на основе обработки и анализа последовательности изображений подстилающей поверхности // Авиакосмическое приборостроение, 2006 № 8.

32. Ким Н.В., Степанова Н.В. Решение навигационных задач на основе обработки изображений на борту самолета // Сб. докладов российско-корейского семинара по науке и технологии (АНТОК СНГ). -М., 2006.

33. Красильщиков М.Н., Ким Н.В., Степанова Н.В., Носов В.И. (МАИ) Интегрированная система автономного управления и навигации беспилотного летательного аппарата // Научно-техническая конференция «Авиационные системы в XXI веке». 2006.

34. Отчет о НИР «Исследование проблем сжатия видеоинформации воздушно-космической системы дистанционного зондирования земли». Шифр «Четрис». № 98170-00180. -М„ МАИ, 2003.

35. Отчет о НИР «Разработка экспериментального образца многоканальной цифровой системы автоматического управления полетом для малоразмерных беспилотных летательных аппаратов различного назначения». Шифр «Мушкатель-2». № 5141. Этап 1. -М, МАИ, 2004.

36. Отчет о НИР «Разработка экспериментального образца многоканальной цифровой системы автоматического управления полетом для малоразмерныхбеспилотных летательных аппаратов различного назначения». Шифр «Мушкатель-2». № 5141. Этап 2. -М., МАИ, 2005.

37. Отчет о НИР «Разработка экспериментального образца многоканальной цифровой системы автоматического управления полетом для малоразмерных беспилотных летательных аппаратов различного назначения». Шифр «Мушкатель-2». № 5141. Этап 3. -М., МАИ, 2006.

38. Отчет о НИР «Исследование возможности создания систем управления проходческими установками». Шифр «Таран». № 31320. Этап 2. -М., МАИ, 2006.